ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ

Podobne dokumenty
9 Przekształcenia liniowe

DB Algebra liniowa 1 semestr letni 2018

Kombinacje liniowe wektorów.

a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn a 1j a 2j R i = , C j =

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

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

Baza w jądrze i baza obrazu ( )

1 Działania na zbiorach

Zadania egzaminacyjne

Zadania z Algebry liniowej 3 semestr zimowy 2008/2009

Algebra liniowa. 1. Macierze.

1 Zbiory i działania na zbiorach.

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

φ(x 1,..., x n ) = a i x 2 i +

ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ. 1. Ciała

Zadania z Algebry liniowej 4 Semestr letni 2009

Endomorfizmy liniowe

Wyk lad 11 Przekszta lcenia liniowe a macierze

Algebra liniowa z geometrią

13 Układy równań liniowych

Układy równań liniowych

1 Macierze i wyznaczniki

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

Diagonalizacja macierzy i jej zastosowania

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

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

1 Elementy logiki i teorii mnogości

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

Diagonalizacja macierzy i jej zastosowania

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

Wykład 5. Ker(f) = {v V ; f(v) = 0}

4 Przekształcenia liniowe

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

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

Przekształcenia liniowe

Zastosowania wyznaczników

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

Macierze. Rozdział Działania na macierzach

Wektory i wartości własne

Sylabus do programu kształcenia obowiązującego od roku akademickiego 2012/13

DB Algebra liniowa semestr zimowy 2018

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

ALGEBRA LINIOWA Z GEOMETRIĄ, LISTA ZADAŃ NR 8

Imię i nazwisko... Grupa...

Zestaw zadań 14: Wektory i wartości własne. ) =

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

Rozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm

Przekształcenia liniowe

Wykład 14. Elementy algebry macierzy

2 Rachunek macierzowy, metoda eliminacji Gaussa-Jordana Wprowadzenie teoretyczne Zadania... 9

15. Macierze. Definicja Macierzy. Definicja Delty Kroneckera. Definicja Macierzy Kwadratowej. Definicja Macierzy Jednostkowej

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

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

Wektory i wartości własne

a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ...

Układy równań i nierówności liniowych

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

Diagonalizacja macierzy i jej zastosowania

Analiza funkcjonalna 1.

Przekształcenia liniowe

1 ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ LINIOWYCH

1 Podobieństwo macierzy

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

Met Me ody numer yczne Wykład ykład Dr inż. Mic hał ha Łanc Łan zon Instyt Ins ut Elektr Elektr echn iki echn i Elektrot Elektr echn olo echn

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

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

Przestrzenie liniowe

Praca domowa - seria 6

Sylabus do programu kształcenia obowiązującego od roku akademickiego 2014/15

Przestrzenie wektorowe

det[a 1,..., A i,..., A j,..., A n ] + det[a 1,..., ka j,..., A j,..., A n ] Dowód Udowodniliśmy, że: det[a 1,..., A i + ka j,..., A j,...

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

Wydział Elektroniki i Technik Informacyjnych PW Algebra liniowa - konspekt wykładu

ALGEBRA Tematyka LITERATURA

ALGEBRA Z GEOMETRIĄ MACIERZE ODWZOROWAŃ LINIOWYCH

Działania Definicja: Działaniem wewnętrznym w niepustym zbiorze G nazywamy funkcję działającą ze zbioru GxG w zbiór G.

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

A. Strojnowski - Twierdzenie Jordana 1

Układy równań liniowych i metody ich rozwiązywania

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

Układy równań i równania wyższych rzędów

O MACIERZACH I UKŁADACH RÓWNAŃ

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,

Macierze i Wyznaczniki

1 Pierścienie i ich homomorfizmy. Ideał, pierścień ilorazowy. Ideały pierwsze i maksymalne, dziedziny i ciała - definicje i przykłady

3 Przestrzenie liniowe

Szczegółowa lista zagadnień kursu Algebra z geometrią MT obowiązujących na egzamin ustny w roku akademickim 2018/19

