algebra skrypt dla studentów UW

background image

Materia l do zaj

,

e´c z algebry liniowej na

Wydziale Zarz

,

adzania Uniwersytetu

Warszawskiego

ozef Chaber, El˙zbieta Pol i Roman Pol

1

background image

Komentarz.
Materia l odpowiada programowi zaj

,

c z algebry liniowej na Wydziale

Zarz

,

adzania UW i jest oparty na naszym do´swiadczeniu w prowadzeniu tych

zaj

,

c.

W przewidzianym na zaj

,

ecia czasie nie ma wiele miejsca na uzasadnia-

nie metod. Wydaje si

,

e jednak wa˙zne, aby podkre´sla´

c ´scis ly zwi

,

azek tych

metod z uk ladami r´

owna´

n i eliminacj

,

a Gaussa. Do l

,

aczyli´smy, wydzielaj

,

ac je

tr´

ojk

,

atami

/

. . .

.

, obja´snienia w tym duchu do wszystkich, poza cz

,

e´sci

,

a

dotycz

,

ac

,

a wyznacznik´

ow, zagadnie´

n przewidzianych w programie. S

,

adzimy,

˙ze takie wyja´snienia powinny by´

c latwo dost

,

epne dla student´

ow, nawet je´sli

w klasie nie ma na nie czasu.

Przyk lady zamieszczone w tek´scie s

,

a zbli˙zone do zada´

n, jakie przera-

biali´smy w klasie. Za l

,

aczone zestawy zada´

n dawali´smy studentom do sa-

modzielnej pracy, a nasze kolokwia i egzaminy by ly ´sci´sle powi

,

azane z tymi

zadaniami.

2

background image

1. Wektory i macierze, dzia lania algebraiczne i operacje elemen-

tarne na macierzach.

1.1. Przestrze´

n liniowa ~

R

n

.

Wektorem n-wymiarowym nazywamy uporz

,

adkowany uk lad liczb rzeczy-

wistych x

1

, x

2

, . . . , x

n

, kt´

ory b

,

edziemy zapisywa´

c w postaci kolumny

~

x =





x

1

x

2

..

.

x

n





;

x

i

nazywamy i-t

,

a wsp´

o lrz

,

edn

,

a wektora ~

x.

Transponowanie ~

x

T

oznacza, ˙ze wektor ~

x zapisujemy w postaci wiersza

~

x

T

= [x

1

, x

2

, . . . , x

n

].

Zbi´

or wszystkich n-wymiarowych wektor´

ow oznaczamy symbolem ~

R

n

.

Wektory z ~

R

n

,

~

x =





x

1

x

2

..

.

x

n





,

~

y =





y

1

y

2

..

.

y

n





,

dodaje si

,

e i mno˙zy przez skalary a (tzn. liczby a ∈ R) “po wsp´

o lrz

,

ednych”

~

x + ~

y =





x

1

+ y

1

x

2

+ y

2

..

.

x

n

+ y

n





,

a~

x =





ax

1

ax

2

..

.

ax

n





.

Przestrze´

n ~

R

n

z opisanymi dzia laniami dodawania wektor´

ow i mno˙zenia

wektor´

ow przez skalary jest przestrzeni

,

a liniow

,

a. Symbolem ~0 oznaczamy

wektor zerowy w tej przestrzeni, tzn. wektor o wszystkich wsp´

o lrz

,

ednych

ownych zeru.

1.2. Operacja mno ˙zenia ~

x

T

~

y.

Iloczyn wektora - wiersza przez wektor - kolumn

,

e tego samego wymiaru,

~

x

T

= [x

1

, x

2

, . . . , x

n

],

~

y =





y

1

y

2

..

.

y

n





,

3

background image

okre´slamy formu l

,

a

~

x

T

~

y = x

1

y

1

+ x

2

y

2

+ · · · + x

n

y

n

=

P

n
i=1

x

i

y

i

.

Jest to operacja liniowa:

~

w

T

(~

x + ~

y) = ~

w

T

~

x + ~

w

T

~

y, ~

w

T

(a~

x) = a( ~

w

T

~

x), dla ~

w, ~

x, ~

y ∈ ~

R

n

, a ∈ R.

Zauwa˙zmy tak˙ze, ˙ze ~

x

T

~

y = ~

y

T

~

x.

1.3. Macierze.

Macierz

,

a o m wierszach i n kolumnach, kr´

otko – (m × n)-macierz

,

a, na-

zywamy tabliczk

,

e

(1)

A =





a

11

a

12

. . .

a

1n

a

21

a

22

. . .

a

2n

..

.

..

.

..

.

a

m1

a

m2

. . . a

mn





, a

ij

∈ R.

Macierz A b

,

edziemy interpretowa´

c na dwa sposoby:

(i) jako uk lad wektor´

ow - wierszy:

(2)

A =





~

w

T

1

~

w

T

2

..

.

~

w

T

m





,

~

w

T

i

= [a

i1

, a

i2

, . . . , a

in

], ~

w

i

∈ ~

R

n

;

(ii) jako uk lad wektor´

ow - kolumn:

(3)

A = [~a

1

, ~a

2

, . . . , ~a

n

], ~a

j

=





a

1j

a

2j

..

.

a

mj





∈ ~

R

m

.

1.4. Macierze jako przekszta lcenia liniowe.

Niech A b

,

edzie (m × n)-macierz

,

a zapisan

,

a w postaci wierszowej (2). Dla

ka˙zdego wektora ~

x ∈ ~

R

n

iloczyn A~

x okre´slamy formu l

,

a

A~

x =



~

w

T

1

~

x

..

.

~

w

T

m

~

x



∈ ~

R

m

.

Iloczyn jest operacj

,

a liniow

,

a (zob. 1.2.):

4

background image

A(~

x + ~

y) = A~

x + A~

y, A(a~

x) = a(A~

x), dla ~

x, ~

y ∈ ~

R

n

, a ∈ R.

Macierz A okre´sla wi

,

ec przekszta lcenie

A : ~

R

n

→ ~

R

m

przyporz

,

adkowuj

,

ace wektorom ~

x ∈ ~

R

n

wektory A~

x ∈ ~

R

m

, z zachowaniem

operacji dodawania wektor´

ow i mno˙zenia wektor´

ow przez skalary – takie

przekszta lcenia nazywa si

,

e przekszta lceniami liniowymi (zob. 11).

1.5. Algebra macierzy.

(A) Dodawanie i mno ˙zenie przez skalary.

Sum

,

e (m × n)-macierzy

A =



a

11

. . .

a

1n

..

.

..

.

a

m1

. . . a

mn



, B =



b

11

. . .

b

1n

..

.

..

.

b

m1

. . . b

mn



okre´slamy formu l

,

a

A + B =



a

11

+ b

11

. . .

a

1n

+ b

1n

..

.

..

.

a

m1

+ b

m1

. . . a

mn

+ b

mn



.

Iloczyn macierzy A przez skalar a ∈ R jest macierz

,

a

aA =



aa

11

. . .

aa

1n

..

.

..

.

aa

m1

. . . aa

mn



.

Przyk lad.


1

0

0

1

0 −1


+


1

2

1 −1
1

1


=


2 2
1 0
1 0


,

1
3


1

0

0

1

0 −1


=


1
3

0

0

1
3

0 −

1
3


.

(B) Iloczyn (m × n)-macierzy i (n × k)-macierzy.

Niech

A =



a

11

. . .

a

1n

..

.

..

.

a

m1

. . . a

mn



=



~

w

T

1

..

.

~

w

T

m



,

~

w

i

∈ ~

R

n

,

5

background image

B =



b

11

. . . b

1k

..

.

..

.

b

n1

. . . b

nk



= [~b

1

, . . . ,~b

k

],

~b

j

∈ ~

R

n

,

b

,

ed

,

a macierzami takimi, ˙ze liczba kolumn macierzy A jest r´

owna liczbie

wierszy macierzy B. Iloczyn AB jest (m × k)-macierz

,

a okre´slon

,

a formu l

,

a

AB =



~

w

T

1

~b

1

. . .

~

w

T

1

~b

k

..

.

..

.

~

w

T

m

~b

1

. . .

~

w

T

m

~b

k



,

tzn. na przeci

,

eciu i-tego wiersza i j-tej kolumny macierzy AB stoi iloczyn

i-tego wiersza macierzy A i j-tej kolumny macierzy B,

~

w

T

i

~b

j

=

P

n
l=1

a

il

b

lj

.

Przy interpretacji A i B jako przekszta lce´

n liniowych B :

~

R

k

→ ~

R

n

i

A : ~

R

n

→ ~

R

m

, iloczyn AB okre´sla przekszta lcenie liniowe AB : ~

R

k

→ ~

R

m

,

kt´

ore jest z lo˙zeniem tych przekszta lce´

n:

(AB)~

x = A(B~

x).

Przyk lady.

1. Niech A =

"

2 3
4 0

#

, B =

"

1

2 0

3 −1 0

#

(a) Znale´

c AB

(b) Sprawdzi´

c, ˙ze dla ~

x ∈ ~

R

3

, (AB)~

x = A(B~

x).

2. Niech A =

"

0 1

−1 0

#

, B =

"

0 1
1 0

#

. Pokaza´

c, ˙ze AB 6= BA.

3. Niech C =

"

1 −1
1 −1

#

. Sprawdzi´

c, ˙ze C

2

= CC =

"

0 0
0 0

#

.

(C) W lasno´

sci algebraiczne dzia la´

n na macierzach.

W podanych ni˙zej formu lach zak lada si

,

e, ˙ze wymiary macierzy pozwalaj

,

a

na wykonanie wskazanych operacji na macierzach:

A(B + C) = AB + AC, (B + C)A = BA + CA,
A(BC) = (AB)C, a(AB) = (aA)B = A(aB).

6

background image

Dwie pierwsze regu ly to rozdzielno´s´

c mno˙zenia wzgl

,

edem dodawania,

trzecia regu la oznacza, ˙ze mno˙zenie macierzy jest l

,

aczne, a ostatnia wi

,

a˙ze

operacj

,

e iloczynu macierzy z operacj

,

a mno˙zenia macierzy przez skalary. Naj-

mniej widoczna z tych regu l – l

,

aczno´s´

c mno˙zenia, staje si

,

e jasna, je´sli in-

terpretuje si

,

e macierze jako przekszta lcenia liniowe, zob. (B), bo sk ladanie

przekszta lce´

n jest operacj

,

a l

,

aczn

,

a.

Dla ka˙zdego n okre´slamy (n × n)-macierz jednostkow

,

a

I

n

=



1

0

. ..

0

1



,

w kt´

orej na przek

,

atnej stoj

,

a jedynki, a poza ni

,

a zera. Poniewa˙z I

n

~

x = ~

x

dla ~

x ∈ ~

R

n

, przekszta lcenie I

n

: ~

R

n

→ ~

R

n

jest identyczno´sci

,

a. Dla ka˙zdej

(m × n)-macierzy A, I

m

A = AI

n

= A.

1.6. Operacje elementarne na wierszach macierzy. Posta´

c schod-

kowa macierzy.

(I) Operacja elementarna (I)

(i)(k)

na wierszach macierzy A polega na

zamianie i-tego wiersza macierzy A z k-tym.

(II) Operacja elementarna (II)

(i)+a(k)

, gdzie i 6= k, polega na dodaniu do

i-tego wiersza macierzy A wiersza k-tego pomno˙zonego przez skalar a.

(III) Operacja elementarna (III)

c(i)

, gdzie c 6= 0 polega na pomno˙zeniu

i-tego wiersza macierzy A przez skalar c.

Pierwszy niezerowy wyraz wiersza nazywa´

c b

,

edziemy wyrazem wiod

,

acym

tego wiersza.

owimy, ˙ze macierz A ma posta´

c schodkow

,

a, je´sli

(S1) ˙zaden wiersz zerowy macierzy A nie poprzedza wiersza niezerowego,

(S2) wyrazy wiod

,

ace kolejnych niezerowych wierszy macierzy stoj

,

a w

kolumnach o rosn

,

acych numerach.

Wyja´snimy, w jaki spos´

ob dowoln

,

a m × n-macierz mo˙zna sprowadzi´

c do

postaci schodkowej operacjami elementarnymi typu (I) i (II) na wierszach
tej macierzy. Algorytm, kt´

ory opiszemy, nazywany jest metod

,

a eliminacji

Gaussa.

Niech A b

,

edzie (m×n)-macierz

,

a niezerow

,

a. Zamieniaj

,

ac wiersze macierzy

A miejscami (operacja typu (I)) mo˙zna umie´sci´

c jako pierwszy wiersz, w

7

background image

kt´

orym wyraz wiod

,

acy stoi w kolumnie o mo˙zliwie najmniejszym numerze

j

1

. Otrzymamy macierz

A

1

=





0 . . . 0

a

1j

1

. . .

a

1n

0 . . . 0

a

2j

1

. . .

a

2n

..

.

..

.

..

.

..

.

0 . . . 0 a

mj

1

. . . a

mn





,

gdzie a

1j

1

6= 0. Odejmuj

,

ac kolejno, dla i = 2, 3, . . . , m, od i- tego wiersza

macierzy A

1

pierwszy wiersz pomno˙zony przez

a

ij1

a

1j1

(czyli wykonuj

,

ac opera-

cj

,

e (II)

(i)−

aij

1

a1j

1

(1)

) otrzymujemy macierz A

2

, w kt´

orej kolumny o numerach

mniejszych ni˙z j

1

s

,

a zerowe, a jedynym niezerowym wyrazem w kolumnie o

numerze j

1

jest a

1j

1

:

A

2

=





0 . . . 0 a

1j

1

a

1j

1

+1

. . .

a

1n

0 . . . 0

0

a

0
2j

1

+1

. . .

a

0
2n

..

.

..

.

..

.

..

.

..

.

0 . . . 0

0

a

0
mj

1

+1

. . . a

0
mn





.

Nast

,

epnie powtarzamy procedur

,

e dla macierzy powsta lej z A

2

przez opusz-

czenie pierwszego wiersza, uzyskuj

,

ac (m × n)-macierz A

3

, stosujemy proce-

dur

,

e do macierzy powsta lej z A

3

przez opuszczenie dw´

och pierwszych wierszy,

otrzymuj

,

ac (m × n)-macierz A

4

i po kolejnych analogicznych krokach docho-

dzimy do (m × n)-macierzy w postaci schodkowej.

Przyk lad. Sprowadzi´

c nast

,

epuj

,

ace macierze do postaci schodkowej ope-

racjami elementarnymi typu (I) lub (II) :

1.




1

2

3 1

2

4

6 1

−3 −6 −9 1

1

2

3 0




2.







0

0

0

0 0

1

0

1

2 −1 2

2

0

0

0

1 3

5

0 −2 −4

5 7 14

1

2

3

4 5

6







3.




2

4

2

−1 −2 −1

1

5

3

8

1 −2




4.


0

1 1 −1

0

0 −1 3 −1 −2
1

1 1

1

2


8

background image

2. Uk lady r´

owna´

n liniowych.

2.1. Uk lady m r´

owna´

n z n niewiadomymi.

Uk ladem m r´

owna´

n z n niewiadomymi nazywamy uk lad

(1)

a

11

x

1

+

a

12

x

2

+ · · · +

a

1n

x

n

=

b

1

a

21

x

1

+

a

22

x

2

+ · · · +

a

2n

x

n

=

b

2

..

.

..

.

..

.

..

.

a

m1

x

1

+ a

m2

x

2

+ · · · + a

mn

x

n

= b

m

,

gdzie liczby a

ij

i b

i

s

,

a dane, a x

1

, . . . , x

n

s

,

a niewiadomymi.

Uk lad ten

b

,

edziemy zapisywa´

c w postaci macierzowej

(2)

A~

x = ~b,

gdzie

A =



a

11

. . .

a

1n

..

.

..

.

a

m1

. . . a

mn



, ~b =



b

1

..

.

b

m



∈ ~

R

m

, ~

x =



x

1

..

.

x

n



∈ ~

R

n

.

Je´sli ~b = ~0, to uk lad b

,

edziemy nazywa´

c jednorodnym.

