Professional Documents
Culture Documents
Barbara Szczepaska
Praca magisterska
napisana pod kierunkiem
dr. hab. prof. Jacka witkowskiego
Wrocaw 2007
Podzikowania
Dzikuj Panu Profesorowi Jackowi witkowskiemu, mojemu promotorowi, za powicony mi czas, oraz liczne rady i wskazwki, ktre
pomogy mi w napisaniu tej pracy.
Wstp
Skrypt ten powsta na podstawie notatek do wykadu Algbra liniowa 2prowadzonego przez prof. dr. hab. Jacka witkowskiego. Przeznaczony jest dla studentw
pierwszego roku matematyki, w szczeglnoci dla suchaczy kursu z algebry liniowej
2 w atwiejszym nurcie A.
Zaoeniem skryptu bya pomoc suchaczom w lepszym zrozumieniu treci omawianych w trakcie wykadu, dlatego zosta on napisany prostym jzykiem i wzbogacony o liczne rysunki i przykady.
Treci omawiane w trakcie wykadu, a tym samym zawarte w niniejszej pracy,
obejmuj zakres klasycznej algebry liniowej poczonej z geometri analityczn, dla
przestrzeni R3 , Rn oraz dowolnych przestrzeni wektorowych. Skrypt ten w wielu
miejscach bdzie zawiera odwoania do analogicznych poj omawianych w trakcie
wykadu Algebra liniowa 1i zawartych w pierwszej czci skryptu napisanej przez
Patrycj Piechaczek, dlatego wskazane jest, aby czytelnik chccy zapozna si z
niniejsz prac opanowa najpierw materia omawiany w pierwszej czci.
Pierwsze cztery rozdziay powicone zostay na omwienie podstawowych poj uywanych przy badaniu przestrzeni R3 , przy czym szczeglny nacisk pooono
na geometryczn interpretacj tych poj, a dopiero w oparciu o nie wprowadza
si teori z algebry liniowej. Nastpnie (rozdziay 5 - 11) omwiono przeksztacenia
przestrzeni R3 , szczeglny nacisk pooono na poznanie teorii dotyczcych przeksztace liniowych, poczynajc od geometrycznych przykadw takich przeksztace,
poprzez omwienie najwaniejszych wasnoci, a koczc na wprowadzeniu pewnych
klas przeksztace liniowych. W odniesieniu do nich wprowadza si rwnie pojcie wartoci i wektorw wasnych oraz macierzy przeksztacenia. Kolejne rozdziay
(12-13) dotycz pewnych rodzajw macierzy rozmiaru 3 3, wraz z odniesieniem
do przeksztace zadanych tymi macierzami. W dalszej czci (rozdzia 14) wprowadzono nowe ukady wsprzdnych, zarwno na paszczynie jak i w przestrzeni,
ktre bd wykorzystywane do badania powierzchni stopnia drugiego, omawianych w
rozdziale 15. W skrypcie do duo uwagi powica si rnym metodom rozwizywania ukadw rwna liniowych z wieloma niewiadomymi (rozdziay 16,18,21).
Dalsza cz zawiera teori dotyczc przestrzeni wyszych wymiarw, przy czym
zrezygnowano tu z odwoywania si do intuicji geometrycznych. Pozostawiono jedynie analogie do przestrzeni R2 i R3 . Nastpnie (rozdzia 18) wprowadzono teori
dotyczc macierzy dowolnego rozmiaru. Omwiono tam dziaania na macierzach,
jak rwnie ich zastosowanie. Na koniec (rozdzia 24) podano przykady poj wystpujcych w przestrzeniach Rn oraz w dowolnych przestrzeniach wektorowych, ktre
moemy rozpatrywa jako uoglnenia poj pojawiajcych si w R3 i Rn .
Mam nadziej, e skrypt ten przyczyni si do lepszego zrozumienia treci oma3
4
wianych w ramach wykadu. ycz Czytelnikowi czerpania jak najwikszej przyjemnoci z odkrywania algebry liniowej.
Barbara Szczepaska
Spis treci
1 Punkty i wektory w R3
1.1 Wsprzdne punktw w R3 . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Odlego punktw w R3 . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 Wektory w R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4 Dziaania na wektorach. . . . . . . . . . . . . . . . . . . . . . . . . .
1.5 Rozkad wektora wzgldem ustalonych trzech wektorw. . . . . . . .
1.6 Przedstawienie wektora w postaci kombinacji liniowej trzech wektorw.
1.7 Rwnanie parametryczne prostej w przestrzeni. . . . . . . . . . . . .
1.8 Rwnanie parametryczne paszczyzny w przestrzeni. . . . . . . . . . .
1.9 Liniowa zaleno i niezaleno wektorw w przestrzeni. . . . . . . .
9
9
11
12
13
16
17
18
19
19
2 Iloczyn skalarny w R3
2.1 Definicja i podstawowe wasnoci iloczynu skalarnego. . . . . . . . .
2.2 Kt midzy wektorami. . . . . . . . . . . . . . . . . . . . . . . . . .
2.3 Rzut prostoktny wektora X na prost wzdu wektora Y . . . . . .
2.4 Rwnanie oglne paszczyzny przechodzcej przez pocztek ukadu
wsprzdnych. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5 Rwnanie oglne paszczyzny. . . . . . . . . . . . . . . . . . . . . .
2.6 Kt pomidzy paszczyznami w R3 zadanymi rwnaniami oglnymi.
2.7 Kt pomidzy paszczyzn i prost w R3 . . . . . . . . . . . . . . . .
2.8 Pole rwnolegoboku zbudowanego na wektorach U, W w R3 . . . . .
27
27
29
31
32
23
. 23
. 25
. 26
.
.
.
.
.
3 Iloczyn wektorowy
34
3.1 Definicja iloczynu wektorowego. . . . . . . . . . . . . . . . . . . . . . 34
3.2 Wasnoci iloczynu wektorowego. . . . . . . . . . . . . . . . . . . . . 36
3.3 Geometryczna interpretacja iloczynu wektorowego. . . . . . . . . . . 37
4 Wyznacznik macierzy 3 3
4.1 Podstawowe definicje. . . . . . . . . . . . . .
4.2 Wasnoci wyznacznika. . . . . . . . . . . .
4.3 Zastosowania wyznacznika 3 3. . . . . . .
4.4 Zastosowanie wyznacznika do rozwizywania
wych z 3 niewiadomymi. . . . . . . . . . . .
41
. . . . . . . . . . . . . . 41
. . . . . . . . . . . . . . 42
. . . . . . . . . . . . . . 47
ukadu 3 rwna linio. . . . . . . . . . . . . . 50
Spis treci
5.3
5.4
5.5
5.6
5.7
5.8
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
57
59
60
62
63
63
.
.
.
.
64
64
66
67
69
.
.
.
.
71
71
72
73
76
ortogonalne
. . . . . . . .
. . . . . . . .
. . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
88
88
89
90
91
92
w R3
94
. . . . . . . . . . . . 94
. . . . . . . . . . . . 95
. . . . . . . . . . . . 97
Spis treci
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
111
. 111
. 112
. 113
. 114
. 116
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
119
119
121
123
129
132
135
138
139
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
143
. 143
. 144
. 146
. 148
. 148
. 150
. 150
17 Przestrzenie Rn
17.1 Podstawowe definicje. . . . . . . . . . . . . . . . . . . .
17.2 Dziaania na wektorach. . . . . . . . . . . . . . . . . .
17.3 Liniowa niezaleno wektorw. . . . . . . . . . . . . .
17.4 Definicja i podstawowe wasnoci iloczynu skalarnego w
17.5 Rozkad wektora na skadowe. . . . . . . . . . . . . . .
17.6 Kt midzy wektorami. . . . . . . . . . . . . . . . . . .
17.7 Nierwno trjkta. . . . . . . . . . . . . . . . . . . .
. . .
. . .
. . .
Rn .
. . .
. . .
. . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
153
153
154
156
160
162
163
165
18 Macierze
18.1 Podstawowe definicje i oznaczenia. . . . . . . . . . . . .
18.2 Macierze kwadratowe. . . . . . . . . . . . . . . . . . .
18.3 Wyznacznik macierzy kwadratowej. . . . . . . . . . . .
18.4 Wyznacznik macierzy grnotrjktnej i dolnotrjktnej.
18.5 Wasnoci wyznacznika. . . . . . . . . . . . . . . . . .
18.6 Praktyczne sposoby obliczania wyznacznika. . . . . . .
18.7 Cramerowski ukad rwna liniowych. . . . . . . . . .
18.8 Wyznacznik a liniowa niezaleno. . . . . . . . . . . .
18.9 Dziaania na macierzach. . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
167
167
168
169
173
174
176
178
179
180
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Spis treci
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
21 Teoria minorw
21.1 Wyznacznik a liniowa niezaleno. . . . . . . . . . . . . .
21.2 Wymiar podprzestrzeni generowanej przez ukad wektorw.
21.3 Rzd macierzy - minory. . . . . . . . . . . . . . . . . . . .
21.4 Rozwizywanie ukadu rwna metod minorw. . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
184
. 184
. 187
. 188
. 189
.
.
.
.
193
. 193
. 194
. 195
. 198
.
.
.
.
200
. 200
. 202
. 202
. 204
.
.
.
.
.
.
.
220
220
226
228
229
232
234
234
237
. 237
. 238
. 238
. 238
. 238
. 239
. 239
. 240
. 240
. 241
. 241
Rozdzia 1
Punkty i wektory w R3
W rozdziale tym zajmowa bdziemy si podstawowymi wasnociami przestrzeni R3 , w ktrej wprowadzony zosta ukad wsprzdnych. Zdefiniujemy pojcia,
ktre bdziemy wykorzystywa w dalszych badaniach tej przestrzeni. Nauczymy si
wykonywa podstawowe dziaania na wektorach z R3 , okrelimy rwnie wasnoci
tych dziaa.
1.1
10
11
1.2
Aby obliczy odlego punktu A o wsprzdnych (x, y, z) od punktu B o wsprzdnych (x0 , y 0 , z 0 ) rozwamy rzuty tych punktw na paszczyzn Oxy .
(x x0 )2 + (y y 0 )2 .
q
12
(x x0 )2 + (y y 0 )2
2
+ (z z 0 )2 .
Std
|AB|2 = (x x0 )2 + (y y 0 )2 + (z z 0 )2 .
Odlego tych punktw wyraa si zatem wzorem
(1.1)
1.3
|AB| =
(x x0 )2 + (y y 0 )2 + (z z 0 )2 .
Wektory w R3.
Podobnie jak w przypadku paszczyzny punkt X(x1 , x2 , x3 ) bdziemy utosamia z jego wektorem wodzcym, czyli wektorem o pocztku w pocztku ukadu
Wsprzdne wektora
Rozwaa bdziemy rwnie wektory zaczepione w punkcie nie bdcym pocztkiem ukadu wsprzdnych. Niech
A = (a1 , a2 , a3 ), B = (b1 , b2 , b3 ),
"
(1.2)
AB = [b1 a1 , b2 a2 , b3 a3 ].
x1
X = x2 .
x3
Oznaczenie takie nazywane jest kolumnowym zapisem wsprzdnych.
13
"
2
2
AB = 3 , CD = 3 .
4
4
Zatem, jak wynika z powyszgo twierdzenia wektory AB i CD s rwne.
Zauwamy, e kady wektor zaczepiony jest rwny wektorowi wodzcemu, majcemu takie same wsprzdne.
1.4
Dziaania na wektorach.
y1
x1
X = x2 , Y = y 2
.
y3
x3
Ich sum bdziemy nazywa wektor
(1.3)
x1 + y 1
X + Y = x2 + y 2
.
x3 + y 3
Aby przekona si o zgodnoci powyszego okrelenia z tradycyjn geometryczn definicj dodawania wektorw, rozwamy w przestrzeni dwa wektory X i Y o
wsplnym pocztku w punkcie (0, 0, 0).
14
x1
(1.4)
k x1
k X = k x2 .
k x3
Pokaemy teraz zgodno powyszego okrelenia z geometryczn definicj mnoenia wektora przez liczb. Ograniczymy si do przypadku gdy k > 0. Iloczyn danego
wektora przez k to wektor o tym samym kierunku i zwrocie, ale k razy duszy.
Niech dany bdzie wektor Y, bdcy iloczynem wektora X oraz liczby k.
Nietrudno uzasadni, np. stosujc tw. Talesa, e jeeli rzutem wektora X na paszczyzn Oxy jest wektor X 0 , to rzutem wektora Y jest wektor Y 0 , ktry ma ten sam
kierunek i zwrot co wektor X 0 , ale jest od niego k razy duszy, tak jak to zostao
przedstawione na rysunku powyej. Z okrelenia mnoenia wektora przez liczb na
15
k x1
Y = k X = k x2 .
k x3
W przypadku gdy k < 0 rozumowanie bedzie wyglda analogicznie.
x1
x1
(8) 1 X = X, (1) X = X
wiczenie. Uzasadnienie powyszych wasnoci, na podstawie algebraicznych definicji dziaa na wektorach, pozostawimy do wykonania czytelnikowi.
Rnica wektorw
Niech dane bd wektory
y1
x1
X=
x2 , Y = y 2 .
y3
x3
16
x1 y 1
X Y = X + (Y ) = x2 y2 .
x3 y 3
(1.5)
Dugo wektora
a1
b1
A = a2 , B = b2
a3
b3
mamy wic
(1.6)
1.5
Rzutem wektora V na paszczyzn PXY w kierunku wektora Z jest wektor U . Otrzymujemy zatem
V = U + VZ ,
17
1.6
"
7
2
Przykad. Wektor V =
12 jest kombinacj liniow wektorw X = 0 ,
6
3
1
1
2
Y =
,
Z
=
4 , poniewa
5
0
V = 2 X + 0 Y + (3) Z.
Wyznaczanie rozkadu wektorw w kombinacj liniow
z1
y1
x1
v1
v1 = s x1 + t y1 + r z1
v2 = s x2 + t y2 + r z2
v2 = s x3 + t y3 + r z3
"
18
2
1
2
6
V = 3 , X = 1 , Y = 1 , Z = 2 .
1
2
4
5
Szukanie rozkadu wektora V w kombinacj liniow wektorw X, Y, Z, czyli znalezienie takich x, y, z, aby
1
2
2
6
x 1 + y 1 + z 2 = 3 ,
1
2
4
5
sprowadza si do rozwizania ukadu rwna
x+2y+2z =6
x + y 2 z = 3
x 2 y + 4 z = 5
1.7
u1
v1
V =
v 2 , U = u2 ,
u3
v3
19
x 1 = v 1 + t u1
x 2 = v 2 + t u2
x 2 = v 3 + t u3
1.8
v1
u1
w1
V = v 2 , U = u2 , W = w 2 ,
v3
u3
w3
rwno powysza przedstawia si jako
x 1 = v 1 + t u1 + s w 1
x 2 = v 2 + t u2 + s w 2
x 2 = v 3 + t u3 + s w 3
1.9
20
"
lub Y = t X + s Z
lub Z = t X + s Y ,
tzn. jeden z nich daje si przedstawi jako kombinacja liniowa dwch pozostaych.
Geometrycznie rwno X = t Y + s Z oznacza, e wektory X, Y, Z le na
jednej paszczynie. Zauwamy, e jeeli Y i Z s niewspliniowe, to wyznaczaj
paszczyzn t Y + s Z i X naley do tej paszczyzny. Jeeli natomiast Y i Z
s wspliniowe, to kombinacje t Y + s Z wyznaczaj prost lub w szczeglnym
przypadku, gdy Y = 0 i Z = 0, punkt.
Przykad.
(1) Rozwamy wektory
4
2
1
A = 7 , B = 3 , C = 2
.
6
2
4
Wektory A, B, C s liniowo zalene, bo
A = 1 B + 2 C.
~ X s liniowo zalene, bo
(2) Wektory O,
~ = 0 X.
O
Definicja 1.9.1 (liniowa niezaleno trjki wektorw). Wektory X, Y, Z s
liniowo niezalene, jeli aden z nich nie wyraa si jako kombinacja liniowa dwch
pozostaych.
Podamy teraz inn, bardziej uyteczn, charakteryzacj liniowej niezalenoci
dla trzech wektorw.
Lemat 1.9.2 (liniowa niezaleno a kombinacja wektorw). Wektory X, Y, Z
s liniowo niezalene wtedy i tylko wtedy, gdy jedyna ich kombinacja liniowa t X +
s Y + r Z dajca wektor zerowy to kombinacja ze wspczynnikami
t=s=r=0
(tzw. kombinacja trywialna).
Dowd. Zakadamy, e wektory X, Y, Z s liniowo niezalene. Gdyby t X + s Y +
r Z = O i jeden ze wspczynnikw np. t 6= 0, wwczas mielibymy
t X = s Y r Z
/:t
r
s
X = Y Z.
t
t
Zatem X jest kombinacj liniow wektorw Y i Z, co przeczy zaoeniu o liniowej niezalenoci. Dowiedlimy zatem, e z faktu liniowej niezalenoci wektorw
21
"
~
1X tY sZ =O
~
co przeczy zaoeniu o trywialnoci kombinacji dajcej O.
Przykad. Rozwamy wektory
3
0
0
0
2
A = , B = , C = 0
.
0
0
1
Szukamy takich t, s, r aby kombinacja liniowa t A + s B + r C dawaa wektor
zerowy.
3
0
0
3t
0
t A + s B + r C = t 0 + s 2 + r 0 = 2s = 0 .
0
0
1
r
0
Otrzymujemy zatem, e t = s = r = 0. Czyli wektory A, B, C s liniowo niezalene.
Twierdzenie 1.9.3 (jednoznaczno rozkadu w kombinacj liniow). Niech
U, V, W bd liniowo niezalenymi wektorami, za X niech bdzie dowolnym innym
wektorem w przestrzeni. Wwczas X rozkada si w kombinacj liniow
X = t U + s V + r W,
i to dokadnie na jeden sposb.
Dowd.
Istnienie rozkadu:
Jeli U, V, W s liniowo niezalene, to w szczeglnoci s niezerowe, adne dwa z nich
nie s wspliniowe, a wszystkie trzy nie le na jednej paszczynie. Wektor X, jak
wynika z Faktu 1.5.3, posiada rozkad wzgldem U, V, W, moemy go zatem zapisa
w postaci X = XU + XV + XW , gdzie XU ||U, XV ||V, XW ||W. Z rwnolegoci
wektorw XU oraz U otrzymujemy, e istnieje takie t, e XU = t U. Podobnie
znajdziemy takie s, e XV = s V, oraz takie r, e XW = r W. Podstawiajc te
iloczyny za XU , XV , XW otrzymujemy szukany rozkad
X = t U + s V + r W.
Jednoznaczno rozkadu:
Zamy, e rozkad ten nie jest jednoznaczny.
Rozwamy dwa rozkady
X = t1 U + s1 V + r1 W = t2 U + s2 V + r2 W.
22
Rozdzia 2
Iloczyn skalarny w R3
W tym rozdziale zajmiemy si pojciem iloczynu skalarnego. Ma ono bardzo
wiele zastosowa, z ktrych cz tutaj podamy. Na pocztek w czysto algebraiczny
sposb zdefiniujemy to pojcie i wyprowadzimy jego najwaniejsze wasnoci. W
kolejnych podrozdziaach zapoznamy si z geometrycznymi konsekwencjami iloczynu
skalarnego. W dalszych rozdziaach tego skryptu bdziemy bardzo czsto wraca do
tego pojcia. Okae si, e jest ono jednym z waniejszych narzdzi, wykorzystywanych do badania wasnoci przestrzeni.
2.1
x1
y1
X = x2 , Y = y 2 ,
x3
y3
oznaczanym przez X Y, nazywamy liczb
(2.1)
"
X Y = x1 y1 + x2 y2 + x3 y3 .
Zauwamy, e iloczyn skalarny to funkcja, ktra dowolnej parze wektorw przyporzdkowuje liczb rzeczywist.
Przykad. Iloczyn skalarny wektorw
3
2
2
A=
,
B
=
4
4
1
to
A B = (3) (2) + 2 4 + 4 (1) = 10.
23
24
x1
y1
z1
x1
y1 + z1
X (Y + Z) = x2 y2 + z2 = x2 y2 + z2 =
x3
y3
z3
x3
y3 + z3
= x1 (y1 + z1 ) + x2 (y2 + z2 ) + x3 (y3 + z3 ) =
= x1 y1 + x2 y2 + x3 y3 + x1 z1 + x2 z2 + x3 z3 =
x1
y1
x1
z1
= x2 y2 + x2 z2 = X Y + X Z
x3
y3
x3
z3
Dowd (3).
x1
y1
tx1
y1
(t X) Y = t x2 y2 = tx2 y2 =
x3
y3
tx3
y3
= (tx1 ) y1 + (tx2 ) y2 + (tx3 ) y3 = x1 (ty1 ) + x2 (ty2 ) + x3 (ty3 ) =
= t(x1 y1 ) + t(x2 y2 ) + t(x3 y3 ) = t(X Y )
Dowd (4).
x1
x1
X X = x2 x2 = x1 x1 + x2 x2 + x3 x3 =
x3
x3
2.2
25
Kt midzy wektorami.
Rwno, ktr udowodnimy poniej, bywa czsto przyjmowana za geometryczn definicj iloczynu skalarnego.
Fakt 2.2.1 (iloczyn skalarny a kt midzy wektorami). Niech X, Y bd wektorami z przestrzeni R3 , niech bdzie ktem pomidzy X a Y . Wtedy
(2.2)
X Y = |X| |Y | cos .
Prost konsekwencj powyszego faktu jest zaleno, ktra pozwoli nam oblicza
kt midzy wektorami bezporednio z ich wsprzdnych.
Wniosek 2.2.2. Jeli jest ktem pomidzy wektorami X, Y, to
(2.3)
"
cos =
XY
|X||Y |
x1 y1 +x2 y
2 +x3 y3
.
x21 +x22 +x23 y12 +y22 +y32
750 .
26
2.3
X Y
.
|Y |2
X0 = t Y =
XY
|Y |2
Y.
27
x1
y1
y1
x1 y1 + x2 y2 + x3 y3
X0 =
y2
.
2
2
2
y1 + y2 + y3
y3
2.4
U = b .
c
2.5
28
x x0
a
y y0 b = 0
z z0
c
a(x x0 ) + b(y y0 ) + c(z z0 ) = 0
ax + by + cz ax0 by0 cz0 = 0
Przyjmujc za d = ax0 by0 cz0 , otrzymujemy, e dowolny punkt z tej paszczyzny
spenia
ax + by + cz + d = 0,
zatem rwnanie to moemy przyj za oglne rwnanie paszczyzny .
"
do wektora 5 ma posta
7
3x + 5y + 7z + (3 5 14) = 0,
czyli
3x + 5y + 7z 16 = 0.
Wniosek 2.5.1. Kade rwnanie postaci ax+by+cz+d = 0, w ktrym przynajmniej
jeden ze wspczynnikw a, b, c jest niezerowy, opisuje pewn paszczyzn.
Dowd. Aby si o tym przekona, wemy dowoln trjk liczb x0 , y0 , z0 speniajc
to rwnanie. Otrzymujemy wtedy ax0 + by0 + cz0 + d = 0 czyli d = ax0 by0 cz0 .
Rwnanie ax+by+cz+d = 0 moemy zapisa jako a(xx0 )+b(yy0 )+c(zz0 ) = 0,
czyli
a
x x0
y y0 b = 0.
z z0
c
29
Zauwamy, e (x x0 ,
y y0 , z z0 ) to wsprzdne wektora czcego dowolny
x
punkt o wsprzdnych y
, z punktem staym A0 (x0 , y0 , z0 ). Rwnanie to opisuje
z
zbir
punktw A(x, y, z), dla ktrych wektor A0 A jest prostopady do wektora
a
a
2.6
30
a1
a2
N1 = b 1 , N 2 = b 2
.
c1
c2
Oznaczmy kt midzy wektorami normalnymi tych paszczyzn przez . Mog wwczas
zaj dwie sytuacje.
Przypadek 1 Poniszy rysunek przedstawia paszczyzn 3 , na ktrej zaznaczone
s jej przekroje z paszczyznami 1 , 2 .
31
"
cos =
N1 N2
|N1 ||N2 |
a1 a2 +b1 b
2 +c1 c2
.
a21 +b21 +c21 a22 +b22 +c22
9
283
9
3 6
=
=
=
cos =
0, 52.
14
1 + 4 + 9 4 + 16 + 1
14 21
7 6
Zatem, jak atwo moemy sprawdzi, ten kt to w przyblieniu
1220 .
Otrzymalimy zatem, e jeden z ktw pomidzy danymi paszczyznami to kt o
mierze okoo 1220 .
2.7
Postaramy si teraz wyznaczy kt pomidzy paszczyzn a prost L. Oznaczmy przez L0 rzut prostoktny prostej L na paszczyzn . Kt pomidzy prost
L a paszczyzn , to kt pomidzy prost a jej rzutem na paszczyzn.
Przyjmijmy, e paszczyzna zadana jest rwnaniem ax + by + cz + d = 0,
natomiast L niech bdzie prost o wektorze kierunkowym U.
32
"
o rwnaniu 2x y + 2z 4 = 0
1
6
2
0, 2722.
cos = =
9
9 6
Kt jest wic ktem ostrym, zatem wyraa si wzorem = 900 , czyli
sin = cos . Std 150 . Tak wic kt pomidzy paszczyzn a prost o
wektorze kierunkowym U, to kt o mierze okoo 150 .
2.8
w1
u1
U = u2 , W = w 2 .
w3
u3
Zauwamy, e wektory te wyznaczaj pewien rwnolegobok. Rwnolegobok ten
oznacza bdziemy RU,W .
33
Z geometrii wiemy, e
P (RU,W ) = |U | |W | sin ,
gdzie to kt pomidzy wektorami U i W . Mamy ponadto
v
u
u
U W 2
t
2
1 cos = |U ||W | 1
=
|U ||W |
v
u
u
(U W )2 q 2
= t|U |2 |W |2 |U |2 |W |2
= |U | |W |2 (U W )2 .
2
2
|U | |W |
P (RU,W ) =
|U |2 |W |2 (U W )2 .
Rozdzia 3
Iloczyn wektorowy
W tym rozdziale zajmiemy si iloczynem wektorowym. W pierwszym podrozdziale zdefiniujemy to pojcie, w kolejnym podamy jego podstawowe wasnoci, pokaemy jak moemy je wykorzysta. Ostatni podrozdzia powicimy na podanie
geometrycznej interpretacji iloczynu wektorowego, ktra pozwoli na wprowadzenie
kolejnej bardzo uytecznej wasnoci - zwizku iloczynu wektorowego z objtoci
rwnolegocianu.
3.1
a1
b1
a2 b3 b2 a3
a1
a2 b3 b2 a3
X A = a1 b3 + b1 a3 a2 =
a3
a1 b2 b1 a2
= a2 b3 a1 b2 a3 a1 a1 b3 a2 + b1 a3 a2 + a1 b2 a3 b1 a2 a3 =
= b1 (a3 a2 a2 a3 ) + b2 (a1 a3 a3 a1 ) + b3 (a2 a1 a1 a2 ) = 0.
Podobnie sprawdmy prostopado X i B.
b1
a2 b3 b2 a3
X B =
a1 b3 + b1 a3 b2 =
b3
a1 b2 b1 a2
34
35
= a2 b3 b1 b2 a3 b1 a1 b3 b2 + b1 a3 b2 + a1 b2 b3 b1 a2 b3 =
= a1 (b2 b3 b3 b2 ) + a2 (b3 b1 b1 b3 ) + a3 (b1 b2 b2 b1 ) = 0.
Tak okrelony wektor X jest zatem dobrym przykadem wektora prostopadego do
obu wektorw A oraz B.
Definicja 3.1.1 (iloczyn wektorowy). Wektor X okrelony powyej, czyli
a2 b3 b2 a3
X = a1 b3 + b1 a3 ,
a1 b2 b1 a2
(3.1)
"
3
1
wektor X = 1 .
