Викиконспекты - Вклад участника [ru]

Ядро и образ линейного оператора

2018-06-25T22:52:34Z

140.82.54.46:

{{Определение
|definition=
Пусть <tex>\mathcal{A}: X \rightarrow Y</tex> {{---}} линейный оператор. 

'''Ядром''' линейного оператора <tex>\mathcal{A}</tex> называется множество <tex>~{Ker\mathcal{A}} = \{x\in X \mid \mathcal{A}x = 0 \}</tex>
}}

{{Определение
|definition=
Пусть <tex>\mathcal{A}: X \rightarrow Y</tex> {{---}} линейный оператор. 

'''Образом''' линейного оператора <tex>\mathcal{A}</tex> называется множество <tex>~{Im\mathcal{A}} = \{y\in Y \mid y = \mathcal{A}x \}</tex> ''(множество значений)''
}}

{{Лемма
|statement=Ядро и образ линейного оператора являются подпространствами линейных пространств <tex>X</tex> и <tex>Y</tex> соответственно.
}}

{{Теорема
|about=O ядре и базисе
|statement = <tex>\dim Ker\mathcal{A} + \dim Im\mathcal{A} = n = \dim X</tex>
|proof=
<tex>Ker\mathcal{A}</tex> {{---}} подпространство <tex>X</tex>

'''Шаг 1.''' Пусть <tex>\dim Ker\mathcal{A} = k;\ 0 \leqslant k \leqslant n</tex>

<tex>\{e\}_{i = 1}^{k}</tex> {{---}} базис <tex>Ker\mathcal{A}</tex> <tex>(\forall e_i : \mathcal{A}e_i = 0\ (i = 1..k))</tex>

Дополним <tex>\{e\}_{i = 1}^{k}</tex> до базиса <tex>X</tex>, получим базис <tex>\{e\}_{i = 1}^{n}</tex>, где <tex>n = \dim X</tex>

'''Шаг 2.''' Докажем, что <tex>Im\mathcal{A}</tex> {{---}} линейная оболочка <tex>\{ \mathcal{A}e_{k+1}\ ...\ \mathcal{A}e_n \}</tex>

Рассмотрим <tex>x = \xi^1 e_1 + \xi^2 e_2 +\ ...\ + \xi^n e_n</tex>

<tex>\mathcal{A}x = 0 +\ ...\ + 0 + \mathcal{A}e_{k+1} +\ ...\ + \mathcal{A}e_n = y \in Im\mathcal{A}</tex>

'''Шаг 3.''' Осталось доказать следующее: <tex>\dim</tex> Л.О.<tex>\{\mathcal{A}e_{k+1}\ ...\ \mathcal{A}e_n\} = n - k = \dim Im\mathcal{A}</tex>

Докажем от противного.

Пусть <tex>\{\mathcal{A}e_{k+1}\ ...\ \mathcal{A}e_n\}</tex> {{---}} линейно зависимы <tex>\Rightarrow</tex> существует нетривиальная линейная комбинация, что <tex>\alpha_{k+1}\mathcal{A}e_{k+1} +\ ...\ + \alpha_n\mathcal{A}e_n = 0 \ (*)</tex>

Пусть <tex>z = \alpha_{k+1}e_{k+1} +\ ...\ + \alpha_{n}e_n</tex>

Рассмотрим <tex>\mathcal{A}z = \alpha_{k+1}\mathcal{A}e_{k+1} +\ ...\ + \alpha_n\mathcal{A}e_n = 0</tex> в соответствии с <tex>(*)</tex>

Получаем, что <tex>z \in Ker\mathcal{A} \Rightarrow z=\sum\limits_{i=1}^{k} \alpha_ie_i</tex>, что противоречит выбору <tex>z</tex>

Значит, <tex>\dim Im\mathcal{A} = n - k</tex>
}}

== Функции от линейного оператора ==

Пусть <tex>\mathcal{A} \colon X \to X</tex>

<tex>\mathcal{A}^n = \mathcal{A} \cdot\ ...\ \cdot \mathcal{A}</tex> (n раз)

<tex> p_m(\lambda) = \sum\limits_{j = 0}^m \alpha_j \lambda^j \longrightarrow p_m(\mathcal{A}) = \sum\limits_{j = 0}^m \alpha_j \mathcal{A}^j \ (\mathcal{A}^0 = J)</tex>

Если <tex>\exists \mathcal{A}^{-1}</tex>, то переходим к квазиполиномам:
<tex>p_{m, k} = \sum\limits_{j = -k}^m \alpha_j \mathcal{A}^j</tex>

