1 Warto±ci wªasne i wektory wªasne

Wielkość: px
Rozpocząć pokaz od strony:

Download "1 Warto±ci wªasne i wektory wªasne"

Transkrypt

1 Warto±ci wªasne i wektory wªasne. Algebra endomorzmów. Wielomian od operatora Def. Algebr nad ciaªem K nazywamy zbiór A b d cy przestrzeni wektorow nad K oraz wyposa»ony w dziaªanie mno»enia : A A (a, b) a b A Mno»enie jest ª czne, tzn. a, b, c A zachodzi: oraz biliniowe a, b, c A, λ, µ K: a (b c) = (a b) c a (λb + µc) = λa b + µa c, (λa + µb) c = λa c + µb c Mówimy,»e algebra A ma jedynk, je±li istnieje element I A taki,»e a A: I a = a I = a Mówimy,»e algebra A jest przemienna, je±li a, b A zachodzi Przykªady. a b = b a.. Zbiór wielomianów K jest algebr przemienn z jedynk. (Iloczyn dwóch wielomianów jest wielomianem. Jedynka to wielomian staªy równy ). 2. Odwzorowanie liniowe przestrzeni wektorowej V w siebie nazywamy endomorzmem przestrzeni V (lub operatorem dziaªaj cym w V ). Zbiór endomorzmów przestrzeni wektorowej V : End V L(V, V ) L(V ) jest algebr nieprzemienn z jedynk. W szczególno±ci, zbiór End K n czyli zbiór macierzy kwadratowych K n n jest algebr. Algebra ta ma jedynk (macierz jednostkow ) oraz jest nieprzemienna. Niech b dzie zadany wielomian p K : p(x) = a 0 + a x + a 2 x a n x n. We¹my teraz T pewien operator: T L(V ). Zwró my uwag,»e poniewa» T jest odwzorowaniem V w V, to sensownie jest okre±lony operator T 2 i w konsekwencji dowolna pot ga operatora T s to wszystko endomorzmy V. Równie» z sensem jest okre±lony operator p(t ) = a 0 I + a T + a 2 T a n T n. Takie formalne podstawienie T zamiast x w wielomianie ma sens dla elementów ka»dej algebry (z jedynk ). Operacj przej±cia od T do p(t ) nazywamy wzi ciem wielomianu od operatora T.

2 .2 Warto±ci wªasne, wektory wªasne, wielomian charakterystyczny macierzy Def. Niech T End V. Niezerowy wektor x taki,»e dla pewnej liczby λ K zachodzi: T x = λx () nazywamy wektorem wªasnym operatora T. Uwaga. Powy»sze równanie () mo»emy przepisa jako: (T λi)x = 0. Def. Liczb λ, wyst puj c w powy»szej denicji, nazywamy warto±ci wªasn operatora T. Uwaga. Wektor wªasny jest wyznaczony z dokªadno±ci do staªej: Je±li wektor wªasny w równ. () pomno»ymy przez dowoln niezerow staª a: x = ax, to wektor x jest równie» wektorem wªasnym odpowiadaj cym tej samej warto±ci wªasnej λ. Def. Zbiór warto±ci wªasnych operatora T nazywamy widmem operatora i oznaczamy Sp T : Sp T = {λ, λ 2,..., λ k }. Ile warto±ci i wektorów wªasnych ma zadany operator T? Jak je wyznacza? B dziemy odt d zakªada,»e przestrze«v ma wymiar sko«czony: dim V = n. Skorzystamy teraz z faktu, i» równanie: (T λi)x = 0 ma niezerowe rozwi zanie wtedy i tylko wtedy, gdy operator T λi jest nieodwracalny. Jest to równowa»ne warunkowi: det(t λi) = 0 (2) gdzie przez wyznacznik operatora rozumiemy wyznacznik jego macierzy w dowolnej bazie. Aby ta denicja (wyznacznika operatora) miaªa sens, musimy si przekona, i» wyznacznik operatora nie zale»y od bazy. Okazuje si,»e mamy Stw. Wyznacznik operatora nie zale»y od bazy. Dow. Przypomnijmy sobie, jak zmienia si macierz operatora przy zmianie bazy. Miejmy zadane w V dwie bazy e, f: e = {e, e 2,..., e n }. Macierze operatora A w tych bazach s powi zane przez: A f f = Idf e Ae e Ide f (3) gdzie macierze Id f e, Ide f s macierzami zamiany bazy. Pami tamy, i» s one nieosobliwe i zachodzi: Id f e = (Ide f ), z czego wynika: det(id f e ) = / det(ide f ) Licz c teraz wyznacznik obu stron równo±ci (3), mamy det(a f f ) = det(idf e ) det(ae e ) det(ide f ) = det(ae e ), pokazali±my wi c tez Stwierdzenia. Def. Funkcj zmiennej λ K: CBDO w T (λ) = det(t λi) (4) 2

3 nazywamy wielomianem charakterystycznym operatora T. Uwaga. Z denicji wida,»e w T (λ) jest wielomianem stopnia n w zmiennej λ. Wida te» porównuj c denicje wy»ej»e warto±ci wªasne operatora T s pierwiastkami wielomianu charakterystycznego w T (λ). St d, oraz z przypomnienia sobie zasadniczego tw. algebry, mówi cego, i» wielomian stopnia n ma co najwy»ej n pierwiastków, mamy Wniosek. Operator T ma nie wi cej ni» n = dim V warto±ci wªasnych. Uwaga. Mo»e si zdarzy,»e operator ma dokªadnie n warto±ci wªasnych, a mo»e te» mie ich mniej. Je±li zaªo»ymy,»e λ C, to jest zawsze dokªadnie n warto±ci wªasnych (liczonych z krotno±ciami); je±li λ R, to mo»e ich by mniej lub nie by wcale. Wektorów wªasnych mo»e by dokªadnie n, mo»e te» by ich mniej. Przykª.. Znajd¹my warto±ci wªasne i wektory wªasne macierzy: A = 2 2 Mamy: w A (λ) = (2 λ) 2 = 4 4λ + λ 2 = λ 2 4λ + 3 = (λ )(λ 3), tak wi c widmo to: Sp(A) = {, 3}. 2. A teraz, niech: λ =, v = A = ; λ 2 = 3, v 2 = Tu: w A (λ) = ( λ) 2 (2 λ), wi c widmo to: Sp(A) = {, 3}, przy czym λ = warto± wªasna dwukrotna, λ 2 = 2 warto± wªasna jednokrotna. Wektory wªasne: λ =, v = Tu s tylko dwa wektory wªasne. 0 0 λ 2 = 2, v 2 = 3 3. Niech teraz: A = 0 0 Mamy: w A (λ) = ( λ) 2 + = λ 2 +. Równanie charakterystyczne nie ma rzeczywistych pierwiastków i w konsekwencji nie ma te» rzeczywistych wektorów wªasnych. Ale s pierwiastki zespolone: Sp(A) = {i, i}. Wektory wªasne liczymy standardowo, jak w przypadku rzeczywistym, tyle»e skªadowe wektorów s tu zespolone. λ = i, v = i ; λ 2 = i, v 2 = i 3

