אלגברה לינארית 1

ברוכים הבאים ליחידת הלימוד על העתקות לינאריות, גרעין, תמונה ומטריצה מייצגת. יחידה זו היא אבן יסוד באלגברה לינארית, המגשרת בין מושגים מופשטים של מרחבים וקטוריים לבין כלים חישוביים של מטריצות. הבנה מעמיקה של נושאים אלו חיונית לא רק להצלחה בקורס, אלא גם ליישומים רבים במדעי המחשב, פיזיקה והנדסה.

העתקות לינאריות: המהות והחשיבות

העתקות לינאריות הן פונקציות מיוחדות בין מרחבים וקטוריים, השומרות על המבנה הלינארי שלהם. הן מאפשרות לנו להבין כיצד וקטורים "משתנים" או "מועברים" ממרחב אחד למשנהו, תוך שמירה על פעולות החיבור וכפל בסקלר.

העתקה לינארית: פונקציה $T: V \to W$ בין שני מרחבים וקטוריים $V$ ו-$W$ מעל אותו שדה $F$, המקיימת שני תנאים:

$T(u+v) = T(u) + T(v)$ לכל $u, v \in V$ (שומרת חיבור).
$T(\alpha v) = \alpha T(v)$ לכל $v \in V$ ולכל סקלר $\alpha \in F$ (שומרת כפל בסקלר).

העתקות לינאריות הן ה"מורפיזמים" של מרחבים וקטוריים, והן מאפשרות לנו לחקור קשרים ותכונות בין מרחבים שונים.

גרעין ותמונה: ליבת ההעתקה

שני מושגים מרכזיים המאפיינים כל העתקה לינארית הם הגרעין והתמונה. הם חושפים מידע קריטי על התנהגות ההעתקה.

הגרעין (Kernel)

גרעין (Kernel) של העתקה לינארית $T: V \to W$: קבוצת כל הוקטורים בתחום $V$ הנשלחים לוקטור האפס במרחב $W$. מסומן כ-$Ker(T)$ או $N(T)$. פורמלית: $Ker(T) = \{v \in V \mid T(v) = 0_W\}$.

הגרעין הוא תמיד תת-מרחב של $V$. הוא מייצג את "אובדן המידע" או את הוקטורים ש"מתאפסים" על ידי ההעתקה. ממד הגרעין נקרא האפסות (nullity) של $T$, ומסומן כ-$nullity(T)$ או $dim(Ker(T))$.

התמונה (Image)

תמונה (Image) של העתקה לינארית $T: V \to W$: קבוצת כל הוקטורים במרחב $W$ שהם תמונות של וקטורים כלשהם מ-$V$. מסומן כ-$Im(T)$ או $R(T)$. פורמלית: $Im(T) = \{w \in W \mid \exists v \in V \text{ s.t. } T(v) = w\}$.

התמונה היא תמיד תת-מרחב של $W$. היא מייצגת את "טווח" ההעתקה, כלומר אילו וקטורים ב-$W$ ניתנים להשגה על ידי הפעלת $T$ על וקטורים מ-$V$. ממד התמונה נקרא הדרגה (rank) של $T$, ומסומן כ-$rank(T)$ או $dim(Im(T))$.

משפט הממדים (Rank-Nullity Theorem)

משפט הממדים: לכל העתקה לינארית $T: V \to W$, מתקיים: $dim(V) = dim(Ker(T)) + dim(Im(T))$ כלומר: ממד התחום שווה לסכום ממד הגרעין וממד התמונה.

משפט זה הוא אחד החשובים באלגברה לינארית, והוא מקשר באופן אלגנטי בין הגרעין, התמונה וממד מרחב התחום. הוא כלי עוצמתי לפתרון בעיות רבות.

גרעין ($Ker(T)$)

תת-מרחב של התחום $V$. מכיל את כל הוקטורים ש-$T$ שולחת לאפס. קשור לחד-חד-ערכיות.

תמונה ($Im(T)$)

תת-מרחב של הקו-דומיין $W$. מכיל את כל הוקטורים ש-$T$ "מגיעה" אליהם. קשור לעל.

משפט הממדים

הקשר המהותי: $dim(V) = dim(Ker(T)) + dim(Im(T))$. כלי מרכזי לניתוח העתקות.

