Wyk lad 7 Baza i wymiar przestrzeni liniowej

Wielkość: px
Rozpocząć pokaz od strony:

Download "Wyk lad 7 Baza i wymiar przestrzeni liniowej"

Transkrypt

1 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 liniowo niezależnym oraz dla każdego zbioru liniowo niezależnego Y V takiego, że X Y jest X = Y. Definicja 7.1. Każdy maksymalny liniowo niezależny podzbiór X wektorów przestrzeni liniowej V nazywamy baza tej przestrzeni. Twierdzenie 7.2. Każdy liniowo niezależny zbiór wektorów X 0 przestrzeni liniowej V można rozszerzyć do bazy X X 0 tej przestrzeni. Dowód. Niech A bedzie rodzina wszystkich podzbiorów liniowo niezależnych przestrzeni V zawierajacych zbiór X 0. Wtedy A =, bo X 0 A. Ponadto zbiór A jest cześciowo uporzadkowany przez inkluzje zbiorów. Jeżeli B jest lańcuchem w A, tzn. dla dowolnych Y, Z B jest Y Z lub Z Y, to Y 0 = Y B Y też jest zbiorem liniowo niezależnym, gdyż dla dowolnych α 1,..., α n Y 0 istnieja Y 1,..., Y n B takie, że α i Y i dla i = 1,..., n. Wtedy istnieje k n takie, że Y i Y k dla każdego i = 1,..., n, skad α 1,..., α n Y k. Ale zbiór Y k jest liniowo niezależny, wiec zbiór {α 1,..., α n } też jest liniowo niezależny. Zatem w A każdy lańcuch ma ograniczenie górne, wiec z lematu Kuratowskiego-Zorna istnieje w A element maksymalny X, który jest szukana baza przestrzeni V zawierajac a X 0. Ponieważ zbiór pusty jest liniowo niezależny, wiec z twierdzenia 7.2 mamy natychmiast nastepuj ace Twierdzenie 7.3. Każda przestrzeń liniowa posiada baz e. Twierdzenie 7.4. Niech V bedzie przestrzenia liniowa. Zbiór X V jest baza przestrzeni V wtedy i tylko wtedy, gdy X jest zbiorem liniowo niezależnym oraz V = lin(x) (tzn. X generuje V ). Dowód. Za lóżmy, że X jest baza przestrzeni V. Wówczas X jest zbiorem liniowo niezależnym. Weźmy dowolne α V i za lóżmy, że α lin(x). Wtedy z twierdzenia 6.30 wynika, że α X oraz zbiór X {α} jest liniowo niezależny. Zatem X nie jest maksymalnym zbiorem liniowo niezależnym i mamy sprzeczność. Na odwrót, za lóżmy, że zbiór X jest liniowo niezależny oraz V = lin(x). Weźmy dowolny liniowo niezależny zbiór Y V taki, że X Y. Gdyby X Y, to dla pewnego α Y by loby, że α X i zbiór X {α} Y jest liniowo niezależny. Zatem z twierdzenia 6.30 mielibyśmy, że α lin(x) = V, co prowadzi do sprzeczności. Zatem X = Y i zbiór X jest baza przestrzeni V. Przyk lad 7.5. Ponieważ zbiór {1, x, x 2,... } generuje przestrzeń R[x] i jest liniowo niezależny, wiec na mocy twierdzenia 7.4 jest on baza tej przestrzeni. 1