Oznaczaj

,

ac kolumny i wiersze macierzy A odpowiednio przez

~a

j

=



a

1j

..

.

a

mj



∈ ~

R

m

, ~

w

T

i

= [a

i1

, . . . , a

in

], ~

w

i

∈ ~

R

n

,

to znaczy pisz

,

ac

A = [~a

1

, . . . , ~a

n

] =



~

w

T

1

..

.

~

w

T

m



,

mo˙zemy przedstawi´

c uk lad r´

owna´

n (1) w postaci wektorowej

(3)

x

1

~a

1

+ . . . + x

n

~a

n

= ~b,

lub te˙z, zapisa´

c go w postaci

(4)

~

w

T

1

~

x = b

1

..

.

..

.

~

w

T

m

~

x = b

m

.

9

background image

2.2. Rozwi

,

azywanie uk lad´

ow r´

owna´

n metod

,

a eliminacji.

Rozpatrzmy uk lad r´

owna´

n (4). Dla ka˙zdej pary wska´

znik´

ow i 6= k, uk lady

owna´

n

(

~

w

k

T

~

x = b

k

~

w

i

T

~

x = b

i

, oraz

(

~

w

k

T

~

x = b

k

( ~

w

i

+ a ~

w

k

)

T

~

x = b

i

+ ab

k

s

,

a r´

ownowa˙zne, tzn. maj

,

a ten sam zbi´

or rozwi

,

aza´

n.

Wynika st

,

ad, ˙ze je´sli z uk ladem r´

owna´

n (2) zwi

,

a˙zemy macierz [A,~b],

dopisuj

,

ac do A kolumn

,

e ~b, a nast

,

epnie przekszta lcimy [A,~b] operacjami ele-

mentarnymi na wierszach do postaci [A

0

,~b

0

], to uk lad r´

owna´

n

(5)

A

0

~

x = ~b

0

b

,

edzie r´

ownowa˙zny z uk ladem wyj´sciowym (2).

Metoda eliminacji polega na sprowadzaniu macierzy [A,~b] operacjami ele-

mentarnymi na wierszach do macierzy w postaci schodkowej [A

0

,~b

0

] i opisaniu

zbioru rozwi

,

aza´

n uk ladu (5) (identycznego ze zbiorem rozwi

,

aza´

n uk ladu (2)).

Dla podkre´slenia, ˙ze w macierzy [A,~b] ostatnia kolumna gra rol

,

e inn

,

a, ni˙z

pozosta le, zob. (3), b

,

edziemy zapisywa´

c t

,

e macierz w postaci [A | ~b].

Niech

(6)

[A

0

| ~b

0

] =





~

u

T
1

c

1

..

.

..

.

~

u

T
m

c

m





,

a wi

,

ec (5) jest uk ladem r´

owna´

n

(7)

~

u

i

T

~

x = c

i

, i = 1, . . . , m,

i za l´

o˙zmy, ˙ze macierz [A

0

| ~b

0

] jest schodkowa.

Mo˙zliwe s

,

a dwa przypadki:

(A) dla pewnego i, ~

u

i

= ~0, ale c

i

6= 0 – w´

owczas i-te r´

ownanie ~0

T

~

x = c

i

jest sprzeczne, a zatem uk lad r´

owna´

n (5) nie ma rozwi

,

aza´

n;

(B) sytuacja opisana w (A) nie ma miejsca – w´

owczas uk lad r´

owna´

n (5)

jest niesprzeczny i cofaj

,

ac si

,

e od ostatniego niezerowego r´

ownania w (7) do

pierwszego, mo˙zna wyznaczy´

c wszystkie rozwi

,

azania.

Opiszemy dok ladniej przypadek (B). Niech ~

u

1

T

, . . . , ~

u

r

T

b

,

ed

,

a niezerowy-

mi wierszami macierzy A

0

i niech wyrazy wiod

,

ace kolejnych wierszy ~

u

1

T

, . . . , ~

u

r

T

stoj

,

a w kolumnach o numerach j

1

< j

2

< . . . < j

r

.

10

background image

Uk lad r´

owna´

n (7) nie nak lada ˙zadnych ogranicze´

n na zmienne x

j

z in-

deksami r´

o˙znymi od j

1

, . . . , j

r

– s

,

a to zmienne wolne, kt´

ore traktujemy jako

parametry rozwi

,

aza´

n.

Rozwi

,

azywanie uk ladu (7) zaczynamy od r´

ownania ~

u

r

T

~

x = c

r

, wyzna-

czaj

,

ac zmienn

,

a x

j

r

w zale˙zno´sci od zmiennych wolnych – parametr´

ow x

j

,

gdzie j > j

r

. Nast

,

epnie z r´

ownania ~

u

T
r−1

~

x = c

r−1

wyznaczamy zmienn

,

a x

j

r−1

w zale˙zno´sci od zmiennych x

j

o indeksach j > j

r−1

, i podobnie, wyznaczamy

kolejne zmienne x

j

r−2

, . . . , x

j

1

. W rezultacie, ka˙zda zmienna x

j

k

wyznaczona

jest w zale˙zno´sci od zmiennych wolnych x

j

z indeksami j > j

k

. Przypomnij-

my, ˙ze zmienne x

j

dla j < j

1

s

,

a tak˙ze zmiennymi wolnymi.

Przyk lady. Wyja´sni´

c, czy uk lad r´

owna´

n jest niesprzeczny i je´sli tak,

opisa´

c wszystkie jego rozwi

,

azania w zale˙zno´sci od zmiennych wolnych – para-

metr´

ow.

1.

2x

2

+ x

3

= 3

−2x

1

+ 2x

2

+ x

3

= 4

x

1

x

2

+ x

3

= 1

2.

x

1

− 2x

2

x

3

= −2

2x

1

+

x

2

+ 3x

3

=

1

−3x

1

+

x

2

− 2x

3

=

1

3.

x

1

− 2x

2

+

x

3

=

3

−x

1

+ 4x

2

= −1

2x

1

+ 4x

3

=

12

4.

6x

1

+ 3x

2

+ 2x

3

+ 3x

4

+ 4x

5

= 5

4x

1

+ 2x

2

+

x

3

+ 2x

4

+ 3x

5

= 4

4x

1

+ 2x

2

+ 3x

3

+ 2x

4

+

x

5

= 0

2x

1

+

x

2

+ 7x

3

+ 3x

4

+ 2x

5

= 1

3. Podprzestrzenie liniowe przestrzeni ~

R

m

, liniowa niezale ˙zno´

c

wektor´

ow, bazy, przestrze´

n zerowa N (A) i obraz R(A) macierzy A.

3.1. Kombinacje liniowe wektor´

ow.

Kombinacjami liniowymi wektor´

ow ~

v

1

, . . . , ~

v

n

∈ ~

R

m

nazywamy wektory

postaci

(1)

~

v = t

1

~

v

1

+ . . . + t

n

~

v

n

=

P

n
j=1

t

j

~

v

j

, t

j

∈ R.

11

background image

Niepusty zbi´

or wektor´

ow V ⊂ ~

R

m

jest przestrzeni

,

a liniow

,

a, je´sli ka˙zda

kombinacja liniowa wektor´

ow ~

v

j

∈ V jest elementem V .

Dla ustalonego uk ladu wektor´

ow ~

v

1

, . . . , ~

v

n

∈ R

m

, zbi´

or Lin(~

v

1

, . . . , ~

v

n

)

wszystkich kombinacji liniowych (1) jest przestrzeni

,

a liniow

,

a; nazywamy

j

,

a przestrzeni

,

a rozpi

,

et

,

a na wektorach ~

v

1

, . . . , ~

v

n

, albo pow lok

,

a liniow

,

a tego

uk ladu wektor´

ow.

3.2. Liniowa niezale ˙zno´

c wektor´

ow.

Uk lad wektor´

ow ~

v

1

, . . . , ~

v

r

∈ ~

R

m

jest liniowo niezale˙zny, je´sli uk lad r´

owna´

n

(2)

x

1

~

v

1

+ . . . + x

r

~

v

r

= ~0

ma tylko trywialne rozwi

,

azanie x

1

= x

2

= . . . = x

r

= 0. Oznacza to, ˙ze w

uk ladzie r´

owna´

n liniowych zapisanym formu l

,

a (2) nie ma zmiennych wolnych,

wi

,

ec dla dowolnego ~b ∈ Lin(~

v

1

, . . . , ~

v

r

) (nie tylko dla ~b = ~0), uk lad r´

owna´

n

(3)

x

1

~

v

1

+ . . . + x

r

~

v

r

= ~b

ma dok ladnie jedno rozwi

,

azanie.

Uwaga. Uk lad wektor´

ow ~

v

1

, . . . , ~

v

r

∈ ~

R

m

jest liniowo niezale˙zny wtedy

i tylko wtedy, gdy po sprowadzeniu macierzy [~

v

1

, . . . , ~

v

r

| ~0] operacjami ele-

mentarnymi na wierszach do macierzy w postaci schodkowej, otrzymuje si

,

e

macierz, w kt´

orej wyraz wiod

,

acy i-tego wiersza stoi w i-tej kolumnie, dla

i = 1, 2, . . . , r, a pozosta le wiersze s

,

a zerowe.

Je´sli (2) ma nietrywialne rozwi

,

azania, to uk lad wektor´

ow ~

v

1

, . . . , ~

v

r

na-

zywamy liniowo zale˙znym.

Przyk lady. Wyja´sni´

c, czy dany uk lad wektor´

ow jest liniowo niezale˙zny.

1. ~

v

1

=




1

−1

1

−1




, ~

v

2

=




1
1
0
1




, ~

v

3

=




2
1

−2

1




2. ~

v

1

=




2
1
0

−1




, ~

v

2

=




0

−1

1
0




, ~

v

3

=




1
1
1
2




, ~

v

4

=




1

−2

1

−3




Twierdzenie. Ka˙zda przestrze´

n liniowa V ⊂ ~

R

m

jest rozpi

,

eta na pew-

nym liniowo niezale˙znym uk ladzie wektor´

ow ~

v

1

, . . . , ~

v

r

, gdzie r ≤ m.

12

background image

/

Konstruujemy uk lad ~

v

1

, ~

v

2

, . . . wektor´

ow w V wybieraj

,

ac najpierw

~

v

1

6= ~0, a potem kolejno ~v

i

6∈ Lin(~v

1

, . . . , ~

v

i−1

) dla i > 1. Z Uwagi wynika,

˙ze po ka˙zdym kroku konstrukcji mamy uk lad liniowo niezale˙zny, a liczba

wyst

,

epuj

,

acych w tym uk ladzie wektor´

ow (r´

owna liczbie niezerowych wierszy

odpowiedniej macierzy w postaci schodkowej) nie jest wi

,

eksza ni˙z m (liczba

wierszy tej macierzy). Zatem dla pewnego r ≤ m wyb´

or nast

,

epnego wektora

~

v

r+1

nie b

,

edzie mo˙zliwy, czyli Lin(~

v

1

, . . . , ~

v

r

) = V .

.

3.3. Bazy w przestrzeniach liniowych V ⊂ ~

R

m

.

Uk lad wektor´

ow ~

v

1

, . . . , ~

v

r

w V jest baz

,

a przestrzeni liniowej V ⊂ ~

R

m

,

je´sli V = Lin(~

v

1

, . . . , ~

v

r

), oraz uk lad ~

v

1

, . . . , ~

v

r

jest liniowo niezale˙zny.

ownowa˙zne okre´slenie bazy ~

v

1

, . . . , ~

v

r

w V : ka˙zdy wektor ~

v ∈ V zapisuje

si

,

e jednoznacznie jako kombinacja liniowa ~

v = t

1

~

v

1

+. . .+t

r

~

v

r

(wsp´

o lczynniki

t

1

, . . . , t

r

interpretuje si

,

e jako wsp´

o lrz

,

edne wektora ~

v w bazie ~

v

1

, . . . , ~

v

r

).

Uk lad wektor´

ow ~

e

1

, ~

e

2

, . . . , ~

e

m

, gdzie

~

e

j

=








0

..

.

1

..

.

0








∈ ~

R

m

,

[~

e

1

, . . . , ~

e

m

] = I

m

,

jest baz

,

a w ~

R

m

; nazywa´

c j

,

a b

,

edziemy baz

,

a standardow

,

a w ~

R

m

.

Niech V = Lin(~a

1

, ~a

2

, . . . , ~a

n

) b

,

edzie przestrzeni

,

a rozpi

,

et

,

a na uk ladzie

wektor´

ow w ~

R

m

. Opiszemy, w jaki spos´

ob mo˙zna wybra´

c wektory ~a

j

1

, . . . , ~a

j

r

z tego uk ladu, aby otrzyma´

c baz

,

e V , a ponadto, jak zapisa´

c ka˙zdy z pozo-

sta lych wektor´

ow ~a

i

jako kombinacj

,

e liniow

,

a poprzedzaj

,

acych go wektor´

ow

wybranych.

Macierz A = [~a

1

, . . . , ~a

n

], kt´

orej kolumnami s

,

a wektory z danego uk ladu,

sprowadzamy operacjami elementarnymi na wierszach do postaci schodkowej

(4)

[~b

1

, . . . ,~b

n

].

Niech j

1

< . . . < j

r

b

,

ed

,

a numerami kolumn, w kt´

orych stoj

,

a wyrazy

wiod

,

ace niezerowych wierszy macierzy (4). W´

owczas uk lad wektor´

ow

(5)

~a

j

1

, . . . , ~a

j

r

jest baz

,

a V .

13

background image

Aby zapisa´

c dowolny wektor ~a

i

, i 6= j

1

, . . . , j

r

, jako kombinacj

,

e liniow

,

a

poprzedzaj

,

acych go wektor´

ow z uk ladu (5), zwi

,

azujemy z macierz

,

a schod-

kow

,

a (4) uk lad r´

owna´

n

(6)

x

1

~b

1

+ . . . + x

n

~b

n

= ~0.

W uk ladzie (6) zmienne x

j

dla j 6= j

1

, . . . , j

r

s

,

a wolne, przyjmijmy x

i

=

−1, oraz x

j

= 0 dla pozosta lych zmiennych wolnych, a nast

,

epnie wyznaczmy

z uk ladu (6) warto´sci s

j

r

, s

j

r−1

, . . . , s

j

1

pozosta lych zmiennych (zauwa˙zmy, ˙ze

dla j

k

> i, s

j

k

= 0).

owczas

(7)

~a

i

= s

j

1

~a

j

1

+ . . . + s

j

q

~a

j

q

, gdzie j

q

< i.

/

Opisana procedura wyboru bazy z uk ladu rozpinaj

,

acego przestrze´

n V

odpowiada konstrukcji z dowodu Twierdzenia w 3.2. Dla uzasadnienia tej
procedury rozpatrzmy uk lad r´

owna´

n

(8)

x

1

~a

1

+ . . . + x

n

~a

n

= ~0.

Uk lad (8) jest r´

ownowa˙zny uk ladowi (6), bo macierz [~b

1

, . . . ,~b

n

| ~0] otrzymuje

si

,

e z macierzy [~a

1

, . . . , ~a

n

| ~0] w wyniku operacji elementarnych na wierszach.

Znajduj

,

ac s

j

1

, . . . , s

j

r

tak, ˙ze −~b

i

+s

j

1

~b

j

1

+. . .+s

j

r

~b

j

r

= ~0 (i s

j

k

= 0 dla j

k

> i),

zapewniamy wi

,

ec (7). W szczeg´

olno´sci, dla ka˙zdego i, ~a

i

∈ Lin(~a

j

1

, . . . , ~a

j

r

),

sk

,

ad V = Lin(~a

j

1

, . . . , ~a

j

r

).

Liniowa niezale˙zno´s´

c uk ladu (5) wynika z Uwagi w 3.2, bo w macierzy

schodkowej [~b

j

1

, . . . ,~b

j

r

| ~0] wyraz wiod

,

acy i-tego wiersza stoi w i-tej kolumnie

dla i = 1, . . . , r, a pozosta le wiersze s

,

a zerowe.

.

