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.

Örnek :

Bir matrisin çekirdeğinin hesaplanması;

Bu son satırdaki iki sütun vektörü, c1, c2, c3, c4 sütunları arasındaki doğrusal ilişkileri tanımlar.

Özellikle − 2c1 + 1c2 = 0 ve − c1 − c3 + c4 = 0 olur.

Genel olarak, bir matrisin çekirdeğinin açıklaması, {v1, v2, biçiminde olmalıdır. . . pivot olmayan her sütun için bir vektör vi ile vn}. Standart prosedüre uymak için, her bir pivot olmayan sütunun solundaki sütunlar açısından nasıl tanımlanacağını düşünün; bu, her vektörün sıfır olmayan son girişi olarak 1’e sahip olduğu formun bir ifadesini verecektir. (Sütun Azaltılmış Aşamalı Form, CREF’i düşünün.)

Arttırılmış matrisleri tekrar düşünürsek, eğer bir matrisin çekirdeğinde birden fazla eleman varsa, o zaman Mx = 0’a çoklu çözümlerin varlığı RREFM ̸ = I anlamına geldiği için tersinemez değildir. fonksiyonun tersinir olduğu anlamına gelmez.

Örnek :

ker = (1 1 0, 0 1 1) = (0 0), çünkü matris pivot olmayan sütunlara sahip değildir.
Bununla birlikte (1 1 0, 0 1 1): R2 → R3 tersine çevrilemez çünkü ortak alanında (1 0 0) gibi kendi aralığında olmayan birçok şey vardır.

Önemsiz bir çekirdek, bize tersinirlik için gerekli olanın sadece yarısını verir. Teorem 16.2.2. Doğrusal bir dönüşüm L: V → W 
kerL = {0V} olur.

Kanıt : Bu teoremin kanıtı, İnceleme Alıştırması 2’dir. Doğrusal

Teorem : Eğer L: V −−− → W ise ker L, V’nin bir alt uzayıdır.

Kanıt : L (v) = 0 ve L (u) = 0 ise, o zaman sabitler için c, d, L (cu + dv) = 0 olduğuna dikkat edin. Altuzay teoremine göre L’nin çekirdeği, V’nin bir alt uzayıdır.

Örnek :

L: R3 → R, L (x, y, z) = (x + y + z) ile tanımlanan doğrusal dönüşüm olsun. O halde kerL, x + y + z = 0 olacak şekilde tüm (x, y, z) ∈ R3 vektörlerinden oluşur. Bu nedenle, küme
V = {(x, y, z) ∈R3 | x + y + z = 0}  R3’ün bir alt uzayıdır.

L: V → V olduğunda, yukarıdaki teoremin L’nin özuzayları açısından bir yorumu vardır. L’nin sıfır özdeğerine sahip olduğunu varsayalım. Daha sonra ilişkili özuzay, Lv = 0v = 0 olacak şekilde tüm v vektörlerinden oluşur; L’nin 0-özuzayı tam olarak L’nin çekirdeğidir.

L (x, y) = (x + y, x + 2y, y) olduğu örnekte, L, R2’yi R3’teki orijinden geçen bir düzleme eşlediğinden, L haritası açık bir şekilde kapsayıcı değildir. Ancak başlangıç ​​noktasından geçen herhangi bir düzlem bir alt uzaydır. Genel olarak, eğer w = L (v) ve w ′ = L (v ′) ise, bu durumda herhangi bir c, d sabiti için L’nin doğrusallığının, cw + dw ′ = L (cv + dv ′) formülü olur.

Şimdi alt uzay teoremi tekrar çarpıyor ve aşağıdaki teoremimiz var:

Teorem : L: V → W doğrusal ise, L (V) aralığı W’nin bir alt uzayıdır.

Örnek :

L (x, y) = (x + y, x + 2y, y) olsun. L aralığı, orijinden geçen bir düzlemdir ve dolayısıyla R3’ün bir alt uzayıdır. Aslında, standart temeldeki L matrisi (1 1 0, 1 2 1) olur.

Bu matrisin sütunları, L fonksiyonunun olası çıktılarını kodlar çünkü,

Lx, y = (1 1 0, 1 2 1) (x, y) = x (1 1 0) + y (1 2 1),

Böylece;

Bu nedenle, tabanlar ve doğrusal bir dönüşüm verildiğinde, insanlar genellikle onun aralığına karşılık gelen matrisin sütun uzayı olarak başvururlar.

