Matematici aplicate în economie · Algebră liniară

Spații vectoriale și transformări liniare

Avansat65 min

Pe această pagină

Ce înveți

  • Faci operații cu vectori, calculezi valoarea unui coș de bunuri ca produs scalar și verifici dacă niște vectori sunt liniar independenți.
  • Recunoști o transformare liniară și o scrii cu ajutorul unei matrice.
  • Calculezi valorile și vectorii proprii ai unei matrice 2 × 2 și îi folosești ca să afli unde ajunge pe termen lung un model dinamic.

Teorie

Un coș de cumpărături, lista de prețuri a unui magazin sau cotele de piață a două cafenele sunt liste de numere în care ordinea contează. Matematica le numește vectori. Pe vectori îi poți aduna, înmulți cu numere și transforma cu ajutorul matricelor, iar unii vectori speciali, vectorii proprii, îți arată unde ajunge pe termen lung un sistem care se schimbă în fiecare lună.

Partea 1. Vectori și operații cu vectori

Exemplu ipotetic. Un student cumpără într-o săptămână 3 cafele, 2 sandvișuri și 1 suc: coșul lui este vectorul q=(3,2,1)q = (3, 2, 1). Prețurile sunt p=(8,15,6)p = (8, 15, 6) lei.

  • Adunarea: aduni pe poziții. Dacă și săptămâna următoare cumpără (2,3,0)(2, 3, 0), în două săptămâni a cumpărat (3+2,2+3,1+0)=(5,5,1)(3 + 2, 2 + 3, 1 + 0) = (5, 5, 1).
  • Înmulțirea cu un număr: înmulțești fiecare poziție. Pentru o lună de patru săptămâni identice, 4⋅q=(12,8,4)4 \cdot q = (12, 8, 4).
  • Produsul scalar: înmulțești pe poziții și aduni. Valoarea coșului este:
p⋅q=p1q1+p2q2+…+pnqnp \cdot q = p_1 q_1 + p_2 q_2 + \ldots + p_n q_n

Pentru student: 8×3+15×2+6×1=608 \times 3 + 15 \times 2 + 6 \times 1 = 60 de lei pe săptămână.

Operațiile respectă regulile obișnuite ale numerelor: u+v=v+uu + v = v + u, c(u+v)=cu+cvc(u + v) = cu + cv, p⋅q=q⋅pp \cdot q = q \cdot p și p⋅(q+r)=p⋅q+p⋅rp \cdot (q + r) = p \cdot q + p \cdot r. Vectorul cu toate componentele zero se numește vectorul nul, notat 00: adăugat la orice coș, nu schimbă nimic.

Indicele prețurilor ca raport de produse scalare. Dacă săptămâna următoare prețurile devin p′=(9,15,7)p' = (9, 15, 7), același coș costă p′⋅q=27+30+7=64p' \cdot q = 27 + 30 + 7 = 64 de lei. Raportul p′⋅qp⋅q=64:60≈1,067\frac{p' \cdot q}{p \cdot q} = 64 : 60 \approx 1{,}067 este indicele Laspeyres al prețurilor din lecția „Procente, rapoarte și indici”: coșul s-a scumpit cu aproximativ 6,7%.

Lungimea (norma) unui vector și unghiul dintre doi vectori se calculează tot cu produsul scalar:

∥v∥=v⋅v=v12+v22+…+vn2,cos⁡θ=u⋅v∥u∥⋅∥v∥\lVert v \rVert = \sqrt{v \cdot v} = \sqrt{v_1^2 + v_2^2 + \ldots + v_n^2}, \qquad \cos \theta = \frac{u \cdot v}{\lVert u \rVert \cdot \lVert v \rVert}

Doi vectori sunt ortogonali (perpendiculari) când produsul lor scalar este 0. Sensul economic: o schimbare a coșului Δq\Delta q ortogonală pe vectorul prețurilor nu schimbă cheltuiala. De exemplu, Δq=(3,−2,1)\Delta q = (3, -2, 1) (trei cafele și un suc în plus, două sandvișuri în minus) are p⋅Δq=24−30+6=0p \cdot \Delta q = 24 - 30 + 6 = 0: noul coș costă tot 60 de lei.

