AlgLin
Transkrypt
AlgLin
Dodatek A Piotr Jacek Suchomski A.1 Elementy: przestrze« liniowa, przeksztaªcenie liniowe, liniowa niezale»no±¢, rzuty Przestrze« liniowa. Podprzestrze«. Przeksztaªcenie liniowe Niech K b¦dzie ciaªem liczbowym, a X niepustym zbiorem. Zakªada si¦, i» w zbiorze X okre±lone s¡ dwa dziaªania: dodawanie elementów zbioru X : X × X 3 (a, b) 7→ a + b ∈ X , mno»enie elementów zbioru X przez elementy ciaªa K: K × X 3 (α, a) 7→ αa ∈ X . Elementy ciaªa K nazywane s¡ skalarami, za± elementy zbioru X - wektorami. Zbiór X jest przestrzeni¡ liniow¡ (wektorow¡ ) nad ciaªem K, je»eli speªnione s¡ nast¦puj¡ce warunki: a+b=b+a ∀(a, b) ∈ X × X , (a + b) + c = a + (b + c) ∀(a, b, c) ∈ X × X × X , równanie a+x = b ma dokªadnie jedno rozwi¡zanie w zbiorze X oznaczane jako x = b − a ∀(a, b) ∈ X × X , α(a + b) = αa + αb (α + β)a = αA + βA α(βa) = (αβ)a ∀(α, a, b) ∈ K × X × X , ∀(α, β, a) ∈ K × X × X , ∀(α, β, a) ∈ K × X × X , 1 2 1a = a DODATEK A. ∀a ∈ X , gdzie 1 ∈ K jest jedno±ci¡ ciaªa K. Element 0X ∈ X taki, »e ∀a ∈ X zachodzi a + 0X = a nazywany jest zerem przestrzeni X . Z kolei, elementem odwrotnym do a ∈ X jest taki element b ∈ X , »e a + b = 0X . Element odwrotny do a oznaczany jest przez −a . ∀a ∈ X zachodzi 0a = 0X , gdzie 0 ∈ K oznacza zero ciaªa K. Z powy»szej denicji przestrzeni liniowej wynika, i» zbiór X z dziaªaniem dodawania wektorów tworzy struktur¦ algebraiczn¡ grupy przemiennej. Niech Xi ⊂ X , i ∈ {1, . . . , k}, oznacza rodzin¦ podzbiorów przestrzeni liniowej X . Przez sum¦ algebraiczn¡ tych podzbiorów rozumie si¦ zbiór ( ) k k X X Xi = a ∈ X : a = ai , ai ∈ Xi , i ∈ {1, . . . , k} . i=1 i=1 Niech X b¦dzie przestrzeni¡ liniow¡. Podzbiór X0 ⊂ X nazywany jest podprzestrzeni¡ liniow¡ przestrzeni X , je»eli speªnia aksjomaty przestrzeni liniowej z dziaªaniem grupowym i mno»eniem przez skalar obci¦tymi do X0 . Rozmaito±ci¡ liniow¡ (hiperpªaszczyzn¡ ) w X jest ka»dy podzbiór o postaci: {a ∈ X : a = {a0 } + X0 }, gdzie a0 ∈ X , za± X0 ⊂ X jest podprzestrzeni¡ liniow¡ w X . Prost¡ przechodz¡c¡ przez punkt a0 ∈ X w kierunku a1 ∈ X jest nast¦puj¡cy podzbiór przestrzeni X : {a ∈ X : a = a0 + αa1 , α ∈ K}. Ka»da prosta przechodz¡ca przez punkt 0X ∈ X jest podprzestrzeni¡ liniow¡ przestrzeni X . Niech X i Y b¦d¡ przestrzeniami liniowymi nad tym samym ciaªem K, a zbiór D(A) ⊂ X podprzestrzeni¡ liniow¡ w X . Przeksztaªcenie (odwzorowanie) A : D(A) → Y nazywane jest liniowym, gdy speªnione s¡ nast¦puj¡ce warunki: A(αa) = αA(a) ∀(α, a) ∈ K × D(A) ⊂ K × X , A(a + b) = A(a) + A(b) ∀(a, b) ∈ D(A) × D(A) ⊂ X × X . Warto±¢ przeksztaªcenia liniowego A dla a ∈ D(A) oznacza si¦ jako Aa. Zbiór D(A) ⊂ X nazywany jest dziedzin¡ przeksztaªcenia A. Przez L(X , Y) oznacza si¦ zbiór wszystkich przeksztaªce« liniowych okre±lonych na dziedzinach zawartych w X oraz o warto±ciach w Y . Nale»y zauwa»y¢, i» w ogólno±ci L(X , Y) mo»e nie by¢ przestrzeni¡ liniow¡ ze wzgl¦du na odmiennie zdeniowane dziedziny przeksztaªce« tego zbioru. Gdy rozwa»a si¦ przeksztaªcenia liniowe okre±lone na caªej przestrzeni X o warto±ciach w Y , zbiór L(X , Y) oznaczany teraz jako L0 (X , Y), jest przestrzeni¡ liniow¡. Zachodzi przy tym L0 (X , Y) ⊂ L(X , Y). Zbiory L(X , X ) oraz L0 (X , X ) oznacza si¦ odpowiednio L(X ) oraz L0 (X ). A.1. ELEMENTY 3 Dalsze rozwa»ania dotyczy¢ b¦d¡ przestrzeni liniowych nad ciaªem liczb rzeczywistych R oraz zespolonych C. Wektory i macierze Niech Rm×n oznacza przestrze« liniow¡ macierzy rzeczywistych o wymiarach m×n a11 · · · a1n .. . .. A ∈ Rm×n ⇔ A = [aij ]i∈{1,...,m}, j∈{1,...,n} = [aij ]m,n = ... . . am1 · · · amn Niekiedy elementy macierzy A ∈ Rm×n indeksujemy jako ai,j , gdzie i ∈ {1, . . . , m} oraz j ∈ {1, . . . , n}. Oprócz dodawania macierzy (Rm×n × Rm×n → Rm×n ) C = A + B : cij = aij + bij , i ∈ {1, . . . , m}, j ∈ {1, . . . , n} oraz mno»enia macierzy przez skalar (R × Rm×n → Rm×n ) B = αA : bij = αaij , i ∈ {1, . . . , m}, j ∈ {1, . . . , n} do podstawowych dziaªa« zdeniowanych dla macierzy nale»¡: mno»enie macierzy (Rm×n × Rn×p → Rm×p ) C = AB : cij = n X aik bkj , i ∈ {1, . . . , m}, j ∈ {1, . . . , p} k=1 transpozycja macierzy (Rm×n → Rn×m ) B = AT : bij = aji , i ∈ {1, . . . , m}, j ∈ {1, . . . , n}. Przez Rm rozumie si¦ przestrze« liniow¡ wektorów kolumnowych (Rm ≡ Rm×1 ). Wspóªrz¦dne wektora x ∈ Rm oznacza si¦ przy pomocy pojedynczej notacji indeksowej x = [ x1 · · · xm ]T . ∀(x, y) ∈ Rm × Rn okre±lony jest iloczyn zewn¦trzny xy T ∈ Rm×n x1 y1 · · · x1 yn .. ∈ Rm×n . .. xy T = ... . . xm y1 · · · xm yn 4 DODATEK A. ∀(x, y) ∈ Rm × Rm okre±lony jest iloczyn wewn¦trzny (iloczyn skalarny ) xT y ∈ R tych wektorów m X T x y= x i yi . i=1 Rn×n Macierz A ∈ nazywana jest rzeczywist¡ macierz¡ kwadratow¡. Macierz kwadratowa In ∈ Rn×n o postaci 1 ··· 0 In = ... . . . ... 0 ··· 1 jest macierz¡ jednostkow¡ w Rn×n . Je»eli macierze kwadratowe A, B ∈ Rn×n speªniaj¡ równanie AB = In , wówczas o macierzy B mówi si¦, »e jest macierz¡ odwrotn¡ macierzy A (co zapisujemy jako B = A−1 ), za± macierz A nazywa si¦ macierz¡ nieosobliw¡. Analogicznie mamy A = B −1 ). Dla danej nieosobliwej macierzy A ∈ Rn×n macierz odwrotna A−1 ∈ Rn×n jest jednoznacznie wyznaczon¡ macierz¡ nieosobliw¡. Dla nieosobliwej macierzy A ∈ Rn×n zachodzi (A−1 )−1 = A, a ponadto (A−1 )T = (AT )−1 , co pozwala na przyj¦cie oznaczenia A−T ≡ (A−1 )T . Liniowa niezale»no±¢. Baza Niech {ai ∈ Rm }ni=1 b¦dzie zbiorem wektorów. Wektor a ∈ Rm , dla którego zachodzi n X a= αi ai , αi ∈ R, i ∈ {1, . . . , n} i=1 jest kombinacj¡ liniow¡ wektorów {ai ∈ Rm }ni=1 . Niech P ⊂ Rm b¦dzie podzbiorem przestrzeni Rm . Zbiorowi temu mo»na przyporz¡dkowa¢ nast¦puj¡cy podzbiór span {P } ⊂ Rm ( ) k X span {P } = a ∈ Rm : a = αi ai , k ∈ N, αi ∈ R, ai ∈ P, i ∈ {1, . . . , k} i=1 nazywany powªok¡ liniow¡ zbioru P . Powªoka span {P } jest najmniejsz¡ (ze wzgl¦du na inkluzj¦) podprzestrzeni¡ liniow¡ przestrzeni Rm zawieraj¡c¡ zbiór P . O powªoce span {P } mówi si¦ tak»e jako o podprzestrzeni liniowej rozpi¦tej na zbiorze P . Niech P1 i P2 b¦d¡ podzbiorami przestrzeni liniowej Rm . Zbiory te s¡ wzajemnie liniowo niezale»ne, gdy P1 6= {0m }, P2 6= {0m } oraz span {P1 } ∩ A.1. ELEMENTY 5 span {P2 } = {0m }. A zatem, »adnego niezerowego wektora ze zbioru P1 nie mo»na przedstawi¢ w postaci kombinacji liniowej wektorów ze zbioru P2 i na odwrót. Zbiór P ⊂ Rm jest liniowo niezale»ny, je»eli 0m ∈ / P oraz ∀a ∈ P przekrój {a} ∩ span {P \{a}} jest zbiorem pustym: {a} ∩ span {P \{a}} = ∅. Z powy»szego wynika, »e wektory {ai ∈ Rm }ni=1 s¡ liniowo niezale»ne (tworz¡ ukªad wektorów liniowo niezale»nych), je»eli n X αi ai = 0m , αi ∈ R, i ∈ {1, . . . , n} ⇒ (αi = 0, i ∈ {1, . . . , n}) . j=i W przeciwnym razie wektory {ai ∈ Rm }ni=1 nazywane s¡ wektorami liniowo zale»nymi co oznacza, »e istniej¡ takie skalary αi ∈ R, i ∈ {1, . . . , n}, nie wszystkie równe zeru, dla których powy»sza kombinacja liniowa jest wektorem zerowym 0m ∈ Rm . Zbiór wszystkich kombinacji liniowych wektorów {ai ∈ Rm }ni=1 tworzy powªok¦ liniow¡ span {ai }ni=1 ( ) n X n m m R ⊃ span {ai }i=1 = a ∈ R : a = αi ai , αi ∈ R, i ∈ {1, . . . , n} . i=1 Niech b ∈ span {aj }ni=1 . W przypadku, w którym wektory {ai }ni=1 , s¡ liniowo niezale»ne, wektor b jest jednoznacznie okre±lon¡ kombinacj¡ liniow¡ tych wektorów. Niech {Si ⊂ Rm }ki=1 b¦dzie rodzin¡ podprzestrzeni liniowych przestrzeni m R . Sum¡ tych podprzestrzeni jest zbiór ( ) k k X X m S1 + · · · + Sk = Si = s ∈ R : s = ai , ai ∈ Si , i ∈ {1, . . . , k} i=1 i=1 za± ich przekrojem zbiór S1 ∩ · · · ∩ Sk = k \ Si = {s ∈ Rm : s ∈ Si , i ∈ {1, . . . , k}} . i=1 Poniewa» 0m ∈ Si , i ∈ {1, . . . , k}, zatem przekrój dowolnych podprzestrzeni liniowych przestrzeni Rm jest niepusty. Suma oraz przekrój podprzestrzeni {Si ⊂ Rm }ki=1 s¡ podprzestrzeniami liniowymi przestrzeni Rm . Przestrze« S ⊂ Rm jest sum¡ prost¡ przestrzeni {Si ⊂ Rm }ki=1 , co zapisuje si¦ jako k M S = S1 ⊕ · · · ⊕ Si = Si i=1 6 DODATEK A. je»eli ∀s ∈ S posiada jednoznaczn¡ reprezentacj¦ s= k X ai , ai ∈ Si , i ∈ {1, . . . , k}. i=1 Przestrze« S ⊂ Rm jest sum¡ prost¡ przestrzeni {Si ⊂ Rm }ki=1 wtedy i tylko wtedy, gdy: S = S1 + · · · + Sk , (S1 +· · ·+Si )∩Si+1 = {0m }, i ∈ {1, . . . , k−1} (co oznacza, »e