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

Podobne dokumenty
Geometria Lista 0 Zadanie 1

Wektory i wartości własne

Zadania z Algebry liniowej 4 Semestr letni 2009

ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ

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

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

Wektory i wartości własne

Zadania egzaminacyjne

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

Endomorfizmy liniowe

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

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

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

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

Układy równań i równania wyższych rzędów

macierze jednostkowe (identyczności) macierze diagonalne, które na przekątnej mają same

φ(x 1,..., x n ) = a i x 2 i +

1 Podobieństwo macierzy

Zajmijmy się najpierw pierwszym równaniem. Zapiszmy je w postaci trygonometrycznej, podstawiając z = r(cos ϕ + i sin ϕ).

Algebra liniowa z geometrią

Układy równań liniowych

dr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory;

Baza w jądrze i baza obrazu ( )

Zadania z algebry liniowej Iloczyn skalarny, przestrzenie euklidesowe

Kombinacje liniowe wektorów.

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

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

ALGEBRA z GEOMETRIA, ANALITYCZNA,

PODSTAWY RACHUNKU WEKTOROWEGO

5. Równania różniczkowe zwyczajne pierwszego rzędu

Lista. Algebra z Geometrią Analityczną. Zadanie 1 Przypomnij definicję grupy, które z podanych struktur są grupami:

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

Lista. Przestrzenie liniowe. Zadanie 1 Sprawdź, czy (V, +, ) jest przestrzenią liniową nadr :

Przestrzenie liniowe

Przestrzenie wektorowe

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

ALGEBRA LINIOWA 2. Lista zadań 2003/2004. Opracowanie : dr Teresa Jurlewicz, dr Zbigniew Skoczylas

3 1 + i 1 i i 1 2i 2. Wyznaczyć macierze spełniające własność komutacji: [A, X] = B

Równania różniczkowe liniowe wyższych rzędów o stałych współcz

1 Podstawowe oznaczenia

Informacja o przestrzeniach Hilberta

Elementy geometrii analitycznej w R 3

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

2 1 3 c c1. e 1, e 2,..., e n A= e 1 e 2...e n [ ] M. Przybycień Matematyczne Metody Fizyki I

VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.

Układy współrzędnych

Przestrzenie liniowe

0 + 0 = 0, = 1, = 1, = 0.

Geometria. Rozwiązania niektórych zadań z listy 2

Równania liniowe. Rozdział Przekształcenia liniowe. Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem

1 Wartości własne oraz wektory własne macierzy

Lista. Algebra z Geometrią Analityczną. Zadanie 1 Zapisz za pomocą spójników logicznych i kwantyfikatorów: x jest większe niż 6 lub mniejsze niż 4

WYBRANE DZIAŁY ANALIZY MATEMATYCZNEJ. Wykład II

Analiza funkcjonalna 1.

Zadania z Algebry liniowej 3 semestr zimowy 2008/2009

Wyk lad 7 Baza i wymiar przestrzeni liniowej

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

Wykład 5. Ker(f) = {v V ; f(v) = 0}

Wykład 9. Matematyka 3, semestr zimowy 2011/ listopada 2011

Funkcje analityczne. Wykład 4. Odwzorowania wiernokątne. Paweł Mleczko. Funkcje analityczne (rok akademicki 2016/2017) dla każdego s = (s.

1 Elementy logiki i teorii mnogości

III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań.

1 Zbiory i działania na zbiorach.

Zestaw zadań 14: Wektory i wartości własne. ) =

Wstęp do komputerów kwantowych

9 Przekształcenia liniowe

Co to jest wektor? Jest to obiekt posiadający: moduł (długość), kierunek wraz ze zwrotem.

Liczby zespolone. x + 2 = 0.