Partea 2. Combinații liniare, dependență și baze

O combinație liniară a vectorilor v1,…,vkv_1, \ldots, v_k este un vector de forma c1v1+c2v2+…+ckvkc_1 v_1 + c_2 v_2 + \ldots + c_k v_k, unde c1,…,ckc_1, \ldots, c_k sunt numere.

Exemplu ipotetic. O patiserie vinde două pachete: pachetul mic, (2,1)(2, 1) (2 croissante și 1 cafea), și pachetul mare, (4,2)(4, 2). Pachetul mare este exact dublul celui mic, deci nu aduce nicio variantă nouă: cu ele poți obține doar coșuri în care croissantele sunt de două ori mai multe decât cafelele.

Pentru pachetele patiseriei: ∣2142∣=4−4=0\begin{vmatrix} 2 & 1 \\ 4 & 2 \end{vmatrix} = 4 - 4 = 0, deci sunt dependente.

Definiția echivalentă, folosită în calcule, este:

c1v1+c2v2+…+ckvk=0  doar pentru c1=c2=…=ck=0⟺vectori liniar independențic_1 v_1 + c_2 v_2 + \ldots + c_k v_k = 0 \ \text{ doar pentru } c_1 = c_2 = \ldots = c_k = 0 \quad \Longleftrightarrow \quad \text{vectori liniar independenți}

În cuvinte: singurul mod de a obține vectorul nul este să iei „zero din fiecare”. Dacă există și alte numere care dau vectorul nul, vectorii sunt dependenți.

Exemplu cu trei vectori: v1=(1,0,2)v_1 = (1, 0, 2), v2=(0,1,1)v_2 = (0, 1, 1) și v3=(1,1,3)v_3 = (1, 1, 3). Determinantul cu aceste linii este 1×(3−1)−0+2×(0−1)=2−2=01 \times (3 - 1) - 0 + 2 \times (0 - 1) = 2 - 2 = 0, deci sunt dependenți. Într-adevăr, v3=v1+v2v_3 = v_1 + v_2, adică v1+v2−v3=0v_1 + v_2 - v_3 = 0, cu numerele 1, 1 și −1, nu toate zero.

Două reguli generale, legate de lecția despre sisteme:

  • k vectori sunt liniar independenți exact atunci când matricea care îi are ca linii are rangul k;
  • în Rn\mathbb{R}^n, mai mult de n vectori sunt întotdeauna dependenți (de exemplu, trei vectori din plan).

O bază a unui spațiu vectorial este un set de vectori liniar independenți cu care poți scrie, ca o combinație liniară, orice vector al spațiului. Cea mai simplă bază din R3\mathbb{R}^3 este cea canonică: e1=(1,0,0)e_1 = (1, 0, 0), e2=(0,1,0)e_2 = (0, 1, 0), e3=(0,0,1)e_3 = (0, 0, 1). Coșul studentului se scrie q=3e1+2e2+1e3q = 3 e_1 + 2 e_2 + 1 e_3. Numărul de vectori dintr-o bază se numește dimensiunea spațiului (Rn\mathbb{R}^n are dimensiunea n).

Coordonatele într-o altă bază. Numerele c1,…,cnc_1, \ldots, c_n din scrierea v=c1b1+…+cnbnv = c_1 b_1 + \ldots + c_n b_n se numesc coordonatele lui v în baza b1,…,bnb_1, \ldots, b_n; ele sunt unice și se află rezolvând un sistem liniar. Exemplu ipotetic: patiseria înlocuiește pachetul mare cu pachetul simplu (1,1)(1, 1), adică un croissant și o cafea. Pachetele (2,1)(2, 1) și (1,1)(1, 1) au determinantul 2−1=1≠02 - 1 = 1 \neq 0, deci formează o bază: orice comandă se poate face din ele. Comanda (7,4)(7, 4) cere 2c1+c2=72c_1 + c_2 = 7 și c1+c2=4c_1 + c_2 = 4, deci c1=3c_1 = 3 pachete mici și c2=1c_2 = 1 pachet simplu. Coordonatele comenzii în baza pachetelor sunt (3,1)(3, 1).

Mulțimea tuturor combinațiilor liniare ale unor vectori se numește subspațiul generat de ei. Pachetele dependente (2,1)(2, 1) și (4,2)(4, 2) generează doar o dreaptă (coșurile cu de două ori mai multe croissante decât cafele), un subspațiu de dimensiune 1.

