Matrisler (3) – Matrislerin Özellikleri – Matrisler Nasıl Hesaplanır? – Matris Sistemleri – Matrisler Ödev Yaptırma
Ödevcim Online, Matrisler, Matris Nasıl Hesaplanır, Matrisler ve Doğrusal Dönüşümler, Matris Ödevi, Matris Yaptırma, Matris Ödevi Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Matris danışmanlık, Matris yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.
Matrislerin Özellikleri
Doğrusal cebirde çalışmanın amacı doğrusal operatörlerdir. Doğrusal operatörlerin sıralı bazların seçimleri yoluyla matrisler olarak temsil edilebileceğini ve matrislerin verimli bir hesaplama aracı sağladığını gördük.
Şimdi matrislerin derinlemesine incelemesine başlıyoruz.
Tanım i = 1, …, r için bir r × k matrisi M = (mij); j = 1, …, k dikdörtgen bir gerçek (veya karmaşık) sayı dizisidir:
Mij sayılarına giriş denir. Üst simge, matrisin satırını indeksler ve alt simge mij’nin göründüğü matrisin sütununu indeksler.
R × 1 matrisine v = (v1r) = (vr) sütun vektörü denir,
1 × k matrisine v = (vk1) = (vk) satır vektörü denir ve v = v1 v2 ··· vk ile yazılır.
Bir sütun vektörünün devri, karşılık gelen satır vektörüdür ve bunun tersi de geçerlidir:
Misal
Sonra ve (vT) T = v. Bu bir evrim örneğidir, yani iki kez yapıldığında hiçbir şey yapmayan bir işlem.
Matris, bilgiyi depolamanın etkili bir yoludur.
Örnek :
Bilgisayar grafiklerinde, .gif uzantılı görüntü dosyalarıyla karşılaşmış olabilirsiniz. Bu dosyalar aslında sadece matrislerdir: dosyanın başlangıcında matrisin boyutu verilir, bundan sonra her sayı görüntüdeki belirli bir pikselin rengini gösteren bir matris girişi olur.
Daha sonra bu matrisin satırları biraz karıştırılır: örneğin, her sekizinci satırı listeleyerek, dosyayı indiren bir web tarayıcısı, indirme tamamlanmadan önce resmin tamamlanmamış bir sürümünü görüntülemeye başlayabilir.
Son olarak, dosya boyutunu azaltmak için matrise bir sıkıştırma algoritması uygulanır.
Örnek :
Telefon ağlarından hava yolu rotalarına kadar birçok uygulamada grafikler görülür. Grafik teorisi konusunda, bir grafik, sadece bir tepe noktaları ve köşeleri birbirine bağlayan bazı kenarların bir toplamıdır. Kaç kenarın bir tepe noktasını diğerine bağladığını belirtmek için bir matris kullanılabilir.
Örneğin, yukarıda resmedilen grafik aşağıdaki matrise sahip olacaktır; burada mij, i ve j olarak etiketlenen köşeler arasındaki kenarların sayısını gösterir:
Bu mij = mji olduğu için simetrik bir matris örneğidir.
Bitişiklik Matrisi Örneği
Tüm r × k matrislerinin kümesi
Mrk: = {(mij) | mij ∈ R; i ∈ {1, …, r}; j ∈ {1 … k}},
aşağıdaki gibi tanımlanan toplama ve skaler çarpma ile bir vektör uzayıdır:
M + N = (m ij) + (n ij) = (m ij + n ij) rM = r (mij) = (rmij)
Başka bir deyişle, toplama sadece iki matrise karşılık gelen girdileri ekler ve skaler çarpma her girişi çarpar. M1n = Rn’nin yalnızca sütun vektörlerinin vektör uzayı olduğuna dikkat edin.
Kuralı kullanarak bir r × 1 sütun vektörü üretmek için bir r × k matrisini bir k × 1 sütun vektörüyle çarpabileceğimizi hatırlayın.
Bu, bir r × k matrisi M’yi ak × s matrisi N ile çarpma kuralını önerir: k × s matrisimiz N, her biri k × 1 boyutuna sahip s sütun vektörlerinden yan yana oluşur. R × k’mizi çarpabiliriz Bu s sütun vektörlerinin her biriyle matris M, zaten bildiğimiz kuralı kullanarak, her biri r × 1 boyutundaki s sütun vektörlerini elde ederek. Bu s sütun vektörlerini yan yana yerleştirirsek, bir r × s matrisi MN elde ederiz.
