Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
線形代数学入門講座 第6回スライド
Search
TechmathProject
September 04, 2024
Science
0
27
線形代数学入門講座 第6回スライド
てくますプロジェクトで行った線形代数学入門講座の第6回スライドです。
実施:2024/07/01
TechmathProject
September 04, 2024
Tweet
Share
More Decks by TechmathProject
See All by TechmathProject
統計学入門講座 第4回スライド
techmathproject
0
61
統計学入門講座 第3回スライド
techmathproject
0
41
統計学入門講座 第2回スライド
techmathproject
0
57
統計学入門講座 第1回スライド
techmathproject
0
200
線形代数学入門講座 第1回スライド
techmathproject
0
45
線形代数学入門講座 第2回スライド
techmathproject
0
37
線形代数学入門講座 第3回スライド
techmathproject
0
24
線形代数学入門講座 第4回スライド
techmathproject
0
22
線形代数学入門講座 第5回スライド
techmathproject
0
23
Other Decks in Science
See All in Science
Causal discovery based on non-Gaussianity and nonlinearity
sshimizu2006
0
220
ウェーブレットおきもち講座
aikiriao
1
820
20240420 Global Azure 2024 | Azure Migrate でデータセンターのサーバーを評価&移行してみる
olivia_0707
2
980
サイゼミ用因果推論
lw
0
1.4k
大規模言語モデルの開発
chokkan
PRO
85
42k
事業会社における 機械学習・推薦システム技術の活用事例と必要な能力 / ml-recsys-in-layerx-wantedly-2024
yuya4
3
280
Visual Analytics for R&D Intelligence @Funding the Commons & DeSci Tokyo 2024
hayataka88
0
130
Factorized Diffusion: Perceptual Illusions by Noise Decomposition
tomoaki0705
0
300
白金鉱業Meetup Vol.16_数理最適化案件のはじめかた・すすめかた
brainpadpr
3
1.3k
マテリアルズ・インフォマティクスの先端で起きていること / What's Happening at the Cutting Edge of Materials Informatics
snhryt
1
170
Online Feedback Optimization
floriandoerfler
0
780
WeMeet Group - 採用資料
wemeet
0
4.3k
Featured
See All Featured
Why You Should Never Use an ORM
jnunemaker
PRO
55
9.2k
A better future with KSS
kneath
238
17k
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
132
33k
Automating Front-end Workflow
addyosmani
1367