przestrzenie Si , i ∈ {1, . . . , k}, s¡ wzajemnie liniowo niezale»ne). Zbiór wektorów {ai ⊂ Rm }ki=1 nazywa si¦ baz¡ przestrzeni S ⊂ Rm , je»eli ai ∈ S , i ∈ {1, . . . , k}, ai , i ∈ {1, . . . , k}, s¡ liniowo niezale»ne, S = span {ai }ki=1 . Wszystkie bazy danej przestrzeni S ⊂ Rm maj¡ tak¡ sam¡ liczb¦ elementów okre±lan¡ jako wymiar tej przestrzeni (dim (S)). Gdy S = {0m }, przyjmuje si¦ dim (S) = 0. Niech S ⊂ Rm b¦dzie k -wymiarow¡ przestrzeni¡ liniow¡. Wtedy: baz¦ S tworzy ka»dy zbiór k liniowo niezale»nych wektorów nale»¡cych do S, ka»dy zbiór k +1 wektorów nale»¡cych do S jest zbiorem wektorów liniowo zale»nych, ka»dy zbiór wektorów liniowo niezale»nych nale»¡cych do S da si¦ uzupeªni¢ do bazy tej przestrzeni, je»eli wektory ai ∈ S , i ∈ {1, . . . , k}, tworz¡ baz¦ przestrzeni S to ∀a ∈ S posiada jednoznaczn¡ reprezentacj¦ w tej bazie a= k X αi ai , αi ∈ R, i ∈ {1, . . . , k} i=1 (skalary αi , i ∈ {1, . . . , k}, nazywane s¡ wspóªrz¦dnymi wektora a w bazie {ai }ki=1 ). A.1. ELEMENTY 7 Niech S1 , S2 ⊂ Rm oznaczaj¡ podprzestrzenie liniowe przestrzeni Rm . Wymiar sumy S1 + S2 tych podprzestrzeni okre±lony jest wzorem dim (S1 + S2 ) = dim (S1 ) + dim (S2 ) − dim (S1 ∩ S2 ). W przypadku sumy prostej S1 ⊕ S2 otrzymuje si¦ dim (S1 ⊕ S2 ) = dim (S1 ) + dim (S2 ). Wzory powy»sze mo»na bez trudu uogólni¢ na wi¦ksz¡ liczb¦ skªadników; przykªadowo dla sumy prostej podprzestrzeni zachodzi à k ! k M X dim Si = dim (Si ). i=1 i=1 Macierz przeksztaªcenia liniowego Macierz A ∈ Rm×n traktowa¢ mo»na jako macierz pewnego przeksztaªcenia liniowego Rn → Rm : x 7→ Ax. Zbiór wszystkich takich macierzy jest bowiem izomorczny ze zbiorem L0 (Rn , Rm ) wszystkich przeksztaªce« liniowych przestrzeni Rn w przestrze« Rm . Wektor y = Ax ∈ Rm jest obrazem wektora x ∈ Rn , za± dla danego wektora y ∈ Rm ka»dy wektor x ∈ Rn , dla którego zachodzi y = Ax jest przeciwobrazem wektora y . Zauwa»my, »e gdy y∈ / A(Rn ) taki przeciwobraz jest zbiorem pustym. Dla A : Rn → Rm wyró»nia si¦ dwie podprzestrzenie tego przeksztaªcenia, cz¦sto okre±lane tak»e jako przestrzenie zwi¡zane z macierz¡ A ∈ Rm×n . Zbiór Im (A) ⊂ Rm zdeniowany jako Im (A) = {y ∈ Rm : ∃x ∈ Rn ` y = Ax} nazywany jest obrazem (przestrzeni¡ warto±ci, przestrzeni¡ zasi¦gow¡ ) przeksztaªcenia A (macierzy A). Zbiór Ker (A) ⊂ Rn , okre±lany jako przestrze« zerowa (j¡dro ) odwzorowania A (macierzy A), zdeniowany jest nast¦puj¡co Ker (A) = {x ∈ Rn : Ax = 0m } . Dla macierzy A = [ a1 · · · an ] ∈ Rm×n , ai ∈ Rm , i ∈ {1, . . . , n}, obraz Im (A) jest podprzestrzeni¡ liniow¡ przestrzeni Rm rozpiet¡ na kolumnach tej macierzy: Im (A) = span {ai }ni=1 . O Im (A) mówi si¦ jako o przestrzeni kolumnowej lub przestrzeni zasi¦gowej danej macierzy A. Przestrze« zerowa Ker (A) macierzy A ∈ Rm×n jest podprzestrzeni¡ liniow¡ przestrzeni Rn . Rz¡d przeksztaªcenia liniowego A : Rn → Rm (rz¡d macierzy A) deniowany jest jako rank (A) = dim (Im (A)). Poniewa» zachodzi rank (A) = rank (AT ), zatem: 8 DODATEK A. rz¡d macierzy A jest równy maksymalnej liczbie liniowo niezale»nych ko- lumn oraz maksymalnej liczbie liniowo niezale»nych wierszy tej macierzy, rank (A) ≤ min{m, n} . Macierz A ∈ Rm×n jest macierz¡ regularn¡ (macierz¡ o peªnym rz¦dzie ), gdy rank (A) = min{m, n}. Macierz A ∈ Rm×n , dla której rank (A) = m, nazywamy macierz¡ o peªnym wierszowym rz¦dzie lub macierz¡ regularn¡ wierszowo. W przypadku, gdy dla A ∈ Rm×n zachodzi rank (A) = n, mamy do czynienia z macierz¡ o peªnym kolumnowym rz¦dzie (macierz¡ regularn¡ kolumnowo ). Dla dowolnego przeksztaªcenia liniowego A : Rn → Rm (dowolnej macierzy A ∈ Rm×n ) obowi¡zuj¡ równo±ci dim (Ker (A)) + dim (Im (A)) = dim (Ker (A)) + rank (A) = dim (Rn ) = n. Wynika st¡d, i» dla macierzy kwadratowej A ∈ Rn×n poni»sze warunki s¡ równowa»ne: macierz A jest nieosobliwa, Ker (A) = {0n }, macierz A ma peªny rz¡d (rank (A) = n) . W oparciu o podane wy»ej denicje mo»na pokaza¢, »e: ½ 0 gdy a = 0n rank (a) = ∀a ∈ Rn , 1 gdy a 6= 0n ½ 0 gdy (a = 0n ) ∨ (b = 0m ) T rank (ab ) = ∀(a, b) ∈ Rn × Rm , 1 gdy (a 6= 0n ) ∧ (b 6= 0m ) rank (A + B) ≤ rank (A) + rank (B) ∀(A, B) ∈ Rm×n × Rm×n , rank (AB) ≤ min{rank (A), rank (B)} ∀(A, B) ∈ Rm×n × Rn×p . Dla dowolnych A ∈ Rm×n oraz B ∈ Rn×p zachodzi rank (AB) = rank (B) − dim (Im (B) ∩ Ker (A)) = rank (A) − dim (Im (AT ) ∩ Ker (B T )). Podprzestrze« liniowa S ⊂ Rn jest podprzestrzeni¡ niezmiennicz¡ (inwariantn¡ ) przeksztaªcenia A : Rn → Rn , gdy ∀a ∈ S zachodzi Aa ∈ S . Oznacza to, »e obraz podprzestrzeni S wzgl¦dem przeksztaªcenia A zawiera si¦ w S : AS ⊂ S . Podprzestrze« tak¡ okre±la si¦ tak»e jako A-inwariantn¡. A.1. ELEMENTY 9 Norma Niech X oznacza przestrze« liniow¡ nad ciaªem K. Funkcj¦ k · k okre±lon¡ na X , k · k : X → R, nazywamy norm¡, je»eli: kxk ≥ 0 ∀x ∈ X , ∀x ∈ X , ∀α ∈ K, kαxk = |α| · kxk kx + yk ≤ kxk + kyk ∀x, y ∈ X , kxk = 0 ⇔ x = 0X . Gdy X = Rn lub Cn , wtedy dla x = [ xi · · · xn ]T mamy: kxkp = à n X !1/p p |xi | i=1 kxk∞ = max |xi |. i Dla X = Rm×n lub Cm×n przy A = [aij ]m,n mamy: kAk1 = kAk∞ = max 1≤j≤n max 1≤i≤m kAkF = m X |aij | i=1 n X |aij | j=1 m X n X 1/2 |aij |2 i=1 j=1 kAks = σ̄(A) = max 1≤i≤min{m,n} σi (A). Norma k · kF to norma Frobeniusa (macierzowa norma euklidesowa, norma Schura ), za± k · ks jest macierzow¡ norm¡ spektraln¡. Niech A ∈ Rm×n (Cm×n ). Rozwa»aj¡c wektorowe normy w przestrzeniach Rm (Cm ) oraz Rn (Cn ), mo»na zdeniowa¢ odpowiednie indukowane macierzowe normy (normy liniowego operatora A : Rn → Rm (Cn → Cm )) kAkind = max x6=0 kAxk . kxk Kªad¡c wektorowe euklidesowe normy, mamy k · kind ≡ k · k2 = k · ks . 10 DODATEK A. Ortogonalno±¢ Zbiór wektorów {xi ∈ Rm }ki=1 jest ortogonalny, gdy xTi xj = 0, i 6= j , i, j ∈ {1, . . . , k}. Je»eli ponadto xTi xi = 1, i ∈ {1, . . . , k}, zbiór ten jest okre±lany jako ortonormalny (dla zbioru takiego zachodzi zatem xTi xj = δij , gdzie δij , i, j ∈ {1, . . . , k}, oznacza symbol Kroneckera). Fakt xTi xj = 0 zapisujemy jako xi ⊥ xj . O przestrzeniach Si ⊂ Rm , i ∈ {1, . . . , k}, mówi si¦, »e stanowi¡ rodzin¦ przestrzeni wzajemnie ortogonalnych, gdy ∀(x, y) ∈ Si × Sj ⊂ Rm × Rm zachodzi xT y = 0, i 6= j , i, j ∈ {1, . . . , k}. Niech S ⊂ Rm oznacza podprzestrze« liniow¡ przestrzeni Rm . Ortogonalnym uzupeªnieniem tej podprzestrzeni jest zbiór © ª Rm ⊃ S ⊥ = x ∈ Rm : xT y = 0 ∀y ∈ S . Zachodzi: S ⊥ jest podprzestrzeni¡ liniow¡ przestrzeni Rm , dim (S) + dim (S ⊥ ) = m, ∀A ∈ Rm×n Im⊥ (A) = Ker (AT ) oraz Im⊥ (AT ) = Ker (A). Wektory {ai ∈ Rm }ki=1 tworz¡ ortonormaln¡ baz¦ podprzestrzeni liniowej S ⊂ Rm , gdy s¡ ortonormalne (a zatem liniowo niezale»ne!) oraz S = span {ai }ki=1 . W przypadku, gdy dim (S) = k < m, baz¦ t¦ mo»na zawsze rozszerzy¢ do bazy ortonormalnej {a1 , . . . , ak , ak+1 , . . . , am } w Rm . Zam chodzi wówczas S ⊥ = span {ai }m i=k+1 . Niech zatem wektory ai ∈ R , m m i ∈ {1, . . . , m}, tworz¡ ortonormaln¡ baz¦ przestrzeni R . ∀a ∈ R w bazie tej okre±lona jest jednoznaczna reprezentacja a= m X (aTi a)ai . i=1 Dla dowolnej (niekoniecznie ortonormalnej) bazy {ai ∈ Rm }m i=1 istnieje i jest m m jednoznacznie okre±lona baza sprz¦»ona {bi ∈ R }i=1 , taka, »e: m zbiór {bi ∈ Rm }m i=1 jest baz¡ w przestrzeni R , bTi aj = δij , i, j ∈ {1, . . . , m}. m m O zbiorach {ai ∈ Rm }m i=1 oraz {bi ∈ R }i=1 mówi si¦, »e stanowi¡ biortogm onalny ukªad wektorów w R . W takim przypadku baz¦ sprz¦»on¡ {bi ∈ −T . NaRm } m i=1 tworz¡ kolumny macierzy [ b1 · · · bm ] = [ a1 · · · am ] le»y podkre±li¢, i» w przypadku k -wymiarowej podprzestrzeni S ⊂ Rm , A.1. ELEMENTY 11 k < m baza sprz¦»ona danej bazy {ai ∈ S}ki=1 tej podprzestrzeni mo»e nie istnie¢ lub te» mo»e by¢ okre±lona niejednoznacznie. Macierz A = [ a1 · · · an ] ∈ Rm×n , n ≤ m, jest kolumnowo ortonormalna, je»eli jej kolumny ai , i ∈ {1, · · · , n}, s¡ niezerowe oraz tworz¡ ukªad ortonormalny. Macierz A ∈ Rm×n , m ≥ n, jest zatem kolumnowo ortonormalna wtedy i tylko wtedy, gdy AT A = In . Macierz A ∈ Rm×n , m ≤ n, jest wierszowo ortonormalna, gdy AT jest kolumnowo ortonormalna. Macierz A ∈ Rm×n , m ≤ n, jest zatem wierszowo ortonormalna wtedy i tylko wtedy, gdy AAT = Im . W przypadku macierzy kwadratowych A ∈ Rn×n wyró»nia si¦: macierze symetryczane : AT = A, macierze sko±nie symetryczne : AT = −A, macierze dodatnio okre±lone : xT Ax > 0 ∀x ∈ Rn \{0n }, macierze dodatnio póªokre±lone (nieujemnie okre±lone ): xT Ax ≥ 0 ∀x ∈ Rn , macierze nieokre±lone : ∃(x, y) ∈ Rn × Rn takie, »e (xT Ax)(y T Ay) < 0, macierze ortonormalne (ortogonalne ): AT A = In , macierze nilpotentne : ∃k ∈ N takie, »e Ak = 0n×n , macierze idempotentne : A2 = A. Dla dowolnej macierzy ortonormalnej A ∈ Rn×n zachodzi: A jest kolumnowo oraz wierszowo ortonormalna, A jest nieosobliwa (A−1 = AT ), przy czym macierz odwrotna A−1 jest tak»e macierz¡ ortonormaln¡, | det(A)| = 1, przeksztaªcenie A : Rn → Rn jest przeksztaªcenim Rn na Rn , a jego niezmiennikiem jest iloczyn wewn¦trzny wektorów (∀(x, y) ∈ Rn × Rn zachodzi bowiem (Ax)T (Ay) = xT y). Niech A, B ∈ Rn×n . Je»eli istnieje taka nieosobliwa macierz X ∈ Rn×n , »e B = X T AX , wówczas o macierzach A i B mówi si¦, »e s¡ kongruentne. Niezmiennikami relacji kongruencji s¡ cechy symetrii, sko±nej symetrii oraz okre±lono±ci macierzy. Macierze A i B , dla których obowi¡zuje relacja B = X −1 AX s¡ macierzami podobnymi. Niezmiennikami relacji podobie«stwa macierzy s¡ widma tych macierzy, ich wyznaczniki oraz ±lady. 12 DODATEK A. Rzuty (projekcje) Niech Rn = M ⊕ W , gdzie M ⊂ Rn oraz W ⊂ Rn oznaczaj¡ pewne podprzestrzenie liniowe przestrzeni Rn . ∀x ∈ Rn istnieje wówczas jednoznaczne przedstawienie x = xM + xW takie, »e xM ∈ M oraz xW ∈ W . Przeksztaªcenie liniowe P : Rn → M, zdeniowane jako x 7→ P x = xM nazywane jest rzutem przestrzeni Rn na podprzestrze« M równolegªym do podprzestrzeni W . Podprzestrze« M okre±lana jest jako przestrze« rzutowania, a podprzestrze« W jako kierunek rzutowania przeksztaªcenia P . Z powy»szej denicji wynika, »e: Im (P ) = M oraz Ker (P ) = W , gdy W = Rn rzut P jest przeksztaªceniem zerowym (P = 0n×n ), gdy W = {0n } rzut P jest przeksztaªceniem identyczno±ciowym (P = In ). Macierz P ∈ Rn×n przeksztaªcenia rzutowego P : Rn → Rn jest macierz¡ idempotentn¡ (P 2 = P ). Prawdziwe jest tak»e twierdzenie gªosz¡ce, »e ka»de przeksztaªcenie liniowe P : Rn → Rn o idempotentnej macierzy P jest przeksztaªceniem rzutowym. Przestrzeni¡ rzutowania tego przeksztaªcenia jest obraz Im (P ), a kierunkiem rzutowania j¡dro Ker (P ), przy czym w omawianym przypadku zachodzi Im (P ) = {a ∈ Rn : P a = a} oraz Ker (P ) = {a ∈ Rn : a = b − P b, b ∈ Rn }. Je»eli P ∈ Rn×n jest macierz¡ przeksztaªcenia rzutowego wówczas In − P jest macierz¡ przeksztaªcenia rzutowego przestrzeni Rn na podprzestrze« Ker (P ) równolegªego do podprzestrzeni Im (P ). W przypadku, gdy W = M⊥ rzut przestrzeni Rn na podprzestrze« M równolegªy do podprzestrzeni M⊥ nazywany jest rzutem ortogonalnym Rn na M. Niech {vi ∈ Rn }ki=1 b¦dzie dowoln¡ ortonormaln¡ baz¡ podprzestrzeni M o wymiarze dim (M) = k . Macierz P = V V T , gdzie V = [ v1 · · · vk ] ∈ Rn×k jest ow¡ jednoznacznie wyznaczon¡ macierz¡ rzutu ortogonalnego. ∀x ∈ Rn istnieje jednoznaczne przedstawienie x = xM + xM⊥ takie, »e xM ∈ M oraz xM⊥ ∈ M⊥ . Poniewa» xM mo»na wyrazi¢ jako xM = k X i=1 (viT xM )vi A.1. STRUKTURA WASNA I SZCZEGÓLNA 13 za± dla xM⊥ zachodzi V T xM⊥ = 0k , zatem V V T x = V V T xM = k k X X (viT xM )V (V T vi ) = (viT xM )V ei i=1 = i=1 k X (viT xM )vi = xM i=1 gdzie przez ei ∈ Rk oznaczono i-ty wersor przestrzeni Rk , i ∈ {1, . . . , k}. Macierz P rzutu ortogonalnego jest przeto symetryczn¡ macierz¡ idempotentn¡ (P 2 = P , P T = P ). Dla dowolnej podprzestrzeni M ⊂ Rn prawdziwe jest tak»e nast¦puj¡ce twierdzenie: je»eli macierz P ∈ Rn×n speªnia warunki: Im (P ) = M, P 2 = P oraz P T = P , wówczas P jest macierz¡ rzutu ortogonalnego przestrzeni Rn na podprzestrze« M. Z idempotentno±ci P wynika bowiem, »e P jest macierz¡ rzutu Rn na M równolegªego do Ker (P ). Poniewa» Ker (P ) = Im⊥ (P T ) = Im⊥ (P ), zatem kierunek rzutowania macierzy P jest ortogonalny do przestrzeni rzutowania M. A.2 Zagadnienie wªasne. Struktura Jordana przeksztaªcenia liniowego. Dekompozycja wedªug warto±ci szczególnych Zagadnienie wªasne Zagadnienie wªasne, zwi¡zane z macierz¡ A ∈ Rn×n (liniowym operatorem A : Rn → Rn (Cn → Cn ), polega na wyznaczeniu zbioru wektorów wªasnych {xi ∈ Rn }ni=1 , czyli zbioru kierunków A-niezmienniczych oraz zbioru warto±ci wªasnych (widma ) {λi ∈ R (C)}ni=1 , dla których zachodzi Axi = λi xi , xi 6= 0n , i ∈ {1, . . . , n}. Aby jednorodne równanie liniowe (A − λi In )xi = 0n posiadaªo niezerowe rozwi¡zanie xi ∈ Ker (A − λi In ), xi 6= 0n , musi obowi¡zywa¢ nierówno±¢ dim (Ker (A − λi In )) > 0, i ∈ {1, . . . , n}. Wynika st¡d, »e warto±ci wªasne {λi }ni=1 wyznaczymy, rozwa»aj¡c warunek rank (A − λi In ) < n, i ∈ {1, . . . , n}. 14 DODATEK A. Warto±ci wªasne macierzy A musz¡ przeto speªnia¢ nast¦puj¡ce algebraiczne równanie stopnia n det(A − λi In ) = 0, i ∈ {1, . . . , n}. Twierdzenie Cayley'a-Hamiltona gªosi, »e ka»da macierz A ∈ Rn×n speªnia swoje równanie charakterystyczne : ϕA (A) = 0n×n , gdzie ϕA (λ) = det(λIn −A) jest wielomianem charakterystycznym tej macierzy. Struktura Jordana Niech {λi }n̂i=1 oznacza zbiór ró»nych warto±ci wªasnych macierzy A ∈ Rn×n , n̂ ≤ n. Krotno±¢ arytmetyczna ρ(λi ) = ρi warto±ci wªasnej λi , i ∈ {1, . . . , n̂}, to znaczy krotno±¢ tej warto±ci jako zera wielomianu charakterystycznego ϕA (λ) danej macierzy A, nie musi si¦ pokrywa¢ z krotno±ci¡ geometryczn¡ η(λi ) = ηi tej warto±ci wªasnej, to znaczy maksymaln¡ liczb¡ liniowo niezale»nych wektorów wªasnych przyporz¡dkowanych λi : ηi = dim(Ker (A − λi In )) = n − rank (A − λi In ). Zachodzi przy tym n̂ X ρi = n i=1 oraz 1 ≤ ηi ≤ ρi ≤ n, i ∈ {1, . . . , n̂}, 1) Jak ªatwo sprawdzi¢, dla macierzy Jr (λ) ∈ Cr×r , λ ∈ C, r ≥ 1, zdenio- wanej wzorem Jr (λ) = λ 1 0 0 λ 1 0 0 λ ... ... ... 0 0 0 ... 0 ... 0 ... 0 ... ... ... λ mamy 1 = η(λ) ≤ ρ(λ) = r, a ponadto (Jr (λ) − λIr )r = 0r×r (Jr (λ) − λIr )r−1 6= 0r×r . Znaczenie macierzy Jr (λ), r ≥ 1, polega na tym, »e na ich podstawie buduje si¦ posta¢ Jordana danej macierzy A. Istnieje bowiem taka nieosobliwa macierz P ∈ Cn×n , »e macierz podobna J = P −1 AP , J ∈ Cn×n , ma posta¢ n o J = diag Jν1,1 (λ1 ) · · · Jν1,η1 (λ1 ) · · · Jνn̂,1 (λn̂ ) · · · Jνn̂,ηn̂ (λn̂ ) A.2. STRUKTURA WASNA I SZCZEGÓLNA gdzie ηi X νi,j = ρi , 15 i ∈ {1, . . . , n̂} j=1 Liczby νi,j , j ∈ {1, . . . , ηi }, s¡ wyznaczone z dokªadno±ci¡ do kolejno±ci. Macierz J jest kanoniczn¡ postaci¡ Jordana macierzy A. Macierze Jνi,j (λi ) ∈ Cνi,j ×νi,j , i ∈ {1, . . . , n̂}, j ∈ {1, . . . , ηi }, tworz¡ce blokowo diagonaln¡ struktur¦ macierzy J , nazywane s¡ klatkami (blokami) Jordana tej macierzy. Wyró»niaj¡c w macierzy P podmacierze zgodnie z postaci¡ Jordana macierzy A ¤ £ P = P1,1 · · · P1,η1 · · · Pn̂,1 · · · Pn̂,ηn̂ (A.1) gdzie Pi,j ∈ Cn×νi,j , otrzymuje si¦ zale»no±¢ APi,j = Pi,j Jνi,j (λi ), i ∈ {1, . . . , n̂}, j ∈ {1, . . . , ηi }. Oznaczaj¡c kolumny podmacierzy Pi,j jako £ ¤ Pi,j = pi,j,1 · · · pi,j,νi,j , pi,j,k ∈ Cn , k ∈ {1, . . . , νi,j } dla i ∈ {1, . . . , n̂} oraz j ∈ {1, . . . , ηi } zapisa¢ mo»emy nast¦puj¡ce równo±ci: (A − λi In )pi,j,1 = 0n , (A − λi In )pi,j,k = pi,j,k−1 , k ∈ {2, . . . , νi,j }, νi,j ≥ 2. Pierwsz¡ kolumn¦ podmacierzy Pi,j tworzy zatem j -ty wektor wªasny pi,j,1 macierzy A przyporz¡dkowany warto±ci wªasnej λi tej macierzy, za± pozostaªe (dla νi,j ≥ 2) kolumny podmacierzy Pi,j stanowi¡ wektory doª¡czone νi,j {pi,j,k }k=2 (uogólnione wektory wªasne macierzy A), odpowiadaj¡ce warto±ci wªasnej λi oraz wektorowi wªasnemu pi,j,1 , i ∈ {1, . . . , n̂}, j ∈ {1, . . . , ηi }. 2) Wielomiany charakterystyczne ϕi,j (λ) klatek Jordana Jνi,j (λi ), i ∈ {1, . . . , n̂}, j ∈ {1, . . . , ηi }, nazywane s¡ dzielnikami elementarnymi macierzy A ϕi,j (λ) = det(λIνi,j − Jνi,j (λi )) = (λ − λi )νi,j . Macierz A ma dzielniki liniowe wtedy i tylko wtedy, gdy νi,j = 1 dla i ∈ {1, . . . , n̂} oraz j ∈ {1, . . . , ηi }. Macierz Jordana jest w tym przypadku macierz¡ diagonaln¡, za± macierz A nazywana jest macierz¡ diagonalizowaln¡. Macierz A jest zatem macierz¡ diagonalizowaln¡ wtedy i tylko wtedy, gdy ηi = ρi , i ∈ {1, . . . , n̂}. Macierz¡ tak¡ jest w szczególno±ci macierz A ∈ Rn×n o n ró»nych warto±ciach wªasnych. Zachodzi wówczas ηi = ρi = νi,1 = 1 dla i ∈ {1, . . . , n̂ = n}. 