Транспонирование

редактировать

Транспонирование A матрицы A может быть получено путем отражения элементов вдоль ее главная диагональ. Повторение процесса с транспонированной матрицей возвращает элементы в их исходное положение.

В линейной алгебре транспонирование матрицы - это оператор, который переворачивает матрица по диагонали; то есть он переключает индексы строки и столбца матрицы A, создавая другую матрицу, часто обозначаемую A (среди других обозначений).

Транспонирование матрица была представлена в 1858 году британским математиком Артуром Кэли.

Содержание

1 Транспонирование матрицы
- 1.1 Определение
  - 1.1.1 Определения матриц, включающие транспонирование
- 1.2 Примеры
- 1.3 Свойства
- 1.4 Продукты
- 1.5 Реализация транспонирования матриц на компьютерах
2 Транспонирование линейных карт и билинейных форм
- 2.1 Транспонирование линейной карты
- 2.2 Транспонирование билинейной формы
- 2.3 Сопряженный
3 См. Также
4 Ссылки
5 Дополнительная литература
6 Внешние ссылки

Транспонирование матрицы

Определение

Транспонирование матрицы A, обозначаемый A,A′,A, Aили A, может быть построен любым из следующих методов:

Отразить Aпо его главной диагонали ( который проходит от верхнего левого угла к нижнему правому), чтобы получить A;
Запишите строки из A в качестве столбцов A;
Запишите столбцы A как строки A.

Формально, i-я строка, j-й элемент столбца A - это j-я строка, элемент i-го столбца A:

[AT] ij = [A] ji. {\ displaystyle \ left [\ mathbf {A} ^ {\ operatorname {T}} \ right] _ {ij} = \ left [\ mathbf {A} \ right] _ {ji}.}

{\ displaystyle \ left [\ mathbf {A} ^ {\ operatorname {T}} \ right] _ {ij} = \ left [\ mathbf {A} \ right] _ {ji}.}

Если A - это матрица размера m × n, тогда A - это матрица размера n × m. Чтобы не путать читателя между операцией транспонирования и матрицей, возведенной в степень t, символ A обозначает операцию транспонирования.

Определения матриц, включающие транспонирование

Квадратная матрица, транспонирование которой равно самой себе, называется симметричной матрицей ; то есть A является симметричным, если

A T = A. {\ displaystyle \ mathbf {A} ^ {\ operatorname {T}} = \ mathbf {A}.}

{\ displaystyle \ mathbf {A} ^ {\ operatorname {T}} = \ mathbf {A}.}

Квадратная матрица, транспонирование которой равно отрицательному, называется кососимметричной матрицей ; то есть A является кососимметричным, если

A T = - A. {\ displaystyle \ mathbf {A} ^ {\ operatorname {T}} = - \ mathbf {A}.}

{\ displaystyle \ mathbf {A} ^ {\ operatorname {T}} = - \ mathbf {A}.}

Квадратная комплексная матрица, транспонирование которой равно матрице с заменой каждой записи на его комплексно сопряженное (обозначено здесь с чертой) называется эрмитовой матрицей (эквивалентно матрице, равной ее сопряженному транспонированию ); то есть A эрмитово, если

A T = A ¯. {\ displaystyle \ mathbf {A} ^ {\ operatorname {T}} = {\ overline {\ mathbf {A}}}.}

{\ displaystyle \ mathbf {A} ^ { \ operatorname {T}} = {\ overline {\ mathbf {A}}}.}

Квадратная комплексная матрица, транспонирование которой равно отрицанию его комплексно сопряженная матрица называется косоэрмитовой матрицей ; то есть A является косоэрмитовым, если

A T = - A ¯. {\ displaystyle \ mathbf {A} ^ {\ operatorname {T}} = - {\ overline {\ mathbf {A}}}.}

{\ displaystyle \ mathbf {A} ^ {\ operatorname {T}} = - {\ overline {\ mathbf {A}}}.}