2 Przyk lad 7.6. Niech n N. Wówczas z twierdzenia 7.4 oraz z przyk ladów 6.16 i 6.23 wynika od razu, że zbiór {ε 1,..., ε n } jest baza przestrzeni R n. Nazywamy ja baza kanoniczna. Z twierdzeń 6.17, 7.11 i 7.16 wynika od razu nastepuj ace Twierdzenie 7.7. Niech α 1,..., α n bed a parami różnymi wektorami i niech β 1,..., β n bed a parami różnymi wektorami przestrzeni liniowej V. Za lóżmy, że uk lad wektorów (β 1,..., β n ) powstaje z uk ladu (α 1,..., α n ) przez kolejne zastosowanie skończonej liczby operacji elementarnych. Wówczas zbiór {β 1,..., β n } jest baza przestrzeni V wtedy i tylko wtedy, gdy zbiór {α 1,..., α n } jest baza tej przestrzeni. Twierdzenie 7.8. Niech α 1,..., α n bed a wektorami przestrzeni liniowej V. Wówczas każdy maksymalny (wzgledem liczby elementów) podzbiór liniowo niezależny A {α 1,..., α n } jest baza podprzestrzeni lin(α 1,..., α n ). Dowód. Niech A {α 1,..., α n } bedzie maksymalnym (wzgledem liczby elementów) podzbiorem liniowo niezależnym. Wówczas oczywiście lin(a) lin(α 1,..., α n ) = W. Niech i = 1,..., n. Jeśli α i A, to α i lin(a); jeśli zaś α i A, to z maksymalności A wynika, że zbiór A {α i } jest liniowo zależny. Zatem z twierdzenia 6.30 α i lin(a). Stad {α 1,..., α n } lin(a), czyli W lin(a) i ostatecznie lin(a) = W. Zatem z twierdzenia 7.4 zbiór A jest baza podprzestrzeni W. Twierdzenie 7.9. Niech α 1,..., α n bed a parami różnymi wektorami przestrzeni liniowej V. Wówczas zbiór {α 1,..., α n } jest baza przestrzeni V wtedy i tylko wtedy, gdy każdy wektor α V można jednoznacznie zapisać w postaci α = a 1 α a n α n dla pewnych a 1,..., a n R. Dowód. Za lóżmy, że zbiór {α 1,..., α n } jest baza przestrzeni V. Wówczas z twierdzenia 7.4 mamy, że V = lin(α 1,..., α n ) oraz zbiór {α 1,..., α n } jest liniowo niezależny. Zatem dla dowolnego α V istnieja a 1,..., a n R takie, że α = a 1 α a n α n. Jeśli b 1,..., b n R sa takie, że α = b 1 α b n α n, to a 1 α a n α n = b 1 α b n α n, czyli (a 1 b 1 ) α (a n b n ) α n = θ, wiec z liniowej niezależności zbioru {α 1,..., α n } mamy, że a i b i = 0, czyli a i = b i dla i = 1,..., n. Na odwrót, jeżeli a 1,..., a n R sa takie, że a 1 α a n α n = θ, to a 1 α a n α n = 0 α α n, skad z jednoznaczności zapisu wektora a i = 0 dla i = 1,..., n, czyli zbiór {α 1,..., α n } jest liniowo niezależny. Ponadto z za lożenia V = lin(α 1,..., α n ), wiec z twierdzenia 7.4 zbiór {α 1,..., α n } jest baza przestrzeni V. Definicja Niech {α 1,..., α n } bedzie baza przestrzeni liniowej V. Wówczas ciag (α 1,..., α n ) nazywamy baza uporzadkowan a przestrzeni V. Niech α V. Wtedy na mocy twierdzenia 7.9 istnieje dok ladnie jeden ciag (a 1,..., a n ) R n taki, że α = a 1 α a n α n. Ciag (a 1,..., a n ) nazywamy ciagiem wspó lrzednych wektora α w bazie (α 1,..., α n ), a element a i, dla każdego i = 1,..., n, nazywa sie i-ta wspó lrz edn a wektora α w tej bazie. 2

3 Wniosek Niech V bedzie przestrzenia liniowa i niech, dla pewnej liczby naturalnej n, (α 1,..., α n ) bedzie baza uporzadkowan a tej przestrzeni. Przyporzadkujmy każdemu wektorowi α V, ciag jego wspó lrzednych w bazie (α 1,..., α n ). Otrzymane w ten sposób odwzorowanie φ jest bijekcja zbioru V na zbiór R n. Przy tym φ(α i ) = ε i dla i = 1,..., n. Definicja Odwzorowanie φ określone w powyższym wniosku nazywamy uk ladem wspó lrz ednych wyznaczonym przez baze (α 1,..., α n ). 2 Wymiar przestrzeni liniowej Lemat Niech wektory α 1,..., α n tworza baze przestrzeni V i niech α = a 1 α a n α n, przy czym a j 0. Wówczas wektory α 1,..., α j 1, α, α j+1,..., α n (1) też tworza baze przestrzeni V. Dowód. Zauważmy, że wektory (1) powstaja z wektorów α 1,..., α n przez kolejne wykonanie nastepuj acych operacji elementarnych: a j w j, w j + a 1 w 1,..., w j + a j 1 w j 1, w j + a j+1 w j+1,..., w j + a n w n. Zatem na mocy twierdzenia 7.18, wektory (1) tworza baze przestrzeni V. Twierdzenie 7.14 (Steinitza o wymianie). Jeśli wektory α 1,..., α n tworza baze przestrzeni liniowej V, a wektory β 1,..., β s sa liniowo niezależne, to (i) s n oraz (ii) spośród wektorów α 1,..., α n można wybrać n s wektorów, które l acznie z wektorami β 1,..., β s tworza baze przestrzeni V. Dowód. Zastosujemy indukcje wzgledem s. Dla s = 0 teza jest oczywista. Za lóżmy, że teza zachodzi dla liczb mniejszych od pewnej liczby naturalnej s i rozpatrzmy s wektorów liniowo niezależnych β 1,..., β s. Wektory β 1,..., β s 1 sa liniowo niezależne, a wiec z za lożenia indukcyjnego s 1 n i istnieje n s+1 = n (s 1) wektorów spośród wektorów α 1,..., α n, które l acznie z β 1,..., β s 1 tworza baze przestrzeni V. Dla uproszczenia znakowania przyjmiemy, że tymi wektorami sa α 1,..., α n s+1. Wykażemy najpierw, że s 1 < n. W przeciwnym razie by loby n = s 1 (bo s 1 n), a zatem już wektory β 1,..., β s 1 tworzy lyby baze przestrzeni V, a stad wynika loby, że β s lin(β 1,..., β s 1 ), co na mocy twierdzenia 6.30 prowadzi do sprzeczności (gdyż wektory β 1,..., β s sa liniowo niezależne). Wobec tego s 1 < n, a stad s n. To dowodzi (i). Ponieważ wektory β 1,..., β s 1, α 1,..., α n s+1 tworza baze przestrzeni V, wiec β s jest ich kombinacja liniowa. Wobec liniowej niezależności wektorów β 1,..., β s i twierdzenia 6.30, w kombinacji liniowej przedstawiajacej β s, co najmniej jeden z wektorów α 1,..., α n s+1 wystepuje ze wspó lczynnikiem różnym od zera. Bez zmniejszania ogólności rozważań możemy przyjać, że a n s+1 0. Wtedy z lematu 7.13 wektory β 1,..., β s 1, α 1,..., α n s, β s tworza baze przestrzeni V, czyli wektory β 1,..., β s, α 1,..., α n s tworza baze przestrzeni V, co kończy dowód twierdzenia. 3

