1 – 3
Transkrypt
1 – 3
Matematyka i statystyka w finansach Rok akad. 2012/13, semestr letni Podstawowe oznaczenia: zbiory liczbowe Przypomnijmy kilka oznaczeń: Zbiory liczbowe: N = {1, 2, 3, . . .} to zbiór liczb naturalnych, Z to zbiór liczb całkowitych . . . , −3, −2, −1, 0, 1, 2, 3, . . . , (Z, √ a nie C), R to zbiór liczb rzeczywistych (takich, jak 0, 1, −2, 1,674, π, 2) Zachodzi zawieranie N ⊂ Z ⊂ R Podstawowe oznaczenia: przedziały Przedziały: (a, b) to przedział otwarty; zbiór liczb x spełniających warunek a < x < b, [a, b] = ha, bi to przedział domknięty; zbiór liczb x spełniających warunek a 6 x 6 b, (a, b] = (a, bi to zbiór liczb x spełniających warunek a < x 6 b, [a, b) = ha, b) to zbiór liczb x spełniających warunek a 6 x < b (a, +∞) to zbiór liczb x spełniających warunek x > a, [a, +∞) = ha, +∞) to zbiór liczb x spełniających warunek x ≥ a, (−∞, b) to zbiór liczb x spełniających warunek x < b, (−∞, b] = (−∞, bi to zbiór liczb x spełniających warunek x 6 b. Podstawowe oznaczenia: przedziały Przedziały: (a, b) to przedział otwarty; zbiór liczb x spełniających warunek a < x < b, [a, b] = ha, bi to przedział domknięty; zbiór liczb x spełniających warunek a 6 x 6 b, (a, b] = (a, bi to zbiór liczb x spełniających warunek a < x 6 b, [a, b) = ha, b) to zbiór liczb x spełniających warunek a 6 x < b (a, +∞) to zbiór liczb x spełniających warunek x > a, [a, +∞) = ha, +∞) to zbiór liczb x spełniających warunek x ≥ a, (−∞, b) to zbiór liczb x spełniających warunek x < b, (−∞, b] = (−∞, bi to zbiór liczb x spełniających warunek x 6 b. Podstawowe oznaczenia: suma ( P Q ), iloczyn ( ), silnia Przykład 6 X i 2 = 32 + 42 + 52 + 62 i=3 25 Y bk = b1 · b2 · b3 · . . . · b25 k=1 Przykład (Silnia) Dla dowolnej liczby naturalnej n! (czyt. n silnia) oznacza liczbę n! = n Y k=1 na przykład 4! = 1 · 2 · 3 · 4 = 24. Dodatkowo definiuje się 0! = 1. k = 1 · 2 · . . . · n, Podstawowe oznaczenia: suma ( P Q ), iloczyn ( ), silnia Przykład 6 X i 2 = 32 + 42 + 52 + 62 i=3 25 Y bk = b1 · b2 · b3 · . . . · b25 k=1 Przykład (Silnia) Dla dowolnej liczby naturalnej n! (czyt. n silnia) oznacza liczbę n! = n Y k=1 na przykład 4! = 1 · 2 · 3 · 4 = 24. Dodatkowo definiuje się 0! = 1. k = 1 · 2 · . . . · n, Macierze Macierz to układ liczb tworzący prostokątną tablicę A11 A12 . . . A1m A21 A22 . . . A2m A= . .. .. . . . . . . . An1 An2 . . . Anm Powyższa macierz ma n wierszy oraz m kolumn. Liczba wierszy i liczba kolumn określają wymiar (rozmiar) macierzy. Podana wyżej macierz ma wymiar n × m. Przykład 2 −4 5 7 Macierz B = −3 7 8 5 jest macierzą wymiaru 3 × 4. Wyrazem 1 2 3 −2 stojącym w drugim wierszu i trzeciej kolumnie jest B2,3 = 8. Macierze Macierz to układ liczb tworzący prostokątną tablicę A11 A12 . . . A1m A21 A22 . . . A2m A= . .. .. . . . . . . . An1 An2 . . . Anm Powyższa macierz ma n wierszy oraz m kolumn. Liczba wierszy i liczba kolumn określają wymiar (rozmiar) macierzy. Podana wyżej macierz ma wymiar n × m. Przykład 2 −4 5 7 Macierz B = −3 7 8 5 jest macierzą wymiaru 3 × 4. Wyrazem 1 2 3 −2 stojącym w drugim wierszu i trzeciej kolumnie jest B2,3 = 8. Działania na macierzach: transpozycja Transpozycja to najprostsze działanie na macierzach. Operuje ono na jednej macierzy. Wynikiem transpozycji na macierzy A wymiaru n × m jest macierz AT = A0 wymiaru m × n taka, że (AT )ji = A0ji = Aij dla i = 1, 2, . . . , n oraz j = 1, 2, . . . , m, to znaczy A11 A12 . . . A21 A22 . . . .. .. .. . . . An1 An2 . . . T A1m A11 A21 . . . A12 A22 . . . A2m .. = .. .. .. . . . . Anm A1m A2m . . . An1 An2 .. . Anm (macierz ulega symetrii względem ukośnej prostej zawierającej główną przekątną macierzy). Matematycy macierz transponowaną do macierzy A zwykle oznaczają jako AT , zaś ekonomiści i statystycy jako A0 . Zachodzi równość A00 = A. Działania na macierzach: transpozycja Transpozycja to najprostsze działanie na macierzach. Operuje ono na jednej macierzy. Wynikiem transpozycji na macierzy A wymiaru n × m jest macierz AT = A0 wymiaru m × n taka, że (AT )ji = A0ji = Aij dla i = 1, 2, . . . , n oraz j = 1, 2, . . . , m, to znaczy A11 A12 . . . A21 A22 . . . .. .. .. . . . An1 An2 . . . T A1m A11 A21 . . . A12 A22 . . . A2m .. = .. .. .. . . . . Anm A1m A2m . . . An1 An2 .. . Anm (macierz ulega symetrii względem ukośnej prostej zawierającej główną przekątną macierzy). Matematycy macierz transponowaną do macierzy A zwykle oznaczają jako AT , zaś ekonomiści i statystycy jako A0 . Zachodzi równość A00 = A. Działania na macierzach: transpozycja Transpozycja to najprostsze działanie na macierzach. Operuje ono na jednej macierzy. Wynikiem transpozycji na macierzy A wymiaru n × m jest macierz AT = A0 wymiaru m × n taka, że (AT )ji = A0ji = Aij dla i = 1, 2, . . . , n oraz j = 1, 2, . . . , m, to znaczy A11 A12 . . . A21 A22 . . . .. .. .. . . . An1 An2 . . . T A1m A11 A21 . . . A12 A22 . . . A2m .. = .. .. .. . . . . Anm A1m A2m . . . An1 An2 .. . Anm (macierz ulega symetrii względem ukośnej prostej zawierającej główną przekątną macierzy). Matematycy macierz transponowaną do macierzy A zwykle oznaczają jako AT , zaś ekonomiści i statystycy jako A0 . Zachodzi równość A00 = A. Działania na macierzach: transpozycja Transpozycja to najprostsze działanie na macierzach. Operuje ono na jednej macierzy. Wynikiem transpozycji na macierzy A wymiaru n × m jest macierz AT = A0 wymiaru m × n taka, że (AT )ji = A0ji = Aij dla i = 1, 2, . . . , n oraz j = 1, 2, . . . , m, to znaczy A11 A12 . . . A21 A22 . . . .. .. .. . . . An1 An2 . . . T A1m A11 A21 . . . A12 A22 . . . A2m .. = .. .. .. . . . . Anm A1m A2m . . . An1 An2 .. . Anm (macierz ulega symetrii względem ukośnej prostej zawierającej główną przekątną macierzy). Matematycy macierz transponowaną do macierzy A zwykle oznaczają jako AT , zaś ekonomiści i statystycy jako A0 . Zachodzi równość A00 = A. Działania na macierzach: dodawanie i odejmowanie Dwie macierze tego samego wymiaru n × m (obie muszą mieć tę samą liczbę wierszy i obie muszą mieć tę samą liczbę kolumn) można dodawać i odejmować: (A + B)ij = Aij + Bij , dla i = 1, 2, . . . , n oraz A11 A12 A21 A22 .. .. . . (A − B)ij = Aij − Bij j = 1, 2, . . . , m, to znaczy B11 B12 . . . . . . A1m . . . A2m B21 B22 . . . .. ± .. .. .. .. . . . . . Bn1 Bn2 . . . . . . Anm An1 An2 A11 ± B11 A21 ± B21 = .. . An1 ± Bn1 A12 ± B12 . . . A22 ± B22 . . . .. .. . . An2 ± Bn2 . . . B1m B2m .. = . Bnm A1m ± B1m A2m ± B2m .. . Anm ± Bnm (wyrazy macierzy stojące na tych samych miejscach zostają dodane lub odjęte). Działania na macierzach: dodawanie i odejmowanie Dwie macierze tego samego wymiaru n × m (obie muszą mieć tę samą liczbę wierszy i obie muszą mieć tę samą liczbę kolumn) można dodawać i odejmować: (A + B)ij = Aij + Bij , dla i = 1, 2, . . . , n oraz A11 A12 A21 A22 .. .. . . (A − B)ij = Aij − Bij j = 1, 2, . . . , m, to znaczy B11 B12 . . . . . . A1m . . . A2m B21 B22 . . . .. ± .. .. .. .. . . . . . Bn1 Bn2 . . . . . . Anm An1 An2 A11 ± B11 A21 ± B21 = .. . An1 ± Bn1 A12 ± B12 . . . A22 ± B22 . . . .. .. . . An2 ± Bn2 . . . B1m B2m .. = . Bnm A1m ± B1m A2m ± B2m .. . Anm ± Bnm (wyrazy macierzy stojące na tych samych miejscach zostają dodane lub odjęte). Działania na macierzach: dodawanie i odejmowanie Przykład Dodajemy dwie macierze wymiaru 2 × 3: 2 −4 5 2 4 4 + = −3 7 8 −2 0 1 = 2+2 −4 + 4 5 + 4 −3 + (−2) 7 + 0 8 + 1 = 4 0 9 −5 7 9 Przykład Od jednej macierzy wymiaru 2 × 2 odejmujemy drugą, o tym samym wymiarze: 1 2 3 −5 1 − 3 2 − (−5) −2 7 − = = 7 −1 3 − 7 4 − (−1) −4 5 3 4 Działania na macierzach: dodawanie i odejmowanie Przykład Dodajemy dwie macierze wymiaru 2 × 3: 2 −4 5 2 4 4 + = −3 7 8 −2 0 1 = 2+2 −4 + 4 5 + 4 −3 + (−2) 7 + 0 8 + 1 = 4 0 9 −5 7 9 Przykład Od jednej macierzy wymiaru 2 × 2 odejmujemy drugą, o tym samym wymiarze: 1 2 3 −5 1 − 3 2 − (−5) −2 7 − = = 3 4 7 −1 3 − 7 4 − (−1) −4 5 Działania na macierzach: dodawanie i odejmowanie Przykład Dodajemy dwie macierze wymiaru 2 × 3: 2 −4 5 2 4 4 + = −3 7 8 −2 0 1 = 2+2 −4 + 4 5 + 4 −3 + (−2) 7 + 0 8 + 1 = 4 0 9 −5 7 9 Przykład Od jednej macierzy wymiaru 2 × 2 odejmujemy drugą, o tym samym wymiarze: 1 2 3 −5 1 − 3 2 − (−5) −2 7 − = = 3 4 7 −1 3 − 7 4 − (−1) −4 5 Działania na macierzach: dodawanie i odejmowanie Przykład Dodajemy dwie macierze wymiaru 2 × 3: 2 −4 5 2 4 4 + = −3 7 8 −2 0 1 = 2+2 −4 + 4 5 + 4 −3 + (−2) 7 + 0 8 + 1 = 4 0 9 −5 7 9 Przykład Od jednej macierzy wymiaru 2 × 2 odejmujemy drugą, o tym samym wymiarze: 1 2 3 −5 1 − 3 2 − (−5) −2 7 − = = 3 4 7 −1 3 − 7 4 − (−1) −4 5 Działania na macierzach: dodawanie i odejmowanie Przykład Dodajemy dwie macierze wymiaru 2 × 3: 2 −4 5 2 4 4 + = −3 7 8 −2 0 1 = 2+2 −4 + 4 5 + 4 −3 + (−2) 7 + 0 8 + 1 = 4 0 9 −5 7 9 Przykład Od jednej macierzy wymiaru 2 × 2 odejmujemy drugą, o tym samym wymiarze: 1 2 3 −5 1 − 3 2 − (−5) −2 7 − = = 3 4 7 −1 3 − 7 4 − (−1) −4 5 Działania na macierzach: dodawanie i odejmowanie Przykład Dodajemy dwie macierze wymiaru 2 × 3: 2 −4 5 2 4 4 + = −3 7 8 −2 0 1 = 2+2 −4 + 4 5 + 4 −3 + (−2) 7 + 0 8 + 1 = 4 0 9 −5 7 9 Przykład Od jednej macierzy wymiaru 2 × 2 odejmujemy drugą, o tym samym wymiarze: 1 2 3 −5 1 − 3 2 − (−5) −2 7 − = = 3 4 7 −1 3 − 7 4 − (−1) −4 5 Działania na macierzach: mnożenie macierzy przez liczbę Macierz można pomnożyć przez liczbę. Jeśli A jest macierzą wymiaru n × m, zaś a jest liczbą (liczbą rzeczywistą), to (a · A)ij = (A · a)ij = a · Aij dla i = 1, 2, . . . , n oraz A11 A12 A21 A22 a· . .. .. . An1 An2 j = 1, 2, . . . , m, to znaczy A11 A12 . . . . . . A1m A21 A22 . . . . . . A2m .. = .. .. .. .. . . . . . An1 An2 . . . . . . Anm a · A11 a · A12 . . . a · A21 a · A22 . . . = . .. .. .. . . a · An1 a · An2 . . . a · A1m a · A2m .. . a · Anm (każdy wyraz macierzy został pomnożony przez stałą a). A1m A2m .. · a = . Anm Działania na macierzach: mnożenie macierzy przez liczbę Macierz można pomnożyć przez liczbę. Jeśli A jest macierzą wymiaru n × m, zaś a jest liczbą (liczbą rzeczywistą), to (a · A)ij = (A · a)ij = a · Aij dla i = 1, 2, . . . , n oraz A11 A12 A21 A22 a· . .. .. . An1 An2 j = 1, 2, . . . , m, to znaczy A11 A12 . . . . . . A1m A21 A22 . . . . . . A2m .. .. = .. .. .. . . . . . An1 An2 . . . . . . Anm a · A11 a · A12 . . . a · A21 a · A22 . . . = . .. .. .. . . a · An1 a · An2 . . . a · A1m a · A2m .. . a · Anm (każdy wyraz macierzy został pomnożony przez stałą a). A1m A2m .. · a = . Anm Działania na macierzach: mnożenie macierzy przez liczbę Przykład Pomnóżmy macierz 2 −4 A = −3 2 1 0 przez −3: −3 · 2 −3 · (−4) −6 12 −3 · 2 = 9 −6 −3 · A = A · (−3) = −3 · (−3) −3 · 1 −3 · 0 −3 0 Działania na macierzach: mnożenie macierzy przez liczbę Przykład Pomnóżmy macierz 2 −4 A = −3 2 1 0 przez −3: −3 · 2 −3 · (−4) −6 12 −3 · 2 = 9 −6 −3 · A = A · (−3) = −3 · (−3) −3 · 1 −3 · 0 −3 0 Działania na macierzach: mnożenie macierzy przez liczbę Przykład Pomnóżmy macierz 2 −4 A = −3 2 1 0 przez −3: −3 · 2 −3 · (−4) −6 12 −3 · 2 = 9 −6 −3 · A = A · (−3) = −3 · (−3) −3 · 1 −3 · 0 −3 0 Działania na macierzach: mnożenie macierzy Jeżeli macierz A ma wymiar n × m, zaś macierz B ma wymiar m × l to można obliczyć iloczyn tych macierzy: A · B. Iloczyn ten jest macierzą wymiaru n × l, przy czym (A · B)ik = m X Aij Bjk j=1 dla i = 1, 2, . . . , n oraz k = 1, 2, . . . , l Jeśli liczba kolumn macierzy A różni się od liczby wierszy macierzy B, to mnożenia A · B nie da się wykonać. A · B oraz B · A to zwykle nie to samo (mnożenie macierzy nie jest przemienne). Często tylko jedno z tych mnożeń da się wykonać. Działania na macierzach: mnożenie macierzy Jeżeli macierz A ma wymiar n × m, zaś macierz B ma wymiar m × l to można obliczyć iloczyn tych macierzy: A · B. Iloczyn ten jest macierzą wymiaru n × l, przy czym (A · B)ik = m X Aij Bjk j=1 dla i = 1, 2, . . . , n oraz k = 1, 2, . . . , l Jeśli liczba kolumn macierzy A różni się od liczby wierszy macierzy B, to mnożenia A · B nie da się wykonać. A · B oraz B · A to zwykle nie to samo (mnożenie macierzy nie jest przemienne). Często tylko jedno z tych mnożeń da się wykonać. Działania na macierzach: mnożenie macierzy Jeżeli macierz A ma wymiar n × m, zaś macierz B ma wymiar m × l to można obliczyć iloczyn tych macierzy: A · B. Iloczyn ten jest macierzą wymiaru n × l, przy czym (A · B)ik = m X Aij Bjk j=1 dla i = 1, 2, . . . , n oraz k = 1, 2, . . . , l Jeśli liczba kolumn macierzy A różni się od liczby wierszy macierzy B, to mnożenia A · B nie da się wykonać. A · B oraz B · A to zwykle nie to samo (mnożenie macierzy nie jest przemienne). Często tylko jedno z tych mnożeń da się wykonać. Działania na macierzach: mnożenie macierzy Przykład Dla macierzy 2 −4 A = −3 2 , 1 0 obliczyć A · B 2 A·B = −3 1 B= 2 5 −3 1 oraz B · A. −4 2 · 2 + (−4) · (−3) 2 · 5 + (−4) · 1 2 5 2 · = (−3) · 2 + 2 · (−3) (−3) · 5 + 2 · 1 = −3 1 0 1 · 2 + 0 · (−3) 1·5+0·1 16 6 = −12 −12 2 5 B · A – nie istnieje (liczba kolumn macierzy B 6= liczba wierszy macierzy A). Działania na macierzach: mnożenie macierzy Przykład Dla macierzy 2 −4 A = −3 2 , 1 0 obliczyć A · B 2 A·B = −3 1 B= 2 5 −3 1 oraz B · A. 2 · 2 + (−4) · (−3) 2 · 5 + (−4) · 1 −4 2 5 2 · = (−3) · 2 + 2 · (−3) (−3) · 5 + 2 · 1 = −3 1 1 · 2 + 0 · (−3) 1·5+0·1 0 16 6 = −12 −12 2 5 B · A – nie istnieje (liczba kolumn macierzy B 6= liczba wierszy macierzy A). Działania na macierzach: mnożenie macierzy Przykład Dla macierzy 2 −4 A = −3 2 , 1 0 obliczyć A · B 2 A·B = −3 1 B= 2 5 −3 1 oraz B · A. 2 · 2 + (−4) · (−3) 2 · 5 + (−4) · 1 −4 2 5 2 · = (−3) · 2 + 2 · (−3) (−3) · 5 + 2 · 1 = −3 1 1 · 2 + 0 · (−3) 1·5+0·1 0 16 6 = −12 −12 2 5 B · A – nie istnieje (liczba kolumn macierzy B 6= liczba wierszy macierzy A). Działania na macierzach: mnożenie macierzy Przykład Dla macierzy 2 −4 A = −3 2 , 1 0 obliczyć A · B 2 A·B = −3 1 B= 2 5 −3 1 oraz B · A. 2 · 2 + (−4) · (−3) 2 · 5 + (−4) · 1 −4 2 5 2 · = (−3) · 2 + 2 · (−3) (−3) · 5 + 2 · 1 = −3 1 1 · 2 + 0 · (−3) 1·5+0·1 0 16 6 = −12 −12 2 5 B · A – nie istnieje (liczba kolumn macierzy B 6= liczba wierszy macierzy A). Działania na macierzach: mnożenie macierzy Przykład Dla macierzy 2 −4 A = −3 2 , 1 0 obliczyć A · B 2 A·B = −3 1 B= 2 5 −3 1 oraz B · A. 2 · 2 + (−4) · (−3) 2 · 5 + (−4) · 1 −4 2 5 2 · = (−3) · 2 + 2 · (−3) (−3) · 5 + 2 · 1 = −3 1 1 · 2 + 0 · (−3) 1·5+0·1 0 16 6 = −12 −12 2 5 B · A – nie istnieje (liczba kolumn macierzy B 6= liczba wierszy macierzy A). Działania na macierzach: własności Działania na macierzach mają wiele ważnych własności. Oto niektóre z nich: (A + B) + C = A + (B + C ), A + B = B + A, (A · B) · C = A · (B · C ), ale nie zawsze A · B = B · A (A ± B)T = AT ± B T , (a · A)T = a · AT , (A · B)T = B T · AT , a · (A ± B) = a · A ± a · B, C · (A ± B) = C · A ± C · B, (A ± B) · C = A · C ± B · C Macierze kwadratowe, macierze jednostkowe Macierz kwadratowa to macierz, która ma tyle samo kolumn, co wierszy, czyli macierz wymiaru n × n dla pewnego n ∈ N. Wśród macierzy kwadratowych wymiaru n × n szczególnie ważna jest macierz identycznościowa (jednostkowa) oznaczana I lub In lub Id. Jest to macierz, w której na głównej(przekątnej występują jedynki, a wszędzie 1 gdy i = j indziej zera, to znaczy Iij = . 0 gdy i 6= j Przykład Oto macierze identycznościowe 1 0 1 0 0 0 1 1 0 , 0 1 0, 0 0 0 1 0 0 1 0 0 kilku wymiarów 1 0 0 0 0 1 0 0 , 0 0 1 0 0 0 0 1 0 0 (od 0 0 1 0 0 2 × 2do 5 × 5): 0 0 0 0 0 0 . 1 0 0 1 Macierze kwadratowe, macierze jednostkowe Macierz kwadratowa to macierz, która ma tyle samo kolumn, co wierszy, czyli macierz wymiaru n × n dla pewnego n ∈ N. Wśród macierzy kwadratowych wymiaru n × n szczególnie ważna jest macierz identycznościowa (jednostkowa) oznaczana I lub In lub Id. Jest to macierz, w której na głównej(przekątnej występują jedynki, a wszędzie 1 gdy i = j indziej zera, to znaczy Iij = . 0 gdy i 6= j Przykład Oto macierze identycznościowe 1 0 1 0 0 0 1 1 0 , 0 1 0, 0 0 0 1 0 0 1 0 0 kilku wymiarów 1 0 0 0 0 1 0 0 , 0 0 1 0 0 0 0 1 0 0 (od 0 0 1 0 0 2 × 2do 5 × 5): 0 0 0 0 0 0 . 1 0 0 1 Macierze jednostkowe, macierze odwrotne Jeśli macierz I jest macierzą identycznościową wymiaru n × n oraz macierz A ma n wierszy, to I · A = A. Jeśli macierz A ma n kolumn, to A · I = A. Macierzą odwrotną do macierzy kwadratowej A wymiaru n × n jest taka macierz kwadratowa A−1 wymiaru n × n, dla której zachodzi A · A−1 = A−1 · A = I . Przykład Macierzą odwrotną do macierzy A = −5 2 −1 A = , gdyż 3 −1 1 2 3 5 jest macierz 1 2 −5 2 −5 2 1 2 1 0 · = · = = I. 3 5 3 −1 3 −1 3 5 0 1 Macierze jednostkowe, macierze odwrotne Jeśli macierz I jest macierzą identycznościową wymiaru n × n oraz macierz A ma n wierszy, to I · A = A. Jeśli macierz A ma n kolumn, to A · I = A. Macierzą odwrotną do macierzy kwadratowej A wymiaru n × n jest taka macierz kwadratowa A−1 wymiaru n × n, dla której zachodzi A · A−1 = A−1 · A = I . Przykład Macierzą odwrotną do macierzy A = −5 2 −1 A = , gdyż 3 −1 1 2 3 5 jest macierz 1 2 −5 2 −5 2 1 2 1 0 · = · = = I. 3 5 3 −1 3 −1 3 5 0 1 Macierze jednostkowe, macierze odwrotne Jeśli macierz I jest macierzą identycznościową wymiaru n × n oraz macierz A ma n wierszy, to I · A = A. Jeśli macierz A ma n kolumn, to A · I = A. Macierzą odwrotną do macierzy kwadratowej A wymiaru n × n jest taka macierz kwadratowa A−1 wymiaru n × n, dla której zachodzi A · A−1 = A−1 · A = I . Przykład Macierzą odwrotną do macierzy A = −5 2 −1 A = , gdyż 3 −1 1 2 3 5 jest macierz 1 2 −5 2 −5 2 1 2 1 0 · = · = = I. 3 5 3 −1 3 −1 3 5 0 1 Macierze odwrotne, wyznacznik Dla każdej macierzy kwadratowej istnieje co najwyżej jedna macierz do niej odwrotna. Jeśli istnieje macierz odwrotna do macierzy kwadratowej A, wówczas mówimy, że macierz A jest odwracalna (nieosobliwa). Jeśli nie istnieje macierz odwrotna do macierzy kwadratowej A, wówczas mówimy, że macierz A jest nieodwracalna (osobliwa). Do stwierdzenia, czy macierz kwadratowa A jest odwracalna (oraz do wyznaczania macierzy odwrotnej A−1 ) przydatny jest wyznacznik macierzy. Macierze odwrotne, wyznacznik Dla każdej macierzy kwadratowej istnieje co najwyżej jedna macierz do niej odwrotna. Jeśli istnieje macierz odwrotna do macierzy kwadratowej A, wówczas mówimy, że macierz A jest odwracalna (nieosobliwa). Jeśli nie istnieje macierz odwrotna do macierzy kwadratowej A, wówczas mówimy, że macierz A jest nieodwracalna (osobliwa). Do stwierdzenia, czy macierz kwadratowa A jest odwracalna (oraz do wyznaczania macierzy odwrotnej A−1 ) przydatny jest wyznacznik macierzy. Ślad macierzy kwadratowej W przypadku macierzy kwadratowej można wyznaczyć jej ślad oraz wyznacznik. Ślad macierzy kwadratowej to suma wyrazów na jej głównej przekątnej: Jeśli A jest macierzą kwadratową wymiaru n × n, to jej śladem (ozn. trace(A) lub Tr(A)) jest liczba Tr(A) = n X Akk . k=1 Przykład 1 2 3 Wyznaczmy ślad macierzy A = 4 5 6. 7 8 9 1 2 3 Tr(A) = Tr 4 5 6 = 1 + 5 + 9 = 15. 7 8 9 Ślad macierzy kwadratowej W przypadku macierzy kwadratowej można wyznaczyć jej ślad oraz wyznacznik. Ślad macierzy kwadratowej to suma wyrazów na jej głównej przekątnej: Jeśli A jest macierzą kwadratową wymiaru n × n, to jej śladem (ozn. trace(A) lub Tr(A)) jest liczba Tr(A) = n X Akk . k=1 Przykład 1 2 3 Wyznaczmy ślad macierzy A = 4 5 6. 7 8 9 1 2 3 Tr(A) = Tr 4 5 6 = 1 + 5 + 9 = 15. 