6
Sposb na zapamitanie wzoru na iloczyn wektorowy
Wprowadzimy teraz interpretacj iloczynu wektorowego, ktra okae si by
atwym sposobem na zapamitanie wzoru na ten iloczyn. Interpretacja ta korzysta
z pojcia wyznacznika
! macierzy 2 2. W tym celu przypomnijmy, e wyznacznikiem
a b
macierzy A =
nazywamy liczb okrelon wzorem det A = a d b c.
c d
Uwaga
3.1.2 (wyznacznikowa
interpretacja iloczynu wektorowego). Jeli
a1
b1
x1
a2 b2 = x2 , to
a3
b3
x3
!
a b
a b
a b
x1 = det 2 2 , x2 = det 1 1 , x3 = det 1 1 .
a3 b3
a3 b3
a2 b2
Zauwamy, e macierz, ktrej
wyznacznik
liczymy w celu wyznaczenia x1 , powa1 b1
a1 b1
36
3.2
Podamy teraz najwaniejsze algebraiczne wasnoci iloczynu wektorowego. Wektory A, B, C, wystpujce poniej, to dowolne wektory z przestrzeni R3 , za t jest
dowoln liczb rzeczywist.
(1) A B = B A. Wasno ta nazywana jest antyprzemiennoci iloczynu
wektorowego.
(2) Jeli A = O = 0 , to A B = B A = O .
0
(3) Jeli A = t B, to A B = O .
(4) A (B + C) = A B + A C
(5) (tA) B = t(A B)
Dowd (1).
Wasno ta wynika z antyprzemiennoci wyznacznika 2 2. Zauwamy, e
!
a b
b a
det
= ad bc = (bc ad) = det
.
c d
d c
x1
x01
x01
b a
a b
= det 2 2 = det 2 2 = x1 .
b3 a3
a3 b3
x1
0
b1
0 b2
= 0.
x1 = det
0 b3
Podobnie x2 = 0 oraz x3 = 0.
37
Dowd (3).
x1
tb1
b1
A=
tb2 , B = b2 , mamy
tb3
b3
!
tb2 b2
x1 = det
= tb2 b3 tb2 b3 = 0.
tb3 b3
Podobnie x2 = 0, x3 = 0.
Dowd (4).
Zauwamy, e
!
a b + c2
a b
a c
det 2 2
= det 2 2 + det 2 2 .
a3 b3 + c3
a3 b3
a3 c3
Zatem pierwsza wsprzdna wektora A(B +C) jest rwna pierwszej wsprzdnej
wektora A B + A C. Podobnie druga i trzecia wsprzdna. Otrzymujemy zatem
A (B + C) = A B + A C.
Dowd (5).
a1
b1
x1
x01
0
Dla A = a2 , B = b2 jeli A B = x2 , (tA) B = x2 , to
a3
b3
x3
x03
!
x01
ta2 b2
a b
= t det 2 2 = t x1 .
= det
ta3 b3
a3 b3
3.3
38
a1
b1
a
Dowd. Niech A =
,
B
=
2
b2 , i niech oznacza miar kta pomidzy
a3
b3
wektorami A i B. Przypomnijmy, e wtedy pole rwnolegoboku RA,B mona obliczy
korzystajc ze wzoru P (RA,B ) = |A| |B| sin . Mamy rwnie
|A B|2 = (a2 b3 b2 a3 )2 + (a1 b3 + b1 a3 )2 + (a1 b2 b1 a2 )2 .
Po atwym przeksztaceniu, ktre pozostawimy do wykonania czytelnikowi, otrzymujemy
|AB|2 = (a21 +a22 +a23 )(b21 +b22 +b33 )(a1 b1 +a2 b2 +a3 b3 )2 = |A|2 |B|2 (AB)2 =
= |A|2 |B|2 (|A| |B| cos )2 = |A|2 |B|2 (1 cos2 ) =
= |A|2 |B|2 sin2 = [P (RA,B )]2 .
Pierwiastkujc obie strony, otrzymujemy |A B| = P (RA,B ), tak jak chcielimy.
39
"
Fakt 3.3.5 (zwrot wektora A B). Zwrot wektora A B jest taki jak kierunek,
w jakim wkrca si ruba prawoskrtna, gdy jest obracana od A do B.
Przykad. Sprbujmy teraz, bez odwoywania si do wzoru, korzystajc
z
tylko
z Faktu
3.3.2,
0
0
40
X = e1 e2 = 0 .
1
wiczenie. Jako sprawdzenie poprawnoci tak wyznaczonego iloczynu wektorowego, czytelnik moe wyznaczy ten wektor korzystajc ze wzoru (3.1).
Rozdzia 4
Wyznacznik macierzy 3 3
W matematyce istniej pojcia, ktre znajduj szerokie zastosowanie w rnych
dziedzinach. Jednym z takich poj jest wyznacznik macierzy kwadratowej. Odgrywa
on wan rol midzy innymi przy rozwizywaniu ukadw rwna liniowych z
wieloma niewiadomymi, oraz w geometrii. Na pocztek poznamy definicj wyznacznika, nastpnie omwimy jego najwaniejsze wasnoci. Na koniec zajmiemy
si niektrymi jego zastosowaniami.
4.1
Podstawowe definicje.
a b c
g h i
nazywamy wyraenie algebraiczne postaci
(4.1)
"
2 3 0
a b c
42
wyznacznik
a1
b1
A=
a2 , B = b2 , C =
a3
b3
a1 b1 c1
det(A, B, C) = det a2 b2 c2 .
a3 b3 c3
"
3
2
1
3 2 1
det
5 1 3 = 0 6 + 15 1 27 0 = 19.
1 3 0
4.2
Wasnoci wyznacznika.
43
a1
b2 c3 c2 b3
A (B C) = (A B) C = a2 b1 c3 + c1 b3
=
a3
b1 c2 c1 b2
= a1 (b2 c3 c2 b3 ) + a2 (b1 c3 + c1 b3 ) + a3 (b1 c2 c1 b2 ) =
= a1 b2 c3 a1 c2 b3 a2 b1 c3 + a2 c1 b3 + a3 b1 c2 a3 c1 b2 = det(A, B, C)
Podobnie pokazujemy, e det(A, B, C) = (A B) C.
Fakt 4.2.2. Dla A, B, C R3 mamy
det(A, B, C) = det(B, A, C) = det(A, C, B) = det(C, B, A) =
= det(B, C, A) = det(C, A, B).
Dowd. Korzystajc z poprzedniego faktu oraz z wasnoci iloczynu wektorowego
otrzymujemy
det(B, A, C) = (B A) C = (A B) C = (A B) C = det(A, B, C),
det(B, C, A) = (B C) C = A (B C) = det(A, B, C).
Uwaga 4.2.3. Znak -pojawia si, gdy dokonujemy zamiany ktrychkolwiek dwch
wektorw spord A, B, C. Takie zamiany dwch wektorw nazywamy transpozycjami. Zatem wyznacznik zmienia si na przeciwny przy transpozycji ktrychkolwiek dwch wektorw. Wyznacznik nie zmienia si, przy przestawieniu cyklicznym,
np. gdy wektory przesuniemy o jedno miejsce do przodu, za pierwszy przeniesiemy
na koniec.
Macierz transponowana i jej wyznacznik
Bardzo wanym pojciem zwizanym z macierzami jest macierz transponowana
do danej macierzy.
a b c
a d g
T
m = b e h ,
c f k
otrzyman z m przez zamian wyrazw pooonych symetrycznie wzgldem przektnej gwnej.
44
det(m) = det(mT ).
wiczenie. Dowd tej wasnoci, wynikajcy wprost z definicji wyznacznika, pozostawimy do wykonania czytelnikowi.
Wyznacznik a liniowa niezaleno
Podamy teraz bardzo uyteczn wasno wyznacznika, dziki ktrej w atwy
sposb mona sprawdzi, czy trjka wektorw jest liniowo niezalena.
Fakt 4.2.7. (wyznacznik a liniowa zaleno) Wyznacznik wektorw A, B, C
R3 jest rwny zero wtedy i tylko wtedy gdy wektory te s liniowo zalene.
Dowd. Niech det(A, B, C) = 0. Gdyby wektory A, B, C byy liniowo niezalene,
wtedy mielibymy, e wektory A, B s niewspliniowe, czyli wektor A B jest
niezerowy. Ponadto C nie naleaoby do paszczyzny wyznaczonej przez A i B,
wic nie byby prostopady do A B. Zatem (A B) C 6= 0, ale wiemy, e
(A B) C = det(A, B, C) = 0. Otrzymalimy wic sprzeczno, ktra oznacza, e
jeli det(A, B, C) = 0, to wektory A, B, C s liniowo zalene.
Udowodnijmy jeszcze implikacj w drug stron. Zamy, e A, B, C s liniowo
zalene czyli np. A naley do paszczyzny wyznaczonej przez B i C. Wynika std,
e A jest prostopady do B C, wic A (B C) = 0, ale jak wiemy A (B C) =
det(A, B, C), std det(A, B, C) = 0. Otrzymalimy wic, e jeli wektory s liniowo
zalene, to ich wyznacznik musi by rwny zero.
"
2
1
3
2 1 3
det 0 1 1
=41+03+20=2
1 1 2
Wyznacznik ten jest niezerowy wic wektory A, B, C s liniowo niezalene.
Wieloliniowo wyznacznika
Okrelimy teraz wasnoci, ktre nazywane s wieloliniowoci wyznacznika.
Fakt 4.2.8 (wieloliniowo wyznacznika). Dla wektorw A, A1 , A2 , B, C R3
oraz liczby rzeczywistej t mamy
(a) det(tA, B, C) = det(A, tB, C) = det(A, B, tC) = t det(A, B, C),
45
Otrzymujemy zatem
| det(A, B, C)| = |(A B) C| = |(S ~e) C| = S |~e C| = S |e| |C| cos .
Jak nietrudno si przekona |C|cos = H jest wysokoci rwnolegocianu. Wiemy
rwnie, e |~e| = 1, a std | det(A, B, C)| = S H = V (RA,B,C ).
"
1
2
1 1 2
B=
0 , C = 3 wynosi det 1 0 3 = |0 3 + 2 0 3 2| = 6.
1
2
1 1 2
46
1
1 1
1
P (TA,B ) H = P (RA,B ) H = P (RA,B ) H =
3
3 2
6
1
1
= V (RA,B,C ) = | det(A, B, C)|.
6
6
47
Oznacza to, e jego cosinus jest mniejszy od zera a tym samym det(A, B, C) < 0.
"
1
2
Przykad. Wektory A = 1 , B =
2
1
3
2
ujemnie zorientowany poniewa det 1 0
2 1
3
2
0 , C = 2 tworz ukad
1
1
2
2
= 0 12 2 0 1 3 = 18.
1
4.3
Zastosowania wyznacznika 3 3.
48
rwnaniepaszczyzny
a1
b1
x0
dowolny punkt X = y
nalecy do tej paszczyzny, wtedy wektor XX0
z
rwno det(A,
B,
XX0 )
= 0. Po podstawieniu wsprzdnych otrzymujemy
a1 b1 x x0
a b
a b
a b
(x x0 ) det 2 2 (y y0 ) det 1 1 + (z z0 ) det 1 1 = 0
a2 b2
a3 b3
a3 b3
Zawamy, e rwnanie to jest spenione dla kadego wektora z paszczyzny ,
jak rwnie kady wektor, ktry spenia to rwnanie jest wsppaszczyznowy
z A, B, naley wic do paszczyzny . Moemy wic przyj, e rwno (4.2)
jest rwnaniem tej paszczyzny.
(3) Rwnanie paszczyzny wyznaczonej przez trzy punkty.
Majc dane trzy punkty A, B, C moemy znale rwnanie paszczyzny wyznaczonej przez te punkty. Dla dowolnego X nalecego do tej paszczyzny
wektory AB, AC, AX s wsppaszczyznowe , a zatem ich wyznacznik jest
rwny zero det(AB, AC, AX) = 0, co jednoznacznie wyznacza nam szukan
paszczyzn.
49
"
1
0
1
A = 2 , B = 2 , C = 5 .
3
4
1
x
1
0
x1
Dla X = y mamy AB = 0 , AC = 3 , AX = y 2 .
z
1
2
z3
Dla takich wektorw otrzymujemy
1 0 x 1
3 y 2
det 0
= 0.
1 2 z 3
Mamy wic 3 (x 1) 2 (y 2) 3(z 3) = 0, czyli rwnanie szukanej
paszczyzny to 3x 2y 3z + 16 = 0.
(4) Dodatnia i ujemna strona paszczyzny.
Dla uporzdkowanej trjki punktw A, B, C moemy okreli strony paszczyzny
przez nie wyznaczonej. Dodatni stron paszczyzny wyznaczonej przez A, B, C
nazywamy t cz przestrzeni, w ktrej znajduje si koniec wektora AB AC.
Drug cz tej przestrzeni nazywamy stron ujemn.
50
4.4
Kolejnym bardzo wanym zastosowaniem wyznacznika jest uycie go do rozwizywania ukadw trzech rwna liniowych z trzema niewiadomymi. Ukad
a1 x + b1 y + c1 z = d1
(4.3)
a2 x + b2 y + c2 z = d2
a3 x + b3 y + c3 z = d3
a1
b1
c1
d1
x a2 + y b2 + z c2 = d2
,
b3
c3
d3
a3
lub krcej
x A + y B + z C = D.
Rozwizanie naszego ukadu sprowadza si zatem do znalezienia wspczynnikw
rozkadu wektora D w kombinacj liniow wektorw A, B, C. Aby wyznaczy wspczynnik x, pomnmy skalarnie obie strony otrzymanego rwnania przez B C.
Otrzymamy wwczas
(x A + y B + z C) (B C) = D (B C),
co, korzystajc z wasnoci wyznacznika, moemy zapisa jako
det(x A + y B + z C, B, C) = det(D, B, C),
czyli x det(A, B, C) + y det(B, B, C) + z det(C, B, C) = det(D, B, C). Zauwamy,
e det(B, B, C) = (B B) C = 0. Podobnie det(C, B, C) = C (B C) = 0, bo
B C C. Otrzymujemy zatem
x det(A, B, C) = det(D, B, C).
W analogiczny sposb moemy wyprowadzi zalenoci
y det(A, B, C) = det(A, D, C)
z det(A, B, C) = det(A, B, D).
Przy zaoeniu, e det(A, B, C) 6= 0 rozwizaniem ukadu (4.3) jest
x = det(D,B,C)
det(A,B,C)
y=
det(A,D,C)
det(A,B,C)
z = det(A,B,D)
det(A,B,C)
51
a1 b1 c1
"
Wx
Wy
Wz
, y=
, z=
.
W
W
W
Uwaga 4.4.3. Twierdzenie powysze ma analogiczn posta, jak dla ukadu dwch
rwna liniowych z dwiema niewiadomymi.
Przykad. Rozwimy ukad
3x + 4y + z = 1
2x 3y + 2z = 5
xy =3
3 4 1
1 4 1
Wx = det
5 3 2 = 0 5 + 24 + 9 + 2 0 = 30,
3 1 0
3 1 1
Wy = det 2 5 2 = 0 + 6 + 2 5 18 0 = 15,
1 3 0
3 4 1
Wz = det
2 3 5 = 27 2 + 20 + 3 + 15 24 = 15.
1 1 3
Rozwizaniem naszego ukadu jest wic trjka liczb
x=
15
15
30
= 2, y =
= 1, z =
= 1.
15
15
15
52
Rozdzia 5
Przeksztacenia liniowe przestrzeni
Rozdzia ten powicimy na zapoznanie si z przeksztaceniami przestrzeni. W
szczeglnoci zajmiemy si przeksztaceniami liniowymi. W pierwszym podrozdziale
wprowadzimy podstawowe definicje, w kolejnych poznamy rne, geometryczne przykady przeksztace liniowych.
5.1
Podstawowe definicje.
x1
x01
x1
x1
54
x1
ax1 + bx2 + cx3
x
dx
T
=
2
1 + ex2 + f x3
x3
gx1 + hx2 + ix3
(5.1)
x1
a b c
d e f
g h i
(5.2)
"
x1
x1 3x2 + x3
2x1 + x3
kowuje wektor
jest przeksztaceniem liniowym, bo
x2
x1 3x2 + x3
1 x1 + (3) x2 + 1 x3
x1
2x1 + x3
T x2 =
= 2 x1 + 0 x2 + 1 x3 ,
x2
0 x1 + 1 x2 + 0 x3
x3
czyli da si przedstawi w postaci (5.1) dla
a = 1, b = 3, c = 1, d = 2, e = 0, f = 1, g = 0, h = 1, i = 0.
Macierz tego przeksztacenia jest
1 3 1
2 0 1 .
0 1 0
W kolejnych podrozdziaach zapoznamy si z rozmaitymi przykadami przeksztace, ktre oka si by przeksztaceniami liniowymi.
55
5.2
3
3t
x1 + 3t
x1 + 3t
3
56
9
3
3
x1 15
x 35
x3
35 2
3x1 + 5x2 + x3
35 15
0
25
5
X = tU =
5 = 35 + 35 x2 + 35 x3
35
5
1
3
1
x1 + 35
x2 + 35
x3
35
Jest to wzr postaci zgodnej z definicj przeksztacenia liniowego, rzut ten jest wic
przeksztaceniem liniowym, ktrego macierz jest
9
3515
35
3
15
35
35
3
35
25
35
5
35
5
35
1
35
u1
Otrzymujemy wic (X tU ) U = 0
X U tU U =0
X U = t U U = t|U |2
a std moemy ju wyznaczy t
t=
X U
.
|U |2
57
(5.3)
XU
|U |2
U.
x1
u1
We wsprzdnych, dla X
x2 , U = u2 wzr ten przyjmuje posta
x3
u3
u1
x1
2 u2
u
x1
u
1
1
u3
x3
x 1 u1 + x 2 u2 + x 3 u3
X0 = T
u2 =
u2 =
x2 =
2
2
2
2
u
u
+
u
+
u
1
2
3
1
x3
u3
u3
u2
u3
u21
2
u1 +u22 +u23
x1 +
= 2 u1 u2 2 2 x1 +
u1 +u2 +u3
u1 u3
x
u21 +u22 +u23 1
u1 u2
u21 +u22 +u23
u22
2
u1 +u22 +u23
x2 +
u1 u3
u21 +u22 +u23
x3
u2 u3
x2 + u2 +u2 +u2 x3
u2 u3
x
u21 +u22 +u23 2
u23
x
2
u1 +u22 +u23 3
Zatem zgodnie z Definicj 5.1 jest to przeksztacenie liniowe. Macierz tego przeksztacenia jest
u21
u1 u3
u21 +u22 +u23
u1 u2
u21 +u22 +u23
u22
u21 +u22 +u23
u2 u3
u21 +u22 +u23
u1 u3
u21 +u22 +u23
u2 u3
.
u21 +u22 +u23
u23
2
2
2
u1 +u2 +u3
u21 u1 u2 u1 u3
1
u22 u2 u3
uu
.
2
2
2 1 2
u1 + u2 + u3
u1 u3 u2 u3 u23
Wniosek 5.2.2. Rzut prostopady na prost wzdu dowolnego wektora U R3 jest
przeksztaceniem liniowym.
5.3
58
x01
0
0
Posugujc si powyszymi dwoma warunkami znajdmy obraz X = x2
x03
x1
x1 + 3t
x1
3
l : x2 + t 5 = x2 5t .
x3 2t
x3
2
x1 + 3t
x1 + 32 t
x1 + 12 x01
x1 + 12 x1 + 32 t
2
2
1
1
1
5
5
1
S = (X + X 0 ) =
2 x2 + 2 x02 = 2 x2 + 2 x2 2 t = x2 2 t .
2
1
x
2 3
+ 12 x03
1
x
2 3
+ 12 x3 t
x3 t
59
9
x1 19
x1 + 3t
x1 +
0
15
X = x2 5t = x2 + 19 x1
6
x3 2t
x1
x3 + 19
15
x
19 2
25
x
19 2
10
x
19 2
6
x
19 3
10
x
19 3
4
x
19 3
6
10 x1 + 15
x + 19
x3
19 2
1519
6
10
= 19 x1 19 x2 19 x3 .
6
x 10
x + 15
x
19 1
19 2
19 3
Symetria wzgldem paszczyzny 3x 5y 2z = 0 jest wic przeksztaceniem liniowym. Macierz tego przeksztacenia to
10
19
15
19
6
19
5.4
15
19
6
19
10
19
6
19
10
.
19
15
19
x1
kx1
x1
x1
k x1 + 0 x2 + 0 x3
Jk x2 = k x2 = kx2 = 0 x1 + k x2 + 0 x3 .
kx3
x3
x3
0 x1 + 0 x2 + k x3
Przeksztacenie Jk jest wic rzeczywicie przeksztaceniem liniowym, ktrego macierz
jest
k 0 0
0 k 0 .
0 0 k
60
5.5
Rzut na paszczyzn
Zgodnie z oznaczeniami, wprowadzonymi w Rozdziale 1, paszczyzny wsprzdnych to Oxy , Oxz , Oyz . Rozwamy rzut prostoktny na paszczyzn Oxy , oznaczmy
go Pxy .
x
x
x
1 0 0
m(Pxy ) = 0 1 0 .
0 0 0
0 0
W analogiczny sposb otrzymujemy m(Pyz ) =
0 1
0 0
gdzie Pyz , Pxz oznaczaj rzuty na paszczyzny Oyz ,
0
1 0 0
0
oraz m(Pxz ) = 0 0 0 ,
1
0 0 1
Oxz , odpowiednio.
61
sam warto
wek ale
x
x
x
1 0 0
m(Sxy ) =
0 1 0 .
0 0 1
Podobnie otrzymujemy
1 0 0
1 0 0
m(Syz ) = 0 1 0 , m(Sxz ) = 0 1 0
,
0 0 1
0 0 1
gdzie Syz , Sxz s symetriami wzgldem paszczyzn Oyz , Oxz , odpowiednio.
Rzuty na osie
Zajmijmy si teraz rzutami na osie. Niech Px oznacza rzut na o Ox .
62
x
x
1 0 0
x
0
0 0 0
Py y = y , czyli m(Py ) = 0 1 0 ,
z
0
0 0 0
x
0
0 0 0
Pz y = 0 , czyli m(Pz ) = 0 0 0 .
z
z
0 0 1
5.6
Niech R,x
oznacza
obrt wok osi Ox o kt . Zauwamy, e dla dowolnego
x
x
1
0
0
63
5.7
Przeksztacenie tosamociowe.
x1
x1
1 x1 + 0 x2 + 0 x3
I x2 = x2 = 0 x1 + 1 x2 + 0 x3 .
x3
x3
0 x1 + 0 x2 + 1 x3
Macierz
przeksztacenia, nazywana czsto macierz identycznociow, to
tego
1 0 0
m(I) =
0 1 0 . Przeksztacenie tosamociowe jest wic przeksztaceniem li0 0 1
niowym. Czasem na oznaczenie przeksztacenia tosamociowego bdziemy uywa
symbolu Id.
5.8
Przeksztacenie zerowe.
x1
0 x1 + 0 x2 + 0 x3
0
Z x2 = 0 = 0 x1 + 0 x2 + 0 x3 .
x3
0 x1 + 0 x2 + 0 x3
0
0 0 0
Rozdzia 6
Wasnoci przeksztace liniowych
i ich macierzy
W tym rozdziale wasnociami przeksztace liniowych, ktrych przykady poznalimy w poprzednim rozdziale. Nauczymy si skada przeksztacenia liniowe.
Poznamy okrelenie iloczynu macierzy i jego zwizek ze skadaniem przeksztace
liniowych.
6.1
Poniszy fakt okrela najbardziej charakterystyczne wasnoci przeksztace liniowych, dziki ktrym, w atwy sposb, mona sprawdzi czy dane przeksztacenie
jest przeksztaceniem liniowym.
Fakt 6.1.1 (charakteryzacja przeksztace liniowych). Przeksztacenie przestrzeni T : R3 R3 jest liniowe wtedy i tylko wtedy, gdy T spenia nastpujce
warunki:
(1) addytywno: T (X + Y ) = T (X) + T (Y ) dla dowolnych X, Y,
(2) jednorodno: T (rX) = rT (X) dla dowolnego wektora X i dowolnej liczby
rzeczywistej r.
Dowd. Pokaemy, e jeli T jest przeksztaceniem
to rzeczywicie
spenione
liniowym,
a b c
y1
x1
x1 + y1
a(x1 + y1 ) + b(x1 + y1 ) + c(x1 + y1 )
64
65
x1
r(ax1 + bx2 + cx3 )
ax1 + bx2 + cx3
1
a1
0
b1
0
c1
T
0 = a2 , T 1 = b2 , T 0 = c2 .
0
a3
0
b3
1
c3
x1
x1
0
0
x1
0
0
x1
0
0
0
x
0
0
x
T
+ 2 +
= T
+T 2 +T 0 =
0
0
x3
0
0
x3
1
0
0
= T x1 0 + T x2 1 + T x3 0
0
0
1
Z jednorodnoci przeksztacenia T , czyli z warunku (2), otrzymujemy
1
0
0
0
1
T
x
+
T
x
+
T
x
1
3 0 =
0
0
1
1
0
0
0
1
= x1 T + x2 T + x3 T 0 =
0
0
1
a1
b1
c1
a1 x1 + b1 x2 + c1 x3
= x1
a2 + x2 b2 + x3 c2 = a2 x1 + b2 x2 + c2 x3 .
b3
c3
a3 x1 + b3 x2 + c3 x3
a3
66
a1 b1 c1
m(T ) = a2 b2 c2 .
a3 b3 c3
Powysze rachunki jako produkt uboczny daj nam nastpujc cenn obserwacj dotyczc przeksztacenia liniowego.
Wniosek 6.1.2 (kolumny macierzy przeksztacenia jako obrazy wersorw).
Kolumny macierzy m(T ) przeksztacenia liniowego T : R3 R3 s wektorami bdcymi obrazami wersorw osiowych przez przeksztacenie T, czyli
1
0
0
T 0 , T 1 , T 0
.
0
0
1
Moemy wic symbolicznie zapisa
1
0
0
m(T ) = T 0 , T 1 , T 0 .
0
0
1
6.2
W tym rozdziale wyjanimy, jak znajdowa obrazy wektorw przez przeksztacenie liniowe T posugujc si bezporednio macierz m(T ) przeksztacenia, bez
odwoywania si do wzoru przeksztacenia. Suy temu bdzie pojcie dziaania
macierzy na wektor.
a b c
x1
x1
a b c
x1
x1
ax1 + bx2 + cx3
x
d
e
f
x
dx
=
=
T
2
2
1 + ex2 + f x3 .
x3
g h i
x3
gx1 + hx2 + ix3
"
2 1 1
2
2 1 1
2
221511
2
4 2 5 5 = 4 2 + 2 5 5 1 = 13 .
2 1 0
1
22+1501
9
67
W1
W1
W1 X
m X = W2 X = W2 X
.
W3
W3 X
6.3
"
x
x
x
x
Pxy y = y , Pxz y = 0
. Wtedy zoenie tych przeksztace to
0
z
z
z
x
x
x
x
Pxy Pxz
y = Pxy Pxz y = Pxy 0 = 0 .
z
z
z
0
Zauwamy, e wzr ten odpowiada okrelonemu w poprzednim rozdziale rzutowi na
o Ox ,
x
x
x
Pxy Pxz
y = 0 = Px y .
z
0
z
68
Mamy wic
Pxy Pxz = Px .
Wynikiem takiego zoenia jest wic rzut na o Ox .
W powyszym przykadzie zoenie przeksztace liniowych, okazao si by
przeksztaceniem liniowym. Zastanwmy si, czy tak jest zawsze.
Fakt 6.3.2 (liniowo zoenia przeksztace liniowych). Zoenie przeksztace liniowych S, T : R3 R3 jest te przeksztaceniem liniowym.
Dowd. Korzystajc z Faktu 6.1.1 wystarczy sprawdzi, e przeksztacenie ST jest
addytywne i jednorodne. Jednorodno tego przeksztacenia pokaemy korzystajc
z jednorodnoci przeksztace S, T . Mamy bowiem
ST (vX) = S(T (vX)) = S(vT (X)) = vS(T (X)) = vST (X).