Przyk lad. Z danego uk ladu wektor´

ow wybra´

c baz

,

e przestrzeni rozpi

,

etej

na tym uk ladzie i zapisa´

c ka˙zdy z pozosta lych wektor´

ow tego uk ladu jako

kombinacj

,

e liniow

,

a poprzedzaj

,

acych go wektor´

ow wybranych.

1.

~

a

1

=




1
1
2

−1




, ~a

2

=




1
2
1
1




, ~a

3

=




1
4

−1

5




, ~a

4

=




1
0
4

−1




, ~a

5

=




2
5
0
2




.

2.

~

a

1

=




6
4
4
2




, ~a

2

=




3
2
2
1




, ~a

3

=




2
1
3
7




, ~a

4

=




3
2
2
3




, ~a

5

=




4
3
1
2




.

14

background image

Twierdzenie. Ka˙zda przestrze´

n liniowa V ⊂ ~

R

m

ma baz

,

e, ka˙zdy liniowo

niezale˙zny uk lad wektor´

ow w V mo˙zna uzupe lni´

c do bazy V i ka˙zde dwie bazy

w V maj

,

a tyle samo element´

ow.

/

Pierwsza cz

,

e´s´

c tezy wynika z Twierdzenia w 3.2, a druga z nast

,

epuj

,

acej

obserwacji: je´sli V jest rozpi

,

eta na uk ladzie wektor´

ow ~a

1

, . . . , ~a

k

, ~

u

1

, . . . , ~

u

l

i

wektory ~a

1

, . . . , ~a

k

s

,

a liniowo niezale˙zne, to Uwaga w 3.2 zapewnia, ˙ze wy-

bieraj

,

ac z tego uk ladu baz

,

e V nie usuniemy ˙zadnego z wektor´

ow ~a

i

.

Je´sli mamy teraz dwie bazy ~

v

1

, . . . , ~

v

r

, oraz ~

w

1

, . . . , ~

w

q

w przestrzeni V ,

to zgodnie z t

,

a obserwacj

,

a, kolejno: wybieraj

,

ac z uk ladu ~

w

1

, ~

v

1

, . . . , ~

v

r

baz

,

e

V , dopisuj

,

ac na pocz

,

atku wybranej bazy ~

w

2

i wybieraj

,

ac z tego uk ladu baz

,

e

V , a nast

,

epnie powtarzaj

,

ac t

,

e procedur

,

e dla wektor´

ow ~

w

3

, ~

w

4

, . . ., po k kro-

kach dostajemy baz

,

e ~

w

k

, ~

w

k−1

, . . . , ~

w

1

, ~

v

j

1

, . . . , ~

v

j

p

przestrzeni V . Za ka˙zdym

razem, dopisuj

,

ac ~

w

i

i wybieraj

,

ac baz

,

e, zmniejszamy liczb

,

e wektor´

ow ~

v

j

w ba-

zie (bo dopisuj

,

ac do bazy wektor ~

w

i

dostajemy uk lad liniowo zale˙zny – wektor

~

w

i

daje si

,

e zapisa´

c jako kombinacja liniowa rozszerzonego uk ladu wektor´

ow

na dwa r´

o˙zne sposoby). W rezultacie, w q krokach usuwamy co najmniej q

wektor´

ow ~

v

j

, wi

,

ec q ≤ r i z symetrii za lo˙ze´

n, tak˙ze r ≤ q.

.

Wymiarem dimV przestrzeni liniowej V ⊂ ~

R

m

nazywamy liczb

,

e ele-

ment´

ow dowolnej bazy w V .

Z Twierdzenia wynika, ˙ze je´sli V ⊂ W ⊂ ~

R

m

s

,

a przestrzeniami liniowymi,

to dimV ≤ dimW . Je´sli ponadto dimV = dimW , to V = W .

3.4. Przestrze´

n zerowa N (A) i obraz R(A) macierzy A.

Przestrze´

n zerowa (m × n)-macierzy A,

(9)

N (A) = {~

x ∈ ~

R

n

: A~

x = ~0}

jest przestrzeni

,

a liniow

,

a w ~

R

n

z lo˙zon

,

a z rozwi

,

aza´

n jednorodnego uk ladu

owna´

n A~

x = ~0.

Zapiszmy macierz A w postaci kolumnowej

(10)

A = [~a

1

, . . . , ~a

n

],

~a

j

∈ ~

R

m

i przypomnijmy (zob. 2.1), ˙ze

(11)

A~

x = x

1

~a

1

+ . . . + x

n

~a

n

,

~

x =



x

1

..

.

x

n



∈ ~

R

n

.

15

background image

Przestrze´

n

(12)

R(A) = {A~

x :

~

x ∈ ~

R

n

} = Lin(~a

1

, . . . , ~a

n

) ⊂ ~

R

m

rozpi

,

et

,

a na kolumnach macierzy A nazywamy obrazem macierzy A.

Baz

,

e w przestrzeni R(A) mo˙zna znale´

c metod

,

a opisan

,

a w 3.3. Aby

znale´

c baz

,

e w przestrzeni N (A), przyjmijmy oznaczenia z 3.3 i rozpatrzmy

uk lad r´

owna´

n (6).

Dla ka˙zdego i ∈ {1, . . . , n} \ {j

1

, . . . , j

r

} wyznaczmy

rozwi

,

azanie ~

w

i

uk ladu (6), przyjmuj

,

ac x

i

= 1, oraz x

j

= 0 dla pozosta lych

zmiennych wolnych x

j

. Uk lad n − r wektor´

ow ~

w

i

, i ∈ {1, . . . , n} \ {j

1

, . . . , j

r

}

jest baz

,

a przestrzeni zerowej N (A) macierzy (10).

/

Niech I = {1, . . . , n} \ {j

1

, . . . , j

r

} oznacza zbi´

or wszystkich zmiennych

wolnych uk ladu (6). Rozwa˙zmy wektor ~

w = Σ

i∈I

t

i

~

w

i

b

,

ed

,

acy kombinacj

,

a li-

niow

,

a wektor´

ow ~

w

i

.

Wektor ~

w jest jedynym rozwi

,

azaniem (6) maj

,

acym

zmienne wolne x

i

= t

i

dla i ∈ I. Ka˙zde rozwi

,

azanie (6) mo˙zna wi

,

ec jed-

noznacznie zapisa´

c jako kombinacj

,

e liniow

,

a wektor´

ow ~

w

i

, i ∈ I. Poniewa˙z

uk lad r´

owna´

n (6) jest r´

ownowa˙zny uk ladowi (8), uk lad wektor´

ow ~

w

i

, i ∈ I

jest baz

,

a N (A), zob. (9) i (11).

.

Poniewa˙z, zgodnie z (5), dimR(A) = r, otrzymujemy formu l

,

e

(13)

dimN (A) + dimR(A) = n.

Przyk lad. Znale´

c baz

,

e przestrzeni zerowej N (A) macierzy A, gdzie

1. A =


1 1 0 1 0

−1 0 1 0 1

1 1 1 0 1


2. A =




2

4

−2 4

8 12 −12 8

−1

1

4 4

5

9

−6 8




3.5. Rz

,

ad macierzy.

Rz

,

edem macierzy A nazywamy liczb

,

e rankA = dimR(A).

Rozpatrzmy uk lad r´

owna´

n

(14)

A~

x = ~b.

Zgodnie z 2.1, dla A = [~a

1

, . . . , ~a

n

] uk lad (14) mo˙zna zapisa´

c w postaci

x

1

~a

1

+ . . . + x

n

~a

n

= ~b.

16

background image

Zatem uk lad r´

owna´

n (14) ma rozwi

,

azanie wtedy i tylko wtedy, gdy ~b ∈ R(A),

co mo˙zna te˙z wyrazi´

c formu l

,

a

(15)

rankA = rank[A | ~b].

Niech ~

w

1

, . . . , ~

w

p

b

,

edzie baz

,

a przestrzeni zerowej N (A) macierzy A. Je´sli

zachodzi (15), mo˙zna wybra´

c wektor ~

v taki, ˙ze A~

v = ~b. W´

owczas dowolne

rozwi

,

azanie uk ladu (14) zapisuje si

,

e jednoznacznie w postaci

(16)

~

x = ~

v + t

1

~

w

1

+ . . . + t

p

~

w

p

.

/

Istotnie, je´sli A~

x = ~b, to A(~

x − ~

v) = ~0, tzn. ~

x − ~

v ∈ N (A), a wi

,

ec

~

x − ~

v zapisuje si

,

e jednoznacznie jako kombinacja liniowa wektor´

ow z bazy

~

w

1

, . . . , ~

w

p

.

.

Przyk lad. Wyja´sni´

c, czy uk lad r´

owna´

n A~

x = ~b jest niesprzeczny i je´sli

tak, zapisa´

c jego rozwi

,

azanie og´

olne w postaci (16), gdzie ~

w

1

, . . . , ~

w

p

jest

baz

,

a przestrzeni zerowej N (A), a t

1

, . . . , t

p

s

,

a parametrami.

1. A =


2

3 1

2

12 18 9 12

6

9 5

6


, ~b =


3

15

7


2. A =




2 2 4 4 −4
1 4 2 2

4

0 2 0 0

7

1 6 2 2

11




, ~b =




0
3
3
6




3. A =




1 1 −1 1 0
1 3

2 2 5

0 0

5 0 5

2 2

3 2 5




, ~b =




0
0
1
1




Uwaga 1. Je´sli A jest (m × n)-macierz

,

a i B jest (n × k)-macierz

,

a, to

R(AB) ⊂ R(A) i w szczeg´

olno´sci

(17)

rank(AB) ≤ rankA.

Uwaga 2. Je´sli macierz B powstaje z macierzy A w wyniku operacji

elementarnych na wierszach, to A i B maj

,

a identyczne rz

,

edy. Istotnie, z

ownowa˙zno´sci uk lad´

ow r´

owna´

n A~

x = ~0 i B~

x = ~0 wynika, ˙ze N (A) = N (B),

a wi

,

ec r´

owno´s´

c rz

,

ed´

ow jest konsekwencj

,

a formu ly (13).

17

background image

3.6. Transponowanie macierzy.

Macierz transponowana A

T

macierzy A powstaje z A przez zamian

,

e ko-

lumn na wiersze, tzn.

[~a

1

, . . . , ~a

n

]

T

=



~a

T
1

..

.

~a

T
n



,

~a

j

∈ ~

R

m

.

Zauwa˙zmy, ˙ze

(18)

(A

T

)

T

= A, (A + B)

T

= A

T

+ B

T

, (AB)

T

= B

T

A

T

,

przy czym w drugiej r´

owno´sci zak lada si

,

e, ˙ze macierze A, B maj

,

a te same

wymiary, a w trzeciej, ˙ze liczba kolumn macierzy A jest r´

owna liczbie wierszy

macierzy B.

Bardzo wa˙zny jest nast

,

epuj

,

acy fakt

(19)

rankA = rankA

T

owno´s´

c rz

,

ed´

ow A i A

T

oznacza, ˙ze przestrzenie rozpi

,

ete na kolumnach

i wierszach macierzy A maj

,

a te same wymiary.

/

Rozpatrzmy (m × n)-macierz A. Niech B b

,

edzie (m × r)-macierz

,

a,

kt´

orej kolumny s

,

a baz

,

a przestrzeni R(A). Utw´

orzmy (r × n)-macierz C,

wpisuj

,

ac w j-t

,

a kolumn

,

e C wsp´

o lczynniki przy przedstawieniu j-tej kolumny

macierzy A jako kombinacji liniowej kolumn macierzy B. W´

owczas A = BC,

sk

,

ad A

T

= C

T

B

T

, zob. (18), a wi

,

ec R(A

T

) ⊂ R(C

T

), zob. (17). Zatem

dimR(A

T

) ≤ r, bo C

T

ma r kolumn. Otrzymali´smy nier´

owno´s´

c rankA

T

rankA. Podstawiaj

,

ac w tej nier´

owno´sci A

T

zamiast A, dostajemy nier´

owno´s´

c

przeciwn

,

a rankA = rank(A

T

)

T

≤ rankA

T

.

.

4. Macierze odwracalne.

4.1. Odwracanie macierzy.

owimy, ˙ze (n × n)-macierz A jest odwracalna, je´sli istnieje (n × n)-

macierz B taka, ˙ze

(1)

AB = I

n

.

Je´sli taka macierz B istnieje, jest wyznaczona jednoznacznie; nazywamy

j

,

a macierz

,

a odwrotn

,

a do A i oznaczamy symbolem A

−1

.

18

background image

Twierdzenie. Macierz A wymiaru n × n jest odwracalna wtedy i tylko

wtedy, gdy rankA = n.

Niech

(2)

A = [~a

1

, . . . , ~a

n

],

~

a

i

∈ ~

R

n

.

Sprowad´

zmy macierz

(3)

[A | I

n

] = [~a

1

, . . . , ~a

n

| ~e

1

, . . . , ~

e

n

]

operacjami elementarnymi na wierszach do macierzy schodkowej

(4)

[C | D].

Je´sli rankC < n (tzn. macierz schodkowa C ma wiersz zerowy), macierz

A nie jest odwracalna. Je´sli rankC = n, dalszymi operacjami elementarnymi
na wierszach macierzy schodkowej (4) sprowadzamy j

,

a do postaci

(5)

[I

n

| B] = [~e

1

, . . . , ~

e

n

| ~b

1

, . . . ,~b

n

].

owczas

(6)

B = A

−1

.

/

Uzasadnimy Twierdzenie i opisan

,

a procedur

,

e odwracania macierzy.

Je´sli A jest odwracalna, to (1) daje rank(AB) = n, a wi

,

ec rankA = n,

zob. 3.5 (17). Je´sli za´s rankA = n, to zgodnie z Uwag

,

a 2 w 3.5, rankC = n

i macierz [A | I

n

] mo˙zna sprowadzi´

c operacjami elementarnymi na wierszach

do postaci (5).

Poniewa˙z uk lady r´

owna´

n A~

x = ~

e

j

, oraz I

n

~

x = ~b

j

s

,

a r´

ownowa˙zne, dla

j = 1, . . . , n, oraz I

n

~b

j

= ~b

j

, otrzymujemy A~b

j

= ~

e

j

, dla j = 1, . . . , n,

co oznacza dok ladnie (1). Warunek rankA = n zapewnia ponadto, ˙ze dla
ka˙zdego j ≤ n uk lad r´

owna´

n A~

x = ~

e

j

ma dok ladnie jedno rozwi

,

azanie, wi

,

ec

(1) wyznacza B jednoznacznie.

.

Uwaga 1. Dla (n × n)-macierzy odwracalnej A przekszta lcenie liniowe

A : ~

R

n

→ ~

R

n

jest odwracalne. R´

owno´s´

c AA

−1

= I

n

, zob. (1), oznacza wi

,

ec,

˙ze macierz odwrotna A

−1

okre´sla przekszta lcenie A

−1

: ~

R

n

→ ~

R

n

odwrotne

do A, a st

,

ad wynika, ˙ze tak˙ze A

−1

A = I

n

.

Przyk lady. Wyja´sni´

c, czy macierz A jest odwracalna i je´sli tak, znale´

c

A

−1

.

19

background image

1. A =


1 1 0
0 1 2
0 3 5


2. A =




1 0 0 0
0 1 1 0
0 0 0 1
1 1 0 1




3. A =


1 4 2
3 5 2
0 2 1


4. Dla dowolnego wektora ~b =




b

1

b

2

b

3

b

4




rozwi

,

aza´

c uk lad r´

owna´

n

2x

1

+ 6x

2

+ 4x

4

= b

1

x

1

+ 2x

2

+ 2x

4

= b

2

2x

1

+ 4x

2

+ 3x

3

+ 5x

4

= b

3

x

1

+ 2x

2

+ 3x

4

= b

4

5. Niech A =


−1 −2

9

1

3 −1

0 −1

4


, B =


1

2

0

2

5 −2

0 −2

5


, C =


1 0 1
0 1 0
1 1 1


.

Znale´

c (3 × 3)-macierz X tak

,

a, ˙ze AXB = C.

6. Niech A =

"

4

6

7 11

#

, B =

"

1 1
2 3

#

, C =

"

1

2 0

1 −1 1

#

.

