Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania

Wielkość: px
Rozpocząć pokaz od strony:

Download "Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania"

Transkrypt

1 Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania 1 Przekszta lcenia liniowe i ich w lasności Definicja 9.1. Niech V i W bed przestrzeniami liniowymi. Przekszta lcenie f : V W spe lniajace warunki: (I) α,β V f(α + β) = f(α) + f(β) oraz (II) α V a R f(a α) = a f(α) nazywamy przekszta lceniem liniowym przestrzeni V w przestrzeń W. Stwierdzenie 9.2. Z lożenie przekszta lceń liniowych jest przekszta lceniem liniowym. Dowód. Niech f : V W i g : W U bed przekszta lceniami liniowymi. Wówczas dla dowolnych α, β V jest (g f)(α + β) = g(f(α + β)) = g(f(α) + f(β)) = g(f(α)) + g(f(β)) = (g f)(α) + (g f)(β) oraz dla dowolnych α V, a R jest: (g f)(a α) = g(f(a α)) = g(a f(α)) = a g(f(α)) = a (g f)(α). Zatem g f jest przekszta lceniem liniowym. Stwierdzenie 9.3. Niech f : V W bedzie V w przestrzeń liniow W. Wówczas: (i) f(θ) = θ, (ii) f( α) = f(α) dla każdego α V, (iii) f(α β) = f(α) f(β) dla dowolnych α, β V, (iv) f(a 1 α a n α n ) = a 1 f(α 1 ) a n f(α n ) dla dowolnych a 1,..., a n R, α 1,..., α n V i dla dowolnego n N. Dowód. (i). Na mocy (II) jest f(θ) = f(0 θ) = 0 f(θ) = θ. (ii). Na mocy (I) i (i) mamy, że f(α) + f( α) = f(α + ( α)) = f(θ) = θ, wiec f( α) = f(α). (iii). Na mocy (I) i (ii) jest f(α β) = f(α + ( β)) = f(α) + f( β) = f(α) + ( f(β)) = f(α) f(β). (iv). Stosujemy indukcje wzgledem n. Dla n = 1 teza wynika z (II). Za lóżmy, że teza zachodzi dla pewnego naturalnego n i niech a 1,..., a n+1 R oraz α 1,..., α n+1 V. Wtedy na mocy (I), (II) i za lożenia indukcyjnego mamy, że f(a 1 α a n+1 α n+1 ) = f((a 1 α a n α n ) + a n+1 α n+1 ) = f(a 1 α a n α n ) + f(a n+1 α n+1 ) = a 1 f(α 1 ) a n f(α n ) + a n+1 f(α n+1 ). Zatem teza zachodzi dla liczby n + 1. Stwierdzenie 9.4. Niech f : V W bedzie V w przestrzeń liniow W. Wówczas zbiór Ker(f) = {α V : f(α) = θ} zwany jadrem f jest podprzestrzeni przestrzeni V. Ponadto f jest różnowartościowe (tzn. f jest monomorfizmem liniowym) wtedy i tylko wtedy, gdy Ker(f) = {θ}. Dowód. Na mocy stwierdzenia 9.3(i) mamy, że θ Ker(f). Niech a R, α, β Ker(f). Wtedy na mocy (I) f(α + β) = f(α) + f(β) = θ + θ = θ, wiec α + β Ker(f) oraz na mocy (II) f(a α) = a f(α) = a θ = θ, skad a α Ker(f). Zatem Ker(f) jest podprzestrzenia przestrzeni V. 1

2 Za lóżmy, że f jest różnowartościowe i niech α Ker(f). Wtedy f(α) = θ. Ale na mocy stwierdzenia 9.3(i) jest θ = f(θ), wiec f(α) = f(θ), skad α = θ. Zatem Ker(f) = {θ}. Na odwrót, za lóżmy, że Ker(f) = {θ} i weźmy dowolne α, β V takie, że f(α) = f(β). Wtedy na mocy stwierdzenia 9.3(iii) jest θ = f(α) f(β) = f(α β), czyli α β Ker(f). Zatem α β = θ, skad α = β i f jest monomorfizmem. Uwaga 9.5. Każda podprzestrzeń W przestrzeni liniowej V jest jadrem pewnego przekszta lcenia liniowego f : V V. Rzeczywiście, z twierdzenia 7.30 istnieje podprzestrzeń U przestrzeni V taka, że V = W U i każdy wektor α V można zapisać jednoznacznie w postaci α = β + γ dla pewnych β W i γ U. Przyjmijmy: f(α) = γ. Weźmy dowolne α 1, α 2 V, a R. Wtedy istniej β 1, β 2 W, γ 1, γ 2 U takie, że α 1 = β 1 + γ 1 i α 2 = β 2 + γ 2, skad α 1 + α 2 = (β 1 + β 2 ) + (γ 1 + γ 2 ) oraz β 1 + β 2 W i γ 1 + γ 2 U. Zatem f(α 1 + α 2 ) = γ 1 + γ 2 = f(α 1 ) + f(α 2 ). Ponadto a α 1 = a β 1 + a γ 1 oraz a β 1 W i a γ 1 U, wiec f(a α 1 ) = a γ 1 = a f(α 1 ). Stad f jest przekszta lceniem liniowym. Nazywamy je rzutem przestrzeni V na podprzestrzeń U wzd luż podprzestrzeni W. Dla β W mamy, że β = β + θ i θ U, wiec f(β) = θ, skad W Ker(f). Jeśli zaś α Ker(f), to istniej β W i γ U takie, że α = β + γ i θ = f(α) = γ, skad α = β W. Zatem ostatecznie W = Ker(f). Latwo też zauważyć, że Im(f) = U. Stwierdzenie 9.6. Niech f : V W bedzie V w przestrzeń liniow W. Wówczas zbiór Im(f) = f(v ) = {f(α) : α V } zwany obrazem f jest podprzestrzeni przestrzeni W. Dowód. Ze stwierdzenia 9.3(i) mamy, że θ = f(θ) f(v ). Niech α, β f(v ). Wtedy istniej α 1, β 1 V takie, że α = f(α 1 ) i β = f(β 1 ). Zatem α + β = f(α 1 ) + f(β 1 ) = f(α 1 + β 1 ) f(v ) oraz dla a R: a α = a f(α 1 ) = f(a α 1 ) f(v ). Zatem f(v ) jest podprzestrzeni przestrzeni W. Stwierdzenie 9.7. Niech f : V W bedzie V w przestrzeń liniow W. Wówczas dla dowolnych wektorów α 1,..., α n V : jeżeli wektory f(α 1 ),..., f(α n ) s liniowo niezależne, to wektory α 1,..., α n też s Jeżeli dodatkowo f jest monomorfizmem, to wektory α 1,..., α n V s liniowo niezależne wtedy i tylko wtedy, gdy wektory f(α 1 ),..., f(α n ) s Dowód. Niech α 1,..., α n V. Za lóżmy, że wektory f(α 1 ),..., f(α n ) s Weźmy dowolne a 1,..., a n R takie, że a 1 α a n α n = θ. Wtedy na mocy stwierdzenia 9.3 mamy, że a 1 f(α 1 ) a n f(α n ) = θ, skad z lnz wektorów f(α 1 ),..., f(α n ) jest a 1 =... = a n = 0, czyli wektory α 1,..., α n też s Niech teraz dodatkowo f bedzie monomorfizmem. Za lóżmy, że wektory α 1,..., α n s lnz i weźmy dowolne a 1,..., a n R takie, że a 1 f(α 1 )+...+a n f(α n ) = θ. Wtedy ze stwierdzenia 9.3 mamy, że f(a 1 α a n α n ) = f(θ), skad a 1 α a n α n = θ. Zatem z lnz wektorów α 1,..., α n wynika, że a 1 =... = a n = 0, czyli wektory f(α 1 ),..., f(α n ) s liniowo niezależne. Definicja 9.8. Przekszta lcenie liniowe f : V W nazywamy epimorfizmem, jeżeli f(v ) = W (tzn. f jest na ). Przekszta lcenie liniowe f : V V przestrzeni V w siebie nazywamy 2

