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.

Tekil Değer Ayrışımı

Bir sistemi matematiksel olarak modellediğimizde, herhangi bir “kanonik nicelik” (onları hesaplamak için yaptığımız herhangi bir seçime bağlı olmayanlar) sistemin önemli özelliklerine karşılık gelecektir. Örneğin, inceleme sorusu 1, bölüm 12’de bulduğunuz özvektör denkleminin özdeğerleri, bir gitar telinin çalabileceği notaları ve armonikleri kodlar!
Tekil değerler birçok doğrusal cebir uygulamasında, özellikle istatistik ve sinyal işleme gibi çok büyük veri kümelerini içerenlerde ortaya çıkar. Doğrusal dönüşüm L: V → W’nin m × n matrisine M odaklanalım.
L’nin girdi ve çıktıları için ortonormal tabanlarda yazılmıştır (dikkat edin, bu otonormal tabanların varlığı, V ve W için iç çarpımlara sahip olmaya dayalıdır). M matrisi kare olmasa da, hem M M T hem de M T M matrisleri kare ve simetriktir! Doğrusal dönüşümler açısından M T, doğrusal dönüşümün matrisidir.

∗ doğrusal
L: W −−− → V.

Böylece LL ∗: W → W ve L ∗ L: V → V ve her ikisinin de özdeğer problemleri vardır. Dahası, Bölüm 15’te gösterildiği gibi, hem L ∗ L hem de LL e, özvektörlerin ortonormal tabanlarına sahiptir ve hem M M T hem de M T M köşegenleştirilebilir.
Sonra, basitleştirici bir varsayım yapalım, yani ker L = {0}. Bu gerekli değildir, ancak bazı hesaplamalarımızı daha basit hale getirecektir. Şimdi, L L için özvektörlerden oluşan V için bir ortonormal taban (u1,.,., Un) bulduğumuzu varsayalım. Bu L ∗ Lui = λiui’dir.

Sonra L ile çarpmak gerekir, L ∗ Lui = λiui. LL ∗ Lui = λiLui.

Yani, Lui, LL ∗’nin bir özvektörüdür. Vektörler (Lu1,…, Lun) doğrusal olarak bağımsızdır, çünkü ker L = {0} (bu bizim basitleştirici varsayımımızı kullandığımız yerdir, ancak analizimizi deneyip artık geçerli olmadığı duruma genişletebilirsiniz. ).
Bu vektörlerin arasındaki açıları ve uzunlukları hesaplayalım. Bunun için, ui vektörlerini L’nin M matrisini hesaplamak için kullanılan bazlarda ifade ediyoruz. Bu sütun vektörlerini Ui ile ifade ederek sonra hesaplıyoruz

(MUi) · (MUj) = UiTMTMUj = λj UiTUj = λj Ui · Uj = λjδij.

Vektörlerin (Lu, …, Lu) ortogonal olduğunu ancak ortonormal olmadığını görüyoruz.

Dahası, Lui’nin uzunluğu λi’dir. Normalleştirme, ortonormal ve doğrusal olarak bağımsız sıralı kümeyi verir.

Genel olarak, bu W için bir temel olamaz çünkü ker L = {0}, dim L (V) = dimV veinturndimV ≤dimW, son≤m.
Bununla birlikte, LL of ‘nin özvektörlerinin bir alt kümesidir, dolayısıyla LL ∗ formunun özvektörlerinin ortonormal bir temeli vardır. Şimdi L matrisini birimdik tabana göre hesaplayalım
O = (u1, …, un) V için ve ortonormal taban O ′ = (v1, …, vm) W için.

Her zamanki gibi, başlangıç ​​noktamız girdi baz vektörlerine göre hareket eden L’nin hesaplanmasıdır; LO = 􏰁Lu1, …, Lun􏰂 = 􏰁􏰦λ1 v1, …, 􏰦λn vn􏰂 olur.

Sonuç, köşegenleştirmeye çok yakın; köşegen sayılarına L’nin tekil değerleri denir.

Misal

Doğrusal dönüşümün matrisi 11 olsun
Önde gelen Clearly ker M = {0} boyunca λi, özdeğerleri ve özvektörleri vardır, dolayısıyla ortonormal girdi tabanımız
Bunlara M’nin sağ tekil vektörleri denir.