Znale´

c (2 × 3)-macierz X tak

,

a, ˙ze AX = 3BX + C.

Uwaga 2. Je´sli A i B s

,

a (n × n)-macierzami odwracalnymi, to

(AB)

−1

= B

−1

A

−1

,

oraz (A

T

)

−1

= (A

−1

)

T

.

Istotnie, (B

−1

A

−1

)(AB) = B

−1

(A

−1

A)B = B

−1

B = I

n

, oraz A

T

(A

−1

)

T

=

(A

−1

A)

T

= I

n

.

5. Rzut ortogonalny na przestrze´

n liniow

,

a i zagadnienie naj-

mniejszych kwadrat´

ow.

5.1. Ortogonalno´

c wektor´

ow i norma wektora.

owimy, ˙ze wektory ~

u, ~

v ∈ ~

R

n

s

,

a ortogonalne (= prostopad le), co zapi-

sujemy ~

u⊥~

v, je´sli ~

u

T

~

v = 0.

Norm

,

e (= d lugo´s´

c) wektora ~

v ∈ ~

R

n

okre´slamy formu l

,

a

k ~v k= (~v

T

~

v)

1
2

.

20

background image

Wektory ortogonalne ~

u, ~

v wyznaczaj

,

a tr´

ojk

,

at, dla kt´

orego spe lniona jest

formu la Pitagorasa

(1)

k ~

u − ~

v k

2

=k ~

u k

2

+ k ~

v k

2

.

/

Istotnie, je˙zeli ~

u

T

~

v = 0, to k ~

u −~

v k

2

= (~

u −~

v)

T

(~

u −~

v) = ~

u

T

~

u − 2~

u

T

~

v +

~

v

T

~

v = k ~

u k

2

+ k ~

v k

2

.

.

5.2. Rzut ortogonalny na przestrze´

n liniow

,

a V ⊂ ~

R

n

.

owimy, ˙ze wektor ~

u ∈ ~

R

n

jest ortogonalny do przestrzeni liniowej V ⊂

~

R

n

, co zapisujemy ~

u⊥V , je´sli ~

u⊥~

v dla ka˙zdego ~

v ∈ V .

Twierdzenie Niech V ⊂ ~

R

n

b

,

edzie przestrzeni

,

a liniow

,

a. Dla ka˙zdego

~b ∈ ~

R

n

istnieje dok ladnie jeden wektor P (~b) ∈ V taki, ˙ze ~b − P (~b)⊥V .

Wektor P (~b) nazywamy rzutem ortogonalnym ~b na V . Opiszemy metod

,

e

wyznaczania rzutu ortogonalnego.

Znajdujemy baz

,

e ~a

1

, . . . , ~a

r

przestrzeni V , a nast

,

epnie, dla macierzy

A = [~a

1

, . . . , ~a

r

], znajdujemy wektor ~

w ∈ ~

R

r

taki, ˙ze

(2)

A

T

A ~

w = A

T

~b.

owczas

(3)

P (~b) = A ~

w.

/

Aby uzasadni´

c t

,

e procedur

,

e, sprawdzimy przede wszystkim, ˙ze uk lad

owna´

n

(4)

A

T

A~

x = A

T

~b

ma dok ladnie jedno rozwi

,

azanie. W tym celu poka˙zemy, ˙ze (r × r)-macierz

A

T

A jest odwracalna.

Za l´

o˙zmy, ˙ze rankA

T

A < r i niech ~

x ∈ ~

R

r

b

,

edzie niezerowym wektorem

takim, ˙ze A

T

A~

x = ~0. Wektor ~

v = A~

x spe lnia ~

v⊥~

v, bo z 3.6 (18) ~

v

T

~

v =

~

x

T

A

T

A~

x = ~

x

T

~0 = 0. Zatem ||~v|| = 0, czyli ~v = ~0, ale to przeczy liniowej

niezale˙zno´sci kolumn macierzy A.

Poniewa˙z przestrze´

n V jest rozpi

,

eta na wektorach ~a

1

, . . . , ~a

r

, dla uzasad-

nienia, ˙ze ~b − A ~

w⊥V wystarczy sprawdzi´

c, ˙ze ~a

i

⊥(~b − A ~

w), dla i = 1, . . . , r,

co macierzowo mo˙zna zapisa´

c w postaci A

T

(~b − A ~

w) = ~0 r´

ownowa˙znej (2).

21

background image

Zauwa˙zmy na koniec, ˙ze (3) implikuje P (~b) ∈ R(A) = V i z jedno-

znaczno´sci rozwi

,

azania (4) wynika jednoznaczno´s´

c rzutu.

.

Odnotujmy dwa szczeg´

olne przypadki – rzut ortogonalny na przestrze´

n

rozpi

,

et

,

a na jednym niezerowym wektorze i rzut ortogonalny na przestrze´

n

wektor´

ow prostopad lych do niezerowego wektora:

(5)

je´sli V = Lin(~a), ~a 6= ~0,

to P (~b) = (

~

a

T

~b

~

a

T

~

a

)~a,

(6)

je´sli V = {~

x : ~

x⊥~a}, ~a 6= ~0,

to P (~b) = ~b − (

~

a

T

~b

~

a

T

~

a

)~a.

/

Dla uzasadnienia tych formu l, rozpatrzmy ~c = (

~

a

T

~b

~

a

T

~

a

)~a ∈ Lin(~a). Po-

niewa˙z ~a

T

(~b − ~c) = 0, ~b − ~c⊥Lin(~a), st

,

ad wynika natychmiast (5). Jed-

nocze´snie zauwa˙zmy, ˙ze dla przestrzeni V opisanej w (6), ~b − ~c ∈ V , oraz

~b − (~b − ~c) = ~c⊥V , sk

,

ad wynika (6).

.

Przyk lad. Znale´

c rzut ortogonalny wektora ~b =




1
0
1
5




∈ ~

R

4

na prze-

strze´

n V ⊂ ~

R

4

, gdzie

(A) V = Lin( ~

a

1

, ~

a

2

),

~

a

1

=




1
1

−1

0




,

~

a

2

=




1
2

−1

1




,

(B) V = N (B),

B =


−1 −1

0

0

0

1

0

1

2

1 −2 −1


,

(C) V = Lin(~a),

~a =




1
2
2
1




,

(D) V = {~

x ∈ ~

R

4

: ~a

T

~

x = 0},

~a

T

= (−1, −2, 0, 1).

22

background image

5.3. Zagadnienie najmniejszych kwadrat´

ow.

Niech A b

,

edzie (n × r)-macierz

,

a rz

,

edu r i niech ~b ∈ ~

R

n

. Nale˙zy znale´

c

wektor ~

w ∈ ~

R

r

taki, ˙ze

(7)

k ~b − A ~

w k= min{k ~b − A~

x k: ~

x ∈ ~

R

r

}.

Zagadnienie to nabiera znaczenia, je´sli uk lad r´

owna´

n A~

x = ~b jest sprzecz-

ny. Warunek (7) opisuje w´

owczas wektor ~

w, dla kt´

orego odleg lo´s´

c A ~

w od ~b,

mierzona pierwiastkiem z sumy kwadrat´

ow r´

o˙znic wsp´

o lrz

,

ednych, jest mini-

malna.

Zgodnie z 5.2, jednoznacznym rozwi

,

azaniem tego zagadnienia jest wektor

~

w spe lniaj

,

acy uk lad r´

owna´

n (4).

/

Istotnie, A ~

w = P (~b) jest rzutem ortogonalnym wektora ~b na przestrze´

n

V = R(A) rozpi

,

et

,

a na kolumnach A. Dla dowolnego ~

v ∈ V , z formu ly

Pitagorasa, k ~b − ~

v k

2

=k ~b − P (~b)

2

k + k P (~b) − ~v k

2

≥k ~b − P (~b) k

2

, a zatem

A ~

w spe lnia (7).

.

W szczeg´

olno´sci, rozpatrzmy nast

,

epuj

,

ace zagadnienie. Mierzymy dwie

zale˙zne od siebie wielko´sci t, y i ustalamy, ˙ze warto´sciom t

1

, . . . , t

n

pierwszej

z nich odpowiadaj

,

a warto´sci y

1

, . . . , y

n

drugiej. Chcemy okre´sli´

c m i c tak,

aby funkcja y = mt + c minimalizowa la odchylenie kwadratowe

E

2

=

n

X

i=1

[(mt

i

+ c) − y

i

]

2

.

Rozwi

,

azaniem tego zagadnienia jest wektor ~

w =

"

m

c

#

, kt´

ory spe lnia waru-

nek (7) dla

A =



t

1

1

..

.

..

.

t

n

1



, ~b =



y

1

..

.

y

n



.

Istotnie, odchylenie kwadratowe zapisuje si

,

e w postaci

E

2

=k A~

x − ~b k

2

,

~

x =

"

m

c

#

.

23

background image

Przyk lady. 1. Niech A =


1 −2

−1

1

1

1


, ~b =


1
1

−3


.

Znale´

c min{k ~b − A~

x k: ~

x ∈ ~

R

2

}.

2. W wyniku pomiar´

ow ustalono, ˙ze warto´sciom 2,3,5,6 wielko´sci t odpo-

wiadaj

,

a warto´sci 1,2,6,8 wielko´sci y. Znale´

c m i c takie, ˙ze funkcja y = mt+c

minimalizuje odchylenie kwadratowe od obserwowanych wielko´sci.

5.4. Macierzowy opis rzutu ortogonalnego.

Niech ~a

1

, . . . , ~a

r

b

,

edzie baz

,

a przestrzeni liniowej V ⊂ ~

R

n

. Macierz A =

[~a

1

, . . . , ~a

r

] ma rz

,

ad r, wi

,

ec (r × r)-macierz A

T

A jest odwracalna (zob. uza-

sadnienie jednoznaczo´sci rozwi

,

aza´

n uk ladu (4) w (5.2)). Formu ly 5.2 (2),(3)

opisuj

,

ace rzut ortogonalny ~b ∈ ~

R

n

na V mo˙zna zatem zapisa´

c w postaci

macierzowej

(8)

P (~b) = A(A

T

A)

−1

A

T

~b.

Przyk lad. Znale´

c macierz opisuj

,

ac

,

a rzut ortogonalny na V

1. V = Lin(~a

1

, ~a

2

),

gdzie ~a

1

=




1
1

−1

0




, ~a

2

=




1
2

−1

1




∈ ~

R

4

,

2. V = N (C),

gdzie C =


−1 −1

1

0

1

0 −1 −1

−2 −1

2

1


.

Formu la (8) prowadzi te˙z do opisu przestrzeni V uk ladem r´

owna´

n jedno-

rodnych

(9)

(A(A

T

A)

−1

A

T

− I

n

)~

x = ~0,

bo ~

x ∈ V wtedy i tylko wtedy, gdy P (~

x) − ~

x = ~0.

Uk lad (9) ma n r´

owna´

n, ale przestrze´

n V rozwi

,

aza´

n tego uk ladu ma

wymiar r, wi

,

ec zgodnie z 3.4 (13), rz

,

ad macierzy tego uk ladu wynosi n − r.

24

background image

Przestrze´

n V mo˙zna opisa´

c uk ladem n − r r´

owna´

n

(10)

B

T

~

x = ~0, B = [~

u

1

, . . . , ~

u

n−r

], gdzie ~

u

1

, . . . , ~

u

n−r

jest baz

,

a N (A

T

).

/

Niech W = N (B

T

) b

,

edzie przestrzeni

,

a rozwi

,

aza´

n uk ladu (10). Po-

niewa˙z rankA

T

= rankA = r, z 3.4 (13) wynika, ˙ze dim N (A

T

) = n − r =

rankB = rankB

T

i dimW = n − (n − r) = r = dimV .

Przestrze´

n N (A

T

) rozwi

,

aza´

n jedorodnego uk ladu r´

owna´

n A

T

~

x = ~0 jest

zbiorem wektor´

ow ortogonalnych do ka˙zdej z kolumn macierzy A. Zatem dla

~

u ∈ N (A

T

) mamy ~

u⊥R(A) = V , co daje V ⊂ W . Z r´

owno´sci wymiar´

ow

tych przestrzeni wynika V = W , zob. 3.3.

.

Przyk lad. Znale´

c jednorodny uk lad r´

owna´

n opisuj

,

acy przestrze´

n V ⊂

~

R

4

rozpi

,

et

,

a na wektorach ~a

1

=




1
1

−1

0




, ~a

2

=




0
1
0
1




.

6. Wyznacznik macierzy kwadratowej.

6.1. Okre´

slenie wyznacznika.

Ka˙zdej (n×n)-macierzy A mo˙zna przyporz

,

adkowa´

c w spos´

ob jednoznacz-

ny liczb

,

e detA – wyznacznik macierzy A tak, aby spe lnione by ly nast

,

epuj

,

ace

warunki:

(i) zamiana kolejno´sci dw´

och wierszy macierzy zmienia znak jej wyznacz-

nika,

(ii) dodanie do wiersza macierzy innego wiersza pomno˙zonego przez ska-

lar nie zmienia jej wyznacznika,

(iii) wyznacznik macierzy kwadratowej maj

,

acej same zera poni˙zej przek

,

at-

nej jest iloczynem wyraz´

ow na przek

,

atnej.

Z w lasno´sci (i), (ii), (iii) wynika tak˙ze w lasno´s´

c

(iv) je´sli A powstaje z macierzy B w wyniku operacji elementarnej (III)

c(i)

,

to detA = c · detB.

25

background image

Uwaga 1. Niech

A =



a

11

. . . a

1n

..

.

..

.

a

n1

. . . a

nn



.

Wyznacznik detA mo˙zna okre´sli´

c nast

,

epuj

,

aco. Z kolejnych wierszy wybie-

ramy wyrazy a

1σ(1)

, a

2σ(2)

, . . . , a

nσ(n)

, przy czym z ka˙zdej kolumny wybieramy

tylko jeden element (tzn. σ(i) 6= σ(j) dla i 6= j) i tworzymy iloczyn

(1)

(−1)

l(σ)

a

1σ(1)

a

2σ(2)

· . . . · a

nσ(n)

gdzie l(σ) jest liczb

,

a par wska´

znik´

ow 1 ≤ i < j ≤ n, dla kt´

orych σ(i) > σ(j)

(tzn. liczb

,

a par wierszy, dla kt´

orych z wcze´sniejszego wiersza wybrali´smy

element z dalszej kolumny).

Wyznacznik detA jest sum

,

a wszystkich mo˙zliwych iloczyn´

ow postaci (1).

Dla n = 2 dostajemy wz´

or

det

"

a

11

a

12

a

21

a

22

#

= a

11

a

22

− a

12

a

21

,

a dla n = 3 wz´

or Sarrusa

det


a

11

a

12

a

13

a

21

a

22

a

23

a

31

a

32

a

33


= a

11

a

22

a

33

+a

12

a

23

a

31

+a

13

a

21

a

32

−a

13

a

22

a

31

−a

12

a

21

a

33

− a

11

a

23

a

32

.

Uwaga 2. Niech ~a,~b, ~c b

,

ed

,

a liniowo niezale˙znymi wektorami w ~

R

3

i niech

~

u

T

, ~

v

T

, ~

w

T

b

,

ed

,

a wierszami macierzy B powsta lej z macierzy

A =


~a

T

~b

T

~c

T


w wyniku operacji elementarnych na wierszach typu (I), lub (II). W´

owczas

ownoleg lo´scian w przestrzeni tr´

ojwymiarowej o kraw

,

edziach wyznaczonych

przez ~a,~b, ~c ma obj

,

eto´s´

c r´

own

,

a obj

,

eto´sci r´

ownoleg lo´scianu o kraw

,

edziach wy-

znaczonych przez ~

u, ~

v, ~

w. Macierz A mo˙zna przekszta lci´

c operacjami typu (I)

i (II) do postaci

B =


r 0 0
0 s 0
0 0

t


,

26

background image

w kt´

orej wektory - wiersze s

,

a parami prostopad le i wyznaczaj

,

a prostopad lo´scian

o obj

,

eto´sci | rst |=| detB |=| detA |. Wynika st

,

ad, ˙ze modu l wyznacznika A

jest obj

,

eto´sci

,

a r´

ownoleg lo´scianu o kraw

,

edziach wyznaczonych przez ~a,~b, ~c.

