Wykład z algebry liniowej o diagonalizacji: jak każdemu przekształceniu liniowemu dobrać bazę, w której „czuje się najlepiej”. Wartości i wektory własne, wielomian charakterystyczny, liniowa niezależność wektorów własnych, potęgi macierzy i rekurencje liniowe, układy równań różniczkowych, a na koniec splot cykliczny i macierz Fouriera.
W tym nagraniu
Wartości i wektory własne, wielomian charakterystyczny
Wektory własne dla różnych wartości własnych są liniowo niezależne
Diagonalizacja i szybkie potęgowanie macierzy – rekurencje liniowe
Układy liniowych równań różniczkowych przez diagonalizację
Splot cykliczny, szeregi Fouriera i macierz z potęgami ωₙ
Wykład z algebry liniowej o diagonalizacji, czyli o tym, jak każdemu przekształceniu liniowemu dobrać bazę, w której „czuje się najlepiej”. Podstawowe pojęcia to wartość własna λ i wektor własny v ≠ 0, dla których Av = λv; wartości własne to pierwiastki wielomianu charakterystycznego det(A − λI).
Kluczowe twierdzenie: wektory własne odpowiadające różnym wartościom własnym są liniowo niezależne, więc macierz n × n o n różnych wartościach własnych jest diagonalizowalna: A = P·D·P⁻¹. Wtedy Aᵏ = P·Dᵏ·P⁻¹, co pozwala szybko potęgować macierze i rozwiązywać rekurencje liniowe.
Dalej układy liniowych równań różniczkowych x′ = Ax rozwiązywane przez diagonalizację — w bazie wektorów własnych układ rozpada się na niezależne równania — i na koniec splot cykliczny, szeregi Fouriera oraz macierz zbudowana z potęg pierwiastka z jedności ωₙ = e^(2πi/n), która diagonalizuje operację splotu.
Opis i materiały
Diagonalizujemy macierze.
Lekcje kursu „Matematyka od nowa” na ten temat
Szkolne podstawy tego, o czym jest nagranie — interaktywnie i za darmo.
Transkrypt został wygenerowany automatycznie na podstawie napisów YouTube, więc może zawierać błędy w zapisie wzorów, nazwisk i terminów. Kliknij znacznik czasu, aby przewinąć wideo do danego fragmentu. (8642 słów)
Będziemy walczyć o to, żeby każdemu przekształceniu liniowemu dobrać bazę, w której się będzie czuł jak najlepiej. Po co nam to? Przekonaliśmy się już kiedyś, że całkiem sprawnie można badać przekształcenie liniowe przez patrzenie na ich macierze. Tylko liczenie na macierzach często bywa uciążliwe. na przykład marzenie jest nieprzemienne i ono kosztuje dużo operacji jakby ktoś nam kazał podnieść jakąś taką macierzę do potęgi n to byśmy się musieli bardzo drapać po głowie a jakby ktoś nam powiedział że jest sobie kółko na płaszczyźnie i chcemy zobaczyć jak wygląda zbiór tych wszystkich wektorów które zostaną wyprodukowane wyprodukowane z tego kółka przez daną macierz, to też byśmy tak a priori nie wiedzieli.
Jakbyśmy chcieli zobaczyć, gdzie jest zbiór wektorów postaci, takie coś, to też a priori trzeba się potrapać po głowie. Trzeba coś narysować, trzeba skorzystać z jakiejś wiedzy o tym, że afiniczny obraz okręgu to jest elipsa. To nie są proste rzeczy. Co się dzieje z winy tego, że w macierzach rachunki są takie, jakie są. natomiast my znamy taką klasę macierzy na których rachunki są proste jak marzenie są takie proste jak budowa cepa to są macierze diagonalne pamiętam jakieś takie sztuczki że na macierzach diagonalnych dodawanie macierzy to jest po prostu dodawanie wektorów to nie jest niespodzianka ponieważ w ogóle na macierzach dodawanie to jest dodawanie wektorów ale jak tu zrobimy mnożenie to się robi takie najbardziej chamskie brutalne i prymitywne mnożenie po współrzędnych w miejsce w miejsce tego że mnożenie na macierzach, to jest dużo większa struktura. Więc nasze marzenie wygląda tak, że spotykamy na ulicy
Macierz i szuchornujemy ją w zachowywaniu się w taki sposób. Jak macierz równoważnie przekształcenie liniowe. Więc nasz premier będzie taki. Mamy F, które jest przekształceniem z V w V. To jest bardzo istotne, że to jest konkretnie ta sama przestrzeń. Żeby zrobić kwestię nazewnictwo, to ludzie to nazwali endomorfizmami. ten dobo wewnętrzny morfizm od V do V i mamy marzenie chcielibyśmy, żeby macierz F w jakiejś odpowiednio dobranej bazie V była diagonalna i celem tego wykładu jest po pierwsze przekonać Was, że jeśli liczby nie są złośliwie i pechowo dobrane przez autora zadania oraz jeśli umiemy rozwiązywać równania wielomianowe to na to jest algorytm i przekonać Was, że wynik tego algorytmu się stosuje Praktycznie wszędzie.
Jeden sposób myślenia jest taki, że mamy przekształcenie z V do V. Drugi sposób myślenia jest taki, że mamy macierz N na N nad jakimkolwiek ciałem. To myślimy o macierze jako o przekształceniu mnożenia przez. Mamy to L A, które działa na F N. Czyli teraz możemy już zrobić pompatyczny znaczek, że to jest endomorfizm. Co byśmy chcieli? Chcielibyśmy, żeby macierz L A w jakiejś bazie była diagonalna. Macierz L A w jakiejś bazie to jest co? to jest ten sam wielki wzór, który się pisze po to, żeby nie zapomnieć, które macie, że jest do potęgi pierwszej, a które jest do minus pierwszej.
Takie coś. To jest cały pipeline produkcyjny. Tu jest identyczność. Tu jest od V do bazy standardowej. Tu jest LA w bazie standardowej. A tu jest identyczność od standardowej do V. Mamy zachowaną chronologię. Idziemy od V do standardowej, od standardowej do standardowej i od standardowej do V. No to to z definicji to jest po prostu A. Czyli nasze marzenie wygląda tak, żeby tu jest jakaś macierz, odwracalna.
Tak jak to bywa z macierzy o indetyczności w jakichś bazach. Nazwijmy to S. Przy okazji my wiemy, że kolumny S to są po prostu współrzędne wektorów z bazy V. No to z tego śmiesznego wzorku na to, jak się mnoży tę macierz z tą, to jest S do minus pierwszej. Można o tym myśleć w ten sposób, że S to jest taki konwerter zapisu danych o wektorze z bazy V na bazę standardową, a to jest konwerter w drugą stronę. I chcielibyśmy, żeby to była macierz diagonalna, która ma coś na przekątnej. Powiedzmy ciąg od lambda 1 do lambda n, nazwijmy ją sobie lambda.
Czyli chcielibyśmy mieć taki napis, że lambda to jest S do minus pierwszej A razy S, czyli równoważnie A jest równe S razy lambda razy S do minus pierwszej. To jest to samo. Walka o diagonalność macierzy jakiegoś F w jakiejś bazie to jest to samo, co walka o diagonalizację konkretnej macierzy. Dlaczego? No bo to coś, jak zmieniamy bazę, powiedzmy, że mamy jakąś bazę V1 i chcemy napisać F w bazie V2. To procedura jest dokładnie taka sama. Tu jest jakaś macierz, tu jej chcemy dopisać jakąś macierz odwracalną, a tutaj chcemy jej dopisać tę samą macierz odwracalną, tylko że do minus pierwszej.
