Podprzestrzenie macierzowe

Podobne dokumenty
Podprzestrzenie macierzowe

Podprzestrzenie macierzowe

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2

1. Relacja preferencji

ZAGADNIENIE TRANSPORTOWE

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

Funkcja wiarogodności

MACIERZE STOCHASTYCZNE

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Zaawansowane metody numeryczne

Indukcja matematyczna

UKŁADY RÓWNAŃ LINOWYCH

( ) WŁASNOŚCI MACIERZY

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.

Matematyka dyskretna. 10. Funkcja Möbiusa

Zmiana bazy i macierz przejścia

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

Portfel złożony z wielu papierów wartościowych

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

JEDNOWYMIAROWA ZMIENNA LOSOWA

Regresja REGRESJA

Diagonalizacja macierzy kwadratowej

Modelowanie i Analiza Danych Przestrzennych

Projekt 2 2. Wielomiany interpolujące

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

1. MACIERZE, WEKTORY. θ θ. Wybrane z wykładów

. Wtedy E V U jest równa

8.1 Zbieżność ciągu i szeregu funkcyjnego

ROZKŁADY ZMIENNYCH LOSOWYCH

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982.

FUNKCJE DWÓCH ZMIENNYCH

WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORATORIUM II PROGRAMOWANIE CELOWE, ILORAZOWE I MIN-MAX. min. min

Wykład 11. a, b G a b = b a,

Elementy rach. macierzowego Materiały pomocnicze do MES Strona 1 z 7. Elementy rachunku macierzowego

Analiza Matematyczna Ćwiczenia. J. de Lucas

ANALIZA INPUT - OUTPUT

Badania Operacyjne (dualnośc w programowaniu liniowym)

Prawdopodobieństwo i statystyka r.

Zadania z algebry liniowej - sem. I Liczby zespolone

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI

A B - zawieranie słabe

Wybrane własności kurtozy wektora losowego

Zadania egzaminacyjne

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I PODSTAWY IDENTYFIKACJI

VI. TWIERDZENIA GRANICZNE

Prawdopodobieństwo i statystyka r.

2. Wartości własne i wektory własne macierzy

Analiza Matematyczna I.1

Równania rekurencyjne

Operatory zwarte Lemat. Jeśli T jest odwzorowaniem całkowym na przestrzeni Hilberta X = L 2 (Ω) z jądrem k L 2 (M M)

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej

Teoria i metody optymalizacji

R j v tj, j=1. jest czynnikiem dyskontującym odpowiadającym efektywnej stopie oprocentowania i.

n R ZałóŜmy, Ŝe istnieje d, dla którego: Metody optymalizacji Dr inŝ. Ewa Szlachcic otwarte otoczenie R n punktu x, Ŝe

Matematyczny opis ryzyka

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =

Współczynnik korelacji rangowej badanie zależności między preferencjami

7 Liczby zespolone. 7.1 Działania na liczbach zespolonych. Liczby zespolone to liczby postaci. z = a + bi,

Parametryzacja rozwiązań układu równań

11/22/2014 STRATEGIE MIESZANE - MOTYWACJA. ROZWAśMY PRZYKŁAD:

5. OPTYMALIZACJA NIELINIOWA

STATYSTYKA OPISOWA WYKŁAD 3,4

Temat: Operacje elementarne na wierszach macierzy

Lista 6. Kamil Matuszewski 26 listopada 2015

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

Modele wartości pieniądza w czasie

Zaawansowane metody numeryczne

Niech Φ oznacza funkcję zmiennej x zależną od n + 1 parametrów a 0, a 1, K, a n, tj.

[ ] WSPÓŁCZYNNIK EKSCESU WEKTORA LOSOWEGO. Wprowadzenie. Katarzyna Budny =, (1)

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

A A A A11 A12 A1. m m mn

Przekształcenia liniowe

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3

PRZEDZIAŁOWE METODY ROZWIĄZYWANIA ALGEBRAICZNYCH RÓWNAŃ NIELINIOWYCH MECHANIKI KONSTRUKCJI

ALGEBRA LINIOWA Informatyka 2015/2016 Kazimierz Jezuita. ZADANIA - Seria 1. Znaleźć wzór na ogólny wyraz ciągu opisanego relacją rekurencyjną: x

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne

Układy równań i równania wyższych rzędów

O trzech elementarnych nierównościach i ich zastosowaniach przy dowodzeniu innych nierówności

Zadania z analizy matematycznej - sem. I Szeregi liczbowe

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

m) (2.2) p) (2.3) r) (2.4)

Relacje rekurencyjne. będzie następująco zdefiniowanym ciągiem:

METODY KOMPUTEROWE 1

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

3. OPTYMALIZACJA NIELINIOWA

System finansowy gospodarki

Transkrypt:

Podprzestrzee macerzowe werdzee: Dla dwóch macerzy A B o tych samych wymarach zachodz: ( ) ( ) wersz a) R A R B A ~ B Dowód: wersz a) A ~ B stee P taka że PA B 3 0 A 4 3 0 0 E A B 0 0 0 E B 3 6 4 0 0 0 0 3 4 0 0 spa(a) spa(b) poeważ ezerowe wersze w macerzach E A E B są take same. kol b) R( A) R( B) A ~ B z y P - a R A y : a y A y P PA a z B a R B ( ) - ( ) ( ) ( ) spa( ) spa( ) m m wersz R A R B A, A,..., A B,B,...,B A ~ B b) dowód przebega aalogcze ak w (a) zastępuąc odpowedo A, B przez A, B. Przykład: Czy astępuące zbory wektorów apaą tą samą podprzestrzeń : {( 3) ( 4 3) ( 3 6 4) } {( ) ( ) } A,,,,,,,,,,, B 0, 0,,,,, 3, 4 Kostruuemy macerze A B, których werszam są wektory ze zborów A B: Wykład -

D: Podprzestrzee macerzowe werdzee: Nech A będze macerzą o wymarach mâ, a U dowolą macerzą w postac schodkowe otrzymaą z macerzy A: (a) ezerowe wersze macerzy U apaą przestrzeń werszowąr(a ), (b) kolumy podstawowe w macerzy A apaą przestrzeń kolumowąr(a). wersz ( ) ( ) a) A ~ U R A R U b) Nech b, b,, b r oraz,,, t ozaczaą odpowedo podstawowe epodstawowe kolumy macerzy A. Macerz Q ech będze macerzą permutac przestawaącą kolumy podstawowe a lewą stroę, tak że AQ ( Bm r Nm t) Kolumy epodstawowe są lowym kombacam kolum podstawowych mogą być wyzerowae za pomocą operac elemetarych a kolumach macerzy AQ : ( ) ( ) ( ) ( ) AQ Q B N Q B 0 Q Q Q : AQ B 0 A ~ B 0 m r m t Przykład: Zadź zbory apaące przestrzee R(A) R(A ), eśl: 3 0 A 4 3 ( A ) spa, R ( ) 0 R A spa, 3 6 4 3 0 kol Wykład -3

Podprzestrzee macerzowe Defca: Jądrem odwzorowaa f : m azywamy zbór ( f) f ( ) { x x 0} werdzee: ( f ) est podprzestrzeą. A : x, x f f x + x f x + f x 0 N x + x N f M : x N f α f α x α f x 0 α x N f D: ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Defca: Przestrzeą zerową (ądrem) macerzy A mâ azywamy zbór ( ) N A { x Ax 0} Defca: Lewostroą przestrzeą zerową (lewostroym ądrem) macerzy A mâ azywamy zbór ( ) m N A { y m ya 0} Przykład: Zadź zbór apaący przestrzeńn(a) gdze A 3 4 6 Poszukway zbór to ogóle rozwązae rówaa Ax 0 R R x x 3x3 3 3 E A x x x + x 0 x h + x h 0 0 0 x x 3 3 0 A spa h,h A węc ( ) ( ) 3 3 Wykład -4

Podprzestrzee macerzowe Wosek: Aby zaleźć zbór apaący przestrzeńn(a) gdze rz(a mâ ) r ależy zredukować A do postac schodkowe U, a astępe rozwązać rówae Ux 0 wyrażaąc zmee podstawowe przez zmee wole zaduąc w te sposób ogóle rozwązae rówaa Ax 0 w postac x x f h + x f h +... + x f h r r Zbór wektorów { h,h,...,h r } apa przestrzeń est ezależy od postac schodkowe macerzy U. werdzee: Jeśl rz(a mâ ) r oraz PA U, gdze P est macerzą eosoblwą, a U est macerzą w postac schodkowe, wtedy ostate m-r werszy macerzy P apa lewostroą przestrzeń zerową macerzy A. z. eśl P P P gdze P ma wymar (m-r)âm wtedy N A R P ( ) ( ) ( ) Wykład -5