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

Wyznaczniki. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 6. Wykład z algebry liniowej Warszawa, listopad 2013

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

ALGEBRA LINIOWA. Wykład 2. Analityka gospodarcza, sem. 1. Wydział Zarządzania i Ekonomii Politechnika Gdańska

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

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

Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania

Geometria Lista 0 Zadanie 1

Przestrzenie liniowe

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

Przestrzenie liniowe

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

13. Cia la. Rozszerzenia cia l.

Transkrypt:

ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ WSHE, O/K-CE 10. Homomorfizmy Definicja 1. Niech V, W będą dwiema przestrzeniami liniowymi nad ustalonym ciałem, odwzorowanie ϕ : V W nazywamy homomorfizmem lub przekształceniem liniowym jeżeli spełnione są następujące warunki: dla wszelkich u, v V zachodzi ϕ(u + v) = ϕ(u) + ϕ(v); dla każdego wektora v V oraz każdego skalara a zachodzi ϕ(av) = aϕ(v). Nazewnictwo. Stosujemy następujące określenia: homomorfizm: przekształcenie liniowe; monomorfizm: różnowartościowe przekształcenie liniowe; epimorfizm: przekształcenie liniowe na przestrzeń W ; izomorfizm: monomorfizm będący jednocześnie epimorfizmem; endomorfizm: V = W ; automorfizm: endomorfizm będący izomorfizmem. Uwaga. Homomorfizmy mają następujące własności: dla wszelkich v 1,..., v n V oraz a 1,..., a n zachodzi ϕ(a 1 v 1 + + a n v n ) = a 1 ϕ(v 1 ) + + a n ϕ(v n ); ϕ(θ) = Θ; dla każdego v V zachodzi ϕ( v) = ϕ(v); jeżeli układ v 1,..., v n jest liniowo zależny, to układ ϕ(v 1 ),..., ϕ(v n ) też jest liniowo zależny. Przykład 3. Następujące odwzorowania są homomorfizmami (homomorfizm zerowy) ϕ : V W zadany ϕ(v) = Θ dla każdego v V ; (homotetia) ustalmy a, zadajemy ϕ : V V jako ϕ(v) := av; (rzutowanie) niech V = V 1 V, zadajemy π i : V V i jako π i (v) = v i, gdzie i {1, } oraz v = v 1 + v, v 1 V 1, v V ; Date: 003, semestr letni. 1

V = przestrzeń funkcji różniczkowalnych, W = przestrzeń funkcji rzeczywistych ϕ(f) := f ; mamy ustaloną macierz a 11 a 1n A = a m1 a mn zadajemy ϕ : n m jako v 11 a 11 v 1 + + a 1n v n ϕ(. ) :=. v n1 a m1 v 1 + + a mn v n Uwaga 4. Jeżeli ϕ : V W jest homomorfizmem oraz V V, W W są podprzestrzeniami przestrzeni V oraz W odpowiednio, to ϕ(v ) W, ϕ 1 (W ) V są podprzestrzeniami W oraz V. Definicja 5. Dla dowolnego homomorfizmu ϕ : V W podprzestrzeń ϕ 1 (Θ) = {v V : ϕ(v) = Θ} nazywamy jądrem odwzorowania ϕ i oznaczamy ker ϕ. Definicja 6. Dla dowolnego homomorfizmu ϕ : V W podprzestrzeń ϕ(v ) = {w W : v V w = ϕ(v)} nazywamy obrazem odwzorowania ϕ i oznaczamy im ϕ. Stwierdzenie 7. Jeżeli ϕ : V W jest homomorfizmem oraz u, v V, to ϕ(u) = ϕ(v) u v ker ϕ. Twierdzenie 8. Homomorfizm ϕ : V W jest monomorfizmem wtedy i tylko wtedy, gdy ker ϕ = {Θ}. Homomorfizm ϕ : V W jest epimorfizmem wtedy i tylko wtedy, gdy im ϕ = W. Twierdzenie 9. Niech ϕ : V W będzie homomorfizmem. Jeżeli dim V <, to także dim ker ϕ < oraz dim im ϕ <. Ponadto dim V = dim ker ϕ + dim im ϕ. Twierdzenie 10. (o określaniu homomorfizmów) Niech V, W będą przestrzeniami liniowymi nad ciałem oraz niech (v 1,..., v n ) będzie bazą przestrzeni V. Niech dalej (w 1,..., w n ) będzie dowolnym układem wektorów w przetrzeni W. Wówczas istnieje dokładnie jeden homomorfizm ϕ : V W taki, że ϕ(v i ) = w i. Ponadto: dla dowolnego wektora v = a 1 v 1 + + a n v n V zachodzi ϕ(v) = a 1 w 1 + + a n w n ; ϕ jest monomorfizmem wtedy i tylko wtedy, gdy układ (w 1,..., w n ) jest liniowo niezależny;