Dlaczego jak takie coś dostaniemy, to nas ucieszy? No dlatego, że... Spójrzmy na takie przekształcenie. Co ono robi z wektorami, które ciężko sobie narysować? Możemy sobie narysować, że tu jest wektor 1, 0. To po przejściu przez to przekształcenie to się zrobi minus 1, minus 6. to on wyjdzie gdzieś tu wektor 0,1 był tu i zrobi się z niego 1,4 jakoś tak czyli to przekształcenie tak jakby weźmie te wektory, rozegnie je i jeszcze przy okazji flipnie w ten sposób czy ono tak zrobi? nie, tu akurat nawet nie musi flipować jak się bliżej przyjrzeć temu rysunkowi to jest bardziej płasko przy osi przy osi Y rzeków, tak że ten kąt tutaj jest kątem wypukłym.
No i już widać, że tak patrzenie przez taką brutalną geometrię to bywa zwodnicze. A jak nam się już uda znaleźć jakąś taką śmieszną bazę, w której to przekształcenie jest ma macierz diagonalną, no to to my wiemy, jak działają przekształcenia w macierzach diagonalnych. Tu będziemy mieć jeden wektor bazowy, tu będziemy mieć drugi wektor bazowy, ten się będzie mnożył przez jakąś stałą i ten się będzie mnożył przez jakąś inną stałą. Czyli w takim skoszonym układzie współrzędnych, skoszonym i obróconym, to przekształcenie to będzie po prostu mnożenie jednej współrzędnej przez jedną stałą i drugiej przez drugą. Takie rzeczy sobie dużo prościej wyobrazić.
To co? To jak my chcemy wywalczyć takie coś dla dowolnego przekształcenia? To, że chcielibyśmy, żeby f w jakiejś bazie V, powiedzmy, jak to będzie lista wektoru od V1 do N, żeby to była macierz taka, to z definicji znaczy tyle, że co? Tu w kolumnach mają być obrazy wektorów bazy V w przekształceniu F zapisane w bazie V. Czyli F od V1 w bazie V ma współrzędne lambda 1 i same 0. Czyli ma być takie coś. I z V2 tak samo. Czyli dlaczego my tak naprawdę poszukujemy?
To są takie rzadkie przypadki, że jak przyłożę F do jakiegoś wektora, to wyjdzie mi coś równoległe do niego. Po polsku scalar resident vector. I to się pompatycznie nazywa zagadnieniem własnym macierzy. Maciera lub przekształcenia. To wszystko jest to samo. To z tego się robi definicja. Mamy F, który jest na morfizmie. Gdzieś. To mówimy i przypuśćmy, że mamy taką sytuację, że mamy wektor, różny od 0. 0 to wszystko trywialnie spełnia i nie kontrybuje informacji. I mamy jakiś skalar. To co? To jeśli F od V jest równe lambda V, to lambda to jest wartość własna.
V to jest wektor własny zabawne, że ta cała dziedzina się badanie, ogólnie myślenie o przekształceniach liniałych w ten sposób to się zrobiło gdzieś w Niemczech na przełomie XIX i XX wieku i dlatego to się nazywało jakoś eigen coś nie pamiętam jak po niemiecku jest wartość w każdym razie jak Amerykanie to chcieli przemierać na angielski to zrobili copy-paste z niemieckiego słowa jeszcze zrobili tak, żeby nie pisać rzeczowników z dużej litery, tak jak to było w XVII wieku.
To jest tak samo eigenwektor. I co? No i sprawa jest taka, że to zjawisko jest rzadkie. Dlaczego ono jest rzadkie? No bo tu jest mowa o dwóch obiektach, o lambda i o V. Jak już mamy jednego V, no to bardzo prosto testujemy, czy on jest wektorem własnym. Przykładamy F i patrzymy, czy jest równoległy. Natomiast to nam nie daje bezpośredniego sposobu szukania szukania V, które są dobre dla F. To, co się robi, to się szuka takich lambda, dla których istnieje jakiś V.
No bo spójrzcie. Tu jest napisane, lambda jest wartością własną, wtedy tylko wtedy, gdy istnieje wektor niezerowy, taki, że F od V jest równy lambda V. Toż tu jest napisane lambda razy identyczność razy V. A toż tu jest napisane po prostu F minus lambda razy identyczność od wektora V. Ma być równy wektor zerowy. I naszym oczom ukazuje się dokładnie warunek na to, że to przekształcenie z V do V nie jest izomorfizmem. To jest ten tysiąc warunków równoważnych. Mam nietrywialne jądro wtedy i tylko wtedy, kiedy nie jestem izomorfizmem, wtedy i tylko wtedy, kiedy nie jestem mono i wtedy i tylko wtedy, kiedy nie jestem epi.
To jest równoważne z tym, że F minus lambda razy identyczność Jakbym był pompatyczny, to myślę, że to jest identyczność na przestrzeni V. Nie jest izomorfizmem. I korzystając z naszej rozległej wiedzy o wyznacznikach, mówimy, że to jest równoważne z tym, że wyznacznik F minus lambda takie coś jest równy z F. Jakby zamiast F była macierz, to robi się to absolutnie dokładnie tak samo. Po prostu zamiast przekształcenia identycznościowego jest macierz jednostkowy. No dobra. To nam bardzo, bardzo, bardzo zawęża krąg podejrzany. Dlaczego? Definicja.
Powiem, że wielomian charakterystyczny przekształcenia od lambda to jest dokładnie to, co jest tutaj napisane. Cyk, cyk, cyk. Gdzie jest mój kursor? Twierdzenie lambda f jest wielomianem. Zastanawiam się, co najwyżej ja natraktuję dokładnie. Dowód jest całkowicie na palcach. To znaczy, to znaczy co?
To znaczy patrzymy na rozwinięcie permutacyjne tego czegoś. To znaczy lambda f od chi, chi f od lambda. Chi dlatego, że to się nazywa w imieniu charakterystycznym. To coś, to jest wyznacznik. Czyli jak weźmiemy sobie jakąkolwiek bazę, byle jaka baza w przestrzeni V, niech a to będzie macierz f w bazie byle jakiej. To jest to samo co wyznacznik. Tak jak mówiliśmy kiedyś, że wyznacznik przekształcenia to jest wyznacznik jego macierzy w byle jakiej bazie.
A definicja ma sens, ponieważ dowodziliśmy wcześniej twierdzenia, że macierzy przekształcenie nie zależy od bazy. To jest wyznacznik a minus lambda razy identyczność. Czyli taka wielka suma po sigmach, które są permutacjami. I to będzie jakiś taki strasznie głupi iloczyn. Tak normalnie to by było a sigma od 1, 1 potem byłoby no i tak dalej, aż do A sigma od N ale odejmujemy jeszcze lambda I no to odejmujemy od tego lambda razy delta Kroneckera, czyli selektor tego kiedy dwie rzeczy są równe sigma od 1 i 1 razy, o i tutaj tak samo lambda razy coś, co jest 0 albo 1 no i to dla każdej sigmy to coś jest wielomianym stopnią co najwyżej N najczęściej to będzie wielomian stopnia mniejszego niż N najczęściej będzie mało tych indeksów dla których sigma od k zgodzi się z k będzie dokładnie jeden
Jedno takie sigma które zapunktuje lambdą w każdym z tych czynników, to będzie dokładnie sigma w którym sigma od 1 równa się 1 i tak dalej czyli dokładnie sigma równa się identyczność czyli tu będzie dokładnie jeden składnik który jest wielomiany stopnia n a wszystkie pozostałe będą na stopnie mniejszego n więc to nie dość, że jest wielomiany stopnia co najwyżej, a to jest jeszcze dokładniej. No to już mamy plan. Wszyscy podejrzani są pierwiastkami jakiegoś wielomianu. Tak długo, jak umiemy rozwiązywać równanie wielomianowe, a umiemy tak, różnie to bywa. Dla n równego 2 umiemy, dla n równego 3 to jest dobre pytanie.