4 4. Oraz jeszcze: A = Rozwa»ymy tu ogólniejszy przypadek: z A = z 3 + 4i 3 4i = re iφ re iφ gdzie liczb z przedstawili±my w postaci trygonometrycznej z = re iφ. Mamy: w A (λ) = ( λ) 2 r 2 = λ = r, λ + = + r; zwró my uwag,»e oba pierwiastki s rzeczywiste, mimo i» A jest zespolona. Wektory wªasne s : v = Ker v + = Ker r re iφ re iφ r r re iφ re iφ r = Ker = Ker Wracaj c do wyj±ciowego problemu: e iφ e iφ e iφ e iφ = Ker e iφ = = Ker e iφ = w A (λ) = ( λ) 2 (3 + 4i)(3 4i) = ( λ) 2 25, e iφ e iφ sk d: Sp(A) = { 4, 6}. Zwró my uwag,»e mimo i» macierz A jest zespolona, to jej warto±ci wªasne s rzeczywiste! Nie jest to przypadek ( za chwil zapodamy stosowne twierdzenie). Tu jeszcze sko«czmy rachunki: Wektory wªasne s tu zespolone: 3 4i 3 + 4i λ = 4, v = ; λ 5 2 = 6, v 2 = ; 5 zwró my jeszcze uwag na to, i» (v + v ) = 0, czyli oba wektory wªasne s ortogonalne (przy liczeniu iloczynu skalarnego pami tajmy o sprz»eniu zespolonym!) Bardzo wa»n klas operatorów stanowi operatory hermitowskie i symetryczne. (W przykªadzie 4 mieli±my do czynienia wªa±nie z operatorem hermitowskim). Okre±la si je na przestrzeniach z iloczynem skalarnym, do zdeniowania i prostych wªasno±ci tego» niniejszym przejdziemy. Ale zauwa»my jeszcze,»e: Stw. Wyznacznik macierzy jest iloczynem jej warto±ci wªasnych. Dow. Sfaktoryzujmy wielomian charakterystyczny: w A (λ) = (λ λ )(λ λ 2 )... (λ λ n ) (nie wszystkie λ i musz by ró»ne). Rozwi«my nawiasy w powy»szym wyra»eniu: ; ; n n w A (λ) = λ n ( λ i )λ n + + λ i ; i= i= zatem w A (0) = n i= λ i. Z drugiej strony, w A (0) = det(a 0I) = det A. CBDO 4

5 .3 Przestrzenie z iloczynem skalarnym Niech V przestrze«wektorowa. Musimy tu rozwa»y dwa przypadki: przestrze«nad R i nad C. Nad R jest prosto: Def. Iloczynem skalarnym na V nazywamy form biliniow ( ) o wªasno±ciach: Dla wszystkich wektorów x, y, z i wspóªczynników α, β R zachodz wªasno±ci:. (x x) 0, przy czym (x x) = 0 x = (x y) = (y x). 3. (x αy + βz) = α(x y) + β(xz) Nad C natomiast mamy: Dla wszystkich wektorów x, y, z i wspóªczynników α, β C zachodz wªasno±ci:. (x x) 0, przy czym (x x) = 0 x = (x y) = (y x). 3. (x αy + βz) = α(x y) + β(x z) Uwaga. Punkty 2 i 3 znacz,»e: (nietrywialne jest to w przypadku zespolonym): (αx y) = ᾱ(x y). jest wi c inaczej, ni» w przypadku formy biliniowej nad R (tam byªa liniowo± w pierwszym i drugim argumencie; tu jest liniowo± w drugim argumencie, a w pierwszym, czynnik liczbowy podlega sprz»eniu przy wyrzucaniu poza iloczyn skalarny). Form o tej wªasno±ci nazywa si póªtoraliniow. Przykª.. Standardowy iloczyn skalarny w R N : 2. Standardowy iloczyn skalarny w C N : (x y) = (x y) = N i= N i= x i y i (5) x i y i (6) 3. Iloczyn skalarny dla wielomianów na, : Dla dwóch wielomianów u(x), v(x) rzeczywistych deniujemy ich iloczyn skalarny jako: (u v) = dxu(x)v(x) (7) a dla dwóch wielomianów u(x), v(x) zespolonych deniujemy ich iloczyn skalarny jako: (u v) = dxū(x)v(x) (8) 4. Iloczyn skalarny zapo»yczony z wielomianów Hermite'a: Dla dwóch wielomianów u(x), v(x) rzeczywistych deniujemy ich iloczyn skalarny jako: (u v) = 5 dxu(x)v(x)e x2 (9)

6 .4 Bazy ortogonalne Def. Mówimy,»e baza E = {E, E 2,..., E N } jest ortogonalna, je»eli (E i E j ) = 0 dla i j oraz (E i E i ) 0 dla i =,..., N. Def. Mówimy,»e baza e = {e, e 2,..., e N } jest ortonormalna, je»eli (e i e j ) = 0 dla i j oraz (e i e i ) 0 dla i =,..., N. Ten ostatni warunek zapisujemy wygodniej jako (e i e j ) = δ ij Tu δ ij jest symbolem zwanym delt Kroneckera: Warto± δ ij jest równa, je±li i = j, oraz 0, je±li i j. Przykª. Baza standardowa w R N jest ortonormalna. W bazie ortonormalnej zazwyczaj rachunki id znacznie ªatwiej, ni» w innej bazie. Dlatego tez opªaca si umie znale¹ baz ortonormaln. Mamy proste ale wa»ne Stw. Ka»d baz mo»na zortogonalizowa (a w konsekwencji te» zortonormalizowa ). Dow. jest konstruktywny (tzn. pokazuje od razu konstrukcj bazy ortogonalnej). Proces ten nazywa si ortogonalizacj Grama-Schmidta. Zakªadamy,»e mamy przestrze«n wymiarow. Mamy w niej zadan baz e = {e, e 2,..., e n } (na ogóª, nieortogonaln ). B dziemy konstruowa baz f = {f, f 2,..., f n } rekurencyjnie.. W pierwszym kroku kªadziemy f = e. 2. Szukamy drugiego wektora bazy f 2 w postaci: f 2 = e 2 + αf, gdzie α jest wspóªczynnikiem, który chcemy wyznaczy z» dania, aby f 2 byª ortogonalny do f. Liczymy: 0 = (f 2 f ) = (e 2 f ) + α(f f ), sk d Mamy wi c, w drugim kroku: α = (e 2 f ) (f f ). f 2 = e 2 (e 2 f ) (f f ) f. 3. Szukamy kolejnego czyli trzeciego wektora bazy f 3 w postaci: f 3 = e 3 +βf +γf 2, gdzie β, γ s wspóªczynnikami, które chcemy wyznaczy z» dania, aby f 3 byª ortogonalny zarówno do f 2, jak i f. Liczymy: sk d Analogicznie: 0 = (f 3 f ) = (e 3 f ) + β(f f ) + γ (f 2 f ), }{{} =0 β = (e 3 f ) (f f ). 0 = (f 3 f 2 ) = (e 3 f 2 ) + β (f f 2 ) +γ(f 2 f 2 ), }{{} =0 6

