Algebra Linear merupakan cabang matematik berkenaan ruang vektor , sering terhingga atau tidak terhingga dimensi, sertapemetaan

linear antara ruang itu. Penyiasatan sedemikian pada mulanya didorong oleh sistem persamaan linear yang mengandungi beberapa tidak diketahui. Persamaan itu [1] secara semula jadi yang diwakili menggunakan formalisme daripada matriksdan vektor. Algebra Linear adalah penting kepada kedua-dua matematik tulen dan gunaan. Sebagai contoh, algebra abstrak timbul dengan melonggarkan aksiom ruang vektor, yang membawa kepada beberapa generalisasi. Analisis Fungsian mengkaji versi yang tidak terhingga dimensi teori ruang vektor. Digabungkan dengan kalkulus, algebra linear memudahkan penyelesaian sistem linearpersamaan pembezaan . Teknik dari algebra linear juga digunakan dalam geometri analisis , kejuruteraan , fizik , sains semula jadi, sains komputer , animasi komputer , dan sains sosial (terutamanya dalam ekonomi ). Kerana algebra linear adalah satu teori yang maju, linear model matematik kadang-kadang hampir dengan yang linear.

Sejarah [ sunting sumber | edit beta ]

Kajian algebra linear pertama muncul dari kajian penentu , yang telah digunakan untuk menyelesaikan sistem persamaan linear. Penentu telah digunakan oleh Leibniz pada 1693, dan kemudiannya, Gabriel Cramer dicipta Peraturan Cramer untuk menyelesaikan sistem linear pada tahun 1750. Kemudian, Gauss terus dibangunkan teori penyelesaian sistem linear dengan menggunakan penghapusan Gauss , yang pada mulanya disenaraikan sebagai kemajuan dalam [2] geodesi. Kajian algebra matriks pertama muncul di England pada pertengahan 1800-an. Pada tahun 1848, James Joseph Sylvester memperkenalkan matriks panjang, yang Latin untuk "rahim". Semasa belajar komposisi transformasi linear, Arthur Cayley telah membawa kepada menentukan dan pendaraban matriks songsangan. Yang penting, Cayley menggunakan huruf untuk menunjukkan matriks, sekali gus merawat matriks sebagai objek agregat. Dia juga menyedari hubungan antara matriks dan penentu, dan menulis "Tidak akan banyak perkara untuk mengatakan mengenai teori ini matriks yang sepatutnya, ia seolah[3] olah saya, mendahului teori penentu". Pada 1882, Hseyin Tevfik Pasha menulis buku bertajuk "Algebra Linear". Yang pertama definisi [3] moden dan lebih tepat ruang vektor telah diperkenalkan oleh Peano pada tahun 1888; oleh 1900, teori transformasi linear ruang vektor terhingga dimensi muncul. Algebra Linear mula-mula mengambil bentuk moden pada separuh pertama abad kedua puluh, apabila banyak idea dan kaedah abad lepas adalah umum sebagai algebra abstrak . Penggunaan matriks dalam mekanik kuantum , relativiti khas , dan statistik yangmembantu menyebarkan subjek algebra linear di luar matematik tulen. Pembangunan komputer membawa kepada peningkatan penyelidikan dalam berkesan algoritma untuk Gaussian penghapusan dan penghuraian matriks, dan algebra linear menjadi alat penting untuk pemodelan dan [3] simulasi.
[4][5]

Asal banyak idea-idea yang dibincangkan dalam artikel mengenai penentu dan penghapusan Gaussian .

Skop kajian [ sunting sumber | edit beta ]

Ruang vektor [ sumber edit | edit beta ]
Struktur-struktur utama algebra linear adalah ruang vektor . Ruang vektor lebih bidang F adalah set V bersama-sama dengan dua operasi binari . Unsurunsur V dipanggil vektor danunsur-unsur daripada F dipanggil skalar . Operasi pertama, tambahan vektor , mengambil mana-mana dua vektor v dan w dan output vektor ketiga v + w . Operasi kedua mengambil apa-apa skalar yang dan mana-mana vektor v dan output vektor baru vektor av . Memandangkan contoh pertama, di mana pendaraban dilakukan dengan rescaling vektor v oleh skalar yang , pendaraban dipanggil pendaraban skalar daripada v oleh a . Operasi [6] penambahan dan pendaraban dalam ruang vektor memenuhi berikut aksiom . Dalam senarai di bawah, biarkan u , v dan w menjadi vektor sewenang-wenangnya dalam V , dan satu dan b skalar di F . Axiom Associativity penambahan Commutativity penambahan Unsur identiti penambahan Makna u+(v+w)=(u+v)+w u+v=v+u