3 endomorfizmem przestrzeni V. Uwaga 9.9. Z tych określeń wynika od razu, że izomorfizm liniowy jest to taki monomorfizm, który jest jednocześnie epimorfizmem. Stwierdzenie Niech f : V W bedzie izomorfizmem przestrzeni liniowych V i W. Jeżeli wektory α 1,..., α n tworz baze przestrzeni V, to wektory f(α 1 ),..., f(α n ) tworz baze przestrzeni W. Dowód. Ze stwierdzenia 9.7 wynika od razu, że wektory f(α 1 ),..., f(α n ) s Weźmy dowolne β W. Wtedy istnieje α V takie, że β = f(α). Zatem istnieja a 1,..., a n R takie, że α = a 1 α a n α n, skad na mocy stwierdzenia 9.3 jest, że β = a 1 f(α 1 ) a n f(α n ). Zatem wektory f(α 1 ),..., f(α n ) generuj przestrzeń W i sa liniowo niezależne, czyli tworz baze przestrzeni W. Twierdzenie Niech f : V W b edzie przekszta lceniem liniowym. Jeżeli przestrzeń V jest skończenie wymiarowa, to przestrzeń Im(f) też jest skończenie wymiarowa i zachodzi wzór: dim V = dim Ker(f) + dim Im(f). Dowód. Z twierdzenia 7.30 istnieje podprzestrzeń U przestrzeni V taka, że Ker(f) U = V i każdy wektor α V można jednoznacznie zapisać w postaci α = β + γ dla pewnych β Ker(f) i γ U. Stad f(α) = f(β) + f(γ) = θ + f(γ) = f(γ). Zatem Im(f) = f(u), czyli przekszta lcenie liniowe f U jest na. Weźmy dowolne γ Ker(f U). Wtedy γ U i γ Ker(f), wiec γ Ker(f) U = {θ}, skad γ = θ. Zatem ze stwierdzenia 9.4, f U jest monomorfizmem i ostatecznie f U : U Im(f) jest izomorfizmem. Zatem z twierdzenia 9.10, dim(im(f)) = dim(u). Stad przestrzeń Im(f) też jest skończenie wymiarowa. Ale z twierdzenia 7.26, dim(v ) = dim Ker(f) + dim(u), gdyż dim(ker(f) U) = 0, wiec dim V = dim Ker(f) + dim Im(f). Twierdzenie Niech wektory α 1,..., α n tworz baze przestrzeni liniowej V i niech β 1,..., β n bed dowolnymi wektorami przestrzeni liniowej W. Wówczas istnieje dok ladnie jedno przekszta lcenie liniowe f : V W takie, że f(α i ) = β i dla każdego i = 1,..., n. Ponadto takie f jest dane wzorem: f(a 1 α a n α n ) = a 1 β a n β n (1) dla a 1,..., a n R. Przekszta lcenie f jest monomorfizmem wtedy i tylko wtedy, gdy wektory β 1,..., β n s Ponadto f jest epimorfizmem wtedy i tylko wtedy, gdy wektory β 1,..., β n generuj przestrzeń W oraz f jest izomorfizmem wtedy i tylko wtedy, gdy wektory β 1,..., β n tworz baze przestrzeni W. Dowód. Dla przekszta lcenia f danego wzorem (1) mamy, że f(α i ) = β i przy i = 1,..., n. Weźmy dowolne α, β V i dowolne a R. Wtedy istniej a 1,..., a n, b 1,..., b n R takie, że α = a 1 α a n α n oraz β = b 1 α b n α n. Zatem f(α+β) = f((a 1 +b 1 ) α (a n +b n ) α n ) = (a 1 +b 1 ) β (a n +b n ) β n = (a 1 β a n β n )+(b 1 β b n β n ) = f(α) + f(β) oraz f(a α) = f((aa 1 ) α (aa n ) α n ) = (aa 1 ) β (aa n ) β n = 3

4 a (a 1 β a n β n ) = a f(α). Zatem f jest szukanym przekszta lceniem liniowym. Jeżeli g : V W jest przekszta lceniem liniowym takim, że g(α i ) = β i dla i = 1,..., n, to ze stwierdzenia 9.3 mamy, że g(a 1 α a n α n ) = a 1 g(α 1 ) a n g(α n ) = a 1 β a n β n = f(a 1 α a n α n ) dla dowolnych a 1,..., a n R. Ponieważ {α 1,..., α n } jest baz przestrzeni V, wiec stad g = f. Jeżeli f jest różnowartościowe, to na mocy stwierdzenia 9.7 wektory β 1 = f(α 1 ),..., β n = f(α n ) s Na odwrót, za lóżmy, że wektory β 1,..., β n s Niech α Ker(f). Wtedy istniej a 1,..., a n R takie, że α = a 1 α a n α n, skad Θ = f(α) = a 1 β a n β n, czyli a 1 =... = a n = 0 i α = Θ. Zatem na mocy stwierdzenia 9.4 f jest monomorfizmem. Jeżeli f jest epimorfizmem, to dla każdego β W istnieje α V takie, że β = f(α). Ale α = a 1 α a n α n dla pewnych a 1,..., a n R, wiec ze wzoru (1), β = a 1 β a n β n, czyli wektory β 1,..., β n generuj przestrzeń W. Na odwrót, za lóżmy, że wektory β 1,..., β n generuj przestrzeń W. Weźmy dowolne β W. Wtedy istniej a 1,..., a n R takie, że β = a 1 β a n β n = f(a 1 α a n α n ), czyli f jest epimorfizmem. Ostatnia cześć twierdzenia wynika z jego pierwszej cześci. Z twierdzenia 9.12 wynika od razu nastepuj ace, bardzo ważne w algebrze liniowej twierdzenie, pokazujace kluczow role przestrzeni R n wśród wszystkich przestrzeni skończenie wymiarowych. Twierdzenie Skończenie wymiarowe przestrzenie liniowe V i W s izomorficzne wtedy i tylko wtedy, gdy maj ten sam wymiar. Jeśli wektory α 1,..., α n tworz baze przestrzeni V, zaś wektory β 1,..., β n tworz baze przestrzeni W, to istnieje dok ladnie jeden taki izomorfizm f : V W, że f(α i ) = β i dla i = 1,..., n. W szczególności każda n-wymiarowa przestrzeń liniowa jest izomorficzna z przestrzeni R n. 2 Przyk lady i zastosowania przekszta lceń liniowych Przyk lad Niech V i W bed przestrzeniami liniowymi. Wówczas przekszta lcenie f : V W dane wzorem f(α) = θ dla α V jest przekszta lceniem liniowym, bo dla α, β V, a R: f(α + β) = θ = θ + θ = f(α) + f(β) oraz f(a α) = θ = a θ = a f(α). Przekszta lcenie to nazywamy zerowym lub trywialnym. Przyk lad Niech V bedzie przestrzeni liniowa. Niech a bedzie dowoln ustalona liczba. Wtedy przekszta lcenie φ a : V V dane wzorem φ a (α) = a α dla α V, jest liniowe, gdyż dla α, β V, b R mamy, że φ a (α + β) = a (α + β) = a α + a β = φ a (α) + φ a (β) oraz φ a (b α) = a (b α) = (ab) α = (ba) α = b (a α) = b φ a (α). To przekszta lcenie nazywamy homoteti o wspó lczynniku a. Przyk lad Niech W bedzie podprzestrzeni przestrzeni liniowej V. Wówczas przekszta lcenie f : W V dane wzorem f(α) = α dla α W jest oczywiście liniowe. Jest ono ponadto monomorfizmem podprzestrzeni W w przestrzeń V. W szczególności przekszta lcenie 4

5 identycznościowe id V : V V dane wzorem id V (α) = α dla α V, jest przekszta lceniem liniowym. Przyk lad Opiszemy wszystkie przekszta lcenia liniowe f : R n R m dla dowolnych ustalonych liczb naturalnych m, n. Ponieważ wektory ε 1, ε 2,..., ε n tworz baze przestrzeni R n oraz dla dowolnych x 1,..., x n R jest [x 1,..., x n ] = x 1 ε x n ε n, wiec na mocy twierdzenia 9.12 wszystkimi przekszta lceniami liniowymi f : R n R m s jedynie przekszta lcenia f postaci: f([x 1,..., x n ]) = x 1 β x n β n, dla dowolnych ustalonych β 1,..., β n R m. Ale dla j = 1,..., n istniej a ij R (i = 1,..., m) takie, że β j = [a 1j, a 2j,..., a mj ], wiec stad otrzymujemy tzw. wzór analityczny na dowolne przekszta lcenie liniowe f : R n R m : f([x 1,..., x n ]) = [a 11 x a 1n x n,..., a m1 x a mn x n ]. (2) Zauważmy ponadto, że jeżeli a ij R dla i = 1,..., m, j = 1,..., n s a takie, że przekszta lcenie f dane wzorem (2) spe lnia wzór f([x 1,..., x n ]) = [a 11 x a 1n x n,..., a m1 x a mnx n ], to dla β j = [a 1j, a 2j,..., a mj ], j = 1,..., n, bedziemy mieli, że β j = f(ε j) = β j, czyli a ij = a ij dla wszystkich i, j. Wynika stad, że przekszta lcenie liniowe f : R n R m jest jednoznacznie wyznaczone przez m n-macierz A = [a ij ]. Ponadto z definicji mnożenia macierzy mamy, że dla przekszta lcenia f danego wzorem (2) zachodzi wzór: f([x 1,..., x n ]) = A x 1 x 2. x n. (3) Przy tych oznaczeniach mamy też, że f(r n ) = lin(β 1,..., β n ) oraz wektory β 1,..., β n możemy traktować jako kolumny macierzy A, wiec stad dla przekszta lcenia f mamy wzór: dim Im(f) = r(a). (4) Zatem z twierdzenia 9.11 mamy, że n = dim R n = dim Ker(f) + dim Im(f), wi ec na mocy wzoru (4): dim Ker(f) = n r(a). (5) Zauważmy też, że [a 1,..., a n ] Ker(f) wtedy i tylko wtedy, gdy [a 1,..., a n ] jest rozwiazaniem uk ladu jednorodnego a 11 x 1 + a 12 x a 1n x n = 0 a 21 x 1 + a 22 x a 2n x n = 0.. (6)..... a m1 x 1 + a m2 x a mn x n = 0 5