Квадратная матрица, транспонирование которой равно ее инверсии называется ортогональной матрицей ; то есть A ортогонален, если

A T = A - 1. {\ displaystyle \ mathbf {A} ^ {\ operatorname {T}} = \ mathbf {A} ^ {- 1}.}

{\ displaystyle \ mathbf {A} ^ {\ operatorname {T}} = \ mathbf {A} ^ { -1}.}

Квадратная комплексная матрица, транспонирование которой равно ее сопряженной обратной, называется унитарная матрица ; то есть, A унитарен, если

A T = A - 1 ¯. {\ displaystyle \ mathbf {A} ^ {\ operatorname {T}} = {\ overline {\ mathbf {A} ^ {- 1}}}.}

{\ displaystyle \ mathbf {A} ^ {\ operatorname {T}} = {\ overline {\ mathbf {A} ^ {- 1}}}.}

Примеры

$[1 2] T = [1 2] {\ displaystyle {\ begin {bmatrix} 1 2 \ end {bmatrix}} ^ {\ operatorname {T}} = \, {\ begin {bmatrix} 1 \\ 2 \ end {bmatrix}}}$ ${\ displaystyle {\ begin {bmatrix} 1 2 \ end {bmatrix}} ^ {\ operatorname {T}} = \, {\ begin {bmatrix } 1 \\ 2 \ end {bmatrix}}}$

$[ 1 2 3 4] T = [1 3 2 4] {\ displaystyle {\ begin {bmatrix} 1 2 \\ 3 4 \ end {bmatrix}} ^ {\ operatorname {T}} = {\ begin {bmatrix} 1 3 \\ 2 4 \ end {bmatrix}}}$ ${\ dis playstyle {\ begin {bmatrix} 1 2 \\ 3 4 \ end {bmatrix}} ^ {\ operatorname {T}} = {\ begin {bmatrix} 1 3 \\ 2 4 \ end {bmatrix}}}$

$[1 2 3 4 5 6] T = [1 3 5 2 4 6] {\ displaystyle {\ begin {bmatrix} 1 2 \\ 3 4 \\ 5 6 \ end {bmatrix} } ^ {\ operatorname {T}} = {\ begin {bmatrix} 1 3 5 \\ 2 4 6 \ end {bmatrix}}}$ ${\ displaystyle {\ begin {bmatrix} 1 и 2 \\ 3 4 \\ 5 6 \ end {bmatrix}} ^ {\ operatorname {T}} = {\ begin {bmatrix} 1 3 5 \\ 2 4 6 \ end {bmatrix}}}$

Свойства

Пусть A и B - матрицы, а c - скаляр.