== Источники ==

* Анин конспект. Гы

[[Категория: Алгебра и геометрия 1 курс]]
[[Категория: Линейные операторы]]

Пространство линейных операторов

2018-06-25T22:39:36Z

140.82.54.46: fix one more mistake

Рассмотрим <tex>X \times Y = \{</tex> все Л.О. <tex>\mathcal{A} \colon X \to Y\}</tex> 

{{Определение
|definition= Пусть <tex>\mathcal{A}, \mathcal{B} \colon X \to Y;\quad \mathcal{A}, \mathcal{B} \in X \times Y</tex> 

Отображение <tex>\mathcal{C}</tex> называется суммой <tex>\mathcal{A}</tex> и <tex>\mathcal{B}\ (\mathcal{C} = \mathcal{A} + \mathcal{B})</tex>, если <tex>\forall x \in X \colon \mathcal{C}x = \mathcal{A}x + \mathcal{B}x</tex>
}}

{{Определение
|definition= Пусть <tex>\mathcal{A} \colon X \to Y;\quad \mathcal{A} \in X \times Y</tex> 
Отображение <tex>\mathcal{D}</tex> называется произведением <tex>\mathcal{A}</tex> на число <tex>\lambda\ (\mathcal{D} = \mathcal{A} \cdot \lambda)</tex>, если <tex>\forall x \in X \colon \mathcal{D}x = \lambda \mathcal{A}x</tex>
}}

{{Лемма
|statement=<tex>\mathcal{C}</tex> и <tex>\mathcal{D}</tex> {{---}} суть(являются) линейные операторы
|proof = Покажем, что:
# <tex>\mathcal{C}(x_1 + x_2) = \mathcal{C}x_1 + \mathcal{C}x_2</tex>
# <tex>\mathcal{C}(\lambda x) = \lambda \mathcal{C}x</tex>

Аналогично, покажем то же самое для <tex>\mathcal{D}</tex>
}}

{{Теорема
|statement = <tex>X \times Y</tex> {{---}} линейное пространство над полем <tex>F</tex>
|proof= Проверим все 8 аксиом лп. Все они будут выполняться:
# <math>\mathbf{x} + \mathbf{y} = \mathbf{y} + \mathbf{x}</math>, для любых <math>\mathbf{x}, \mathbf{y}\in X \times Y</math> (''коммутативность сложения'');
# <math>\mathbf{x} + (\mathbf{y} + \mathbf{z}) = (\mathbf{x} + \mathbf{y}) + \mathbf{z}</math>, для любых <math>\mathbf{x}, \mathbf{y}, \mathbf{z} \in X \times Y</math> (''ассоциативность сложения'');
# существует такой элемент <math>\theta \in X \times Y</math>, что <math>\mathbf{x} + \theta = \mathbf{x}</math> для любого <math>\mathbf{x} \in X \times Y</math> (''существование нейтрального элемента относительно сложения''), в частности <math>X \times Y</math> не пусто;
# для любого <math>\mathbf{x} \in X \times Y</math> существует такой элемент <math>-\mathbf{x} \in X \times Y</math>, что <math>\mathbf{x} + (-\mathbf{x}) = \theta</math> (''существование противоположного элемента относительно сложения'').
# <math>\alpha(\beta\mathbf{x}) = (\alpha\beta)\mathbf{x}</math> (''ассоциативность умножения на скаляр'');
# <math>1\cdot\mathbf{x} = \mathbf{x}</math> (''унитарность: умножение на нейтральный (по умножению) элемент поля F сохраняет вектор'').
# <math>(\alpha + \beta)\mathbf{x} = \alpha \mathbf{x} + \beta \mathbf{x}</math> (''дистрибутивность умножения на вектор относительно сложения скаляров'');
# <math>\alpha(\mathbf{x} + \mathbf{y}) = \alpha \mathbf{x} + \alpha \mathbf{y}</math>(''дистрибутивность умножения на скаляр относительно сложения векторов'').

}}

{{Определение
|definition= <tex>X \times Y</tex> называется прямым произведением пространств <tex>X</tex> и <tex>Y</tex>
}}

{{Лемма
|statement= Пусть <tex>\mathcal{A} \leftrightarrow A</tex>, <tex>\mathcal{B} \leftrightarrow B</tex>, <tex>\mathcal{C} \leftrightarrow C</tex>, <tex>\mathcal{D} \leftrightarrow D</tex>
<tex> \mathcal{C} = \mathcal{A} + \mathcal{B}</tex>,
<tex> \mathcal{D} = \lambda \mathcal{A}</tex>

