Professional Documents
Culture Documents
Algebra Liniowa Prof. Jerzy Topp
Algebra Liniowa Prof. Jerzy Topp
Jerzy Topp
PODSTAWOWE STRUKTURY
ALGEBRAICZNE
x ◦ y = x + y + 3. (1.2)
y = y ∗ e = y ∗ (x ∗ y 0 ) = (y ∗ x) ∗ y 0 = e ∗ y 0 = y 0
x ◦ y = x + y − x0 .
Mówimy, że działanie ◦ jest rozdzielne względem działania ∗, gdy jest ono jed-
nocześnie lewo- i prawostronnie rozdzielne względem działania ∗. Z (1.5) i (1.6)
łatwo wynika, że jeśli działanie ◦ jest przemienne, to jest ono rozdzielne wzglę-
dem działania ∗ pod warunkiem, że jest ono lewostronnie (lub prawostronnie)
rozdzielne względem działania ∗.
oraz
(b−1 ◦ a−1 ) ◦ (a ◦ b) = b−1 ◦ (a−1 ◦ a) ◦ b = b−1 ◦ e ◦ b = e.
Stąd i z definicji 1.1.4 wynika teza twierdzenia.
Definicja 1.2.2. W grupie (G, ◦) definiujemy całkowitą potęgę elementu x ∈ G,
przyjmując, że
Wtedy
[x + y]n = n(lx + ly ) + rx + ry n = [rx + ry ]n
oraz
x + [y]n n
= [ nlx + rx + ry ]n = [rx + ry ]n
12 1. Podstawowe struktury algebraiczne
⊕4 0 1 2 3 ⊗4 0 1 2 3
0 0 1 2 3 0 0 0 0 0
1 1 2 3 0 i 1 0 1 2 3
2 2 3 0 1 2 0 2 0 2
3 3 0 1 2 3 0 3 2 1
ax + by = 1
xy + n(−k) = 1
Przykład 10. Zbiór liczb wymiernych Q jest grupą ze względu na zwykłe do-
dawanie. Jego nietrywialny podzbiór 2Z, czyli zbiór wszystkich parzystych liczb
całkowitych, jest nietrywialną podgrupą grupy Q, bo różnica dowolnych dwóch
liczb parzystych jest liczbą parzystą, tj. a − b ∈ 2Z dla każdych a, b ∈ 2Z.
H = {an : n ∈ Z},
jest podgrupą grupy G. Podgrupa ta zwykle jest oznaczana symbolem hai i na-
zywana podgrupą cykliczną grupy G generowaną przez element a. Samą grupę
Grupa cykliczna G nazywamy grupą cykliczną, gdy G = hai dla pewnego a ∈ G. W takim
przypadku mówimy też, że element a jest generatorem grupy G.
Przykładowo, grupa liczb całkowitych Z jest grupą cykliczną ze względu na
dodawanie i jej jedynymi generatorami są liczby 1 i −1, czyli Z = h1i oraz
Z = h−1i.
W grupie Z7 − {0} z mnożeniem modulo 7 podgrupami cyklicznymi są: h1i =
{1}, h2i = h4i = {1, 2, 4}, h3i = h5i = {1, . . . , 6} = Z7 − {0} i h6i = {1, 6}.
1.3. Pierścień
Definicja 1.3.1. Niech + i ◦ będą działaniami w niepustym zbiorze P ; działa-
nia te będziemy nazywać odpowiednio dodawaniem i mnożeniem w zbiorze P .
Mówimy, że system algebraiczny (P, +, ◦) (albo, dla krótkości, że zbiór P ) jest
Pierścień pierścieniem, gdy:
(P1 ) P jest grupą przemienną ze względu na dodawanie +;
(P2 ) mnożenie ◦ jest łączne w zbiorze P ;
(P3 ) mnożenie ◦ jest lewo- i prawostronnie rozdzielne względem dodawania,
czyli dla każdych elementów x, y, z ∈ P jest
x ◦ (y + z) = x ◦ y + x ◦ z i (x + y) ◦ z = x ◦ z + y ◦ z.
1.3. Pierścień 15
Z warunku (P1 ) powyższej definicji oraz z definicji grupy (zob. def. 1.2.1)
i z twierdzenia 1.1.1 wynika, że pierścień P ma dokładnie jeden element neutralny
ze względu na działanie dodawania. Element ten zwykle oznaczamy symbolem
0 i nazywamy zerem pierścienia P . Z podobnych powodów dla każdego x ∈ P 0 – zero pierścienia
istnieje dokładnie jeden element x̃ ∈ P taki, że x+ x̃ = 0. Element ten oznaczamy
przez −x i nazywamy elementem przeciwnym do x. −x – element przeciwny
Proste własności zera i elementów przeciwnych przedstawiamy w następnym do x w pierścieniu
twierdzeniu.
Definicja 1.3.2. Jedynką pierścienia P nazywamy element e ∈ P taki, że dla Jedynka pierścienia
każdego x ∈ P jest
x ◦ e = e ◦ x = x.
Definicja 1.3.3. Element x pierścienia P nazywamy dzielnikiem zera, jeśli Dzielnik zera
x 6= 0 i istnieje element y ∈ P − {0} taki, że
x ◦ y = 0 lub y ◦ x = 0.
Przykład 14. Wiemy już (zob. twierdzenie 1.2.4), że zbiór Zn (n > 1) jest gru-
pą przemienną ze względu na dodawanie modulo n. Bezpośrednio po dowodzie
twierdzenia 1.2.4 wspomnieliśmy także, że mnożenie modulo n jest łączne i prze-
mienne w zbiorze Zn . Mnożenie to jest także lewostronnie rozdzielne względem
dodawania modulo n, bo dla każdych x, y, z ∈ Zn mamy
x ⊗n (y ⊕n z) = x ⊗n [y + z]n = x · [y + z]n n (z definicji działań ⊕n i ⊗n )
= [x · (y + z)]n (z własności (1.8))
= [(x · y) + (x · z)]n (z rozdzielności zwykłego mnożenia liczb
całkowitych względem zwykłego dodawania liczb całkowitych)
= [x · y]n ⊕n [x · z]n (z definicji działania ⊕n )
= (x ⊗n y) ⊕n (x ⊗n z). (z definicji działania ⊗n )
x ◦ x0 = x0 ◦ x = 1.
1.4. Ciało
1.5. Ćwiczenia
1. W zbiorze liczb całkowitych Z dane jest działanie ∗, 7. W zbiorze R × (R − {0}) określone jest działanie ⊗,
gdzie x ∗ y = x + |y| dla x, y ∈ Z. (a) Zbadać prze- gdzie
mienność i łączność działania ∗. (b) Czy w zbiorze Z (x, y) ⊗ (x0 , y 0 ) = (x + x0 y, yy 0 ).
istnieje element neutralny działania ∗? (a) Czy działanie ⊗ jest przemienne? (b) Wykazać,
2. W zbiorze liczb rzeczywistych R określone jest zwykłe że (R × (R − {0}), ⊗) jest grupą. (c) Czy zbiór S =
dodawanie + i zwykłe mnożenie · liczb rzeczywistych {(0, y) : y ∈ R − {0}} z działaniem ⊗ jest podgrupą
oraz działanie ∗, gdzie a∗b = a+b−a·b. Sprawdzić, czy grupy (R × (R − {0}), ⊗)?
działanie ∗ jest: (a) łączne; (b) rozdzielne względem 8. Wykazać, że podzbiór H = {2, 4, 6, 8} zbioru Z10
dodawania +; (c) rozdzielne względem mnożenia ·. jest grupą przemienną ze względu na mnożenie mo-
dulo 10.
3. W zbiorze R × R dane jest działanie ∗ takie, że 9. Czy zbiór H = {1, 4, 7, 13} z mnożeniem modulo 15
tworzy grupę?
(x1 , y1 ) ∗ (x2 , y2 ) = (x1 x2 , y1 + y2 ).
10. (a) W grupie Z96 z dodawaniem modulo 96 wska-
(a) Wskazać element neutralny działania ∗. (b) Które zać podgrupę mającą cztery elementy. (b) Czy grupa
elementy (x, y) zbioru R×R są odwracalne ze względu (Z96 , ⊕96 ) ma podgrupę trzyelementową?
na działanie ∗? (c) Czy działanie ∗ jest łączne? 11. Niech a będzie ustalonym elementem grupy G. Poka-
zać, że zbiór
4. Niech X będzie zbiorem mającym co najmniej 3 ele-
menty. Wskazać dwa wzajemnie jednoznaczne odwzo- H = {x ∈ G : ax = xa}
rowania f i g zbioru X na siebie takie, że f ◦g 6= g ◦f .
jest podgrupą grupy G.
5. Udowodnić, że dla każdych x, y, z ∈ Zn jest 12. Niech G będzie grupą. Udowodnić, że zbiór
x ⊗n (y ⊗n z) = (x ⊗n y) ⊗n z.
H = {x ∈ G : xg = gx dla każdego g ∈ G},
6. W zbiorze R+ = {x ∈ R : x > 0} dane jest działanie zwany centrum grupy G, jest podgrupą grupy G.
◦, gdzie dla każdych x, y ∈ R+ jest 13. Niech H będzie podgrupą grupy G i niech a będzie
x ◦ y = xln y . ustalonym elementem grupy G. Udowodnić, że zbiór
14. Niech G będzie grupą przemienną. Udowodnić, że 22.∗ Pokazać, że jeśli ◦ jest działaniem łącznym w skończo-
zbiór nym zbiorze G, to para (G, ◦) jest grupą wtedy i tylko
H = {x ∈ G : x−1 = x} wtedy, gdy dla każdych trzech elementów a, b, c ze
jest podgrupą grupy G. zbioru G spełnione są warunki: (a) jeśli a ◦ b = a ◦ c,
to b = c; (b) jeśli a ◦ b = c ◦ b, to a = c.
15. Udowodnić, że jeśli H1 i H2 są podgrupami grupy 23.∗ Udowodnić, że skończony i niepusty podzbiór H gru-
G, to także ich część wspólna H1 ∩ H2 jest podgrupą py G jest jej podgrupą wtedy i tylko wtedy, gdy
grupy G. ab ∈ H dla każdych dwóch elementów a i b ze zbioru
16. Ile elementów ma podgrupa H = {4n : n ∈ Z} grupy H.
Z13 − {0} z mnożeniem modulo 13. 24. Udowodnić, że jeśli x jest dzielnikiem zera w pierście-
niu przemiennym P i y ∈ P , to xy = 0 lub xy jest
17. Pokazać, że zbiór G = {1, 3, 5, 9, 11, 13} z mnoże- dzielnikiem zera.
niem modulo 14 jest grupą cykliczną. 25. Udowodnić, że jeśli niezerowy element x pierścienia
18.∗ Udowodnić, że każda podgrupa grupy cyklicznej jest P nie jest dzielnikiem zera i dla elementów y, z ∈ P
cykliczna. jest xy = xz, to y = z.
26. Działania ⊕ i ⊗ w zbiorze liczb rzeczywistych R są
19. Rzędem elementu x w skończonej grupie nazywamy określone za pomocą zwykłego dodawania i zwykłego
najmniejszą liczbę naturalną k, dla której xk = e. mnożenia liczb rzeczywistych i dla każdych x, y ∈ R
Udowodnić, że w skończonej grupie rząd elementu jest x⊕y = x+y +1 oraz x⊗y = xy +x+y. Wykazać,
x jest identyczny z rzędem elementu odwrotnego x−1 . że system (R, ⊕, ⊗) jest ciałem.
20. Udowodnić, że dla każdych elementów a i b grupy G 27. Udowodnić, że ciało nie ma dzielników zera.
(z działaniem ◦) równania a ◦ x = b i y ◦ a = b mają 28. Niech P będzie skończonym i przemiennym pierście-
jednoznaczne rozwiązania w grupie G, czyli istnieją niem z jedynką. Udowodnić, że albo P ma dzielnik
jednoznacznie wyznaczone elementy x, y ∈ G takie, zera, albo P jest ciałem.
że a ◦ x = b i y ◦ a = b. 29. W zbiorze L wszystkich nieskończonych ciągów rze-
czywistych określamy dodawanie ⊕ i mnożenie ⊗
21.∗ Niech ◦ będzie działaniem dwuargumentowym w nie- w następujący sposób:
pustym zbiorze G. Udowodnić, że (G, ◦) jest grupą (x1 , x2 , . . .) ⊕ (x1 , y2 , . . .) = (x1 + y1 , x2 + y2 , . . .),
wtedy i tylko wtedy, gdy jednocześnie spełnione są
(x1 , x2 , . . .) ⊗ (x1 , y2 , . . .) = (x1 y1 , x2 y2 , . . .).
warunki: (1) a ◦ (b ◦ c) = (a ◦ b) ◦ c dla każdych
a, b, c ∈ G; (2) równania a ◦ x = b i y ◦ a = b mają Wykazać, że (L, ⊕, ⊗) jest pierścieniem i nie jest cia-
rozwiązania w zbiorze G dla każdych a, b ∈ G. łem.
Rozdział 2
LICZBY ZESPOLONE
Re (z) = a i Im (z) = b.
(c) Liczba (0, 0) jest elementem neutralnym działania ⊕, bo dla każdej liczby ze-
spolonej (a, b) mamy
(d) Liczba (−a, −b) jest liczbą przeciwną do liczby (a, b), bo
(a, b) ⊕ (−a, −b) = a + (−a), b + (−b) = (0, 0).
(g) Liczba (1, 0) jest elementem neutralnym działania ⊗, bo dla każdej liczby ze-
spolonej (a, b) jest
(i) W końcu dla każdych liczb zespolonych (a, b), (c, d) i (e, f ) mamy
(a, b) ⊗ (c, d) ⊕ (e, f ) = (a, b) ⊗ (c + e, d + f )
= a(c + e) − b(d + f ), a(d + f ) + b(c + e)
= (ac − bd) + (ae − bf ), (ad + bc) + (af + be)
= (ac − bd, ad + bc) ⊕ (ae − bf, af + be)
= (a, b) ⊗ (c, d) ⊕ (a, b) ⊗ (e, f ) .
(a, 0) = a. (2.8)
Ze względu na powyższe utożsamianie (które formalnie jest izomorfizmem ciała
liczb rzeczywistych R z podciałem CR ciała liczb zespolonych C, zob. zad. 39
i 40) możemy powiedzieć, że zbiór liczb zespolonych C, w którym sumę i iloczyn
określono wzorami (2.2) i (2.3), jest rozszerzeniem zbioru liczb rzeczywistych R
z tradycyjnie rozumianą sumą i iloczynem liczb rzeczywistych.
Do zbioru C należy liczba (0, 1), którą nazywamy jednostką urojoną i ozna-
czamy symbolem j, czyli
j = (0, 1). (2.9)
Zauważmy, że wobec (2.3) i (2.8) mamy
j · j = (0, 1)(0, 1) = (−1, 0) = −1,
więc
j 2 = −1. (2.10)
Równie łatwo zauważamy, że j 3 = −j i j 4 = 1. Stąd zaś można wywnioskować, że
każda naturalna potęga liczby j jest jedną z liczb j, −1, −j i 1. W szczególności
mamy
j 5 = j, j 6 = −1, j 7 = −j i j 8 = 1.
Twierdzenie 2.1.2. Każdą liczbę zespoloną z = (a, b) można przedstawić w po-
staci
z = a + bj. (2.11)
22 2. Liczby zespolone
Dowód. Łatwo zauważyć, że dla liczby zespolonej z = (a, b) wobec (2.2), (2.3), (2.8)
i (2.9) kolejno mamy
z = a + jb – postać kano- Postać z = a + bj liczby zespolonej z = (a, b) nazywamy jej postacią kano-
niczna liczby z = (a, b) niczną (algebraiczną lub kartezjańską). Wobec (2.2)–(2.5) suma, różnica, iloczyn
i iloraz liczb zespolonych w postaci kanonicznej określone są odpowiednio wzo-
rami:
Działania na liczbach z + w = (a + bj) + (c + dj) = (a + c) + (b + d)j; (2.12)
w postaci kanonicznej z − w = (a + bj) − (c + dj) = (a − c) + (b − d)j; (2.13)
zw = (a + bj)(c + dj) = (ac − bd) + (ad + bc)j; (2.14)
z a + bj ac + bd bc − ad
= = 2 + 2 j. (2.15)
w c + dj c + d2 c + d2
Łatwo zauważyć, że
z + w = (1 + 5j) + (3 + 2j) = (1 + 3) + (5j + 2j) = 4 + 7j,
z − w = (1 + 5j) − (3 + 2j) = (1 − 3) + (5j − 2j) = −2 + 3j.
Przy wyznaczaniu iloczynu liczb zespolonych w postaci kanonicznej nie trzeba pa-
miętać wzoru (2.14). Wystarczy skorzystać z rozdzielności mnożenia względem dodawa-
nia, zastąpić j 2 przez −1 i zgrupować “podobne” czynniki. Dlatego dla liczb z = 1 + 5j
i w = 3 + 2j mamy
1z j
z−w
- -
O a x O x −w
z = a − bj.
(a) z + w = z + w, z − w = z − w;
j
−b
(b) z w = z w, z/w = z/w (gdy w 6= 0); z=a−bj
n
(c) dla każdej liczby całkowitej n jest (z n ) = z (z 6= 0, gdy n ¬ 0); Rys. 2.4
(d) z jest liczbą rzeczywistą wtedy i tylko wtedy, gdy z = z.
Dodatkowo, jeśli z = a + bj (gdzie a, b ∈ R), to
(e) z + z = 2a, z − z = 2bj i zz = a2 + b2 .
(2 + j)2
Przykład 19. Znaleźć moduł liczby z = .
(1 + 6j)(1 − 7j)
Wobec definicji 2.2.2 i twierdzenia 2.2.2 mamy
√
|2 + j|2 ( 2 2 + 1 2 )2 5 1
|z| = = √ p = √ √ = √ .
|1 + 6j||1 − 7j| 1 +6
2 2 1 + (−7)
2 2 37 50 74
2j
(b) 2 ¬ |z − 1 − 3j| ¬ 4; z0
(c) |z − 1| ¬ Im (z) + 2. −1
2 ¬ |z − (1 + 3j)| ¬ 4, r=2
3j R=4
z0
czyli jest to zbiór tych z, których odległość od punktu z0 = 1+3j jest liczbą z przedziału
h2; 4i. Zatem jest to pierścień kołowy o środku w punkcie z0 = 1 + 3j i promieniu
wewnętrznym r = 2 oraz promieniu zewnętrznym R = 4, zob. rys. 2.7.
1 2 3 4 5
(c) Dla liczby z = x + jy (gdzie x, y ∈ R) jest
1 2 3 4 5
Rys. 2.8
2.3. Postać trygonometryczna liczby zespolonej
Każdą różną od zera liczbę zespoloną z = a + bj można przedstawić w postaci
a b
z = |z| +j , (2.18)
|z| |z|
a ponieważ
2 2
a b a2 b2
+ = + = 1,
|z| |z| a2 + b 2 a2 + b 2
więc jedna z liczb a/|z| i b/|z| jest sinusem, a druga cosinusem tej samej liczby
rzeczywistej α i dlatego możemy przedstawić następującą definicję.
Definicja 2.3.1. Argumentem liczby zespolonej z = a+bj 6= 0 nazywamy każdą Argument liczby zespolonej
liczbę rzeczywistą α, oznaczamy ją także symbolem arg (z), dla której
a b
= cos α i = sin α. (2.19)
|z| |z|
√
Przykład 22. Dla liczb −1 + j oraz − 3 − j wobec (2.20) mamy
π 3
Arg (−1 + j) = arctan(−1/1) + π = − +π = π
4 4
oraz
√ √ π 5
Arg (− 3 − j) = arctan(1/ 3) − π = − π = − π.
6 6
i i
α
*z
z |z| |z|
= cos(α − β) + j sin(α − β) , (2.25) }β
w |w|
o
α
γ
-
gdy w 6= 0. 1
Rys. 2.11
√
Przykład 24. Liczby z = 3 + j oraz w = 1 + j przedstawić w postaci try-
gonometrycznej. Następnie znaleźć postać trygonometryczną każdej z liczb zw
i z/w.
√
Ponieważ |z| = 2, cos α = 23 i sin α = 12 , więc α = π6 i z = 2 cos π6 +j sin π6 . Podobnie
√ √
|w| = 2, cos β = √12 i sin β = √12 , więc β = π4 i w = 2 cos π4 + j sin π4 . Zatem
√
π π
π π
√ 5π 5π
zw = 2 2 cos + + j sin + = 2 2 cos + j sin
6 4 6 4 12 12
i
√
z 2 π π π π −π −π
= √ cos − + j sin − = 2 cos + j sin .
w 2 6 4 6 4 12 12
Przy obliczaniu potęg liczb zespolonych można posłużyć się tzw. wzorem de
Moivre’a. Wzór ten jest prostą konsekwencją twierdzenia 2.3.1.
Wniosek 2.3.1. Jeśli z = |z|(cos α + j sin α) i n jest liczbą całkowitą, to
gdzie z 6= 0 dla n ¬ 0.
Wniosek 2.3.2. Dla każdej liczby rzeczywistej α i każdej liczby całkowitej n jest
34 34
z1 = cos 3
π + j sin 3
π = cos 10π + 34 π + j sin 10π + 34 π
√
= cos 34 π + j sin 43 π = − 21 − j 2
3
.
√ √
Ponieważ 1 + j 3 = 2 cos π3 + j sin π3 i 1 − j = 2 cos(− π4 ) + j sin(− π4 ) , więc
z twierdzenia 2.3.1 otrzymujemy
28 2. Liczby zespolone
√
1+j 3 2 π π
π π
√ 7π 7π
1−j
= √
2
cos 3
− − 4
+ j sin 3
− − 4
= 2 cos 12
+ j sin 12
.
Stąd i z wniosku 2.3.1 mamy
√ 12
7π 7π
z2 = 2 cos + j sin = 26 cos 7π + j sin 7π = −64.
12 12
Ze wzoru de Moivre’a mamy (cos x+j sin x)3 = cos 3x+j sin 3x. Jednocześnie ze wzoru
Wzór Newtona: Newtona
n
X n (cos x + j sin x)3 = cos3 x + 3j cos2 x sin x − 3 cos x sin2 x − j sin3 x
(a + b) =n
an−k bk
k = (cos3 x − 3 cos x sin2 x) + j(3 cos2 x sin x − sin3 x).
k=0
-
π
2
12
π
π ¬ Arg (−1 + j)z 3 ¬ π
12
2
R jest równoważna nierówności
i π
2
π
π ¬ Arg (−1 + j) + 3Arg (z) + 2kπ ¬ π
6
2
dla pewnego k ∈ Z. Stąd
Rys. 2.12
π 2kπ π 2kπ
− − ¬ Arg (z) ¬ −
12 3 12 3
dla pewnego k ∈ Z. Jednocześnie −π < Arg (z) ¬ π, więc k = 0, k = 1 lub k = −1
π π
i − 12 ¬ Arg (z) ¬ 12 , − 9π
12
¬ Arg (z) ¬ − 7π
12
lub 7π
12
¬ Arg (z) ¬ 9π
12
. Szukany zbiór
składa się z trzech części przedstawionych na rys. 2.12.
2.4. Pierwiastkowanie liczb zespolonych 29
wn = z (z def. pierwiastka)
⇔ |w|n (cos ϕ + j sin ϕ)n = |z|(cos α + j sin α)
⇔ |w|n (cos nϕ + j sin nϕ) = |z|(cos α + j sin α) (ze wzoru de Moivre’a)
⇔ |w|n = |z| i
nϕ = α + 2kπ dla k ∈ Z (z równości liczb)
p α + 2kπ
⇔ |w| = |z| i ϕ =
n
dla k ∈ Z
n p n o
⇔ w ∈ wk = n |z| cos α+2kπ
n
+ j sin α+2kπ
n
: k ∈ Z = P.
Ponieważ żadne dwie liczby ze zbioru {0, 1, . . . , n−1} nie różnią się o całkowitą krotność
liczby n, więc liczby w0 , w1 , . . . , wn−1 są różne. Niech teraz wl będzie dowolnym elemen-
tem ze zbioru P. Ponieważ liczba l różni się o całkowitą krotność liczby n od dokładnie
jednej liczby k ze zbioru {0, 1, . . . , n − 1}, więc wl = wk . Stąd P ⊆ {w0 , w1 , . . . , wn−1 }
i to kończy dowód twierdzenia.
p
Moduł każdej z liczb określonych wzorem
p (2.28) jest równy n |z|, więc wszyst-
kie one leżą na okręgu o promieniu n |z| i środku w początku układu współ-
rzędnych. Dodatkowo, dzielą one ten okrąg na n równych części, bo arg (w k ) −
arg (wk−1 ) = 2π/n dla k = 1, . . . , n − 1. Równoważnie, pierwiastki w0 , w1 , . . . ,
wn−1 stopnia n 3 z liczby zespolonej
p z są wierzchołkami n-kąta foremnego
wpisanego w okrąg o promieniu n |z| i środku w początku układu współrzęd-
nych.
Rys. 2.13 Z twierdzenia 2.4.1 dla jedności, tj. dla z = 1 = 1(cos 0 + j sin 0), mamy
następujący wniosek.
Wniosek 2.4.1. Pierwiastki n-tego stopnia z jedności określone są wzorem
2kπ 2kπ
Pierwiastki z jedności εk = cos + j sin (2.29)
n n
dla k = 0, 1, . . . , n − 1.
Warto zauważyć, że jeśli ε = ε1 , to (ponieważ εk = εk1 = εk dla k =
ε1
6 0, 1, . . . , n−1) liczby 1, ε, ε2 , . . . , εn−1 są wszystkimi pierwiastkami n-tego stop-
nia z jedności i – jak to już wcześniej powiedzieliśmy – liczby te są wierzchołkami
n-kąta foremnego wpisanego w okrąg o środku w początku układu współrzęd-
- nych i promieniu długości jeden, zob. rys. 2.14 dla n = 3, rys. 2.15 dla n = 4
1=ε0
i rys. 2.16 dla n = 6. Łatwo także zauważyć następującą własność pierwiastków
ε2 n-tego stopnia z jedności, własność która może być przydatna przy wyznaczaniu
pierwiastków n-tego stopnia z innych liczb zespolonych.
Rys. 2.14
Wniosek 2.4.2. Jeśli w jest jakimkolwiek pierwiastkiem n-tego stopnia z liczby
z 6= 0 i ε = cos 2π 2π
n + j sin n , to liczby
6
j w, wε, wε2 , . . . , wεn−1 (2.30)
są wszystkimi pierwiastkami n-tego stopnia z liczby z.
-
−1 1
Przykład 30. Wyznaczyć pierwiastki stopnia trzeciego z liczby (1 + j) 6 .
−j
Ponieważ w = (1 + j)2 = 2j √ jest pierwiastkiem stopnia trzeciego z liczby (1 + j)6
Rys. 2.15 i ε = cos 3 + j sin 3 = − 2 + j 23 jest pierwiastkiem stopnia trzeciego z jedności, więc
2π 2π 1
Przykład 32. Pierwiastkami stopnia drugiego z liczby −25 = 25(cos π+j sin π)
są liczby
√ π
π √ 3
3
w0 = 25 cos + j sin = 5j i w1 = 25 cos π + j sin π = −5j.
2 2 2 2
y 4 + 9y 2 − 400 = 0.
y = ±4 i x = − 20
y
= ∓5.
−b − δ −b + δ
x= i x= , (2.34)
2a 2a
gdzie δ jest jednym z dwóch pierwiastków stopnia drugiego z liczby ∆ = b 2 − 4ac.
Dowód. Jeśli δ jest pierwiastkiem stopnia drugiego z liczby ∆ = b2 − 4ac, to mamy
b2 − 4ac = δ 2 i
b 2 b2
ax2 + bx + c = a x2 + ab x + c
a
=a x+ 2a
+ c
a
− 4a2
b 2 b2 −4ac b 2 δ2
= a x+ 2a
− 4a2
=a x+ 2a
− 4a2
b
δ
b
δ
= a x+ 2a
+ 2a
x+ 2a
− 2a
= a x− −b−δ
2a
x− −b+δ
2a
.
−b ± δ
x= = 1 ± j.
2a
2.5. Wzory Eulera 33
W tym przypadku jest ∆ = (2 + j)2 − 4(−1 + 7j) = 7 − 24j, |∆| = 25 i wobec (2.33)
jednym pierwiastkiem stopnia drugiego z liczby ∆ = 7 − 24j jest
p p
δ= (25 + 7)/2 − j (25 − 7)/2 = 4 − 3j.
x1 = 3 − j i x2 = −1 + 2j.
X∞
zn z z2 zn
ez = =1+ + +... + + ..., (2.35)
n=0
n! 1! 2! n!
∞
X z 2n z2 z4 z6
cos z = (−1)n =1− + − +..., (2.36)
n=0
(2n)! 2! 4! 6!
X∞
z 2n+1 z3 z5 z7
sin z = (−1)n =z− + − + .... (2.37)
n=0
(2n + 1)! 3! 5! 7!
Przykład 37. Z (2.41) mamy ejπ = cos π + j sin π = −1 + j · 0 = −1, więc także
ejπ + 1 = 0.
Dla rzeczywistych liczb x1 , x2 , x oraz dla liczby naturalnej n jest ex1 ex2 =
e , ex1 /ex2 = ex1 −x2 i (ex )n = enx . Teraz udowodnimy, że te same własności
x1 +x2
e z1
ez1 ez2 = ez1 +z2 , = ez1 −z2 i (ez )n = enz .
e z2
3 W wielu podręcznikach przyjmuje się, że iloczyn ex (cos y + j sin y) jest definicją funkcji
Przykładowo mamy
√ π √ 5π 7π
1+j = 2ej 4 i − 3 − j = 2e−j 6 = 2ej 6 .
Z własności liczb zespolonych w postaci trygonometrycznej natychmiast wy-
nikają następujące własności liczb zespolonych w postaci wykładniczej.
36 2. Liczby zespolone
2.7. Ćwiczenia
1. Znaleźć część rzeczywistą i urojoną następujących 4. Wyznaczyć i zaznaczyć w płaszczyźnie zbiór
liczb zespolonych: wszystkich z spełniających warunek:
4 − 3j 1 + j tg α
6
(a) (1 + 2j) ; (b) ; (c) ; (a) |z| + |z − 2j| = 2;
1+j 1 − j tg α
(b) |z + j| + |z − j| = 4.
2. Rozwiązać równania, w których niewiadome x i y są
5. Następujące liczby zapisać w postaci kartezjańskiej:
liczbami rzeczywistymi:
(a) (7 + 2j)x − (5 − 4j)y = −1 − j; (a) (2 + 3j)(1 + j)(7 − 3j)(7 − 3j);
(b) (1 + 2j)x + (3 − 5j)y = 1 − 3j; (b) 30 cos π + j sin π cos 3π
4
+ j sin 3π
4
;
(c) (5 − 8j)x + (7 + 3j)y = 2 − j; (c) 6 cos π
+ j sin π
cos 5
π + j sin 5
π ;
6 6 6 6
(d) (2 + 3j)x2 + (2 + j)x + (4 − 3j)y = 8 + 17j. ◦ ◦
(d) 3 cos 42 +j sin 42 cos 168 +j sin 168◦ ;
◦
√
3. Rozwiązać następujące równania, w których niewia- (e) 8(cos 147◦ +j sin 147◦ )
√ j;
2(cos 57◦ +j sin 57◦ )
doma z jest liczbą zespoloną:
π 12 π 20
(a) (1 + j)z + 2jz = 1 + 5j; (f ) cos 6 + j sin 6
π
cos 12
π
+ j sin 12
.
(b) zz + 2z = 19 + 4j; 6. Wyznaczyć postać trygonometryczną następujących
liczb:
(c) |z| − z = 1 + 2j;
3−j
(a) (5 + 5j) · ; (b) cos1+j tg α
;
(d) |z| + (1 + j)z = 4 + 7j; 2+j α+j sin α
(c) tg α + j; (d) 1 − cos x + j sin x;
(e) |(2 + j)z| − (3 − j)z = −5j; √ n √
1+j 3 (−1+j 3)4n
(f ) zz + 2(z − z) = 25 − 12j. (e) 1+j
; (f ) (1−j)8n
;
2.7. Ćwiczenia 37
√
(g) 14 − j 43 (− cos α + j sin α); 16. Korzystając z postaci wykładniczej liczby zespolonej,
√ √ √ √
(h)∗ 6 + 2 + j( 6 − 2). rozwiązać następujące równania:
5
(a) z 3 = j |zzz| ; (b) 8z|z| = (z)5 ;
100
X 27
X 11
X 6 6
√
7. Obliczyć: (a) j k ; (b) j k ; (c) (1 + j)k . (c) z = (z) ; (d) z 4 = (1 + j 3)|z|2 .
k=1 k=−15 k=0
17. (a) Oblicz (5 + 4j)3 i stąd wyznaczyć postać kano-
8. W tym zadaniu przez Arg (z) oznaczamy ten argu- niczną liczby (5 − 4j)3 ; (b) Zauważ, że 41 = 52 + 42 =
ment liczby z, który należy do przedziału (−π; πi (5 + 4j)(5 − 4j), a następnie przedstaw liczbę 413 jako
(albo do innego przedziału długości 2π). W płasz- sumę dwóch kwadratów.
czyźnie C lub R2 zaznaczyć zbiór tych liczb z, dla 18. Za pomocą sprzężenia wykazać, że |z − w|2 + |z +
których: w|2 = 2|z|2 + 2|w|2 . Wywnioskować stąd, że su-
(a) z = z 2 ; (b) |z − 1 + 2j| = |z − 4|; ma kwadratów wszystkich boków równoległoboku jest
(c) |z| < 1 − Re (z); (d) Arg (z − 2 + j) = π4 ; równa sumie kwadratów jego przekątnych.
(e) − π2 ¬ Arg (z 4 ) ¬ 34 π; 19. Biorąc pod uwagę potęgi liczby 2+j, pokaż, że wektor
(f ) |z − 4 + 5j| 2 i − π6 ¬ Arg (z− 1 − 3j) ¬ π2 ; [3, 4] dzieli kąt między wektorami [2, 1] i [2, 11] na
(g) − π4 ¬ Arg (1 + j)(z − 1 + 2j) ¬ 3π dwie równe części.
4
20. Wykazać, że trzy różne punkty z1 , z2 i z3 są wierz-
i |(3 + 4j)z − 25| ¬ 25;
chołkami trójkąta równobocznego, jeśli wiadomo, że
(h) Arg (z + 1 − j) = Arg (z − 3 − 2j);
|z1 | = |z2 | = |z3 | = r > 0 i z1 + z2 + z3 = 0.
(i) Arg (z + 1 − 2j) = Arg (z − 3 − j) + π; 21. Niech ω1 6= 0 będzie wierzchołkiem n-kąta foremnego
(j) |Arg (z − 1) − Arg (z + 1)| = π2 . o środku w punkcie s0 = 0. Znaleźć pozostałe wierz-
chołki tego n-kąta.
9. Wykazać, że dla liczby zespolonej z jest −1+j
22. Wyznaczyć część rzeczywistą i urojoną liczby 1+ √ .
3j
π √
Arg (z − 1) = Arg (z + 1) + Przedstawić liczby −1 + j oraz 1 + 3j w postaci
4 trygonometrycznej, a następnie pokazać, że cos 5π =
√ 12
√ 3−1 5π
wtedy i tylko wtedy, gdy |z − j| = 2 i Im (z) > 0. √
2 2
i wyznaczyć sin 12
.
10. Wyznaczyć wszystkie rozwiązania równania: 1
23. Pokazać, że jeśli |z| = 1, to z = .
(a) z 8 = 1; (b) z 3 = j; √
z
3
(c) z = −2 + 2j; (d) z 4 = 8 + 8 3j; 24. Pokazać, że jeśli z 6= −1, to z−1 z+1
jest liczbą urojoną
(e) z 4 = −j; (f ) z 4 = (1√− j)8 ; wtedy i tylko wtedy, gdy |z| = 1 i Im(z) 6= 0.
(g) z 6 = (1 + 2j)6 ; (h) z 3 = 4 2(1 + j). 25. Pokazać, że jeśli z 6= −1, to z−1 z+1
jest liczbą rzeczywi-
stą wtedy i tylko wtedy, gdy Im(z) = 0.
11. Wyznaczyć wszystkie zespolone rozwiązania nastę- 26. Korzystając ze wzoru de Moivre’a, przedstawić sin 4x
pujących równań: i cos 4x za pomocą sin x i cos x.
(a) (x + j)n + (x − j)n = 0; 27. Korzystając ze wzoru de Moivre’a, uzasadnić, że
n
(b) (x + 2)n − (x − 2)n = 0;
X 2n
n cos 2nx = (−1)k cos2(n−k) x sin2k x
(c) (x + 3j) j(x − 3j)n = 0;
+ 1+j i
2k
1+xj n k=0
(d) 1−xj
= 1−j tg α
tg α
; n−1
X 2n
(e) x5 + x4 + x3 + x2 + x + 1 = 0. sin 2nx = (−1)k cos2(n−k)−1 x sin2k+1 x.
2k + 1
k=0
12. Wyznaczyć pierwiastki stopnia drugiego z następu- 28. Znaleźć wzory na sumy cos α + cos 2α + . . . + cos nα
jących liczb zespolonych: oraz sin α + sin 2α + . . . + sin nα.
(a) (1 + 2j)2 ; (b) −5 + 12j; (c) −24 − 10j. 29. Wykazać, że jeśli z jest pierwiastkiem n-tego stopnia
13. Rozwiązać następujące równania: z jedynki, to także z jest pierwiastkiem n-tego stopnia
(a) x2 − 3x + 2, 5 = 0; z jedynki.
(b) x2 + 2jx − 5 = 0; 30. Niech z będzie pierwiastkiem n-tego stopnia z jedyn-
(c) x2 + (2 + 2j)x + 1 + 2j = 0; ki. Obliczyć wartości następujących sum:
(d) x2 − (3 + 7j)x − 10 + 11j = 0; (a) 1 + z + z 2 + . . . + z n−1 ;
(e) (3 + j)x2 + (1 − j)x − 6j = 0; (b) 1 + 2z + 3z 2 + . . . + nz n−1 ;
(f ) x2 + (8 − 5j)x − 19 + 43j = 0. (c) 1 + 4z + 9z 2 + . . . + n2 z n−1 .
31. Obliczyć iloczyn wszystkich pierwiastków n-tego
14. Znajdź cześć rzeczywistą i urojoną następujących stopnia z jedynki.
liczb: πj 3πj 32. Obliczyć sumę wszystkich pierwiastków n-tego stop-
(a) e2+3j ; (c) e 6 e 4 ; (e) sin 2j; nia z jedynki.
(b) e 4 ; (d) 2e 4 +3e 6 ; (f ) cos(1+j).
5πj πj πj
33. Obliczyć sumę k-tych potęg wszystkich pierwiastków
n-tego stopnia z jedynki, gdzie k jest liczbą całkowitą.
15. Dana jest liczba z = ea+bj , gdzie a i b są rzeczywiste. 34. Pokazać, że zbiór H = {z ∈ C : |z| = 1} jest grupą
Wyznaczyć: ze względu na mnożenie.
(a) |z|; (b) z; (c) z −1 ; 35. Wykazać, że zbiór H = {1, −1, j, −j} z mnożeniem
(d) Re(z); (e) Im(z); (f ) arg (z). jest grupą.
38 2. Liczby zespolone
36. Pokazać, że zbiór Pn wszystkich pierwiastków 41. Wpisując TAK albo NIE, stwierdzić prawdziwość
n-tego stopnia z jedynki jest grupą przemienną ze każdego z następujących zdań:
względu na mnożenie liczb zespolonych. 1 ez jest liczbą dodatnią dla każdej liczby
∞
[ zespolonej z.
37. Udowodnić, że zbiór P = Pn jest multiplikatyw-
n=1
2 Nierówność | sin z| ¬ 1 jest prawdziwa dla
ną grupą abelową, gdzie Pn jest zbiorem wszystkich każdej liczby zespolonej z.
pierwiastków n-tego stopnia z jedynki dla n ∈ N . 3 Dla każdej liczby rzeczywistej ϕ i każdej liczby
38. Pokazać, że jeżeli liczba zespolona z0 jest pierwiast- całkowitej n jest (cos ϕ−j sin ϕ)n = cos nϕ−j sin nϕ.
kiem wielomianu P (z) o współczynnikach rzeczywi- 4 Kwadrat każdej liczby zespolonej jest nieuje-
stych, to także liczba z 0 jest pierwiastkiem wielomia- mną liczbą rzeczywistą.
nu P (z).