Wujud elemen 0 V , yang dipanggil vektor sifar , seperti ya

Unsur-unsur songsang penambahan

Bagi setiap v V, wujud unsur - v V , yang dipanggil song 0

Distributivity darab skalar berkenaan dengan tambahan vektor a ( u + v ) = au + av Distributivity darab skalar berkenaan dengan tambahan bidang Keserasian pendaraban skalar dengan pendaraban bidang Elemen identiti pendaraban skalar

( a + b ) v = v + bv
[ nb 1 ]

a ( bv ) = ( ab ) v

1 v = v , di mana 1 menandakan identiti pendaraban di F .

Unsur-unsur vektor ruang V mungkin objek dalam apa jua bentuk, sebagai contoh, fungsi , polinomial , vektor, atau matriks. Algebra Linear adalah berkenaan dengan ciri-ciri yang sama kepada semua ruang vektor.

Transformasi linear [ sumber edit | edit beta ]

Begitu juga seperti dalam teori lain-lain struktur algebra, algebra linear kajian pemetaan antara ruang vektor yang mengekalkan struktur vektor ruang. Diberi dua vektor ruang V danW lebih bidang F , satu transformasi linear (juga dipanggil peta linear, pemetaan linear atau pengendali linear) adalah peta

yang serasi dengan penambahan dan pendaraban skalar:

bagi mana-mana vektor u , v V dan skalar a F . Apabila bijektif pemetaan linear wujud di antara dua ruang vektor (iaitu, setiap vektor dari ruang kedua yang berkaitan dengan betul-betul satu dalam yang pertama), kita katakan bahawa kedua-dua ruangan adalah isomorfik . Kerana isomorfisma yang mengekalkan struktur linear, dua ruang vektor isomorfik adalah "asasnya yang sama" dari sudut algebra linear pandangan. Satu persoalan penting dalam algebra linear ialah sama ada pemetaan adalah satu isomorfisma atau tidak, dan soalan ini boleh dijawab dengan memeriksa jika penentu adalah bukan sifar. Jika pemetaan yang tidak isomorfisma an, algebra linear adalah berminat untuk mencari yang pelbagai(atau imej) dan set unsur-unsur yang dapat dipetakan kepada sifar, yang dipanggil kernel pemetaan itu. Transformasi linear mempunyai kepentingan geometri. Sebagai contoh, 2 2 matriks sebenar menunjukkan pemetaan satah standard yang mengekalkan asal .

Subruang, jangka, dan asas [ sunting sumber | edit beta ]

Sekali lagi pada analog dengan teori-teori lain-lain objek algebra, algebra linear adalah berminat dalam subset ruang vektor yang ruang vektor sendiri; ini subset dipanggil subruang linear . Sebagai contoh, rangkaian dan kernel pemetaan linear kedua-duanya subruang, dan oleh itu sering dipanggil pelbagai ruang dan nullspace , ini adalah contoh-contoh penting subruang. Satu lagi cara yang penting dalam membentuk subruang adalah untuk mengambil kombinasi linear daripada satu set vektor v 1 , v 2 , ..., v k :

