Documente Academic
Documente Profesional
Documente Cultură
CONSULTATIE
LINIARA
ALGEBRA
Alexandru NEGRESCU
Alexandru Negrescu (UPB)
19 noiembrie 2016
1 / 83
Spatii vectoriale
Subspatii fundamentale
Aplicatii liniare
Descompunerea QR
19 noiembrie 2016
2 / 83
Spatii vectoriale
Spatii vectoriale
19 noiembrie 2016
3 / 83
Spatii vectoriale
Definitie
Multimea tuturor combinatiilor liniare ale vectorilor v1 , v2 , ..., vn se
numeste subspatiul generat de vectorii v 1 , v2 , ..., vn si se noteaza prin
span {v1 , v2 , ..., vn } .
Aceasta multime este subspatiu al lui V.
19 noiembrie 2016
4 / 83
Spatii vectoriale
Definitie
Daca
span {v1 , v2 , ..., vn } = V,
spunem ca vectorii v1 , v2 , ..., vn formeaza un sistem de generatori
pentru spatiul V.
19 noiembrie 2016
5 / 83
Spatii vectoriale
Exemplu
Multimea
B=
0
0
0
0
1
0
0
1
este un sistem de
generatori
pentru spatiul R 3 pentru ca orice vector
a
3
din R , fie acesta b , se poate reprezenta ca o combinatie liniar a
c
formata cu elementele multimii de mai sus:
a
b
c
=a
1
0
0
+b
0
1
0
+c
0
0
1
19 noiembrie 2016
6 / 83
Spatii vectoriale
Definitie
Spunem ca vectorii v1 , v2 , ..., vn sunt liniar independenti peste K dac a
19 noiembrie 2016
7 / 83
Spatii vectoriale
i ca polinoamele P 1 = 1 + 2X 3X 2 , P2 = 6X 3X 2 si
1. Aratat
P3 = 1 + X 2 sunt liniar independente n spatiul R 2 [X].
19 noiembrie 2016
8 / 83
Spatii vectoriale
Definitie
Spunem ca vectorii v1 , v2 , ..., vn sunt liniar dependenti peste K dac a
19 noiembrie 2016
9 / 83
Spatii vectoriale
Exemplu
Polinoamele 1 + X, 1 + X + X 2 si 1 + 5X + 3X 2 din spatiul R2 [X]
sunt liniar dependente pentru c a exista combinatia liniara
2 (1 + X) + 3 (1 + X + X 2 ) + (1) (1 + 5X + 3X 2 ) = 0,
i.e.,
1 + 5X + 3X 2 = 2 (1 + X) + 3 (1 + X + X 2 ).
19 noiembrie 2016
10 / 83
Spatii vectoriale
Teorema
Vectorii v1 , v2 , ..., vn din Rm sunt liniar dependenti dac a n > m.
19 noiembrie 2016
11 / 83
Spatii vectoriale
C (R).
19 noiembrie 2016
12 / 83
Spatii vectoriale
i ca multimea
3. Aratat
{sin x, sin 2x, ..., sin nx, ...}
este liniar independent a n spatiul C (R).
19 noiembrie 2016
13 / 83
Spatii vectoriale
19 noiembrie 2016
14 / 83
Spatii vectoriale
i ca multimea
4. Aratat
19 noiembrie 2016
15 / 83
Spatii vectoriale
independenti, ar atat
a) vectorii x + y, y + z, z + x sunt liniar independenti;
b) vectorii x y, y z, z x sunt liniar dependenti.
19 noiembrie 2016
16 / 83
Spatii vectoriale
Definitie
Daca vectorii v1 , v2 , ..., vn formeaza un sistem de generatori pentru
spatiul V si sunt liniar independenti, atunci multimea {v 1 , v2 , ..., vn }
este o baza pentru spatiul V.
19 noiembrie 2016
17 / 83
Spatii vectoriale
Exemple
0
0
0
0
1
Aceasta se numes
te
baza
a a
spatiului R3 .
canonic
2
0
1
1 , 1 , 1
este, de asemenea, o baz a
Multimea B1 =
3
2
a spatiului R3 .
