Lineární zobrazení
Test linearity, jádro, obraz, věta o dimenzi, izomorfismus.
Poznat lineární zobrazení, spočítat jeho jádro a obraz a použít větu o dimenzi jádra a obrazu.
Přednáška 6 · DCV 5
9.1Co je zobrazení
Zobrazení je předpis, který každému prvku přiřadí právě jeden prvek .
- je definiční prostor — odkud vstup pochází.
- je cílový prostor — kam výstup patří.
- je obraz konkrétního prvku .
Příklad: , . Když vstoupí , vyjde .
Pozor na slovo „obraz“: je obraz jednoho vektoru. je množina všech dosažitelných výstupů.
9.2Definice lineárního zobrazení
Zobrazení je lineární, pokud pro libovolné a skalár platí obě vlastnosti:
Dohromady je lze zapsat
Smysl: lineární zobrazení zachovává lineární kombinace. Pokud nejprve vektory sečteš a potom zobrazíš, dostaneš totéž, jako když zobrazíš oba zvlášť a výsledky sečteš.
9.3Nutná podmínka
Z homogenity pro :
To je velice rychlý test nelinearity. Pokud , zobrazení rozhodně není lineární.
Je však důležité vědět, že je jen nutná, ne postačující podmínka. Například splňuje , ale obecně .
9.4Univerzální test lineárnostiPostup
- Rychlá kontrola nuly: spočti . Nenulový výsledek → není lineární.
- Sečti dva obecné vstupy: spočti .
- Zobraz zvlášť: spočti .
- Porovnej: musí vyjít totéž pro všechny .
- Vynásob obecný vstup : porovnej a .
- Výrok „lineární“ prohlaš teprve tehdy, když obě rovnosti platí obecně. K vyvrácení stačí jedno porušení.
Příklad 1 — lineární zobrazení
Pro , :
Souhlasí. Pro skalár :
Zobrazení je lineární.
Příklad 2 — posunutí není lineární
Zobrazení není lineární. Jakmile vidíš osamocenou konstantu +1, zpozorni.
Příklad 3 — součin koeficientů
Nejsou obecně stejné. Zobrazení není lineární.
Příklad 4 — derivace polynomu
Protože a , je derivování lineární.
9.5Příklady přímo z DCV 5.1
- 5.1.1: — lineární, každá složka je lineární kombinací vstupních koeficientů.
- 5.1.2: první výstup obsahuje konstantu — není lineární, .
- 5.1.3: zobrazení z prostoru polynomů podle jejich koeficientů — lineární, protože výstupní složky jsou lineární kombinace koeficientů.
- 5.1.5: koeficient u obsahuje — nelineární.
- 5.1.6: — vždy lineární.
- 5.1.7: s — není lineární.
- 5.1.8: obsahuje — nelineární.
- 5.1.9: — nelineární a navíc .
9.6Jádro
Definice:
Česky: všechny vstupy, které zobrazení pošle do nulového výstupu.
Jádro je vždy podprostor definičního prostoru .
Univerzální postup výpočtu jádra
- Napiš obecný vstup s neznámými složkami.
- Dosadíš jej do předpisu zobrazení.
- Položíš každou výstupní složku rovnu nule.
- Vyřešíš vzniklou homogenní soustavu Gaussovou metodou.
- Výsledek zapiš jako lineární obal několika vektorů (nebo polynomů apod.).
- Vektory u jednotlivých nezávislých parametrů tvoří bázi jádra; jejich počet je .
Podrobný příklad
Jádro hledáme z rovnice
Druhá rovnice je dvojnásobek první. Zvolíme . Potom .
9.7Obraz
Definice:
Česky: všechny možné výstupy, které lze získat z libovolného vstupu. Obraz je podprostor cílového prostoru.
Univerzální postup výpočtu obrazu v souřadnicích
Pokud , pak
- Napiš matici zobrazení .
- Gaussovou eliminací urči pivotové sloupce.