7 sk d Mamy wi c, w trzecim kroku: γ = (e 3 f 2 ) (f 2 f 2 ). f 3 = e 3 (e 3 f ) (f f ) f (e 3 f 2 ) (f 2 f 2 ) f 2....k Šatwo ju» teraz chyba domy±li si,»e w k tym kroku dostaniemy: f 3 = e 3 k j= (e 3 f j ) (f j f j ) f j Uwaga. Metoda dziaªa zarówno nad R jak i nad C; w tym ostatnim przypadku nale»y uwa»a na kolejno± wektorów w iloczynie skalarnym. Przykª. Ortogonalizacja wielomanów na, ze standardowym iloczynem skalarnym prowadz ca do wielomianów Legendre'a.5 Nierówno± Schwarza Zetkn li±my si z ni w przypadku standardowego iloczynu skalarnego w R 3 (tak naprawd te» w R n ). Okazuje si,»e nierówno± jest te» sªuszna w dowolnej przestrzeni z iloczynem skalarnym. Mianowicie zachodzi: Tw. Dla dowolnych wektorów x, y, zarówno w przestrzeni wekt. nad R jak i nad C, zachodzi (x y) 2 (x x)(y y) (0) Nieco si ró»ni dowody w przypadku rzeczywistym i zespolonym. Dow. R. We¹my dwa dowolne wektory x, y V i utwórzmy trójmian kwadratowy f(t): f(t) = (tx y tx y) = t 2 (x x) 2t(x y) + (y y). (w drugiej równo±ci wykorzystali±my symetri iloczynu skalarnego). Z aksjomatu nieujemno±ci iloczynu skalarnego, f(t) 0. Zatem wyró»nik trójmianu jest niedodatni: 0 = 4(x y) 2 4(x x) (y y), a to jest dokªadnie równo± (0). Dow. C We¹my znów dwa dowolne wektory x, y V. Ich iloczyn skalarny mo»e przyjmowa warto±ci zespolone. Zapiszmy go w postaci trygonometrycznej: (x y) = (x y) e iφ, lub (pami tajmy o póªtoraliniowo±ci iloczynu skalarnego) (x y) = (e iφ x y) = (y e iφ x). Utwórzmy teraz nast puj cy trójmian kwadratowy w t: f(t) = (te iφ x y te iφ x y); 7

8 mamy oczywi±cie f(t) 0. Napiszmy jawn posta f(t), korzystaj c z wªasno±ci iloczynu skalarnego nad C: lub f(t) = (x x)e iφ e iφ t 2 t(e iφ x y) t(y e iφ x) + (y y) f(t) = (x x) 2t (x y) + (x x) Dalszy ci g post powania jest identyczny jak w przypadku rzeczywistym..6 Operatory sprz»one Niech F endomorzm przestrzeni V. Def. Operator sprz»ony do F oznaczamy jako F i deniujemy jako taki operator,»e dla wszystkich wektorów x, y zachodzi: Wªasno±ci sprz»enia, ªatwe do sprawdzenia:. (F + G) = F + G 2. (λf ) = λf 3. (F ) = F 4. (F G) = G F (x F y) = (F x y). () Np. ostatnia wªasno± : z jednej strony; a z drugiej: (x (F G)y) = ((F G) x y) (x (F G)y) = (x F (Gy)) = (F x Gy) = (G (F x) y) = (G F x y) a poniewa» wszystko to musi zachodzi dla dowolnych x, y, wi c otrzymujemy wªasno± 4. Stw. W bazie ortonormalnej, macierz A operatora T oraz macierz B operatora T s powi zane przez: a i j = b j i. (2) Dow. Najpierw przypomnijmy sobie ogólne wyra»enie na macierz operatora: T e i = j a j ie j ; Zatem, w bazie ortonormalnej e: (e k T e i ) = j a j i(e k e j ) = j a j iδ kj = a k i. Dalej, mamy krótki rachunek: a i j = (e i T e j ) = (T e i e j ) = (e j T e i ) = b j i 8

9 .7 Operatory symetryczne i samosprz»one, oraz ich macierze Def. (C, R) Operator T nazywamy hermitowskim (lub: samosprz»onym), gdy T = T. Gdy operator hermitowski T jest w pewnej bazie ortonormalnej e zadany macierz T e e A, to elementy a i j tej macierzy speªniaj : Bo: a i j = a j i. a i j = (e i T e j ) = (T e i e j ) = (T e i e j ) = (e j T e i ) = a j i Def. Macierz (zespolon ) A nazywamy hermitowsk, gdy jej elementy macierzowe A ij speªniaj zwi zek: A ij = A ji. Uwaga. Gdy macierz A jest rzeczywista, to powy»szy warunek oznacza, i» jest ona symetryczna, tzn. A = A T. Dla takich macierzy bardzo wa»nych w zyce i matematyce zachodzi niemniej wa»ne Tw.. Macierz hermitowska/symetryczna jest diagonalizowalna, tzn. ma komplet wektorów wªasnych. Tego nie udowodnimy tu. 2. Warto±ci wªasne macierzy hermitowskich/symetrycznych s rzeczywiste. Bo: Niech λ i, v i odpowiednio i ta warto± wªasna i (unormowany) wektor wªasny operatora hermitowskiego H; mamy: H = H. Mamy: (v i Hv i ) = (v i λ i v i ) = λ i = (H v i v i ) = (Hv i v i ) = (λ i v i v i ) = λ i ; Podsumowuj c: otrzymali±my: λ i = λ i, czyli λ i R. CBDO 3. Wektory wªasne, odpowiadaj ce ró»nym warto±ciom wªasnym, s ortogonalne. Bo: We¹my: (v i Hv j ) = λ j (v i v j ) = (H v i v j ) = (Hv i v j ) = λ i (v i v j ); mamy wi c równo± : λ j (v i v j ) = λ i (v i v j ); odejmuj c stronami, dostaniemy: (λ j λ i )(v i v j ) = 0, co znaczy,»e je±li λ i λ j»e (v i v j ) = 0, czyli v i oraz v j s ortogonalne. CBDO Z powy»szego twierdzenia wynika kilka faktów dotycz cych macierzy diagonalizuj - cych H operator hermitowski. 9

10 Niech S macierz zªo»ona z (unormowanych) wektorów wªasnych H: S = v, v 2,..., v n ; (3) Odwrotna do niej: Šatwo zgadn,»e S = v T v T 2. v T n Wida,»e ta macierz speªnia: S = S Def. Macierz speªniaj ca powy»szy warunek nazywa si unitarna nad C i ortogonalna nad R. Bezpo±rednim rachunkiem przekonujemy si,»e dla macierzy (3) mamy λ λ S HS = λ n.8 Twierdzenie Cayleya Hamiltona Mamy wa»ne twierdzenie, b d ce kluczem do liczenia funkcji od macierzy. Tw. (Cayleya Hamiltona). Niech T End(V ) i niech w T (λ) b dzie wielomianem charakterystycznym operatora T. Wówczas w T (T ) = 0. (4) Dow. Oznaczmy: A = T e e. Przypomnijmy sobie nast puj c wªasno± dopeªnienia algebraicznego: Je±li M macierz nieosobliwa, a M D jej dopeªnienie algebraiczne, to M M D = (det M)I. We¹my teraz M = A λi. Mamy naówczas: (A λi) (A λi) D = det(a λi)i = w A (λ)i. (5) Pami taj c, jak jest okre±lone dopeªnienie algebraiczne, ªatwo skojarzymy,»e elementy macierzy (A λi) D s wielomianami zmiennej λ stopnia co najwy»ej n. Mo»emy wi c napisa : (A λi) D = B 0 + λb + λ 2 B λ n B n dla pewnych macierzy B 0, B,..., B n. 0

11 Zapiszmy teraz lew stron równo±ci (5) jako wielomian w zmiennej λ: (A λi) (A λi) D = A B 0 +λ(a B B 0 )+λ 2 (A B 2 B )+ +λ n (A B n B n 2 ) λ n B n = ( ); w powy»szym wyra»eniu zast pmy teraz zmienn (rzeczywist lub zespolon ) λ przez macierz A, co jak wiemy jest dopuszczalne. Mamy w ten sposób: ( ) = A B 0 +A(A B B 0 )+A 2 (A B 2 B )+ +A n (A B n B n 2 ) A n B n, co po rozwini ciu nawiasów okazuje si by równe zeru! A z drugiej strony, patrz c na równo± (5), jest to dokªadnie w A (A). Tak wi c otrzymujemy tez tw. CH. CBDO.9 Funkcje od operatora

1 0 Je»eli wybierzemy baz A = ((1, 1), (2, 1)) to M(f) A A =. 0 2 Daje to znacznie lepszy opis endomorzmu f.

