Matematici aplicate în economie · Algebră liniară
Spații vectoriale și transformări liniare
Avansat65 min✓ Terminată
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 . Prețurile sunt lei.
- Adunarea: aduni pe poziții. Dacă și săptămâna următoare cumpără , în două săptămâni a cumpărat .
- Înmulțirea cu un număr: înmulțești fiecare poziție. Pentru o lună de patru săptămâni identice, .
- Produsul scalar: înmulțești pe poziții și aduni. Valoarea coșului este:
Pentru student: de lei pe săptămână.
Operațiile respectă regulile obișnuite ale numerelor: , , și . Vectorul cu toate componentele zero se numește vectorul nul, notat : adăugat la orice coș, nu schimbă nimic.
Indicele prețurilor ca raport de produse scalare. Dacă săptămâna următoare prețurile devin , același coș costă de lei. Raportul 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:
Doi vectori sunt ortogonali (perpendiculari) când produsul lor scalar este 0. Sensul economic: o schimbare a coșului ortogonală pe vectorul prețurilor nu schimbă cheltuiala. De exemplu, (trei cafele și un suc în plus, două sandvișuri în minus) are : noul coș costă tot 60 de lei.
Partea 2. Combinații liniare, dependență și baze
O combinație liniară a vectorilor este un vector de forma , unde sunt numere.
Exemplu ipotetic. O patiserie vinde două pachete: pachetul mic, (2 croissante și 1 cafea), și pachetul mare, . 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: , deci sunt dependente.
Definiția echivalentă, folosită în calcule, este:
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: , și . Determinantul cu aceste linii este , deci sunt dependenți. Într-adevăr, , adică , 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 , 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 este cea canonică: , , . Coșul studentului se scrie . Numărul de vectori dintr-o bază se numește dimensiunea spațiului ( are dimensiunea n).
Coordonatele într-o altă bază. Numerele din scrierea se numesc coordonatele lui v în baza ; ele sunt unice și se află rezolvând un sistem liniar. Exemplu ipotetic: patiseria înlocuiește pachetul mare cu pachetul simplu , adică un croissant și o cafea. Pachetele și au determinantul , deci formează o bază: orice comandă se poate face din ele. Comanda cere și , deci pachete mici și pachet simplu. Coordonatele comenzii în baza pachetelor sunt .
Mulțimea tuturor combinațiilor liniare ale unor vectori se numește subspațiul generat de ei. Pachetele dependente și 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: și . Orice transformare liniară se scrie cu o matrice:
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 . Pentru atelier, o masă consumă , un scaun și un raft ; acestea sunt cele trei coloane:
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: . De aceea un cost cu o taxă fixă, de exemplu , nu este o transformare liniară (are ); 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 transformă resursele în bani, iar 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 . Pentru atelier, , 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 , ecuația caracteristică se scrie direct cu urma (suma diagonalei, ) și cu determinantul:
Din relațiile lui Viète rezultă două verificări rapide: suma valorilor proprii este urma, iar produsul lor este determinantul. Pentru cafenele: și . Apoi, pentru fiecare valoare proprie, rezolvi sistemul ; 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:
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: .
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:
Pentru cafenele, și , deci și . Cu cât este mai mare (clienții se mută mai des), cu atât 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 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.
Vezi datele ca tabel
| Serie | Prima coordonată | A doua coordonată |
|---|---|---|
| A · (1, 1) = (3, 3) | 0 | 0 |
| A · (1, 1) = (3, 3) | 3 | 3 |
| (1, 1) | 0 | 0 |
| (1, 1) | 1 | 1 |
| A · (1, 0) = (2, 1) | 0 | 0 |
| A · (1, 0) = (2, 1) | 2 | 1 |
| (1, 0) | 0 | 0 |
| (1, 0) | 1 | 0 |
Încearcă să calculezi singur : prima coordonată este , a doua . Concluzie: un vector propriu nu își schimbă direcția, doar lungimea, de 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%.
Vezi datele ca tabel
| Serie | Luna | Cota cafenelei A (%) |
|---|---|---|
| pornind de la 90% | 0 | 90 |
| pornind de la 90% | 1 | 73 |
| pornind de la 90% | 2 | 61,1 |
| pornind de la 90% | 3 | 52,77 |
| pornind de la 90% | 4 | 46,94 |
| pornind de la 90% | 5 | 42,86 |
| pornind de la 90% | 6 | 40 |
| pornind de la 90% | 7 | 38 |
| pornind de la 90% | 8 | 36,6 |
| pornind de la 90% | 9 | 35,62 |
| pornind de la 90% | 10 | 34,93 |
| pornind de la 90% | 11 | 34,45 |
| pornind de la 90% | 12 | 34,12 |
| pornind de la 50% | 0 | 50 |
| pornind de la 50% | 1 | 45 |
| pornind de la 50% | 2 | 41,5 |
| pornind de la 50% | 3 | 39,05 |
| pornind de la 50% | 4 | 37,34 |
| pornind de la 50% | 5 | 36,13 |
| pornind de la 50% | 6 | 35,29 |
| pornind de la 50% | 7 | 34,71 |
| pornind de la 50% | 8 | 34,29 |
| pornind de la 50% | 9 | 34,01 |
| pornind de la 50% | 10 | 33,8 |
| pornind de la 50% | 11 | 33,66 |
| pornind de la 50% | 12 | 33,56 |
| echilibru 33,3% | 0 | 33,33 |
| echilibru 33,3% | 12 | 33,33 |
Încearcă să verifici luna 1 pornind de la 50%: . 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 (pentru ) și (pentru ) sunt liniar independenți, deci formează o bază a lui . Orice împărțire inițială a pieței se scrie . După t luni, . Primul termen nu se schimbă, iar al doilea tinde la zero, pentru că se micșorează geometric (ca în lecția despre progresii). Pornind de la 50%, , deci cota lui A după t luni este exact .
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.