Wykład 5. Ker(f) = {v V ; f(v) = 0}

Podobne dokumenty
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

Algebra liniowa. 1. Macierze.

9 Przekształcenia liniowe

1 Podobieństwo macierzy

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

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

Analiza funkcjonalna 1.

Przestrzenie wektorowe

ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ

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

1 Zbiory i działania na zbiorach.

φ(x 1,..., x n ) = a i x 2 i +

Praca domowa - seria 6

14. Przestrzenie liniowe

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

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

DB Algebra liniowa 1 semestr letni 2018

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

Układy równań liniowych

Baza w jądrze i baza obrazu ( )

Rozwiązania, seria 5.

4 Przekształcenia liniowe

Przestrzenie liniowe

Lokalna odwracalność odwzorowań, odwzorowania uwikłane

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

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.

Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania

Przekształcenia liniowe

Zestaw zadań 14: Wektory i wartości własne. ) =

Wyk lad 11 Przekszta lcenia liniowe a macierze

Algebra liniowa z geometrią

Imię i nazwisko... Grupa...

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

1 Działania na zbiorach

Wektory i wartości własne

Wyk lad 7 Baza i wymiar przestrzeni liniowej

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

13 Układy równań liniowych

Wektory i wartości własne

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

Wektor, prosta, płaszczyzna; liniowa niezależność, rząd macierzy

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

Zadania z Algebry liniowej 3 semestr zimowy 2008/2009

Kombinacje liniowe wektorów.

wszystkich kombinacji liniowych wektorów układu, nazywa się powłoką liniową uk ładu wektorów

FUNKCJE. (odwzorowania) Funkcje 1

Teoretyczne podstawy programowania liniowego

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

1 Macierze i wyznaczniki

Przekształcenia liniowe

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

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

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

Zadania z Algebry liniowej 4 Semestr letni 2009

1 Macierz odwrotna metoda operacji elementarnych

ALGEBRA LINIOWA Z GEOMETRIĄ, LISTA ZADAŃ NR 8

Matematyka z el. statystyki, # 1 /Geodezja i kartografia I/

Przestrzenie liniowe

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

6 Homomorfizmy przestrzeni liniowych

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

cx cx 1,cx 2,cx 3,...,cx n. Przykład 4, 5

Diagonalizacja macierzy i jej zastosowania

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

Wyk lad 9 Baza i wymiar przestrzeni liniowej

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

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

Macierze. Rozdział Działania na macierzach

ALGEBRA Z GEOMETRIĄ MACIERZE ODWZOROWAŃ LINIOWYCH

Zastosowania wyznaczników

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

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Wyk lad 13 Funkcjona ly dwuliniowe

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

Diagonalizacja macierzy i jej zastosowania

Funkcje i ich własności. Energetyka, sem.1 (2017/2018) Matematyka #3: Funkcje 1 / 43

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

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

Diagonalizacja macierzy i jej zastosowania

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

Wyk lad 10 Przestrzeń przekszta lceń liniowych

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,...

Przestrzeń liniowa i przekształcenie liniowe

Własności wyznacznika

1 ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ LINIOWYCH

Przestrzenie wektorowe, liniowa niezależność wektorów, bazy przestrzeni wektorowych

Ciała skończone. 1. Ciała: podstawy

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

1. Zbadać liniową niezależność funkcji x, 1, x, x 2 w przestrzeni liniowej funkcji ciągłych na przedziale [ 1, ).

VI. Równania różniczkowe liniowe wyższych rzędów

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

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

3 Przestrzenie liniowe

Wykład 5. Metoda eliminacji Gaussa

O pewnych związkach teorii modeli z teorią reprezentacji

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

Wykład 14. Elementy algebry macierzy

R n jako przestrzeń afiniczna

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

Przestrzeń liniowa. Algebra. Aleksander Denisiuk

Transkrypt:

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 przekształcenia oznaczamy przez Ker(f), czyli mamy: Ker(f) = {v V ; f(v) = 0} Obrazem przekształcenia f nazywamy zbiór wszystkich obrazów wektorów z przestrzeni V i oznaczamy go przez Im(f), a więc: Im(f) = {f(v); v V } Zgodnie z tym co było powiedziane na jednym z poprzednich wykładów Ker(f) jest podprzestrzenią przestrzeni V, a Im(f) jest podprzestrzenią przestrzeni W Jeśli V jest podprzestrzenią skończonego wymiaru to zachodzi związek: dim V = dim Ker(f) + dim Im(f) Rzeczywiście jeśli v 1, v 2,, v k jest bazą przestrzeni Ker(f) to można ją uzupełnić do bazy przestrzeni V, zatem istnieje baza przestrzeni V o postaci v 1,, v k, u 1,, u n Wystarczy więc udowodnić, że wymiar obrazu jest równy n Pokażemy, że bazą obrazu są wektory f(u 1 ),, f(u n ) Jeśli u należy do obrazu to istnieje wektor v V, że u = f(v) element v można zapisać jako liniową kombinację wektorów bazowych: stąd mamy: v = α 1 v 1 + + α k v k + β 1 u 1 + + β n u n u = f(v) = α 1 f(v 1 ) + + α k f(v k ) + β 1 f(u 1 ) + + β n f(u n ) i ponieważ wektory v i należą do jądra to f(u i ) = 0 i otrzymujemy u = f(v) = β 1 f(u 1 ) + + β n f(u n ), a to oznacza, że Im(f) = Lin(f(u 1 ),, f(u n )) Musimy pokazać jeszcze, że wektory f(u 1 ),, f(u n ) są liniowo niezależne Rozpatrzmy równanie: k 1 f(u 1 ) + + k n f(u n ) = 0 z własności przekształcenia liniowego mamy: f(k 1 u 1 + + k n u n ) = 0, a to oznacza, że k 1 u 1 + + k n u n Ker(f) ponieważ wektory u 1,, u n są 1

niezależne od wektorów generujących jądro to nasza liniowa kombinacja należy do jądra tylko wtedy gdy k 1 = = k n = 0, a więc wektory są liniowo niezależne Pokażemy teraz, że różnowartościowość przekształcenia liniowego zależy od jądra tego przekształcenia Twierdzenie 1 Niech f będzie przekształceniem liniowym przestrzeni wektorowych Przekształcenie f jest różnowartościowe wtedy i tylko wtedy gdy Ker(f) = {0} Dowód ( ) Ponieważ f(0) = 0 to z różnowarotściowości wynika, że jeśli f(v) = 0 to v = 0, a więc jądro składa się tylko z wektora zerowego ( ) Musimy udowodnić, że jeśli f(v) = f(u) to v = u Rzeczywiście jeśli f(v) = f(u) to z własności przekształcenia liniowego wynika, że f(u v) = 0, a więc u v Ker(f) = {0} zatem u v = 0 i mamy u = v Przekształcenie liniowe będziemy nazywać nieosobliwym jeśli Ker(f) = {0} Twierdzenie 2 Niech V będzie przestrzenią liniową o skończonym wymiarze i niech f będzie przekształceniem liniowym przestrzeni V w siebie Wtedy następujące warunki są równoważne: (i) f jest bijekcją, (ii) f jest suriekcją, (iii) f jest iniekcją Dowód Ponieważ V jest skończenie wymiarową przestrzenią liniową i f przekształca V w V więc jądro i obraz są podprzestrzeniami V i jest spełniona udowodniona wcześniej równość: dim V = dim Ker(f) + dim Im(f) Oczywiście z faktu, że f jest bijekcją wynika, że f jest suriekcją Jeśli f jest suriekcją to Im(f) = V, a więc dim Im(f) = dim V i z powyższego wzoru otrzymujemy, że dim Ker(f) = 0 a to oznacza, że Ker(f) = {0} i na podstawie poprzedniego twierdzenia f jest funkcją różnowartościową (=iniekcją) Jeśli f jest iniekcją to na podstawie poprzedniego twierdzenia i na podstawie powyższego wzoru otrzymujemy dim Im(f) = dim V, a więc Im(f) = V, czyli f jest również suriekcją, a więc jest bijekcją 2

