সব বই

পেশাদার

1 Markets I: The Ecosystem and Exchange-Traded Marketsবাজার অনলাইনইংরেজি 2 Markets II: Rates, FX and Creditবাজার অনলাইনইংরেজি 3 Markets III: Commodities, Energy and Cryptoবাজার অনলাইনইংরেজি 4 Quantitative Methodsপদ্ধতি অনলাইনইংরেজি 5 Derivatives and Volatilityডেরিভেটিভস অনলাইনইংরেজি 6 Rates, Credit, XVA and Riskসুদহার, ঋণ ও ঝুঁকি অনলাইনইংরেজি 7 Research Craft: Predictors, Backtests, Measurement, Portfoliosগবেষণা অনলাইনইংরেজি 8 Strategies I: Equities and Futuresকৌশল অনলাইনইংরেজি 9 Strategies II: Volatility, Relative Value, Macro and the Bank Desksকৌশল অনলাইনইংরেজি 10 Microstructure and Executionএক্সিকিউশন অনলাইনইংরেজি 11 Market Making and High-Frequency Tradingমার্কেট মেকিং অনলাইনইংরেজি 12 Machine Learning for Marketsমেশিন লার্নিং অনলাইনইংরেজি 13 Low-Latency Softwareপ্রযুক্তি অনলাইনইংরেজি 14 Networks, Hardware and Trading Infrastructureপ্রযুক্তি অনলাইনইংরেজি 15 Research, Data and Risk Platformsপ্রযুক্তি অনলাইনইংরেজি 16 The Desk and the Firmপ্রতিষ্ঠান অনলাইনইংরেজি 17 The Industry: Firms, Roles and Careersক্যারিয়ার অনলাইনইংরেজি 18 Interviews I: Maths, Probability and Speedক্যারিয়ার অনলাইনইংরেজি 19 Interviews II: Markets, Trading Games and the Final Roundক্যারিয়ার অনলাইনইংরেজি 20 Interviews III: Codeক্যারিয়ার অনলাইনইংরেজি
অ্যাপ পরিচিতি Coach সাইন ইন পড়া শুরু করো

বইগুলো এখনো বাংলা ভাষায় পাওয়া যায় না — Español সংস্করণ দেখানো হচ্ছে।

Matemáticas · পরিভাষা

aplicación lineal কী?

Definición 20.1 Matemáticas universitarias — Grado 1 · অধ্যায় 20 — Aplicaciones lineales

Sean E,FE, F espacios vectoriales sobre KK. Una aplicación u ⁣:E→Fu \colon E \to F es lineal cuando

∀x,y∈E, ∀λ∈K,u(x+λy)=u(x)+λu(y).\forall x, y \in E,\ \forall \lambda \in K, \qquad u(x + \lambda y) = u(x) + \lambda u(y).

Entonces u(0)=0u(0) = 0 y u(∑λixi)=∑λiu(xi)u(\sum \lambda_i x_i) = \sum \lambda_i u(x_i). El conjunto L(E,F)\mathcal{L}(E, F) de las aplicaciones lineales es él mismo un espacio vectorial; la composición de aplicaciones lineales es lineal, y bilineal en la pareja. Un endomorfismo es una aplicación lineal E→EE \to E; un isomorfismo es una aplicación lineal biyectiva (cuya inversa es entonces automáticamente lineal); y u−1u^{-1} de un isomorfismo, así como las composiciones de isomorfismos, son isomorfismos.

উদাহরণ

Ejemplo 20.8 (Construir una aplicación a medida)

Constrúyase u∈L(R3)u \in \mathcal{L}(\R^3) con ker⁡u=Vect⁡(1,1,1)\ker u = \operatorname{Vect}(1,1,1) y im⁡u={z=0}\operatorname{im} u = \{z = 0\}. Primero, coherencia: el teorema del rango exige 1+2=31 + 2 = 3 — cuadra, así que puede existir solución. Elíjase una base adaptada al núcleo, digamos ((1,1,1), e1, e2)\bigl((1,1,1),\ e_1,\ e_2\bigr) (Ejemplo 19.7), y prescríbanse las imágenes (Proposición 20.2):

u(1,1,1)=0,u(e1)=e1,u(e2)=e2.u(1,1,1) = 0, \qquad u(e_1) = e_1, \qquad u(e_2) = e_2 .