4 Wniosek Jeśli n-elementowy zbiór jest baza przestrzeni liniowej V, to każda baza tej przestrzeni sk lada sie z dok ladnie n wektorów. Dowód. Niech wektory α 1,..., α n tworza baze przestrzeni liniowej V. Niech X bedzie inna baza tej przestrzeni. Gdyby zbiór X mia l wiecej niż n elementów, to by lyby one liniowo niezależne i otrzymalibyśmy sprzeczność z twierdzeniem Steinitza o wymianie. Zatem X n. Ale wektory α 1,..., α n sa liniowo niezależne i zbiór skończony X jest baza przestrzeni V, wiec znowu z twierdzenia Steinitza o wymianie n X, czyli ostatecznie X = n. Definicja Liczb e elementów dowolnej skończonej bazy przestrzeni liniowej V nazywamy wymiarem przestrzeni V i oznaczamy przez dim V. W ten sposób wymiar jest określony dla wszystkich takich przestrzeni, które maja skończona baze. Jeśli dana przestrzeń liniowa V nie ma skończonej bazy, to mówimy, że jej wymiar jest nieskończony i piszemy dim V =. Można udowodnić, że wszystkie bazy dowolnej przestrzeni liniowej V maja te sama moc. Wobec tego można określić wymiar dowolnej przestrzeni liniowej V jako moc dowolnej bazy przestrzeni V. Przyk lad Ponieważ przestrzeń R n posiada baze n-elementowa (np. baze kanoniczna), wiec dim R n = n. Przyk lad Ponieważ zbiór pusty jest baza przestrzeni zerowej {θ}, wiec dim{θ} = 0. Przyk lad Ponieważ zbiór {1, x, x 2,... } jest baza przestrzeni R[x], wiec dim R[x] =. Przyk lad W przestrzeni liniowej R wektory ɛ 1 = [1, 0, 0,... ], ɛ 2 = [0, 1, 0,... ],... a liniowo niezależne. Zatem z twierdzenia Steinitza o wymianie dim R =. s Twierdzenie Jeśli przestrzeń liniowa V ma wymiar n, to każda jej podprzestrzeń W ma wymiar nie wiekszy niż n. Dowód. Niech X bedzie baza podprzestrzeni W. Wtedy zbiór X jest liniowo niezależny, wiec na mocy twierdzenia Steinitza o wymianie X n. Twierdzenie Dla dowolnej podprzestrzeni W przestrzeni liniowej V wymiaru skończonego równoważne sa warunki: (i) dim W = dim V, (ii) W = V. Dowód. (ii) (i). Oczywiste. (i) (ii). Oznaczmy n = dim V. Wtedy istnieje baza {α 1,..., α n } przestrzeni V. Ale dim W = n, wiec istnieje baza {β 1,..., β n } podprzestrzeni W. Zatem wektory β 1,..., β n sa liniowo niezależne i na mocy twierdzenia Steinitza o wymianie można je uzupe lnić do bazy przestrzeni V, n n = 0 wektorami wybranymi spośród wektorów α 1,..., α n. Zatem wektory β 1,..., β n tworza baze przestrzeni V, skad V = lin(β 1,..., β n ) = W. Z twierdzenia 7.8 wynika od razu nastepuj ace Twierdzenie Niech α 1,..., α n bed a wektorami przestrzeni liniowej V. Wówczas 4

