ALGEBRA Z GEOMETRIĄ MACIERZE ODWZOROWAŃ LINIOWYCH

Podobne dokumenty
a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn a 1j a 2j R i = , C j =

1 Zbiory i działania na zbiorach.

ALGEBRA Z GEOMETRIĄ LINIOWA NIEZALEŻNOŚĆ, ROZPINANIE I BAZY

ALGEBRA Z GEOMETRIĄ BAZY PRZESTRZENI WEKTOROWYCH

ALGEBRA Z GEOMETRIĄ OD RÓWNAŃ DO ODWZOROWAŃ LINIOWYCH

ALGEBRA Z GEOMETRIĄ PIERŚCIEŃ WIELOMIANÓW

ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ

1 Macierz odwrotna metoda operacji elementarnych

13 Układy równań liniowych

ALGEBRA Z GEOMETRIĄ PIERŚCIENIE, CIAŁA I HOMOMORFIZMY

Macierze. Rozdział Działania na macierzach

1 Elementy logiki i teorii mnogości

Algebra liniowa. 1. Macierze.

Równania liniowe. Rozdział Przekształcenia liniowe. Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem

dr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory;

MATEMATYKA I SEMESTR ALK (PwZ) 1. Sumy i sumy podwójne : Σ i ΣΣ

Zadania z algebry liniowej - sem. I Przestrzenie liniowe, bazy, rząd macierzy

macierze jednostkowe (identyczności) macierze diagonalne, które na przekątnej mają same

Wykład 14. Elementy algebry macierzy

Wykład 5. Ker(f) = {v V ; f(v) = 0}

15. Macierze. Definicja Macierzy. Definicja Delty Kroneckera. Definicja Macierzy Kwadratowej. Definicja Macierzy Jednostkowej

Algebra liniowa z geometrią

Baza w jądrze i baza obrazu ( )

, A T = A + B = [a ij + b ij ].

φ(x 1,..., x n ) = a i x 2 i +

Wykład 5. Metoda eliminacji Gaussa

Wprowadzenie do metod numerycznych Wykład 3 Metody algebry liniowej I Wektory i macierze

1 Macierze i wyznaczniki

Przekształcenia liniowe

ALGEBRA Z GEOMETRIĄ CIAŁO FUNKCJI WYMIERNYCH

Przekształcenia liniowe

Zaawansowane metody numeryczne

Met Me ody numer yczne Wykład ykład Dr inż. Mic hał ha Łanc Łan zon Instyt Ins ut Elektr Elektr echn iki echn i Elektrot Elektr echn olo echn

Treść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego.

Metody numeryczne Wykład 4

a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ...

Wykład 7 Macierze i wyznaczniki

Rozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm

Jak łatwo zauważyć, zbiór form symetrycznych (podobnie antysymetrycznych) stanowi podprzestrzeń przestrzeni L(V, V, K). Oznaczamy ją Sym(V ).

ALGEBRA LINIOWA. Wykład 2. Analityka gospodarcza, sem. 1. Wydział Zarządzania i Ekonomii Politechnika Gdańska

Matematyka stosowana i metody numeryczne

Zastosowania wyznaczników

. : a 1,..., a n F. . a n Wówczas (F n, F, +, ) jest przestrzenią liniową, gdzie + oraz są działaniami zdefiniowanymi wzorami:

2 1 3 c c1. e 1, e 2,..., e n A= e 1 e 2...e n [ ] M. Przybycień Matematyczne Metody Fizyki I

3. Macierze i Układy Równań Liniowych

Lista. Algebra z Geometrią Analityczną. Zadanie 1 Przypomnij definicję grupy, które z podanych struktur są grupami:

3. Wykład Układy równań liniowych.

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa

Układy równań liniowych

O MACIERZACH I UKŁADACH RÓWNAŃ

cx cx 1,cx 2,cx 3,...,cx n. Przykład 4, 5

Programowanie liniowe

MACIERZE I WYZNACZNIKI

[ A i ' ]=[ D ][ A i ] (2.3)

Podstawowe struktury algebraiczne

Wyznaczniki. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 6. Wykład z algebry liniowej Warszawa, listopad 2013

ALGEBRA LINIOWA Z GEOMETRIĄ, LISTA ZADAŃ NR 8

Wykład 12 i 13 Macierz w postaci kanonicznej Jordana , 0 A 2

"Bieda przeczy matematyce; gdy się ją podzieli na więcej ludzi, nie staje się mniejsza." Gabriel Laub