Partea 3. Transformări liniare

O transformare liniară este o funcție T care duce vectori în vectori și păstrează cele două operații: T(u+v)=T(u)+T(v)T(u + v) = T(u) + T(v) și T(c⋅v)=c⋅T(v)T(c \cdot v) = c \cdot T(v). Orice transformare liniară se scrie cu o matrice:

T(x)=A⋅xT(x) = A \cdot x

Exemplu ipotetic. În lecția despre sisteme, matricea atelierului transforma vectorul producției (mese, scaune, rafturi) în vectorul resurselor consumate (lemn, ore, lac). Transformarea este liniară: dacă dublezi producția, se dublează și resursele.

Cum construiești matricea unei transformări. Coloana j a matricei este imaginea vectorului de bază eje_j. Pentru atelier, o masă e1=(1,0,0)e_1 = (1, 0, 0) consumă (4,5,1)(4, 5, 1), un scaun (1,2,1)(1, 2, 1) și un raft (3,2,2)(3, 2, 2); acestea sunt cele trei coloane:

A=(413522112),A⋅(10,40,20)=(140,170,90)A = \begin{pmatrix} 4 & 1 & 3 \\ 5 & 2 & 2 \\ 1 & 1 & 2 \end{pmatrix}, \qquad A \cdot (10, 40, 20) = (140, 170, 90)

Planul de 10 mese, 40 de scaune și 20 de rafturi consumă 140 de unități de lemn, 170 de ore și 90 de litri de lac, exact resursele din lecția despre sisteme.

Trei proprietăți utile:

  • O transformare liniară duce întotdeauna vectorul nul în vectorul nul: T(0)=0T(0) = 0. De aceea un cost cu o taxă fixă, de exemplu C(q)=50+2qC(q) = 50 + 2q, nu este o transformare liniară (are C(0)=50C(0) = 50); se numește funcție afină.
  • Două transformări aplicate una după alta corespund produsului matricelor. Dacă lemnul costă 10 lei, ora 30 de lei și lacul 5 lei, vectorul-linie al prețurilor resurselor r=(10,30,5)r = (10, 30, 5) transformă resursele în bani, iar r⋅A=(195,75,100)r \cdot A = (195, 75, 100) dă costul unei mese, al unui scaun și al unui raft.
  • Transformarea se poate „întoarce” (din resurse afli producția) exact când matricea are inversă, adică det⁡A≠0\det A \neq 0. Pentru atelier, det⁡A=9\det A = 9, de aceea sistemul din lecția anterioară a avut o soluție unică.

Partea 4. Valori și vectori proprii

Majoritatea vectorilor își schimbă direcția când le aplici o matrice. Unii, însă, doar se lungesc sau se scurtează.

Pașii, pentru orice matrice 2 × 2. Pentru A=(abcd)A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}, ecuația caracteristică se scrie direct cu urma (suma diagonalei, tr A=a+d\text{tr}\,A = a + d) și cu determinantul:

λ2−(tr A) λ+det⁡A=0\lambda^2 - (\text{tr}\,A)\,\lambda + \det A = 0

Din relațiile lui Viète rezultă două verificări rapide: suma valorilor proprii este urma, iar produsul lor este determinantul. Pentru cafenele: 1+0,7=1,7=0,8+0,91 + 0{,}7 = 1{,}7 = 0{,}8 + 0{,}9 și 1×0,7=0,7=0,72−0,021 \times 0{,}7 = 0{,}7 = 0{,}72 - 0{,}02. Apoi, pentru fiecare valoare proprie, rezolvi sistemul (A−λI) v=0(A - \lambda I)\,v = 0; el are întotdeauna o infinitate de soluții (determinantul este 0), iar vectorul propriu se alege ca una dintre ele, de exemplu cea cu suma componentelor 1.

Diagonalizarea. Dacă o matrice n × n are n vectori proprii liniar independenți, îi pui ca coloane într-o matrice P, iar valorile proprii pe diagonala unei matrice D. Atunci:

A=P D P−1șiAt=P Dt P−1A = P \, D \, P^{-1} \qquad \text{și} \qquad A^t = P \, D^t \, P^{-1}

Ridicarea la putere a unei matrice diagonale înseamnă doar ridicarea la putere a numerelor de pe diagonală. Așa se calculează rapid starea unui model după t perioade: xt=Atx0x_t = A^t x_0.