6 Wynika stad nastepuj ace Twierdzenie Zbiór rozwiazań uk ladu jednorodnego (6) o macierzy wspó lczynników A jest podprzestrzeni przestrzeni liniowej R n wymiaru n r(a). Podamy teraz drugi sposób wyznaczania jednorodnego uk ladu równań liniowych o zadanej podprzestrzeni rozwiazań. Niech V bedzie dowoln podprzestrzeni przestrzeni liniowej R n. Wyznaczamy najpierw baze i wymiar podprzestrzeni V. Niech wektory α 1,..., α s tworz baze podprzestrzeni V. Wtedy dim V = s. W praktyce wyznaczamy baze V w takiej postaci, aby można by lo j uzupe lnić w prosty sposób do bazy przestrzeni R n pewnymi wektorami bazy kanonicznej przestrzeni R n. Niech wektory α 1,..., α s, β 1,..., β n s tworz baze przestrzeni R n. Na mocy twierdzenia 9.12 istnieje dok ladnie jeden epimorfizm f : R n R n s taki, że f(α i ) = Θ dla wszystkich i = 1,..., s oraz f(β j ) = ε j dla j = 1,..., n s. Z określenia f mamy, że V Ker(f). Ponadto dim Im(f) = dim R n s = n s, wiec z twierdzenia 9.11 mamy, że n = dim R n = dim Ker(f) + dim Im(f), skad dim Ker(f) = s. Ale dim V = s oraz V Ker(f), wiec stad V = Ker(f). Pozostaje zatem wyznaczyć wzór analityczny na przekszta lcenie f i w ten sposób uzyskamy natychmiast żadany uk lad jednorodny. Przyk lad Znajdziemy uk lad jednorodny równań liniowych, którego przestrzenia rozwi [ azań jest ] V = lin([1, [ 1, 1], [1, 1, 1]). ] Najpierw [ znajdujemy ] baze przestrzeni V : w 2 w w Zatem baza przestrzeni V jest {[1, 1, 1], [0, 1, 1]}. Nastepnie uzupe lniamy znalezion baze przestrzeni V do bazy ca lej przestrzeni R 3 przy pomocy wektora [0, 0, 1]. Istnieje przekszta lcenie liniowe f : R 3 R takie, że f([1, 1, 1]) = 0, f([0, 1, 1]) = 0, f([0, 0, 1]) = 1. Wtedy f([0, 1, 0]) = f([0, 1, 1]) + f([0, 0, 1]) = = 1 oraz f([1, 0, 0]) = f([1, 1, 1]) f([0, 1, 1]) = 0 0 = 0. Zatem dla dowolnych x 1, x 2, x 3 R mamy, że f([x 1, x 2, x 3 ]) = x 1 f([1, 0, 0])+x 2 f([0, 1, 0])+x 3 f([0, 0, 1]) = x 2 +x 3. Ale dim(imf) = 1, wiec dim(ker f) = 3 1 = 2. Ponadto V Ker f oraz dim(v ) = 2, wiec V = Ker f. Stad szukanym uk ladem równań jest: x 2 + x 3 = 0. Przyk lad Znajdziemy uk lad jednorodny równań liniowych, którego przestrzeń rozwiazań jest generowana przez wektory: [1, 1, 1, 1, 1], [1, 1, 0, 0, 3], [3, 1, 1, 1, 7], [0, 2, 1, 1, 2]. Znajdujemy najpierw baze podprzestrzeni V generowanej przez wektory: [1, 1, 1, 1, 1], [1, 1, 0, 0, 3], [3, 1, 1, 1, 7], [0, 2, 1, 1, 2] w 2 +w 4, w 3 +w 4 w 2 w 1, w 3 3w [ ].

7 Zatem baz V jest {[1, 1, 0, 0, 3], [0, 2, 1, 1, 2]} oraz dim V = 2. Ponieważ nasze wektory maja 5 wspó lrzednych, wiec szukany uk lad równań bedzie sie sk lada l z 5 2 = 3 równań. Ponadto baz przestrzeni R 5 jest {[1, 1, 0, 0, 3], [0, 2, 1, 1, 2], [0, 0, 1, 0, 0], [0, 0, 0, 1, 0], [0, 0, 0, 0, 1]}, wiec istnieje przekszta lcenie liniowe f : R 5 R 3 takie, że f([1, 1, 0, 0, 3]) = [0, 0, 0], (7) f([0, 2, 1, 1, 2]) = [0, 0, 0], (8) f([0, 0, 1, 0, 0]) = [1, 0, 0], (9) f([0, 0, 0, 1, 0]) = [0, 1, 0], (10) f([0, 0, 0, 0, 1]) = [0, 0, 1]. (11) Ponieważ wektory [1, 0, 0], [0, 1, 0], [0, 0, 1] tworz baze przestrzeni R 3 oraz należ do f(r 5 ), wiec f(r 5 ) = R 3, czyli dim f(r 5 ) = 3. Ale 5 = dim R 5 = dim Ker(f) + dim f(r 5 ), wiec dim Ker(f) = 5 3 = 2. Ponadto z (7) i (8) mamy, że V = lin([1, 1, 0, 0, 3], [0, 2, 1, 1, 2]) Ker(f) oraz dim V = 2, wiec V = Ker(f). Pozostaje zatem wyznaczyć wzór analityczny na takie przekszta lcenie f. Niech ε 1 = [1, 0, 0, 0, 0], ε 2 = [0, 1, 0, 0, 0], ε 3 = [0, 0, 1, 0, 0], ε 4 = [0, 0, 0, 1, 0], ε 5 = [0, 0, 0, 0, 1]. Wtedy dla dowolnych x 1, x 2, x 3, x 4, x 5 R: [x 1, x 2, x 3, x 4, x 5 ] = x 1 ε 1 + x 2 ε 2 + x 3 ε 3 + x 4 ε 4 + x 5 ε 5. Zatem z liniowości przekszta lcenia f mamy, że f([x 1, x 2, x 3, x 4, x 5 ]) = x 1 f(ε 1 ) + x 2 f(ε 2 ) + x 3 f(ε 3 ) + x 4 f(ε 4 ) + x 5 f(ε 5 ). Ze wzoru (8) mamy, że 2 f(ε 2 ) f(ε 3 ) + f(ε 4 ) + 2 f(ε 5 ) = [0, 0, 0], wiec 2 f(ε 2 ) [1, 0, 0] + [0, 1, 0] + 2 [0, 0, 1] = [0, 0, 0], skad f(ε 2 ) = [ 1 2, 1 2, 1]. Ze wzoru (7) mamy, że f(ε 1 )+f(ε 2 )+3 f(ε 5 ) = [0, 0, 0], czyli f(ε 1 )+[ 1 2, 1 2, 1]+3 [0, 0, 1] = [0, 0, 0], skad f(ε 1 ) = [ 1 2, 1 2, 2]. St ad f([x 1, x 2, x 3, x 4, x 5 ]) = x 1 [ 1 2, 1 2, 2]+x 2 [ 1 2, 1 2, 1]+x 3 [1, 0, 0]+x 4 [0, 1, 0]+x 5 [0, 0, 1] = [ 1 2 x x 2 + x 3, 1 2 x x 2 + x 4, 2x 1 x 2 + x 5 ]. Zatem V = Ker(f) jest zbiorem rozwiazań uk ladu równań: 1 2 x x 2 + x 3 = x x 2 + x 4 = 0. 2x 1 x 2 + x 5 = 0 7