Addytywno rwnie wynika z wasnoci przeksztace S, T, a dokadniej z ich
addytywnoci. Zauwamy, e
ST (X+Y ) = S(T (X+Y )) = S(T (X)+T (Y )) = S(T (X))+S(T (Y )) = ST (X)+ST (Y ).
Zatem zoenie przeksztace liniowych jest przeksztaceniem liniowym.
1
0
0
m(ST ) = ST 0 , ST 1 , ST 0 .
0
0
1
Zamy, e
a1 b1 c1
a01 b01 c01
m(S) =
a2 b2 c2 , m(T ) = a02 b02 c02 .
a03 b03 c03
a3 b3 c3
1
a01
a1 a01 + b1 a02 + c1 a03
1
ST 0 = S T 0 = S a2 = a2 a01 + b2 a02 + c2 a03
.
a03
0
a3 a01 + b3 a02 + c3 a03
0
Podobnie moemy wyznaczy drug i trzeci kolumn macierzy m(ST ). Dla uatwienia
wprowadmy oznaczenia
69
a01
1
w1 k1
ST
0 = w2 k1 . Podobnie wyznaczamy pozostae kolumny tej macierzy
0
w3 k1
0
0
w1 k2
ST 1 = S T 1 = S(k2 ) = w2 k2
,
0
0
w3 k2
0
0
w1 k3
ST 0 = S T 0 = S(k3 ) = w2 k3 .
1
1
w3 k3
Ostatecznie otrzymujemy
(6.1)
w1 k1 w1 k2 w1 k3
w
m(ST ) =
2 k1 w2 k2 w2 k3 .
w3 k1 w3 k2 w3 k3
Wniosek 6.3.3. Wyraz macierzy m(ST ) w itym wierszu i jtej kolumnie, jest
iloczynem skalarnym itego wiersza macierzy m(S) i jtej kolumny macierzy m(T ).
6.4
Mnoenie macierzy.
Dotychczas zazwyczaj mwilimy o macierzach w kontekcie przeksztace przestrzeni. W oparciu o te przeksztacenia wprowadzimy w tym podrozdziale abstrakcyjne pojcie mnoenia macierzy.
Definicja 6.4.1 (iloczyn macierzy). Iloczynem macierzy m(S) i m(T ), odpowiadajcych przeksztaceniom S i T , nazywamy macierz m(ST ), bdc macierz zoenia
przeksztace S i T . Moemy symbolicznie zapisa to w postaci
m(S) m(T ) = m(ST ).
"
3 0 8
7 1
5
3 0 8
7 1
5
7 1 5 3 5 1 =
0 2 3
2 0 4
70
37+03+80
3 1 + 7 5 + 2 (2)
3 5 + 0 (1) + 8 (3)
21 34 9
=
52 22 49 .
14 6 2
Poznamy teraz najwaniejsze wasnoci dziaa na macierzach.
Fakt 6.4.2 (wasnoci mnoenia macierzy).
(1) Mnoenie macierzy 3 3 jest czne, tzn. (m1 m2 ) m3 = m1 (m2 m3 ).
(2) Dla dowolnych macierzy 3 3 :
(m1 m2 )X = m1 (m2 X).
3 2 1
0 3 1
0 3 1
3 2 1
5 2 1 3 6= 2 1 3 0 1
5
0 1
.
1 2 3
1 0
3
1 0
3
1 2 3
Co rwnie pozostawimy do samodzielnego sprawdzenia.
Rozdzia 7
Przeksztacenia odwrotne
W rozdziale tym zajmiemy si pojciem przeksztacenia odwrotnego. Podobnie
jak w przypadku dwuwymiarowym, rwnie w przestrzeni R3 , dla danego przeksztacenia moemy sprbowa okreli przeksztacenie do niego odwrotne. W pierwszym podrozdziale zdefiniujmy, czym jest przeksztacenie odwrotne i kiedy dane
przeksztacenie ma przeksztacenie odwrotne, czyli kiedy jest odwracalne. Poznamy
dwa rwnowane okrelenia odwracalnoci i przeksztacenia odwrotnego. Nauczymy
si wyznacza przeksztacenie odwrotne i okrela macierz takiego przeksztacenia,
najpierw dla przypadku oglnego a nastpnie dla przeksztace liniowych.
7.1
Podstawowe definicje.
72
Pokaemy teraz implikacj przeciwn. Zamy, e T jest odwracalne, a S jest przeksztaceniem odwrotnym do T wg definicji (2). Musimy pokaza, e T jest rnowartociowe i na. Wemy dwa rne wektory X, Y z przestrzeni Z. Chcemy pokaza,
e wwczas T (X) 6= T (Y ). Jak wiemy z definicji (2), S(T (X)) = X, S(T (Y )) = Y.
Gdyby T (X) = T (Y ), mielibymy
X = S(T (X)) = S(T (Y )) = Y,
ale to jest sprzeczne z zaoeniem, wic rzeczywicie przeksztacenie T jest rnowartociowe. Pokaemy jeszcze, e dla dowolnego X Z istnieje Y, taki e X = T (Y ),
czyli e przeksztacenie T jest na. Przyjmijmy Y = S(X), mamy wwczas
X = T (S(X)) = T (Y ).
Przeksztacenie T jest wic przeksztaceniem na. Pozostaje pokaza, e przeksztacenie S z definicji (2) ma wasno: jeli T (X) = X 0 , to S(X 0 ) = X. Przyjmijmy
T (X) = X 0 , mamy wwczas S(X 0 ) = S(T (X)) = X, czyli S jest przeksztaceniem
odwrotnym do T w sensie definicji (1). Podane w Definicji 7.1.1 dwa okrelenia
przeksztacenia odwracalnego i odwrotnego s wic rwnowane.
7.2
"
Przeksztacenie odwrotne, jeli istnieje, na og mona wyliczy. W tym podrozdziale pokaemy przykady przeksztace odwrotnych, w kolejnych nauczymy si
sprawdza, czy dane przeksztacenie ma przeksztacenie odwrotne, okrelimy te
macierz tego przeksztacenia.
Przykad. Niech przeksztacenie T : R3 R3 bdzie okrelone wzorem T (X) =
3X +2W, gdzie W jest pewnym ustalonym wektorem z R3 . Oznaczmy T (X) jako X 0 ,
T
mamy wwczas X 0 = 3X + 2W. Skoro X
X 0 , to szukamy takiego przeksztacenia
1
T
T 1 , e X 0 X. Sprbujmy wyrazi X za pomoc X 0 . Otrzymujemy
3X = X 0 + 2W,
1
1
2
X = (X 0 2W ) = X 0 W.
3
3
3
Moemy wic stwierdzi, e T jest odwracalne, bo jestemy w stanie okreli przeksztacenie T 1 do niego odwrotne. Wyraa si ono wzorem
1
2
T 1 (Y ) = Y W.
3
3
73
"
Przykad.
Niech T : R3 R3 bdzie
takim przeksztaceniem,
ktre wektorowi
x1
2x1
x
3x
przyporzdkowuje
wektor
2
, czyli
1 + x2
x
x1 x2 2x3
2 0
0
x1
2x1
0
3x1 + x2
T x2 =
. Macierz tego przeksztacenia to 3 1
.
1 1 2
x1 x2 2x3
x3
0
x1
x1
0
Przyjmijmy, e obrazem wektora x2 jest wektor x2 . W takiej konwencji
x3
x03
mamy
x1 = 2x1
(?) x02 = 3x1 + x2
.
0
x3 = x1 x2 2x3
Podobnie jak poprzednio, szukamy takiego przeksztacenia T 1 , e
x01
x1
0 T 1
x2 x2 .
x03
x3
Przeksztamy ukad (?). Otrzymujemy
x1 = 12 x01 ,
x2 = x02 3x1 = x02 32 x01 ,
x3 = 12 (x1 x2 x03 ) = 12 ( 21 x01 + 32 x01 x02 x03 ) = x01 12 x02 12 x03 .
Wyznaczylimy wic przeksztacenie odwrotne do T
1 0
x01
x1
x
2 1
1
3 0
0
T x2 = x2 = 2 x1 + x02 .
x3
x01 12 x02 12 x03
x03
1
2
3
Odpowiadajca temu przeksztaceniu macierz, to m(T 1 ) =
2
0
0
1
0
.
1
1
2 2
7.3
74
x1
0
0
1
T (X) = T x2 = T x1 0 + x2 1 + x3 0 =
x3
0
1
0
1
0
0
= x1 T 0 + x2 T 1 + x3 T 0
= x1 K1 + x2 K2 + x3 K3 .
0
0
1
Przy zaoeniu, e wektory K1 , K2 , K3 s liniowo zalene, mamy e jeden z nich
jest kombinacj liniow pozostaych. Przyjmijmy, e np. K3 = t K1 + s K2 .
Wtedy dla dowolnego wektora X R3 mamy
T (X) = x1 K1 + x2 K2 + x3 (t K1 + s K2 ) = (x1 + x3 t)K1 + (x2 + x3 s)K2 .
Zatem kady wektor zostaje przeksztacony przez T na wektor bdcy kombinacj liniow wektorw K1 , K2 . Mog zaj trzy sytuacje. Wektory K1 , K2
mog by
(a) oba zerowe. Wtedy wektory
T (X) = (x1 + x3 t)K1 + (x2 + x3 s)K2 = (x1 + x3 t) 0 + (x2 + x3 s) 0 = 0
rwnie bd wektorami zerowymi.
(b) Mog by wspliniowe. Wtedy wektory T (X) jako ich liniwe kombinacje
bd wektorami z prostej wzdu wektorw K1 , K2 .
(c) Mog by niewspliniowe. Wtedy ich kombinacje liniowe T (X) wyznaczaj pewn paszczyzn.
W kadym z tych przypadkw obrazami wektorw X nie mog by wszystkie
wektory z przestrzeni R3 . Tak wic T nie jest przeksztaceniem na, a zatem
zgodnie z Definicj 7.1.1 nie jest odwracalne.
75
T
x2 = x1 K1 + x2 K2 + x3 K3 . Wynika std, e T jest rnowartociowe,
x3
bo jeli Y = T (X1 ) = T (X2 ) dla X1 6= X2 , to Y miaby dwa rne rozkady w
kombinacj wektorw K1 , K2 , K3 , a to jak wiemy jest niemoliwe. Przeksztacenie T jest
rwnie
na, bo jeli wemiemy dowolny Y = t1 K1 + t2 K2 + t3 K3 ,
t1
"
Uwaga 7.3.3 (macierz nieosobliwa). Macierze m, dla ktrych det(m) 6= 0 nazywane s macierzami nieosobliwymi. Tak wic T jest odwracalne wtedy i tylko wtedy
gdy macierz T jest nieosobliwa.
Przykad.
(1) Przeksztaceniem odwrotnym do jednokadnoci o skali r i rodku w punkcie
0, czyli Jr0 , jest jednokadno o rodku w tym samym punkcie i skali 1r , czyli
J 01 .
r
76
W1 = T 1 (X + Y ), W2 = T 1 (X) + T 1 (Y ). Chcielibymy, aby W1 = W2 , co oznaczaoby, e przeksztacenie T 1 jest addytywne. Namy na oba rwnania przeksztacenie T. Otrzymujemy
T (W1 ) = T (T 1 (X + Y )) = X + Y,
T (W2 ) = T (T 1 (X) + T 1 (Y )) = X + Y.
Tak wic T (W1 ) = T (W2 ). Przeksztacenie T jest odwracalne, wic jest rnowartociowe, skd wnioskujemy, e W1 = W2 .
wiczenie. Jednorodno przeksztacenia T 1 pokazuje si podobnie. Zadanie to
pozostawimy jako proste wiczenie dla czytelnika.
7.4
1 0 0
1 0 0
Definicja 7.4.2 (macierz odwrotna). Macierz odwrotn do macierzy m rozmiaru 3 3, nazywamy tak macierz n rozmiaru 3 3, dla ktrej
1 0 0
m n = n m = 0 1 0
.
0 0 1
Macierz m, majc macierz odwrotn, nazywamy macierz odwracaln.
Wasnoci macierzy odwrotnych
Korzystajc z tego, e moemy utosamia macierze z zadanymi przez nie przeksztaceniami, a mnoenie macierzy ze skadaniem przeksztace, moemy okreli
nastpujce wasnoci macierzy odwrotnych.
Fakt 7.4.3.
(1) Macierz odwracalna m, czyli macierz o niezerowym wyznaczniku, ma dokadnie
jedn macierz odwrotn, ktr oznaczamy m1 .
77
(2) Macierz m jest odwracalna wtedy i tylko wtedy gdy kolumny tej macierzy s
wektorami liniowo niezalenymi, a to zachodzi wtedy i tylko wtedy gdy wyznacznik tej macierzy det(m) 6= 0, czyli wtedy i tylko wtedy gdy wiersze macierzy
m s liniowo niezalene.
(3) Macierz odwrotna do m(T ) jest macierz przeksztacenia T 1 , czyli
m(T 1 ) = (m(T ))1 .
"
Dowody wasnoci podanych w powyszym fakcie wynikaj wprost z udowodnionych wczeniej wasnoci przeksztace odwrotnych. Tutaj je pominiemy.
Przykad.
1
t1 0 0
(1) Jeli t1 =
6 0, t2 =
6 0, t3 6= 0, to 0 t2 0
0 0 t3
1 a b
(2) 0 1 c
0 0 1
t1
= 0
0
0
1
t2
0
0
.
1
t3
1 a (b + ac)
c
= 0 1
.
0 0
1
78
1 0 0
1 0 0
(a) m n = 0 1 0 , (b) n m = 0 1 0
,
0 0 1
0 0 1
to
n = m1 .
Wzr na macierz odwrotn
Podamy teraz wzr an macierz odwrotn do danej. Wprowadmy jednak najpierw
pewne oznaczenia.
w1
m = w2
, gdzie wi oznacza i-ty wiersz macierzy m,
w
3
ai
wiT =
bi to kolumna (wektor z R3 ) utworzona z wiersza wi .
ci
Przypomnijmy rwnie, e det(m) = det(mT ), oraz v (k1 k2 k3 ) = (vk1 vk2 vk3 ).
Twierdzenie
7.4.7 (wzr na macierz odwrotn). Dla danej macierzy
w1
m1
Dowd. Oznaczmy n =
w1
= w2
w3
1
det(m)
1
det(m)
x1 y 1 z 1
w1
1
1
1
T
T
T
T
T
T
w2 w3
w3 w1
w1 w2 ) = x2 y2 z2
mn = w2 (
det(m)
det(m)
det(m)
x3 y 3 z 3
w3
x1 y 1 z 1
1 0 0
Chcielibymy, aby x2 y2 z2 = 0 1 0
.
x3 y 3 z 3
0 0 1
Sprbujmy wic obliczy kolejno wyrazy tej macierzy. Zacznijmy od pierwszej kolumny.
x1 = w 1 (
1
1
1
w2T w3T ) =
w1 (w2 w3 ) =
det(m) = 1,
det(m)
det(m)
det(m)
1
1
w2T w3T ) =
w2 (w2 w3 ) = 0,
det(m)
det(m)
1
1
x3 = w 3 (
w2T w3T ) =
w3 (w2 w3 ) = 0.
det(m)
det(m)
x2 = w 2 (
79
"
x1
1
y1
0
3
z1
1 0 0
0
y1
y2 =
y3
Czytelnik
sposb sprawdzi, e
moesamw podobny
0
z1
0
1
oraz z2 = 0 .
0
z3
1
2
3 1
m1
0
1
1
2
2
0
1
= 2 0 0 3 3 2 =
25
1
5
5
1
1
1
10 15 5
1
= 1 11 2 .
25
2 3 4
Rozdzia 8
Przeksztacenia liniowe a objto
i orientacja
W tym rozdziale zbadamy jaki wpyw na orientacj wektorw w przestrzeni
oraz objto rwnolegocianu ma zadziaanie na dan przestrze odwracalnym
przeksztaceniem liniowym.
8.1
Orientacja w przestrzeni.
W Rozdziale 4 wprowadzilimy pojcie orientacji wektorw w przestrzeni. Sprbujmy zastanowi si jak zmienia si orientacja wektorw pod wpywem dziaania
przeksztacenia liniowego. Okrelimy tutaj, ktre przeksztacenia zmieniaj, a ktre
zachowuj orientacj wektorw.
Definicja 8.1.1. Przeksztacenie T : R3 R3 zachowuje orientacj, jeli dla
kadej trjki wektorw prawoskrtny ukad wektorw zostaje przeksztacony na prawoskrtny, za zmienia orientacj, gdy prawoskrtny ukad wektorw zostaje przeksztacony na ukad lewoskrtny.
Uwaga 8.1.2. Jeli dla jednej trjki wektorw przeksztacenie zachowuje (zmienia)
ich orientacj, to zachodzi to dla wszystkich trjek wektorw. Zatem moemy sprawdza
zachowanie (zmian) orientacji na jednej wybranej trjce wektorw.
Nie bdziemy tutaj dowodzi powyszej uwagi.
Niech wersory e1 , e2 , e3 tworz prawoskrtnym ukadem wektorw R3 , natomiast
u, v, w to obrazy wektorw e1 , e2 , e3 przez przeksztacenie T . Przypomnijmy, e ukad
wektorw u, v, w jest prawoskrtny wtedy i tylko wtedy gdy det(u, v, w) > 0, a
lewoskrtny wtedy i tylko wtedy gdy det(u, v, w) < 0.
Wniosek 8.1.3. Przeksztacenie T zachowuje orientacje, gdy
det(u, v, w) > 0,
za zmienia w przeciwnym wypadku.
80
81
"
1 0 0
1 0 0
8.2
82
83
Rozdzia 9
Przeksztacenia afiniczne
Dotychczas zajmowalimy si tylko przeksztaceniami liniowymi. W tym rozdziale
poznamy inny rodzaj przeksztace - przeksztacenia afiniczne, zdefiniujemy to pojcie oraz poznamy przykady. W kolejnym podrozdziale zajmiemy si wasnociami
takich przeksztace.
9.1
"
Podstawowe definicje.
a1
x1
A=
a2 . Dla tak okrelonego przeksztacenia obrazem wektora X = x2
a3
x3
jest wektor
x1
x1
a1
T x2 = x2 + a 2 .
x3
x3
a3
85
(1) Wzr okrelajcy przeksztacenie T nie ma postaci wymaganej dla przeksztace liniowych.
(2) Przeksztacenie T nie jest addytywne. Zauwamy, e
T (X + Y ) = X + Y + A,
T (X) + T (Y ) = X + A + Y + A = X + Y + 2A.
Tak wic
T (X + Y ) 6= T (X) + T (Y ).
Translacja, podobnie jak wiele innych znanych nam ju przeksztace, naley
do grupy przeksztace nazywanych przeksztaceniami afinicznymi.
Definicja 9.1.1 (przeksztacenia afiniczne). Przeksztacenie T : R3 R3 jest
przeksztaceniem afinicznym jeli mona je opisa wzorem postaci
a1 a2 a3
d1
x1
x1
a1 x1 + a2 x2 + a3 x3 + d1
T x2 = b1 b2 b3 x2 + d2 = b1 x1 + b2 x2 + b3 x3 + d3 ,
x3
c1 c2 c3
x3
d3
c1 x1 + c2 x2 + c3 x3 + d3
a1 a2 a3
d1
a1 a2 a3
b
b
b
d
dla pewnej macierzy
i
pewnego
wektora
.
Macierz
1
2
b1 b2 b3
2
3
c1 c2 c3
d3
c1 c2 c3
d1
"
m(T ), to T (X) = mX = mX + 0 .
0
(3) Przeksztaceniami afinicznymi
s rwnie rzuty na proste i paszczyzny nie
przechodzce przez 0
, symetrie wzgldem takich paszczyzn i prostych,
0
9.2
86
87
Rozdzia 10
Wartoci i wektory wasne
W rozdziale tym poznamy wane pojcia, charakteryzujce przeksztacenia,
ktre bardzo czsto bd si pojawia w dalszej czci skryptu. W oparciu o te
pojcia, uda nam si wyodrbni pewn grup przeksztace, o charakterystycznych
wasnociach, ktr zajmiemy si w kolejnym rozdziale.
10.1
"
d1 0 0
1
d1
89
10.2
3
3
Zastanwmy si
teraz jak,
dla danego przeksztacenia liniowego T : R R o
a1 b1 c1
macierzy m(T ) = a2 b2 c2
znale jego wartoci wasne. Najkorzystniej byoby
a3 b3 c3
okreli sposb pozwalajcy na wyznaczenie wszystkich wartoci wasnych danego
przeksztacenia. Poniej wyprowadzimy proste kryterium, dziki ktremu bdziemy
potrafili tego dokona. Zgodnie z Definicj 10.1.1 szukamy takich liczb t, ktre speniaj
x1
a1 b1 c1
tx1
a2 b2 c2 x2 = tx2
a3 b3 c3
x3
tx3
x1
a1 x1 + b1 x2 + c1 x3 tx1
0
a2 x1 + b2 x2 + c2 x3 tx2 = 0 ,
a3 x1 + b3 x2 + c3 x3 tx3
0
co rwnoznacznie moemy zapisa jako
0
a1 t
c1
b1
x1 a2 + x2 b2 t + x3 c2 = 0 .
a3
c3 t
0
b3
Moemy std wnioskowa, e t jest wartociwasn wtedy
gdy pewna
i tylko wtedy
a1 t
b1
c1
a1 t
b1
c1
b2 t
c2
liniowo zalene, tzn. gdy det
= 0.
a2
a3
b3
c3 t
Wniosek 10.2.1. Liczba
t jest wartoci wasn
przeksztacenia liniowego T wtedy
a1 t
b1
c1
b2 t
c2
i tylko wtedy gdy det
= 0.
a2
a3
b3
c3 t
"
1
2 2
1
Przykad. Dla przeksztacenia liniowego zadanego macierz
3 2
, znaj0 1 2
90
1t
2
2
1
naczmy j t, musi spenia det 3 2 t
= 0. Korzystajc z reguy
0
1 2 t
Sarrusa, obliczmy wyznacznik tej macierzy. Otrzymujemy wwczas
(1 t)(2 t)(2 t) 6 + (1 t) + 6(2 t) = 0,
po przeksztaceniu mamy
t3 + 5t2 15t + 11 = 0.
Rwnanie to, po rozoeniu na czynniki, przyjmuje posta
(t 1)(t2 + 4t 11) = 0.
Jedyn liczb speniajc to rwnanie jest 1, gdy trjmian kwadratowy t2 +4t11
ma ujemny wyrnik wic nie ma rzeczywistych pierwiastkw,std 1 jest jedyn
1
2 2
1
wartoci wasn przeksztacenia liniowego zadanego macierz
3 2
.
0 1 2
10.3
Rwnanie charakterystyczne.
a1 t
b1
c1
b2 t
c2
det a2
=0
a3
b3
c3 t
nazywane jest rwnaniem charakterystycznym przeksztacenia T (macierzy m(T ) ).
W oparciu o powysz definicj, Wniosek 10.2.1 moemy wic sformuowa w nastpujcy sposb.
Wniosek 10.3.2 (pierwiastki rwnania charakterystycznego). Liczba t jest
wartoci wasn przeksztacenia T wtedy i tylko wtedy gdy jest ona pierwiastkiem
rwnania charakterystycznego tego przeksztacenia.
Rwnanie charakterystyczne moemy zawsze przeksztaci tak, aby przyjo
posta
t3 + u2 t2 + u1 t2 + u0 = 0,
gdzie u0 , u1 , u2 s staymi wspczynnikami zalenymi od wyrazw macierzy m(T ).
Wyraenie t3 + u2 t2 + u1 t2 + u0 jest wielomianem zmiennej t, zwanym wielomianem charakterystycznym.
91
"
wiczenie. Jako wiczenie pozostawimy czytelnikowi wyznaczenie wspczynnikw u0 , u1 , u2 wielomianu charakterystycznego, w zalenoci od wyrazw macierzy
m(T ).
Przykad. Wyznaczmy
wielomian
charakterystyczny przeksztacenia liniowego za
1 3 2
1t
3
2
5 t
1
det 0
= 0.
2
1
1t
Korzystajc z metody Sarrusa, moemy to rwnanie zapisa w postaci
(1 t)2 (5 t) + 6 + 4(5 t) (1 t) = 0.
Po przeksztaceniu otrzymujemy t3 3t2 +4t20 = 0. Tak wic wielomian charakterystyczny tego przeksztacenia to
W (t) = t3 3t2 + 4t 20.
10.4
t+
Tak wic wielomian f (t) przyjmuje wartoci zarwno dodatnie, jak i ujemne. Jak
wiemy, wielomian jest funkcj cig, tak wic, z wasnoci Darboux wiemy, e musi
mie miejsce zerowe.
Jeli t0 jest miejscem zerowym, czyli pierwiastkiem wielomianu charakterystycznego, to ten wielomian moemy przedstawi w postaci
f (t) = (t t0 )(t2 dt + e),
dla pewnych d i e. Jeeli wielomian f ma inne pierwiastki, to s to pierwiastki
trjmianu t2 dt + e. Jak wiemy, trjmian moe mie 0, 1 lub 2 pierwiastki.
Moemy zatem poda nastpujcy wniosek.
Wniosek 10.4.2 (liczba wartoci wasnych przeksztacenia). Przeksztacenie
T : R3 R3 moe mie jedn, dwie lub trzy wartoci wasne.
10.5
92
"
1
0
1t
0
0
1t
0
bd zatem liczby t speniajce det 0
= 0. Po przeksz0
0
1 t
2
taceniu rwnanie przyjmuje posta (1 t) (1 t) = 0 tak wic t = 1 lub
t = 1. Czyli rzeczywicie wartociami wasnymi tego przeksztacenia s 1 i
1. Przestrzenie wektorw wasnych to odpowiednio:
E1 = {X R3 : X Oxy } = Oxy ,
bo tylko te wektory nie zmieniaj si przez odbicie wzgldem tej paszczyzny,
E1 = {X R3 : X L} = L = Oz = {(0, 0, z) : z R},
gdzie prosta L jest zbiorem wektorw rwnolegych do osi Oz , bo tylko dla
nich speniony jest warunek S(X) = X.
93
Rozdzia 11
Izometrie liniowe i przeksztacenia
ortogonalne w R3
W tym rozdziale zajmiemy si pewnymi rodzajami przeksztace liniowych izometriami liniowymi i przeksztaceniami ortogonalnymi. Na pocztek zdefiniujmy,
czym jest izometria liniowa, podamy jedn z jej najbardziej charakterystycznych
wasnoci. W kolejnym podrozdziale zdefiniujemy pojcie przeksztacenia ortogonalnego, zbadamy jak zachowuje si kt midzy wektorami pod wpywem dziaania
takiego przeksztacenia. Poznamy rwnie zwizek czcy izometrie liniowe z przeksztaceniami ortogonalnymi. W ostatnim podrozdziale zbadamy jak posta mog
przyjmowa izometrie liniowe.
11.1
Podstawowe definicje.
Definicja 11.1.1 (izometria liniowa). Izometri liniow R3 nazywamy takie przeksztacenie liniowe T : R3 R3 , ktre dla kadego wektora X R3 spenia rwno
|T (X)| = |X|, czyli takie, ktre zachowuje dugo wektora.
Prostym wnioskiem z powyszej definicji jest nastpujcy lemat.
Lemat 11.1.2 (izometrie a odlego midzy punktami). Kada izometria
liniowa zachowuje odlegoci pomidzy punktami w przestrzeni.
Dowd. Jak wiemy punkty w przestrzeni moemy reprezentowa przez ich wektory
wodzce. Zauwamy, e odlego midzy punktami X, Y to dugo wektora X Y ,
co zapisujemy
d(X, Y ) = |X Y |
94
95
11.2
Przeksztacenia ortogonalne.
T (X) T (Y )
X Y
=
= cos ]XY.
|T (X)| |T (Y )|
|X| |Y |
Wniosek 11.2.4 (obraz wektorw prostopadych). Obrazami wektorw prostopadych przez przeksztacenie ortogonalne, s wektory prostopade.