di mana a 1 , a 2 , ..., a k adalah skalar. Set semua kombinasi linear vektor v 1 , v 2 , ..., v k dipanggil mereka jangka , yang membentuk subruang a. Gabungan linear mana-mana sistem vektor dengan semua pekali sifar adalah vektor sifar V . Jika ini adalah satu-satunya cara untuk menyatakan vektor sifar sebagai gabungan linear v 1 , v 2 , ..., v k maka ini adalah vektor bersandar linear . Diberikan satu set vektor yang merangkumi ruang, jika mana-mana vektor w adalah gabungan linear vektor lain (dan sebagainya set tidak bersandar linear), maka tempoh yang akan tetap sama jika kita keluarkan w dari yang ditetapkan. Oleh itu, satu set vektor bersandar linear adalah berlebihan dalam erti kata bahawa subset tak bersandar linear akan meliputi subruang yang sama. Oleh itu, kita kebanyakannya berminat dalam set tak bersandar linear vektor yang menjangkau vektor ruang V , yang kita panggil yang asas daripada V . Mana-mana set vektor yang menjangkau V mengandungi asas, dan mana-mana set tak bersandar linear [7] vektor dalam V boleh dilanjutkan kepada asas. Ia ternyata bahawa jika kita [8] menerima aksiom pilihan , setiap ruang vektor mempunyai asas; Walau bagaimanapun,

dasar ini boleh menjadi luar biasa, dan sesungguhnya, mungkin tidak constructable. Sebagai contoh, terdapat asas bagi nombor nyata dianggap sebagai ruang vektor atas nombor nisbah , tetapi tidak mempunyai asas yang jelas telah dibina. Mana-mana dua asas-asas vektor ruang V mempunyai sama Kardinaliti , yang dipanggil dimensi daripada V . Dimensi ruang vektor adalah yang ditakrifkan oleh teorem dimensi bagi ruang vektor . Jika asas V mempunyai nombor terhingga elemen, V dipanggil ruang vektor terhingga dimensi. Jika V adalah terbatas dimensi dan U adalah subruang dari V , maka malap U malap V . Jika U 1 dan U 2 adalah subruang dari V , maka .
[9]

Satu sering menghadkan pertimbangan kepada ruang vektor terhingga dimensi. A teorem asas algebra linear menyatakan bahawa semua ruang vektor dimensi yang [ 10 ] sama adalah isomorfik, memberi cara mudah mencirikan isomorfisma.

Vektor sebagai n -tuples: teori matriks [ sumber edit | edit beta ]

Rencana utama: Matrix (matematik) Satu asas yang tertentu { v 1 , v 2 , ..., v n } daripada V membolehkan seseorang untuk membina satu sistem koordinat di V : vektor dengan koordinat ( a 1 , a 2 , ..., a n ) adalahgabungan linear

Keadaan yang v 1 , v 2 , ..., v n span V menjamin bahawa setiap vektor v boleh diberikan koordinat, manakala kemerdekaan linear v 1 , v 2 , ..., v n menjamin bahawa koordinat adalah unik (iaitu terdapat hanya satu gabungan linear vektor asas yang sama dengan v ). Dengan cara ini, sekali dasar vektor n ruang V lebih F telah dipilih, V boleh dikenal pasti dengan koordinat n ruang F . Di bawah ini pengenalan, penambahan dan pendaraban skalar vektor dalam V sesuai dengan penambahan dan pendaraban skalar vektor koordinat mereka n di F . Tambahan pula, jika V dan W adalah n -dimensi dan m ruang vektor dimensi lebih F dan dasar V dan asas W telah ditetapkan, maka mana-mana transformasi linear T : V W boleh dikodkan oleh m n matriks A dengan penyertaan dalam bidang F , yang dipanggil matriks T berkenaan dengan asas ini. Dua matriks yang mengekod transformasi yang sama linear dalam asas yang berbeza dipanggil sama . Teori Matrix menggantikan kajian transformasi linear, yang telah ditakrifkan axiomatically, dengan kajian matriks, yang benda-benda konkrit. Ini teknik utama yang membezakan algebra linear dari teori lain-lain struktur algebra, yang biasanya tidak boleh parametrized begitu konkrit. Terdapat perbezaan penting antara koordinat n ruang R dan umum terhingga n dimensi ruang vektor V . Walaupun R mempunyai asas standard { e 1 , e 2 , ..., e n }, vektor ruangV biasanya tidak dilengkapi dengan apa-apa asas dan asasasas yang berbeza wujud (walaupun mereka semua terdiri daripada jumlah yang sama unsur-unsur yang sama kepada dimensi V ).
n