Wyk lad 10 Przestrzeń przekszta lceń liniowych

Wyk lad 10 Przestrzeń przekszta lceń liniowych Wyk lad 10 Przestrzeń przekszta lceń liniowych 1 Określenie przestrzeni przekszta lceń liniowych Niech V i W bed a przestrzeniami liniowymi Oznaczmy przez L(V ; W ) zbór wszystkich przekszta lceń liniowych

Bardziej szczegółowo

Wyk lad 11 Przekszta lcenia liniowe a macierze

Wyk lad 11 Przekszta lcenia liniowe a macierze Wyk lad 11 Przekszta lcenia liniowe a macierze 1 Izomorfizm przestrzeni L(V ; W ) i M m n (R) Twierdzenie 111 Niech V i W bed a przestrzeniami liniowymi o bazach uporzadkowanych (α 1,, α n ) i (β 1,, β

Bardziej szczegółowo

Wyk lad 11 1 Wektory i wartości w lasne

Wyk lad 11 1 Wektory i wartości w lasne Wyk lad 11 Wektory i wartości w lasne 1 Wektory i wartości w lasne Niech V bedzie przestrzenia liniowa nad cia lem K Każde przekszta lcenie liniowe f : V V nazywamy endomorfizmem liniowym przestrzeni V

Bardziej szczegółowo

Wyk lad 7 Baza i wymiar przestrzeni liniowej

Wyk lad 7 Baza i wymiar przestrzeni liniowej Wyk lad 7 Baza i wymiar przestrzeni liniowej 1 Baza przestrzeni liniowej Niech V bedzie przestrzenia liniowa. Powiemy, że podzbiór X V jest maksymalnym zbiorem liniowo niezależnym, jeśli X jest zbiorem

Bardziej szczegółowo

Wyk lad 13 Funkcjona ly dwuliniowe

Wyk lad 13 Funkcjona ly dwuliniowe 1 Izomorfizmy kanoniczne Wyk lad 13 Funkcjona ly dwuliniowe Definicja 13.1. Niech V i W bed przestrzeniami liniowymi. Funkcje ξ : V W R nazywamy funkcjona lem dwuliniowym, jeżeli i a,b R α,β V γ W ξa α

Bardziej szczegółowo

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Wyk lad 9 Baza i wymiar przestrzeni liniowej Wyk lad 9 Baza i wymiar przestrzeni liniowej 1 Operacje elementarne na uk ladach wektorów Niech α 1,..., α n bed dowolnymi wektorami przestrzeni liniowej V nad cia lem K. Wyróżniamy nastepuj ace operacje

Bardziej szczegółowo

Wyk lad 8 macierzy i twierdzenie Kroneckera-Capellego

Wyk lad 8 macierzy i twierdzenie Kroneckera-Capellego Wyk lad 8 Rzad macierzy i twierdzenie Kroneckera-Capellego 1 Określenie rz edu macierzy Niech A bedzie m n - macierza Wówczas wiersze macierzy A możemy w naturalny sposób traktować jako wektory przestrzeni

Bardziej szczegółowo

Wyk lad 6 Podprzestrzenie przestrzeni liniowych

Wyk lad 6 Podprzestrzenie przestrzeni liniowych Wyk lad 6 Podprzestrzenie przestrzeni liniowych 1 Określenie podprzestrzeni Definicja 6.1. Niepusty podzbiór V 1 V nazywamy podprzestrzeni przestrzeni liniowej V, jeśli ma on nastepuj ace w lasności: (I)

Bardziej szczegółowo

Wyk lad 14 Formy kwadratowe I

Wyk lad 14 Formy kwadratowe I Wyk lad 14 Formy kwadratowe I Wielomian n-zmiennych x 1,, x n postaci n a ij x i x j, (1) gdzie a ij R oraz a ij = a ji dla wszystkich i, j = 1,, n nazywamy forma kwadratowa n-zmiennych Forme (1) można

Bardziej szczegółowo

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Wyk lad 9 Baza i wymiar przestrzeni liniowej Wyk lad 9 Baza i wymiar liniowej Baza liniowej Niech V bedzie nad cia lem K Powiemy, że zbiór wektorów {α,, α n } jest baza V, jeżeli wektory α,, α n sa liniowo niezależne oraz generuja V tzn V = L(α,,

Bardziej szczegółowo

A. Strojnowski - Twierdzenie Jordana 1

A. Strojnowski - Twierdzenie Jordana 1 A Strojnowski - Twierdzenie Jordana 1 Zadanie 1 Niech f b edzie endomorfizmem skończenie wymiarowej przestrzeni V nad cia lem charakterystyki różnej od 2 takim, że M(f) nie jest diagonalizowalna ale M(f

Bardziej szczegółowo

Wyk lad 5 Grupa ilorazowa, iloczyn prosty, homomorfizm

Wyk lad 5 Grupa ilorazowa, iloczyn prosty, homomorfizm Wyk lad 5 Grupa ilorazowa, iloczyn prosty, homomorfizm 1 Grupa ilorazowa Niech H b edzie dzielnikiem normalnym grupy G. Oznaczmy przez G/H zbiór wszystkich warstw lewostronnych grupy G wzgl edem podgrupy

Bardziej szczegółowo

Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u

Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u W ) Rzeczywiście U W jest podprzetrzenią przestrzeni

Bardziej szczegółowo

Przestrzenie liniowe w zadaniach

Przestrzenie liniowe w zadaniach Przestrzenie linioe zadaniach Zadanie 1. Cz ektor [3, 4, 4 jest kombinacja linioa ektoró [1, 1, 1, [1, 0, 1, [1, 3, 5 przestrzeni R 3? Roziazanie. Szukam x,, z R takich, że [3, 4, 4 x [1, 1, 1 + [1, 0,

Bardziej szczegółowo

Praca domowa - seria 6

Praca domowa - seria 6 Praca domowa - seria 6 28 grudnia 2012 Zadanie 1. Znajdź bazę jądra i obrazu przekształcenia liniowego φ : R 4 wzorem: R 3 danego φ(x 1, x 2, x 3, x 4 ) = (x 1 +2x 2 x 3 +3x 4, x 1 +x 2 +2x 3 +x 4, 2x

Bardziej szczegółowo

(α + β) a = α a + β a α (a + b) = α a + α b (α β) a = α (β a). Definicja 4.1 Zbiór X z dzia laniami o wyżej wymienionych w lasnościach

(α + β) a = α a + β a α (a + b) = α a + α b (α β) a = α (β a). Definicja 4.1 Zbiór X z dzia laniami o wyżej wymienionych w lasnościach Rozdzia l 4 Przestrzenie liniowe 4.1 Przestrzenie i podprzestrzenie 4.1.1 Definicja i podstawowe w lasności Niech X z dzia laniem dodawania + b edzie grupa przemienna (abelowa). Oznaczmy przez 0 element

Bardziej szczegółowo

9 Przekształcenia liniowe

9 Przekształcenia liniowe 9 Przekształcenia liniowe Definicja 9.1. Niech V oraz W będą przestrzeniami liniowymi nad tym samym ciałem F. Przekształceniem liniowym nazywamy funkcję ϕ : V W spełniającą warunek (LM) v1,v 2 V a1,a 2

Bardziej szczegółowo

Rozdzia l 11. Przestrzenie Euklidesowe Definicja, iloczyn skalarny i norma. iloczynem skalarnym.