Dowd. Jeli wektory X, Y s prostopade, czyli X Y = 0, to rwnie
T (X) T (Y ) = X Y = 0,
tzn. obrazy tych wektorw przez przeksztacenie ortogonalne rwnie s prostopade.
96
11.3
97
Sprbujmy opisa w sposb geometryczny wszystkie izometrie liniowe przestrzeni R3 . Zacznijmy od tych izometrii liniowych, ktrych wyznacznik wynosi 1.
Fakt 11.3.3. Jeli izometria liniowa T ma wyznacznik det(m(T )) = 1, to T jest
obrotem wok pewnej prostej L, zawierajcej (0, 0, 0).
Dowd. Przeksztacenie T ma przynajmniej jedn warto wasn i, jak wiemy z
Faktu 11.3.1, jest ona rwna 1 lub 1. Rozwamy te przypadki.
(1) Niech t = 1 bdzie wartoci wasn, za X odpowiadajcym jej wektorem
wasnym. Oznaczmy przez LX prost wzdu wektora X, za niech bdzie
paszczyzn prostopad do X, przechodzc przez (0, 0, 0).
98
99
100
Rozdzia 12
Macierz ortogonalna i macierz
transponowana
Rozdzia ten powicimy na zbadanie pewnych klas macierzy. Na pocztek
wprowadzimy pojcie macierzy ortogonalnej, ktre jest cile zwizane z poznanymi
w poprzednim rozdziale przeksztaceniami ortogonalnymi (izometriami liniowymi).
W drugim podrozdziale dowiemy si, czym jest macierz transponowana do danej,
nauczymy si wyznacza j na wiele sposobw. Poznamy rwnie zwizek macierzy
transponowanych z macierzami ortogonalnymi. Na koniec podamy kilka wasnoci
macierzy transponowanej.
12.1
Macierz ortogonalna.
oraz
K1 K2 = K1 K3 = K2 K3 = 0.
Dowd. Zamy, e macierz m jest ortogonalna, co jest rwnowane temu, e przeksztacenie T , zadane t macierz, jest ortogonalne. Wwczas |Ki | = |T (ei )| = |ei | =
1, dla i = 1, 2, 3. Mamy rwnie Ki Kj = T (ei ) T (ej ) = ei ej = 0, gdy i 6= j.
Pokazalimy wic implikacj w jedn stron.
Teraz pokaemy, e jeli kolumny macierzy s wzajemnie prostopadymi wektorami
101
102
x1
X = x2
= x1 e1 + x2 e2 + x3 e3 ,
x3
y1
Y = y2 = y1 e1 + y2 e2 + y3 e3 .
y3
Z jednorodnoci i addytywnoci przeksztacenia liniowego T mamy
3
X
T (X) = T (
3
X
xi ei ) =
xi T (ei ) =
3
X
i=1
i=1
i=1
3
X
3
X
3
X
T (Y ) = T (
yi e i ) =
i=1
yi T (ei ) =
i=1
xi Ki ,
yi Ki .
i=1
3
X
3
X
xi Ki ) (
i=1
3
X
yi Ki ) =
i=1
xi yj (Ki Kj ),
i,j=1
xi yj (Ki Kj ) =
i,j=1
3
X
xi yi (Ki Kj ) =
i=1
3
X
xi yi = X Y.
i=1
"
0 35
5
12.2
Macierz transponowana.
macierzy m = d
g
transponowan
do danej
(macierz
transponowana). Macierz
b c
a d g
e f
nazywamy macierz mT = b e h .
h i
c f i
103
"
1
0 6
1 8 3
0 1 3 .
6 5
0
Podamy teraz twierdzenie wice pojcia macierzy transponowanej i macierzy
ortogonalnej.
Twierdzenie 12.2.2 (macierz transponowana a ortogonalno macierzy).
Macierz m jest ortogonalna wtedy i tylko wtedy gdy m mT = mT m = I, gdzie I
jest macierz jednostkow rozmiaru 3 3.
Dowd. Poniewa macierz ortogonalna jest odwracalna, co pozostawimy do uzasadnienia czytelnikowi, wystarczy uzasadni, e mT m = I, bo to oznacza, e
macierz
K1T
ai
gdzie Ki = bi
, KiT = (ai , bi , ci ). Dla tak okrelonych macierzy mamy
ci
K1 K1 K1 K2 K1 K3
K1T
T
m m = K2T (K1 K2 K3 ) = K2 K1 K2 K2 K2 K3 .
K3 K1 K3 K2 K3 K3
K3T
Chcemy, aby mT m = I, tym samym aby
1 0 0
K1 K1 K1 K2 K1 K3
K
K
K
K
K
=
0 1 0 .
2
1
2
2
2
3
K3 K1 K3 K2 K3 K3
0 0 1
Zauwamy, e wyrazy znajdujce si na przektnej gwnej macierzy mT m, czyli
wyrazy Ki Ki s rwne 1, oraz wyrazy Ki Kj dla i 6= j s rwne 0. Zgodnie z
Lematem 12.1.2 jest to rwnowane temu, e macierz m jest macierz ortogonaln.
104
12.3
Podamy teraz kilka najbardziej charakterystycznych wasnoci operacji transponowania macierzy. Zacznijmy od bardzo prostego faktu.
Fakt 12.3.1.
(mT )T = m
wiczenie. Dowd tego faktu, wynikajcy wprost z definicji macierzy transponowanej, pozostawimy jako wiczenie dla czytelnika.
Fakt 12.3.2 (transponowanie iloczynu macierzy). Dla dowolnych macierzy
m, n rozmiaru 3 3 mamy
mT nT = (n m)T .
Uwaga 12.3.3. W powyszym wzorze warto zwrci uwag na rn kolejno pojawiania si macierzy m i n po obu stronach rwnoci.
Dowd. Ze sposobu okrelenia iloczynu macierzy wiemy, e do wyznaczenia wyrazw
macierzy bdcej iloczynem macierzy m i n najlepiej bdzie zapisa
macierz
n przy
W1
W1 K1 W1 K2 W1 K3
n m = W2 K1 W2 K2 W2 K3
,
W3 K1 W3 K2 W3 K3
tak wic macierz transponowana do tego iloczynu to
W1 K 1 W2 K 1 W3 K 1
T
(n m) = W1 K2 W2 K2 W3 K2
.
W1 K 3 W2 K 3 W3 K 3
Zgodnie z okreleniem macierzy transponowanej mamy
K1T
105
W1 K 1 W2 K 1 W3 K 1
K1T
T
T
m n = K2T (W1T , W2T , W3T ) = W1 K2 W2 K2 W3 K2 .
K3T
W1 K 3 W2 K 3 W3 K 3
Jak wida speniony jest zatem warunek
mT nT = (n m)T .
Poniszy fakt pokae, jak przy uyciu macierzy odwrotnej do danej macierzy m
znale macierz odwrotn do macierzy transponowanej. W zwizku z tym, e liczenie
macierzy odwrotnej bywa bardzo uciliwe jestemy w stanie sobie wyobrazi jak
bardzo uyteczna moe by taka umiejtno.
Fakt 12.3.4 (macierz odwrotna do macierzy transponowanej). Jeli macierz
m jest odwracalna, to
(mT )1 = (m1 )T .
Dowd. Sprawdmy, czy (m1 )T jest rzeczywicie macierz odwrotn do mT . W tym
celu sprawdmy, czy
mT (m1 )T = (m1 )T mT = I.
Korzystajc z Faktu 12.3.2, oraz z tego, e macierz transponowan do macierzy
identycznociowej jest ona sama, otrzymujemy
mT (m1 )T = (m1 m)T = I T = I
oraz
(m1 )T mT = (m m1 )T = I T = I.
Rozdzia 13
Macierz symetryczna
Wanym pojciem, ktrym zajmiemy si w tym rozdziale, jest pojcie macierzy
symetrycznej. Ten rodzaj macierzy, jak rwnie przeksztacenia nimi zadane, maj
bardzo charakterystyczne wasnoci z ktrych cz tutaj podamy, zajmiemy si
gwnie wartociami i wektorami wasnymi przeksztace zadanych takimi macierzami. W ostatnim podrozdziale zajmiemy si zagadnieniem diagonalizacji macierzy,
ktre okae si by bardzo uyteczne w dalszej czci skryptu.
13.1
Podstawowe definicje.
a b c
y1
x1
a b c
b d e mamy
c e f
a b c
x1
y1
M (X) Y = (m X) Y =
b d e x2 y2 =
x3
y3
c e f
106
107
x1
ay1 + by2 + cy3
x1
a b c
y1
13.2
108
109
Uwaga 13.2.4.
(1) Wartoci wasne dla wektorw wasnych X1 , X2 , X3 , z powyszego twierdzenia,
niekoniecznie
3 0
0
13.3
Diagonalizacja macierzy.
110
Dowd (twierdzenia). Niech P, D bd przeksztaceniami liniowymi zadanymi macierzami p, d. Mamy wwczas M (Xi ) = ti Xi , dla i = 1, 2, 3 oraz P (ei ) = Xi , dla
i = 1, 2, 3. Zauwamy, e macierz p jest odwracalna, bo det p = det(X1 , X2 , X3 ) 6= 0,
co wynika z liniowej niezalenoci wektorw X1 , X2 , X3 . Zatem przeksztacenie P
jest odwracalne i mamy P 1 (Xi ) = Ei . Ponadto zachodzi rwnie D(ei ) = ti ei , dla
i = 1, 2, 3. Dla i = 1, 2, 3 mamy wic
P DP 1 (Xi ) = P D(ei ) = P (ti ei ) = ti P (ei ) = ti Xi = M (Xi ).
Poniewa X1 , X2 , X3 s liniowo niezalene, z Faktu 13.3.2 wynika P DP 1 = M, a
wic pdp1 = m.
Wniosek 13.3.3. Niech m bdzie macierz symetryczn rozmiaru 3 3, za M :
R3 R3 przeksztaceniem liniowym zadanym t macierz. Wwczas
m = pdp1 ,
t1 0 0
Rozdzia 14
Nowe ukady wsprzdnych
W celu okrelenia pooenia punktu stosuje si ukad wsprzdnych. Opisany w
pierwszym rozdziale ukad wsprzdnych to ukad kartezjaski. Nie jest on jednak
jedynym sposobem zapisywania pooenia punktw. W wielu sytuacjach wygodniej
jest posuy si innym ukadem wsprzdnych, tzw. ukadem ukonoktnym.
W rozdziale tym bliej zajmiemy si innymi ukadami wsprzdnych. W pierwszym podrozdziale zdefiniujemy, czym jest ukad ukonoktny na paszczynie,
nastpnie podamy analogiczn definicj w przypadku przestrzeni. Nauczymy si
okrela wsprzdne punktu w tych ukadach. W kolejnych podrozdziaach poznamy sposoby na zamian wsprzdnych punktw w jednym ukadzie na wsprzdne w innym, pokaemy te, jak znajdowa macierz przeksztacenia w nowym
ukadzie.
14.1
112
Definicja 14.1.2 (wersory w ukadzie). Wersorami w ukadzie nazywamy wektory osiowe o dugoci rwnej jednostce na danej osi oraz zwrocie zgodnym z dodatnim kierunkiem na osi.
Na rysunku poniej wersorami s wektory F1 , F2 .
X = x1 F1 + x2 F2 .
14.2
Podobnie jak na paszczynie, tak i w przestrzeni moemy wprowadzi niekartezjaski ukad wsprzdnych. Za wersory takiego ukadu moemy przyj dowoln
113
v1
wersorach F1 , F2 , F3 wsprzdne
v2 wtedy i tylko wtedy gdy X = v1 F1 +
v3
v2 F2 + v3 F3 .
14.3
f1i
wamy macierz f = (F1 F2 F3 ) = f21 f22 f23 utworzon ze wsprzdnych werf31 f32 f33
sorw Fi jako kolumn.
Uwaga 14.3.2. Zauwamy, e skoro wektory F1 , F2 , F3 s liniowo niezalene, to
macierz przejcia jest macierz odwracaln.
114
14.4
Pokaemy teraz jak majc wsprzdne wektora w jednym ukadzie znale jego
wsprzdne w drugim. Zacznijmy od atwiejszego przypadku.
Zamiana wsprzdnych ukadu Ou1 u2 u3 na wsprzdne ukadu Oxyz
v1
ma wsprzdne v2 . Wiemy,
v3
X = v1 F1 + v2 F2 + v3 F3 ,
co po podstawieniu wsprzdnych moemy zapisa jako
f11
f12
f13
"
X = f V.
Przykad. Rozwamy wektor X, ktry w ukadzie Ou1 ,u2 ,u3 , o wersorach
1
1
1
2
F1 = 1 , F2 = 1 , F3 = 1 ,
1
0
0
1 12 1
f = 1 1 1 .
0 0 1
Wektor X ma zatem wsprzdne
1 12 1
1
11
2
X = f V = 1 1 1 5 = 4 .
0 0 1
2
2
115
x1
v1
v1
"
V = f 1 X.
Przykad. Rozwamy ten sam wektor X co w poprzednim przykadzie. Tym razem
zamy
jednak, e mamy dane wsprzdne tego wektora w ukadzie Oxyz tzn.
1
12
X =
4 . Chcemy znale wsprzdne V tego wektora w ukadzie Ou1 u2 u3 o
2
1
1
wersorach F1 =
1 , F2 = 1 , F3 = 1 . Zgodnie z przeprowadzonym
0
0
1
powyej rozumowaniem wsprzdne te wyraaj si wzorem
V = f 1 X.
Wyznaczmy zatem macierz odwrotn do macierzy f . Zgodnie z Twierdzeniem 7.4.7
macierz ta zadana jest wzorem
f 1
2 1 1
0
=
2 2
.
0
0
1
116
2 1 1
1
11
0 4 = 5
V = 2 2
.
0
0
1
2
2
14.5
u1
x1
a2
a1 b1 c1
Dowd. Niech m1 = d1 e1 f1 , m2 = d2
g
g1 h1 k1
2
a1 x1 + b1 x2 + c1 x3
x1
wwczas m1 x2 = d1 x1 + e1 x2 + f1 x3 ,
x3
g1 x1 + h1 x2 + k1 x3
Skoro m1 X = m2 X, to np.
b2 c2
e2 f2
,
h2 k2
a2 x1 + b2 x2 + c2 x3
x1
m2 x2 = d2 x1 + e2 x2 + f2 x3 .
x3
g2 x1 + h2 x2 + k2 x3
a1 x1 + b1 x2 + c1 x3 = a2 x1 + b2 x2 + c2 x3 .
117
Wiemy, e
ta jest speniona dla dowolnego wektora X, wic w szczeglnoci
rwno
a1 = a2 .
0
moemy wykaza, e macierz m1 ma wszystkie wyrazy rwne odpowiednim wyrazom
macierzy m2 , czyli m1 = m2 .
Wrmy do wyznaczania macierzy m0 . Otrzymalimy dla dowolnego X R3
f 1 mX = m0 f 1 X.
Stosujc powyszy lemat mamy
f 1 m = m0 f 1 .
Mnoc obie strony tej rwnoci z prawej strony przez macierz f dostajemy ostateczny wzr na m0 :
f 1 mf = m0 .
Twierdzenie 14.5.2. Macierz m0 przeksztacenia M w nowym ukadzie wsprzdnych wyraa si wzorem
f 1 mf = m0 ,
"
t1 0 0
macierz diagonaln
0 t2 0 .
0 0 t3
Podamy teraz dwa uzasadnienia poprawnoci tak wyznaczonej macierzy.
Uzasadnienie 1 (bezporednie).
Macierz przeksztacenia tworzy si z obrazw wersorw T (F1 ), T (F2 ), T (F3 ), rozkada-
118
jc je wzgldem F1 , F2 , F3 :
t1
T (F1 ) = t1 F1 = t1 F1 + 0 F2 + 0 F3 = 0
0
T (F2 ) = t2 F2 = 0 F1 + t2 F2 + 0 F3 = t2
0
T (F3 ) = 0 F1 + 0 F2 + t3 F3 = 0
t3
wsprzdne
w ukadzie
Ou1 u2 u3
t1 0 0
0
m = 0 t2 0
.
0 0 t3
t1 0 0
m0 = d =
0 t2 0 ,
0 0 t3
tak jak chcielimy.
Rozdzia 15
Formy kwadratowe i powierzchnie
stopnia drugiego
W rozdziale tym wprowadzony zostanie pewien rodzaj funkcji, zwanych formami
kwadratowymi. W pocztkowych podrozdziaach poznamy podstawowe definicje
zwizane z tym pojciem, poznamy przykady form kwadratowych, nauczymy si
rwnie znajdowa ich posta w nowych ukadach wsprzdnych. W dalszej czci
poznamy sposb na odrnienie ich od siebie, za pomoc powizanych z nimi powierzchni charakterystycznych, zwanych kwadrykami. Na koniec szerzej zajmiemy
si wasnociami form kwadratowych i zwizanych z nimi macierzy symetrycznych.
15.1
Podstawowe definicje.
a b c
m = b d e .
c e f
119
120
"
Przykad.
(1) Dla formy kwadratowej okrelonej wzorem
y = 4xy + 3xz + 2y 2 3z 2
z
odpowiadajca jej macierz to
0 2 32
m = 2 2 0
.
3
0 3
2
(2) Macierzy symetrycznej
1 3
1
4 2
m= 3
1 2 0
odpowiada forma kwadratowa postaci
y = X (mX).
z
Dowd. W dowodzie skorzystamy z definicji iloczynu skalarnego i podstawowych
wasnoci dziaa na macierzach oraz liczbach rzeczywistych:
x
a b c
x
x
ax + by + cz
X (mX) =
y b d e y = y bx + dy + ez =
z
c e f
z
z
cx + ey + f z
= ax2 + bxy + cxz + bxy + dy 2 + eyz + cxz + eyz + f z 2 =
15.2
121
ogln posta
v = Au2 + Buv + Cuw + Dv 2 + Evw + F w 2 na og z zupenie
w
innymi wspczynnikami A, B, C, D, E, F . Oznacza to, e forma jest w nowym
ukadzie wsprzdnych dalej form kwadratow. Ponadto macierz m0 formy w
nowym ukadzie wyraa si wzorem
m0 = f T m f.
Dowd.
Dowd powyszego lematu przeprowadzimy w trzech etapach. Na pocztek pokaemy, e forma w nowym ukadzie jest rzeczywicie form kwadratow, nastpnie
udowodnimy, e macierz tej formy wyraa si podanym wzorem. Na koniec uzasadnimy, e macierz m0 jest macierz
symetryczn.
u
x
Oznaczmy przez U =
v nowe wsprzdne wektora X = y . Jak
w
z
wiemy z poprzedniego rozdziau, wwczas X = f U , czyli
x = f11 u + f12 v + f13 w
y = f21 u + f22 v + f23 w .
z = f31 u + f32 v + f33 w
Po podstawieniu tych wyrae do wzoru na = ax2 +2bxy +2cxz +dy 2 +2eyz +f z 2 ,
po uproszczeniu i pogrupowaniu ze wzgldu na u2 , v 2 , w2 , uv, uw, vw, otrzymujemy
2
2
2
) u2 +
+ 2ef21 f31 + f f31
+ 2bf11 f21 + 2cf11 f31 + df21
= (af11
2
2
2
) v2+
+ 2ef22 f32 + f f32
+ 2bf12 f22 + 2cf12 f32 + df22
+ (af12
2
2
2
) w2 +
+ 2ef23 f33 + f f33
+ 2bf13 f23 + 2cf13 f33 + df23
+ (af13
+2(af11 f12 +b(f11 f22 +f12 f21 )+c(f11 f32 +f12 f31 )+df21 f22 +e(f21 f32 +f22 f31 )+f f32 f31 )uv+
+2(af11 f13 +b(f11 f23 +f13 f21 )+c(f11 f33 +f13 f31 )+df21 f23 +e(f21 f33 +f23 f31 )+f f33 f31 )uw+
+2(af12 f13 +b(f12 f23 +f13 f22 )+c(f12 f33 +f13 f32 )+df22 f23 +e(f22 f33 +f23 f32 )+f f32 f33 )vw.
122
(X) = U (m0 U ).
15.3
123
y = 1.
z
W dalszej czci tego rozdziau sprbujemy dokona przegldu kwadryk form
kwadratowych zadanych macierzami diagonalnymi, czyli kwadryk postaci
ax2 + dy 2 + f z 2 = 1.
Podzielimy kwadryki ze wzgldu na znak wspczynnikw a, d, f .
Przypadek (1), gdy a > 0, d > 0, f > 0
Rwnanie ax2 + dy 2 + f z 2 = 1 moemy przeksztaci do postaci
x2
y2
1
a
1
d
2 +
2 +
z2
1
2 = 1.
x2
y2
1
a
1
d
2 +
1 , 1 .
a
d
2 = 1,
124
x2
y2
1
d
z2
1 = 1.
f
x2
y2
1
a
1
d
2 +
2
z2
1
2 = 1.
125
Przypadki, gdy a < 0, d > 0, f > 0 oraz a > 0, d < 0, f > 0 mona rozwaa
analogicznie. Otrzymujemy wwczas kwadryki przedstawione na rysunkach poniej,
gdzie pierwszemu warunkowi odpowiada kwadryka przedstawiona na pierwszym rysunku.
a
d
f
126
x2
1
a
2
y2
1
d
2
z2
1
f
2 = 1.
ni charakterystyczn
y = 1. W naszym przypadku otrzymujemy
z
x2
1
a
2
y2
1
d
2
z2
1
2 = 1.
x2
1
a
2 +
y2
1
d
2 +
z2
1
f
2 = 1.
x2
y2
1
a
1
d
2 +
2 = 1.
127
Moemy rozwaa jeszcze dwie analogiczne sytuacje, tzn. gdy a = 0, d > 0, f >
0 oraz a > 0, d = 0, f > 0. Kwadryki otrzymane w ten sposb wygldaj podobnie
jak ta na rysunku powyej, s tylko obrcone.
W wikszoci z dalszych przypadkw bdziemy mogli okreli takie dodatkowe
kwadryki, ktre s jedynie obrotami tych rozwaanych przez nas. Dlatego pominiemy
je w dalszych rozwaaniach.
Przypadek (6), gdy a > 0, d < 0, f = 0
Rwnanie tej kwadryki mona przeksztaci do postaci
x2
y2
1
a
1
d
2
2 = 1.
128
x2
1
a
2
y2
1
d
2 = 1.
1
d
Z postaci tego rwnania moemy wnioskowa, e druga powierzchnia charakterystyczna jest walcem eliptycznym.
Przypadek (8), gdy a > 0, d = 0, f = 0
Rwnanie kwadryki przyjmuje posta
ax2 = 1,
co moemy zapisa jako x = 1a . Rwnanie to nie zaley od zmiennej y i zmiennej z, zatem dla x = 1a przebiega wszystkie wartoci y, z jest to wic paszczyzna
rwnolega do paszczyzny x = 0 i przecinajca o Ox w punkcie ( 1a , 0, 0). Podobnie mamy dla x = 1a . Rozwizaniem s zatem dwie paszczyzny rwnolege do
paszczyzny x = 0.
129
15.4
v = pu2 + qv 2 + rw2 ,
w
dla pewnych staych wspczynnikw p, q, r.
Dowd. Macierz m formy w ukadzie Oxyz jest symetryczna, a wic z twierdzenia
1
o diagonalizacji, tzn. Twierdzenia 13.3.1,
monaj przedstawi w postaci m = pdp
p 0 0
p 0 0
0
m = IdI = d = 0 q 0 .
0 0 r
Zatem
v = pu2 + qv 2 + rw 2 .
w
130
Uwaga 15.4.2 (diagonalizacja formy kwadratowej). Dobranie ukadu wsprzdnych, w ktrym forma kwadratowa przybiera posta diagonaln nazywamy diagonalizacj formy kwadratowej. Jeli ponadto nowy ukad jest kartezjaski, to mwimy
o diagonalizacji ortogonalnej.
"
y = x2 + y 2 4yz + 2z 2 ,
z
a odpowiadajca jej macierz
1 0 2
m=
0 1 0 .
2 0 2
Dobierzmy teraz nowy ukad wsprzdnych tak, aby cz mieszana w tej formie,
czyli 4yz znikna. Zgodnie z Uwag 15.4.4 wersorami tego ukadu mog by jednostkowe, parami prostopade wektory wasne macierzy m. W celu wyznaczenia
131
tych wektorw wasnych wyznaczmy rwnanie charakterystyczne macierzy m. Przedstawia si ono wzorem
1 t
0
2
1t
0
det 0
= 0.
2
0
2t
Przeksztacajc to rwnanie otrzymujemy
(1 t)(t + 2)(t 3) = 0.
Tak wic wartociami wasnymi tej macierzy s 1, 3, 2. Znajdmy teraz odpowiadajce tym wartociom przestrzenie wasne. Przypomnijmy, e przestrzeni wasn dla
wartoci wasnej t nazywamy zbir Et = {X R3 : mX = t X}, utworzony ze
wszystkich wektorw wasnych tej wartoci wasnej. Dla wartoci wasnej rwnej 1
jest to zbir wektorw takich, e
1 0 2
x
x
0 1 0 y = 1 y .
2 0 2
z
z
Po przeksztaceniu powysze rwnanie przyjmuje posta
x 2z
x
= y .
2x + 2z
z
Jest ono spenione dla dowolnego wektora postaci y , gdzie y jest dowoln liczb
0
rzeczywist.
X1 = 1 .
0
Podobnie wyznaczamy jednostkowy wektor wasny dla wartoci wasnej 3. Przestrze wasna dla tej wartoci skada si z wektorw speniajcych
1 0 2
x
x
0 1 0 y = 3 y .
2 0 2
z
z
5
5
0
. Powtarzajc powysze
255
132
2 5
5
X3 =
0 .
5
5
5
0
5
0
p=
1
2 5
0 5
2 5
5
0
.
5
5
1 0 0
d = 0 3 0 .
0 0 2
W nowym ukadzie wsprzdnych Ouvw , ktrego wersorami s X1 , X2 , X3 , forma
przyjmuje posta
2
2
2
v = u + 3v 2w .
w
Znalelimy zatem diagonaln posta kwadryki . Kwadryka ta ma dwa wspczynniki dodatnie i jeden ujemny, tak wic rwnanie to odpowiada Przypadkowi (2)
spord omwionych powyej. Kwadryka ta, w nowym ukadzie, to zatem hiperboloida jednopowokowa eliptyczna.
15.5
Aby mie list wszystkich powierzchni stopnia dwa, rozwamy teraz przykady
powierzchni kwadratowych, ktre nie s kwadrykami.
Przypadek (11), ax2 + by2 + cz d = 0 dla a > 0, b > 0, c 6= 0
Przekrj tej powierzchni z paszczyzn poziom, czyli zadan rwnaniem z = m,
gdzie m jest sta liczb, przedstawia si wzorem
ax2 + by 2 = d m.
Moe to by elipsa lub zbir pusty. Przekrj z paszczyzn pionow, tzn. z paszczyzn
zadan rwnaniem x = m, dla staej wartoci m, przedstawia si wzorem
cz = by 2 + d am2 ,
tak wic jest parabol. Podobnie jest w przypadku przekroju z paszczyzn y = m.
Powierzchnia zadana tym rwnaniem to paraboloida eliptyczna.
133
134
Warto zwrci uwag na fakt, e posta tej powierzchni nie zaley od znaku wspczynnikw a i b.
Przypadek (14), ax2 + by2 + cz2 = 0 dla a > 0, b > 0, c < 0
Przekrj tej powierzchni z dowoln paszczyzn poziom, tzn. z paszczyzn o rwnaniu z = m, dla m R, jest elips lub punktem w przypadku m = 0. Powstaa w
ten sposb powierzchnia to stoek eliptyczny.
Podobn posta maj formy zadane rwnaniem ax2 + by2 + cz2 = 0, gdy jedna
z liczb a, b, c rni si od znaku dwch pozostaych. Istotne jest jedynie to, aby
wspczynniki te byy niezerowe.