ϕ jest epimorfizmem wtedy i tylko wtedy, gdy W = lin(w 1,..., w n ); ϕ jest izomorfizmem wtedy i tylko wtedy, gdy układ (w 1,..., w n ) jest bazą W. Definicja 11. Przestrzenie liniowe V, W określone nad tym samym ciałem nazywamy izomorficznymi jeżeli istnieje izomorfizm ϕ : V W, oznaczamy V = W. Uwaga 1. Dwie przestrzenie skończeniewymiarowe są izomorficzne wtedy i tylko wtedy gdy mają równe wymiary. Stwierdzenie 13. Jeżeli dim V = dim W < oraz ϕ : V W jest homomorfizmem, to następujące warunki są równoważne: ϕ jest monomorfizmem; ϕ jest epimorfizmem; ϕ jest izomorfizmem. 11. Przestrzenie ilorazowe Definicja 14. Niech U V będzie podprzestrzenią przestrzeni liniowej V oraz niech v V. Zbiór v + U := {v + u: u U} nazywamy warstwą przestrzeni liniowej V względem podprzestrzeni U wyznaczoną przez wektor v. Uwaga 15. Warstwy v + U, w + U są równe wtedy i tylko wtedy, gdy v w U. Uwaga 16. Zbiór wszystkich warstw przestrzeni V względem zadanej podprzestrzeni U z działaniami: (v + U) + (w + U) := (v + w) + U oraz a(v + U) := (av) + U (gdzie u, w V oraz a ) jest przestrzenią liniową. Definicja 17. Określoną powyżej przestrzeń nazywamy przestrzenią ilorazową przestrzeni V względem podprzestrzeni U i oznaczamy V/U. Uwaga 18. Jeżeli dim V <, to dim V/U = dim V dim U. Uwaga 19. Odwzorowanie κ : V V/U zadane następująco: dla każdego v V przyjmujemy κ(v) := v + U jest epimorfizmem. Odwzorowanie o którym mowa powyżej nazywamy epimorfizmem kanonicznym. Twierdzenie 0. Jeżeli ϕ : V W jest epimorfizmem, to W = V/ ker ϕ. Ponadto izomorfizm ψ : V/kerϕ W można skonstruować tak, aby ψ(κ(v)) = ϕ(v) dla każdego v V. 3

warstwy u+u U u v+u v podprzestrzeñ Rysunek 1. Warstwy Obserwacja 1. Zbiór rozwiązań jednorodnego układu równań liniowych, jest podprzestrzenią przestrzeni n. Obserwacja. Zbiór Sol(U) rozwiązań układu równań liniowych a 11 x 1 + a 1 x + + a 1n x n = b 1 (U) : a m1 x 1 + a m x + + a mn x n = b m jest wartstwą v+sol(ũ) przestrzeni n względem podprzestrzeni Sol(Ũ) rozwiązań jednorodnego układu równań liniowych Ũ powstałego z U poprzez zastąpienie kolumny wyrazów wolnych zerami. Warstwa ta jest wyznaczona przez wektor v będący dowolnym rozwiązaniem układu (niejednorodnego) U. Przykład 3. Prosta L jest warstwą w przestrzeni względem prostej (podprzestrzeni) L, gdzie L L oraz L przechodzi przez środek układu współrzędnych. 4