39. Wykazać, że podzbiór CR = {(a, 0) : a ∈ R} zbio- 5 Każda niezerowa liczba zespolona ma dwa
ru liczb zespolonych C ze zwykłym dodawaniem ⊕ różne pierwiastki stopnia drugiego.
i zwykłym mnożeniem ⊗ liczb zespolonych (zob. (2.2) 6 Jeśli z + z = 2z, to z jest liczbą rzeczywistą.
√
i (2.3)) jest ciałem. 7 Dla liczb rzeczywistych a i b jest a2 + b2 = 2,
40. Niech (F1 , ⊕1 , ⊗1 ) i (F2 , ⊕2 , ⊗2 ) będą ciałami. Mó- gdy (a + bj)3 = 8.
wimy, że ciało (F1 , ⊕1 , ⊗1 ) jest izomorficzne z cia- 8 Dla każdej liczby zespolonej z jest ez = ez .
łem (F2 , ⊕2 , ⊗2 ), gdy istnieje funkcja różnowartościo-
wa ϕ : F1 → F2 odwzorowująca zbiór F1 na zbiór F2 9 Jeśli z jest liczbą zespoloną, a n jest liczbą
i taka, że ϕ(x ⊕1 y) = ϕ(x) ⊕2 ϕ(y) oraz ϕ(x ⊗1 y) = naturalną, to częścią rzeczywistą liczby z n − (z)n
ϕ(x) ⊗2 ϕ(y) dla każdych elementów x, y ∈ F1 . Wy- jest zero.
kazać, że ciało liczb rzeczywistych (R, +, ·), gdzie + 10 Jeśli z i w są liczbami zespolonymi, to zw + zw
i · jest odpowiednio zwykłym dodawaniem i zwy- jest liczbą rzeczywistą.
kłym mnożeniem liczb rzeczywistych, jest izomorficz- 11 Jeśli z i w są liczbami zespolonymi, to zw − zw
ne z ciałem (CR , ⊕, ⊗) z poprzedniego zadania. jest liczbą czysto urojoną.
Rozdział 3
WIELOMIANY
w którym
c0 = a 0 b0 , c1 = a 0 b1 + a 1 b0 , c2 = a 0 b2 + a 1 b1 + a 2 b0
i ogólnie
i
X X
ci = aj bi−j = a k bl , (3.4)
j=0 k+l=i
40 3. Wielomiany
(V + W )i = (V )i + (W )i = (W )i + (V )i = (W + V )i
oraz
V + (W + U ) = (V )i + (W + U )i = (V )i + (W )i + (U )i
i
= (V )i + (W )i + (U )i = (V + W )i + (U )i
= (V + W ) + U i .
co dowodzi, że V (W U ) = (V W )U .
Wielomian E = (1, 0, 0, . . .) jest elementem neutralnym mnożenia, bo dla każdego
wielomianu V = (a0 , a1 , a2 , . . .) wobec (3.3) i (3.4) jest
Dowód. Wykażemy najpierw istnienie wielomianów Q(x) i R(x). Niech V (x) i W (x)
będą odpowiednio wielomianami stopnia n i m. Jeśli n < m, to wielomiany Q(x) ≡ 0
i R(x) ≡ V (x) mają własność (3.10). Załóżmy teraz, że 0 ¬ m ¬ n. W tym przypadku
tezy dowodzimy indukcyjnie ze względu na n. Jeśli n = 0, to także m = 0 i V (x) oraz
W (x) są niezerowymi elementami ciała K. Wtedy Q(x) = V (x)/W (x) i R(x) ≡ 0 mają
własność (3.10).
Niech teraz V (x) będzie wielomianem stopnia n > 0 i załóżmy, że dowodzo-
ne stwierdzenie jest prawdziwe dla wszystkich wielomianów mniejszego stopnia. Jeśli
V (x) = an xn + . . . + a1 x + a0 i W (x) = bm xm + . . . + b1 x + b0 , to bierzemy pod uwagę
wielomian
U (x) = V (x) − an b−1
m x
n−m
W (x) (3.11)
= (an xn + . . . + a0 ) − an b−1
m x
n−m
(bm xm + bm−1 xm−1 . . . + b0 )
= 0xn + (an−1 − an b−1
m bm−1 )x
n−1
+ ...,
gdzie deg R1 (x) < deg W (x) i deg R2 (x) < deg W (x). Wtedy
W (x) Q1 (x) − Q2 (x) = R2 (x) − R1 (x) (3.13)
i ponieważ deg R2 (x) − R1 (x) < deg W (x), więc Q1 (x) − Q2 (x) musi być wielomia-
nem zerowym. Stąd Q1 (x) = Q2 (x) i wtedy też wobec (3.13) jest R1 (x) = R2 (x).
To dowodzi, że iloraz Q(x) i reszta R(x), spełniające warunek (3.10), są wyznaczone
jednoznacznie.
an b−1
m x
n−m
an x + an−1 xn−1 + . . . + a1 x + a0
n : b m xm + . . . + b 0
an b−1
m x
n−m
· W (x)
V (x) − an b−1
m x
n−m · W (x)
44 3. Wielomiany
Przykład 42. Obliczyć iloraz Q(x) i resztę R(x) z dzielenia wielomianu V (x)
= 4x3 + x2 − x + 2 przez wielomian W (x) = x2 − x − 2 w pierścieniu R[x].
Zgodnie z powyższym schematem, dzieląc wielomian V (x) przez W (x), otrzymujemy
4x + 5
4x3 + x2 − x + 2 : x2 − x − 2
4x3 − 4x2 − 8x
5x2 + 7x + 2
5x2 − 5x − 10
12x + 12.
W górnym wierszu tej tabeli stoją kolejne współczynniki wielomianu V (x). Na-
tomiast w dolnym wierszu mamy x0 , y0 = an oraz kolejno wyznaczone liczby
y1 , . . . , yn . Te ostatnie wyznaczamy ze wzoru (3.17). Warto zauważyć, że w ogól-
nym przypadku obliczenie wartości wielomianu stopnia n za pomocą schematu
Hornera wymaga wykonania n mnożeń i n dodawań. A. Borodin udowodnił
w 1971 roku, że jest to najszybszy sposób obliczania wartości wielomianu.
Tworzymy tabelę
5 -3 10 7
.
2 5
W górnym wierszu wpisaliśmy kolejne współczynniki wielomianu V (x). W dolnym wpi-
saliśmy x0 = 2 i y0 = a3 = 5. W wolne miejsca kolejno wpisujemy liczby y1 = x0 y0 +
a2 = 2 · 5 + (−3) = 7, y2 = x0 y1 + a1 = 2 · 7 + 10 = 24 i y3 = x0 y2 + a0 = 2 · 24 + 7 = 55
otrzymując tabelę
5 -3 10 7
,
2 5 7 24 55
z której wnioskujemy, że V (2) = 55.
więc (wobec (3.16) i (3.17)) współczynniki wielomianu Q(x) (oraz reszta R(x))
są dokładnie tymi, które otrzymujemy w schemacie Hornera dla wielomianu V (x)
i x = x0 .
1 2 0 0 -1 7
-2 1 0 0 0 -1 9
Dowód. Wobec wniosku 3.2.1 istnieje jednoznacznie wyznaczony wielomian Q(x) taki,
że
V (x) = (x − x0 )Q(x) + V (x0 ).
Stąd widać, że V (x) jest podzielny przez x − x0 wtedy i tylko wtedy, gdy V (x0 ) = 0,
czyli wtedy i tylko wtedy, gdy x0 jest pierwiastkiem wielomianu V (x).
Pierwiastek wielokrotny Mówimy też, że x0 jest pierwiastkiem wielokrotnym wielomianu V (x), gdy x0 jest
k-krotnym pierwiastkiem wielomianu V (x) dla pewnej liczby naturalnej k 2.
Łatwo teraz zauważyć, że dla m < k jest V (m) (x0 ) = 0. Natomiast dla m = k mamy
gdzie
Ponieważ
V (x) = x3 − 2jx2 + 4x − 8j i V (2j) = −8j + 8j + 8j − 8j = 0,
V 0 (x) = 3x2 − 4jx + 4 i V 0 (2j) = −12 + 8 + 4 = 0,
V 00 (x) = 6x − 4j i V 00 (2j) = 12j − 4j 6= 0,
V (x) = x5 + x4 + 1
Jeśliby wielomian V (x) miał wielokrotny pierwiastek, to wobec twierdzenia 3.4.2 był-
by to jednocześnie pierwiastek wielomianu V 0 (x). Ponieważ pierwiastkami wielomianu
V 0 (x) = 5x4 + 4x3 są tylko liczby x0 = 0 i x00 = −4/5 i ponieważ żadna z tych liczb nie
m
X m (j)
1 Wzór Leibniza: (f (x)g(x))(m) = f (x)g (m−j) (x)
j
j=0
n
X V (i) (x0 )
2 Wzór Taylora: Jeśli deg V (x) = n, to V (x) = (x − x0 )i
i!
i=0
48 3. Wielomiany
Zasadnicze tw. algebry Twierdzenie 3.4.4 (Zasadnicze twierdzenie algebry). Jeśli V (x) jest wie-
lomianem nad ciałem liczb zespolonych i deg V (x) > 0, to V (x) ma pierwiastek
w ciele C.
Znanych jest wiele dowodów tego twierdzenia. Pierwszy podał C. F. Gauss
w swojej pracy doktorskiej z roku 1799 i noszącej tytuł “Dowód twierdzenia,
że każdą całkowitą funkcję wymierną jednej zmiennej można rozłożyć na rze-
czywiste czynniki pierwszego lub drugiego stopnia”. (Gauss podał też trzy inne
dowody tego twierdzenia.) Ponieważ w każdym z nich korzysta się z dość za-
awansowanych metod analizy matematycznej lub algebry, nie przedstawimy tu
dowodu tego twierdzenia. Dowody te można znaleźć m.in. w [5], [12], [13] i [14].
Następujący wniosek o rozkładzie wielomianu na iloczyn dwumianów jest prostą
konsekwencją twierdzenia 3.4.4.
3.4. Pierwiastki wielomianów 49
Wniosek 3.4.3. Jeśli V (x) jest wielomianem nad ciałem liczb zespolonych
i deg V (x) = n > 0, to V (x) ma dokładnie n (niekoniecznie różnych) pierwiast-
ków x1 , x2 , . . . , xn w ciele C i może on być przedstawiony w postaci iloczynu
Rozkład wielomianu
V (x) = a(x − x1 )(x − x2 ) . . . (x − xn ), (3.18) na czynniki liniowe
– iloczyn dwumianów
gdzie a jest liczbą różną od zera.
Dowód indukcyjny ze względu na n. Teza jest oczywista dla n = 1. Załóżmy teraz
prawdziwość tezy dla wielomianów stopnia n − 1, gdzie n 2, i weźmy pod uwagę
wielomian V (x) ∈ C[x] stopnia n. Wobec twierdzenia 3.4.4 istnieje liczba x1 ∈ C taka,
że V (x1 ) = 0. Zatem, wobec twierdzenia 3.4.1, istnieje wielomian Q(x) ∈ C[x] stopnia
n − 1 taki, że
V (x) = (x − x1 )Q(x).
Z założenia indukcyjnego dla wielomianu Q(x) istnieją liczby zespolone x2 , x3 , . . . xn
i a takie, że
Q(x) = a(x − x2 )(x − x3 ) . . . (x − xn ).
Stąd i z twierdzenia 3.4.3 wynika, że x1 , x2 , . . . , xn są wszystkimi pierwiastkami wie-
lomianu V (x) i mamy
Wniosek 3.4.4. Niech V (x) będzie wielomianem stopnia n nad ciałem liczb
zespolonych. Jeśli liczby zespolone x1 , x2 , . . . , xm są pierwiastkami wielomianu
V (x) o krotnościach odpowiednio k1 , k2 , . . . , km i k1 + k2 + . . . + km = n, to
(c) Tym razem wielomian V (x) przedstawimy w postaci iloczynowej bez uprzed-
niego wyznaczania jego pierwiastków. Za pomocą prostych przekształceń otrzymujemy
j2 j2
V (x) = x4 + jx2 + 6 = x4 + jx2 + 4
− 4
+6
j 2 2 2
= 2
x + 2
+ 254
= x 2
+ 2j − 5
2
j
2 j
2 j
= x + 2
− 5
2
j x + 2
+ 52 j = (x − 2j)(x2 + 3j)
2
√ √ √ √
= (x − 1 − j)(x + 1 + j) x + 2
6
− 2
6
j x− 2
6
+ 2
6
j .
3 z liczby −1) i tylko jeden z tych pierwiastków jest liczbą rzeczywistą. Warto
zwrócić uwagę na fakt, że w obu przykładach liczby sprzężone z0 i z0 jednocześnie
są pierwiastkami tego samego wielomianu. Następne twierdzenie pokazuje, że to
“chodzenie parami” pierwiastków sprzężonych jest własnością charakterystyczną
pierwiastków wielomianów o współczynnikach rzeczywistych (zob. także zadanie
23). W dowodzie tego twierdzenia skorzystamy z następującego oznaczenia: jeśli
V (x) = an xn + an−1 xn−1 + . . . + a1 x + a0 ∈ C[x], to przez V (x) oznaczamy
wielomian sprzężony z wielomianem V (x), wielomian, którego współczynniki są
liczbami sprzężonymi do odpowiednich współczynników wielomianu V (x), czyli
Teraz, tak jak w dowodzie wniosku 3.4.5, grupujemy i wymnażamy czynniki odpowia-
dające sprzężonym pierwiastkom i otrzymujemy
h √ √ √ √ ih √ √ √ √ i
2 2 2 2 2 2 2 2
V (x) = x− 2
− 2
j x− 2
+ 2
j x+ 2
− 2
j x+ 2
+ 2
j
2 2
√ √ √ √
2 1 2 1
= x− 2
+ 2
x+ 2
+ 2
= (x2 − 2x + 1)(x2 + 2x + 1).
więc także
p(an pn−1 + an−1 pn−2 q + . . . + a1 q n−1 ) = −a0 q n .
Stąd wynika, że p dzieli liczbę a0 q n i dlatego p dzieli a0 , bo p i q są względnie pierwsze.
Podobnie z równości (3.22) mamy
Dlatego jedynym pierwiastkiem wymiernym wielomianu V (x) jest 21 . Dzieląc teraz V (x)
przez x − 21 , otrzymujemy
1
V (x) = x − (2x2 − 8x + 10) = (2x − 1)(x2 − 4x + 5).
2
Pozostałe pierwiastki wielomianu V (x) są pierwiastkami ilorazu
Q(x) = x2 − 4x + 5 = (x2 − 4x + 4) + 1
= (x − 2)2 − j 2 = (x − 2 − j)(x − 2 + j).
e − P (x)Q(x).
gdzie Q(x) = Q(x)
Dowód twierdzenia 3.5.1 sugeruje, w jaki sposób dla względnie pierwszych
wielomianów V (x) i W (x) można wyznaczyć wielomiany P (x) i Q(x) spełniajace
zależność (3.23).
54 3. Wielomiany
Definicja 3.6.1. Niech P (x) i Q(x) będą wielomianami nad ciałem K, powiedz-
my P (x) = am xm + am−1 xm−1 + . . . + a1 x + a0 i Q(x) = bn xn + bn−1 xn−1 +
. . . + b1 x + b0 . Wtedy funkcję postaci
P (x) am xm + am−1 xm−1 + . . . + a1 x + a0
Funkcja wymierna = (3.29)
Q(x) bn xn + bn−1 xn−1 + . . . + b1 x + b0
nazywamy funkcją wymierną nad ciałem K. Funkcję wymierną (3.29) nazywamy
właściwą funkcją wymierną, gdy deg P (x) < deg Q(x).
3.6. Funkcje wymierne i ułamki proste 55
x5 + 2x − 1 1 x−7
f (x) = , g(x) = i h(x) =
x4 + 1 x (x + 1)3
są funkcjami wymiernymi nad ciałem liczb rzeczywistych, a dwie ostatnie są
także właściwymi funkcjami wymiernymi.
gdzie P (x), Q(x) ∈ K[x], deg P (x) < deg Q(x), wielomian Q(x) jest nierozkła-
dalny w pierścieniu K[x] i k jest dodatnią liczbą naturalną.
Z definicji ułamka prostego i z wniosku 3.4.3 wynika, że każdy ułamek prosty
nad ciałem liczb zespolonych jest postaci A/(x − x0 )k , gdzie A i x0 są liczbami
zespolonymi, a k jest dodatnią liczbą naturalną. Natomiast wobec wniosku 3.4.5
ułamkami prostymi nad ciałem liczb rzeczywistych są tylko i wyłącznie funkcje
postaci
A Bx + C Ułamki proste nad cia-
i ,
(x − x0 ) k (x + px + q)k
2
łem liczb rzeczywistych
gdzie A, B, C, x0 , p i q są liczbami rzeczywistymi, p2 − 4q < 0, a k jest dodatnią
liczbą naturalną.
Znajdując iloraz I(x) i resztę R(x) z dzielenia wielomianu P (x) przez Q(x),
otrzymujemy P (x) = I(x)Q(x) + R(x), czyli
P (x) R(x)
= I(x) + ,
Q(x) Q(x)
gdzie deg R(x) < deg Q(x). Oznacza to, że każdą funkcję wymierną można przed-
stawić w postaci sumy wielomianu i funkcji wymiernej właściwej. Okazuje się,
i to jest ważne z praktycznego punktu widzenia, że funkcję wymierną właściwą
można przedstawić w postaci sumy skończonej liczby ułamków prostych.
Twierdzenie 3.6.1. Niech P i Q będą wielomianami o współczynnikach z ciała
K i 0 ¬ deg P < deg Q. Załóżmy, że wielomian Q można przedstawić w postaci
iloczynu
Q = Qn1 1 · Qn2 2 · . . . · Qnk k , (3.30)
gdzie Q1 , Q2 , . . . , Qk są nierozkładalnymi wielomianami w pierścieniu K[x],
a każde dwa spośród nich są względnie pierwsze i n1 , n2 , . . . , nk są dodatni-
mi liczbami naturalnymi. Wtedy funkcję wymierną P/Q można jednoznacznie
przedstawić w postaci sumy ułamków prostych,
X k
P Ri,ni −1 Ri,ni −2 Ri,1 Ri,0
= + + . . . + ni −1 + ni , (3.31)
Q i=1
Qi Q2i Qi Qi
Zatem
P P P Q Q Q
= ·1 = · S1 + n 2 S2 + . . . + n k Sk
Q Q Q Qn 1
Q2 Qk
1 (3.33)
P S1 P S2 P Sk
= + n2 + . . . + nk .
Qn1
1
Q 2 Qk
Udowodnimy obecnie, że każda funkcja P Si /Qn i
i
jest sumą wielomianu i skończonej
liczby ułamków prostych. Przez Ii,k oraz Ri,k (0 ¬ k < ni ) oznaczmy wielomiany
określone rekurencyjnie w następujący sposób: niech Ii,0 oraz Ri,0 będą odpowiednio
ilorazem i resztą z dzielenia wielomianu P Si przez Qi , a dla k = 1, . . . , ni − 1 niech
Ii,k oraz Ri,k będą odpowiednio ilorazem i resztą z dzielenia Ii,k−1 przez Qi . Dla tak
określonych wielomianów kolejno mamy
P Si = Ii,0 Qi + Ri,0
= (Ii,1 Qi + Ri,1 )Qi + Ri,0
= ((Ii,2 Qi + Ri,2 )Qi + Ri,1 )Qi + Ri,0
.. ..
. .
= ((. . . (Ii,ni −1 Qi + Ri,ni −1 )Qi + . . . + Ri,2 )Qi + Ri,1 )Qi + Ri,0
= Ii,ni −1 Qn i ni −1
i + Ri,ni −1 Qi + . . . + Ri,2 Q2i + Ri,1 Qi + Ri,0 (3.34)
i jednocześnie deg Ri,j < deg Qi (j = 0, . . . , ni − 1), bo Ri,j jest resztą z dzielenia
(pewnego wielomianu) przez wielomian Qi . Z (3.34) wynika, że iloraz P Si /Qn i
i
jest
sumą wielomianu i ułamków prostych,
P Si Ii,ni −1 Qn i ni −1
i + Ri,ni −1 Qi + . . . + Ri,2 Q2i + Ri,1 Qi + Ri,0
=
Qn i
Qn i
i i (3.35)
Ri,ni −1 Ri,ni −2 Ri,1 Ri,0
= Ii,ni −1 + + + . . . + n −1 + ni .
Qi Q2i Qi i Qi
i każdy z ostatnich ułamków łatwo przedstawia się w postaci sumy wielomianu i ułam-
ków prostych i mamy
(x − 1) + 2 (x + 2)2 + 2(x + 2) − 3
= −
x−1 (x + 2)2
2 2 3
= 1+ − 1+ −
x−1 x+2 (x + 2)2
2 2 3
= − + .
x−1 x+2 (x + 2)2
Przykład 58. Rozłożyć na sumę ułamków prostych nad ciałem R funkcję wy-
mierną
P (x) −15x + 6
= 3 . (3.42)
Q(x) x − 3x2 − 6x + 8
Ponieważ Q(x) = x3 − 3x2 − 6x + 8 = (x − 1)(x + 2)(x − 4), więc wobec (3.39) dla
pewnych stałych A, B, C jest
P (x) −15x + 6 A B C
= = + + . (3.43)
Q(x) (x − 1)(x + 2)(x − 4) x−1 x+2 x−4
Dla wyznaczenia stałych A, B i C obie strony równości (3.43) mnożymy przez mia-
nownik Q(x) otrzymując równość
Przykład 59. Przedstawić w postaci sumy ułamków prostych (nad ciałem liczb
rzeczywistych) funkcję
P (x) 12x2 + 8x + 26
= 4 .
Q(x) x + x3 − 4x2 + 2x − 12
gdzie S(x) jest sumą tych składników prawej strony rozkładu (3.39), które nie
P i Ai,t
P (x)
zawierają czynnika x − xi , S(x) = Q(x) − m t=1 (x−xi )t . Mnożąc obie strony
równości (3.49) przez (x − xi ) i uwzględniając (3.48), otrzymujemy
mi
mi −1
X
Zxi (x) = Ai,mi −t (x − xi )t + (x − xi )mi S(x),
t=0
mi −1
X 0
Zx0 i (x) = tAi,mi −t (x − xi )t−1 + (x − xi )mi S(x) ,
t=1
mi −1
X 00
Zx00i (x) = t(t − 1)Ai,mi −t (x − xi )t−2 + (x − xi )mi S(x) ,
t=2
..
.
(mi −1)
(mi −1)
Z xi (x) = (mi − 1)!Ai,1 + (x − xi )mi S(x) .
Zx(k)
i
(xi ) = k! Ai,mi −k ,
P (x) x + 18
= 2 .
Q(x) x +x−6
9x − 27
Przykład 61. Funkcję przedstawić w postaci sumy ułamków
(x + 1)(x − 2)2
prostych.
P (x) 2x − 8
Przykład 62. Funkcję = rozłożyć na sumę ułamków
Q(x) (x − 1)(x2 + 2)
prostych: (a) nad ciałem C; (b) nad ciałem R.
√ √
W pierścieniu C[x] jest Q(x) = (x − 1)(x − 2j)(x + 2j) i pierwiastki wielomianu
Q(x) są jednokrotne, więc wobec (3.51) mamy
√ √
P (x) 2x − 8 Z1 (1) Z√2j ( 2j) Z−√2j (− 2j)
= √ √ = + √ + √ .
Q(x) (x − 1)(x − 2j)(x + 2j) x−1 x − 2j x + 2j
Zauważmy, że
2x−8
Z1 (1) = (x−1)
√ √
||||||| (x− 2j)(x+ 2j)
= −2
|x=1
√ √
2x−8
Z√2j ( 2j) = (x−1)(x−
√
|||||||||||
√
2j) (x+ 2j) √ =1− 2j
|x= 2j
√ √
Z−√2j (− 2j) = 2x−8
√
(x−1)(x− 2j)(x+
√
||||||||||)
2j √ =1+ 2j,
|x=− 2j
więc √ √
P (x) −2 1 − 2j 1 + 2j
= + √ + √
Q(x) x−1 x − 2j x + 2j
jest rozkładem funkcji P (x)/Q(x) na sumę zespolonych ułamków prostych.
Z rozkładu tego, po dodaniu do siebie dwóch ostatnich ułamków (i wyeliminowa-
niu “zespoloności”), otrzymujemy rozkład funkcji P (x)/Q(x) na sumę rzeczywistych
ułamków prostych,
P (x) −2 2x + 4
= + 2 .
Q(x) x−1 x +2
62 3. Wielomiany
3.7. Ćwiczenia
1. W pierścieniu Z5 [x] wyznaczyć V (x) + W (x), V (x) − 11. Wyznaczyć pierwiastki wielomianu V (x), gdy:
2W (x), V (x)W (x) i V 2 (x)+W 3 (x), gdy V (x) = x3 + (a) V (x) = x2 + 3x + 3 − j;
2x2 + 3x + 4 i W (x) = x3 + 3x2 + 2. (b) V (x) = x2 + (2j − 1)x + 1 + 5j;
2. Niech Q(x) = x3 + 5x − 1 i R(x) = −23x + 5 będą (c) V (x) = x2 − (5 + j)x + 8 + j;
ilorazem i resztą z dzielenia wielomianu V (x) przez
(d) V (x) = 12x3 − 4x2 − 3x + 1;
wielomian W (x) = x2 + 2x + 5 w pierścieniu R[x].
Wyznaczyć wielomian V (x). (e) V (x) = x4 − x3 − 2x2 + 6x − 4.
3. Zbadać podzielność wielomianu V (x) = x3 +x2 +x+1 12. Rozwiązać następujące równania:
przez wielomian W (x) = x2 + 3x + 2 w pierścieniu: (a) x2 − (3 + 7j)x − 10 + 11j = 0;
(a) R[x]; (b) Z5 [x]; (c) Z7 [x]. (b) (3 + j)x2 + (1 − j)x − 6j = 0;
4. Korzystając ze schematu Hornera, wyznaczyć iloraz (c) x4 + 2jx2 + 8 = 0;
Q(x) i resztę R(x) z dzielenia wielomianu V (x) przez (d) x4 − (3 + 6j)x2 − 8 + 6j.
dwumian W (x), gdy: 13. Wielomian V (x) przedstawić w postaci iloczynu wie-
(a) V (x) = x3 − 4x2 + x − 3, W (x) = x − 2; lomianów stopnia pierwszego, gdy:
(b) V (x) = x4 − 4x3 − 10x2 − 4x + 4, W (x) = x + 1; (a) V (x) = x3 − 6x2 + 11x − 6; (b) V (x) = x4 + 16.
(c) V (x) = −4x7 + 12x6 − 15x5 + 21x4 − 8x3 + 7x2 14. Wielomian V (x) przedstawić w postaci iloczynu rze-
−4x + 6, W (x) = x − 2. czywistych wielomianów stopnia co najwyżej drugie-
5. Obliczyć iloraz Q(x) i resztę R(x) z dzielenia wielo- go, gdy:
mianu V (x) przez wielomian W (x), gdy: (a) V (x) = x3 + x2 − x + 2;
(a) V (x) = 8x4 + 3x2 + 6, W (x) = x + 2; (b) V (x) = x4 + 4x3 + 4x2 − 1;
(b) V (x) = x3 + 8, W (x) = x2 − 2x + 4; (c) V (x) = 3x4 − 5x3 + 3x2 + 4x − 2;
(c) V (x) = jx2 + x − j, W (x) = x − j w C[x]; (d) V (x) = x6 + 27.
(d) V (x) = x2 + 2x + 2, W (x) = 2x + 2 w Z3 [x]; 15. Znaleźć największy wspólny dzielnik i najmniejszą
(e) V (x) = 2x3 + 3x2 + 4x + 1, W (x) = 3x + 1 wspólną wielokrotność wielomianów V (x) i W (x),
w Z5 [x]; gdy:
(f ) V (x) = x5 + 2x4 + 3x3 + 4x2 + 3x + 1, W (x) (a) V (x) = 6(x − 1)3 (x + 2)2 (x − 3)(x2 + 4)2 i W (x)
= x + 1 w Z5 [x]. = 4(x − 1)2 (x + 2)3 (x + 5)(x2 + 4);
6. Wyznaczyć resztę R(x) z dzielenia wielomianu V (x) (b) V (x) = x5 + x4 − x3 − 2x − 1 i W (x) = 3x4
przez wielomian W (x), gdy: +2x3 + x2 + 2x − 2.
(a) V (x) = x4 − 1, W (x) = x − 2 w Z5 [x]; 16. Wyznaczyć wielomiany P (x) i Q(x) takie, że
(b) V (x) = 2x2000 + 1999x + 2, W (x) = x2 − 1 V (x)P (x) + W (x)Q(x) jest największym wspólnym
w R[x]; dzielnikiem wielomianów V (x) = x4 +2x3 −x2 −4x−2
(c) V (x) = 6x13 + x, W (x) = x2 + 1 w C[x]; i W (x) = x4 + x3 − x2 − 2x − 2.
(d) V (x) = x110 − 2x55 + 1, W (x) = x2 + 1 w C[x]. 17. Podane funkcje wymierne przedstawić w postaci su-
my ułamków prostych nad ciałem liczb rzeczywistych:
7. Wyznaczyć wszystkie pierwiastki wielomianu V (x), 4 2
jeśli x1 jest jednym z pierwiastków wielomianu V (x): (a) ; (b) ;
(x − 1)(x + 3) (x − 1)(x2 + 1)
(a) V (x) = x3 − x2 − 7x + 15, x1 = 2 + j; 2
x x −1
(b) V (x) = x3 − 6x2 + 21x − 26, x1 = 2 + 3j; (c) ; (d) 2 ;
(x − 1)(x − 2)2 x (2x + 1)
(c) V (x) = x4 − 2x3 + 9x2 − 8x + 20, x1 = 2j; 4
x +x +1 2
1 4x2
(d) V (x) = x4 + x3 + 2x2 + x + 1, x1 = −j; (e) ; (f ) ; (g) ;
x(x2 + 1)2 (x3 − 1)2 x4 − 1
(e) V (x) = x4 − 6x3 + 11x2 + 12x − 26, x1 = 3 + 2j; x2 − 6x + 4 3x2 − 2x − 1
(f ) V (x) = x4 + 3x3 + 2x2 − x + 5, x1 = −2 + j. (h) 4 ; (i) .
x − 3x + 2x
3 2 (x − 3)(x2 + 1)
8. Wyznaczyć krotność pierwiastka x0 = 1 wielomianu 18. Podane funkcje wymierne rozłożyć na sumę ułamków
V (x), gdy: prostych nad ciałem liczb zespolonych:
(a) V (x) = x4 − x3 − 3x2 + 5x − 2; 2xj + 8 16j x2 + x + 1
(a) 2 ; (b) 4 ; (c) ;
(b) V (x) = x5 − 2x4 − 2x3 + 8x2 − 7x + 2. x +4 x +4 x4 + x 2
2
9. Znaleźć pierwiastki wielomianu V (x) = x3 − 15x2 x + 2x 24x − 8j
(d) 2 ; (e) 2 .
+76x − 140, jeśli jednym z jego pierwiastków jest licz- (x + 2x + 2)2 (x + 1)2 (x − j)
ba całkowita. 19. Udowodnić, że wielomian rzeczywisty V (x) jest po-
10. Wyznaczyć pierwiastki wielomianu V (x) = x4 −8x3 + dzielny przez dwumian x − 1 wtedy i tylko wtedy,
20x2 − 72x + 99, jeśli jednym z nich jest liczba czysto gdy suma współczynników wielomianu V (x) jest rów-
urojona. na zeru.
3.7. Ćwiczenia 63
MACIERZE
nazywamy odpowiednio i-tym wierszem oraz j-tą kolumną macierzy (4.1). Warto
zauważyć, że współczynnik aij jest elementem macierzy (4.1) znajdującym się
jednocześnie w i-tym wierszu oraz w j-tej kolumnie. (W niektórych dowodach
element macierzy X znajdujący się w jej i-tym wierszu oraz w j-tej kolumnie
oznaczać będziemy przez (X)ij .)
a11 a12 · · · a1j · · · a1n
a21 a22 · · · a2j · · · a2n
.. .. .. ..
. . . .
ai1 ai2 . . . aij · · · ain
← i-ty wiersz
. .. .. ..
.. . . .
am1 am2 . . . amj · · · amn
↑ j-ta kolumna
4.1. Podstawowe definicje 65
ma dwa wiersze i trzy kolumny, a jej elementami są a11 = 2, a12 = 3, a13 = −1,
a21 = 0, a22 = 1 i a23 = 4.
i
− a1∗ − a1∗
− a2∗ − a2∗
.. zamiast ..
. .
− am∗ − am∗
dla podkreślenia, że chodzi o kolumny lub wiersze macierzy.
Definicja 4.1.4. Ciąg (a11 , a22 , . . . , ann ) elementów macierzy kwadratowej (4.2)
nazywa się główną przekątną macierzy (4.2). O macierzy kwadratowej (4.2) mó-
wimy, że jest macierzą diagonalną, jeśli wszystkie jej elementy znajdujące się
poza główną przekątną są równe zeru, czyli jeśli
aij = 0 dla i 6= j.
Taką macierz diagonalną oznaczamy przez diag (a11 , a22 , . . . , ann ). Zatem mamy
a11 0 · · · 0
0 a22 · · · 0
Macierz diagonalna diag (a11 , a22 , . . . , ann ) = . .. . . .. .
.. . . .
0 0 · · · ann
m = s, n = t i aij = bij
dla i = 1 . . . , m oraz j = 1, . . . , n.
Definicja 4.2.2. Sumą macierzy A = [aij ] i B = [bij ] należących do zbioru
Km×n (gdzie K jest ciałem, a m i n są liczbami naturalnymi) nazywamy macierz
A + B = [cij ] ∈ Km×n , której elementy określone są wzorami
Suma macierzy: cij = aij + bij
[aij ] + [bij ] = [aij + bij ]
dla i = 1, . . . , m oraz j = 1, . . . , n. Dlatego mamy
a a ··· a
b b ··· b
a +b a12 +b12 · · · a1n +b1n
11 12 1n 11 12 1n 11 11
a21 a22 · · · a2n b21 b22 · · · b2n a21 +b21 a22 +b22 · · · a2n +b2n
.. . .
..
.
. . .. + .. . .
..
.
. . .. = .
..
.
.. .. .
.. .
. . .
am1 am2 · · · amn bm1 bm2 · · · bmn am1 +bm1 am2 +bm2 · · · amn +bmn
4.2. Działania na macierzach 67
suma A + B istnieje i
0 2 −1 1 3 5 1 5 4
A+B= + = ,
1 3 2 2 0 −2 3 3 0
α 1 A1 + α 2 A2 + . . . + α k Ak Kombinacja macierzy
to macierz
−2 1 3 −2 0 0 −7 4
2A − B + 3O = 2 − +3 =
3 2 1 4 0 0 5 0
dla i = 1, . . . , m oraz j = 1, . . . , p.
Zauważmy, że iloczyn AB jest określony, gdy ilość kolumn macierzy A jest
równa ilości wierszy macierzy B i wtedy też macierz AB ma tyle wierszy co
macierz A, a kolumn tyle co macierz B. Warto także zauważyć, że element c ij
iloczynu AB jest standardowym iloczynem skalarnym i-tego wiersza ai macierzy
A oraz j-tej kolumny bj macierzy B,
cij = ai bj ,
czyli mamy
− a1 − " # a1 b 1 a1 b 2 · · · a1 bp
− a2 − | | | a2 b 1 a2 b 2 · · · a2 bp
AB =
.. b1 b2 . . . bp = .
.. .. .. .. . (4.4)
. | | | . . .
− am − am b 1 am b 2 · · · am bp
Ponieważ A ∈ R3×2 i B ∈ R2×3 i liczba kolumn macierzy A jest równa liczbie wierszy
macierzy B, więc iloczyn AB istnieje i jest macierzą wymiaru 3 × 3,
" # " #
1 2 c11 c12 c13
2 3 0
AB = −2 3 = c21 c22 c23 ,
−1 1 −2
0 4 c31 c32 c33
gdzie
2
X
cij = ai bj = aik bkj = ai1 b1j + ai2 b2j dla 1 ¬ i, j ¬ 3.
k=1
Łatwo znajdujemy
4.2. Działania na macierzach 69
więc
" #
0 5 −4
AB = −7 −3 −6 .
−4 4 −8
Iloczyn BA także istnieje, ale jest macierzą wymiaru 2 × 2,
" 1 2 #
2 3 0 −4 13
BA = −2 3 = 6= AB.
−1 1 −2 −3 −7
0 4
więc także
czyli
− b1∗ −
− b2∗ − X
n
yB = y1 y2 . . . yn .. = yi bi∗ . (4.6)
. i=1
− bn∗ −
gdzie przez (X)ij oznaczyliśmy element znajdujący w i-tym wierszu oraz j-tej kolumnie
macierzy X.
72 4. Macierze
Mamy
" #" #
| | | − b1 −
AB = a1 a2 a3 − b2 − = a 1 b1 + a 2 b2 + a 3 b3
| | | − b3
1 3 0
= 0 1 2 + −1 3 4 + 5 0 −1
2 1 −1
0 1 2 −3 9 12 0 0 0 −3 10 14
= + + = .
0 2 4 −1 3 4 −5 0 1 −6 5 9
n
X n
X X
p
A(BC) ij
= (A)ik (BC)kj = (A)ik (B)kl (C)lj
k=1 k=1 l=1
p n p
X X X
= (A)ik (B)kl (C)lj = (AB)il (C)lj = (AB)C ij
.
l=1 k=1 l=1
Równość (e) (tak samo jak i pozostałe równości) można także udowodnić w inny
sposób. Przyjmijmy, że A ∈ Km×n , B = [ b1 . . . bp ] ∈ Kn×p i C = [ c1 . . . cs ] = [cij ]
∈ Kp×s . Zauważmy najpierw, że dla iloczynu macierzy A, B i macierzy jednokolum-
nowej ci (która jest i-tą kolumną macierzy C) wobec (4.5), (a) oraz (d) mamy
4.2. Działania na macierzach 73
c1i
A [ b1 . . . bp ] ... = A(c1i b1 + . . . + cpi bp )
A(Bci ) =
cpi
= c1i (Ab1 ) + . . . + cpi (Abp ) = [ Ab1 . . . Abp ]ci = (AB)ci .
dla i = 1, . . . , n oraz j = 1, . . . , m.
Obrazowo, AT powstaje z macierzy A przez zamianę wierszy na kolumny
i kolumn na wiersze; kolejne wiersze macierzy A stają się kolejnymi kolumnami
macierzy AT .
są odpowiednio
1
1 −4
2 3 −2
AT = , BT = 2 0 i CT =
0 .
−1 4
−3 8
4
pierwsza jest symetryczna, druga – skośnie symetryczna, a trzecia nie jest ani
symetryczna, ani skośnie symetryczna.
Dowód. Równości
(a) – (c) są oczywiste. Dla dowodu równości (d) wystarczy wykazać,
że (AC)T ij = (CT AT )ij dla i = 1, . . . , p oraz j = 1, . . . , m. Z definicji transpozycji
i iloczynu macierzy mamy
n
X
(AC)T ij
= (AC)ji = (A)jk (C)ki
k=1
n n
X X
= (AT )kj (CT )ik = (CT )ik (AT )kj = (CT AT )ij
k=1 k=1
2
1 2 1
Przykład 75. Jeśli A = i B = 1 , to mamy
3 5 4
3
T
2 T
1 2 1 7
(AB)T = 1 =
3 5 4 23
3
1 3
= 7 23 = 2 1 3 2 5 = BT AT .
1 4
3 2 5 −2
Przykład 76. Jeśli A = iB= , to mamy
7 5 −7 3
3 2 5 −2 1 0
AB = =
7 5 −7 3 0 1
i
5 −2 3 2 1 0
BA = = .
−7 3 7 5 0 1
Dlatego macierz A jest odwracalna i jej macierzą odwrotną jest B, czyli mamy A−1
= B. Z tych samych powodów macierz B jest odwracalna i B−1 = A.