$(AT) T = A. {\ displaystyle \ left (\ mathbf {A} ^ {\ operatorname {T}} \ right) ^ {\ operatorname {T}} = \ mathbf {A}.}$ ${\ displaystyle \ left (\ mathbf {A} ^ {\ operatorname {T}} \ right) ^ {\ operatorname {T}} = \ mathbf {A}.}$
Операция транспонирования - это инволюция (само- обратный ).
$(A + B) T = AT + BT. {\ Displaystyle \ left (\ mathbf {A} + \ mathbf {B} \ right) ^ {\ operatorname {T}} = \ mathbf {A} ^ {\ operatorname {T}} + \ mathbf {B} ^ {\ operatorname {T}}.}$ ${\ displaystyle \ left (\ mathbf {A} + \ mathbf {B} \ right) ^ {\ operatorname {T}} = \ mathbf {A} ^ {\ operatorname {T}} + \ mathbf {B} ^ {\ operatorname {T}}.}$
При транспонировании учитывается сложение.
$(AB) T = BTAT. {\ Displaystyle \ left (\ mathbf {AB} \ right) ^ {\ operatorname {T}} = \ mathbf {B} ^ {\ operatorname {T}} \ mathbf {A} ^ {\ operatorname {T}}.}$ ${\ displaystyle \ left (\ mathbf {AB} \ right) ^ {\ operatorname {T}} = \ mathbf {B} ^ {\ operatorname {T}} \ mathbf {A} ^ {\ operatorname {T}}.}$
Обратите внимание, что порядок факторов меняется. Из этого можно вывести, что квадратная матрица Aявляется обратимой тогда и только тогда, когда A обратимо, и в этом случае (A ) = (A ). По индукции этот результат распространяется на общий случай кратных матриц, где мы находим, что ( A1A2... Ak − 1 Ak) = AkAk − 1 …A2A1.
$(c A) T = c AT. {\ Displaystyle \ left (c \ mathbf {A} \ right) ^ {\ operatorname {T}} = c \ mathbf {A} ^ {\ operatorname {T}}.}$ ${\ displaystyle \ left (c \ mathbf {A} \ right) ^ {\ operatorname {T}} = c \ mathbf {A} ^ {\ operatorname {T}}.}$
Транспонирование скаляра - это тот же самый скаляр. Вместе с (2) это означает, что транспонирование представляет собой линейное отображение из пространства матриц размером m × n в пространство всех матриц размера n × m.
$det ( В) = det (A). {\ displaystyle \ det \ left (\ mathbf {A} ^ {\ operatorname {T}} \ right) = \ det (\ mathbf {A}).}$ ${\ displaystyle \ det \ left (\ mathbf {A} ^ {\ operat orname {T}} \ right) = \ det (\ mathbf {A}).}$
определитель квадрата матрица такая же, как определитель ее транспонирования.
скалярное произведение двух векторов-столбцов a и b может быть вычислено как единичный элемент матричный продукт:
$[a ⋅ b] = a T b, {\ displaystyle \ left [\ mathbf {a} \ cdot \ mathbf {b} \ right] = \ mathbf {a} ^ {\ имя оператора {T}} \ mathbf {b},}$ ${ \ displaystyle \ left [\ mathbf {a} \ cdot \ mathbf {b} \ right] = \ mathbf {a} ^ {\ operatorname {T}} \ mathbf {b},}$
, которое записывается как aibв соглашении о суммировании Эйнштейна.
Если A имеет только реальные записи, то AAбудет положительно-полуопределенная матрица.
$(AT) - 1 = (A - 1) T. {\ displaystyle \ left (\ mathbf {A} ^ {\ operatorname {T}} \ right) ^ {- 1} = \ left (\ mathbf {A} ^ {- 1} \ right) ^ {\ operatorname {T }}.}$ ${ \ displaystyle \ left (\ mathbf {A} ^ {\ operatorname {T}} \ right) ^ {- 1} = \ left (\ mathbf {A} ^ {- 1} \ right) ^ {\ operatorname {T} }.}$
Транспонирование обратимой матрицы также является обратимым, и его обратное преобразование является транспонированием обратной исходной матрицы. Обозначение A иногда используется для представления любого из этих эквивалентных выражений.
Если A представляет собой квадратную матрицу, то ее собственные значения равны собственным значениям его транспонирования, поскольку они имеют один и тот же характеристический многочлен .

Products

Если A является матрицей m × n и A является ее транспонированным, тогда результат умножения матриц с этими двумя матрицами дает две квадратные матрицы: AA - m × m, а AA- n × n. Кроме того, эти продукты представляют собой симметричные матрицы. Действительно, матричное произведение A A имеет элементы, которые являются внутренним продуктом строки A со столбцом A . Но столбцы A являются строками A, поэтому запись соответствует внутреннему произведению двух строк A . Если p i j является записью продукта, оно получается из строк i и j в A . Запись p ji также получается из этих строк, таким образом, p ij = p ji, и матрица произведения (p ij) симметрично. Точно так же произведение AAпредставляет собой симметричную матрицу.