1. Algebra macierzy Definicja 4. Sumą macierzy A = (a ij ) 1 i n, 1 j m M n,m ( ) oraz B = (b ij ) 1 i n, 1 j m M n,m ( ) nazywamy macierz C := (a ij + b ij ) 1 i n, 1 j m M n,m ( ). Oznaczamy C := A + B. Uwaga 5. Dodawanie macierzy ma następujące własności: A + B = B + A dla każdych A, B; a (A + B) = (a A) + (a B), dla dowolnego skalara a macierzy A, B; A + (B + C) = (A + B) + C dla dowolnych A, B, C; A + (0) 1 i n, 1 j m = A A + ( a ij ) 1 i n, 1 j m = (0) 1 i n, 1 j m. oraz Definicja 6. Iloczynem macierzy A = (a ij ) 1 i n, 1 j m M n,m ( ) oraz B = (b ij ) 1 i m, 1 j l M m,l nazywamy macierz C = (c ij ) 1 i n, 1 j l M n,l ( ). Gdzie c ij := m k=1 a ik b kj. Oznaczamy C := A B. Przykład 7. Nad ciałem 7: 1 1 1 1 3 1 = 4 5 3 0 Przykład 8. Nad ciałem : 1 1 1 0 3 0 3 1 1 1 0 19 16 13 3 1 0 4 31 14 4 6 1 = 4 1 6 8 5 1 0 0 9 7 9 86 0 9 9 Uwaga 9. Mnożenie macierzy nie jest przemienne! Przykład 30. Nad ciałem 7: 1 1 3 4 3 4 1 5 1 0 3 4 1 1 3 1 3 4 1 = 6 6 3 3 5 = 3 4 1 3 1 5 0 6 0 6 6 1 5 0 5 Uwaga 31. Własności mnożenia macierzy: A (B C) = A (B C); A (B + C) = A B + A C; (A + B) C = A C + B C; a (A B) = (a A) B = A (a B) dla a ; 5

Oznaczmy: 1 0 0... 0 0 1 0... 0 I n := I := 1I n := M n,n( ) 0 0 0... 1 Uwaga 3. Dla dowolnej macierzy A M n,m ( ) zachodzi I m A = A oraz A I n = A. Definicja 33. Niech A = (a i,j ) M n,m ( ) będzie dowolną macierzą. Macierzą transponowaną A T nazywamy macierz A T := (a ji ) M m,n ( ). Uwaga 34. Dla dowolnych macierzy A, B zachodzi (A B) T = B T A T. Niech U będzie układem równań liniowych a 11 x 1 + a 1 x + + a 1n x n = b 1 (U) : a m1 x 1 + a m x + + a mn x n = b m oznaczmy a 11 a 1... a 1n b 1 A := B :=. X :=. a m1 a m... a mn Wówczas układ U możemy zapisać w postaci A X = B. b m x 1 x n Twierdzenie 35. Niech A M n,n ( ) będzie macierzą kwadratową, wówczas następujące warunki są równoważne: istnieje macierz B M n,n ( ) taka, że A B = I; istnieje macierz B M n,n ( ) taka, że B A = I; r(a) = n; det(a) 0. Macierz spełniającą dowolny (a zatem wszystkie) z powyższych warunków nazywamy macierzą odwracalną. Zbiór wszystkich macierzy odwracalnych oznaczamy GL n ( ). Macierz B o której mowa w pierwszych dwóch warunkach nazywamy macierzą odrotną do macierzy A i oznaczamy A 1. Twierdzenie 36 (Cauchy). Niech A, B M n,n ( ), wówczas det(a B) = det(a) det(b). Wniosek 37. Jeżeli macierze A, B są odwracalne, to macierze A T, B T, A 1, B 1, A B, B A też są odwracalne. 6

