do druku
Transkrypt
do druku
Wyznacznik (powtórzenie) DEFINICJA: Niech A będzie macierzą kwadratową. Oznaczmy przez Aij macierz powstałą z A przez skreślenie i-tego wiersza i j-tej kolumny: a11 a12 . . . a1j . . . a1n a21 a22 . . . a2j . . . a2n ... ... ... ... ... ... def Aij = a a . . . a . . . a i1 i2 ij in ... ... ... ... ... ... an1 an2 . . . anj . . . ann Dopełnieniem algebraicznym elementu aij w macierzy A nazywamy liczbę i+j · det Aij Dij def = (−1) DEFINICJA: M Wyznacznik macierzy kwadratowej stopnia n = 1: det[a] def = a. Wyznacznik macierzy kwadratowej stopnia n 2: def det A = n X a1i · D1i i=1 Wykład 7 i 8, 25 XI i 2 XII 2008, str. 2 Układy równań – liczba rozwiązań DEFINICJA: M Układ równań A × X = B jest jednorodny , jeśli B = O (zerowy wektor kolumnowy); w przeciwnym razie jest niejednorodny . Niezerowy wyznacznik: Niech A będzie macierzą kwadratową. Jeśli det A 6= 0, to istnieje dokładnie jedno rozwiązanie równania A × X = B (dla dowolnego wektora kolumnowego B). Jeśli det A 6= 0, to jedynym A × X = O jest X = O. rozwiązaniem układu jednorodnego Fakt: M X = O nigdy nie jest rozwiązaniem równania niejednorodnego A × X = B dla B 6= O. Układy równań – liczba rozwiązań Zerowy wyznacznik: Jeśli det A = 0, to X = O nadal jest rozwiązaniem równania jednorodnego A × X = O, ale istnieją jeszcze inne rozwiązania. Ile jest tych rozwiązań? — nieskończenie wiele, ale. . . (patrz dalej). Fakt: M Jeśli • X1 jest rozwiązaniem równania niejednorodnego A × X = B, • X0 jest rozwiązaniem równania jednorodnego A × X = O, to X1 + X0 jest rozwiązaniem równania niejednorodnego A × X = B. Wykład 7 i 8, 25 XI i 2 XII 2008, str. 4 Układy równań – liczba rozwiązań Przykład: 1 2 3 M A1 def = 2 3 1 3 1 2 det A1 = −18 6= 0 Jedynym rozwiązaniem równania A1 × X = O jest X = O. Przykład: 1 2 3 det A2 = 0 1 M A2 def = 2 3 Istnieje więcej rozwiązań równania A2 × X = O: 3 1 −16 7 · (wiersz 1) − 5 · (wiersz 2) = −1 · (wiersz 3) wobec tego jedno z równań jest niepotrzebne i można dowolnie ustalić wartość jednej zmiennej: 1·x + 2·y = −3·z 2·x + 3·y = −1·z " # 12 Ponieważ det = −1 6= 0, 23 więc po dowolnym ustaleniu wartości zmiennej z układ ma dokładnie jedno rozwiązanie. Układy równań – liczba rozwiązań Przykład: 3 6 9 M A3 def = 5 10 15 2 4 6 det A3 = 0 Istnieje więcej rozwiązań równania A3 × X = O: 5 · (wiersz 1) = 3 · (wiersz 2) 2 · (wiersz 2) = 5 · (wiersz 3) wobec tego dwa z równań są niepotrzebne i można dowolnie ustalić wartość dwóch zmiennych: Ponieważ det[3] = 3 6= 0, więc po ustaleniu wartości zmiennych y i z układ ma dokładnie jedno rozwiązanie. 3·x = −6·y −9·z W ogólnym przypadku wartości ilu zmiennych można ustalić dowolnie? Wykład 7 i 8, 25 XI i 2 XII 2008, str. 6 Rząd macierzy DEFINICJA: M Przez kombinację liniową wektorów a11 a 21 v1 = · · · an1 a12 a 22 v2 = · · · an2 ... rozumiemy dowolną sumę a1k a 2k vk = · · · ank v1 · x1 + v2 · x2 + . . . + vk · xk gdzie współczynniki x1 ,x2 ,. . . ,xk są jakimiś liczbami rzeczywistymi. Wektory v1 ,v2 ,. . . ,vk są liniowo zależne, jeśli istnieje ich kombinacja liniowa równa wektorowi zerowemu: v1 · x1 + v2 · x2 + . . . + vk · xk = O której nie wszystkie współczynniki są zerowe: xi 6= 0 dla pewnego i. Rząd macierzy Fakt: Wektory v1 ,v2 ,. . . ,vn są liniowo zależne wtedy i tylko wtedy, gdy zestawiona z nich macierz ma wyznacznik równy zeru. Przykład: M 1 2 3 1 2 3 det 2 3 1 = −18 6= 0, więc wektory 2, 3 i 1 są lin. niezależne. 