2. Kombinacja liniowa rozwiązań zeruje się w pewnym punkcie wtedy i tylko wtedy, gdy zeruje się w każdym punkcie.

DB Algebra liniowa 1 semestr letni 2018

Informatyka Stosowana. a b c d a a b c d b b d a c c c a d b d d c b a

Sylabus do programu kształcenia obowiązującego od roku akademickiego 2012/13

Algebra z Geometrią Analityczną. { x + 2y = 5 x y = 9. 4x + 5y 3z = 9, 2x + 4y 3z = 1. { 2x + 3y + z = 5 4x + 5y 3z = 9 7 1,

1 Macierze i wyznaczniki

Funkcje analityczne. Wykład 4. Odwzorowania wiernokątne. Paweł Mleczko. Funkcje analityczne (rok akademicki 2017/2018)

Diagonalizacja macierzy i jej zastosowania

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

1 + iϕ n. = cos ϕ + i sin ϕ. e n z n n n. c M n z n, c n z Mn.

Algebra liniowa. 1. Macierze.

1. Liczby zespolone i

Diagonalizacja macierzy i jej zastosowania

i = [ 0] j = [ 1] k = [ 0]

1. Liczby zespolone. Jacek Jędrzejewski 2011/2012

Iloczyn skalarny, wektorowy, mieszany. Ortogonalność wektorów. Metoda ortogonalizacji Grama-Schmidta. Małgorzata Kowaluk semestr X

Algebra z geometrią analityczną zadania z odpowiedziami

Wykład 14. Elementy algebry macierzy

Wykład 4. Określimy teraz pewną ważną klasę pierścieni.

1 Rozwiązywanie układów równań. Wyznaczniki. 2 Wektory kilka faktów użytkowych

Rozdział 2. Liczby zespolone

Rozdzia l 1. Przestrzenie wektorowe

VI. Równania różniczkowe liniowe wyższych rzędów

Zadania przygotowawcze, 3 kolokwium

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

13 Układy równań liniowych

4. O funkcji uwikłanej 4.1. Twierdzenie. Niech będzie dana funkcja f klasy C 1 na otwartym podzbiorze. ϕ : K(x 0, δ) (y 0 η, y 0 + η), taka że

Postać Jordana macierzy

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

Algebra z geometrią analityczną zadania z odpowiedziami

Matematyka dyskretna

Własności wyznacznika

Transkrypt:

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. Naszym zadaniem będzie opisanie struktury odwzorowań ortogonalnych. Zacznijmy od przykładów. Przykład 1 Przypomnijmy, że mnożenie liczb zepolonych ma prostą interpretację geometryczną. Mianowicie, odwzorowanie z e i ϕ z = (cos ϕ + i sin ϕ)z, jeśli C utożsamić z płaszczyzną z naniesionym układem kartezjańskim, to znaczy z R 2, za pomocą odpowiedniości z = x + i y (x, y), jest obrotem tej płaszczyzny o kąt ϕ względem początku układu. (Kierunek przeciwny do ruchu wskazówek zegara jest dodatni.) Wyraźmy ten obrót jako odwzorowanie z R 2 w R 2. Niech Wówczas z = x + i y := e i ϕ z. x + i y = (cos ϕ + i sin ϕ)(x + i y) = (x cos ϕ y sin ϕ) + i(y cos ϕ + x sin ϕ). W rezultacie [ x y ] [ cos ϕ sin ϕ = sin ϕ cos ϕ ] [ x y ]. Teraz, przez analogię, możemy rozszerzyć pojęcie obrotu na dowolną dwuwymiarową przestrzenią euklidesową. Przypuśćmy, że W jest taką przestrzenią i niech f = (f 1, f 2 ) oznacza reper ortonormalny tej przestrzeni. Obrotem o kąt ϕ przestrzeni W względem początku układu nazywamy odwzorowanie U ϕ End W, którego macierz B w bazach (f, f) ma postać: [ ] cos ϕ sin ϕ B = sin ϕ cos ϕ Oczywiście U ϕ jest odwzorowaniem ortogonalnym, bo jak łatwo sprawdzić BB T = I. Odwzorowania U ϕ, ϕ R, tworzą oczywiście grupę przemienną. Jej elementem neutralnym jest I = U 0. Mnożeniu elementów odpowiada dodawanie kątów: U ϕ U θ = U ϕ+θ. Elementem odwrotnym do U ϕ jest U ϕ. Obrót jest przykładem izometrii nazywanych ruchami sztywnymi. Jeśli K 1