16 DODATEK A. 3) Macierz A ∈ Rn×n nazywamy prost¡ (cykliczn¡), gdy ηi = 1, i ∈ {1, . . . , n̂}. Z ka»d¡ ró»n¡ warto±ci¡ wªasn¡ λi prostej macierzy A zwi¡zana jest przeto tylko jedna klatka Jordana Jρi (λi ) ∈ Cρi ×ρi , i ∈ {1, . . . , n̂}. Zachodzi przy tym ρi = νi,1 , i ∈ {1, . . . , n̂}. Wielomian ψA (λ) = n̂ Y (λ − λi )τi i=1 gdzie {τi }n̂i=1 jest zbiorem tak zwanych indeksów poszczególnych warto±ci wªasnych danej macierzy A, to znaczy wymiarów najwi¦kszych klatek Jordana zwi¡zanych z tymi warto±ciami τi = max j∈{1,···,ηi } νi,j , i ∈ {1, . . . , n̂} nazywamy wielomianem minimalnym macierzy A. Jest to moniczny wielomian o najmniejszym stopniu spo±ród wszystkich wielomianów speªniaj¡cych warunek ψA (A) = 0. Jak ªatwo pokaza¢ obowi¡zuje nierówno±¢: τi ≤ ρi , przy czym ρi = τi wtedy i tylko wtedy, gdy A jest macierz¡ prost¡. Zachodzi ponadto n̂ X deg(ψA (λ)) = τi i=1 a zatem deg(ψA (λ)) ≤ deg(ϕA (λ)) = n. Wielomiany charakterystyczny i minimalny macierzy A maj¡ ten sam stopie«, deg(ψA (λ)) = deg(ϕA (λ)) = n, wtedy i tylko wtedy, gdy A jest macierz¡ prost¡. Rozkªad macierzy wedªug warto±ci szczególnych Dowoln¡ macierz A ∈ Rm×n mo»na przedstawi¢ w postaci iloczynu A = U ΣV T gdzie: U ∈ Rm×m oraz V ∈ Rn×n s¡ jest macierzami ortonormalnymi (U T = U −1 , V T = V −1 ), za± Σ ∈ Rm×n jest macierz¡ blokowo diagonaln¡ · ¸ Σr 0r×(n−r) Σ= 0(m−r)×r 0(m−r)×(n−r) o diagonalnej podmacierzy Σr ∈ Rr×r Σr = diag {σi }ri=1 σ1 0 · · · 0 0 σ2 · · · 0 = ··· ··· ··· ··· 0 · · · 0 σr A.2. STRUKTURA WASNA I SZCZEGÓLNA 17 gdzie r = rank (A), za± nieujemne liczby σ1 ≥ σ2 ≥ · · · ≥ σr > 0 to warto±ci szczególne macierzy A (osobliwe, singularne, st¡d svd singular value decomposition ). Zbiór warto±ci szczególnych macierzy A oznaczamy jako σ(A) = {σi }ri=1 . Niekiedy dogodnie jest zdeniowa¢ rozszerzony zbiór warto±ci szczególnych danej macierzy, przyjmuj¡c σr+1 = · · · = σmax {m,n} = 0. Macierz A ∈ Rm×n posiada przeto r dodatnich warto±ci szczególnych oraz (max{m, n} − r) zerowych warto±ci szczególnych. Kolumny ui ∈ Rm , i ∈ {1, . . . , m} ortonormalnej macierzy U = [ u1 · · · um ] s¡ lewymi wektorami szczególnymi macierzy A, za± kolumny vi ∈ Rn , i ∈ {1, . . . , n} ortonormalnej macierzy V = [ v1 · · · vn ] nazywane s¡ prawymi wektorami szczególnymi macierzy A, skojarzonymi z odpowiednimi warto±ciami szczególnymi tej macierzy. Dla i, j ∈ {1, . . . , m} zachodzi zatem uTi uj = δij . Dla i, j ∈ {1, . . . , n} mamy analogiczn¡ równo±¢ viT vj = δij . Wniosek D.1 (uogólniona diagonalizowalno±¢ macierzy A). Z rozkªa- du svd macierzy A ∈ Rm×n , A = U ΣV T , wynika równo±¢ U T AV = Σ. Oznacza to, i» dla danej macierzy A istniej¡ takie ortonormalne bazy w przestrzeniach Rn oraz Rm , »e w tych bazach odpowiednie odwzorowanie liniowe A : Rn → Rm mo»e by¢ traktowane jako odwzorowanie posiadaj¡ce uogólnion¡ diagonaln¡ (blokowo diagonaln¡) macierz Σ ∈ Rm×n . ¤ Wniosek D.2 (posta¢ diadyczna macierzy A). Ka»d¡ macierz A ∈ Rm×n o rz¦dzie r mo»na przedstawi¢ w postaci sumy r skªadników o jednostkowym rz¦dzie r X T A = Ur Σr Vr = σi ui viT i=1 przy czym macierze Ur = [ u1 · · · ur ], Vr = [ v1 · · · vr ] oraz Σr = diag {σi }ri=1 wynikaj¡ z rozkªadu svd macierzy A. ¤ m×n Warto±ci szczególne macierzy A ∈ R wyznaczone s¡ w jednoznaczny sposób, za± ukªad jej wektorów szczególnych w ogólnym przypadku nie jest jednoznacznie okre±lony. Jak ªatwo jednak zauwa»y¢, dla danego zbioru prawych wektorów szczególnych {vi }ri=1 macierzy A odpowiednie lewe wektory szczególne tej macierzy wyznaczone s¡ w jednoznaczny sposób: Avi = σi ui , i ∈ {1, . . . , r}. Podobnie danemu zbiorowi lewych wektorów szczególnych {ui }ri=1 macierzy A ∈ Rm×n odpowiada jednoznacznie okre±lony zbiór prawych wektorów szczególnych tej macierzy: AT ui = σi vi , i ∈ {1, . . . , r}. 18 DODATEK A. Mamy zatem: span {ui }ri=1 = span⊥ {ui }m i=r+1 span {vi }ri=1 = span⊥ {vi }ni=r+1 oraz m span {ui }ri=1 ⊕ span {ui }m i=r+1 = R span {vi }ri=1 ⊕ span {vi }ni=r+1 = Rn . Rozwa»my ortonormalne bazy przestrzeni Im (A) ⊂ Rm oraz Ker (A) ⊂ zwi¡zanych z macierz¡ A ∈ Rm×n . Wymiary tych przestrzeni wynosz¡ dim (Im (A)) = r oraz dim (Ker (A)) = n − r, gdzie r = rank (A). Zakªada si¦ nietrywialny przypadek r ≥ 1. Baz¦ przestrze« kolumnowej Im (A) macierzy A mo»na utworzy¢ z ka»dego obrazu r liniowo niezale»nych kolumn tej macierzy, otrzymanego w dowolnym nieosobliwym przeksztaªceniu liniowym. Baz¦ t¦ mo»na nast¦pnie podda¢ ortonormalizacji, uzyskuj¡c poszukiwan¡ baz¦ ortonormaln¡. Przykªadow¡ baz¦ ortonormaln¡ przestrzeni Im (A) mo»na tak»e w dogodny sposób wyznaczy¢ posªuguj¡c si¦ rozkªadem svd tej macierzy. W tym celu dokonuje si¦ nast¦puj¡cej partycji macierzy czynnikowych U oraz V stosownego iloczynu A = U ΣV T : Rn U = V = £ £ Ur Ūr Vr V̄r ¤ ¤ ∈ Rm×m , ∈ Rn×n , Ur ∈ Rm×r , Vr ∈ Rn×r , Ūr ∈ Rm×(m−r) V̄r ∈ Rn×(n−r) . Macierz A posiada zatem nast¦puj¡c¡ reprezentacj¦ A = Ur Σr VrT . Jak ªatwo zauwa»y¢ rank (Ur ) = rank (Σr ) = rank (Vr ) = r co oznacza, »e kolumny macierzy Ur , czyli odpowiednie lewe wektory szczególne rozwa»anej macierzy A, stanowi¡ poszukiwan¡ ortonormaln¡ baz¦ przestrzeni Im (A) Im (A) = span {ui }ri=1 . Rozwa»my z kolei przestrze« zerow¡ Ker (A) danej macierzy A ∈ Rm×n . Przyjmujemy, »e rozpatrujemy nietrywialny przypadek r < n. Poniewa» A.2. STRUKTURA WASNA I SZCZEGÓLNA 19 przestrze« Ker (A) jest ortogonalnym uzupeªnieniem przestrzeni kolumnowej macierzy AT ∈ Rn×m , zatem na podstawie równo±ci: AT = V ΣT U T = Vr ΣTr UrT Im (AT ) = span {vi }ri=1 oraz wªasno±ci macierzy V wnioskujemy, »e poszukiwan¡ ortonormaln¡ baz¡ przestrzeni Ker (A) jest zbiór kolumn macierzy V̄r (czyli odpowiednie prawe wektory szczególne rozwa»anej macierzy A) Ker (A) = span {vi }ni=r+1 . Na tej podstawie stwierdzamy, »e nale»¡ce do przestrzeni Ker (A) rozwi¡zanie x ∈ Rn jednorodnego liniowego równania Ax = 0m , A ∈ Rm×n , ma nast¦puj¡c¡ posta¢ n−r X x= αi vr+i , αi ∈ R, i ∈ {1, . . . , n − r}. i=1 Mamy ponadto Ker (AT ) = span {ui }m i=r+1 . Warto zatem poda¢ wymiary wszystkich rozwa»anych przestrzeni: dim (Im (A)) = rank (Ur ) = r dim (Im (AT )) = rank (Vr ) = r dim (Ker (A)) = rank (V̄r ) = n − r dim (Ker (AT )) = rank (Ūr ) = m − r. Dla porz¡dku przypominamy jeszcze, »e: Im (A) = Ker⊥ (AT ) = Im(Ur ) = Ker (ŪrT ) Im (AT ) = Ker⊥ (A) = Im(Vr ) = Ker (V̄rT ) Ker (A) = Im⊥ (AT ) = Im(V̄r ) = Ker (VrT ) Ker (AT ) = Im⊥ (A) = Im(Ūr ) = Ker (UrT ). Przykªad D.1 (reprezentacja przestrzeni zwi¡zanych z macierz¡ A). Rozwa»my macierz A= 1 −1 2 2 −3 5 3 −6 9 4 −10 14 5 −15 20 20 DODATEK A. oraz jej rozkªad wedªug 0.0705 0.1816 U = 0.3333 0.5255 0.7582 Σ= warto±ci szczególnych A = U ΣV T : −0.4200 −0.6130 −0.4366 −0.5023 −0.5818 0.6140 −0.4711 0.1722 −0.4853 −0.3935 0.4218 0.5662 −0.1306 0.2823 0.5106 −0.6054 0.4823 −0.1127 −0.3858 0.1761 33.6134 0 0 0 1.4620 0 0.2180 −0.7869 0.5774 0 0 0.0000 , V = −0.5725 −0.5822 −0.5774 . 0 0 0 0.7904 −0.2047 −0.5774 0 0 0 Zbiór warto±ci szczególnych macierzy A ma zatem posta¢: σ(A) = {33.6134, 1.4620, 0.0000}. Na tej podstawie wnioskujemy, »e rank (A) = 2 oraz dim (Ker (A)) = 1. Dokonuj¡c odpowiedniej partycji czynnikowych macierzy U oraz V , otrzymujemy nast¦puj¡ce ortonormalne bazy podprzestrzeni zwi¡zanych z macierz¡ A: 0.0705 −0.4200 0.1816 −0.5818 Im (A) = Im (U2 ), gdzie U2 = 0.3333 −0.4853 0.5255 −0.1306 0.7582 0.4823 −0.6130 −0.4366 −0.5023 0.6140 −0.4711 0.1722 ⊥ 0.4218 0.5662 Im (A) = Im (Ū2 ), gdzie Ū2 = −0.3935 0.2823 0.5106 −0.6054 −0.1127 −0.3858 0.1761 0.5774 Ker (A) = Im (V̄2 ), gdzie V̄2 = −0.5774 −0.5774 0.2180 −0.7869 Ker⊥ (A) = Im (V2 ), gdzie V2 = −0.5725 −0.5822 . ¤ 0.7904 −0.2047 Poszukuj¡c macierzy ortogonalnego rzutowania na przestrzenie skojarzone z macierz¡ A ∈ Rm×n , przyjmijmy nast¦puj¡ce oznaczenia: PIm (A) macierz ortogonalnego rzutu Rm na Im (A), A.2. STRUKTURA WASNA I SZCZEGÓLNA 21 PKer (A) macierz ortogonalnego rzutu Rn na Ker (A), PIm⊥ (A) macierz ortogonalnego rzutu Rm na Im⊥ (A), PKer⊥ (A) macierz ortogonalnego rzutu Rn na Ker⊥ (A). Dodatkowo dla macierzy transponowanej AT ∈ Rn×m kªadziemy: PIm (AT ) macierz ortogonalnego rzutu Rn na Im (AT ), PKer (AT ) macierz ortogonalnego rzutu Rm na Ker (AT ). Uwzgl¦dniaj¡c powy»sze ustalenia, otrzymujemy nast¦puj¡ce reprezentacje macierzy wymienionych rzutów: PIm (A) = Ur UrT , PIm (A) ∈ Rm×m PKer (A) = V̄r V̄rT , PKer (A) ∈ Rn×n PIm⊥ (A) = PKer (AT ) = Ūr ŪrT , PIm⊥ (A) , PKer (AT ) ∈ Rm×m PKer⊥ (A) = PIm (AT ) = Vr VrT , PKer⊥ (A) , PIm (AT ) ∈ Rn×n . Ponadto: rank (PIm (A) ) = r rank (PKer (A) ) = n − r rank (PIm⊥ (A) ) = rank (PKer (AT ) ) = m − r rank (PKer⊥ (A) ) = rank (PIm (AT ) ) = n − r. Dowolnej macierzy A ∈ Rm×n mo»na w jednoznaczny sposób przyporz¡dkowa¢ macierz pseudoodwrotn¡ A+ ∈ Rn×m . Pseudoodwrotno±¢ rozumiana jest tu w sensie Moore'a-Penrose'a [?], co oznacza, »e macierz A+ musi speªnia¢ nast¦puj¡ce relacje, które mo»na traktowa¢ jako denicj¦ omawianego typu uogólnionej odwrotno±ci: A+ A = (A+ A)T AA+ = (AA+ )T AA+ A = A A+ AA+ = A+ . Operacja pseudoodwracania macierzy charakteryzuje si¦ nast¦puj¡cymi wªasno±ciami: 22 DODATEK A. A++ = (A+ )+ = A, (AT )+ = (A+ )T , dla nieosobliwej macierzy A ∈ Rn×n mamy A+ = A−1 , je»eli dany jest rozkªad svd macierzy A ∈ Rm×n , wówczas rz¡d macierzy A mo»na wyznaczy¢ w oparciu o indeks najmniejszej niezerowej warto±ci szczególnej tej macierzy rank (A) = arg min 1≤i≤min{m,n} σi |σi >0 . Macierz pseudoodwrotn¡ A+ wyrazi¢ mo»na w oparciu o rozkªad macierzy A ∈ Rm×n wedªug jej warto±ci szczególnych. Niech zatem b¦dzie dany taki rozkªad A = U ΣV T , gdzie: U ∈ Rm×m , Σ ∈ Rm×n , za± V ∈ Rn×n . Macierz A+ przyjmuje posta¢ A+ = V Σ+ U T w której · + Σ = Σ−1 r 0r×(m−r) ¸ 0(n−r)×r 0(n−r)×(m−r) za± , Σ+ ∈ Rn×m © −1 ªr Σ−1 r = diag σi i=1 σ1−1 0 ··· 0 0 σ −1 · · · 0 2 = ··· ··· ··· ··· . 0 · · · 0 σr−1 Po wykonaniu elementarnych przeksztaªce« uzyskujemy u»yteczne formuªy: AA+ = Ur UrT A+ A = Vr VrT z których wynikaj¡ nast¦puj¡ce reprezenatcje macierzy rzutowania, wyra»one przy u»yciu macierzy pseudoodwrotnej: PIm (A) = AA+ PKer⊥ (A) = A+ A. Zauwa»my wreszcie, »e korzystaj¡c z poj¦cia macierzy pseudoodwrotnej, ªatwo jest okre±li¢ posta¢ macierzy rzutowania PIm⊥ (A) oraz PKer (A) : PIm⊥ (A) = Im − AA+ PKer (A) = In − A+ A. A.2. GEOMETRIA PODPRZESTRZENI LINIOWYCH 23 Rozkªad svd macierzy dodatnio póªokre±lonych Utwórzmy z macierzy A ∈ Rm×n dwie dodatnio póªokre±lone macierze AT A ∈ Rn×n oraz AAT ∈ Rm×m . Na podstawie rozkªadu svd macierzy A, A = U ΣV T , otrzymujemy nast¦puj¡ce reprezentacje tych macierzy: AT A = V ΣT ΣV T AAT = U ΣΣT U T . Symetryczne macierze dodatnio póªokre±lone AT A ≥ 0 oraz AAT ≥ 0 s¡ zatem podobne do diagonalnych macierzy, odpowiednio ΣT Σ ∈ Rn×n oraz ΣΣT ∈ Rm×m , o nieujemnych elementach rzeczywistych: · ¸ Σ2r 0r×(n−r) T Σ Σ = 0(n−r)×r 0(n−r)×(n−r) · ¸ Σ2r 0r×(m−r) ΣΣT = . 0(m−r)×r 0(m−r)×(m−r) Na tej podstawie wnioskujemy, »e: spectr (AT A) = T spectr (AA ) = © © σi2 ªr ªi=1 r σi2 i=1 ∪ {0, . . . , 0}n−r ∪ {0, . . . , 0}m−r a {vi }ri=1 oraz {ui }ri=1 stanowi¡ zbiory wektorów wªasnych odpowiednich macierzy AT A oraz AAT . Je±li macierz A ∈ Rn×n jest macierz¡ symetryczn¡, A = AT , to posiada ona rzeczywiste warto±ci wªasne spectr (A) = {λi }ni=1 ⊂ R oraz macierz AT A = A2 posiada widmo rzeczywiste spectr (AT A) = {λ2i }ni=1 ⊂ R. Zatem warto±ci szczególne symetrycznej macierzy A s¡ wyznaczane moduªami jej warto±ci wªasnych: σi = |λi |, i ∈ {1, . . . , n}. A.3 Charakteryzacja podprzestrzeni liniowych W zaprezentowanych poni»ej rozwa»aniach oprzemy si¦ gªównie na trójczynnikowej faktoryzacji macierzy wzgl¦dem ich warto±ci szczególnych svd. Analogiczne (do pewnego stopnia) wyniki uzyska¢ mo»na, stosuj¡c do danej macierzy A dwuczynnikow¡ faktoryzacj¦ typu QR, tj. A = QR, gdzie Q jest macierz¡ ortogonaln¡ (Q−1 = QT ), a R oznacza odpowiednio uogólnion¡ macierz¡ górn¡ trójk¡tn¡ [?]. Podej±cie takie w niektórych przypadkach sprzyja 'numerycznej oszcz¦dno±ci' algorytmów obliczeniowych, jednak 24 DODATEK A. dla zachowania prostoty wywodów oraz dogodnej interpretacji geometrycznej nie b¦dzie ono tu rozwijane. Dla dowolnej podprzestrzeni S ⊂ Rm o wymiarze dim (S) = s obowi¡zuje nast¦puj¡cy u»yteczny wniosek. Wniosek D.3 (równowa»ne reprezentacje podprzestrzeni). O macierzy R ∈ Rm×r , r ≥ s, mówimy, »e generuje podprzestrze« S kolumnowo, gdy Im (R) = S . Podobnie, o macierzy N ∈ Rn×m , n ≥ m − s, powiada si¦, »e generuje podprzestrze« S wierszowo, gdy Ker (N ) = S . Macierz RS ∈ Rm×s o peªnym kolumnowym rz¦dzie, generuj¡c¡ podprzestrze« S kolumnowo, nazywana jest macierz¡ bazow¡ dla tej podprzestrzeni. Z kolei, macierz NS ∈ R(m−s)×m o peªnym wierszowym rz¦dzie, generuj¡ca podprzestrze« S wierszowo, nazywana jest macierz¡ kobazow¡ dla tej podprzestrzeni. Wszystkie macierze generuj¡ce dan¡ podprzestrze« istniej¡, nie s¡ jednak wyznaczone jednoznacznie. ¤ Cz¦sto od macierzy bazowych oraz kobazowych wymaga si¦ ortonormalno±ci, odpowiednio, kolumnowej RST RS = Is oraz wierszowej NS NST = Im−s . Niech S ∈ Rm×s b¦dzie macierz¡ o kolumnach utworzonych z wektorów dowolnej bazy podprzestrzeni S . Bior¡c pod uwag¦ lewy ortonormalny czynnik U = [ Us Ūs ] ∈ Rm×m , gdzie Us ∈ Rm×s oraz Ūs ∈ Rm×(m−s) , rozkªadu svd bazowej macierzy S wedªug jej warto±ci szczególnych S = U ΣV T , uzyskuje si¦ przykªadow¡ kolumnowo ortonormaln¡ macierz bazow¡ RS = Us oraz przykªadow¡ wierszowo ortonormaln¡ macierz kobazow¡ NS = ŪsT podprzestrzeni S . Przykªad D.2 (charakteryzacja podprzestrzeni liniowej (b¦d¡cej przestrzeni¡ zerow¡)). Rozwa»my podprzestrze« S zdeniowan¡ jako przestrze« zerowa pewnej macierzy N , tzn. niech S = Ker (N ), gdzie · N= 1 2 3 2 2 2 3 1 ¸ . Nale»y wyznaczy¢ przykªadowe macierze RS (bazow¡) oraz NS (kobazow¡) podprzestrzeni S . Jak ªatwo sprawdzi¢, rank (N ) = 2; zachodzi zatem dim (S) = 2. Rozkªad macierzy N wedªug jej warto±ci szczególnych potwierdza powy»sze spostrze»enie: £ ¤T N = U ΣV T = U Σ V2 V̄2 = A.3. GEOMETRIA PODPRZESTRZENI LINIOWYCH · = 0.7071 0.7071 0.7071 −0.7071 ¸· 5.9161 0 0 0 0 1.0000 0 0 25 ¸ × T 0.3586 −0.7071 0.6094 0.0000 0.4781 0.0000 −0.2813 −0.8321 . 0.7171 0.0000 −0.4219 0.5547 0.3586 0.7071 0.6094 0.0000 Bior¡c pod uwag¦, »e Ker (N ) = Im (V̄2 ) = Ker (V2T ), kªadziemy: RS = V̄2 NS = V2T 0.6094 0.0000 −0.2813 −0.8321 = −0.4219 0.5547 0.6094 0.0000 · ¸ 0.3586 0.4781 0.7171 0.3586 = . −0.7071 0.0000 0.0000 0.7071 ¤ Inkluzja podprzestrzeni liniowych Niech Q, S ⊂ Rn b¦d¡ zadanymi podprzestrzeniami. Poszukuj¡c numerycznie dogodnych procedur rozstrzygania o mo»liwej inkluzji Q ⊂ S tych podprzestrzeni, skorzystamy z reprezentuj¡cych je macierzy kolumnowo generuj¡cych Q ∈ Rn×k oraz S ∈ Rn×l , odpowiednio: Im (Q) = Q oraz Im (S) = S . Zwykle, maj¡c na uwadze numeryczn¡ zªo»ono±¢ niezb¦dnych oblicze«, postuluje si¦ (chocia» nie jest to konieczne por. wniosek D.3 ), aby macierze te posiadaªy peªny kolumnowy rz¡d: k = rank (Q) = dim (Q) = q oraz l = rank (S) = dim (S) = s (tzn., aby byªy macierzami bazowymi dla odpowiednich podprzestrzeni). W takim przypadku, stwierdzenie, i» k > l (q > s), wyklucza z oczywistych powodów mo»liwo±¢ zawierania si¦ Q ⊂ S . W dalszym ci¡gu zakªada si¦ jednak bardziej ogólny przypadek, kiedy macierze Q oraz S maj¡ jedynie charakter 'zasi¦gowy' wzgl¦dem stosownych podprzestrzeni Q i S , tzn. mog¡ nie posiada¢ peªnego kolumnowego rz¦du co oznacza, »e k ≥ q oraz l ≥ s. Metoda badania rz¦du macierzy. Bior¡c pod uwag¦, i» (Q ⊂ S) ⇔ (Q ∩ S = Q), otrzymujemy stwierdzenie: (Q ⊂ S) ⇔ (dim(Q ∩ S) = dim (Q)). Z kolei, uwzgl¦dniaj¡c, »e dla dowolnych Q oraz S zachodzi dim(Q + S) + dim(Q ∩ S) = dim(Q) + dim(S), uzyskujemy równowa»no±¢ (Q ⊂ S) ⇔ (dim(Q + S) = dim(S)) 26 DODATEK A. z której wynika dogodny (konieczny i wystarczaj¡cy) warunek kryterialny rozwa»anej inkluzji ¡ ¡£ ¤¢ ¢ S Q (Q ⊂ S) ⇔ rank = rank (S) . (A.2) Metoda ortogonalnej projekcji. Druga z rozwa»anych procedur opiera si¦ na nast¦puj¡cej równowa»no±ci, obowi¡zuj¡cej ∀x ∈ Rn (x ∈ Im (S)) ⇔ (PIm (S) x = x) gdzie PIm (S) ∈ Rn×n oznacza macierz ortogonalnego rzutowania na podprzestrze« Im (S). Zatem, aby wykaza¢, i» ∀x ∈ Im (Q) zachodzi x ∈ Im (S) co jest równowa»ne uzasadnieniu tezy o inkluzji Im (Q) ⊂ Im (S) wystarczy dowie±¢, »e zachodzi równo±¢ PIm (S) Q = Q. (A.3) Niezb¦dn¡ macierz rzutowania PIm (S) dogodnie jest wyznaczy¢ na podstawie rozkªadu macierzy S wedªug jej warto±ci szczególnych PIm (S) = Us UsT gdzie Us ∈ Rn×s jest kolumnowo ortonormaln¡ podmacierz¡ lewego czynnika U = [ Us Ūs ] ∈ Rn×n rozkªadu S = U ΣV T . Identyczno±¢ danych podprzestrzeni Q, S ⊂ Rn sprawdzamy w podobny sposób, posªuguj¡c si¦ nast¦puj¡cym kryterium (Q = S) ⇔ ((Q ⊂ S) ∧ (S ⊂ Q)). Ortonormalna baza obrazu podprzestrzeni liniowych w odwzorowaniu liniowym Niech S ⊂ Rn , dim (S) = s, b¦dzie podprzestrzeni¡. Wyznaczmy ortonormaln¡ baz¦ obrazu AS tej podprzestrzeni w pewnym liniowym odwzorowaniu A : Rn → Rm o macierzy A ∈ Rm×n . Niech S ∈ Rn×k oznacza pewn¡ macierz generuj¡c¡ podprzestrze« S kolumnowo: Im (S) = S . Przyjmijmy, »e wymiar obrazu (podprzestrzeni) Q = AS wynosi dim(Q) = rank (AS) = q . Poszukiwan¡ ortonormaln¡ baz¦ wyznacza zatem zbiór q pocz¡tkowych kolumn lewego ortonormalnego czynnika rozkªadu macierzy Q = AS ∈ Rm×k wedªug jej warto±ci szczególnych (Q = U ΣV T ): R Q = Uq A.3. GEOMETRIA PODPRZESTRZENI LINIOWYCH 27 gdzie Uq ∈ Rm×q i Ūq ∈ Rm×(m−q) oraz U = [ Uq Ūq ] ∈ Rm×m . Je±li S ∈ Rn×k o rz¦dzie rank (S) = s jest 'jedynie' macierz¡ generuj¡c¡ podprzestrze« S , k ≥ s, lub te» jest nieortonormaln¡ macierz¡ bazow¡ dla tej podprzestrzeni, S = RS , k = s, wówczas w celu poprawienia numerycznej odporno±ci wykonywanych oblicze«, zaleca si¦ stosowanie procedury dwukrokowej (bardziej zªo»onej). W pierwszym kroku, stosuj¡c rozkªad svd macierzy S , wyznacza si¦ kolumnowo ortonormaln¡ macierz bazow¡ Us ∈ Rn×s podprzestrzeni S = Im (S) = Im (Us ). Za± w kroku drugim, korzystaj¡c z faktu, i» Q = AS = Im (AS) = Im (AUs ), okre±la si¦ poszukiwan¡ ortonormaln¡ baz¦ w oparciu o rozkªad svd macierzy AUs . Przykªad D.3 (wyznaczanie ortonormalnej bazy obrazu podprzestrzeni w odwzorowaniu liniowym). Wyznacz ortonormaln¡ baz¦ podprzestrzeni Q = AS , gdzie S = Im(S), za± 1 1 2 0 A = −1 −1 −2 0 2 2 0 0 1 0 0 3 oraz S = 0 2 0 −1 0 0 0 0 0 1 . 1 0 Na podstawie rozkªadu macierzy S wedªug jej warto±ci szczególnych, S = U ΣV T , gdzie: U= £ U3 0.0000 1.0000 0.0000 0.0000 0.7950 0.0000 −0.1860 ¤ 0.5774 Ū3 = 0.5586 0.0000 0.5955 −0.5774 −0.2365 0.0000 0.7815 0.5774 Σ = diag {3.9762, 1.0000, 0.4356, 0.0000} 0.0000 1.0000 0.0000 0.0000 0.9403 0.0000 −0.3404 0.0000 V = 0.0000 0.0000 0.0000 1.0000 0.3404 0.0000 0.9403 0.0000 okre±lamy wymiar podprzestrzeni S jako dim (S) = rank (S) = 3 oraz wyznaczamy kolumnowo ortonormaln¡ macierz bazow¡ RS , dla której S = Im (RS ) 0.0000 1.0000 0.0000 0.7950 0.0000 −0.1860 . RS = U3 = 0.5586 0.0000 0.5955 −0.2365 0.0000 0.7815 28 DODATEK A. Rozkªad svd iloczynu 1.9122 1.0000 1.0051 AU3 = −1.9122 −1.0000 −1.0051 1.5901 2.0000 −0.3719 ma posta¢ AU3 = Ũ Σ̃Ṽ T , gdzie: 0.5774 −0.4082 0.7071 0.4082 0.7071 Ũ = −0.5774 0.5774 0.8165 0.0000 Σ̃ = diag {4.0000, 1.4142, 0.0000} 0.7815 −0.1860 0.5955 0.5774 −0.5774 . Ṽ = 0.5774 0.2365 −0.7950 −0.5586 Na tej podstawie wnioskujemy, »e dim(Q) = dim(AS) = rank (AU3 ) = 2. Co, z kolei, prowadzi do konkluzji, i» Q = AS = Im (Ũ2 ), gdzie Ũ2 ∈ R3×2 jest stosown¡ (lew¡) podmacierz¡ ortonormalnego lewego czynnika Ũ tego rozkªadu 0.5774 −0.4082 0.4082 . ¤ Ũ2 = −0.5774 0.5774 0.8165 Ortonormalna baza sumy podprzestrzeni liniowych Niech Q ⊂ Rn , dim (Q) = q , oraz S ⊂ Rn , dim (S) = s, b¦d¡ podprzestrzeniami. Wyznaczmy ortonormaln¡ baz¦ ich sumy W = Q + S ⊂ Rn . W tym celu wykorzysta¢ mo»na dowolne macierze generuj¡ce Q ∈ Rn×k , k ≥ q , oraz S ∈ Rn×l , l ≥ s, dla których Q = Im (Q) oraz S = Im (S). W ogólno±ci, macierze te jako macierze kolumnowo generuj¡ce nie musz¡ by¢ regularne kolumnowo. Jak ªatwo zauwa»y¢ W = Im (W ), gdzie W ∈ Rn×(k+l) jest stosown¡ macierz¡ kolumnowo generuj¡c¡ o postaci £ ¤ W = Q S . (A.4) Je±li w = rank (W ), wówczas dim (W) = w, a poszukiwan¡ ortonormaln¡ baz¦ sumy Q + S okre±la pocz¡tkowych w kolumn lewego ortonormalnego czynnika U ∈ Rn×n rozkªadu svd tak zagregowanej macierzy W = U ΣV T RW = Uw przy czym Uw ∈ Rn×w oraz Ūw ∈ Rn×(n−w) stanowi¡ U = [ Uw Ūw ]. A.3. GEOMETRIA PODPRZESTRZENI LINIOWYCH 29 Przykªad D.4 (wyznaczanie ortonormalnej bazy sumy podprzestrzeni liniowych). Okre±lmy przykªadow¡ ortonormaln¡ baz¦ przestrzeni W = Q + S , gdzie Q = Im (R), S = Ker (N ), za± 1 −2 −2 2 R = −1 −1 −1 3 −2 1 1 1 · oraz N = 1 2 −3 −2 −4 1 ¸ . Z ªatwo±ci¡ zauwa»amy, »e rank (R) = 2 oraz rank (N ) = 2. Na tej podstawie tworzymy u»yteczne (regularne kolumnowo) macierze bazowe RQ , rank (RQ ) = 2, oraz RS , rank (RS ) = 1 1 −2 RQ = −1 −1 , −2 1 2 RS = −1 . 0 Z rozkªadu svd macierzy W = [ RQ RS ] ∈ R3×3 , W = U ΣV T , gdzie: 0.8372 0.4082 −0.1566 −0.8165 U = −0.5240 0.4082 Σ = diag {3.4191, 1.7321, 0.5972 −0.7071 −0.5972 −0.7071 V = 0.5355 0.0000 −0.3639 0.5557 −0.7475 1.5197} 0.3787 −0.3787 −0.8445 wnioskujemy, »e wymiar przestrzeni W wynosi dim (W) = rank (W ) = 3, za± wszystkie kolumny lewego czynnika tego rozkªadu stanowi¡ przykªadow¡ poszukiwan¡ ortonormaln¡ baz¦ przestrzeni W = Q + S RW = U. W takim przypadku oczywi±cie sama macierz generuj¡ca W jest tak»e macierz¡ bazow¡ przestrzeni W . Na podkre±lenie zasªuguje równie» fakt, »e przy wyznaczaniu tej bazy nie jest niezb¦dny peªny rozkªad macierzy W wedªug jej warto±ci szczególnych, poniewa» prawy ortonormalny czynnik V owego rozkªadu nie jest tu niezb¦dny. Zauwa»my ponadto, i» dokonuj¡c numerycznie bardziej kosztownego rozkªadu svd macierzy W̃ = [ R RS ] ∈ R3×5 , tak»e mo»na uzyska¢ pewn¡ ortonormaln¡ baz¦ przestrzeni Q + S . Post¦puj¡c w ten sposób, dochodzimy 30 DODATEK A. do rozkªadu W̃ = Ũ Σ̃Ṽ T , w którym: −0.8136 −0.3707 −0.4480 0.6430 0.5083 Ũ = −0.5729 0.0996 0.6702 −0.7355 4.7349 0 0 0 0 0 3.4772 0 0 0 . Σ̃ = 0 0 1.5780 0 0 Interesuj¡c¡ nas ortonormaln¡ baz¦ stanowi¡ zatem wszystkie kolumny lewego czynnika Ũ tego rozkªadu. Ortonormalna baza przekroju podprzestrzeni liniowych Dane s¡ podprzestrzenie Q ⊂ Rn oraz S ⊂ Rn o wymiarach, odpowiednio, dim (Q) = q oraz dim (S) = s. Poszukuje si¦ ortonormalnej bazy podprzestrzeni W ⊂ Rn b¦d¡cej ich przekrojem: W = Q ∩ S W tym celu stosuje si¦ odpowiednie macierze generuj¡ce Q ∈ Rn×k oraz S ∈ Rn×l , dla których Q = Im (Q) oraz S = Im (S). Nast¦pnie, bior¡c pod uwag¦ to»samo±¢ Q ∩ S = (Q⊥ + S ⊥ )⊥ stwierdzamy, i» postawione zadanie sprowadza si¦ do wyznaczenia ortonormalnej bazy ortogonalnego uzupeªnienia sumy dwóch podprzestrzeni Q⊥ = Im⊥ (Q) oraz S ⊥ = Im⊥ (S). Ortonormalne bazy tych skªadników, wyra»one odpowiednio macierzami ŪQq ∈ Rn×(n−q) oraz ŪSs ∈ Rn×(n−s) , tworzy si¦ z ostatnich (n − q ) kolumn lewego czynnika UQ ∈ Rn×n rozkªadu svd macierzy Q oraz analogicznie z ostatnich (n − s) kolumn lewego czynnika US ∈ Rn×n rozkªadu svd macierzy S . Zatem: Q⊥ = Im⊥ (Q) = Im (ŪQq ) S ⊥ = Im⊥ (S) = Im (ŪSs ). Uwzgl¦dniaj¡c posta¢ macierzy generuj¡cej W̄ ∈ Rn×(2n−q−s) dla sumy powy»szych podprzestrzeni (por. wzór(A.4)) W̄ = £ ŪQq ŪSs ¤ otrzymujemy W ⊥ = Q⊥ + S ⊥ = Im (W̄ ) A.3. GEOMETRIA PODPRZESTRZENI LINIOWYCH 31 Kªad¡c w̄ = rank (W̄ ), poszukiwan¡ baz¦ przestrzeni W = Im⊥ (W̄ ) tworzymy z ostatnich (n − w̄) kolumn lewego czynnika UW̄ ∈ Rn×n rozkªadu svd T . Zachodzi zatem macierzy W̄ = UW̄ ΣW̄ VW̄ W = Q ∩ S = Im (ŪW̄w̄ ) gdzie ŪW̄w̄ ∈ Rn×(n−w̄) oznacza odpowiedni¡ (praw¡) podmacierz macierzy ortonormalnej UW̄ ∈ Rn×n . Przykªad D.5 (wyznaczanie ortonormalnej bazy przekroju podprzestrzeni liniowych). Wyznaczmy ortonormaln¡ baz¦ przestrzeni W = Q ∩ S , gdzie Q = Im (Q), S = Im (S), za±: 1 −1 2 2 5 0 1 0 2 3 Q= 0 1 2 2 5 1 −2 −1 0 −1 8 −1 5 6 0 3 oraz S = 6 −2 5 2 1 0 Dokonuj¡c rozkªadów svd macierzy Q oraz S , otrzymujemy Q = UQ ΣQ VQT oraz S = US ΣS VST , przy czym: σ (Q) = {8.9061, 2.8817, 1.5419, 0.0000} σ (S) = {14.1128, 2.4144, 0.0000} oraz odpowiednio: UQ = US = £ £ UQ3 ŪQ3 US2 ŪS2 ⇒ q = rank (Q) = 3 ⇒ s = rank (S) = 2 0.6389 −0.5421 −0.2751 −0.4714 0.3860 ¤ 0.2214 0.8640 −0.2357 = 0.6499 0.2305 −0.1565 0.7071 −0.1429 −0.7772 0.3917 0.4714 0.6721 −0.0752 0.3775 −0.6325 0.4692 −0.4455 −0.7559 ¤ 0.1003 . = 0.5622 0.5921 0.0760 0.5723 0.1099 −0.6673 0.5295 0.5121 Na tej podstawie przyjmujemy, »e RQ = UQ3 ∈ R4×3 oraz RS = US2 ∈ Zachodzi zatem: R4×2 . Q = Im (UQ3 ), S = Im (US2 ), Q⊥ = Im (ŪQ3 ), S ⊥ = Im (ŪS2 ). W rozkªadzie svd macierzy W̄ = [ ŪQ3 ŪS2 ] ∈ R4×(1+2) wyró»niamy zbiór warto±ci szczególnych tej macierzy oraz lewy czynnik UW̄ ∈ R4×4 : ¡ ¢ σ W̄ = {1.4033, 1.0000, 0.1750, 0.0000} ⇒ w̄ = rank (W̄ ) = 3 32 DODATEK A. UW̄ = £ UW̄3 ŪW̄3 −0.4807 0.5566 −0.0449 0.6761 ¤ −0.1900 −0.7493 0.3812 0.5071 = 0.6422 −0.1070 −0.5648 0.5071 . 