200k
A Tale of Four Properties
chriscoyier
157
23k
The Myth of the Modular Monolith - Day 2 Keynote - Rails World 2024
eileencodes
20
2.4k
Facilitating Awesome Meetings
lara
51
6.2k
Reflections from 52 weeks, 52 projects
jeffersonlam
348
20k
Build The Right Thing And Hit Your Dates
maggiecrowley
34
2.5k
Bootstrapping a Software Product
garrettdimon
PRO
305
110k
Six Lessons from altMBA
skipperchong
27
3.6k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
44
7k
Transcript
線形代数学 入門講座 ⑥数ベクトル空間 てくますゼミ
①行列の演算 ②連立一次方程式 ③正則行列 ④置換 ⑤行列式 ⑥数ベクトル空間 ⑦固有値 ⑧行列の対角化 てくます講座 線形代数学(全8回)
の流れ 数ベクトル空間 1次独立と1次従属 基底と次元 線形写像
てくます講座 学習方法 ・メモをとろう! 講座ではスライドに載せきれない大事なことも話します。 配布されたレジュメの余白に書いておきましょう。 ・問題を解こう! 学問を読み聞きだけで身に付けるのは難しいです。 問題を解くことで手を動かし、理解の確認をしましょう。 ・質問をしよう! せっかく参加した講座です。
気になることは、講座中でも質問していきましょう。
線形代数学 ⑥数ベクトル空間 数ベクトル空間 実数𝑛個を縦に並べた列ベクトルを単に「ベクトル」と呼び、これから扱います。 スカラー(実数)と区別するために、ベクトルは太字で表現することが多いです。 零ベクトル 0 ⋮ 0 は
𝟎と表します。 ℝ𝑛の基本ベクトル 1 0 ⋮ 0 , ⋯ , 0 ⋮ 0 1 は 𝒆1 , ⋯ 𝒆𝑛 と表します。
線形代数学 ⑥数ベクトル空間 部分空間 ℝ𝑛では、ベクトルの足し算やスカラー倍ができます。 ℝ𝑛の部分集合 𝑉でもそれらができるとき、𝑉 を ℝ𝑛の部分空間といいます。 (例) はℝ2の部分空間である。
𝒗, 𝒗′ ∈ 𝑉 ならば、3 𝑥1 + 𝑥1 ′ + 𝑥2 + 𝑥2 ′ = 0 なので、𝒗 + 𝒗′ ∈ 𝑉 𝒗 ∈ 𝑉, 𝑐 ∈ ℝ ならば、3 𝑐𝑥1 + 𝑐𝑥2 = 0 なので、c𝒗 ∈ 𝑉 はℝ2の部分空間でない。 0 1 ∈ 𝑉 であるが、 0 2 = 2 0 1 ∉ 𝑉
線形代数学 ⑥数ベクトル空間 部分空間 𝑉が部分空間であることを確認するためには、次を調べます。 (1) 𝒗1 , 𝒗2 ∈ 𝑉
⟹ 𝒗1 + 𝒗2 ∈ 𝑉 (2) 𝒗 ∈ 𝑉, 𝑐 ∈ ℝ ⟹ 𝑐𝒗 ∈ 𝑉 ℝ𝑛の部分空間 𝑉は、𝑛次元空間の中の𝑚(≤ 𝑛)次元空間の形をしています。 原点を通る直線や平面などが、部分空間になります。 は 原点を通る直線 𝑥2 = −3𝑥1 を表すので、 ℝ2の部分空間である。 𝑥2 𝟎 𝑥1 𝑉
線形代数学 ⑥数ベクトル空間 1次結合 𝑚個のベクトル 𝒗1 , 𝒗2 , ⋯ ,
𝒗𝑚 ∈ ℝ𝑛 について考えます。 これらを使って、ℝ𝑛の他のベクトルを表すことを考えてみましょう。 1次結合…ベクトルそれぞれに係数をかけて足したベクトル 𝑐1 𝒗1 + 𝑐2 𝒗2 + ⋯ 𝑐𝑚 𝒗𝑚 (𝑐1 , 𝑐2 , ⋯ , 𝑐𝑚 ∈ ℝ) 1次関係…ある1次結合が零ベクトルになっているという関係式 𝑐1 𝒗1 + 𝑐2 𝒗2 + ⋯ 𝑐𝑚 𝒗𝑚 = 𝟎 (𝑐1 , 𝑐2 , ⋯ , 𝑐𝑚 ∈ ℝ)
