Матриця лінійного відображення
Розглянуто поняття матриці лінійного відображення, матриці заміни базису, правила множення матриці на вектор та множення матриці на матрицю.
Автор: Сергій Дяченко📅 2021-03-24⏳ 10 хв.
У цій лекції я розповім про матрицю лінійного відображення. Якщо розглядати довільне відображення, його можна задавати різними способами. Найбільш поширені - таблицею значень аргументів і функції. Наприклад, $$ \begin{array}{|c|c|c|c|c|} \hline x & 1 & 2 & 3 & 4\\ \hline f(x) & 1 & 2.5 & 3.4 & \frac{1}{2} \\ \hline \end{array}$$ Другий спосіб - задання формулою, наприклад, $f(x) = 2x^2-15x+3.$
Задати лінійне відображення першим способом не має можливості, оскільки як правило векторний простір - це нескінченна множина. На допомогу може прийти базис векторного простору. Якщо векторний простір скінченновимірний, то й кількість векторів базису скінченна, отже, можна обчислити значення лінійного відображення на цих векторах. Виявляється, що цього досить для того, щоб вміти обчислювати значення цього відображення на довільному іншому векторі. про це говорить наступна теорема
Якщо задане значення відображення на базисі $f(e_i) = w_i,$ $1 \leq i \leq n.$ Тоді для довільного $v \in V,$ $v = x_1 e_1 + x_2e_2 + ... + x_n e_n,$ тоді $$f(v) = x_1f(e_1)+x_2f(e_2)+...+x_n f(e_n).$$ $$f(v) = x_1w_1+x_2w_2+...+x_n w_n.$$
Якщо є інше лінійне відображення $g : V \to W$ з властивістю $g(e_i) = f(e_i) = w_i,$ $1 \leq i \leq n,$ то аналогічно написаному вище, для довільного вектора $v = x_1 e_1 + x_2e_2 + ... + x_n e_n,$ $$g(v) = x_1w_1+x_2w_2+...+x_n w_n.$$ А отже $f(v) = g(v)$ для всіх $v \in V,$ а це означає, що $f=g.$
Таким чином кожне лінійне відображення $f : V \to W$ однозначно задається набором векторів $w_1, w_2, ..., w_n \in W,$ в свою чергу кожен із цих векторів можна розкласти за базисом простору $W$ і отримати $n$ арифметичних вектори.
Можна зауважити, що матриця лінійного відображення залежить від вибору базису у $V$ просторах $W$. Якщо змінити базиси, то зміниться і матриця.
Матриця лінійного відображення це фактично реалізація першого підходу до визначення відображення. А саме матриця будується наступним чином. Беруться вектори базису, яких скінченна кількість. По черзі обчислюються значення відображення на цих векторах і значення послідовно записуються, як вектори-стовпчики матриці.
Але тепер виникає запитання, як використовувати матрицю лінійного відображення? Для чого вона потрібна? Як її використати для обчислення значення відображення на довільному векторі. Ось тут на допомогу прийде другий спосіб задання відображення - формула. А саме, знаючи матрицю відображення, можна записати формулу для обчислення значень відображення на довільному векторі.
Формула $(*),$ доведена в теоремі фактично є формулою множення вектора на матрицю. Можна помітити, що вона дуже схожа на систему лінійних рівнянь. Скороцено множення матриці $A$ на вектор $x$ позначається $$y = Ax.$$
Використовуючи введене позначення систему лінійних рівнянь з основною матрицею $A$ і стовпчиком вільних членів $b$ можна записати наступним чином: $$Ax=b.$$
Множення матриць
Кожному лінійному відображенню можна співставити матрицю. Якщо розглянути суперпозицію відображень $$V \xrightarrow{f} W \xrightarrow{g} U$$ і у векторних просторах обрати базиси $B_1 \subset V,$ $B_2 \subset W,$ $B_3 \subset U,$ тоді відображенню $f$ буде відповідати матриця $A$ (у базисах $B_1, B_2$), відображенню $g$ буде відповідати матриця $B$ (у базисах $B_2, B_3$), відображенню $gf$ буде відповідати матриця $C$ (у базисах $B_1, B_3$). природно виникає питання, а чи є формула, яка пов'язує матриці $A, B, C$, або чи можна знайти матрицю $C$, знаючи матриці $A , B$? Дійсно, така формула є і про це говорить наступна теорема.
Нехай $B_1 = \{ e_1, e_2, ..., e_n \},$ $B_2 = \{ h_1, h_2, ..., h_s \},$ $B_3 = \{ r_1, r_2, ..., r_m \}$ тоді, матриця $A$ має розмір $s \times n$, матриця $B$ має розмір $m \times s$, матриця $C$ має розмір $m \times n.$ Мають місце формули $$f(e_j) = \sum_{k=1}^s a_{kj}h_k,$$ $$g(h_k) = \sum_{i=1}^m b_{ik}r_i.$$
Для того, щоб обчислити коефіцієнт $C_{ij}$ матриці відображення $gf$ необхідно порахувати значення $gf(e_j) = g(f(e_j))$ і взяти координату при векторі $r_i$. $$gf(e_j) = g \Big( \sum_{k=1}^s a_{kj}h_k \Big) = \sum_{k=1}^s a_{kj}g(h_k);$$ $$gf(e_j) = \sum_{k=1}^s \sum_{i=1}^m a_{kj} b_{ik}r_i $$ $$gf(e_j) = \sum_{i=1}^m \Big( \sum_{k=1}^s b_{ik} a_{kj} \Big) r_i $$ Отже, справедлива формула $$c_{ij} = \sum_{k=1}^{|B_2|} b_{ik}a_{kj}$$
Формула, доведена в останній теоремі називається формулою множення матриць.