Documente Academic
Documente Profesional
Documente Cultură
1.1
A. Teorie
Unul dintre cele mai puternice instrumente de care dispunem in cadrul spatiilor
euclidiene este dat de clasa transformarilor ortogonale in conexiune cu transformarile liniare simetrice. Aceste transformari sunt utilizate intens in graca pe
computer; folosirea transformarilor ortogonale in proiectarea sistemelor permite
asigurarea fezabilitatii acestora; calculul matricei Am -de importanta capitala in
foarte multe aplicatii- devine facil in cazul matricelor simetrice folosind transformarile ortogonale; stabilirea naturii punctelor critice ale unei functii f de clasa
C 2 utilizand transformari ortogonale pentru diferentiala a doua este necesara
in probleme de optimizare; si, nu in ultimul rand, algoritmii de descompunere
Q R; respectiv V T
U pentru matrice nesingulare, respectiv matrice arbitrare (algoritmi aati in "top 10" al descoperirilor matematice care au revolutionat ingineria secolului XX)- ca aplicatii a tehnicilor de ortogonalizare permit rezolvarea sistemelor mari si furnizeaza baza matematica pentru cea mai
performanta tehnica de comprimare a datelor.
Peste tot in aceasta sectiune (V; h; i) este un spatiu vectorial euclidian si B
este o baza a sa.
1.1.1
6.1. Izometrii
b
1
2
3
2 ;
3
2
pentru a =
3
2 ,
respectiv
1
f2 (x; y) = ( x
2
pentru a =
3
y;
2
3
x
2
1
y)
2
3
2 .
i=1j=1
i=1
j=1
g (u) ; f
hf (u) ; f (v)i
hu; vi
p
p
=p
= cos u
d
;v
hf (u) ; f (u)i hf (v) ; f (v)i
hu; ui hv; vi
1.1.2
Denitia 8.2.1. Operatorul f 2L(V ) se numeste transfomare liniara simetrica (a spatiului V ) daca
hf (u) ; vi = hu; f (v)i
pentru orice u; v 2 V: Notam cu Ls (V ) multimea transformarilor liniare simetrice ale spatiului V_ :
Reamintim ca o matrice A 2 Rn n este simetrica daca si numai daca ea
coincide cu transpusa sa, i.e. A = AT :
Daca B este o baza in V; f 2L(V ) si u; v 2 V atunci, in conventia matriceala,
avem
T
hf (u) ; vi = (fB uB )
n P
n
P
xi yj ;
i=1j=1
T
x1
y1
unde x = x1 x1
; y = y1 y 1
2 Rn 1 . Cu
acest produs propozitia 8.2.1 are urmatoarea exprimare matriceala.
Propozitia 8.2.2. Matricea A 2 Rn n este simetrica daca si numai daca
hAx; yi = hx; Ayi
3
pentru orice x; y 2 Rn 1 :
Reamintim ca o matrice patratica A 2 Rn n este diagonalizabila (sau un
operator f 2L(V ) este diagonalizabil) daca si numai daca toate valorile sale
proprii sunt reale si ordinul de multiplicitate m al ecarei valori proprii
coincide cu dimensiunea subspatiului invariant S , adica m = dim S , pentru
orice valoare proprie a matricei A (a operatorului f ).
In cazul matricelor simetrice (transformarilor liniare simetrice) diagonalizarea
este intodeuna posibila.
Teorema 8.2.1. Diagonalizarea matricelor simetrice. Daca A 2
Rn n este o matrice simetrica atunci ea este diagonalizabila. Mai mult, daca
1 ; 2 ; :::; k sunt valorile proprii distincte ale matricei simetrice A si m 1 ; m 2 ; :::; m
sunt ordinele de multiplicitate corespunzatoare, atunci exista o baza ortonormata
B astfel ca
TBTc B A TBc B = D;
unde D este o matrice diagonala care are pe diagonala principala valorile proprii
ale matricei A dispuse in urmatoarea ordine (de la nord-vest la sud-est):
|1
;
m
1 ; :::;
{z
1
ori
ori
ori
[B
[ B k;
si o
4. Construim B = B 1 [ B 2 [
[ B k : Aceasta este o baza ortonormata
in care A are forma diagonala D.
