Przekształcenia liniowe - Polsko
Transkrypt
Przekształcenia liniowe - Polsko
Algebra Przekształcenia liniowe Aleksandr Denisiuk [email protected] Polsko-Japońska Wyższa Szkoła Technik Komputerowych zamiejscowy ośrodek dydaktyczny w Gdańsku ul. Brzegi 55 80-045 Gdańsk Algebra – p. 1 Przekształcenia liniowe Najnowsza wersja tego dokumentu dostepna ˛ jest pod adresem http://users.pjwstk.edu.pl/~denisjuk/ Algebra – p. 2 Przekształcenie zwiazane ˛ z macierza˛ • Niech dane bedz ˛ a˛ przestrzenie kolumn Rn oraz Rm . • Niech dana bedzie ˛ m × n macierz A x1 x2 • ϕA : Rn → Rm , ϕA : . 7→ x1 A(1) + x2 A(2) + · · · + xn A(n) , . . xn gdzie A(1) ,. . . ,A(n) — kolumny macierzy A. n P m • Y = ϕA (X) ∈ R , yi = aij xj , i = 1, . . . , m j=1 • ∀X, Y ∈ Rn ϕA (X + Y ) = ϕA (X) + ϕA (Y ) • ∀X ∈ Rn , ∀λ ∈ R ϕA (X + Y ) = ϕA (X) + ϕA (Y ) Algebra – p. 3 Przekształcenie Liniowe Definicja 1. Niech dane beda ˛ dwie przestrzenie liniowe Rn i Rm . Odwzorowanie ϕ : Rn → Rm , x 7→ ϕ(x) nazywa sie˛ przekształceniem liniowym, jeżeli 1. ∀α ∈ R, ∀Rn ∈ X ⇒ ϕ(αX) = αϕ(X) 2. ∀X, Y ∈ Rn ⇒ ϕ(X + Y ) = ϕ(X) + ϕ(Y ) Algebra – p. 4 Macierz przekształcenia liniowego • Niech dane bedzie ˛ przekształcenie liniowe ϕ : Rn → Rm . • ϕ(X) = ϕ( n P xj E )= n P xj ϕ(E (j) ) j=1 j=1 (j) a1j .. • ϕ(E (j) ) = . amj Definicja 2. Macierza˛ przekształcenia liniowego nazywamy zdefiniowana˛ wyżej macierz o wyrazach aij Twierdzenie 3. Miedzy ˛ przekształceniami liniowymi Rn → Rm a macierzami m × n ustalone jest wzajemnie-jednoznaczne odwzorowanie. Algebra – p. 5 Przykłady przekształceń liniowych Przykład 4. • Przekształcenie jednostkowe • Symetria wzgledem ˛ osi x na płaszczyźnie • Obrót o kat˛ θ • Obrót w przestrzeni x 7→ y 7→ z 7→ x • Funkcja liniowa Rn → R Algebra – p. 6 Działania liniowe na przekształceniach liniowych Twierdzenie 5. αϕA + βϕB = ϕαA+βB Algebra – p. 7 Dodawanie macierzy Definicja 6. Suma˛ dwóch macierzy A i B tego samego wymiary jest macierz C = A + B tegoż wymiary, taka że cij = aij + bij . 1 −1 0 Przykład 7. 2 + 2 = 4 . 3 4 7 Algebra – p. 8 Własności dodawania macierzy • A + B = B + A — przemienność, • (A + B) + C = A + (B + C) — łaczność ˛ • A + O = O + A = A — macierz zerowa jest elementem neutralnym, • dla każdej macierzy A istnieje macierz przeciwna −A, taka że A + (−A) = (−A) + A = O. • A − B = A + (−B). Algebra – p. 9 Mnożenie macierzy przez liczbe˛ Definicja 8. Iloczynem liczby rzeczywistej λ i macierzy A jest macierz C = λA tego samego wymiary, taka że cij = λaij . 1 Przykład 9. 5 · 2 −1 5 −1 0 = 10 0 . 