III. Macierze. Reprezentacja odwzorowania liniowego
Transkrypt
III. Macierze. Reprezentacja odwzorowania liniowego
Algebra liniowa 1 III. Macierze Macierz – definicja i zapis Macierzą wymiaru m na n nazywamy tabelę a11 . A= .. am1 . . . a1n .. .. . . . . . amn złożoną z liczb (rzeczywistych lub zespolonych) o m wierszach i n kolumnach (zamiennie będziemy też czasem mówili, że „A jest macierzą m na n/m×n” lub „A jest wymiaru m×n”.1 Takie macierze oznaczamy przez (aij )mn lub skrótowo (aij ). Liczby aij nazywamy współczynnikami macierzy. Zbiór macierzy wymiaru m × n o współczynnikach rzeczywistych oznaczamy przez M (m, n). Przez przekątną główną macierzy rozumiemy elementy (aii ). Dwie macierze są równe, gdy są tego samego wymiaru oraz ich współczynniki są sobie równe, tzn. (aij ) = (bij ) wtw., gdy ∀i∈{1,...,m},j∈{1,...,n} aij = bij . 2 Przegląd macierzy • macierze m × 1 — wektory(kolumnowe), np. 1 2 1 h i A = 1 , B = 2 , C = 3 ; 3 4 5 • macierze kwadratowe (gdy m = n), " # 1 h i 1 2 A = −3 , B = ,C= 4 3 4 7 np. 2 3 5 6 ; 8 9 • macierze diagonalne — macierze kwadratowe, których jedyne niezerowe elementy znajdują się na −2 0 0 0 " # −2 0 0 h i 1 0 0 0 0 0 głównej przekątnej, np. A = −3 , B = , C = 0 5 0 , D = ; 0 0 4 0 0 4 0 0 4 0 0 0 3 • macierze jednostkowe (identyczności) – macierze diagonalne, które na przekątnej mają same 1 0 0 0 " # 1 0 0 0 1 0 0 h i 1 0 2 1 jedynki: I1 = , I2 = , I3 = 0 1 0 , I4 = ; 0 0 1 0 0 1 0 0 1 0 0 0 1 • macierzą zerową (ozn. ją przez 0 (0 ∈ M (m, n)), z kontekstu wnosząc jaki jest jej wymiar) jest (dowolna) macierz złożona z samych zer. • macierze górnie trójkątne to macierze, które poniżej głównej przekątnej mają same zera "(dualnie: # 1 3 , dolnie trójkątne to takie, które powyżej głównej przekątnej mają same zera), np. B = 0 4 −2 0 0 C= 1 5 0 . 1 0 4 1 Aby uprościć notację i zawęzić na razie naszą uwagę, wszystkie definicje i twierdzenia formułujemy dla macierzy o współczynnikach rzeczywistych, ale analogiczne definicje i twierdzenia zachodzą dla macierzy o współczynników zespolonych. 2 W obliczeniach zazwyczaj będziemy opuszczać indeksy pisząc I, wymiar macierzy wnioskując z kontekstu. c FF str. 1 z 5 Algebra liniowa 3 III. Macierze Działania na macierzach 3.1 Dodawanie macierzy Możemy dodawać jedynie macierze posiadające tę samą liczbę kolumn i wierszy. Dla A, B ∈ M (m, n), A = (aij ), B = (bij ) mamy A + B = (aij + bij ). Podobnie A − B = (aij − bij ). Łatwo można sprawdzić, że • 0 + A = A + 0 = A (mówimy, że 0 ∈ M (m, n) jest elementem neutralnym dodawania w M (m, n)), • A + B = B + A (dodawanie macierzy jest przemienne), • (A + B) + C = A + (B + C) (dodawanie macierzy jest łączne) 3.2 Mnożenie przez skalar Jeśli α ∈ R, A = (aij ), to α · A = (αaij ). 3.3 Mnożenie macierzy Mnożenie macierzy (na pierwszy rzut oka) nie jest tak intuicyjne jak ich dodawanie. Taka a nie inna jego postać wynika z zależności pomiędzy odwzorowaniami liniowymi i ich macierzami (zależności te omówione są nieco dalej w tekście, patrz pkt 4.3). Należy pamiętać, że dla dowolnych macierzy A, B: A · B istnieje wtedy i tylko wtedy, gdy liczba kolumn A odpowiada liczbie wierszy B Wtedy jeśli A ∈ M (m, n), B ∈ M (n, p) (czyli liczba kolumn pierwszej macierzy równa jest drugiej), to C = A · B istnieje, oraz C = (cij ) ∈ M (m, p), gdzie cij = n X aik bkj . k=1 Aby łatwiej było zapamietać jak mnoży się macierze warto zauważyć, że w i-tym wierszu, j-tej kolumnie macierzy C = A · B mamy wartość iloczynu skalarnego i-tego wiersza macierzy A i j-tej kolumny macierzy B (traktowanych jako wektory z Rn ). Własności mnożenia macierzy • Dla dowolnych macierzy A, B, C, które można przemnożyć, mamy