Multimea Bc =
19 noiembrie 2016
18 / 83
Spatii vectoriale
Exemple
19 noiembrie 2016
19 / 83
Spatii vectoriale
19 noiembrie 2016
20 / 83
Spatii vectoriale
Exemplu
spatiul M2 (R) si baza
Consideram
B=
1 1
2 1
0 1
4 1
,
,
,
0 1
3 0
2 1
4 1
Deoarece
9 8
10 2
1 1
2 1
0 1
4 1
=1
+ (2)
+2
+3
,
0 1
3 0
2 1
4 1
spunem ca matricea
9 8
10 2
19 noiembrie 2016
21 / 83
Spatii vectoriale
Remarca
Multimea
1, 1 + X, 1 X, 1 + 1 + X 2
19 noiembrie 2016
22 / 83
Spatii vectoriale
Remarca
Multimea
0
1
1
1
19 noiembrie 2016
23 / 83
Spatii vectoriale
Teorema
de elemente.
Toate bazele unui spatiu au acelasi num ar
19 noiembrie 2016
24 / 83
Spatii vectoriale
Definitie
de elemente dintr-o
Dimensiunea unui spatiu este egal a cu numarul
dim Rn [X] = n + 1.
19 noiembrie 2016
25 / 83
Spatii vectoriale
Teorema
Fie V un spatiu vectorial de dimensiune n si vectorii liniar independenti
v1 , v2 , ..., vn din V. Atunci multimea {v1 , v2 , ..., vn } formeaza o baza
pentru spatiul V.
19 noiembrie 2016
26 / 83
Spatii vectoriale
Teorema
Coloanele ce ofer a pivoti nenuli n forma esalon sunt liniar
independente.
19 noiembrie 2016
27 / 83
Spatii vectoriale
i ca multimea
6. Aratat
B=
2
1
0
1
1
2
2
3
v=
6
1
9
n aceasta baza.
19 noiembrie 2016
28 / 83
Subspatii fundamentale
Subspatii fundamentale
matricea
Consideram
A = (c1 | c2 | ... | cn )
din spatiul Mmn (R), unde c1 , c2 , ..., cn sunt vectori coloana din Rm .
Spatiul coloanelor matricei A, notat prin C (A), este
span {c1 , c2 , ..., cn } .
Spatiul nul al matricei A, notat prin N (A), este
{x Rn | Ax = 0} .
19 noiembrie 2016
29 / 83
Subspatii fundamentale
A=
1 2 0
0
3
2 5 3 2 6
0 5 15 10 10
2 6 18 8
6
19 noiembrie 2016
30 / 83
Subspatii fundamentale
B=
1
2
3
4
1
1
1
1
2
3
4
5
19 noiembrie 2016
31 / 83
Subspatii fundamentale
Remarca
atunci N (A) = {0}.
Daca matricea A Mn (R) este inversabila,
19 noiembrie 2016
32 / 83
19 noiembrie 2016
33 / 83
Definitie
pentru orice
Spatiul V este suma directa a subspatiilor U si W daca,
element v V, exista si sunt unice elementele u U si w W astfel
v = u + w.
ncat
19 noiembrie 2016
34 / 83
Teorema
Daca U + W = V si U W = {0}, atunci V este suma directa a
subspatiilor U si W.
Se noteaza prin:
V = U W.
19 noiembrie 2016
35 / 83
Teorema
Daca V = U W, atunci
dim V = dim U + dim W.
19 noiembrie 2016
36 / 83
19 noiembrie 2016
37 / 83
U1 =
si
U2 =
x1
x2
x3
x4
x5
x1
x2
x3
x4
x5
; 2x1 x2 x3 = 0, x4 3x5 = 0
19 noiembrie 2016
38 / 83
subspatiile
10. Consideram
W1 = {P R3 [X] | p(x) = p(x), x R}
si
W2 = {P R3 [X] | p(x) = p(x), x R}.
i ca R3 [X] = W1 W2 .