Podobnie, dla (2 × 2)-macierzy A, | detA | jest polem r´

ownoleg loboku na

p laszczy´

znie, kt´

orego boki s

,

a wyznaczone przez wektory - wiersze A.

Uwaga 3. Z Uwagi 1 wynika, ˙ze dla (n × n)-macierzy A,

detA = detA

T

,

zatem przy okre´slaniu wyznacznika wiersze mo˙zna zast

,

api´

c kolumnami ma-

cierzy.

Przyk lady.

1. Znale´

c pole r´

ownoleg loboku na p laszczy´

znie o kraw

,

edziach ~

P Q, ~

P R,

gdzie P = (1, 2), Q = (6, 7), R = (3, 8).

2. Znale´

c obj

,

eto´s´

c r´

ownoleg lo´scianu w przestrzeni o kraw

,

edziach ~

P Q, ~

P R, ~

P S,

gdzie P = (1, −1, 1), Q = (2, 6, 2), R = (−3, −5, 4), S = (4, 2, −1).

6.2. Obliczanie wyznacznika.

Niech A b

,

edzie (n × n)-macierz

,

a. Operacjami elementarnymi typu (I),

lub (II) sprowadzamy macierz A do postaci schodkowej

A

0

=



a

1

?

. ..

0

a

n



,

zmieniaj

,

ac znak wyznacznika przy ka˙zdej operacji typu (I) i nie zmieniaj

,

ac

wyznacznika przy operacji typu (II). Zatem

detA = (−1)

p

detA

0

= (−1)

p

a

1

· . . . · a

n

,

gdzie p jest liczb

,

a wykonanych operacji typu (I).

Przyk lady Obliczy´

c wyznaczniki nast

,

epuj

,

acych macierzy:

1.




1 −1

1

−2

1

3 −1

3

−1

2

0

4

−3

0 −8 −13




2.




0 3 5 1
3 3 1 8

−2 0 2 1

1 3 4 3




3.




0 4 1 3
0 2 2 1
1 3 1 2
2 2 1 4




27

background image

6.3. Formu la Cauchy’ego.

Dla (n × n)-macierzy A i B,

(2)

det(AB) = detA · detB.

/

Zauwa˙zmy najpierw, ˙ze je´sli macierz A

0

powstaje z A w wyniku ope-

racji elementarnych na wierszach, to z definicji iloczynu macierzy w 1.5.(B)
wynika, ˙ze te same operacje na wierszach macierzy AB sprowadzaj

,

a j

,

a do

macierzy A

0

B (wystarczy to sprawdzi´

c dla jednej operacji ka˙zdego typu).

Je´sli rankA < n to z powy˙zszej obserwacji (zob. te˙z 3.5 (17)) wynika, ˙ze

rank(AB) < n, a wi

,

ec, zgodnie z 6.2, obie strony (2) s

,

a r´

owne zeru.

Je´sli rankA = n, to operacjami elementarnymi na wierszach typu (I) lub

(II) mo˙zna sprowadzi´

c A do postaci diagonalnej

A

0

=



a

1

0

. ..

0

a

n



.

Niech p ozacza liczb

,

e wykonanych operacji typu (I). Mamy wtedy detA =

(−1)

p

· detA

0

i z powy˙zszej obserwacji, r´

ownie˙z det(AB) = (−1)

p

det(A

0

B).

Dla dowodu (2) wystarczy wi

,

ec sprawdzi´

c, ˙ze det(A

0

B) = detA

0

detB, a to

wynika z

det






a

1

0

. ..

0

a

n






~

b

1

T

..

.

~

b

n

T







= det




a

1

~

b

1

T

..

.

a

n

~

b

n

T




= a

1

· . . . · a

n

det




~

b

1

T

..

.

~

b

n

T




.

.

Przyk lad

Niech A =


4 2 1
4 1 2
4 1 1


, B =


2 2 1
0 1 0
0 5 1


. Znale´

c det(A

5

B

−7

).

6.4.

Macierz adjA stowarzyszona z macierz

,

a kwadratow

,

a A i

formu ly Cramera.

Niech A b

,

edzie (n × n)-macierz

,

a. Dla ka˙zdej pary indeks´

ow 1 ≤ i, j ≤

n, oznaczamy przez A(i, j) macierz otrzyman

,

a z A przez skre´slenie i-tego

wiersza i j-tej kolumny i okre´slamy

28

background image

A

ij

= (−1)

i+j

detA(i, j).

Macierz

adjA =



A

11

. . . A

1n

..

.

..

.

A

n1

. . . A

nn



T

stowarzyszona z A ma nast

,

epuj

,

ac

,

a w lasno´s´

c

(3)

A · adjA = detA · I

n

.

W szczeg´

olno´sci,

(4)

je´sli detA 6= 0, to A

−1

=

1

detA

adjA.

Formu la (4) pozwala zapisa´

c rozwi

,

azanie uk ladu r´

owna´

n

(5)

A~

x = ~b,

gdzie detA 6= 0,

w postaci

(6)

~

x = (

1

detA

adjA)~b.

Je´sli

A = [~a

1

, . . . , ~a

n

], ~a

i

∈ ~

R

n

, ~b ∈ ~

R

n

, ~

x =



x

1

..

.

x

n



,

rozwi

,

azanie (6) prowadzi do formu l Cramera

(7)

x

i

=

1

detA

det[~a

1

, . . . , ~a

i−1

,~b, ~a

i

, . . . , ~a

n

], i = 1, . . . , n.

Formu ly Cramera (7) maj

,

a g l´

ownie znaczenie teoretyczne. Wynika z nich

na przyk lad, ˙ze je´sli detA = 1, oraz wyrazy A i wsp´

o lrz

,

edne wektora ~b s

,

a

liczbami ca lkowitymi, to rozwi

,

azanie ~

x uk ladu r´

owna´

n (5) jest wektorem o

wsp´

o lrz

,

ednych ca lkowitych, zob. Uwaga 1 w 6.1.

Przyk lady. Znale´

c adjA i sprawdzi´

c, ˙ze spe lniona jest formu la (3).

1. A =

"

3 4
5 6

#

2. A =


7

1

2

2 −1 −1
3

1

3


7. Model Leontiewa przep lyw´

ow mi

,

edzyga l

,

eziowych.

Rozpatrujemy n ga l

,

ezi gospodarki. Niech x

i

> 0 b

,

edzie produkcj

,

a global-

n

,

a i-tej ga l

,

ezi, x

ij

≥ 0 b

,

edzie cz

,

e´sci

,

a produkcji i-tej ga l

,

ezi zu˙zywan

,

a przez

29

background image

j-t

,

a ga l

,

z do produkcji, za´s d

i

≥ 0 b

,

edzie produktem ko´

ncowym i-tej ga l

,

ezi

(sprzedawanym na rynku). Informacje te zapisujemy w postaci macierzy
przep lyw´

ow mi

,

edzyga l

,

eziowych







x

11

x

12

. . . x

1n

d

1

x

1

x

21

x

22

. . . x

2n

d

2

x

2

..

.

..

.

..

.

..

.

..

.

x

n1

x

n2

. . . x

nn

d

n

x

n







.

Wsp´

o lczynniki

(1)

a

ij

=

x

ij

x

j

okre´slaj

,

a stosunki mi

,

edzy nak ladami i wielko´sci

,

a produkcji, sta le w modelu

Leontiewa. Macierz

(2)



a

11

. . . a

1n

..

.

..

.

a

n1

. . . a

nn



jest macierz

,

a (sta lych) wsp´

o lczynnik´

ow produkcji. Dla ka˙zdej ga l

,

ezi mamy,

zob. (1),

(3)

x

i

= x

i1

+ . . . + x

in

+ d

i

= a

i1

x

1

+ . . . + a

in

x

n

+ d

i

,

co mo˙zna zapisa´

c w postaci macierzowej jako r´

ownanie

~

x = A~

x + ~

d,

~

x =





x

1

x

2

..

.

x

n





,

~

d =





d

1

d

2

..

.

d

n





,

albo te˙z w postaci

(4)

(I

n

− A)~

x = ~

d.

Macierz I

n

− A nazywa si

,

e macierz

,

a Leontiewa.

Twierdzenie. Je´

sli produkty ko´

ncowe d

i

ka˙zdej ga l

,

ezi gospodarki s

,

a do-

datnie, to macierz Leontiewa I

n

− A jest odwracalna, a wektor produkcji

globalnej ~

x jest opisany formu l

,

a

~

x = (I

n

− A)

−1

~

d.

30

background image

/

Mno˙z

,

ac, dla j = 1, 2, . . . , n, j-t

,

a kolumn

,

e macierzy I

n

− A przez x

j

i

korzystaj

,

ac z (1), otrzymujemy macierz

B =





x

1

− x

11

−x

12

. . .

−x

1n

−x

21

x

2

− x

22

. . .

−x

2n

..

.

..

.

..

.

−x

n1

−x

n2

. . . x

n

− x

nn





.

Przypu´s´

cmy, ˙ze n × n-macierz I

n

− A nie jest odwracalna, to znaczy, ˙ze

jej kolumny s

,

a liniowo zale˙zne (zob. 4.1). Wtedy kolumny B te˙z s

,

a liniowo

zale˙zne, wi

,

ec istnieje niezerowy wektor ~

w = [w

1

, . . . , w

n

]

T

taki, ˙ze B ~

w = ~0.

Zast

,

epuj

,

ac, w razie potrzeby, ~

w przez wektor − ~

w mo˙zemy dodatkowo za lo˙zy´

c,

˙ze ~

w ma dodatni

,

a wsp´

o lrz

,

edn

,

a.

Wybierzmy i ≤ n takie, ˙ze w

i

≥ w

j

dla j 6= i i zbadajmy i-t

,

a wsp´

o lrz

,

edn

,

a

wektora B ~

w = ~0:

0 = x

i

w

i

P

n
j=1

x

ij

w

j

≥ x

i

w

i

P

n
j=1

x

ij

w

i

= (x

i

P

n
j=1

x

ij

)w

i

= d

i

w

i

> 0.

Otrzymana sprzeczno´s´

c dowodzi, ˙ze macierz I

n

− A jest odwracalna.

.

Przyk lad. W modelu Leontiewa dla trzech ga l

,

ezi gospodarki dana jest

macierz przep lyw´

ow mi

,

edzyga l

,

eziowych:




2 0 1

5

8

2 3 0

7

12

0 0 1

3

4




.

(a) Znale´

c macierz Leontiewa i i macierz do niej odwrotn

,

a.

(b) O ile wzrosn

,

a produkty ko´

ncowe, je´sli produkty globalne wzrosn

,

a o

∆x

1

= 1, ∆x

2

= 2, ∆x

3

= 3?

(c) Ustali´

c plan produkcji globalnej tak, aby pierwsza ga l

,

z wytwarza la

produkt ko´

ncowy o warto´sci 9, druga o warto´sci 6 i trzecia o warto´sci 9.

8. Nier´

owno´

sci liniowe.

Dla ~

u, ~

v ∈ ~

R

n

, ~

u = [u

1

, . . . , u

n

]

T

, ~

v = [v

1

, . . . , v

n

]

T

, nier´

owno´s´

c ~

u ≤ ~

v

oznacza, ˙ze u

j

≤ v

j

, dla j = 1, 2, . . . , n. Je´sli ~

u ≥ ~0, b

,

edziemy m´

owili, ˙ze

wektor ~

u jest nieujemny.

Ustalmy wektory ~

w

1

, . . . , ~

w

m

∈ ~

R

n

i liczby b

1

, . . . , b

m

∈ R i niech

(1)

W = {~

x ∈ ~

R

n

: ~

x ≥ ~0, ~

w

i

T

~

x ≤ b

i

, i = 1, 2, . . . m}.

31

background image

Dla n = 2, ka˙zda nier´

owno´s´

c ~

w

T

i

~

x ≤ b

i

opisuje p´

o lp laszczyzn

,

e w ~

R

2

, zatem

W jest albo zbiorem pustym, albo wielok

,

atem (by´

c mo˙ze nieograniczonym)

le˙z

,

acym w pierwszej ´

cwiartce p laszczyzny. Podobnie, dla n = 3, albo W =

∅, albo te˙z W jest wielo´scianem (by´c mo˙ze nieograniczonym), z lo˙zonym z
wektor´

ow nieujemnych.

Zauwa˙zmy, ˙ze zamiast (1) mo˙zemy rozwa˙za´

c zbiory postaci

(1)

0

W = {~

x ∈ ~

R

n

: ~

x ≥ ~0, ~

w

T

i

~

x ≥ b

i

, i = 1, 2, . . . m},

bo nier´

owno´s´

c ~

w

T

i

~

x ≥ b

i

jest r´

ownowa˙zna nier´

owno´sci (− ~

w

i

)

T

~

x ≤ −b

i

.

Ustalmy ~

p ∈ ~

R

n

. B

,

edziemy rozpatrywa´

c nast

,

epuj

,

ace zagadnienie:

(2)

znale´

c ~

x

0

∈ W takie, ˙ze ~

p

T

~

x

0

= min{~

p

T

~

x : ~

x ∈ W }.

Jest to zagadnienie minimalizacji funkcji liniowej ~

p

T

~

x, przy ogranicze-

niach zadanych nier´

owno´sciami liniowymi, opisuj

,

acymi zbi´

or W .

(A) Zagadnienie planu produkcji.

Producent produkuje n towar´

ow. Do wytworzenia jednostki j-tego to-

waru potrzeba a

ij

jednostek i-tego ´srodka produkcji, i ≤ m. Dost

,

epnych jest

b

i

jednostek i-tego ´srodka produkcji, doch´

od ze sprzeda˙zy jednostki j-tego

towaru wynosi c

j

. Okre´sli´

c ilo´sci x

j

jednostek j-tego towaru, przy kt´

orych

zysk jest maksymalny.

Przyjmuj

,

ac

~

w

i

=





a

i1

a

i2

..

.

a

in





,

−~

p =





c

1

c

2

..

.

c

n





,

mamy rozwi

,

aza´

c zagadnienie (2), gdzie W jest opisane formu l

,

a (1).

(B) Zagadnienie diety optymalnej.

Mamy n produkt´

ow ˙zywno´sciowych. Produkt j-ty zawiera m sk ladnik´

ow

od˙zywczych, w proporcjach a

1j

, a

2j

, . . . , a

mj

(w stosunku do ca lkowitej masy).

Przy od˙zywianiu nale˙zy dostarczy´

c co najmniej b

i

jednostek i-tego sk ladnika.

Cena jednostki j-tego produktu wynosi c

j

. Dobra´

c x

j

jednostek ka˙zdego pro-

duktu, aby zapewni´

c dostarczenie wystarczaj

,

acej ilo´sci ka˙zdego ze sk ladnik´

ow

od˙zywczych, minimalizuj

,

ac przy tym koszt zakupu.

Tak wi

,

ec, dla

32

background image

~

w

i

=





a

i1

a

i2

..

.

a

in





,

~

p =





c

1

c

2

..

.

c

n





,

mamy rozwi

,

aza´

c zagadnienie (2), gdzie W jest opisane formu l

,

a (1)

0

.

Przyjmijmy

(3)

A =





~

w

T

1

~

w

T

2

..

.

~

w

T

m





,

~b =





b

1

b

2

..

.

b

m





.

owczas, zob. (1), (3),

(4)

W = {~

x ∈ ~

R

n

: ~

x ≥ ~0, A~

x ≤ ~b}.

Ka˙zda nier´

owno´s´

c ~

w

i

T

~

x ≤ b

i

jest r´

ownowa˙zna uk ladowi z lo˙zonemu z

ownania ~

w

i

T

~

x + y

i

= b

i

i nier´

owno´sci y

i

≥ 0.

