Web Analytics Made Easy - Statcounter
Avancerad

Linjära avbildningar

Definition och egenskaper hos linjära avbildningar.

linjär avbildning transformation matrisrepresentation kärna bild

Linjära avbildningar är som 'matematiska maskiner' som transformerar vektorer på ett förutsägbart sätt! De följer två gyllene regler: de bevarar addition och skalarmultiplikation. Tänk på dem som filter eller transformationer - rotationer, speglingar, skalningar, projektioner. Det fantastiska är att varje linjär avbildning kan representeras av en matris, vilket gör dem både kraftfulla och lätthanterliga!

Fördjupning

En linjär avbildning T: V → W mellan vektorrum V och W satisfierar T(u+v) = T(u) + T(v) och T(cu) = cT(u) för alla vektorer u,v och skalärer c. För ändligdimensionella rum kan varje linjär avbildning representeras som matrismultiplikation T(x) = Ax. Kärnan ker(T) och bilden im(T) är viktiga underrum som karakteriserar avbildningen. Dimensionssatsen säger att dim(V) = dim(ker(T)) + dim(im(T)).

Definition av linjär avbildning

En avbildning T: V → W är linjär om den bevarar vektoroperationer: T(u→ + v→) = T(u→) + T(v→) och T(cu→) = cT(u→). Detta betyder att T 'respekterar' vektorrummets struktur och alla linjärkombinationer.

Linjäritet: T(au→ + bv→) = aT(u→) + bT(v→)
Linjäritet: T(au→ + bv→) = aT(u→) + bT(v→)

Rotation i planet

Rotation med vinkel θ: T(x,y) = (x cos θ - y sin θ, x sin θ + y cos θ) är linjär eftersom T(a(x₁,y₁) + b(x₂,y₂)) = aT(x₁,y₁) + bT(x₂,y₂).
Visualisering av linjär transformation som bevarar gitter
Visualisering av linjär transformation som bevarar gitter

Test för linjäritet

För att testa om T är linjär: (1) Kontrollera att T(u→ + v→) = T(u→) + T(v→), (2) Kontrollera att T(cu→) = cT(u→), ELLER ekvivalent: kontrollera att T(au→ + bv→) = aT(u→) + bT(v→) för alla a,b.

Icke-linjär avbildning

T(x,y) = (x², y) är INTE linjär eftersom T(2(1,0)) = T(2,0) = (4,0) ≠ 2T(1,0) = 2(1,0) = (2,0).

Linjär avbildning

T(x,y,z) = (x+y, 2x-z, y+z) är linjär. Vi kan verifiera: T((x₁,y₁,z₁) + (x₂,y₂,z₂)) = T(x₁+x₂, y₁+y₂, z₁+z₂) = ((x₁+x₂)+(y₁+y₂), 2(x₁+x₂)-(z₁+z₂), (y₁+y₂)+(z₁+z₂)) = T(x₁,y₁,z₁) + T(x₂,y₂,z₂).

Matrisrepresentation

För linjär avbildning T: ℝⁿ → ℝᵐ finns det en unik m×n-matris A sådan att T(x→) = Ax→. Matrisens kolumner är T applicerad på standardbasvektorerna: A = [T(e→₁) | T(e→₂) | ... | T(e→ₙ)].

Matrisrepresentation: A = [T(e→₁) | T(e→₂) | ... | T(e→ₙ)]
Matrisrepresentation: A = [T(e→₁) | T(e→₂) | ... | T(e→ₙ)]

Hitta matrisen

Om T: ℝ² → ℝ² definieras av T(1,0) = (2,3) och T(0,1) = (1,-1), så är A = [[2,1],[3,-1]]. Verifiering: T(x,y) = x(2,3) + y(1,-1) = (2x+y, 3x-y) = [[2,1],[3,-1]][[x],[y]].

Projektion på x-axeln

T(x,y) = (x,0) har T(1,0) = (1,0) och T(0,1) = (0,0), så A = [[1,0],[0,0]].

Kärna och bild - de viktiga underrummen

Kärnan ker(T) = {v→ ∈ V : T(v→) = 0→} är de vektorer som 'försvinner'. Bilden im(T) = {T(v→) : v→ ∈ V} är alla möjliga utdata. Båda är underrum med viktiga egenskaper!