5. Rozwiązywanie układów równań liniowych

MATEMATYKA I SEMESTR ALK (PwZ) 1. Sumy i sumy podwójne : Σ i ΣΣ

Rozwiązywanie układów równań liniowych metody dokładne Materiały pomocnicze do ćwiczeń z metod numerycznych

Analiza matematyczna i algebra liniowa Macierze

1.1 Definicja. 1.2 Przykład. 1.3 Definicja. Niech G oznacza dowolny, niepusty zbiór.

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. wykład z algebry liniowej Warszawa, styczeń 2009

4 Przekształcenia liniowe

Informatyka Stosowana. a b c d a a b c d b b d a c c c a d b d d c b a

Grupy, pierścienie i ciała

A A A A A A A A A n n

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 14. wykład z algebry liniowej Warszawa, styczeń 2017

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 14. wykład z algebry liniowej Warszawa, styczeń 2011

, to liczby γ +δi oraz γ δi opisują pierwiastki z a+bi.

Chcąc wyróżnić jedno z działań, piszemy np. (, ) i mówimy, że działanie wprowadza w STRUKTURĘ ALGEBRAICZNĄ lub, że (, ) jest SYSTEMEM ALGEBRAICZNYM.

Obliczenia naukowe Wykład nr 8

R n = {(x 1, x 2,..., x n ): x i R, i {1,2,...,n} },

DB Algebra liniowa semestr zimowy 2018

Zaawansowane metody numeryczne

5. Algebra działania, grupy, grupy permutacji, pierścienie, ciała, pierścień wielomianów.

Macierz o wymiarach m n. a 21. a 22. A =

Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u

Układy równań i nierówności liniowych

Sylabus do programu kształcenia obowiązującego od roku akademickiego 2012/13

2. Układy równań liniowych

Finanse i Rachunkowość studia niestacjonarne/stacjonarne Model Przepływów Międzygałęziowych

Rozwiązywanie układów równań liniowych

Układy równań liniowych

Analiza numeryczna Kurs INP002009W. Wykłady 6 i 7 Rozwiązywanie układów równań liniowych. Karol Tarnowski A-1 p.

Elementy projektowania inzynierskiego Przypomnienie systemu Mathcad

Macierze i Wyznaczniki

Układy równań liniowych i metody ich rozwiązywania

Krótkie wprowadzenie do macierzy i wyznaczników

PRZEWODNIK PO PRZEDMIOCIE

Analiza funkcjonalna 1.

19 marzec, Łańcuchy Markowa z czasem dyskretnym. Procesy Stochastyczne, wykład 6, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136

2 Rachunek macierzowy, metoda eliminacji Gaussa-Jordana Wprowadzenie teoretyczne Zadania... 9

1 Pochodne wyższych rzędów

Przestrzenie wektorowe

Zaawansowane metody numeryczne

Programowanie liniowe

Działania na przekształceniach liniowych i macierzach

Transkrypt:

ALGEBRA Z GEOMETRIĄ 1/10 MACIERZE ODWZOROWAŃ LINIOWYCH Piotr M. Hajac Uniwersytet Warszawski Wykład 12, 08.01.2014 Typeset by Jakub Szczepanik.

Motywacje 2/10 W celu wykonania obliczeń numerycznych w zagadnieniach fizycznych niezbędne jest podanie jednostek w których mierzone są wielkości fizyczne. Te jednostki są jakby układem odniesienia w którym mierzymy dane wielkości. Bazy modułów pełnią rolę układów odniesienia w których mierzymy odwzorowania liniowe. Pozwalają zamienić odwzorowania liniowe na macierze i wykonać obliczenia numeryczne.

Macierze, wiersze i kolumny Definicje Niech I i J będą niepustymi zbiorami a R pierścieniem. Macierzą I J o współczynnikach w R nazywamy odwzorowanie M : I J R. Wartości M nazywamy elementami macierzowymi i oznaczamy M ij := M ((i, j)). Zbiór wszystkich takich macierzy odznaczamy przez M I J (R). Jeśli I = J, to piszemy w skrócie M I (R). Elementy M I (R) nazywamy macierzami kwadratowymi. Jeśli I = {1,..., n}, to używamy oznaczenia M n (R) := M I (R). Analogicznie, M kl (R) oznacza M I J (R) dla I = {1,..., k} i J = {1,..., l}. Definicje Wierszem i-tym macierzy M nazywamy odwzorowanie J j R i M ij R. Kolumną j-tą macierzy M nazywamy odwzorowanie I i C j M ij R. 3/10