Rozdzia l 11. Przestrzenie Euklidesowe Definicja, iloczyn skalarny i norma. iloczynem skalarnym. Rozdzia l 11 Przestrzenie Euklidesowe 11.1 Definicja, iloczyn skalarny i norma Definicja 11.1 Przestrzenia Euklidesowa nazywamy par e { X K,ϕ }, gdzie X K jest przestrzenia liniowa nad K, a ϕ forma dwuliniowa

Bardziej szczegółowo

Wyk lad 7 Metoda eliminacji Gaussa. Wzory Cramera

Wyk lad 7 Metoda eliminacji Gaussa. Wzory Cramera Wyk lad 7 Metoda eliminacji Gaussa Wzory Cramera Metoda eliminacji Gaussa Metoda eliminacji Gaussa polega na znalezieniu dla danego uk ladu a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n =

Bardziej szczegółowo

Wyk lad 4 Warstwy, dzielniki normalne

Wyk lad 4 Warstwy, dzielniki normalne Wyk lad 4 Warstwy, dzielniki normalne 1 Warstwy grupy wzgl edem podgrupy Niech H bedzie podgrupa grupy (G,, e). W zbiorze G wprowadzamy relacje l oraz r przyjmujac, że dla dowolnych a, b G: a l b a 1 b

Bardziej szczegółowo

Wykład 5. Ker(f) = {v V ; f(v) = 0}

Wykład 5. Ker(f) = {v V ; f(v) = 0} Wykład 5 Niech f : V W będzie przekształceniem liniowym przestrzeni wektorowych Wtedy jądrem przekształcenia nazywamy zbiór tych elementów z V, których obrazem jest wektor zerowy w przestrzeni W Jądro

Bardziej szczegółowo

Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera

Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera Określenie podpierścienia Definicja 9.. Podpierścieniem pierścienia (P, +,, 0, ) nazywamy taki podzbiór A P, który jest pierścieniem ze wzgledu

Bardziej szczegółowo

Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas

Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas Ćwiczenie 1. Dowieść, że jeśli U i V s a podprzestrzeniami n-wymiarowej przestrzeni wektorowej oraz dim U = r i dim V = s, to max(0,

Bardziej szczegółowo

Wyk lad 12. (ii) najstarszy wspó lczynnik wielomianu f jest elementem odwracalnym w P. Dowód. Niech st(f) = n i niech a bedzie

Wyk lad 12. (ii) najstarszy wspó lczynnik wielomianu f jest elementem odwracalnym w P. Dowód. Niech st(f) = n i niech a bedzie 1 Dzielenie wielomianów Wyk lad 12 Ważne pierścienie Definicja 12.1. Niech P bedzie pierścieniem, który może nie być dziedzina ca lkowitości. Powiemy, że w pierścieniu P [x] jest wykonalne dzielenie z

Bardziej szczegółowo

Zadania z GAL-u. 1 Rozwia. Listopad x + 3y = 1 3x + y = x + y = 1 x + 2y 3z = 3 2x + 4y + z = 1 1.2

Zadania z GAL-u. 1 Rozwia. Listopad x + 3y = 1 3x + y = x + y = 1 x + 2y 3z = 3 2x + 4y + z = 1 1.2 Zadania z GAL-u Listopad 2004 1 Rozwia zać uk lady równań: 11 12 13 14 15 { 2x + 3y = 1 3x + y = 0 x + y = 1 x + 2y 3z = 3 2x + 4y + z = 1 3x + y + z = 1 x + 2z = 6 3y + 2z = 0 2x + 3y + 2z = 1 3x + 4y

Bardziej szczegółowo

Egzamin z algebry liniowej 2003 r.

Egzamin z algebry liniowej 2003 r. Egzamin z algebry linioej 003 r. Cześć I na ocene dostateczna Zadanie. Wyznacz szystkie liczby zespolone z takie, że a) z = 8 + 6i, b) ( + 3i) z = i. Zadanie. Wykonaj podane dzia lania macierzoe: [ 3 0

Bardziej szczegółowo

Wyk lad 3 Wielomiany i u lamki proste

Wyk lad 3 Wielomiany i u lamki proste Wyk lad 3 Wielomiany i u lamki proste 1 Konstrukcja pierścienia wielomianów Niech P bedzie dowolnym pierścieniem, w którym 0 1. Oznaczmy przez P [x] zbiór wszystkich nieskończonych ciagów o wszystkich

Bardziej szczegółowo

Wyk lad 14 Cia la i ich w lasności

Wyk lad 14 Cia la i ich w lasności Wyk lad 4 Cia la i ich w lasności Charakterystyka cia la Określenie cia la i w lasności dzia lań w ciele y ly omówione na algerze liniowej. Stosujac terminologie z teorii pierścieni możemy powiedzieć,

Bardziej szczegółowo

6 Homomorfizmy przestrzeni liniowych

6 Homomorfizmy przestrzeni liniowych konspekt wykladu - 2009/10 1 6 Homomorfizmy przestrzeni liniowych Definicja 6.1. Niech V, U be przestrzeniami liniowymi nad cialem K. Przeksztalcenie F : V W nazywamy przeksztalceniem liniowym (homomorfizmem

Bardziej szczegółowo

Rozdzia l 3. Elementy algebry uniwersalnej

Rozdzia l 3. Elementy algebry uniwersalnej Rozdzia l 3. Elementy algebry uniwersalnej 1. Podalgebry, homomorfizmy Definicja. Niech = B A oraz o bȩdzie n-argumentow a operacj a na zbiorze A. Mówimy, że zbiór B jest zamkniȩty na operacjȩ o, gdy dla

Bardziej szczegółowo

Sterowalność liniowych uk ladów sterowania

Sterowalność liniowych uk ladów sterowania Sterowalność liniowych uk ladów sterowania W zadaniach sterowania docelowego należy przeprowadzić obiekt opisywany za pomoc a równania stanu z zadanego stanu pocz atkowego ẋ(t) = f(x(t), u(t), t), t [t,

Bardziej szczegółowo

Wyk lad 4 Macierz odwrotna i twierdzenie Cramera

Wyk lad 4 Macierz odwrotna i twierdzenie Cramera Wyk lad 4 Macierz odwrotna i twierdzenie Cramera 1 Odwracanie macierzy I n jest elementem neutralnym mnożenia macierzy w zbiorze M n (R) tzn A I n I n A A dla dowolnej macierzy A M n (R) Ponadto z twierdzenia

Bardziej szczegółowo

ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ

ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ WSHE, O/K-CE 10. Homomorfizmy Definicja 1. Niech V, W będą dwiema przestrzeniami liniowymi nad ustalonym ciałem, odwzorowanie ϕ : V W nazywamy homomorfizmem

Bardziej szczegółowo

Suma i przeciȩcie podprzestrzeń, suma prosta, przestrzeń ilorazowa Javier de Lucas

Suma i przeciȩcie podprzestrzeń, suma prosta, przestrzeń ilorazowa Javier de Lucas Suma i przeciȩcie podprzestrzeń suma prosta przestrzeń ilorazowa Javier de Lucas Ćwiczenie 1 W zależności od wartości parametru p podaj wymiar przestrzeni W = v 1 v v 3 gdzie p 0 v 1 = 1 + p 3 v = 5 3

Bardziej szczegółowo

Zagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka

Zagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka Zagadnienie Dualne Zadania Programowania Liniowego Seminarium Szkoleniowe Edyta Mrówka Ogólne zagadnienie PL Znajdź taki wektor X = (x 1, x 2,..., x n ), który minimalizuje kombinacje liniow a przy ograniczeniach

Bardziej szczegółowo

Wyk lad 2 Podgrupa grupy

Wyk lad 2 Podgrupa grupy Wyk lad 2 Podgrupa grupy Definicja 2.1. Pod grupy (G,, e) nazywamy taki podzbiór H G, że e H, h 1 H dla każdego h H oraz h 1 h 2 H dla dowolnych h 1, h 2 H. Jeśli H jest grupy G, to bedziemy pisali H G.

Bardziej szczegółowo

Przestrzenie wektorowe, liniowa niezależność wektorów, bazy przestrzeni wektorowych

Przestrzenie wektorowe, liniowa niezależność wektorów, bazy przestrzeni wektorowych Grupa, cia lo Zadanie 1. Jakie w lasności w zbiorze liczb naturalnych, ca lkowitych, wymiernych, rzeczywistych maj dzia lania a b = a b, a b = a 2 + b 2, a b = a+b, a b = b. 2 Zadanie 2. Pokazać, że (R

Bardziej szczegółowo

Wyk lad 1 Podstawowe struktury algebraiczne

Wyk lad 1 Podstawowe struktury algebraiczne Wyk lad 1 Podstawowe struktury algebraiczne 1 Dzia lanie w zbiorze Majac dane dowolne dwa przedmioty a b możemy z nich utworzyć pare uporzadkowan a (a b) o poprzedniku a i nastepniku b. Warunek na równość

Bardziej szczegółowo

Normy wektorów i macierzy

Normy wektorów i macierzy Rozdzia l 3 Normy wektorów i macierzy W tym rozdziale zak ladamy, że K C. 3.1 Ogólna definicja normy Niech ψ : K m,n [0, + ) b edzie przekszta lceniem spe lniaj acym warunki: (i) A K m,n ψ(a) = 0 A = 0,

Bardziej szczegółowo

φ(x 1,..., x n ) = a i x 2 i +

φ(x 1,..., x n ) = a i x 2 i + Teoria na egzamin z algebry liniowej Wszystkie podane pojęcia należy umieć określić i podać pprzykłady, ewentualnie kontrprzykłady. Ponadto należy znać dowody tam gdzie to jest zaznaczone. Liczby zespolone.