Daca in plus dorim sa calculam Am , unde m 2 N ; cum matricea TBc B este
ortogonala, avem
Am = TBc B Dm TBTc B :
Deoarece spatiul vectorial al transformarilor liniare simetrice ale spatiului
V este izomorf cu spatiul vectorial al matricelor de ordinul n reale si simetrice armatiile teoremei precedente sunt valabile si pentru transformari liniare
simetrice.
p p
Exemplul 8.2.1. Fie f : R3 ! R3 ; f (x; y; z) = 2x + 2y; 2x + y; 3z :
Ne propunem sa determinam compusa f n , n 2 N cu ajutorul unei transformari
ortogonale si sa determinam expresia analitica a acestei transformari.
A. Deoarece f este o transformare liniara simetrica, planul de lucru pentru
determinarea aplicatiei f este urmatorul:
- determinam fBc - matricea aplicatiei in baza canonica Bc ;
- determinam valorile proprii 1 ; 2 ; 3 (care sunt obligatoriu reale) si bazele
ortonormate din spatiile invariante corespondente;
- construim baza ortonormata B = fv1 ; v2 ; v3 g ca reuniune a bazelor determinate la punctul precedent;
- construim matricea ortogonala TBc B ; stim
noastre in
0 ca matricea aplicatiei
1
0
0
1
0 A si ca fB = TBTc B
baza B este matricea diagonala fB = @ 0
2
0
0
3
fBc TBc B ;
- calculam matricea aplicatiei f n stiind ca aceasta este matricea aplicatiei ridicata la puterea n, adica
n
= 0:
v3 =
B
fBnc = TBc B fBn TBTc B = @
p
p 2 3n
3
p1 3n
3
0
0
0
3n
Tinand seama
B
@
10
p
p2
3
p1
3
0
CB
0p
0 A@ 0
1
p
p2
0
3
3
ca
0
1 0
x
fBnc @ y A = @
z
p
p2
3
p1
3
!)
p
2
p ;0
:
3
1
p ;
3
1
0
0 A:
0
p1
3
p
p2
3
0
1
10
3n
C@
0
A
0
0
2 3n 1
C @ p
1 A=
2 3n 1
0
0
1
0
0 A TBTc B =
0
p
1
2 3n 1 0
3n 1
0 A:
0
3n
0
3n
0
p
1
2 p3n 1 x + 2 3n 1 y
2 3n 1 x + 3n 1 y A
3n z
x+
2 3n
p
y; 2 3n
x + 3n
y; 3n z :
1.1.3
p1 ;
3
p
p2 ; 0
3
p
x p 2z
2x+z
p
;
;y
3
3
p
p2 ; p1 ; 0
3
3
2x1 x4
1
0
1
1
1
1
0
1
p
p
5; 1; 1: prin urEcuatia caracteristica jfBc
I4 j = 0 are radacinile 5;
mare, conform tehnicii de mai sus, exista o baza ortonormata B = fv1 ; v2 ; v3 ; v4 g
de vectori proprii ai matricei fBc in care forma f 2 Q R4 are forma canonica
f (y1 v1 + y2 v2 + y3 v3 + y4 v4 ) =
7
5y12
5y22
y32 + y42 :
5 1
;
2
1
v1 = p
245
p
Apoi, cum S
torului
5 1
2 ;
= spam
1;
1
v2 = p
245
Analog, cum S
p
2
5 + 1;
5 1
2 ;
1; 1
1;
p
q
p
;1
; 1 , deci
1;
q
p
5 + 1;
q
p
1;
5 + 1;
5+1
2 ;1
q
p
, deci
1 :
1;
q
p
5+1 :
Fie A 2 Rm
forma
VT
A=U
unde U 2 Rm
si V 2 Rn
2 Rm
este o
matrice de forma
0
B
B
B
B
B
=B
B
B
B
B
@
0
..
.
0
0
..
.
0
0
..
.
..
.
0
0
..
.
0
0
..
.
0
0
..
.
0
..
.
0
0
..
.
0
0
..
.
1
C
C
C
C
C
C
C
C
C
C
A
unde constantele 1
2
r > 0 se numesc valorile singulare ale
matricei A. Aceasta descompunere se numeste descompunerea valorilor
singulare, pe scurt SVD.
Tehnica pe care o descriem in continuare este bazata pe descompunerea QR
a matricei AT A 2 Rn n (vezi exercitiile 28-32).