7 8 9 Ślad macierzy kwadratowej W przypadku macierzy kwadratowej można wyznaczyć jej ślad oraz wyznacznik. Ślad macierzy kwadratowej to suma wyrazów na jej głównej przekątnej: Jeśli A jest macierzą kwadratową wymiaru n × n, to jej śladem (ozn. trace(A) lub Tr(A)) jest liczba Tr(A) = n X Akk . k=1 Przykład 1 2 3 Wyznaczmy ślad macierzy A = 4 5 6. 7 8 9 1 2 3 Tr(A) = Tr 4 5 6 = 1 + 5 + 9 = 15. 7 8 9 Ślad macierzy kwadratowej W przypadku macierzy kwadratowej można wyznaczyć jej ślad oraz wyznacznik. Ślad macierzy kwadratowej to suma wyrazów na jej głównej przekątnej: Jeśli A jest macierzą kwadratową wymiaru n × n, to jej śladem (ozn. trace(A) lub Tr(A)) jest liczba Tr(A) = n X Akk . k=1 Przykład 1 2 3 Wyznaczmy ślad macierzy A = 4 5 6. 7 8 9 1 2 3 Tr(A) = Tr 4 5 6 = 1 + 5 + 9 = 15. 7 8 9 Wyznacznik macierzy kwadratowej 2 × 2 Formalna definicja wyznacznika dowolnej macierzy kwadratowej wymaga wiedzy z zakresu algebry liniowej i wykracza poza zakres naszego wykładu. Ograniczymy się jedynie do przedstawienia sposobu obliczania i wykorzystywania wyznacznika w rachunku macierzy. A11 A12 Wyznacznikiem macierzy kwadratowej A = wymiaru 2 × 2 A21 A22 nazywamy liczbę A11 A12 A11 A12 = A11 · A22 − A12 · A21 det A = det = A21 A22 A21 A22 Przykład Wyznaczmy wyznacznik macierzy A = 1 4 . −2 −3 1 4 det A = det = 1 · (−3) − 4 · (−2) = 5. −2 −3 Wyznacznik macierzy kwadratowej 2 × 2 Formalna definicja wyznacznika dowolnej macierzy kwadratowej wymaga wiedzy z zakresu algebry liniowej i wykracza poza zakres naszego wykładu. Ograniczymy się jedynie do przedstawienia sposobu obliczania i wykorzystywania wyznacznika w rachunku macierzy. A11 A12 Wyznacznikiem macierzy kwadratowej A = wymiaru 2 × 2 A21 A22 nazywamy liczbę A11 A12 A11 A12 = A11 · A22 − A12 · A21 det A = det = A21 A22 A21 A22 Przykład Wyznaczmy wyznacznik macierzy A = 1 4 . −2 −3 1 4 det A = det = 1 · (−3) − 4 · (−2) = 5. −2 −3 Wyznacznik macierzy kwadratowej 2 × 2 Formalna definicja wyznacznika dowolnej macierzy kwadratowej wymaga wiedzy z zakresu algebry liniowej i wykracza poza zakres naszego wykładu. Ograniczymy się jedynie do przedstawienia sposobu obliczania i wykorzystywania wyznacznika w rachunku macierzy. A11 A12 Wyznacznikiem macierzy kwadratowej A = wymiaru 2 × 2 A21 A22 nazywamy liczbę A11 A12 A11 A12 = A11 · A22 − A12 · A21 det A = det = A21 A22 A21 A22 Przykład Wyznaczmy wyznacznik macierzy A = 1 4 . −2 −3 1 4 det A = det = 1 · (−3) − 4 · (−2) = 5. −2 −3 Wyznacznik macierzy kwadratowej 2 × 2 Formalna definicja wyznacznika dowolnej macierzy kwadratowej wymaga wiedzy z zakresu algebry liniowej i wykracza poza zakres naszego wykładu. Ograniczymy się jedynie do przedstawienia sposobu obliczania i wykorzystywania wyznacznika w rachunku macierzy. A11 A12 Wyznacznikiem macierzy kwadratowej A = wymiaru 2 × 2 A21 A22 nazywamy liczbę A11 A12 A11 A12 = A11 · A22 − A12 · A21 det A = det = A21 A22 A21 A22 Przykład Wyznaczmy wyznacznik macierzy A = 1 4 . −2 −3 1 4 det A = det = 1 · (−3) − 4 · (−2) = 5. −2 −3 Wyznacznik macierzy kwadratowej 3 × 3 Dla macierzy wymiaru 1 × 1 jest jeszcze łatwiej: det(A11 ) = A11 , np. det(5) = 5, natomiast trudniej jest dla macierzy wymiaru 3 ×3. A11 A12 A13 Wyznacznikiem macierzy kwadratowej A = A21 A22 A23 wymiaru A31 A32 A33 3 × 3 nazywamy liczbę A11 A12 A13 A11 A12 A13 det A = det A21 A22 A23 = A21 A22 A23 = A31 A32 A33 A31 A32 A33 = A11 · A22 · A33 + A12 · A23 · A31 + A13 · A21 · A32 −A11 · A23 · A32 − A12 · A21 · A33 − A13 · A22 · A31 . Wyznacznik macierzy kwadratowej 3 × 3 Dla macierzy wymiaru 1 × 1 jest jeszcze łatwiej: det(A11 ) = A11 , np. det(5) = 5, natomiast trudniej jest dla macierzy wymiaru 3 ×3. A11 A12 A13 Wyznacznikiem macierzy kwadratowej A = A21 A22 A23 wymiaru A31 A32 A33 3 × 3 nazywamy liczbę A11 A12 A13 A11 A12 A13 det A = det A21 A22 A23 = A21 A22 A23 = A31 A32 A33 A31 A32 A33 = A11 · A22 · A33 + A12 · A23 · A31 + A13 · A21 · A32 −A11 · A23 · A32 − A12 · A21 · A33 − A13 · A22 · A31 . Wyznacznik macierzy 3 × 3: metoda Sarrusa Pomocna do zapamiętania wzoru na wyznacznik macierzy wymiaru 3 × 3 jest tzw. metoda Sarrusa: Z prawej strony macierzy dopisujemy dwie pierwsze kolumny, wymnażamy wyrazy o tym samym kolorze, a otrzymane iloczyny bierzemy z odpowiednim znakiem (+ lub −): A11 A12 A13 A11 A12 A21 A22 A23 A21 A22 A31 A32 A33 A31 A32 + – A11 A12 A13 A11 A12 A21 A22 A23 A21 A22 A31 A32 A33 A31 A32 det A = + A11 · A22 · A33 + A12 · A23 · A31 + A13 · A21 · A32 − A11 · A23 · A32 − A12 · A21 · A33 − A13 · A22 · A31 . Metoda ta dotyczy wyłącznie macierzy wymiaru 3 × 3. Wyznacznik macierzy kwadratowej 3 × 3 Przykład 1 −2 4 5 7 . Obliczmy wyznacznik macierzy A = 3 −3 0 −1 1 −2 4 5 7 = det A = det 3 −3 0 −1 = 1 · 5 · (−1) + (−2) · 7 · (−3) + 4 · 3 · 0 −1 · 7 · 0 − (−2) · 3 · (−1) − 4 · 5 · (−3) = 91. Wyznacznik macierzy kwadratowej 3 × 3 Przykład 1 −2 4 5 7 . Obliczmy wyznacznik macierzy A = 3 −3 0 −1 1 −2 4 5 7 = det A = det 3 −3 0 −1 = 1 · 5 · (−1) + (−2) · 7 · (−3) + 4 · 3 · 0 −1 · 7 · 0 − (−2) · 3 · (−1) − 4 · 5 · (−3) = 91. Wyznacznik macierzy kwadratowej dowolnego wymiaru Wyznaczniki macierzy wyższych wymiarów oblicza się często wykorzystując tzw. rozwinięcie Laplace’a: Jeśli macierz A ma wymiar n × n, wówczas A(kl) ozanacza macierz powstałą z macierzy A przez usunięcie k-tego wiersza i l-tej kolumny. Dla dowolnego k ∈ {1, 2, . . . , n} zachodzi równość (rozwinięcie względem k-tego wiersza): det A = n X (−1)k+l · Akl · det A(kl) l=1 oraz dla dowolnego l ∈ {1, 2, . . . , n} zachodzi równość (rozwinięcie względem l-tej kolumny): n X det A = (−1)k+l · Akl · det A(kl) . k=1 Ponieważ macierze A(kl) mają wymiar (n − 1) × (n − 1), mniejszy, niż wymiar macierzy A, więc powyższe wzory pozwalają obliczać wyznaczniki macierzy wymiaru n × n, jeśli umiemy obliczać wyznaczniki mniejszych macierzy. Wyznacznik macierzy kwadratowej dowolnego wymiaru Wyznaczniki macierzy wyższych wymiarów oblicza się często wykorzystując tzw. rozwinięcie Laplace’a: Jeśli macierz A ma wymiar n × n, wówczas A(kl) ozanacza macierz powstałą z macierzy A przez usunięcie k-tego wiersza i l-tej kolumny. Dla dowolnego k ∈ {1, 2, . . . , n} zachodzi równość (rozwinięcie względem k-tego wiersza): det A = n X (−1)k+l · Akl · det A(kl) l=1 oraz dla dowolnego l ∈ {1, 2, . . . , n} zachodzi równość (rozwinięcie względem l-tej kolumny): n X det A = (−1)k+l · Akl · det A(kl) . k=1 Ponieważ macierze A(kl) mają wymiar (n − 1) × (n − 1), mniejszy, niż wymiar