MakarovSuites
Deutsch
EnglishDeutschРусскийУкраїнськаFrançaisEspañolItalianoPolski
Kontakt & Lizenzen

Math

Lineare Abbildungen

Der ganze Raum, von einer Matrix verformt: der Einheitswürfel trägt die Determinante und stülpt sich durch das Volumen null um, die Einheitskugel wird zum Ellipsoid der Singulärwerte, und die Eigenvektoren sind die Stäbe, die sich nicht drehen.

Lineare Abbildungen — Bild aus der Anwendung
Bild aus der Anwendung

Was passiert

Ein Gitter aus Linien füllt den Raum; der Einheitswürfel steht im Ursprung, seine drei Seiten nach den Achsen gefärbt; in ihm sitzt die Einheitskugel als Drahtkugel; drei helle Pfeile sind die Bilder der Achsen - die Spalten der Matrix. Der Morph g_t = (1 − t)·I + t·A trägt das alles vom unberührten Raum zu A und zurück. Das Gitter schert, der Würfel wird zum Spat, dessen vorzeichenbehaftetes Volumen die Determinante IST, die Kugel zum Ellipsoid, dessen Halbachsen die Singulärwerte sind. Ist die Determinante negativ, hat sich der Würfel umgestülpt und seine Seiten werden kalt - und das geht nicht, ohne unterwegs durch das Volumen null zu gehen, und das geschieht bei t* = 1/(1 − λ) für jeden negativen Eigenwert λ; das Diagramm zeigt det g_t entlang des Morphs mit markierter Null. Leuchtende Stäbe durch den Ursprung sind die Eigenvektoren, die Geraden, die A auf sich selbst abbildet - warm für einen positiven Eigenwert, kalt für einen negativen; eine Drehung behält nur ihre Achse, weil ihre beiden anderen Eigenwerte komplex sind. Jede Zahl auf der Tafel wird am Bild abgelesen - das Würfelvolumen als Spatprodukt, der längste und kürzeste Radius der Kugel durch Abtasten, der Kollaps durch Abfahren des Morphs - und neben die geschlossene Form gedruckt. Eine zusätzliche Drehung um z nach dem Preset ändert weder Determinante noch Singulärwerte, und auch das zeigt die Tafel.

Gleichungen des Moduls
Gleichungen
A ist 3 × 3;  det A = a₁ · (a₂ × a₃) - das vorzeichenbehaftete Volumen des Bildes des Einheitswürfels (Spalten a₁, a₂, a₃);  det = 0 ↔ eine Dimension geht verloren;  det < 0 ↔ Orientierung umgekehrt
Morphing:  g_t = (1 − t)·I + t·A;   det g_t = t³ · det(A + ((1 − t)/t)·I) - genau null bei t* = 1/(1 − λ) für jeden reellen Eigenwert λ < 0
Eigenwerte:  A·v = λ·v;   λ³ − (tr A)·λ² + (Summe der Hauptminoren 2 × 2)·λ − det A = 0;   eine reelle 3 × 3 hat einen oder drei reelle Eigenwerte;   bei einer Drehung bleibt nur die Achse erhalten
Singulärwerte:  σ² = Eigenwerte von A^T·A;   die Einheitskugel → ein Ellipsoid mit den Halbachsen σ₁ ≥ σ₂ ≥ σ₃;   max |A·v| = σ₁,  min |A·v| = σ₃ auf |v| = 1;   σ₁σ₂σ₃ = |det A|
Rang = Anzahl der σ > 0;   eine Drehung R lässt det und σ unverändert:  det(R·A) = det A,  σ(R·A) = σ(A)
Voreinstellungen:  Streckung diag(2, ½, 1);  Drehung R_z(60°);  Scherung (x += y);  Spiegelung diag(1, 1, −1);  Projektion diag(1, 1, 0);  Rang eins u·v^T;  symmetrisch [[2,1,0],[1,2,0],[0,0,1]] (λ = 3, 1, 1);  Drehung·Streckung R_z(50°)·diag(1.6, 0.7, 1.2);  negative Streckung diag(−2, 1, ½)

Weitere Experimente

Zum Katalog
Eigenvektoren — Bild aus der Anwendung

Math

Eigenvektoren

Erkunden Sie Potenz-Iteration: Wiederholte Multiplikation kann Vektoren mit einem dominanten Eigenvektor ausrichten. Vergleichen Sie den gemessenen Winkelfehler mit dem asymptotischen Spektralverhältnis und untersuchen Sie den Rayleigh-Quoten für symmetrische Matrizen.

Singulärwertzerlegung — Bild aus der Anwendung

Math

Singulärwertzerlegung

Jede Matrix als Drehung, Streckung und noch eine Drehung: die Einheitskugel dreht sich, streckt sich zum Ellipsoid der Singulärwerte und dreht sich an ihren Platz, ein Faktor nach dem anderen; das eine Dreibein, dessen Bilder orthogonal bleiben, wird gemessen, nicht gezeichnet.

Optimierung auf einer Landschaft — Bild aus der Anwendung

Math

Optimierung auf einer Landschaft

Gradientenabstieg, die schwere Kugel, der Nelder-Mead-Simplex, simuliertes Ausglühen und eine genetische Population gehen dieselbe Fläche hinab - die Schüssel zeigt die Konditionszahl, die Banane das Kriechen, Himmelblau die Einzugsgebiete und Rastrigin, wer steckenbleibt.