Wzory Cardana są na tyle nielubiane przez wszystkich, że nie ma takiego gołtu przedmiotu, na którym się je robi. Spodziewałbym się ich na algebrze na drugim roku, ale spodziewam się, że jeśli gdzieś będą to na algebrze na drugim roku, ale tak ogólnie to nie polecam. Dobra wiadomość jest taka, że po pierwsze równanie wielomianowe daje się rozwiązywać numerycznie, a po drugie, jak już dostaniecie zadanie od człowieka z brodą, którego ktoś brutalnie zmusił do dawania wam zadań, to tam będą liczby całkowite i będą tak dobrze dobrane, żeby te równanie wielomianowe się rozwiązywały tak przyjemnie, jak te na maturze. To znaczy na starych maturach, bo na nowych maturach to oni mają jakiś taki paskudny zwyczaj, żeby były pierwiastki typu 2 trzecie i trzeba sprawdzać stwierdzenie o pierwiastkach wymiernych.
Anyway, więc nasz workflow będzie wyglądał tak. Spotykamy na ulicy Macierz, liczymy je w jomia charakterystycznej. Mamy zbiór podejrzanych. To są lambdy, takie, że dla każdej będzie przynajmniej jeden wektor własny. Jeśli nam się uda z tych wektorów własnych ulepić bazę, to wygraliśmy. no jak się nie da to to jest materiał na następny wykład o twierdzeniu Jordana ciągle zastanawiam się czy chcę być wystarczająco okrutny żeby wam o tym opowiadać z jednej strony to jest fajne bo to jest algorytm z drugiej strony to jest dość nieprzyjemny algorytm dobra to zrobimy co? zrobimy jakiś kanoniczny przykład na przykład niech a to będzie tu sobie właśnie dobrałem liczby tak żeby wychodziło możemy myśleć o tym jako o biznesie o macierzy a, albo o biznesie o przekształceniu mnożenia przez a. To jest dokładnie to samo.
No to liczymy. chi a od lambda to jest wyznacznik minus jeden, minus lambda, cztery, minus lambda, jeden, minus sześć. I tu będzie jakieś nieprzyjemne liczenie. Ja zrobię, zrobię cheatowanie i napiszę w ten sposób, że to jest to minus trzy lambda i teraz co? Plus wyznacznik, czyli plus minus cztery, plus 6, czyli plus 2. A, bo ja to tak dobrze dobrałem. Lifehack jest taki, że chi a od lambda jest równe to, co było w którymś tam starym zadaniu. To chyba jak on dałem do udowodnienia twierdzenie Keila Hamiltona dla n równego 2.
Że to jest lambda kwadrat minus ślad a razy lambda plus wyznacznik a. Ale to jest ważne, że to działa tylko dla macierzy kwadratowych. czy dla macierzy 2x2. Dla większych macierzy też jest wzór tego typu, natomiast współczynniki, które tam się pojawiają, to są jakieś funkcje od macierzy. I to nie jest jawny wzór, tylko najprostszy opis tego obiektu, który jest opisywany tym jawnym wzorem, to jest któryś z współczynnych wielomianie charakterystycznym.
To się właśnie raczej robi w drugą stronę. Jak się spotka ten wzór na ulicy, to my się cieszymy, że aha, to pochodzi od wielomiania charakterystycznego. Prawie nigdy się nie robi tak, że wielomianie charakterystyczne liczyć przez ten okropny wzór. Ale to jest dokładnie tak dobrane, żeby się liczyło prosto. chi a od lambda jest równe 0, gdy no i tu wracamy do matury. Suma ma być 3, iloczyn ma być 2. Czyli jesteśmy 1 albo 2. No to, to co? To nazwijmy to lambda 1, a to 1 nazwijmy o 1 i lambda 2 równe 2. Teraz mamy gwarancję, że dla każdego z nich będzie przynajmniej jeden wektor własny.
Złośliwie mogłoby się okazać, że że co? żeby te wektory nie były liniowo niezależne potem się udowodnił mi twierdzenie które mówi, że matematyka aż tak złośliwa nie jest tej złośliwości nie przejawia ale złośliwości bliskie tej się już zderzają no to szukamy wektorów własnych do lambda 1 szukamy V powiedzmy V1 takiego, że AV1 jest równe lambda 1 V1 czyli po polsku a minus lambda razy identyczność razy V1 ma być równe wektor zerowy.
To jest lambda 1. Toż to jest układ równaniliowych jednorodnych. Takie coś to my umiemy. Bierzemy macierz, odejmujemy jej 1 na przekątnej. Tu wychodzi minus 2. Tu zostaje. Tu jest minus 6 i tu jest 3. Już gołym okiem widać, że się nie pomyliliśmy. Bo co? Bo wyszła macierz osobliwa. Pierwszy wiersz razy 3 to jest drugi. W związku z tym, jak patrzymy, kiedy to razy jakieś x, y jest równe 0, 2 na 2 to wszystko jest strasznie przyjemne i proste. Tu, jak dobieramy takie x, y, żeby to było 0, to na przykład możemy wziąć x równe 1, y równe 2.
Oczywiście możemy też wziąć x równe 10, y równe 20. Wektor własny tak naprawdę jest określony z dokładnością do pomnożenia przez stało. i przy okazji wiemy, że skoro macierz A jest osobliwa i tu mamy wektor, który zeruje ten wiersz i ten jest równoległy do tego, to ten też musi być wyzerowany przez każdy taki wektor czasem, jak tu wychodzą syfy z pierwiastkami w których nie jest oczywiste tak na poziomie pomnożenia przez 10, że ten wiersz jest równoległy do tego to warto sprawdzić, czy ten wektor, który nam wyjdzie stąd, to jest też zeruje to drugie To jest takie jak sprawdzanie jednostek. Więc możemy wziąć V1 równe 1,2.
To co tak naprawdę jest istotne, to jest span V1. Ale o tym za chwilę. Dokładnie tak samo robimy z lambda 2. To jest minus 3, tu jest 1, tu jest minus 6 i tu jest 2. No i jeśli to razy x i y ma być 0, no to tu wyobrażamy sobie jakie są x i y. ogólnie jakby to była macierz n na n to byśmy musieli robić jakieś tam schodkowanie czy coś tam natomiast tu to po prostu widać, że możemy wziąć x równego 1, y równego 3 no to cieszymy się, dlaczego?
V1 i V2 są nimi niezależne no to jak ja powiem, że baza V to jest właśnie nasz wektor V1 i wektor V2 no to z automatu stwierdzamy, że macierz przekształcenia mnożenia przez macierz A w bazie V to jest macierz, która ma tu lambda 1 i tu lambda 2. Jak chcemy się uwolnić od pisania takich rzeczy i napisać to wszystko w terminach samych iloczynów macierzy, no to mówimy, że A to jest macierz mnożenia przez A w bazie standardowej.