Satu permohonan utama teori matriks adalah pengiraan penentu , satu konsep utama dalam algebra linear. Walaupun penentu boleh ditakrifkan dengan cara yang secara bebas, mereka biasanya diperkenalkan melalui perwakilan tertentu pemetaan; nilai penentu yang tidak bergantung kepada asas tertentu. Ia ternyata bahawa pemetaan adalahdisongsangkan jika dan hanya jika penentu adalah bukan sifar. Jika penentu adalah sifar, maka nullspace adalah nontrivial. Penentu mempunyai aplikasi lain, termasuk cara yang sistematik melihat jika satu set vektor bebas linear (kita menulis vektor seperti lajur matriks, dan jika penentu matriks yang sifar, vektor adalah linear bergantung). Penentu juga boleh digunakan untuk menyelesaikan sistem persamaan linear (lihat peraturan Cramer ), tetapi dalam aplikasi sebenar, penghapusan Gaussian adalah kaedah yang lebih cepat.

Eigen dan vektor eigen [ sumber edit | edit beta ]

Secara umum, tindakan transformasi linear boleh menjadi agak kompleks. Perhatian kepada contoh-contoh yang rendah dimensi memberikan petunjuk bagi pelbagai jenis mereka.Salah satu strategi untuk umum n-dimensi transformasi T adalah untuk mencari "garis ciri" yang set berubah di bawah T . Jika v adalah vektor bukan sifar seperti yang TV adalah pelbagai skalar daripada v , maka garis melalui 0 dan v adalah satu set tak berubah di bawah T dan v dipanggil vektor ciri atau eigen . Skalar seperti yang TV = v dipanggil nilai ciri-ciri atau nilai eigen bagi T . Untuk mencari eigen atau nilai eigen, kita ambil perhatian bahawa

mana Id adalah matriks identiti . Untuk sana untuk menjadi penyelesaian nontrivial kepada persamaan itu, det ( T - Id) = 0. Penentu adalah polinomial , dan nilai-nilai eigen tidak dijamin wujud jika bidang adalah R . Oleh itu, kita sering bekerja dengan bidang algebra ditutup seperti nombor kompleks apabila berurusan dengan nilai eigen dan vektor eigen supaya satu nilai eigen akan sentiasa wujud. Ia akan menjadi sangat baik jika diberi transformasi T mengambil ruang vektor V ke dalam dirinya kita boleh mencari asas untuk Vterdiri daripada vektor eigen. Jika apa-apa asas yang wujud, kita boleh mengira tindakan transformasi di mana-mana vektor: jika v 1 , v 2 , ..., v n adalah linear eigen bebas daripada pemetaan n ruang dimensi T dengan (tidak semestinya berbeza) eigen 1 , 2 , ..., n , dan jika v = a 1 v 1 + ... + a n v n , maka,

Transformasi sedemikian dipanggil matriks diagonalizable kerana dalam eigenbasis, perubahan diwakili oleh matriks pepenjuru . Kerana operasi seperti pendaraban matriks, matriks penyongsangan, dan pengiraan penentu mudah pada matriks pepenjuru, pengiraan yang melibatkan matriks adalah lebih mudah jika kita boleh membawa matriks kepada

bentuk pepenjuru. Tidak semua matriks adalah diagonalizable (walaupun lebih satu bidang algebra ditutup).

Inner-produk ruang [ sumber edit | edit beta ]

Selain daripada konsep asas, algebra linear juga mengkaji ruang vektor dengan struktur tambahan, seperti produk dalaman . Produk dalaman adalah satu contoh bentuk bilinear , dan ia memberi ruang vektor struktur geometri dengan membenarkan bagi takrif panjang dan sudut. Secara rasmi, satu produk dalaman adalah peta

yang memenuhi berikut tiga aksiom untuk semua [ 11 ] [ 12 ] vektor u , v , w dalam V dan semua skalar yang di F : Mengkonjugasikan simetri:

Perhatikan bahawa dalam R , ia adalah simetri. Kelinearan dalam hujah pertama:

Positif definiteness :

dengan persamaan hanya untuk v = 0. Kita boleh menentukan panjang vektor v dalam V oleh

dan kita boleh membuktikan ketidaksamaan CauchySchwartz :

Khususnya, kuantiti

dan sebagainya kita boleh memanggil kuantiti ini kosinus sudut antara dua vektor. Dua vektor adalah ortogon jika . Secara orthonormal adalah asas di mana semua vektor asas mempunyai panjang 1 dan ortogon antara satu sama lain. Diberi ruang vektor terhingga dimensi, secara

orthonormal yang boleh didapati oleh GramSchmidt prosedur. Asas Orthonormal sangat baik untuk berurusan dengan, kerana jika v = a 1 v 1 + ...+ a n v n , maka .