העתקות לינאריות ותכונותיהן

קשר בין גרעין/תמונה לתכונות ההעתקה (חד-חד-ערכית, על):

הבנה עמוקה של הגרעין והתמונה חיונית לקביעת תכונות מפתח של העתקה לינארית.
חד-חד-ערכיות (Injective): העתקה $T$ היא חד-חד-ערכית אם ורק אם $Ker(T) = \{0_V\}$. כלומר, רק וקטור האפס נשלח לאפס.
על (Surjective): העתקה $T$ היא על אם ורק אם $Im(T) = W$. כלומר, כל וקטור בקו-דומיין $W$ הוא תמונה של וקטור כלשהו מ-$V$.
הפיכה (Bijective): העתקה $T$ היא הפיכה אם ורק אם היא חד-חד-ערכית ועל.
שאלות רבות במבחנים דורשות להשתמש בקשרים אלו, לעיתים בשילוב עם משפט הממדים, כדי להסיק מסקנות על העתקות, למצוא בסיסים לגרעין ולתמונה, או לקבוע האם העתקה הפיכה.

מטריצה מייצגת: גשר בין העתקות למטריצות

כל העתקה לינארית בין מרחבים וקטוריים סוף-ממדיים ניתנת לייצוג באמצעות מטריצה, בהינתן בסיסים למרחב התחום ולמרחב הקו-דומיין. ייצוג זה מאפשר לנו להפוך פעולות של העתקות לינאריות לפעולות של כפל מטריצות, שהן קלות יותר לחישוב.

מטריצה מייצגת: בהינתן העתקה לינארית $T: V \to W$, בסיס $B = \{v_1, \dots, v_n\}$ למרחב $V$ ובסיס $C = \{w_1, \dots, w_m\}$ למרחב $W$, המטריצה המייצגת של $T$ ביחס לבסיסים $B$ ו-$C$, המסומנת $[T]_C^B$, היא מטריצה בגודל $m \times n$ שבה העמודה ה-$j$-ית היא וקטור הקואורדינטות של $T(v_j)$ ביחס לבסיס $C$. פורמלית: $[T]_C^B = \left( [T(v_1)]_C \mid [T(v_2)]_C \mid \dots \mid [T(v_n)]_C \right)$.

החשיבות של המטריצה המייצגת היא בכך שהיא מאפשרת לנו לחשב את תמונתו של כל וקטור $v \in V$ באמצעות כפל מטריצות: $[T(v)]_C = [T]_C^B \cdot [v]_B$. תהליך מציאת המטריצה המייצגת כולל מציאת תמונות וקטורי הבסיס של התחום, ולאחר מכן ביטוי תמונות אלו כצירוף לינארי של וקטורי הבסיס של הקו-דומיין.

שאלות לדיון

איך ניתן לקבוע האם העתקה לינארית נתונה היא חד-חד-ערכית או על, באמצעות הגרעין והתמונה?
נתונה העתקה לינארית $T: V \to W$. אם ידוע ש-$dim(V) = 7$ ו-$dim(Im(T)) = 4$, מהו ממד הגרעין? נמק באמצעות משפט הממדים.
הסבר את הקשר בין מציאת בסיס לגרעין של העתקה לינארית לבין פתרון מערכת משוואות לינאריות הומוגנית.
מדוע חשוב לבחור בסיסים למרחב התחום ולמרחב הקו-דומיין בעת מציאת מטריצה מייצגת, וכיצד שינוי בסיסים אלו ישפיע על המטריצה המייצגת?

נקודות לתשובת מודל

הגדרות מדויקות של העתקה לינארית, גרעין, תמונה, ממד הגרעין (אפסות) וממד התמונה (דרגה).
ניסוח והבנה מלאה של משפט הממדים וכיצד הוא מקשר בין הממדים השונים.
הבנת הקשר בין $dim(Ker(T)) = 0$ לחד-חד-ערכיות של $T$.
הבנת הקשר בין $dim(Im(T)) = dim(W)$ לעל של $T$.
היכולת לחשב בסיסים וממדים לגרעין ולתמונה של העתקה לינארית נתונה (לרוב באמצעות מטריצה מייצגת סטנדרטית).
הבנת תהליך בניית מטריצה מייצגת $[T]_C^B$ (עמודות המטריצה הן וקטורי הקואורדינטות של תמונות וקטורי הבסיס של התחום, ביחס לבסיס הקו-דומיין).
היכולת להשתמש במטריצה המייצגת לחישוב תמונות של וקטורים.

Spotted an error or something missing?