macierzy A, więc powyższe wzory pozwalają obliczać wyznaczniki macierzy wymiaru n × n, jeśli umiemy obliczać wyznaczniki mniejszych macierzy. Wyznacznik macierzy kwadratowej dowolnego wymiaru Wyznaczniki macierzy wyższych wymiarów oblicza się często wykorzystując tzw. rozwinięcie Laplace’a: Jeśli macierz A ma wymiar n × n, wówczas A(kl) ozanacza macierz powstałą z macierzy A przez usunięcie k-tego wiersza i l-tej kolumny. Dla dowolnego k ∈ {1, 2, . . . , n} zachodzi równość (rozwinięcie względem k-tego wiersza): det A = n X (−1)k+l · Akl · det A(kl) l=1 oraz dla dowolnego l ∈ {1, 2, . . . , n} zachodzi równość (rozwinięcie względem l-tej kolumny): n X det A = (−1)k+l · Akl · det A(kl) . k=1 Ponieważ macierze A(kl) mają wymiar (n − 1) × (n − 1), mniejszy, niż wymiar macierzy A, więc powyższe wzory pozwalają obliczać wyznaczniki macierzy wymiaru n × n, jeśli umiemy obliczać wyznaczniki mniejszych macierzy. Wyznacznik macierzy kwadratowej dowolnego wymiaru Wyznaczniki macierzy wyższych wymiarów oblicza się często wykorzystując tzw. rozwinięcie Laplace’a: Jeśli macierz A ma wymiar n × n, wówczas A(kl) ozanacza macierz powstałą z macierzy A przez usunięcie k-tego wiersza i l-tej kolumny. Dla dowolnego k ∈ {1, 2, . . . , n} zachodzi równość (rozwinięcie względem k-tego wiersza): det A = n X (−1)k+l · Akl · det A(kl) l=1 oraz dla dowolnego l ∈ {1, 2, . . . , n} zachodzi równość (rozwinięcie względem l-tej kolumny): n X det A = (−1)k+l · Akl · det A(kl) . k=1 Ponieważ macierze A(kl) mają wymiar (n − 1) × (n − 1), mniejszy, niż wymiar macierzy A, więc powyższe wzory pozwalają obliczać wyznaczniki macierzy wymiaru n × n, jeśli umiemy obliczać wyznaczniki mniejszych macierzy. Wyznacznik macierzy kwadratowej dowolnego wymiaru Wyznaczniki macierzy wyższych wymiarów oblicza się często wykorzystując tzw. rozwinięcie Laplace’a: Jeśli macierz A ma wymiar n × n, wówczas A(kl) ozanacza macierz powstałą z macierzy A przez usunięcie k-tego wiersza i l-tej kolumny. Dla dowolnego k ∈ {1, 2, . . . , n} zachodzi równość (rozwinięcie względem k-tego wiersza): det A = n X (−1)k+l · Akl · det A(kl) l=1 oraz dla dowolnego l ∈ {1, 2, . . . , n} zachodzi równość (rozwinięcie względem l-tej kolumny): n X det A = (−1)k+l · Akl · det A(kl) . k=1 Ponieważ macierze A(kl) mają wymiar (n − 1) × (n − 1), mniejszy, niż wymiar macierzy A, więc powyższe wzory pozwalają obliczać wyznaczniki macierzy wymiaru n × n, jeśli umiemy obliczać wyznaczniki mniejszych macierzy. Wyznacznik macierzy kwadratowej dowolnego wymiaru Przykład 1 −2 3 5 Obliczmy wyznacznik macierzy A = 0 −3 0 2 rozwinięcie Laplace’a względem 2-go wiersza P (det A = 4l=1 (−1)2+l · A2,l · det A(2,l) ): 1 3 0 0 −2 5 −3 2 1 5 + (−1) · 0 · 0 0 4 0 0 0 −2 −3 2 0 7 3 = (−1) · 3 · −1 3 1 0 + (−1)6 · 7 · 0 −1 0 3 −2 4 −3 2 0 0 4 0 0 7 stosując w tym celu 0 −1 0 3 1 0 + (−1)4 · 5 · 0 −1 0 3 −2 4 −3 2 0 0 4 0 0 0 −1 3 = −3 · 28 + 5 · 0 − 0 · (−7) + 7 · 0 = −84 Wyznacznik macierzy kwadratowej dowolnego wymiaru Przykład 1 −2 3 5 Obliczmy wyznacznik macierzy A = 0 −3 0 2 rozwinięcie Laplace’a względem 2-go wiersza P (det A = 4l=1 (−1)2+l · A2,l · det A(2,l) ): 1 3 0 0 −2 5 −3 2 1 5 + (−1) · 0 · 0 0 4 0 0 0 −2 −3 2 0 7 3 = (−1) · 3 · −1 3 1 0 + (−1)6 · 7 · 0 −1 0 3 −2 4 −3 2 0 0 4 0 0 7 stosując w tym celu 0 −1 0 3 1 0 + (−1)4 · 5 · 0 −1 0 3 −2 4 −3 2 0 0 4 0 0 0 −1 3 = −3 · 28 + 5 · 0 − 0 · (−7) + 7 · 0 = −84 Wyznacznik macierzy kwadratowej dowolnego wymiaru Przykład 1 −2 3 5 Obliczmy wyznacznik macierzy A = 0 −3 0 2 rozwinięcie Laplace’a względem 2-go wiersza P (det A = 4l=1 (−1)2+l · A2,l · det A(2,l) ): 1 3 0 0 −2 5 −3 2 1 5 + (−1) · 0 · 0 0 4 0 0 0 −2 −3 2 0 7 3 = (−1) · 3 · −1 3 1 0 + (−1)6 · 7 · 0 −1 0 3 −2 4 −3 2 0 0 4 0 0 7 stosując w tym celu 0 −1 0 3 1 0 + (−1)4 · 5 · 0 −1 0 3 −2 4 −3 2 0 0 4 0 0 0 −1 3 = −3 · 28 + 5 · 0 − 0 · (−7) + 7 · 0 = −84 Wyznacznik macierzy kwadratowej dowolnego wymiaru Przykład 1 −2 3 5 Obliczmy wyznacznik macierzy A = 0 −3 0 2 rozwinięcie Laplace’a względem 2-go wiersza P (det A = 4l=1 (−1)2+l · A2,l · det A(2,l) ): 1 3 0 0 −2 5 −3 2 1 5 + (−1) · 0 · 0 0 4 0 0 0 −2 −3 2 0 7 3 = (−1) · 3 · −1 3 1 0 + (−1)6 · 7 · 0 −1 0 3 −2 4 −3 2 0 0 4 0 0 7 stosując w tym celu 0 −1 0 3 1 0 + (−1)4 · 5 · 0 −1 0 3 −2 4 −3 2 0 0 4 0 0 0 −1 3 = −3 · 28 + 5 · 0 − 0 · (−7) + 7 · 0 = −84 Własności wyznacznika macierzy Dla dowolnej macierzy kwadratowej A zachodzą własności: det(AT ) = det A, Jeśli macierz A ma wiersz (lub kolumnę) składającą się z samych zer, to det A = 0, Jeśli macierz A ma dwa takie same wiersze (lub kolumny), to det A = 0, Jeśli jeden wiersz macierzy powstaje z innego przez pomnożenie wszystkich jego wyrazów przez tę samą liczbę, to det A = 0; (to samo dla kolumn), Jeśli jeden wiersz macierzy powstaje z kilku innych przez ich dodanie, to det A = 0; (to samo dla kolumn), Jeśli macierz B ma ten sam wymiar, co macierz A, to det(A · B) = det A · det B, (ale zwykle det(A + B) 6= det A + det B), Dla macierzy jednostkowej zachodzi det I = 1. Wyznacznik macierzy a macierz odwrotna Jeśli macierz kwadratowa A wymiaru n × n ma wyznacznik równy 0, wówczas A jest osobliwa (nieodwracalna, nie istnieje macierz odwrotna A−1 . Jeśli det A 6= 0, wówczas macierz A jest odwracalna (nieosobliwa) oraz dla dowolnych k, l ∈ {1, 2, . . . n} zachodzi (A−1 )kl = det1 A · (−1)k+l · det A(lk) (gdzie A(kl) ozanacza macierz powstałą z macierzy A przez usunięcie k-tego wiersza i l-tej kolumny), czyli det A(11) − det A(12) 1 = · .. det A . (−1)n+1 · det A(1n) A−1 Ponadto det A−1 = 1 det A . − det A(21) det A(22) .. . (−1)n+2 · det A(2n) ... ... .. . ... (−1)1+n · det A(n1) 2+n (−1) · det A(n2) .. . det A(nn) Wyznacznik macierzy a macierz odwrotna Jeśli macierz kwadratowa A wymiaru n × n ma wyznacznik równy 0, wówczas A jest osobliwa (nieodwracalna, nie istnieje macierz odwrotna A−1 . Jeśli det A 6= 0, wówczas macierz A jest odwracalna (nieosobliwa) oraz dla dowolnych k, l ∈ {1, 2, . . . n} zachodzi (A−1 )kl = det1 A · (−1)k+l · det A(lk) (gdzie A(kl) ozanacza macierz powstałą z macierzy A przez usunięcie k-tego wiersza i l-tej kolumny), czyli det A(11) − det A(12) 1 = · .. det A . (−1)n+1 · det A(1n) A−1 Ponadto det A−1 = 1 det A . − det A(21) det A(22) .. . (−1)n+2 · det A(2n) ... ... .. . ... (−1)1+n · det A(n1) 2+n (−1) · det A(n2) .. . det A(nn) Wyznacznik macierzy a macierz odwrotna Jeśli macierz kwadratowa A wymiaru n × n