5 dim lin(α 1,..., α n ) n. Ponadto dim lin(α 1,..., α n ) = n wtedy i tylko wtedy, gdy wektory α 1,..., α n sa liniowo niezależne. Twierdzenie Niech α 1,..., α n bed a wektorami przestrzeni liniowej V wymiaru n. Wówczas równoważne sa warunki: (i) zbiór {α 1,..., α n } jest baza przestrzeni V, (ii) zbiór {α 1,..., α n } jest liniowo niezależny, (iii) zbiór {α 1,..., α n } generuje przestrzeń V. Dowód. (i) (ii). Oczywiste. (ii) (iii). Wynika od razu z twierdzenia Steinitza o wymianie. (iii) (i). Z za lożenia wynika, że V = lin(α 1,..., α n ). Zatem dim lin(α 1,..., α n ) = n i na mocy twierdzenia 7.23 zbiór {α 1,..., α n } jest liniowo niezależny. Zatem ostatecznie ten zbiór jest baza przestrzeni V. Twierdzenie Niech V 1 i V 2 bed a skończenie wymiarowymi podprzestrzeniami przestrzeni liniowej V. Wówczas podprzestrzenie V 1 V 2 i V 1 +V 2 sa również skończenie wymiarowe i zachodzi wzór: dim(v 1 + V 2 ) = dim V 1 + dim V 2 dim(v 1 V 2 ). (2) Dowód. Ponieważ V 1 V 2 jest podprzestrzenia przestrzeni skończenie wymiarowej V 1, wiec z twierdzenia 7.21 przestrzeń V 1 V 2 jest skończenie wymiarowa. Niech {α 1,..., α k } bedzie baza przestrzeni V 1 V 2. Wtedy z twierdzenia Steinitza o wymianie ten zbiór można uzupe lnić do bazy {α 1,..., α n, β 1,..., β s } przestrzeni V 1 i można go też uzupe lnić do bazy {α 1,..., α k, γ 1,..., γ r } przestrzeni V 2. Wtedy dim(v 1 V 2 ) = k, dim V 1 = k+s i dim V 2 = k+r, wiec pozostaje wykazać, że dim(v 1 +V 2 ) = k+s+r. Ale V 1 +V 2 = lin(α 1,..., α k, β 1,..., β s )+lin(α 1,..., α k, γ 1,..., γ r ) = lin(α 1,..., α k, β 1,..., β s, γ 1,..., γ r ), wiec wystarczy wykazać, że wektory α 1,..., α k, β 1,..., β s, γ 1,..., γ r sa liniowo niezależne. W tym celu weźmy dowolne skalary a 1,..., a k, b 1,..., b s, c 1,..., c r R takie, że a 1 α a k α k + b 1 β b s β s + c 1 γ c r γ r = θ. Oznaczmy: α = a 1 α a k α k, β = b 1 β b s β s, γ = c 1 γ c r γ r. Wtedy γ = (α + β) V 1 V 2. Zatem istnieja d 1,..., d k R takie, że γ = d 1 α d k α k, skad c 1 γ c r γ r + ( d 1 ) α ( d k ) α k = θ. Zatem z liniowej niezależności wektorów α 1,..., α k, γ 1,..., γ r mamy, że c 1 =... = c r = d 1 =... = d k = 0, czyli γ = θ oraz θ = α + γ. Zatem z liniowej niezależności wektorów α 1,..., α k, β 1,..., β s otrzymamy, że a 1 =... = a k = b 1 =... = b s = 0 i ostatecznie wektory α 1,..., α k, β 1,..., β s, γ 1,..., γ r sa liniowo niezależne. Wniosek Niech V 1, V 2 bed a podprzestrzeniami przestrzeni liniowej V wymiaru n. Wtedy dim(v 1 V 2 ) dim V 1 + dim V 2 n. Dowód. Ponieważ dim(v 1 + V 2 ) n, wiec z twierdzenia 7.25 uzyskujemy, że dim V 1 + dim V 2 dim(v 1 V 2 ) n, skad mamy teze. 5