Быстрое доказательство симметрии A A следует из того факта, что это собственное транспонирование:

(A A T) T = (A T) T A T = A A T. {\ displaystyle \ left (\ mathbf {A} \ mathbf {A} ^ {\ operatorname {T}} \ right) ^ {\ operatorname {T}} = \ left (\ mathbf {A} ^ {\ operatorname {T }} \ right) ^ {\ operatorname {T}} \ mathbf {A} ^ {\ operatorname {T}} = \ mathbf {A} \ mathbf {A} ^ {\ operatorname {T}}.}

{\ displaystyle \ left (\ mathbf {A} \ mathbf {A} ^ {\ operatorname {T}} \ right) ^ {\ operatorname {T}} = \ left (\ mathbf {A} ^ {\ operatorname {T}} \ right) ^ {\ operatorname {T}} \ mathbf {A} ^ {\ operatorname {T}} = \ mathbf {A} \ mathbf {A} ^ {\ operatorname {T} }.}

Реализация транспонирования матриц на компьютерах

Иллюстрация порядка строк и столбцов

На компьютере часто можно избежать явного транспонирования матрицы в памяти, просто обратившись к те же данные в другом порядке. Например, программные библиотеки для линейной алгебры, такие как BLAS, обычно предоставляют опции для указания того, что определенные матрицы должны интерпретироваться в транспонированном порядке, чтобы избежать необходимости движения данных.

Однако остается ряд обстоятельств, при которых необходимо или желательно физически переупорядочить матрицу в памяти в соответствии с ее транспонированным порядком. Например, с матрицей, хранящейся в порядке старших строк, строки матрицы являются смежными в памяти, а столбцы не смежными. Если над столбцами необходимо выполнить повторяющиеся операции, например, в алгоритме быстрого преобразования Фурье, транспонирование матрицы в памяти (чтобы сделать столбцы смежными) может улучшить производительность за счет увеличения локальности памяти.

В идеале можно было бы надеяться транспонировать матрицу с минимальным дополнительным объемом памяти. Это приводит к проблеме транспонирования матрицы размера n × m на место с дополнительным хранилищем O (1) или, самое большее, хранилищем, намного меньшим, чем mn. Для n ≠ m это включает сложную перестановку элементов данных, которую нетривиально реализовать на месте. Поэтому эффективная перестановка матрицы на месте была предметом многочисленных исследовательских публикаций в информатике, начиная с конца 1950-х годов, и было разработано несколько алгоритмов.

Транспонирование линейных отображений и билинейных форм

Напомним, что матрицы могут быть помещены во взаимно однозначное соответствие с помощью линейных операторов. Транспонирование линейного оператора может быть определено без необходимости рассматривать его матричное представление. Это приводит к гораздо более общему определению транспонирования, которое может быть применено к линейным операторам, которые не могут быть представлены матрицами (например, с участием многих бесконечномерных векторных пространств).

Транспонирование линейного отображения

Пусть X обозначает алгебраическое двойственное пространство модуля R- X. Пусть X и Y - R-модули. Если u: X → Y является линейным отображением, то его алгебраическое сопряженное или двойственное отображение u: Y → X, определенное формулой f ↦ f ∘ ты Результирующий функционал u (f) называется pullback функции f по u. Следующее соотношение характеризует алгебраическое сопряженное к u

⟨u (f), x⟩ = ⟨f, u (x)⟩ для всех f ∈ Y 'и x ∈ X

, где ⟨ •, •⟩ - это естественная пара (т.е. определенная как ⟨z, h⟩: = h (z)). Это определение также без изменений применяется к левым модулям и векторным пространствам.

Можно видеть, что определение транспонирования не зависит от какой-либо билинейной формы модулей, в отличие от сопряженного (ниже).

непрерывное двойственное пространство топологического векторного пространства (TVS) X обозначается X '. Если X и Y являются TVS, то линейное отображение u: X → Y слабо непрерывно тогда и только тогда, когда u (Y ') ⊆ X', и в этом случае мы обозначим u: Y '→ X' ограничение u на Y '. Отображение u называется транспонированием u.