Algoritm de descompunere SVD a matricei A 2 Rm
Construim matricea simetrica de tip n
B := AT A:
Determinam valorile proprii ale matricei B (care sunt obligatoriu nenegative) si le ordonam descrescator:
1
> 0:
1
1
din spatiul Rm
Av1T ; u2 =
:
9
1
2
Av2T ; :::; ur =
r:
1
r
AvrT :
a spatiului N ull AT :
Construim matricea ortogonala U :
U := (u1 j u2 j ::: j um )
Construim matricea
SVD:
2 Rm
A=U
3
1
1
1
p ; p ; 0 ; v3 =
2
2
1
1
p ; p ;0 :
2
2
0
@
0
=
1
p1
2
p1
2
p1
2
p1
2
A:
p
= 2 5:
3
1
2
6
1
1
Av1T =
p1
10
p3
10
; u2 =
p3
10
p1
10
Av2T =
U = (u1 j u2 ) =
p3
10
p1
10
A=
p3
10
p1
10
p
2 10
0
:
VT :
0
0
p
2 5 0
p1
10
p3
10
p1
2
p1
2
p1
2
p1
2
1
1
0 A:
0
2
1
B := AT A =
1
2
=3>
= 1:
1
p ;
2
1
p
2
11
; v2 =
1
1
p ;p
2
2
V := v1T j v2T =
p1
2
p1
2
B
Av1T = @
6
p2
6
p1
6
= 1:
0 p1 1
2
1
C
Av2T = @ 0 A :
A ; u2 =
p1
2
T
7. Deoarece
0 r1 = 21< m = 3 si spatiul N ull A = spam f(1; 1; 1)g ; luam
B
u3 = @
3
p1
3
p1
3
C
A.
p1
6
p2
6
p1
6
p1
2
0
p1
2
B
A=@
1.2
p1
6
p2
6
p1
6
p1
2
0
p1
2
p1
3
p1
3
p1
3
10 p
3
C@
0
A
0
1
0
1 A
0
p1
3
p1
3
p1
3
2
C
A:
VT :
p1
2
p1
2
p1
2
p1
2
B. Probleme rezolvate
/////////////////////////////////////////////////////////////////////////////////////////////////
12
1.3
C. Exercitii
1. Aratati ca f : R2 ! R2 ; f (x; y) =
formare ortogonala simetrica.
1
2
3y; y +
3x deneste o trans-
2
1
2
p1
2
2
1
2
p1
2
p
2
1
p C
2 A
13
p1 ;
6
p1 ; p1
6
3
p1 ; p1 ; 0
2
2
2
p1
3 ; 0; 3
3
1
3
2
3
@2
3
1
3
3
2A
3
2
3
23. Fie V un spatiu liniar real n-dimensional. Aratati ca spatiul liniar al formelor
patratice Q (V ) are dimensiunea n(n+1)
: (Daca f; g 2 Q (V ) atunci suma
2
celor doua forme este denita prin (f + g) (v) := f (v) + g (v) si produsul
extern dintre scalarul si vectorul f este denit prin ( f ) (v) := f (v) :).
Demenstrati ca Q (V ) ' Q (Rn ) :
24. Dovediti ca spatiile vectoriale Q (Rn ) si Ls (Rn ) sunt izomorfe.
14
4x1 x2
4x2 x3 :
4x1 x2 + 2x1 x4 + 2x2 x3
4x3 x4 :
pentru k > 1; unde " " reprezinta produsul euclidian canonic din Rn .
Notam
k
X1
r1 = kv1 k ; rk = vk
(vk vi0 ) vi0
i=1
kP1
i=1
15
0 0
1
0 0
1
0 1
v1 vn
r1
v1 v2
B v20 vn C
B
C
B r2 C
B0C T
T
T
C
B
C
B
C
; :::; vn = Q B
(c) v1 = Q @ A ; v2 = Q @
B 0 ::: C :
::: A
:::
@vn 1 vn A
0
0
rn
0
1
0
0
r1 v1 v2 v1 v3
v10 vn
B 0
r2
v20 v3
v20 vn C
B
C
B 0
0
r3
v30 vn C
B
C
(d) A = QR; unde R = B
C:
..
B
C
.
B
C
0
@ 0
0
0
vn 1 vn A
0
0
0
rn
1
29. Sa se efectueze descompunerea QR a matricei
1
!
!
p
p1
p1
2 p32
2
Raspuns. Q = p12
;
R
=
:
1
p
p1
0
2
2
2
1
:
2
16