Norma eukldesowa wektora Defca: Normą (eukldesową) wektora azywamy lczbę: / x x x x gdy x x / x x x x gdy x Defca: Iloczyem skalarym (stadardowym) w przestrzeach C azywamy odpowedo: x y x y oraz x y * x y werdzee (erówość Cauchy-Buyatovsk-Schwarz (CBS): Dla dowolych wektorów x,y spełoy est waruek x y x y przy czym rówość zachodz wtedy tylko wtedy gdy y αx dla αx y / x x. x y x y Dowód: Nech α x x x * 0 α x y ( α x y) ( α x y) α x ( α x y) y ( α x y) y ( α x y) y x ( x y)( y x) y x x y 0< x y y α y x x y x y x x Wykład -6

Nerówo wość trók kąta werdzee (erówość trókąta): Dla dowolych wektorów x,y zachodz: x + y x + y x + y x + y x + y x x + x y + y x + y y x + x y + y x + y Dowód: ( ) ( ) x + y x + x y + y x + y * ( ) ( ) ( ) x y + y x x y + x y Re x y x y x y Nerówość trókąta moża rozszerzyć a dowolą lczbę wektorów: x x Z erówośc trókąta wyka dole ograczee a ormę różcy wektorów: x x y + y x y + y x y x y y x y x x y + x x y x y x y x y ( ) Nerówość trókąta spełoa est także dla lczb (rzeczywstych lub zespoloych): α α Wykład -7

p-orma / Defca: p-ormą wektora x gdze p r azywamy p p Własośc: x p x x p 0 oraz x p 0 x 0 α x p α x p dla każdego α x + y x p + y p p x y x p y gdze + q p q p-ormy stosowae w praktyce: x x x / p p x lm x p lm x max x p p Przykład: Nech x ( 3,4 3,) wtedy x 9 x 35 x 5 Przykład: Czym są w w przestrze 3 tzw. p-sfery { x x p } dla p,,? p S S S / x Wdać, że w 3 zachodz x x x Wykład -8

Poęce ormy w przestrze wektorowe Defca: Normą określoą a rzeczywste lub zespoloe przestrze wektorowe V azywamy fukcę odwzorowuącąvw, która speła astępuące waruk: x 0 oraz x 0 x 0 α x α x dla każdego α x + y x + y m Defca: Normą (Frobeusa) macerzy A azywamy lczbę określoą przez: Jak waruek powa spełać ogóla orma loczyu macerzy? Ax A x A x A x Ax A x F a, ( ) A A A r A A F F F Mówmy, że ormy: Frobeusa macerzy eukldesowa wektora są zgode. AB [ AB] AB A B A B A B F F F F F AB A B F F F Wykład -9

Norma macerzy Defca: Normą macerzy azywamy fukcę odwzorowuącą zbór wszystkch macerzy zespoloych (o skończoych wymarach) w, która speła astępuące waruk: A 0 oraz A 0 A 0 α A α α α A dla każdego α A + B A + B AB A B Każda orma zdefowaa dla wektora z p, p m, dukue odpowedą ormę macerzy z mâ m A max Ax dla A, x x A 0 oraz A 0 A 0 α A max α Ax α max Ax α A ( ( ) A + B max A + B x ) max( Ax + Bx ) max( Ax + Bx ) max( Ax ) + max( Bx ) A + B ( ( ( ) ) ) ( ( ) A Bx AB max AB x max A Bx ) max Bx x x x Bx A( Bx) max max( Bx ) max( Ay ) max( Bx ) A B x Bx x y x Wykład -0 0

Normy dukowae macerzy -orma (awększa suma modułów A max ( Ax ) max a elemetów kolum) x Ax A x a x a x x a ( )( max ) ( ), x a max a A k Nech będze kolumą o awększe sume modułów elemetów. Wyberaąc x e k dostaemy Aek A k max a. A węc zachodz rówość. -orma (awększa spośród sum modułów elemetów werszy) A max ( Ax ) max a x Ax max a x max a x max a A k Nech będze werszem o awększe sume modułów elemetów. dla a A x k 0 a x a x dla a k < 0 Ak x ak max a Wykład -

Normy dukowae macerzy -orma (tzw. orma spektrala, dukowaa przez ormę eukldesową) A max Ax λ Jeśl A est macerzą eosoblwą, wówczas mamy λ, λ max m Przykład: Zadź ormy dukowae A, A oraz A macerzy 3 A 3 0 8 8 A +. 3 3 A 4. 3 3 A F r( A A ) 6. 45 det( A A I) 3 λ λ ( 3 λ ) λ m oraz λ max 4 3 λ A λ λ max x ( ) max A - m( Ax ) λ x to odpowedo awększa amesza wartość własa macerzy A A. Uwaga: Uwaga dla macerzy kwadratowych stopa zachodz A α A gdze α to elemet (,) macerzy: F * * * F * m Wykład -