Vektörler özvektörleridir;

sırasıyla 1 ve 2 özdeğerleri ile. MMT’nin üçüncü özvektörü (özdeğer 0 olan),

Mu1 ve Mu2 özvektörleri zorunlu olarak ortogonaldir ve onları sol tekil vektörleri elde ettiğimiz uzunlukları ve sırayla ortonormal çıktı tabanımızı, O ve O ′ tabanlarına göre M tarafından verilen doğrusal dönüşümün yeni matrisi M ′dir.

Yani tekil değerler 1,
Son olarak, O ve O ′ sütun vektörlerini, her zamanki gibi sahip olduğumuz taban matrislerinin değişimine yerleştirmenin,

Tekil vektörler ve değerlerin çok güzel bir geometrik yorumu vardır; L’nin alanı ve aralığı için ortonormal bazlar sağlarlar ve L’nin ortonormal girdi taban vektörlerini esnettiği faktörleri verir. Bu, az önce hesapladığımız örnek için aşağıda tasvir edilmiştir.

Sorunları İnceleyin

Okuma Problemi

1. L: U → V doğrusal bir dönüşüm olsun. Varsayalım ki v ∈ L (U) ve L (ups) = v’ye uyan bir vektör ups buldunuz.
Doğrusal sistem L (u) = v’nin çözüm kümesini açıklamak için neden ker L’yi hesaplamanız gerektiğini açıklayın.

2. M’nin önemsiz çekirdekli bir m × n matris olduğunu varsayalım. Bunu Rm’deki herhangi bir u ve v vektörü için gösterin:
• uTMTMv = vTMTMu.

• vT MT Mv ≥ 0. Endişelenmeniz durumunda (buna gerek yoktur) ve ileride başvurmak için, v ≥ 0 gösterimi her bileşen vi ≥ 0 anlamına gelir.
• IfvTMTMv = 0, sonrav = 0.
(İpucu: Rn’deki iç çarpımı düşünün.)

3. Gram-Schmidt algoritmasını projeksiyon matrisleri açısından yeniden yazın.
4. Eğer v1,. . . , vk, M = (v1 · · · vk) matrisinin mutlaka tersine çevrilebilir olmadığından doğrusal olarak bağımsızdır, ancak M T M matrisi tersine çevrilebilir.
5. 3 × 1, 3 × 2 ve 3 × 3 simetrik matrisin tekil değer ayrıştırma teoremini yazın. Matrislerinizin hiçbir bileşeni sıfır olmasa da hesaplamalarınız basit olacak şekilde yapın. Neden seçtiğiniz matrisleri seçtiğinizi açıklayın.
6. D f = x + x2 diferansiyel denkleminin çözümüne en iyi polinom yaklaşımını, türevi etki alanına sahip olduğunu düşünerek bulun.
dx
ve eş alan aralığı {1, x, x2}.
(İpucu: Etki alanı ve ortak etki alanı için tabanları tanımlayarak başlayın.)

• Sembol Listesi∈ “Bir öğesidir”.
• ∼ “Eşdeğerdir”, bkz. Denklik ilişkileri. Ayrıca, matrisler için “satır eşdeğeridir”.
• R Gerçek sayılar.
• N × n birim matrisinde.
• PnF F alanındaki katsayılarla en çok n dereceli polinomların vektör uzayı.
• Mrk r × k matrislerinin vektör uzayı.

Örnek Sınav

Burada, ilk ara sınavda bekleyebileceğiniz tipik bazı çalışılmış problemler verilmiştir.

1. Aşağıdaki doğrusal sistemi çözün. Çözüm kümesini vektör biçiminde yazın. Çözümünüzü kontrol edin. Varsa, belirli bir çözüm ve homojen bir çözüm yazın. Çözüm seti geometrik olarak neye benziyor?

x + 3y = 4
x – 2y + z = 1 2x + y + z = 5

2. Denklem sistemini düşünün
x – z + 2w = −1 
 x + y + z − w = 2
 – y – 2z + 3w = −3     5 x + 2 y – z + 4 w = 1

(a) Bu sistem için genişletilmiş bir matris yazın.
(b) İndirgenmiş satır basamaklı biçimini bulmak için temel satır işlemlerini kullanın.
(c) Sistem için çözüm kümesini S = {X0 + 􏰞 μiYi: μi ∈ R} biçiminde yazın.
(d) X0 ve Yi olarak adlandırılan vektörler nelerdir ve hangi matris denklemlerini çözerler?
(e) X0 ve her Yi’nin (d) bölümünde çözdüklerini iddia ettiğiniz matris sistemlerini çözdüğünü ayrı ayrı kontrol edin.