Тогда: <tex>C = A + B;\quad D = \lambda A</tex>
}}

{{Теорема
|statement = Пусть <tex>F_n^m = \{</tex> все матрицы <tex>A_{[m \times n]} = \begin{Vmatrix} \alpha^i_k \end{Vmatrix},\ \alpha^i_k \in F \}</tex> 
<tex>X \times Y</tex> изоморфно <tex>F_n^m</tex>
|proof=
<tex> \mathcal{A} \overset{\underset{\mathrm{!}}{}}{\longleftrightarrow} A</tex> (единственным образом)

<tex> \{e_i\}_{i=0}^{n}</tex> {{---}} базис <tex>X ;\quad \{h_k\}_{k=0}^{m}</tex> {{---}} базис <tex>Y</tex>

Рассмотрим <tex>\mathcal{E}_k^i \colon X \to Y </tex> по формуле <tex>\mathcal{E}_k^i x \overset{\underset{\mathrm{def}}{}}{=} \xi^{i} h_k; \quad x \overset{\underset{\mathrm{!}}{}}{=} \sum\limits_{i=0}^{n} \xi^i e_i</tex>

Матрица <tex>\mathcal{E}^i_k e_j = \delta^i_j h_k</tex>

<tex>e_j = \begin{pmatrix}
0 \\
\vdots \\
1 \\
\vdots \\
0
\end{pmatrix} \leftarrow j</tex>

<tex>\mathcal{E}^i_k \longleftrightarrow E^i_k = \begin{pmatrix}
0 & \cdots & 0 & \cdots & 0 \\
\vdots & \ & \vdots & \ & \vdots \\
0 & \cdots & 1 & \cdots & 0 \\
\vdots & \ & \vdots & \ & \vdots \\
0 & \cdots & 0 & \cdots & 0 \\
\end{pmatrix} \leftarrow h_k \\
</tex>

Базис <tex>F_n^m</tex> состоит из таких же матриц
}}

{{Теорема
|statement = <tex>\{\mathcal{E}^i_k\}^{i = \overline{1, n}}_{k = \overline{1, m}}\ </tex> {{---}} базис <tex>X \times Y</tex>
}}

== Ссылки ==
* [[Линейный оператор]]

== Источники ==
* Анин конспект

[[Категория: Алгебра и геометрия 1 курс]]
[[Категория: Линейные операторы]]

Обратная матрица

2018-06-25T19:41:59Z

140.82.54.46: fix typo

{{Определение
|definition='''Обратная матрица''' - такая матрица <tex>A^{-1}</tex>, при умножении на которую, исходная матрица <tex>A</tex> даёт в результате единичную матрицу <tex>E</tex>
: <math>\! AA^{-1} = A^{-1}A = E</math>
}}
==Обратимость в алгебре==
{{Определение
|definition=Пусть <tex>X</tex> - алгебра над <tex>F</tex>. <tex>e \in X</tex> называется единицей <tex>X</tex>, если <tex>\forall x \in X: e*x=x*e=x</tex>, причем <tex>e</tex> единственна
}}

{{Определение
|definition=Пусть в алгебре <tex>X: x*y=e</tex>, тогда <tex>X</tex> называется левым обратным по отношению к <tex>y</tex>, а <tex>y</tex> - правым обратным по отношению к <tex>x</tex>
}}

{{Определение
|definition=Пусть <tex>z \in X</tex>. Левый обратный элементу <tex>z</tex>, являющийся одновременно и правым обратным к нему, называется обратным и обозначается <tex>z^{-1}</tex>. При этом сам элемент называется обратимым.
}}

{{Лемма
|statement=
Пусть <tex>x,y,z \in</tex> алгебре <tex>X</tex>

<tex>xz=e, \ x</tex> {{---}} левый обратный

<tex>zy=e, \ y</tex> {{---}} правый обратный.

Тогда <tex>z</tex> обратим, при этом <tex>z^{-1}=x=y</tex> и <tex>z^{-1} - !</tex>
|proof=
'''Факт 1.''' <tex>x \cdot z \cdot y=(x \cdot z) \cdot y=e \cdot y=y</tex>, но <tex>x \cdot z \cdot y=x \cdot (z \cdot y)=x \cdot e=x \Rightarrow x=y</tex>, тогда по определению <tex>z^{-1}=x=y</tex>.

