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

def কী?

Definición 21.1 Matemáticas universitarias — Grado 1 · অধ্যায় 21 — Matrices

Mn,p(K)\mathcal{M}_{n,p}(K) es el espacio vectorial de las tablas n×pn \times p de escalares A=(aij)A = (a_{ij}) (ii: fila, jj: columna), de dimensión npnp (base: las matrices EijE_{ij} con un único 11). Dadas bases B=(e1,…,ep)\mathcal{B} = (e_1, \dots, e_p) de EE y C\mathcal{C} de FF (dim⁡F=n\dim F = n), la matriz de u∈L(E,F)u \in \mathcal{L}(E, F) es la tabla cuya columna jj-ésima enumera las coordenadas de u(ej)u(e_j) en C\mathcal{C}:

Mat⁡B,C(u)=(aij),u(ej)=∑i=1naij fi.\operatorname{Mat}_{\mathcal{B},\mathcal{C}}(u) = (a_{ij}), \qquad u(e_j) = \sum_{i=1}^{n} a_{ij}\, f_i .

La aplicación u↦Mat⁡B,C(u)u \mapsto \operatorname{Mat}_{\mathcal{B},\mathcal{C}}(u) es un isomorfismo de L(E,F)\mathcal{L}(E, F) sobre Mn,p(K)\mathcal{M}_{n,p}(K) (Proposición 20.2: una aplicación lineal es exactamente una elección de imágenes de los eje_j).

উদাহরণ

Ejemplo 21.2 (La derivada, como matriz)

Sea D(P)=P′D(P) = P' en R3[X]\R_3[X]. En la base monomial (1,X,X2,X3)(1, X, X^2, X^3): D(1)=0D(1) = 0, D(X)=1D(X) = 1, D(X2)=2XD(X^2) = 2X, D(X3)=3X2D(X^3) = 3X^2, luego

Mat⁡(D)=(0100002000030000).\operatorname{Mat}(D) = \begin{pmatrix} 0 & 1 & 0 & 0\\ 0 & 0 & 2 & 0\\ 0 & 0 & 0 & 3\\ 0 & 0 & 0 & 0 \end{pmatrix}.

En la base dividida (1, X, X22, X36)\bigl(1,\ X,\ \frac{X^2}2,\ \frac{X^3}6\bigr), cada vector de la base va al anterior (D(Xkk!)=Xk−1(k−1)!D\bigl(\frac{X^k}{k!}\bigr) = \frac{X^{k-1}}{(k-1)!}) y la matriz se convierte en el desplazamiento puro: unos en la superdiagonal y ceros en el resto. Dos moralejas: la matriz pertenece a la pareja (aplicación, base), no a la aplicación sola; y una buena base vuelve visible la estructura de un vistazo — la forma de desplazamiento muestra al instante que D4=0D^4 = 0 en R3[X]\R_3[X], pues cada potencia de la matriz empuja su diagonal de unos un paso más lejos.

প্রসঙ্গসহ পড়ো →