Bardziej szczegółowo

Wyk lad 4 Dzia lania na macierzach. Określenie wyznacznika

Wyk lad 4 Dzia lania na macierzach. Określenie wyznacznika Wyk lad 4 Dzia lania na macierzach Określenie wyznacznika 1 Określenie macierzy Niech K bedzie dowolnym cia lem oraz niech n i m bed a dowolnymi liczbami naturalnymi Prostokatn a tablice a 11 a 12 a 1n

Bardziej szczegółowo

Przekształcenia liniowe

Przekształcenia liniowe Przekształcenia liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 4. wykład z algebry liniowej Warszawa, październik 2010 Mirosław Sobolewski (UW) Warszawa, wrzesień 2006 1 / 7

Bardziej szczegółowo

Niech X bȩdzie dowolnym zbiorem. Dobry porz adek to relacja P X X (bȩdziemy pisać x y zamiast x, y P ) o w lasnościach:

Niech X bȩdzie dowolnym zbiorem. Dobry porz adek to relacja P X X (bȩdziemy pisać x y zamiast x, y P ) o w lasnościach: Teoria miary WPPT IIr semestr zimowy 2009 Wyk lad 4 Liczby kardynalne, indukcja pozaskończona DOBRY PORZA DEK 14/10/09 Niech X bȩdzie dowolnym zbiorem Dobry porz adek to relacja P X X (bȩdziemy pisać x

Bardziej szczegółowo

Układy liniowo niezależne

Układy liniowo niezależne Układy liniowo niezależne Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 3.wykład z algebry liniowej Warszawa, październik 2016 Mirosław Sobolewski (UW) Warszawa, październik 2016 1

Bardziej szczegółowo

GAL, konspekt wyk ladów: Przestrzenie afiniczne

GAL, konspekt wyk ladów: Przestrzenie afiniczne GAL, konspekt wyk ladów: Przestrzenie afiniczne 4 kwietnia 2017 Notatki zawieraja odsy lacze do podre czników [Kos]=Kostrikin, [Tor]=Toruńczyk Materia l mniej standardowy jest opisany dok ladniej 1 Przestrzenie

Bardziej szczegółowo

Iloczyn skalarny. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 10. wykład z algebry liniowej Warszawa, grudzień 2013

Iloczyn skalarny. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 10. wykład z algebry liniowej Warszawa, grudzień 2013 Iloczyn skalarny Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 10. wykład z algebry liniowej Warszawa, grudzień 2013 Mirosław Sobolewski (UW) Warszawa, grudzień 2013 1 / 14 Standardowy

Bardziej szczegółowo

Pierścienie grupowe wyk lad 3. lewych podmodu lów prostych. Ogólniej, aby roz lożyć dany pierścień na sume. prosta

Pierścienie grupowe wyk lad 3. lewych podmodu lów prostych. Ogólniej, aby roz lożyć dany pierścień na sume. prosta Pierścienie rupowe wyk lad 3 Już wiemy, że alebre rupowa CG skończonej rupy G można roz lożyć na sume lewych podmodu lów prostych Oólniej, aby roz lożyć dany pierścień na sume prosta jeo dwóch podmodu

Bardziej szczegółowo

Warunki dzia lań na wektorach - aksjomaty przestrzeni liniowej a) b) daja podobnie do wektorów: strza lki, si la, pre

Warunki dzia lań na wektorach - aksjomaty przestrzeni liniowej a) b) daja podobnie do wektorów: strza lki, si la, pre PRZESTRZENIE LINIOWE V = V, +,,, 0, K Warunki dzia lań na wektorach - aksjomaty przestrzeni liniowej a) b) c) d) e) f) g) h) v V v V u V u V (v + u = u + v) w V v V (v + 0 = v) (v + v V v = 0) (1 v = v)

Bardziej szczegółowo

13 Układy równań liniowych

13 Układy równań liniowych 13 Układy równań liniowych Definicja 13.1 Niech m, n N. Układem równań liniowych nad ciałem F m równaniach i n niewiadomych x 1, x 2,..., x n nazywamy koniunkcję równań postaci a 11 x 1 + a 12 x 2 +...

Bardziej szczegółowo

13. Cia la. Rozszerzenia cia l.

13. Cia la. Rozszerzenia cia l. 59 13. Cia la. Rozszerzenia cia l. Z rozważań poprzedniego paragrafu wynika, że jeżeli wielomian f o wspó lczynnikach w ciele K jest nierozk ladalny, to pierścień ilorazowy K[X]/(f) jest cia lem zawieraja

Bardziej szczegółowo

Diagonalizacja macierzy i jej zastosowania

Diagonalizacja macierzy i jej zastosowania Diagonalizacja macierzy i jej zastosowania Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 9. wykład z algebry liniowej Warszawa, listopad 2012 Mirosław Sobolewski (UW) Warszawa,listopad

Bardziej szczegółowo

Diagonalizacja macierzy i jej zastosowania

Diagonalizacja macierzy i jej zastosowania Diagonalizacja macierzy i jej zastosowania Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 9. wykład z algebry liniowej Warszawa, grudzień 2011 Mirosław Sobolewski (UW) Warszawa, grudzień

Bardziej szczegółowo

y 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) =

y 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) = Uk lady równań różniczkowych Pojȩcia wsȩpne Uk ladem równań różniczkowych nazywamy uk lad posaci y = f (, y, y 2,, y n ) y 2 = f 2 (, y, y 2,, y n ) y n = f n (, y, y 2,, y n ) () funkcje f j, j =, 2,,

Bardziej szczegółowo

WYK LAD 5: GEOMETRIA ANALITYCZNA W R 3, PROSTA I P LASZCZYZNA W PRZESTRZENI R 3

WYK LAD 5: GEOMETRIA ANALITYCZNA W R 3, PROSTA I P LASZCZYZNA W PRZESTRZENI R 3 WYK LAD 5: GEOMETRIA ANALITYCZNA W R 3, PROSTA I P LASZCZYZNA W PRZESTRZENI R 3 Definicja 1 Przestrzenia R 3 nazywamy zbiór uporzadkowanych trójek (x, y, z), czyli R 3 = {(x, y, z) : x, y, z R} Przestrzeń

Bardziej szczegółowo

Układy równań liniowych

Układy równań liniowych Układy równań liniowych Niech K będzie ciałem. Niech n, m N. Równanie liniowe nad ciałem K z niewiadomymi (lub zmiennymi) x 1, x 2,..., x n K definiujemy jako formę zdaniową zmiennej (x 1,..., x n ) K

Bardziej szczegółowo

Seria zadań z Algebry IIR nr kwietnia 2017 r. i V 2 = B 2, B 4 R, gdzie

Seria zadań z Algebry IIR nr kwietnia 2017 r. i V 2 = B 2, B 4 R, gdzie Seria zadań z Algebry IIR nr 29 kwietnia 207 r Notacja: We wszystkich poniższych zadaniach K jest ciałem, V wektorow a nad K zaś jest przestrzeni a Zadanie Niechaj V = K 4 [t] Określmy podprzestrzenie

Bardziej szczegółowo

GAL z aweber/zadania/gal2017gw/ Wersja

GAL z aweber/zadania/gal2017gw/ Wersja Przestrzenie rzutowe GAL z 27 http://wwwmimuwedupl/ aweber/zadania/gal27gw/ Wersja 2627 Patrz osobny plik http://wwwmimuwedupl/ aweber/zadania/gal27gw/przestrzenie rzutowe-zadaniapdf Do zrobienia na ćwiczeniach:

Bardziej szczegółowo

Diagonalizacja macierzy i jej zastosowania

Diagonalizacja macierzy i jej zastosowania Diagonalizacja macierzy i jej zastosowania Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 9. wykład z algebry liniowej Warszawa, listopad 29 Mirosław Sobolewski (UW) Warszawa, wrzesień

Bardziej szczegółowo

POCHODNA KIERUNKOWA. DEFINICJA Jeśli istnieje granica lim. to granica ta nazywa siȩ pochodn a kierunkow a funkcji f(m) w kierunku osi l i oznaczamy

POCHODNA KIERUNKOWA. DEFINICJA Jeśli istnieje granica lim. to granica ta nazywa siȩ pochodn a kierunkow a funkcji f(m) w kierunku osi l i oznaczamy POCHODNA KIERUNKOWA Pochodne cz astkowe funkcji f(m) = f(x, y, z) wzglȩdem x, wzglȩdem y i wzglȩdem z wyrażaj a prȩdkość zmiany funkcji w kierunku osi wspó lrzȩdnych; np. f x jest prȩdkości a zmiany funkcji

Bardziej szczegółowo

Wyk lad 5 W lasności wyznaczników. Macierz odwrotna

Wyk lad 5 W lasności wyznaczników. Macierz odwrotna Wyk lad 5 W lasności wyznaczników Macierz odwrotna 1 Operacje elementarne na macierzach Bardzo ważne znaczenie w algebrze liniowej odgrywaja tzw operacje elementarne na wierszach lub kolumnach macierzy

Bardziej szczegółowo

Rozwiązania, seria 5.