6 3 Suma prosta podprzestrzeni Lemat Niech V 1 i V 2 bed a podprzestrzeniami przestrzeni liniowej V. Nastepuj ace warunki sa równoważne: (i) V i V 2 = {θ}; (ii) Dla dowolnych α 1, β 1 V 1, α 2, β 2 V 2 z tego, że α 1 + α 2 = β 1 + β 2 wynika, że α 1 = β 1 i α 2 = β 2. Dowód. (i) (ii). Weźmy dowolne α i, β i V i dla i = 1, 2 takie, że α 1 + α 2 = β 1 + β 2. Wtedy α 1 β 1 = α 2 β 2 V 1 V 2. Ale V 1 V 2 = {θ}, wiec α 1 β 1 = α 2 β 2 = θ, skad α 1 = β 1 i α 2 = β 2. (ii) (i). Weźmy dowolne α V 1 V 2. Ponieważ α + θ = θ + α oraz α, θ V 1 i θ, α V 2, wiec α = θ i θ = α, skad V 1 V 2 = {θ}. Definicja Mówimy, że przestrzeń liniowa V jest suma prosta swoich podprzestrzeni V 1 i V 2, gdy V = V 1 +V 2 oraz spe lniony jest którykolwiek warunek (a wiec oba warunki) powyższego lematu. Piszemy wtedy V = V 1 V 2. Mówimy też, że podprzestrzeń V 2 jest dope lnieniem liniowym podprzestrzeni V 1 (w przestrzeni V ). Twierdzenie Dla dowolnej podprzestrzeni V 1 przestrzeni liniowej V istnieje podprzestrzeń W V taka, że V = V 1 W. Dowód. Z twierdzenia 7.3 podprzestrzeń V 1 posiada baze X. Zatem z twierdzenia 7.2 istnieje podzbiór Y V roz l aczny z X i taki, że zbiór X Y jest baza przestrzeni V. Ponadto V 1 = lin(x) oraz V = lin(x Y ). Niech W = lin(y ). Wtedy z twierdzenia 6.9 mamy, że lin(x Y ) = lin(x) + lin(y ), czyli V = V 1 + W. Niech α V 1 W. Wtedy istnieja α 1,..., α n X, β 1,..., β k Y, a 1,..., a n, b 1,..., b k R takie, że α = a 1 α a n α n = b 1 β b k β k, skad a 1 α a n α n + ( b 1 ) β ( b k ) β k = θ. Zatem z liniowej niezależności zbioru X Y mamy, że a 1 =... = a n = b 1 =... = b k = 0, czyli α = θ i V 1 W = {θ}. Zatem V = V 1 W. 4 Hiperp laszczyzny liniowe Definicja Niech V bedzie n-wymiarowa przestrzenia liniowa. Hiperp laszczyzna liniowa przestrzeni V nazywamy każda podprzestrzeń przestrzeni V o wymiarze n 1. Twierdzenie Niech V bedzie przestrzenia liniowa wymiaru n i niech V 1 bedzie podprzestrzenia wymiaru k. Wówczas V 1 jest cześci a wspólna n k hiperp laszczyzn liniowych przestrzeni V. Dowód. Niech {α 1,..., α k } bedzie baza podprzestrzeni V 1. Z twierdzenia Steinitza o wymianie możemy ja uzupe lnić do bazy {α 1,..., α k, α k+1,..., α n } przestrzeni V. Niech W i = lin(α 1,..., α k,..., α k+i 1, α k+i+1,..., α n ) dla i = 1,..., n k. Wówczas W 1,..., W n k sa hiperp laszczyznami zawierajacymi V 1, skad V 1 W 1... W n k. Niech α W 1... W n k. Wtedy istnieja a 1,..., a n R takie, że α = a 1 α a n α n. Dla liczb naturalnych i n k mamy, że α W i, wiec wektor α można przedstawić w postaci α = a i1 α

7 a i k+i 1 α k+i 1 +a i k+i+1 α k+i a in α n. Z jednoznaczności przedstawienia wektora α w postaci kombinacji liniowej wektorów bazy (α 1,..., α n ) wynika, że a k+i = 0 dla wszystkich i = 1,..., n k. Wobec tego α = a 1 α a k α k V 1. Zatem W 1... W n k V 1 i ostatecznie V 1 = W 1... W n k. Twierdzenie Niech l bedzie liczba naturalna. Niech V 1,..., V l bed a hiperp laszczyznami n-wymiarowej przestrzeni liniowej V. Wówczas dim(v 1... V l ) n l. Dowód. Dla l = 1 teza jest oczywiście prawdziwa. Za lóżmy, że teza zachodzi dla pewnego naturalnego l = k i niech V 1,..., V k+1 bed a hiperp laszczyznami przestrzeni V. Z za lożenia indukcyjnego wynika, że dim(v 1... V k ) n k, a z wniosku 7.26 otrzymujemy dim(v 1... V k V k+1 ) dim(v 1... V k ) + n 1 n. Zatem dim(v 1... V k V k+1 ) n k + n 1 n = n (k + 1). Z zasady indukcji wynika zatem, że nasze twierdzenie jest prawdziwe dla każdej liczby naturalnej l. Z twierdzeń 7.32 i 7.33 wynika od razu nastepuj acy Wniosek Każda k-wymiarowa podprzestrzeń W n-wymiarowej przestrzeni liniowej V daje si e przedstawić jako przeci ecie n k, ale nie mniejszej liczby hiperp laszczyzn liniowych. 5 Podprzestrzenie przestrzeni wspó lrz ednych Twierdzenie Podprzestrzeń W przestrzeni R n wyznaczona przez równanie a 1 x a n x n = 0, gdzie a 1,..., a n R i co najmniej jeden ze wspó lczynników a 1,..., a n jest różny od zera, jest hiperp laszczyzna liniowa. Dowód. Za lóżmy, że wspó lczynnik a i 0 dla pewnego i = 1,..., n. Podprzestrzeń W jest różna od R n, gdyż wektor ε i nie jest rozwiazaniem rozpatrywanego równania, a stad dim W n 1. Dla dowodu równości dim W = n 1 wystarczy wiec wskazać n 1 liniowo niezależnych rozwiazań równania a 1 x a n x n = 0. Latwo sprawdzić, że wektory ε 1 a 1 a i ε i,..., ε i 1 a i 1 a i ε i, ε i+1 a i+1 a i ε i,..., ε n an a i ε i czynia zadość temu żadaniu. Z twierdzeń 7.26 i 7.35 wynika od razu nastepuj acy Wniosek Podprzestrzeń przestrzeni R n wyznaczona przez uk lad m równań jednorodnych liniowych ma wymiar nie mniejszy niż n m. Twierdzenie Każda hiperp laszczyzna liniowa W przestrzeni liniowej R n jest wyznaczona przez pewne równanie a 1 x a n x n = 0, gdzie a 1,..., a n K. Dowód. Niech wektory α i = [a i1,..., a in ] dla i = 1,..., n 1 tworza baze hiperp laszczyzny W i niech V bedzie podprzestrzenia opisana przez uk lad równań a 11 x a 1n x n = 0 a 21 x a 2n x n = 0.. (3) a n 1 1 x a n 1 n x n = 0 7

