În matematică , matricea transpusă a unei matrici este matricea obținută prin schimbul rândurilor sale cu coloane. A fost introdus în 1858 de matematicianul britanic Arthur Cayley . [1]
Definiție
Transpunerea unei matrice {\ displaystyle A} este matricea {\ displaystyle A ^ {T}} al cărui element generic cu indici {\ displaystyle (i, j)} este elementul cu indici {\ displaystyle (j, i)} a matricei originale. În simboluri:
- {\ displaystyle \ left (A ^ {T} \ right) _ {ij} = A_ {ji} \ qquad \ forall A \ in \ mathbf {K} ^ {m, n} \ quad 1 \ leq i \ leq m , \ quad 1 \ leq j \ leq n}
cu {\ displaystyle \ mathbf {K} ^ {m, n}} spațiul vectorial al matricelor de dimensiune n . În practică, matricea transpusă trebuie înțeleasă ca o matrice în care coloanele devin rânduri și rândurile devin coloane.
Operația de transpunere este definită atât pe matrice pătrate cât și dreptunghiulare și, prin urmare, și pe vectori . În special, un vector coloană transpus este un vector rând și invers.
O matrice care coincide cu propria sa transpunere se numește matrice simetrică și trebuie să fie o matrice pătrată. Un scalar poate fi văzut ca un caz special al unei matrici simetrice 1 × 1 și, prin urmare, este invariant la transpunere. Prin urmare, deși, în general, dați două matrice {\ displaystyle A} Și {\ displaystyle B} de dimensiuni adecvate avem că:
- {\ displaystyle (AB) ^ {T} = B ^ {T} A ^ {T} \ neq A ^ {T} B ^ {T}}
operatorul de transpunere este liniar , adică având doi scalari {\ displaystyle k} și {\ displaystyle l} , se aplică următoarele:
- {\ displaystyle (kA + lB) ^ {T} = (kA) ^ {T} + (lB) ^ {T} = kA ^ {T} + lB ^ {T}}
Mai general, datele scalare N {\ displaystyle k_ {i}} și N matrice {\ displaystyle A_ {i}} de dimensiuni egale, se aplică următoarele:
- {\ displaystyle \ left (\ sum _ {i = 1} ^ {N} k_ {i} A_ {i} \ right) ^ {T} = \ sum _ {i = 1} ^ {N} k_ {i} A_ {i} ^ {T}}
unde este {\ displaystyle \ sum} indică o însumare .
Proprietate
Se aplică următoarele proprietăți:
- Transpunerea transpunerii este matricea însăși:
- {\ displaystyle \ left (A ^ {T} \ right) ^ {T} = A}
- Transpunerea sumei a două matrice este egală cu suma celor două matrice transpuse:
- {\ displaystyle (A + B) ^ {T} = A ^ {T} + B ^ {T}}
- Ordinea matricilor este inversată prin multiplicare:
- {\ displaystyle \ left (AB \ right) ^ {T} = B ^ {T} A ^ {T}}
- Acest rezultat poate fi extins cu ușurință la cazul mai general, în care sunt considerate mai multe matrici:
- {\ displaystyle \ left (ABC \ dots XYZ \ right) ^ {T} = Z ^ {T} Y ^ {T} X ^ {T} \ dots C ^ {T} B ^ {T} A ^ {T} }
- De sine {\ displaystyle c} este un scalar, transpunerea unui scalar este scalarul nemodificat:
- {\ displaystyle (cA) ^ {T} = cA ^ {T}}
- În cazul matricelor pătrate , determinantul transpunerii este egal cu determinantul matricei inițiale:
- {\ displaystyle \ det (A ^ {T}) = \ det (A)}
- Produsul scalar dintre doi vectori de coloană {\ displaystyle \ mathbf {a}} Și {\ displaystyle \ mathbf {b}} poate fi calculat ca:
- {\ displaystyle \ mathbf {a} \ cdot \ mathbf {b} = \ mathbf {a} ^ {T} \ mathbf {b},}
- care poate fi scris folosind notația lui Einstein precum {\ displaystyle a_ {i} b ^ {i}} .
- De sine {\ displaystyle A} atunci are doar elemente reale {\ displaystyle A ^ {T} A} este o matrice simetrică semidefinită pozitivă .
- Transpunerea unei matrice inversabile este încă inversabilă, iar inversul său este transpunerea inversului matricei inițiale: {\ displaystyle (A ^ {T}) ^ {- 1} = (A ^ {- 1}) ^ {T}}
- De sine {\ displaystyle A ^ {T} = A ^ {- 1}} apoi {\ displaystyle A} este o matrice ortogonală
- De sine {\ displaystyle A} este o matrice pătrată, atunci valorile sale proprii sunt egale cu valorile proprii ale transpunerii sale.