3 −5 15 − 51 Algebra – p. 10 Właściwości mnożenia macierzy przez liczbe˛ • Mnożenie macierzy przez liczbe˛ posiada własności liniowości: ◦ 1 · A = A, ◦ (αβ)A = α(βA), ◦ α(A + B) = αA + αB , ◦ (α + β)A = αA + βA. Algebra – p. 11 Superpozycja przekształceń liniowych Twierdzenie 10. ϕAB = ϕA ϕB Definicja 11. Iloczynem macierzy A wymiaru n × r przez macierz B wymiaru r × m jest macierz C wymiaru n × m, której element cij jest równy cij = ai1 b1j + ai2 b2j + · · · + air brj = r X aik bkr . k=1 Przykład 12. ! 2 3 0 −11 7 12 3 −1 2 0 = −1 4 −11 −11 2 16 . −2 −3 1 4 5 1 13 −8 11 4 Uwaga 13. AB 6= BA Algebra – p. 12 Właściwości mnożenia macierzy • Założymy, że we wszystkich przypadkach mnożenie macierzy jest określone poprawnie. • A(BC) = (AB)C , • OA = O, AO = O,a • IA = AI = A,b • A(B + C) = AB + AC , • (A + B)C = AC + BC , • ∀λ ∈ R a A(λB) = λ(AB). w tym przykładzie O w każdym przypadku oznacza zerowa˛ macierz róż- nych wymiarów. b w tym przykładzie w każdym przypadku I oznacza jednostkowa˛ macierz różnych wymiarów. Algebra – p. 13 Rzad ˛ iloczynu macierzy Twierdzenie 14. Dowód. rank AB 6 min { rank A, rank B } • Niech C = AB • Dla wierszy C(i) i kolumn C (j) macierzy C : C(i) = A(i) B, C (j) = AB (j) . • Niech r1 = rank A oraz A(1) , . . . , A(r ) bed ˛ a˛ bazowymi 1 • A(k) = • • P r1 i=1 λki A(i) dla r1 < k 6 n P r1 λki A(i) B Wiec ˛ C(k) = A(k) B = i=1 P r1 i=1 λki C(i) dla r1 < k 6 n = P r1 i=1 λki A(i) B = C(1) , . . . , C(n) = C(1) , . . . , C(r1 ) • rank C 6 r1 –verte– Algebra – p. 14 Rzad ˛ iloczynu macierzy Twierdzenie 15. Dowód. cd. rank AB 6 min { rank A, rank B } • Analogicznie dla B • Niech r2 = rank B oraz B (1) , . . . , B (r2 ) bed ˛ a˛ bazowymi • B (k) = P r2 j=1 µkj B (j) dla r 2 • Wiec ˛ C (k) = AB (k) = A P r2 AB (j) P P r2 <k6m r2 (j) µ B kj j=1 = = i=1 µkj C (j) dla r2 < k 6 n (1) (1) (m) (r ) 2 • C ,...,C = C ,...,C j=1 µkj • rank C 6 r2 Algebra – p. 15 Macierze kwadratowe • Mn (Rn ) = Mn zbiór macierzy kwadratowych n × n • I ∈ Mn macierz jednostkowa ( 1, jeżeli i = j, • elementy macierzy jednostkowej δij = 0, jeżeli i 6= j (symbol Kroneckera) • ∀A ∈ Mn , AI = IA = A • I(λ) = λI macierz skalarna • ∀A ∈ Mn , AI(λ) = I(λ)A = A Twierdzenie 16. Niech Z Z = I(λ). Dowód. ∈ Mn oraz ∀A ∈ Mn , AZ = ZA. Wtedy Eij Algebra – p. 16 Macierz nieosobliwa Definicja 17. • Macierz A ∈ Mn jest nieosobliwa,˛ jeżeli rank A = n. • Macierz A ∈ Mn jest odwracalna, jeżeli istnieje A−1 (AA−1 = I ). Twierdzenie 18. Macierz jest odwracalna˛ wtedy i tyko wtedy, gdy jest nieosobliwa˛ Dowód. 