Professional Documents
Culture Documents
1
Modułem (wartością bezwzględną) liczby zespolonej (postaci z = ( a, b) ) nazywamy
wyrażenie a 2 + b 2 i oznaczamy symbolem | z | . Jeśli potraktujemy liczbę zespoloną z
jako wektor zaczepiony w początku układu współrzędnych i o końcu w punkcie (a,b),
wtedy długością tego wektora jest moduł liczby z. Własności modułu są następujące:
1. | z1 z 2 |=| z1 || z 2 |
z1 z1
2. = , z2 ≠ 0
z2 z2
| z1 + z 2 |≤| z1 | + | z 2 |
3.
|| z1 | − | z 2 ||≤| z1 − z 2 |
Odwołując się nadal do interpretacji wektorowej liczby z, stwierdzamy, iż kierunek
i zwrot wektora z = a + bi możemy określić przez podanie miary ϕ kąta skierowanego,
którego pierwszym ramieniem jest półoś rzeczywista dodatnia, a drugim – wektor z.
Tę miarę nazywamy argumentem liczby z. Jak wiadomo jest ona wieloznaczna i wyraża
się wzorem: ϕ = ϕ0 + 2kπ , gdzie: 0 ≤ ϕ0 ≤ 2π , k ∈ Z . Kąt ϕ0 nazywamy argumentem
głównym. Oznaczamy: ϕ0 = arg z , ϕ = Argz . Własności argumentu są następujące:
1. Argz 1 z 2 = Argz 1 + Argz 2
z1
2. Arg = Argz 1 − Argz 2
z2
3. Argz n = n ⋅ Argz
W szczególności zachodzi tzw. wzór de Moivre’a:
(cos ϕ + i sin ϕ) n = cos nϕ + i sin nϕ
Każdą liczbę zespoloną możemy przedstawić w postaci trygonometrycznej, gdzie:
z = a + bi =| z | ( cos ϕ + i sin ϕ)
2
Równaniem algebraicznym stopnia n nazywamy równanie postaci:
n −1
a n z + a n −1 z + ... + a1 z + a o = 0, a k ∈ C , k = 0,1,..., n, a n ≠ 0 .
n
8. Definicja wyznacznika.
Definicja rekurencyjna:
1) Jeżeli A = [a] jest macierzą stopnia 1, to jej wyznacznikiem nazywamy liczbę a i pi-
szemy det A = a lub |A| = a.
a11 a12
2) Jeżeli A = jest macierzą stopnia 2, to jej wyznacznikiem nazywamy
a 21 a 22
liczbę det A = a11 a 22 − a12 a 21
3
a11 a12 ... a1n
a a 22 ... a 2 n n
jest macierzą stopnia n, to det A = ∑ a1k A1k ,
21
3) Jeżeli A =
... ... ... ... k =1
a
n1 a n2 ... a nn
1+k
gdzie A1k = (−1) M 1k (dopełnienie algebraiczne), a M 1k (podwyznacznik lub
minor macierzy A) oznacza wyznacznik stopnia n – 1 powstały przez skreślenie w
macierzy A pierwszego wiersza i k-tej kolumny.
Nie ma żadnego powodu, by pierwszy wiersz był uprzywilejowany.
9. Własności wyznaczników.
1) Wyznacznik macierzy dolnotrójkątnej (górnotrójkątnej, diagonalnej) jest iloczynem
elementów przekątnej głównej.
2) Wyznacznik macierzy A równy jest wyznacznikowi macierzy transponowanej AT.
3) Jeżeli macierz A ma wiersz (kolumnę) złożony z samych zer, to det A = 0.
4) Zamiana dwóch wierszy (kolumn) macierzy zmienia znak jej wyznacznika.
5) Jeżeli dwa wiersze (dwie kolumny) wyznacznika macierzy A są równe, to det A = 0.
6) Wspólny czynnik wszystkich elementów jednego wiersza (jednej kolumny) można
wynieść przed znak wyznacznika.
7) Jeżeli dwa wiersze (dwie kolumny) wyznacznika macierzy A są proporcjonalne, to
det A = 0.
8) Niech wszystkie elementy i-tego wiersza (j-tej kolumny) wyznacznika będą sumami
dwóch składników. Wówcza wyznacznik jest równy sumie wyznaczników:
a11 a12 ... a1n a11 a12 ... a1n a11 a12 ... a1n
a 21 a 22 ... a2n a 21 a 22 ... a2n a 21 a 22 ... a2n
... ... ... ... ... ... ... ... ... ... ... ...