15.6
"
135
"
Istniej jednak duo bardziej skomplikowane powierzchnie, ktre potrafimy sklasyfikowa przy uyciu powierzchni omwionych w Przypadkach (1)-(14). Przykad
pokazujcy jak rozpoznawa takie powierzchnie pokaemy poniej.
Przykad. Zastanwmy si, jaka powierzchnia w R3 zadana jest rwnaniem
x2 + 4xy + 2y 2 3y + 2 = 0.
W tym celu zauwamy, e lew stron tej rwnoci moemy podzieli na trzy czci:
cz cile drugiego stopnia x2 + 4xy + 2y 2 ,
cz liniow 3y,
cz sta 2.
Kad z tych czci rozwaymy z osobna. Zajmijmy si najpierwczci
kwadrax
1 2 0
136
nowy ukad wsprzdnych tak, aby cz mieszana w tej formie, tzn. 4xy, znikna.
Zgodnie z Uwag 15.4.4 wersorami tego ukadu mog by jednostkowe, parami prostopade wektory wasne macierzy m. Znajdmy zatem te wektory wasne. Rwnanie
charakterystyczne macierzy m to
1 t
2
0
2t 0
det 2
= 0.
0
0
t
Rwnanie to po przeksztaceniu moemy zapisa jako
t(t + 2)(t 3) = 0.
Tak wic wartociami wasnymi tej macierzy s 2, 0, 3. Znajdmy odpowiadajce tym wartociom przestrzenie wasne. Przypomnijmy, e przestrzeni wasn
dla wartoci wasnej t nazywamy zbir Et = {X R3 : mX = t X}, utworzony
ze wszystkich wektorw wasnych tej wartoci wasnej oraz z wektora zerowego. Dla
wartoci wasnej 0 jest to zatem zbir takich wektorw, dla ktrych
1 2 0
x
x
2 2 0 y = 0 y .
0 0 0
z
z
Po przeksztaceniu otrzymujemy zatem rwnanie postaci
x + 2y
0
2x + 2y = 0 ,
0
0
E0 = { 0 : z R}.
z
1 2 0
x
x
2 2 0 y = 3 y .
0 0 0
z
z
Po przeksztaceniu rwno t moemy zapisa jako:
x + 2y
3x
2x + 2y = 3y .
0
0
137
E3 = { 2x
: x R}.
0
5
5
2 5
5
0
Postpujc analogicznie, dla wartoci wasnej rwnej 2 otrzymamy, e odpowiadajca jej przestrze wasna to
E2
2y
= { y : y R},
0
2 5
5
5
5
5
2 5
0
2 5
5 .
p=
0
5
5
1 0
0
A macierz diagonalna odpowiadajca naszej formie w nowym ukadzie to
0 0 0
d = 0 3 0
.
0 0 2
W nowym ukadzie, z wersorami X1 , X2 , X3 , forma kwadratowa ma posta
2
2
v
= 3v 2w .
w
eby zorientowa si jak przedstawia si cz liniowa 3y w nowym ukadzie
Ouvw , wystarczy wyrazi x, y, z przez u, v, w i podstawi do tego wyraenia. Wiemy,
e X = pU, czyli
5
2 5
u
x
0
5
5
2 5
5
v .
y =
0
5
5
w
z
1 0
0
Otrzymujemy zatem
x = 55 v 25 5 w,
y = 2 5 5 v + 55 w,
z = u.
138
2 5
5
6 5
3 5
3y = 3(
v+
w) =
v
w.
5
5
5
5
Cz staa pozostanie bez zmian. Nasze rwnanie w nowym ukadzie wsprzdnych
ma posta
6 5
3 5
2
2
3v 2w
v
w + 2 = 0.
5
5
Po przeksztaceniu mamy
3 5 2 27
3 5 2
9
3(v
)
2(w
) +
+ 2 = 0,
5
5
20
40
czyli
3 5 2
3 5 2 127
3(v
) 2(w
) =
.
5
20
40
Po dalszych przeksztaceniach otrzymujemy
3 5 2
)
q 5
( 127
)2
120
(v
3 5 2
)
20
q
( 127
)2
80
(w
= 1.
Sprbujmy teraz ustali, ktr z opisanych w poprzednim podrozdziale form kwadratowych jest to rwnanie. Zauwamy, e w naszym rwnaniu jeden ze wspczynnikw
jest zerowy, jeden dodatni, a jeden ujemny, jest to zatem walec hiperboliczny.
15.7
v = pu2 + qv 2 + rw2 ,
w
gdzie p > 0, q > 0, r > 0,
139
mamy
0 = p 12 + q 02 + r 02 = p. Wiemy, e foma przyjmuje wartoci
0
0
0
"
Definicja 15.7.2 (macierz dodatnio okrelona). Macierz symetryczna jest dodatnio okrelona, jeli forma kwadratowa zadana t macierz jest dodatnio okrelona.
3 0 0
15.8
X0
140
= 0 .
0
t1 0 0
a b c
a b
(2) det
> 0,
b d
(3) det(m) > 0.
Dowd.
rwnie forma ni zadana y = ax2 +dy 2 +f z 2 +2bxy +2cxz +2eyz jest dodatz
1
1
141
a, zatem a > 0.
x
x
t1 0 0
1
=
det(p)
t1 0 0
a b c
a b
(2) det
> 0,
b d
(3) det(m) > 0.
Dowd.
W Lemacie 15.8.3 pokazalimy, e dodatnia okrelono macierzy m pociga warunki
(1),(2) i (3). Potrzebujemy wic udowodni implikacj w drug stron, tzn. e z
warunkw (1),(2),(3) wynika dodatnia okrelono macierzy m. Dziki diagonalizacji, w pewnym ukadzie Ouvw forma zadana macierz m ma posta pu2 +qv 2 +rw2 .
Z warunku (3) wiemy, e det(m) = pqr > 0. S wic dwie moliwoci:
142
a b
t 0
= det 1
= t1 t2 .
0 < det
b d
0 t2
Tym razem rwnie mamy dwie moliwoci, gdy t1 , t2 s jednoczenie dodatnie lub
ujemne. Jeli zachodzi ten drugi przypadek, to w nowym ukadzie Ox0 y0 forma ma
posta t1 (x0 )2 + t2 (y 0 )2 i jest ujemnie okrelona, tzn. (X) < 0, dlaniezerowych
Rozdzia 16
Ukady rwna liniowych z
wieloma niewiadomymi
W rozdziale tym poznamy jedn z najszybszych metod rozwizywania ukadw
rwna liniowych - metod eliminacji Gaussa. Jest ona duo bardziej efektywna ni
podana w Twierdzeniu 4.4.2 metoda zwana metod Cramera, w ktrej konieczne
jest liczenie wyznacznikw, co bywa bardzo czasochonne.
W pierwszym podrozdziale na przykadzie poznamy t metod, w kolejnym poznamy sposb kodowania ukadu rwna tak, aby duo atwiej mona byo korzysta
z algorytmu Gaussa. W dalszej czci pokaemy, w jaki sposb mona wykorzysta
t metod do rozwizania zagadnienia geometrycznego.
16.1
x + y 5z = 14
2x + 3y + 2z = 7
3x + 4y + z = 7
(I)
(II)
(III)
Przeksztamy ten ukad. Otrzymamy nowy ukad U 2 zbudowany z trzech rwna I 0 , II 0 , III 0 . Rwnanie I pozostawimy bez zmian, co symbolicznie zapiszemy
przez I 0 = I. Rwnanie II 0 powstanie przez odjcie od rwnania II rwnania I
pomnoonego przez 2. Rwnanie III 0 powstanie przez dodanie do rwnania III
rwnania I pomnoonego przez 3. W ten sposb w rwnaniach II 0 i III 0 nie bdzie
ju wystpowa zmienna x. W przyszoci operacje jakie bdziemy wykonywa na
rwnaniach, bdziemy zapisywa w ukadzie rwna, tak jak to zostao zrobione
poniej.
(I 0 =I)
x + y 5z = 14
(II 0 =II2I)
U2 :
y + 12z = 35
(III 0 =III+3I)
7y 14z = 49
Zauwamy, e jeli jaka trjka liczb x0 , y0 , z0 spenia ukad U 1, to spenia
rwnie ukad U 2. I na odwrt, jeli x0 , y0 , z0 spenia U 2, to spenia te U 1, bo
143
144
(I 00 =I 0 )
00
0
(II =II )
x + y 5z = 14
y + 12z = 35
98z = 294
294
= 3.
98
16.2
U1 :
x + 2y + z + 3t = 5
3x + 4y 2z + 5t = 11
2x + 2y + 5z + t = 28
2x 6y + 3z t = 10
145
T2 :
1
2
1
3
5
0 2 5 4 26
0
6
7
7
38
0 10
1 7
0
(II 0 =II3I)
(III 0 =III+2I)
(IV 0 =IV 2I)
(I 00 =I 0 )
T3 :
1
2
1
3
5
0 2 5 4 26
0
0 8 5 40
0
0 26 13 130
(II 00 =II 0 )
(III 00 =III 0 +3II 0 )
(IV 00 =IV 0 5II 0 )
(I 000 =I 00 )
T4 :
(I 0 =I 000 )
T5 :
1
2
1
3
5
0 2 5 4 26
0
0 8 5 40
0
0
2
1
10
1
2
1
3
5
0 2 5 4 26
0
0
2
1
10
0
0 8 5 40
(I =I )
(II =II )
T6 :
(III =III 0 )
(IV =IV 0 +4III 0 )
1
2
1
3
5
0 2 5 4 26
0
0
2
1
10
0
0
0 1
0
+ 2y + z + 3t =
2y 5z 4t =
2z + t =
t =
5
26
10
0
146
16.3
2x
+ 3y + z + 5t u = 2
2x 3y + 2z 6t + 5u = 0
4x + 6y + 8z + 9t + 6u = 1
T1 :
(II)
(III)
2
3 1
5 1 2
2 3 2 6
5 0
4
6 8
9
6 1
(I 0 =I)
T2 :
(II 0 =II+I)
(III 0 =III2I)
(I 00 =I 0 )
T3 :
(II 00 =II 0 )
(III 00 =III 0 2II 0 )
147
2 3 1
5 1
2
0 0 3 1
4
2
0 0 6 1
8 3
2 3 1
5 1
2
0 0 3 1
4
2
0 0 0
1
0 7
Zauwamy, e dalsze przeksztacenia nie maj ju sensu, gdy nie uda nam si ju
w adnym wierszu wyeliminowa niewiadomych. Moemy teraz odtworzy ukad
rwna.
U3 :
2x
+ 3y +
z + 5t u = 2
3z t + 4u = 2
= 7
t
x = 19 13 1 12 y + 1 16 u
y=y
z = 5 43 u
t
=
7
u=u
Zauwamy, e w rwnociach
y = y, u = u
y, u pojawiajce si po lewej stronie rwnoci oznaczaj zmienne, natomiast po
prawej stronie wystpuj w charakterze parametrw. Dla przejrzystoci zapisu lepiej
bdzie jeli wprowadzimy dodatkowe parametry , R3 . Nasz ukad przyjmuje
wwczas posta
x = 19 13 32 + 1 61
y=
U : z = 53 43
t = 7
u=
Ukad ten ma nieskoczenie wiele rozwiza zalenych od parametrw , , parametry te przyjmuj wszystkie wartoci rzeczywiste. Dla kadej pary , ukad liczb U
jest rozwizaniem ukadu U 1. S to wszystkie rozwizania ukadu U 1.
16.4
148
Ukad sprzeczny.
+ 2y + z = 3
5x 3y + 4z = 1
3x 7y + 2z = 1
U1 :
1
2 1
3
5 3 4
1
3 7 2 1
(II)
T1 :
(III)
1
2
1
3
0 13 1 14
0 13 1 10
(II 0 =II5I)
T2 :
(III 0 =III3I)
(I 00 =I 0 )
(II 00 =II 0 )
T3 :
(III 00 =III 0 II 0 )
1
2
1
3
0 13 1 14
0
0
0
4
2y
+ z = 3
13y z = 14
0 = 4
16.5
Ukad zaleny.
U1 :
5x
2x +
2y
3y
5y
4y
+ z = 5
+ 4z = 15
9z = 2
+ 5z = 5
T1 :
(II)
(III)
(IV )
1
2
1 5
5 3
4 15
2
5 9 2
1 4
5
5
149
T2 :
1
2
1 5
0 13 1 40
0
1 11
8
0 2
6
0
(II 0 =II5I)
(III 0 =III2I)
(IV 0 =IV +I)
(I 00 =I)
T3 :
(II 00 =III 0 )
(III 00 =II 0 )
(IV 00 =IV 0 )
1
2
1 5
0
1 11
8
0 13 1 40
0 2
6
0
(I 000 =I 00 )
T4 :
T5 :
T6 :
(II V =II IV )
(III V =III IV )
(IV V =IV IV III IV )
1
0
0
0
2
1 5
1 11
8
0 144 144
0 16 16
1
0
0
0
2
1 5
1 11
8
0 1
1
0 1
1
1
0
0
0
2
1 5
1 11
8
0 1
1
0
0
0
U6 :
+ 2y + z
y 11z
z
0
=
=
=
=
5
8
1
0
+ 2y + z = 5
y 11z = 8
z = 1
16.6
150
16.7
"
151
x + y z = 5
3y + 2z = 9
x = 2 + 3
y = 3 + 23
z=
"
Wektorem kierunkowym tej prostej jest wektor [ 13 , 32 , 1], za jako punkt pocztkowy
moemy przyj punkt (2, 3, 0).
Przykad (2).
Znajdmy rwnanie prostej L w R3 bdcej przekrojem dwch paszczyzn zadanych
rwnaniami parametrycznymi.
x = t1 + 2t2
1 : y = 2t1 + 5
z = 2t1 t2 1
x = s1 s2 + 2
2 : y = s1 s2 + 3
z = 3s1 + s2
Bardzo wane jest, aby przy rozwaaniu tego typu zada we wzorach rnych
paszczyzn pojawiay si rne parametry. Istotne jest bowiem to, e parametry te
musz by niezalene.
Zajmijmy si rozwizaniem naszego problemu. Szukane punkty, czyli punkty
prostej L, bd jednoczenie nalee do obu ukadw, bd si zatem wyraa na
dwa sposoby. Wartoci parametrw bd zatem spenia zwizki
t1 + 2t2 = s1 s2 + 2
2t1 + 5 = s1 s2 + 3
2t1 t2 1 = 3s1 + s2
t1 + 2t2 + s1 + s2 = 2
2t1 s1 + s2 = 2
2t1 t2 3s1 s2 = 1
Naszym celem jest znalezienie odpowiednich wartoci parametrw. Zauwamy jednak, e wystarczy znale dowoln par: t1 , t2 lub s1 , s2 . Tablica odpowiadajca temu
ukadowi to
(I)
1
2
1
1
2
(II)
T1 :
2
0 1
1 2
(III)
2 1 3 1
1
152
Przeksztamy j.
(I 0 =I)
T2 :
(II 0 =II+2I)
(III 0 =III2I)
1
2
1
1
2
0
4
1
3
2
0 5 5 3 3
(I 00 =I 0 )
T3 :
(II 00 =II 0 )
(III 00 =III 0 + 54 II 0 )
1 2
1 1
2
0 4
1 3
2
3
3
0 0 3 4 4 12
t1
+ 2t2 + s1 + s2 = 2
4t2 + s1 + 3s2 = 2
3 34 s1 + 34 s2 = 12
x = s1 s2 + 2
y = s1 s2 + 3
z = 3s1 + s2
Wstawmy odpowiednie wartoci parametrw. Otrzymujemy wwczas
2
15 s2 s2 + 2 = 1 51 s2 + 1 13
x = 15
15
2
2
y = 15 + 15 s2 s2 + 3 = 3 15
45 s2
z = 25 + 35 s2 + s2 = 25 + 1 35 s2
1
13
x = 1 5 s2 + 1 15
2
4
y = 3 15 5 s2
z = 25 + 1 53 s2
moemy przyj za parametryczne rwnanie prostej L.
Rozdzia 17
Przestrzenie Rn
Pierwsz cz tego rozdziau powicimy na zdefiniowanie podstawowych poj, ktrymi posugiwa bdziemy si w dalszej czci skryptu, przy badaniu przestrzeni Rn . Bd one uoglnieniem poj podanych w przypadku R2 i R3 . W drugiej
czci rozdziau zajmiemy si iloczynem skalarnym. Podamy jego definicj oraz podstawowe wasnoci, nastpnie pokaemy, jak jest on uyteczny. Nauczymy si np.
przy uyciu iloczynu skalarnego, znajdowa dugo wektora z Rn , czy kt midzy
wektorami z Rn , dla dowolnego n.
17.1
Podstawowe definicje.
Definicja 17.1.1 (przestrze Rn ). Dla dowolnego n N , przestrzeni Rn nazywamy zbir wszystkich obiektw postaci [x1 , x2 , . . . xn ], gdzie xi s liczbami rzeczywistymi.
"
x1
x2
zapisa w postaci ..
. Takie przedstawienie nazywamy kolumnowym zapisem
.
xn
wektora. Najczciej wanie w taki sposb bdziemy przedstawia wektory.
Definicja 17.1.4
(wsprzdne
wektora). Liczb xi nazywamy i t wsprzdn
x1
x2
n
wektora X = ..
R .
.
xn
153
Przestrzenie Rn
Rozdzia 17.
"
154
Definicja 17.1.5
w Rn). Wersoramiw przestrzeni
Rn nazywamy wektory
(wersory
1
0
0
0
1
0
.
postaci E1 =
0 , E2 = 0 , . . . , En = .. .
.
.
..
..
0
0
0
1
Przykad. Wersorami w przestrzeni R4 s
E1 =
17.2
1
0
0
0
, E2 =
0
1
0
0
, E3 =
0
0
1
0
, E4 =
0
0
0
1
Dziaania na wektorach.
Dla wektorw X =
x1
x2
..
.
, Y =
xn
X +Y =
x1
x2
..
.
xn
"
y1
y2
..
.
yn
B =
x1 + y 1
x2 + y 2
..
.
, t X = t
xn + y n
yn
y1
y2
..
.
7
2
2
4
x1
x2
..
.
xn
B=
3
0
5
2
tx1
tx2
..
.
txn
nazywamy wektor A +
tA = (5)
7
2
2
4
35
10
10
20
Przestrzenie Rn
Rozdzia 17.
155
(1) X + U = U + X
(2) (X + U ) + V = X + (U + V )
(3) t(X + U ) = tX + tU
(4) (t + s)X = tX + sX
(5) t(sX) = (ts)X
(6) 1 X = X
Wektor O =
0
0
..
.
0
Fakt 17.2.1. Dla kadego wektora X Rn mamy
X + O = X.
Wektor przeciwny
Dla kadego wektora X Rn moemy dobra taki wektor X, e
X + (X) = O .
Wektor
Xo takiej wasnoci nazywamy wektorem przeciwnym
do wektora
X. Jeli
x1
x1
x2
x2
X=
,
to
wektor
przeciwny
do
X
ma
posta
X
=
..
.. .
.
.
xn
xn
"
3
7
0
5
2
jest wektor A =
3
7
0
5
2
Rozdzia 17.
Przestrzenie Rn
156
x1
x2
..
.
X=
= x1 E1 + x2 E2 + . . . xn En .
xn
"
2
3
sorw.Wektor
z przestrzeni
R5 .Wersorami
wtej
przestrzeni s
X jest wektorem
0
1
0
0
0
0
1
0
0
0
E1 =
0 , E2 = 0 , E3 = 1 , E4 = 0 , E5 = 0 . Wektor X
0
0
0
1
0
1
0
0
0
0
moemy zapisa jako
X=
=3
1
0
0
0
0
3
0
0
0
0
+ (7)
0
7
0
0
0
0
1
0
0
0
+6
0
0
6
0
0
0
0
1
0
0
0
0
0
2
0
+2
0
0
0
1
0
0
0
0
0
3
+ (3)
0
0
0
0
1
17.3
Podobnie jak w przypadku wektorw z przestrzeni R2 i R3 , rwnie w przestrzeni Rn moemy mwi o liniowej niezalenoci wektorw. Przypomnijmy, e dla
wektorw z R2 i R3 , w przypadku dwch wektorw, liniowa niezaleno oznaczaa
ich niewspliniowo. Podobnie jest w przypadku wektorw z Rn .
Wspliniowo wektorw
Wektory X i Y z Rn s wspliniowe, jeli X = tY dla pewnego t R. W przeciwnym
wypadku wektory s niewspliniowe.
Rozdzia 17.
"
Przykad (1).
Wektory X =
"
1
5
7
2
4
Przestrzenie Rn
, Y =
157
1, 5
7, 5
10, 5
3
6
R5 s wspliniowe, bo Y = 1, 5 X, a
std X = 23 Y .
Przykad (2).
7
5
0
3
1
4
3
2
taka liczba t, aby pierwsza wsprzdna wektora Y bya iloczynem tej liczby i pierwszej wsprzdnej wektora X, co oznacza, e 7 = t (5), tak wic t = 57 . Drugie
wsprzdne powinny spenia t sam zaleno, zatem w tym wypadku 0 = t 3,
wic t = 0. Zatem t = 0 i t = 57 , tak wic nie istnieje odpowiednia warto t, co
daje wniosek, e wektory X i Y s niewspliniowe.
"
Uwaga 17.3.2. Jeli n > 3, to w Rn mog istnie liniowo niezalene ukady zoone
z wicej ni trzech wektorw.
Przykad. Wersory E1 , E2 , . . . , En tworz ukad liniowo niezaleny zoony z n
wektorw. Aby to uzasadni, pokaemy najpierw, e E1 nie jest kombinacj liniow
pozostaych wersorw. Zamy nie wprost, e E1 = t2 E2 + t3 E3 + . . . + tn En , zatem
1
0
0
..
.
= t2
0
Mamy zatem
0
1
0
..
.
1
0
0
..
.
0
.
+ . . . + tn
0
0
..
.
0
t2
t3
..
.
tn
Rozdzia 17.
Przestrzenie Rn
158
"
1
3
2
0
0
5
1
7
1
1
1
1
2
0
1
0
jest liniowo niezaleny. Rozwamy kombinacj liniow tych wektorw i przyrwnajmy j do zera.
t1
1
3
2
0
+ t2
0
5
1
7
+ t3
1
1
1
1
+ t4
2
0
1
0
= 0.
0
0
0
0
t1
t2
+
+
t3 + 2t4
3t3 + 3t4
14t3 + 15t4
2 74 t4
=
=
=
=
0
0
0
0
Rozdzia 17.
Przestrzenie Rn
Ostatecznie otrzymujemy
"
159
t1 = 0
t =0
2
t3 = 0
t4 = 0
Nasz ukad wektorw jest zatem rzeczywicie liniowo niezaleny.
Przykad (2). Wemy teraz inny ukad wektorw
1
3
0
4
1
2
2
2
0
7
3
2
7
3
7
0
Przekonamy si, e jest on liniowo zaleny. Rozwamy kombinacj liniow tych wektorw i przyrwnajmy j do zera.
t1
1
3
0
4
+ t2
1
2
2
2
+ t3
0
7
3
2
+ t4
7
3
7
0
= 0.
t1 = 2s
t = 5s
2
t
3 = s
t4 = s
Zatem istnieje nieskoczenie wiele nietrywialnych kombinacji danych wektorw dajcych zero. Przykadem takiej kombinacji jest t1 = 2, t2 = 5, t3 = 1, t4 = 1,
mamy wwczas
1
3
0
4
+5
1
2
2
2
0
7
3
2
7
3
7
0
= 0.
Rozdzia 17.
17.4
Przestrzenie Rn
160
y1
y2
..
.
x1
x2
..
.
, Y =
xn
yn
"
X Y = x1 y1 + x2 y2 + . . . xn yn .
Przykad. Iloczynem skalarnym wektorw A = [3, 5, 7, 4], B = [2, 1, 0, 3] jest
A B = 3 2 + (5) 1 + (7) 0 + 4 (3) = 11.
Dugo wektora z Rn
x1
x2
..
.
xn
(17.1)
|X| =
qP
n
i=1
x2i .
Rozdzia 17.
"
Przestrzenie Rn
161
|A| =
12 + (5)2 + 32 + 02 + (2)2 =
1 + 25 + 9 + 4 =
39.
(17.2)
|X|2 = X X.
Prostopado wektorw w Rn
Fakt 17.4.3. Mwimy, e dwa wektory X, Y z przestrzeni Rn s prostopade, jeli
X Y = 0.
"
Twierdzenie Pitagorasa w Rn
W dowolnej przestrzeni Rn moemy poda twierdzenie, bdce odpowiednikiem
twierdzenia Pitagorasa na paszczynie. Na pocztek zauwamy, e rol trjkta
prostoktnego mog w przestrzeni spenia dwa prostopade wektory A i B. Przeciwprostoktn bdzie w tym wypadku wektor B A, co atwo mona zauway ze
schematycznego rysunku przedstawionego poniej.
Rozdzia 17.
Przestrzenie Rn
162
17.5
Rozdzia 17.
Przestrzenie Rn
163
X A
X A
=
.
AA
|A|2
X A
A,
|A|2
X A
A.
|A|2
17.6
Kt midzy wektorami.
Dla wektorw w przestrzeni Rn , podobnie jak w przypadku R2 i R3 , zdefiniujemy kt midzy wektorami, poprzez podanie jego cosinusa.
Definicja 17.6.1 (cosinus kta midzy wektorami). Cosinusem kta pomidzy
niezerowymi wektorami U, W Rn nazywamy liczb
(17.3)
"
cos(](U, W )) =
U W
|U ||W |
Pn
= Pn
ui wi
Pn
i=1
u2
i=1 i
i=i
wi2
cos(](A, B)) = q
12 + 52 + 72 + (3)2
32 + 02 + (2)2 + (1)2
8
= 0, 2333.
84 14
Z tablic moemy teraz odczyta przyblion warto kta midzy tymi wektorami
](A, B) 1030 .
Uwaga 17.6.2. Moemy zastanawia si, czy cosinus kta midzy wektorami, otrzymany ze wzoru (17.3), spenia warunek
1 cos(](U, W )) 1,
co moemy zapisa jako
1
U W
1.
|U | |W |
Chcielibymy aby tak byo, gdy funkcja cosinus przyjmuje wartoci z przedziau
[1, 1]. Przeksztacajc powysz nierwno, otrzymamy nierwnoci rwnowane.
Rozdzia 17.
(1) 1
U W
|U ||W |
Przestrzenie Rn
164
(2) |U | |W | U W |U | |W |
(3) |U W | |U | |W |
(4) |U W |2 |U |2 |W |2
Trzecia z tych nierwnoci nazywana jest nierwnoci Schwartza.
Skoro podane nierwnoci s rwnowane, wystarczy, e udowodnimy jedn z
nich. Udowodnijmy zatem czwart nierwno.
Dowd (4). Rozmy wektor W na skadow rwnoleg WU = tU oraz prostopad
W do wektora U . Wiemy, e wwczas W = WU + W . Przeksztamy obie strony
nierwnoci wstawiajc za W powyszy rozkad. Niech L oznacza lew stron nierwnoci, a R praw stron.
L = |U W |2 = |U (WU + W )|2 = |U (tU + W )|2 = |tU U + U W |2
Wiemy, e iloczyn skalarny wektorw prostopadych jest zerowy. Lewa strona nierwnoci przyjmuje zatem posta
L = |t |U |2 |2 = |t|2 |U |4 .
Natomiast prawa strona to
P = |U |2 |W |2 = |U |2 |tU + W |2 .
Korzystajc z udowodnionego wczeniej twierdzenia Pitagorasa, moemy praw stron
zapisa jako
P = |U |2 (|tU |2 + |W |2 ) = |t|2 |U |4 + |U |2 |W |2 = L + |U |2 |W |2 .
Drugi skadnik tej sumy jest nieujemny, dlatego
L L + |U |2 |W |2 = P.
Rozdzia 17.
17.7
Przestrzenie Rn
165
Nierwno trjkta.
|B A| |A| + |B| .
Rozdzia 17.