'''Факт 2.''' Пусть <tex>\exists z^{-1}, \ \tilde{z}^{-1}</tex>
<tex>z^{-1} \cdot z \cdot \tilde{z}^{-1}=(z^{-1} \cdot z) \cdot \tilde{z}^{-1}=e \cdot \tilde{z}^{-1}=\tilde{z}^{-1}</tex>, но <tex>z^{-1} \cdot z \cdot \tilde{z}^{-1}=z^{-1} \cdot (z \cdot \tilde{z}^{-1})=z^{-1} \cdot e=z^{-1} \Rightarrow z^{-1}=\tilde{z}^{-1} \Rightarrow z^{-1}-!</tex>
}}

==Критерий обратимости матрицы==
{{Теорема
|statement=
Квадратная матрица <tex>A</tex> обратима (имеет обратную матрицу) тогда и только тогда, когда она невырожденная, то есть <tex>\det A \neq 0</tex>.
|proof =
'''Шаг 1.''' Если матрица <tex>A</tex> обратима, то <tex>AB = E</tex> для некоторой матрицы <tex>B</tex>. Тогда, если квадратные матрицы одного и того же порядка, то <tex>\det AB = \det A \cdot \det B</tex>:

<tex>1 = \det E = \det AB = \det A \cdot \det B</tex>, следовательно, <tex>\det A \neq 0, \det B \neq 0</tex>.

'''Шаг 2.''' Докажем обратное утверждение. Пусть <tex>\det A \ne 0</tex>.

1) Докажем существование правой обратной матрицы <tex>B</tex>.

Предположим <tex>\exists B: AB=E</tex>, где <tex>A=\Vert \alpha_{k}^{i} \Vert, \ B=\Vert \beta_{k}^{i} \Vert, \ E=\Vert \delta_{k}^{i} \Vert</tex>

<tex>AB=E: \sum\limits_{j=1}^{n} \alpha_{j}^{i} \beta_{k}^{j}=\delta_{k}^{i}, \ (i,k=1..n)</tex>, фиксируем <tex>k</tex>, тогда:

<tex>(\beta_{k}^{1}...\beta_{k}^{n})^T \rightarrow (\xi^1...\xi^n)^T</tex>, тогда получим, что <tex>\sum\limits_{j=1}^{n} \alpha_{j}^{i} \xi^{j}=\delta_{k}^{i} \Rightarrow A=\Vert \alpha_{k}^{i} \Vert </tex> {{---}} матрица системы уравнений, так как <tex>\det A \ne 0</tex>, то по Крамеру <tex>\exists! (\xi^1...\xi^n)^T</tex>

В итоге для всех <tex>k</tex> получим матрицу <tex>B</tex>, что и требовалось.

2) Докажем существование левой обратной матрицы <tex>C</tex>.

Предположим <tex>\exists C: CA=E \Rightarrow \sum\limits_{j=1}^{n} \gamma_{i}^{j}\alpha_{j}^{k}=\delta_{k}^{i}</tex>

Фиксируем <tex>i</tex>, тогда <tex>(\gamma_{1}^{i}...\gamma_{n}^{i}) \rightarrow (\xi_1...\xi_n)</tex>,получаем заполнение по строчкам, аналогично первому пункту показываем <tex>\exists C</tex>.

3) Тогда по лемме <tex>C=B=A^{-1}</tex>, теорема доказана.
}}

==Свойства обратной матрицы==
* <math dpi = "145">\det A^{-1} = \frac{1}{\det A}</math>
* <math dpi = "145">\ (AB)^{-1} = B^{-1}A^{-1}</math>
* <math dpi = "145">\ (A^T)^{-1} = (A^{-1})^T</math>
* <math dpi = "145">\ (kA)^{-1} = k^{-1}A^{-1}</math>

== Методы нахождения обратной матрицы ==
=== Метод Гаусса для нахождения обратной матрицы ===
Возьмём две матрицы: саму <tex>A</tex> и <tex>E</tex>. Приведём матрицу <tex>A</tex> к единичной матрице методом Гаусса. После применения каждой операции к первой матрице применим ту же операцию ко второй. Когда приведение первой матрицы к единичному виду будет завершено, вторая матрица окажется равной <tex>A^-1</tex>.

====Пример====
Найдем обратную матрицу для матрицы
:<math dpi = "145"> A =
\begin{bmatrix}
2 & -1 & 0 \\
-1 & 2 & -1 \\
0 & -1 & 2
\end{bmatrix}.
</math>
*'''1)''' Для начала убедимся, что ее определитель не равен нулю(она невырожденная).