L aralığının temelini bulmak için, S = {v1, temeli ile başlayabiliriz. . . , V için vn} O halde L için en genel girdi α1v1 + ··· + αnvn biçimindedir. Buna karşılık, en genel çıktısı şöyle görünür:
L􏰁α1v1 + ··· + αnvn􏰂 = α1Lv1 + ··· + αnLvn ∈span {Lv1, … Lvn}. Böylece
L (V) = açıklık L (S) = aralık {Lv1,. . . , Lvn}.

Ancak, {Lv1,. . . , Lvn} doğrusal olarak bağımsız olmayabilir; çözümünde,

c1Lv1 + ··· + cnLvn = 0,

olup olmadığını belirlemek için L (S) = {Lv1, …, Lvn} ‘in unsurları arasındaki ilişkileri bularak, bir temele ulaşılana kadar vektörleri atabiliriz. Bu temelin boyutu, L’nin sıralaması olarak bilinen L aralığının boyutudur.

Tanım Doğrusal dönüşümün derecesi L, aralığının boyutudur. Doğrusal dönüşümün boşluğu, çekirdeğin boyutudur.

Bu numaraların gösterimi

boş L: = dim ker L,

sıra L: = sönük L (V) = sönük ran L.

Teorem : (Boyut Formülü). L: V → W doğrusal bir dönüşüm, V sonlu boyutlu bir vektör uzayı1 olsun. Sonra:

dimV = dimkerV + dimL (V) = nullL + rankL.

Kanıt : V için bir temel seçin:

{v1, …, vp, u1, …, uq},

v1 nerede,. . . , vp aynı zamanda ker L için de bir temeldir. Bu, örneğin L çekirdeği için bir temel bularak ve ardından V için bir temel oluşturarak her zaman yapılabilir. O zaman p = nullL ve p + q = dimV. O zaman q = rankL olduğunu göstermemiz gerekir. Bunu başarmak için, {L (u1), …, L (uq)} ‘nin L (V) için bir temel olduğunu gösteriyoruz.

Bunu görmek için {L (u1),. . . , L (uq)} L (V) ‘yi kapsar, L (V)’ deki herhangi bir w vektörünü düşünün. O zaman ci, dj sabitlerini şu şekilde bulabiliriz:

w = L (c1v1 + ··· + cpvp + d1u1 + ··· + dquq)
= c1L (v1) + ··· + cpL (vp) + d1L (u1) + ··· + dqL (uq) = d1L (u1) + ··· + dqL (uq) çünkü L (vi) = 0,
⇒L (V) = aralık {L (u1), …, L (uq)}.

Şimdi {L (u1), olduğunu gösteriyoruz. . . , L (uq)} doğrusal olarak bağımsızdır. Çelişki ile tartışıyoruz. Varsayalım ki sabitler dj (hepsi sıfır değil) öyle ki

0 = d1L (u1) + ··· + dqL (uq)
= L (d1u1 + ··· + dquq).

Ancak uj doğrusal olarak bağımsız olduğundan, o zaman d1u1 + · · · + dquq ̸ = 0 ve bu nedenle d1u1 + ··· + dquq L’nin çekirdeğindedir.Ancak d1u1 + ··· + dquq aralık içinde olmalıdır {v1,. . . , vp}, çünkü bu çekirdek için bir temel oluşturuyordu. Bu, {v1, …, vp, u1, …, uq} ‘nin V için bir temel olduğu varsayımıyla çelişiyor, bu yüzden işimiz bitti.

Örnek :

(Satır sıralaması, sütun sıralamasına eşittir)
M’nin bir m × n matris olduğunu varsayalım. Matris M’nin kendisi doğrusal bir dönüşümdür M: Rn → Rm, ancak aynı zamanda bazı doğrusal dönüşümlerin matrisi de olmalıdır.

L: V – → W.

Burada ,dimV = nanddimW = m olduğunu biliyoruz. TherankofthemapL, görüntüsünün boyutu ve ayrıca M’nin doğrusal olarak bağımsız sütunlarının sayısıdır. Bu nedenle, bu bazen M’nin sütun sıralaması olarak adlandırılır. Boyut formülü çekirdeğin boyutunu, yani boşluğu tahmin eder: null L = dimV – rankL = n – r.

Çekirdeği hesaplamak için doğrusal sistemi inceleyeceğiz

Mx = 0,

Bu, n vektörü x için m denklemlerini verir. Bir matrisin satır sıralaması, doğrusal olarak bağımsız satırların sayısıdır (vektörler olarak görüntülenir). Doğrusal olarak bağımsız her M satırı, n vektörü x tarafından sağlanan bağımsız bir denklem verir. X üzerindeki her bağımsız denklem, çekirdeğin boyutunu bir azaltır, dolayısıyla satır sıralaması s ise, nullL + s = n. Böylece iki denklemimiz var:

null L + s = n ve null L = n – r.