1 0
Przykład 77. Macierz C = nie jest odwracalna, bo dla każdej macierzy
2 0
a b
D= jest
c d
a b 1 0 a + 2b 0 1 0
DC = = 6= = I2 .
c d 2 0 c + 2d 0 0 1
Dowód. Dla dowodu (a) musimy wskazać macierz X ∈ Kn×n , dla której zachodzą
równości A−1 X = XA−1 = In . Ponieważ wiemy już, że te równości zachodzą dla
X = A, więc macierz A−1 jest odwracalna i A jest jej macierzą odwrotną.
Z odwracalności macierzy A i z własności transpozycji macierzy (zob. tw. 4.2.5 (d))
mamy
T T
AT A−1 = A−1 A = ITn = In
oraz
T T
A−1 AT = AA−1 = ITn = In
i stąd wynika (b).
Z odwracalności macierzy A i B oraz z łączności iloczynu macierzy (tw. 4.2.4 (e))
mamy
(AB) B−1 A−1 = A BB−1 A−1 = AIn A−1 = AA−1 = In
i
B−1 A−1 (AB) = B−1 A−1 A B = B−1 In B = B−1 A = In ,
a to dowodzi (c).
76 4. Macierze
4 −4
Przykład 78. Dana jest macierz A = . (a) Wykazać, że A2 − 4A +
1 0
4I2 = 0. Wywnioskować stąd, że macierz A jest odwracalna i wyznaczyć A −1 .
(b) Indukcyjnie wykazać, że dla każdej liczby naturalnej n jest
n (n + 1)2n −n2n+1
A = .
n2n−1 (1 − n)2n
to macierze AB i BA są kwadratowe,
" #
2 2 16
6 15
AB = i BA = −4 −1 7 ,
3 13
−1 1 18
i mają one równe ślady, tr (AB) = 19 = tr (BA). Równość ta nie jest przypadkowa.
Jest ona ilustracją bardzo ważnej własności śladu iloczynu macierzy i udowodnimy
teraz, że zawsze tr (AB) = tr (BA), jeśli tylko macierze AB i BA są określone (i ich
współczynniki należą do pierścienia przemiennego).
B = C−1 AC.
tr (A) = tr (B).
Dowód. Niech C będzie macierzą taką, że B = C−1 AC. Wtedy wobec twierdzenia
4.4.1 mamy
tr (B) = tr (C−1 AC) = tr (C−1 (AC))
= tr ((AC)C−1 ) = tr (A(CC−1 )) = tr (AI) = tr (A).
4.5. Ćwiczenia
1. Dane są macierze A, B, C, x i y, gdzie " #
−1 0 0
2 5
2 0 3 1 2 1 2. Oblicz A i A , jeśli A = 0 2 0 .
A= ,B= , 0 0 3
1 1 5 0 3 1
" # " # 3. Wyznaczyć liczbę AB 21 , gdy
T
3 2 1
2
C= 1 0 ,x= 2 , y= . " #
3 1 3 5
1 2 2 1 1 1
A= i B= 4 3 2 .
Jeśli to możliwe, obliczyć następujące wielkości: 2 3 1
1 1 1
(a) A + 2B; (f ) (A + CT )BT ; (k) yT Ax; 4. Na przykładzie macierzy
(b) 2A − C; (g) AT (B + C); (l) AxyT ;
1 −2 3 −1 −1 5
(c) AC; (h) Ax − 5y; (m) AAT ; A= ,B= iC=
2 −4 2 −2 0 1
(d) CA; (i) y A;
T
(n) xxT ; sprawdzić, czy z równości AB = AC wynika równość
(e) AB ; T
(j) x C;
T
(o) xT x. B = C.
78 4. Macierze
5. Czy macierze AB i BA są identyczne, gdy jest podgrupą grupy Kn×n (z działaniem dodawania
" # " # macierzy).
1 2 3 −2 −1 −6 o
19. Niech Kn×n będzie zbiorem wszystkich macierzy od-
A= 3 2 0 i B= 3 2 9 .
wracalnych należących do zbioru Kn×n . Udowodnić,
−1 −1 −1 −1 −1 −4 o
że Kn×n jest grupą ze względu na mnożenie
macierzy.
6. Podać przykład niezerowych macierzy A i B wymiaru 20. Pokazać, że zbiór macierzy postaci 1 x
, gdzie
2 × 2 i takich, że AB = 0. 0 1
x ∈ R, jest grupą ze względu na mnożenie macierzy.
7. Podać przykład macierzy A i B takich, że dokładnie
21. Macierz A nazywa się macierzą okresową, gdy
jeden z iloczynów AB i BA jest macierzą jednostko-
Ak+1 = A dla pewnej dodatniej liczby naturalnej k.
wą.
Wykazać, że macierz
8. Wyznaczyć macierze B i C takie, że
" # " # " #
1 2 2 −1 0 1 −2 −6
AB = −1 3 i ACA = 0 −2 2 , gdy A = −3 2 9
2 0 3 1 4 2 0 −3
" #
1 0 1
A−1 = 0 2 0 . jest okresowa. Dodatkowo wyznaczyć okres macierzy
1 0 3 A, czyli wyznaczyć najmniejszą dodatnią liczbę na-
9. Wyznaczyć, jeśli to możliwe, macierz X taką, że: turalną k, dla której Ak+1 = A.
" #
4 −1 1 22. Macierz A nazywamy macierzą idempotentną, gdy
(a) AX = A3 + 2A, gdy A = −1 4 −1 ; A2 = A. (a) Wykazać, że macierz
1 −1 4 " #
" # " # " # 2 −2 −4
4 0 0 2 0 0 2 0 −2
(b) 0 4 0 X − X 0 2 0 = 0 8 0 . A = −1 3 4
0 0 4 0 0 2 4 0 −6 1 −2 −3
10. Pokazać, że jeśli macierz A ∈ Rm×n ma zerowy jest macierzą idempotentną. (b) Udowodnić, że macie-
wiersz i B ∈ Rn×p , to także macierz AB ma zerowy rze A i B są idempotentne, gdy AB = A i BA = B.
wiersz. 23. O macierzy X mówi się, że jest macierzą nilpotent-
11. Pokazać, że jeśli A ∈ Rm×n i macierz B ∈ Rn×p ma ną rzędu k, gdy X 6= 0 i k jest najmniejszą liczbą
dwie identyczne kolumny, to także macierz AB ma naturalną taką, że Xk = 0. Sprawdzić nilpotentność
dwie identyczne kolumny. macierzy
12. (a) Wykazać, że iloczyn dwóch macierzy trójkątnych " # " #
górnych (zob. definicję 6.1.2) jest macierzą trójkątną 1 −3 −4 1 1 3
górną. (b) Czy analogiczną własność mają macierze A = −1 3 4 i B= 5 2 6 .
trójkątne dolne? 1 −3 −4 −2 −1 −3
13. Korzystając z twierdzenia 4.2.5 udowodnić, że jeśli
24. Udowodnić, że dla macierzy kwadratowych A i B jest
A1 , A2 , . . . , Ak (k 2) są macierzami takimi, że
(A+B)(A−B) = A2 −B2 i (A+B)2 = A2 +2AB+
istnieje iloczyn A1 · A2 · . . . · Ak , to
B2 wtedy i tylko wtedy, gdy AB = BA.
(A1 · A2 · . . . · Ak )T = ATk · . . . · AT2 · AT1 . 25. O macierzy X mówi się, że jest macierzą inwolującą,
gdy X2 = I. (a) Wykazać, że macierz X jest macierzą
14. Pokazać, że jeśli dla macierzy kwadratowych A i B inwolującą wtedy i tylko wtedy, gdy (I − X)(I + X) =
jest AB = BA, to także An B = BAn dla każdej 0. (b) Sprawdzić inwolucyjność macierzy
liczby naturalnej n. " # " #
0 1 −1 4 3 3
15. Uzasadnić, że jeśli A jest rzeczywistą macierzą kwa-
A = 4 −3 4 i B = −1 0 −1 .
dratową, to macierz 12 (A + AT ) jest symetrycz-
3 −3 4 −4 −4 −3
na, a macierz 2 (A − A ) jest skośnie-symetryczna.
1 T
Wywnioskować stąd, że każda rzeczywista ma- 26. Przeprowadzić dowód równości (b) z twierdzenia
cierz kwadratowa jest sumą macierzy symetrycznej 4.2.4.
i skośnie-symetrycznej. 27. Udowodnić, że jeśli A, B i C są macierzami kwa-
16. Pokazać, że jeśli A jest macierzą, to każda z macierzy dratowymi takimi, że AC = BC i macierz C jest
AAT i AT A jest symetryczna. odwracalna, to A = B.
17. Niech A będzie macierzą symetryczną wymiaru n×n 28. Wykazać, że jeśli A i B są macierzami takimi, że
i niech B bedzie macierzą wymiaru n × m. Wykazać, AB = 0 i macierz A jest odwracalna,
" to B = #0.
że BT AB jest macierzą symetryczną. 2 −3 3
s
18. Niech Kn×n będzie zbiorem wszystkich macierzy sy- 29. Uzasadnić, że dla macierzy A = 4 −5 3 jest
metrycznych wymiaru n × n. Udowodnić, że Kn×n s 4 −4 2
4.5. Ćwiczenia 79
A3 + A2 − 4A − 4I3 = 0. Wywnioskować stąd, że 40. Wykazać, że A2 − (a + d)A + (ad − bc)I2 = 0, gdy
macierz A jest odwracalna i wyznaczyć macierz A . −1
a b
" # A= .
1 1 −1 c d
30. Dana jest macierz A = 0 0 1 . Wykazać, że 41. Rzeczywista macierz kwadratowa o nieujemnych
2 1 2 współczynnikach jest macierzą Markowa, jeśli suma
A3 = 3A2 − 3A + I3 . Stąd wywnioskować, że A jest współczynników każdej kolumny jest równa 1. (a) Czy
odwracalna i wyznaczyć A . Macierz A wyrazić
−1 4 w macierzy Markowa suma współczynników każdego
poprzez macierze A , A i I3 i znaleźć jej bezpośrednią
2 wiersza także jest równa 1? (b) Czy iloczyn macierzy
postać. Markowa jest macierzą Markowa?
31. Macierzą
Heisenberga
nazywamy każdą macierz po- 42. Udowodnić, że dla macierzy A ∈ Rm×n jest
x y tr (AT A) = 0 wtedy i tylko wtedy, gdy A = 0.
staci , gdzie x, y ∈ R i x > 0. (a) Udowodnić,
0 1 43. Wpisując TAK albo NIE, stwierdzić prawdziwość
że iloczyn macierzy Heisenberga jest macierzą Heisen- każdego z następujących zdań:
berga. (b) Wykazać, że każda macierz Heisenberga
1 Jeśli macierze A i B są równe, to dla każdej
jest odwracalna i uzasadnić, że jej macierzą odwrotną
macierzy C jest AC = BC.
jest macierz Heisenberga.
(c) Znaleźć
macierz
Heisen-
2 3 1 2 2 Jeśli dla macierzy A, B i C jest AC = BC,
berga X taką, że X= . to także jest A = B.
0 1 0 1
32. Niech A i B będą macierzami kwadratowymi i niech 3 Jeśli A i B są macierzami kwadratowymi ta-
A będzie macierzą odwracalną. Udowodnić, że AB = kimi, że AB = 0, to także BA = 0.
BA wtedy i tylko wtedy, gdy A−1 B = BA−1 . 4 Jeśli A i B są macierzami takimi, że AB = 0,
33. Udowodnić, że jeśli A jest macierzą wymiaru n × n to koniecznie A = 0 lub B = 0.
i X jest jedyną macierzą taką, że AX = In , to XA = 5 Jeśli A jest macierzą i A2 = I, to A = I lub
In i dlatego X = A−1 . A = −I.
4 −3 Jeśli A jest macierzą i A2 = I, to Ak = I dla
34. Dana jest macierz A = . (a) Udowodnić, 6
1 0 każdej liczby naturalnej k 2.
że A = 4A − 3I2 . (b) Indukcyjnie wykazać, że
2
7 Jeśli A jest macierzą i A2 = I, to Ak = I dla
n
3 −1 3−3 n każdej parzystej liczby naturalnej k 2.
An = A+ I2 dla n 1. Jeśli A i B są macierzami, to z równości AB =
2 2 8
w którym współczynniki aij oraz bi (te ostatnie nazywa się wyrazami wolnymi
układu) są elementami ciała K. (W naszych rozważaniach tym ciałem będzie
ciało liczb rzeczywistych R lub ciało liczb zespolonych C.)
i
a11 a12 . . . a1n b1
a21 a22 . . . a2n b2
[A|b] = .. .. .. .. ..
. . . . .
am1 am2 . . . amn bm
(symbolicznie x1 a∗1 +x2 a∗2 +. . .+xn a∗n = b), zwanej postacią wektorową układu
(5.1).
jest odpowiednio
1 −2 1 x1 0
0 2 −8 x2 = 8
−4 5 9 x3 −9
i
1 −2 1 0
x1 0 + x2 2 + x3 −8 = 8 .
−4 5 9 −9
Definicja 5.1.2. Rozwiązaniem układu (5.1) nazywamy macierz jednokolum- Rozwiązanie układu
nową s ∈ Kn×1 , dla której
As = b.
Równoważnie, przez rozwiązanie układu (5.1) możemy rozumieć taki ciąg s 1 , s2 ,
. . . , sn elementów ciała K, dla którego jest ai1 s1 + ai2 s2 + . . . + ain sn = bi dla
i = 1, . . . , m. Mówimy, że układ (5.1) jest niesprzeczny, jeśli ma on co najmniej
jedno rozwiązanie. Z drugiej strony układ (5.1) nazywamy układem sprzecznym,
jeśli nie ma on żadnego rozwiązania.
Operacje elementarne
Przykład 82.
0 3 5 5 2 4 2 6
2 4 2 6 w1 ↔ w 2 0 3 5 5 w4 − 2w3
0 −→ −→
3 4 5 0 3 4 5
0 6 8 7 0 6 8 7
2 4 2 6 2 4 2 6
0 3 5 5 w3 − w 2 0 3 5 5
0 −→ .
3 4 5 0 0 −1 0
0 0 0 −3 0 0 0 −3
5.1. Podstawowe definicje i fakty 83
Macierze elementarne
Definicja 5.1.4. Macierzą elementarną nazywamy macierz otrzymaną z macie- Macierz elementarna
rzy jednostkowej w wyniku jednej operacji elementarnej na jej wierszach.
Niech Eij , Ei (t) i Eij (t) będą odpowiednio macierzami elementarnymi otrzy-
manymi w wyniku operacji elementarnych wi ↔ wj , twi i wi + twj na wierszach
macierzy jednostkowej Im . Warto zauważyć, że jeśli e1 , e2 , . . . , em są kolejnymi
wierszami macierzy Im , to
− e1 −
1
.. ..
. .
− ei−1 −
1
− ej − 0 0 ··· 1 ← i
← i
− ei+1 − 0 1 0
Eij
= ..
= .. .. ..
,
. . . .
− ej−1 − 0 1 0
− ei − ← j 1 ··· 0 0 ← j
− ej+1 − 1
..
..
. .
− em − 1
− e1 − 1 ··· 0
.. .. . . ..
. . . .
− ei−1 − 0 ··· 1
Ei (t) = − tei − ← i = t ← i ,
−e 1 ··· 0
i+1 −
.. .. . . ..
. . . .
− em − 0 ··· 1
− e1 −
.. 1
.
..
− ei−1 − .
− ei + tej − ← i 1 ··· t ← i
− ei+1 −
.. . . ..
Eij (t) =
=
. . .
.
..
. 0 ··· 1 ← j
− ej − ← j ..
.
..
. 1
− em −
.
.. .. ..
. .
C =
− tai − ←i = − tei A − = − tei −
·A = Ei (t)A,
.. .. ..
. . .
− am − − em A − − em −
− a −
− e A − − e1 −
1 1
.. .. ..
. . .
D =
− ai + taj − ←i = −(ei + tej )A− = −
ei + tej − ·A = Eij (t)A.
.. .. ..
. . .
− am − − em A − − em −
Przykład 84.
1 0 0 a11 a12 a13
E23 (4)A = 0 1 4 a21 a22 a23
0 0 1 a31 a32 a33
a11 a12 a13
= a21 + 4a31 a22 + 4a32 a23 + 4a33 .
a31 a32 a33
Zatem
(Eij )−1 = Eij , (Ei (t))−1 = Ei (1/t) oraz (Eij (t))−1 = Eij (−t)
Definicja 5.1.5. Mówimy, że macierz B jest wierszowo równoważna macierzy Wierszowa równoważność
A, piszemy A ∼ B, gdy macierz B można uzyskać z macierzy A za pomocą macierzy
skończonego ciągu operacji elementarnych na wierszach.
Z odpowiedniości pomiędzy operacjami elementarnymi na wierszach i prze-
mnażaniem macierzy przez macierze elementarne wynika, że macierz B jest wier-
szowo równoważna macierzy A (czyli A ∼ B) wtedy i tylko wtedy, gdy istnieją
macierze elementarne E1 , E2 , . . . , Ek takie, że B = Ek Ek−1 . . . E1 A. Ponieważ
macierze E1 , E2 , . . . , Ek są odwracalne, więc także macierz P = Ek Ek−1 . . . E1
jest odwracalna i dlatego mamy: jeśli dla macierzy A i B jest A ∼ B, to istnieje
taka macierz odwracalna P, że B = PA. (Udowodnimy, że stwierdzenie odwrotne
też jest prawdziwe, tj. udowodnimy, że jeśli B = PA i macierz P jest odwracal-
na, to A ∼ B.) Warto zauważyć, że dla macierzy P jest P = Ek Ek−1 . . . E1 I,
a to oznacza, że P powstaje z macierzy jednostkowej I za pomocą operacji na
wierszach odpowiadających kolejno macierzom E1 , E2 , . . . , Ek .
Dla wyznaczenia macierzy P nie trzeba wymnażać macierzy E13 , E21 (1), E2 ( 12 )
i E13 (−2). Wystarczy zauważyć, że P jest macierzą uzyskaną z macierzy I3 kolejno
za pomocą operacji w1 − 2w3 , 12 w2 , w2 + w1 i w1 ↔ w3 . Zatem P jest macierzą
wygenerowaną w ostatniej kolumnie powyższej tabeli.
Ax = b ⇔ PAx = Pb ⇔ Cx = d,
Macierz schodkowa Definicja 5.1.6. Mówimy, że macierz M ma postać schodkową (albo jest ma-
cierzą schodkową), jeśli ma ona następujące własności:
• każdy wiersz składający się z samych zer (jeśli taki wiersz w macierzy istnieje)
występuje w niej po wszystkich niezerowych wierszach;
• w każdym niezerowym wierszu pierwszym niezerowym elementem jest jedyn-
Wiodąca jedynka ka – nazywamy ją wiodącą jedynką tego wiersza – i występuje ona na prawo
od wiodącej jedynki każdego wcześniejszego wiersza.
Normalna macierz Powiemy także, że macierz M ma normalną postać schodkową (albo jest
schodkowa normalną macierzą schodkową), jeśli ma ona postać schodkową i dodatkowo
• każda wiodąca jedynka jest jedynym niezerowym elementem kolumny, w któ-
rej ona występuje.
Macierz A nie ma postaci schodkowej, bo wiodąca jedynka trzeciego wiersza nie wystę-
puje na prawo od wiodącej jedynki drugiego wiersza. Z podobnych powodów macierz
C nie ma postaci schodkowej. Macierze B i D są w postaci schodkowej. Dodatkowo,
macierz D ma normalną postać schodkową. “Schodkowość” następnych dwóch macie-
rzy E i F podkreślona została schodkowymi łamanymi oddzielającymi zerowe części
5.1. Podstawowe definicje i fakty 87
ich wierszy od tych, które zaczynają się od wiodących jedynek. Macierz F oczywiście
ma normalną postać schodkową. W obu macierzach “gwiazdkowe” współczynniki mogą
mieć dowolną wartość.
0 1 ∗ ∗ ∗ ∗ ∗ ∗ 0 1 ∗ 0 0 0 ∗ ∗
0 0 0 1 ∗ ∗ ∗ ∗ 0 0 0 1 0 0 ∗ ∗
E= 0 0 0 0 1 ∗ ∗ ∗ i F= 0 0 0 0 1 0 ∗ ∗ .
0 0 0 0 0 1 ∗ ∗ 0 0 0 0 0 1 ∗ ∗
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1 3 1 2 1 0
Krok 5. Od pierwszego wiersza odejmujemy trzeci
∼ 0 0 1 0 0 1
i następnie od pierwszego odejmujemy drugi.
0 0 0 0 1 2
1 3 0 2 0 −3
Otrzymaliśmy macierz mającą normalną postać
∼ 0 0 1 0 0 1
schodkową.
0 0 0 0 1 2
Wiodąca kolumna Definicja 5.1.7. Kolumną wiodącą macierzy A nazywamy każdą kolumnę, któ-
macierzy ra w macierzy A lub w macierzy wierszowo równoważnej ma wiodącą jedynkę.
Z pojęcia tego skorzystamy w kolejnym twierdzeniu, które mówi o istnieniu
i ilości rozwiązań układu równań liniowych.
5.1. Podstawowe definicje i fakty 89
przy czym ostatni zerowy wiersz może nie pojawić się wcale albo takich zerowych
wierszy może być więcej. Macierzy tej odpowiada układ równań
x1 = d1 ,
x2 = d2 ,
.. ..
. .
xn = dn ,
0 = 0,
gdzie niewiadomym xr+1 , . . . , xn (które nazywa się parametrami lub niewiadomymi wol-
nymi) nadano dowolne wartości z ciała K. Zgodnie z twierdzeniem 5.1.2, tak wyznaczo-
ne x (dla każdych parametrów xr+1 , . . . , xn ∈ K) jest także rozwiązaniem wyjściowego
układu rówań liniowych Ax = b. Stąd wynika ostatnia część tezy.
Ostatnia kolumna ostatniej macierzy jest jej kolumną wiodącą, więc z twierdzenia 5.1.4
wynika, że rozważany układ równań liniowych nie ma rozwiązania.
Ponieważ
| | | | | |
AX = A x1 . . . xp = Ax1 . . . Axp i B = b1 . . . bp ,
| | | | | |
więc równanie AX = B jest równoważne następującemu układowi p równań
XA + X = B ⇔ X(A + I) = B ⇔ (A + I)T XT = BT
94 5. Układy równań liniowych
Dowód. (i) ⇒ (ii). Załóżmy, że macierz A jest odwracalna. Wtedy macierz A−1
istnieje i z równości AX = In po przemnożeniu obu jej stron przez A−1 otrzymujemy
rozwiązanie X = A−1 równania AX = In .
(ii) ⇒ (iii). Załóżmy, że dla macierzy C ∈ Kn×n jest AC = In . Jeśli b ∈ Kn×1 , to
Cb jest rozwiązaniem równania Ax = b, bo A(Cb) = (AC)b = In b = b.
(iii) ⇒ (iv). Załóżmy, że równanie Ax = b ma rozwiązanie dla każdego b ∈ Kn×1 .
Niech B będzie macierzą wierszowo równoważną macierzy A i mającą normalną po-
stać schodkową. Wtedy istnieje macierz odwracalna P (będąca iloczynem macierzy
elementernych) taka, że B = PA. Twierdzimy, że B = In . Gdyby było inaczej, to (co
najmniej) ostatni wiersz macierzy B byłby zerowy i układ Bx = en byłby sprzecz-
ny. Wtedy także równoważny układ Ax = P−1 en byłby sprzeczny, co zaprzeczałoby
naszemu założeniu.
(iv) ⇒ (v). Jeśli macierze A i In są wierszowo równoważne, to istnieją macierze
elementarne E1 , . . . , Ek takie, że In = Ek . . . E2 E1 A. Wtedy A = E−1 −1 −1
1 E2 . . . E k
−1 −1
i także macierze E1 , . . . , Ek są elementarne (zob. tw. 5.1.1).
(v) ⇒ (i). Załóżmy teraz, że A = E1 E2 . . . Ek , gdzie E1 , . . . , Ek są macierzami ele-
mentarnymi. Ponieważ E1 , . . . , Ek są odwracalne, to także ich iloczyn jest odwracalny.
To dowodzi, że macierz A jest odwracalna i A−1 = (E1 . . . Ek )−1 = E−1 −1
k . . . E1 .
1 2
Przykład 96. Macierz A = przedstawić w postaci iloczynu macie-
−2 −2
rzy elementarnych. Następnie wyznaczyć macierz A−1 .
Szukany iloczyn można uzyskać tak jak w dowodzie implikacji (iv) ⇒ (v) poprzedniego
twierdzenia. Macierze A i I2 są wierszowo równoważne i mamy
1 2 w2 +2w1 1 2 w1 −w2 1 0 (1 )w2 1 0
A= −→ −→ 2
−→ = I2.
−2 −2 0 2 0 2 0 1
Stąd E2 1
2
E1 2 (−1)E2 1 (2)A = I2 , więc
−1 −1 −1
A = E2 1 (2) E1 2 (−1) E2 ( 12 )
= E2 1 (−2)E1 2 (1)E2 (2)
1 0 1 1 1 0
=
−2 1 0 1 0 2
i
1 0 1 −1 1 0 −1 −1
A−1 = E2 ( 21 )E1 2 (−1)E2 1 (2) = = .
0 12 0 1 2 1 1 1
2
4 12 8 3
a stąd widać, że macierz [B|I3 ] nie jest wierszowo równoważna macierzy [I3 |X] (dla
żadnej macierzy X ∈ R3×3 ). Zatem macierz B nie jest odwracalna.
Ax = b, (5.4)
Ax = 0 – jednorodny
Ax = b – niejednorodny,
gdzie A ∈ Km×n i b ∈ Km×1 , nazywamy układem jednorodnym, gdy b = 0. gdy b 6= 0
W przeciwnym przypadku mówimy, że układ (5.4) jest niejednorodny.
R0 = {x ∈ Kn×1 : Ax = 0}
i
Rb = {x ∈ Kn×1 : Ax = b.}
Wiemy już, że jednorodny układ równań Ax = 0 zawsze ma rozwiązanie, więc
R 0 6= ∅ zbiór R0 jest niepusty. Teraz zauważmy, że jego elementy mają dodatkową wła-
sność.
Twierdzenie 5.5.1. Jeśli x0 , y0 ∈ R0 , to
αx0 + βy0 ∈ R0
dla każdych α, β ∈ K.
Dowód. Jeśli x0 , y0 ∈ R0 , to Ax0 = 0 i Ay0 = 0, więc z własności iloczynu macierzy
dla każdych α, β ∈ K mamy
Rb = R0 + {x}.
5.6. Ćwiczenia 99
Mamy
1 2 2 3 7 1 0 0 −1 1
2 1 1 0 5 0 1 1 2 3
[A|b] = ∼
3 1 1 −1 6 0 0 0 0 0
1 0 0 −1 1 0 0 0 0 0
i stąd wynika, że rozwiązaniem układu Ax = b jest
x1 1 + x4 1 x4
x2 3 − x3 − 2x4 3 −x3 − 2x4
x= = = +
x3 x3 0 x3
x4 x4 0 x4
dla każdych x3 , x4 ∈ R. Rozwiązanie to jest sumą rozwiązania szczególnego x =
[1 3 0 0]T układu Ax = b i rozwiązania x0 = [x4 (−x3 −2x4 ) x3 x4 ]T (gdzie x3 , x4 ∈ R)
układu jednorodnego Ax = 0.
5.6. Ćwiczenia
1. Wskazać macierz elementarną E taką, że: macierze A, A−1 oraz
A + 2A .
−1
" # " # 3 2
1 2 −1 3 1 2 −1 3 4. Macierz A = przedstawić w postaci
(a) E 0 1 3 3 = 0 1 3 3 ; 1 2
−2 4 0 3 0 8 −2 9 iloczynu macierzy elementarnych.
" # " # 5. Rozwiązać następujące układy równań:
2 −3 1 3 2 −3 1 3
(b) E −2 7 −4 2 = 2 1 −2 8 .
−3x1 + x2 + 4x3 = −5,
2 1 0 3 2 1 0 3
x1 + x2 + x3 = 2,
(a)
2. Za pomocą macierzy elementarnych wyznaczyć −2x1
+ x3 = −3,
macierz A taką, że: x1 + x2 − 2x3 = 5;
" # " #
1 2 1 2 2x − 4x2 + 2x3 = 16,
1
(a) A 3 4 = 0 −2 ; 2x1 − 4x2 + 3x3 = 19,
(b)
"
5 6
# "
0 −4
# x1 + 2x2 + 3x3 = 6,
1 2 2 3 − 2x2 + x3 = 7;
(b) A 2 3 = 1 1 .
x + x2 + x3 + x4 = 1,
3 4 1 2 1
x1 + x2 + 3x3 + 3x4 = 3,
(c)
3. Macierz A ∈ R3×3 jest iloczynem trzech macierzy x1 + x2 + 2x3 + 3x4 = 3,
elementarnych, A = E23 (−1)E21 E2 (3). Wyznaczyć x1 + 3x2 + 3x3 + 3x4 = 4;
100 5. Układy równań liniowych
2x − x2 + x3 + 3x4 = 7, 8. Dla których b1 , b2 i b3 równanie
1 " # " #
x1 + 2x2 + x3 + 3x4 = 12, 1 0 1 b1
(d)
1 + 3x2 + x3 + 2x4 = 19,
2x −1 1 −1 x = b2
x1 + x2 + 2x3 + 3x4 = 11; 2 −1 2 b3
x1 + x2 + 3x3 − 2x4 = 0, ma rozwiązanie?
2x1 + 3x2 + 7x3 − 2x4 = 9, 9. Dla jakich a, b i c układ równań
(e) (
3x1
+ 3x2 + 13x3 − 9x4 = 1, 2x1 − x2 + 3x3 = a
−2x1 + x2 − x4 = 0; 3x1 + x2 − 5x3 = b
( −5x1 − 5x2 + 21x3 = c
−x1 + 2x2 + x4 = 1,
(f ) −4x1 + 8x2 + 2x3 + 10x4 = 4, jest sprzeczny?
−2x1 + 4x2 + 2x3 + 8x4 = 2; 10. Dany jest układ równań
(
8x1 + 6x2 + 5x3 + 2x4 = 21, x1 + x 2 − x3 = 2
3x1 + 3x2 + 2x3 + x4 = 10, x1 + 2x2 + x3 = 3 .
(g) 4x1 + 2x2 + 3x3 + x4 = 8, x1 + x2 + (a2 − 5)x3 = a
3x1 + 5x2 + x3 + x4 = 15,
Wyznaczyć wszystkie wartości a, dla których układ
7x1 + 4x2 + 5x3 + 2x4 = 18;
ten: (a) nie ma rozwiązań; (b) ma dokładnie jedno
3x1
+ 3x2 − 3x3 − 3x4 = 7, rozwiązanie; (c) ma nieskończenie wiele rozwiązań.
−7x1 + 3x2 − x3 + 2x4 = 0, 11. Dane są macierze
(h)
−x1
+ 6x2 + 2x3 − x4 = 3,
" # " #
2x1 + 2x2 − 2x3 − 2x4 = 5; 1 2 −1 1
A= 2 −3 2 i b= 1 .
x1 + x2 − x3 + 2x4 = 3, −1 12 −7 1
2x1 + 2x2 − 2x3 + 4x4 = 6,
(i)
−3x1
− 3x2 + 3x3 − 6x4 = −9, (a) Rozwiązać równanie Ax = 0. (b) Wszystkie
−2x1 − 2x2 + 2x3 − 4x4 = −6; rozwiązania równania Ax = b zapisać w postaci
s + n, gdzie s jest jednym konkretnym rozwiązaniem
2x + x2 − x3 − x4 + x5 = 1,
1 równania Ax = b. (c) Wskazać taki wektor c, że
x1 − x2 + x3 + x4 − 2x5 = 0,
(j) równanie Ax = c nie ma rozwiązania. Uzasadnić
3x1 + 3x2 − 3x3 − 3x4 + 4x5 = 2,
swój wybór.
4x1 + 5x2 − 5x3 − 5x4 + 7x5 = 3;
12. Wyznaczyć liczby x1 , x2 i x3 takie, że
" # " # " # " #
2x − x2 + x4 − 5x5 = −1, −6 2 0 2
1
x2 + 3x4 + x5 = 1, 37 = x1 −3 + x2 1 + x3 −8 .
(k)
4x1 − x2 + x3 + 6x4 − 6x5 = 1,
−59 2 −1 12
6x1 − 2x2 + x3 + 7x4 − 11x5 = 0; 13. Rozwiązać następujące równania macierzowe:
" #" # " #
x1 + x2 − x3 + x4 + x5 = 0, 7 −2 1 x 1 y1 11 1
2x1 + x2 + 2x3 − x4 − 2x5 = 0, (a) −4 5 −3 x 2 y2 = 0 −4 ;
(l) 4x1 + 3x2 + x4 = 0, 5 −1 2 x 3 y3 7 5
5x1 + 3x2 + 3x3 − x4 − 3x5 = 0, " # " #
1 1 2 3 0 4
x1 − x2 + 7x3 − 5x4 − 7x5 = 0; (b) 2 −1 X= 1 0 −3 −1 ;
0 1 1 2 1 3
(1 − n)x1 + x2 + . . . + xn = 0,
x1 + (1 − n)x2 + . . . + xn = 0, " # " #
2 1 0 1 0 2
(m) .. .. .. (c) 1 −1 0 X−X= 0 3 0 ;
. . .
2 1 −1 2 0 1
x1 + x2 + . . . + (1 − n)xn = 0.
1 3 5
6. Dla jakich wartości parametru k następujący układ (d) X = 3 5 7 ;
2 4 6
ma niezerowe rozwiązanie:
( 1 0 3 3 2 5
kx1 − x2 + 3x3 = 0, (e) X = ;
(a) x1 + 2x2 − x3 = 0, 2 1 4 3 0 9
2x1 − x2 − 2x3 = 0; " #
1 2 1
( −2 0 6
x1 + 2x2 + 3x3 = 0, (f ) X 0 −1 1 = .
−2 2 12
(b)2x1 + kx2 + 6x3 = 0, −1 0 1
−x1 + x2 − kx3 = 0. 14. Metodą Gaussa-Jordana wyznaczyć macierz odwrot-
7. Czy równanie ną A−1 macierzy Ai (i = 1, 2, 3, 4), gdy:
i
" #" # " #
2 4 −2 x1 b1 " # 2 0 5 2
3 −1 11 x2 = b2 3 1 0
1 1 1 −1
1 2 −1 A1 = 1 2 1 , A2 = ;
0
x3 b3
−1 0 3
0 −1 2
ma rozwiązanie dla każdych b1 , b2 , b3 ? 1 0 5 2
5.6. Ćwiczenia 101
" # 2 6 0 5 będzie macierzą powstałą z A w wyniku przestawie-
1 4 2
6 21 8 17 nia miejscami dwóch wierszy. (a) Pokazać, że macierz
A3 = 1 5 2 , A4 = .
4 12 −4 13 B jest odwracalna. (b) Jaki jest związek macierzy
2 6 2
0 −3 −12 2 B−1 z macierzą A−1 ?
15. Wyznaczyć macierze odwrotne dla następujących 21. Wpisując TAK albo NIE, stwierdzić prawdziwość
czterech macierzy wymiaru n × n: każdego z następujących zdań:
1 2 0 0 ··· 0
1 1 1 ··· 1 1 Każdy układ równań liniowych, w którym
0 1 3 0 ··· 0
0 1 1 ··· 1 liczba równań jest równa liczbie niewiadomych ma
0 0 1 4 ··· 0
(a) 0 0 1 ··· 1 ;(c) ; tylko jedno rozwiązanie.
0 0 0 1 ··· 0
.. .. .. .. ..
. . . . . .. .. .. .. .. .. Każdy układ równań liniowych, w którym
. . . . . .
2
WYZNACZNIKI
1 3 2 1
to macierzą powstałą w wyniku wykreślenia drugiego wiersza i trzeciej kolumny
jest
1 2 4 0
1 2 0
2 3 5 1
A2 3 = 0 7 2 4 = 0 7 4 .
1 3 1
1 3 2 1
czyli
|A| = a11 (−1)1+1 |A11 | + a12 (−1)1+2 |A12 | + . . . + a1n (−1)1+n |A1n |.
3 2 2 1
106 6. Wyznaczniki
det B = − det A.
Dowód. Łatwo sprawdza się prawdziwość tezy dla macierzy kwadratowych stopnia 2,
bo wobec (6.2) mamy
b a
= bc − ad = −(ad − bc) = − a b .
d c c d
A = [aij ] = [ a1 . . . ak . . . al . . . an ]
i
B = [bij ] = [ a1 . . . al . . . ak . . . an ].
Weźmy pod uwagę dowolną liczbę s ∈ {1, . . . , n} − {k, l} i rozważmy rozwinięcia wy-
znaczników macierzy B i A względem ich s-tych kolumn,
n n
X X
det B = bis (−1)i+s |Bis | i det A = ais (−1)i+s |Ais |. (6.8)
i=1 i=1
Ponieważ bis = ais , a macierze Bis oraz Ais są wymiaru (n − 1) × (n − 1) i różnią się
tylko kolejnością dwóch kolumn,
a11 . . . a1k . . . a1s . . . a1l . . . a1n
.. .. .. ..
. . . .
Ais = ai1 . . . aik . . . ais . . . ail . . . ain
.. .. .. ..
. . . .
an1 . . . ank . . . ans . . . anl . . . ann
i
a11 . . . a1l . . . a1s . . . a1k . . . a1n
.. .. .. ..
. . . .
Bis = ai1 . . . ail . . . ais . . . aik . . . ain ,
.. .. .. ..
. . . .
an1 . . . anl . . . ans . . . ank . . . ann
więc wobec założenia indukcyjnego jest |Bis | = −|Ais | i dlatego wobec (6.8) mamy
n n
X X
det B = bis (−1)i+s |Bis | = ais (−1)i+s (−|Ais |) = − det A.
i=1 i=1
2 4 0 2
2 3 0 0
Przykład 108. Obliczyć wyznacznik macierzy A =
4
.
5 3 0
1 0 0 0
Przestawiając pierwszy wiersz z czwartym, przekształcamy macierz A w macierz trój-
kątną i wobec twierdzenia 6.1.5 oraz twierdzenia 6.1.3 mamy
1 0 0 0
2 3 0 0
|A| = − = −18.
4 5 3 0
2 4 0 2
108 6. Wyznaczniki
ai1 (−1)j+1 |Aj1 | + ai2 (−1)j+2 |Aj2 | + . . . + ain (−1)j+n |Ajn | = 0 (6.9)
oraz
a1i (−1)1+j |A1j | + a2i (−1)2+j |A2j | + . . . + ani (−1)n+j |Anj | = 0, (6.10)
czyli suma iloczynów kolejnych elementów jednego wiersza (jednej kolumny) i do-
pełnień algebraicznych1 kolejnych elementów innego wiersza (innej kolumny)
jest równa zeru.
Dowód. Przyjmijmy, że A = [aij ] = [ a1 . . . ai . . . aj . . . an ] (i 6= j) i weźmy pod uwagę
macierz B = [bij ] = [ a1 . . . ai . . . ai . . . an ] powstałą z A przez zastąpienie w niej j-tej
kolumny przez i-tą (bkj = aki dla k = 1, . . . , n). Macierz B ma dwie równe kolumny,
więc wobec twierdzenia 6.1.6 jest det B = 0. Z drugiej strony ponieważ macierze B
i A różnią się tylko j-tą kolumną, więc
a11 ... a1i ... a1j . . . a1n
.. .. ..
. . .
Akj = ak1 ... aki ... akj . . . akn
. .. ..
.. . .
an1 ... ani ... anj . . . ann
a11 ... a1i ... a1i . . . a1n
.. .. ..
. . .
= ak1 ... aki ... aki . . . akn = Bkj
. .. ..
.. . .
an1 ... ani ... ani . . . ann
i n
X |A|, gdy j = i,
k+j
aik (−1) |Akj | = (6.12)
0, gdy j =
6 i.
k=1
1 Dopełnieniem algebraicznym elementu a
ij macierzy kwadratowej A = [aij ] nazywa się
liczbę (−1)i+j |Aij |.
6.1. Definicja i pierwsze własności wyznacznika 109
det B = r·det A.
i
10 20 50 1 2 5
30 10 40 = 103 3 1 4 = 1000 · 9 = 9000.
−10 20 20 −1 2 2
kolumny otrzymujemy
n n
X X
det B = bil (−1)i+l |Bil | = (ail + raik )(−1)i+l |Ail |
i=1 i=1
n n
X i+l
X
= ail (−1) |Ail | + r aik (−1)i+l |Ail |
i=1 i=1
= det A + r · 0 = det A.