= +
ai1 + a *
i1 ai 2 + a *
i2 ... ain + a *
in a i1 ai 2 ... a in a *
i1 a *
i2 ... ain*
... ... ... ... ... ... ... ... ... ... ... ...
a n1 an2 ... a nn a n1 an2 ... a nn a n1 an2 ... a nn
9) Jeżeli do elementów jednego wiersza (jednej kolumny) wyznacznika dodamy odpo-
wiednie elementy innego wiersza (innej kolumny) pomnożone przez dowolną liczbę
to wartość wyznacznika nie ulegnie zmianie.
4
Lemat 1. Niech A = [ a ij ] będzie macierzą kwadratową, Aij dopełnieniem algebraicznym
n n
elementu aij. Jeżeli i ≠ k , to ∑aij Akj = 0 . Podobnie jeśli j ≠ k to
j =1
∑a ij Aik = 0 .
i =1
det Ak
KROK 1. Wykażemy, że jeśli układ ma rozwiązanie x1 , x 2 ,..., x n , to x k = dla (
det A
k =1,2,..., n ).
Zakładamy, że x1 , x 2 ,..., x n jest rozwiązaniem układu. Pomnożymy kolejne równania
przez dopełnienia A1k , A2 k ,..., Ank elementów k-tej kolumny:
a11 x1 + a12 x 2 +... + a1n x n = b1 /⋅ A1k
a 21 x1 + a 22 x 2 +... + a 2 n x n = b2 /⋅ A2 k
.......... .......... .......... .......... .....
a n1 x1 + a n 2 x 2 +... + a nn x n = bn /⋅ Ank
a następnie dodamy wszystkie równania stronami i pogrupujmy wg niewiadomych:
n n n n
∑ i1 ik 1
a A x + ... + ∑ ik ik k
a A x + ... + ∑ in ik n ∑ bi Aik
a A x =
i =1 i =1 i =1 i =1
Na podstawie lematu wnioskujemy, że po lewej stronie tylko jeden składnik jest nieze-
rowy – ten zawierający xk. Co więcej, współczynnik przy tej niewiadomej wynosi det A .
Natomiast prawa strona jest rozwinięciem wyznacznika det Ak . Zatem
det Ak
xk = , k = 1,2,..., n
det A
KROK 2. Sprawdzimy, że rozwiązanie xk rzeczywiście spełnia równanie układu. Po pod-
stawieniu do s-tego równania otrzymujemy:
det A1 det A2 det An 1
a s1 + as2 + ... + a sn = [a s1 (b1 A11 + ... + bn An1 ) + .... + a sn (b1 A1n + ... + bn Ann )] =
det A det A det A det A
1 1
[b1 (a s1 A11 + ... + a sn A1n ) + ... + bn (a s1 An1 + ... + a sn Ann )] = bs det A = bs
det A det A
det Ak
11. Przestrzeń liniowa. Przestrzenie Rn, Cn, R ∞ , C(0,1).
Przestrzeń liniowa (inaczej wektorowa) V nad ciałem K jest to system algebraiczny (V, K,
+, *) składający się ze zbioru V (zbioru wektorów), ciała K (skalarów), działania +:
V ×V → V (dodawania wektorów), działania ⋅ : K ×V → V (mnożenia wektora przez ska-
lar), w którym spełnione są następujące aksjomaty:
1) dodawanie wektorów jest łączne: (x + y) + x = x + (y + z);
2) dodwanie wektorów jest przemienne: x + y = y + z;
3) istnieje wektor zerowy 0: 0 + x = x + 0 = x;
4) dla każdego wektora v istnieje wektor przeciwny –v: x + (-x) = 0;
5) mnożenie wektora przez liczbę jest łączne, a * (b * x) = (a * b) * x;
6) pomnożenie wektora przez 1 daje ten sam wektor 1 * x = x;
7) mnożenie wektora przez liczbę jest rozdzielne ze względu na sumę wektorów
oraz ze względu na sumę skalarów: a * (x + y) = a * x + a * y (a + b) * x =
a*x + b*x.
5
Przestrzeń R ∞ : oznacza zbiór wszystkich ciągów nieskończonych o wyrazach rzeczywi-
stych. Znając działania dodawania i mnożenia ciągów przez liczbę, stwierdzamy, że zbiór
ten jest przestrzenią liniową.