Czyli tu jest macierz mnożenia przez A w bazie śmiesznej. To żeby na końcu i na początku była standardowa, to tu musimy pójść od standardowej do śmiesznej, a tu od śmiesznej do standardowej. To jest nasza ukochana macierz diagonalna. To, to jest jakieś paskudztwo, bo to jest macierz przejścia od standardowej do takiej zapisanej wektorami. To, to jest macierz, która werbatim się bierze z tego, jakie są wektory. Pamiętamy mantrę, że macierz, macierz przekształcenia to są obrazy wektorów starej bazy napisane w nowej bazie. Czyli tu są po prostu obrazy wektorów z V w przekształceniu identyczność zapisane w bazie standardowej. Czyli po polsku po prostu w verbatim napisane wektory z bazy V. Czyli tu jest 1, 2 i 1, 3.
Tu jest 1, 2. A tu jest 1, 2, 1, 3 do minus pierwszy. Czyli jakie było to A? Minus 1, 1, minus 6, 4. Raz, raz, dwa, trzy, raz, dwa. I to się odwraca w pamięci, bo tak dobrze dobrę liczbę, żeby znacznik był 1. Czyli tu jest 3, tu jest 1, tu jest minus 1, tu jest minus 2. Jak kto nie wierzy, to niech przeliczy i sprawdzi. No i z tą wiedzą możemy robić duże rzeczy. Na przykład to tendencyjne pytanie o to, co się dzieje z kółkiem, jak się to przekształci przez ten przez ten macierz, to się zaczyna robić prostsze. No bo jak patrzymy sobie, jak ona działa na układzie współrzędnych, to w oryginalnych osiach ona działa jakoś głupie, tak jak narysowaliśmy.
Ale zamiast tego możemy sobie narysować wektor, 1,2 i wektor 1,3. Wektor 1,2 Narysujmy to jakoś trochę inaczej. Narysujmy to tak. Albo nie, niech zostanie tak. Wektor 1,2 to jest jakiś taki wektor. Wektor 1,3 to jest jakiś taki wektor. I to jest nasz ukaz współrzędny. Strasznie krzywy, ale krzywość to tylko liczba. Tu jest jedna oś i tu jest druga. No i co robi nasze przekształcenie?
Ono w jednej osi, w tej czerwonej osi zostaje wszystko w miejscu, a w zielonej osi wydłuża razy dwa. Czyli jak na początku tu było kółko, to ten punkt zostaje w miejscu, ten punkt zostaje w miejscu, a ten się robi pomnożony przez dwa. I teraz jakiś mądry geometra powie, że takie coś to jest elipsa, a my powiemy, kiedy my powiemy, dlaczego to jest elipsa, taka uczciwa, taka z półosiami, powiemy to jak się więcej nauczymy o iloczyniu skalarnym.
No, to macierz jeszcze powróci. Bo za dobrze dobrałem liczby, żeby i potem nie używać. To macierze 3 na 3 się dzieje dokładnie to samo. W generycznym przypadku będziemy mieć wielomian, który ma 3 pierwiastki. Będziemy mieć 3 różne wartości własne. Każda wyprodukuje jeden wektor. Skąd wiemy, że wektory będą linowo niezależne? To jest bardzo urocze twierdzenie. To jest jedno z tych nielicznych twierdzeń, których trzeba się przez moment podrapać po głowie. Powiedzmy, że mamy macierz A. Zrobimy w takiej ogólności, że to jest macierz n na n i ona nie musi mieć n wartości własnych. Lambda 1, lambda k. One są parami różne i powiedzmy, że wektory Vk są odpowiadającymi im wektorami własnymi.
To znaczy, że A a Vk jest równe lambda k Vk. I twierdzenie twierdzi, że z tego wynika, że V1 do Vk są linowo niezależne. No i dowód jest Dowód jest uroczy. No, przypuśćmy, że suma cj vj j równa się 1 do k jest wektorem 0. No to przewalamy temu stronami macierz A z lewej strony. To dostajemy, że suma cj avj jest 0.
No, ale avj to jest dokładnie cj razy lambda j vj. Już powoli widzicie konspirację. To się działo dla c. teraz to samo zjawisko się dzieje dla ciągu C pomnożonego przez lambda. Jakbyśmy byli zwariowanymi ludźmi od układów dynamicznych, to byśmy powiedzieli, że co, że stosujemy to n razy, patrzymy na asymptotykę, dzielimy przez największą lambdę, reszta dąży do zera, więc bez straty ogólności to się dzieje tylko na największej lambdy i coś z tego dalej wynika.
Natomiast to można zrobić w zabawniejszy sposób. Przez indukcję temu przywalamy A, no i znowu dostajemy suma cj, lambda j, avj a z tego a się robi i tak dalej dostajemy, że dla każdego k suma po j cj, lambda j do k tej vj jest równa 0 no to już jesteśmy prawie w domu chcę wykombinować wielomian bo to nam mówi, że cj, vj razy wielomian pewien konkretny mianowicie podnoszenie do k tej potęgi od lambda i się zeruje Czyli jak ja wezmę to, pomnożę to stronami przez powiedzmy b, bk, a potem wysumuję po k, to dostaję taki napis suma po j, cj, suma po k, bk razy lambda j do k tej, vj, równa się 0, wektor 0.
To jest jakiś wielomian od lambda j. Nazwijmy go beta. Dla każdego wielomianu beta. to teraz korzystamy z tego, że lambda są parami różne i robimy wielointerpolacyjny Lagrange'a, albo nawet robimy to totalnie na palcach powiedzmy, że chcemy udowodnić że C1 jest równe 0 no to nic prostszego a, tu czegoś zapomniałem chyba w tym a, i Vk są nie są wektorami 0 i Vk są wektorami własnymi, które mają wartości własne na wdaka to, co się tutaj dzieje? to niech beta będzie taki, że beta od lambda 1 jest równe 1 oraz beta od pozostałych lambda co źle zrobiłem zaproponowałem znaczek k to ja zrobię tu m to jest dla k od 1 do m tu chciałem napisać m, tu napiszę m aż do lambda m jestem równy 0
Na przykład beta od t jest równe iloczyn T minus lambda J od 2 do M jeszcze znormalizowany przez lambda 1 minus lambda J iloczyn od 2 do M iloczyn, to znaczy to zielenie jest legalne, ponieważ lambdy są parami różne i te rzeczy będą wnikły, są różne. No to już. Jak mamy taki beta, no to wtedy mamy ta cała suma. To jest po prostu C1 beta od lambda 1, czyli 1 razy V1 jest równe 0. Cała reszta jest 0. To jest wektor niezerowy. Więc C1 jest równe 0.
I z arbitralności wyboru jedynki to samo się dzieje z całą resztą C. Czyli zerowość kombinacji liniowej powoduje, że wszystkie są zerami, czyli on jest nimiło niezależny. Czyli tak naprawdę to to nam mówi, że jeśli zielonia charakterystyczny ma n różnych pierwiastków, znaczy parami różnych pierwiastków, to macierz A jest diagonalizowalny. Powinien to było gdzieś napisać na początku.
Pewnie jak robiłem jakiś taki napis, że jeśli to, że marzenie jest spełnione, to znaczy, że przekształcenie F równoważnie jego macierz jest przekształceniem diagonalizowalnym. Marzenie jest spełnione. Jest diagonalizowalne.
Dowód jest w set eksplanatory. Jak mamy n różnych wartości własnych, każda produkuje wektor własny z tego twierdzenia są nieuniezależne, mamy bazę bywa, że nie mamy samych różnych pierwiastków a i tak nam się zrobi baza bo zauważcie, że jak A minus lambda I jest macierzą nieodwracalną, to wcale nie znaczy, że to musi mieć jądro w miaru 1 to się pewnie pisze jakoś tak, że ja to chyba nazywałem w zadaniach V, tutaj lambda, tutaj F jak ja mam F, który jest aneworfizmem, to to to jeszcze w starych książkach to się nazywało przestrzeń pierwiastkowa wymyślił ją radziecki uczony pierwiastków nie wymiar tylko, że to jest jądro f minus lambda razy identyczność czyli dokładnie przestrzeń tych wektorów wektorów własnych dla których lambda jest wartością własną jakiś prawnik powiedział, że przestrzeń, która się składa z wektorów własnych dla których lambda jest wartością własną oraz 0 i co?
