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 — Français সংস্করণ দেখানো হচ্ছে।

Mathématiques · পরিভাষা

Transposée ; trace কী?

অন্য নাম: trace

Définition 21.5 Mathématiques universitaires — Licence 1 · অধ্যায় 21 — Matrices

La transposée de A=(aij)∈Mn,pA = (a_{ij}) \in \mathcal{M}_{n,p} est AT=(aji)∈Mp,nA^{\mathsf T} = (a_{ji}) \in \mathcal{M}_{p,n} ; elle vérifie (AB)T=BTAT(AB)^{\mathsf T} = B^{\mathsf T} A^{\mathsf T} et (AT)T=A(A^{\mathsf T})^{\mathsf T} = A. La trace d’une matrice carrée est tr⁡A=∑iaii\operatorname{tr} A = \sum_i a_{ii} ; elle est linéaire, et

tr⁡(AB)=tr⁡(BA)(A∈Mn,p, B∈Mp,n).\operatorname{tr}(AB) = \operatorname{tr}(BA) \qquad (A \in \mathcal{M}_{n,p},\ B \in \mathcal{M}_{p,n}).

উদাহরণ

Exemple 21.6 (La trace à l’œuvre)

La projection du Chapitre 20 sur Vect⁡(1,1)\operatorname{Vect}(1,1) parallèlement à Vect⁡(0,1)\operatorname{Vect}(0,1), p(x,y)=(x,x)p(x, y) = (x, x), a pour matrice A=(1010)A = \begin{pmatrix} 1 & 0\\ 1 & 0\end{pmatrix} dans la base canonique : en effet A2=AA^2 = A, et

tr⁡A=1=rk⁡A,\operatorname{tr} A = 1 = \operatorname{rk} A ,

ce qui illustre l’Exercice 21.8 : pour les matrices idempotentes, la trace compte la dimension de l’image, quelle que soit la base biscornue dans laquelle la matrice est écrite. Le mécanisme d’invariance est l’identité tr⁡(AB)=tr⁡(BA)\operatorname{tr}(AB) = \operatorname{tr}(BA) :

tr⁡(P−1(AP))=tr⁡((AP)P−1)=tr⁡A,\operatorname{tr}\bigl(P^{-1}(AP)\bigr) = \operatorname{tr}\bigl((AP)P^{-1}\bigr) = \operatorname{tr} A ,

de sorte que toutes les matrices semblables à AA ont la même trace — le premier invariant numérique d’un endomorphisme, que le déterminant rejoindra au Chapitre 22 (le couple (s,p)(s, p) du devoir maison ci-dessous).

Exemple 21.7 (Symétrique plus antisymétrique)

On dit que AA est symétrique lorsque AT=AA^{\mathsf T} = A, antisymétrique lorsque AT=−AA^{\mathsf T} = -A. Toute matrice carrée se décompose de manière unique comme somme de l’une et de l’autre :

A=A+AT2⏟symeˊtrique+A−AT2⏟antisymeˊtrique,A = \underbrace{\frac{A + A^{\mathsf T}}{2}}_{\text{symétrique}} + \underbrace{\frac{A - A^{\mathsf T}}{2}}_{\text{antisymétrique}},

et une matrice qui est les deux à la fois est nulle (A=−AA = -A) : les deux ensembles sont des sous-espaces supplémentaires de Mn(K)\mathcal{M}_n(K) — l’exact analogue de la décomposition paire/impaire des fonctions (Exemple 18.11), la transposition jouant le rôle de x↦−xx \mapsto -x. Dimensions : une matrice symétrique est libre sur la diagonale et au-dessus, une matrice antisymétrique strictement au-dessus (diagonale nulle) :

n(n+1)2+n(n−1)2=n2,\frac{n(n+1)}{2} + \frac{n(n-1)}{2} = n^2 ,

et l’équilibre des comptes est la confirmation, par la formule de Grassmann, du caractère direct de la somme. Pour n=2n = 2 : (1512)=(1332)+(02−20)\begin{pmatrix} 1 & 5\\ 1 & 2\end{pmatrix} = \begin{pmatrix} 1 & 3\\ 3 & 2\end{pmatrix} + \begin{pmatrix} 0 & 2\\ -2 & 0\end{pmatrix}. Les matrices symétriques reviennent comme données du second ordre au Chapitre 25 (le triplet de Monge r,s,tr, s, t), et celles qui sont à la fois symétriques et orthogonales sont classifiées à l’Exercice 23.12.

প্রসঙ্গসহ পড়ো →