ma wyznacznik równy 0, wówczas A jest osobliwa (nieodwracalna, nie istnieje macierz odwrotna A−1 . Jeśli det A 6= 0, wówczas macierz A jest odwracalna (nieosobliwa) oraz dla dowolnych k, l ∈ {1, 2, . . . n} zachodzi (A−1 )kl = det1 A · (−1)k+l · det A(lk) (gdzie A(kl) ozanacza macierz powstałą z macierzy A przez usunięcie k-tego wiersza i l-tej kolumny), czyli det A(11) − det A(12) 1 = · .. det A . (−1)n+1 · det A(1n) A−1 Ponadto det A−1 = 1 det A . − det A(21) det A(22) .. . (−1)n+2 · det A(2n) ... ... .. . ... (−1)1+n · det A(n1) 2+n (−1) · det A(n2) .. . det A(nn) Wyznacznik macierzy a macierz odwrotna Jeśli macierz kwadratowa A wymiaru n × n ma wyznacznik równy 0, wówczas A jest osobliwa (nieodwracalna, nie istnieje macierz odwrotna A−1 . Jeśli det A 6= 0, wówczas macierz A jest odwracalna (nieosobliwa) oraz dla dowolnych k, l ∈ {1, 2, . . . n} zachodzi (A−1 )kl = det1 A · (−1)k+l · det A(lk) (gdzie A(kl) ozanacza macierz powstałą z macierzy A przez usunięcie k-tego wiersza i l-tej kolumny), czyli det A(11) − det A(12) 1 = · .. det A . (−1)n+1 · det A(1n) A−1 Ponadto det A−1 = 1 det A . − det A(21) det A(22) .. . (−1)n+2 · det A(2n) ... ... .. . ... (−1)1+n · det A(n1) 2+n (−1) · det A(n2) .. . det A(nn) Macierz odwrotna do macierzy wymiaru 2 × 2 Przykład 1 −3 Wyznaczyć (jeśli istnieje) macierz odwrotną do macierzy A = . 2 −4 Ponieważ det A = 1 · (−4) − (−3) · 2 = 2 6= 0, więc macierz A−1 istnieje oraz 1 1 det A(11) − det A(21) −4 3 −2 1, 5 −1 A = · = . = · −2 1 −1 0, 5 − det A(12) det A(22) det A 2 Ogólnie, jeśli A jest macierzą wymiaru 2 × 2 oraz det A 6= 0, to 1 1 A22 −A12 A22 −A12 −1 A = · = · . −A21 A11 −A21 A11 det A A11 · A22 − A12 · A21 Macierz odwrotna do macierzy wymiaru 2 × 2 Przykład 1 −3 Wyznaczyć (jeśli istnieje) macierz odwrotną do macierzy A = . 2 −4 Ponieważ det A = 1 · (−4) − (−3) · 2 = 2 6= 0, więc macierz A−1 istnieje oraz 1 1 det A(11) − det A(21) −4 3 −2 1, 5 −1 A = · = . = · −2 1 −1 0, 5 − det A(12) det A(22) det A 2 Ogólnie, jeśli A jest macierzą wymiaru 2 × 2 oraz det A 6= 0, to 1 1 A22 −A12 A22 −A12 −1 A = · = · . −A21 A11 −A21 A11 det A A11 · A22 − A12 · A21 Macierz odwrotna do macierzy wymiaru 2 × 2 Przykład 1 −3 Wyznaczyć (jeśli istnieje) macierz odwrotną do macierzy A = . 2 −4 Ponieważ det A = 1 · (−4) − (−3) · 2 = 2 6= 0, więc macierz A−1 istnieje oraz 1 1 det A(11) − det A(21) −4 3 −2 1, 5 −1 A = · = . = · −2 1 −1 0, 5 − det A(12) det A(22) det A 2 Ogólnie, jeśli A jest macierzą wymiaru 2 × 2 oraz det A 6= 0, to 1 1 A22 −A12 A22 −A12 −1 A = · = · . −A21 A11 −A21 A11 det A A11 · A22 − A12 · A21 Funkcje liniowe wielu zmiennych W szkole średniej uczono nas o funkcjach liniowych, czyli o funkcjach postaci f (x) = a · x (na przykład f (x) = 5x) lub ogólniej o funkcjach postaci f (x) = a · x + b (na przykład f (x) = 5x + 3). Okazuje się, że wiele zależności w ekonomii i przyrodzie ma charakter liniowy, przy czym liczba zmiennych (argumentów funkcji), które wpływają na daną wielkość (wartość funkcji) jest zwykle większa, niż jeden. Na przykład funkcja liniowa f (x, y , z, t) = 3 · x − 5,4 · y + 6,3 · z + 8 · t jest funkcją liniową czterech zmiennych: x, y , z, t. Zapisujemy to następująco: f : R4 → R, co oznacza, że argumentami funkcji są cztery liczby, a wartością jedna liczba. Wartością funkcji może być więcej niż jedna liczba, na przykład funkcja f : R3 → R2 dana wzorem f (x, y , z) = (x + y , y − z) trzem liczbom: x, y , z przyporządkowuje wektor składający się z dwóch liczb: x + y oraz y − z. Funkcje liniowe wielu zmiennych W szkole średniej uczono nas o funkcjach liniowych, czyli o funkcjach postaci f (x) = a · x (na przykład f (x) = 5x) lub ogólniej o funkcjach postaci f (x) = a · x + b (na przykład f (x) = 5x + 3). Okazuje się, że wiele zależności w ekonomii i przyrodzie ma charakter liniowy, przy czym liczba zmiennych (argumentów funkcji), które wpływają na daną wielkość (wartość funkcji) jest zwykle większa, niż jeden. Na przykład funkcja liniowa f (x, y , z, t) = 3 · x − 5,4 · y + 6,3 · z + 8 · t jest funkcją liniową czterech zmiennych: x, y , z, t. Zapisujemy to następująco: f : R4 → R, co oznacza, że argumentami funkcji są cztery liczby, a wartością jedna liczba. Wartością funkcji może być więcej niż jedna liczba, na przykład funkcja f : R3 → R2 dana wzorem f (x, y , z) = (x + y , y − z) trzem liczbom: x, y , z przyporządkowuje wektor składający się z dwóch liczb: x + y oraz y − z. Funkcje liniowe wielu zmiennych W szkole średniej uczono nas o funkcjach liniowych, czyli o funkcjach postaci f (x) = a · x (na przykład f (x) = 5x) lub ogólniej o funkcjach postaci f (x) = a · x + b (na przykład f (x) = 5x + 3). Okazuje się, że wiele zależności w ekonomii i przyrodzie ma charakter liniowy, przy czym liczba zmiennych (argumentów funkcji), które wpływają na daną wielkość (wartość funkcji) jest zwykle większa, niż jeden. Na przykład funkcja liniowa f (x, y , z, t) = 3 · x − 5,4 · y + 6,3 · z + 8 · t jest funkcją liniową czterech zmiennych: x, y , z, t. Zapisujemy to następująco: f : R4 → R, co oznacza, że argumentami funkcji są cztery liczby, a wartością jedna liczba. Wartością funkcji może być więcej niż jedna liczba, na przykład funkcja f : R3 → R2 dana wzorem f (x, y , z) = (x + y , y − z) trzem liczbom: x, y , z przyporządkowuje wektor składający się z dwóch liczb: x + y oraz y − z. Funkcje liniowe wielu zmiennych W szkole średniej uczono nas o funkcjach liniowych, czyli o funkcjach postaci f (x) = a · x (na przykład f (x) = 5x) lub ogólniej o funkcjach postaci f (x) = a · x + b (na przykład f (x) = 5x + 3). Okazuje się, że wiele zależności w ekonomii i przyrodzie ma charakter liniowy, przy czym liczba zmiennych (argumentów funkcji), które wpływają na daną wielkość (wartość funkcji) jest zwykle większa, niż jeden. Na przykład funkcja liniowa f (x, y , z, t) = 3 · x − 5,4 · y + 6,3 · z + 8 · t jest funkcją liniową czterech zmiennych: x, y , z, t. Zapisujemy to następująco: f : R4 → R, co oznacza, że argumentami funkcji są cztery liczby, a wartością jedna liczba. Wartością funkcji może być więcej niż jedna liczba, na przykład funkcja f : R3 → R2 dana wzorem f (x, y , z) = (x + y , y − z) trzem liczbom: x, y , z przyporządkowuje wektor składający się z dwóch liczb: x + y oraz y − z. Funkcje liniowe wielu zmiennych Użyte symbole R2 , R3 oznaczają odpowiednio zbiory par oraz trójek liczb rzeczywistych, czyli