3 2 −3 2
0 2 3 −1
Przykład 110. Obliczyć wyznacznik macierzy
−9 −4 12 −7 .
2 3 2 1
Dodając pierwszy wiersz pomnożony przez 3 do trzeciego, nie zmieniamy wyznacznika
i otrzymujemy
3 2 −3 2 3 2 −3 2
0 2 3 −1 0 2 3 −1
−9 −4 12 −7 = 0 2
= 0,
3 −1
2 3 2 1 2 3 2 1
bo jest to wyznacznik z macierzy mającej dwa identyczne wiersze.
1 2 3 0
3 4 3 0
Przykład 111. Obliczyć wyznacznik macierzy A =
5
.
4 6 6
4 2 4 3
Ponieważ w ostatniej kolumnie macierzy A mamy już dwa zera, więc dobrym pomy-
słem jest eliminacja kolejnego niezerowego wyrazu z tej kolumny. W tym celu możemy
do trzeciego wiersza dodać wiersz czwarty pomnożony przez -2 i rozwinąć otrzymany
wyznacznik względem ostatniej kolumny,
1 2 3 0
1 2 3
3 4 3 0
det A = = 3 3 4 3 .
−3 0 −2 0 −3 0 −2
4 2 4 3
Ostatni wyznacznik można już policzyć za pomocą schematu Sarrusa, ale można także
pierwszy wiersz pomnożony przez -2 dodać do drugiego i obliczyć wartość wyznacznika
za pomocą rozwinięcia względem elementów drugiej kolumny,
1 2 3 1 −3
= −6(−2 − 9) = 66.
det A = 3 1 0 −3 = 3(−2)
−3 0 −2 −3 −2
1 1 1 1 1
1 2 2 2 2
Przykład 112. Obliczyć wyznacznik macierzy A =
1 1 3 3 3 .
1 1 1 4 4
1 1 1 1 5
Odejmując kolejno pierwszy wiersz od drugiego, trzeciego, czwartego i piątego wiersza,
otrzymujemy
1 1 1 1 1
0 1 1 1 1
det A = 0 0 2 2 2 = 24,
0 0 0 3 3
0 0 0 0 4
6.2. Wyznacznik iloczynu macierzy 111
2 0 0 0 0 −1
Przykład 113. Obliczyć det A, gdy A = 3 1 0 . 0 −2 2 .
3 3 3 4 3 3
Wobec twierdzenia 6.2.2 mamy
2 0 0 0 0 −1
det A = 3 1 0 . 0 −2 2 = 6(−8) = −48.
3 3 3 4 3 3
Przykład 114. Wyznaczyć det(4A5 ), gdy A jest macierzą wymiaru 3×3 i det A
= 2.
1
|A−1 | = |A|−1 det (A−1 ) = .
det A
Dowód. Jeśli macierz A jest odwracalna, to macierz A−1 istnieje i A·A−1 = A−1 ·A
= I. Zatem, wobec twierdzenia 6.2.2,
Stąd zaś wynika nieosobliwość macierzy A i A−1 oraz zależność det(A−1 ) = (det A)−1
pomiędzy ich wyznacznikami.
To oznacza, że
A · AD = [cij ] = |A| · In . (6.15)
Podobnie można udowodnić, że
AD · A = |A| · In . (6.16)
AD AD
A· = · A = In
|A| |A|
D
i A
|A| jest macierzą odwrotną macierzy A. Zatem udowodniliśmy następujące
twierdzenie o odwracalności macierzy nieosobliwej.
Twierdzenie 6.3.2. Każda macierz nieosobliwa A jest odwracalna i jej macierz
odwrotna jest określona wzorem
1
A−1 = · AD . (6.17) Macierz odwrotna
det A
Z ostatnich dwóch twierdzeń wynika bardzo ważny wniosek.
Wniosek 6.3.1. Macierz kwadratowa A jest odwracalna wtedy i tylko wtedy, gdy
jest ona nieosobliwa, tj. wtedy i tylko wtedy, gdy det A 6= 0. (Równoważnie, A −1 istnieje ⇔ |A| 6= 0
macierz kwadratowa A jest odwracalna wtedy i tylko wtedy, gdy liczba det A jest A−1 istnieje ⇔ |A|−1 ist-
odwracalna.) nieje
a b
Przykład 115. Jeśli macierz jest nieosobliwa, tj. gdy ad − bc 6= 0, to
c d
wobec (6.17) jej macierz odwrotna określona jest wzorem
−1
a b 1 d −b
= .
c d ad − bc −c a
Przykładowo mamy
−1
3 1 1 4 −1
= .
2 4 10 −2 3
AX + 2X = B ⇔ AX + 2I X = B ⇔ (A + 2I)X = B ⇔ X = (A + 2I)−1 B,
a ponieważ
−1 −1
1 1 2 0 3 1 1 5 −1
(A + 2I)−1 = + = = ,
2 3 0 2 2 5 13 −2 3
więc
1 5 −1 5 −2 5 2 −1 1
X= = .
13 −2 3 −1 3 12 −1 1 2
i to dowodzi własność (a). Ponieważ (det P−1 )(det P) = 1 (zob. tw. 6.3.1), więc z po-
wyższej równości i z twierdzenia Cauchy’ego (tw. 6.2.2) mamy własność (b), bo
det (B − λIn ) = det P−1 (A − λIn )P
= det (P−1 ) · det (A − λIn ) · det (P )
= det(A − λIn ).
Zatem |A| = 0 wtedy i tylko wtedy, gdy a = −3 lub a = 1 i wobec wniosku 6.5.1 są to
jedyne wartości a, dla których jednorodny układ równań ma niezerowe rozwiązanie.
Jeśli a = −3, to dla macierzy rozszerzonej tego układu mamy
" # " #
1 2 −3 0 1 0 −1 0
[A|0] = 2 −3 1 0 ∼ 0 1 −1 0
2 1 −3 0 0 0 0 0
Dla a = 1 mamy
" # " #
1 2 −3 0 1 0 5/3 0
[A|0] = 2 1 1 0 ∼ 0 1 −7/3 0
2 1 1 0 0 0 0 0
Układ Cramera (symbolicznie Ax = b) nazywamy układem Cramera, gdy jego macierz główna
A jest macierzą nieosobliwą, tj. gdy det A 6= 0.
Wobec wniosku 6.5.1 układ Cramera ma dokładnie jedno rozwiązanie. Teraz
poznamy nową metodę wyznaczania tego rozwiązania. Zaczynamy od przydatnej
notacji. Dla macierzy A = [ a1 . . . ai−1 ai ai+1 . . . an ] ∈ Kn×n i x ∈ Kn×1
symbolem Ai (x) oznaczamy macierz powstałą z A przez zastąpienie w niej i-tej
kolumny kolumną x, czyli
| | | | |
Ai (x) = a1 · · · ai−1 x ai+1 · · · an .
| | | | |
Ponieważ |A| = 14, |A1 (b)| = 28, |A2 (b)| = −14 i |A3 (b)| = 42, więc wobec (6.18)
jedynym rozwiązaniem układu są liczby
|A1 (b)| |A2 (b)| |A3 (b)|
x1 = = 2, x2 = = −1, x3 = = 3.
|A| |A| |A|
6.6. Ćwiczenia
1. Posługując się rozwinięciem wyznacznika względem 1 1 0 0 0 0
1 2 11 2 0
wiersza lub kolumny z największą liczbą zer, obliczyć 1 1 1 0 0 0
4 3 9 0 6
wyznaczniki następujących macierzy: 0 1 1 1 0 0
(g) 2 3 0 0 0 ; (h) .
0 0 1 1 1 0
" # 5 4 0 7 4 0 6 5 0
2 3 0 0 0 0 1 1 1
0 3 0 2 0 3 5 7 6
(a) 7 10 3 ; (c) ; 0 0 0 0 1 1
2 3 5 4
1 5 0 3. Wyznacznikiem Vandermonde’a stopnia n nazywamy
0 7 0 2
wyznacznik
2 0 0 2 1 3 7 4 1 x1 x21 . . . x1n−1
2 n−1
0 3 1 3
(b) ; −2 0 3 1 1 x 2 x2 . . . x2
2 1 0 4 (d) . Vn = . . .. .
−1 2 4 0 . ..
4 3 0 1 0 3 0 1
.. .. .. . .
1 x x2 . . . xn−1
n n n
2. Obliczyć następujące wyznaczniki: Udowodnić, że V3 = (x2 − xQ 1 )(x3 − x1 )(x3 − x2 ).
" #
1 2 3 ... n 1 a b
−1 0 3 ... n A= −a 1 c .
−b −c 1
(c) An = −1 −2 0 ... n ;
.. .. .. .. ..
. . . . . 9. Za pomocą wyznacznika wyznaczyć te wartości
−1 −2 −3 ... 0 parametru x, dla których następujące macierze są
odwracalne:
1 1 1 ... 1
1 0 0 1 8 x + 3 x + 2 2x
1 x 1 ... 1 2 x 0 3 5 x x+2 x
(a) ; (b) .
(d) An = 1 1 x−1 ... 1 ; 3 0 1 0 3 1 x+2 1
.... .. .. ..
. . . . . 6 1 2 5 2 3 4 x
1 1 1 ... x− n 10. Za pomocą wzoru (6.17) wyznaczyć macierze
odwrotne następujących macierzy:
1 2 3 ... n − 2 n − 1 n " # " #
2 3 4 ... n − 1 n n 2 0 0 1 −2 3
3 4 5 ... n n n
(a) 0 3 0 ; (b) 1 −3 4 ;
(e) An =
;
.. .. .. .. .. .. .. 0 0 4 2 −5 8
. . . . . . . " #
15 0 4 0 0 −2 3
n n n ... n n n (c) 17 1 19 ; 1 0 1 2
(d) .
1 2 3 4 ... n 27 1 22 −1 1 2 1
1 1 2 3 ... n − 1 0 2 −3 0
11. Wyznaczyć pierwszą kolumnę macierzy A−1 , gdy
1 1 1 2 ... n − 2
(f ) An =
1 1 1 1 ... n − 3
. " #
.. .. .. .. .. .. 1 0 5
. . . . . . A= 1 1 0 .
1 1 1 1 ... 1 1 1 1
PRZESTRZEŃ WEKTOROWA
Działanie zewnętrzne ϕ: K × V → V
ϕ(a, A) = aA,
Przestrzeń wektorowa Definicja 7.1.2. System algebraiczny (V, K, +, ·), w którym V jest niepustym
zbiorem, K jest ciałem, + jest działaniem dwuargumentowym w zbiorze V , a ·
jest działaniem zewnętrznym w zbiorze V nad zbiorem K nazywamy przestrzenią
wektorową nad ciałem K, gdy spełnione są następujące warunki:
1◦ ∀x, y∈V x + y = y + x;
2◦ ∀x, y, z∈V x + (y + z) = (y + x) + z;
3◦ ∃0∈V ∀x∈V x + 0 = x;
4◦ ∀x∈V ∃−x∈V x + (−x) = 0;
5◦ ∀α∈K ∀x,y∈V α(x + y) = αx + αy;
6◦ ∀α,β∈K ∀x∈V (α + β)x = αx + βx;
7◦ ∀α,β∈K ∀x∈V α(βx) = (αβ)x;
8◦ ∀x∈V 1x = x, gdzie 1 jest jedynką ciała K.
V – zbiór wektorów Jeśli (V, K, +, ·) jest przestrzenią wektorową nad ciałem K, to elementy
K – ciało skalarów zbioru V nazywamy wektorami, a elementy zbioru K – skalarami, działanie +
nazywamy dodawaniem wektorów, działanie · – mnożeniem wektorów przez ska-
lary. (Tych samych symboli + i · używamy na oznaczenie działań w ciele K.)
x + y – suma wektorów Jeśli x, y ∈ V i α ∈ K, to wektor x + y nazywamy sumą wektorów x i y, a αx
αx – iloczyn wektora x – iloczynem wektora x przez skalar α. Wektor 0, element neutralny działania
przez skalar α +, nazywamy wektorem zerowym; wektor −x nazywamy wektorem przeciwnym
do wektora x. Tam gdzie nie będzie to prowadziło do nieporozumień, przestrzeń
7.1. Przestrzeń wektorowa i jej podprzestrzenie 121
K n = {(x1 , x2 , . . . , xn ) : x1 , x2 , . . . , xn ∈ K}.
Łatwo sprawdza się, że zbiór K n jest przestrzenią wektorową nad ciałem K, jeśli K n – przestrzeń n-elemen-
dodawanie ciągów i mnożenie ciągów przez skalary są działaniami określonymi towych ciągów
wzorami R2 , R3 są przestrzeniami
wektorowymi
(x1 , x2 , . . . , xn ) + (y1 , y2 , . . . , yn ) = (x1 + y1 , x2 + y2 , . . . , xn + yn ),
r(x1 , x2 , . . . , xn ) = (rx1 , rx2 , . . . , rxn ).
··················
* ·· αx *
····
x+y ·
···
y
····· *
·
-···· x, y ∈ S
x
x∈S
x
S x + y 6∈ S S αx 6∈ S
−x y
−1
x∈S x, y ∈ T
−2 −x 6∈ S x + y 6∈ T
Rys. 7.2
7.1. Przestrzeń wektorowa i jej podprzestrzenie 123
∀x,y∈S ∀α,β∈K αx + βy ∈ S.
Zbiór A jest niepusty, bo np. funkcja f (x) = x − 1 należy do zbioru A. Weźmy teraz
pod uwagę dowolne funkcje f i g ze zbioru A oraz dowolne skalary α, β ∈ R. Wtedy
αf +βg ∈ F(R, R). Jednocześnie f (1) = g(1) = 0, więc także (αf +βg)(1) = (αf )(1)+
(βg)(1) = α(f (1)) + β(g(1)) = α0 + β0 = 0 i dlatego αf + βg ∈ A. Stąd i z twierdzenia
7.1.3 wynika, że A jest podprzestrzenią przestrzeni F(R, R).
jest
Ponieważ
3 −1 −1 0 1 0 −2/3 0
[A|0] = ∼ ,
6 1 −5 0 0 1 −1 0
NA
więc rozwiązaniem równania Ax = 0 jest każda macierz
" # " # 3rm
x1 2r
x= x2 = 3r dla r ∈ R.
x3 3r
3 3m
Stąd 3
(" # ) ( " # )
2r 2 h 2
i
NA = 3r : r∈R = r 3 : r∈R 2 m= 3
+
3
3r 3
−m/2
3
i jest to prosta w przestrzeni R (zob. rys. 7.4). Rys. 7.4
Przykład 129. Wektor v = (4, 7, 3) (zob. rys. 7.5) jest kombinacją liniową
wektorów v1 = (2, 2, 0) i v2 = (0, 1, 1), bo
7 2v1 +3v2
:
v2
7
7
z
v1 z
2v 1
Rys. 7.5
Jeśli S jest podzbiorem zbioru V (K), to przez L(S) oznaczamy zbiór wszyst-
kich kombinacji liniowych skończonej liczby wektorów ze zbioru S. Zatem
( n )
X L(S)
L(S) = αi vi : vi ∈ S, αi ∈ K dla i = 1, . . . , n, gdzie n ∈ N .
i=1
Przy tym przyjmujemy, że L(∅) = {0}. Jeśli S jest niepustym zbiorem skoń-
czonym, powiedzmy S = {v1 , v2 , . . . , vn }, to piszemy L(v1 , v2 , . . . , vn ) zamiast
L({v1 , v2 , . . . , vn }). W tym przypadku
x1 v 1 + x 2 v 2 + . . . + x n v n = b
b2 6∈L(v,u)
βu
3 b1 ∈L(v,u)
u
- -
v αv
Rys. 7.7
Zbiór L(S) kombinacji liniowych wektorów ze zbioru S ⊆ V (K) nie tylko jest
podzbiorem zbioru V (K), ale i jest on podprzestrzenią przestrzeni V (K).
Twierdzenie 7.2.1. Jeśli S jest zbiorem wektorów przestrzeni V (K), to L(S) L(S) – przestrzeń wektoro-
jest podprzestrzenią przestrzeni V (K). wa
Dowód. Jeśli S = ∅, to L(S) = {0} i teza twierdzenia jest oczywista. Zatem załóżmy,
że zbiór S jest niepusty. Ponieważ v = 1v i 1v ∈ L(S) dla każdego v ∈ S, więc
S ⊆ L(S) i zbiór L(S) jest niepusty. Wobec twierdzenia 7.1.3 wystarczy teraz pokazać,
że kombinacja liniowa wektorów ze zbioru L(S) należy do zbioru L(S).
Weźmy dowolne dwa wektory v, u ∈ L(S) i skalary α, β ∈ K. Z definicji zbio-
ru L(S) wynika, że istnieją wektory Pnv1 , . . . , vn , u1 ,P
. . . , um ∈ S i skalary α1 , . . . , αn ,
m
β1 , . . . , βm ∈ K, dla których v = i=1 αi vi i u = j=1 βj uj . Wtedy
−2 1
Przykład 134. Wyznaczyć przestrzeń CA macierzy A = 0 2 .
1 0
Mamy
( " # " # )
−2 1
CA = x1 0 + x2 2 : x1 , x2 ∈ R
1 0
(" # )
−2 1
x1 x1 2
= 0 2 : ∈R
x2 x2
1 0
= Ax : x ∈ R2 .
Załóżmy, że w przestrzeni F(h0; πi, R) zachodzi równość x1 sin +x2 cos = 0 dla pewnych
skalarów x1 , x2 ∈ R. Wtedy
x1 sin t + x2 cos t = 0(t) = 0
y 6 2v1 y 6
3 v2 7
v1 *
3
v1
- -
x x
Rys. 7.9
α1 v1 + . . . + αj−1 vj−1 + αj vj = 0.
vj = −α−1
j (α1 v1 + . . . + αj−1 vj−1 ) ∈ L(v1 , . . . , vj−1 ).
Tak jest, bo każda liniowa kombinacja skończonej ilości różnych wektorów ze zbioru
S jest wielomianem, ϕ(x) = α1 xk1 + . . . + αm xkm . Taki wielomian jest wielomianem
zerowym, gdy wszystkie jego współczynniki są zerowe.
Przykład 147. Sprawdzić, czy układ wektorów (v1 , v2 , v3 ) jest bazą przestrzeni
R3 , gdy v1 = (2, 1, 3), v2 = (1, 0, 1) i v3 = (1, −1, 1).
więc macierz ta jest nieosobliwa i układ wektorów (v1 , v2 , v3 ) jest bazą przestrzeni R3 .
ei = (0, . . . , 0, 1, 0, . . . , 0)
Mamy
W = {(3x2 , x2 , x2 + 4x4 , x4 ) : x2 , x4 ∈ R}
= {(3x2 , x2 , x2 , 0) + (0, 0, 4x4 , x4 ) : x2 , x4 ∈ R}
= {x2 (3, 1, 1, 0) + x4 (0, 0, 4, 1) : x2 , x4 ∈ R},
co oznacza, że wektory v1 = (3, 1, 1, 0) i v2 = (0, 0, 4, 1) generują podprzestrzeń W .
Ponieważ wektory v1 i v2 są liniowo niezależne (bo żaden z nich nie jest krotnością
drugiego), więc uporządkowany zbiór (v1 , v2 ) (i zbiór (v2 , v1 )) jest bazą podprzestrzeni
W.
136 7. Przestrzeń wektorowa
więc
(" # ) ( " # ) " #!
x3 1 1
NA = −x3 : x3 ∈ R = x3 −1 : x3 ∈ R =L −1
x3 1 1
Dowód. (a) ⇒ (b). Załóżmy, że B jest bazą przestrzeni V . Wtedy V = L(B), więc
każdy wektor v ∈ V jest kombinacją liniową wektorów układu B, czyli
v = α 1 v1 + α 2 v2 + . . . + α n vn
Dowód. Teza jest oczywista dla przestrzeni zerowej, jej bazą jest zbiór pusty. Zatem
niech V będzie niezerową przestrzenią wektorową generowaną przez zbiór G = {v1 ,
. . . , vn } ⊂ V i niech B będzie maksymalnym liniowo niezależnym układem utworzonym
z elementów zbioru G (lub minimalnym układem generującym przestrzeń V i utworzo-
nym z elementów zbioru G). Zgodnie z twierdzeniem 7.5.1 układ B jest bazą przestrzeni
V.
Niech G = {v1 , . . . , vn } będzie zbiorem generującym przestrzeń wektorową
V . Ponieważ V = L(G) = L(G − {0}), możemy założyć, że wektory v1 , . . . , vn
są niezerowe. Bazę B przestrzeni V , w praktyce (uporządkowany) maksymalny
liniowo niezależny podzbiór zbioru G, o którym mowa w dowodzie poprzed-
niego wniosku, możemy efektywnie wyznaczyć za pomocą procedury odrzuca-
nia. W tym celu bierzemy pod uwagę układ (v1 , v2 , . . . , vn ). Zaczynając od Procedura odrzucania
v2 , z układu tego odrzucamy każdy wektor, który jest kombinacją liniową jego
poprzedników pozostałych po wcześniejszych odrzuceniach. Po przetestowaniu
wszystkich wektorów vi (2 ¬ i ¬ n), wektory, które nie zostały odrzucone są
liniowo niezależne (zob. wniosek 7.4.2) i – jak łatwo zauważyć – generują one
przestrzeń V , więc tworzą bazę przestrzeni V .
W tym celu sprawdzamy czy istnieją skalary a, b i c takie, że v5 = av1 + bv2 + cv4 .
Łatwo zauważyć, że v5 = x = − 32 x2 + 23 (x2 + 1) + 13 (3x − 2) = − 32 v1 + 23 v2 + 13 v4 , więc
z ciągu (v1 , v2 , v4 , v5 ) odrzucamy wektor v5 . Ostatecznie wektory v1 , v2 i v4 tworzą
bazę przestrzeni V .
Tak jest istotnie, bo wobec definicji 7.4.1 każdej relacji liniowej zależności między wek-
torami v1 , v2 , . . . , vk odpowiada niezerowe rozwiązanie jednorodnego układu Ax = 0.
A ponieważ zbiór rozwiązań układu Ax = 0 jest taki sam jak zbiór rozwiązań układu
Hx = 0, więc każda relacja liniowej zależności między kolumnami macierzy A jest rela-
cją liniowej zależności między kolumnami macierzy H (i odwrotnie). Kolumny macierzy
H zawierające wiodące jedynki są różnymi wektorami standardowej bazy przestrzeni
K n , więc są one niezależne. Natomiast każda kolumna bez wiodącej jedynki macierzy
H jest liniową kombinacją poprzedzających ją kolumn z wiodącymi jedynkami. Zatem
kolumnami macierzy A, które są kombinacjami swoich poprzedników (i które odrzu-
camy) są dokładnie te kolumny, które odpowiadają kolumnom bez wiodących jedynek
w macierzy H.
W układzie (7.5) jest więcej niewiadomych niż równań (m > n), więc wobec wnio-
sku 5.5.1 układ ten ma niezerowe rozwiązanie x1 , x2 , . . . , xm . Dla tego niezerowego
rozwiązania x1 , x2 , . . . , xm z (7.4) i (7.5) kolejno otrzymujemy
m
X m
X X
n n m
X X n
X
xi ui = xi aij vj = aij xi vj = 0vj = 0,
i=1 i=1 j=1 j=1 i=1 j=1
Dowód. Jeśli zbiór B jest niezależny, to wobec twierdzenia 7.5.3 można go uzupełnić
do bazy B 0 przestrzeni V . Ponieważ B ⊆ B 0 i n = |B| ¬ |B 0 | = dim V = n, więc
B = B 0 i B jest bazą przestrzeni V .
Z drugiej strony, jeśli B generuje przestrzeń V , to można B zredukować (np. za
pomocą procedury odrzucania) do bazy B 00 przestrzeni V . Ponieważ B 00 ⊆ B i n
= dim V = |B 00 | ¬ |B| = n, więc B = B 00 i B jest bazą przestrzeni V .
Stąd i z definicji bazy wynikają równoważności warunków (1), (2) i (3).
Ponieważ dim R10 [x] = 11 i układ B ma 11 elementów, więc wobec twierdzenia 7.5.4
wystarczy pokazać, że B generuje przestrzeń R10 [x].
Niech ϕ(x) będzie dowolnym wielomianem z przestrzeni R10 [x]. Wielomian ϕ(x) ma
pochodną dowolnego rzędu i ϕ(k) (x) = 0 dla k 11, więc ze wzoru Taylora (znanego
z kursu analizy matematycznej) mamy
To
jest możliwe tylko wtedy, gdy a = 3b+2c+d. Zatem L(B) jestzbiorem
tych macierzy
a b 1 0
∈ R2×2 , dla których a = 3b + 2c + d. W szczególności 6∈ L(B) i zbiór
c d 0 0
3 1 2 0 1 0 1 0
B0 = , , , jest uzupełnieniem zbioru B do bazy
0 0 1 0 0 1 0 0
przestrzeni R2×2 .
Wektor
r1
r2
[v]B = (r1 , r2 , . . . , rn ) lub częściej [v]B = ..
.
rn
[v] B – wektor współrzęd- nazywamy wektorem współrzędnych wektora v względem bazy B przestrzeni
nych V , a skalary r1 , r2 , . . . , rn – współrzędnymi wektora v względem bazy B (lub
B-współrzędnymi wektora v).
[ ]B
R
v [v]B
V Kn
3 1
Przykład 156. Dana jest baza B = (b1 , b2 ) = , przestrzeni
1 −1
5
R2 . Wyznaczyć wektor współrzęnych [v]B wektora v = . Wyznaczyć tak-
−1
r1 2
że wektor x ∈ R , którego wektorem współrzędnych jest [x] B =
2
= .
r2 −3
Ponieważ
y 6 x=2b1 −3b2
5 3 2
v= = +2 = 1b1 + 2b2 ,
−1 1 −2
−3b2
I 1 2b1
I więc
1
b1
I - [v]B =
1
.
R x
2
b2
Z definicji wektora współrzędnych mamy
Rys. 7.11. Wektor x = 2b1 − 3b2
3 1 3
x = r 1 b1 + r 2 b2 = 2 + (−3) = .
1 −1 5
Z ostatniej macierzy otrzymujemy [v]B = (3, 2), [u]B = (2, −1), 6 6b1
v+u
[v + u]B = (5, 1) i [3u]B = (6, −3), zobacz rysunek 7.12. 3u
v
Warto zauważyć, że dla wektorów z ostatniego przykładu ma-
my:
u
b1
[v + u]B = (5, 1) = (3, 2) + (2, −1) = [v]B + [u]B b2 -
i −b2
Rys. 7.12
Powyższe własności są szczególnymi przypadkami dowodzonych w następ-
nym twierdzeniu ogólniejszych własności: w skończenie wymiarowej przestrzeni
z ustaloną bazą wektor współrzędnych sumy wektorów jest równy sumie wek-
torów współrzędnych tych wektorów i wektor współrzędnych iloczynu wektora
przez skalar jest równy iloczynowi wektora współrzędnych przez ten sam skalar.
Twierdzenie 7.6.1. Niech B będzie bazą n-wymiarowej przestrzeni V nad cia-
łem K. Jeśli v, u ∈ V i t ∈ K, to
[v + u]B = (r1 + s1 , r2 + s2 , . . . , rn + sn )
= (r1 , r2 , . . . , rn ) + (s1 , s2 , . . . , sn )
= [v]B + [u]B .
Podobnie mamy
więc także
α 1 v1 + . . . + α k vk = 0 ⇔ [α1 v1 + . . . + αk vk ]B = [0]B = 0
⇔ α1 [v1 ]B + . . . + αk [vk ]B = 0.
v = 2a − 3b + c
= 2(x2 + 2x − 3) − 3(2x2 + 2x + 1) + (−3x2 + x + 1)
= −7x2 − x − 8.
[x]C = PB
C [x]B , (7.6)
gdzie
| | |
PB
C =
[b1 ] [b2 ] · · · [bn ] .
C C C (7.7)
| | |
146 7. Przestrzeń wektorowa
Dla wektora x (zob. rys. 7.14) podobnie jak w wyprowadzeniu twierdzenia 7.6.3 mamy
następujące zależności między jego B- i C-współrzędnymi:
[x]C = [2b1 + b2 ]C = 2[b1 ]C + [b2 ]C
2 2
= [b1 ]C [b2 ]C = [2c1 − c2 ]C [c1 − 2c2 ]C
1 1
2 1 2 5
= = .
−1 −2 1 −4
Drugi sposób. Ponieważ wektor x jest kombinacją liniową wektorów b1 i b2 , a te ostatnie
są kombinacjami wektorów c1 i c2 , więc x jest kombinacją liniową wektorów c1 oraz
c2 i współczynniki tej kombinacji tworzą wektor [x]C ,
5
[x]C = [ 2b1 + b2 ]C = [ 2(2c1 − c2 ) + (c1 − 2c2 ) ]C = [ 5c1 − 4c2 ]C = .
−4
5c1
2b1
b1
c2 c1 c2 c1 x
x
0 0
b2
−4c2
Rys. 7.14
Macierz C−1 B = PB
C jest jednocześnie rozwiązaniem równania macierzowego
CX = B
(reprezentującego równania [ c1 c2 . . . cn ]x = b1 , . . . , [ c1 c2 . . . cn ]x = bn ,
których rozwiązaniami są kolumny [b1 ]C , . . . , [bn ]C macierzy PB C ) i dlatego
można ją wyznaczyć metodą Gaussa-Jordana. Mamy następujący wygodny spo-
sób wyznaczania macierzy przejścia.
więc
" #
−3 −1 2
PB
C = 2 1 0 .
−3 1 2
7.7. Rząd macierzy 149
z Przykład 166. Jeżli V1 = L (0, 1, 1) i V2 = L (1, 1, 1) , to
V1
V1 + V2 = {t(0, 1, 1) + s(1, 1, 1) : t, s ∈ R}
V2 = L (0, 1, 1), (1, 1, 1) .
y
Geometrycznie V1 i V2 są różnymi prostymi w przestrzeni R3 prze-
chodzącymi przez początek układu współrzędnych, a V1 + V2 jest
płaszczyzną zawierającą te dwie proste,
V1 +V2 x
V1 + V2 = {(x, y, z) ∈ R3 : y − z = 0},
Część wspólna dwóch podprzestrzeni nigdy nie jest pusta (bo zawsze zawiera
ona wektor zerowy) i – podobnie jak w poprzednim twierdzeniu – łatwo dowodzi
się, że jest ona podprzestrzenią.
Twierdzenie 7.8.2. Jeśli V1 i V2 są podprzestrzeniami przestrzeni wektorowej
V , to V1 ∩ V2 jest podprzestrzenią przestrzeni V .
Twierdzenie 7.8.3. Jeśli V1 i V2 są skończenie wymiarowymi podprzestrzenia-
mi przestrzeni wektorowej V , to
s1 a1 + . . . + sm am + t1 b1 + . . . + tn bn + r1 c1 + . . . + rk ck = 0.
7.8. Suma i suma prosta podprzestrzeni 153
s1 a1 + . . . + sm am + t1 b1 + . . . + tn bn = 0 i r1 c1 + . . . + rk ck = 0.
jest przestrzeń
V1 + V2 = L (1, −1, 0), (1, 0, −1), (2, 1, 0), (3, 0, 1) .
Ponieważ (dowolne) trzy spośród wektorów (1, −1, 0), (1, 0, −1), (2, 1, 0), (3, 0, 1) są
liniowo niezależne w przestrzeni R3 , więc suma V1 + V2 jest całą przestrzenią R3 .
Jednakże, ponieważ V1 ∩V2 6= {0} (bo dim(V1 ∩V2 ) = dim V1 +dim V2 −dim(V1 +V2 ) =
1), więc przestrzeń R3 nie jest sumą prostą podprzestrzeni V1 i V2 .
Geometrycznie V1 i V2 są płaszczyznami przechodzącymi przez początek układu
współrzędnych, a V1 + V2 jest podprzestrzenią zawierającą obie te płaszczyzny, więc
V1 +V2 = R3 . Podprzestrzeń V1 ∩V2 jest prostą wzdłuż której przecinają się płaszczyzny
V1 i V2 (zob. rys. 7.18) i – jak łatwo zauważyć – mamy V1 ∩ V2 = L (1, −4, 3) .
V2
v
v1 v
v2
O
v10
V1
V1
* v1 v20
v2
V2
V1 + V2 + . . . + Vn = {v1 + v2 + . . . + vn : vi ∈ Vi dla i = 1, . . . , n}
7.9. Ćwiczenia
1. Dla wektorów x = (x1 , . . . , xn ) i y = (y1 , . . . , yn ) ze (i) zbiór funkcji RR ze zwykłym mnożeniem funkcji
zbioru Rn i skalara α ∈ R, sumę wektorów i iloczyn przez skalary, ale z dodawaniem określonym wzorem
wektora przez skalar definiujemy wzorami:
(f ⊕ g)(x) = max{f (x), g(x)}.
x + y = (x1 + y1 , . . . , xn + yn );
αx = (αx1 , . . . , αxn ). 5. W zbiorze R3×1 określono dodawanie wektorów
i mnożenie wekorów przez skalary w taki sposób, że
Pokazać, że Rn z tak określonymi działaniami jest
przestrzenią wektorową. " # " # " #
x x0 x + x0 − 1
2. Pokazać, że zbiór K[x] wielomianów nad ciałem K y + y0 = y + y0
z dodawaniem wielomianów i mnożeniem wielomia- z z0 z + z0
nów przez skalary jest przestrzenią wektorową.
3. Niech RR będzie zbiorem wszystkich funkcji odwzoro- i " # " #
wujących zbiór R w zbiór R. Dla f, g ∈ RR i α ∈ R, x rx − r + 1
suma f + g oraz iloczyn αf są funkcjami takimi, że r y = ry .
z rz
(f + g)(x) = f (x) + g(x) oraz (αf )(x) = αf (x) (a) Pokazać, że R3×1 z tak określonymi działaniami
jest przestrzenią wektorową nad ciałem R.
dla każdego x ∈ R. Pokazać, że RR z tak określonymi
(b) Sprawdzić, czy zbiór
działaniami jest przestrzenią wektorową.
(" # )
4. Sprawdzić, czy niżej podane zbiory ze wskazanymi x
działaniami są przestrzeniami wektorowymi nad cia- S= y ∈ R3×1 : x + y + z = 1
łem R: z
(a) R2 ze zwykłym mnożeniem wektorów przez ska-
lary i z dodawaniem określonym wzorem jest podprzestrzenią przestrzeni R3×1 z wyżej okre-
ślonymi działaniami.
(x, y) ⊕ (x0 , y 0 ) = (x + x0 , y + 2y 0 );
6. Niech (V, R, +, ·) będzie przestrzenią wektorową nad
ciałem R i niech p będzie ustalonym wektorem z prze-
(b) R2 ze zwykłym mnożeniem wektorów przez skala-
strzeni V . Określamy nowe działanie dodawania ⊕
ry i z dodawaniem określonym wzorem
i nowe mnożenie ⊗ wektorów przez skalary przyjmu-
(x, y) ⊕ (x0 , y 0 ) = (x − x0 , y − y 0 ); jąc, że
8. Sprawdzić, czy wektor x jest kombinacją liniową wek- 18. Pokazać, że jeśli x1 , . . . , xn są wektorami w przestrze-
torów xi w danej przestrzeni wektorowej: ni V , to wektory x1 − x2 , x2 − x3 , . . . , xn−1 − xn , xn −
(a) x = (1, 2), x1 = (3, 1), x2 = (1, 3) w R2 ; x1 są liniowo zależne.
19. Wykazać, że wektory x1 , . . . , xn są liniowo niezależne
(b) x = (1, 2, 1), x1 = (1, 1, 1), x2 = (1, 1, 2), x3 =
w przestrzeni V wtedy i tylko wtedy, gdy wektory
(0, 1, 1) w R3 ;
x1 , x1 +x2 , . . . , x1 +x2 +. . .+xn są liniowo niezależne
(c) x = t2 + 3t, x1 = t3 + 3t, x2 = t2 + t i x3 = t2 w w V.
R3 [t]; 20. Uzasadnić, że wektory (1, α, α2 ), (1, β, β 2 ), (1, γ, γ 2 )
1 0 1 0 są liniowo niezależne, gdy α, β i γ są różnymi liczbami
(d) x = I2 , x1 = , x2 = w R2×2 .
1 2 2 3 rzeczywistymi.
9. Dane są funkcje f (x) = 0, g(x) = 1, h(x) = sin x, 21. Dobrać liczbę m tak, aby wektory (1, 2, 3, 1),
k(x) = 1 + x i l(x) = cos 2x z przestrzeni RR . Która (0, 3, 1, 2), (1, 0, 3, 4) i (2, 5, 0, m) były liniowo zależne
z nich należy do podprzestrzeni L(cos2 x, sin2 x)? w R4 .
10. Pokazać, że jeśli b ∈ L(a1 , . . . , an ) i {a1 , . . . , an } ⊆ 22. Wskazać te parametry t, dla których wektory
L(x1 , . . . , xk ), to b ∈ L(x1 , . . . , xk ). (1, −1, 0, 0), (1, 1, 1, 0), (1, 0, 0, 1) i (t, 1, 1, 2t) są linio-
wo niezależne.
11. Pokazać, że L(x1 , . . . , xn , y) = L(x1 , . . . , xn ) wtedy
23. Czy istnieje taka liczba m, że wektory (1, 0, 1),
i tylko wtedy, gdy y ∈ L(x1 , . . . , xn ).
(2, m, 3) i (1, −m, 0) są liniowo niezależne?
12. Wykazać, że S ⊆ L(S) i L(S) = L L(S) dla każ- 24. Sprawdzić, czy dany układ wektorów jest bazą prze-
dego zbioru wektorów S z przestrzeni wektorowej. strzeni:
13. Sprawdzić następujące równości:
(a) (1, 1), (2, 3) w R2 ;
(a) L(x, y) = L(x + y, x − y);
(b) (j, j), (0, j) w C 2 ;
(b) L(x, y, z) = L(x, x + y, x + y + z);
(c) (2, 3, 0), (3, 2, 1) w L (6, 4, 2), (−2, 2, −2) ;
(c) L(x, y, z) = L(x + y, y + z, x + z);
(d) x + 1, x2 − 1, (x + 1) w R2 [x].
2
(d) L (1, 2, 1), (4, 1, 2) = L (2, 3, 0), (3, 1, 1) ; 25. Znaleźć takie wektory v i u, aby układ (a, b, v, u)
był bazą przestrzeni R4 , gdy a = (1, 1, 0, 0) i b =
(e) L(t2 + 1, t2 − 1, t2 + t) = L(t, t2 + 1);
(1, 0, 1, 0).
(f ) {x ∈ R4 : xa = 0, xb = 0} = L (1, 0, 1, 0), 26. Znaleźć bazę i wymiar przestrzeni generowanej przez
(2, 1, 0, 1) , gdzie a = (1, 1, −2, −3) i b = wektory:
(3, −2, 0, −4). (a) a1 = (1, 3, 2), a2 = (2, 2, −1), a3 = (1, 7, 7);
14. Zbadać liniową niezależność podanych wektorów xi
w danej przestrzeni wektorowej: (b) b1 = (1, 0, 1, −1), b2 = (2, 1, 1, 0), b3 =
(1, 1, 1, 1), b4 = (1, 2, 3, 4), b5 = (0, 1, 2, 3).
(a) x1 = (1, 3), x2 = (−2, −6) w R ; 2
27. Niech W1 i W2 będą podprzestrzeniami przestrzeni
(b) x1 = (1, 3), x2 = (2, −6) w R2 ; wektorowej V . Wykazać, że W1 ∩ W2 i W1 + W2 =
(c) x1 = (−1, 2, 1), x2 = (2, −4, 3) w R3 ; {x + y : x ∈ W1 i y ∈ W2 } są podprzestrzeniami
przestrzeni V . Pokazać, że W1 ∪W2 jest podprzestrze-
(d) x1 = (1, 3, 2), x2 = (2, 5, 3), x3 = (4, 0, 1)
nia przestrzeni V wtedy i tylko wtedy, gdy W1 ⊆ W2
w R3 ;
lub W2 ⊆ W1 .