Kärna och bild: ker(T) = {v→ : T(v→) = 0→}, im(T) = {T(v→) : v→ ∈ V}
Kärna och bild: ker(T) = {v→ : T(v→) = 0→}, im(T) = {T(v→) : v→ ∈ V}

Projektion på x-axeln

T(x,y) = (x,0). Kärna: ker(T) = {(0,y) : y ∈ ℝ} (y-axeln). Bild: im(T) = {(x,0) : x ∈ ℝ} (x-axeln). Observera: ker(T) ∩ im(T) = {(0,0)}.

Rotation 90°

T(x,y) = (-y,x). Kärna: ker(T) = {(0,0)} (bara nollvektorn). Bild: im(T) = ℝ² (hela planet). T är injektiv och surjektiv.

Dimensionssatsen - fundamentala samband

Dimensionssatsen (rank-nullity theorem) säger att dim(V) = dim(ker(T)) + dim(im(T)). Detta är en av de viktigaste satserna i linjär algebra! Den knyter samman alla dimensioner.

Dimensionssatsen: dim(V) = nullity(T) + rank(T)
Dimensionssatsen: dim(V) = nullity(T) + rank(T)

3×2-matris

För T: ℝ² → ℝ³ med rank(T) = 2 måste nullity(T) = 2 - 2 = 0. Så ker(T) = {0→} och T är injektiv.

2×4-matris

För T: ℝ⁴ → ℝ² med rank(T) = 2 får vi nullity(T) = 4 - 2 = 2. Kärnan är 2-dimensionell.

Injektivitet, surjektivitet och bijektivitet

T är injektiv (en-till-en) om ker(T) = {0→}. T är surjektiv (onto) om im(T) = W. T är bijektiv om den är både injektiv och surjektiv - då finns invers T⁻¹!

Injektiv: ker(T) = {0→}, Surjektiv: im(T) = W, Bijektiv: injektiv + surjektiv
Injektiv: ker(T) = {0→}, Surjektiv: im(T) = W, Bijektiv: injektiv + surjektiv

Klassificering av 2×2-matriser

För T: ℝ² → ℝ² med matris A: (1) det(A) ≠ 0 ⟺ T bijektiv, (2) rank(A) = 1 ⟺ T surjektiv på linje, (3) A = 0 ⟺ T(x→) = 0→ för alla x→.

Komposition av linjära avbildningar

Om S: U → V och T: V → W är linjära, så är kompositionen T∘S: U → W också linjär. Matrisrepresentation: [T∘S] = [T][S]. OBS: ordningen är viktig!

Rotation följt av skalning

S roterar 90°: S(x,y) = (-y,x). T skalar med 2: T(x,y) = (2x,2y). Då (T∘S)(x,y) = T(-y,x) = (-2y,2x). Matris: [T∘S] = [[2,0],[0,2]][[0,-1],[1,0]] = [[0,-2],[2,0]].

Basbyten och koordinattransformationer

Samma linjära avbildning får olika matrisrepresentationer i olika baser. Om P är bytesmatris från bas B till standardbas, så är [T]ᵦ = P⁻¹[T]P.

Rotation i ny bas

En rotation kan se ut som skalning om vi väljer rätt bas (egenvektorbas för rotationsmatrisen i det komplexa fallet).

Vanliga misstag

❌ Anta att alla avbildningar är linjära

Många naturliga avbildningar är INTE linjära. Testa alltid linjäritetskraven explicitt!

Exempel: T(x,y) = (x², y) är INTE linjär. T(x,y) = (x+1, y) är INTE linjär (konstant term).

❌ Förväxla kärna med nollrum av matris

För T(x→) = Ax→ är ker(T) = null(A), men det är lätt att blanda ihop notation.

Exempel: ker(T) och null(A) är samma sak när T representeras av matris A.

❌ Tro att T injektiv ⟺ T surjektiv

För ändligdimensionella rum med samma dimension är detta sant, men annars ej.

Exempel: T: ℝ² → ℝ³ kan vara injektiv men inte surjektiv. T: ℝ³ → ℝ² kan vara surjektiv men inte injektiv.

❌ Glömma att kärnan alltid innehåller nollvektorn

T(0→) = 0→ för alla linjära T, så 0→ ∈ ker(T) alltid.

Exempel: Om du hittar ker(T) = tom mängd har du gjort fel. Rätt är ker(T) = {0→} för injektiva T.

❌ Beräkna matrisen fel från T(eᵢ)

Kolumn i i matrisen är T(eᵢ), inte rad i.