jest dowolnym podzbiorem przestrzeni W, to przekształcenie K na izometryczną kopię U ϕ (K) można zrealizować przechodząc stopniowo po wszystkich kątach od 0 do ϕ. Gdybyśmy wszystkie fazy tego przejścia sfilmowali, to zaobserwowalibyśmy ruch zbioru od położenia początkowego K do końcowego U ϕ (K). Zauważmy na zakończenie, że det U ϕ = det B = 1. Przykład 2 Niech X oznacza podprzestrzeń przestrzeni euklidesowej skończonego wymiaru V. Wybierzmy reper ortonormalny e = (e 1,..., e k, e k+1,..., e n ) w V w ten sposób, by wektory e 1,..., e k tworzyły bazę przestrzeni X. (Jeśli X = {0}, to takich wektorów po prostu nie ma.) Określmy odwzorowanie M X przestrzeni V w siebie wzorem: M X (x) = M X ( x, e 1 e 1 + x, e k e k + x, e k+1 e k+1 + + x, e n e n ) = x, e 1 e 1 + x, e k e k x, e k+1 e k+1 x, e n e n M X nazywamy odbiciem przestrzeni V w przestrzeni X albo odbiciem względem X. Łatwo zauważyć, że M X X = E X oraz M X X = E X. M X jest oczywiście odwzorowaniem ortogonalnym. Czytelnik jest proszony o uzasadnienie, że M X = M X oraz M 2 X = E. A także o zauważenie, że det M X = ( 1) dim X. W przypadku, gdy X = {0}, to M X nazywamy też odbiciem względem zera. Gdy V = R 2, to odbicie względem zera jest obrotem o kąt ϕ = π. Tak jest zresztą w każdej przestrzeni euklidesowej dwuwymiarowej. Gdy zaś V = R 2 oraz dim X = 1, to X jest geometrycznie prostą przechodzącą przez początek układu, zaś M X symetrią osiową względem tej prostej. Twierdzenie 1 Niech V będzie przestrzenią euklidesową skończonego wymiaru n. Jeśli U : V V jest odwzorowaniem ortogonalnym, to istnieje rozkład V = V 1 V m przestrzeni V na podprzestrzenie wzajemnie ortogonalne o wymiarach 1 i 2, że gdy (1) dim V i = 1, to U V i = E V i względnie U V i = E V i ; (2) dim V i = 2, to U V i jest obrotem o kąt ϕ, różny od krotności liczby π. Jeśli wybrać w każdej z przestrzeni V i bazę ortonormalną, to z takich baz można zestawić reper ortonormalny f przestrzeni V, że macierz odwzorowa- 2

nia U w bazach (f, f) ma postać cos ϕ 1 sin ϕ 1... 0 0 0... 0 0... 0 sin ϕ 1 cos ϕ 1... 0 0 0... 0 0... 0................. 0 0... cos ϕ k sin ϕ k 0... 0 0... 0 0 0... sin ϕ k cos ϕ k 0... 0 0... 0 0 0... 0 0 1... 0 0... 0.................. 0 0... 0 0 0... 1 0... 0 0 0... 0 0 0... 0 1... 0................. 0 0... 0 0 0... 0 0... 1 (Oczywiście niektóre z bloków mogą nie wystąpić.) Dowód. Mogą się zdarzyć dwie sytuacje: (1) U ma wartość własną, (2) U nie ma takiej wartości. Fakt, że zachodzi (1) oznacza, iż istnieje λ R i wektor niezerowy x, że Ux = λx. Ponieważ x = Ux = λx = λ x, więc λ = 1 lub 1. Niech W = {αx : α R}. W jest oczywiście podprzestrzenią niezmienniczą odwzorowania U. Niech W dopełnienie ortogonalne przestrzeni W i niech v element tego dopełnienia. Ponieważ U zachowuje iloczyn skalarny, więc λ x, Uv = λx, Uv = Ux, Uv = x, v = 0. Stąd wektor Uv jest ortogonalny do x, więc należy do W. W rezultacie V rozkłada się na sumę W W ortogonalnych podprzestrzeni niezmienniczych odwzorowania U, przy czym W jest jednowymiarowa i U W = ±E W. Załóżmy teraz, że zachodzi (2). Rozpatrzmy macierz B odwzorowania U w bazach (e, e), gdzie e jest dowolnym reperem ortonormalnym przestrzeni V. Niech λ będzie pierwiastkiem równania charakterystycznego det(λi B) = 0. Liczba ta nie może być rzeczywista, bo w przeciwnym razie U miałoby wektor własny. Na podstawie twierdzenia Cauchy ego o wyznaczniku iloczynu macierzy mamy 0 = det((λi B)( λi B)) = det( λ 2 2(re λ)b + B 2 ). 3