Przestrzenie Rn
166
std
2A B 2|A||B|
A B |A||B|,
a ta nierwno wynika z nierwnoci Schwartza. Wiemy bowiem, e
|A B| |A||B|
czyli
|A||B| A B |A||B| / (1)
|A||B| A B |A||B|.
Zatem speniona jest nierwno trjkta.
Uwaga 17.7.1. Rwno w nierwnoci trjkta zachodzi tylko wtedy, gdy wektory
A i B s wspliniowe i maj przeciwne zwroty.
Rozdzia 18
Macierze
Dotychczas z pojciem macierzy mielimy do czynienia gwnie przy okazji omawiania przeksztace przestrzeni. W tym rozdziale zajmiemy si abstrakcyjnym pojciem macierzy. Na pocztek zdefiniujemy oglnie macierze, poznamy podstawow
terminologi z nimi zwizan. Bliej zajmiemy si pewnym rodzajem macierzy macierzami kwadratowymi. Dla takich macierzy okrelimy wyznacznik i poznamy
jego wasnoci. W drugiej czci tego rozdziau poznamy niektre z bardzo wielu
zastosowa wyznacznika.
18.1
"
Definicja 18.1.1 (macierz m n). Macierz rozmiaru m n nazywamy prostoktn tablic, zoon z liczb lub innych wyrae algebraicznych, zwanych elementami macierzy, skadajc si z m wierszy i n kolumn.
Przykad. Macierz rozmiaru 2 3 jest np.
"
3 0 x
1 y2 2
Oznaczenia.
Macierze bdziemy zazwyczaj oznacza duymi literami alfabetu np. A, B, C.
Wyrazy macierzy oznaczamy aij , bij , cij , gdzie pierwszy z indeksw oznacza
numer wiersza a drugi numer kolumny. W takiej konwencji wyrazy macierzy
A rozmiaru m n moemy oznaczy
a11
a21
A=
..
.
a12
a22
..
.
am1 am2
. . . a1n
. . . a2n
..
..
.
.
.
. . . amn
167
168
Macierz moemy
te
zapisywa przy uyciu jej kolumn np. A = [A1 , A2 , . . . , An ],
a1i
a2i
m
gdzie Ai = ..
R to i-ta kolumna macierzy A. Przedstawienie takie
.
ami
nazywamy kolumnowym zapisem macierzy A.
W1
W2
..
.
Wm
Zastosowania macierzy
Mielimy ju wczeniej okazj pozna zastosowania macierzy rozmiaru 2 2 i
3 3. Okazuje si, e uoglniaj si one na macierze wikszych rozmiarw. Przypomnijmy niektre z tych zastosowa. Macierze wystpoway jako
tablice wspczynnikw ukadw rwna,
macierze przeksztace liniowych,
macierze form kwadratowych,
macierze przejcia do nowych ukadw wsprzdnych.
W kolejnych podrozdziaach i rozdziaach zapoznamy si z wszystkimi tymi
zastosowaniami dla przypadku macierzy dowolnych rozmiarw.
18.2
"
Macierze kwadratowe.
Szczeglnie wan klas macierzy s macierze kwadratowe, czyli macierze rozmiaru n n, a wic takie, ktre maj tyle samo wierszy co kolumn.
Przykad. Macierz kwadratow rozmiaru 4 4 jest np.
1 5 2 7
3
4
2 0
.
7 4 65 1
0 2 1 1
Dla macierzy kwadratowej wprowadzimy dodatkowo bardzo uyteczne pojcie.
Definicja 18.2.1 (przektna gwna). Przektna gwna macierzy skada si z
elementw aii dla i = 1, 2, . . . , n, czyli takich, ktre maj ten sam numer kolumny
co wiersza.
169
Uwaga 18.2.2. Wyrazy znajdujce si pod przektn gwn to wyrazy aij , takie e
i > j natomiast wyrazy nad gwn przektn to te aij , dla ktrych i < j.
"
Macierz transponowana
W Rozdziale 12 poznalimy pojcie macierzy transponowanej do macierzy rozmiaru 3 3. Macierz transponowan do danej moemy rwnie okreli dla macierzy
wikszego rozmiaru.
Definicja 18.2.3 (macierz transponowana). Macierz transponowana AT macierzy
kwadratowej A = [aij ] jest to taka macierz B = [bij ] tego samego rozmiaru n n
dla ktrej bij = aji .
"
T definicj transponowania macierzy uoglnia si, na macierz dowolnego rozmiaru, niekoniecznie kwadratow.
Przykad. Macierz transponowan macierzy
"
A=
jest macierz
5 7 8 4
2 0 1 3
AT =
5 2
7 0
.
8
1
4
3
18.3
170
Ukad rwna
a11 x + a12 y = b1
,
a21 x + a22 y = b2
det[B, A2 ]
det[A1 , B]
, y=
det[A1 , A2 ]
det[A1 , A2 ]
a
a
Macierz odwrotna do macierzy A = 11 12 wyraa si wzorem
a21 a22
"
a
a
= 11 12
a21 a22
#1
"
1
a22 a12
=
.
det A a21 a11
Wyznacznik macierzy wykorzystywany by jeszcze w wielu innych sytuacjach. Podobne zastosowania mia wyznacznik macierzy 3 3. Zdefiniujemy teraz wyznacznik
det A macierzy kwadratowej A dowolnego rozmiaru n n jako pewn liczb, lub
wyraenie, zalene od wyrazw macierzy A tak aby znalaz on zastosowanie do
celw analogicznych jak te wymienione powyej dla macierzy rozmiaru 2 2.
Indukcyjna definicja wyznacznika
Okazuje si, e definicja wyznacznika, speniajcego wymienione powyej wasnoci, dla macierzy wikszych rozmiarw jest duo bardziej skomplikowana ni w
przypadku macierzy 2 2 i 3 3. Wyznacznik ten zdefiniujemy w sposb indukcyjny. Wczeniej wprowadmy jednak pomocne oznaczenia.
Oznaczenie. Dla macierzy A = [aij ] rozmiaru n n niech Aij oznacza macierz
rozmiaru (n 1) (n 1) powsta z macierzy A przez wykrelenie i-tego wiersza
i j-tej kolumny.
"
"
#
5 7 2
5 7
171
"
n
X
i=1
"
"
a
a
a
a
a
a
= a11 det 22 23 a12 det 21 23 + a13 det 21 22 =
a32 a33
a31 a33
a31 a32
= a11 [a22 a33 a23 a32 ] a12 [a21 a33 a31 a23 ] + a13 [a21 a32 a31 a22 ] =
= a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a31 a23 + a13 a21 a32 a13 a31 a32
a to zgadza si z wyznaczonym przy uyciu metody Sarrusa wyznacznikiem tej
macierzy.
W kolejnym przykadzie zastosujemy Definicj 18.3.1 do obliczenia wyznacznika
macierzy rozmiaru 4 4.
"
1 5
0
3
4 2 1 3
Przykad. Niech A =
. Zgodnie z definicj wyznacznika mamy
0 7 3 1
2 2 1
3
det A = a11 det A11 a12 det A12 + a13 det A13 a14 det A14 =
2 1 3
4 1 3
4 2 3
4 2 1
172
n
X
a1i D1i .
i=1
Twierdzenie 18.3.5 (rozwinicie Laplacea). Wyznacznik moemy policzy indukcyjnie stosujc rozwinicie wzgldem dowolnego wiersza lub dowolnej kolumny.
rozwinicie wzgldem p-tego wiersza
det A =
n
X
api Dpi ,
i=1
n
X
aiq Diq .
i=1
"
7 1 5 1
4 2 0 3
. Skorzystanie
2 1 0 5
3
2 0 1
z Definicji 18.3.1, czyli z rozwinicia wzgldem pierwszego wiersza wymagaoby
policzenia czterech wyznacznikw macierzy rozmiaru 3 3. Zauwamy, e jeli zastosujemy rozwinicie wzgldem trzeciej kolumny, to wyznacznik macierzy A przedstawia si wzorem
det A = (1)1+3 5det A13 +(1)2+3 0det A23 +(1)3+3 0det A33 +(1)3+4 0det A43 =
4 2 3
173
18.4
Dowd. Przeprowadzimy teraz indukcyjny dowd tego faktu. Dla macierzy rozmiaru
1 1, 2 2, 3 3 atwo sprawdzi, e ten fakt zachodzi. Pozostawimy to do wykonania czytelnikowi.
Przejdmy do sprawdzenia gwnego kroku indukcyjnego. Zamy, e Fakt
jest prawdziwy dla macierzy grnotrjktnych rozmiaru
(n 1) (n 1).
Wemy
0 a22 . . . a2n
.
0 ...
jajc t macierz wzgldem pierwszej kolumny otrzymujemy
det A =
n
X
ann
i=1
n
Y
aii .
i=1
174
18.5
Wasnoci wyznacznika.
a1i
.
poniszych opisach Ai =
.. oznacza bd kolumny danej macierzy A. Dla
ami
poprawy czytelnoci w wielu miejscach pod wektorem oznaczajcym kolumn zapisany zostanie rwnie numer tej kolumny. Uzasadnienie tych wasnoci podamy w
dalszej czci podrozdziau.
Wasno 18.5.1. Wyznacznik macierzy A, w ktrej pewna kolumna Ai skada si
z samych zer wynosi 0, co symbolicznie moemy zapisa
det[A1 , . . . , O , . . . , Am ] = 0.
1
...
...
...
...
...
...
...
...
...
...
...
Wasno 18.5.4. Wyznacznik macierzy, w ktrej jedna z kolumn zostaa przemnoona przez sta jest iloczynem tej staej i wyznacznika wyjciowej macierzy.
det[A1 , . . . , t Ai , . . . , Am ] = t det[A1 , . . . , Ai , . . . Am ].
1
...
...
...
...
Wasno 18.5.5. Wyznacznik macierzy, w ktrej i-ta kolumna jest sum wektorw
Ai i A0i jest rwny sumie wyznacznikw dwch macierzy, tak jak to opisuje poniszy
wzr
det[A1 , . . . , Ai1 , Ai + A0i , Ai+1 , . . . , Am ] =
1
...
i1
i+1
...
...
i1
i+1
...
...
i1
i+1
Wasno 18.5.6. Wyznacznik macierzy nie zmieni si, jeli do jednej z kolumn
dodamy pewn wielokrotno innej kolumny.
det[A1 , . . . , Ai + t Aj , . . . , Am ] = det[A1 , . . . , Ai , . . . Am ].
1
...
...
...
...
...
175
det A = det[A1 , . . . , O , . . . , Am ]
1
...
...
...
...
...
...
176
18.6
a11 . . . a1n
.
"
1 7
3 2
5 2 4
3
A=
.
6 1 3 2
3 1
4
1
Zauwamy, e zgodnie z Wasnoci 18.5.6 moemy do wierszy dodawa wielokrotnoci innych wierszy, a wyznacznik nie zmieni si. Niech w1 , w2 , w3 , w4 oznaczaj
kolejne wiersze macierzy A. W trakcie przeksztacania macierzy bdziemy obok symbolicznie notowa operacje jakie na niej wykonujemy.
1 7
3 2 1 7
3 2
5 2 4
3 0 37 11 13 w2 5w1
det A =
=
6 1 3 2
0 43 18 8 w3 6w1
3 1
4
1 0 20 5 7 w4 3w1
177
Sposb II
"
3 2 1 7
3 2
4
3 0 37 11 13 w2 5w1
=
=
3 2 0 43 18 8 w3 6w1
4
1 0 20 5 7 w4 3w1
3
2
11
13
304
w3
37 189
37
35
1
37 w4
37
1
7
0 37
=
43
w
0
37 2
0
20
w
0 0
37
3
2
11
13
304
37 189
37
187
0
304 w4 +
35
w
304 3
"
Uwaga 18.6.2. Jeli modyfikujc macierz zamieniamy ze sob miejscami dwie kolumny
lub dwa wiersze, to wyznacznik zmienia si na przeciwny. Jeli natomiast mnoymy
wiersz lub kolumn przez liczb, to wyznacznik musimy podzieli przez t liczb.
Przykad. Wykorzystanie pierwszej czci tej uwagi pomaga przy obliczeniu nastpujcego wyznacznika, w ktrym zamienimy miejscami drug i czwart kolumn
2
0
0
0
2 1
5 3
1
3 5
2 3 1
0 1 3 2
=
= [2 (1) 7 3] = (42) = 42.
0 0
4 7
0
7 4
0 0
3 0
0
0 3
178
18.7
"
3x + 4x x 2x = 1
1
2
3
4
.
x
+
3x
x
=
6
1
2
3
4
179
18.8
Wx1
Wx2
Wx3
Wx4
= 2, x2 =
= 1, x3 =
= 1, x4 =
= 0.
W
W
W
W
Zwizek wyznacznika z liniow niezalenoci wektorw jest konsekwencj faktw, ktre sformuujemy i udowodnimy poniej.
Fakt 18.8.1. Jeli kolumny A1 , A2 , . . . An macierzy A rozmiaru n n s liniowo
zalene, to det A = 0.
Dowd. Przypomnijmy, e wektory s liniowo zalene, jeli jeden z nich jest liniow
kombinacj pozostaych. Skoro wektory A1 , A2 , . . . An maj by liniowo zalene, to
jeden z nich, przyjmijmy An , jest liniow kombinacj pozostaych. Jeli inna kolumna
jest kombinacj pozostaych, rozumowanie bdzie podobne. Tak wic mamy An =
t1 A1 + t2 A2 + . . . + tn1 An1 . Wwczas wyznacznik tej macierzy przyjmuje posta
det A = det[A1 , A2 , . . . An ] = det[A1 , A2 , . . . , An1 , t1 A1 + t2 A2 + . . . + tn1 An1 ]
Z Wasnoci 18.5.6 wiemy, e odjcie od kolumny wielokrotnoci innej kolumny nie
zmienia wyznacznika tak wic odejmujemy od n-tej kolumny iloczyn t1 A1 , nastpnie
t2 A2 i tak kolejno a do tn1 An1 , otrzymujemy wwczas
det A = det[A1 , A2 , . . . , An1 , t2 A2 + . . . + tn1 An1 ] =
= det[A1 , A2 , . . . , An1 , t3 A3 + . . . + tn1 An1 ] = . . . = det[A1 , A2 , . . . , An1 , O] = 0.
180
18.9
Dziaania na macierzach.
"
2
Przykad. Iloczynem liczby t = 2 i macierzy A =
5
"
#
"
2 4 1 3
4 8 2
B postaci B = (2)
=
5 0 7 1
10 0 14
4
0
6
2
1 3
7 1
jest macierz
Suma macierzy
Jeeli macierze [aij ] i [bij ] maj ten sam rozmiar, to ich sum [aij ] + [bij ] nazywamy
macierz [cij ] tego samego rozmiaru, dla ktrej cij = aij + bij , dla wszystkich i, j.
Piszemy te [aij ] + [bij ] = [aij + bij ].
"
2
4
3
C = A + B = 3 0 + 1
1 2
0
2
3
1
2
6
1
4
3 2
0 , B = 1 6
jest macierz
2
0
1
1 2
= 2 6 .
1 1
Iloczyn macierzy
Iloczynem macierzy A = [aij ] rozmiaru m n i macierzy B = [bij ] rozmiaru
n k nazywamy macierz C = [cij ] rozmiaru m k, dla ktrej
cij = ai1 b1j + ai2 b2j + . . . + ain bnj .
Uwaga 18.9.1. Mnoenie macierzy A i B jest wykonalne tylko wtedy gdy macierz
A ma tyle samo kolumn co macierz B wierszy. Zauwamy, e wyraz cij macierzy C
jest iloczynem skalarnym i-tego wiersza macierzy A i j-tej kolumny macierzy B.
181
"
"
2 1 3 4
7 1 2 0
jest macierz
"
C=
"
2 1 3 4
7 1 2 0
i macierzy B =
3 7
4
2
8 1
1 3
3 7
4
2
=
8 1
1 3
"
38 27
33 53
18.10
Macierz odwrotna.
I = Inn =
..
.
... 0
..
1
.
.
..
. 0
... 0 1
182
Definicja 18.10.2 (macierz odwrotna). Macierz odwrotn do macierzy A rozmiaru n n nazywamy tak macierz B rozmiaru n n, e A B = B A = Inn .
Macierz B oznaczamy symbolem A1 .
Szukanie macierzy odwrotnej, przy uyciu definicji wizaoby si z rozwizaniem
n ukadw zoonych z n rwna z n niewiadomymi (cznie n2 niewiadomych).
Ponisze twierdzenie podaje atwiejszy sposb na wyznaczenie macierzy odwrotnej.
Twierdzenie 18.10.3. Dla macierzy A rozmiaru n n mamy
(a) Jeli det A = 0, to A nie ma macierzy odwrotnej.
(b) Jeli det A 6= 0, to macierz odwrotna do macierzy A istnieje, jest jedyna i
wyraa si wzorem A1 = [bij ], gdzie bij = det1 A Dji , czyli
A1
D11 D21
D12 D22
= det1 A
..
..
.
.
D1n D2n
. . . Dn1
. . . Dn2
..
..
.
.
.
. . . Dnn
n
X
k=1
aik bkj =
n
X
aik
k=1
n
1
1 X
Djk =
aik (1)j+k det Ajk
det A
det A k=1
Zauwamy, e w powyszym wyraeniu wystpuje rozwinicie Laplacea wyznacznika macierzy A wzgldem i-tego wiersza. Otrzymujemy zatem
cii =
1
det A = 1.
det A
183
2. Gdy i 6= j wwczas
n
1 X
cij =
aik (1)j+k det Ajk .
det A k=1
Wyraenie
to zawiera rozwinicie wzgldem j-tego wiersza wyznacznika macierzy
w1
.
..
wi
ity wiersz
..
. Jak wiemy wyznacznik macierzy, ktra ma dwa takie same
.
w
i jty wiersz
.
.
.
wn
wiersze jest zerowy, wic
cij =
1
0 = 0.
det A
Zatem
A B = [cij ] = Inn .
Dowd tego, e B A = Inn wyglda analogicznie. Tutaj go pominiemy. Zatem
B jest macierz odwrotn do A, czyli B = A1 .
"
"
1
1
D11 D21
a22 a12
=
=
.
det A D12 D22
det A a21 a11
Rozdzia 19
Abstrakcyjne przestrzenie
wektorowe
Do tej pory zajmowalimy si przestrzeniami Rn , a w szczeglnoci przestrzeniami R2 i R3 . Przestrzenie Rn s tylko przykadami duo szerszej klasy - przestrzeni
wektorowych. W rozdziale tym zdefiniujemy pojcie przestrzeni wektorowych, poznamy przykady. Dowiemy si, czym s podprzestrzenie wektorowe. Zajmiemy si
rwnie abstrakcyjnym pojciem liniowej niezalenoci.
19.1
e, f.
Definicja 19.1.1 (przestrze wektorowa). Zbir V pewnego rodzaju obiektw v
nazywamy przestrzeni wektorow, jeli obiekty te moemy dodawa i mnoy przez
liczby. Musz by przy tym spenione nastpujce wasnoci:
(a) przemienno dodawania, czyli e dla dowolnych wektorw v1 , v2 V mamy
v1 + v2 = v2 + v1 ,
(b) czno dodawania, czyli e dla dowolnych wektorw v1 , v2 , v3 V mamy
(v1 + v2 ) + v3 = v1 + (v2 + v3 ),
(c) rozdzielno mnoenia wzgldem dodawania, czyli e dla dowolnych wektorw
v1 , v2 V oraz dowolnej liczby rzeczywistej t mamy
t(v1 + v2 ) = tv1 + tv2 ,
(d) rozdzielno mnoenia wzgldem dodawania, czyli e dla dowolnego wektora
v V i dowolnych liczb rzeczywistych t, s mamy
(t + s)v = tv + sv,
184
185
(f) istnieje tzw. wektor zerowy O V taki, e dla kadego wektora v V zachodzi
O + v = v,
(g) dla dowolnego wektora v V mamy
1v =v
oraz 0 v = O .
v + (v) = O .
Okrelmy wektor v jako
v = (1) v.
Mamy wwczas
v + (v) = v + (1) v,
moemy teraz skorzysta z podanych wasnoci przestrzeni V , a w szczeglnoci z
wasnoci (g) i wasnoci (d). Otrzymujemy
"
186
O = (0, 0, 0, . . .).
(3) Przestrze macierzy rozmiaru n m o wyrazach rzeczywistych, symbolicznie
oznaczmy j Mnm . Dodawanie i mnoenie przez liczb w tej przestrzeni
odbywa
si wyraz
po wyrazie, natomiast wektorem zerowym jest macierz ze0 ... 0
. .
rowa .. . . ...
.
0 ... 0
(4) Przestrze Rn [X] zoona z wielomianw stopnia mniejszego bd rwnego
n, o wspczynnikach rzeczywistych. Dodawanie wektorw z tej przestrzeni
odbywa si poprzez dodanie odpowiednich wspczynnikw. Sum wektorw
an xn + an1 xn1 . . . + a1 x + a0 oraz bn xn + bn1 xn1 . . . + b1 x + b0 jest wektor
(an xn + an1 xn1 . . . + a1 x + a0 ) + (bn xn + bn1 xn1 . . . + b1 x + b0 ) =
= (an + bn )xn + (an1 + bn1 )xn1 + . . . + (a1 + b1 )x + (a0 + b0 ).
Wektorem zerowym w tej przestrzeni jest wielomian zerowy tzn. funkcja tosamociowo rwna zero.
(5) Przestrze C[0, 1] zoona z funkcji cigych okrelonych na odcinku [0, 1] o
wartociach rzeczywistych. Dla dowolnych elementw f, g z tej przestrzeni ich
sum nazywamy funkcj dan wzorem
(f + g)(x) = f (x) + g(x),
natomiast iloczynem funkcji f i liczby t jest funkcja
(tf )(x) = t f (x).
Wektorem zerowym w tej przestrzeni jest funkcja staa rwna 0.
19.2
187
Podprzestrzenie wektorowe.
O W.
Wasno 19.2.4. Jeli w1 , w2 , . . . , wk s wektorami z podprzestrzeni W , to dowolna
kombinacja liniowa t1 w1 + t2 w2 + . . . + tk wk rwnie naley do tej podprzestrzeni.
Dowd. Jeli w1 naley do podprzestrzeni W , to rwnie t1 w1 naley do tej podprzestrzeni, podobnie t2 w2 , t3 w3 , . . . , tn wn nale do podprzestrzeni W . Z Definicji
19.2.1 wiemy, e wwczas rwnie suma tych wektorw naley do tej podprzestrzeni,
tak wic
t1 w1 + t2 w2 + . . . + tn wn W.
"
Przykad.
(1) Niech W = {[x, y, 0, 0] R4 : x R, y R}. Sprawdmy, e W jest podprzestrzeni przestrzeni R4 . Rzeczywicie W jest podzbiorem R4 . Ponadto,
dla dowolnych wektorw z W mamy rwnie
[x1 , y1 , 0, 0] + [x2 , y2 , 0, 0] = [x1 + x2 , y1 + y2 , 0, 0] W,
t [x, y, 0, 0] = [tx, ty, 0, 0].
188
Wemy dowolne cigi (an ), (bn ) nalece do W , czyli takie ktrych granica jest
rwna 0. Wwczas granica sumy tych cigw to
lim (an + bn ) = lim an + lim bn = 0,
19.3
189
"
19.4
190
Definicja 19.4.1 (liniowa niezaleno wektorw). Ukad v1 , v2 , . . . , vk wektorw z przestrzeni V jest liniowo niezaleny, jeli
v1 =
6 O
v2
/ Lin{v1 }
v3
/ Lin{v1 , v2 }
..
.
vk
/ Lin{v1 , v2 , . . . , vk1 }
"
191
t1 v1 t2 v2 . . . tk1 vk1 + 1 vk = O
co przeczy zaoeniu o trywialnoci kombinacji dajcej wektor zerowy.
"
192
Rozdzia 20
Baza i wymiar przestrzeni
wektorowej
W przestrzeniach R2 i R3 okrelilimy, czym jest ukad wsprzdnych, poznalimy rwnie pojcie wersorw w ukadzie. W tym rozdziale podamy definicj
obiektu, ktry bdzie dla przestrzeni wektorowej peni rol podobn do roli zbioru
wersorw ukadu wsprzdnych. Obiektem tym bdzie baza przestrzeni wektorowej.
Umoliwi nam ona wprowadzenie wsprzdnych dla wektorw z danej przestrzeni.
W dalszej czci poznamy pojcie wymiaru przestrzeni.
20.1
"
194
= {a0 + a1 x + a2 x2 + a3 x3 : a0 , a1 , a2 , a3 R3 } = R3 [x] = V.
Wiemy rwnie, e ukad ten jest liniowo niezaleny - sprawdzilimy to w
poprzednim rozdziale. Tak wic ukad zoony z wektorw 1, x, x2 , x3 jest baz
przestrzeni V .
20.2
a + b = (a1 v1 + a2 v2 + . . . + ak vk ) + (b1 v1 + b2 v2 + . . . + bk vk ) =
= (a1 + b1 )v1 + (a2 + b2 )v2 + . . . + (ak + bk )vk = [a1 + b1 , a2 + b2 , . . . , ak + bk ].
t
a = t(a1 v1 +a2 v2 +. . .+ak vk ) = (ta1 )v1 +(ta2 )v2 +. . .+(tak )vk = [ta1 , ta2 , . . . , tak ].
Moemy zatem stwierdzi, e dziaania na wektorach wyraaj si we wsprzdnych w ustalonej bazie tak samo, jak dla wektorw z Rn .
20.3
195
v1 =
6 O
v2
/ Lin{v1 }
..
.
vm
/ Lin{v1 , v2 , . . . , vm1 }
to patrzymy na wektor vm+1 . Jeli vm+1
/ Lin{v1 , v2 , . . . , vm }, to zostawiamy go.
Jeli vm+1 Lin{v1 , v2 , . . . , vm }, to usuwamy go. W tym drugim przypadku moemy
196
v1 6= O
v2
/ Lin{v1 }
..
.
vk
/ Lin{v1 , . . . , vk1 }
"
0
2
3
1
1
1
v1 = 2 , v 2 = 0 , v 3 = 4 , v 4 = 1 , v 5 = 5 , v 6 = 0 .
0
2
2
0
1
1
Sprawdzenie, e ukad ten rzeczywicie generuje przestrze R3 pominiemy. W pier
0
1
1
2
3
1
1
v
1 = 2 , v2 = 4 , v3 = 1 , v4 = 5 , v5 = 0 .
1
2
2
0
1
Powtarzamy procedur z Kroku (2). Zauwamy, e
2
1
v2 = 4 = 2 2 = 2 v1
2
1
usuwamy zatem v2 . Otrzymujemy zestaw wektorw
1
3
1
1
v1 = 2 , v2 = 1 , v3 = 5 , v4 = 0
.
1
2
0
1
197
Jeszcze raz sprawdzamy Krok (2). Tym razem v2 6= tv1 . Tak wic zostawiamy v2 .
Sprawdzamy czy v3 Lin{v1 , v2 }. Zauwamy, e
1
1
3
v3 = 5 = 2 2 + 1
= 2v1 + v2 ,
0
1
2
tak wic v3 Lin{v1 , v2 }, zatem go usuwamy. Nasz ukad to teraz
1
3
1
v1 = 2 , v2 = 1 , v3 = 0
.
1
2
1
Sprawdmy, czy v3 Lin{v1 , v2 }. Jak nietrudno si przekona v3
/ Lin{v1 , v2 }.
Moemy to zrobi np. poprzez policzenie wyznacznika
1 3 1
1 0 = 12.
2
1 2 1
v1 6= O
.
v2
/ Lin{v1 }
v3
/ Lin{v1 , v2 }
Ukad zoony z wektorw v1 , v2 , v3 jest zatem baz przestrzeni R3 .
Procedura opisana w dowodzie Twierdzenia 20.3.2 pozwoli nam uzasadni rozmaite dalsze wasnoci. Jedn z nich jest nastpujcy wniosek.
Wniosek 20.3.3. Kady liniowo niezaleny ukad e1 , . . . , ep wektorw skoczenie
wymiarowej przestrzeni V mona uzupeni wektorami ep+1 , . . . , ek do bazy przestrzeni V .