8 Z wniosku 7.36 wynika, że dim V n (n 1) = 1, a wiec podprzestrzeń V zawiera niezerowy wektor. Niech [b 1,..., b n ] bedzie niezerowym wektorem podprzestrzeni V. Przestrzeń V 1 wyznaczona przez równanie b 1 x b n x n = 0 jest na mocy twierdzenia 7.35 hiperp laszczyzna liniowa. Ponadto z określenia wektora [b 1,..., b n ] wynika, że wektory α j dla j = 1,..., n 1 należa do hiperp laszczyzny V 1, a zatem W = lin(α 1,..., α n 1 ) V 1. Ponieważ dim W = dim V 1 = n 1, wiec z twierdzenia 7.22, W = V 1. Z twierdzenia 7.37 i z wniosku 7.34 mamy natychmiast nastepuj acy Wniosek Każda k-wymiarowa podprzestrzeń przestrzeni liniowej R n jest wyznaczona przez uk lad z lożony z n k, ale nie mniej, równań liniowych jednorodnych. 8

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 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 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 9 Przekszta lcenia liniowe i ich zastosowania

Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania 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:

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

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

B jest liniowo niezależny V = lin (B) 1. Układ pusty jest bazą przestrzeni trywialnej {θ}. a i v i = i I. b i v i, (a i b i ) v i = θ.

B jest liniowo niezależny V = lin (B) 1. Układ pusty jest bazą przestrzeni trywialnej {θ}. a i v i = i I. b i v i, (a i b i ) v i = θ. 8 Baza i wymiar Definicja 8.1. Bazą przestrzeni liniowej nazywamy liniowo niezależny układ jej wektorów, który generuję tę przestrzeń. Innymi słowy, układ B = (v i ) i I wektorów z przestrzeni V jest bazą

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

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

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 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 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 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

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 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

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

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

(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

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

14. Przestrzenie liniowe

14. Przestrzenie liniowe 14. 14.1 Sformułować definicję przestrzeni liniowej. Podać przykłady. Przestrzenią liniową nad ciałem F nazywamy czwórkę uporządkowaną (V, F,+, ), gdzie V jest zbiorem niepustym, F jest ciałem, + jest

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

ALGEBRA Z GEOMETRIĄ BAZY PRZESTRZENI WEKTOROWYCH

ALGEBRA Z GEOMETRIĄ BAZY PRZESTRZENI WEKTOROWYCH ALGEBRA Z GEOMETRIĄ 1/10 BAZY PRZESTRZENI WEKTOROWYCH Piotr M. Hajac Uniwersytet Warszawski Wykład 11, 18.12.2013 Typeset by Jakub Szczepanik. Istnienie bazy Tak jak wśród wszystkich pierścieni wyróżniamy

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

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

3 Przestrzenie liniowe

3 Przestrzenie liniowe MIMUW 3 Przestrzenie liniowe 8 3 Przestrzenie liniowe 31 Przestrzenie liniowe Dla dowolnego ciała K, analogicznie jak to robiliśmy dla R, wprowadza się operację dodawania wektorów kolumn z K n i mnożenia

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

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

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

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

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

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

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

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

Przestrzenie liniowe

Przestrzenie liniowe Rozdział 4 Przestrzenie liniowe 4.1. Działania zewnętrzne Niech X oraz F będą dwoma zbiorami niepustymi. Dowolną funkcję D : F X X nazywamy działaniem zewnętrznym w zbiorze X nad zbiorem F. Przykład 4.1.

Bardziej szczegółowo

Kombinacje liniowe wektorów.

Kombinacje liniowe wektorów. Kombinacje liniowe wektorów Definicja: Niech V będzie przestrzenią liniową nad ciałem F, niech A V Zbiór wektorów A nazywamy liniowo niezależnym, jeżeli m N v,, v m A a,, a m F [a v + + a m v m = θ a =

Bardziej szczegółowo

Układy równań i nierówności liniowych

Układy równań i nierówności liniowych Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +

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

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

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

Uzupełnienia dotyczące zbiorów uporządkowanych (3 lutego 2011).