Modelul cu două stări. Când o fracțiune p din clienții lui A trece la B și o fracțiune q din clienții lui B trece la A, în fiecare perioadă, cota de echilibru a lui A și a doua valoare proprie sunt:

a∗=qp+q,λ2=1−p−qa^* = \frac{q}{p + q}, \qquad \lambda_2 = 1 - p - q

Pentru cafenele, p=0,2p = 0{,}2 și q=0,1q = 0{,}1, deci a∗=0,1:0,3=1/3a^* = 0{,}1 : 0{,}3 = 1/3 și λ2=0,7\lambda_2 = 0{,}7. Cu cât p+qp + q este mai mare (clienții se mută mai des), cu atât λ2\lambda_2 este mai mic și piața ajunge mai repede la echilibru.

Video

Vectors | Chapter 1, Essence of linear algebra

de 3Blue1Brown

Se încarcă de pe YouTube

Vectors | Chapter 1, Essence of linear algebra · de 3Blue1Brown · Deschide pe YouTube

Întrebare-ghid: Clipul este în engleză, dar se bazează pe animații. Urmărește cele două moduri de a vedea un vector, ca săgeată și ca listă de numere, și cum arată adunarea a doi vectori.

Eigenvectors and eigenvalues | Chapter 14, Essence of linear algebra

de 3Blue1Brown

Se încarcă de pe YouTube

Eigenvectors and eigenvalues | Chapter 14, Essence of linear algebra · de 3Blue1Brown · Deschide pe YouTube

Întrebare-ghid: Clipul este în engleză (eigenvector = vector propriu, eigenvalue = valoare proprie). Observă vectorii care rămân pe aceeași dreaptă după transformare și cu cât se întind.

Exemple grafice

Primul grafic arată efectul matricei A=(2112)A = \begin{pmatrix} 2 & 1 \\ 1 & 2 \end{pmatrix} asupra a doi vectori. Vectorul (1, 1) este propriu: după transformare ajunge în (3, 3), pe aceeași dreaptă, de trei ori mai lung. Vectorul (1, 0) ajunge în (2, 1) și își schimbă direcția.

012341234Prima coordonatăA doua coordonatăA · (1, 1) = (3, 3)(1, 1)A · (1, 0) = (2, 1)(1, 0)
A · (1, 1) = (3, 3) = 3 · (1, 1): vectorul propriu rămâne pe aceeași dreaptă, iar valoarea proprie este 3. A · (1, 0) = (2, 1): vectorul obișnuit se rotește.
Vezi datele ca tabel
Un vector propriu și un vector obișnuit
SeriePrima coordonatăA doua coordonată
A · (1, 1) = (3, 3)00
A · (1, 1) = (3, 3)33
(1, 1)00
(1, 1)11
A · (1, 0) = (2, 1)00
A · (1, 0) = (2, 1)21
(1, 0)00
(1, 0)10

Încearcă să calculezi singur A⋅(1,1)A \cdot (1, 1): prima coordonată este 2×1+1×1=32 \times 1 + 1 \times 1 = 3, a doua 1×1+2×1=31 \times 1 + 2 \times 1 = 3. Concluzie: un vector propriu nu își schimbă direcția, doar lungimea, de λ\lambda ori.

Al doilea grafic urmărește cota de piață a cafenelei A din exemplu, timp de 12 luni, pornind o dată de la 50% și o dată de la 90%.

025507510024681012LunaCota cafenelei A (%)pornind de la 90%pornind de la 50%echilibru 33,3%
Exemplu ipotetic. Pornind de la 50%, cota scade la 45%, 41,5%, 39,1% și apoi se apropie de 33,3%. Pornind de la 90%, scade mai repede, la 73% și 61,1%, dar ajunge la același echilibru, dat de vectorul propriu cu valoarea proprie 1.
Vezi datele ca tabel
Cota de piață a cafenelei A, lună de lună
SerieLunaCota cafenelei A (%)
pornind de la 90%090
pornind de la 90%173
pornind de la 90%261,1
pornind de la 90%352,77
pornind de la 90%446,94
pornind de la 90%542,86
pornind de la 90%640
pornind de la 90%738
pornind de la 90%836,6
pornind de la 90%935,62
pornind de la 90%1034,93
pornind de la 90%1134,45
pornind de la 90%1234,12
pornind de la 50%050
pornind de la 50%145
pornind de la 50%241,5
pornind de la 50%339,05
pornind de la 50%437,34
pornind de la 50%536,13
pornind de la 50%635,29
pornind de la 50%734,71
pornind de la 50%834,29
pornind de la 50%934,01
pornind de la 50%1033,8
pornind de la 50%1133,66
pornind de la 50%1233,56
echilibru 33,3%033,33
echilibru 33,3%1233,33