3. M = 3 −1 olsun. HesaplaM M. Simetrik mi? Nedir f (M) devrik izi, burada f (x) = x2 – 1 kaç olur ?

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 (30) – Tekil Değer Ayrışımı – 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.

En Küçük Kareler ve Tekil Değerler

L (x) = v doğrusal cebirsel denklemini düşünün, burada L: U −− → W ve v ∈ W bilinirken x bilinmemektedir. Gördüğümüz gibi, bu sistemin bir çözümü olabilir, çözümü olmayabilir veya sonsuz sayıda çözümü olabilir. Ancak v, L aralığında değilse, L (x) = v için hiçbir zaman çözüm olmayacaktır.

Ancak, birçok uygulama için sistemin kesin bir çözümüne ihtiyacımız yoktur; bunun yerine, yalnızca mümkün olan en iyi yaklaşıma ihtiyacımız olabilir.

“Çalışmam her zaman Gerçeği Güzel ile birleştirmeye çalıştı, ancak birini veya diğerini seçmek zorunda kaldığımda, genellikle Gerçeği Güzel’i seçtim.”

W vektör uzayı, vektörlerin uzunlukları kavramına sahipse, || L (x) – v || ‘yi en aza indiren x’i bulmaya çalışabiliriz.

Bu yöntemin, bir (belki doğrusal) işlevi “gürültülü” bir gözlemler kümesine sığdırmaya çalışmak gibi birçok uygulaması vardır. Örneğin, bir bisikletin yarış pistindeki konumunu her beş saniyede bir ölçtüğümüzü varsayalım. Gözlemlerimiz kesin olmayacak, ancak gözlemler ortalama olarak doğru olduğu sürece, bisikletin pozisyonunun zaman açısından mümkün olan en iyi doğrusal fonksiyonunu bulabiliriz.

M’nin U ve W için bazı bazlarda L: U → W doğrusal fonksiyonunun matrisi olduğunu varsayalım. V ve x vektörleri, bu bazlarda V ve X sütun vektörleri ile temsil edilir. O zaman yaklaşmalıyız

MX − V ≈0.

DimU = n ve dimW = m ise, M’nin sırasıyla bir m × n matrisi ve x ve v ile Rn ve Rm’de vektörler olarak temsil edilebileceğine dikkat edin. Böylece W = L (U) ⊕ L (U) ⊥ yazabiliriz. O zaman v∥ ∈ L (U) ve v⊥ ∈ L (U) ⊥ ile v = v∥ + v⊥ ‘yi benzersiz bir şekilde yazabiliriz.

Bu yüzden L (u) = v∥’yi çözmeliyiz. Bileşenlerde, v just sadece V −MX’tir ve sonunda en aza indirmek isteyeceğimiz kısımdır.

M açısından, L (V) ‘nin M sütunlarına yayıldığını hatırlayın (Standart temelde, M’nin sütunları Me1, …, Men’dir.) O zaman v⊥, M sütunlarına dik olmalıdır. . ör. MT (V – MX) = 0 veya MT MX = MT  V olur.

X için MTMX = MTV çözümlerine en küçük kareler çözümleri denir.
MX = V. X’den MX = V’ye herhangi bir çözümün en küçük kareler çözümü olduğuna dikkat edin.

Ancak, konuşma genellikle yanlıştır. Aslında, M X = V denkleminin hiç çözümü olmayabilir, ancak yine de M T M X = M T V için en küçük kare çözümleri vardır. M bir m × n matris olduğundan, MT’nin bir n × m matris olduğunu gözlemleyin. O zaman MT M bir n × n matristir ve simetriktir, çünkü (MT M) T = MT M. Daha sonra, herhangi bir X vektörü için, bir sayı elde etmek için XTMTMX’i değerlendirebiliriz. Yine de bu çok güzel bir sayı! Bu sadece uzunluktur | MX | 2 = (MX) T (MX) = XT MT MX.