W takim razie odwzorowanie T = λ 2 2(re λ)u +U 2 ma nietrywialne jądro, to znaczy, istnieje niezerowy x V, że T x = 0. Rozpatrzmy podprzestrzeń W < V rozpiętą na wektorach x i Ux. Ponieważ U(αx + βux) = αux + βu 2 x = αux + β(2(re λ)ux λ 2 x) = β λ 2 x + (α + 2β re λ)ux, więc W jest podprzestrzenią niezmienniczą. Zauważmy, że wobec tego, iż Ux = x oraz Ux ±x (zakładamy, że U nie ma wartości i co za tym idzie, wektorów własnych!), wektory x oraz Ux tworzą bazę przestrzeni W. Przestrzeń ta jest więc dwuwymiarowa. Niech w = (w 1, w 2 ) tworzą reper ortonormalny tej przestrzeni i niech C będzie macierzą odwzorowania U W w bazach (w, w) [ ] c11 c C = 12. c 21 c 22 Macierz C jest ortogonalna, co oznacza, że wektory wierszowe tworzą bazę ortonormalną. W szczególności, c 2 21 + c 2 22 = 1, co oznacza, że istnieje jedyna taka liczba ϕ [0, 2π), że (c 21, c 22 ) = (sin ϕ, cos ϕ). Ponieważ do danego wektora niezerowego w R 2 można dobrać tylko dwa wektory jednostkowe i prostopadłe (różnią się one jedynie znakiem), więc mamy dwie możliwości: (c 11, c 12 ) = (cos ϕ, sin ϕ), względnie (c 11, c 12 ) = ( cos ϕ, sin ϕ). ta druga możliwość jest wykluczona, bo implikowałaby det C = 1. W takim jednak przypadku, równanie charakterystyczne det(λi C) ma rozwiązanie rzeczywiste (sprawdź to), co implikowałoby istnienie wektorów własnych odwzorowania U W, a co za tym idzie, także U. Wtedy jednak U miałoby wartości własne, co przeczyłoby naszemu założeniu. W konsekwencji, C jest macierzą obrotu w przestrzeni W, tzn. U W = U ϕ. Weźmy teraz dowolną parę wektorów x W oraz y W Ponieważ U W jest izomorfizmem przestrzeni W, więc istnieje x W, że Ux = x. Zauważmy, że x, Uy = Ux, Uy = x, y = 0. Co wobec dowolności wyboru x W przesądza, iż obok W także W jest podprzestrzenią niezmienniczą odwzorowania U. I tak jak w (1), V = W W, gdzie tym razem W jest przestrzenią dwuwymiarową, na której U działa jako obrót. W ten sposób wykonaliśmy pierwszy krok rozkładu przestrzeni V na prostopadłe składniki jedno- i dwuwymiarowe, o których mowa w tezie. Dalej 4