Przestrzeń C(0,1): oznacza zbiór wszystkich funkcji ciągłych określonych na przedziale
[0, 1]. Działanie dodawania i mnożenia przez liczbę są w zbiorze C(0,1) wykonalne (suma
f. ciągłych jest f. ciągłą; iloczyn f. ciągłej i stałej jest również f. ciągłą).
6
Zbiór wektorów {vt }t∈T nazywamy bazą przestrzeni V, gdy:
7
Kolejne etapy rozwiązywania takiego układu:
1) Tworzymy macierz uzupełniona układu (ostatnia kolumna oddzielona kreską):
a11 a12 ... a1n b1
a
21 a 22 ... a 2 n b2
... ... ... ... ...
a m1 a m 2 ... a mn bm
2) Jeśli a11 ≠ 0 , to dzielimy pierwszy wiersz przez a11 (wtedy wyraz wiodący
wynosi 1) i posługując się tym wierszem, uzyskamy zera w pierwszej kolumnie – od
wiersza drugiego odejmujemy wiersz pierwszy pomnożony przez a 21 itd. Gdyby
a11 = 0 , a np. a k 1 ≠ 0 , to przestawiamy najpierw wiersz pierwszy z k-tym – i dalej jak
poprzednio.
3) To postępowanie kontynuujemy dla kolejnych wierszy (aż do n-tej kolumny)
W wyniku powyższych kroków otrzymujemy macierz schodkową. Istnieją trzy możliwe
przypadki:
I. w otrzymanej macierzy występuje wiersz: (0 0 … 0 | 1) – układ sprzeczny.
II. nie ma wierszy postaci (0 0 … 0 | 1) i liczba niezerowych wierszy jest równa liczbie
niewiadomych, tzn. macierz postaci:
1 * ... * b1
0 1 ... * b
2
8
a11 x1 +a12 x 2 +... +a1n x n =b1
a 21 x1 +a 22 x 2 +... +a 2 n x n =b2
.......... .......... .......... .......... .....
a n1 x1 +a n 2 x 2 +... +a nn x n =bn
Ma rozwiązanie wtedy i tylko wtedy, gdy rząd macierzy układu ( R(A) ) równa jest rzę-
dowi macierzy uzupełnionej układu ( R(B) ).
D o w ó d:
Jeżeli układ ma rozwiązanie, to istnieją elementy x j ∈K spełniające powyższy układ
równań, a więc i równanie wektorowe: x1v1 + x 2 v 2 + ... + x n v n = w . Z równania tego wy-
nika, że wektor w jest kombinacja liniową wektorów v1 , v 2 ,..., v n . Tym samym w
należy do przestrzeni rozpiętej na wektorach v1 , v 2 ,..., v n . Zatem wymiary
przestrzeni generowanych przez { v1 , v 2 ,..., v n } i { v1 , v 2 ,..., v n , w } są takie same,
a to oznacza, że R(A)=R(B).
Odwrotnie, jeśli R(A)=R(B)= r, to wśród wektorów v1 , v 2 ,..., v n jest r liniowo
niezależnych – niech to będą v1 , v 2 ,..., v r . Ale R(B) = r, więc wśród wektorów
v1 , v 2 ,..., v n , w jest też tylko r liniowo niezależnych. Muszą to być v1 , v 2 ,..., v r .
Pozostałe sa od nich liniowo zależne. W szczególności w jest kombinacją liniową
wektorów , v1 , v 2 ,..., v r , a więc i wektorów v1 , v 2 ,..., v n . Tym samym istnieją
elementy x j ∈K spełniające równanie wektorowe: x1v1 + x 2 v 2 + ... + x n v n = w .
9
Operator obliczania granicy: L(( a n )) = lim
n →∞
(a n ), L : V → W .
Dla dowolnego ciągu (a n ) i (bn ) mamy:
L(c ⋅ (a n ) + (bn )) = lim c ⋅ ( a n ) + lim (bn ) = c ⋅ lim (a n ) + lim(bn ) = c ⋅ L(( a n )) + L((bn ))
n →∞ n →∞ n →∞ n →∞
Całkowanie: V = W = C(0,1)
x
∫ [c ⋅ f (t ) + g (t )]dt
0
= ∫ c ⋅ f (t )dt + ∫ g (t )dt = c ⋅ ∫ f (t )dt + ∫ g (t )dt
0 0 0 0
0 1 0 ... 0 0
0 0 2 ... 0 0
D = ... ... ... ... ... ...