(e) x1 = (−2, 3, 1), x2 = (3, −1, 2), x3 = (1, 2, 3), 28. Niech x1 , . . . , xm oraz y1 , . . . , yn będą wekto-
x4 = (1, 1, 1) w R3 ; rami z przestrzeni wektorowej V . Wykazać, że
(f ) x1 = x2 − 1, x2 = x2 + 1, x3 = x, x4 = 2x + 1 L(x1 , . . . , xm ) + L(y1 , . . . , yn ) = L(x1 , . . . , xm ,
w R[x]; y1 , . . . , yn ).
29. Znaleźć współrzędne wektora v = (1, 1, 1) względem
(g) x1 = 1, x2 = sin2 x, x3 = cos2 x, x4 = cos 2x
baz B = (b1 , b2 , b3 ) i B 0 = (b01 , b02 , b03 ) przestrzeni
w RR .
R3 , gdy b1 = (1, 2, 1), b2 = (2, 3, 3), b3 = (3, 7, 1) i
15. W przestrzeni RR zbadać liniową niezależność
b01 = (3, 1, 4), b02 = (5, 2, 1), b03 = (1, 1, −6).
następujących układów funkcji rzeczywistych:
30. W przestrzeni Rn [x] znaleźć współrzędne wektora
(a) (1, 2 sin2 x, 3 cos2 x); (b) (1, sin x, sin 2x);
f (x) = a0 + a1 x + . . . + an xn względem bazy B =
(c) (1, x2 + 2x, (x + 1)2 ).
1, x − 1, (x − 1)2 , . . . , (x − 1)n .
16. Niech A i B będą niepustymi zbiorami wektorów
31. Znaleźć macierz przejścia P od bazy B do bazy B 0 ,
przestrzeni wektorowej V . Udowodnić, że: (a) jeśli
gdy:
0 ∈ A, to A jest liniowo zależny; (b) jeśli A jest li-
niowo zależny i A ⊆ B, to B też jest liniowo zależny; (a) B = (1, 2, 0), (3, 4, 2), (2, 2, 1) i B 0 =
(c) jeśli B jest liniowo niezależny i A ⊆ B, to A też (1, −1, 2), (3, 1, −1), (4, 0, 2) w R3 ;
jest liniowo niezależny. (b) B = (x3 , x2 , x, 1) i B 0 = (x3 − x2 , x2 − x, x −
17. Niech A będzie liniowo niezależnym zbiorem wek- 1, x3 + 1) w R3 [x].
torów przestrzeni wektorowej V i niech v ∈ V . Po- 32. (a) Wskazać przykład macierzy kwadratowej A ta-
kazać, że zbiór A ∪ {v} jest liniowo zależny wtedy kiej, że A 6= 0 i A2 = 0. (b) Następnie wykazać, że
i tylko wtedy, gdy v ∈ L(A). dla każdej takiej macierzy A jest CA ⊆ NA .
7.9. Ćwiczenia 157
33. Zbadać, czy wektor b należy do podprzestrzeni wier- Czy przestrzeń R3 jest sumą prostą podprzestrzeni
szowej RA macierzy A, gdy V1 i V2 ?
46. Niech V1 i V2 będą podprzestrzeniami przestrzeni
1 1 1 −2 1 −2
R4 , gdzie V1 = L (1, 1, 1, 1), (1, 2, −1, 0) i V2 =
1 0 2 4 2 4
L (−1, 1, −1, 1), (2, 1, 1, 2) . Wykazać, że R4 = V1 ⊕
A= 1 0 2 5 3 i b= 5 .
1 0 2 6 4 6 V2 .
1 0 2 6 4 6 47. Znaleźć bazę i wymiar przestrzeni V1 ∩ V2 oraz prze-
strzeni V1 + V2 , gdy:
34. Wyznaczyć bazy przestrzeni kolumnowej CA , wier- (a) V1 = L((1, 2, 0, 1), (1, 1, 1, 0)) i V2 = L((1, 0, 1, 0),
szowej RA i zerowej NA macierzy (1, 3, 1, 3));
" # (b) V1 = L((1, 1, 1, 1), (1, −1, 1, −1), (1, 3, 1, 3)) i V2 =
1 2 1 1 5
A= −2 −4 0 4 −2 . L((1, 2, 0, 2), (1, 2, 1, 2), (3, 1, 3, 1)).
1 2 2 4 9 48. Niech a1 , . . . , a6 będą kolejnymi kolumnami macierzy
35. Wyznaczyć rząd macierzy 3 −1 1 1 8 12
1 −1 −1 1 4 6
1 1 3 1 2 1 0 1 1 5 8 .
2 3 7 4 8 1 1 3 1 6 10
A= .
2 2 6 1 2
2 3 7 5 10 Wyznaczyć bazy przestrzeni V , U , V +U i V ∩U , gdy
V i U są podprzestrzeniami przestrzeni R4 takimi, że
36. Czy jest możliwe, że dla rzędu macierzy A + B jest V = L(a1 , a2 , a3 ) i U = L(a4 , a5 , a6 ).
r (A + B) = r (A) + r (B)?
x y
37. Niech A będzie macierzą ze zbioru Kn×n . Wykazać, 49. Wykazać, że zbiory V = : x, y ∈ R
−y x
że r(A) r(A2 ). Wskazać przykład macierzy A ∈
R2×2 takiej, że r(A) > r(A2 ). x y
i U = : x, y, z ∈ R są podprzestrzenia-
38. Pokazać, że zbiór macierzy symetrycznych (diago- y z
nalnych) wymiaru n × n jest podprzestrzenią prze- mi przestrzeni R2×2 . Wskazać także bazy i wymiary
strzeni Rn×n . przestrzeni V , U , V ∩ U oraz V + U = {x + y : x ∈
39. Niech A będzie macierzą ze zbioru Rn×n i niech V V i y ∈ U }.
będzie zbiorem macierzy przemiennych z macierzą 50. Niech V1 i V2 będą podprzestrzeniami przestrzeni Rn ,
A, czyli V = {X ∈ Rn×n : AX = XA}. (a) Udo- gdzie V1 = {(x1 , . . . , xn ) ∈ Rn : x1 + . . . + xn = 0}
wodnić, że V jest podprzestrzenią w Rn×n . (b) Wy- i V2 = {(x1 , . . . , xn ) ∈ Rn : x1 = . . . = xn }. Wykazać,
kazać, że zbiór U = {a0 In + a1 A + . . . + am Am : m ∈ że Rn = V1 ⊕ V2 .
N, a0 , . . . , am ∈ R} jest podprzestrzenią w Rn×n . 51. Pokazać, że przestrzeń wektorowa Rn [x] (n 1) jest
(c) Wykazać, że U ⊆ V . (d) Wyznaczyć
bazy prze- sumą prostą podprzestrzeni V1 = {ϕ(x) ∈ Rn [x] :
1 0 ϕ(−x) = −ϕ(x) dla każdego x ∈ R} i V2 = {ϕ(x) ∈
strzeni V i U , gdy A = . (Uwzględnić, że
1 1 Rn [x] : ϕ(−x) = ϕ(x) dla każdego x ∈ R}.
A2 = 2A − I). 52. Wykazać, że dla każdej podprzestrzeni V1 skończenie
40. Znaleźć bazę przestrzeni
macierzy przemiennych wymiarowej przestrzeni V istnieje podprzestrzeń V2
1 2 taka, że V = V1 ⊕ V2 .
z macierzą A = .
−1 1 53. Pokazać, że n-wymiarowa przestrzeń wektorowa V
41. Niech S i T będą niepustymi zbiorami wektorów jest sumą prostą n podprzestrzeni, gdy n 2.
z przestrzeni wektorowej V . Udowodnić, że
54. Niech (a1 , . . . , am ) i (b1 , . . . , bn ) będą odpowiednio
L(S ∪ T ) = L(S) + L(T ). bazami podprzestrzeni V1 i V2 przestrzeni wektorowej
V . Udowodnić, że przestrzeń V1 + V2 jest sumą pro-
42. Pokazać, że przestrzeń
R2 jest sumą prostą podprze- stą podprzestrzeni V1 i V2 wtedy i tylko wtedy, gdy
strzeni L (1, 2) i L (1, 3) . (a1 , . . . , am , b1 , . . . , bn ) jest bazą przestrzeni V1 + V2 .
43. Pokazać, że przestrzeń L (1, 2, 3) + L (1, 2, 0) 55. Udowodnić twierdzenie 7.8.5.
jest sumą prostą podprzestrzeni L (1, 2, 3) 56. Wpisując TAK albo NIE, stwierdzić prawdziwość
i L (1, 2, 0) . Czy przestrzeń R3 jest sumą prostą każdego z następujących zdań:
podprzestrzeni L (1, 2, 3) i L (1, 2, 0) ? 1 Zbiór składający się z wektora zerowego
44. Niech V1 i V2 będą podprzestrzeniami w R3 , gdzie przestrzeni V jest podprzestrzenią przestrzeni
V1 = {(x, y, z) ∈ R3 : x + y + z = 0} i V2 = wektorowej V .
{(x, y, z) ∈ R3 : x + y − z = 0}. Wykazać, że 2 Każda przestrzeń wektorowa ma co najmniej
V1 + V 2 = R 3 . dwie różne podprzestrzenie.
45. Wyznaczyć część wspólną (przekrój) V1 ∩ V2 i sumę 3 Każda przestrzeń wektorowa, w której jest
V1 + V2 podprzestrzeni V1 = L (1, 2, −1), (1, 0, 2), niezerowy wektor, ma co najmniej dwie różne
(1, −4, 8) i V2 = L (1, 0, 0), (0, 0, 1) przestrzeni R3 . podprzestrzenie.
158 7. Przestrzeń wektorowa
PRZEKSZTAŁCENIA LINIOWE
q
z T (y)
y O
x+y
z T (x+y)=T (x)+T (y)
k
-
x z
V W T (x)
q
V W
αx
x
s T (αx)=αT (x)
j
0
j T (x)
0
i
TA (αx) = A(αx) = α(Ax) = αTA (x)
dla każdych x, y ∈ K i α ∈ K. To dowodzi, że funkcja TA określona wzorem (8.6)
n
1 Własność (8.4) wynika z (b) i z tw. 7.1.1, bo mamy T (0) = T (0x) = 0T (x) = 0.
Własność (8.5) wynika z (8.1) i tw. 7.1.1, bo T (x − y) = T (x + (−1)y) = T (x) + (−1)T (y)
= T (x) − T (y).
8.1. Definicja przekształcenia liniowego 161
i jest to równoległobok zbudowany na wektorach (1, 3) = T (1, 0) i (4, −2) = T (0, 2),
zob. rys. 8.3. Warto zauważyć, że pole równoległoboku T (P ) jest iloczynem pola rów-
noległoboku P i wartości bezwzględnej wyznacznika macierzy A,
T (B)
T
D C
q
T (C)
P
T (P )
A B 0
T (D)
Rys. 8.3
T2 (x + y) = T2 (x1 + y1 , x2 + y2 , x3 + y3 )
= (x2 + y2 ) + (x3 + y3 ), (x1 + y1 )(x2 + y2 ), 6(x3 + y3 )
= (x2 + x3 , x1 x2 , 6x3 ) + (y2 + y3 , y1 y2 , 6y3 ) + (0, x1 y2 + x2 y1 , 0)
= T2 (x) + T2 (y) + (0, x1 y2 + x2 y1 , 0)
6= T2 (x) + T2 (y) (gdy x1 y2 + x2 y1 6= 0)
T (f + g) = (f + g)0 = f 0 + g 0 = T (f ) + T (g)
i
T (αf ) = (αf )0 = αf 0 = αT (f )
dla każdych funkcji f, g ∈ C 0 (R) i każdej liczby α ∈ R. To dowodzi, że tu rozważana
funkcja T jest przekształceniem liniowym.
U (x) = U (x1 b1 + . . . + xn bn )
= x1 U (b1 ) + . . . + xn U (bn ) (z liniowości U )
= x1 T (b1 ) + . . . + xn T (bn ) (bo U (bi ) = ci = T (bi ))
= T (x1 b1 + . . . + xn bn ) = T (x), (z liniowości T )
x
Przykład 174. Wyznaczyć obraz wektora x = y poprzez przekształcenie
z
liniowe T : R3 → R3 takie, że T (bi ) = ci (i = 1, 2, 3), gdzie
" # " # " # " # " # " #
1 1 1 1 1 0
b1 = 1 , b2 = 0 , b3 = −1 , c1 = 0 , c2 = 1 , c3 = 1 .
0 1 1 −1 −1 0
Wyznaczając s z równania b1 b2 b3 s = x, stwierdzamy, że wektor x jest kombi-
nacją liniową wektorów b1 , b2 oraz b3 i jednocześnie zauważamy, że
" #
x
x= y = (x − z)b1 + (−x + y + 2z)b2 + (x − y − z)b3 .
z
W W −T (V 0 )
V Y ?
T
z 0
V0
T (V )
? αy+βy0
y0
x0 M
6 -
0 y
0 -
x
Rys. 8.4
x jT (x)
z
Ker T − jądro
- -
- 0
Im T − obraz
V – dziedzina W – przeciwdziedzina
Rys. 8.5
166 8. Przekształcenia liniowe
Dowód. Mamy B ⊂ V , więc także T (B) ⊂ T (V ) i L T (B) ⊆ L T (V ) . Jednocze-
śnie L T (V ) = T (V ) (bo T (V ) wobec wniosku 8.2.1 jest podprzestrzenią) i dlatego
L T (B) ⊆ T (V ).
Weźmy teraz y ∈ T (V ). Niech wektorPn x ∈ V będzie taki, że y = T (x). Ponieważ
B jest bazą przestrzeni V , więc x = α b (dla pewnych skalarów α1 , . . . , αn )
i=1 i i
i wtedy też z liniowości przekształcenia T mamy
X
n n
X
y = T (x) = T αi bi = αi T (bi ) ∈ L T (B) .
i=1 i=1
Stąd T (V ) ⊆ L T (B) i to kończy dowód równości T (V ) = L T (B) .
Zauważmy teraz, że
a b a b
∈ Ker T ⇔ T = a + (b + c)x + dx2 ≡ 0
c d c d
⇔ a = 0, b + c = 0 i d = 0.
Stąd otrzymujemy
0 b 0 1
Ker T = : b∈R =L .
−b 0 −1 0
3 2 2 −1 2
8.2. Jądro i obraz przekształcenia liniowego 167
Ker TA = { x ∈ R5 : TA (x) = 0 } = { x ∈ R5 : Ax = 0 }.
Im TA = TA (R5 ) = { TA (x) : x ∈ R5 } = { Ax : x ∈ R5 } Im TA = CA
wektorowej V , to liczby dim Ker T i dim Im T nazywa się odpowiednio zerowością i rzędem
przekształcenia T .
168 8. Przekształcenia liniowe
i dlatego
p
X
yj bj = 0. (8.15)
j=1
V
T -W
- y
T −1 (y)
- 0
Ker T =T −1 (0)-
Im T
Rys. 8.6
dim NA oraz r (ATA) = n − dim NATA . Zatem dla dowodu równości (8.17) wystarczy
wykazać równość przestrzeni zerowych NA i NATA .
W tym celu zauważmy najpierw, że jeśli x ∈ NA , to Ax = 0 i wtedy ATAx =
AT (Ax) = AT 0 = 0, więc także x ∈ NATA . To dowodzi, że NA ⊆ NATA .
Weźmy teraz dowolny wektor y ze zbioru NATA . Dla takiego y jest ATAy = 0.
Zatem (Ay)T (Ay) = yT AT Ay = yT 0 = 0 i dlatego Ay = 0, co dowodzi, że y ∈ NA .
Stąd NATA ⊆ NA .
To kończy dowód równości NA = NATA .
b00
T
- T z
-- b0 - b0
- z
-- b - b
V W V W
To zaś oznacza, że Ker T 6= {0} i (wobec twierdzenia 8.3.1) odwzorowanie T nie jest
monomorfizmem.
8.4. Suma i złożenie przekształceń liniowych 171
7
(zob. rys. 8.9), więc
T (e2 )
Im T = L T (e1 ), T (e2 ), T (e3 ) = L T (e1 ), T (e2 )
1T (e1 )
i dim Im T ¬ 2 < 3 = dim V . Z twierdzenia 8.3.1 wynika, że przekształcenie
T nie jest monomorfizmem. Wobec twierdzenia 8.3.2 przekształcenie T nie jest
także epimorfizmem.
Rys. 8.9
T U
~ ~
~
x y=T (x) U (y)=U (T (x))
W
V Z
i x x
1 1 1
T (b3 ) = =4 −3 = 4c1 − 3c2 .
−1 2 3
Rys. 8.12
174 8. Przekształcenia liniowe
Zatem
3 −4 4
[T (b1 )]C = , [T (b2 )]C = oraz [T (b3 )]C =
−2 3 −3
i dlatego znowu
1 1 2
T (x) = 3c1 + (−1)c2 = 3 − = .
2 3 3
Przykład 184. Niech ϕ będzie ustaloną liczbą rzeczywistą i niech T będzie ob-
rotem płaszczyzny R2 o kąt ϕ dookoła początku układu współrzędnych (w kie-
ϕ runku przeciwnym do kierunku ruchu wskazówek zegara), zob. rys. 8.13.
Po-
e2
T (e2 )
6 1 0
] nieważ jest to przekształcenie, które wektorom e1 = i e2 = bazy
T (e1 ) 0 1
* kanonicznej E = (e1 , e2 ) przestrzeni R przyporządkowuje wektory
2
ϕ
-
e1 cos ϕ − sin ϕ
T (e1 ) = i T (e2 ) = ,
sin ϕ cos ϕ
C X = T (B). (8.24)
E
oraz b3 są takie jak w części (a); (c) macierz [T ]E = [T ]E , gdzie E = (e1 , e2 , e3 )
jest bazą standardową przestrzeni R3 .
(a) Mamy
" # " # " #
2 3 5
T (b1 ) = 1 , T (b2 ) = 2 i T (b3 ) = 0 .
3 1 3
Musimy teraz poznać C-współrzędne każdego z wektorów T (bi ). W tym celu tworzymy
macierz rozszerzoną [ C | T (B) ] i sprowadzamy ją do wierszowo równoważnej macierzy
schodkowej normalnej Im | [T ]B C (zob. (8.25)). Mamy
" # " #
1 1 2 2 3 5 1 1 2 2 3 5
[ C | T (B) ] = 1 2 1 1 2 0 ∼ 0 1 −1 −1 −1 −5
2 1 1 3 1 3 0 −1 −3 −1 −5 −7
" #
1 0 0 3 1
1
1 0 3 3
4 10 21 − 21
∼ 0 1 −1 −1 −1 −5
∼ 0 1 0 −2 −2 .
2
0 0 −4 −2 −6 −12 0 0 1 1 3
3
2 2
" #
3 −1 2
Stąd wynika, że macierzą przekształcenia T jest [T ]B
C = 1
2
−1 1 −4 .
1 3 6
(b) Przede wszystkim zauważmy, że układ D = T (b1 ), T (b2 ), T (b3 ) jest li-
niowo niezależny w 3-wymiarowej przestrzeni R3 (bo macierz T (b1 ) T (b2 ) T (b3 )
" #
2 3 5
= 1 2 0 jest nieosobliwa) i dlatego jest on bazą przestrzeni R3 . Łatwo teraz
3 1 3
zauważyć, że
" # " #
| | | | | |
[T ]B
D = [T (b1 )]D [T (b2 )]D [T (b3 )]D = e1 e2 e3 = I3 .
| | | | | |
i dlatego
" # " # " # " #
1 2 0 32
T (x) = 14 0 +9 1 +7 3 = 30 .
1 0 2 28
2 1 0
Przykład 187. Dana jest macierz A = ∈ R2×3 . Wyznaczyć macierz
2 4 1
przekształcenia TA : R3 → R2 , gdzie TA (x) = Ax, względem baz kanonicznych
E3 = (e1 , e2 , e3 ) i E2 = (e01 , e02 ) przestrzeni R3 i R2 .
" #
| | | | | |
[TA ]E
E2
3
= [T (e1 )]E2 [T (e2 )]E2 [T (e3 )]E2 = a1 a2 a3 = A.
| | | | | |
W ten sam sposób pokazuje się, że macierz A ∈ Km×n jest równa macierzy prze-
kształcenia liniowego TA : K n → K m względem baz standardowych przestrzeni K n [TA ]E
Em = A
n
i Km.
Dowód. Z definicji macierzy przekształcenia liniowego (zob. def. 8.5.1) oraz z definicji
macierzy przejścia (zob. tw. 7.6.3) mamy
" # " # V
I
−−−−V−−−→ V
| | | |
[IV ]B
B0 = [IV (b1 )]B0 · · · [IV (bn )]B0 = [b1 ]B0 · · · [bn ]B0 = PB
B0 . [
[ ]B y y ]B 0
| | | |
K n −−−−−−−−→ Kn
PB 0 =[IV ]B 0
Kolejne dwa twierdzenia pokazują zależności pomiędzy działaniami na prze- B B
Dowód. (a) Jeśli B = (b1 , . . . , bn ) jest bazą przestrzeni V , to stwierdzenie (a) jest
konsekwencją następującego ciągu równości:
h i
[T + U ]B
C = [(T + U )(b1 )]C . . . [(T + U )(bn )]C (def. macierzy przekształcenia)
h i
= [T (b1 ) + U (b1 )]C . . . [T (bn ) + U (bn )]C (def. sumy T + U )
h i
= [T (b1 )]C + [U (b1 )]C . . . [T (bn )]C + [U (bn )]C (wobec tw. 7.6.1)
h i h i
= [T (b1 )]C . . . [T (bn )]C + [U (b1 )]C . . . [U (bn )]C
(def. sumy macierzy)
= [T ]B
C + [U ]B
C. (def. macierzy przekształcenia)
[U T ]A B A
C = [U ]C · [T ]B . (8.27)
[U T ]B = [U ]B ·[T ]B . (8.28)
mamy h i
[Ti ]E = [Ti (e1 )]E [Ti (e2 )]E = Ti (e1 ) Ti (e2 ) .
Stąd i z definicji przekształceń T1 , T2 i T3 (oraz z przykładu 184) mamy
0 1
[T1 ]E = T1 (e1 ) T1 (e2 ) = [ e2 e1 ] = ,
1 0
√
cos π3 − sin π3 1 √1 − 3
[T2 ]E = =
sin 3
π
cos 3π 2 3 1
i
2 0
[T3 ]E = T3 (e1 ) T3 (e2 ) = [ 2e1 2e2 ] = .
0 2
U T = IV i T U = IW . (8.30)
i
(T U )(x, y) = T (2x − 3y, x − y) = (x, y) = IR2 (x, y).
(b) Niech teraz T : R3 → R2 będzie funkcją taką, że T (x, y, z) = (x, y). Dla
funkcji T i dla funkcji U : R2 → R3 określonej wzorem U (x, y) = (x, y, 0) jest
Wobec wniosku 8.6.2 wystarczy pokazać, że wielomian zerowy jest jedynym elementem
jądra odwzorowania T . Ponieważ mamy
a + bx + cx2 ∈ Ker T ⇔ T (a + bx + cx2 ) ≡ 0
⇔ a + b + c + (2a + b + c)x + (a + b)x2 ≡ 0
(
a + b + c = 0
⇔ 2a + b + c = 0
a + b = 0
⇔ a=b=c=0
⇔ a + bx + cx2 ≡ 0,
więc Ker T = {0} i dlatego operator T jest odwracalny.
oraz
C
In = [IV ]B = [T −1 T ]B = [T −1 ]B ·[T ]B
C,
[U T ]B = [U ]C B
B ·[T ]C = BA = In = [IV ]B .
Dlatego
1 2 4 x 1
T −1 (x, y) = = (2x + 4y, −x − 3y).
2 −1 −3 y 2
Stąd T −1 (b1 ) = 21 (4, −1) = 12 b1 , T −1 (b2 ) = 12 (−2, 2) = −b2 i w końcu mamy
−1
−1 −1
1
0
[T ]B = [T (b1 )]B [T (b2 )]B = 2 .
0 −1
T
Q [T ]B C B B B B B B
C 0 = [IW ]C [T ]C 0 = [IW T ]C = [T IV ]C = [T ]C [IV ]B = [T ]C P.
V −
−−−−
→ W
Stąd otrzymujemy [T ]B [T ]B
0
C0 = Q
−1
I C P.
IV y yW
V −
−−−−
→ W Wniosek 8.7.1. Jeśli T : V → V jest operatorem liniowym oraz B i B 0 są
T bazami przestrzeni V , to macierze [T ]B i [T ]B 0 są podobne i
Rys. 8.16 [T ]B 0 = P−1 [T ]B P, (8.38)
0
gdzie P = PB
B .
Ponieważ mamy
0 −1 2 1 −1 1 0 11 8 0
C | T (B) = ∼ = I | [T ]B
1 3 5 5 3 0 1 −2 −1 1 C
i
h i
2 7 2 0 −1 1 0 57 49 38 0
C0 | T (B0 ) = ∼ = I | [T ]B ,
1 3 9 7 5 0 1 −16 −14 −11 C0
więc
11 8 0 0 57 49 38
[T ]B
C = i [T ]B
C0 = .
−2 −1 1 −16 −14 −11
0
B C
P = [IR0 3]B i Q = [IR02 ]C 0 . Tym
−1
W podobny sposób wyznaczamy macierze
przejścia
razem korzystamy z równoważności B | IR3 (B ) = B | B ∼ I | P i C | IR2 (C)
0
= C0 | C ∼ I | Q−1 , z których otrzymujemy
" #
−3 −3 −2
0 7 24
P= [IR3 ]B
B = 6 5 3 i Q−1 = [IR2 ]C
C0 = .
−2 −7
−2 −1 0
Łatwo teraz zauważyć, że istotnie mamy
" #
h ih i −3 −3 −2
7 24 11 8 0
Q−1 [T ]B
C P = 6 5 3
−2 −7 −2 −1 1
−2 −1 0
" #
h i −3 −3 −2 h i
29 32 24 −57 49 38 0
= 6 5 3 = = [T ]B
C0 .
−8 −9 −7 −16 −14 −11
−2 −1 0
0 0
0
−1 0
[T ]B C B B C
C 0 = [IW ]C 0 [T ]C [IV ]B = [IW ]C [T ]B B
C [IV ]B .
Ponieważ każdy wektor bazy B 0 jest już wskazaną kombinacją liniową wektorów bazy
" #
1 1 1
B0 0 2 3
B, więc mamy [IV ]B = 1 0 1 . Z tych samych powodów [IW ]C =
C 3 5
0 1 1
i w końcu mamy
−1 " 1 1 1 #
0 2 3 1 3 2 17 12 30
[T ]B
C0 = 1 0 1 = .
3 5 2 −1 −1 −10 −7 −18
0 1 1
186 8. Przekształcenia liniowe
faktu wynika, że uporządkowany zbiór B 0 = (b01 , . . . , b0n ) jest bazą przestrzeni V . Ma-
0
cierzą przejścia od bazy B 0 do bazy B jest [IV ]B = P. Z tych samych powodów
B = [pij ]P
m
uporządkowany zbiór C = (c1 , . . . , cm ), w którym c0i = k=1 qki ck (dla i = 1, . . . , m),
0 0 0
0
jest bazą przestrzeni W i [IW ]C
C = Q. Stąd i z poprzedniego twierdzenia wynika, że
0
B0
dla macierzy przekształcenia T mamy [T ]B C B
C 0 = [IW ]C 0 [T ]C [IV ]B = Q
−1
AP.
W analogiczny sposób dowodzi się prawdziwość następującego twierdzenia.
Twierdzenie 8.7.3. Niech V będzie n-wymiarową przestrzenią wektorową nad
ciałem K. Dla macierzy A, B ∈ Kn×n istnieje operator liniowy T : V → V oraz
bazy B i B 0 przestrzeni V takie, że
A = [T ]B i B = [T ]B 0
wtedy i tylko wtedy, gdy macierze A i B są podobne, tj. gdy istnieje macierz
nieosobliwa P taka, że
B = P−1 AP. (8.40)
8.8. Ćwiczenia
Rx
1. Zbadać liniowość następujących przekształceń: (n) T : R[x] → R[x], T ϕ(x) = 0 ϕ(t) dt;
(o) T : R[x] → R, T (ϕ(x)) = ϕ(0).
(a) T : R2 → R2 , T (x, y) = (x + y, 3x);
(b) T : R2 → R2 , T (x, y) = (x, −x); 2. Dana jest macierz B ∈ R2×2 . Stwierdzić, czy funk-
(c) T : R2 → R2 , T (x, y) = (x + 1, x + y); cja T : R2×2 → R2×2 jest przekształceniem liniowym,
(d) T : R3 → R2 , T (x, y, z) = (z, 2y − x); gdy dla każdej macierzy A ∈ R2×2 jest: (a) T (A) =
(e) T : R3 → R3 , T (x, y, z) = (0, x, x + y + z); AB; (b) T (A) = (det A)B; (c) T (A) = BA;
(f ) T : R4 → R3 , T (x, y, z, t) = (0, xy, z − t); (d) T (A) = (det A)A; (e) T (A) = (det B)(A + AT ).
(g) T : R3 → R2 , T (x, y, z) = (x, y 3. Niech T : R2 → R2 będzie przekształceniem liniowym
√− 2z + 3); takim, że T (0, 1) = (4, 3) i T (1, 3) = (5, 9). Wyzna-
(h) T : R3 → R2 , T (x, y, z) = (0, 3(x + z));
(i) T : R3 → R2 , T (x, y, z) = (x2 , y + z − x); czyć T (2, 5) i T 3 (−1, 4). Czy przekształcenie T jest
(j) T : R3 → R3 , T (x, y, z) = (x, x + y, x + y); różnowartościowe?
(k) T : RR → RR , T (f ) = −f ; 4. Przekształcenie liniowe T : R2 → R2 jest takie, że
2 T (2, 3) = (4, 6) i T (4, −1) = (−8, 2). Wektor (−5, 3)
(l) T : RR → R, T (f ) = f (1) ;
przedstawić jako kombinację liniową wektorów (2, 3)
(m) T : R2 [x] → R3 [x], T ϕ(x) = xϕ(x); oraz (4, −1) i obliczyć T 50 (−5, 3).
8.8. Ćwiczenia 187
5. Niech T : R3 → R3 będzi przekształceniem linio- 16. Dane jest przekształcenie liniowe T : R3 → R3 ta-
wym takim, że T (x, y, z) = (x + y − z, x + 3y kie, że T (x, y, z) = (z, 0, x). Wyznaczyć jego ma-
− z, −3x−y+z). Wyznaczyć bazę jądra i bazę obrazu cierz [T ]B
C , gdy B = (3, 1, 2), (1, 2, 1), (2, −1, 0)
przekształcenia T . i C = (1, 2, 1), (2, 1, −1), (5, 4, 1) .
6. Przekształcenie liniowe T : R4 → R4 określone jest
17. Niech V i W będą przestrzeniami wektoro-
wzorem T (x, y, z, t) = (x+3y+2z +3t, y−z +2t, 2x+
wymi i niech ich bazami będą odpowiednio
5y+5z+5t, x+4y+z+4t). Wyznaczyć bazy i wymiary
B = (b1 , b2 , b3 , b4 ) i C = (c1 , c2 , c3 ). Znaleźć
przestrzeni Ker T i Im T .
4 2 T (b1 − b2 + 3b3 ), jeśli macierzą przekształcenia
7. Dane jestprzekształcenie liniowe T : R → R , gdzie liniowego T : V → W względem baz B i C jest:
1 2 1 2 " # " #
T (x) = x dla x ∈ R4 . Wyznaczyć: 2 4 1 −1 1 0 0 1
0 2 1 1
(a) bazę przestrzeni Ker T i (b) wymiar przestrzeni (a) 3 0 0 1 ; (b) 0 1 0 0 .
Im T . 0 1 2 3 1 0 1 0
8. Niech T : R2 [x] → R3 [x] będzie przekształceniem ta- 18. Wyznaczyć macierz przekształcenia liniowego
kim, że T (ϕ(x)) = xϕ(x) dla ϕ(x) ∈ R2 [x]. Znaleźć T : Rn → Rm względem bazy B przestrzeni Rn
obraz i jądro przekształcenia T . Wyznaczyć także i bazy C przestrzeni Rm , gdy:
rząd i zerowość przekształcenia T . (a) T (x, y) = (x − 2y, 2x + 3y), B = (1, 1), (1, 0)
9. Dane jest przekształcenie T : R2R[x] → R3 [x], gdzie
x i C = (0, 1), (1, 0) ;
T (ϕ(x)) = ϕ0 (x) + 6 0 ϕ(t)dt.
(b) T (x, y) = (2x + y, x + y, x − 3y), B = (1, 0),
(a) Wyznaczyć Im T i Ker T . (b) Zbadać mono- i epi-
morficzność przekształcenia T . (0, 1) i C = (1, 1, 1), (1, 1, 0), (1, 0, 0) ;
10. Wskazać przekształcenie liniowe T : R3 → R3 , dla (c) T (x, y, z) = (x + 2y + 3z, x, y + z), B =
którego Ker T= {(x, y, z) ∈ R3 : x + 2y − z = 0} (1, 0, 1), (1, 1, 0), (0, 1, 1) i C = (0, 1, 1),
oraz Im T = (x, y, z) ∈ R3 : x + y − z = 0 i x + 3y (1, 1, 0), (1, 0, 1) ;
+z = 0}. Czy istnieje tylko jedno takie przekształ- (d) T (x, y, z) = (x, y, z), B = (1, 1, 0), (−1, 1, 0),
cenie? Uzasadnić swoją odpowiedź. (0, 1, 2) i C = (1, 0, 0), (0, 1, 0), (0, 0, 1) ;
11. Uzasadnić, że nie istnieje przekształcenie liniowe (e) T (x, y) = (x + y, x − 2y), B = C =
T : R3 → R3 takie, że Ker T = {(x, y, z) ∈ R3 : x (1, 1), (1, −2) .
+y+z = 0} i Im T = {(x, y, z) ∈ R3 : x−y+2z = 0}.
19. Wyznaczyć macierz przekształcenia liniowego
12. Dane jest przekształcenie T : R3 → R3 , gdzie
T : R3 → R3 względem bazy standardowej
T (x, y, z) = (x + 2y − 2z, 3x + 3z, 2x − 2y + 5z).
E = (e1 , e2 , e3 ) przestrzeni R3 , jeśli T (ai ) = bi dla
(a) Pokazać, że Im T jest płaszczyzną i znaleźć rów-
i = 1, 2, 3, gdy:
nanie tej płaszczyzny. (b) Pokazać, że T przekształca
wszystkie punkty prostej x−1 = y+1 = z2 w jeden (a) a1 = (2, 3, 5), a2 = (0, 1, 2), a3 = (1, 0, 1),
−2 3
punkt i znaleźć ten punkt. (c) Pokazać, że wszystkie b1 = (1, 1, 1), b2 = (1, 1, −1), b3 = (2, 1, 2);
punkty, których obrazem jest punkt (0, 0, 0) leżą na (b) a1 = (2, 0, 3), a2 = (4, 1, 5), a3 = (3, 1, 2),
pewnej prostej. Wyznaczyć równanie tej prostej. b1 = (1, 2, −1), b2 = (4, 5, −2), b3 = (1, −1, 1).
13. Dane jest przekształcenie T : R3 → R3 , gdzie 20. Niech T : R4 [x] → R4 [x] będzie funkcją taką, że
" #! " #" # T (f (x)) = x2 f 00 (x)−(2x+2)f 0 (x)+2f (x) dla f (x) ∈
x 1 2 3 x
R4 [x]. (a) Pokazać, że T jest przekształceniem linio-
T y = 2 0 −2 y .
wym. (b) Wyznaczyć jądro i obraz przekształcenia T
z 3 −2 −7 z
oraz ich wymiary. (c) Wyznaczyć macierz [T ]B prze-
kształcenia T względem bazy B = (1, x, x2 , x3 , x4 )
(a) Pokazać, że T (R3 ) jest płaszczyzną o równaniu
przestrzeni R4 [x]. (d) Wyznaczyć rząd macierzy [T ]B
x − 2y + z = 0. (b) Wyznaczyć obrazy prostej x =
i wymiar przestrzeni zerowej macierzy [T ]B .
−y = z/2 oraz płaszczyzny x − y − z = 0 poprzez
przekształcenie T . 21. Niech B = (1, 1, 0), (0, 1, 0), (1, 0, 2) , C =
14. Niech V i W będą przestrzeniami wektorowy- (0, 1), (1, 1) i D = (1, 0, 0, 1), (0, 1, 1, 0),
mi i niech ich bazami będą odpowiednio B =
(0, 0, 1, 1), (1, 0, 0, 0) będą odpowiednio bazami prze-
(b1 , b2 , b3 ) i C = (c1 , c2 , c3 , c4 ). Znaleźć macierz
strzeni R3 , R2 i R4 . Niech T : R3 → R2 i U : R2 →
[T ]B
C przekształcenia liniowego T : V → W wzglę- R4 będą funkcjami takimi, że T (x, y, z) = (x +
dem baz B i C, gdy T (b1 ) = 2c1 + c2 + 3c3 − c4 ,
T (b2 ) = c1 + 2c2 − c3 + 2c4 i T (b3 ) = −c1 + c2 + c4 .
z, y − z) i U (u, v) = (u, u + v, v, v − u). (a) Znaleźć
U T (0, 1, 1). (b) Pokazać, że T , U i U T są przekształ-
15. Przekształcenie liniowe T : R4 → R4 jest ta-
ceniami liniowymi. (c) Utworzyć macierze [T ]B C
C , [U ]D
kie, że T (e1 ) = (1, 3, 1, 5), T (e2 ) = (2, 5, 1, 13), B
T (e3 ) = (1, 2, 0, 8) i T (e4 ) = (2, 6, 3, 12), gdzie i [U T ]D przekształceń T , U i U T . (d) Wyznaczyć:
E = (e1 , e2 , e3 , e4 ) jest bazą standardową przestrze- (1) dim Ker T , dim Im T i bazę przestrzeni Ker T ;
ni R4 . Wyznaczyć: (a) Ker T i bazę tej podprzestrze- (2) dim Ker U , dim Im U i bazę przestrzeni Im U oraz
ni; (b) Im T i dim Im T ; (c) [T ]E oraz det [T ]E . (3) dim Ker U T i dim Im U T .
188 8. Przekształcenia liniowe
" #
22. Niech T : R3 [x] → R3 [x] będzie przekształceniem li- 1 2 0
niowym takim, że T (ϕ(x)) = ϕ00 (x)−ϕ0 (x)+2ϕ(x) dla [T ]A = 3 0 −1 .
ϕ(x) ∈ R3 [x]. Znaleźć macierz [T ]B przekształcenia T 2 5 3
względem bazy B = (x, 1 + x, x + x2 , x3 ) przestrzeni
Wyznaczyć macierze [T ]B , [T ]C i [T ]D względem baz
R3 [x].
B = (b1 , b3 , b2 ), C = (b1 , b1 +b2 , b1 +b2 +b3 ) i D
23. W przestrzeni wektorowej Rn [x] wielomianów stop-
= (2b1 + 3b2 + b3 , 3b1 + 4b2 + b3 , b1 + 2b2 + 2b3 ).
nia co najwyżej n dana jest funkcja T : Rn [x] → Rn [x]
0 30. Dana jest funkcja T : R2 [x] → R2 [x] taka, że
taka, że T (f (x)) = f (x). (a) Pokazać, że T jest
T ϕ(x) = ϕ(x+1)+ϕ(x) dla ϕ(x) ∈ R2 [x]. (a) Wy-
przekształceniem liniowym. (b) Wyznaczyć jądro i ob-
raz przekształcenia T . (c) Wyznaczyć macierz prze- znaczyć macierz [T ]B 2
C względem baz B = (x , x, 1)
2 B
kształcenia T względem bazy (1, x, . . . , xn ) przestrze- i C = (x +1, x+1, 2). (b) Obliczyć det [T ]C . (c) Czy
ni Rn [x]. (d) Czy przekształcenie T jest różnowarto- przekształcenie T jest odwracalne?