No i tak naprawdę to to, o co my walczyliśmy, jak miała być ta baza własna, to było to, że chcielibyśmy, żeby cała przestrzeń V, żeby to była suma prosta z panów tamtych wektorów VK. Każdy ma swoją wartość własną i do kasy. A jak na to patrzymy od strony wartości własnych, no to ja mam taką sumę prostą po wszystkich możliwych lambdach. Ten napis wygląda na oszukany, bo o co w ogóle chodzi? suma prostej to jeszcze indeksowana nieprzeliczalnym zbiorem, ale jak wiemy dla wszystkich lambdów oprócz oprócz skończenia wielu ta podprzestrzeń jest zerowa, więc to nie kontrybuje do tej sumy, tak to jest tak samo jak szereg liczbowy, który się terminuje w którymś miejscu i jak suma jest zera od pewnego miejsca, to tam nawet nie trzeba zatrudniać analizy, to jest po prostu obiekt algebraiczny, tak samo tutaj to jest jakaś podprzestrzeń całego V ta suma algebraiczna jest prosta ponieważ w twierdzeniu o linijowej niezależności wektorów, które mają różną wartością własną więc to jest podprzestrzeń
To jest największa podprzestrzeń, do której obcięcie f jest diagonalizowane no i twierdzenie to jest równe v wtedy tylko wtedy, gdy f jest diagonalizowane no i dowód jest w zasadzie taki, że że widać jeśli f jest diagonalizowane, to oczywiście że jest takie coś, tu mam jedną lambdę, ona się powtarza ileś razy, drugą lambdę się powtarza ileś razy, ten kawałek bazy to jest VF lambda 1, ten kawałek bazy to jest VF lambda 2 i tak dalej. I tak się rozpadnie cała przestrzeń. W drugą stronę to po prostu bierzemy bazę każdej z tych podprzestrzeni pierwiastkowych i kleimy te bazy do bazy całego V. I zrobione.
I to jest fajne twierdzenie, bo ono jak spotkamy macierz, który się nie da zjegonalizować, to przynajmniej wiemy, że się nie da, a nie tylko myślimy, że nam się nie udało. Kanoniczny złoczyńca w dziedzinie dania się diagonalizować to jest macierz Janusza, znaczy Jordan. Oczywiście wziąłem charakterystyczny, po prostu odejmę lambda na przekątnie, to jest lambda kwadra. Czyli jednymi pierwiastkami są 0, ale ker tego czegoś minus 0 razy i2, to niestety to jest span E1. No i nie starczy wymiaru.
Jest całe twierdzenie Jordana, na które mówię o tym, że tak naprawdę ten złoczyńca i jego wyżej w imię roli koledzy, to jest wszystko złego, co się może dziać, jeśli macier się nie chce zjunalizować. To co my jeszcze chcemy wiedzieć? Co my jeszcze chcemy wiedzieć? A, chcemy wiedzieć uroszą sztuczkę o tym, jak się potęguje macierze. No więc ogólnie jak potęguje macierze, to może być brutalne, bo jest jakaś okropna rekurencja liniowa. Natomiast o tym się myśli w ogóle inaczej. O tym się myśli tak, że jak spotykamy na ulicy rekurencję liniową, to chcemy ją zamienić na potęgowanie macierzy bo wtedy będzie prościej najbardziej klasyczny przykład, o którym się opowiada to jest macierz, który się dzieje z ciągu Fimonacciego to jest nawet to, co zacząłem pisać na początku jako reklamę że takie rzeczy będziemy liczyć jak człowiek to sobie napisze tak na karteczce to zobaczy, że tu są wyrazy ciągu Fimonacciego więc jak zna na niego wzór ogólny no to świetnie, natomiast to by trzeba tak traktować każdą macierz to zobaczymy Freimurg który potem będziemy w stanie stosować
Do każdej innej macierzy nazwijmy ją tak jak Geralt nazywa każdego swojego konia płotka tak jak każda macierz będę nazywał A no to liczymy wielomian charakterystyczny to jest wyznacznik minus lambda to jest to co ja robię przyznałem się już, że wiemy, że że to się tak robi tylko dla macierzy dna 2 d3 na 3 trzeba liczyć no to lambdy lambdy jakie są minus b plus minus pierwiastek z delty przez dwa.
To nazwijmy to to alfa, a to drugie beta. Albo nie. Nazwijmy to lambda jeden, nazwijmy to alfa. A to szukajmy wektorów własnych. Jak mamy a minus lambda jeden razy identyczność, to jest tu jest minus lambda jeden, tu jest jeden, tu jest jeden minus lambda jeden i tu jest jeden. To kto zeruje takiego gamonia? No oczywiście tak dobrany wektor. Ten zeruje ten wiersz. fakt, że ten również zeruje ten wiersz jest courtesy of the fact, że lambda spełnia właśnie to równanie bo spójrzcie, tu jest 1 plus 1 razy lambda minus lambda kwadrat czyli to jest dokładnie minus ten napis no dobra, to to jest V1 z ogólnego, z ogólnej teorii wynika, że mogę flipnąć znak przy pierwiastku z 5 i stwierdzić że z tego wynika, że A minus lambda 2 razy I się zeruje na wektorze 1 minus lambda 2. Można też sprawdzić dokładnie identycznym rachunkiem.
No to, żyć nie umierać. Bierzemy bazę złożoną dokładnie z tych dwóch wektorów, V1, V2. No i piszemy, że A to jest znowu macierz diagonalny, lambda 1, lambda 2. No i co? Spróbujmy to zrobić z pamięci. A jest od standardowej do standardowej, czyli tu jest standardowa do śmiesznej, czyli ta gorsza, tu jest śmieszna do standardowej, czyli ta lepsza. Tu jest 1, lambda 1, 1, lambda 2. Tu jest 1, lambda 1, 1, lambda 2 do minus pierwszej. Lambda, oczywiście zrobiłem to tak, żeby było gorzej, bo teraz lambda 2 jest tym mniejszym. Natomiast dlaczego to jest fajne?
Dlatego, że to nazwę S, to nazwę duże lambda, to nazwę S do minus pierwszej, to a kwadrat to jest S razy lambda, razy S do minus pierwszej, razy S, razy lambda, razy S do minus pierwszej. Stawiamy nawiasy tak, to się skraca, bo to jest identyczne i zostajemy z lambdą kwadrat tutaj. No i nie trudno się domyślić, że ogólnie a do n tej to będzie s razy lambda do n razy s do minus pierwszej. Czyli to coś, lambda 1 do n tej, lambda 2 do n tej, 0, 0, razy to do minus pierwszej. Jestem strasznie zasmucony tym, że to tak zrobiłem, bo teraz lambda 2 minus lambda 1 to jest minus piastek z 5, a i tak nam wyjdzie.