Twierdzenie to oznacza, że przekształcenie f : V V przestrzeni skończenie wymiarowej w siebie jest nieosobliwe wtedy i tylko wtedy gdy jest izomorfizmem Rzędem przekształcenia liniowego f nazywamy wymiar obrazu tego przekształcenia i oznaczamy go przez r(f), a więc: r(f) := dim Im(f) Jeśli dziedziną f jest przestrzeń skończonego wymiaru to na podstawie wcześniej udowodnionego wzoru mamy: dim V = dim Ker(f) + r(f) Niech U, V, W będą przestrzeniami liniowymi nad tym samym ciałem i niech f : U V, g : V W będą przekształceniami liniowymi wtedy złożenie: g f : U W jest przekształceniem liniowym przestrzeni u w przestrzeń W Rzeczywiście jeśli u 1, u 2 U to mamy g f(u 1 + u 2 ) = g(f(u 1 + u 2 )) = g(f(u 1 ) + f(u 2 )) = g(f(u 1 )) + g(f(u 2 )) = g f(u 1 ) + g f(u 2 ) Drugą własność przekształceń liniowych udowadnia się podobnie Twierdzenie 3 Jesli f : U V i g : V W są przekształceniami liniowymi to: r(g f) min(r(f), r(g)) Dowód Jeśli V 1 V 2 to g(v 1 ) g(v 2 ) i ponieważ f(u) V to mamy również g f(u) = g(f(u)) g(v ), a zatem r(g f) r(g) Niech przekształcenie liniowe f : V W będzie bijekcją wtedy istnieje funkcja f 1 odwrotna do f i funkcja f 1 jest przekształceniem liniowym W V Rzeczywiście niech w 1, w 2 należą do W Ponieważ f jest suriekcją to istnieją v 1, v 2 V, że w 1 = f(v 1 ) i w 2 = f(v 2 ) i mamy: f 1 (w 1 + w 2 ) = f 1 (f(v 1 ) + f(v 2 )) = f 1 (f(v 1 + v 2 )) = f 1 f(v 1 + v 2 ) = v 1 + v 2 = f 1 (w 1 ) + f 1 (w 2 ) i podobnie można udowodnić drugą z potrzebnych własności Oznaczmy przez Aut(V ) zbiór wszystkich izomorfizmów przestrzeni V na siebie Wtedy: 3

Twierdzenie 4 Zbiór Aut(V ) wraz z działaniem składania przekształceń jest grupą Niech V będzie przestrzenią liniową z bazą A = {v 1, v 2,, v n }, a W niech będzie przestrzenią liniową z bazą B = {w 1, w 2,, w m } i niech f będzie przekształceniem liniowym przestrzeni V w W wtedy obraz każdego v i da się zapisać jako kombinacja liniowa bazy przestrzeni W : f(v 1 ) = k 11 w 1 + k 21 w 2 + + k m1 w m f(v 2 ) = k 12 w 1 + k 22 w 2 + + k m2 w m f(v n ) = k 1n w 1 + k 2n w 2 + + k mn w m możemy utworzyć macierz złożoną ze współczynników z prawej strony: k 11 k 12 k 1n k 21 k 22 k 2n k m1 k m2 k mn Macierz tą nazywamy macierzą przekształcenia f w bazach A i B Macierz ta (jeśli mamy ustalone bazy) daje nam wszystkie możliwe informacje o przekształceniu Jeśli mamy daną macierz przekształcenia to możemy wyznaczyć obraz dowolnego wektora Twierdzenie 5 Jeśli V i W są przestrzeniami liniowymi nad ciałem K, dim V = n, dim W = m, A i B są ustalonymi bazami tych przestrzeni to przyporządkowanie każdemu przekształceniu f : V W macierzy M f M m,n (K) w tych bazach wyznacza izomorfizm przestrzeni Hom(V, W ) na przestrzeń M m,n (K), to znaczy jeśli f, g Hom(V, W ) i k K to: M f+g = M f + M g M kf = km f Dane są trzy przestrzenie V, W, U i bazy tych przestrzeni A, B, C Jeśli f jest przekształceniem liniowym przestrzeni V w W, a g jest przekształceniem liniowym W w U i jeśli M f, M g są macierzami tych przekształceń w powyższych bazach to macierzą złożenia g f w bazach odpowiednio A i C jest iloczyn macierzy M g M f, mamy zatem: M g f = M g M f 4