1 0 Je»eli wybierzemy baz A = ((1, 1), (2, 1)) to M(f) A A =. 0 2 Daje to znacznie lepszy opis endomorzmu f. GAL II 2012-2013 A Strojnowski str1 Wykªad 1 Ten semestr rozpoczniemy badaniem endomorzmów sko«czenie wymiarowych przestrzeni liniowych Denicja 11 Niech V b dzie przestrzeni liniow nad ciaªem K 1) Przeksztaªceniem

Bardziej szczegółowo

ANALIZA MATEMATYCZNA Z ALGEBR

ANALIZA MATEMATYCZNA Z ALGEBR ANALIZA MATEMATYCZNA Z ALGEBR WYKŠAD II Maªgorzata Murat MACIERZ A rzeczywist (zespolon ) o m wierszach i n kolumnach nazywamy przyporz dkowanie ka»dej uporz dkowanej parze liczb naturalnych (i, j), gdzie

Bardziej szczegółowo

2. L(a u) = al( u) dla dowolnych u U i a R. Uwaga 1. Warunki 1., 2. mo»na zast pi jednym warunkiem: L(a u + b v) = al( u) + bl( v)

2. L(a u) = al( u) dla dowolnych u U i a R. Uwaga 1. Warunki 1., 2. mo»na zast pi jednym warunkiem: L(a u + b v) = al( u) + bl( v) Przeksztaªcenia liniowe Def 1 Przeksztaªceniem liniowym (homomorzmem liniowym) rzeczywistych przestrzeni liniowych U i V nazywamy dowoln funkcj L : U V speªniaj c warunki: 1 L( u + v) = L( u) + L( v) dla

Bardziej szczegółowo

Ciaªa i wielomiany. 1 Denicja ciaªa. Ciaªa i wielomiany 1

Ciaªa i wielomiany. 1 Denicja ciaªa. Ciaªa i wielomiany 1 Ciaªa i wielomiany 1 Ciaªa i wielomiany 1 Denicja ciaªa Niech F b dzie zbiorem, i niech + (dodawanie) oraz (mno»enie) b d dziaªaniami na zbiorze F. Denicja. Zbiór F wraz z dziaªaniami + i nazywamy ciaªem,

Bardziej szczegółowo

Macierze i Wyznaczniki

Macierze i Wyznaczniki Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja 1. Tablic nast puj cej postaci a 11 a 12... a 1n a 21 a 22... a 2n A =... a m1 a m2... a mn nazywamy macierz o m wierszach i n kolumnach,

Bardziej szczegółowo

Macierze. 1 Podstawowe denicje. 2 Rodzaje macierzy. Denicja

Macierze. 1 Podstawowe denicje. 2 Rodzaje macierzy. Denicja Macierze 1 Podstawowe denicje Macierz wymiaru m n, gdzie m, n N nazywamy tablic liczb rzeczywistych (lub zespolonych) postaci a 11 a 1j a 1n A = A m n = [a ij ] m n = a i1 a ij a in a m1 a mj a mn W macierzy

Bardziej szczegółowo

Algebra Liniowa 2. Zadania do samodzielnych wicze«wydziaª Elektroniki, I rok Karina Olszak i Zbigniew Olszak

Algebra Liniowa 2. Zadania do samodzielnych wicze«wydziaª Elektroniki, I rok Karina Olszak i Zbigniew Olszak Algebra Liniowa 2 Zadania do samodzielnych wicze«wydziaª Elektroniki, I rok Karina Olszak i Zbigniew Olszak Podobie«stwo macierzy, diagonalizacja macierzy 1. Znale¹ macierze przeksztaªcenia liniowego T

Bardziej szczegółowo

det A := a 11, ( 1) 1+j a 1j det A 1j, a 11 a 12 a 21 a 22 Wn. 1 (Wyznacznik macierzy stopnia 2:). = a 11a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32

det A := a 11, ( 1) 1+j a 1j det A 1j, a 11 a 12 a 21 a 22 Wn. 1 (Wyznacznik macierzy stopnia 2:). = a 11a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32 Wyznacznik Def Wyznacznikiem macierzy kwadratowej nazywamy funkcj, która ka»dej macierzy A = (a ij ) przyporz dkowuje liczb det A zgodnie z nast puj cym schematem indukcyjnym: Dla macierzy A = (a ) stopnia

Bardziej szczegółowo

Zadania egzaminacyjne

Zadania egzaminacyjne Rozdział 13 Zadania egzaminacyjne Egzamin z algebry liniowej AiR termin I 03022011 Zadanie 1 Wyznacz sumę rozwiązań równania: (8z + 1 i 2 2 7 iz 4 = 0 Zadanie 2 Niech u 0 = (1, 2, 1 Rozważmy odwzorowanie

Bardziej szczegółowo

Macierze i Wyznaczniki

Macierze i Wyznaczniki dr Krzysztof yjewski Mechatronika; S-I.in». 5 pa¹dziernika 6 Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja. Tablic nast puj cej postaci a a... a n a a... a n A =... a m a m...

Bardziej szczegółowo

Algebra liniowa II. Lista 1. 1 u w 0 1 v 0 0 1

Algebra liniowa II. Lista 1. 1 u w 0 1 v 0 0 1 Algebra liniowa II Lista Zadanie Udowodnić, że jeśli B b ij jest macierzą górnotrójkątną o rozmiarze m m, to jej wyznacznik jest równy iloczynowi elementów leżących na głównej przekątnej: det B b b b mm

Bardziej szczegółowo

Metody dowodzenia twierdze«

Metody dowodzenia twierdze« Metody dowodzenia twierdze«1 Metoda indukcji matematycznej Je±li T (n) jest form zdaniow okre±lon w zbiorze liczb naturalnych, to prawdziwe jest zdanie (T (0) n N (T (n) T (n + 1))) n N T (n). 2 W przypadku

Bardziej szczegółowo

PRZYPOMNIENIE Ka»d przestrze«wektorow V, o wymiarze dim V = n < nad ciaªem F mo»na jednoznacznie odwzorowa na przestrze«f n n-ek uporz dkowanych:

PRZYPOMNIENIE Ka»d przestrze«wektorow V, o wymiarze dim V = n < nad ciaªem F mo»na jednoznacznie odwzorowa na przestrze«f n n-ek uporz dkowanych: Plan Spis tre±ci 1 Homomorzm 1 1.1 Macierz homomorzmu....................... 2 1.2 Dziaªania............................... 3 2 Ukªady równa«6 3 Zadania 8 1 Homomorzm PRZYPOMNIENIE Ka»d przestrze«wektorow

Bardziej szczegółowo

Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach

Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach Teoria obowi zuje z wykªadu, dlatego te» zostan tutaj przedstawione tylko podstawowe denicje, twierdzenia i wzory. Denicja 1. Równanie

Bardziej szczegółowo

Przeksztaªcenia liniowe

Przeksztaªcenia liniowe Przeksztaªcenia liniowe Przykªady Pokaza,»e przeksztaªcenie T : R 2 R 2, postaci T (x, y) = (x + y, x 6y) jest przeksztaªceniem liniowym Sprawdzimy najpierw addytywno± przeksztaªcenia T Niech v = (x, y