Если матрица A описывает линейную карту относительно баз V и W, то матрица A описывает транспонирование этого линейное отображение относительно двойственных базисов .

Транспонирование билинейной формы

Любое линейное отображение в двойственное пространство u: X → X определяет билинейную форму B: X × X → F с соотношение B (x, y) = u (x) (y). Определив транспонирование этой билинейной формы как билинейную форму B, определенную транспонированием u: X → X, т.е. B (y, x) = u (Ψ (y)) (x), мы находим, что B (x, y) = В (у, х). Здесь Ψ - естественный гомоморфизм X → X в двойное двойственное.

сопряженное

Если векторные пространства X и Y имеют соответственно невырожденный билинейные формы BXи B Y, понятие, известное как сопряженное, которое тесно связано с транспонированием, может быть определено:

Если u : X → Y - это линейное отображение между векторными пространствами X и Y, мы определяем g как сопряженное к u, если g: Y → X удовлетворяет

BV (x, g (y)) = BW (u (x), y) {\ displaystyle B_ {V} {\ big (} x, g (y) {\ big)} = B_ {W} {\ big (} u (x), y {\ big)}}

{\ displaystyle B_ {V} {\ big (} x, g (y) {\ big)} = B_ {W} {\ big (} u (x), y {\ big)}}

для всех x ∈ X и y ∈ Y.

Эти билинейные формы определяют изоморфизм между X и X, и между Y и Y, что приводит к изоморфизму между транспонированным и присоединенным к u. Матрица сопряженной карты является транспонированной матрицей только в том случае, если базы являются ортонормированными по отношению к их билинейным формам. В этом контексте многие авторы используют термин транспонировать для обозначения сопряженного, как определено здесь.

Сопряженное позволяет нам определить, равно ли g: Y → X u: Y → X. В частности, это позволяет ортогональной группе над векторным пространством X с квадратичной формой быть определенным без ссылки на матрицы (или их компоненты) как набор всех линейных отображений X → X, для которых сопряженное равно обратному.

В сложном векторном пространстве часто работают с полуторалинейными формами (сопряженно-линейными с одним аргументом) вместо билинейных форм. Эрмитово сопряженное соединение карты между такими пространствами определяется аналогично, а матрица эрмитова сопряженного элемента задается сопряженной транспонированной матрицей, если базисы ортонормированы.

См. Также

Матрица адъюгата, транспонирование матрицы кофактора
Транспонирование конъюгата
Псевдообратная система Мура – Пенроуза
Проекция (линейная алгебра)

Ссылки

Дополнительная литература

Бурбаки, Николас (1989) [1970]. Алгебра I, главы 1-3 [Algèbre: Chapitres 1–3] (PDF). Éléments de mathématique. Берлин, Нью-Йорк: Springer Science Business Media. ISBN 978-3-540-64243-5. OCLC 18588156.

Халмос, Пол (1974), Конечномерные векторные пространства, Springer, ISBN 978-0-387-90093-3.
Марускин, Джаред М. (2012). Основная линейная алгебра. Сан-Хосе: Solar Crest. С. 122–132. ISBN 978-0-9850627-3-6.
Шефер, Гельмут Х. ; (1999). Топологические векторные пространства. GTM. 8(Второе изд.). Нью-Йорк, штат Нью-Йорк: Springer New York Выходные данные Springer. ISBN 978-1-4612-7155-0. OCLC 840278135.
Трев, Франсуа (2006) [1967]. Топологические векторные пространства, распределения и ядра. Минеола, Нью-Йорк: Dover Publications. ISBN 978-0-486-45352-1. OCLC 853623322.
Шварц, Джейкоб Т. (2001). Введение в матрицы и векторы. Минеола: Дувр. С. 126–132. ISBN 0-486-42000-0.

Внешние ссылки

Гилберт Стрэнг (весна 2010 г.) Линейная алгебра из MIT Open Courseware