Uwaga 38. Niech A M n,n ( ) będzie macierzą współczynników układu równań liniowych A X = B. Układ ten ma dokładnie jedno rozwiązanie wtedy i tylko wtedy, gdy macierz A jest odwracalna. Ponadto rozwiązanie to dane jest wzorem X = A 1 B. Algorytmy znajdowania macierzy odrotnej. Niech A = (a i,j ) M n,n ( ) będzie macierzą odwracalną (tj. det A 0). Uwaga 39. Macierz odwrotna A 1 ma postać A 1 = ( ) 1 ( 1) i+j det(a ji ) det(a) 1 i,j n gdzie A ji oznacza macierz powstałą z macierzy A poprzez skreślenie j-tego wiersza oraz i-tej kolumny. Przykład 40. Rozważmy macierz 1 3 A := 0 0 3 1 1 wówczas det(a) = 0, czyli A jest odwracalna. Obliczamy A 1 = 1 det ( ) 0 0 1 1 det ( ) 3 1 1 det ( ) 0 3 1 det ( ) 1 3 1 det ( ) 0 3 1 det ( ) 1 3 3 1 = 1 0 1 0 0 5 4 = 1 8 6 det ( ) 3 0 0 det ( ) 1 0 det ( ) 1 3 0 1 0 5 1 4 3 Za pomocą przekształceń elementarnych. Sprowadzamy wyjściową macierz do postaci jednostkowej. Następnie te same przekształcenie stosujemy w tej samej kolejności na macierzy jednostkowej. W wyniku uzyskujemy macierz odwrotną. Dopuszczalne są te same przekształcenia co w przypadku metody Gaussa (tj. tylko na wierszach). Przykład 41. Rozważmy macierz 1 3 A := 0 0 3 1 1 7

Dokonujemy przekształceń elementarnych: 1 3 1 3 II 0 3 III 0 0 1 1 0 0 1 0 0 3 1 1 3 1 1 3 II 0 1 1 0 1 0 0 1 0 1 0 0 1 0 0 1 0 0 0 1 0 0 1 1 I 0 0 1 0 0 1 Teraz dokonujemy tych samych przekształceń na macierzy jednostkowej: 1 0 0 1 0 0 II 1 1 0 III 0 1 0 1 0 1 1 0 0 0 0 0 1 0 0 1 3 II 0 3 1 1 5 5 1 0 1 1 0 0 0 0 0 3 1 0 0 5 1 0 1 I 1 4 3 1 4 3 13. Macierz homomorfizmu Definicja 4. Niech V, W będą dwiema przestrzeniami liniowymi nad ciałem, niech dalej V = (v 1,..., v n ) będzie bazą przestrzeni V oraz W = (w 1,..., w m ) będzie bazą przestrzeni W. Macierzą homomorfizmu ϕ : V W w bazach V, W nazywamy macierz M V,W (ϕ) := (a ij ), gdzie ϕ(v j ) = a 1j w 1 + + a mj w m dla każdego j {1,..., n}. Uwaga 43. Przy oznaczeniach jak wyżej, jeśli [x 1,..., x n ] V są współrzędnymi wektora v V w bazie V, to współrzedne jego obrazu ϕ(v) w bazie W są równe: y 1 x 1. = M V,CW (ϕ). y m x W n V Uwaga 44. Odwrotnie, jeżeli A M m,n ( ), to odwzorowanie ψ : V W zadane wzorem: x 1 y 1 x 1.. := A. x n y V m x W n V jest homomorfizmem. Homomorfizmy i mnożenie wektorów przez macierze to jest to samo. 8