Şimdi kerL = {0} olduğunu varsayalım, böylece MX = 0 için tek çözüm X = 0. (Bu, M’nin ters çevrilebilir olduğu anlamına gelmez, çünkü M bir n × m matrisdir, dolayısıyla mutlaka kare değildir.) matrix MTM ters çevrilebilir. Bunu görmek için, MT MX = 0 olacak şekilde bir X vektörü olduğunu varsayalım. Ardından XT MT MX = | MX | 2 = 0 olacaktır. Diğer bir deyişle, MX vektörü sıfır uzunluğa sahip olacaktır, bu nedenle yalnızca sıfır olabilir vektör. Ancak kerL = {0} olduğunu varsayıyoruz, dolayısıyla MX = 0, X = 0 anlamına gelir.

Böylece, M T M’nin çekirdeği {0} olduğu için bu matris tersinirdir. Dolayısıyla, bu durumda, en küçük kareler çözümü (MT MX = MV’yi çözen X) benzersizdir ve şuna eşittir: X = (MT M) −1MT V. Özetle, bu en küçük kareler yöntemidir:

• MTM ve MTV’yi hesaplayın.
• (M T M) X = M T V’yi Gauss eliminasyonu ile çözün.

Örnek :

Kaptan Conundrum, eğik Pisa kulesinden düşüyor ve üç farklı zamanda hızının üç (oldukça titrek) ölçümünü yapıyor.

Bazı hesaplamalar1 aldıktan sonra, verilerinin en iyi şekilde düz bir çizgiyle tahmin edildiğine inanıyor.

O zaman verilere en iyi uyan a ve b’yi bulmalıdır.

Bir doğrusal denklem sistemi olarak bu şu olur:

Muhtemelen gerçek bir düz çizgi çözümü yoktur, bunun yerine M T M X = M T V’yi çözün.

Bu, en küçük kareler uydurma doğrudur; v = 10 t + 1/3 olur.

Bu denklemin Kaptan Conundrum’un 10 m / s2’de İtalyan toprağına doğru hızlandığını (bu gerçekliğe mükemmel bir yaklaşımdır) ve 1 m / s aşağıya doğru bir hızda başladığını belirtilmiştir ; 

 Projeksiyon Matrisleri

MX = V’nin çözümü olmasa bile MTMX = MTV’nin çözümleri olduğunu gördük. Bunu düşünmenin bir yolu, M’nin ortak etki alanı doğrudan toplam;

codom M = ranM ⊕ ker M T
Vk ∈kerMT veVr ∈ran M ile V = Vr + Vk yazmak için tek bir yol vardır ve Mx = V yalnızcaV ∈ran M ⇔Vk = 0’ın çözümüne sahiptir. Değilse, MX = V çözümüne en yakın şey, MX = Vr. 

Ama işte başka bir soru, Vr’ye M ve V’nin verildiğini nasıl belirleyebiliriz? Cevap basit; X’in MX = Vr’ye bir çözüm olduğunu varsayalım. Sonra

MX = Vr = ⇒ MTMx = MTVr = ⇒ MTMx = MT (Vr +0)
= ⇒ MTMx = MT (Vr + Vk) = ⇒ MTMx = MTV = ⇒ X = (MTM) −1MTV
eğer gerçekten M T M tersinir ise. Varsayım gereği X bir çözüm olduğu için

M (MTM) −1MT V = Vr.
Yani, thematrixwhichprojectsV ontoitsranM partisM (MTM) −1MT olur.

Örnek: 

Tekil Değer Ayrışımı

Doğrusal L varsayalım: V −−− → W.
V ve W için bazlarda dim V =: n = m: = dimW soam × nmatrixM ofL’nin kare olmaması olası değildir. Bu nedenle, tercih edilen temeli ortaya çıkarmak için kullanabileceğimiz özdeğer problemi yoktur. Bununla birlikte, V ve W vektör uzaylarının her ikisinin de iç çarpımları varsa, özdeğer probleminin bir analogu, yani L’nin tekil değerleri vardır.

Tekil değer ayrıştırması olarak bilinen güçlü tekniğin ayrıntılarını vermeden önce, bunun Eugene Wigner’in “Matematiğin Mantıksız Etkililiği” olarak adlandırdığı şeyin mükemmel bir örneği olduğuna dikkat edin.

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 (29) – En Küçük Kareler ve Tekil Değerler – Matrisler Ödev Yaptırma first appeared on Online (Parayla Ödev Yaptırma).