Aratat
19 noiembrie 2016
39 / 83
Aplicatii liniare
Aplicatii liniare
19 noiembrie 2016
40 / 83
Aplicatii liniare
Definitie
Nucleul aplicatiei T este
Ker T = {u U | T (u) = 0} .
19 noiembrie 2016
41 / 83
Aplicatii liniare
Teorema
Transformarea T este injectiva daca
Fie T : U V o aplicatie liniara.
si numai daca
Ker T = {0}.
19 noiembrie 2016
42 / 83
Aplicatii liniare
Teorema
Daca vectorii v1 , ..., vn sunt
Fie T : U V o aplicatie liniara injectiva.
liniar independenti, atunci si vectorii T (v1 ), ..., T (vn ) sunt liniar
independenti.
19 noiembrie 2016
43 / 83
Aplicatii liniare
Definitie
Imaginea aplicatiei T este
Im T = {T (u) | u U} .
19 noiembrie 2016
44 / 83
Aplicatii liniare
Teorema dimensiunilor
dim Ker T + dim Im T = dim U.
19 noiembrie 2016
45 / 83
Aplicatii liniare
19 noiembrie 2016
46 / 83
Aplicatii liniare
Exprimam
..
Definitie
T relativa la
Matricea A = (aij ) se numeste matricea transformarii
baza B a lui U si baza C a lui V.
19 noiembrie 2016
47 / 83
Aplicatii liniare
19 noiembrie 2016
48 / 83
Aplicatii liniare
T : R4 R3 , definita prin
11. Consideram
x1
x2
x3
x4
3x1 + x2
x2 + x3
x3 + 3x4
a) Aratat
n evidenta cate
Dar surjectiva?
19 noiembrie 2016
49 / 83
Aplicatii liniare
a) Aratat
n evidenta cate
Dar surjectiva?
i
matricea
aplicat
iei
T
relativ
a
19 noiembrie 2016
50 / 83
Aplicatii liniare
19 noiembrie 2016
51 / 83
Definitie
O functie ,
: V V R se numeste produs scalar daca satisface
i:
urmatoarele
proprietat
1
v, v
0 si v, v
= 0 v = 0;
u, v
= v, u
;
u, v
= u, v
;
u, v + w
= u, v
+ u, w
,
pentru orice u, v, w V si R.
19 noiembrie 2016
52 / 83
Exemplu
In Rn consideram
x=
x1
x2
..
.
si y =
xn
. Atunci
yn
x, y
= xT y = (x1 , x2 , , xn )
y1
y2
..
.
y1
y2
..
.
= x1 y1 + x2 y2 + ... + xn yn .
yn
19 noiembrie 2016
53 / 83
Exemplu
In C ([a, b]) consideram
produsul scalar
f, g
=
b
a
f (x)g(x) dx.
19 noiembrie 2016
54 / 83
Definitie
Norma vectorului v, indusa de produsul scalar din V, este
v =
v, v
.
19 noiembrie 2016
55 / 83
i:
Norma are urmatoarele
proprietat
1
v 0 si v = 0 v = 0;
v = ||v;
u + v u + v (inegalitatea triunghiului).
19 noiembrie 2016
56 / 83
Exemple
In Rn norma vectorului x =
x1
x2
..
.
este
xn
x =
f =
(f (x)) dx
19 noiembrie 2016
57 / 83
Inegalitatea Cauchy-Schwarz
Pentru orice u, v V avem
| u, v
| u v.
19 noiembrie 2016
58 / 83
Exemple
In Rn inegalitatea devine
f (x)g(x) dx
(f (x)) dx
(g(x)) dx .
19 noiembrie 2016
59 / 83
Definitie
Daca u, v
= 0, atunci vectorii u si v se numesc ortogonali.
19 noiembrie 2016
60 / 83
v1 ,
v2 = u2 prv1 u2 = u2
v1 , v1
u3 , v1
u3 , v2
v1
v2 ,
v3 = u3 prv1 u3 prv2 u3 = u3
v1 , v1
v2 , v2
Multimea {v
1 , v2 , ..., vn } este ortogonala.
v1
v2
vn
, w2 =
, ..., wn =
este ortonormala.