ściowe? 31. Dane jest przekształcenie T : R3 [x] → R3 [x] takie,
24. Dane jest przekształcenie T : Rn [x] → Rn [x], gdzie że T ϕ(x) = ϕ(x) − xϕ00 (x). Macierzowo uzasadnić
2 00
T (f (x)) = (x f (x)) . (a) Pokazać, że T jest prze- odwracalność przekształcenia T i obliczyć T −1 (x2 ).
kształceniem liniowym. (b) Znaleźć macierz prze- 32. Dana jest przestrzeń wektorowa V z bazą B =
kształcenia T względem bazy (1, x, . . . , xn ) przestrze- (b1 , b2 , b3 ) i przekształcenie liniowe T : V → V ta-
ni Rn [x]. (c) Pokazać, że przekształcenie T jest epi- kie, że T (b1 ) = b1 + b2 + b3 , T (b2 ) = b1 + 2b2 − b3
morfizmem. i T (b3 ) = b1 − b2 + 3b3 . Wyznaczyć macierz [T ]B
25. Przekształcenie liniowe T : R2 [x] → R2×2 przekształcenia T względem bazy B. Czy przekształ-
ϕ(0) 2ϕ0 (1) cenie T jest odwracalne? Obliczyć T −1 (b1 ).
jest takie, że T (ϕ(x)) = .
3ϕ00 (2) 0 33. Macierzą przekształcenia liniowego T : V → V
względem bazy B = (b1 , b2 ) przestrzeni V jest
B 2
Wyznaczyć
macierz
[T ] ,
C gdy B
= (1,
x, x )
1 0 0 1 0 0 0 0 1 1
iC= , , , . [T ]B = . Wyznaczyć T 2 (b1 ) i T −1 (b2 ).
0 0 0 0 1 0 0 1 3 5
26. Przekształcenie liniowe 34. Macierzą przekształcenia liniowego T : R3 → R
3
T : R2×2 → R2×2 jest ta- względem bazy B = (1, 2, 3), (2, 3, 1), (4, 5, 2) jest
1 0 1 2 1 3
kie, że T = T = macierz " #
0 0 0 0 1 0 1 2 3
0 1 1 2 2 0 [T ]B = −1 0 4 .
iT =T = . Wyzna-
1 1 3 4 3 0 2 −1 1
czyć macierz przekształcenia T względem bazy stan- Wyznaczyć macierze [T ]C i [T −1 ]C , gdy C =
dardowej
E przestrzeni
R 2×2 . Dodatkowo wyznaczyć (1, 2, 3), (0, 1, 2), (0, 0, 1) .
x y
T
z t
. 35. Przekształcenie T : R3 → R3 jest symetrią wzglę-
dem płaszczyzny y = 0. Podać macierze [T ]E i [T ]B
27. Znaleźć macierz przejścia P = [IV ]B C od bazy B do przekształcenia T względem bazy kanonicznej E
bazy C, gdy: (a) B = (1, 2, 0), (3, 4, 2), (2, 2, 1) , C i względem bazy B = (1, 1, 1), (0, 1, 1), (0, 0, 1)
= (1, −1, 2), (3, 1, −1), (4, 0, 2) i V = R3 ; (b) B przestrzeni R3 .
= (x3 , x2 , x, 1), C = (x3 − x2 , x2 − x, x − 1, x3 + 1) 36. Przekształcenie liniowe T : R3 → R3 jest syme-
i V = R3 [x]. trią względem prostej określonej równaniami x = y
28. Macierz A jest macierzą operatora liniowego T i z = 0. Wyznaczyć macierz przekształcenia T wzglę-
względem bazy standardowej przestrzeni Rn . Znaleźć dem bazy standardowej przestrzeni R3 i wyznaczyć
macierz operatora T względem
bazy B, gdy: T (x, y, z).
1 −2 2 1 37. Przekształcenie T : R3 → R3 jest obrotem o kąt π/2
(a) A = , B= , ;
3 −4 1 1 wokół osi Ox, zaś przekształcenie U : R3 → R3 okre-
" # " # " # " #! ślone jest wzorem U (x, y, z) = (x, y − x, z + x − y).
1 2 3 1 1 1
Wyznaczyć macierze przekształceń T , U , U T i T U T
(b) A = 2 3 1 ; B = 0 , 1 , 1 ;
względem bazy standardowej przestrzeni R3 .
1 3 2 0 0 1
38. Niech T będzie obrotem w przestrzeni R3 o kąt 32 π
7 2 −1 1 wokół osi Oz, zaś U niech będzie symetrią względem
(c) A = ; B= , ;
1 2 −2 3 płaszczyzny Oxz. Wyznaczyć macierz przekształce-
" # " # " # " #! nia U T względem bazy standardowej przestrzeni R3 .
1 0 1 1 1 1
(d) A = 0 7 0 , B = 1 , 2 , 1 . 39. Zbadać odwracalność przekształcenia liniowego T
2 3 14 0 1 1 i, jeśli to możliwe, wyznaczyć przekstałcenie odwrot-
3
29. Macierzą operatora liniowego T : R → R względem 3 ne, gdy T : R3 → R3 i T (x, y, z) = (x + y − z, x −
bazy A = (b1 , b2 , b3 ) jest 2y + z, −3x + y + z).
8.8. Ćwiczenia 189
40. Zbadać, które z przekształceń liniowych T jest izo- 54. Wyznaczyć wszystkie macierze podobne do macierzy
morfizmem przestrzeni wektorowych: jednostkowej In .
(a) T : R2 → R2 , T (x, y) = (x + y, x); 55. Wyznaczyć wszystkie macierze równoważne z macie-
(b) T : R2 → R2 , T (x, y) = (x − y, x − y); rzą jednostkową In .
" # " #
(c) T : R4 → R4 , T (x, y, z, t) = (x, y, t, t − z). 1 0 4 1 0 1
41. Wyznaczyć wymiar przestrzeni wektorowej 56. Wykazać, że macierze 1 1 3 i 0 1 1 nie
a a+b 2 1 7 3 1 2
V = : a, b, c ∈ R . są podobne.
0 b+c
Wskazać izomorfizm przestrzeni V i R3 . 57. Wykazać, że jeśli macierze A i B są podobne i ma-
42. Zbadać liniowość i różnowartościowość przekształce- cierz A jest odwracalna, to także macierz B jest od-
nia T : Rn×n → Rn×n takiego, że T (A) = AT + A. wracalna.
43. Pokazać, że każda podprzestrzeń wektorowa W prze- 58. Wykazać, że jeśli macierze A i B są podobne, to także
strzeni V jest jądrem pewnego przekształcenia linio- macierze A2 i B2 są podobne.
wego T : V → V . 59. Wykazać, że jeśli macierze A i B są podobne, to także
44. Pokazać, że przekształcenie odwrotne odwracalnego macierze an An +an−1 An−1 +. . .+a1 A+a0 I i an Bn +
przekształcenia liniowego odwracalnym przekształce- an−1 Bn−1 + . . . + a1 B + a0 I są podobne dla każdych
niem liniowym. skalarów a0 , . . . , an .
45. Niech T : V → W będzie monomorfizmem przestrze- 60. Wykazać, że jeśli macierze A − λI i B są podobne,
ni V i W . Wykazać, że wektory b1 , . . . , bn są linio- to także macierze A i B + λI są podobne.
wo niezależne w przestrzeni V wtedy i tylko wtedy, 61. Niech T : V → W będzie przekształceniem liniowym
gdy ich obrazy T (b1 ), . . . , T (bn ) są liniowo niezależne przestrzeni wektorowej V w przestrzeń wektorową W ,
w przestrzeni W . gdzie dim V = dim W < ∞. Pokazać, że istnieje ba-
46. Wykazać, że jeśli T1 , T2 i T3 są operatorami liniowy- za B przestrzeni V i baza C przestrzeni W taka, że
mi na przestrzeni wektorowej V , to: (a) T1 (T2 + T3 ) macierz [T ]B C jest diagonalna.
= T1 T2 + T1 T3 i (T1 + T2 )T3 = T1 T3 + T2 T3 ; 62. Niech A i B będą macierzami podobnymi wymiaru
(b) T1 (T2 T3 ) = (T1 T2 )T3 ; (c) a(T1 T2 ) = (aT1 )T2 = n × n. Udowodnić, że istnieje przestrzeń wektorowa
T1 (aT2 ) dla każdego skalara a; (d) T IV = IV T = T , V , operator liniowy T : V → V i bazy B oraz C
gdzie IV jest przekształceniem tożsamościowym na przestrzeni V takie, że A = [T ]B i B = [T ]C .
przestrzeni V . 63. Wykazać, że przekształcenie liniowe T : V → W jest
47. Niech V i W będą przestrzeniami wektorowymi monomorfizmem wtedy i tylko wtedy, gdy istnieje
(nad tym samym ciałem), niech S będzie pod- taki wektor y ∈ W , że przeciwobraz T −1 ({y}) jest
zbiorem zbioru V i S 0 = {T ∈ L(V, W ) : zbiorem jednoelementowym.
T (x) = 0 dla każdego x ∈ S}. Udowodnić nastę- 64. Dane jest przekształcenie liniowe T : V → W .
pujące stwierdzenia: (a) S 0 jest podprzestrzenią prze- (a) Wykazać, że T nie jest monomorfizmem, gdy
strzeni L(V, W ); (b) Jeśli S1 ⊆ S2 ⊂ V , to S20 ⊆ S10 ; dim V > dim W . (b) Wykazać, że T nie jest epimorfi-
(c) Jeśli V1 i V1 są podprzestrzeniami przestrzeni V , zmem, gdy dim V < dim W .
to (V1 + V2 )0 = V10 ∩ V20 .
65. Niech Q będzie macierzą rzeczywistą wymiaru n × n.
48. Niech T : V → V będzie operatorem liniowym na
Wykazać, że odwzorowanie T : Rn×n → Rn×n jest
przestrzeni wektorowej V . Udowodnić, że T 2 = 0 wte-
izomorfizmem, gdy T (A) = Q−1 AQ dla A ∈ Rn×n .
dy i tylko wtedy, gdy Im T ⊆ Ker T .
49. Podać przykład przekształceń liniowych T, U : R 2 → 66. Niech V i W będą skończenie wymiarowymi prze-
R2 takich, że U T = 0 i T U 6= 0. Wskazać także ma- strzeniami wektorowymi i T ∈ L(V, W ). Niech
cierze A i B takie, że AB = 0 i BA 6= 0. (Uzasadnić (b1 , . . . , bn ) będzie bazą przestrzeni V . Udowodnić,
swoje stwierdzenia.) że T jest izomorfizmem wtedy i tylko wtedy, gdy
50. Podać przykład przekształcenia liniowego T : R 2 → T (b1 ), . . . , T (bn ) jest bazą przestrzeni W .
R2 takiego, że Ker T = Im T . (Uzasadnić swój wy- 67. Niech V , W i Z będą przestrzeniami wektorowymi
bór.) i niech T ∈ L(V, W ) oraz U ∈ L(W, Z). (a) Pokazać,
51. Podać przykład różnych przekształceń liniowych że jeśli U T jest monomorfizmem, to T jest monomor-
T, S : R2 → R2 takich, że Ker T = Ker S i Im T = fizmem. (b) Wykazać, że U jest epimorfizmem, gdy
Im S. (Uzasadnić swój wybór.) U T jest epimorfizmem. (c) Udowodnić, że U T jest
52. Dane jest przekształcenie liniowe T : R3 → R3 , gdzie izomorfizmem, gdy T i U są izomorfizmami.
T (x, y, z) = (x + y, y + z, x − z). Wskazać podprze- 68. Niech T : V → W będzie przekształceniem liniowym
strzenie V , W , Z i X przestrzeni R3 , dla których: i niech V 0 i W 0 będą odpowiednio podprzestrzeniami
(a) dim T (V ) < dim V ; (b) dim T (W ) = dim W ; przestrzeni V i W . Wykazać, że: (a) dim T (V 0 ) ¬
(c) dim T −1 (Z) > dim Z; (d) dim T −1 (X) = dim X. dim V 0 ; (b) dim T −1 (W 0 ) dim W 0 .
53. Wykazać, że macierze A i B są równoważne wtedy 69. Niech T : V → W będzie izomorfizmem skończenie
i tylko wtedy, gdy macierz B można otrzymać z ma- wymiarowych przestrzeni wektorowych V i W . Wy-
cierzy A za pomocą operacji elementarnych na wier- kazać, że jeśli V 0 jest podprzestrzenią przestrzeni V ,
szach i kolumnach macierzy. to dim V 0 = dim T (V 0 ).
190 8. Przekształcenia liniowe
ILOCZYN SKALARNY
I ORTOGONALNOŚĆ WEKTORÓW
oraz
X
n Xm Xn X
m
α i xi βj y j = αi βj (xi |yj ). (9.2)
i=1 j=1 i=1 j=1
Formalnie iloczyn [x]TB [y]B jest macierzą wymiaru 1 × 1, którą utożsamiamy z jej jedy-
nym elementem. Z własności transpozycji macierzy wynika, że dla każdych wektorów
x, y z przestrzeni V jest
T T
(x|y) = [x]TB [y]B = [x]TB [y]B = [y]TB [x]TB = [y]TB [x]B = (y|x).
To dowodzi, że funkcja (·|·) ma własność (S1 ). Własność (S2 ) funkcji (·|·) wynika
z twierdzenia 7.6.1 oraz z własności iloczynu macierzy, bo dla każdych wektorów
x, y, z ∈ V i każdych liczb α, β ∈ R mamy
(x|αy + βz) = [x]TB [αy + βz]B = [x]TB α[y]B + β[z]B
= α[x]TB [y]B + β[x]B [z]B = α(x|y) + β(x|z).
192 9. Iloczyn skalarny
Przykład 197. Niech V = C ha; bi będzie przestrzenią rzeczywistych funkcji
ciągłych na odcinku ha; bi. Wykażemy, że iloczynem skalarnym w tej przestrzeni
jest funkcja (·|·) : V × V → R, która funkcjom f, g ∈ V przyporządkowuje liczbę
Z b
(f |g) = f (x)g(x) dx. (9.5)
a
Ponieważ macierz A jest symetryczna (AT = A), więc dla każdych wektorów x, y ∈ R2
jest
f (x, y) = xT Ay = (xT Ay)T = yT AT x = yT Ax = f (y, x)
i funkcja f ma własność (S1 ). Funkcja f ma także własność (S2 ), bo dla każdych
wektorów x, y, z ∈ R2 i liczb rzeczywistych α, β jest
Stąd też widać, że f (x, x) = 0 wtedy i tylko wtedy, gdy x = (x1 , x2 ) = (0, 0).
Wektor x jest wektorem jednostkowym, gdy ||x|| = 1. Łatwo zauważyć, że jeśli Wektor jednostkowy
x 6= 0, to (1/||x||) x jest wektorem jednostkowym. Przykładowo, normą funkcji
f (x) = x2 z przestrzeni C(h0;qR 1i) z iloczynem skalarnym określonym wzorem
p 1 4 √ √ 2
(9.5) jest ||f || = (f |f ) = 0 x dx = 1/ 5 i (1/||f ||)f = 5x .
Definicja 9.1.4. Odległością pomiędzy wektorami x i y nazywamy liczbę
Odległość pomiędzy
d(x, y) = ||x − y||. (9.7) wektorami
Jeśli W jest niepustym podzbiorem wektorów przestrzeni Euklidesa V i x jest
wektorem z przestrzeni V , to liczbę
więc wyróżnik trójmianu kwadratowego ||x||2 t2 + 2(x|y)t + ||y||2 zmiennej t jest niedo-
datni. Zatem ∆ = 4(x|y)2 − 4||x||2 ||y||2 ¬ 0 i stąd już otrzymujemy |(x|y)| ¬ ||x|| ||y||.
Dowód. Dwie pierwsze własności łatwo wynikają z definicji normy i własności (S3 )
oraz (S2 ) iloczynu skalarnego. Nierówność (N3 ), zwana także nierównością Cauchy’ego-
-Minkowskiego, wynika z nierówności (9.9). Mamy bowiem
(x|y)
więc ułamek ||x|| ||y|| jest wartością cosinusa (zob. rys. 9.1) i może- −1 cos x
my przyjąć następującą definicję miary kąta pomiędzy wektorami
x i y. Rys. 9.1
Definicja 9.2.1. Miarą kąta pomiędzy niezerowymi wektorami x i y w prze- Kąt pomiędzy wektorami
strzeni Euklidesa nazywamy liczbę ϕ ∈ h0; πi taką, że
(x|y)
cos ϕ = . (9.10)
||x|| ||y||
Stąd wynika, że ||u||2 + ||v||2 = ||u + v||2 wtedy i tylko wtedy, gdy (u|v) = 0, tj. wtedy
i tylko wtedy, gdy wektory u i v są ortogonalne.
n
X (x|vi )
x= vi (9.13)
i=1
||vi ||2
Pn
Dowód. Jeśli x = i=1
αi vi , to dla i = 1, . . . , n jest
P Pn
n
(x|vi ) = j=1
αj vj |vi = j=1
αj (vj |vi )
Wniosek 9.2.2. Układ (v1 , . . . , vn ) niezerowych i wzajemnie ortogonalnych Niezerowe wektory ortogo-
wektorów w przestrzeni Euklidesa jest liniowo niezależny. nalne są liniowo niezależne
Ponieważ
(v1 |v1 ) = 1, (v1 |v2 ) = 0, (v1 |v3 ) = 0,
(v2 |v2 ) = 1, (v2 |v3 ) = 0,
(v3 |v3 ) = 1,
więc B = (v1 , v2 , v3 ) jest ortonormalnym układem wektorów w przestrzeni R 3 . Stąd
i z wniosku 9.2.2 wynika, że układ B jest liniowo niezależny i (wobec twierdzenia 7.5.4)
jest on bazą przestrzeni R3 . Dla wektora x jest
√ √
(x|v1 ) = 14, (x|v2 ) = 3 5 i (x|v3 ) = −19,
więc wobec wniosku 9.2.1 (lub twierdzenia 9.2.2) mamy
√ √
x = (x|v1 )v1 + (x|v2 )v2 + (x|v3 )v3 = 14v1 + 3 5v2 − 19v3 .
4 1
Przykład 207. Baza (x1 , x2 ) = , przestrzeni R2 (ze standardo-
2 3
wym iloczynem skalarnym) nie jest ortogonalna, ale wobec twierdzenia 9.3.1 x2
(zob. (9.15)) układ wektorów (y1 , y2 ) jest już bazą ortogonalną przestrzeni R2 , *x1
gdy
4 (x2 |y1 ) 1 1 4 −1
y1 = x 1 = , y2 = x 2 − y1 = − = ,
2 (y1 |y1 ) 3 2 2 2
rys. 9.3. K y2
*y1
Przykład 208. Metodą Grama-Schmidta utworzyć bazę ortogonalną i ortonor-
malną podprzestrzeni W = L(x1 , x2 , x3 ) przestrzeni R4 (ze standardowym ilo-
czynem skalarnym), gdzie x1 = (1, 1, 0, 1), x2 = (3, 0, 0, 3) i x3 = (1, −1, −1, 0). Rys. 9.3
Ponieważ układ wektorów (x1 , x2 , x3 ) jest bazą przestrzeni W (dlaczego?), więc wobec
twierdzenia 9.3.1 bazą ortogonalną przestrzeni W będzie układ (y1 , y2 , y3 ), w którym
(x2 |y1 ) (x3 |y1 ) (x3 |y2 )
y1 = x 1 , y 2 = x 2 − y1 , y 3 = x 3 − y1 − y2 .
(y1 |y1 ) (y1 |y1 ) (y2 |y2 )
Łatwo widać, że mamy (y1 |y1 ) = 3 i (x2 |y1 ) = 6. Dlatego
6
y2 = (3, 0, 0, 3) − (1, 1, 0, 1) = (1, −2, 0, 1).
3
Analogicznie, ponieważ (y2 |y2 ) = 6, (x3 |y1 ) = 0 i (x3 |y2 ) = 3, więc
0 3 1
y3 = (1, −1, −1, 0) − (1, 1, 0, 1) − (1, −2, 0, 1) = (1, 0, −2, −1).
3 6 2
Zatem układ
1
(y1 , y2 , y3 ) = (1, 1, 0, 1), (1, −2, 0, 1), (1, 0, −2, −1)
2
jest bazą ortogonalną przestrzeni W , a układ
y1 y2 y3 1 1 1
, , = √ (1, 1, 0, 1), √ (1, −2, 0, 1), √ (1, 0, −2, −1)
||y1 || ||y2 || ||y3 || 3 6 2 6
jest bazą ortonormalną tej samej przestrzeni.
200 9. Iloczyn skalarny
i to kończy dowód pierwszej części tezy (zob. rys. 9.6(a) i 9.6(b)). Druga część tezy
wynika z pierwszej i z faktu, że CA = RAT (rys. 9.6(c)).
Rys. 9.6
9.5. Rzut ortogonalny 201
> Przykład 211. Z wniosku 9.5.1 jest oczywiste, że rzut ortogonalny wek-
b tora b na 1-wymiarową podprzestrzeń W = L(a) (rys. 9.8) jest określony
wzorem
(b|a)
b= a. (9.22)
a - b - (a|a)
W = L(a) i b = (b|a)
a Przykładowo, w przestrzeni R3 (ze standardowym iloczynem skalarnym) rzu-
(a|a)
tem ortogonalnym wektora b = (2, 4, −3) na podprzestrzeń W generowaną
Rys. 9.8 przez wektor a = (0, 1, −2) jest wektor
" #
0
2 4 −3 1 " # " # " #
0 0 0
(b|a) −2 10
b= a= " # 1 = 1 = 2 .
(a|a) 0 5
−2 −2 −4
0 1 −2 1
−2
e= (b|a) −2
b a= (0, −1, 1, −1).
(a|a) 3
dla i = 1, . . . , k, czyli wtedy i tylko wtedy, gdy (x1 , . . . , xk ) jest rozwiązaniem układu
(9.24).
b = x 1 a1 + x 2 a2 ,
204 9. Iloczyn skalarny
Tu mamy
2x1 + x2 = 27,
x1 + 2x2 = 27,
więc x1 = x2 = 9 i dlatego b = 9a1 + 9a2 = (9, 9, 18).
W = L(a1 , . . . , ak ) = {Ax : x ∈ Rk } = CA ,
AT b − AT Ax0 = 0.
Ponieważ A jest macierzą rzędu k (bo jej kolumny są liniowo niezależne), więc
wobec twierdzenia 7.5.4 także macierz AT A wymiaru k × k jest rzędu k. Dla-
tego AT A jest odwracalna i z równości AT b − AT Ax0 = 0 otrzymujemy x0
= (AT A)−1 AT b. Stąd wynika, że rzutem wektora b na podprzestrzeń W jest
iloczyn
√1
− √16 " #
2 q √1 0 √1 2 −1 1
2 q 2 1
AAT = 0 2
= −1 2 1
3 − √16 2 √1 3
√1 √1 3 6 1 1 2
2 6
206 9. Iloczyn skalarny
i idempotentna,
4 2
Przykład 215. Czy macierz P = jest macierzą rzutu ortogonalnego
2 1
na pewną podprzestrzeń przestrzeni R2 ?
Ponieważ 2
4 2 20 10
P2 = = 6= P,
2 1 10 5
macierz P nie jest idempotentna i nie może być macierzą rzutu ortogonalnego na żadną
podprzestrzeń przestrzeni R2 .
e
b−b b
i
]
b
9.8. Najlepsze rozwiązanie układu równań e
b
0
W
Dany jest układ równań liniowych Rys. 9.11. projW b jest najlepszą
a11 x1 + a12 x2 + . . . + a1n xn = b1 , aproksymacją wektora b.
a21 x1 + a22 x2 + . . . + a2n xn = b2 ,
.. .. ..
. . .
am1 x1 + am2 x2 + . . . + amn xn = bm ,
czyli układ Ax = b, gdzie
a11 a12 . . . a1n b1
a21 a22 . . . a2n b2
A= . .. . i b= .. .
.. . .. .
am1 am2 . . . amn bm
W wielu konkretnych przypadkach taki układ Ax = b nie ma rozwiązania.
W takiej sytuacji możemy (a często musimy) wyznaczyć tzw. najlepsze rozwiąza-
nie, czyli taki wektor x, że odległość pomiędzy wektorami Ax i b jest najmniejsza
z możliwych.
Definicja 9.8.1. Najlepszym rozwiązaniem układu Ax = b nazywamy wektor
x ∈ Rn taki, że dla każdego x ∈ Rn jest
x – najlepsze rozwiązanie
||Ax − b|| ¬ ||Ax − b||. układu Ax = b
Ponieważ {Ax : x ∈ Rn } jest przestrzenią kolumnową macierzy A,
{Ax : x ∈ Rn } = CA ,
więc wektor x jest najlepszym rozwiązaniem układu Ax = b wtedy i tylko wtedy, 6
b−b b
gdy Ax jest tym wektorem z podprzestrzeni CA , który leży najbliżej wektora b.
Z twierdzenia 9.7.1 wynika, że tak jest wtedy i tylko wtedy, gdy Ax jest rzutem - b=Ax
ortogonalnym wektora b na podprzestrzeń CA , tj. wtedy i tylko wtedy, gdy CA 6
Ax = b, gdzie b = projCAb, zob. rys. 9.12. Ostatni warunek jest równoważny
ortogonalności wektora b−b = b−Ax i podprzestrzeni CA , czyli ortogonalności Rn
wektora b − Ax do każdej kolumny macierzy A. Na to potrzeba i wystarcza, aby x
w której di = |axi +b−yi | jest odległością pomiędzy punktami (xi , yi ) i (xi , axi +
b) (zob. rys. 9.13), była najmniejsza z możliwych. Ostatnia suma jest najmniejsza
9.9. Dopasowanie prostej 209
wtedy i tylko wtedy, gdy (a, b) jest najlepszym (w sensie metody najmniejszych
kwadratów) rozwiązaniem układu równań liniowych
ax1 + b = y1
ax2 + b = y2
.. y 6
.
(xi ,yi )
axn + b = yn , di
czyli układu Ax = b, w którym d1 (xi ,axi +b)
dn
x1 1 y1 y=ax+b
x2 1 y2
a -
A = . . , x= i b= .. .
.. .. b . x1 xi xj xn x
xn 1 yn Rys. 9.13
Wobec twierdzenia 9.8.1 najlepsze rozwiązanie (a, b) układu Ax = b można
wyznaczyć z normalnego układu równań ATAx = AT b, w którym
x1 1
2
T x1 . . . x n x2 1 x1 + . . . + x2n x1 + . . . + xn
A A= =
1 . . . 1 ... ...
x1 + . . . + x n n
xn 1
i
y1
y2
T x1 . . . x n x1 y 1 + . . . + x n y n
A b= .. = .
1 ... 1 . y1 + . . . + y n
yn
Bez trudu można zauważyć, że
X
det (ATA) = (xi − xj )2
1¬i<j¬n
i ostatnia suma jest niezerowa, jeśli tylko nie wszystkie liczby x1 , . . . , xn są rów-
ne. Stąd zaś wynika, że układ ATAx = AT b ma dokładnie jedno rozwiązanie
(a układ Ax = b ma dokładnie jedno najlepsze rozwiązanie), jeśli tylko nie
wszystkie liczby x1 , . . . , xn są równe.
i
a T
−1 T 1 4 −12 36 3/5
x= = A A A b= = .
b 80 −12 56 8 1/5
Zatem y = 53 x+ 15 jest najlepszą liniową zależnością pomiędzy współrzędnymi punktów
(0, 0), (2, 2), (4, 2) i (6, 4), zob. rys. 9.14.
tj. wtedy i tylko wtedy, gdy kolumny macierzy A tworzą bazę ortonormalną
przestrzeni Rn . Ponieważ równość (9.31) (i (9.32)) zachodzi wtedy i tylko wtedy,
gdy (AT )TAT = AAT = In , więc także macierz AT jest ortogonalna, a to ma
miejsce wtedy i tylko wtedy, gdy jej kolumny (które są wierszami macierzy A)
tworzą bazę ortonormalną przestrzeni R n . Stąd mamy następujące twierdzenie.
Ponieważ mamy
" #" # " #
3 −4 0 3 0 4 1 0 0
T 1
A A= 0 0 5 −4 0 3 = 0 1 0 ,
25
4 3 0 0 5 0 0 0 1
jest ortogonalna. (To samo stwierdzenie jest także oczywistą konsekwencją defi-
nicji 9.10.1 i/lub twierdzenia 9.10.1.)
n n
! n n
X X X X
T (x)|T (y) = xi T (bi ) yj T (bj ) = xi yj T (bi )|T (bj )
i=1 j=1 i=1 j=1
n n n n
!
X X X X
= xi yj (bi |bj ) = xi bi yj b j = (x|y),
i=1 j=1 i=1 j=1
9.11. Ćwiczenia
" # " # " #! " #
1. W przestrzeni R3 ze standardowym iloczynem skalar- 1 1 1 1
nym dane są wektory x = (6, −2, 3) i y = (1, 2, −3). (a) B = 1 , −1 , 0 ix= 2 ;
Obliczyć następujące wielkości: (x|y), (x|x), ||x||, ||x|
x
|
, 1 0 −1 3
d(x, y) i (x|y)
y. " # " # " #! " #
(y|y) 1 2 1 3
2. W przestrzeni R3 z bazą B = (1, −2, 3), (b) B = −1 , 2 , 1 ix= 2
;
0 −1 4 1
(0, 1, 2), (0, 0, 1) iloczyn skalarny określony jest wzo-
" # " # " #! " #
rem (x|y) = [x]TB [y]B . Obliczyć (x|y), ||x||, ||y|| i ||x + 2 2 1 1
y||, gdy x = (1, −4, −1) i y = (3, −6, 10). (c) B = −2 , 1 , 2 ix= 0 .
3. W przestrzeni C(h0; 1i) iloczyn skalarny określony 1 −2 2 2
R1
jest wzorem (f |g) = 0 f (x)g(x) dx. Obliczyć (f |g), 9. Metodą Grama-Schmidta wyznaczyć bazę ortogonal-
||f ||, ||g|| i ||f − g||, gdy f (x) = x i g(x) = ex . ną podprzestrzeni W przestrzeni R4 (ze standardo-
4. Niech x, y i z będą wektorami z przestrzeni Euklidesa wym iloczynem skalarnym), gdy:
takimi, że (x|y) = 2, (x|z) = −3, (y|z) = 2, ||x|| = 1, (a) W = L (1, 0, 1, 0), (1, 1, 0, 1), (0, 1, 1, 1) ;
||y|| = 2 i ||z|| = 3. Obliczyć: (a) (x + y|y + z); (b)
(b) W = L (1, 2, 2, −1), (1, 1, −5, 3), (3, 2, 8, −7) .
(x − y + 3z|2x + y); (c) ||x + y||; (d) ||x − 2y + 4z||.
10. Metodą Grama-Schmidta w przestrzeni Rn (ze stan-
5. Dana jest macierz A ∈ R2×2 i funkcja f : R2 × R2 →
dardowym iloczynem skalarnym) utworzyć bazę orto-
R, która wektorom x i y z przestrzeni R2 przypo-
gonalną z następującej bazy:
rządkowuje liczbę f (x, y) = x Ay. Sprawdzić, czy
T
" # " # " #!
1 1 1
funkcja ta jest iloczynem
skalarnym,
gdy: 1 0
(a) , ; (b) 1 , 0 , 1 ;
1 1 2 1 1 4
(a) A = ; (b) A = ; 1 −1 0
1 0 −1 0
1 1 1 1 1 1 1 13
(c) A = ; (d) A = . 2 1 −2 7
2 1 1 −1 (c) , , , .
6. Niech w1 , . . . , wn będą dodatnimi liczbami rzeczywi- 3 1 1 1
stymi. Wykazać, że funkcja (·|·) : Rn × Rn → R jest −1 6 0 0
iloczynem skalarnym, gdy 11. Metodą Grama-Schmidta w przestrzeni V z iloczy-
nem skalarnym (·|·) z bazy C utworzyć bazę ortonor-
(x|y) = w1 x1 y1 + . . . + wn xn yn malną C 0 i wyznaczyć współczynniki Fouriera wekto-
ra x0 względem bazy C 0 , gdy:
dla każdych wektorów x = (x1 , . . . , xn ) i y = (a) V = R2 , (x|y) = xT y, C = (1, 1), (1, 2) i x0
n
(y1 , . . . , yn ) z przestrzeni R . = (3, 4); (b) V = R3 , (x|y) T
7. Opisać, jak wyznacza się współrzędne wektora wzglę- = [x]C [y]C , gdzie C
= (1, 0, 1), (0, 1, 1), (1, 1, 1) i x0 = (1, −1, 0); (c) V
dem bazy ortogonalnej. Następnie wektor (1, 2, 3) R1
przedstawić jako kombinację liniową wektorów = R2 [x], (f |g) = 0 f (t)g(t) dt, C = (1, x, x2 ) i f0 (x)
or-
togonalnej bazy (1, −2, 1), (2, 1, 0), (−1, 2, 5) prze- = 1 + x2 .
strzeni R . 3 12. Wskazać ortogonalną bazę przestrzeni R4 zawierają-
8. Pokazać, że układ B = (x1 , x2 , x3 ) jest bazą orto- cą wektory (1, 2, −1, 0) i (2, −1, 0, 1).
gonalną przestrzeni R3 (ze standardowym iloczynem 13. W przestrzeni R3 ze standardowym iloczynem ska-
skalarnym) i wektor x zapisać jako kombinację Fo- larnym wyznaczyć ortogonalne dopełnienia zbiorów
uriera względem układu (x1 /||x1 ||, x2 /||x2 ||, x3 /||x3 ||), S1 = {(1, 1, 1)}, S2 = {(1, 1, 1), (1, 2, −1)} i S3 =
gdy: {(x, y, z) ∈ R3 : x = 0 i y + z = 0}.
214 9. Iloczyn skalarny
31. Pokazać, że w przestrzeni wektorowej V z iloczynem 46. Wykazać, że jeśli macierz A jest macierzą ortogonal-
skalarnym (·|·) dla każdych wektorów x i y jest ną wymiaru n × n, to ||Ax|| = ||A−1 x|| dla każdego
wektora x ∈ Rn .
(x|y) = 14 ||x + y||2 − ||x − y||2 .
47. Zbadać ortogonalność następujących przekształceń
32. Niech f (·, ·) i g(·, ·) będą iloczynami skalarnymi liniowych: (a) T (x, y)√= (y, √x); (b) T (x, y) = (x, −y);
w przestrzeni wektorowej V . Wykazać, że funkcja (c) T (x, y) = 12 (x − 3y, 3x + y); (d) T (x, y, z) =
h(·, ·) = f (·, ·) + g(·, ·) (3/3+2y/3+2z/3, −2x/3−y/3+2z/3, −2x/3+2y/3−
także jest iloczynem skalarnym w przestrzeni V . z/3).
33. Wykazać, że funkcja f : Rn×n × Rn×n → R jest 48. Niech V będzie przestrzenią wektorową z iloczynem
iloczynem skalarnym, gdy f (A, B) = tr (ABT ). skalarnym ( · | · ) i niech B = (a1 , a2 , a3 ) będzie bazą
34. Indukcyjnie udowodnić, że jeśli wektory v1 , . . . , vn są ortonormalną przestrzeni V . Niech T : V → V bę-
wzajemnie ortogonalne, to dzie takim przekształceniem, że T (x) = (x|a)a, gdzie
a ∈ V i [a]B = (1, −1, 3). (a) Pokazać, że T jest
||v1 ||2 + ||v2 ||2 + . . . + ||vn ||2 = ||v1 + v2 + . . . + vn ||2 . przekształceniem liniowym. (b) Znaleźć macierz [T ]B
35. Niech (v1 , . . . , vn ) będzie ortonormalnym układem przekształcenia T .
wektorów w przestrzeni Euklidesa. Udowodnić, że 49. Wpisując TAK albo NIE, stwierdzić prawdziwość
każdego z następujących zdań:
√
||v1 + . . . + vn || = n. 1 Jeśli x, y i z są wektorami z przestrzeni Eu-
klidesa i (x|y) = (x|z), to y = z.
36. Za pomocą nierówności Schwarza udowodnić, że dla
liczb rzeczywistych a, b i ϕ jest 2 Jeśli x jest wektorem z przestrzeni Euklidesa
i (x|y) = 0 dla każdego wektora y, to x = 0.
(a cos ϕ + b sin ϕ)2 ¬ a2 + b2 . 3 W przestrzeni Rn istnieje tylko jeden iloczyn
skalarny.
37. Za pomocą nierówności Schwarza udowodnić, że dla
4 W przestrzeni R2 istnieje iloczyn skalarny (·|·)
dodatnich liczb a1 , a2 , . . . , an jest
względem którego wektory x = (1, 1) i y = (1, 2) są
1 1 1
(a1 + a2 + . . . + an ) + + ... + n2 . ortogonalne.
a1 a2 an
5 Funkcja f : R2×2 × R2×2 → R jest iloczynem
38. Niech (v1 , . . . , vn ) będzie bazą ortonormalną prze- skalarnym, gdy f (A, B) = tr (A + B) dla każdych
strzeni V . Wykazać, że dla każdych wektorów x, y ∈ A, B ∈ R2×2 .
V spełniona jest tzw. równość Parsevala (x|y) =
P 6 Metoda Grama-Schmidta umożliwia konstruk-
n
i=1
(x|vi )(y|vi ). Następnie Pnwykazać,2 że dla każdego cję ortogonalnego zbioru wektorów z dowolnego zbio-
wektora x ∈ V jest ||x|| = i=1 (x|vi ) . ru wektorów.
39. Niech (v1 , . . . , vn ) będzie układem ortonormalnych 7 Każda przestrzeń Euklidesa ma ortonormalną
wektorów w przestrzeni Euklidesa V . Wykazać, że bazę.
dla każdego x ∈ V zachodzi nierówność ||x||2
P 8 Ortogonalne dopełnienie każdego zbioru jest
n
i=1
(x|vi )2 . Jest to tzw. nierówność Bessela i wy- podprzestrzenią.
raża ona fakt, że norma rzutu ortogonalnego wektora 9 Jeśli (b1 , . . . , bn ) jest bazą przestrzeni Eukli-
x na podprzestrzeń nie jest większa od normy samego desa V i x ∈ V , to liczby (x|bi ) są współczynnikami
wektora x. Fouriera wektora x.
40. Wykazać, że W ∩W ⊥ = {0} dla każdej podprzestrze- 10 Każdy zbiór ortonormalny jest liniowo nieza-
ni W przestrzeni Euklidesa. leżny.
41. Wykazać, że jeśli S i T są niepustymi zbiorami wek- 11 Każdy zbiór liniowo niezależnych wektorów
torów w przestrzeni Euklidesa V , a W jest podprze- jest ortogonalny.
strzenią przestrzeni V , to prawdziwe są następujące 12 Dla każdych wektorów x i y z przestrzeni Eu-
stwierdzenia: (a) S ⊥ jest podprzestrzenią przestrzeni klidesa mamy ||x + y||2 + ||x − y||2 = 2||x||2 + 2||y||2 .
V ; (b) jeśli S ⊆ T , to T ⊥ ⊆ S ⊥ ; (c) S ⊆ (S ⊥ )⊥ ;
13 Jeśli U jest macierzą wymiaru n × p i b ∈ Rn ,
(d) W = (W ⊥ )⊥ ; (e) V = W ⊕ W ⊥ .
42. Niech U1 i U2 będą podprzestrzeniami przestrzeni to UUT b = b jest rzutem ortogonalnym wektora b
Euklidesa. Udowodnić, że (U1 + U2 )⊥ = U1⊥ ∩ U2⊥ na przestrzeń kolumnową macierzy U.
⊥
i (U1 ∩ U2 ) = U1 + U2 . ⊥ ⊥ 14 Jeśli U jest macierzą wymiaru n × p i jej ko-
43. Udowodnić, że 0 lub 1 jest wyznacznikiem macierzy lumny są ortogonalne, to UUT b = b dla każdego
rzutu. b∈R . n
44. Wykazać, że jeśli macierze A i B z przestrzeni Rn×n 15 Jeśli W jest podprzestrznią przestrzeni Eukli-
są ortogonalne, to także macierze AB i A2 są orto- desa V i b ∈ V , to b − projW b jest najlepszą aprok-
gonalne. symacją wektora b za pomocą wektorów z podprze-
45. Wykazać ortogonalność macierzy strzeni W.
" # Jeśli macierz A jest ortogonalna, to także ma-
1 −2a 2a2 16
A = 1+2a 1
2 2a 1 − 2a2 −2a cierze AT i A−1 są ortogonalne.
2a 2
2a 1 17 Jeśli A jest symetryczną macierzą ortogonalną,
dla każdej liczby a ∈ R. to A2 = I.
Rozdział 10
WARTOŚCI WŁASNE
I WEKTORY WŁASNE
v0 – wektor własny W takim przypadku mówimy, że v0 jest wektorem własnym operatora T odpowia-
dającym wartości własnej λ. Geometryczny efekt działania operatora liniowego
T : Rn → Rn na wektor własny v0 przedstawia rys. 10.1.