Dowd. Przestrze V jest skoczenie wymiarowa, wic zgodnie z Twierdzeniem
20.3.2 posiada baz. Niech baz t bdzie ukad v1 , v2 , . . . , vk . Mamy wwczas V =
Lin{v1 , v2 , . . . , vk } zatem tym bardziej V = Lin{e1 , e2 , . . . , ep , v1 , . . . , vk }. Moemy
teraz zastosowa procedur usuwania wektorw do ukadu e1 , e2 , . . . , ep , v1 , . . . , vk .
Zauwamy, e skoro wektory e1 , . . . , ep s liniowo niezalene, co oznacza, e e1 6=
O , e2
/ Lin{e1 }, . . . , ep
/ Lin{e1 , . . . , ep1 }, to aden z tych wektorw nie zostanie
usunity z ukadu. Usunite bd dopiero pewne spord wektorw v1 , v2 , . . . , vk . Te
ktre pozostan, razem z wektorami e1 , . . . , ep , utworz baz.
Powyszy wniosek oznacza midzy innymi, e w danej przestrzeni wektorowej
jest duo baz. Zauwamy, e na pierwszy wektor bazy moemy wybra dowolny niezerowy wektor. Na wybr drugiego wektora rwnie mamy wiele moliwoci, wystarczy
aby nie by on wspliniowy z pierwszym. Podobnie moemy wybiera kolejne wektory. Na podstawie powyszego wniosku stwierdzamy, e jest to wykonalne. Tak
wic pokazalimy, e rzeczywicie baz danej przestrzeni moemy wybra na wiele
rnych sposobw.
20.4
198
"
w1 =
6 O
w2
/ Lin{w1 }
..
.
wk
/ Lin{w1 , w2 , . . . , wk1 }
Zauwamy, e to dobieranie musi si skoczy po k krokach, dla pewnego k n,
bo w1 , w2 , . . . , wk s liniowo niezalene zatem nie moe ich by wicej ni wynosi
199
Rozdzia 21
Teoria minorw
Rozdzia ten powicimy na wprowadzenie bardzo uytecznej teorii, zwanej
teori minorw. Na pocztek, zanim zdefiniujemy pojcie minora, nauczymy si
sprawdza przy jego uyciu liniow niezaleno, oraz bada wymiar podprzestrzeni
generowanej przez ukad wektorw. W kolejnym podrozdziale zdefiniujemy, czym
s minory, wprowadzimy te bardzo wane pojcie, ktre czsto bdziemy wykorzystywa w dalszej czci tego rozdziau - pojcie rzdu macierzy. W ostatnim
podrozdziale pokaemy najwaniejsze zastosowanie teorii minorw, a mianowicie
wykorzystywanie ich do rozwizywania ukadw rwna.
21.1
200
201
"
3
1
2
1
,v =
Przykad. Rozwamy wektory v1 =
4 2
7
0
5
4
z przestrzeni R . Macierz utworzona z tych wektorw to
(v1 , v2 , v3 ) =
3
1
8
2 1 1
4
7 2
0
5 3
, v3 =
8
1
2
3
2 1 1
7 2
det
4
= 10 6= 0.
0
5 3
Wyznacznik ten jest niezerowy, wic zgodnie z powyszym twierdzeniem, wektory v1 , v2 , v3 s liniowo niezalene.
Dowd Twierdzenie 21.1.1. Pokaemy, e jeli ktra z macierzy m rozmiaru
k k, powstaa z macierzy (v1 , v2 , . . . , vk ) przez wykrelenie odpowiedniej
liczby wierszy, ma niezerowy wyznacznik, to wektory v1 , v2 , . . . , vk s liniowo
niezalene. Oznaczmy przez v10 , v20 , . . . , vk0 wektory z przestrzeni Rk bdce
kolumnami macierzy m jak wyej o niezerowym wyznaczniku. Kady z wektorw vi0 powstaje z vi przez usunicie n k odpowiednich wsprzdnych.
Mamy uzasadni, e ukad v1 , v2 , . . . , vk jest liniowo niezaleny, czyli
t1 v1 + t2 v2 + . . . + tk vk = O .
202
. . . + tk vk0 = O , a jak wiemy ten drugi warunek zachodzi tylko wtedy gdy
t1 = t2 = . . . = tk = 0. Wektory v1 , v2 , . . . , vk s zatem liniowo niezalene.
Dowd implikacji przeciwnej jest bardziej zoony i w tym skrypcie go pomijamy.
21.2
21.3
W tym podrozdziale zdefiniujemy, przy uyciu pojcia minora, czym jest rzd
danej macierzy. Pojcie to okae si bardzo uyteczne w kolejnym podrozdziale przy
203
"
Definicja 21.3.1 (minor macierzy). Niech A bdzie macierz dowolnego rozmiaru. Minorem macierzy A nazywamy wyznacznik dowolnej kwadratowej macierzy
B, utworzonej z A przez wykrelenie pewnej iloci wierszy i kolumn. Macierz B
nazywamy macierz minora. Jeli macierz minora ma rozmiar k k, to liczb k
nazywamy stopniem minora.
Przykad. Rozwamy macierz
1
7
1
0
1
6 5 2 1
A= 3
.
2 4 0 3 1
Jeeli z tej macierzy wykrelimy
" pierwsz,
# trzeci i pit kolumn, oraz drugi wiersz,
7
0
to otrzymamy macierz A0 =
. Wyznacznik tej macierzy to
4 3
"
0
det A = det
7
0
4 3
= 21,
tak wic jeden z minorw stopnia dwa macierzy A jest rwny 21.
"
Uwaga 21.3.2. Jeeli pewien minor macierzy A jest niezerowy, to kolumny (a take
wiersze) tej macierzy, wystpujce w macierzy tego minora s liniowo niezalene. I
na odwrt - jeli pewien ukad kolumn (wierszy) macierzy A jest liniowo niezaleny,
to z tych kolumn (wierszy) mona utworzy macierz niezerowego minora.
Przykad. Rozwamy macierz A z poprzedniego przykadu. Znalelimy niezerowy
minor tej macierzy, zawiera on pierwszy i trzeci wiersz macierzy A, tak wic wiersze
pierwszy i trzeci s liniowo niezalene.
Moemy przy uyciu pojcia minora macierzy sformuowa Fakt 21.2.2. Czytelnikowi
pozostawimy przetumaczenie sformuowania jednego faktu na drugi.
Fakt 21.3.3. Dla macierzy A rozmiaru n m wymiar podprzestrzeni w Rn generowanej przez kolumny macierzy A jest rwny maksymalnemu stopniowi niezerowego
minora macierzy A.
Definicja 21.3.4 (rzd macierzy). Rzdem macierzy C = (C1 , . . . , Cm ), gdzie
Ci Rn , rozmiaru n m nazywamy wymiar dim(Lin{C1 , . . . , Cm }) podprzestrzeni
w Rn generowanej przez kolumny tej macierzy. Rzd macierzy C oznaczamy przez
r(C).
Uwaga 21.3.5.
(1) Rzd r(C) macierzy C jest rwny maksymalnej liczbie liniowo niezalenych
kolumn w macierzy C (wynika to z Faktu 21.2.1).
(2) Rzd r(C) macierzy C jest rwny maksymalnemu stopniowi niezerowego minora macierzy C (wynika to z Faktu 21.3.3).
204
(3) Jeeli macierz C ma rozmiar m n, to r(C) min{m, n} (jest to konsekwencj powyszej wasnoci (2), bo stopie k dowolnego minora spenia
k min(m, n)).
(4) Rzd macierzy C jest rwny rzdowi macierzy do niej transponowanej,
r(C) = r(C T ),
bo jeli M jest macierz niezerowego minora w C, to M T jest macierz analogicznego minora w C T (bo det M T = det M ).
(5) Kada macierz ma tyle samo liniowo niezalenych kolumn co wierszy i ilo ta
odpowiada rzdowi tej macierzy.
Poniej podamy uwagi, ktre oka si by bardzo pomocne, przy obliczaniu
rzdu macierzy. Przykad obliczania rzdu zobaczymy w kolejnym podrozdziale, przy
okazji omawiania sposobu rozwizywania ukadu rwna.
Uwaga 21.3.6.
(1) Rzd macierzy nie zmienia si pod wpywem operacji na wierszach lub kolumnach tej macierzy, takich jak mnoenie wiersza lub kolumny przez niezerow
liczb, dodawania do wiersza (kolumny) wielokrotnoci innego wiersza (kolumny)
czy zamiany kolejnoci wierszy (kolumn).
(2) Kada macierz niezerowego minora zawiera si w macierzy pewnego niezerowego minora maksymalnego stopnia. Niezerowych minorw maksymalnego
stopnia naley wic szuka wrd macierzy okalajcych macierze poprzednio
znalezionych niezerowych minorw.
21.4
205
gdzie Ai =
a1i
a2i
..
.
ani
, B =
b1
b2
..
.
bn
Uwaga 21.4.1. Ukad (F) ma rozwizanie wtedy i tylko wtedy gdy wektor B jest
kombinacj liniow wektorw A1 , A2 , . . . , Am , czyli B Lin{A1 , A2 , . . . , Am }, a to
zachodzi wtedy i tylko wtedy gdy
dim(Lin{A1 , A2 , . . . , Am }) = dim(Lin{A1 , A2 , . . . , Am , B}).
Dowd. Pierwsza rwnowano wynika wprost z wektorowego zapisu ukadu (F).
Udowodnijmy zatem tylko drug rwnowano.
Zauwamy, e jeli B Lin{A1 , A2 , . . . , Am }, to
Lin{A1 , A2 , . . . , Am } = Lin{A1 , A2 , . . . , Am , B},
zatem
dim(Lin{A1 , A2 , . . . , Am }) = dim(Lin{A1 , A2 , . . . , Am , B}),
tym samym mamy udowodnion jedn z implikacji.
Pokamy teraz, e jeli dim(Lin{A1 , A2 , . . . , Am }) = dim(Lin{A1 , A2 , . . . , Am , B}),
to B Lin{A1 , A2 , . . . , Am }.
Niech Ai1 , Ai2 , . . . , Aip bdzie baz Lin{A1 , A2 , . . . , Am }. Wwczas wymiar tej przestrzeni dim(Lin{A1 , A2 , . . . , Am }) = p, a zatem rwnie
dim(Lin{A1 , A2 , . . . , Am , B}) = p.
Ukad zoony z wektorw Ai1 , Ai2 , . . . , Aip jest liniowo niezaleny rwnie w przestrzeni Lin{A1 , A2 , . . . , Am , B}. Poniewa ma tyle wektorw ile wynosi wymiar tej
przestrzeni, wic jest w niej baz. Oznacza to, e B Lin{Ai1 , Ai2 , . . . , Aip }, wic
tym bardziej B Lin{A1 , A2 , . . . , Am }. Co koczy dowd.
Posugujc si pojciem rzdu macierzy moemy przeformuowa powysz uwag.
Oznaczmy A = [A1 , A2 , . . . , Am ], U = [A1 , A2 , . . . , Am , B]. Macierz A nazywa si
macierz gwn, za macierz U macierz rozszerzon ukadu (F).
Twierdzenie 21.4.2 (Kroneckera - Capelliego). Ukad (F) ma rozwizanie
wtedy i tylko wtedy gdy
r(A) = r(U ),
czyli gdy rzd macierzy rozszerzonej tego ukadu jest rwny rzdowi macierzy gwnej.
206
"
2x 3y = 12
x + 4y = 5
xy =3
2
3
12
x 1 + y 4 = 5 .
1
1
3
Zgodnie z wprowadzonymi wczeniej oznaczeniami mamy
2 3
2 3 12
1
4
A=
,
U
=
1 4 5 .
1 1
1 1 3
Policzmy rzdy macierzy A i U . Zauwamy, e kolumny macierzy A s niewspliniowe, wic s liniowo niezalene, std
2 3
r(A) = r 1 4 = 2.
1 1
Macierz U jest macierz kwadratow, moemy zatem obliczy jej wyznacznik
2 3 12
det U = det
1 4 5 = 22,
1 1 3
jak wida wyznacznik ten jest niezerowy, wic kolumny macierzy U s liniowo niezalene, a tym samym
2 3 12
r(U ) = r
1 4 5 = 3.
1 1 3
Otrzymujemy wic
r(A) 6= r(U ),
a wic dany ukad rwna, zgodnie z Twierdzeniem Kroneckera - Capelliego nie ma
rozwizania (jest sprzeczny).
Zanim przejdziemy do rozwizywania danego ukadu musimy najpierw sprawdzi, czy ukad ten ma rozwizanie, tym samym musimy policzy rzdy odpowiednich macierzy. Podamy teraz kilka praktycznych uwag, ktre mog bardzo uatwi
te obliczenia w przypadku macierzy wikszych rozmiarw.
Uwaga 21.4.3. Rzd macierzy nie zmienia si pod wpywem operacji na wierszach i kolumnach macierzy, moemy wic mnoy wiersz lub kolumn przez niezerow liczb, moemy dodawa do wiersza (kolumny) wielokrotno innego wiersza
(kolumny), dopuszczalne s rwnie operacje zamiany kolejnoci wierszy lub kolumn.
207
gdzie pod zaznaczon lini wszystkie wyrazy s zerowe, wyrazy xi s niezerowe, natomiast inne wyrazy znajdujce si nad lini s dowolne, wwczas rzd tej macierzy
wynosi
r(A) = m.
Powysza uwaga wynika z tego, e w macierzy A istnieje niezerowy minor stopnia m. Minorem tym jest lewa grna podmacierz A0 rozmiaru m m, ktra jest
grnotrjktna, i ktrej wyznacznik det A0 = x1 x2 . . .xm jest niezerowy, bo xi 6= 0.
Zauwamy rwnie, e kady minor stopnia wikszego od m jest zerowy, gdy jego
macierz zawiera przynajmniej jeden wiersz zoony z samych zer. Tak wic m jest
maksymalnym stopniem niezerowego minora, a wic jest to rzd macierzy.
Wniosek 21.4.5. Uwagi 21.4.3 i 21.4.4 pozwalaj na bardzo sprawne wyliczenie
rzdu danej macierzy.
"
1
1
A=
2
0
2
1
3
1
1 1
0 1
.
1 0
1 2
1 2
det
= 1 6= 0.
1 1
Znalelimy zatem minor stopnia dwa. Szukamy teraz minora stopnia trzy. Szukamy
!
1 2
maksymalnego niezerowego minora wrd macierzy 33 okalajcych macierz
.
1 1
Macierze takie powstaj poprzez wykrelenie z macierzy A jednej z kolumn 3, 4 i
jednego z wierszy 3, 4. S cztery takie macierze. Na pocztek sprawdmy wyznacznik
208
1 2 1
det 1 1 0 = 0.
2 3 1
Sprawdmy pozostae macierze. Otrzymujemy
1 2 1
1 2 1
1 2 1
1 2
Na podstawie Uwagi 21.4.6 moemy stwierdzi, e macierz
daje maksymalny
1 1
niezerowy minor, czyli
r(A) = 2.
Sposb II. Moemy wykonywa operacje na wierszach i kolumnach macierzy tak
dugo, a dostaniemy
posta
tak jak macierz w Uwadze 21.4.4. W przypadku
1 2 1 1
1 1 0 1
otrzymujemy kolejno
macierzy A =
2 3 1 0
0 1 1 2
1
1
2
0
2
1
3
1
1 1
1 2
1 1
1 2
1 1
0 1 1 2
0 1 1 2
0 1
.
0 1 1 2
0 0
1 0
0
0
1 2
0 1
1 2
0 0
0
0
W pierwszym przeksztaceniu powyej od wiersza drugiego odjelimy wiersz pierwszy, za od wiersza trzeciego podwojony wiersz pierwszy. W drugim przeksztaceniu od wiersza trzeciego odejmujemy wiersz drugi natomiast do czwartego wiersza
dodajemy drugi. Z ostatecznej postaci moemy wnioskowa, e rzd tej macierzy
r(A) = 2.
Oglny sposb rozwizywanie ukadw rwna metod minorw poznamy na
przykadzie rozwizania ukadu
x1
+ 2x2 + x3 x4
x1 + x2
+ x4
(?)
2x1 + 3x2 + x3
x2 + x3 2x4
=
=
=
=
1
0
1
1
Na pocztek sprawdmy, czy ukad ten ma rozwizanie. W tym celu obliczmy rzdy
macierzy
1 2 1 1
1 2 1 1 1
1 1 0 1
1 1 0 1 0
A=
, U =
.
2 3 1 0
2 3 1 0 1
0 1 1 2
0 1 1 2 1
209
r(A) = 2.
Jako wiczenie pozostawimy czytelnikowi do sprawdzenia, e r(U ) = 2.
Zgodnie z Twierdzeniem 21.4.2 moemy stwierdzi, e podany powyej ukad ma
rozwizanie, bo r(A) = r(U ).
Kiedy ju wiemy, e dany ukad ma rozwizanie, moemy przystpi do wyznaczania go. Rozwizanie ukadu przeprowadzimy w czterech etapach.
ETAPY ROZWIZYWANIA UKADU (?).
Krok 1. Na pocztek znajdujemy macierz niezerowego minora maksymalnego stopnia macierzy gwnej A. Jak ju pokazalimy w poprzednim przykadzie szukan
macierz jest lewa grna podmacierz
!
1 2
.
1 1
Krok 2. Nastpnie z wyjciowego ukadu usuwamy rwnania reprezentowane przez
te wiersze macierzy gwnej, ktre nie nale do macierzy wybranego w Kroku 1
minora. Odrzucone rwnania s zalene od rwna, ktre pozostawiamy, dlatego nie
s potrzebne do znalezienia rozwiza ukadu. W naszym ukadzie usuwamy zatem
rwnanie trzecie i czwarte. Otrzymujemy ukad
(
x1 + 2x2 + x3 x4 = 1
x 1 + x2
+ x4 = 0
Krok 3. Niewiadome z tych kolumn, ktre nie nale do wybranego minora, traktujemy jako parametry i przenosimy je na drug stron rwna. Otrzymujemy
(
x1 + 2x2 = 1 x3 + x4
x1 + x2 = x4
gdzie x1 , x2 traktujemy jako niewiadome, natomiast x3 , x4 jako parametry. Otrzymalimy zatem ukad dwch rwna z dwoma niewiadomymi. Macierz gwn tego
ukadu jest macierz wybranego w kroku pierwszym minora. Macierz ta ma niezerowy wyznacznik, tak wic ukad ten jest ukadem Cramerowskim z parametrami.
Krok 4. Tak zmodyfikowany ukad rwna rozwizujemy metod Cramera. Wyznacznik gwny tego ukadu to
!
1 2
= 1.
W = det
1 1
Pozostae wyznaczniki to
!
Wx1
1 x3 + x4 2
= det
= 1 x3 + x4 + 2x4 = 1 x3 + 3x4 ,
x4
1
!
Wx2
1 1 x3 + x4
= x4 1 + x3 x4 = 1 + x3 2x4 .
= det
1
x4
210
= Wx1 = 1 + x3 3x4
W
= Wx2 = 1 x3 + 2x4
= x3
= x4
= Wx1 = 1 + t 3s
W
= Wx2 = 1 t + 2s
=t
=s
Rozdzia 22
Przeksztacenia liniowe dowolnych
przestrzeni wektorowych
Omawiajc przestrze R3 do duo uwagi powicilimy przeksztaceniom, w
szczeglnoci przeksztaceniom liniowym. W wielu przypadkach przeksztacenia te
definiowalimy w sposb geometryczny. W dowolnych przestrzeniach wektorowych
rwnie bdziemy zajmowa si przeksztaceniami przestrzeni, jednak w tym wypadku
bdzie to podejcie czysto algebraiczne. W pierwszym podrozdziale zdefiniujemy
pojcie przeksztacenia liniowego dowolnej przestrzeni wektorowej, nauczymy si
rwnie opisywa takie przeksztacenie przy uyciu macierzy. Drugi podrozdzia
powicimy na wprowadzenie podstawowej terminologii zwizanej z przeksztaceniami liniowymi.
22.1
Definicje i oznaczenia.
"
T (t v) = t T (v).
Przykad. Niech przestrzeni V bdzie zbir wielomianw o wspczynnikach
rzeczywistych stopnia co najwyej trzeciego, tzn. R3 [x], natomiast przestrze W to
zbir wielomianw o wspczynnikach rzeczywistych stopnia co najwyej drugiego,
czyli R2 [x]. Okrelmy przeksztacenie T : V W wzorem
T (f ) = f 0 ,
211
212
+a
T (vi ) = a1i
w
1
2i w2 + . . . + ali wl =
a1i
a2i
..
.
ali
a11 a12
a21 a22
A=
..
..
.
.
al1 al2
"
. . . a1k
. . . a2k
.
..
..
. .
. . . alk
213
2
2 0
2
T (x ) = (x ) = 2x = 0 (x ) + 2 (x) + 0 (1) = 2 ,
0 C
0
2
T (x) = (x) = 1 = 0 (x ) + 0 (x) + 1 (1) = 0 ,
1 C
0
0
2
T (1) = (1) = 0 = 0 (x ) + 0 (x) + 0 (1) = 0
.
0 C
Tworzymy teraz macierz tego przeksztacenia
[T ]BC
3 0 0 0
=
0 2 0 0 .
0 0 1 0
T (vi ) =
a1i
a2i
..
.
aki
zatem
[T ]BB
a11 a12
a21 a22
= [T ]B =
..
..
.
.
ak1 ak2
. . . a1k
. . . a2k
. . . ..
.
.
. . . akk
22.2
214
W rozdziale tym poznamy kilka poj charakteryzujcych liniowe przeksztacenia przestrzeni. Na pocztek zdefiniujemy pewien rodzaj przeksztace przestrzeni
o bardzo charakterystycznych wasnociach, ktre wprowadzimy w kocowej czci
tego podrozdziau. Nastpnie zdefiniujemy bardzo istotne pojcia - obraz i jdro
przeksztacenia, w oparciu o nie wyprowadzimy kilka charakterystycznych wasnoci
przestrzeni.
Przeksztacenie odwracalne
Definicja 22.2.1 (przeksztacenie odwracalne). Przeksztacenie liniowe T :
V W jest odwracalne, jeli jest wzajemnie jednoznaczne tzn. rnowartociowe i
na.
Uwaga 22.2.2. Inn nazw stosowan w odniesieniu do przeksztace odwracalnych
jest izomorfizm przestrzeni wektorowych.
Rozwamy izomorfizm T przestrzeni V, W . Skoro jest to przeksztacenie odwracalne, to istnieje przeksztacenie do niego odwrotne. Poniszy fakt przedstawia najbardziej charakterystyczn wasno przeksztacenia odwrotnego do przeksztacenia
liniowego. Dowd tego faktu jest analogiczny do dowodu przedstawionego wczeniej
dla przypadkw R2 i R3 . Tutaj go pominiemy.
Fakt 22.2.3. Przeksztacenie odwrotne T 1 : W V do odwracalnego przeksztacenia liniowego T : V W samo te jest przeksztaceniem liniowym.
Obraz przeksztacenia liniowego
W poprzednim podrozdziale uywalimy sformuowania obraz wektora przez
przeksztacenie. Moemy jednak zastanawia si, jakim zbiorem jest zbir obrazw
wszystkich wektorw przestrzeni V przez dane przeksztacenie.
Definicja 22.2.4 (obraz przeksztacenia liniowego). Obrazem przeksztacenia
liniowego T : V W oznaczanym T (V ) lub imT jest zbir
{T (v) W : v V }.
Zauwamy, e obraz przeksztacenia skada si z wektorw nalecych do przestrzeni W jest wic pewnym podzbiorem tej przestrzeni. Jak pokae poniszy fakt
ma on jeszcze inne wasnoci.
Fakt 22.2.5. Obraz przeksztacenia liniowego T : V W jest podprzestrzeni w
przestrzeni wektorowej W .
Dowd. Zgodnie z definicj podprzestrzeni wektorowej, czyli Definicj 19.2.1, wystarczy sprawdzi, e dla dowolnych wektorw nalecych do obrazu przeksztacenia ich
suma rwnie naley do tego obrazu, oraz dla dowolnej liczby rzeczywistej iloczyn jej
i wektora z obrazu przeksztacenia jest wektorem z obrazu przeksztacenia. Wemy
215
dowolne wektory w1 , w2 nalece do imT . Skoro wektory te nale do obrazu przeksztacenia T , to istniej takie wektory v1 , v2 V , e w1 = T (v1 ), w2 = T (v2 ).
Wwczas
w1 + w2 = T (v1 ) + T (v2 ) = T (v1 + v2 ).
Zauwamy, e v1 + v2 jest wektorem z przestrzeni V , wic T (v1 + v2 ) naley do imT ,
zatem w1 + w2 = T (v1 + v2 ) naley do obrazu przeksztacenia T . Zauwamy, e
rwnie
t w1 = t T (v1 ) = T (t v1 )
dla dowolnego t jest obrazem pewnego wektora z przestrzeni v, tak wic naley
do obrazu imT przeksztacenia T . Otrzymujemy wic, e obraz imT jest podprzestrzeni w przestrzeni W .
Poniej przedstawimy wasno obrazu przeksztacenia, ktra pozwala na bardzo
szybkie wyznaczenie go.
Lemat 22.2.6. Niech T : V W bdzie przeksztaceniem liniowym i niech wektory
v1 , v2 , . . . , vn bd ukadem generujcym przestrze V . Wwczas
imT = Lin{T (v1 ), T (v2 ), . . . , T (vn )}.
Dowd. Pokaemy, e dowolny wektor ze zbioru imT rzeczywicie da si przedstawi
w postaci kombinacji liniowej wektorw T (v1 ), T (v2 ), . . . , T (vn ). Niech w imT , co
oznacza, e w = T (v) dla pewnego wektora v V . Poniewa v1 , v2 , . . . , vn generuj
przestrze V , wic v = t1 v1 + t2 v2 + . . . + tn vn , dla pewnych t1 , t2 , . . . , tn R. Mamy
wtedy
w = T (v) = T (t1 v1 + t2 v2 + . . . + tn vn ) = t1 T (v1 ) + t2 T (v2 ) + . . . + tn T (vn ),
zatem w Lin{T (v1 ), T (v2 ), . . . , T (vn )}. Poniewa w by dowolnie wybranym wektorem ze zbioru imT , wic
imT = Lin{T (v1 ), T (v2 ), . . . , T (vn )}.
Rzd przeksztacenia liniowego
Dla dowolnej przestrzeni wektorowej zdefiniowalimy, czym jest jej wymiar. Zauwamy, e obraz przeksztacenia jako podprzestrze przestrzeni wektorowej sam
jest przestrzeni wektorow, wic moemy dla niego okreli wymiar, ktry w tym
przypadku ma specjaln nazw.
Definicja 22.2.7 (rzd przeksztacenia). Rzdem r(T ) przeksztacenia liniowego
T : V W nazywamy wymiar obrazu tego przeksztacenia, tzn.
r(T ) = dim(imT ).
Uwaga 22.2.8. Rzd przeksztacenia T : Rn Rn jest rwny rzdowi macierzy
przeksztacenia T , zauwamy bowiem, e
r(T ) = dim(imT ) = dim(Lin{T (E1 ), T (E2 ), . . . T (En )}) = r(m(T )).
216
217
Pokaemy teraz, e zbir zoony z wektorw T (ek+1 ), . . . , T (en ) jest liniowo niezaleny. Gdyby wektory te byy liniowo zalene, to dla pewnych nietrywialnych wspczynnikw tk+1 , . . . , tn mielibymy
tk+1 ek+1 + . . . + tn en = 0.
Wtedy przy uyciu wasnoci wynikajcych z liniowoci przeksztacenia T mielibymy
T (tk+1 ek+1 + . . . + tn en ) = 0,
czyli tk+1 ek+1 + . . . + tn en KerT. Z drugiej strony wiemy, e wektory e1 , e2 , . . . , ek
tworz baz KerT , std dla pewnych wspczynnikw s1 , s2 , . . . sk mamy
tk+1 ek+1 + . . . + tn en = s1 e1 + s2 e2 + . . . + sk ek ,
co po przeksztaceniu daje
s1 e1 + s2 e2 + . . . + sk ek + (tk+1 )ek+1 + . . . + (tn )en = 0.