Uzupełnienia dotyczące zbiorów uporządkowanych (3 lutego 2011). Uzupełnienia dotyczące zbiorów uporządkowanych (3 lutego 2011). Poprzedniczka tej notatki zawierała błędy! Ta pewnie zresztą też ; ). Ćwiczenie 3 zostało zmienione, bo żądałem, byście dowodzili czegoś,

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

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

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

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

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

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

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

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

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

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

Przestrzeń liniowa. Algebra. Aleksander Denisiuk

Przestrzeń liniowa. Algebra. Aleksander Denisiuk Algebra Przestrzeń liniowa Aleksander Denisiuk denisjuk@pjwstk.edu.pl Polsko-Japońska Wyższa Szkoła Technik Komputerowych zamiejscowy ośrodek dydaktyczny w Gdańsku ul. Brzegi 55 80-045 Gdańsk Algebra p.

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 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

Grzegorz Bobiński. Wykład monograficzny Programowanie Liniowe i Całkowitoliczbowe

Grzegorz Bobiński. Wykład monograficzny Programowanie Liniowe i Całkowitoliczbowe Grzegorz Bobiński Wykład monograficzny Programowanie Liniowe i Całkowitoliczbowe Wydział Matematyki i Informatyki Uniwersytet Mikołaja Kopernika w Toruniu 2012 Spis treści Notacja 1 1 Podstawowe pojęcia

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

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

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

Pierwsze kolokwium z Matematyki I 4. listopada 2013 r. J. de Lucas

Pierwsze kolokwium z Matematyki I 4. listopada 2013 r. J. de Lucas Pierwsze kolokwium z Matematyki I 4. listopada 03 r. J. de Lucas Uwagi organizacyjne: Każde zadanie rozwi azujemy na osobnej kartce, opatrzonej imieniem i nazwiskiem w lasnym oraz osoby prowadz acej ćwiczenia,

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

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

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

Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej

Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej 27-28/10/09 ZBIORY MIERZALNE WZGLȨDEM MIARY ZEWNȨTRZNEJ Niech µ bȩdzie miar

Bardziej szczegółowo

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem Zestaw zadań 9: Przestrzenie wektorowe. Podprzestrzenie () Wykazać, że V = C ze zwykłym dodawaniem jako dodawaniem wektorów i operacją mnożenia przez skalar : C C C, (z, v) z v := z v jest przestrzenią

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

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

Algebra i jej zastosowania ćwiczenia

Algebra i jej zastosowania ćwiczenia Algebra i jej zastosowania ćwiczenia 13 stycznia 013 1 Reprezentacje liniowe grup skończonych 1. Pokazać, że zbiór wszystkich pierwiastków stopnia n z jedności jest grupa abelowa wzgle dem mnożenia.. Pokazać,

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

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

Treść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego.

Treść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego. . Metoda eliminacji. Treść wykładu i ich macierze... . Metoda eliminacji. Ogólna postać układu Układ m równań liniowych o n niewiadomych x 1, x 2,..., x n : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21

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

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

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

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

KOLOKWIUM Z ALGEBRY I R

KOLOKWIUM Z ALGEBRY I R Instrucje: Każde zadanie jest za 4 puntów. Rozwi azanie ażdego zadania musi znajdować siȩ na osobnej artce oraz być napisane starannie i czytelnie. W nag lówu ażdego rozwi azania musz a znajdować siȩ dane

Bardziej szczegółowo

1.1 Definicja. 1.2 Przykład. 1.3 Definicja. Niech G oznacza dowolny, niepusty zbiór.

1.1 Definicja. 1.2 Przykład. 1.3 Definicja. Niech G oznacza dowolny, niepusty zbiór. 20. Definicje i przykłady podstawowych struktur algebraicznych (grupy, pierścienie, ciała, przestrzenie liniowe). Pojęcia dotyczące przestrzeni liniowych (liniowa zależność i niezależność układu wektorów,

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

Dziedziny Euklidesowe

Dziedziny Euklidesowe Dziedziny Euklidesowe 1.1. Definicja. Dziedzina Euklidesowa nazywamy pare (R, v), gdzie R jest dziedzina ca lkowitości a v : R \ {0} N {0} funkcja zwana waluacja, która spe lnia naste ce warunki: 1. dla

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

ALGEBRA Z GEOMETRIĄ LINIOWA NIEZALEŻNOŚĆ, ROZPINANIE I BAZY

ALGEBRA Z GEOMETRIĄ LINIOWA NIEZALEŻNOŚĆ, ROZPINANIE I BAZY ALGEBRA Z GEOMETRIĄ 1/10 LINIOWA NIEZALEŻNOŚĆ, ROZPINANIE I BAZY Piotr M. Hajac Uniwersytet Warszawski Wykład 10, 11.12.2013 Typeset by Jakub Szczepanik. Geometryczne intuicje Dla pierścienia R = R mamy

Bardziej szczegółowo

Zasada indukcji matematycznej

Zasada indukcji matematycznej Zasada indukcji matematycznej Twierdzenie 1 (Zasada indukcji matematycznej). Niech ϕ(n) będzie formą zdaniową zmiennej n N 0. Załóżmy, że istnieje n 0 N 0 takie, że 1. ϕ(n 0 ) jest zdaniem prawdziwym,.