3 1 2 3 1 2 Przykład: M 1 2 3 1 1 = 0, więc wektory 2, det 2 3 3 1 −16 3 2 3 1 są lin. zależne. 3 i 1 −16 Wykład 7 i 8, 25 XI i 2 XII 2008, str. 8 Rząd macierzy Fakt: Wektory v1 ,v2 ,. . . ,vk (k może nie być równe n) są liniowo zależne wtedy i tylko wtedy, gdy jeden z nich jest kombinacją liniową pozostałych. 1 2 3 Przykład: Ponieważ wektory 2, 3 i 1 są liniowo niezależne, żad3 1 2 nego nie da się wyrazić jako kombinacji liniowej pozostałych. 1 2 3 Przykład: Wektory 2, 3 i 1 są liniowo zależne; trzeci można 3 1 −16 wyrazić jako kombinację liniową dwóch pierwszych: 1 2 3 1 2 · (−7) + 3 · 5 = 3 1 −16 Rząd macierzy Fakt: Wektory v1 ,v2 ,. . . ,vk (k może nie być równe n) są liniowo zależne wtedy i tylko wtedy, gdy jeden z nich jest kombinacją liniową pozostałych. 3 6 9 Przykład: Wektory 5, 10 i 15 są liniowo zależne; trzeci i drugi 2 4 6 można wyrazić jako kombinację liniową pierwszego: 3 6 5 · 2 = 10 2 4 3 9 5 · 3 = 15 2 6 Wykład 7 i 8, 25 XI i 2 XII 2008, str. 10 Rząd macierzy DEFINICJA: M Rzędem macierzy o wymiarze m × n nazywamy maksymalną liczbę liniowo niezależnych kolumn tej macierzy. Przykład: M 1 2 3 A1 def = 2 3 1 3 1 2 rząd A1 = 3 1 2 3 3 6 9 def def 1 A3 = 5 10 15 A2 = 2 3 3 1 −16 2 4 6 rząd A2 = 2 rząd A3 = 1 Fakt: Rząd macierzy A jest równy największemu ze stopni podmacierzy kwadratowych o niezerowych wyznacznikach wyciętych z A. Rząd macierzy Fakt: Rząd macierzy o wymiarze m × n • jest niewiększy od m i niewiększy od n; • nie ulega zmianie w wyniku: – przemnożenia kolumny przez liczbę różną od 0, – przestawienia kolumn, – dodania do kolumny kombinacji liniowej innych kolumn, – transpozycji macierzy. Przykład: M rząd 1 3 0 3 2 0 1 2 1 4 0 6 1 2 2 10 5 0 4 8 = rząd 1 2 1 4 5 0 −6 −3 −6 −15 3 = 3 1 1 0 0 2 2 0 0 0 0 0 Wykład 7 i 8, 25 XI i 2 XII 2008, str. 12 Układy równań – liczba rozwiązań Niech A będzie macierzą m × k; mamy jednorodny układ równań: A×X =O Wartości ilu zmiennych można ustalić dowolnie w rozwiązaniu tego układu? Odpowiedź: Układ wyznacza wartości rząd A zmiennych; wartości pozostałych można przyjąć dowolnie. Układy równań – liczba rozwiązań Przykład: 1 2 3 0 M Ponieważ rząd 0 1 3 2 tości dwóch zmiennych; 1 4 0 6 1 2 2 10 np.: 5 0 4 8 x + 2y + z + 4·1 + 5·2 3x + 6·1 y + z + 2·1 + 4·2 3x + 2y + 2z + 10·1 + 8·2 = 3 , możemy dowolnie przyjąć war =0 = 0 =0 =0 Wtedy rozwiązanie: x = −2 y = −2 z = −8 Wykład 7 i 8, 25 XI i 2 XII 2008, str. 14 Przestrzeń rozwiązań def B1 = def B2 = " " 1 4 2 3 # rząd B1 = 2 Jakie są rozwiązania układu B1 × X = O ? Jedyne: O. 1 3 2 6 # rząd B2 = 1 Jakie są rozwiązania układu B2 × X = O ? Cała prosta: x + 3y = 0 . PP ································· ··· PPPP PP ···· PP · PP PP PP PP PP Przestrzeń rozwiązań 1 2 3 def C1 = 2 3 1 3 1 2 rząd C1 = 3 Jakie są rozwiązania układu C1 × X = O ? Jedyne: O. 3 −3 3 def 5 C2 = 5 −5 −2 2 −2 rząd C2 = 1 Jakie są rozwiązania układu C2 × X = O ? Cała płaszczyzna: −x + y − z = 0 . z 46 XXX X XXX XXXX · · · · · · ···· ···· X XXXX 2··· X · y X 4* X ···· 3X XX XX X X X ··· X 2 1 X X 1X ··X · ····XX XXX X X ··· X ···· XX @ XXX ·· XX ···X 1@ · · · · · @ ··· 2·@ 3@ @ R x 3 Wykład 7 i 8, 25 XI i 2 XII 2008, str. 16 Przestrzeń rozwiązań rząd C3 = 2 Jakie są rozwiązania układu C3 × X = O ? ( −x+y−z = 0 Cała prosta: z= 0. −1 1 −1 def 2 C3 = −1 1 0 0 1 z 46 XXX XX XXXX XXX XXX X 2 yX XX X 4 * X X XX XXX @ 3 X 2 @ @ 1 X @ X X 1X X XX @ @ @ X X XX XX @ X @ @ X X X @ X @ X X X @ @ X X @ X @ X X @ X X@ 1@ X @ @ X X @ @ @ 2 @ @ @ 3@ @ R x 3 Układy równań – liczba rozwiązań TWIERDZENIE: M Załóżmy, że A jest macierzą o wymiarach m × n i rząd A = k. Wtedy zbiór rozwiązań układu jednorodnego A × X = O tworzy hiperpłaszczyznę (n − k)-wymiarową w przestrzeni Rn . TWIERDZENIE: (Kroneckera-Capellego) M Załóżmy, że A jest macierzą niejednorodnego układu m równań z n niewiadomymi (czyli o wymiarach m × n) i że B = [b1 , b2 , . . . , bm ]T jest wektorem wyrazów wolnych. Niech a11 a12 . . . a1n b1 a21 a22 . . . a2n b2 będzie macierzą rozszerzoną o A | B def = ... ... ... ... ... kolumnę wyrazów wolnych. am1 am2 . . . amn bm Wtedy • Jeśli rząd A = rząd (A | B) = n, to układ ma dokładnie jedno rozwiązanie (układ oznaczony). • Jeśli rząd A = rząd (A | B) < n, to wartości (n − rząd A) niewiadomych można przyjąć dowolnie (układ nieoznaczony). • Jeśli rząd A < rząd (A | B), to układ nie ma rozwiązania (układ sprzeczny). Wykład 7 i 8, 25 XI i 2 XII 2008, str. 18 Przestrzeń wektorowa DEFINICJA: M Rzeczywista przestrzeń wektorowa (lub rzeczywista przestrzeń liniowa) to dowolny zbiór V (elementy nazywamy wektorami) z dwoma działaniami: • dodawaniem wektorów: jeśli u ∈ V i v ∈ V , to u + v ∈ V , oraz • mnożeniem liczby rzeczywistej przez wektor: jeśli a ∈ R i v ∈ V , to a·v ∈V, takimi, że spełnione są następujące warunki: 1. dodawanie jest przemienne: u + v = v + u; 2. dodawanie jest łączne: (u + v) + w = u + (v + w); 3. istnieje element O neutralny dla dodawania: v + O = v; 4. do każdego elementu v ∈ V istnieje element przeciwny −v ∈ V : v + (−v) = O; 5. mnożenie przez 1 ∈ R jest identycznością na V : 1 · v = v; 6. mnożenie jest łączne: a · (b · v) = (a · b) · v; 7. mnożenie jest rozdzielne względem dodawania: (a + b) · v = a · v + b · v oraz a · (u + v) = a · u + a · v. Przestrzeń wektorowa Przykład: (podstawowy) n o n def M Zbiór R = x = (x1 , x2 , . . . , xn ) xi ∈ R dla 1 ¬ i ¬ n jest przestrzenią wektorową z działaniami zdefiniowanymi następująco: x + y def = (x1 + y1 , x2 + y2 , . . . , xn + xn ) r·x def = (r · x1 , r · x2 , . . . , r · xn ) Przykład: M Zbiór funkcji z R do R z działaniami (f + g)(x) def = f (x) + g(x) (r · f )(x) def = r · f (x) tworzy przestrzeń