Produk dalaman memudahkan pembinaan banyak konsep yang berguna. Sebagai contoh, diberi mengubah T , kita boleh menentukan yang konjugat Hermitian T * sebagai linear mengubah memuaskan

Jika T memuaskan hati TT * = T * T , kita panggil T biasa . Ia ternyata bahawa matriks normal adalah tepat matriks yang mempunyai sistem orthonormal daripada eigen yang merangkumi V .

Beberapa teori berguna utama [ sumber edit | edit beta ]

Matriks A adalah bersongsang, atau bukan tunggal, jika dan hanya jika peta linear diwakili oleh matriks adalah isomorfisma . Mana-mana ruang vektor lebih bidang F dimensi n adalah isomorfik n kepada F sebagai ruang vektor atas F . Siratan: Mana-mana dua ruang vektor atas F dimensi terhingga sama adalah isomorfik satu sama lain. Peta linear adalah isomorfisma jika dan hanya jika penentu adalah bukan sifar.

Aplikasi [ sunting
sumber | edit beta ]
Kerana keleluasaan ruang vektor, algebra linear digunakan dalam banyak bidang matematik, sains semula jadi, sains komputer, dan sains

sosial. Berikut adalah hanya beberapa contoh aplikasi algebra linear.

Penyelesaian sistem linear [ sumber edit | edit beta ]

Rencana utama: Sistem persamaan linear Algebra Linear menyediakan persekitaran yang formal untuk kombinasi linear persamaan yang digunakan dalam kaedah Gaussian itu. Katakan matlamatnya adalah untuk mencari dan menerangkan penyelesaian (s), jika ada, sistem berikut persamaan:

Algoritma Gaussian-penghapusan adalah seperti berikut: menghapuskan x dari persamaan di bawah L 1 , dan kemudian menghapuskan y dari persamaan di bawah L 2 . Ini akan meletakkan sistem kepada bentuk segi tiga . Kemudian, dengan menggunakan back-penggantian, masing-masing tidak diketahui boleh diselesaikan untuk. Dalam contoh, x dihapuskan dari L 2 dengan menambah (3/2) L 1 kepada L 2 . x kemudian disingkirkan daripada L 3 dengan menambah L 1 kepada L 3 . Secara rasmi:

Hasilnya ialah:

Sekarang y dihapuska n dari L 3 dengan menambah 4 L 2 kepada L 3 :

Hasilnya ialah:

Keputusan ini adalah satu sistem persamaan linear dalam bentuk segi tiga, dan sebagainya bahagian pertama algoritma selesai. Bahagian terakhir, backpenggantian, terdiri daripada penyelesaian bagi memang diketahui dalam susunan terbalik. Oleh itu ia boleh dilihat bahawa

Kemudian , z boleh digantikan ke L 2 , yang kemudian nya boleh diselesaik an untuk mendapat kan

Seter usny a, z d an y boleh digan tikan ke dala mL1 , yang boleh disele saika n untuk mend apatk an

S i s t e m i n i

d i s e l e s a i k a n . K it a b o l e h , s e c a r a u m u m , m e n u li s a p a a

p a s i s t e m p e r s a m a a n li n e a r s e b a g a i p e r s a m a a n m a tr i k

s :