Entonces ker⁡u⊇Vect⁡(1,1,1)\ker u \supseteq \operatorname{Vect}(1,1,1) y im⁡u=Vect⁡(e1,e2)={z=0}\operatorname{im} u = \operatorname{Vect}(e_1, e_2) = \{z = 0\}; y el teorema del rango fuerza dim⁡ker⁡u=1\dim\ker u = 1, de modo que el núcleo es exactamente la recta prescrita. Explícitamente, descomponiendo (x,y,z)=z(1,1,1)+(x−z)e1+(y−z)e2(x, y, z) = z(1,1,1) + (x - z)e_1 + (y - z)e_2:

u(x,y,z)=(x−z, y−z, 0).u(x, y, z) = (x - z,\ y - z,\ 0).

La receta se generaliza: existe una aplicación lineal con núcleo prescrito NN e imagen prescrita II exactamente cuando dim⁡N+dim⁡I=dim⁡E\dim N + \dim I = \dim E — la necesidad es el teorema del rango y la suficiencia es esta construcción.

Ejemplo 20.10 (La interpolación, estructuralmente)

Fíjense x0,…,xnx_0, \dots, x_n distintos y sea u ⁣:Rn[X]→Rn+1u \colon \R_n[X] \to \R^{n+1}, P↦(P(x0),…,P(xn))P \mapsto (P(x_0), \dots, P(x_n)): lineal. Su núcleo es {P:deg⁡P≤n, n+1 raıˊces}={0}\{P : \deg P \leq n,\ n+1 \text{ raíces}\} = \{0\} (Corolario 8.8). Dimensiones iguales n+1n + 1: uu es un isomorfismo — la existencia y la unicidad del interpolador de Lagrange (Teorema 8.23) en una línea.

El mismo patrón de una línea trata datos que mezclan valores y derivadas: v ⁣:R3[X]→R4v \colon \R_3[X] \to \R^4, P↦(P(0),P′(0),P(1),P′(1))P \mapsto \bigl(P(0), P'(0), P(1), P'(1)\bigr) es lineal, y su núcleo consta de los polinomios de grado ≤3\leq 3 con raíces dobles en 00 y en 11, es decir, divisibles por X2(X−1)2X^2(X-1)^2, de grado 44: solo P=0P = 0. Otra vez dimensiones iguales: cada cuádrupla de datos (P(0),P′(0),P(1),P′(1))(P(0), P'(0), P(1), P'(1)) la realiza exactamente una cúbica — la interpolación de Hermite, concedida por un cálculo de núcleo antes de escribir ninguna fórmula (el problema del fin de semana del Capítulo 22 se encuentra con su determinante).

Ejemplo 20.11 (El teorema del rango en acción: el operador de diferencias)

Sea Δ ⁣:Rn[X]→Rn[X]\Delta \colon \R_n[X] \to \R_n[X], P↦P(X+1)−P(X)P \mapsto P(X+1) - P(X): lineal. Núcleo: si ΔP=0\Delta P = 0, entonces P(0)=P(1)=P(2)=…P(0) = P(1) = P(2) = \dots, luego P−P(0)P - P(0) tiene infinitas raíces y se anula (Corolario 8.8): ker⁡Δ\ker\Delta es la recta de las constantes. Teorema del rango: rk⁡Δ=(n+1)−1=n\operatorname{rk}\Delta = (n + 1) - 1 = n. Y como deg⁡ΔP<deg⁡P\deg \Delta P < \deg P para PP no constante (los términos de cabeza se cancelan), im⁡Δ⊆Rn−1[X]\operatorname{im}\Delta \subseteq \R_{n-1}[X], que tiene dimensión exactamente nn: la inclusión es una igualdad. Conclusión, sin calcular ninguna imagen recíproca: todo polinomio QQ de grado ≤n−1\leq n - 1 es una diferencia Q=P(X+1)−P(X)Q = P(X+1) - P(X) — la primitiva discreta existe. (Compárese con el problema del fin de semana del Capítulo 18, donde Δ\Delta se invirtió explícitamente en la base binomial.)

প্রসঙ্গসহ পড়ো →