0 0 0 ... n −1 0
0 0 0 ... 0 n
23 − 12
22. Macierz przekształcenia złożonego. Uzasadnij, że dla macierzy: A= 1 3
2 2
jest A12=I.
Macierzą złożenia f = g h jest macierz C = AB (A macierz g, B macierz h).
10
23 − 12
π
Macierz przekształcenia A =
3
rozpoznajemy jako macierz obrotu płaszczyzny o
2 2
1
płaszczyzny o kąt 6
, ergo 1 2⋅ π6 = 2π , więc macierz A12 wygląda
następująco:
1 0
A12 = . Jest więc to macierz jednostkowa I.
0 1
Opisz złożenie ( ∫ D )( f ), f ∈W .
0
Zatem g : W →V , gdzie V = R.
24. Definicja macierzy odwrotnej. Podać i uzasadnić warunek jaki musi spełniać ma-
cierz mająca macierz odwrotną.
Wprowadzamy przekształcenia f : V →V oraz g : V →V . Jeżeli: f g = g f = id V (idV
to przekształcenie tożsamościowe), to g nazywamy przekształceniem odwrotnym
względem f i oznaczamy g = f -1.
Ponieważ złożeniu przekształceń odpowiada złożenie macierzy zapisujemy:
AA −1 = A −1 A = I . Macierz A-1 nazywamy macierzą odwrotną względem A.
Aby macierz posiadała macierz odwrotną jej wyznacznik musi być różny od zera (zapi-
sujemy det A ≠ 0 , macierz musi być nieosobliwa). Aby uzasadnić ten warunek
posłużymy się twierdzeniem Cauchy’ego:
Dla dowolnych macierzy kwadratowych A i B tego samego stopnia: det AB = det A ⋅ det B .
Ergo: det AA −1 = det A ⋅ det A −1 = det I = 1 . Wnioskujemy, że macierz posiadająca macierz
odwrotną nie może mieć wyznacznika równego 0.
11
twoarzac macierz dopełnień algebraicznych [ Aij ], tę macierz transponujemy – wynikiem
jest tzw. macierz dołączona AD = [ A ji ], wreszcie dzielimy ją przez wyznacznik.
Sposób 2. Skorzystamy z twierdzenia:
Jeżeli macierz I jest otrzymana przez operacje elementarne na wierszach z macierzy A, to
macierz A-1 powstaje z macierzy I w wyniku wykonania tych samych operacji elementar-
nych.
Praktycznie zapisujemy macierze A i I obok siebie, a następnie wykonujemy elementarne
operacje na wierszach, by uzyskać macierze I i A-1 obok siebie.
26. Macierz przejścia od bazy do bazy. W szczególności opisać jak tworzymy macierz
przejścia od bazy B do bazy standardowej i odwrotnie – od bazy standardowej do B.
Niech V będzie przestrzenią liniową n-wymiarową i niech B = {v j } i D = {wi } będą
dwiema bazami tej przestrzeni. Macierz przejścia od bazy B do bazy D, P = [ pij ] okre-
ślamy jako macierz przekształcenia tożsamościowego id : V → V wyliczoną dla baz B (w
dziedzinie) i D (w przeciwdziedzinie). Jej j-tą kolumnę tworzą współrzędne wektora v j
n
w bazie wi , tj. mamy: v j = ∑ pij wi , dla j =1,2,..., n .
i =1
operator całkowania ∫
0
, c) operator całkowania ∫0
.
12
a) TAK, gdyż po zróżniczkowaniu wielomianu stopnia n otrzymujemy wielomian stop-
nia co najwyżej n – 1, który również należy do Wn (jest to zbiór wielomianów stop-
nia co najwyżej n).
1
det( A − λΙ) = 0
A −λΙ =0
Przykładem przekształcenia niemającego wektorów własnych może być obrót płaszczy-
zny dookoła O o kąt φ, gdzie φ ≠ 0 ∧ φ ≠ π .
Układ taki ma rozwiązanie niezerowe wtedy i tylko wtedy, gdy liczba λ spełnia warunek:
a11 − λ a12 ... a1n
a 21 a 22 − λ ... 13 a 2 n
=0 (**)
... ... ... ...
a n1 an 2 ... a nn − λ
Lewa strona tej równości jest wielomianem zmiennej λ stopnia n. Na mocy zasadniczego
twierdzenia algebry powyższe równanie ma co najmniej jeden pierwiastek λ 0. Jeżeli (x1,
x2,...,xn) jest jakimkolwiek rozwiązaniem niezerowym układu otrzymanego z układu (*)
po podstawieniu λ = λ 0, to wektor (x1, x2,...,xn) jest własny.