Bunlardan r = s sonucunu çıkarıyoruz. Başka bir deyişle, M’nin satır sıralaması, sütun sırasına eşittir.

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.

The post Matrisler (27) – Çekirdek Örnekleri – Matrisler Ödev Yaptırma first appeared on Online (Parayla 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.

Alt Uzaylar ve Yayılma Kümeleri

Alt uzaylar

Tanım U, V’nin miras alınan toplama ve skaler çarpma işlemleri altındaki bir vektör uzayı ise, V vektör uzayının U alt kümesinin V’nin bir alt uzayı olduğunu söylüyoruz.

Misal :
Başlangıç noktasından geçen R3’te bir P düzlemini düşünün:
ax + by + cz = 0.

Bu denklem homojen sistem 􏰁a b c􏰂 x, y, z = 0 veya z olarak ifade edilebilir.

MX = 0withM teması􏰁a b c􏰂. EğerX1 veX2, her iki çözüm içinMX = 0 ise, matris çarpımının doğrusallığına göre, μX1 + νX2 de öyle:

M (μX1 + νX2) = μMX1 + νMX2 = 0.

Böylece P toplama ve skaler çarpma altında kapalıdır. Ek olarak, P orijini içerir (yukarıdan μ = ν = 0 ayarlanarak türetilebilir). Diğer tüm vektör uzayı gereksinimleri P için geçerlidir çünkü bunlar R3’teki tüm vektörler için geçerlidir.

Teorem.  (Altuzay Teoremi). U, V vektör uzayının boş olmayan bir alt kümesi olsun. O zaman U, ancak ve ancak, u1 + νu2 ∈ U, U’da u2 ve keyfi sabitler μ, ν ise bir alt uzaydır.

Kanıt. Bu ispatın bir yönü kolaydır: Eğer U bir altuzaysa, o zaman bir vektör uzayıdır ve bu nedenle vektör uzaylarının toplamsal kapanma ve çarpımsal kapanma özellikleriyle, tüm u1 için μu1 + νu2 ∈ U olduğu doğru olmalıdır, U’da u2 ve tüm sabitler μ, ν.

Diğer yön de hemen hemen aynı derecede kolaydır: eğer u1 + νu2 ∈ U ise, U’daki tüm u1, u2 ve tüm sabitler μ, ν ise, U’nun bir vektör uzayı olduğunu göstermemiz gerekir. Yani, vektör uzaylarının on özelliğinin karşılandığını göstermemiz gerekiyor. Katkı kapatma ve çarpımsal kapatma özelliklerinin karşılandığını zaten biliyoruz. Dahası, U diğer sekiz özelliğin tamamına sahiptir çünkü V bunlara sahiptir.

Alt uzay teoreminin gereksinimlerinin genellikle “kapanma” olarak anıldığına dikkat edin.

Bir kümenin vektör uzayı olup olmadığını kontrol etmek için bu teoremi kullanabiliriz. Yani, daha büyük bir V vektör uzayından gelen bazı U vektörleri kümesine sahipsek, U’nun kendisinin daha küçük bir vektör uzayı oluşturup oluşturmadığını kontrol etmek için sadece iki şeyi kontrol etmemiz gerekir:

1. U’da herhangi iki vektör toplarsak, U’da bir vektör mü elde ederiz?
2. U’daki herhangi bir vektörü herhangi bir sabitle çarparsak,
vektör U?

Bu soruların her ikisinin de cevabı evet ise, U bir vektör uzayıdır. Değilse, U bir vektör uzayı değildir.

Alt Uzaylar Oluşturmak

103 U = 0, 1 ⊂R kümesini düşünün. 0 0

U yalnızca iki vektörden oluştuğu için, bu vektörlerin herhangi bir sabit katı da U’da olması gerektiğinden, U’nun bir vektör uzayı olmadığı açıktır. Örneğin, 0 vektörü U’da değildir ve vektör toplama altında U kapalı değildir. .
Ancak herhangi iki vektörün bir düzlemi tanımladığını biliyoruz:

Bu durumda, U’daki vektörler, R3’teki xy düzlemini tanımlar. Xy düzlemini, U’daki iki vektörün doğrusal bir kombinasyonu olarak ortaya çıkan tüm vektörlerin kümesi olarak görebiliriz. Bu tüm doğrusal kombinasyonlar kümesine U’nun açıklığı diyoruz:

Xy düzlemindeki herhangi bir vektörün formunda olduğuna dikkat edin.