należy przyjąć V 1 = W i cała procedurę powtórzyć w odniesieniu do przestrzeni niższego wymiaru W i odwzorowania U W, które należy do O(W ). Wobec tego, że wymiar V jest skończony, po skończonej liczbie kroków otrzymamy żądany rozkład. Zadanie 1 Korzystając z twierdzenia udowodnić, że każde odwzorowanie ortogonalne można przestawić jako złożenie skończonej liczby odbić M X w podprzestrzeniach X wymiaru o jeden mniejszego niż wymiar przestrzeni V. Ruchy sztywne O ruchach sztywnych już wspominaliśmy, teraz czas na formalną definicję. Definicja 1 Ruchem sztywnym w przestrzeni euklidesowej skończonego wymiaru V nazywamy każde odwzorowanie U O(V ), że det U = 1. Powyższą definicję możemy uzasadnić w następujący sposób: Niech U O(V ) i niech V = V 1 V m będzie rozkładem V na podprzestrzenie niezmiennicze odwzorowania U, opisanym w twierdzeniu. Wówczas m det U = det(u V i ), i=1 co można wywnioskować z przedstawienia macierzowego odwzorowania U. Oczywiście, jeśli U V i jest obrotem, to det(u V i ) = 1. W konsekwencji, det U = ( 1) s, gdzie s oznacza liczbę tych jednowymiarowych przestrzeni V i, że U V i = E V i. Jeśli det U = 1, to liczba s jest parzysta. Wtedy wspomniane przestrzenie jednowymiarowe można podzielić na pary. Niech V j, V k będzie taką parą. Wtedy U (V j V k ) = E (V j V k ), ale odwzorowanie minus identyczność ma [ w dowolnych ] bazach (f, f) przestrzeni dwuwymiarowej V j V k macierz. Jeśli f jest reperem ortonormalnym, 1 0 0 1 to macierz ta jest macierzą obrotu U π o kąt π. W takim razie, gdy det U = 1, to V możemy rozłożyć na podprzestrzenie V = W 1 W l W, że ograniczenie U W i, i = 1,... l, jest obrotem U ϕi, zaś ograniczenie U W jest identycznością. Określmy teraz odwzorowania U (t), t [0, 1], w ten sposób, że U (t) W i = U tϕi oraz U (t) W jest identycznością na W. Oczywiście U (t) są ortogonalne U (0) = E oraz U (1) = U a zatem każdy zbiór K V możemy w sposób płynny przeprowadzić na izometryczną kopię U(K). Ruch zbioru K możemy 5

zrealizować jako przekształcenie [0, 1] t U (t) (K). Z drugiej strony, jeśli U jest takim odwzorowaniem ortogonalnym, że istnieje ciągła rodzina przekształceń U (t) O(V ), t [a, b], że U (a) = E oraz U (b) = U, to ponieważ det U (t) może przyjmować tylko wartości ±1 oraz det U (a) = det E = 1 i funkcja t det U (t) jest ciągła, więc musi być stale równa 1. W rezultacie det U = det U (b) = 1. (Nie dbałem tutaj o zbytnią dokładność, nie sprecyzowałem np. co znaczy pojęcie ciągła rodzina przekształceń.) Z ruchami sztywnymi powiązane jest pojęcie orientacji. Orientacja Definicja 2 Powiemy, że dwa repery ortonormalne e = (e 1,..., e n ), f = (f 1,..., f n ) wyznaczają tę samą orientację przestrzeni euklidesowej V, jeśli odwzorowanie liniowe U, które przeprowadza reper e na f, tzn. Ue i = f i, i = 1,..., n, ma wyznacznik 1. Zauważmy, że U określone powyżej należy do O(V ) (dlaczego?), jest zatem ruchem sztywnym. Łatwo spostrzec, że mamy tylko dwie orientacje. Mianowicie, jeśli ustalić e, to wszystkie pozostałe repery ortonormalne są dwóch typów: te, dla których det U = 1 i te, dla których det U = 1. Wszystkie repery tego samego typu wyznaczają tę samą orientację, a różnego inną. Definicja orientacji ma prostą interpretację geometryczną. Obierzmy punkt w otaczającej przestrzeni i przyjmijmy, że przedstawia on początek układu. Weźmy dwa trójnogi o równych i prostopadłych krawędziach, że ich narożniki spoczywają w początku. Pomalujmy krawędzie każdego trójnogu tymi samymi trzema barwami, np. żółtą, niebieską i czerwoną, po jednej barwie na krawędź. Trójnogi te reprezentują repery, kolory możemy traktować jak numery. Dwa trójnogi wyznaczają tę samą orientację, jeśli jeden możemy przemieści na drugi, tak by kolory się zgadzały. 6