Podobnie, skalar λ ∈ K nazywamy wartością własną macierzy kwadratowej
A ∈ Kn×n , jeśli istnieje niezerowy wektor v0 ∈ K n , dla którego
z
3 Av0 = λv0 . (10.2)
T (v0 )=λv0
Łatwo sprawdza się, czy dany wektor jest wektorem własnym macierzy (ope-
ratora). Równie łatwo bada się, czy dana liczba jest wartością własną macierzy
(operatora).
1
Przykład 222. Sprawdzić, czy wektor v0 = jest wektorem własnym ma-
1
1 2
cierzy A = .
2 1
Z równości
1 2 1 3 1
Av0 = = =3 = 3v0
2 1 1 3 1
wynika, że wektor v0 jest wektorem własnym macierzy A odpowiadającym wartości
własnej λ = 3.
Ponieważ
0 0 1
det(A − 4I) = −2 −3 0 = −6 6= 0,
−2 0 −3
więc równanie (A − 4I)x = 0 (i równoważne z nim równanie Ax = 4x) ma tylko zerowe
rozwiązanie. Stąd wynika, że liczba 4 nie jest wartością własną macierzy A.
f 0 = T (f ) = λf,
tj. wtedy i tylko wtedy, gdy f jest rozwiązaniem równania różniczkowego y 0 = λy.
(Rozwiązaniem takiego równania jest funkcja f (t) = ceλt dla każdej stałej rze-
czywistej c.)
(A − λIn )x = 0. (10.3)
Wartością własną macierzy A jest więc każda liczba λ, dla której równanie jed-
norodne (10.3) ma niezerowe rozwiązanie x. Z wniosku 6.5.2 wiadomo, że takie
niezerowe rozwiązanie istnieje wtedy i tylko wtedy, gdy macierz A − λIn jest
osobliwa, co ma miejsce wtedy i tylko wtedy, gdy
i jego lewa strona, det (A − λIn ), jest wielomianem zmiennej λ. Wielomian ten
nazywamy wielomianem charakterystycznym macierzy A, a równanie
Równanie
det (A − λIn ) = 0 charakterystyczne
218 10. Wartości własne
Zatem " #
−x3
x= 0 , x3 ∈ R,
x3
jest rozwiązaniem równania (A − λ1 I3 )x = 0. Dlatego każdy wektor
" #
−1
v1 = x 3 0 , x3 ∈ R − {0},
1
220 10. Wartości własne
Dowód. Operator T jest diagonalizowalny wtedy i tylko wtedy, gdy istnieje baza
B = (v1 , v2 , . . . , vn ) przestrzeni V taka, że macierz [T ]B = [T (v1 )]B . . . [T (vn )]B
jest diagonalna. Tak jest wtedy i tylko wtedy, gdy istnieją skalary λ1 , . . . , λn takie, że
" # λ1 0 ... 0
| | | 0 λ2 ... 0
[T ]B = [T (v1 )]B [T (v2 )]B . . . [T (vn )]B =
... ... .. . .
| | | . ..
0 0 . . . λn
Ponieważ
=
Av2 1 7 −2 2 4 2
I
x TA (v1 ) = = =2 = 2v1 ,
3 −1 8 1 2 1
* Av1
(i operatora TA : R2 → R2 ) jest
7−λ 8
det (A − λI) = = (λ + 1)(λ − 3),
−4 −5 − λ
1 4
Przykład 233. Dana jest macierz A = i określony przez nią operator
−1 1
liniowy TA : R2 → R2 . Ponieważ jego wielomian charakterystyczny
1−λ 4
ϕ(λ) = det(A − λI) = det = (1 − λ)2 + 4
−1 1 − λ
nie jest rozkładalny nad ciałem R, więc operator TA : R2 → R2 nie jest diago-
nalizowalny. Ta sama macierz A określa także operator liniowy UA : C 2 → C 2 ,
gdzie UA (x) = Ax dla każdego x ∈ C 2 . Tym razem jego wielomian charakte-
rystyczny ϕ(λ) = det(A − λI) = (1 − λ)2 + 4 = (λ − 1 − 2j)(λ − 1 + 2j) (jest
rozkładalny nad ciałem C i) ma dwie różne wartości własne i dlatego operator
UA jest diagonalizowalny.
W tym przypadku algebraiczna krotność każdej wartości własnej λi jest równa wymia-
rowi odpowiadającej jej przestrzeni własnej Vλi , k(λ1 ) = 1 = dim (Vλ1 ) i k(λ2 ) = 2
= dim (Vλ2 ), więc układ
" # " # " #!
1 0 −1
B= 0 , 1 , 0 ,
1 0 1
który jest sumą baz przestrzeni Vλ1 i Vλ2 , jest bazą przestrzeni R3 składającą się
z samych wektorów własnych operatora T . Stąd i z poprzedniego twierdzenia wynika,
że operator T jest diagonalizowalny.
Stąd λ = λ i to dowodzi, że λ ∈ R.
są liczby λ1 = 1, λ2 = j i λ3 = −j.
5 2 2
Przykład 238. Dla macierzy symetrycznej A = 2 2 −4 wyznaczyć ma-
2 −4 2
cierz ortogonalną Q taką, że QT AQ jest macierzą diagonalną.
gdzie
" # " # " #
−1 2 2
x1 = 2 , x2 = 1 i x3 = 0 .
2 0 1
Wystarczy teraz wskazać bazę ortogonalną (y1 ) przestrzeni V−3 , bazę ortogonalną
(y2 , y3 ) przestrzeni V6 , z nich zestawić bazę ortonormalną (y1 /||y1 ||, y2 /||y2 ||, y3 /||y3 ||)
przestrzeni R3 i utworzyć macierz ortogonalną
Q = y1 /||y1 || y2 /||y2 || y3 /||y3 || .
(Równie dobrze można było przyjąć, że y3 jest iloczynem wektorowym (definicja 12.1.1)
wektorów y1 i y2 , czyli przyjąć y3 = y1 × y2 .) Zatem szukaną macierzą jest
√ √
h y1 y2 y3 i −1/3 2/√5 2/√45
Q= = 2/3 1/ 5 −4/√45 .
||y1 || ||y2 || ||y3 ||
2/3 0 5/ 45
więc dim Rn = dim (Vλ1 ⊕ . . . ⊕ Vλm ) i wobec twierdzenia 7.5.5 przestrzeń Rn jest
identyczna ze swoją podprzestrzenią Vλ1 ⊕ . . . ⊕ Vλm . To kończy dowód stwierdzenia
(6).
A = QΛQT
λ ... 0
− uT1 −
| | 1
= u1 . . . un ... . . . .. ..
. .
| | 0 ... λn T
− un −
− uT1 −
| |
= λ1 u 1 . . . λ n u n
..
.
| | − uTn −
= λ1 u1 uT1 + . . . + λn un uTn .
232 10. Wartości własne
1
zob. rys. 10.3 dla x = .
3
λ1 u1 uT
1 x
x
* λ1 u1 u1 x+λ2 u2 u2 x=Ax
T T
L(u2 )
u1 uT
1 x
u2 uT
2 x u2 u1
I
λ2 u2 uT
2 x
L(u1 )
Rys. 10.3
−4 6
Przykład 240. Wykazać, że macierz A = jest diagonalizowalna
−3 5
i wskazać macierz podobieństwa P macierzy A do macierzy diagonalnej
Λ. Na-
−2
stępnie wyznaczyć A (k ∈ N ) i obliczyć A x, gdy x =
k 10
.
1
−4 − λ 6
Wielomianem charakterystycznym macierzy A jest = (λ + 1)(λ −
−3 5−λ
2). Ponieważ ma on różne wartości własne, λ1 = −1 i λ2 = 2, więc macierz A jest
−1 0
diagonalizowalna i jest ona podobna do macierzy diagonalnej Λ = . Łatwo
0 2
macierzyA odpowiadającymi
sprawdzić, że wektorami własnymi wartościom
własnym
2 1 2 1
λ1 = −1 i λ2 = 2 są x1 = i x2 = , więc P = [ x1 x2 ] = jest
1 1 1 1
−1 0
macierzą podobieństwa macierzy A do macierzy diagonalnej Λ = . Ponieważ
0 2
AP = PΛ, więc A = PΛP i dla każdej liczby naturalnej k mamy
−1
k −1
2 1 −1 0 2 1
Ak = PΛk P−1 =
1 1 0 2 1 1
2 1 (−1)k 0 1 −1 2(−1)k − 2k 2k+1 + 2(−1)k+1
= = .
1 1 0 2k −1 2 (−1)k − 2k 2k+1 + (−1)k+1
Stąd
10 −1022 2046 10 −1022 2046 −2 4090
A = i A x= = .
−1023 2047 −1023 2047 1 4093
" #
1 2k
1 − k1 1+ 2−k
Przykład 241. Jeśli Ak = √
k
3k−1
, to mamy
k
5+k 2 k+1
" #
1 2k
1 − k1 1+ 2−k
lim Ak = lim √
k
3k−1
k→∞ k→∞ k
5+k 2 k+1
1 1 2k
lim
1− lim 1+ lim 2−k 1 e2 0
= k→∞ √ k k→∞ k k→∞ = .
3k − 1 1 2 3
lim k 5 + k lim 2 lim
k→∞ k→∞ k→∞ k + 1
Dowód. Ponieważ lim P = P i lim P−1 = P−1 , więc z istnienia granicy lim Λk
k→∞ k→∞ k→∞
i z poprzedniego twierdzenia wynika istnienie granicy lim PΛk P−1 , bo
k→∞
lim PΛk P−1 = lim P lim Λk lim P−1 =P lim Λk P−1 .
k→∞ k→∞ k→∞ k→∞ k→∞
Geometrycznie zbiór S składa się z liczby zespolonej 1 i liczb, które tworzą wnę-
trze jednostkowego koła o środku w punkcie 0 (zob. rys. 10.4). Warto zauważyć,
że zbiór S składa się z tych i tylko tych liczb zespolonych λ, dla których granica
Rys. 10.4 limk→∞ λk istnieje.
10.5. Granica ciągu macierzy 235
k
Dowód. Ponieważ Ak = PΛP−1 = PΛk P−1 = P diag (λk1 . . . , λkn ) P−1 i granica
lim Λk = lim diag(λk1 , . . . , λkn ) = diag lim λk1 , . . . , lim λkn
k→∞ k→∞ k→∞ k→∞
istnieje wtedy i tylko wtedy, gdy każda z liczb λ1 , . . . , λn należy do zbioru S, więc
wobec wniosku 10.5.1 granica lim Ak = lim PΛk P−1 istnieje i jest równa macierzy
k→∞ k→∞
1/2 1/2 −1/2
Przykład 242. Obliczyć granicę lim Ak , gdy A = 0 1 0 .
k→∞
0 0 1
1/2 − λ 1/2 −1/2
Ponieważ det(A − λI) = 0 1−λ 0 = ( 12 − λ)(1 − λ)2 , więc liczby
0 0 1−λ
λ1 = 12 , λ2 = λ3 = 1 są wartościami własnymi macierzy A. Rozwiązując układ równań
(A − λi I)x = 0 (dla i = 1, 2, 3), stwierdzamy, że wektory
" # " # " #
1 1 −1
v1 = 0 , v2 = 1 , v3 = 0
0 0 1
1 3 3 −3
3 1 −3 3
Przykład 246. Dana jest macierz A = i operator liniowy
3 −3 1 3
−3 3 3 1
T : R4 → R4 , gdzie T (x) = Ax dla x ∈ R4 . Zauważmy, że podprzestrzeń W ⊂ R4
generowana przez wektory a1 = (1, 0, 0, −1) i a2 = (0, 1, 0, 1) jest T -niezmiennicza,
bo T (a1 ) = 4a1 ∈ W i T (a2 ) = 4a2 ∈ W . Zauważmy także, że B = (a1 , a2 ) jest
bazą przestrzeni W i C = (a1 , a2 , e3 , e4 ) jest rozszerzeniem bazy B do bazy całej
przestrzeni R4 . Łatwo teraz sprawdzić, że dla macierzy [TW ]B operatora TW względem
bazy B i macierzy [T ]C operatora T względem bazy C mamy
4 0 3 −3
4 0 0 4 −3 3
[TW ]B = i [T ]C = .
0 4 0 0 1 3
0 0 9 5
to
ψ(λ) = (−1)k a0 + a1 λ + a2 λ2 + . . . + ak−1 λk−1 + λk
jest wielomianem charakterystycznym operatora TW .
Dowód. (a) Ponieważ wektor v jest niezerowy i przestrzeń V jest skończenie wymia-
rowa, więc istnieje największa liczba naturalna l taka, że układ wektorów B = (v,
T (v), . . . , T l−1 (v) jest liniowo niezależny. Niech U będzie podprzestrzenią generowaną
przez wszystkie wektory układu B. Oczywiście, B jest bazą przestrzeni U . Z wyboru l
238 10. Wartości własne
jest także oczywiste, że układ v, T (v), . . . , T l−1 (v), T l (v) jest liniowo zależny. Stąd
T l (v) ∈ U , więc L (v, T (v), . . . , T l−1 (v), T l (v) = L (v, T (v), . . . , T l−1 (v) = U.
Pokażemy teraz, że U jest T -niezmienniczą podprzestrzenią. Weźmy x ∈ U . Dla takie-
go x istnieją skalary α0 , α1 , . . . , αl−1 takie, że x = α0 v + α1 T (v) + . . . + αl−1 T l−1 (v).
Wtedy T (x) = α0 T (v) + α1 T2 (v) + . . . + αl−2 T l−1 (v) + αl−1 T l (v) i T (x) ∈ U , bo
L v, T (v), . . . , T l−1 (v), T l (v) = L v, T (v), . . . , T l−1 (v) = U . To dowodzi, że U jest
T -niezmienniczą podprzestrzenią zawierającą wektor v. Ponieważ W jest najmniejszą
T -niezmienniczą podprzestrzenią zawierającą wektor v, więc W ⊆ U . Jednocześnie
U ⊆ W , więc także mamy U = W . To dowodzi, że B jest bazą przestrzeni W
i k = dim W = |B| = l.
(b) Niech B = v, T (v), T 2 (v), . . . , T k−1 (v) będzie bazą przestrzeni W (zob. (a))
i niech a0 , a1 , . . . , ak−1 będą skalarami, dla których a0 v+a1 T (v)+. . . + ak−1 T k−1 (v)+
T k (v) = 0. Wtedy macierzą operatora TW względem bazy B jest
0 0··· 0 0 −a0
1 0··· 0 0 −a1
0 1··· 0 0 −a2
[TW ]B =
.. ..
.. .. .. ..
. . . . . .
0 0 0 ··· 1 −ak−1
ψ(A) = a0 In + a1 A + . . . + ak Ak
10.7. Twierdzenie Cayleya-Hamiltona 239
Ponieważ wielomian ψ(λ) dzieli wielomian ϕ(λ), więc istnieje wielomian %(λ) taki, że
ϕ(λ) = %(λ)ψ(λ). Wtedy także mamy
ϕ(T )(v) = %(T )ψ(T ) (v) = %(T ) ψ(T )(v) = %(T )(0) = 0
a0 I + a1 A + . . . + an−1 An−1 + An = 0.
240 10. Wartości własne
−2 0
oraz A4 , gdy A = .
7 −1
ψ(A) = r(A).
Dowód. Jeśli q(x) jest ilorazem, a r(x) resztą z dzielenia wielomianu ψ(x) przez ϕ(x),
to ψ(x) = q(x)ϕ(x) + r(x). Stąd i z równości ϕ(A) = 0 mamy
Różnica A9 − 3A7 jest wartością wielomianu ψ(x) = x9 − 3x7 dla macierzy A, której
wielomianem charakterystycznym jest ϕ(x) = x2 + 3x + 2. Ponieważ resztą z dziele-
nia wielomianu ψ(x) przez ϕ(x) jest r(x) = −126x − 124, więc wobec poprzedniego
twierdzenia mamy
1
A−1 = − a1 I + a2 A + . . . + an−1 An−2 + An−1 .
a0
a0 I + a1 A + . . . + an−1 An−1 + An = 0
1
− a1 I + a2 A + . . . + an−1 An−2 + An−1 A = I.
a0
Stąd zaś wynika, że macierz − a10 a1 I + a2 A + . . . + an−1 An−2 + An−1 jest macierzą
odwrotną do macierzy A.
" #
−λ 2 3
det 2 −λ 0 = −λ3 + 7λ − 6.
1 −1 −λ
W tym miejscu warto zastanowić się, czy łatwiej oblicza się liczbę Fn iteracyj-
nie (znajdując najpierw F2 , . . . , Fn−1 ), czy posługując się formułą (10.14) lub
(10.15). Czytelnikowi proponujemy iteracyjne obliczenie kilku liczb Fn , a na-
stępnie obliczenie na kalkulatorze tych samych liczb zz pomocą wzoru (10.14)
lub (10.15).
Stąd
xn+1 n x1 n−1 3n + 3 −9n −3
=A =3
xn x0 n 3 − 3n 1
i dlatego
xn = 3n − 2n3n (n 0).
10.9. Ćwiczenia
1. Zbadać, czy liczba λ jest wartością własną macierzy
" # 0 1 0 0
A, gdy: −3 2 4
0 0 1 0
(c) A = 2 −6 2 ; (d) A = .
(a) λ = −2, A =
1 1
; 0 0 0 1
18 4 4 2 −3
1 0 0 0
1 3 4. Wyznaczyć wielomian charakterystyczny, wartości
(b) λ = 3, A = .
3 2 własne i wektory własne następujących macierzy:
2. Zbadać, czy wektor v jest wektorem własnym
macierzy A, gdy: 3 0 2 7 3 −2 5 −3
, , , ,
7 −1 7 2 1 −1 −4 3
1 7 3
(a) v = iA= ; 10 −9 1 2 2 4 −1 2j
−3 3 −1 , , , ,
" # " # 4 −2 4 3 5 3 −2j 2
−3 1 3 0
(b) v = 5 i A = 3 −2 −1 . " # " # " #
3 4 4 2 −2 3 1 1 1
1 0 −1 1 −1 −2 −4 , 1 1 1 , 1 0 0 ,
3. Wyznaczyć tr (A), det (A), A−1 , wartości własne 1 1 3 1 3 −1 1 0 0
i wektory własne macierzy A, gdy: " # " # " #
1 2 1 3 2 2 4 9 0
3/5 4/5 −2 −1 2 0 −2 , 1 4 1 , 0 −2 8 .
(a) A = ; (b) A = ;
4/5 −3/5 5 2 −1 2 3 −2 −4 −1 0 0 7
246 10. Wartości własne
(d) T : C 2 → C 2 , T (z, w) = (jz + w, z + jw); 18. Wyznaczyć bazę T -cyklicznej podprzestrzeni genero-
(e) T : R2×2 → R2×2 , T (A) = AT ; wanej przez wektor v, gdy:
(f ) T : R →R , (a) V = R4 [x], T ϕ(x) = ϕ0 (x), v = x3 ;
2×2 2×2
(b) V = R3 , T (x, y, z) = (x + 3y + 3z, −3x − 5y − 3z,
a b 2c a+c
T = . 3x + 3y + z), v = (1, 0, 0);
c d b − 2c d
1 2 1 0
10. Wyznaczyć macierz P taką, że macierz P−1 AP jest (c) V = R2×2 , T (A) = AT , v = .
3 0 0 −1
diagonalna i, dodatkowo, wyznaczyć An , gdy:
19. Niech V będzie przestrzenią wektorową (nad cia-
3 −4 3 4 łem liczb zespolnych) z iloczynem skalarnym. Niech
(a) A = ; (b) A = ;
2 −3 −1 −2 T : V → V będzie samosprzężonym operatorem linio-
10.9. Ćwiczenia 247
wym na przestrzeni V , czyli takim, że (T (u)|v) = rystyczny ϕ(λ) operatora T . (d) Korzystając z rów-
(u|T (v)) dla każdych wektorów u, v ∈ V . Niech v1 ności ϕ(T ) = 0, wyznaczyć T −1 . (e) Obliczyć T 7 +
i v2 będą wektorami własnymi operatora T odpowia- 3T 6 − 3T 4 + 3T 3 + 5T + IR3 .
dającymi wartościom własnym λ1 i λ2 . Udowodnić, 29. (a) Wyznaczyć wartości własne i wektory własne ma-
że λ1 i λ2 są rzeczywiste. Wykazać, że jeśli λ1 6= λ2 ,
1 1
to v1 i v2 są ortogonalne. cierzy A = . (b) Dany jest ciąg wektorów
− 16 16
20. Niech V będzie rzeczywistą przestrzenią wektorową
1
z iloczynem skalarnym. Napisać, co to znaczy, że ope- (xk ) taki, że xk+1 = Axk i x100 = . Wyznaczyć
0
rator liniowy T : V → V jest ortogonalny. Pokazać,
x0 . (c) Niech B będzie dowolna macierzą wymiaru
że jeśli λ ∈ R jest wartością własną operatora T , to
2 × 2. Wyjaśnić dlaczego macierze AB i BA mają
λ = 1 albo λ =−1.
1
− 12 − √12 identyczne wartości własne.
2
21. Czy macierz 1 1
− 2 − √21 jest ortogonalna? 30. Niech dn będzie wyznacznikiem macierzy An = [aij ],
2
√1 √1
0 której współczynniki określone są wzorem
2 2
Wyznaczyć jej wartości własne. (
−2, i = j − 1,
22. Wyznaczyć wartości własne i przestrzeń zerową ma- aij = 1, i ∈ {j, j + 1},
" #
0 a −b 0, i 6∈ {j − 1, j, j + 1}.
cierzy A = −a 0 c . Wyjaśnić dlaczego ma-
b −c 0 1 −2
Przykładowo: A1 = [1], A2 = ,
cierz A nie jest ortogonalna. 1 1
23. Wyznaczyć wartości własne i wektory własne macie- " # 1 −2 0 0
1 −2 0
rzy A oraz utworzyć macierz ortogonalną Q taką, że 1 1 −2 0
A3 = 1 1 −2 , A4 = .
QT AQ jest macierzą diagonalną, gdy: 0 1 1 −2
0 1 1
1 3 3 −3 0 0 1 1
3 4 3 1 −3 3
(a) A = ; (b) A = ; (a) Obliczyć d4 . (b) Wyznaczyć liczby a i b takie, że
4 3 3 −3 1 3
−3 3 3 1 dn = adn−1 + bdn−2 . (c) Wskazać macierz A taką,
d n+1 dn
" # 1 −1 0 0 że =A i obliczyć wartości własne
0 1 1 d n d n−1
−1 1 0 0 i wektory własne wskazanej macierzy A. (d) Wyzna-
(c) A = 1 0 1 ; (d) A = .
0 0 1 3 dn
1 1 0 czyć liczbę λ taką, że lim n = 0.
0 0 3 1 n→∞ λ
24. Znaleźć wszystkie podprzestrzenie niezmiennicze
31. Dany jest ciąg (xn ), w którym x0 = 0, x1 = 1 i xn+2
operatora T : R3 → R3 , gdy
" # = (xn + xn+1 )/2.
1 −4 1
1 1 x. Wskazać
(a) taką macierz A, dla której jest
T (x) = −4
4 4 4 x n+2 x n+1
= A . (b) Wyznaczyć wartości
xn+1 xn
25. Napisać twierdzenie Cayleya-Hamiltona. Wskazać
własne i wektory własne macierzy A. (c) Wyznaczyć
macierz wymiaru 6 × 6, której wielomianem charak-
6 5 3 2 macierz diagonalną Λ i macierz odwracalną P taką,
terystycznym jest λ − 17λ + 2λ + λ − 5.
że A = PΛP−1 . (d) Wyznaczyć limn→∞ xn .
26. Niech A będzie macierzą wymiaru 4 × 4 i niech 32. (a) Ciąg liczbowy x0 , x1 , x2 , . . . spełnia zależność re-
λ1 = 1, λ2 = −1, λ3 = λ4 = 2 będą wartościami kurencyjną xn+2= 2xn+1 + 3xn. Wskazać macierz A
własnymi macierzy A. (a) Wyznaczyć A−1 za pomo- xn+2 xn+1
cą nieujemnych potęg macierzy A. (b) Pokazać, że taką, że =A . (b) Wyznaczyć war-
xn+1 xn
A = 36A − 51A − 36A + 52I.
6 3 2
tości własne i wektory własne macierzy A. (c) Dla
27. Wyznaczyć wartości własne i wektory własne v1 , v2 x0 = 2 wskazać taką wartość x1 , że ciąg (xn ) jest
" #
1 0 0 ograniczony.
i v3 macierzy A = 2 2 0 . Dla macierzy B 33. Rozwiązać układ zależności rekurencyjnych
−2 2 3
= v1 v2 v3 znaleźć liczby α, β i γ takie, że B3 + xn+1 = 3xn − yn ,
αB + βB + γI = 0.
2 yn+1 = −xn + 3yn ,
35. Zakładamy, że populacja Polski jest ustalona i stała. 49. Macierz A jest nilpotentna, gdy Ak = 0 dla pewnego
Co roku 1/20 liczby ludności wiejskiej przenosi się do naturalnego k. Wykazać, że zero jest jedyną wartością
miast i 1/10 liczby ludności miejskiej opuszcza mia- własną nilpotentnej macierzy A.
sto. Co po wielu latach stanie się z ludnością miejską? 50. Wykazać, że macierz A ∈ Rn×n jest osobliwa wtedy
36. Niech T będzie operatorem liniowym na przestrze- i tylko wtedy, gdy 0 jest jej wartością własną.
ni wektorowej V (nad ciałem K) i niech W będzie 51. Udowodnić, że operator liniowy T na skończenie wy-
T -niezmienniczą podprzestrzenią przestrzeni V . Udo- miarowej przestrzeni wektorowej V jest odwracalny
wodnić, że W jest ϕ(T )-niezmienniczą podprzestrze- wtedy i tylko wtedy, gdy zero nie jest wartością wła-
nią dla każdego wielomianu ϕ(x) ∈ K[x]. sną operatora T .
37. Niech A będzie rzeczywistą macierzą wymiaru n × n 52. Niech T będzie odwracalnym operatorem liniowym.
i niech Vλ oznacza zbiór {x ∈ Rn : Ax = λx} dla licz- Udowodnić, że skalar λ jest wartością własną opera-
by rzeczywistej λ. Pokazać, że Vλ jest podprzestrzenią tora T wtedy i tylko wtedy, gdy λ−1 jest wartością
przestrzeni Rn . Wyznaczyć wymiar przestrzeni Vλ , własną operatora T −1 .
gdy λ nie jest wartością własną macierzy A. 53. Niech ϕ(λ) = (−1)n λn + an−1 λn−1 + . . . + a1 λ + a0
38. Wykazać, że macierz kwadratowa A i jej transpozy- będzie wielomianem charakterystycznym macierzy A.
cja AT mają identyczne wielomiany charakterystycz- (a) Udowodnić, że ϕ(0) = a0 = det (A). Wywniosko-
ne. wać stąd, że macierz A jest odwracalna wtedy i tyl-
39. Udowodnić, że macierze podobne mają identyczne ko wtedy, gdy a0 6= 0. (b) Udowodnić, że tr (A) =
wielomiany charakterystyczne, te same wartości wła- (−1)n−1 an−1 .
sne i to samo widmo. 54. Wykazać, że jeśli λ jest wartością własną odwracalnej
40. Niech A będzie macierzą diagonalizowalną. Za po- macierzy A, to 1/λ jest wartością własną macierzy
mocą macierzy podobnych pokazać, że ślad macierzy A−1 .
A jest równy sumie jej wartości własnych. 55. Wykazać, że jeśli λ jest wartością własną macierzy
41. Niech A będzie macierzą kwadratową stopnia n ortogonalnej A, to także 1/λ jest wartością własną
i niech λ1 , . . . , λn będą jej wartościami własnymi. Po- macierzy A.
kazać, że ślad macierzy A jest równy sumie jej war- 56. Niech T będzie operatorem liniowym w n-wymiaro-
tości własnych, tj. tr (A) = λ1 + . . . + λn . wej przestrzeni wektorowej V nad ciałem K. Niech
42. Niech A będzie diagonalizowalną macierzą wymiaru B będzie bazą przestrzeni V . Udowodnić, że wektor
n × n i niech λ1 , . . . , λn będą wartościami własnymi v ∈ V jest wektorem własnym operatora T odpowia-
macierzy A. Udowodnić, że det (A) = λ1 λ2 . . . λn . dającym wartości własnej λ wtedy i tylko wtedy, gdy
43. Udowodnić, że jeśli A jest macierzą kwadratową i su- wektor [v]B ∈ K n jest wektorem własnym macierzy
mą elementów każdego jej wiersza jest liczba a, to [T ]B odpowiadającym wartości własnej λ.
a jest pierwiastkiem wielomianu charakterystycznego 57. Niech A będzie rzeczywistą macierzą skośnie-syme-
macierzy A. tryczną (tj. taką, że AT = −A). Wykazać, że każda
44. Niech T będzie operatorem liniowym w przestrzeni wartość własna λ macierzy A jest liczbą ściśle urojo-
wektorowej V nad ciałem K i niech x0 będzie wek- ną. (W tym celu pokazać, że λ = −λ.)
torem własnym operatora T odpowiadającym warto- 58. Macierz A jest podobna do macierzy B wymiaru
ści własnej λ. (a) Udowodnić, że x0 jest wektorem 3 × 3, której wartościami własnymi są 1, 1 i 2. Co
własnym operatora T n (dla każdej liczby naturalnej można powiedzieć o: (a) wartościach własnych ma-
n). (b) Wykazać, że x0 jest wektorem własnym ope- cierzy A; (b) diagonalizowalności macierzy A; (c) sy-
ratora 2T 2 + IV odpowiadającym wartości własnej metryczności A; (d) wyznaczniku macierzy A?
2λ2 + 1. (c) Niech ψ(t) będzie wielomianem o współ- 59. Niech u, v, w będą wektorami własnymi macierzy
czynnikach z ciała K. Wykazać, że x0 jest wektorem A ∈ R3×3 odpowiadającymi jej wartościom własnym
własnym operatora ψ(T ) odpowiadającym wartości 0, 1 i 2. (a) Opisać przestrzeń zerową, przestrzeń ko-
własnej ψ(λ). lumnową i przestrzeń wierszową macierzy A za po-
45. Pokazać, że jeśli λ jest wartością własną macierzy A, mocą u, v i w. (b) Znaleźć wszystkie rozwiązania
to λn jest wartością własną macierzy An dla każdej równania Ax = v − w.
liczby naturalnej n. 60. Wartościami własnymi macierzy A są 0, 1 i 2. Wy-
46. Liczby λ = −1 i λ = 1 są wartościami własnymi ma- znaczyć: (a) rząd macierzy A; (b) wyznacznik macie-
cierzy A wymiaru 3 × 3 takiej, że A + I jest macierzą rzy AT A; (c) wyznacznik macierzy A+I; (d) wartości
rzędu jeden. Która wartość własna macierzy A jest własne macierzy (A + I)−1 .
wielokrotna? Dlaczego? Czy macierz A jest diagona- 61. Wpisując TAK albo NIE, stwierdzić prawdziwość
lizowalna? " # każdego z następujących zdań:
1 2 3
47. Dana jest macierz A = 2 x 4 . Wyznaczyć (je- 1 Jeśli T : V → V jest przekształceniem linio-
3 4 5 wym i jego wielomian charakterystyczny jest iloczy-
śli to możliwe) te wartości parametru x, dla których nem różnych składników stopnia pierwszego, to T jest
wszystkie wartości własne macierzy A są dodatnie. diagonalizowalne.
48. Wykazać, że jeśli A2 jest macierzą zerową, to zero 2 Każde przekształcenie liniowe T : V → V ma
jest jedyną wartością własną macierzy A. co najmniej jedną wartość własną.
10.9. Ćwiczenia 249
" #
2 0 0
3 Macierz 0 2 1 jest diagonalizowalna, a ma-
0 0 4
" #
2 1 0
cierz 0 2 0 nie jest diagonalizowalna.
0 0 4
4 Jeśli dla macierzy A, B i Q jest Q−1 AQ = B,
to A i B mają te same wartości własne.
5 Macierz mająca wielokrotną wartość własną nie
może być diagonalizowalna.
6 Jeśli macierz A ma wielokrotne wartości własne,
to istnieje baza ortonormalna jej przestrzeni kolumno-
wej.
7 Operator liniowy T : Rn → Rn mający mniej niż
n wartości własnych nie może być diagonalizowalny.
8 Wektory własne odpowiadające tej samej warto-
ści własnej operatora liniowego nie muszą być liniowo
zależne.
9 Liniowo niezależne wektory własne v1 i v2 ma-
cierzy A odpowiadają jej różnym wartościom własnym.
10 Jeśli λ jest wartością własną operatora liniowe-
go T : V → V , to każdy element zbioru Vλ − {0} jest
wektorem własnym operatora T .
11 Jeśli A ∈ Rn×n i B = (b1 , . . . , bn ) jest ba-
zą przestrzeni Rn składającą się z wektorów własnych
macierzy A, to macierz Q−1 AQ jest diagonalna, gdy
Q = [ b1 . . . bn ].
12 Przestrzeń własna Vλ macierzy kwadratowej A
jest przestrzenią zerową pewnej innej macierzy.
13 Jeśli λ jest wartością własną macierzy A i β jest
liczbą zespoloną, to λ−β jest wartością własną macierzy
A − βI.
14 Jeśli λ jest wartością własną macierzy A, to także
−λ jest wartością własną macierzy A.
15 Jeśli λ jest wartością własną nieosobliwej macie-
rzy A, to λ−1 jest wartością własną macierzy A−1 .
16 Jeśli wszystkie wartości własne macierzy A są
zerowe, to A = 0.
17 Jeśli macierz A jest diagonalizowalna i wszystkie
wartości własne macierzy A są sobie równe, to A jest
diagonalna.
18 Liczba λ0 jest wartością własną macierzy A wte-
dy i tylko wtedy, gdy jest ona wartością własną macie-
rzy AT .
19 Wektor v0 jest wektorem własnym macierzy A
wtedy i tylko wtedy, gdy jest on wektorem własnym
macierzy AT .
20 Jeśli macierz A jest symetryczna, to każde dwa
wektory własne macierzy A odpowiadające różnym
wartościom własnym są ortogonalne.
21 Jeśli A jest macierzą kwadratową stopnia n i A
ma n wzajemnie ortogonalnych wektorów własnych, to
macierz A jest symetryczna.
Rozdział 11
FORMY KWADRATOWE
Przykład 254. Wielomian q = x21 + 4x23 − 2x2 x3 jest formą kwadratową zmien-
nych x1 , x2 i x3 , ale wielomian p = x21 + 4x23 − 2x2 x3 + x2 − 1 nie jest już formą
kwadratową zmiennych x1 , x2 i x3 .
ale jednocześnie
2 10 − a x1
q= 2x21 + 10x1 x2 + 3x22 = x1 x2
a 3 x2
Okazuje się także, że każdą formę kwadratową można zapisać przy użyciu
macierzy symetrycznej. Fakt ten będzie miał zasadnicze znaczenie w naszych
dalszych rozważaniach, bo z uwagi na twierdzenie 10.3.4 każdą formę kwadratową
będzie można zapisać w bardzo wygodnej posatci, w tzw. postaci kanonicznej.
Twierdzenie 11.1.1. Dla każdej formy kwadratowej q = xT Mx istnieje do-
kładnie jedna macierz symetryczna A taka, że q = xT Ax.
Dowód. Jeśli M = [mij ] jest macierzą wymiaru n × n, to macierz A = 12 (M + MT )
jest symetryczna oraz (A)ij + (A)ji = mij + mji (i w szczególności (A)ii = mii ) dla
i, j ∈ {1, . . . , n}. Stąd i z (11.2) mamy
n
X X
xT Ax = (A)ii x2i + (A)ij + (A)ji xi xj
i=1 i6=j
n
X X
= mii x2i + (mij + mji ) xi xj = xT Mx = q.
i=1 i6=j
Wobec powyższego twierdzenia możemy przyjąć, że macierzą formy kwadra- Macierz formy kwadratowej
towej q = xT Mx (gdzie M ∈ Rn×n ) jest jedyna macierz symetryczna A taka,
że xT Mx = xT Ax dla każdego x ∈ Rn . Natomiast rzędem formy kwadratowej Rząd formy kwadratowej
nazywamy rząd jej jedynej macierzy symetrycznej.
Przykład 256. Formę kwadratową q(x) = 2x21 + 3x22 − 7x23 − 2x1 x2 + 3x1 x3
zapisać w postaci xT Ax z symetryczną macierzą A.
Współczynniki stojące przy x21 , x22 i x23 kolejno stawiamy na głównej przekątnej macie-
rzy A, czyli przyjmujemy (A)11 = 2, (A)22 = 3 i (A)33 = −7. Współczynnik stojący
przy xi xj dla i 6= j w równych częściach rozdzielamy pomiędzy (A)ij i (A)ji . Tu mamy
(A)12 = (A)21 = −1, (A)13 = (A)31 = 3/2 i (A)23 = (A)32 = 0 (bo współczynnikiem
x2 x3 jest 0). Łatwo sprawdzić, że istotnie mamy
" #" #
2 −1 3/2 x1
T
q(x) = x Ax = x1 x2 x3 −1 3 0 x2 .
3/2 0 −7 x3
Mówimy, że forma q(x) jest sprowadzalna do formy p(y), gdy istnieje nieosobliwa
macierz Q ∈ Rn×n taka, że
sprowadza formę kwadratową q(x) = x21 + 4x1 x2 + 2x22 do formy kwadratowej p(y)
= y12 + 6y1 y2 + 7y22 , bo
Mamy
5 4 x1
q = xT Ax = x1 x2 .
4 5 x2
Łatwe obliczenia
pokazują, żeliczby λ1 = 1 i λ2 =9 są wartościami własnymi macierzy
5 4 1 1
A = , a q1 = √12 i q2 = √12 są ortonormalnymi wektorami
4 5 −1 1
własnymi macierzy A odpowiadającymi wartościom własnym λ1 i λ2 . Zatem
1 1 1
Q= q1 q2 = √
2 −1 1
q = yT Λy = λ1 y12 + λ2 y22
2 2
1 1
= 1 √
2
(x1 − x2 ) +9 √
2
(x1 + x2 )
= 1
2
(x1 − x2 )2 + 92 (x1 + x2 )2 .
Metoda Lagrange’a
Tym razem będziemy sprowadzać formę kwadratową do postaci kanonicznej,
czyli do sumy kwadratów, poprzez uzupełnianie do pełnych kwadratów wyrażeń
zawierających ustaloną zmienną formy. Przykładowo, jeśli w formie q = x 21 +
11.2. Postać kanoniczna formy kwadratowej 255
1 1
q= (2x1 + 3x2 + x3 )2 − (x1 + 5x3 )2 + 10x23
3 3
i jest to inna postać kanoniczna wyjściowej formy q. Oznacza to, że przedstawienie
formy kwadratowej w postaci sumy kwadratów nie jest jednoznaczne.
1 (0) (0)
q1 = q(x1 , x2 , . . . , xn ) − (0)
(a11 x1 + . . . + a1n xn )2
a11
n
X (0)
X a(0)
n (0)
1i a1j
X n
(1)
= aij xi xj − (0)
x x
i j = aij xi xj ,
i, j=1 i, j=1 a11 i, j=2
gdzie
(0) (0)
(1) (0) a1i a1j
aij = aij − (0)
(11.12)
a11
dla i, j ∈ {2, . . . , n}. Wszystkie te współczynniki są elementami macierzy
(0) (0) (0)
a11 a12 . . . a1n
(1) (1)
0 a22 . . . a2n
A(1) =
.. .. .. .
. . .