Exempel: Om T(1,0) = (2,3) och T(0,1) = (1,4), så är A = [[2,1],[3,4]], inte [[2,3],[1,4]].

Tillämpningar

Datorspel - 3D-transformationer

Rotation, skalning och translation av 3D-objekt representeras som linjära avbildningar

Exempel: Kamerarotation, objektanimationer, collision detection - allt använder matriser för transformationer

Bildbehandling - Filter och effekter

Bildfilter som blur, sharpen, edge detection implementeras som linjära operationer

Exempel: Gaussisk blur: varje pixel blir viktad summa av närliggande pixlar (linjär operation)

Ekonomi - Input-output modeller

Ekonomiska sektors inbördes beroenden modelleras med linjära avbildningar

Exempel: Leontief-modellen: output = (I - A)⁻¹ × slutlig efterfrågan

Fysik - Kvantmekanik

Kvanttillstånd utvecklas enligt Schrödingerekvationen - linjär evolution

Exempel: Tidsevolution: |ψ(t)⟩ = e^(-iHt/ℏ)|ψ(0)⟩ där H är Hamiltonoperatorn

Maskininlärning - Neurala nätverk

Varje lager i neuralt nätverk är linjär transformation följd av icke-linjär aktivering

Exempel: Dense layer: output = activation(Wx + b) där Wx är linjär transformation

Signalbehandling - Fouriertransform

DFT/FFT är linjära transformationer som konverterar tid → frekvens

Exempel: Audio compression, spektralanalys, filtering - alla baserade på linjära transformationer

Övningar

1 Lätt

Är T(x,y) = (x+y, 2x-y, x) linjär?

Tips

Kontrollera om T(au→ + bv→) = aT(u→) + bT(v→)

Visa facit
  1. Kontrollera linjäritet: T(au→ + bv→) = aT(u→) + bT(v→)
  2. Låt u→ = (x₁,y₁) och v→ = (x₂,y₂)
  3. T(a(x₁,y₁) + b(x₂,y₂)) = T(ax₁+bx₂, ay₁+by₂)
  4. = ((ax₁+bx₂)+(ay₁+by₂), 2(ax₁+bx₂)-(ay₁+by₂), ax₁+bx₂)
  5. = (a(x₁+y₁)+b(x₂+y₂), a(2x₁-y₁)+b(2x₂-y₂), ax₁+bx₂)
  6. = a(x₁+y₁, 2x₁-y₁, x₁) + b(x₂+y₂, 2x₂-y₂, x₂)
  7. = aT(u→) + bT(v→) ✓

Svar: Ja, T är linjär

2 Lätt

Hitta matrisen för T: ℝ³ → ℝ² definierad av T(x,y,z) = (x-y+2z, 3x+z)

Tips

Beräkna T(e₁), T(e₂), T(e₃) och använd dessa som kolumner

Visa facit
  1. T(1,0,0) = (1-0+2·0, 3·1+0) = (1,3)
  2. T(0,1,0) = (0-1+2·0, 3·0+0) = (-1,0)
  3. T(0,0,1) = (0-0+2·1, 3·0+1) = (2,1)
  4. Matrisen har dessa som kolumner:
  5. A = [[1,-1,2],[3,0,1]]
  6. Verifiering: A[[x],[y],[z]] = [[1·x+(-1)·y+2·z],[3·x+0·y+1·z]] = [[x-y+2z],[3x+z]] ✓

Svar: A = [[1,-1,2],[3,0,1]]

3 Medel

Bestäm kärnan och bilden för T(x,y,z) = (x+y, x-y, 2x)

Tips

För kärnan: lös T(x,y,z) = (0,0,0). För bilden: hitta span av kolumnerna i matrisen

Visa facit
  1. Matris: A = [[1,1,0],[1,-1,0],[2,0,0]]
  2. Kärna: Lös Ax→ = 0→
  3. [[1,1,0],[1,-1,0],[2,0,0]][[x],[y],[z]] = [[0],[0],[0]]
  4. x + y = 0, x - y = 0, 2x = 0
  5. Från tredje: x = 0. Från första: y = 0. z är fri.
  6. ker(T) = {(0,0,t) : t ∈ ℝ} = span{(0,0,1)}
  7. Bild: span av kolumner = span{(1,1,2), (1,-1,0), (0,0,0)}
  8. = span{(1,1,2), (1,-1,0)} (tredje kolumnen är noll)
  9. dim(ker(T)) + dim(im(T)) = 1 + 2 = 3 = dim(ℝ³) ✓

Svar: ker(T) = span{(0,0,1)}, im(T) = span{(1,1,2), (1,-1,0)}

4 Medel

Är T: ℝ² → ℝ² med T(x,y) = (2x-y, x+3y) injektiv? Surjektiv?