*'''2)''' Справа от исходной матрицы припишем единичную.
:<math dpi = "145"> [ A | I ] =
\left[ \begin{array}{rrr|rrr}
2 & -1 & 0 & 1 & 0 & 0\\
-1 & 2 & -1 & 0 & 1 & 0\\
0 & -1 & 2 & 0 & 0 & 1
\end{array} \right].
</math>

*'''3)''' Методом Гаусса приведем левую матрицу к единичной, применяя все операции одновременно и к левой, и к правой матрицам.
:<math dpi = "145"> [ I | B ] =
\left[ \begin{array}{rrr|rrr}
1 & 0 & 0 & \frac{3}{4} & \frac{1}{2} & \frac{1}{4}\\[3pt]
0 & 1 & 0 & \frac{1}{2} & 1 & \frac{1}{2}\\[3pt]
0 & 0 & 1 & \frac{1}{4} & \frac{1}{2} & \frac{3}{4}
\end{array} \right].
</math>

*'''4)''' <tex dpi = "145">A^{-1} = B</tex>

=== Метод присоединенной матрицы ===

<math dpi = "145">A^{-1} = \frac{\widehat{A}^T}{\det A}</math>, где <math> \widehat{A}</math> — присоединенная матрица;
{{Определение
|definition= '''Присоединенная(союзная, взаимная) матрица''' — матрица, составленная из алгебраических дополнений для соответствующих элементов исходной матрицы.
}}

<math dpi = "145">\widehat{A}= \begin{pmatrix}
{A}_{11} & {A}_{12} & \cdots & {A}_{1n} \\
{A}_{21} & {A}_{22} & \cdots & {A}_{2n} \\
\vdots & \vdots & \ddots & \vdots \\
{A}_{n1} & {A}_{n2} & \cdots & {A}_{nn} \\
\end{pmatrix}</math>

Исходная матрица:

<math dpi = "145">{A}= \begin{pmatrix}
{a}_{11} & {a}_{12} & \cdots & {a}_{1n} \\
{a}_{21} & {a}_{22} & \cdots & {a}_{2n} \\
\vdots & \vdots & \ddots & \vdots \\
{a}_{n1} & {a}_{n2} & \cdots & {a}_{nn} \\
\end{pmatrix}</math>

Где:

* <math dpi = "145">\widehat{A}</math> — присоединённая(союзная, взаимная) матрица;
* <math dpi = "145">{A}_{ij}</math> — алгебраические дополнения исходной матрицы;
* <math dpi = "145">{a}_{ij}</math> — элементы исходной матрицы.

'''Алгебраическим дополнением''' элемента <math dpi = "145">\ a_{ij}</math> матрицы <math dpi = "145">\ A</math> называется число

<math dpi = "145">\ A_{ij}=(-1)^{i+j}M_{ij}</math>,

где <math dpi = "145">\ M_{ij}</math> — дополнительный минор, определитель матрицы, получающейся из исходной матрицы <math dpi = "145">\ A</math> путем вычёркивания ''i'' -й строки и ''j'' -го столбца.

<math dpi="145">M_{ij} = det\begin{pmatrix}
a_{11} & a_{12} & \cdots & a_{1(j-1)} & a_{1(j+1)} & \cdots & a_{1n} \\
\vdots & \vdots & \ddots & \vdots & \vdots & \ddots & \vdots \\
a_{(i-1)1} & a_{(i-1)2} & \cdots & a_{(i-1)(j-1)} & a_{(i-1)(j+1)} & \cdots & a_{(i-1)n} \\
a_{(i+1)1} & a_{(i+1)2} & \cdots & a_{(i+1)(j-1)} & a_{(i+1)(j+1)} & \cdots & a_{(i+1)n} \\
\vdots & \vdots & \ddots & \vdots & \vdots & \ddots & \vdots \\
a_{n1} & a_{n2} & \cdots & a_{n(j-1)} & a_{n(j+1)} & \cdots & a_{nn} \\
\end{pmatrix}</math>
====Алгоритм получения обратной матрицы====
:*заменить каждый элемент исходной матрицы на его алгебраическое дополнение - в результате будет получена присоединенная матрица
:*разделить каждый элемент транспонированной присоединенной матрицы на определитель исходной матрицы.

<tex dpi="145">A^{-1} = \widehat{A}^T \times \frac{1}{det A}</tex>

==Ссылки==
* [http://neerc.ifmo.ru/wiki/index.php?title=Обратный_оператор Обратный оператор]
==Источники==
* [http://ru.wikipedia.org/wiki/Обратная_матрица Википедия {{---}} Обратная матрица]

* [http://ru.wikipedia.org/wiki/Союзная_матрица Википедия {{---}} Союзная матрица]

* [http://ru.wikipedia.org/wiki/Алгебраическое_дополнение Википедия {{---}} Алгебраическое дополнение]

* [http://en.wikipedia.org/wiki/Invertible_matrix Wikipedia {{---}} Invertible matrix]

* Анин конспект
[[Категория: Алгебра и геометрия 1 курс]]
[[Категория: Линейные операторы]]