Încearcă să verifici luna 1 pornind de la 50%: 0,8×50+0,1×50=450{,}8 \times 50 + 0{,}1 \times 50 = 45. Concluzie: distanța până la echilibru se înmulțește în fiecare lună cu 0,7, a doua valoare proprie, deci scade tot mai încet, dar sigur.

Aprofundare

De ce converge modelul cafenelelor

Vectorii proprii v1=(1/3,2/3)v_1 = (1/3, 2/3) (pentru λ1=1\lambda_1 = 1) și v2=(1,−1)v_2 = (1, -1) (pentru λ2=0,7\lambda_2 = 0{,}7) sunt liniar independenți, deci formează o bază a lui R2\mathbb{R}^2. Orice împărțire inițială a pieței se scrie x0=v1+c⋅v2x_0 = v_1 + c \cdot v_2. După t luni, Mtx0=1t⋅v1+0,7t⋅c⋅v2M^t x_0 = 1^t \cdot v_1 + 0{,}7^t \cdot c \cdot v_2. Primul termen nu se schimbă, iar al doilea tinde la zero, pentru că 0,7t0{,}7^t se micșorează geometric (ca în lecția despre progresii). Pornind de la 50%, c=1/2−1/3=1/6c = 1/2 - 1/3 = 1/6, deci cota lui A după t luni este exact 33,3%+16,7%×0,7t33{,}3\% + 16{,}7\% \times 0{,}7^t.

Excepții și nuanțe

  • Nu orice matrice are valori proprii reale. O matrice de rotație cu 90°, de exemplu, rotește orice vector, deci niciunul nu rămâne pe aceeași dreaptă; valorile ei proprii sunt numere complexe.
  • Dacă cea mai mare valoare proprie ar fi mai mare decât 1, modelul nu s-ar stabiliza, ci ar „exploda”: mărimile ar crește geometric, ca într-o progresie cu rația peste 1.
  • În analiza datelor, valorile și vectorii proprii stau la baza analizei componentelor principale: dintr-un tabel cu multe coloane (de exemplu, zeci de indicatori ai unor firme) se păstrează doar câteva direcții care explică cea mai mare parte a diferențelor.

Un caz real: PageRank

În 1998, Sergey Brin și Larry Page, fondatorii Google, au descris algoritmul PageRank, care ordonează paginile web după importanță. Ideea seamănă cu modelul cafenelelor: un utilizator imaginar trece la întâmplare de la o pagină la alta urmând linkurile, iar importanța unei pagini este partea din timp pe care o petrece, pe termen lung, pe ea. Aceste „cote” sunt componentele unui vector propriu cu valoarea proprie 1 al unei matrice uriașe, cu câte o linie și o coloană pentru fiecare pagină.

Quiz

Verifică ce ai înțeles. Poți reîncerca oricând.

1. Un coș conține 2 kg de mere și 3 l de lapte. Prețurile sunt 5 lei/kg și 7 lei/l. Cât valorează coșul (produsul scalar dintre vectorul prețurilor și vectorul cantităților)?

Scrie un număr.

lei

2. Cât este 3 · (2, −1, 4)?

Alege o singură variantă.

3. Vectorii (1, 3) și (2, 6) sunt:

Alege o singură variantă.

4. Funcția T(x) = 2x + 5 (pentru numere reale) este o transformare liniară.

Alege o singură variantă.

5. Câți vectori are o bază a lui R⁴?

Scrie un număr.

vectori

6. Pentru matricea cu liniile (3, 0) și (0, 5), care este un vector propriu și valoarea proprie corespunzătoare?

Alege o singură variantă.

7. Care sunt valorile proprii ale matricei cu liniile (4, 1) și (2, 3)?

Alege o singură variantă.

8. Două magazine își împart clienții. În fiecare lună, A păstrează 70% dintre clienți și pierde 30% către B, iar B păstrează 90% și pierde 10% către A. Ce cotă de piață (în %) are A pe termen lung?

Scrie un număr.

%