Tips

Injektiv ⟺ ker(T) = {0→}. Surjektiv ⟺ im(T) = ℝ². Använd determinant!

Visa facit
  1. Matris: A = [[2,-1],[1,3]]
  2. det(A) = 2·3 - (-1)·1 = 6 + 1 = 7 ≠ 0
  3. Eftersom det(A) ≠ 0 är A inverterbar
  4. För kvadratiska matriser: inverterbar ⟺ injektiv ⟺ surjektiv
  5. Därför är T både injektiv och surjektiv
  6. Alternativ kontroll - kärna:
  7. ker(T): 2x - y = 0 och x + 3y = 0
  8. Från första: y = 2x. Insättning: x + 3(2x) = x + 6x = 7x = 0
  9. Så x = 0, därmed y = 0. ker(T) = {(0,0)} → injektiv ✓

Svar: Både injektiv och surjektiv (bijektiv)

5 Medel

Två linjära avbildningar S: ℝ² → ℝ² och T: ℝ² → ℝ² ges av S(x,y) = (y,x) och T(x,y) = (2x,3y). Bestäm T∘S och S∘T.

Tips

Komposition: (T∘S)(v→) = T(S(v→)). Beräkna både riktningarna!

Visa facit
  1. Beräkna T∘S:
  2. (T∘S)(x,y) = T(S(x,y)) = T(y,x) = (2y,3x)
  3. Beräkna S∘T:
  4. (S∘T)(x,y) = S(T(x,y)) = S(2x,3y) = (3y,2x)
  5. Observera: T∘S ≠ S∘T (komposition är inte kommutativ)
  6. Matrisform:
  7. [S] = [[0,1],[1,0]], [T] = [[2,0],[0,3]]
  8. [T∘S] = [T][S] = [[2,0],[0,3]][[0,1],[1,0]] = [[0,2],[3,0]]
  9. [S∘T] = [S][T] = [[0,1],[1,0]][[2,0],[0,3]] = [[0,3],[2,0]]

Svar: (T∘S)(x,y) = (2y,3x), (S∘T)(x,y) = (3y,2x)

6 Svår

En linjär avbildning T: ℝ³ → ℝ² har ker(T) = span{(1,1,1)} och T(1,0,0) = (2,1). Bestäm T helt.

Tips

Använd dimensionssatsen och att T är linjär. Hitta T på en bas för ℝ³.

Visa facit
  1. dim(ker(T)) = 1, så dim(im(T)) = 3 - 1 = 2
  2. Eftersom T: ℝ³ → ℝ² och dim(im(T)) = 2 är T surjektiv
  3. ker(T) = span{(1,1,1)}, så T(1,1,1) = (0,0)
  4. Vi vet T(1,0,0) = (2,1)
  5. Behöver hitta T(0,1,0) och T(0,0,1)
  6. Från T(1,1,1) = T(1,0,0) + T(0,1,0) + T(0,0,1) = (0,0):
  7. (2,1) + T(0,1,0) + T(0,0,1) = (0,0)
  8. Så T(0,1,0) + T(0,0,1) = (-2,-1)
  9. Välj T(0,1,0) = (-1,-1) och T(0,0,1) = (-1,0)
  10. Då T(x,y,z) = xT(1,0,0) + yT(0,1,0) + zT(0,0,1)
  11. = x(2,1) + y(-1,-1) + z(-1,0) = (2x-y-z, x-y)
  12. Kontroll: T(1,1,1) = (2-1-1, 1-1) = (0,0) ✓

Svar: T(x,y,z) = (2x-y-z, x-y)

Sammanfattning

Linjära avbildningar bevarar vektorrummets struktur och kan representeras som matriser. Kärnan och bilden är viktiga underrum som karakteriserar avbildningen. Dimensionssatsen knyter samman alla dimensioner. Kom ihåg: linjäritet betyder T(au→ + bv→) = aT(u→) + bT(v→), och detta gör linjära avbildningar både förutsägbara och kraftfulla!