Do minus pierwszej. To możemy dla porządku pomnożyć, żebyście się ze mnie potem pośmiali, że coś się pomyliłem po drodze. Tu mnożymy. to z prawej strony, czyli mnożymy pierwszą kolumnę przez to, drugą kolumnę przez to lambda 1 do n lambda 1 do n plus pierwszej lambda 2 do n lambda 2 do n plus pierwszej i teraz razy to coś 1 przez wyznacznik tak, lambda 2 1 minus 1 minus lambda 1 no i mnożymy to jak jak ludzie, którzy nie umieją mnożyć bazie rzutek inline, czyli jak większość ludzi tu nam zostaje lambda 1 do n tej, lambda 2 minus lambda 1 lambda 2 do n tej tu nam zostaje lambda 2 do n tej, minus lambda 1 do n tej tu nam zostaje lambda 1 do n plus pierwszej lambda 2 minus lambda 1, lambda 2 do n plus pierwszej lambda 2 do n plus pierwszej minus lambda 1 do n tej no i coś z tego tam wychodzi
Tu jest napisane 1 przez minus pieriastek z 5 tu jeszcze posiłkujemy się tym, że lambda 1 plus lambda 2 jest równe 1 i lambda 1 razy lambda 2 jest równe minus 1 więc tu jak wyciągniemy lambda 1 razy lambda 2 przed nawias to dostajemy lambda 1 do n minus pierwszej minus lambda 2 do n minus pierwszej tu dostajemy też minus lambda 1 do n tej lambda 1 był, tak upewniam się co chwilę lambda 1 ustaliśmy, że to jest ten większy minus lambda 2 do n tej. I tutaj tak samo. Wyciągamy iloczyn. Czyli wyciągamy minus i zostaje lambda 1 do n tej.
Minus lambda 2 do n tej. I tu znowu minus lambda 1 do n tej. Minus lambda 2. Coś tu głupio napisałem. Tu jest n plus 1. Trzeba było krzyczeć. A nie. Zaraz. Wy to będziecie oglądać dopiero za chwilę. n plus 1. n plus 1. I to było wszystko po to, żeby teraz zdjąć ten minus. i dostajemy takie coś. Może tu jest lambda 1 minus 1. Zresztą przywilej tablicy. Cyk, cyk, cyk, cyk. Dlaczego to jest fajne?
Dlatego, że bardzo prosto się przekonać, że jaki ja mam wektor. Powiem, że xn to jest wektor, który ma tu fn, tu fn plus 1. O tym było chyba któreś zadanie w tych zadaniach. No to co to jest xn plus 1? No to to jest fn plus 1, a tu jest fn plus 2. Ale zaraz, fn plus 2 to jest fn plus 1 plus fn. Czyli dokładnie ta macierz domnożona do fn, fn plus 1. Czyli to jest macierz A razy xn. Czyli spójrzcie, jakie to jest szachraństwo. Mieliśmy rekurencję liniową o zagłębieniu 2.
I przez to, że zamieniliśmy typ danych na wektor, to mamy teraz taką rekurencję o zagłębieniu 1. Taki ciąg geometryczny, tylko że ilo razem jest nienirwetko macierz. No to hulaj dusza. Równa się. Ten nasz napis, który tutaj zrobiliśmy. Jeszcze go trochę zmniejszymy, żeby nie myślał, że jest ważny.
I co? Razy x0. Ale x0 to było 0,1. A 0,1 to jest proste wycięcie drugiej kolumny. A fn to jest pierwsza współrzędna xn z definicji. Czyli to jest jeden przez pierwiastek z pięciu razy ten iloczyn, czyli druga kolumna równa się pierwsza współrzędna i naszym oczom się ukazuje dokładnie ten sam wzór bineta, który jest naszym ulubionym workiem treningowym do ćwiczenia różnych technik ogarniania wzorów rekuencyjnych.
Jakie jeszcze chcemy zobaczyć śmieszne stosowanie diagonalizacji? Na przykład na przykład, na przykład wróćmy do tej naszej tej śmiesznej macierzy. To teraz zrobimy tak, że ona wystąpi w trochę innej roli. Będziemy rozwiązywać równanie różniczkowe. Jak się rozwiązuje równanie różniczkowe f' równa się lambda f, no to każde dziecko wie. f równa się e do, tak powiedzmy, że niech zmienna się nazywa t, równa się e do lambda t raz jakaś stała, a jak jeszcze nie udajemy, że 0 nie jest w dziedzinie, to f od t po prostu jest równe to razy f od 0.
Świetnie. Teraz wyobraźmy sobie, że mamy coś gorszego. To był układ, to jest operator liniowy od f'a, równa się pochodna. Tylko, że f jest wektorem jednowymiarowym, to trochę mało jest operatorów liniowych. Natomiast teraz będziemy mieć taki operator liniowy. Mamy układ równań różniczkowych, który wygląda tak, że f' to jest minus f minus f plus g, a g' to jest minus 6f plus 4g. Innymi słowy, wektor fg i z niego pochodna normalnie chamskowo-współrzędnych to jest a razy wektor fk.
I w przyrodzie jest sporo takich układów równych. Potem, prędzej czy później będziecie mieli jakiś przedmiot typu jakościowa teoria równych różniczkowych zwyczajnych, albo układ dynamiczny, albo te klimaty. Jak nie wy, to jacyś ludzie, których wy będziecie uczyć. Jak to nazwę powiedzmy dużym fi, no to duże fi to jest po prostu jakaś tam funkcja z r w r kwadrat. i moje równanie wygląda tak, że fi prim jest równe a razy fi. No to prędko zanim do nas dojdzie, że to bez sensu, że to jest macierz w wykładniku.
O tym nawet dałem zadanie w tej ostatniej serii. Że tak wolno. To znaczy, że e do macierzy to jest po prostu dokładnie tak samo, jakby macierz był elirbo. Dlaczego ten szereg jest zbieżny? Na przykład dlatego, że jak powiem, że zdefiniuję normę M, tak zwaną normę L1 po prostu jako sumę moduł M i J to nie trudno się przekonać, że norma M razy norma jakiejś drugiej macierzy jest mniejsza w ten sposób. W związku z tym norma takiego M do k tej przeskasilnia jest mniejsza równa niż norma M, to jest liczba do k tej przeskasilnia. Więc ten szereg jest zbieżny, bo bo co? Bo iota współrzędna, jak tu mam m do k, t i przez k silnia, to jest iota współrzędna,
To przywala temu moduł, tak, zbieżność oczywiście jest po współrzędnych, to wszystko jest skończenie w miarowym. To jest mniejsze, równe niż suma po k w ogóle z całej tej normy, a to już jest szereg, szereg, na którym się znamy. No, więc na każdej z współrzędnych mam szereg, który się rzadkuje w module przez coś, co jest zbieżne, ergo jest na każdej z współrzędnych zbieżny. No i proste ćwiczenie jest takie, żeby się przekonać, że faktycznie to różniczkowanie tak działa.
To znaczy, że jak zróżniczkuje po T taką funkcję macierzową, to to jest dokładnie A, E, DO. Dowodzi się dokładnie tak samo, jak na liczbach, tylko trzeba się nie bać tego, że tam są macierze. No i to jest rozwiązanie. Podstawiamy to tutaj, sprawdzamy i działa. Z ogólnej teorii wynika, że to jest jedno rozwiązanie. jak mamy tę naszą dekompozycję ona gdzieś tutaj była napisana o, ta dekompozycja tutaj jak mamy takie coś to znowu to jest zadanie w którym to się sprawdza na palcach to razy e do e do a t więc a razy liczbę i tu razy liczbę to mam e do t, tu mam e do 2 t cyk, w temacie już się przyznaliśmy, że umiemy ją odwrócić
No i mnożemy i wychodzi coś tu wychodzi, tu jest jakieś E do T, 2 E do T i E do 2 T 3 E do 2 T razy 3 minus 1 minus 2, 1 czyli 3 E do T minus 2 E do 2 T minus E do T plus E do 2 T 6 E do T minus 6 E do 2 T 3 E do 2 T minus 2e do t. I to się mnoży przez phi od 0.