Rozwiązania, seria 5. Rozwiązania, seria 5. 26 listopada 2012 Zadanie 1. Zbadaj, dla jakich wartości parametru r R wektor (r, r, 1) lin{(2, r, r), (1, 2, 2)} R 3? Rozwiązanie. Załóżmy, że (r, r, 1) lin{(2, r, r), (1, 2, 2)}.

Bardziej szczegółowo

Wyk lad 3 Wyznaczniki

Wyk lad 3 Wyznaczniki 1 Określenie wyznacznika Wyk lad 3 Wyznaczniki Niech A bedzie macierza kwadratowa stopnia n > 1 i niech i, j bed a liczbami naturalnymi n Symbolem A ij oznaczać bedziemy macierz kwadratowa stopnia n 1

Bardziej szczegółowo

Zadania z Algebry liniowej 3 semestr zimowy 2008/2009

Zadania z Algebry liniowej 3 semestr zimowy 2008/2009 Zadania z Algebry liniowej 3 semestr zimowy 2008/2009 1. Niech V będzie przestrzenią wektorową nad ciałem K i niech 0 K oraz θ V będą elementem zerowym ciała K i wektorem zerowym przestrzeni V. Posługując

Bardziej szczegółowo

Zmiana baz. Jacek Jędrzejewski 2014. 1 Macierz przejścia od bazy do bazy 2

Zmiana baz. Jacek Jędrzejewski 2014. 1 Macierz przejścia od bazy do bazy 2 Zmiana baz Jacek Jędrzejewski 2014 Spis treści 1 Macierz przejścia od bazy do bazy 2 2 Wektory a zmiana baz 2 21 Współrzędne wektora względem różnych baz 2 22 Wektory o tych samych współrzędnych względem

Bardziej szczegółowo

Indeks odwzorowania zmiennej zespolonej wzgl. krzywej zamknietej

Indeks odwzorowania zmiennej zespolonej wzgl. krzywej zamknietej Indeks odwzorowania zmiennej zespolonej wzgl edem krzywej zamkni etej 1. Liczby zespolone - konstrukcja Hamiltona 2. Homotopia odwzorowań na okr egu 3. Indeks odwzorowania ciag lego wzgledem krzywej zamknietej

Bardziej szczegółowo

4 Przekształcenia liniowe

4 Przekształcenia liniowe MIMUW 4. Przekształcenia liniowe 16 4 Przekształcenia liniowe Obok przestrzeni liniowych, podstawowym obiektem algebry liniowej są przekształcenia liniowe. Rozpatrując przekształcenia liniowe między przestrzeniami

Bardziej szczegółowo

Zadania o liczbach zespolonych

Zadania o liczbach zespolonych Zadania o liczbach zespolonych Zadanie 1. Znaleźć takie liczby rzeczywiste a i b, aby zachodzi ly równości: a) a( + i) + b(4 i) 6 i, b) a( + i) + b( + i) 8i, c) a(4 i) + b(1 + i) 7 1i, ( ) a d) i + b +i

Bardziej szczegółowo

Liczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc

Liczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc Liczby zespolone, liniowa zależność i bazy Javier de Lucas Ćwiczenie. Dowieść, że jeśli µ := c d d c, to homografia h(x) = (ax+b)/(cx+d), a, b, c, d C, ad bc, odwzorowuje oś rzeczywist a R C na okr ag

Bardziej szczegółowo

. : a 1,..., a n F. . a n Wówczas (F n, F, +, ) jest przestrzenią liniową, gdzie + oraz są działaniami zdefiniowanymi wzorami:

. : a 1,..., a n F. . a n Wówczas (F n, F, +, ) jest przestrzenią liniową, gdzie + oraz są działaniami zdefiniowanymi wzorami: 9 Wykład 9: Przestrzenie liniowe i podprzestrzenie Definicja 9 Niech F będzie ciałem Algebrę (V, F, +, ), gdzie V, + jest działaniem w zbiorze V zwanym dodawaniem wektorów, a jest działaniem zewnętrznym

Bardziej szczegółowo

WYK LAD 2: PODSTAWOWE STRUKTURY ALGEBRAICZNE, PIERWIASTKI WIELOMIANÓW, ROZK LAD FUNKCJI WYMIERNEJ NA U LAMKI PROSTE

WYK LAD 2: PODSTAWOWE STRUKTURY ALGEBRAICZNE, PIERWIASTKI WIELOMIANÓW, ROZK LAD FUNKCJI WYMIERNEJ NA U LAMKI PROSTE WYK LAD 2: PODSTAWOWE STRUKTURY ALGEBRAICZNE, PIERWIASTKI WIELOMIANÓW, ROZK LAD FUNKCJI WYMIERNEJ NA U LAMKI PROSTE Definicja 1 Algebra abstrakcyjna nazywamy teorie, której przedmiotem sa dzia lania na

Bardziej szczegółowo

1 Podobieństwo macierzy

1 Podobieństwo macierzy GAL (Informatyka) Wykład - zagadnienie własne Wersja z dnia 6 lutego 2014 Paweł Bechler 1 Podobieństwo macierzy Definicja 1 Powiemy, że macierze A, B K n,n są podobne, jeżeli istnieje macierz nieosobliwa

Bardziej szczegółowo

Baza w jądrze i baza obrazu ( )

Baza w jądrze i baza obrazu ( ) Przykład Baza w jądrze i baza obrazu (839) Znajdź bazy jądra i obrazu odwzorowania α : R 4 R 3, gdzie α(x, y, z, t) = (x + 2z + t, 2x + y 3z 5t, x y + z + 4t) () zór ten oznacza, że α jest odwzorowaniem

Bardziej szczegółowo

Rozdzia l 2. Najważniejsze typy algebr stosowane w logice

Rozdzia l 2. Najważniejsze typy algebr stosowane w logice Rozdzia l 2. Najważniejsze typy algebr stosowane w logice 1. Algebry Boole a Definicja. Kratȩ dystrybutywn a z zerem i jedynk a, w której dla każdego elementu istnieje jego uzupe lnienie nazywamy algebr

Bardziej szczegółowo

Zestaw zadań 5: Sumy i sumy proste podprzestrzeni. Baza i wymiar. Rzędy macierzy. Struktura zbioru rozwiązań układu równań.

Zestaw zadań 5: Sumy i sumy proste podprzestrzeni. Baza i wymiar. Rzędy macierzy. Struktura zbioru rozwiązań układu równań. Zestaw zadań : Sumy i sumy proste podprzestrzeni Baza i wymiar Rzędy macierzy Struktura zbioru rozwiązań układu równań () Pokazać, że jeśli U = lin(α, α,, α k ), U = lin(β, β,, β l ), to U + U = lin(α,

Bardziej szczegółowo

Wyk lad 6 Przyk lady homomorfizmów

Wyk lad 6 Przyk lady homomorfizmów Wyk lad 6 Przyk lady hooorfizów Przyk lad 6.1. Dla dowolnych grup (G 1, 1, e 1 ), (G 2, 2, e 2 ) przekszta lcenie f: G 1 G 2 dane wzore f(x) = e 2 dla x G 1 jest hooorfize grup, bo f(a) 2 f(b) = e 2 2

Bardziej szczegółowo

Analiza funkcjonalna 1.

Analiza funkcjonalna 1. Analiza funkcjonalna 1. Wioletta Karpińska Semestr letni 2015/2016 0 Bibliografia [1] Banaszczyk W., Analiza matematyczna 3. Wykłady. (http://math.uni.lodz.pl/ wbanasz/am3/) [2] Birkholc A., Analiza matematyczna.