W przypadku gdy przestrzenie W i V są równe to przeważnie szukając macierzy przekształcenia ustalamy w dziedzinie i w przeciwdziedzinie tą samą bazę Mówimy wtedy o macierzy przekształcenia w bazie Szczególnie prostym przypadkiem jest gdy przestrzeń V nad ciałem K jest równa K n i gdy jako bazę wybierzemy bazę kanoniczną: e 1 = (1, 0,, 0),, e n = (0, 0,, 1) Wtedy jeśli A jest macierzą przekształcenia f : K n K n w bazie kanonicznej i v = (k 1,, k n ) K n jest dowolnym wektorem to obraz wektora otrzymujemy przez mnożenie: f(v) = A Wtedy jądro przekształcenia składa się z wektorów v = (k 1,, k n ), które spełniają równanie: k 1 f(v) = A = 0 k n 0 i wymiar jądra jest równy n r(a), gdzie r(a) jest rzędem macierzy, r(f) = r(a) Macierz zmiany bazy Niech A = {a 1, a 2,, a n } i B = {b 1, b 2,, b n } będą dwiema bazami przestrzeni V Każdy element bazy B można zapisać w postaci liniowych kombinacji wektorów z bazy A: wtedy macierz k 1 k n b 1 = k 11 a 1 + k 21 a 2 + + k n1 a n b 2 = k 12 a 1 + k 22 a 2 + + k n2 a n b n = k 1n a 1 + k 2n a 2 + + k nn a n k 11 k 12 k 1n k 21 k 22 k 2n k n1 k n2 k nn nazywamy macierzą przejścia od bazy A do bazy B Zadanie W przestrzeni R 3 wyznaczyć macierz przejścia od bazy (1, 1, 1), (1, 1, 0), (1, 0, 0) 5

do bazy (1, 0, 1), (1, 2, 0), (1, 1, 1) Nieformalnie można zapisać równość: b 1 b 2 b n = k 11 k 12 k 1n k 21 k 22 k 2n k n1 k n2 k nn Twierdzenie 6 Jeśli P jest macierzą przejścia od bazy A do bazy B to macierz przejścia od bazy B do bazy A jest równa P 1 Pojęcie macierzy przejścia od jednej bazy do drugiej pozwala nam stwierdzić jak otrzymać macierz danego przekształcenia liniowego w innej bazie Niech A i B będą bazami przestrzeni liniowej V, niech M f będzie macierzą operatora liniowego f : V V w bazie A i niech P oznacza macierz przejścia od bazy A do bazy B Wtedy macierz G f przekształcenia f w bazie B jest równa: G f = P 1 M f P Przykład Dana jest macierz przekształcenia f : R 3 R 3 w bazie kanonicznej: 1 0 2 1 2 3 0 3 1 Wyznaczyć macierz tego przekształcenia w bazie (1, 1, 1), (1, 1, 0), (1, 0, 0) Niech w zbiorze M n (K) będzie określona następująca relacja jeśli M, N M n (K) to M N P M = P 1 NP wtedy ta relacja jest relacją równoważności, a klasa abstrakcji [M] określa zbiór macierzy, które są macierzami tego samego przekształcenia liniowego w różnych bazach Jeśli f jest przekształceniem liniowym pewnej skończenie wymiarowej przestrzeni liniowej V, a M f jest macierzą tego przekształcenia w pewnej bazie to f jest przekształceniem odwracalnym wtedy i tylko wtedy gdy M f jest macierzą odwracalną ( to znaczy wtedy i tylko wtedy gdy det M f 0) a 1 a 2 a n 6