Zatem, wprowadzaj

,

ac

(5)

B = [A, I

m

],

~

z =

"

~

x
~

y

#

∈ ~

R

n+m

,

(6)

Z = {~

z ∈ ~

R

n+m

: ~

z ≥ ~0, B~

z = ~b},

oraz

(7)

~

q =

"

~

p

~0

#

∈ ~

R

n+m

,

zagadnienie (2) mo˙zna sformu lowa´

c r´

ownowa˙znie w nast

,

epuj

,

acy spos´

ob:

(8)

znale´

c ~

z

0

∈ Z takie, ˙ze ~

q

T

~

z

0

= min{~

q

T

~

z : ~

z ∈ Z}.

Dok ladniej, je´sli ~

z

0

jest rozwi

,

azaniem (8), wektor ~

x

0

z lo˙zony z pierw-

szych n wsp´

o lrz

,

ednych wektora ~

z

0

jest rozwi

,

azaniem (2), a je´sli ~

x

0

jest

rozwi

,

azaniem (2), dopisuj

,

ac wektor ~

y

0

= ~b − A ~

x

0

, otrzymujemy rozwi

,

azanie

(8), zob. (5).

Opiszemy procedur

,

e, pozwalaj

,

ac

,

a na wyja´snienie, czy zagadnienie (8) ma

rozwi

,

azanie i je´sli tak, na wskazanie pewnego rozwi

,

azania tego zagadnienia.

Odwracalne (m × m)- podmacierze macierzy B nazywa´

c b

,

edziemy ma-

cierzami bazowymi.

33

background image

Ka˙zda macierz bazowa E wyznacza jednoznacznie wektor ~

u

E

= E

−1

~b

spe lniaj

,

acy r´

ownanie E ~

u

E

= ~b i niech ~

z

E

∈ ~

R

n+m

b

,

edzie wektorem, kt´

orego

wsp´

o lrz

,

edne pokrywaj

,

a si

,

e ze wsp´

o lrz

,

ednymi wektora ~

u

E

, dla indeks´

ow wska-

zuj

,

acych kolumny macierzy E, a pozosta le wsp´

o lrz

,

edne s

,

a zerami.

Je´sli ˙zaden z wektor´

ow ~

u

E

nie jest nieujemny, zbi´

or Z opisany formu l

,

a

(6) jest pusty, a zatem zagadnienie (8) nie ma rozwi

,

azania.

W przeciwnym razie, spo´sr´

od nieujemnych wektor´

ow ~

z

E

wyznaczonych

przez macierze bazowe E, wybierzmy jako ~

z

0

wektor, dla kt´

orego liczba ~

q

T

~

z

0

jest minimalna.

Wektor ~

x

0

utworzony z pierwszych n wsp´

o lrz

,

ednych wektora ~

z

0

jest roz-

wi

,

azaniem zagadnienia (2).

/

Uzasadnienie opisanej metody opiera si

,

e na nast

,

epuj

,

acej obserwacji.

Niech D b

,

edzie (m × k)-macierz

,

a rz

,

edu mniejszego ni˙z k, U = {~

u ∈ ~

R

k

:

~

u ≥ 0, D~

u = ~b} i niech ~

v ∈ ~

R

k

.

Je´sli ~

u

0

∈ U spe lnia warunek ~v

T

~

u

0

= min{~

v

T

~

u : ~

u ∈ U }, to istnieje

~

u ∈ U takie, ˙ze ~

v

T

~

u

0

= ~

v

T

~

u i wektor ~

u ma co najmniej jedn

,

a wsp´

o lrz

,

edn

,

a

zerow

,

a.

Istotnie, z warunku rankD < k wynika istnienie wektora ~

w ∈ ~

R

k

takiego,

˙ze

D ~

w = ~0,

~

w 6= ~0.

Niech

~

u

t

= ~

u

0

+ t ~

w, t ∈ R.

owczas

D ~

u

t

= ~b, ~

v

T

~

u

t

= ~

v

T

~

u

0

+ t~

v

T

~

w.

Mo˙zemy zak lada´

c, ˙ze wszystkie wsp´

o lrz

,

edne ~

u

0

s

,

a dodatnie (inaczej, przyj-

mujemy ~

u = ~

u

0

) i w´

owczas, dla dostatecznie ma lych warto´sci |t|, ~

u

t

≥ ~0. Dla

takich t, ~

u

t

∈ U i z minimalno´sci ~v

T

~

u

0

wynika, ˙ze t~

v

T

~

w ≥ 0, niezale˙znie od

znaku t. To oznacza, ˙ze ~

v

T

~

w = 0, a wi

,

ec dla dowolnego t,

D ~

u

t

= ~b, ~

v

T

~

u

t

= ~

v

T

~

u

0

.

Poniewa˙z ~

w 6= ~0, zast

,

epuj

,

ac ewentualnie ~

w przez wektor − ~

w, mo˙zemy za lo˙zy´

c,

˙ze co najmniej jedna wsp´

o lrz

,

edna wektora ~

w jest ujemna, sk

,

ad

s = sup{t ≥ 0 :

~

u

t

≥ ~0} < +∞.

34

background image

Poniewa˙z ~

u

s

≥ ~0, ~

u

s

∈ U i ~v

T

~

u

s

= ~

v

T

~

u

0

, oraz co najmniej jedna wsp´

o lrz

,

edna

wektora ~

u

s

jest zerowa, mo˙zemy przyj

,

c ~

u = ~

u

s

.

.

9. Liniowe jednorodne r´

ownania ro ˙zniczkowe o sta lych wsp´

o l-

czynnikach.

W zbiorze C(R) funkcji ci

,

ag lych na prostej rzeczywistej okre´slone jest

w naturalny spos´

ob dzia lanie dodawania funkcji (f + g)(x) = f (x) + g(x)

i mno˙zenie funkcji przez liczby (af )(x) = af (x). B

,

edziemy interpretowa´

c

funkcje jako wektory, a liczby jako skalary, przenosz

,

ac do C(R) poj

,

ecia kom-

binacji liniowej wektor´

ow, liniowej niezale˙zno´sci wektor´

ow i podprzestrzeni

liniowej.

Zbi´

or rozwi

,

aza´

n r´

ownania r´

o˙zniczkowego

(1)

y

00

= by

0

+ cy.

jest przestrzeni

,

a liniow

,

a V(b, c) w przestrzeni C(R). Poka˙zemy, ˙ze w ka˙zdej

przestrzeni V(b, c) mo˙zna wskaza´

c baz

,

e z lo˙zon

,

a z dw´

och wektor´

ow.

Twierdzenie. Przyjmijmy ∆ = b

2

+ 4c. W´

owczas nast

,

epuj

,

aca para

funkcji y

1

(x), y

2

(x) jest baz

,

a przestrzeni rozwi

,

aza´

n r´

ownania (1):

(i) je´

sli ∆ = 0 i λ jest podw´

ojnym pierwiastkiem r´

ownania x

2

= bx + c,

to y

1

(x) = e

λx

, y

2

(x) = xe

λx

,

(ii) je´

sli ∆ > 0 i λ

1

, λ

2

s

,

a r´

o˙znymi pierwiastkami r´

ownania x

2

= bx + c,

to y

1

(x) = e

λ

1

x

, y

2

(x) = e

λ

2

x

,

(iii) je´

sli ∆ < 0, α =

b

2

, β =

1
2

−∆, to y

1

(x) = e

αx

cos βx, y

2

(x) =

e

αx

sin βx.

/

W ka˙zdym z przypadk´

ow (i) – (iii) bezpo´srednim rachunkiem spraw-

dza si

,

e, ˙ze wskazane funkcje s

,

a rozwi

,

azaniami r´

ownania (1).

Pozostaje upewni´

c si

,

e, ˙ze ka˙zde rozwi

,

azanie y = y(x)r´

ownania (1) zapi-

suje si

,

e jednoznacznie w postaci y = a

1

y

1

+ a

2

y

2

, gdzie a

1

, a

2

s

,

a sta lymi, a

y

1

, y

2

funkcjami wskazanymi w odpowiednim punkcie twierdzenia.

Wyja´snimy to w przypadku (iii) (pozosta le przypadki uzasadnia si

,

e po-

dobnie).

Za l´

o˙zmy najpierw, ˙ze funkcja f ∈ C(R) spe lnia warunek

(2)

f

00

= bf

0

+ cf i f (0) = 0, f

0

(0) = 0.

Poka˙zemy, ˙ze

(3)

f (x) = 0 dla ka˙zdego x ∈ R.

35

background image

W tym celu rozpatrzmy

(4)

g(x) = f (x)e

−αx

.

owczas g

00

(x) = (f

00

(x) − 2αf

0

(x) + α

2

f (x))e

−αx

i poniewa˙z z (2), f

00

=

bf

0

+ cf = 2αf

0

+ cf , mamy g

00

(x) = (α

2

+ c)f (x)e

−αx

= −β

2

f (x)e

−αx

.

Zatem, zob. (4) i (2),

(5)

g

00

= −β

2

g, g(0) = 0, g

0

(0) = 0.

Poniewa˙z [(g

0

)

2

+ β

2

g

2

]

0

= 2g

00

g

0

+ 2β

2

g

0

g, z (5) wynika, ˙ze ta pochodna

jest stale zerem, a wi

,

ec (g

0

)

2

+ β

2

g

2

jest funkcj

,

a sta l

,

a i przyjmuje warto´s´

c

zero. To oznacza w szczeg´

olno´sci, ˙ze g jest funkcj

,

a zerow

,

a i dostajemy (3),

zob. (4).

Niech teraz y = y(x) b

,

edzie dowolnym rozwi

,

azaniem (1). Poniewa˙z ma-

cierz

"

y

1

(0) y

2

(0)

y

0

1

(0) y

0

2

(0)

#

=

"

1

0

α β

#

jest odwracalna, istniej

,

a jednoznacznie wyznaczone liczby a

1

, a

2

takie, ˙ze

"

y

1

(0) y

2

(0)

y

0

1

(0) y

0

2

(0)

# "

a

1

a

2

#

=

"

y(0)

y

0

(0)

#

.

owczas f = y − (a

1

y

1

+ a

2

y

2

) spe lnia (2), zatem z (3), y = a

1

y

1

+ a

2

y

2

,

przy czym wsp´

o lczynniki a

1

, a

2

s

,

a wyznaczone jednoznacznie.

.

Uwaga. Zbi´

or rozwi

,

aza´

n r´

ownania

(6)

y

0

= ay

jest przestrzeni

,

a jednowymiarow

,

a.

Istotnie, wszystkie rozwi

,

azania (6) s

,

a postaci y(x) = ce

ax

, gdzie c jest

sta l

,

a.

10. R´

ownania r´

o ˙znicowe drugiego rz

,

edu i pot

,

egowanie macierzy

kwadratowych.

Dla ci

,

agu x

0

, x

1

, . . . przyjmijmy oznaczenie

(1)

∆x

n

= x

n+1

− x

n

.

owczas

(2)

2

x

n

= ∆(∆x

n

) = x

n+2

− 2x

n+1

+ x

n

.

36

background image

Jednorodnym r´

ownaniem r´

o˙znicowym drugiego rz

,

edu nazywamy r´

ownanie

(3)

2

x

n

+ α∆x

n

+ βx

n

= 0, x

0

= a

0

, x

1

= a

1

.

Rozwi

,

azanie r´

ownania (3) polega na znalezieniu wszystkich opisanych tym

ownaniem ci

,

ag´

ow o pierwszych dw´

och wyrazach a

0

, a

1

.

Zgodnie z (1) i (2) zagadnienie (3) mo˙zna opisa´

c r´

ownowa˙znie w postaci

rekurencyjnej

(4)

x

n+2

= bx

n+1

+ cx

n

, x

0

= a

0

, x

1

= a

1

.

co z kolei zapisuje si

,

e w postaci macierzowej

(5)

"

x

n+2

x

n+1

#

= A

"

x

n+1

x

n

#

,

A =

"

b

c

1 0

#

,

x

0

= a

0

, x

1

= a

1

.

Poniewa˙z (5) oznacza, ˙ze dla n = 1, 2, . . .

(6)

"

x

n+1

x

n

#

= A

n

"

a

1

a

0

#

,

A =

"

b

c

1 0

#

,

rozwi

,

azanie r´

ownania r´

o˙znicowego (3) sprowadza si

,

e do wyznaczenia dowol-

nej pot

,

egi (2 × 2)-macierzy.

Poka˙zemy jak to zrobi´

c dla macierzy

(7)

A =

"

b

c

1 d

#

, gdzie (b − d)

2

+ 4c > 0.

Warunek (b − d)

2

+ 4c > 0 zapewnia, ˙ze wielomian zmiennej λ

(8)

det(A − λI

2

) = λ

2

− (b + d)λ + (bd − c)

ma dwa r´

o˙zne pierwiastki rzeczywiste λ

1

, λ

2

.

W tej sytuacji macierz

(9)

M =

"

λ

1

− d λ

2

− d

1

1

#

jest odwracalna i mno˙z

,

ac odpowiednie macierze mo˙zna sprawdzi´

c, ˙ze

(10)

AM = M

"

λ

1

0

0

λ

2

#

.

Mno˙z

,

ac obie strony (10) z prawej strony przez M

−1

dostajemy r´

owno´s´

c

37

background image

A = M

"

λ

1

0

0

λ

2

#

M

−1

,

z kt´

orej mo˙zna latwo wyprowadzi´

c wz´

or na pot

,

egi macierzy A

(11)

A

n

= M

"

λ

n
1

0

0

λ

n
2

#

M

−1

.

Przyk lad 1 (Ci

,

ag Fibonacciego). Znajdziemy rozwi

,

azania r´

ownania

x

n+2

= x

n+1

+ x

n

, x

0

= 0, x

1

= 1.

Dla macierzy, zob. (4) i (5),

A =

"

1 1
1 0

#

wielomian, zob. (8), det(A − λI

2

) = λ

2

− λ − 1 ma dwa r´

o˙zne pierwiastki

λ

1

=

1−

5

2

, λ

2

=

1+

5

2

.

Niech, zob. (9),

M =

"

λ

1

λ

2

1

1

#

.

owczas

M

−1

=

1

λ

1

−λ

2

"

1

−λ

2

−1

λ

1

#

,

a wi

,

ec, zgodnie z (6) i (11),

"

x

n+1

x

n

#

=

1

λ

1

−λ

2

"

λ

1

λ

2

1

1

# "

λ

n
1

0

0

λ

n
2

# "

1

−λ

2

−1

λ

1

# "

1
0

#

=

=

1

λ

1

−λ

2

"

λ

1

λ

2

1

1

# "

λ

n
1

−λ

n
2

#

,

st

,

ad

x

n

=

1

5

[(

1+

5

2

)

n

− (

1−

5

2

)

n

].

Przyk lad 2 (Model Samuelsona). W kolejnych odst

,

epach czasu roz-

patruje si

,

e doch´

od narodowy Y

n

, konsumpcj

,

e C(n) i inwestycje I(n), n =

0, 1, 2, . . .. Zwi

,

azek mi

,

edzy nimi opisuj

,

a r´

ownania

Y

n

= C(n) + I(n), C(n + 1) = γY

n

, I(n + 1) = α(C(n + 1) − C(n)),

gdzie γ ∈ (0, 1) jest (sta l

,

a) sk lonno´sci

,

a do oszcz

,

edzania i α > 0 jest (sta lym)

wsp´

o lczynnikiem akceleracji.

38

background image

Eliminuj

,

ac C(n) i I(n) otrzymujemy r´

ownanie

Y

n+2

= γ(1 + α)Y

n+1

− αγY

n

.

Przyjmuj

,

ac, ˙ze wielko´sci Y

0

= a

0

, Y

1

= a

1

s

,

a znane, mamy zatem

"

Y

n+1

Y

n

#

= A

n

"

a

1

a

0

#

,

A =

"

γ(1 + α) −αγ

1

0

#

.

Z macierz

,

a A zwi

,

azany jest wielomian (zob. (8))

det

"

γ(1 + α) − λ −αγ

1

−λ

#

= λ

2

− γ(1 + α)λ + αγ,

kt´

ory ma dwa r´

o˙zne pierwiastki rzeczywiste λ

1

, λ

2

je´sli spe lniony jest waru-

nek γ(1 + α)

2

− 4α > 0. W´

owczas pot

,

egi A

n

s

,

a opisane formu l

,

a (11), gdzie

M jest macierz

,

a z (9) dla d = 0.