Multimea w1 =
v1
v2
vn
19 noiembrie 2016
61 / 83
1
0
1
, 0
.
2 ,
0
B=
2
2
1
19 noiembrie 2016
62 / 83
produsul scalar
15. Pe R2 [X] consideram
P, Q
=
1
0
P (x)Q(x) dx.
B = 1 X, 1 + X, 1 + X + X 2 .
19 noiembrie 2016
63 / 83
U = {v V | v, u
= 0, u U}
19 noiembrie 2016
64 / 83
U = Span
1
2
1
2
3
0
0
5
al lui R4 .
19 noiembrie 2016
65 / 83
descompunerea unic a:
v = u + u ,
Deci
u U, u U .
V = U U .
Definitie
u se numeste proiectia ortogonal a a lui v pe U.
19 noiembrie 2016
66 / 83
Teorema
Daca {e1 , e2 , ..., en } este o baza ortonormala a lui U, proiectia
ortogonala a lui v pe U este
u=
v, ei
ei .
i=1
19 noiembrie 2016
67 / 83
Teorema
Daca u este proiectia ortogonal a a lui v V pe U, atunci
v u v u ,
Altfel spus,
u U.
min v u = v u.
u U
19 noiembrie 2016
68 / 83
min
a,bR 0
19 noiembrie 2016
69 / 83
Descompunerea QR
Descompunerea QR
matricea A = (u1 | u2 | ... | un ) din spatiul Mmn (R),
Consideram
liniar independenti, din R m .
unde u1 , u2 , ..., un sunt vectori coloana,
de la multimea
Folosind procedeul Gramm-Schmidt, plec and
{u1 , u2 , ..., un }, obtinem multimea ortonormal a {w1 , w2 , ..., wn }.
Atunci exista descompunerea:
A = (u1 | u2 | ... | un ) =
= (w1 | w2 | ... | wn )
w1 , u1
w1 , u2
0
w2 , u2
..
..
.
.
0
0
w1 , un
w2 , un
..
.
wn , un
19 noiembrie 2016
70 / 83
Descompunerea QR
i descompunerea QR a matricei
18. Gasit
A=
1 2
1 2
0 3
19 noiembrie 2016
71 / 83
Metoda celor mai mici patrate
sistemul matriceal
Fie A Mmn (R) si b Rm . Consideram
Ax = b,
cu b
/ C (A).
Pseudosolutia sistemului este data de
= AT A
x
AT b.
19 noiembrie 2016
72 / 83
Metoda celor mai mici patrate
19. Gasit
x1 + x2 = 2
2x1 = 3
x x = 0
1
2
19 noiembrie 2016
73 / 83
19 noiembrie 2016
74 / 83
Teorema
este valoare proprie pentru A dac a si numai daca matricea A I
i.e.,
este neinversabila,
det(A I) = 0.
19 noiembrie 2016
75 / 83
Teorema
1 + 2 + ... + n = Trace(A).
19 noiembrie 2016
76 / 83
Definitie
O matrice A Mn (R) este diagonalizabila daca exista o matrice
matricea S 1 AS este diagonala.
19 noiembrie 2016
77 / 83
matricea
20. Consideram
A=
6
3 2
4 1 2
13 9 3
b) Gasit
1
A = SDS .
c) Calculati An si etA .
19 noiembrie 2016
78 / 83
Teorema
matricea simetrica A Mn (R), i.e., AT = A. Atunci:
Consideram
toate valorile proprii ale matricei A sunt reale,
vectorii proprii ce corespund valorilor proprii diferite sunt
ortogonali.
19 noiembrie 2016
79 / 83
Teorema
matricea simetrica A Mn (R). Atunci exista matricea
Consideram
matricea QT AQ este diagonala.
19 noiembrie 2016
80 / 83
A=
1 2 2
2 1 2
2 2 1
19 noiembrie 2016
81 / 83
19 noiembrie 2016
82 / 83
19 noiembrie 2016
83 / 83