0.5661 0.3425 0.7305 0.1690 Wida¢ przeto, »e W̄ jest macierz¡ bazow¡ dla przestrzeni ortogonalnej do W , natomiast poszukiwana przestrze« W = Q ∩ S = Im (ŪW̄3 ), ŪW̄3 ∈ R4×1 , jest jednowymiarowa, dim (W) = rank (ŪW̄3 ) = 1. Sprawd¹my na koniec, posªuguj¡c si¦ poprzednio poznanymi procedurami badania inkluzji, czy Im (ŪW̄3 ) ⊂ Q oraz Im (ŪW̄3 ) ⊂ S . (1) Stosuj¡c warunek (A.2), ªatwo werykujemy zachodzenie stosownych równo±ci: ¡£ ¤¢ ¡£ ¤¢ Q ŪW̄3 UQ3 ŪW̄3 rank = rank = rank (Q) = 3 ¡£ ¤¢ ¡£ ¤¢ S ŪW̄3 US2 ŪW̄3 rank = rank = rank (S) = 2. Odpowiednie zbiory warto±ci szczególnych, pozwalaj¡ce na oszacowanie rz¦dów rozwa»anych macierzy, maj¡ posta¢: ¡£ ¤¢ Q ŪW̄3 σ = {8.9549, 2.8942, 1.5599, 0.0000} σ ¡£ σ σ ¡£ UQ3 ¡£ ŪW̄3 S ŪW̄3 US2 ŪW̄3 ¤¢ ¤¢ ¤¢ ⇒ rank ([ Q ŪW̄3 ]) = 3 = {1.4142, 1.0000, 1.0000} ⇒ rank ([ UQ3 = ŪW̄3 ]) = 3 {14.1479, 2.4160, 0.0000, 0.0000} ⇒ rank ([ S ŪW̄3 ]) = 2 = {1.4142, 1.0000} ⇒ rank ([ US2 ŪW̄3 ]) = 2. Powy»sze dane upewniaj¡ nas, »e Im (ŪW̄3 ) ⊂ (Q ∩ S). (2) Stosuj¡c procedur¦ (A.3), wyznaczamy nast¦puj¡ce normy odpowiednich wektorów resztowych: ° ° ° ° °PIm (Q) Ū − Ū ° = °QQ+ Ū − Ū ° = 4.3798 · 10−16 W̄3 W̄3 W̄3 W̄3 ° ° ° ° °PIm (S) Ū − Ū ° = °SS + Ū − Ū ° = 1.2413 · 10−16 . W̄3 W̄3 W̄3 3 W̄3 Co równie» uzasadnia tez¦ o inkluzji Im (ŪW̄3 ) ⊂ (Q ∩ S). Sprawd¹my jeszcze poprawno±¢ oszacowania wymiaru przestrzeni Q ∩ S . W tym celu wykorzystamy zale»no±¢ dim (Q ∩ S) = dim (Q) + dim (S) − dim (Q + S), w której dim (Q) = rank (Q) = 3, dim (S) = rank (S) = 2. Mamy dim (Q + S) = rank ([ Q S ]), gdzie [ Q S ] ∈ R4×8 jest wybran¡ A.3. GEOMETRIA PODPRZESTRZENI LINIOWYCH 33 macierz¡ generuj¡c¡. Bior¡c pod uwag¦, i» σ ([ Q S ]) = {16.5611, 3.9761, 2.1563, 0.5215}, otrzymujemy dim (Q + S) = 4, co prowadzi do wniosku, »e dim (Q ∩ S) = 1. W konkluzji mo»na zatem stwierdzi¢, »e Q ∩ S = Im (ŪW̄3 ). Przykªad D.6 (wyznaczanie ortonormalnej bazy przekroju podprzestrzeni liniowych). Wyznaczmy ortonormaln¡ baz¦ przestrzeni Q⊥ ∩ S ⊥ , gdzie Q = Ker (N ), S = Im (R), za±: · N= 1 0 1 0 1 2 ¸ 1 2 4 4 2 . oraz R = −1 0 −2 −2 W obliczeniach wykorzystamy to»samo±¢ Q⊥ ∩ S ⊥ = (Q + S)⊥ . Poszukiwan¡ baz¡ b¦dzie zatem dowolna ortonormalna baza ortogonalnego uzupeªnienia przestrzeni Q + S . (1) Jak ªatwo pokaza¢: dim (Q) = 3 − rank (N ) = 1 oraz dim (S) = rank (R) = 2. Na tej podstawie uzyskujemy przykªadowe 'oszcz¦dne' reprezentacje Q = Im (RQ ) oraz S = Im (RS ), gdzie: −1 1 2 4 . RQ = −2 oraz RS = −1 1 0 −2 Zachodzi Q + S = Im (W ), gdzie W = [ RQ RS ], a zatem dim (Q⊥ ∩ = 3−rank (W ). Analizuj¡c posta¢ macierzy W , widzimy, »e rank (W ) = 2, co czyni dim (Q⊥ ∩ S ⊥ ) = 1. Potwierdza to rozkªad svd macierzy W = U ΣV T , w którym: S ⊥) Σ = diag {5.4934, 1.3500, 0.0000} ⇒ rank (W ) = 2 −0.3914 0.8694 −0.3015 £ ¤ U = U2 Ū2 = −0.8259 −0.4764 −0.3015 . 0.4058 −0.1310 −0.9045 Poszukiwan¡ ortonormaln¡ baz¦ przestrzeni Q⊥ ∩ S ⊥ stanowi zatem jedyna kolumna podmacierzy Ū2 ∈ R3×1 . Zachodzi bowiem Im⊥ (W ) = Im (Ū2 ). (2) Zaªo»ywszy 'nieoszcz¦dny' sposób wyznaczania reprezentacji przestrzeni Q + S w postaci przestrzeni kolumnowej macierzy W̃ = [ RQ R ] ∈ R3×4 , dochodzimy do rozkªadu svd tej macierzy W̃ = Ũ Σ̃Ṽ T , w którym: Σ̃ = diag {7.0402, 2.5370, 0.0000} ⇒ rank W̃ = 2 34 DODATEK A. h Ũ = ¯ Ũ2 Ũ 2 i −0.6119 −0.7312 −0.3015 0.6820 −0.3015 . = −0.6663 0.4261 0.0164 −0.9045 ¯ , co oznacza, »e w obu przypadkach Jak ªatwo zauwa»y¢, zachodzi Ū2 = Ũ 2 uzyskano t¦ sam¡ baz¦ rozwa»anej przestrzeni Q⊥ ∩ S ⊥ . Ortonormalna baza przeciwobrazu podprzestrzeni liniowej wzgl¦dem odwzorowania liniowego Niech S ⊂ Rn o wymiarze dim (S) = s b¦dzie podprzestrzeni¡ zdeniowan¡ jako S = Ker (NS ), gdzie NS ∈ R(n−s)×n jest odpowiedni¡ macierz¡ kobazow¡ o peªnym wierszowym rz¦dzie rank (NS ) = n − s. Wyznaczmy dowoln¡ ortonormaln¡ baz¦ podprzestrzeni Q = A−1 S ⊂ Rm , gdzie A : Rm → Rn jest danym przeksztaªceniem liniowym o macierzy A ∈ Rn×m . W tym celu rozwa»my zerow¡ podprzestrze« macierzy NS A ∈ R(n−s)×m Ker (NS A) = { y ∈ Rm : Ay ∈ Ker (NS )} . Jak ªatwo zauwa»y¢ Ker (NS A) = A−1 Ker (NS ) = A−1 S = Q. Co oznacza, »e przestrze« Q (przeciwobraz S wzgl¦dem liniowego odwzorowania A) jest wªa±nie zerow¡ podprzestrzeni¡ macierzy NS A. Je±li q̄ = rank (NS A), to poszukiwan¡ baz¦ przestrzeni Q tworzy (m − q̄) ko«cowych kolumn ortonormalnej macierzy V ∈ Rm×m wyznaczaj¡cej prawy czynnik stosownego rozkªadu svd : NS A = U ΣV T . Kªad¡c V = [ Vq̄ V̄q̄ ], gdzie V̄q̄ ∈ Rm×(m−q̄) , dochodzimy zatem do wniosku, »e A−1 S = Im (V̄q̄ ) oraz dim(A−1 S) = m− q̄ . W celu zwi¦kszenia numerycznej odporno±ci wykonywanych oblicze«, zaleca si¦, aby macierz NS byªa wierszowo ortonormalna. Godny rozwa»ania jest oczywi±cie tylko nietrywialny przypadek, w którym przekrój S ∩ Im (A) nie sprowadza si¦ do zerowego wektora w Rn . W przeciwnym bowiem razie, poszukiwan¡ baz¦ stanowi po prostu dowolna ortonormalna baza zerowej podprzestrzeni macierzy A. Przykªad D.7 (wyznaczanie ortonormalnej bazy przeciwobrazu podprzestrzeni liniowej). Dla podprzestrzeni liniowej S ⊂ Rn opisanej swoj¡ macierz¡ kolumnowo generuj¡c¡ S ∈ Rn×k oraz danej macierzy A ∈ Rn×m odwzorowania liniowego A : Rm → Rn , nale»y okre±li¢ przykªadow¡ ortonormaln¡ baz¦ podprzestrzeni Q = A−1 S = A−1 Im (S) A.3. GEOMETRIA PODPRZESTRZENI LINIOWYCH Rozpatrzmy dwa przypadki. a) Pierwszy przypadek dotyczy nast¦puj¡cych macierzy: −1 2 4 5 1 −1 −1 3 0 2 3 0 oraz A = S= −1 −3 −2 2 4 5 0 −1 −1 −1 4 1 35 5 3 . 5 0 (1) Jak ªatwo sprawdzi¢ Im (S) ∩ Im (A) = {04 }. Zaiste, odwoªuj¡c si¦ do opisanej w tym dodatku metody wyznaczania przekroju podprzestrzeni liniowych, otrzymujemy S = US ΣS VST oraz A = UA ΣA VAT , przy czym: σ (S) = {10.3565, 1.3204, 0.0000, 0.0000} σ (A) = {7.9587, 6.0546, 0.0000} oraz odpowiednio: US = UA = £ £ US2 ŪS2 UA2 ŪA2 ⇒ rank (S) = 2 ⇒ rank (A) = 2 −0.6546 −0.1615 0.7089 0.2071 −0.3452 ¤ 0.8361 −0.0037 −0.4264 = −0.6546 −0.1615 −0.7052 0.2193 0.1547 0.4988 0.0074 0.8528 −0.6193 0.2717 0.7078 −0.2040 −0.3154 ¤ 0.5649 −0.6205 −0.4431 . = −0.7129 −0.3980 −0.3355 0.4699 0.0936 0.6698 0.0368 0.7357 Rozstrzygaj¡cy o wymiarze przestrzeni Im (S) ∩ Im (A) b¦dzie rz¡d macierzy [ ŪS2 ŪA2 ] ∈ R4×4 . Poniewa» ¡£ ¤¢ ŪS2 ŪA2 σ = {1.4126, 1.3515, 0.4164, 0.0668} zatem w̄ = rank ([ ŪS2 ŪA2 ]) = 4. St¡d dim (Im (S)∩Im (A)) = n−w̄ = 0, co oznacza, i» jako poszukiwan¡ baz¦ podprzestrzeni Q = A−1 S mo»na przyj¡¢ dowoln¡ ortonormaln¡ baz¦ przestrzeni zerowej Ker (A). Baz¦ t¦, w postaci wektora V̄A2 ∈ R3 , znajdujemy w prawym czynniku rozkªadu svd macierzy A 0.1191 0.9645 0.2357 £ ¤ VA = VA2 V̄A2 = 0.2687 0.1972 −0.9428 . −0.9558 0.1756 −0.2357 (2) Potwierdzenie tego wyniku uzyskujemy, post¦puj¡c zgodnie z ogól- nym przepisem przedstawionym wy»ej. Poszukuj¡c stosownej macierzy kobazowej NS ∈ R(n−s)×n , s = dim (S), dla której zachodzi S = Ker (NS ), 36 DODATEK A. na podstawie znanego ju» rozkªadu svd macierzy S przyjmujemy NS = ŪST2 ∈ R2×4 . W nast¦pnej kolejno±ci wyznaczamy rozkªad svd macierzy NS A, otrzymuj¡c NS A = Uq̄ Σq̄ Vq̄T , gdzie: · ¸ · ¸ 0.8519 −0.5238 3.4086 0 0 Uq̄ = , Σq̄ = 0.5238 0.8519 0 0.7506 0 0.9688 −0.0760 0.2357 £ ¤ Vq̄ = VQ̄2 V̄Q̄2 = 0.2090 −0.2597 −0.9428 0.1329 0.9627 −02357 Mamy zatem: q̄ = rank (NS A) = 2 oraz dim (Q) = m − q̄ = 3 − 2 = 1. Poszukiwan¡ baz¦ podprzestrzeni Q = A−1 S , b¦d¡cej jednowymiarow¡ przestrzeni¡ zerow¡ rozwa»anej macierzy NS A, stanowi przeto wektor V̄Q̄2 ∈ R3 . Jak wida¢, V̄Q̄2 = V̄A2 . b) Drugi przypadek dotyczy macierzy 1 −1 2 0 1 0 S= 0 1 2 1 −2 −1 2 5 2 3 2 5 0 −1 8 −1 5 6 0 3 oraz A = 6 −2 5 2 1 0 zaczerpni¦tych z przykªadu D.5. Poszukuj¡c macierzy kobazowej dla podprzestrzeni S = Im (S), a zatem takiej macierzy NS , dla której S = Ker (NS ), posªu»ymy si¦ danym tam rozkªadem S = US ΣS VST z lewym ortonormalnym czynnikiem US = [ US3 ŪS3 ]. Na tej podstawie kªadziemy £ ¤ NS = ŪST3 = −0.4714 −0.2357 0.7071 0.4714 . Nast¦pnie, dokonuj¡c rozkªadu svd macierzy NS A, uzyskujemy posta¢ NS A = Uq̄ Σq̄ Vq̄T , w której Σq̄ = [ 0.6667 0 0 ] oraz 0.0000 −1.0000 0.0000 £ ¤ 0.0000 0.7071 . Vq̄ = VQ̄1 V̄Q̄1 = 0.7071 −0.7071 0.0000 0.7071 Poszukiwan¡ ortonormaln¡ baz¦ przestrzeni Q = Ker (NS A) = Im (V̄Q̄1 ) stanowi¡ zatem kolumny podmacierzy