Phi od 0 jest jakiekolwiek. Te dwa stopnie swobody to jest naturalna rzecz, jak jest taki jednorodny układ równej. Więc phi od t jest równe to, co jest tutaj napisane razy jakiś wektor z dwóch stałych. I wychodzi wektor. Siłą rzeczy ten wektor z dwóch stałych to jest phi od 0. I już. Rozwiązaliśmy równanie różniczkowe, które normalnie byłoby niedostępne. kosztem tylko tego, żeby się nie bać napisać E do A T. Oczywiście daje się to samo opowiedzieć bez opowiadania o podnoszeniu E do macierzy.
No więc ideowo to i tak jest ta sama zabawa ze zdiagonalizacją. Tam się robi tak, że dobiera się podstawienie do tych F i G, podstawienie liniowe i to podstawienie liniowe to jest dokładnie domnażanie do F i G tej macierzy S, którą produkowaliśmy o tutaj. To jest to samo, tylko powiedziane odrobinę fancy językiem. Ja to pierwszy raz zobaczyłem jakieś 10 lat temu i ciągle mnie bawi. To co jeszcze zrobimy? Dobra, może zdążymy. Albo nie. To zrobimy... To może zrobimy potem.
Teraz zrobimy coś trochę bardziej przyziemnego, to znaczy jak działa operator przesuwania. Oczywiście to jest głupie pytanie, bo pytanie do jakiej przestrzeni. Ogólnie to powiedzmy, że mamy przestrzeń V. albo nazwijmy ją trig n to jest dokładnie span funkcji postaci dobra, powiemy, że f jest w trig n wtedy tylko wtedy, gdy f jest w postaci suma ak razy kosinus kosinus kt plus bk kosinus kt k równa się od zera do po polsku wielomiany trygonometryczne co bardziej obeznani z rozterkami studentów kierunków technicznych rozpoznają w tym szeregu furier.
I teraz zobaczcie, że ja na tym mam bardzo prosty operator. Operator shiftu. Powiem, że shift o a od f to jest f od t to jest tau od translacja. To jest f od t minus a. No i generalnie to się trochę kiepsko opisuje w tej bazie. No bo widać, że tylko sinusy i sinusy to jest jakaś baza. No i ten operator shiftu w tej bazie ma jakąś macierzę, a ja tej macierzy nie polecam. Na szczęście to ta macierza jest taka klatkowa, to znaczy jak tu mam cosinus cosinus t, sinus t, o, to tu w tej klatce coś jest, w tej klatce coś jest, oprócz tego są zero.
Natomiast dla niego taką tailor-made bazą, właśnie bazą własną dla wszystkich operatorów shiftu naraz, to jest baza wykładnicza ja patrzę na funkcję E do I IKT K od minus N do N i to jest też baza tego trig N uważny czytelnik zapyta o co chodzi że tu mam tak jakby 2 razy N plus 1 tych stopni swobody a tu mam tylko 2N plus 1 oczywiście chodzi o to, że b0 nie ma sensu, bo to jest sin0 razy t. Ta funkcja nie jest i o niej zależna z niczym.
Więc tak. Na tej bazie to jest jak marzenie. Przecież shift o a od funkcji, która bierze t i zwraca e do i kt, to jest funkcja, która bierze t i zwraca e do i k razy t minus a. Czyli ta funkcja, od której zaczęliśmy razy e do minus i ak. nie dość, że ten operator shiftu się diagonalizuje w tej operacji to wszystkie operatory shiftu się znaczy w tej bazie to wszystkie operatory shiftu się diagonalizują w tej samej bazie i co gorsza jeszcze ich wartości własne, każdego z nich tworzą ciąg geometryczny o ilorazie e do minus i a i za to matematycy kochają pisanie szeregów Fouriera w tej postaci a nie w tej to ma też swoje zalety ale ogólnie wiążąca większość rachunków lepiej wychodzi na tej.
To co ja jeszcze myślę? Myślę, że stać nas zdążymy. Będziemy diagnozować moje obione macierze, czyli tak zwane macierze cyrkulantne. Powiedzmy, że mamy taką operację. Mamy dwa wektory. Tak naprawdę to są wektory n-wymiarowe na c, a ja to będę identyfikował z funkcjami, które tu mają zn. Po prostu będę indeksował od 0 do n-1, a nie od 1 do n. Dlatego, że to cała arytmetyka na indeksach będzie w naturalny sposób moduła n. Czyli p to jest wektor taki od p0 do pn-1. Świetnie.
Na czymś takim jest slo. p spojrzone z q i z tego k-ta współrzędna to jest w definicji suma p a q b po a i b takich, że a plus b jest równe k. Przy czym to jest znowu plus w z n. Czyli innymi słowy to jest suma po a P A Q K minus A gdzie przyjmujemy tę konwencję, że to jest numerowany moduł E Dlaczego to jest fajne? No dlatego, że powiedzmy mam wszystko co ma w sobie taką cykliczność się reprezentuje jako splot na przykład ja chciałbym mieć przekształcenie które z wektora P0, P1, P2 robi wektor wektor jaki?
Powiedzmy, że P1 plus P2 P2 plus P0 P1 plus nie, nie tak chciałem P0 plus P1 no i to jest dokładnie splot P splot P z czym? taki wektor, że tutaj on będzie miał dwie jedynki i to co jest tutaj napisane to pozycje, na których są jedynki dodają się z jedynką i dwójką do zera. Czyli myślę, że to będzie takie coś.
Żeby się nie koić w indeksowaniu, to możemy sobie napisać jak wygląda macierz takiego splotu. Z tego w ogóle wynika, że to jest operacja symetryczna. To jest jedna z takich naturalniejszych przykładów operacji dwuliniowej, która bierze dwa wektory na input i zwraca trzeci. A to ja chcę powiedzieć, że to jest, chciałbym napisać jak wygląda macierz splotowania z Q, ale no to jest dokładnie tutaj napisane, tu jest A, to jest po prostu element, który element k aty macierzy splotowania z Q z definicji mnożenia wektora przez macierzy. Tak, czy my tak to chcemy robić?
Tak, bo jest jedna konwencja notacyjna, która ma tak, a druga, która ma transpozycję i teraz przez chwilę się chcę zastanowić, która będzie mniej zdradliwa rachunkowo. W tej wersji, w tej wersji nasza macierz splotowania ma wektor q0 produkowany w kolumnie. Tak, bo tu ma być k-ty wiersz i a-ta kolumna, to do mnażamy do p i robi nam się z tego k-ty element splotu. Ok, jak dla mnie to działa. Czyli macierz splotowania z Q to jest taka macierz, która ma tutaj wylistowany wektor Q, a oprócz tego element tej macierzy zależy tylko od k-a liczonego modułu n.