wektorów odpowiedniej długości. Ogólnie, Rn to zbiór wektorów długońci n, czyli układów n liczb rzeczywistych. Wektor, będący elementem Rn mażna traktować jako wiersz – macierz 3 wymiaru 1 × n (np. (1, −5, 6) ∈ R ) lub jako kolumnę – macierz wymiaru n × 1 (np. 1 −5 6 = (1, −5, 6)T ∈ R3 ). Funkcją liniową f : Rm → Rn nazywamy każdą funkcję postaci f (x1 , . . . , xm ) = (y1 , . . . , yn ), gdzie y1 = A11 · x1 + A12 · x2 + . . . y2 = A21 · x1 + A22 · x2 + . . . ... yn = An1 · x1 + An2 · x2 + . . . + A1m · xm + A2m · xm + Anm · xm dla pewnych liczb Aij , i = 1, 2, . . . , n, j = 1, 2, . . . , m. Funkcje liniowe wielu zmiennych Użyte symbole R2 , R3 oznaczają odpowiednio zbiory par oraz trójek liczb rzeczywistych, czyli wektorów odpowiedniej długości. Ogólnie, Rn to zbiór wektorów długońci n, czyli układów n liczb rzeczywistych. Wektor, będący elementem Rn mażna traktować jako wiersz – macierz 3 wymiaru 1 × n (np. (1, −5, 6) ∈ R ) lub jako kolumnę – macierz wymiaru n × 1 (np. 1 −5 6 = (1, −5, 6)T ∈ R3 ). Funkcją liniową f : Rm → Rn nazywamy każdą funkcję postaci f (x1 , . . . , xm ) = (y1 , . . . , yn ), gdzie y1 = A11 · x1 + A12 · x2 + . . . y2 = A21 · x1 + A22 · x2 + . . . ... yn = An1 · x1 + An2 · x2 + . . . + A1m · xm + A2m · xm + Anm · xm dla pewnych liczb Aij , i = 1, 2, . . . , n, j = 1, 2, . . . , m. Funkcje liniowe wielu zmiennych Użyte symbole R2 , R3 oznaczają odpowiednio zbiory par oraz trójek liczb rzeczywistych, czyli wektorów odpowiedniej długości. Ogólnie, Rn to zbiór wektorów długońci n, czyli układów n liczb rzeczywistych. Wektor, będący elementem Rn mażna traktować jako wiersz – macierz 3 wymiaru 1 × n (np. (1, −5, 6) ∈ R ) lub jako kolumnę – macierz wymiaru n × 1 (np. 1 −5 6 = (1, −5, 6)T ∈ R3 ). Funkcją liniową f : Rm → Rn nazywamy każdą funkcję postaci f (x1 , . . . , xm ) = (y1 , . . . , yn ), gdzie y1 = A11 · x1 + A12 · x2 + . . . y2 = A21 · x1 + A22 · x2 + . . . ... yn = An1 · x1 + An2 · x2 + . . . + A1m · xm + A2m · xm + Anm · xm dla pewnych liczb Aij , i = 1, 2, . . . , n, j = 1, 2, . . . , m. Funkcje liniowe wielu zmiennych Funkcją afiniczną f : Rm → Rn nazywamy każdą funkcję postaci f (x1 , . . . , xm ) = (y1 , . . . , yn ), gdzie y1 = A11 · x1 + A12 · x2 + . . . y2 = A21 · x1 + A22 · x2 + . . . ... yn = An1 · x1 + An2 · x2 + . . . + A1m · xm + c1 + A2m · xm + c2 + Anm · xm + cn dla pewnych liczb Aij oraz ci , i = 1, 2, . . . , n, j = 1, 2, . . . , m. Często w zastosowaniach zarówno funkcje liniowe, jak i afiniczne nazywa się po prostu funkcjami liniowymi, bez wprowadzania jakiegokolwiek podziału (tak, jak to było w szkole z funkcjami liniowymi jednej zmiennej). Funkcje liniowe wielu zmiennych Funkcją afiniczną f : Rm → Rn nazywamy każdą funkcję postaci f (x1 , . . . , xm ) = (y1 , . . . , yn ), gdzie y1 = A11 · x1 + A12 · x2 + . . . y2 = A21 · x1 + A22 · x2 + . . . ... yn = An1 · x1 + An2 · x2 + . . . + A1m · xm + c1 + A2m · xm + c2 + Anm · xm + cn dla pewnych liczb Aij oraz ci , i = 1, 2, . . . , n, j = 1, 2, . . . , m. Często w zastosowaniach zarówno funkcje liniowe, jak i afiniczne nazywa się po prostu funkcjami liniowymi, bez wprowadzania jakiegokolwiek podziału (tak, jak to było w szkole z funkcjami liniowymi jednej zmiennej). Funkcje liniowe wielu zmiennych Do opisu funkcji liniowych przydatny jest przedstawiony wcześniej rachunek macierzy. Zauważmy, że używając mnożenia macierzy równości y1 = A11 · x1 + A12 · x2 + . . . y2 = A21 · x1 + A22 · x2 + . . . ... yn = An1 · x1 + An2 · x2 + . . . można zapisać jako y1 A11 A12 . . . y2 A21 A22 . . . .. = .. .. .. . . . . yn An1 An2 . . . + A1m · xm + A2m · xm + Anm · xm A1m x1 x2 A2m .. · .. . . Anm xm Funkcje liniowe wielu zmiennych Podobnie y1 = A11 · x1 + A12 · x2 + . . . y2 = A21 · x1 + A22 · x2 + . . . ... yn = An1 · x1 + An2 · x2 + . . . można zapisać jako y1 A11 A12 . . . y2 A21 A22 . . . .. = .. .. .. . . . . yn An1 An2 . . . + A1m · xm + c1 + A2m · xm + c2 + Anm · xm + cn A1m x1 c1 A2m x2 c2 .. · .. + .. . . . Anm xm cn Funkcje liniowe wielu zmiennych Funkcję afiniczną f : Rm → Rn można zatem opisać wzorem f (x)T = A · xT + cT , gdzie x = (x1 , x2 , . . . , xm ) oraz c = (c1 , c2 , . . . , cn ), zaś macierz A11 A12 . . . A1m A21 A22 . . . A2m A= . .. .. .. .. . . . An1 An2 . . . nazywamy macierzą funkcji afinicznej f . Anm Funkcje liniowe wielu zmiennych Przykład Funkcja f : R3 → R2 dana jest wzorem f (x, y , z) = (x + y − 3, y − z + 2). Wyznaczyć macierz funkcji f . Ponieważ x x +y −3 1 1 0 −3 = · y + , y −z +2 0 1 −1 2 z 1 1 0 więc macierzą funcji f jest . 0 1 −1 Funkcje liniowe wielu zmiennych Przykład Funkcja f : R3 → R2 dana jest wzorem f (x, y , z) = (x + y − 3, y − z + 2). Wyznaczyć macierz funkcji f . Ponieważ x −3 x +y −3 1 1 0 , = · y + 2 y −z +2 0 1 −1 z 1 1 0 więc macierzą funcji f jest . 0 1 −1 Układy równań liniowych Często zachodzi potrzeba wyznaczenia takich wartości argumentów, dla których dana funkcja liniowa przyjmuje zadaną wartość. Prowadzi to do konieczności rozwiązanie układu równań liniowych postaci A11 · x1 + A12 · x2 + . . . A21 · x1 + A22 · x2 + . . . ... An1 · x1 + An2 · x2 + . . . + A1m · xm = b1 + A2m · xm = b2 + Anm · xm = bn czyli A · x T = bT . Układ taki może nie mieć rozwiązań (układ sprzeczny), mieć nieskończenie wiele rozwiązań (układ nieoznaczony) lub mieć dokładnie jedno rozwiązanie (układ oznaczony). Układy równań liniowych Często zachodzi potrzeba wyznaczenia takich wartości argumentów, dla których dana funkcja liniowa przyjmuje zadaną wartość. Prowadzi to do konieczności rozwiązanie układu równań liniowych postaci A11 · x1 + A12 · x2 + . . . A21 · x1 + A22 · x2 + . . . ... An1 · x1 + An2 · x2 + . . . + A1m · xm = b1 + A2m · xm = b2 + Anm · xm = bn czyli A · x T = bT . Układ taki może nie mieć rozwiązań (układ sprzeczny), mieć nieskończenie wiele rozwiązań (układ nieoznaczony) lub mieć dokładnie jedno rozwiązanie (układ oznaczony). Rozwiązywanie układów równań liniowych Istnieje wiele sposobów rozwiązywania układów równań liniowych. Można tak, jak w szkole, używając jednego z równań wyznaczyć jedną z niewiadomych x1 , x2 , . . . , xm w zależności od pozostałych niewiadomych i wstawiać ją do pozostałych równań. W ten sposób następuje redukcja o jeden zarówno liczby równań, jak i niewiadomych. Inna matoda (zwana metodą eliminacji Gaussa) polega na zmniejszaniu liczby niewiadomych poprzez dodawanie i odejmowanie równań