Przyk lad 3. Interesuj

,

acy nas obiekt (np. wybrana ga l

,

z gospodarki)

mo˙ze znajdowa´

c si

,

e w jednym z czterech stan´

ow, przy czym sytuacj

,

e w danej

chwili opisuje wektor

~

p =




p

1

p

2

p

3

p

4




, p

i

> 0, p

1

+ p

2

+ p

3

+ p

4

= 1,

gdzie p

i

jest interpretowane jako prawdopodobie´

nstwo tego, ˙ze obiekt jest w

stanie i.

Za l´

o˙zmy, ˙ze po up lywie sta lej jednostki czasu obiekt pozostaje w tym

samym stanie z prawdopodobie´

nstwem α ∈ [0, 1], lub przechodzi w inny stan

z prawdopodobie´

nstwem

1−α

3

, dla ka´

zdego ze stan´

ow innych ni˙z wyj´sciowy.

Je´sli wi

,

ec w danej chwili stan obiektu opisany jest wektorem ~

p, to po

up lywie jednostki czasu, jego stan opisuje wektor

~

q = P ~

p , gdzie P =




α

1−α

3

1−α

3

1−α

3

1−α

3

α

1−α

3

1−α

3

1−α

3

1−α

3

α

1−α

3

1−α

3

1−α

3

1−α

3

α




.

Interesuje nas jakie jest prawdopodobie´

nstwo tego, ˙ze obiekt, kt´

ory w

chwili pocz

,

atkowej by l w stanie 1 z prawdopodobie´

nstwem 1, po up lywie n

jednostek czasu b

,

edzie w tym samym stanie. Chcemy zatem wyznaczy´

c, dla

39

background image

n = 1, 2, . . ., pierwsz

,

a wsp´

o lrz

,

edn

,

a wektora P

n

~

e

1

, czyli wyraz macierzy P

n

stoj

,

acy w pierwszym wierszu i pierwszej kolumnie.

Pomijaj

,

ac oczywisty przypadek α = 1, mo˙zemy zapisa´

c

(12)

P =

1−α

3

Q , Q =




β

1

1

1

1

β

1

1

1

1

β

1

1

1

1

β




, β =

1−α

.

Mno˙z

,

ac macierz Q przez siebie, latwo dostrzec, ˙ze kolejne pot

,

egi Q maj

,

a

posta´

c

(13)

Q

n

=




x

n

y

n

y

n

y

n

y

n

x

n

y

n

y

n

y

n

y

n

x

n

y

n

y

n

y

n

y

n

x

n




,

przy czym x

0

= 1, y

0

= 0 oraz

x

n+1

= βx

n

+ 3y

n

, y

n+1

= x

n

+ (β + 2)y

n

,

a wi

,

ec

(14)

"

x

n+1

y

n+1

#

= A

"

x

n

y

n

#

, A =

"

β

3

1

β + 2

#

,

St

,

ad, dla n = 1, 2, . . .,

(15)

"

x

n

y

n

#

= A

n

"

1
0

#

.

Macierz A zdefiniowana w (14) spe lnia warunek (7), przy czym pierwiastkami

wielomianu det

"

β − λ

3

1

(β + 2) − λ

#

, zob. (8), s

,

a λ

1

= β − 1 i λ

2

= β + 3.

Dla macierzy opisanej formu l

,

a (9) mamy wi

,

ec

M =

"

−3 1

1

1

#

, M

−1

=

1
4

"

−1 1

1

3

#

,

sk

,

ad, zob. (11) i (15),

"

x

n

y

n

#

=

1
4

"

−3 1

1

1

# "

(β − 1)

n

0

0

(β + 3)

n

# "

−1 1

1

3

# "

1
0

#

=

=

1
4

"

−3 1

1

1

# "

−(β − 1)

n

(β + 3)

n

#

.

40

background image

Podstawiaj

,

ac (zob. 12) β =

1−α

otrzymujemy

x

n

=

1
4

[3(

4α−1

1−α

)

n

+ (

3

1−α

)

n

],

a zatem, zgodnie z (12) i (13), prawdopodobie´

nstwo, ˙ze obiekt, po up lywie

n jednostek czasu, pozostaje w stanie 1 jest r´

owne

(

1−α

3

)

n

x

n

=

1
4

[3(

4α−1

3

)

n

+ 1].

11. Uzupe lnienie: przekszta lcenia liniowe.

Przekszta lcenie T : ~

R

n

→ ~

R

m

jest liniowe, je´sli

(1)

T (~

x + ~

y) = T (~

x) + T (~

y), T (a~

x) = aT (~

x), dla ~

x, ~

y ∈ ~

R

n

, a ∈ R.

Dla ustalonej bazy ~

v

1

, . . . , ~

v

n

∈ ~

R

n

, wskazanie uk ladu wektor´

ow ~

u

1

, . . . , ~

u

n

~

R

m

jednoznacznie wyznacza przekszta lcenie liniowe T : ~

R

n

→ ~

R

m

spe lniaj

,

ace

warunki

(2)

T ( ~

v

j

) = ~

u

j

,

j = 1, 2, . . . , n,

a mianowicie przekszta lcenie T opisane formu l

,

a

(3)

T (a

1

~

v

1

+ . . . + a

n

~

v

n

) = a

1

~

u

1

+ . . . + a

n

~

u

n

, a

j

∈ R.

Przekszta lcenie liniowe T spe lniaj

,

ace (2) jest okre´slone (m × n)-macierz

,

a

(4)

A = [ ~

u

1

, . . . , ~

u

n

][ ~

v

1

, . . . , ~

v

n

]

−1

,

to znaczy, dla macierzy (4),

(5)

T (~

x) = A~

x, dla ~

x ∈ ~

R

n

.

/

Aby to sprawdzi´

c, wystarczy upewni´

c si

,

e, korzystaj

,

ac z liniowo´sci

przekszta lcenia A : ~

R

n

→ ~

R

m

okre´slonego przez A i formu ly (3), ˙ze T ( ~

v

j

) =

A ~

v

j

, dla j = 1, 2, . . . , n, to znaczy, zgodnie z (2), ˙ze

(6)

A ~

v

j

= ~

u

j

, j = 1, . . . , n.

Poniewa˙z [ ~

v

1

, . . . , ~

v

n

] ~

e

j

= ~

v

j

, wi

,

ec ~

e

j

= [ ~

v

1

, . . . , ~

v

n

]

−1

~

v

j

, sk

,

ad

~

u

j

= [ ~

u

1

, . . . , ~

u

n

] [ ~

v

1

, . . . , ~

v

n

]

−1

~

v

j

, a zatem otrzymujemy (6), zob. (4).

.

Przyk lad. Niech T : ~

R

2

→ ~

R

4

b

,

edzie przekszta lceniem liniowym spe l-

niaj

,

acym warunki T ( ~

v

j

) = ~

u

j

, dla j = 1, 2, gdzie

~

v

1

=

"

1
2

#

, ~

v

2

=

"

2
3

#

, ~

u

1

=




1
0
2
3




, ~

u

2

=




2
1
0
0




.

Znale´

c (4 × 2)-macierz A tak

,

a, ˙ze T (~

x) = A~

x dla x ∈ ~

R

2

.

41

background image

ZADANIA I

1. Niech

A =

"

2 1
1 3

#

,

B =

"

0 −1
1

3

#

,

C =

"

−2 3

1 1

#

(a) Znale´

c macierze AB, BA, B(A + 3C).

(b) Znale´

c (2 × 2) macierz X =

"

x

11

x

12

x

21

x

22

#

tak

,

a, ˙ze 2A + 5B + X =

3A + 2B.

(c) Niech ~

x =

"

2

−3

#

Znale´

c wektor (2B + 3C)~

x.

2. Niech

A =

"

0 −1
1

0

#

,

B =

"

0 1
1 0

#

,

C =

"

1

1

−1 −1

#

Znale´

c macierze (A + 2B) · (A + 2B), B

2

, C

2

, oraz (AC + BC)C

[ Uwaga: B

2

= B · B, C

2

= C · C].

3. Niech

A =

"

2 3
1 4

#

,

B =

"

1 2
1 4

#

,

C =




2

1

4

0

8 −1
3

2




,

D =




2

1

3

6

2

0

0

4

1 −1 1 −1
1

3

1

2




~

x =

"

1
3

#

,

~

y =




2
3
1
1




(a) Znale´

c CA.

(b) Znale´

c AB − BA.

(c) Znale´

c C(B~

x); znale´

c CB i sprawdzi´

c, ˙ze C(B~

x) = (CB)~

x.

(d) Znale´

c D~

y.

4. Czy dla dowolnych (2 × 2)-macierzy A i B spe lnione jest r´

ownanie

(A − B)(A + B) = A

2

− B

2

?

42

background image

ZADANIA II

1. Sprowadzi´

c nast

,

epuj

,

ace macierze operacjami elementarnymi na wier-

szach do postaci schodkowej.

(A)

"

1 2
2 1

#

,

(B)

"

0 1 3
1 2 3

#

,

(C)




3 −2 −5

1

3

2 −3

1

5 −3

1

2

0 −4 −3

1 −1 −4

9

22




(D)




4 −3 1 −5 −7
1 −1 0 −3 −3
3 −1 2

0

1

2

1

3 −8

7




,

(E)




2 2 2 1 −3
2 3 1 3

6

3 4 2 2

0

1 1 1 2

3




2. Wyja´sni´

c, czy uk lad r´

owna´

n jest niesprzeczny i je´sli tak, wyznaczy´

c

wszystkie rozwi

,

azania:

(A)

6x

1

+ 3x

2

+ 2x

3

+ 3x

4

+ 4x

5

= 5

4x

1

+ 2x

2

+

x

3

+ 2x

4

+ 3x

5

= 4

4x

1

+ 2x

2

+ 3x

3

+ 2x

4

+

x

5

= 0

2x

1

+

x

2

+ 7x

3

+ 3x

4

+ 2x

5

= 1

(B)

2x

1

− 3x

2

+

5x

3

+

7x

4

= 1

4x

1

− 6x

2

+

2x

3

+

3x

4

= 2

2x

1

− 3x

2

− 11x

3

− 15x

4

= 1

(C)

3x

1

− 5x

2

+ 2x

3

+ 4x

4

= 2

7x

1

− 4x

2

+

x

3

+ 3x

4

= 5

5x

1

+ 7x

2

− 4x

3

− 6x

4

= 3

3. Dany jest uk lad r´

owna´

n

(∗)

2x

4

+ 2x

5

= b

1

2x

1

+ 2x

2

+ 2x

3

+

2x

4

− 3x

5

= b

2

3x

1

+ 3x

2

+ 3x

3

+ 10x

4

+ 6x

5

= b

3

4x

1

+ 4x

2

+ 4x

3

+

8x

4

= b

4

Wyja´sni´

c, czy dla danego wektora

(A)




b

1

b

2

b

3

b

4




=




2
0
7
4




,

(B)




b

1

b

2

b

3

b

4




=




3
0
7
4




uk lad r´

owna´

n (∗) jest niesprzeczny i je´sli tak, wyznaczy´

c wszystkie rozwi

,

azania

tego uk ladu.

43

background image

ZADANIA III

1. Z danego uk ladu wektor´

ow wybra´

c baz

,

e w przestrzeni rozpi

,

etej na tym

uk ladzie i zapisa´

c pozosta le wektory z tego uk ladu jako kombinacje liniowe

wektor´

ow z wybranej bazy.

(A)

~

a

1

=


1
2
1


,

~a

2

=


2
5
0


,

~a

3

=


3
7
1


,

~a

4

=


1
1
3


(B) ~

a

1

=




2
1
3
5




,

~a

2

=




4
3
1
3




,

~a

3

=




0

−1

5
7




,

~a

4

=




3
2
3
4




,

~a

5

=




7
6

−7

0




(C)

~

a

1

=




2
0
0
1




,

~a

2

=




4
2
4
2




,

~a

3

=




8
3
6
3




,

~a

4

=




4
0
2
2




,

~a

5

=




5
0
2
2




2. Znale´

c baz

,

e w przestrzeni zerowej N (A) macierzy A.

(A) A =


1 3 1 3
2 1 2 1
1 0 1 0


(B) A =




2 6 5

8 5

1 3 2

3 1

3 9 6 10 6
1 3 3

6 7




3. Niech A =




2 4 4 8 5
0 2 0 3 0
1 4 2 6 2
1 2 2 3 2




.

(A) Znale´

c baz

,

e w przestrzeni N (A).

(B) Wyja´sni´

c, czy dla danego wektora ~b ∈ ~

R

4

uk lad r´

owna´

n A~

x = ~b jest

niesprzeczny i je´sli tak, poda´

c og´

olne rozwi

,

azanie tego uk ladu, wykorzystuj

,

ac

baz

,

e z (A).

(i) ~b =




3
3
5
1




(ii) ~b =




3
3
4
1




44

background image

ZADANIA IV

1. Wyja´sni´

c, czy macierz A jest odwracalna i je´sli tak, znale´

c macierz

odwrotn

,

a A

−1

:

(A) A =




2 4 2 2
0 2 0 2
1 2 1 0
0 1 1 2




,

(B) A =




1

4

3 3

0 −4 −2 8
1

2

2 7

1

0

2 3




,

(C) A =




2 1 1 1
1 2 1 1
1 1 2 1
1 1 1 2




(D) A =




0 1 0 1
2 0 2 3
1 0 0 1
2 2 2 2




2. Dla dowolnego wektora ~b =




b

1

b

2

b

3

b

4




rozwi

,

aza´

c uk lad r´

owna´

n:

(A)

x

2

+

x

4

= b

1

2x

1

+ 2x

3

+ 3x

4

= b

2

x

1

+

x

4

= b

3

2x

1

+ 2x

2

+ 2x

3

+ 2x

4

= b

4

(B)

2x

1

+

x

2

+

x

3

+

x

4

= b

1

x

1

+ 2x

2

+

x

3

+

x

4

= b

2

x

1

+

x

2

+ 2x

3

+

x

4

= b

3

x

1

+

x

2

+

x

3

+ 2x

4

= b

4

3. Niech

A =




2 1 1 1
1 2 1 1
1 1 2 1
1 1 1 2




,

B =


0 1 1 1
1 0 1 1
1 1 1 1


,

C =




0 1 0
1 0 0
1 1 1
1 0 0




Znale´

c macierze X =


x

11

x

12

x

13

x

14

x

21

x

22

x

23

x

24

x

31

x

32

x

33

x

34


, oraz Y =




y

11

y

12

y

13

y

21

y

22

y

23

y

31

y

32

y

33

y

41

y

42

y

43




takie, ˙ze XA = B, oraz AY = C.

45

background image

4. Niech

A =




4 1

3
2

3
2

1 3

1

3
2

2 1

5
2

1

3
2

1

3

5




,

B =




4 0 1 1
0 2 0 1
2 0 1 0
1 0 4 6




,

C =




a

b

0

c

d 0

c 0




.

Znale´

c macierz X =




x

11

x

12

x

21

x

22

x

31

x

32

x

41

x

42




tak

,

a, ˙ze AX =

1
2

BX + C.

5. Niech A =

"

1 2
2 3

#

.

(A) Znale´

c A

−1

.

(B) Znale´

c (2 × 2)-macierze X, Y spe lniaj

,

ace uk lad r´

owna´

n:

(

XA +

Y

= A

2X

+ Y A

−1

= A

−1

6. Niech A =


1 1 1
1 2 2
2 3 4


,

B =


2 1 0
1 1 1
0 1 1


.

Znale´

c macierze A

−1

, B

−1

, oraz (A

T

B)

−1

.

46

background image

ZADANIA V

1. Znale´

c rzut ortogonalny wektora ~b =




−3
−1

0
8




∈ ~

R

4

na przestrze´

n

V ⊂ ~

R

4

, gdzie

(A) V = Lin(~a

1

, ~a

2

), ~a

1

=




1

−1

2
1




, ~a

2

=




1
2
1
0




,

(B) V = N (B), B =


1

0

2 −2

1 −1 3 −1
1 −2 4

0


.