Bardziej szczegółowo

1 Formy hermitowskie. GAL (Informatyka) Wykład - formy hermitowskie. Paweł Bechler

1 Formy hermitowskie. GAL (Informatyka) Wykład - formy hermitowskie. Paweł Bechler GAL (Informatyka) Wykład - formy hermitowskie Wersja z dnia 23 stycznia 2014 Paweł Bechler 1 Formy hermitowskie Niech X oznacza przestrzeń liniową nad ciałem K. Definicja 1. Funkcję φ : X X K nazywamy

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

Zbiory i odwzorowania

Zbiory i odwzorowania Zbiory i odwzorowania 1 Sposoby okre±lania zbiorów 1) Zbiór wszystkich elementów postaci f(t), gdzie t przebiega zbiór T : {f(t); t T }. 2) Zbiór wszystkich elementów x zbioru X speªniaj cych warunek ϕ(x):

Bardziej szczegółowo

1 Przestrzenie z iloczynem skalarnym

1 Przestrzenie z iloczynem skalarnym Przestrzenie z iloczynem skalarnym W denicji przestrzeni wektorowej nie ma mowy o dªugo±ci wektora (chyba»e jest to wektor zerowy). Wprowadzajac pojecie normy, mamy zdeniowana dªugo± wektora. Nie umiemy

Bardziej szczegółowo

1 Troch przypomnie«i motywacji 2 Denicje i wyj±cie troch poza nie

1 Troch przypomnie«i motywacji 2 Denicje i wyj±cie troch poza nie Troch przypomnie«i motywacji 2 Denicje i wyj±cie troch poza nie 2 Przestrze«wektorowa, liniowa niezale»no±, baza 2 Przestrze«wektorowa Def Przestrze«wektorowa Przykªady Przykªad kanoniczny: K n = K K K

Bardziej szczegółowo

Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych.

Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Denicja Mówimy,»e funkcja

Bardziej szczegółowo

Wybrane poj cia i twierdzenia z wykªadu z teorii liczb

Wybrane poj cia i twierdzenia z wykªadu z teorii liczb Wybrane poj cia i twierdzenia z wykªadu z teorii liczb 1. Podzielno± Przedmiotem bada«teorii liczb s wªasno±ci liczb caªkowitych. Zbiór liczb caªkowitych oznacza b dziemy symbolem Z. Zbiór liczb naturalnych

Bardziej szczegółowo

Liczby zespolone Pochodna Caªka nieoznaczona i oznaczona Podstawowe wielko±ci zyczne. Repetytorium z matematyki

Liczby zespolone Pochodna Caªka nieoznaczona i oznaczona Podstawowe wielko±ci zyczne. Repetytorium z matematyki Repetytorium z matematyki Denicja liczb zespolonych Wyra»enie a + bi, gdzie a i b s liczbami rzeczywistymi a i speªnia zale»no± i 2 = 1, nazywamy liczb zespolon. Liczb i nazywamy jednostk urojon, a iloczyn

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

Ukªady równa«liniowych

Ukªady równa«liniowych dr Krzysztof yjewski Mechatronika; S-I 0 in» 7 listopada 206 Ukªady równa«liniowych Informacje pomocnicze Denicja Ogólna posta ukªadu m równa«liniowych z n niewiadomymi x, x, x n, gdzie m, n N jest nast

Bardziej szczegółowo

Macierze. Dziaªania na macierzach. 1. Niech b d dane macierze , D = , C = , B = 4 12 A = , F = , G = , H = E = a) Obliczy A + B, 2A 3B,

Macierze. Dziaªania na macierzach. 1. Niech b d dane macierze , D = , C = , B = 4 12 A = , F = , G = , H = E = a) Obliczy A + B, 2A 3B, Macierze Dziaªania na macierzach Niech b d dane macierze A = E = [ 2 3 0 3 2 3 2 0 [ 0 8, B = 4 2, F = [ 2 3, C = 3 2 2 3 0 0 0 4 0 6 3 0, G =, D = 0 2 0 2 0 3 0 3 0 2 0 0 2 2 0 0 5 0 2,, H = 0 0 4 0 0

Bardziej szczegółowo

Zadania z Algebry liniowej 4 Semestr letni 2009

Zadania z Algebry liniowej 4 Semestr letni 2009 Zadania z Algebry liniowej 4 Semestr letni 2009 Ostatnie zmiany 23.05.2009 r. 1. Niech F będzie podciałem ciała K i niech n N. Pokazać, że niepusty liniowo niezależny podzbiór S przestrzeni F n jest także

Bardziej szczegółowo

Układy równań i równania wyższych rzędów

Układy równań i równania wyższych rzędów Rozdział Układy równań i równania wyższych rzędów Układy równań różniczkowych zwyczajnych Wprowadzenie W poprzednich paragrafach zajmowaliśmy się równaniami różniczkowymi y = f(x, y), których rozwiązaniem

Bardziej szczegółowo

istnienie elementu neutralnego dodawania (zera): 0 K a K a + 0 = a, istnienie elementu neutralnego mno»enia (jedynki): 1 K a K a 1 = a,

istnienie elementu neutralnego dodawania (zera): 0 K a K a + 0 = a, istnienie elementu neutralnego mno»enia (jedynki): 1 K a K a 1 = a, Ciaªo Denicja. Zbiór K z dziaªaniami dodawania + oraz mno»enia (których argumentami s dwa elementy z tego zbioru, a warto±ciami elementy z tego zbioru) nazywamy ciaªem, je±li zawiera co najmniej dwa elementy

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

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Wielomiany. El»bieta Sadowska-Owczorz. 19 listopada 2018

Wielomiany. El»bieta Sadowska-Owczorz. 19 listopada 2018 Wielomiany El»bieta Sadowska-Owczorz 19 listopada 2018 Wielomianem nazywamy wyra»enie postaci a n x n + a n 1 x n 1 +... + a 2 x 2 + a 1 x + a 0 = n a k x k. k=0 Funkcj wielomianow nazywamy funkcj W :

Bardziej szczegółowo

Elementy geometrii w przestrzeni R 3

Elementy geometrii w przestrzeni R 3 Elementy geometrii w przestrzeni R 3 Z.Šagodowski Politechnika Lubelska 29 maja 2016 Podstawowe denicje Wektorem nazywamy uporz dkowan par punktów (A,B) z których pierwszy nazywa si pocz tkiem a drugi

Bardziej szczegółowo

x y x y x y x + y x y

x y x y x y x + y x y Algebra logiki 1 W zbiorze {0, 1} okre±lamy dziaªania dwuargumentowe,, +, oraz dziaªanie jednoargumentowe ( ). Dziaªanie x + y nazywamy dodawaniem modulo 2, a dziaªanie x y nazywamy kresk Sheera. x x 0

Bardziej szczegółowo

Liniowe zadania najmniejszych kwadratów

Liniowe zadania najmniejszych kwadratów Rozdziaª 9 Liniowe zadania najmniejszych kwadratów Liniowe zadania najmniejszych kwadratów polega na znalezieniu x R n, który minimalizuje Ax b 2 dla danej macierzy A R m,n i wektora b R m. Zauwa»my,»e

Bardziej szczegółowo

Elementy geometrii analitycznej w przestrzeni

Elementy geometrii analitycznej w przestrzeni Wykªad 3 Elementy geometrii analitycznej w przestrzeni W wykªadzie tym wi kszy nacisk zostaª poªo»ony raczej na intuicyjne rozumienie deniowanych poj, ni» ±cisªe ich zdeniowanie. Dlatego niniejszy wykªad

Bardziej szczegółowo

Macierz A: macierz problemów liniowych (IIII); Macierz rozszerzona problemów liniowych (IIII): a 11 a 1m b 1 B = a n1 a nm b n