wektorową. Wykład 7 i 8, 25 XI i 2 XII 2008, str. 20 Przestrzeń wektorowa Fakt: (własności działań) M • 0 · v = O oraz r · O = O; • • • • jeśli r 6= 0, to z r · v = r · u wynika v = u ; jeśli v 6= O, to z r1 · v = r2 · v wynika r1 = r2 ; (−r) · v = r · (−v); (r1 − r2 ) · v = r1 · v − r2 · v . DEFINICJA: (podprzestrzeń) M Podprzestrzeń przestrzeni liniowej V to taki podzbiór W ⊆ V , że • v + u ∈ W dla dowolnych v, u ∈ W , • r · v ∈ W dla dowolnych r ∈ R i v ∈ W . Przykład: Niech V będzie przestrzenią wektorową. Zbiór {O} jest podprzestrzenią V . Sam zbiór V jest podprzestrzenią V . Przestrzeń wektorowa Fakt: M Niech A będzie macierzą o wymiarach m × n. Zbiór rozwiązań układu jednorodnego A × X = O jest podprzestrzenią przestrzeni Rn . Fakt: M Jeśli V jest przestrzenią wektorową i v1 , v2 , . . . , vm ∈ V , to zbiór ich wszystkich kombinacji liniowych linn(v1 , v2 , . . . , vm ) def = o r , r , . . . , r ∈ R r1 · v1 + r2 · v2 + . . . + rm · vm 1 2 m jest podprzestrzenią V . Fakt: M Jeśli U i W są podprzestrzeniami przestrzeni V , to ich część wspólna U ∩ W też jest podprzestrzenią V . Wykład 7 i 8, 25 XI i 2 XII 2008, str. 22 Przestrzeń wektorowa Przypomnienie: Wektory v1 ,v2 ,. . . ,vk są liniowo zależne, jeśli istnieje ich kombinacja liniowa równa wektorowi zerowemu: r1 · v1 + r2 · v2 + . . . + rk · vk = O której nie wszystkie współczynniki są zerowe: ri 6= 0 dla pewnego i. Wektory v1 ,v2 ,. . . ,vk są liniowo niezależne, jeśli z równości r1 · v1 + r2 · v2 + . . . + rk · vk = O wynika r1 = r2 = . . . = rk = 0. Przykład: M Dwa wektory w Rn są liniowo niezależne wtedy i tylko wtedy, gdy nie są współliniowe. Trzy wektory w R3 są liniowo niezależne wtedy i tylko wtedy, gdy nie są współpłaszczyznowe. Przestrzeń wektorowa Fakt: M Podzbiór zbioru liniowo niezależnego jest liniowo niezależny. Nadzbiór zbioru liniowo zależnego jest liniowo zależny. Zbiór zawierający wektor O jest liniowo zależny. Przykład: M W Rn dowolny zbiór złożony z więcej niż n wektorów jest liniowo zależny. DEFINICJA: M Przez bazę przestrzeni wektorowej V rozumiemy taki podzbiór B ⊆ V , że • B jest liniowo niezależny, oraz • lin (B) = V , czyli każdy wektor z V jest jakąś kombinacją liniową wektorów z B. Wykład 7 i 8, 25 XI i 2 XII 2008, str. 24 Przestrzeń wektorowa Przykład: (baza przestrzeni Rn ) M Niech e1 = (1, 0, . . . , 0) , e2 = (0, 1, . . . , 0) , . . . , en = (0, 0, . . . , 1) . Zbiór {e1 , e2 , . . . , en } jest bazą przestrzeni Rn . TWIERDZENIE: M Przedstawienie wektora jako kombinacji liniowej wektorów bazowych jest jednoznaczne: jeśli {v1 , v2 , . . . , vm } jest bazą i m X i=1 ri · vi = m X ri′ · vi i=1 ′ to r1 = r1′ , r2 = r2′ , . . . , rm = rm . TWIERDZENIE: Każda przestrzeń wektorowa ma bazę. Wszystkie bazy tej samej przestrzeni mają równą liczbę elementów. DEFINICJA: Wymiar przestrzeni wektorowej to liczba elementów bazy. Oznaczenie: dim V . Przestrzeń wektorowa Przykład: M dim Rn = n o dim (x, y) ∈ R x − 2y = 0 = 1 n 2 0 = y 2 x− Wymiar przestrzeni funkcji z R do R jest nieskończony.