Transpunerea hărților liniare
De sine {\ displaystyle V} Și {\ displaystyle W} sunt două spații vectoriale de dimensiune finită pe același câmp și {\ displaystyle f: V \ to W} este o aplicație liniară , putem defini aplicația duală a {\ displaystyle f} ca harta {\ displaystyle f ^ {*}: W ^ {*} \ to V ^ {*}} între spațiile duale {\ displaystyle W ^ {*}} Și {\ displaystyle V ^ {*}} definit de:
- {\ displaystyle f ^ {*}: \ varphi \ mapsto \ varphi \ circ f \ qquad \ forall \ varphi \ in W ^ {*}}
Setați două baze {\ displaystyle E} Și {\ displaystyle F} din {\ displaystyle V} Și {\ displaystyle W} respectiv, se arată că dacă {\ displaystyle A} este matricea asociată cu {\ displaystyle f} în ceea ce privește aceste baze, atunci matricea asociată cu {\ displaystyle f ^ {*}} cu privire la bazele duale ale {\ displaystyle E} și de {\ displaystyle F} este transpunerea {\ displaystyle A} .
Orice aplicație liniară {\ displaystyle f: V \ to V ^ {*}} care hărți în spațiu dual definește o formă biliniară {\ displaystyle B: V \ times V \ to F} prin relație:
- {\ displaystyle B (\ mathbf {v}, \ mathbf {w}) = f (\ mathbf {v}) (\ mathbf {w})}
Prin definirea transpunerii acestei funcții ca formă biliniară {\ displaystyle ^ {t} B} dată de harta transpusă {\ displaystyle ^ {t} f: V ^ {**} \ to V ^ {*}} :
- {\ displaystyle ^ {t} B (\ mathbf {v}, \ mathbf {w}) = ^ {t} f (\ mathbf {v}) (\ mathbf {w})}
găsești asta {\ displaystyle B (\ mathbf {v}, \ mathbf {w}) = ^ {t} B (\ mathbf {v}, \ mathbf {w})} .
Exemple
- {\ displaystyle A = {\ begin {pmatrix} 2 & 4 & 8 \\ 3 & 2 & 0 \\ 5 & 3 & 1 \\ 0 & 1 & 0 \ end {pmatrix}} \ quad A ^ {T} = {\ begin {pmatrix} 2 & 3 & 5 & 0 \\ 4 & 2 & 3 & 1 \\ 8 & 0 & 1 & 0 \ end {pmatrix}}}
- {\ displaystyle {\ begin {pmatrix} 1 & 2 \ end {pmatrix}} ^ {T} \! \! \; \! = \, {\ begin {pmatrix} 1 \\ 2 \ end {pmatrix}}}
- {\ displaystyle {\ begin {pmatrix} 1 & 2 \\ 3 & 4 \ end {pmatrix}} ^ {T} \! \! \; \! = \, {\ begin {pmatrix} 1 & 3 \\ 2 & 4 \ end {pmatrix}}}
- {\ displaystyle {\ begin {pmatrix} 1 & 2 \\ 3 & 4 \\ 5 & 6 \ end {pmatrix}} ^ {T} \! \! \; \! = \, {\ begin {pmatrix} 1 & 3 & 5 \\ 2 & 4 & 6 \ end {pmatrix}} \;}
- {\ displaystyle {\ begin {pmatrix} 1 & 2 & 8 \\ 3 & 4 & 3 \\ 5 & 6 & 1 \ end {pmatrix}} ^ {T} \! \! \; \! = \, { \ begin {pmatrix} 1 & 3 & 5 \\ 2 & 4 & 6 \\ 8 & 3 & 1 \ end {pmatrix}} \;}
Ideea de calcul: rotiți matricea cu 90 ° în sens invers acelor de ceasornic, apoi schimbați primul rând cu ultimul, al doilea cu penultimul etc. (în primul exemplu, după rotirea matricei {\ displaystyle A} 90 °, rândul 2 rămâne neschimbat, în timp ce rândurile 1 și 3 sunt schimbate).
Alternativ: imaginați-vă o axă diagonală începând de la primul element din stânga sus și continuând în jos spre dreapta (45 °); apoi „oglindește” matricea folosind-o ca axă de simetrie.
Alternativ din nou: fixați o direcție de citire a matricei (de exemplu, pe rânduri sau pe coloane) și ceea ce în matrice era primul rând, în transpunerea sa devine prima coloană; ceea ce a fost al doilea rând devine a doua coloană și așa mai departe.
Notă
- ^ Arthur Cayley (1858) "A memoir on the theory of matrices", Philosophical Transactions of the Royal Society of London , 148 : 17-37. Transpunerea (sau „transpunerea”) este definită la pagina 31.
Bibliografie
- ( EN ) FR [FR Gantmakher] Gantmacher, The theory of matrices , 1 , Chelsea, reeditare (1959) pp. 19
Elemente conexe
linkuri externe