Czyli jak tutaj różnica numeru wiersza i kolumny jest stała jak tu jest Q1 to tu też jest Q1 i tak dalej jeśli na przykład Q to jest wektor XYZ to macierz splotowania z Q to jest XYZ tu jest X na górnej przekątnej tu jest Y na takiej złamanej przekątnej tak jak było w schemacie Stelusa że idziemy tak chcielibyśmy być tu, ale cofamy się tu no i tak samo Z chciałby zejść tu cofa się tu tak, tylko jeszcze jeszcze się raz upewnię tu mam flipnięte q ja flipnięte q mnożę z p żeby dostać zerowy element z plotu, tak, to się zgadza i plot to jest świetna rzecz, bo on opisuje każdą cykliczność każde takie zjawisko, że tu mam jakąś operację na p potem robię tę samą operację liniową ale przesuwam indeksy w przód każde takie coś to jest plot no to, to ja twierdzę to ja twierdzę ja twierdzę, że wszystkie macierze z plotu, to się po polsku
Nazywają macierze cyrkulantne. Tak, macierz z plotu z Q to jest cyrkulant matrix. Chciałby się nazwać cyklicznymi, ale to jest znak towarowy zarezerwowany dla macierzy, które się pojawiają w twierdzeniu o formie kanonicznej wymiernej, który być może się pojawi na drugim roku, ale nie liczyłbym na to. Ono jest tak stwierdzenie Jordana, znaczy ono jest takim tym, co się dzieje wewnątrz Cieśni i Plata, dlaczego cieniem jest twierdzenie Żerdana. A to twierdzenie jest takie, to jeszcze raz, zanim zrobię twierdzenie, to powiem, że niech V to będzie macierz.
Tu mam omega n. Omega n to jest wiadomo kto. Będę go po prostu oznaczał omega. To jest pierwiastek pierwotny n tego stopnia z jedynki. To jest do k razy l, gdzie k i l przebiegają z n. Co jeszcze zrobię? Dopiszę jeden pierwiastek z n, ponieważ chcę być kompatyczny, no to twierdzenie jest takie, że jeśli V0, Vn-1 to są kolumny V, to wtedy one są wektorami własnymi dla wszystkich macierzy splotu, tylko wartości własne się zmieniają. To znaczy, jak ja wezmę Vk splecione z Q, to wychodzi Vk razy pewne bardzo konkretne liczby, razy suma razy suma QJ razy omega do potęgi K razy J.
To jest suma QJ, to jest razy V. A może... Nie, dobra, to ja zabiję ten. To będzie fajne później. Potem się nauczymy doceniać, dlaczego 1 przez pierwszy z tych zębów jest lepszą normalizacją, ale bez tego też się da dopisać. To nie jest wielki ból. Czyli innymi słowy tu jest po prostu macierz V przyłożona do wektora Q i z tego bierzemy katę współrzędną. Czyli innymi słowy, macierz splotowania z Q to jest, wektory własne to jest V, tu jest macierz diagonalna z wartości własnych, a wartość własna dla wektora VK to jest dokładnie kt element VQ, czyli to jest macierz diagonalna taka, razy V do minus pierwszej, a przy okazji jeszcze twierdzę, że V do minus pierwszej to jest macierz, która w KL tym elemencie ma tu minus i tu jeszcze jedną entą.
To jest prawie taka jak V, tylko tu przyjęłam sprzężenie i tu jeszcze dodawałem normalizację. Pierwiastek z N ma tę zaletę, że tu jest pierwiastek z N i tu jest też pierwiastek z N. No i co? Jak się tego dowodzi? Dowód jest całkowicie na palcach. Wiem, co zrobię. zostawię wam dowód do zrobienia sami, ponieważ mam seminarium za 20 minut. Czy ja to policzę w ciągu 5 minut?
Tak, policzę. Dobra, najpierw analizujemy samą macierz V, żeby się z nią oswoić. V razy V do minus pierwszej. Element KL. To jest jedna enta. Suma. Tak, tak. To jest omega. To jest suma po J. Omega do K razy J. omega do minus j razy l. Jedna enta z, tak powinien nazywać V do minus pierwszej z wąsem i teraz dowodzę, że V razy to V do minus pierwszej z wąsem faktycznie jest identycznością.
No a teraz prościutkie. Suma jedna enta. Omega do potęgi j razy k minus l. No i to każde dziecko wie. Jak mamy taką sumę, tu jest pierwiastek n tego stopnia z jedności i tu jest o taki ciąg geometryczny, no to są dwa przypadki oczywiście kiedy k jest równe l to to jest 1 bo to jest równe 1 jest suma n sztuk jedynki podzielone przez n a kiedy k jest różne od l to jest suma szeregu geometrycznego jedna n ta iloraz to jest omega do k minus l n sztuk, czyli to coś do potęgi n tej ale omega to jest pieriastek n tego stopnia z jedynki omega do n tej to jest 1 i omega do żadnego innego wykładnika to nie jest jeden.
To jest różne od zera, a to jest po prostu jeden, czyli to całe jest zero. To jest dokładnie macierz jednostkowy, element KL. Z tego wynika, że V razy ten V do minus pierwszej z wąsem to jest jedynka, czyli V do minus pierwszej z wąsem to jest faktycznie odwrotność V. Fantastycznie. To wystarczy udowodnić, że faktycznie kolumny macierzy V to są wektory własne splotowania z Q. To jeszcze jest taką wartością własną. To też nie jest problem. Bierzemy splot VK z Q. Element joty to jest suma. Suma czego?
Suma powiedzmy po L i co tu będę miał? Tu będę miał Q, QL i tu będę miał VK chciałem napisać tak VK i z tego chcemy mieć element j minus j minus indeks. te dwa mają się sumować do tego j to jest suma ql zaraz, to z definicji to jest omega omega do potęgi k to jest ten element tej kolumny ten wierzch ta kolumna w macierzy v czyli omega do iloczynu indeksów strasznie prosto to wygląda ql omega do suma jest po l omega do minus kl razy razy omega do potęgi k i j.
Aha. Prawdopodobnie dokonałem tu jakiegoś kłamstwa. Tak? Tak. Właśnie to jest to, co mówiłem, że są te dwie konwencje notacyjne, które się różnią znakiem. Więc ja tutaj prawdopodobnie... Sekunda. Jak ja się splotuję z czymś takim, to jest macierz... Tak. Właśnie dlatego chciałem zrobić te konwencje, która miała to nieflipnięte w wierszu, żeby tu nie było tego minusa. Gdzieś ten minus musi być, trudno. Tu dopiszemy minus, więc tak, tu jest, no, V do minus pierwszej i tu jeszcze damy N. Trochę gorsze wzory, ale trudno. Tak?
To jest dokładnie J-ty element wektora VK. A to jest dokładnie dokładnie ten. V do minus pierwszej z tym, z czynnikiem n razy q i z tego element katy. Katy? Wait a second. Coś tu jest bardzo nie tak z normalizacją tego wszystkiego. Zaraz. Tradycyjnie musiała być jakaś pomyłka natury rachunkowej typograficznej.
Ja bym chciał, żeby dostać j współrzędną wektora vk razy coś zależnego od k. Nie, dobrze, to jest dokładnie to, co chciałem napisać. Tak, to jest moje lambda k razy razy vk i z tego skłużę na j, czyli po prostu to jest równe temu. No, czyli udowodniliśmy, że każda macierz splotu ma takie wektory własne i takie wartości własne.
Dlaczego to jest fajne? Dlatego, że prędzej czy później będzie się mieli rachunek prawdopodobieństwa i tam będą procesy markowe. I dokładnie to, co się dzieje z takim procesem Markowa, że jest mrówka i jak ona jest w danym punkcie, to ona sobie numeruje punkty 0, 1, 2, 3 i ma jakieś prawdopodobieństwa P0, P1, P2, P3 i z tymi prawdopodobieństwami sobie idzie do tych kolejnych wierzchołków. To jest jeden krok. To dokładnie zachowanie tej mrówki się modeluje potęgowaniem takiej macierzy splotu. Na przykład. To jest jeden powód, dla którego to jest fajne. Drugi powód jest taki, że to jest tak naprawdę najbardziej dostępna wersja trasmony typu Rear, ponieważ tam w ogóle się nie pojawiają całki i to wszystko jest skończenie wymiarowe.
I to jest wszystko na dzisiaj. Bez straty ogólności.