Macierz A: macierz problemów liniowych (IIII); Macierz rozszerzona problemów liniowych (IIII): a 11 a 1m b 1 B = a n1 a nm b n Plan Spis tre±ci 1 Problemy liniowe 1 2 Zadania I 3 3 Formy biliniowe 3 3.1 Odwzorowania wieloliniowe..................... 3 3.2 Formy biliniowe............................ 4 4 Formy kwadratowe 4 1 Problemy

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Informacje pomocnicze

Informacje pomocnicze Funkcje wymierne. Równania i nierówno±ci wymierne Denicja. (uªamki proste) Wyra»enia postaci Informacje pomocnicze A gdzie A d e R n N (dx e) n nazywamy uªamkami prostymi pierwszego rodzaju. Wyra»enia

Bardziej szczegółowo

1 Macierze i wyznaczniki

1 Macierze i wyznaczniki 1 Macierze i wyznaczniki 11 Definicje, twierdzenia, wzory 1 Macierzą rzeczywistą (zespoloną) wymiaru m n, gdzie m N oraz n N, nazywamy prostokątną tablicę złożoną z mn liczb rzeczywistych (zespolonych)

Bardziej szczegółowo

A = n. 2. Ka»dy podzbiór zbioru sko«czonego jest zbiorem sko«czonym. Dowody tych twierdze«(elementarne, lecz nieco nu» ce) pominiemy.

A = n. 2. Ka»dy podzbiór zbioru sko«czonego jest zbiorem sko«czonym. Dowody tych twierdze«(elementarne, lecz nieco nu» ce) pominiemy. Logika i teoria mnogo±ci, konspekt wykªad 12 Teoria mocy, cz ± II Def. 12.1 Ka»demu zbiorowi X przyporz dkowujemy oznaczany symbolem X obiekt zwany liczb kardynaln (lub moc zbioru X) w taki sposób,»e ta

Bardziej szczegółowo

PODSTAWY AUTOMATYKI. MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.

PODSTAWY AUTOMATYKI. MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach. WYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI Katedra Inżynierii Systemów Sterowania PODSTAWY AUTOMATYKI MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.

Bardziej szczegółowo

Numeryczne zadanie wªasne

Numeryczne zadanie wªasne Rozdziaª 11 Numeryczne zadanie wªasne W tym rozdziale zajmiemy si symetrycznym zadaniem wªasnym, tzn. zadaniem znajdowania warto±ci i/lub wektorów wªasnych dla macierzy symetrycznej A = A T. W zadaniach

Bardziej szczegółowo

Zadania przygotowawcze, 3 kolokwium

Zadania przygotowawcze, 3 kolokwium Zadania przygotowawcze, 3 kolokwium Mirosław Sobolewski 8 grudnia. Niech φ t : R 3 R 3 bedzie endomorfizmem określonym wzorem φ t ((x, x, )) (x +, tx + x, x + ), gdzie parametr t R. a) Zbadać dla jakiej

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

1 Zbiory i działania na zbiorach.

1 Zbiory i działania na zbiorach. Matematyka notatki do wykładu 1 Zbiory i działania na zbiorach Pojęcie zbioru jest to pojęcie pierwotne (nie definiuje się tego pojęcia) Pojęciami pierwotnymi są: element zbioru i przynależność elementu

Bardziej szczegółowo

Maªgorzata Murat. Modele matematyczne.

Maªgorzata Murat. Modele matematyczne. WYKŠAD I Modele matematyczne Maªgorzata Murat Wiadomo±ci organizacyjne LITERATURA Lars Gårding "Spotkanie z matematyk " PWN 1993 http://moodle.cs.pollub.pl/ m.murat@pollub.pl Model matematyczny poj cia

Bardziej szczegółowo

Zadania. 4 grudnia k=1

Zadania. 4 grudnia k=1 Zadania 4 grudnia 205 Zadanie. Poka»,»e dla dowolnych liczb zespolonych z,..., z n istnieje zbiór B {,..., n}, taki,»e n z k π z k. k B Zadanie 2. Jakie warunki musz speªnia ci gi a n i b n, aby istniaªy

Bardziej szczegółowo

1 Elementy logiki i teorii mnogości

1 Elementy logiki i teorii mnogości 1 Elementy logiki i teorii mnogości 11 Elementy logiki Notatki do wykładu Definicja Zdaniem logicznym nazywamy zdanie oznajmujące, któremu przysługuje jedna z dwu logicznych ocen prawda (1) albo fałsz

Bardziej szczegółowo

Podstawy matematyki dla informatyków

Podstawy matematyki dla informatyków Podstawy matematyki dla informatyków Wykªad 6 10 listopada 2011 W poprzednim odcinku... Zbiory A i B s równoliczne (tej samej mocy ), gdy istnieje bijekcja f : A 1 1 B. Piszemy A B lub A = B. na Moc zbioru

Bardziej szczegółowo

XVII Warmi«sko-Mazurskie Zawody Matematyczne

XVII Warmi«sko-Mazurskie Zawody Matematyczne 1 XVII Warmi«sko-Mazurskie Zawody Matematyczne Kategoria: klasa VIII szkoªy podstawowej i III gimnazjum Olsztyn, 16 maja 2019r. Zad. 1. Udowodnij,»e dla dowolnych liczb rzeczywistych x, y, z speªniaj cych

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Funkcje, wielomiany. Informacje pomocnicze

Funkcje, wielomiany. Informacje pomocnicze Funkcje, wielomiany Informacje pomocnicze Przydatne wzory: (a + b) 2 = a 2 + 2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) 3 = a 3 + 3a 2 b + 3ab 2 + b 3 (a b) 3 = a 3 3a 2 b + 3ab 2 b 3 a 2 b 2 = (a + b)(a

Bardziej szczegółowo

Wektory i wartości własne

Wektory i wartości własne Treść wykładu Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń W V nazywamy niezmienniczą

Bardziej szczegółowo

1 Granice funkcji wielu zmiennych.

1 Granice funkcji wielu zmiennych. AM WNE 008/009. Odpowiedzi do zada«przygotowawczych do czwartego kolokwium. Granice funkcji wielu zmiennych. Zadanie. Zadanie. Pochodne. (a) 0, Granica nie istnieje, (c) Granica nie istnieje, (d) Granica

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

Funkcje wielu zmiennych

Funkcje wielu zmiennych dr Krzysztof yjewski Informatyka I rok I 0 in» 12 stycznia 2016 Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0 y 0 )

Bardziej szczegółowo

1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci

1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci Zebraª do celów edukacyjnych od wykªadowców PK, z ró»nych podr czników Maciej Zakarczemny 1 Przypomnienie wiadomo±ci ze szkoªy ±redniej Rozwi zywanie prostych równa«i nierówno±ci dotycz cych funkcji elementarnych,

Bardziej szczegółowo

Wektory i wartości własne

Wektory i wartości własne Treść wykładu Podprzestrzenie niezmiennicze Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Równania różniczkowe liniowe wyższych rzędów o stałych współcz

Równania różniczkowe liniowe wyższych rzędów o stałych współcz Równania różniczkowe liniowe wyższych rzędów o stałych współczynnikach Katedra Matematyki i Ekonomii Matematycznej SGH 12 maja 2016 Równanie liniowe n-tego rzędu Definicja Równaniem różniczkowym liniowym

Bardziej szczegółowo

Zdzisªaw Dzedzej, Katedra Analizy Nieliniowej pok. 611 Kontakt:

Zdzisªaw Dzedzej, Katedra Analizy Nieliniowej pok. 611 Kontakt: Zdzisªaw Dzedzej, Katedra Analizy Nieliniowej pok. 611 Kontakt: zdzedzej@mif.pg.gda.pl www.mif.pg.gda.pl/homepages/zdzedzej () 5 pa¹dziernika 2016 1 / 1 Literatura podstawowa R. Rudnicki, Wykªady z analizy

Bardziej szczegółowo

z = x + i y := e i ϕ z. cos ϕ sin ϕ = sin ϕ cos ϕ

z = x + i y := e i ϕ z. cos ϕ sin ϕ = sin ϕ cos ϕ Izometrie liniowe Przypomnijmy, że jeśli V jest przestrzenią euklidesową (skończonego wymiaru), to U End V jest izometrią wtedy i tylko wtedy, gdy U U = UU = E, to znaczy, gdy jest odwzorowaniem ortogonalnym.

