.. _section-linalg:
Álgebra Linear
==============
O Sage fornece os objetos usuais em álgebra linear, por exemplo, o
polinômio característico, matriz escalonada, traço, decomposição,
etc., de uma matriz.
Criar e multiplicar matrizes é fácil e natural:
::
sage: A = Matrix([[1,2,3],[3,2,1],[1,1,1]])
sage: w = vector([1,1,-4])
sage: w*A
(0, 0, 0)
sage: A*w
(-9, 1, -2)
sage: kernel(A)
Free module of degree 3 and rank 1 over Integer Ring
Echelon basis matrix:
[ 1 1 -4]
Note que no Sage, o núcleo de uma matriz :math:`A` é o núcleo à
esquerda, i.e., o conjunto de vetores :math:`w` tal que :math:`wA=0`.
Resolver equações matriciais é fácil usando o método ``solve_right``.
Calculando ``A.solve_right(Y)`` obtém-se uma matrix (ou vetor)
:math:`X` tal que :math:`AX=Y`:
.. link
::
sage: Y = vector([0, -4, -1])
sage: X = A.solve_right(Y)
sage: X
(-2, 1, 0)
sage: A * X # checking our answer...
(0, -4, -1)
Se não existir solução, o Sage retorna um erro:
.. skip
::
sage: A.solve_right(w)
Traceback (most recent call last):
...
ValueError: matrix equation has no solutions
Similarmente, use ``A.solve_left(Y)`` para resolver para :math:`X` em
:math:`XA=Y`.
O Sage também pode calcular autovalores e autovetores::
sage: A = matrix([[0, 4], [-1, 0]])
sage: A.eigenvalues ()
[-2*I, 2*I]
sage: B = matrix([[1, 3], [3, 1]])
sage: B.eigenvectors_left()
[(4, [(1, 1)], 1), (-2, [(1, -1)], 1)]
(A sintaxe para a resposta de ``eigenvectors_left`` é uma lista com
três componentes: (autovalor, autovetor, multiplicidade).) Autovalores
e autovetores sobre ``QQ`` ou ``RR`` também podem ser calculados
usando o Maxima (veja :ref:`section-maxima`).
Como observado em :ref:`section-rings`, o anel sobre o qual a matriz
esta definida afeta alguma de suas propriedades. A seguir, o primeiro
argumento do comando ``matrix`` diz para o Sage considerar a matriz
como uma matriz de inteiros (o caso ``ZZ``), uma matriz de números
racionais (``QQ``), ou uma matriz de números reais (``RR``)::
sage: AZ = matrix(ZZ, [[2,0], [0,1]])
sage: AQ = matrix(QQ, [[2,0], [0,1]])
sage: AR = matrix(RR, [[2,0], [0,1]])
sage: AZ.echelon_form()
[2 0]
[0 1]
sage: AQ.echelon_form()
[1 0]
[0 1]
sage: AR.echelon_form()
[ 1.00000000000000 0.000000000000000]
[0.000000000000000 1.00000000000000]
Espaços de Matrizes
-------------------
Agora criamos o espaço :math:`\text{Mat}_{3\times 3}(\QQ)` de matrizes
`3 \times 3` com entradas racionais::
sage: M = MatrixSpace(QQ,3)
sage: M
Full MatrixSpace of 3 by 3 dense matrices over Rational Field
(Para especificar o espaço de matrizes 3 por 4, você usaria
``MatrixSpace(QQ,3,4)``. Se o número de colunas é omitido, ele é
considerado como igual ao número de linhas, portanto,
``MatrixSpace(QQ,3)`` é sinônimo de ``MatrixSpace(QQ,3,3)``.) O espaço
de matrizes é equipado com sua base canônica:
.. link
::
sage: B = M.basis()
sage: len(B)
9
sage: B[0,1]
[0 1 0]
[0 0 0]
[0 0 0]
Vamos criar uma matriz como um elemento de ``M``.
.. link
::
sage: A = M(range(9)); A
[0 1 2]
[3 4 5]
[6 7 8]
A seguir calculamos a sua forma escalonada e o núcleo.
.. link
::
sage: A.echelon_form()
[ 1 0 -1]
[ 0 1 2]
[ 0 0 0]
sage: A.kernel()
Vector space of degree 3 and dimension 1 over Rational Field
Basis matrix:
[ 1 -2 1]
Agora ilustramos o cálculo com matrizes definidas sobre um corpo
finito:
::
sage: M = MatrixSpace(GF(2),4,8)
sage: A = M([1,1,0,0, 1,1,1,1, 0,1,0,0, 1,0,1,1,
....: 0,0,1,0, 1,1,0,1, 0,0,1,1, 1,1,1,0])
sage: A
[1 1 0 0 1 1 1 1]
[0 1 0 0 1 0 1 1]
[0 0 1 0 1 1 0 1]
[0 0 1 1 1 1 1 0]
sage: rows = A.rows()
sage: A.columns()
[(1, 0, 0, 0), (1, 1, 0, 0), (0, 0, 1, 1), (0, 0, 0, 1),
(1, 1, 1, 1), (1, 0, 1, 1), (1, 1, 0, 1), (1, 1, 1, 0)]
sage: rows
[(1, 1, 0, 0, 1, 1, 1, 1), (0, 1, 0, 0, 1, 0, 1, 1),
(0, 0, 1, 0, 1, 1, 0, 1), (0, 0, 1, 1, 1, 1, 1, 0)]
Criamos o subespaço sobre `\GF{2}` gerado pelas linhas acima.
.. link
::
sage: V = VectorSpace(GF(2),8)
sage: S = V.subspace(rows)
sage: S
Vector space of degree 8 and dimension 4 over Finite Field of size 2
Basis matrix:
[1 0 0 0 0 1 0 0]
[0 1 0 0 1 0 1 1]
[0 0 1 0 1 1 0 1]
[0 0 0 1 0 0 1 1]
sage: A.echelon_form()
[1 0 0 0 0 1 0 0]
[0 1 0 0 1 0 1 1]
[0 0 1 0 1 1 0 1]
[0 0 0 1 0 0 1 1]
A base de `S` usada pelo Sage é obtida a partir das linhas não-nulas
da forma escalonada da matriz de geradores de `S`.
Álgebra Linear Esparsa
----------------------
O Sage fornece suporte para álgebra linear esparsa.
::
sage: M = MatrixSpace(QQ, 100, sparse=True)
sage: A = M.random_element(density = 0.05)
sage: E = A.echelon_form()
O algoritmo multi-modular no Sage é bom para matrizes quadradas (mas
não muito bom para matrizes que não são quadradas):
::
sage: M = MatrixSpace(QQ, 50, 100, sparse=True)
sage: A = M.random_element(density = 0.05)
sage: E = A.echelon_form()
sage: M = MatrixSpace(GF(2), 20, 40, sparse=True)
sage: A = M.random_element()
sage: E = A.echelon_form()
Note que o Python é sensível a maiúsculas e minúsculas:
::
sage: M = MatrixSpace(QQ, 10,10, Sparse=True)
Traceback (most recent call last):
...
TypeError: ...__init__() got an unexpected keyword argument 'Sparse'...