14
1 ⋅ x2 = 0
2⋅ x = 0
3
...
(n − 1) ⋅ x = 0
n− 1
n ⋅ xn = 0
i podstawieniu x1 = a (w macierzy schodkowej układu niewiodącym wierszem jest
wiersz pierwszy) otrzymujemy wektor własny v = (a,0,0,..., 0) . Interpretując otrzymany
wynik, stwierdzamy, że po zróżniczkowaniu stałej a (czyli odpowiadającego jej wektora
v) otrzymujemy 0.
Mówimy, że w przestrzeni zespolonej V jest określony iloczyn skalarny, jeśli każdej parze
wektorów v,w∈V jest przyporządkowana liczba zespolona, którą oznaczymy przez (v,w),
przy czym przyporządkowanie to ma następujące własności:
1. (v,w) = (w , v ) (skośna symetria)
2. (α v,w) = α (v,w) dla α∈ C (jednorodność)
3. (v1 + v2,w) = (v1,w) + (v2,w) (addytywność)
4. dla dowolnego v∈V jest (v,v) ≥ 0, przy czym (v,v) = 0 wtedy i tylko wtedy,
gdy v = 0.
Iloczyn skalarny w przestrzeni zespolonej nie jest jednorodny ze względu na drugą
zmienną (nie jest więc także liniowy). Przestrzeń zespoloną, w której jest określony ilo-
czyn skalarny nazywamy przestrzenią unitarną.
Przykład: Wzór:
n
(v, w) = α 1 β 1 + α 2 β 2 + ... + α n β n = ∑ α i β i
i =1
15
35. Własności normy (długości) wektora. Jaką postać ma nierówność Schwarza dla
zwykłego iloczynu skalarnego w Rn?
W każdej przestrzeni euklidesowej bądź unitarnej długość wektora ma następujące wła-
sności. Dla dowolnego skalara α i dowolnych wektorów v,w mamy:
1. αv =αv
2. v >0 dla v ≠0
3. ( )
v, w ≤ v ⋅ w (nierówność Schwarza)
4. v + w ≤ v + w (nierówność trójkąta)
Nierówność Schwarza dla zwykłego iloczynu skalarnego w Rn:
n 2 n 2 n 2
∑x i y i
i =1
≤ ∑ xi
i =1
∑ yi
i =1
D o w ó d:
Dowód dla przestrzeni unitarnej. Zauważmy, że jeśli w = 0, to nierówność jest praw-
dziwa. Załóżmy więc, że w ≠ 0. Dla dowolnego z∈C mamy (v – zw,v – zw) ≥ 0, czyli
(v,v) - z (v,w) – z(w,v) + z z (w,w) ≥ 0.
( v, w )
Przyjmijmy z =
( w , w ) . Wtedy
( v, v ) − (v, w) ( v, w) − ( v, w) ( w, v ) + ( v, w) (v, w) ( w, w) ≥ 0
( w, w) ( w, w) ( w, w) ( w, w)
2 ( v, w ) 2
v − 2
≥0
w
( v, w ) ≤ v ⋅ w c.n.u.
37. Ortogonalny i ortonormalny zbiór wektorów. Czy takie zbiory muszą być liniowo
16
38. Baza ortogonalna i twierdzenie o rozwinięciu.
Bazę przestrzeni V składającą się z wektorów ortogonalnych nazywamy bazą ortogonalną.
Twieradzenie o rozwinięciu
Niech { v1, v2 ,..., vn} będzie bazą ortogonalną przestrzeni V z iloczynem skalarnym
(⋅ ,⋅ ). Jeśli v jest dowolnym wektorem przestrzeni V, to:
v=
( v, v1 ) v + ( v, v 2 ) v + + ( v, v n ) v
2 1 2 2 2 n
v1 v2 vn
jest przedstawieniem v jako kombinacji liniowej wektorów bazy.
Dowód :
Wektory vi stanowią bazę, więc v = λ 1v1 + λ 2v2 +...+λ nvn dla pewnych skalarów λ i .
2
( v, v i )
Wtedy (v,vi) = λ i v i , więc λ i = 2 .
vi
17