Bardziej szczegółowo

Indukcja. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Indukcja. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak Indukcja Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak Charakteryzacja zbioru liczb naturalnych Arytmetyka liczb naturalnych Jedną z najważniejszych teorii matematycznych jest arytmetyka

Bardziej szczegółowo

R n jako przestrzeń afiniczna

R n jako przestrzeń afiniczna R n jako przestrzeń afiniczna Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 11. wykład z algebry liniowej Warszawa, grudzień 2014 Mirosław Sobolewski (UW) Warszawa, grudzień 2014 1

Bardziej szczegółowo

Układy równań liniowych

Układy równań liniowych Układy równań liniowych Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 1. wykład z algebry liniowej Warszawa, październik 2015 Mirosław Sobolewski (UW) Warszawa, wrzesień 2015 1 / 1

Bardziej szczegółowo

Zadania z algebry liniowej - sem. I Przestrzenie liniowe, bazy, rząd macierzy

Zadania z algebry liniowej - sem. I Przestrzenie liniowe, bazy, rząd macierzy Zadania z algebry liniowej - sem I Przestrzenie liniowe bazy rząd macierzy Definicja 1 Niech (K + ) będzie ciałem (zwanym ciałem skalarów a jego elementy nazywać będziemy skalarami) Przestrzenią liniową

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

Tomasz Downarowicz Instytut Matematyki i Informatyki Politechnika Wroc lawska Wroc law Wroc law, kwiecień 2011

Tomasz Downarowicz Instytut Matematyki i Informatyki Politechnika Wroc lawska Wroc law Wroc law, kwiecień 2011 Tomasz Downarowicz Instytut Matematyki i Informatyki Politechnika Wroc lawska 50-370 Wroc law Wroc law, kwiecień 2011 Analiza Funkcjonalna WPPT IIr. Wyk lady 4 i 5: Przestrzenie unitarne i Hilberta (rzeczywiste

Bardziej szczegółowo

F t+ := s>t. F s = F t.

F t+ := s>t. F s = F t. M. Beśka, Całka Stochastyczna, wykład 1 1 1 Wiadomości wstępne 1.1 Przestrzeń probabilistyczna z filtracją Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną i niech F = {F t } t 0 będzie rodziną

Bardziej szczegółowo

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa SIMR 06/07, Analiza, wykład, 07-0- Przestrzeń wektorowa Przestrzeń wektorowa (liniowa) - przestrzeń (zbiór) w której określone są działania (funkcje) dodawania elementów i mnożenia elementów przez liczbę

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

25 lutego 2013, godzina 23: 57 strona 1. P. Urzyczyn: Materia ly do wyk ladu z semantyki. Logika Hoare a

25 lutego 2013, godzina 23: 57 strona 1. P. Urzyczyn: Materia ly do wyk ladu z semantyki. Logika Hoare a 25 lutego 2013, godzina 23: 57 strona 1 P. Urzyczyn: Materia ly do wyk ladu z semantyki Logika Hoare a Rozważamy najprostszy model imperatywnego jezyka programowania z jednym typem danych. Wartości tego

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

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

1 Działania na zbiorach

1 Działania na zbiorach M. Beśka, Wstęp do teorii miary, rozdz. 1 1 1 Działania na zbiorach W rozdziale tym przypomnimy podstawowe działania na zbiorach koncentrując się na własnościach tych działań, które będą przydatne w dalszej

Bardziej szczegółowo

A i. i=1. i=1. i=1. i=1. W dalszej części skryptu będziemy mieli najczęściej do czynienia z miarami określonymi na rodzinach, które są σ - algebrami.

A i. i=1. i=1. i=1. i=1. W dalszej części skryptu będziemy mieli najczęściej do czynienia z miarami określonymi na rodzinach, które są σ - algebrami. M. Beśka, Wstęp do teorii miary, rozdz. 3 25 3 Miara 3.1 Definicja miary i jej podstawowe własności Niech X będzie niepustym zbiorem, a A 2 X niepustą rodziną podzbiorów. Wtedy dowolne odwzorowanie : A

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

1 Rząd macierzy. 2 Liniowa niezależność. Algebra liniowa. V. Rząd macierzy. Baza podprzestrzeni wektorowej

1 Rząd macierzy. 2 Liniowa niezależność. Algebra liniowa. V. Rząd macierzy. Baza podprzestrzeni wektorowej 1 Rząd macierzy Rozpatrzmy równanie jednorodne Ax = 0, gdzie A M(n, k). Wiemy, że posiada ono rozwiązanie. Jednakże wymiar macierzy A, a tym samym liczba równań w odpowiadającym jej układzie równań liniowych

Bardziej szczegółowo

1 Przestrzeń liniowa. α 1 x α k x k = 0

1 Przestrzeń liniowa. α 1 x α k x k = 0 Z43: Algebra liniowa Zagadnienie: przekształcenie liniowe, macierze, wyznaczniki Zadanie: przekształcenie liniowe, jądro i obraz, interpretacja geometryczna. Przestrzeń liniowa Już w starożytności człowiek

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

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

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