Macierz homomorfizmu Niech V, W i Z będą wolnymi prawymi R-modułami o bazach odpowiednio I, J i K. Niech f Hom R (V, W ) oraz g Hom R (W, Z). Wtedy g f Hom R (V, Z). Definicja Macierzą odwzorowania liniowego f w bazach I i J nazywamy odwzorowanie J I (j, i) M JI(f) f ji R, gdzie f ji są jedynymi elementami R spełniającymi równanie f(i) =: jf ji. j J Jedyność wynika z jednoznaczości współczynników rozwinięcia w danej bazie. 4/10

Przykład 5/10 Niech R := Z, V := Z 2, W := Z 3, I := {(1, 0), (0, 1)}, J = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}. Rozpatrzmy odwzorowanie liniowe Z 2 f (m, n) (m + n, m n, 2m) Z 3. Obliczmy teraz wartości f na elementach bazy dziedziny i rozwińmy w bazie przeciwdziedziny: f((1, 0)) = (1, 1, 2) = (1, 0, 0)1 + (0, 1, 0)1 + (0, 0, 1)2, f((0, 1)) = (1, 1, 0) = (1, 0, 0)1 + (0, 1, 0)( 1) + (0, 0, 1)0. Porządkując bazy I i J jak wyżej, otrzymujemy następujący wykres macierzy M JI (f) odwzorowania liniowego f w bazach I i J: 1 1 (1, 0, 0) j (f ji ) = 1 1 (0, 1, 0) 2 0 (0, 0, 1) i (1, 0) (0, 1).

Spostrzeżenia 1 Wykres odwzorowania definiuje odwzorowanie, więc zazwyczaj wykresy macierzy nazywamy macierzami. 2 Każda kolumna macierzy odwzorowania liniowego ma zawsze skończoną ilość niezerowych wartości bo rozwinięcie w bazie jest zawsze skończone. 3 Odwrotnie, dowolna macierz M : J I R o tej własności zadaje odwzorowanie liniowe: V v fm jm ji v i W, gdzie v =: iv i. i I, j J i I 4 Mamy M JI (f M ) = M i f MJI (f) = f, a dla dodawań punktowych M JI (f +g) = M JI (f)+m JI (g). 5 Macierz odwzorowania liniowego przekształca współczynniki wg wzoru f(v) = j J jw j j J : w j = f ji v i, i I gdzie v =: iv i. i I 6/10

Mnożenie macierzy 7/10 Definicja Mnożenie macierzy M : I J R i N : J K R takich że wszystkie wiersze M lub wszystkie kolumny N mają skończoną ilość niezerowych wartości zdefiniowane jest wzorem: MN : I K (i, k) (MN) ik := j J M ij N jk R. MNOŻENIE MACIERZY JEST DZIECINNIE PROSTE!

Homomorfizm jako mnożenie macierzy 8/10 O współczynnikach v V możemy myśleć jako o macierzy odwzorowania liniowego R r vr V w bazach odpowiednio {1} i I: v i1 := v i. Zatem współczynniki wektora przy działaniu odwzorowania liniowego przekształcają się przez mnożenie macierzy: w j1 := w j = i I f jiv i1. Na przykład, odwzorowanie liniowe Z 2 (m, n) (m + n, m n, 2m) Z 3 w kanonicznej bazie zapisuje się jako mnożenie macierzy: 1 1 ( ) m m + n 1 1 = m n. n 2 0 2m

Macierz złożenia homomorfizmów 9/10 Jak wyliczyć M KI (g f) : K I R znając M JI (f) : J I R i M KJ (g) : K J R? Także przez mnożenie macierzy: (g f)(i) = g j J jf ji = k g kj f ji k K j J = g(j)f ji = j J j J implikuje (g f) ki = g kj f ji. To oznacza że j J M KI (g f) = M KJ (g)m JI (f). kg kj f ji k K

Przykład Niech R := Z, E n baza standardowa Z n, f jak poprzednio, oraz Z 3 (p, q, r) g (2p + r, q) Z 2. Wtedy (g f) ((m, n)) = g ((m + n, m n, 2m)) = (4m + 2n, m n). Z drugiej strony, g ((1, 0, 0)) = (2, 0) = (1, 0)2 + (0, 1)0, g ((0, 1, 0)) = (0, 1) = (1, 0)0 + (0, 1)1, g ((0, 0, 1)) = (1, 0) = (1, 0)1 + (0, 1)0, ( ) 2 0 1 skąd M E2 E 3 (g) =. Zatem M 0 1 0 E2 E 2 (g f) = ( ) 1 1 2 0 1 M E2 E 3 (g)m E3 E 2 (f) = 1 1 = 0 1 0 2 0 To się zgadza z ( 4 2 1 1 ) ( ) m = n ( 4m + 2n m n ). ( ) 4 2. 1 1 10/10