A(BC) = (AB)C; • mnożenie macierzy nie jest przemienne (nawet w przypadku mnożenia macierzy kwadratowych); • jeśli A jest macierzą kwadratową, to AI = IA = A. c FF str. 2 z 5 Algebra liniowa 3.4 III. Macierze Transponowanie macierzy Niech A ∈ M (m, n). Macierz transponowana AT (transpozycja macierzy A), to macierz, która powstaje " # 1 4 1 2 3 poprzez zamianę wierszy z kolumnami. Np. A = , AT = 2 5 4 5 6 3 6 Własności transponowania. Zakładając, że A, B są takie, że odpowiednie działania można wykonać, mamy • (A + B)T = AT + B T , • jeśli A ∈ M (m, n), to AT ∈ M (n, m), • AT T • (AB)T = B T AT . = A, Warto też zauważyć, że dla dowolnych x, y ∈ Rn mamy hx, yi = xT y. 3.5 Ślad macierzy Ślad macierzy A to suma współczynników znajdujących się na głównej przekątnej: tr A = m X aii . i=1 4 Macierz odwzorowania liniowego 4.1 Reprezentacja odwzorowania liniowego Niech A ∈ M (m, n), v ∈ Rn , czyli a11 . A = .. am1 v1 . . . a1n .. .. , v = .. . . . . vn . . . amn Wtedy Av = P n a v i=1 1i i .. . P n ami vi . i=1 Przypomnijmy, że odwzorowanie (przekształcenie) T : Rn 7→ Rm jest liniowe, jeśli dla dowolnych x, y ∈ Rn i α ∈ R zachodzą równości: T (x + y) = T (x) + T (y) i T (αx) = αT (x). Kluczowy dla nas jest następujący fakt: Uwaga 1. Odwzorowanie liniowe T może być utożsamiane z macierzą MT wymiaru m × n, gdzie T (x) = MT · x. c FF str. 3 z 5 Algebra liniowa III. Macierze Uzasadnienie Uwagi 1 — wyprowadzenie. Niech h iT h iT h iT e1 = 1 0 . . . 0 , e2 = 0 1 0 . . . 0 , . . . , en = 0 0 . . . 0 1 ∈ Rn oraz iT h f1 = 1 0 . . . 0 iT h , f2 = 0 1 0 . . . 0 h , . . . , fm = 0 0 . . . 0 1 iT ∈ Rm . Niech T : Rn 7→ Rm będzie przekształceniem liniowym. Wtedy T (ej ) = a1j f 1 + ... + amj f m = m X aij f i , i=1 n dla a1j , ..., amj ∈ R, j = 1, . . . , n. Stąd dla dowolnego x ∈ R mamy: x = x1 e1 + x2 e2 + ... + xn en , x = (x1 , ..., xn ), m X y = T (x) = n X i=1 aij xj f i . j=1 Widzimy, że odwzorowanie T jest jednoznacznie wyznaczone przez współczynniki aij . Co więcej, łatwo zauważyć, że m X n X aij xj f i = MT · x, i=1 j=1 gdzie a11 a21 .. . a12 a22 .. . . . . α1n . . . a2n MT = .. .. . . am1 am2 . . . amn jest macierzą odwzorowania T . Kolumny macierzy MT tworzą wektory, które są obrazami wektorów e1 , . . . , en poprzez przekształcenie liniowe T : MT = [T (e1 ) T (e2 ) ... T (en )]. Ostatecznie mamy T (x) = MT · x. Oznacza to, że zamiast badać odwzorowanie liniowe T : Rn 7→ Rm , możemy badać jego macierz MT ∈ M (m, n). 4.2 Przekształcenia płaszczyzny • identyczność: " x1 x2 T #! " # " 1 0 MT = ; 0 1 # # " a 0 0 b x = 1 , x2 • „rozciąganie i ściąganie”: " x1 x2 T #! " ax1 = , bx2 MT = # ; • Symetria względem prostej y = x: " T x1 x2 #! " # " x = 2 , x1 MT = 0 1 1 0 # ; • Obrót o kąt α ∈ [0, 2π): " T c FF x1 x2 #! " # cos αx1 − sin αx2 = , sin αx1 + cos αx2 " Rα = cos α − sin α sin α cos α # . str. 4 z 5 Algebra liniowa 4.3 III. Macierze Sumowanie i mnożenie macierzy a odwzorowania liniowe To w jaki sposób (i kiedy) dodajemy i mnożymy macierze jest ściśle związane ze związkami macierzy z odwzorowaniami liniowymi. Dokładniej, 1. jeśli S, T : Rm 7→ Rn , ich macierze to MS , MT ∈ M (n, m), to MS+T = MS + MT , gdzie MS+T jest macierzą odwzorowania S + T , 2. jeśli S : Rp 7→ Rm , T : Rm 7→ Rn ich macierze to MS ∈ M (m, p), MT ∈ M (n, m), to MT ◦S = MT · MS , gdzie MT ◦S jest macierzą odwzorowania T ◦ S. Ważne pojęcia i zagadnienia: macierz, współczynniki macierzy, rodzaje macierzy, dodawanie, mnożenie, transpozycja macierzy i własności tych działań, reprezentacja odwzorowania liniowego, macierz odwzorowania liniowego macierze wybranych przekształceń płaszczyzny, zastosowania ekonomiczne macierzy. c FF str. 5 z 5