- Vyber odpovídající sloupce původní matice.
- Jsou bází obrazu. Počet sloupců je .
Tentýž příklad
Pro platí
Všechny sloupce jsou násobky :
9.8Věta o dimenzi jádra a obrazu (rank–nullity)
Pro lineární s konečnědimenzionálním platí
Lidský význam: počet vstupních stupňů volnosti = počet nezachycených směrů (jádro) + počet nezávislých směrů, které lze přenést do výstupu (obraz).
V příkladu výše , dimenze jádra 2 a obrazu 1. Opravdu .
Praktická kontrola: máš zobrazení ; pokud ti vyjde a , nejméně jedna část je špatně, protože .
9.9Prosté, na, bijektivní a izomorfismus
- Prosté (injektivní): žádné dva různé vstupy nemají stejný výstup.
- Na (surjektivní): každý vektor cílového prostoru se vyskytne jako výstup.
- Bijektivní: je prosté i na.
- Izomorfismus: lineární zobrazení, které je bijektivní.
Pro lineární zobrazení:
Pro čtvercovou matici jsou tyto podmínky ekvivalentní s .
Příklad: je izomorfismus , protože jeho matice má determinant -2.
9.10Izomorfismus a rozměr prostorů
Dva konečnědimenzionální vektorové prostory nad stejným tělesem jsou izomorfní právě tehdy, když mají stejnou dimenzi.
Proto je izomorfní (oba mají dimenzi 3), ačkoli prvky vypadají jinak. Každý polynom lze převést na a zpět.
9.11Obraz a jádro u polynomů a matic
U úloh typu DCV 5.2 může být vstupem polynom nebo matice. Nehledáš „speciální“ algoritmus. Pouze vektor reprezentuješ koeficienty.
Příklad: , .
- Jádro: , , zatímco je libovolné. , dimenze 1.
- Obraz: lze vytvořit libovolný polynom volbou , , takže , dimenze 2.
- Kontrola: .
9.12Nejobvyklejší chyby
- Myslíš, že „jádro“ je množina výstupních vektorů. Ne: jádro je množina vstupů.
- Myslíš, že obraz je celý cílový prostor. Může, ale nemusí.
- U prostoru polynomů zapomeneš na konstantní koeficient a snížíš dimenzi o 1.
- Na zjištění lineárnosti stačí test . Nestačí, pokud je splněn.
- Pro bázi obrazu vybereš libovolné nenulové sloupce, ne nutně nezávislé.
- Bázové vektory obrazu vytahuješ z upravené místo původní matice.
Cvičení: DCV 5.1 (je zobrazení lineární?), 5.2 (báze/dimenze jádra a obrazu), 5.5–5.11 (zobrazení, složení a speciální případy).
✎Řešené příklady z DCV 5
Původní úlohy z domácího cvičení, vyřešené krok za krokem. Zkus si každou nejdřív sám, než otevřeš řešení.
DCV 5.1.2 — lineární nebo nelineární?
1. Nejrychlejší test: vezmi nulový vstup .
2. Podle nutné podmínky každé lineární zobrazení musí posílat 0 na 0.
Výsledek:
Vysvětlení: konstantní posunutí se nedá vyjádřit lineární kombinací vstupů bez konstantního členu.
DCV 5.1.5 — nelinearita kvůli součinu koeficientů
Na první pohled všechny koeficienty vypadají „podobně jako lineární“, ale člen je součin dvou vstupních proměnných.
Pro : koeficient u ve je 1. Pro je 4; u je pouze 2.
Výsledek:
DCV 5.2.1 — báze a dimenze jádra a obrazu
1. Sestav matici ze standardních bázových vektorů:
2. Jádro: řešíme .
Z rovnic
Gauss zjistí jeden volný parametr. Můžeme položit a získat .
Kontrola: .
3. Obraz: první dva sloupce jsou nezávislé; třetí je jejich lineární kombinací. Proto
4. Rank–nullity: . Souhlasí.