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

Algebra liniowa z geometrią

Algebra liniowa z geometrią Algebra liniowa z geometrią Maciej Czarnecki 15 stycznia 2013 Spis treści 1 Geometria płaszczyzny 2 1.1 Wektory i skalary........................... 2 1.2 Macierze, wyznaczniki, układy równań liniowych.........

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Algebra liniowa. 1. Macierze.

Algebra liniowa. 1. Macierze. Algebra liniowa 1 Macierze Niech m oraz n będą liczbami naturalnymi Przestrzeń M(m n F) = F n F n będącą iloczynem kartezjańskim m egzemplarzy przestrzeni F n z naturalnie określonymi działaniami nazywamy

Bardziej szczegółowo

= i Ponieważ pierwiastkami stopnia 3 z 1 są (jak łatwo wyliczyć) liczby 1, 1+i 3

= i Ponieważ pierwiastkami stopnia 3 z 1 są (jak łatwo wyliczyć) liczby 1, 1+i 3 ZESTAW I 1. Rozwiązać równanie. Pierwiastki zaznaczyć w płaszczyźnie zespolonej. z 3 8(1 + i) 3 0, Sposób 1. Korzystamy ze wzoru a 3 b 3 (a b)(a 2 + ab + b 2 ), co daje: (z 2 2i)(z 2 + 2(1 + i)z + (1 +

Bardziej szczegółowo

1 Rozwi zywanie ukªadów równa«. Wyznaczniki.

1 Rozwi zywanie ukªadów równa«. Wyznaczniki. Rozwi zywanie ukªadów równa«. Wyznaczniki.. Ukªad dwu równa«liniowych z dwiema niewiadomymi Niech b dzie dany ukªad dwu równa«liniowych z dwiema niewiadomymi x, y: Zdeniujmy: W x = n b n 2 b 2 W = a x

Bardziej szczegółowo

1 Metody iteracyjne rozwi zywania równania f(x)=0

1 Metody iteracyjne rozwi zywania równania f(x)=0 1 Metody iteracyjne rozwi zywania równania f()=0 1.1 Metoda bisekcji Zaªó»my,»e funkcja f jest ci gªa w [a 0, b 0 ]. Pierwiastek jest w przedziale [a 0, b 0 ] gdy f(a 0 )f(b 0 ) < 0. (1) Ustalmy f(a 0

Bardziej szczegółowo

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. wykład z algebry liniowej Warszawa, styczeń 2009

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. wykład z algebry liniowej Warszawa, styczeń 2009 Formy kwadratowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2009 Mirosław Sobolewski (UW) Warszawa, 2009 1 / 15 Definicja Niech V, W,

Bardziej szczegółowo

ZADANIA. Maciej Zakarczemny

ZADANIA. Maciej Zakarczemny ZADANIA Maciej Zakarczemny 2 Spis tre±ci 1 Algebra 5 2 Analiza 7 2.1 Granice iterowane, granica podwójna funkcji dwóch zmiennych....... 7 2.2 Caªki powierzchniowe zorientowane...................... 8 2.2.1

Bardziej szczegółowo

Algebra Liniowa 2 (INF, TIN), MAP1152 Lista zadań

Algebra Liniowa 2 (INF, TIN), MAP1152 Lista zadań Algebra Liniowa 2 (INF, TIN), MAP1152 Lista zadań Przekształcenia liniowe, diagonalizacja macierzy 1. Podano współrzędne wektora v w bazie B. Znaleźć współrzędne tego wektora w bazie B, gdy: a) v = (1,

Bardziej szczegółowo

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14 WST P DO TEORII INFORMACJI I KODOWANIA Grzegorz Szkibiel Wiosna 203/4 Spis tre±ci Kodowanie i dekodowanie 4. Kodowanie a szyfrowanie..................... 4.2 Podstawowe poj cia........................

Bardziej szczegółowo

a) f : R R R: f(x, y) = x 2 y 2 ; f(x, y) = 3xy; f(x, y) = max(xy, xy); b) g : R 2 R 2 R: g((x 1, y 1 ), (x 2, y 2 )) = 2x 1 y 1 x 2 y 2 ;

a) f : R R R: f(x, y) = x 2 y 2 ; f(x, y) = 3xy; f(x, y) = max(xy, xy); b) g : R 2 R 2 R: g((x 1, y 1 ), (x 2, y 2 )) = 2x 1 y 1 x 2 y 2 ; Zadania oznaczone * s troch trudniejsze, co nie oznacza,»e trudne.. Zbadaj czy funkcjonaª jest dwuliniowy, symetryczny, antysymetryczny, dodatniookre±lony: a) f : R R R: f(x, y) = x y ; f(x, y) = 3xy;

Bardziej szczegółowo

Lista nr 1 - Liczby zespolone

Lista nr 1 - Liczby zespolone Lista nr - Liczby zespolone Zadanie. Obliczyć: a) ( 3 i) 3 ( 6 i ) 8 c) (+ 3i) 8 (i ) 6 + 3 i + e) f*) g) ( 3 i ) 77 ( ( 3 i + ) 3i 3i h) ( + 3i) 5 ( i) 0 i) i ( 3 i ) 4 ) +... + ( 3 i ) 0 Zadanie. Przedstawić

Bardziej szczegółowo

1 Bª dy i arytmetyka zmiennopozycyjna

1 Bª dy i arytmetyka zmiennopozycyjna 1 Bª dy i arytmetyka zmiennopozycyjna Liczby w pami ci komputera przedstawiamy w ukªadzie dwójkowym w postaci zmiennopozycyjnej Oznacza to,»e s one postaci ±m c, 01 m < 1, c min c c max, (1) gdzie m nazywamy

Bardziej szczegółowo

Przekształcenia liniowe

Przekształcenia liniowe Przekształcenia liniowe Zadania Które z następujących przekształceń są liniowe? (a) T : R 2 R 2, T (x, x 2 ) = (2x, x x 2 ), (b) T : R 2 R 2, T (x, x 2 ) = (x + 3x 2, x 2 ), (c) T : R 2 R, T (x, x 2 )

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

WEKTORY I WARTOŚCI WŁASNE MACIERZY. = λ c (*) problem przybliżonego rozwiązania zagadnienia własnego dla operatorów w mechanice kwantowej

WEKTORY I WARTOŚCI WŁASNE MACIERZY. = λ c (*) problem przybliżonego rozwiązania zagadnienia własnego dla operatorów w mechanice kwantowej WEKTORY I WARTOŚCI WŁASNE MACIERZY Ac λ c (*) ( A λi) c nietrywialne rozwiązanie gdy det A λi problem przybliżonego rozwiązania zagadnienia własnego dla operatorów w mechanice kwantowej A - macierzowa