P e n y e l e s a i a n s i s t e m i n i m e m p u n y a i c i r i c i

r i s e p e r t i b e r i k u t : p e r t a m a , k i t a m e n c a r i p e n

y e l e s a i a n t e r t e n t u x
0

p e r s a m a a n i n i d e n g a n m

e n g g u n a k a n p e n g h a p u s a n G a u s s i a n . K e m u d i a n , k i t

a m e n g i r a p e n y e l e s a i a n A x = 0 ; y a n g , k i t a d a p

a t i n u l l s p a c e y a n g N o f A . P e n y e l e s a i a n s e t

p e r s a m a a n i n i d i b e r i k a n o l e h

. J i k a b i l a n g a n

p e m b o l e h u b a h s a m a d e n g a n n o m b o r p e r s a m a a n , m

a k a k i t a b o l e h m e n c i r i k a n a p a b i l a s i s t e m m e m p

u n y a i p e n y e l e s a i a n u n i k : s e j a k N a d a l a h r e m e h

j i k a d a n h a n y a j i k a d e t A 0 , p e r s a m a a n m e m

p u n y a i p e n y e l e s a i a n u n i k j i k a d a n h a n y a j i k a

d e t A 0 .
[

1 3

K u a s a d u a t e r k e c i l g a r i s l u r u s p e n y u a i a n t e

r b a i k
[ s u m b e r e d i t

| e d i t
b e t a

]
K a e d a h k u a

s a d u a t e r k e c i l d i g u n a k a n u n t u k m e n e n t u k a n b a

r i s a n t e r b a i k p a t u t b a g i s a t u s e t d a t a .
[

1 4

K e t u r u n a n i n i a k a n m e n g u r a n g k a n j u m l a h k u a s

a d u a s i s a .

P e n g e m b a n g a n s i r i F o u r i e r
[ s u m b e r e d i t

| e

d i t
b e t a

]
S i r i F o u r i e r a d a l a h p e r w a k i l a n f u n

g s i f : [ , ] R s e b a g a i s a t u s i r i t r i g o n o

m e t r i :

I n i s i r i p e n g e m b a n g a n a m a t b e r g u n a

d a l a m m e n y e l e s a i k a n p e r s a m a a n p e m b e z a a n s e p a r

a . D a l a m a r t i k e l i n i , k i t a t i d a k a k a n b i m b a n

g d e n g a n i s u i s u p e n u m p u a n , i a a d a l a h b a i k u n

t u k p e r h a t i a n b a h a w a s e m u a f u n g s i L i p s c h i t z b

e r t e r u s a n m e m p u n y a i m e n u m p u p e n g e m b a n g a n s i r i

F o u r i e r , d a n c u k u p b a i k f u n g s i s e l a n j a r m e m p

u n y a i s i r i F o u r i e r y a n g m e n u m p u k e p a d a n i l a i

f u n g s i p a d a k e b a n y a k a n m a t a . R u a n g s e m u a f u n g

s i f u n g s i y a n g b o l e h d i w a k i l i o l e h s a t u b e n t u

k s i r i F o u r i e r r u a n g v e k t o r ( t e k n i k a l b e r c a k a

p , k i t a p a n g g i l f u n g s i y a n g m e m p u n y a i s a m a p e

n g e m b a n g a n s i r i F o u r i e r f u n g s i " s a m a " , s e j a k

d u a f u n g s i s e l a n j a r y a n g b e r b e z a m u n g k i n m e m p

u n y a i s i r i F o u r i e r y a n g s a m a ) . S e l a i n i t u , r u

a n g i n i j u g a m e r u p a k a n r u a n g p r o d u k d a l a m a n d

e n g a n p r o d u k d a l a m a n

F u n g s i g
n

( x ) = s i n

( n x ) b a g i n > 0 d a n h
n

( x ) = c o s ( n x )

b a g i n 0 a d a l a h a s a s o r t h o n o r m a l u n t u k r u a

n g f u n g s i F o u r i e r d i p e r k e m b a n g k a n . O l e h i t u ,

k i t a b o l e h m e n g g u n a k a n a l a t a l a t a l g e b r a l i n e

a r u n t u k m e n c a r i p e n g e m b a n g a n a p a a p a f u n g s i

d i d a l a m r u a n g i n i d a r i s e g i f u n g s i f u n g s i a s

a s . S e b a g a i c o n t o h , u n t u k m e n c a r i p e k a l i a
k

, k i t a m e n g a m b i l p r o d u k d a l a m a n d e n g a n h
k

d a n

o l e h

o r t h o n o r m a l i t y ,

i a i t u ,