線形代数学 ⑥数ベクトル空間 1次独立と1次従属 ベクトル 𝒗𝑖 が他の𝑚 − 1個のベクトルで表せてしまうとき、 ℝ𝑛のベクトルを表すにあたって、 𝒗𝑖
は不要なベクトルといえます。 1次独立…1次関係が自明なもの(𝑐1 = ⋯ = 𝑐𝑚 = 0なもの)しかないこと 𝑐1 𝒗1 + 𝑐2 𝒗2 + ⋯ 𝑐𝑚 𝒗𝑚 = 𝟎 ⟹ 𝑐1 = ⋯ = 𝑐𝑚 = 0 1次従属…1次関係に自明でないものがあること 𝑐1 𝒗1 + 𝑐2 𝒗2 + ⋯ 𝑐𝑚 𝒗𝑚 = 𝟎 かつ (𝑐1 , ⋯ , 𝑐𝑚 ) ≠ (0, ⋯ , 0) なものがある 𝑐1 ≠ 0 なら、𝒗1 = − 𝑐2 𝑐1 𝒗2 − ⋯ − 𝑐𝑚 𝑐1 𝒗𝑚 と表せてしまう。(𝒗1 が不要になる)
線形代数学 ⑥数ベクトル空間 1次独立と1次従属 (例) ℝ2 の2つのベクトル 1 1 , 0
1 について、 𝑐1 1 1 + 𝑐2 0 1 = 0 0 とすると、𝑐1 = 𝑐2 = 0 である。 よって、 1 1 , 0 1 は1次独立である。 ℝ2 の2つのベクトル 2 1 , 6 3 について、 3 2 1 − 6 3 = 0 0 という自明でない1次関係がある。 よって、 2 1 , 6 3 は1次従属である。
線形代数学 ⑥数ベクトル空間 部分空間の生成 𝒗1 , 𝒗2 , ⋯ , 𝒗𝑚
で ℝ𝑛の部分空間 𝑉のすべてのベクトルを表すことができるとき、 𝒗1 , 𝒗2 , ⋯ , 𝒗𝑚 は 𝑉を生成するといいます。 (例) ℝ2 の2つのベクトル 1 1 , 0 1 について、 ℝ2 のベクトル 𝑎 𝑏 は、 𝑎 𝑏 = 𝑎 1 1 + (𝑏 − 𝑎) 0 1 と表せるので、 1 1 , 0 1 は ℝ2 を生成する。
線形代数学 ⑥数ベクトル空間 基底と次元 𝒗1 , 𝒗2 , ⋯ , 𝒗𝑚
が1次独立で、 ℝ𝑛の部分空間 𝑉を生成するとき、 𝒗1 , 𝒗2 , ⋯ , 𝒗𝑚 は 𝑉の基底であるといい、𝑉の次元 dim(𝑉)が𝑚であるといいます。 (例) ℝ2 の2つのベクトル 1 1 , 0 1 は、 1次独立であり、ℝ2 を生成するので、ℝ2 の基底である。 よって、ℝ2 の次元は2である。
線形代数学 ⑥数ベクトル空間 線形写像 ℝ𝑛のベクトルを ℝ𝑚のベクトルにうつす写像 𝑓 が次の(1)と(2)みたすとき、 線形写像といいます。 (1) 𝑓
𝒗1 + 𝒗2 = 𝑓 𝒗1 + 𝑓(𝒗2 ) (𝒗1 , 𝒗2 ∈ ℝ𝑛) (2) 𝑓 𝑐𝒗 = 𝑐𝑓 𝒗 (𝒗 ∈ ℝ𝑛, 𝑐 ∈ ℝ) (例) 写像 𝑓: ℝ2 ∋ 𝑥1 𝑥2 ↦ 𝑥2 𝑥1 ∈ ℝ2 は線形写像である。 𝑓 𝑥1 + 𝑥1 ′ 𝑥2 + 𝑥2 ′ = 𝑥2 + 𝑥2 ′ 𝑥1 + 𝑥1 ′ = 𝑥2 𝑥1 + 𝑥2 ′ 𝑥1 ′ = 𝑓 𝑥1 𝑥2 + 𝑓 𝑥1 ′ 𝑥2 ′ 𝑓 𝑐𝑥1 𝑐𝑥2 = 𝑐𝑥2 𝑐𝑥1 = 𝑐 𝑥2 𝑥1 = 𝑐𝑓 𝑥1 𝑥2
線形代数学 ⑥数ベクトル空間 線形写像 ℝ𝑛のベクトルに𝑚 × 𝑛行列 𝐴を左からかけると、 ℝ𝑚のベクトルが得られます。 この方法で決めた ℝ𝑛から
ℝ𝑚への写像 𝑓𝐴 は線形写像になります。 (例) 線形写像 𝑓: ℝ2 ∋ 𝑥1 𝑥2 ↦ 𝑥2 𝑥1 ∈ ℝ2 は、 2 × 2行列 𝐴 = 0 1 1 0 を用いて、𝑓 𝒗 = 𝐴𝒗 と表せる。 逆に、 ℝ𝑛から ℝ𝑚への線形写像 𝑓 はある𝑚 × 𝑛行列 𝐴𝑓 を左からかける写像だと みなすことができます。
線形代数学 ⑥数ベクトル空間 まとめ ・ベクトルの演算が閉じている部分集合を部分空間という。 ・ベクトルの組に自明な1次関係しかないとき、1次独立であるという。 ・1次独立で部分空間 𝑉を生成するベクトルの組を 𝑉の基底という。 ・ベクトルの演算を保つ写像を線形写像といい、行列をかける写像とみなせる。