stronami oraz mnożeniu stronami równań przez liczbę (tzw. operacje elementarne). Kolejna metoda polega na wykorzystaniu macierzy odwrotnej. Rozwiązaniem układu równań A · xT = bT jest xT = A−1 · bT . Metoda ta ma zastosowanie, gdy istnieje macierz odwrotna A−1 , czyli gdy macierz A jest kwadratowa (układ ma tyle samo równań, co niewiadomych) oraz det A 6= 0. Gdy liczba równań jest mniejsza, niż liczba niewiadomych, układ ma zawsze zero lub nieskończenie wiele rozwiązań. Podobnie się dzieje, gdy równań, co niewiadomych jest tyle samo, ale det A = 0. Rozwiązywanie układów równań liniowych Istnieje wiele sposobów rozwiązywania układów równań liniowych. Można tak, jak w szkole, używając jednego z równań wyznaczyć jedną z niewiadomych x1 , x2 , . . . , xm w zależności od pozostałych niewiadomych i wstawiać ją do pozostałych równań. W ten sposób następuje redukcja o jeden zarówno liczby równań, jak i niewiadomych. Inna matoda (zwana metodą eliminacji Gaussa) polega na zmniejszaniu liczby niewiadomych poprzez dodawanie i odejmowanie równań stronami oraz mnożeniu stronami równań przez liczbę (tzw. operacje elementarne). Kolejna metoda polega na wykorzystaniu macierzy odwrotnej. Rozwiązaniem układu równań A · xT = bT jest xT = A−1 · bT . Metoda ta ma zastosowanie, gdy istnieje macierz odwrotna A−1 , czyli gdy macierz A jest kwadratowa (układ ma tyle samo równań, co niewiadomych) oraz det A 6= 0. Gdy liczba równań jest mniejsza, niż liczba niewiadomych, układ ma zawsze zero lub nieskończenie wiele rozwiązań. Podobnie się dzieje, gdy równań, co niewiadomych jest tyle samo, ale det A = 0. Rozwiązywanie układów równań liniowych Istnieje wiele sposobów rozwiązywania układów równań liniowych. Można tak, jak w szkole, używając jednego z równań wyznaczyć jedną z niewiadomych x1 , x2 , . . . , xm w zależności od pozostałych niewiadomych i wstawiać ją do pozostałych równań. W ten sposób następuje redukcja o jeden zarówno liczby równań, jak i niewiadomych. Inna matoda (zwana metodą eliminacji Gaussa) polega na zmniejszaniu liczby niewiadomych poprzez dodawanie i odejmowanie równań stronami oraz mnożeniu stronami równań przez liczbę (tzw. operacje elementarne). Kolejna metoda polega na wykorzystaniu macierzy odwrotnej. Rozwiązaniem układu równań A · xT = bT jest xT = A−1 · bT . Metoda ta ma zastosowanie, gdy istnieje macierz odwrotna A−1 , czyli gdy macierz A jest kwadratowa (układ ma tyle samo równań, co niewiadomych) oraz det A 6= 0. Gdy liczba równań jest mniejsza, niż liczba niewiadomych, układ ma zawsze zero lub nieskończenie wiele rozwiązań. Podobnie się dzieje, gdy równań, co niewiadomych jest tyle samo, ale det A = 0. Rozwiązywanie układów równań liniowych Istnieje wiele sposobów rozwiązywania układów równań liniowych. Można tak, jak w szkole, używając jednego z równań wyznaczyć jedną z niewiadomych x1 , x2 , . . . , xm w zależności od pozostałych niewiadomych i wstawiać ją do pozostałych równań. W ten sposób następuje redukcja o jeden zarówno liczby równań, jak i niewiadomych. Inna matoda (zwana metodą eliminacji Gaussa) polega na zmniejszaniu liczby niewiadomych poprzez dodawanie i odejmowanie równań stronami oraz mnożeniu stronami równań przez liczbę (tzw. operacje elementarne). Kolejna metoda polega na wykorzystaniu macierzy odwrotnej. Rozwiązaniem układu równań A · xT = bT jest xT = A−1 · bT . Metoda ta ma zastosowanie, gdy istnieje macierz odwrotna A−1 , czyli gdy macierz A jest kwadratowa (układ ma tyle samo równań, co niewiadomych) oraz det A 6= 0. Gdy liczba równań jest mniejsza, niż liczba niewiadomych, układ ma zawsze zero lub nieskończenie wiele rozwiązań. Podobnie się dzieje, gdy równań, co niewiadomych jest tyle samo, ale det A = 0. Rozwiązywanie układów równań liniowych Przykład Rozwiążmy układ równań 2x + y − 3z = −5 czyli x − 2y = −3 z −x =2 Ponieważ −1 2 1 −3 1 −2 0 = −1 0 1 2 1 −3 x −5 1 −2 0 · y = −3 −1 0 1 z 2 −2 −1 −6 −2 −1 −6 1 −1 −1 −3 = −1 −1 −3 , 1 −2 −1 −5 −2 −1 −5 więc x −2 −1 −6 −5 y = −1 −1 −3 · −3 , z −2 −1 −5 2 czyli x = 1, y = 2 oraz z = 3. Rozwiązywanie układów równań liniowych Przykład Rozwiążmy układ równań 2x + y − 3z = −5 czyli x − 2y = −3 z −x =2 Ponieważ −1 2 1 −3 1 −2 0 = −1 0 1 2 1 −3 x −5 1 −2 0 · y = −3 −1 0 1 z 2 −2 −1 −6 −2 −1 −6 1 −1 −1 −3 = −1 −1 −3 , 1 −2 −1 −5 −2 −1 −5 więc x −2 −1 −6 −5 y = −1 −1 −3 · −3 , z −2 −1 −5 2 czyli x = 1, y = 2 oraz z = 3. Rozwiązywanie układów równań liniowych Przykład Rozwiążmy układ równań 2x + y − 3z = −5 czyli x − 2y = −3 z −x =2 Ponieważ −1 2 1 −3 1 −2 0 = −1 0 1 2 1 −3 x −5 1 −2 0 · y = −3 −1 0 1 z 2 −2 −1 −6 −2 −1 −6 1 −1 −1 −3 = −1 −1 −3 , 1 −2 −1 −5 −2 −1 −5 więc x −2 −1 −6 −5 y = −1 −1 −3 · −3 , z −2 −1 −5 2 czyli x = 1, y = 2 oraz z = 3. Wzory Cramera W przypadku, gdy układ ma tyle samo równań, co niewiadomych oraz det A 6= 0, wówczas układ równań A · xT = bT , gdzie x = (x1 , x2 , . . . , xn ) jest nieznane i poszukiwane oraz b = (b1 , b2 , . . . , bn ) jest znane można rozwiązać wykorzystując tzw. wzory Cramera: xi = det Axi det A dla i = 1, 2, . . . , n, Gdzie macierz Axi jest macierzą powstałą poprzez zastąpienie i-tej kolumny macierzy A kolumną bT . Wzory Cramera Przykład Jeszcze raz rozwiążmy układ równań 2 1 −3 x −5 2x + y − 3z = −5 1 −2 0 · y = −3 czyli x − 2y = −3 −1 0 1 z 2 z −x =2 −5 1 −3 −2 2 0 x= 2 1 1 −2 −1 0 −3 0 1 1 = =1 1 −3 0 1 2 1 1 −2 −1 0 z = 1 2 1 −2 −1 0 2 −5 1 −3 −1 2 y = 1 2 1 −2 −1 0 −5 −3 2 3 = =3 1 −3 0 1 −3 0 1 2 = =2 1 −3 0 1 Wzory Cramera Przykład Jeszcze raz rozwiążmy układ równań 2 1 −3 x −5 2x + y − 3z = −5 1 −2 0 · y = −3 czyli x − 2y = −3 −1 0 1 z 2 z −x =2 −5 1 −3 −2 2 0 x = 2 1 1 −2 −1 0 −3 0 1 1 = =1 1 −3 0 1 2 1 1 −2 −1 0 z = 1 2 1 −2 −1 0 2 −5 1 −3 −1 2 y = 1 2 1 −2 −1 0 −5 −3 2 3 = =3 1 −3 0 1 −3 0 1 2 = =2 1 −3 0 1 Wzory Cramera Przykład Jeszcze raz rozwiążmy układ równań 2 1 −3 x −5 2x + y − 3z = −5 1 −2 0 · y = −3 czyli x − 2y = −3 −1 0 1 z 2 z −x =2 −5 1 −3 −2 2 0 x = 2 1 1 −2 −1 0 −3 0 1 1 = =1 1 −3 0 1 2 1 1 −2 −1 0 z = 1 2 1 −2 −1 0 2 −5 1 −3 −1 2 y = 1 2 1 −2 −1 0 −5 −3 2 3 = =3 1 −3 0 1 −3 0 1 2 = =2 1 −3 0 1 Wzory Cramera Przykład Jeszcze raz rozwiążmy układ równań 2 1 −3 x −5 2x + y − 3z = −5 1 −2 0 · y = −3 czyli x − 2y = −3 −1 0 1 z 2 z −x =2 −5 1 −3 −2 2 0 x = 2 1 1 −2 −1 0 −3 0 1 1 = =1 1 −3 0 1 2 1 1 −2 −1 0 z = 1 2 1 −2 −1 0 2 −5 1 −3 −1 2 y = 1 2 1 −2 −1 0 −5 −3 2 3 = =3 1 −3 0 1 −3 0 1 2 = =2 1 −3 0 1