Znalelimy zatem nietrywialn kombinacj wektorw e1 , e2 , . . . , ek , ek+1 , . . . , en dajc wektor zerowy wic wektory te tworz ukad liniowo zaleny. Wiemy jednak, e
wektory te s baz przestrzeni V , a co za tym idzie s liniowo zalene. Otrzymalimy
zatem sprzeczno, czyli wektory T (ek+1 ), . . . , T (en ) s liniowo niezalene.
W oparciu o oznaczenia wprowadzone w powyszym Lemacie podamy teraz
kilka wnioskw dotyczcych poznanych w tym podrozdziale poj. Pierwszy wniosek
poniej jest bezporedni konsewencj udowodnionych ju wasnoci (1) i (2) z
Lematu 22.2.13.
Wniosek 22.2.14. Przy zaoeniach Lematu 22.2.13, ukad wektorw T (ek+1 ), . . . , T (en )
jest baz podprzestrzeni imT .
Wniosek 22.2.15 (zasada zachowania wymiaru). Dla przeksztacenia T : V
W mamy
dim(imT ) + dim(KerT ) = dimV.
Dowd. Przy oznaczeniach takich jak w Lemacie 22.2.13 mamy
dimV = n, dim(KerT ) = k, dim(imT ) = n k,
wic skoro k + (n k) = n, to mamy tez wniosku. Zauwamy, e rozwaenie takiej
sytuacji wystarczy, gdy w Lemacie rozwaalimy sytuacj ogln.
Wniosek 22.2.16. Jeeli przestrzenie V, W s izomorficzne, to wwczas ich wymiary musz by sobie rwne
dimV = dimW.
Dowd. Niech T : V W bdzie izomorfizmem przestrzeni V, W . Z okrelenia
takiego przeksztacenia wiemy, e T jest rnowartociowe, wic KerT = {0}. Wtedy
218
T (t1 v1 + t2 v2 + . . . + tn vn ) = t1 w1 + t2 w2 + . . . + tn wn
jest liniowe pozostawimy do wykonania czytelnikowi.
Twierdzenie 22.2.19. Przestrzenie wektorowe V, W s izomorficzne wtedy i tylko
wtedy gdy
dimV = dimW.
219
Rozdzia 23
Iloczyn skalarny i przestrzenie
euklidesowe
W tym rozdziale zajmiemy si pojciem iloczynu skalarnego. Na jego podstawie okrelimy, czym s przestrzenie euklidesowe. Dziki iloczynowi skalarnemu
bdziemy mogli w tych przestrzeniach wprowadzi elementy geometrii podobnej do
tej, jak znamy z przestrzeni R2 i R3 . W dalszej czci rozdziau wprowadzimy bardzo
wane pojcia ukadw ortogonalnych i ortonormalnych, wraz z ich zastosowaniami.
Okrelimy np. czym jest rzut ortogonalny na podprzestrze i przeksztacenia ortogonalne.
23.1
Podstawowe definicje.
Podrozdzia ten powicimy zdefiniowaniu podstawowych poj, ktrymi bdziemy posugiwa si w dalszej czci tego rozdziau. W przestrzeniach R2 , R3 a
nastpnie w dowolnej przestrzeni Rn wprowadzilimy iloczyn skalarny. Okazuje si,
e analogiczne pojcie moemy zdefiniowa dla dowolnej przestrzeni wektorowej.
Definicja 23.1.1 (iloczyn skalarny). Iloczynem
skalarnym na przestrzeni wekD E
torowej V nazywamy kade odwzorowanie , : V V R, czyli odwzorowanie,
ktre dowolnej parze wektorw v, w,D z przestrzeni
V , przyporzdkowuje pewn liczb
E
rzeczywist, oznaczon symbolem v, w , speniajce nastpujce warunki:
(1) dla dowolnych wektorw v, w z przestrzeni V mamy
D
v, w = w, v ,
v1 + v2 , w = v1 , w + v2 , w
220
221
v, v > 0.
(a) v, v = w, v , bo
D
v, w = w, v = w, v = v, w ,
(b) v, w1 + w2 = v, w1 + v, w2 , bo
D
v, w1 + w2 = w1 + w2 , v = w1 , v + w2 , v = v, w1 + v, w2 .
"
v, w =
n
X
vi wi ,
i=1
dla v = [v1 , v2 , . . . , vn ], w = [w1 , w2 , . . . , wn ], spenia warunki (1) (4). Przestrze Rn z tym iloczynem skalarnym oznacza bdziemy symbolem E n .
(B) W przestrzeni V = C[a, b], czyli w przestrzeni funkcji cigych na odcinku
[a, b], iloczyn skalarny mona okreli za pomoc cakowania:
D
f, g =
Z b
a
f (x) g(x)dx.
(1) g, f =
Rb
a g(x) f (x)dx =
Rb
a f (x) g(x)dx = f, g .
t f, g =
Z b
a
t f (x) g(x)dx = t
Z b
a
f (x) g(x)dx = t f, g .
222
f, f =
Z b
a
f (x) f (x)dx =
Z b
a
|f (x)|2 dx.
n
X
v, w =
ai vi wi ,
i=1
rD
v, v .
D
Uwaga 23.1.5. Z wasnoci (4) mamy, e jeli v 6= 0, to v, v > 0, czyli kvk > 0.
Fakt 23.1.6. Dla tak okrelonej normy, mamy
k vk = || kvk,
w szczeglnoci k vk = kvk.
Dowd. Powyszy fakt udowodnimy korzystajc z drugiej wasnoci iloczynu skalarnego okrelonej w Definicji 23.1.1. Z okrelenia normy mamy
k vk =
rD
v, v .
v, v =
Co koczy dowd.
r D
v, v =
2 v, v = || kvk.
223
"
Z 1
Z 1
1
3
kf1 k =
f1 (x) f1 (x)dx =
x2 dx =
=
3
3
0
0
kf2 k =
s
Z 1
Z 1
f2 (x) f2 (x)dx =
12 dx = 1.
cos(]f1 , f2 ) =
f1 , f 2
kf1 kkf2 k
R1
x 1dx
3
3
1
2
3
3
3
.
2
.
6
Dla dowolnej przestrzeni wektorowej wprowadzimy teraz, znan nam dla przestrzeni Rn (Uwaga 17.6.2), nierwno Schwartza.
k]f1 , f2 k =
v1 , v 2
E2
kv1 k2 kv2 k2 .
Dowd tego twierdzenia jest analogiczny do dowodu Uwagi 17.6.2. Tutaj go pominiemy.
Uwaga 23.1.9. Dla dowolnych wektorw v1 , v2 mamy
1 cos(]v1 , v2 ) 1,
a wic miara kta jest zawsze dobrze okrelona.
Dowd. Z nierwnoci Szwartza mamy
D
v1 , v 2
zatem
E2
kv1 k2 kv2 k2 ,
v1 , v 2
E2
kv1 k2 kv2 k2
1,
std
224
E
D
v ,v
1 2
1.
kv1 kkv2 k
"
f1 , f 2 =
f1 (x) f2 (x)dx.
Sprawdmy, e f1 , f2 = 0.
D
f1 , f 2 =
Z 1
1
x x2 dx =
Z 1
1 1
1 1
x3 dx = x4 = = 0,
4 1 4 4
1
225
"
rD
f1 f2 , f1 f2 =
Z 1
0
Z 1
0
(x
x2 )2 dx
Z 1
x2
2x3
x4 dx
1 1 1
+ =
3 2 5
1 3 1 4 1 5 1
x x + x =
3
2
5 0
1
.
30
1
.
30
v = v0 + v ,
gdzie v , v0 = 0.
Uwaga 23.1.14. Wektor v0 nazywamy skadow wektora v rwnoleg do v0 , za
v skadow prostopad do v0 .
Dowd (Lematu). Znajdmy takie , aby v = v0 + v . Zauwamy, e mamy
wwczas
v = v v0 .
Wektor v ma by prostopady do wektora v0 , wic musi zachodzi
D
Mamy zatem
v , v0 = 0.
v v0 , v0 = 0,
v, v0 = v0 , v0 .
v, v0
E.
= D
v0 , v 0
D
D
za skadowa prostopada to
v, v0
v0 , v 0
D
vD
E v0 ,
v, v0
v0 , v0
E v0 .
226
23.2
= t1 v1 , vi + t2 v2 , vi + . . . + tk vk , vi = ti vi , vi .
D
Wiemy jednak, e vi , vi > 0, wic musi zachodzi ti = 0. Tak jest dla wszystkich
wspczynnikw i std wynika liniowa niezaleno ukadu v1 , v2 , . . . , vk .
Jak wiemy w danej przestrzeni wektorowej liniowo niezaleny ukad nie moe
skada si z wikszej liczby wektorw ni wynosi wymiar przestrzeni. Moemy zatem
sformuowa nastpujcy wniosek.
Wniosek 23.2.3. W n-wymiarowej przestrzeni euklidesowej ortogonalny ukad wektorw nie moe mie wicej ni n wektorw.
Twierdzenie 23.2.4. W kadej n-wymiarowej przestrzeni euklidesowej E istnieje
baza ortogonalna.
Dowd powyszego twierdzenia zawiera bdzie bardzo uyteczny algorytm
znajdowania bazy ortogonalnej. Algorytm ten nosi nazw metody ortogonalizacji
Grama - Schmidta.
Dowd. Niech g1 , g2 , . . . , gn bdzie dowoln baz przestrzeni euklidesowej E. Zmodyfikujemy t baz tak, aby staa si baz ortogonaln e1 , e2 , . . . , en .
Krok (1). Pierwszy wektor pozostawimy bez zmian
e1 = g1 .
227
e2 = g2
g2 , e1
e1 .
ke1 k2
ek+1 = gk+1
gk+1 , e1
ke1 k2
gk+1 , e2
e1
e2 . . .
ke2 k2
gk+1 , ek
kek k2
ek .
(1) ek+1 6= O ,
D
ek+1 , ej = gk+1
D
E
k
gk+1 , ei
X
i=1
= gk+1 , ej
D
E
k
gk+1 , ei D
X
kei k2
i=1
= gk+1 , ej
D
< e i , ei >
e i , ej =
= gk+1 , ej
gk+1 , ej
kej k2
gk+1 , ej
kej k2
ei , ej =
ej , ej =
E
kej k = 0.
228
Z okrelenia wektora ek+1 moemy wnioskowa, e przestrze generowana przez wektory {e1 , e2 , . . . , ek , gk+1 } to ta sama przestrze co ta definiowana przez wektory
{e1 , e2 , . . . , ek , ek+1 }, tak wic
Lin{e1 , e2 , . . . , ek , gk+1 } = Lin{e1 , e2 , . . . , ek , ek+1 }.
Z wasnoci trzeciej wynika, e procedur t moemy kontynuowa, a gn zamienimy
na en . Wtedy baza {e1 , e2 , . . . , en } bdzie ortogonalna.
Uwaga 23.2.5.
(1) Kady niezerowy wektor v mona unormowa, tzn. pomnoy przez tak liczb
> 0, by wektor v by jednostkowy, kvk = 1. Mamy bowiem 1 = kvk =
1
kvk, czyli = kvk
. Tak wic po unormowaniu wektora v otrzymujemy jednos1
v
tkowy wektor kvk v lub krtko kvk
.
(2) Baz ortogonaln e1 , e2 , . . . , en mona przeksztaci w baz ortonormaln, poprzez
unormowanie ukadu wektorw e1 , e2 , . . . , en . Otrzymujemy wwczas ukad
e1
e2
en
,
,...,
.
ke1 k ke2 k
ken k
Wniosek 23.2.6. W kadej n-wymiarowej przestrzeni euklidesowej istnieje baza
ortonormalna.
Wniosek 23.2.7. Kady ortogonalny ukad wektorw z E mona rozszerzy do bazy
ortogonalnej w E. Dodatkowo skoro kad baz ortogonaln mona przeksztaci do
bazy ortonormalnej (Uwaga 23.2.5), wic kady ortogonalny ukad wektorw z E
mona rozszerzy do bazy ortonormalnej.
Dowd. Niech E bdzie przestrzeni euklidesow, natomiast e1 , e2 , . . . , ek bdzie
ukadem niezerowych parami ortogonalnych wektorw w E. Jak wiemy z Lematu 23.2.2
ukad ten jest liniowo niezaleny, zatem mona go w dowolny sposb uzupeni
do bazy e1 , e2 , . . . , ek , gk+1 , . . . , gn , nie starajc si aby bya to baza ortogonalna.
Moemy nastpnie zastosowa do tego ukadu metod modyfikacji Grama - Schmidta,
przy czym pierwszych k wektorw pozostawimy bez zmian. Dostaniemy wic ukad
0
, . . . , gn0 i to jest dane uzupenienie. Podobnie mona
ortogonalny e1 , e2 , . . . , ek , gk+1
0
, . . . , gn0 trzeba bdzie
postpi w przypadku ortonormalnym, z tym e wektory gk+1
wtedy dodatkowo znormalizowa.
23.3
Fakt 23.3.1 (wsprzdne wektora w bazie ortonormalnej). Jeli E jest przestrzeni euklidesow, za e1 , e2 , . . . , en jej baz ortonormaln, wwczas dla kadego
v E mamy
E
E
D
E
D
D
v = v, e1 e1 + v, e2 e2 + . . . + v, en en .
229
v, ei = t1 e1 + t2 e2 + . . . + tn en , ei = t1 e1 , ei + t2 e2 , ei + . . . + tn en , ei =
D
= ti ei , ei = ti kei k2 = ti .
D
Ostatecznie ti = v, ei .
Pokaemy teraz ciekaw wasno iloczynu skalarnego. Sprawdzimy jak zachowuje si on we wsprzdnych w bazie ortonormalnej.
Niech E bdzie przestrzeni euklidesow z iloczynem skalarnym. Natomiast
B = {e1 , e2 , . . . , en } niech bdzie ortonormaln baz tej przestrzeni. Dla wektorw
v, w niech v = [v1 , v2 , . . . , vn ], w = [w1 , w2 , . . . , wn ] bd ich wsprzdnymi w bazie
B.
Fakt 23.3.2. Iloczyn skalarny wektorw v, w wyraa si wzorem
D
v, w = v1 w1 + v2 w2 + . . . + vn wn .
v, w =
X
n
vi ei ,
i=1
n
X
wi ei =
j=1
n X
n
X
vi wj ei , ej .
i=1 j=1
v, w =
n
X
i=1
vi w i e i , ei =
n
X
i=1
vi wi kei k =
n
X
vi w i .
i=1
23.4
230
v, u = 0.
Zapiszmy u = t1 u1 + t2 u2 + . . . + tk uk . Obliczamy, e
D
v, u = v, t1 u1 + t2 u2 + . . . + tk uk = t1 v, u1 + t2 v, u2 + . . . + tk v, uk =
= t1 0 + t2 0 + . . . + tk 0 = 0,
czyli v u. Zatem v U .
Lemat 23.4.3. Kady wektor v mona, i to jednoznacznie, rozoy w sum
v = vU + v ,
gdzie vU U jest skadow z podprzestrzeni U , natomiast (v ) U to skadowa
ortogonalna do U .
Dowd.
Istnienie rozkadu.
Zauwamy, e podprzestrze U sama jest przestrzeni euklidesow, z tym samym
iloczynem skalarnym, co przestrze E. Niech e1 , e2 , . . . , ek bdzie baz ortogonaln
w U , natomiast ek+1 , . . . , en bdzie uzupenieniem tej bazy do bazy ortogonalnej
caej przestrzeni E. Rozkadamy v wzgldem tej bazy.
v = t1 e1 + t2 e2 + . . . + tk ek + tk+1 ek+1 + . . . + tn en .
Przyjmijmy, e vU = t1 e1 + t2 e2 + . . . + tk ek jest skadow z podprzestrzeni U , natomiast v = tk+1 ek+1 + . . . + tn en bdzie skadow ortogonaln do podprzestrzeni
U . Mamy v = vU + v , vU U . Pozostaje sprawdzi, e v jest rzeczywicie ortogonalny do U . W tym celu wystarczy sprawdzi ortogonalno tego wektora do
wektorw e1 , e2 , . . . , ek . Niech m {1, 2, . . . , k}, wiemy, e baza e1 , e2 , . . . , en jest
baz ortogonaln dlatego mamy
D
231
Jednoznaczno rozkadu.
0
Niech v = v + vU i v = v
+ vU0 , gdzie vU U, vU0 U to skadowe ortogonalne do
0
U , tzn. v U, v
U, bd dwoma rozkadami wektora v na skadowe. Z rwnoci
0
v + vU = v + vU0 wynika, e
0
v v
= vU0 vU .
0
Zdefinujmy wektor z taki, e z = v v
= vU0 vU . Zauwamy, e skoro z = vU0 vU ,
0
wynika, e
to wektor z naley do podprzestrzeni U , natomiast z tego, e z = v v
z jest ortogonalny do U (atwo sprawdzi, e rnica dwch wektorw ortogonalnych
do U jest wektorem ortogonalnym do U ). Te dwa warunki s spenione tylko wtedy
0
gdy z = 0, a z tego mamy ju vU = vU0 oraz v = v
. Tak wic nie istniej dwa
rne rozkady wektora v.
k D
X
v, ei ei .
i=1
v = v, e1 e1 + v, e2 e2 + . . . + v, ek ek + v, ek+1 ek+1 + . . . + v, en en .
Skadowa rwnolega do podprzestrzeni U to
D
vU = v, e1 + v, e2 + . . . + v, ek ek .
Ostatecznie wic
PU (v) =
k D
X
v, ei ei .
i=1
232
23.5
Dla danej podprzestrzeni U przestrzeni E, moemy okreli pewien zbir wektorw, o bardzo charakterystycznych wasnociach. Zbir ten to dopenienie ortogonalne podprzestrzeni. Kilka jego wasnoci podamy i udowodnimy poniej.
Definicja 23.5.1 (przeksztacenie ortogonalne). Dopenieniem ortogonalnym,
oznaczanym U , podprzestrzeni U w przestrzeni euklidesowej U nazywamy zbir
U = {v E : v U }.
Wasno 23.5.2. Zbir U jest podprzestrzeni wektorow w E.
Dowd. Musimy pokaza, e zbir wektorw U jest zamknity ze wzgldu na dodawanie i mnoenie przez skalar. Rozwamy dowolne dwa wektory v1 , v2 ze zbioru
U . Zauwamy, e skoro s one prostopade do U to znaczy, e dla kadego u U
mamy
D
E
D
E
v1 , u = v2 , u = 0.
D
v, ei = sk+1 ek+1 + . . . + sn en , ei =
E
233
t1 e1 , ei + t2 e2 , ei + . . . + ti ei , ei + . . . + tn en , ei = 0.
D
i ei , ei 6= 0. Otrzymujemy wic
D
t1 e1 , ei + t2 e2 , ei + . . . + ti ei , ei + . . . + tn en , ei = ti ei , ei = 0,
a skoro ei , ei 6= 0, to ti = 0.
Tak wic
v = t1 e1 + t2 e2 + . . . + tn en = 0 e1 + 0 e2 + . . . + 0 ek + tk+1 ek+1 + . . . + tn en =
= tk+1 ek+1 + . . . + tn en .
Wektor v jest wic kombinacj liniow wektorw ek+1 , . . . , en a zatem naley do
podprzestrzeni Lin{ek+1 , . . . , en }. Ostatecznie otrzymujemy, e
U {ek+1 , . . . , en }.
Ostatecznie, majc oba zawierania moemy stwierdzi, e
U = {ek+1 , . . . , en }.
Zatem skoro ukad ek+1 , . . . , en jest liniowo niezaleny i generuje U jest wic baz
U .
Wniosek 23.5.4. Dla podprzestrzeni U i jej dopenienia ortogonalnego U w przestrzeni E mamy
dimU + dimU = dimE.
Lemat 23.4.3 moemy przy uyciu pojcia dopenienia ortogonalnego podprzestrzeni
wyrazi w postaci nastpujcego wniosku.
Wniosek 23.5.5. Kady wektor z przestrzeni E jednoznacznie przedstawia si jako
suma
v = vU + v ,
gdzie vU U , v U .
234
23.6
Zauwamy, e dla jednej przestrzeni wektorowej moemy wprowadzi kilka iloczynw skalarnych, otrzymujc w ten sposb rne przestrzenie euklidesowe. W tym
podrozdziale pokaemy, e wszystkie takie przestrzenie s izomorficzne, co wicej pokaemy, e dowolne przestrzenie euklidesowe tego samego wymiaru s izomorficzne.
Definicja 23.6.1 (przestrzenie
Dwie przestrzenie E1 , E2 ze swoimi
D E
Dizomorficzne).
E
iloczynami skalarnymi ,
i ,
nazywamy izomorficznymi, jeli istnieje liE1
E2
niowy izomorfizm : E1 E2 , ktry zachowuje iloczyn skalarny, tzn. dla dowolnych
wektorw v, w E1 mamy
D
(v), (w)
E2
= v, w
E
E1
v, w
E
E
n
X
i=1
vi wi = (v1 , v2 , . . . , vn ), (w1 , w2 , . . . , wn )
En
23.7
235
k(ei )k =
(ei ), (ei ) .
rD
(ei ), (ei ) =
rD
ei , ei = kei k.
(ei ), (ej ) = ei , ej = 0.
L = v, w =
n
DX
vi ei ,
i=1
n
X
wj ej .
j=1
n X
n
X
vi w i e i , ej ,
i=1 j=1
n
X
vi wi .
i=1
n
X
P = (v), (w) = (
i=1
vi ei ), (
n
X
j=1
wj ej ) .
236
n
DX
vi (ei ),
i=1
n
X
wi (ej ) .
j=1
n X
n
X
vi wi (ei ), (ej ) .
i=1 j=1
n
X
vi w i .
i=1
AT A = I.
wiczenie. Udowodnienie powyszej rwnoci pozostawimy jako wiczenie dla
czytelnika.
Wniosek 23.7.3. Macierz A jest macierz przeksztacenia ortogonalnego wtedy i
tylko wtedy gdy AT A = I. Macierz tak nazywamy macierz ortogonaln.
Rozdzia 24
Lista uoglnie
W wielu miejscach tego skryptu, przy omawianiu jakiego pojcia w przestrzeniach Rn wskazywalimy na analogi do sytuacji, jak omawialimy w przestrzeniach
R2 i R3 . Podobnie w dowolnych przestrzeniach wektorowych analogie te odnosiy
si do przestrzeni Rn . Przeniesienie rozmaitych faktw dotyczcych przestrzeni R2
i R3 najpierw na przestrzenie Rn , a nastpnie na abstrakcyjne przestrzenie wektorowe byo moliwe dziki uyciu poj, takich jak wsprzdne wektorw w bazie i
macierze przeksztace w bazie. Rozdzia ten powicimy na podanie listy dalszych
takich uoglnie, ktre omwimy tu bez dowodw.
24.1
Definicja 14.3.1 okrela, jak wyglda macierz przejcia do nowego ukadu wsprzdnych w przestrzeni R3 . Tworz j wsprzdne wersorw nowego ukadu wyraone
w starym ukadzie. Podobnie powstaje macierz przejcia do nowej bazy w dowolnej przestrzeni wektorowej. Niech B = {v1 , v2 , . . . , vk }, C = {w1 , w2 , . . . , wk } bd
bazami przestrzeni wektorowej V . Macierz przejcia F = FBC od bazy B do bazy C
to macierz, ktrej kolumny s utworzone ze wsprzdnych wektorw w1 , w2 , . . . , wk
w wyjciowej bazie v1 , v2 , . . . , vk . Dokadniej, jeli
wi =
f1i
f2i
..
.
fki
F = FBC
f11 f12
f21 f22
=
..
..
.
.
fk1 fk2
. . . f1k
. . . f2k
. . . fkk
Fakt 24.1.1. Macierz przejcia F jest macierz kwadratow. Ponadto macierz jest
nieosobliwa, tzn. jej wyznacznik jest niezerowy det F 6= 0.
237
24.2
238
24.3
Twierdzenie 14.5.2 okrela jak wyglda macierz przeksztacenia liniowego przestrzeni R3 w nowym ukadzie wsprzdnych. Podobn zaleno spenia macierz
przeksztacenia dowolnej przestrzeni wektorowej. Dla przeksztacenia T : V V
oraz baz B, C tej przestrzeni, macierz przejcia to F = FBC . Jeeli [T ]B jest macierz
przeksztacenia T w bazie B, to macierz tego przeksztacenia w bazie C wyraa si
wzorem
[T ]C = F 1 [T ]B F.
24.4
Odwracalno przeksztace T : V V .
24.5
239
24.6
a11 t
a12
a
a
21
22 t
det([T ]B t Inn ) = det
.
..
..
.
an1
an2
24.7
...
...
..
.
a1n
a2n
..
.
. . . ann t
Definicje izometrii i przeksztace ortogonalnych, jakie wprowadzilimy w przypadku przestrzeni R3 , moemy bezporednio przenie na przypadek dowolnej przestrzeni Rn .
Definicja 24.7.1 (izometria i przeksztacenie ortogonalne). Przeksztacenie
liniowe T : Rn Rn jest ortogonalne, jeli zachowuje iloczyn skalarny w Rn . Przeksztacenie T : Rn Rn jest izometri, jeli zachowuje odlego w Rn .
Powysza definicja przyjmuje posta analogiczn jak Definicje 11.1.1 i 11.2.1,
wprowadzone dla przeksztace przestrzeni R3 . Scharakteryzowalimy te macierze
przeksztace ortogonalnych. Podobnie jak dla przestrzeni R3 (Lemat 12.1.2), moemy
okreli macierz ortogonaln.
Definicja 24.7.2 (macierz ortogonalna). Macierz A rozmiaru n n jest ortogonalna jeli A AT = I, lub rwnowanie, jeli kolumny macierzy A tworz ukad
wzajemnie prostopadych jednostkowych wektorw z Rn .
Dla przestrzeni R3 pokazalimy, e zbiory izometrii liniowych i przeksztace
ortogonalnych s takie same. Podobny fakt zachodzi rwnie dla przeksztace przestrzeni Rn .
Fakt 24.7.3. Przeksztacenie liniowe T : Rn Rn jest izometri wtedy i tylko
wtedy gdy jest ortogonalne. T jest ortogonalne wtedy i tylko wtedy gdy macierz m(T )
przeksztacenia T jest macierz ortogonaln.
240
24.8
24.9
Formy kwadratowe.
Rozdzia 15 powicilimy na zbadanie wasnoci pewnego rodzaju funkcji form kwadratowych. Podobne pojcie moemy wprowadzi w przestrzeniach Rn .
Definicja 24.9.1 (forma kwadratowa). Funkcja : Rn R jest form kwadratow jeli ma posta
x1
n X
n
X
x2
.. =
aij xi xj ,
.
i=1 j=1
xn
przy czym zakadamy, e aji = aij dla i 6= j.
Macierz A = [aij ]i,j nazywamy macierz formy kwadratowej .
Uwaga 24.9.2. Macierz A = [aij ]i,j jest macierz symetryczn.
Uwaga 24.9.3. Wzr okrelajcy form kwadratow zawiera skadniki aij xi xj oraz
aji xj xi , ktre s rwne. Zatem ogln posta formy kwadratowej mona te zapisa
jako
x1
n
X
X
x2
2
..
=
a
x
+
2aij xi xj .
kk
k
.
1i<jn
k=1
xn
Form kwadratow moemy rwnie zdefiniowa w dowolnej przestrzeni wektorowej.
Definicja 24.9.4. Funkcja : V R jest form kwadratow jeli dla pewnej bazy
B przestrzeni V ma ona w tej bazie posta
x1
x2
..
.
xn
n X
n
X
=
aij xi xj .
i=1 j=1
B
241
24.10
24.11
242
Bibliografia
[1] F.Leja, Geometria analityczna, PWN, 1961
[2] T.Huskowski, H.Korczowski, H.Matuszczyk,
Wydawnictwo Politechniki Wrocawskiej, 1980
Algebra liniowa,
243