Tanım = {s1, s2, …} ⊂V asubsetofV. Ardından, span (S) olarak belirtilen S’nin açıklığı settir
aralık (S): = {r1s1 + r2s2 + ··· + rNsN | ri ∈R, N∈N}.

Yani, S’nin açıklığı, S’nin elemanlarının tüm sonlu doğrusal kombinasyonlarının1 kümesidir. “Bir sabit çarpı s1 artı bir sabit çarpı s2 artı bir sabit çarpı s3 ve benzeri” formunun herhangi bir sonlu toplamı, S.2 olur.

Öte yandan, aralıktaki (S) herhangi bir vektörün z koordinatında sıfır olması gerekir. (Neden?) Yani span (S), bir vektör uzayı olan xy-düzlemidir. (Bunu doğrulamak için bir resim çizmeyi deneyin!)

Lemma. Herhangi bir S ⊂ V alt kümesi için, span (S), V’nin bir alt uzayıdır.

Kanıt. Spanın (S) bir vektör uzayı olduğunu göstermemiz gerekiyor.
Açıklığın (S) doğrusal kombinasyonlar altında kapalı olduğunu göstermek yeterlidir. İzin Vermek
u, v ∈ span (S) ve λ, μ sabit olabilir. Span (S) tanımına göre, ci ve di sabitleri vardır (bazıları sıfır olabilir) öyle ki:
u = c1s1 + c2s2 + ···
v = d1s1 + d2s2 + ···
⇒λu + μv = λ (c1s1 + c2s2 + ···) + μ (d1s1 + d2s2 + ···)
= (λc1 + μd1) s1 + (λc2 + μd2) s2 + ···

Bu son toplam, S’nin elemanlarının doğrusal bir birleşimidir ve bu nedenle açıklık (S) içindedir. O zaman açıklık (S) doğrusal kombinasyonlar altında kapatılır ve dolayısıyla V’nin bir alt uzayıdır.

Bu ispat, birçok ispat gibi, sadece tanımları yazmaktan biraz daha fazlasını içeriyordu.

Örnek:

A’nın hangi değerleri için

R3’te rastgele bir y vektörü verildiğinde, r1, r2, r3 sabitlerini bulmalıyız öyle ki

Bunu lineer sistem olarak r1, r2, r3 bilinmeyenlerinde şu şekilde yazabiliriz:

Matris M = tersinir ise, bir çözüm bulabiliriz.
herhangi bir y ∈ R3 vektörü için.

Bu nedenle, M’nin tersinir olması için a seçmeliyiz:
yani, 0̸ = detM = −2a2 + 3 + a = – (2a − 3) (a + 1).
O zaman açıklık R3, ancak ve ancak a̸ = −1,3.

Kapsayan kümeler olarak doğrusal sistemler

Alt uzayları oluşturmanın diğer bazı çok önemli yolları aşağıdaki örneklerde verilmiştir.

Örnek :

(Doğrusal haritanın çekirdeği).
L: U → V’nin vektör uzayları arasında doğrusal bir harita olduğunu varsayalım. O zaman eğer
L (u) = 0 = L (u ′),
doğrusallık bize şunu söyler
L (αu + βu ′) = αL (u) + βL (u ′) = α0 + β0 = 0.

Bu nedenle, alt uzay teoremi sayesinde, U’daki sıfır vektörüne eşlenen tüm vektörlerin kümesi, V’nin bir alt uzayıdır. L’nin çekirdeği olarak adlandırılır:
kerL: = {u ∈ U | L (u) = 0} ⊂ U.

Bir çekirdek bulmanın, homojen bir doğrusal denkleme bir çözüm bulmak anlamına geldiğini unutmayın.

Örnek :

(Doğrusal bir haritanın görüntüsü).
L: U → V’nin vektör uzayları arasında doğrusal bir harita olduğunu varsayalım.

O zaman eğer
v = L (u) ve v ′ = L (u ′), olursa,  αv + βv ′ = αL (u) + βL (u ′) = L (αu + βu ′) sonucu çıkar.

Bu nedenle, alt uzay teoremini bir kez daha çağırmak, L haritasının çıktıları olarak elde edilen V’deki tüm vektörlerin kümesi bir alt uzaydır. 

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.

The post Matrisler – Alt Uzaylar Oluşturmak (11) – Tersin Belirleyicisi – Matris Sistemleri – Matrisler Ödev Yaptırma first appeared on Online (Parayla Ödev Yaptırma).