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

Geometria Lista 0 Zadanie 1

Geometria Lista 0 Zadanie 1 Geometria Lista 0 Zadanie 1. Wyznaczyć wzór na pole równoległoboku rozpiętego na wektorach u, v: (a) nie odwołując się do współrzędnych tych wektorów; (b) odwołując się do współrzędnych względem odpowiednio

Bardziej szczegółowo

Podstawowe działania w rachunku macierzowym

Podstawowe działania w rachunku macierzowym Podstawowe działania w rachunku macierzowym Marcin Detka Katedra Informatyki Stosowanej Kielce, Wrzesień 2004 1 MACIERZE 1 1 Macierze Macierz prostokątną A o wymiarach m n (m wierszy w n kolumnach) definiujemy:

Bardziej szczegółowo

Matematyka dyskretna

Matematyka dyskretna Matematyka dyskretna Jan Rodziewicz-Bielewicz, Wydziaª Informatyki ZUT May 8, 2019 8 Struktury algebraiczne ZASTOSOWANIE: Kryptograa. 1. Sprawdzi, czy jest dziaªaniem wewn trznym: (a) y y w zbiorze Q,

Bardziej szczegółowo

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 14. wykład z algebry liniowej Warszawa, styczeń 2011

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 14. wykład z algebry liniowej Warszawa, styczeń 2011 Formy kwadratowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 14. wykład z algebry liniowej Warszawa, styczeń 2011 Mirosław Sobolewski (UW) Warszawa, 2011 1 / 16 Definicja Niech V,

Bardziej szczegółowo

Matematyka wykªad 1. Macierze (1) Andrzej Torój. 17 wrze±nia 2011. Wy»sza Szkoªa Zarz dzania i Prawa im. H. Chodkowskiej

Matematyka wykªad 1. Macierze (1) Andrzej Torój. 17 wrze±nia 2011. Wy»sza Szkoªa Zarz dzania i Prawa im. H. Chodkowskiej Matematyka wykªad 1 Macierze (1) Andrzej Torój Wy»sza Szkoªa Zarz dzania i Prawa im. H. Chodkowskiej 17 wrze±nia 2011 Plan wykªadu 1 2 3 4 5 Plan prezentacji 1 2 3 4 5 Kontakt moja strona internetowa:

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

2 Podstawowe obiekty kombinatoryczne

2 Podstawowe obiekty kombinatoryczne 2 Podstawowe obiety ombinatoryczne Oznaczenia: N {0, 1, 2,... } zbiór liczb naturalnych. Dla n N przyjmujemy [n] {1, 2,..., n}. W szczególno±ci [0] jest zbiorem pustym. Je±li A jest zbiorem so«czonym,

Bardziej szczegółowo

Indeksowane rodziny zbiorów

Indeksowane rodziny zbiorów Logika i teoria mnogo±ci, konspekt wykªad 7 Indeksowane rodziny zbiorów Niech X b dzie przestrzeni zbiorem, którego podzbiorami b d wszystkie rozpatrywane zbiory, R rodzin wszystkich podzbiorów X za± T

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

Jak łatwo zauważyć, zbiór form symetrycznych (podobnie antysymetrycznych) stanowi podprzestrzeń przestrzeni L(V, V, K). Oznaczamy ją Sym(V ).

Jak łatwo zauważyć, zbiór form symetrycznych (podobnie antysymetrycznych) stanowi podprzestrzeń przestrzeni L(V, V, K). Oznaczamy ją Sym(V ). Odwzorowania n-liniowe; formy n-liniowe Definicja 1 Niech V 1,..., V n, U będą przestrzeniami liniowymi nad ciałem K. Odwzorowanie G: V 1 V n U nazywamy n-liniowym, jeśli dla każdego k [n] i wszelkich

Bardziej szczegółowo

r = x x2 2 + x2 3.

r = x x2 2 + x2 3. Przestrze«aniczna Def. 1. Przestrzeni aniczn zwi zan z przestrzeni liniow V nazywamy dowolny niepusty zbiór P z dziaªaniem ω : P P V (które dowolnej parze elementów zbioru P przyporz dkowuje wektor z przestrzeni

Bardziej szczegółowo

Przekroje Dedekinda 1

Przekroje Dedekinda 1 Przekroje Dedekinda 1 O liczbach wymiernych (tj. zbiorze Q) wiemy,»e: 1. zbiór Q jest uporz dkowany relacj mniejszo±ci < ; 2. zbiór liczb wymiernych jest g sty, tzn.: p, q Q : p < q w : p < w < q 3. 2

Bardziej szczegółowo

Twierdzenie Wainera. Marek Czarnecki. Warszawa, 3 lipca Wydziaª Filozoi i Socjologii Uniwersytet Warszawski

Twierdzenie Wainera. Marek Czarnecki. Warszawa, 3 lipca Wydziaª Filozoi i Socjologii Uniwersytet Warszawski Twierdzenie Wainera Marek Czarnecki Wydziaª Filozoi i Socjologii Uniwersytet Warszawski Wydziaª Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski Warszawa, 3 lipca 2009 Motywacje Dla dowolnej

Bardziej szczegółowo

Interpolacja funkcjami sklejanymi

Interpolacja funkcjami sklejanymi Interpolacja funkcjami sklejanymi Funkcje sklejane: Zaªó»my,»e mamy n + 1 w zªów t 0, t 1,, t n takich,»e t 0 < t 1 < < t n Dla danej liczby caªkowitej, nieujemnej k funkcj sklejan stopnia k nazywamy tak

Bardziej szczegółowo

Maszyny Turinga i problemy nierozstrzygalne. Maszyny Turinga i problemy nierozstrzygalne

Maszyny Turinga i problemy nierozstrzygalne. Maszyny Turinga i problemy nierozstrzygalne Maszyny Turinga Maszyna Turinga jest automatem ta±mowym, skª da si z ta±my (tablicy symboli) potencjalnie niesko«czonej w prawo, zakªadamy,»e w prawie wszystkich (tzn. wszystkich poza sko«czon liczb )

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 11 Ogólna postać metody iteracyjnej Definicja 11.1. (metoda iteracyjna rozwiązywania układów równań) Metodą iteracyjną rozwiązywania { układów równań liniowych nazywamy ciąg wektorów zdefiniowany

Bardziej szczegółowo

2 Liczby rzeczywiste - cz. 2

2 Liczby rzeczywiste - cz. 2 2 Liczby rzeczywiste - cz. 2 W tej lekcji omówimy pozostaªe tematy zwi zane z liczbami rzeczywistymi. 2. Przedziaªy liczbowe Wyró»niamy nast puj ce rodzaje przedziaªów liczbowych: (a) przedziaªy ograniczone:

Bardziej szczegółowo

Liczby zespolone. dr Krzysztof yjewski Mechatronika; S-I 0.in». 6 pa¹dziernika Oznaczenia. B dziemy u»ywali nast puj cych oznacze«:

Liczby zespolone. dr Krzysztof yjewski Mechatronika; S-I 0.in». 6 pa¹dziernika Oznaczenia. B dziemy u»ywali nast puj cych oznacze«: Liczby zespolone Oznaczenia B dziemy u»ywali nast puj cych oznacze«: N = {1, 2, 3,...}- zbiór liczb naturalnych, Z = {..., 3, 2, 1, 0, 1, 2, 3,...}- zbiór liczb caªkowitych, Q = { a b : a, b Z, b 0}- zbiór

Bardziej szczegółowo

Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna

Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna 1. Podaj denicj liczby zespolonej. 2. Jak obliczy sum /iloczyn dwóch liczb zespolonych w postaci algebraicznej? 3. Co to jest liczba urojona?

Bardziej szczegółowo