Yani, N1’den Ns’ye kadar olan sütunları çağıralım:
O zaman Kısaca: i = 1 için M = (mij) ise, …, r; j = 1, …, k ve N = (nij), i = 1, …, k; j = 1, …, s, sonra MN = L burada i = i, …, r için L = (lij); j = 1, …, s tarafından verilir.
Bu kural doğrusallığa uyar.
Çarpmanın anlamlı olması için sütunların ve satırlar eşleşmelidir. Bir r × k matrisi M ve bir s × m matrisi N için, MN çarpımını yapmak için k = s olmalıdır. Benzer şekilde NM ürünü için m = r olması gerekir. Belirli bir üründe yer alan matrislerin boyutlarını takip etmek için yaygın bir kısaltma aşağıdaki diyagramdır.
r × k çarpı k × m r × m
Örnek :
Bir (3 × 1) matris ile (1 × 2) matrisin çarpılması bir (3 × 2) matris verir.
Matris çarpımını görüntülemenin başka bir yolu da nokta çarpımlarıdır:
MN girişleri, N sütunlarıyla M satırlarının iç çarpımlarından yapılır.
Örnek :
Bu gerçeğin bariz ama önemli bir sonucu vardır:
Teorem M bir matris ve x bir sütun vektörü olsun. Mx = 0 ise o zaman x vektörü M’nin sıralarına diktir.
Açıklama: Bir matrisin sütunlarının skaler katlarını toplayarak elde edilebilen tüm vektörlerin kümesine sütun uzayı denildiğini unutmayın.
Benzer şekilde satır uzayı, bir matrisin satırlarının katlarının toplanmasıyla elde edilen tüm satır vektörlerinin kümesidir. Yukarıdaki teorem, Mx = 0 ise, x vektörünün M’nin satır uzayındaki her vektöre dik olduğunu söyler.
R × k matrislerinin Rk → Rr yoluyla doğrusal dönüşümleri temsil etmek için kullanılabileceğini biliyoruz.
Bu, bir r × k matrisini bir k × 1 vektörü ile çarparak bir r × 1 vektörü oluşturduğumuzda kullanılan kuralın aynısıdır.
Benzer şekilde, matrislerin vektör uzayının doğrusal dönüşümünü tanımlamak için bir matris N = (nij) kullanabiliriz.
Örneğin;
Bu, matrisleri çarpmak için kullandığımız kural ile aynıdır. Diğer bir deyişle, L (M) = NM doğrusal bir dönüşümdür.
Matris Terminolojisi M = (mij) bir matris olsun. Mi girişleri köşegen olarak adlandırılır ve {m1, m2, …} kümesi matrisin köşegeni olarak adlandırılır.
Herhangi bir r × r matrisine kare matris denir. Tüm diyagonal olmayan girişler için sıfır olan bir kare matris, köşegen matris olarak adlandırılır. Kare köşegen matris örneği (2 0 0 – 0 3 3 – 0 0 0)
Tüm köşegen girdileri 1’e eşit olan r × r köşegen matrisi, kimlik matrisi, Ir veya sadece I olarak adlandırılır. Bir kimlik matrisi şöyle görünür: Kimlik matrisi özeldir çünkü r × k boyutundaki tüm M için IrM = MIk = M olur.
Tanım Bir r × k matrisinin devrik M = (mij) k × r matrisidir
M T = (mˆ ij) mˆ ij = mji’yi sağlayan girişlerle M = MT ise M matrisi simetriktir.
Örnek :
Gözlemler
• Yalnızca kare matrisler simetrik olabilir.
• Bir sütun vektörünün devri bir satır vektörüdür ve bunun tersi de geçerlidir.
• Bir matrisin devrikini iki kez almak hiçbir şey yapmaz. yani, (M T) T = M. Teorem 7.3.2 (Transpoze ve Çarpma). M, N gibi matrisler olsun
(MN) T = NTMT
Bu teoremin kanıtı, İnceleme Sorusu 2’ye bırakılmıştır.
Ödevcim Online, Matrisler, Matris Nasıl Hesaplanır, Matrisler ve Doğrusal Dönüşümler, Matris Ödevi, Matris Yaptırma, Matris Ödevi Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Matris danışmanlık, Matris yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.
Grafik teorisi Matrislerin Özellikleri sütun vektörler sütunların ve satırlar uygulamada grafikler