Uwaga 45. Jeżeli ϕ : V W jest homomorfizmem, to dim im ϕ = r ( M V,W (ϕ) ). Stwierdzenie 46. Jeżeli U, V, W są przestrzeniami liniowymi, U, V, W bazami tych przestrzeni oraz ϕ : U V, ψ : V W homomorfizmami, to M U,W (ψ ϕ) = M V,W (ψ) M U,V (ϕ) Wniosek 47. Homomorfizm ϕ : V W jest izomorfizmem wtedy i tylko wtedy, gdy jego macierz M V,W (ϕ) jest odwracalna. Ponadto M W,V (ϕ 1 ) = M V,W (ϕ) 1. Podstawowe epimorfizmy. (Wszystkie przykłady w bazie standardowej) rzutowanie: π 1 : zadane π 1 ([x, y]) := [x, 0], wówczas M(π 1 ) := ( ) 1 0 0 0 ; homotetia: h a : o skali a zadana h a ([x, y]) := [ax, ay], wówczas M(h a ) := ( ) a 0 0 a ; obrót: O α : o kąt α zadany O α ([x, y]) := [x cos α y sin α, x sin α + y cos α], wówczas M(O α ) := ( ) cos α sin α sin α cos α ; 14. Wektory i wartości własne Definicja 48. Załóżmy, że ϕ : V V jest endomorfizmem przestrzeni liniowej V (nad ciałem ). Wektor v V \ {Θ} nazywamy wektorem własnym endomorfizmu ϕ jeżeli istnieje skalar a taki, że ϕ(v) = av. Skalar a nazywamy wtedy wartością własną endomorfizmu ϕ należącą do wektora własnego v. Definicja 49. Niech ϕ, V będą j.w., podprzestrzeń U V przestrzeni V nazywamy podprzestrzenią niezmienniczą endomorfizmu ϕ jeżeli ϕ(u) U. Uwaga 50. Wektor v jest wektorem własnym wtedy i tylko wtedy, gdy lin(v) jest podprzestrzenią niezmienniczą. Uwaga 51. Jeżeli U jest podprzestrzenią niezmienniczą endomorfizmu ϕ, to ϕ U jest endomorfizmem przetrzeni U. Przykład 5. dowolna przestrzeń V jest podprzestrzenią niezmienniczą każdego endomorfizmu na niej określonego; 9

jądro i obraz endomorfizmu są podprzestrzeniami niezmienniczymi; niech ϕ : będzie zadany ϕ([x, y]) := [x, x + y]. Wówczas jest wartością własną należącą do wektora własnego [1, 0]; obrót o kąt różny od zera na płaszczyźnie nie posiada wektorów własnych. Twierdzenie 53. Wektory własne odpowiadające różnym wartością własnym są liniowo niezależne. Wniosek 54. Jeżeli a 1,..., a n są wszystkimi, parami różnymi wartościami własnymi endomorfizmu ϕ : V V, to n dim V. Wniosek 55. Jeżeli dim V = n oraz istnieje baza V = (v 1,..., v n ) złożona z wektorów własnych, to macierz ϕ w tej bazie ma postać a 1 0... 0 0 a M V,V (ϕ) =... 0 0 0... a n gdzie a 1,..., a n są (niekoniecznie różnymi) wartościami własnymi należącymi do wektorów własnych v 1,..., v n. Twierdzenie 56. Każdy endomorfizm przestrzeni liniowej określonej nad ciałem liczb zespolonych posiada wartość własną. Twierdzenie 57 (Jordan). Jeżeli ϕ : V V jest endomorfizmem przestrzeni liniowej V nad ciałem, to istnieje baza V przestrzeni V, względem której ϕ ma macierz postaci: a i 1 0... 0 A 1 0... 0 0 a i 1... 0 0 A M V,V (ϕ) =... 0 gdzie A. i =...... 0 0... A k.. 1 0 0 0... a i Algorytm znajdowania wartości/wektorów własnych. Definicja 58. Wielomianem charakterystycznym endomorfizmu ϕ : V V nazywamy wielomian: F ϕ (x) := det ( M V,V (ϕ) x I ), gdzie V jest dowolną bazą przestrzenie V. Twierdzenie 59. Skalar a jest wartością własną endomorfizmu ϕ wtedy i tylko wtedy, gdy F ϕ (a) = 0. 10

Twierdzenie 60. Niech a będzie wartością własną endomorfizmu ϕ, wektor v = [x 1,..., x n ] V jest wektorem własnym związanym z a wtedy i tylko wtedy, gdy x 1 ( MV,V (ϕ) a I ). = Θ. x n 11