V̄Q̄1 ∈ R3×2 . Sprawd¹my jeszcze, czy speªniony jest podstawowy warunek poprawno±ci uzyskanego wyniku to znaczy, czy obie kolumny macierzy AV̄Q̄1 nale»¡ do trójwymiarowej podprzestrzeni S = Im (S). Upewnia nas o tym bardzo maªa warto±¢ normy odpowiedniej macierzy resztowej: ° ° ° ° °PIm (S) AV̄ − AV̄ ° = °SS + AV̄ − AV̄ ° = 5.3975 · 10−15 . Q̄1 Q̄1 Q̄1 Q̄1 A.3. GEOMETRIA PODPRZESTRZENI LINIOWYCH 37 Liniowe zadanie najmniejszych kwadratów Rozwa»my nast¦puj¡ce liniowe zadanie najmniejszych kwadratów Ax = b, gdzie A ∈ Rm×n , b ∈ Rm (przy czym zwykle zakªada si¦ m ≥ n), w którym poszukiwane rozwi¡zanie x ∈ Rn speªnia nast¦puj¡cy warunek x= arg min Rn y=arg min kAz−bk2 , y∈ R z∈ n kyk2 . Z powy»szego wynika, »e jako rozwi¡zanie x przyjmuje si¦ to sposród rozwi¡za« y ∈ Rn problemu minimalizacji normy euklidesowej wektora resztowego y = arg min kAz − bk2 z∈ Rn które posiada najmniejsz¡ euklidesow¡ norm¦. Problem minimalizacji normy kAz − bk2 mo»e bowiem, w ogólno±ci, nie posiada¢ jednoznacznego rozwi¡zania. Przyst¦puj¡c do rozwi¡zania liniowego zadania najmniejszych kwadratów, zauwa»my przede wszystkim, »e euklidesowa norma danego wektora jest niezmiennicza wzgl¦dem dowolnego ortonormalnego przeksztaªcenia: kxk2 = kT xk2 , ∀x ∈ Rn , ∀T ∈ Rn×n : T −1 = T T . Niech rank (A) = r < n. Stosuj¡c rozkªad svd A = U ΣV T , U ∈ Rm×m , V ∈ Rn×n oraz Σ ∈ Rm×n , uzyskujemy nast¦puj¡c¡ reprezenatcj¦ normy wektora resztowego kAx − bk2 = kU Σ V T x − bk2 = kΣ V T x − U T bk2 = kΣ x̃ − b̃k2 , gdzie: x̃ = V T x, b̃ = U T b, £ ¤T x̃ = x̃1 · · · x̃n ∈ Rn , £ ¤T ∈ Rm . b̃ = b̃1 · · · b̃m Z kolei, uwzgl¦dniaj¡c posta¢ macierzy Σ , otrzymujemy v uX m X u r (σi x̃i − b̃i )2 + b̃2i . kΣ x̃ − b̃k2 = t i=1 i=r+1 Powy»sze wyra»enie, traktowane jako funkcja niewiadomych {x̃i }ri=1 , przyjmuje warto±¢ minimaln¡ przy x̃i = b̃i , σi i ∈ {1, . . . , r}. 38 DODATEK A. Zauwa»my, »e warto±¢ ta nie zale»y od {x̃i }ni=r+1 v uX ¯ u m 2 ¯ kΣx̃ − b̃k2 ¯ =t b̃i . x̃i =b̃i /σi , i∈{1,...,r} i=r+1 Aby zatem norma kxk2 = kV x̃k2 = kx̃k2 miaªa minimaln¡ warto±¢, wspóªrz¦dne {x̃i }ni=r+1 nale»y przyrówna¢ do zera x̃i = 0, i ∈ {r + 1, . . . , n}. Powy»sze rozumowanie mo»na przedstawi¢ w nast¦puj¡cej sformalizowanej postaci, korzystaj¡c z poj¦cia macierzy pseudoodwrotnej x̃ = Σ + b̃ = Σ+ U T b ⇒ x = V x̃ = V Σ+ U T b = A+ b. W przypadku, gdy macierz A ∈ Rm×n , n ≤ m, posiada peªny kolumnowy rz¡d, rank (A) = n, zadanie minimalizacji normy euklidesowej wektora resztowego Ax − b posiada jednoznaczne rozwi¡zanie, wynikaj¡ce z nast¦puj¡cego ukªadu równa« normalnych AT Ax = AT b. W rozwa»anym przypadku ¡ ¢−1 T x = AT A A b co stanowi szczególn¡ posta¢ poprzednio okre±lonego ogólnego rozwi¡zania liniowego zadania najmniejszych kwadratów (x = A+ b), przy czym teraz ¡ ¢−1 T A+ = AT A A . Gdy macierz A ∈ Rm×n , m ≥ n, jest macierz¡ o niepeªnym kolumnowym rz¦dzie, rank (A) = r < n, zadanie minimalizacji normy euklidesowej wektora resztowego Ax − b nie posiada jednoznacznego rozwi¡zania. Zadania Zadanie 1. Poka», »e ∀A ∈ Rn×n zarówno Im (A), jak i Ker (A), s¡ przestrzeniami A-inwariantnymi. Zadanie 2. Niech S ⊂ Rm b¦dzie podprzestrzeni¡ liniow¡ przestrzeni Rm . Poka», »e: S ⊥ jest podprzestrzeni¡ liniow¡ przestrzeni Rm oraz dim (S ⊥ ) = m − dim (S). A.3. GEOMETRIA PODPRZESTRZENI LINIOWYCH 39 Zadanie 3. Poka», »e dowolne niezerowe ortogonalne wektory s¡ liniowo niezale»ne. Zadanie 4. Udowodnij, »e relacje kongruencji oraz podobie«stwa s¡ relacjami równowa»no±ci w Rn×n . Zadanie 5. Poka», »e: macierz dodatnio okre±lona jest nieosobliwa, przy czym odwrotno±¢ macierzy dodatnio okre±lonej jest macierz¡ dodatnio okre±lon¡, odwrotno±ci nieosobliwych macierzy symetrycznych, nieosobliwych jed- nostkowych macierzy trójk¡tnych oraz nieosobliwych macierzy trójk¡tnych s¡ odpowiednio nieosobliwymi macierzami symetrycznymi, jednostkowymi macierzami trójk¡tnymi oraz macierzami trójk¡tnymi, macierz AT A, gdzie A ∈ Rm×n , jest macierz¡ dodatnio póªokre±lon¡; macierz ta jest dodatnio okre±lona wtedy i tylko wtedy, gdy rank (A) = n (A jest macierz¡ o peªnym kolumnowym rz¦dzie). Zadanie 6. Niech A ∈ Rn×n . Czy mog¡ obowi¡zywa¢ nast¦puj¡ce relacje: a) dim (Im (A)) = 0, b) dim (Ker (A)) = 0, c) Im (A) ⊂ Ker (A), d) Ker (A) ⊂ Im (A), e) Ker (A) = Im (A), f ) Ker (A) = ∅, g) Im (A) = Rn , h) Ker (A) = Rn , i) Ker (A)⊥Im (A) ? Odpowied¹ uzasadnij (wystarcz¡ przykªady lub kontrprzykªady). Zadanie 7. Czy A Ker (A) ⊂ Ker (A) ∀A ∈ Rn×n ? Kiedy Ker (A) ⊂ A Ker (A)? Zadanie 8. Niech A ∈ Rm×n . Poka», »e rank (AT A) = rank (AAT ) = rank (A) oraz: Im (AT A) = Im (AT ), Im (AAT ) = Im (A) Ker (AT A) = Ker (A), Ker (AAT ) = Ker (AT ). Zadanie 9. Niech A ∈ Rm×n oraz B ∈ Rn×p . Udowodnij poni»sz¡ równo±¢ dim (Ker (AB)) = dim (Ker (B)) + dim (Ker (A) ∩ Im (B)). 40 DODATEK A. Zadanie 10. Niech A ∈ Rm×n oraz B ∈ Rn×p . Udowodnij poni»sze imp- likacje: rank (B) = n ⇒ (rank (AB) = rank (A)) ∧ (Im (AB) = Im (A)) rank (A) = n ⇒ (rank (AB) = rank (B)) ∧ (Ker (AB) = Ker (B)). Zadanie 11. Poka», »e iloczyn macierzy ortogonalnych jest macierz¡ ortogonaln¡. Zadanie 12. Poka», »e euklidesowa norma w Rn jest niezmiennicza wzgl¦- dem ortogonalnych przeksztaªce«. Co mo»esz powiedzie¢ o innych normach? Zadanie 13. Poka», »e macierz rzutu ortogonalnego przestrzeni Rn na dan¡ podprzestrze« M ma posta¢ wyznaczon¡ w sposób jednoznaczny. Zadanie 14. Czy ∀A ∈ Rn×n obowi¡zuje równo±¢ A+ A = AA+ ? Zadanie 15. Czy dla dowolnych macierzy A oraz B o stosownych wymia- rach zawsze zachodzi (AB)+ = B + A+ ? Co powiesz o macierzach nieosobliwych? Zadanie 16. Niech A ∈ Rm×n . Poka», »e dla A o peªnym kolumnowym rz¦dzie zachodzi A+ = (AT A)−1 AT , za± dla A o peªnym rz¦dzie wierszowym mamy A+ = AT (AAT )−1 . Zadanie 17. Wektory ai ∈ Rm , i ∈ {1, . . . , m}, tworz¡ pewn¡ ortonor- m maln¡ baz¦ w Rm . Poka», Pm »e T∀a ∈ R w bazie tej okre±lona jest jednoznaczna reprezentacja a = i=1 (ai a)ai . Zadanie 18. Udowodnij, »e pseudoodwrotno±¢ A+ dowolnej macierzy A charakteryzuj¡ nast¦puj¡ce wªasno±ci: (A+ )+ = A oraz (AT )+ = (A+ )T . Poka», »e dla nieosobliwych macierzy zachodzi A+ = A−1 . Zadanie 19. Oblicz A+ dla: A = 1, A = 0, A = [ 1 0 ], A = [ 1 1 ]T , A = [ 0 0 ]T oraz A = [ 1 0 0 0 ]. Wyznacz rozkªad svd tych macierzy. Zadanie 20. Poka», »e AB = 0n×m ⇔ B + A+ = 0m×n . A.3. GEOMETRIA PODPRZESTRZENI LINIOWYCH 41 Zadanie 21. Niech U, V ⊂ Rn . Poka», »e U ⊕ V = Rn ⇔ (U ∩ V = 0n ) ∧ (U + V = Rn ). Zadanie 22. Niech A = U ΣV T oznacza rozkªad svd danej macierzy A. Sprawd¹, »e macierz V Σ+ U T speªnia 'aksjomaty' pseudoodwrotno±ci A+ tej macierzy w sensie Moore'a-Penrose'a. Zadanie 23. Poka», »e ∀A ∈ Rm×n : AT = AT AA+ = A+ AAT , A+ = AT (AAT )+ = (AT A)+ AT (AT A)+ = A+ (AT )+ , (AAT )+ = (AT )+ A+ oraz Im (A+ ) = Im (AT ) = Im (A+ A), Ker (A+ ) = Ker (AT ) = Ker (AA+ ). Zadanie 24. Dane s¡ A ∈ Rm×n oraz b ∈ Rm . Niech b ∈ Im (A). Poka», »e równanie Ax = b posiada w Rn rozwi¡zanie opisane ogóln¡ formuª¡ x = x0 + x1 , gdzie x0 ∈ Rn speªnia równo±¢ Ax0 = b, za± x1 ∈ Ker (A). Co b¦dzie, gdy b 6∈ Im (A)? Zadanie 25. Zbadaj mo»liwo±ci MATLABowych funkcji: norm, rank, eig, inv, pinv, qr, svd, orth, null oraz cond. Co w MATLABie oznacza eps oraz ops? Zadanie 26. Rozwa»my liniowe zadanie najmniejszych kwadratów Ax = b, A ∈ Rm×n . Niech m ≥ n. MATLAB udost¦pnia tu dwie mo»liwo±ci: x=pinv(A)*b, co odpowiada wektorowi x = A+ b o minimalnej euklidesowej normie, x=A\b, co odpowiada wektorowi x o co najwy»ej r niezerowych wspóªrz¦dnych. W przypadku zadania z macierz¡ A ∈ Rm×n , m < n, rozwi¡zanie odpowiedniego niedookre±lonego liniowego zadania najmniejszych kwadratów Ax = b, zapisane w MATLABowym kodzie jako x=A\b, prowadzi do wektora x, który: minimalizuje norm¦ euklidesow¡ wektora resztowego Ax − b, charakteryzuje si¦ minimaln¡ warto±ci¡ euklidesowej normy, 42 DODATEK A. posiada co najwy»ej r niezerowych wspóªrz¦dnych, gdzie rank (A) = r ≤ m. Rozwi¡zanie x = A+ b, b¡d¡c wolnym od ostatniego z wymienionych wy»ej ogranicze«, charakteryzuje si¦ z reguªy mniejsz¡ warto±ci¡ normy euklidesowej. Niech x = [ −1 0 2 ]T oraz y = [ −2 −1 1 ]T . Skomentuj wyniki nast¦puj¡cych MATLABowych esperymentów: x\y, y/x, (x'\y')', x'y/x'x, pinv(x), pinv(x)*y oraz (pinv(x')*y')'.