1. n = rank I = rank A−1 A 6 rank A Rn = hE (1) , . . . E (n) i = hA(1) , . . . A(n) i Pn (j) (b) E = i=1 a′ji A(i) 2. (a) (c) I = AA′ ∈ Mn bedzie ˛ macierza˛ nieosobliwa. ˛ Wtedy At też jest macierza˛ nieosobliwa˛ oraz (At )−1 = (A−1 )t . Wniosek 19. Niech A Algebra – p. 17 Mnożenie przez macierz nieosobliwa˛ Twierdzenie 20. Niech B i C bed ˛ a˛ macierzami nieosobliwymi wzglednie ˛ m × m oraz n × n. Wtedy dla dowolnej m × n macierzy A rank BAC = rank A rank BAC 6 rank BA = rank BA(CC −1 ) = rank(BAC)C −1 6 BAC Dowód. Wniosek 21. Niech A, B ∈ Mn oraz AB = I (lub BA = I ). Wtedy B = A−1 . Wniosek 22. Niech A, B, . . . , C, D ∈ Mn bed ˛ a˛ nieosobliwe. Wtedy AB . . . CD teżbedzie ˛ macierza˛ nieosobliwa, ˛ oraz (AB . . . CD)−1 = D−1 C −1 . . . B −1 A−1 Algebra – p. 18 Macierze elementarne —Fs,t • Fs,t = 1 .. . 0 1 .. . , 1 .. . 1 0 .. . 1 s 6= t • Fs,t = I − Ess − Ett + Est + Ets • Fs,t A ⇐⇒ zamiana wierszy A(s) i A(t) Algebra – p. 19 Macierze elementarne —Fs,t (λ) • Fs,t (λ) = 1 .. . 1 λ .. , . 1 .. . 1 s 6= t • Fs,t (λ) = I + λEst • Fs,t (λ)A ⇐⇒ A(s) A(s) + λA(t) Algebra – p. 20 Macierze elementarne —Fs (λ) • Fs (λ) = 1 .. . λ .. . 1 λ 6= 0 • Fs (λ) = I + (λ − 1)Ess • Fs (λ)A ⇐⇒ A(s) λA(s) Algebra – p. 21 Sprowadzenie do postaci jednostkowej Twierdzenie 23. Niech A ∈ Mn bedzie ˛ nieosobliwa. ˛ Wtedy za pomoca˛ przekształceń elementarnych A można sprowadzić do postaci macierzy jednostkowej. Dowód. 1. Sprowadzamy do postaci schodkowej 2. Sprowadzamy do postaci jednostkowej Wniosek 24. Niech A ∈ Mn bedzie ˛ nieosobliwa. ˛ Wtedy za pomoca˛ mnożenia przed macierze elementarne A można sprowadzić do postaci macierzy jednostkowej: I = Pk . . . P1 A, gdzie P1 , . . . , Pk — sa˛ macierze elementarne. Wniosek 25. Pk . . . P1 = A−1 Algebra – p. 22 Obliczenie macierzy odwrotnej (A|I) P1 (P1 A|P1 ) P2 (P2 P1 A|P2 P1 ) ... Pk ... (Pk . . . P2 P1 A|Pk . . . P2 P1 ) = (I|A−1 ) −1 0 2 0 0 −1 Przykład 26. 1. 1 1 −1 = 12 0 1 2 1 −1 2 −2 −1 1 1 −1 1 1 1 −4 4 1 −1 1 1 1 1 4 −4 2. = 1 1 1 4 1 −1 1 4 1 1 1 1 1 −1 4 4 1 0 1 1 4 1 4 − 41 1 4 1 4 1 4 1 4 − 14 Algebra – p. 23 Google • Uporzadkować ˛ strony (wyniki wyszukiwania) • Ważność strony P jest I(P ) • Niech strona Pj ma li odnośników • Jeżeli Pj ma link na Pi , strona Pj przekazuje I(Pj )/lj swojej ważności na Pi • Ważność Pi wyniesie X I(Pj ) I(Pi ) = , lj Pj ∈Bi gdzie Bi jest zbiorem stron z odnośnikami do Pi Algebra – p. 24 Google — podejście algebraiczne • Maciezr hiperlinków H : hij = ( 1 lj , jeżeli Pj 0 w pozostałych przypadkach ∈ Bi ◦ hij > 0 P ◦ i hij = 1 ◦ H jest macierza˛ stochastyczna˛ P1 . • Wektor ważności I = .. Pn • Równanie ważności I = HI ◦ I jest wektorem stacjonarnym przekształcenia ϕH Algebra – p. 25 Google — przykład 0 0 1 2 0 1 2 0 0 1 H= 0 0 0 0 0 0 0 0 0 0 1 2 1 3 0 0 0 0 1 2 1 3 1 3 0 0 0 0 0 0 0 0 0 0 1 3 1 3 1 3 0 0 0 0 0 0 0 1 1 3 0 0 0 1 3 0 0 1 3 0 0 0 0 0 1 2 1 2 0 Algebra – p. 26 Google — ważności wyników 0,0600 0,0675 0,0300 0,0675 I= 0,0975 0,2025 0,1800 0,2950 Algebra – p. 27