Bardziej szczegółowo

Literatura: Oznaczenia:

Literatura: Oznaczenia: Literatura: 1. R.R.Andruszkiewicz,,,Wyk lady z algebry ogólnej I, Wydawnictwo UwB, Bia lystok 2005. 2. Cz. Bagiński,,,Wst ep do teorii grup, Wydawnictwo Script, Warszawa 2002. 3. M. Bryński i J. Jurkiewicz,,,Zbiór

Bardziej szczegółowo

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH Katedra Matematyki i Ekonomii Matematycznej SGH 23 października 2018 Definicja iloczynu skalarnego Definicja Iloczynem skalarnym w przestrzeni liniowej R n nazywamy odwzorowanie ( ) : R n R n R spełniające

Bardziej szczegółowo

1 Przestrzenie unitarne i przestrzenie Hilberta.

1 Przestrzenie unitarne i przestrzenie Hilberta. Przestrzenie unitarne i przestrzenie Hilberta.. Wykazać, że iloczyn skalarny w przestrzeni wektorowej X nad cia lem K ma nastepuj ace w lasności: (i) x, y + z = x, y + x, z, (ii) x, λy = λ x, y, (iii)

Bardziej szczegółowo

Wykład 12 i 13 Macierz w postaci kanonicznej Jordana , 0 A 2

Wykład 12 i 13 Macierz w postaci kanonicznej Jordana , 0 A 2 Wykład 12 i 13 Macierz w postaci kanonicznej Jordana Niech A - macierz kwadratowa stopnia n Jak obliczyć np A 100? a 11 0 0 0 a 22 0 Jeśli A jest macierzą diagonalną tzn A =, to Ak = 0 0 a nn Niech B =

Bardziej szczegółowo

Rozdzia l 10. Najważniejsze normalne logiki modalne

Rozdzia l 10. Najważniejsze normalne logiki modalne Rozdzia l 10. Najważniejsze normalne logiki modalne 1. Logiki modalne normalne Definicja. Inwariantny zbiór formu l X jȩzyka modalnego L = (L,,,,, ) nazywamy logik a modaln a zbazowan a na logice klasycznej

Bardziej szczegółowo

R k v = 0}. k N. V 0 = ker R k 0

R k v = 0}. k N. V 0 = ker R k 0 Definicja 1 Niech R End(V ). Podprzestrzeń W przestrzeni V nazywamy podprzestrzenią niezmienniczą odwzorowania R jeśli Rw W, dla każdego w W ; równoważnie: R(W ) W. Jeśli W jest różna od przestrzeni {0}

Bardziej szczegółowo

GAL, konspekt wyk ladów: Tensory

GAL, konspekt wyk ladów: Tensory GAL, konspekt wyk ladów: Tensory 15.6.2018 Notatki zawieraja odsy lacze do podre czników [Kos]=Kostrikin, [Tor]=Toruńczyk. [Kos roz. 6]. Materia l mniej standardowy jest opisany dok ladniej. 1 Iloczyn

Bardziej szczegółowo

Metody Numeryczne Wykład 4 Wykład 5. Interpolacja wielomianowa

Metody Numeryczne Wykład 4 Wykład 5. Interpolacja wielomianowa Sformułowanie zadania interpolacji Metody Numeryczne Wykład 4 Wykład 5 Interpolacja wielomianowa Niech D R i niech F bȩdzie pewnym zbiorem funkcji f : D R. Niech x 0, x 1,..., x n bȩdzie ustalonym zbiorem

Bardziej szczegółowo

R n = {(x 1, x 2,..., x n ): x i R, i {1,2,...,n} },

R n = {(x 1, x 2,..., x n ): x i R, i {1,2,...,n} }, nazywa- Definicja 1. Przestrzenią liniową R n my zbiór wektorów R n = {(x 1, x 2,..., x n ): x i R, i {1,2,...,n} }, z określonymi działaniami dodawania wektorów i mnożenia wektorów przez liczby rzeczywiste.

Bardziej szczegółowo

1. R jest grupą abelową względem działania + (tzn. działanie jest łączne, przemienne, istnieje element neutralny oraz element odwrotny)

1. R jest grupą abelową względem działania + (tzn. działanie jest łączne, przemienne, istnieje element neutralny oraz element odwrotny) Rozdział 1 Pierścienie i ideały Definicja 1.1 Pierścieniem nazywamy trójkę (R, +, ), w której R jest zbiorem niepustym, działania + : R R R i : R R R są dwuargumentowe i spełniają następujące warunki dla

Bardziej szczegółowo

Niezb. ednik matematyczny. Niezb. ednik matematyczny

Niezb. ednik matematyczny. Niezb. ednik matematyczny Niezb ednik matematyczny Niezb ednik matematyczny Liczby zespolone I Rozważmy zbiór R R (zbiór par liczb rzeczywistych) i wprowadźmy w nim nastepuj ace dzia lania: z 1 + z 2 = (x 1, y 1 ) + (x 2, y 2 )

Bardziej szczegółowo

Przestrzenie wektorowe

Przestrzenie wektorowe Rozdział 4 Przestrzenie wektorowe Rozważania dotyczące przestrzeni wektorowych rozpoczniemy od kilku prostych przykładów. Przykład 4.1. W przestrzeni R 3 = {(x, y, z) : x, y, z R} wprowadzamy dwa działania:

Bardziej szczegółowo

DB Algebra liniowa 1 semestr letni 2018

DB Algebra liniowa 1 semestr letni 2018 DB Algebra liniowa 1 semestr letni 2018 Teoria oraz większość zadań w niniejszym skrypcie zostały opracowane na podstawie książek: 1 G Banaszak, W Gajda, Elementy algebry liniowej cz I, Wydawnictwo Naukowo-Techniczne,

Bardziej szczegółowo

w teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak

w teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak Równania różniczkowe czastkowe w teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak Horyzonty 2014 Podstawowy obiekt wyk ladu: funkcje holomorficzne wielu zmiennych Temat: dwa problemy, których znane

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu 29 marca 2011 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu 31 marca 2014 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś

Bardziej szczegółowo

Niesimpleksowe metody rozwia zywania zadań PL. Seminarium Szkoleniowe Edyta Mrówka

Niesimpleksowe metody rozwia zywania zadań PL. Seminarium Szkoleniowe Edyta Mrówka Niesimpleksowe metody rozwia zywania zadań PL Seminarium Szkoleniowe Metoda Simplex: wady i zalety Algorytm SIMPLEX jest szeroko znany i stosowany do rozwi azywania zadań programowania liniowego w praktyce.

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych Funkcje wielu zmiennych 13 Zbiory w przestrzeni Definicja Przestrzeni a trójwymiarow a (przestrzeni a) nazywamy zbiór wszystkich trójek uporz adkowanych (x y z) gdzie x y z R. Przestrzeń tȩ oznaczamy symbolem

Bardziej szczegółowo

Endomorfizmy liniowe

Endomorfizmy liniowe Endomorfizmy liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 8. wykład z algebry liniowej Warszawa, listopad 2011 Mirosław Sobolewski (UW) Warszawa, listopad 2011 1 / 16 Endomorfizmy

Bardziej szczegółowo

Zastosowania wyznaczników

Zastosowania wyznaczników Zastosowania wyznaczników Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 7.wykład z algebry liniowej Warszawa, listopad 2012 Mirosław Sobolewski (UW) Warszawa, listopad 2012 1 / 17

Bardziej szczegółowo

Rozdzia l 10. Formy dwuliniowe i kwadratowe Formy dwuliniowe Definicja i przyk lady

Rozdzia l 10. Formy dwuliniowe i kwadratowe Formy dwuliniowe Definicja i przyk lady Rozdzia l 10 Formy dwuliniowe i kwadratowe 10.1 Formy dwuliniowe 10.1.1 Definicja i przyk lady Niech X K b edzie przestrzenia liniowa nad cia lem K, dim(x K ) = n. Definicja 10.1 Przekszta lcenie ϕ : X

Bardziej szczegółowo

Przestrzenie liniowe

Przestrzenie liniowe Przestrzenie liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 2 wykład z algebry liniowej Warszawa, październik 2015 Mirosław Sobolewski (UW) Warszawa, wrzesień 2015 1 / 10 Przestrzenie

Bardziej szczegółowo

GAL, konspekt wyk ladów: Tensory

GAL, konspekt wyk ladów: Tensory GAL, konspekt wyk ladów: Tensory 8.6.2017 Notatki zawieraja odsy lacze do podre czników [Kos]=Kostrikin, [Tor]=Toruńczyk. [Kos roz. 6]. Materia l mniej standardowy jest opisany dok ladniej. 1 Iloczyn tensorowy

Bardziej szczegółowo

Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE

Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE Niech K = R lub K = C oraz X - dowolny zbiór. Określmy dwa dzia lania: dodawanie + : X X X i mnożenie przez liczbȩ : K X X, spe lniaj ace nastȩpuj ace

Bardziej szczegółowo