(1) (1)
0 an2 . . . ann
(1)
dla i, j ∈ {2, . . . , n}. Zatem, jeśli a22 6= 0, to także formę q1 = q1 (x2 , . . . , xn )
(1)
(określoną przez macierz A11 ) można przedstawić w postaci sumy
1 (1) (1) 2
q1 = (1)
a22 x2 + . . . + a2n xn + q2 . (11.13)
a22
1 (1) (1)
q2 = q1 (x2 , . . . , xn ) − (1)
(a22 x2 + . . . + a2n xn )2
a22
n n (1) (1)
X (1)
X a2i a2j
= aij xi xj − (1)
xi xj
i, j=2 i, j=2 a22
n (1) (1)
! n
X (1) a2i a2j X (2)
= aij − (1)
xi xj = aij xi xj ,
i, j=3 a22 i, j=3
11.2. Postać kanoniczna formy kwadratowej 257
(1) (1)
(2) (1) a2i a2j
a jej współczynniki aij = aij − (1) są elementami macierzy
a22
którą otrzymano z macierzy A(1) odejmując kolejno jej drugi wiersz pomnożony
(1) (1) (2)
przez a2i /a22 od i-tego wiersza (dla i = 3, . . . , n). Jeśli a33 6= 0, to procedurę
redukcji macierzy (i przedstawiania formy kwadratowej w postaci sumy kwadra-
tów) możemy kontynuować aż do otrzymania macierzy
(0) (0) (0) (0) (0)
a11 a12 · · · a1k a1 k+1 · · · a1n
(1)
0 a(1)22 · · ·
(1)
a2k
(1)
a2 k+1 · · · a2n
. .. . . .. .. ..
.
. . . . . .
(k−1) (k−1) (k−1) Macierz zredukowana
A (k−1)
= 0 0 · · · akk ak k+1 · · · akn , formy kwadratowej
(k−1) (k−1)
0 0 · · · 0 a · · · a
k+1 k+1 k+1 n
.. .
. .
. .
. .. .
.
. . . . . .
(k−1) (k−1)
0 0 ··· 0 an k+1 · · · ann
gdzie
n
X (k−1)
qk = aij xi xj . (11.15)
i, j=k+1
(k−1)
Jeśli k = n albo k < n i aij = 0 dla i, j ∈ {k + 1, . . . , n}, to qk jest formą
zerową i wtedy
2
k
X n
X
1 (i−1)
q= (i−1)
aij xj (11.16)
i=1 aii j=i
(k−1)
i jest to postać kanoniczna formy q. Jeśli zaś jest k < n i aij 6= 0 dla pewnych
indeksów i, j ∈ {k + 1, . . . , n}, i 6= j, to qk jest niezerową formą kwadratową
mającą własność (b).
1
q = (x1 + 3x2 − 2x3 )2 − (−4x2 − 2x4 )2 .
4
Z ostatniej formy po przyjęciu y1 = x1 +3x2 −2x3 , y2 = 2x2 +x4 i y3 = x3 oraz y4 = x4
(albo z formy (11.17) po podstawieniu x1 = y1 − 32 y2 + 2y3 + 32 y4 , x2 = 12 y2 − 12 y4 ,
x3 = y4 oraz x4 = y4 ) otrzymujemy
q = y12 − y22
Przypadek (b). Załóżmy teraz, że forma q(x) = xT A(0) x nie jest zerowa, ale
(0) (0) (0)
a11 = . . . = ann = 0. Wtedy aij 6= 0 dla pewnych indeksów i, j ∈ {1, . . . , n},
gdzie i 6= j. W takim przypadku podstawienie x = Qy, gdzie macierz Q okre-
ślona jest równościami
xi = y i − y j , xj = y i + y j oraz xk = yk (11.18)
do postaci kanonicznej.
(0) (0) (0)
Tym razem forma q ma własność (b), bo w niej a11 = a22 = a33 = 0. Ponieważ
(0)
a12 6= 0, więc tak jak w (11.18) podstawienie
x1 = y 1 − y 2 , x2 = y 1 + y 2 i x3 = y 3
sprowadza ją do formy
mającej własność (a). W tym przypadku wyrażenie 2y12 + 4y1 y3 zawierające y1 (oraz
wyrażenie −2y22 + 4y2 y3 zawierające y2 ) uzupełniamy do pełnego kwadratu, kolejno
otrzymując
q = 2 (y1 + y3 )2 − y32 − 2 (y2 − y3 )2 − y32
= 2(y1 + y3 )2 − 2(y2 − y3 )2
= z12 − z22 ,
√ √ √ √
gdzie z1 = 2(y1 +y3 ) = 22 (x1 +x2 +2x3 ), z2 = 2(y2 −y3 ) = 22 (−x1 +x2 −2x3 ) i z3 =
x3 . (Postać
√
q = z12 −√z22 można też√
uzyskać wprost z (11.19) za pomocą podstawienia
x1 = 2 (z1 − z2 − 2 2z3 ), x2 = 22 (z1 + z2 ) i x3 = z3 .)
2
11.3. Określoność macierzy i formy kwadratowej 259
(c) ujemnie określona, gdy q(x) < 0 dla każdego x ∈ R n − {0}; q(Rn − {0}) ⊆ (−∞; 0)
(e) nieokreślona, gdy q(x) > 0 i q(y) < 0 dla pewnych x, y ∈ R n . q(Rn − {0}) ∩ (−∞; 0) 6= ∅
i q(Rn − {0}) ∩ (0; +∞) 6= ∅
z z
z
x1 x2 x1
x2
x1 x2
Rys. 11.1. Dodatnio określona Rys. 11.2. Ujemnie określona Rys. 11.3. Nieokreślona
Przykładowo mamy:
q1 (x1 , x2 ) = x21 + 3x22 − forma dodatnio określona;
q2 (x1 , x2 ) = x21 − forma dodatnio półokreślona;
q3 (x1 , x2 ) = −x21 − 3x22 − forma ujemnie określona;
q4 (x1 , x2 ) = −x21 − forma ujemnie półokreślona;
q5 (x1 , x2 ) = x21 − 3x22 − forma nieokreślona.
z
Tak samo łatwo wyznacza się typ określoności formy kwadratowej, jeśli jest
ona zapisana w postaci sumy lub różnicy kwadratów.
Ponieważ mamy
z
1 33 2
q = −(x1 + 2x2 − 2x3 )2 + (7x2 − 4x3 )2 + x
7 7 3
i ponieważ współczynniki kwadratów tej formy są liczbami różnych znaków,
x2 więc można się domyślać, że w jednych punktach forma q przyjmuje wartości
x1
ujemne, a w innych dodatnie. Łatwo zauważyć, że
q(1, 0, 0) = −1 i q(0, 1, 0) = 3
Ponieważ dla każdego y ∈ Rn jest q(Qy) = p(y), więc wobec (11.22) mamy
i stąd wynika, że d > 0 (bo liczby |A| i |An−1 | są dodatnie). Z faktu, że macierz An−1
jest dodatnio określona i d jest liczbą dodatnią, wynika, że dla niezerowego wektora
11.3. Określoność macierzy i formy kwadratowej 263
To dowodzi, że macierz B jest dodatnio określona. Stąd zaś i z lematu 11.3.1 wynika
dodatnia określoność macierzy A.
(b) Jest oczywiste, że macierz A jest ujemnie określona wtedy i tylko wtedy, gdy
macierz −A jest dodatnio określona. Wobec już udowodnionego stwierdzenia (a) tak
jest wtedy i tylko wtedy, gdy każdy wiodący minor główny |(−A)k | macierzy −A jest
dodatni, tj. wtedy i tylko wtedy, gdy (−1)k |Ak | = |(−A)k | jest liczbą dodatnią. To
kończy dowód stwierdzenia (b).
Analogiczne dowody stwierdzeń (c) i (d) pozostawiamy jako ćwiczenia.
−1 −2 −1 −2 2
|A1 | = −1, |A2 | = = −7 i |A3 | = −2 3 0 = −33.
−2 3 2 0 3
Ponieważ liczby te nie spełniają żadnego z warunków (a) – (d) twierdzenia 11.3.2,
więc rozważana forma kwadratowa q i jej macierz A są nieokreślone. Do tego samego
stwierdzenia w inny sposób doszliśmy w przykładach 264 i 265.
1 1 1 1 0
|A1 | = 1, |A2 | = = 1 i |A3 | = 1 2 2 = 1.
1 2 0 2 5
Tym razem warunek (a) twierdzenia 11.3.2 jest spełniony, więc forma kwadratowa q
i jej macierz A są dodatnio określone.
264 11. Formy kwadratowe
11.4. Ćwiczenia
1. Dla formy kwadratowej q = xT Ax wyznaczyć ma- 6. Dana jest forma kwadratowa q(x, y, z) = 4x2 + 3y 2 +
cierz ortogonalną Q i postać kanoniczną q = yT Λy 2z 2 + 4xy − 4yz. (a) Wyznaczyć macierz symetryczną
uzyskaną za pomocą podstawienia ortogonalnego A formy q. (b) Wyznaczyć wartości własne i wekto-
x = Qy, gdy: ry własne macierzy A. (c) Zbadać określoność formy
(a) q = 5x21 + 2x22 + 4x1 x2 ; q. (d) Formę q zapisać w postaci kanonicznej w ba-
2 2
(b) q = −2x1 + x2 + 4x1 x2 ; zie unormowanych wektorów własnych macierzy A.
2 2 2
(c) q = 3x1 + 3x2 + 3x3 − 2x1 x3 ; (e) Podać przekształcenie ortogonalne x = Qy spro-
(d) q = 10x21 + 10x22 − 12x1 x2 ; wadzające formę q do postaci kanonicznej.
(e) q = 5x21 + 5x22 + 18x23 − 26x1 x2 ; 7. Bez odwoływania się do wniosku 11.3.1 udowodnić, że
2 2
(f ) q = 3x2 + 3x3 + 4x1 x2 + 4x1 x3 − 2x2 x3 ; jeśli macierz symetryczna A jest dodatnio (ujemnie)
2 2 2
(g) q = 2x1 + 5x2 + 2x3 + 4x1 x2 + 2x1 x3 + 4x2 x3 ; określona, to jest ona nieosobliwa.
(h) q = 2x21 + 6x22 + 2x23 + 8x1 x3 ; 8. Udowodnić, że każdy wiodący minor główny macierzy
(i) q = x21 + 5x22 + x23 + 2x1 x2 + 6x1 x3 + 2x2 x3 ; dodatnio półokreślonej jest nieujemny. (Wskazówka.
(j) q = 2x1 x2 +2x1 x3 −2x1 x4 −2x2 x3 +2x2 x4 +2x3 x4 . Można wzorować się na dowodzie wniosku 11.3.2 i na
dowodzie części (a) twierdzenia 11.3.2.)
2. Formę q = q(x1 , x2 ) przedstawić w postaci sumy 9. Udowodnić, że każdy minor główny macierzy dodat-
kwadratów i następnie zaproponować nowe współ- nio określonej jest dodatni. (Wskazówka. Można wzo-
rzędne y1 i y2 takie, że forma q będzie postaci rować się na dowodzie wniosku 11.3.2 i na dowodzie
λ1 y12 + λ2 y22 , gdy: części (a) twierdzenia 11.3.2.)
(a) q = x21 + 4x1 x2 + x22 ; 10. Przedstawić dowódy stwierdzeń (c) i (d) z twierdze-
(b) q = 2x21 + 2x1 x2 + 2x22 ; nia 11.3.2.
(c) q = x21 − 12x1 x2 − 4x22 ; 11. (a) Udowodnić, że jeśli x0 jest wektorem własnym
(d) q = 3x21 + 2x1 x2 + 3x22 . macierzy A odpowiadającym wartości własnej λ0 , to
3. Formę kwadratową q = q(x1 , . . . , xn ) zapisać w po- liczby xT0 Ax0 i λ0 mają zgodne znaki. (b) Wyprowa-
staci kanonicznej i następnie zbadać jej określoność, dzić nowy dowód wniosku 11.3.1 korzystając z części
gdy: (a) oraz z twierdzenia 10.3.4.
2 2 2 12. Wykazać, że jeśli macierz A ∈ Rn×n jest nieosobliwa,
(a) q = x1 + 2x2 + x3 − 2x1 x2 + 4x1 x3 + 2x2 x3 ; to macierz AT A jest dodatnio określona. (Wskazów-
(b) q = 5x21 + 5x22 + 2x23 + 8x1 x2 + 4x1 x3 + 4x2 x3 ;
ka. Uwzględnić, że xT Ix = yT AT IAy.)
(c) q = x21 + x22 + 3x23 + 4x1 x2 + 2x1 x3 + 2x2 x3 ; 13. Udowodnić, że dla macierzy A ∈ Rn×n następują-
(d) q = 2x21 + 5x22 + 5x23 + 4x1 x2 − 4x1 x3 − 8x2 x3 ; ce stwierdzenia są równoważne: (a) A jest dodatnio
(e) q = x1 x2 + x1 x3 + x1 x4 + x2 x3 + x2 x4 + x3 x4 .
określona; (b) istnieje macierz nieosobliwa B taka, że
4. Za pomocą twierdzenia Sylvestera (lub w inny A = BT B; (c) istnieje macierz nieosobliwa P taka,
sposób) zbadać określoność macierzy Ai , gdzie: że PT AP = In .
14. Udowodnić, że jeśli macierz symetryczna A ∈ Rn×n
" #
2 3 −1 1 0 jest dodatnio określona, to także macierz Ap jest do-
A1 = ; A8 = 1 −1 0 ; datnio określona dla każdej liczby całkowitej p.
3 7
0 0 −2 15. Pokazać, że funkcja q : Rn×n → R jest dodatnio okre-
2 4
A2 = ; " # śloną formą kwadratową, gdy q(X) = tr(XT X) dla
4 7 1 −1 −1
X ∈ Rn×n .
2 −1 A 9 = −1 5 1 ; 16. Wpisując TAK albo NIE, stwierdzić prawdziwość
A3 = ;
−1 1 −1 1 5 każdego z następujących zdań:
−3 4 " # 1 Macierz A jest dodatnio określona wtedy i tylko
A4 = ; 20 6 8
4 −5 wtedy, gdy macierz A−1 jest dodatnio określona.
A10 = 6 3 0 ;
−3 4 2 Jeśli macierze A i B są dodatnio określone, to
A5 = ; 8 0 8 także macierz A + B jest dodatnio określona.
4 −6
3 Jeśli macierze A jest symetryczna, a P jest
2 4 1 0 3 0
A6 = ; macierzą ortogonalną, to podstawienie x = Py prze-
4 8 0 2 0 5
" # A11 = . kształca formę kwadratową q(x) = xT Ax w formę
1 2 0 3 0 4 0
kwadratową q(Py) = yT (PT AP)y w postaci kano-
A7 = 2 4 5 ; 0 5 0 6
nicznej.
0 5 6 4 Jeśli macierze A ∈ Rn×n jest symetryczna
5. Udowodnić, że jeśli macierz A ∈ Rn×n jest dodatnio i det A < 0, to forma kwadratowa q(x) = xT Ax jest
określona, to aii > 0 dla i = 1, . . . , n. nieokreślona.
Rozdział 12
ELEMENTY GEOMETRII
ANALITYCZNEJ
Przykład 268. Jeśli a = (2, −1, 3) i b = (1, 3, 4), to wobec (12.1) mamy
i j k
−1 3 2 3 2 −1
a × b = 2 −1 3 = i−
j+ k
1 3 4 1 4 1 3
3 4
= −13i − 5j + 7k = (−13, −5, 7).
i to dowodzi (a). Podobnie uzasadnia się (b), (c) i (d). Dla dowodu (e) wystarczy
pokazać, że a · (a × b) = 0 i b · (a × b) = 0. Z definicji iloczynu wektorowego (def.
12.1.1), z definicji wyznacznika (def. 6.1.1) oraz z twierdzenia 6.1.6 mamy
a2 a3 a1 a3 a1 a2
6
a×b a · (a × b) = (a1 i + a2 j + a3 k) · i− j + k
b2 b3 b1 b3 b1 b2
:
b
a2 a3
= a1 − a 2 a1 a3 + a 3 a1 a2
b2 b3 b1 b3 b1 b2
j
a a1 a2 a3
= a1 a2 a3 = 0,
Rys. 12.2. P(a,b) = ||a × b|| b b b
1 2 3
Dowód. Jeżeli ϕ jest miarą kąta między wektorami a i b, to pole P(a,b) równoległoboku
zbudowanego na wektorach a i b (zob. rys. 12.3) jest równe liczbie ||a||||b|| sin ϕ. Zatem,
jeśli a = (a1 , a2 , a3 ) i b = (b1 , b2 , b3 ), to mamy
2
P(a,b) = ||a||2 ||b||2 sin2 ϕ
= ||a||2 ||b||2 (1 − cos2 ϕ)
b = ||a||2 ||b||2 − (||a||||b|| cos ϕ)2
= ||a||2 ||b||2 − (a · b)2
||b|| sin ϕ
= (a21 + a22 + a23 )(b21 + b22 + b23 ) − (a1 b1 + a2 b2 + a3 b3 )2
ϕ 2 2 2
- a2
a3 a1 a3 a1 a2
a = b2 + +
b3 b1 b3 b1 b2
Rys. 12.3
= ||a × b||2
z 6 y
Przykład 269. Wyznaczyć pole równoległoboku zbudowanego na
* wektorach a = (1, 2, −1) i b = (0, 1, 1), zob. rys. 12.4.
b
2 Ponieważ
1
1
i j k
2 −1 1 −1
1 2
k = [3, −1, 1],
a × b = 1 2 −1 = i− j+
- 0 1 1
1 1 0 1 0 1
1 a
Rys. 12.6
α
a
h
c
-
j
b
Rys. 12.7
Dowód. Mamy abc = a · (b × c) = ||a||||b × c|| cos α, gdzie α jest miarą kąta między
wektorami a i b × c. Dla obliczenia objętości równoległościanu możemy przyjąć, że jego
podstawą jest równoległobok rozpięty na wektorach b i c (zob. rys. 12.7), którego pole
jest równe ||b × c||. Wysokość h równoległościanu jest równa długości rzutu wektora
a na prostą prostopadłą do podstawy, mającą kierunek b × c, więc h jest wartością
bezwzględną liczby ||a|| cos α. Stąd mamy V = ||b×c||||a||| cos α| = |a·(b×c)| = |abc|.
r0 + W = {r0 + w : w ∈ W }
6
z
P
] k m
1 P0
-
y
x
Rys. 12.9
z = 2 − t, K r0 r1
Dla sprawdzenia czy punkt P (7, 1, 1) leży na tej prostej, należy zbadać czy ma rozwią-
zanie następujący układ równań: -
y
( x
7 = 1 + 2t,
1 = −1 + t,
Rys. 12.10
1 = 2 − t.
i
x = x0 + t(x1 − x0 ),
y = y0 + t(y1 − y0 ), t ∈ R. (12.14)
z = z0 + t(z1 − z0 ),
Odcinek
Ograniczając w równaniach (12.13) i (12.14) zakres zmienności parametru t do
przedziału h0; 1i, otrzymujemy równanie odcinka o końcach w punktach P0 i P1
(rys. 12.11). z6
P1
P
Przykład 275. Napisać równanie odcinka o końcach w punktach P0 (1, 2, 5) P0 r1
i P1 (−1, 3, 2). K r0
r
Y
m1 o−m2 o−m2
q
z z
m m1 m1
`1
j
2 `1 `1
−m2 ϕ ϕ
`2 m2
w m2
w
- `2 - `02 -
Rys. 12.12
|m1 · m2 | | − 2 − 2 + 1| 1
cos ∠(`1 , `2 ) = = √ √ =
||m1 ||||m2 || 6 6 2
x = 1 + t, y = 3t, z = 3 − t.
Rys. 12.13
oraz
(r2 − r1 ) · (m1 × m2 ) = (4, 8, −8) · (6, 18, −18) 6= 0,
więc wobec (12.20) proste `1 i `2 są skośne.
274 12. Geometria analityczna
||m × P0 P1 ||
d= . (12.21)
||m||
P10 Prosta ` przechodzi przez punkt P0 (1, 2, −3) i jest równoległa do wektora m
P0
= (3, 0, 4). Ponieważ ||m|| = 5 i P0 P1 = (1, 0, 6), więc wobec (12.21) mamy
-
i j k
||m × P0 P1 || 1 1 14
Rys. 12.14 d=
||m||
= || 3
5
0 4 || = ||(0, −14, 0)|| =
5 5
.
1 0 6
m1 = r1 − r0 = (x1 − x0 , y1 − y0 , z1 − z0 ) = (a1 , a2 , a3 )
i
m2 = r2 − r0 = (x2 − x0 , y2 − y0 , z2 − z0 ) = (b1 , b2 , b3 )
n = m1 × m2 = (A, B, C)
z 6 n
P P1
i
r−r0 Im1
Π r m2
9 * P0
P2
r0
-
y
Rys. 12.15
x
x − x0 y − y0 z − z0
Równanie wyznacznikowe a1 a2 a3 =0 (12.26)
płaszczyzny b1 b2 b3
z6 n
P0
r−r0
r0 7 q P
*
r
y
x
z
Rys. 12.16
Przykład 284. Znaleźć wspólny punkt prostej (x, y, z) = (1, 2, −12) + (1, 2, 3)t
i płaszczyzny x + y + 2z − 6 = 0.
i stąd t = 3. Zatem (x, y, z) = (1, 2, −12) + (1, 2, 3) · 3 = (4, 8, −3) jest wspólnym
punktem prostej i płaszczyzny.
n1 (r − r1 ) = 0 i n2 (r − r2 ) = 0. (12.32)
] ϕ
n2
Π2
ϕ
Π1
Rys. 12.19
12.3. Prosta i płaszczyzna 279
Π 1 ⊥ Π 2 ⇔ n 1 ⊥ n 2 ⇔ n 1 · n2 = 0 (12.33)
i
Π1 k Π2 ⇔ n1 k n2 ⇔ n1 × n2 = 0. (12.34)
x − 2y + z + 7 = 0 oraz 2x + y − z + 3 = 0.
x − 2y + 2z = 3 i 2x − 3y + z = 1
przecinają się wzdłuż prostej ` (rys. 12.20). Napisać jej równanie. Wyznaczyć
także równanie płaszczyzny Π przechodzącej przez punkt A(3, 2, 1) i zawierającej
prostą `.
`
Π1
Prosta ` jest zbiorem tych punktów (x, y, z), których współrzędne x, y i z spełniają Π
układ równań Π2 A
x − 2y + 2z = 3, 6
2x − 3y + z = 1.
Jego rozwiązaniem jest (x, y, z) = (−7, −5, 0) + (4, 3, 1)t, t ∈ R, i jest to równanie B
szukanej prostej `. Prosta ta przechodzi przez punkt B(−7, −5, 0) i jest równoległa do
wektora m = (4, 3, 1). Płaszczyzna Π przechodzi przez punkt A(3, 2, 1) i jest równoległa
do wektorów m = (4, 3, 1) i AB = (−10, −7, −1), więc jest ona określona równaniem
Rys. 12.20
x−3 y−2 z −1
4 3 1 = 0, czyli 2x − 3y + z = 1.
−10 −7 −1
280 12. Geometria analityczna
12.4. Ćwiczenia
1. Obliczyć a × b, gdy: (a) a = (2, 1, 3) i b = (0, 1, 2); 8. Wyznaczyć objętość czworościanu, którego wierzchoł-
(b) a = (2, −3, 1) i b = (−2, 3, −1). kami są: (a) (0, 0, 0), (1, 1, 2), (−1, 2, −1), (0, −1, 3);
2. Obliczyć pole równoległoboku zbudowanego na wek- (b) (1, 3, −1), (2, 2, 3), (3, 7, 4), (4, 2, −2).
torach a = (2, −3, 5) i b = (4, 1, 0). 9. Wyznaczyć ogólną postać wektora a = xi + yj + zk
takiego, że a × (i + j + 2k) = i + j − k.
3. Obliczyć pole równoległoboku, którego trzema wierz-
10. Dane są wektory a = xi − 6j − 3k, b = 4i + 3j − k
chołkami są A(1, 2, −1), B(2, 1, 4) i C(3, 5, 2).
i c = i − 3j + 2k. (a) Wyznaczyć x takie, że a i b są
4. Obliczyć pole równoległoboku, którego wierzchołkami ortogonalne. (b) Wyznaczyć x takie, że a, b i c leżą
są punkty (−3, 0, 2), (6, 1, 4), (4, 2, 2) i (−5, 1, 0). w jednej płaszczyźnie. (c) Obliczyć a × (b × c), gdy
5. Obliczyć pole trójkąta, którego wierzchołkami są: x = 2.
(a) A(1, 2, 1), B(2, 1, −3) i C(0, 1, 5); (b) A(1, 4), 11. Dane są wektory a, b i c z przestrzeni R3 , gdzie a i b
B(3, 2) i C(−1, 2). nie są równoległe. (a) Pokazać, że istnieją liczby x i y
6. Obliczyć wysokość h trójkąta o wierzchołkach takie, że c × (a × b) = xa + yb. (b) Wywnioskować
A(1, 0, 0), B(0, 2, 0), C(0, 0, 3) poprowadzoną z wierz- stąd, że x(ca) + y(cb) = 0. (c) Dla wektorów c = c1 i,
chołka C na bok AB. a = a1 i + a2 j i b = b1 i + b2 j + b3 k obliczyć c × (a × b)
oraz (cb)a − (ca)b i stąd wywnioskować, że c × (a ×
7. Obliczyć pole wielokąta o wierzchołkach w punktach:
b) = (cb)a − (ca)b. (Dla matematyków: czy ostatnia
(a) (1, 1), (4, 2), (3, 4) i (2, 4); (b) (2, 1), (6, 1), (7, 3),
równość jest prawdziwa dla każdych wektorów a, b
(5, 5) i (3, 4). i c z przestrzeni R3 ?)
282 12. Geometria analityczna
12. Niech a będzie wektorem niezerowym. Pokazać, że 31. Zbadać wzajemne położenie prostych −(x + 1) = y −
jeśli b jest wektorem takim, że a × b = 0 i a · b = 0, 1 = (z − 1)/2 i x/2 = y = −z i obliczyć kąt między
to b = 0. tymi prostymi.
13. Niech a i b będą różnymi niezerowymi wektorami 32. Przez punkt P (1, 2, 3) poprowadzić prostą, która pod
z przestrzeni R3 . Rozwiązać równania: (a) x = a × x; kątem prostym przecina prostą x = 3+2t, y = −4−t,
(b) x − a = a × z; (c) a × x = b × x; (d) (a × x) × z = 1 + 5t.
(b × x) = 0. 33. Wskazać równanie prostej przecinającej proste
14. Napisać równanie prostej przechodzącej przez punkt
x−1 y+2 z−3 x+1 y−1 z+1
P (1, 1, 3) i równoległej do: (a) wektora n = (2, −3, 5); = = i = =
(b) prostej −(x − 1)/3 = (y + 1)/2 = −(z + 1); (c) osi −1 2 1 3 2 −1
Ox. i przechodzącej przez punkt (0, 0, 0).
15. Wyznaczyć punkt, w którym prosta przechodzą- 34. Wyznaczyć punkt P przecięcia się prostych o równa-
ca przez punkty A(2, 1, 3) i B(4, −1, 5) przecina się niach −x = −(y + 5)/7 = (z − 7)/4 i (x + 1)/2 =
z płaszczyzną Oxz. (y − 2)/0 = (z + 3)/6.
16. Przez punkt A(0, 1, −1) poprowadzić prostą prosto- 35. Wskazać punkt przecięcia się prostych x−1 = y−2 =
4 5
padłą do prostych (x + 3)/2 = (y − 5)/3 = −(z + 8) z−3 x−4 y−5 z−6
i 1 = 2 = 3 . Następnie napisać równanie
6
i x = 4 − t, y = 5 + t, z = 3t. płaszczyzny zawierającej obie proste.
17. Obliczyć odległość d punktu A(2, 1, 0) od prostej x + 36. Wyznaczyć równanie płaszczyzny równoległej do osi
1 = y − 1 = −(z − 3)/3. Oy, prostopadłej do płaszczyzny 2x − y + 5z = 0
18. Obliczyć odległość punktu A(3, 1, 2) od prostej i przechodzącej przez punkt A(1, 2, 3).
x−2
3
= y−32
= z−12
. 37. Znaleźć równanie płaszczyzny przechodzącej przez
19. Znaleźć rzut ortogonalny A0 punktu A(2, 1, −3) na punkt A(2, 0, 1), prostopadłej do płaszczyzny x+5z −
prostą x = 2 + 2t, y = 8 + 5t, z = 2 − t. 1 = 0 i równoległej do prostej x−1 = −1y
= z−2 .
4 2
20. Znaleźć rzut ortogonalny A0 punktu A(1, 1, 19) na 38. Podać równanie parametryczne rzutu ortogonalnego
prostą x−2 3
= y−34
= z−1
2
. Obliczyć odległość między prostej x−1 = y−1 = z−2 na płaszczyznę x + 2y +
1 0 1
punktami A i A0 . 3z − 1 = 0.
21. Dana jest prosta ` przechodząca przez punkty 39. Napisać równanie prostej przechodzącej przez punkt
A(2, 4, 9) i B(4, 6, 7). Znaleźć odległość d prostej ` (0, 0, 0) i równoległej do płaszczyzn x + y − 2z = 1
od punktu C(0, 0, 0) i wyznaczyć rzut ortogonalny C 0 i 3x − y + 7z = 2.
punktu C na prostą `. 40. Napisać równanie płaszczyzny przechodzącej przez
22. Płaszczyzny x + y + z = 0 i x − 3y + 9z − 28 = 0 punkty (1, 0, 1), (−1, 1, 1) i (5, 4, −3).
przecinają się wzdłuż prostej. Napisać równanie tej 41. Pokazać, że punkty (−5, 3, 3), (−1, −2, −2), (2, 8, 3)
prostej. i (3, 4, 0) leżą w jednej płaszczyźnie. Wyznaczyć rów-
23. Napisać równanie parametryczne prostej przecięcia nanie tej płaszczyzny.
płaszczyzn 4x − 5y − 2z + 3 = 0 i x + 4y + 3z − 8 = 0. 42. Napisać równanie płaszczyzny przechodzącej przez
24. Na prostej `, wzdłuż której przecinają się płaszczyzny punkt P (−1, 2, 4) i prostopadłej do płaszczyzn 6x −
x + y − 2z = 1 i x + 3y − z = 4, wskazać punkt B 2y + 3z− 12 = 0 i 3x + 2y − 6z + 21 = 0.
najbliższy punktowi A(1, 2, 4). 43. Napisać równanie prostej przechodzącej przez punkt
25. Znaleźć długość d rzutu ortogonalnego odcinka łączą- A(6, 1, −2) i prostopadłej do płaszczyzny 3x − 2y +
cego punkty A(5, 2, 3) i B(0, 1, −7) na prostą przecho- z − 4 = 0.
dzącą przez punkty C(1, 2, 0) i D(7, 2, −8). 44. Jakie jest położenie prostej (x, y, z) = (1+t, 2−3t, 1+
26. Proste `1 i `2 określone są przez równania x−2 3
= 2t) względem płaszczyzny 3x + 5y + 6z − 19 = 0?
y+3 y−5
−4
= z−4
12
i x−1
4
= 0
= z+3
3
. Znaleźć cosinus kąta 45. Wyznaczyć odległość punktu (1, 1, 1) od prostej,
pomiędzy prostymi `1 i `2 oraz odległość prostej `1 wzdłuż której przecinają się płaszczyzny 2x−y+z = 3
od prostej `2 . i x − 3y + 3z = 4.
27. Obliczyć odległość d pomiędzy prostymi skośnymi 46. Obliczyć odległość d punktu P (2, −1, 6) od płaszczy-
(x − 2)/3 = (y − 8)/4 = −(z + 6) i −(x − 9)/6 = zny 7x − 4y + 4z − 6 = 0.
(y − 3)/4 = z − 4. 47. Znaleźć symetryczne odbicie A0 punktu A(4, 21, 2)
28. Dana jest prosta przechodząca przez punkty względem płaszczyzny 2x + 3y − 4z − 5 = 0.
A(1, 1, 5) i B(−2, 1, 2) i druga przechodząca przez 48. Znaleźć punkt A0 symetryczny do punktu A(7, 5, −3)
punkty C(2, 2, 1) i D(1, −2, 1). Obliczyć odległość d względem płaszczyzny przechodzącej przez punkt
między tymi prostymi. B(3, 2, 2) i równoległej do wektorów m = (1, 2, 2)
29. Znaleźć punkty A i B leżące odpowiednio na pro- i n = (3, 1, 2).
stych (x, y, z) = (−1, 7, 1) + t(−2, 5, 1) i (x, y, z) = 49. Wyznaczyć odległość punktu P0 (3, −1, 2) od płasz-
(3, 1, 4) + s(3, 0, 1), odległość pomiędzy którymi jest czyzny (x, y, z) = (3, 1, −2) + t(1, −1, 1) + s(1, 1, −1).
równa odległości pomiędzy prostymi. 50. Obliczyć odległość d między płaszczyznami 2x−10y+
30. Dane są proste (x, y, z) = (1, 1, 1) + t(1, −1, 1) 11z − 15 = 0 i 2x − 10y + 11z + 15 = 0.
i (x, y, z) = (1, −1, 1) + s(−1, 1, 1). Znaleźć cosinus 51. Napisać równania płaszczyzn dwusiecznych kątów
kąta nachylenia oraz odległość pomiędzy tymi pro- dwuściennych między płaszczyznami x+2y +2z −1 =
stymi. 0 i 4x + 4y + 7z + 1 = 0.
Bibliografia 283
52. Wektorami wodzącymi punktów A, B i C są a = 59. Napisać równanie płaszczyny zawierającej prostą x−
(2, −4, −3), b = (6, 0, 4) i c = (−2 + 4t, 1 + 4t, 8 + 7t). 2 = (y + 3)/2 = (z − 4)/3 i jej ortogonalny rzut na
(a) Obliczyć pole trójkąta ABC. (b) Dlaczego pole płaszczyznę 3x − y + 2z + 1 = 0.
trójkąta ABC nie zależy od t? (c) Obliczyć pole trój- 60. Wpisując TAK albo NIE, stwierdzić prawdziwość
kąta A0 B 0 C 0 będącego rzutem prostopadłym trójkąta każdego z następujących zdań:
ABC na płaszczyznę 2x − y + 2z = 0. 1 Załóżmy, że wektory b i c są równoległe. Czy
53. Wyznaczyć zbiór tych punktów, które leżą w płasz- wektory a × b i a × c są równoległe?
czyźnie x − 2y + 3z = 0 i są równooddalone od punk-
tów A(1, −3, 4) i B(−1, 1, 0). 2 Niech wektory b i c będą ortogonalne. Czy w
takim przypadku wektory a × b i a × c także będą
54. Napisać równanie płaszczyzny przechodzącej przez
ortogonalne?
punkty A(1, 2, 3) i B(3, −1, 4) i prostopadłej do płasz-
czyzny x − 3y + 2z + 4 = 0. 3 Iloczyn mieszany wektorów jest wektorem.
55. Obliczyć kąt nachylenia płaszczyzn: (a) x−y−2z = 4 4 Dla każdych a, b ∈ R3 jest (a + b) × (a −
i 2x + y − z = 5; (b) 2x − 10y + 11z − 1 = 0 i 4x + b) = 2(b × a).
4y − 7z + 2 = 0.
5 Dla każdych a, b ∈ R3 jest ||a · (a × b)||
56. Napisać równanie prostej przechodzącej przez punkt
= ||a|| ||b|| sin ](a, b).
2
A(0, 1, 6), równoległej do płaszczyzny 2x−y+3z+4 =
x−1 y+2
0 i przecinającej prostą 2 = 3 = 4 . z 6 Dla a, b ∈ R3 jest ||a×b||2 +|a·b|2 = ||a||2 ||b||2 .
57. Wyznaczyć płaszczyznę przechodzącą przez punkt 7 Dla każdego a ∈ R3 jest ||a × a|| = ||a||2 .
(2, −1, −3) i przez prostą przecięcia płaszczyzn 3x +
2y − 4z = 7 i 6x − 3y + 2z = 4. 8 Jeśli kąt między wektorami a i b z przestrzeni
58. Napisać równanie parametryczne prostej będącej rzu- R3 jest równy π/4, to ||a × b|| = |a · b|.
tem ortogonalnym prostej x−1 2
= y+2
3
= z4 na płasz- 9 Dla każdych a, b, c ∈ R3 jest a × (b × c) =
czyznę 2x − y + 3z + 4 = 0. (a × b) × c.
BIBLIOGRAFIA
[1] Banaszak G., Gajda W.: Elementy algebry liniowej, cz. I i II. Warszawa: Wydawnictwa Naukowo-Techniczne
2002.
[2] Białynicki-Birula A.: Algebra liniowa z geometrią. Warszawa: Państwowe Wydawnictwo Naukowe 1979.
[3] Fichtenholz G. M.: Rachunek różniczkowy i całkowy, tom 2. Warszawa: Państwowe Wydawnictwo Naukowe
1966.
[4] Friedberg S. H., Insel A. J., Spence L. E.: Linear Algebra. New Jersey: Prentice Hall 1999.
[5] Gleichgewicht B.: Algebra. Wrocław: Oficyna Wydawnicza GiS 2002.
[6] Jurlewicz T., Skoczylas Z.: Algebra liniowa 1. Definicje, twierdzenia, wzory. Wrocław: Oficyna Wydawnicza GiS
2003.
[7] Jurlewicz T., Skoczylas Z.: Algebra liniowa 2. Definicje, twierdzenia, wzory. Wrocław: Oficyna Wydawnicza GiS
2003.
[8] Jurlewicz T., Skoczylas Z.: Algebra liniowa 1. Przykłady i zadania. Wrocław: Oficyna Wydawnicza GiS 2003.
[9] Jurlewicz T., Skoczylas Z.: Algebra liniowa 2. Przykłady i zadania. Wrocław: Oficyna Wydawnicza GiS 2003.
[10] Kaczorek T.: Wektory i macierze w automatyce i elektrotechnice. Warszawa: Wydawnictwa Naukowo-Techni-
czne 1998.
[11] Klukowski J., Nabiałek I.: Algebra dla studentów. Warszawa: Wydawnictwa Naukowo-Techniczne 1999.
[12] Kostrykin A.: Wstęp do algebry. Warszawa: Państwowe Wydawnictwo Naukowe 1984.
[13] Mostowski A., Stark M.: Elementy algebry wyższej. Warszawa: Państwowe Wydawnictwo Naukowe 1965.
[14] Rudin W.: Podstawy analizy matematycznej. Warszawa: Państwowe Wydawnictwo Naukowe 1969.
[15] Sołtysiak A.: Algebra liniowa. Poznań: Wydawnictwo Naukowe UAM 1996.
Skorowidz
algorytm forma kwadratowa
Gaussa-Jordana, 90 dodatnio (pół)określona, 259, 261,
Grama-Schmidta, 198 262
Hornera, 45 nieokreślona, 259, 261, 262
argument liczby zespolonej, 25–27 postać kanoniczna, 252–259
postać macierzowa, 250
baza ujemnie (pół)określona, 259, 261,
ortogonalna, 196, 199, 202 262
ortonormalna, 196, 197, 199, 201, funkcja
202, 211 odwracalna, 180
standardowa, 196 odwrotna, 180
baza przestrzeni wektorowej, 135–137, wielomianowa, 42
139, 140, 150, 196, 202, 221, wymierna, 54–63
223, 226, 237
Bessela nierówność, 215 generator grupy, 14
bijekcja, 10 generator przestrzeni, 127, 129, 134
granica ciągu macierzy, 234, 235
Cauchy’ego-Minkowskiego nierówność, grupa, 10–14, 18
194 grupa
centrum grupy, 17 cykliczna, 14, 18
ciąg Fibonacciego, 244 macierzy, 68
ciąg rekurencyjny, 242 podgrupa, 13, 18
ciało, 16, 18 podgrupa cykliczna, 14
ciało podgrupa trywialna, 13
ciało Zn , 17 przemienna, 10, 121
liczb rzeczywistych, 17 reszt modulo n, 12
liczb wymiernych, 17 symetryczna, 10
liczb zespolonych, 19
skalarów, 120 Hornera schemat, 44
cosinus kąta pomiędzy prostymi, 272
iloczyn
długość wektora, 193, 211 macierzy, 68–79
dodawanie modulo n, 12 mieszany wektorów, 267
dopasowanie prostej, 208–210 przekształcenia liniowego przez ska-
dopełnienie algebraiczne, 108 lar, 171
działanie skalarny wektorów, 191, 211
łączne, 7 wektora przez skalar, 120
dwuargumentowe, 7 wektorowy wektorów, 265–267
modulo n, 11 wielomianów, 39
przemienne, 7 iloczyn macierzy przez skalar, 67
zewnętrzne, 120 izomorfizm ciał, 38
dzielenie wielomianów z resztą, 42 izomorfizm przestrzeni wektorowych, 143,
dzielnik zera, 15, 18 144, 179