2.

Znale´

c rzut ortogonalny wektora ~b =


1
2
3


∈ ~

R

3

na przestrze´

n

V ⊂ ~

R

3

, gdzie

(A) V = Lin(~a), ~a =


1

−2
−2


,

(B) V = {~

x ∈ ~

R

3

: ~a

T

~

x = 0}, ~a

T

= (2, −1, 5).

3. Niech A =




1 3
1 2
0 1
1 1




, ~b =




1
2
2
1




.

Znale´

c min{k ~b − A~

x k: ~

x ∈ ~

R

2

}.

4. Warto´sciom 1, 4, 8, 11 wielko´sci t odpowiadaj

,

a warto´sci 1, 2, 4, 5 wielko´sci

y. Znale´

c m i c takie, ˙ze funkcja y = mt + c minimalizuje odchylenie kwa-

dratowe od obserwowanych pomiar´

ow.

5. Opisa´

c przestrze´

n V rozpi

,

et

,

a na wektorach

~a

1

=




1
0
2
1




,

~a

2

=




0
1
0

−1




jednorodnym uk ladem r´

owna´

n liniowych.

47

background image

ZADANIA VI

1. Znale´

c wyznacznik macierzy:




2 4 2 2
0 2 0 2
1 2 1 0
0 2 1 2




,




0 0 2 5
2 2 0 1
2 0 1 2
1 0 0 0




,




2 6 9 12
1 2 3

4

1 4 9 12
1 2 3

8




,




1 0 0 0
0 2 0 3
0 0 2 1
1 1 0 2




,




2 2 1 4
2 3 0 2
0 0 1 2
1 1 0 2




.

2. Niech

A =


2 0 1
4 1 0
0 1 2


,

B =


3 2 1
1 0 2
2 2 2


.

Znale´

c det (A

4

B

−5

), det(B

2

A

5

B

−3

), oraz det ((A

T

)

−3

).

3. Dla danej macierzy A znale´

c macierz stowarzyszon

,

a adj A, wyznacz-

nik det A i macierz odwrotn

,

a A

−1

:


2 1 1
4 1 0

−2 2 1


,

"

1 2
3 4

#

,


1 0 1
2 1 2
1 1 2


,


1 1 1
1 2 2
1 3 1


,


1 2 3
0 1 2
0 0 1


.

4. (A) Uzasadni´

c, ˙ze je´sli wszystkie wyrazy (3×3)-macierzy A s

,

a liczbami

ca lkowitymi, to wyznacznik det A jest liczb

,

a ca lkowit

,

a.

(B) Uzasadni´

c, ˙ze je´sli wszystkie wyrazy (4 × 4)-macierzy A s

,

a liczbami

ca lkowitymi i det A = 1, to wszystkie wyrazy macierzy odwrotnej A

−1

s

,

a

liczbami ca lkowitymi.

48

background image

ZADANIA VII.

1.

W modelu Leontiewa dla trzech ga l

,

ezi gospodarki dana jest macierz

przep lyw´

ow mi

,

edzyga l

,

eziowych:




3 0 2

1

6

0 6 2

4

12

1 6 0

1

8




.

(a) O ile powinny wzrosn

,

c produkcje globalne x

i

, je´sli produkty ko´

ncowe

maj

,

a wzrosn

,

c o ∆d

1

= 0, ∆d

2

= 1, ∆d

3

= 3?

(b) O ile wzrosn

,

a produkty ko´

ncowe, je´sli produkcja globalna ka˙zdej ga l

,

ezi

podwoi si

,

e?

2. W modelu Leontiewa dla trzech ga l

,

ezi gospodarki dana jest macierz

przep lyw´

ow mi

,

edzyga l

,

eziowych:




2 2 0

1

5

0 6 1

3

10

1 2 1

1

5




.

(a) Ustali´

c plan produkcji globalnej tak, aby pierwsza ga l

,

z wytwarza la

produkt ko´

ncowy o warto´sci 2, druga – o warto´sci 3, a trzecia – o warto´sci 6.

(b) O ile wzrosn

,

a produkty ko´

ncowe, je´sli produkty globalne wzrosn

,

a o

∆x

1

= 1, ∆x

2

= 1, ∆x

3

= 2?

49

background image

ODPOWIEDZI I

1. (a) AB =

"

1 1
3 8

#

, BA =

"

−1 −3

5

10

#

, B(A + 3C) =

"

−4 −6

8

28

#

.

(b) X = A − 3B =

"

2

4

−2 −6

#

.

(c) (2B + 3C)~

x =

"

−33
−17

#

.

2. (A + 2B) · (A + 2B) =

"

3 0
0 3

#

, B

2

=

"

1 0
0 1

#

, C

2

=

"

0 0
0 0

#

,

(AC + BC)C = (A + B)C

2

=

"

0 0
0 0

#

.

3. (a) CA =




5

10

8

12

15 20

8

17




.

(b) AB − BA =

"

1

5

−1 −1

#

.

(c) B~

x =

"

7

13

#

; C(B~

x) =




27
28
43
47




; CB =




3

8

4

8

7 12
5 14




.

(d) D~

y =




16

8

−1

14




.

4. (A − B)(A + B) = A

2

+ AB − BA − B

2

, wi

,

ec r´

ownanie nie jest na og´

o l

spe lnione ((2 × 2)-macierze A, B z zada´

n 1,2 i 3 pokazuj

,

a, ˙ze AB mo˙ze si

,

e

o˙zni´

c od BA).

50

background image

ODPOWIEDZI II

1. Posta´

c schodkowa macierzy nie jest wyznaczona jednoznacznie, niezmiene

s

,

a jedynie numery kolumn, w kt´

orych wyst

,

epuj

,

a kolejne schodki. Dla ma-

cierzy z (A) s

,

a to kolumny o numerach 1, 2; z (B) 1, 2; z (C) 1, 2, 3, 4; z (D)

1, 2, 4, 5; z (E) 1, 2, 4.

2. Zapis zbioru rozwi

,

aza´

n nie jest jednoznaczny, niezmiena jest liczba para-

metr´

ow (zmiennych niezale˙znych). Podane ni˙zej rozwi

,

azania s

,

a otrzymane

w wyniku zastosowania standardowej metody opisanej w tek´scie (przedsta-
wienie rozwiazania jako sumy wektor´

ow ma na celu u latwienie identyfikacji

poszczeg´

olnych element´

ow tego rozwi

,

azania).

(A) ~

x =







−3/2

0

−2

6
0







+ x

2







−1/2

1
0
0
0







+ x

5







3/4

0
1

−7/2

1







.

(B) ~

x =




1/2

0
0
0




+ x

2




3/2

1
0
0




+ x

4




−1/16

0

−11/8

1




.

(C) Uk lad sprzeczny.

3. Oba uk lady s

,

a niesprzeczne. Rozwi

,

azania r´

o˙zni

,

a si

,

e pierwszym sk ladnikiem,

kt´

ory zale˙zy od b

1

, b

2

, b

3

, b

4

(suma pozosta lych sk ladnik´

ow jest rozwi

,

azaniem

jednorodnego uk ladu r´

owna´

n).

(A) ~

x =







−1

0
0
1
0







+ x

2







−1

1
0
0
0







+ x

3







−1

0
1
0
0







.

(B) ~

x =







−4

0
0

5/2

−1







+ x

2







−1

1
0
0
0







+ x

3







−1

0
1
0
0







.

51

background image

ODPOWIEDZI III

1. Wyb´

or bazy nie jest jednoznaczny, niezale˙zna od wyboru jest liczba wek-

tor´

ow bazy. Podane ni˙zej rozwi

,

azania s

,

a otrzymane w wyniku zastosowania

standardowej metody opisanej w tek´scie.

(A) Baza: ~a

1

, ~a

2

;

~a

3

= ~a

1

+ ~a

2

,

~a

4

= 3~a

1

− ~a

2

.

(B) Baza: ~a

1

, ~a

2

, ~a

4

;

~a

3

= 2~a

1

− ~a

2

,

~a

5

= ~a

1

+ 5~a

2

− 5~a

4

.

(C) Baza: ~a

1

, ~a

2

, ~a

3

, ~a

4

;

~a

5

= 0~a

1

3
4

~a

2

+

1
2

~a

3

+ ~a

4

.

2. Wyb´

or bazy nie jest jednoznaczny, niezale˙zna od wyboru jest liczba wek-

tor´

ow bazy. Podane ni˙zej rozwi

,

azania s

,

a otrzymane w wyniku zastosowania

standardowej metody opisanej w tek´scie.

(A)




−1

0
1
0




,




0

−1

0
1




.

(B)







−3

1
0
0
0







,







2
0
3

−3

1







.

3. (A)







−2

0
1
0
0







,







−2

3/4

0

−1/2

1







;

inna odpowied´

z:







−2

0
1
0
0







,







−8

3
0

−2

4







.

(B) Wektor ~b w (ii) jest r´

o˙znic

,

a dw´

och ostatnich kolumn macierzy A,

wi

,

ec bez redukcji do postaci schodkowej wida´

c, ˙ze uk lad jest niesprzeczny

(ma rozwi

,

azanie x

1

= x

2

= x

3

= 0, x

4

= 1, x

5

= −1), a jego wszystkie

rozwi

,

azania mo˙zna zapisa´

c (jako sum

,

e tego rozwi

,

azania i dowolnego wektora

z N (A)) w postaci

(ii) ~

x =







0
0
0
1

−1







+ s







−2

0
1
0
0







+ t







−8

3
0

−2

4







.

W celu rozwi

,

azania (i) (oraz (ii), je´sli kto´s nie zauwa˙zy l opisanego wy˙zej

rozwi

,

azania) trzeba zredukowa´

c macierz A z dopisan

,

a kolumn

,

a wyraz´

ow wol-

nych ~b z (i) (oraz kolumn

,

a ~b z (ii)). Uk lad z (i) jest sprzeczny, a standardowe

52

background image

rozwi

,

azanie uk ladu z (ii) (otrzymane jako suma rozwi

,

azania dla x

3

= x

5

= 0

i dowolnego wektora z N (A)) ma posta´

c

~

x =







−2

3/4

0

1/2

0







+ s







−2

0
1
0
0







+ t







−8

3
0

−2

4







.

ODPOWIEDZI IV

1. (A) A

−1

= 1/2




3 −1 −4 −2

−1

1

2

0

−1 −1

2

2

1

0 −2

0




,

(B) A nie jest odwracalna,

(C) A

−1

= 1/5




4 −1 −1 −1

−1

4 −1 −1

−1 −1

4 −1

−1 −1 −1

4




,

(D) A

−1

= 1/6




−4 −2

6

2

2 −2

0

2

−2

2 −6

1

4

2

0 −2




.

2. W obu punktach mamy uk lad A~

x = ~b, przy czym macierz A jest odwra-

calna: w (A) mamy macierz z zadania 1(D), a w (B) z 1(C).

Dla ustalonego wektora ~b jedynym rozwi

,

azaniem jest wektor ~

x = A

−1

~b

(dla ka˙zdego z punkt´

ow podane s

,

a dwa poprawne zapisy rozwi

,

azania).

(A) ~

x =

1
6




−4b

1

− 2b

2

+ 6b

3

+ 2b

4

2b

1

− 2b

2

+ 0b

3

+ 2b

4

−2b

1

+ 2b

2

− 6b

3

+ b

4

4b

1

+ 2b

2

+ 0b

3

− 2b

4




=

1
6




b

1




−4

2

−2

4




+ b

2




−2
−2

2
2




+ b

3




6
0

−6

0




+ b

4




2
2
1

−2







,

(B) ~

x =

1
5




4b

1

− b

2

− b

3

− b

4

−b

1

+ 4b

2

− b

3

− b

4

−b

1

− b

2

+ 4b

3

− b

4

−b

1

− b

2

− b

3

+ 4b

4




=

53

background image

1
5




b

1




4

−1
−1
−1




+ b

2




−1

4

−1
−1




+ b

3




−1
−1

4

−1




+ b

4




−1
−1
−1

4







.

3. A jest macierz

,

a odwracaln

,

a z zadania 1(C) wi

,

ec

X = BA

−1

=

1
5


−3

2

2 2

2

−3 2 2

1

1

1 1


,

Y = A

−1

C =

1
5




−3

3

−1

2

−2 −1

2

3

4

2

−2 −1




.

4. Dodaj

,

ac do obu stron −

1
2

BX dostajemy AX −

1
2

BX = C, czyli (A −

1
2

B)X = C. Poniewa˙z A −

1
2

B jest odwracaln

,

a macierz

,

a z zadania 1(C),

mno˙z

,

ac z lewej strony przez (A −

1
2

B)

−1

dostajemy X = (A −

1
2

B)

−1

C, czyli

X =

1
5




4

−1 −1 −1

−1

4

−1 −1

−1 −1

4

−1

−1 −1 −1

4







a b
0 c
d 0

c 0




=

1
5




4a − d − c

4b − c

−a − d − c

−b + 4c

−a + 4d − c

−b − c

−a − d + 4c

−b − c




.

5. (A)

A

−1

=

"

−3

2

2

−1

#

.

(B) Mno˙z

,

ac drugie r´

ownanie z prawej strony przez A i odejmuj

,

ac stronami

pierwsze dostajemy XA = I

2

− A. Zatem

X = A

−1

− I

2

=

"

−4

2

2

−2

#

i

Y = 2A − I

2

=

"

1 4
4 5

#

6. A

−1

=


2 −1

0

0

2 −1

−1 −1

1


,

B

−1

=


0

1 −1

1 −2

2

−1

2 −1


,

(A

T

B)

−1

= B

−1

(A

T

)

−1

= B

−1

(A

−1

)

T

=


−1

3 −2

4 −6

3

−4

5 −2


.

54

background image

ODPOWIEDZI V

1. (A) P (~b) =




0

−3

1
1




,

(B) P (~b) =

1
9




−8

18
11

7




.

2. (A) P (~b) =


−1

2
2


,

(B) P (~b) =

1
2


0
5
1


.

3.

30

3

.

4. m =

12
29

,

c =

15
29

5.

Warunek P (~

x) − ~

x = ~0 daje (po wymno˙zeniu obu stron przez 11) uk lad

owna´

n Q~

x = ~0, gdzie

Q =




−9

1

4

1

1 −5

2 −5

4

2 −3

2

1 −5

2 −5




jest macierz

,

a rz

,

edu 2.

Wiersze Q mo˙zna interpretowa´

c jako wektory prostopad le do V . Ta obser-

wacja prowadzi do innej, bardziej bezpo´sredniej, metody znajdowania uk ladu

owna´

n opisuj

,

acego V (zob. 5.4 (10)).

Wektory ~

u prostopad le do V spe lniaj

,

a dwa warunki: ~a

T
1

~

u = 0 i ~a

T
2

~

u = 0.

Rozwi

,

azuj

,

ac uk lad r´

owna´

n

"

1 0 2

1

0 1 0 −1

#

~

x =

"

0
0

#

dostajemy dwa liniowo niezale˙zne wektory ~

u

1

, ~

u

2

prostopad le do V . Dla

macierzy B = [~

u

1

, ~

u

2

]

B

T

=

"

−2 0 1 0
−1 1 0 1

#

jest macierz

,

a innego jednorodnego uk ladu r´

owna´

n, kt´

ory r´

ownie˙z opisuje V .

55

background image

ODPOWIEDZI VI

1. Warto´sci wyznacznik´

ow: 4, −2, −24, 2, 2.

2. det A = 2

3

, det B = −6, wi

,

ec z formu ly Cauchy’ego dostajemy:

det (A

4

B

−5

) =

−2

7

3

5

,

det(B

2

A

5

B

−3

) =

−2

14

3

,

det ((A

T

)

−3

) =

1

2

9

.

3. Warto´sci wyznacznik´

ow: 8, −2, 1, −2, 1. Macierze stowarzyszone:


1

1 −1

−4

4

4

10 −6 −2


,

"

4 −2

−3

1

#

,


0

1 −1

−2

1

0

1 −1

1


,


−4

2

0

1

0 −1

1 −2

1


,


1 −2

1

0

1 −2

0

0

1


.

A

−1

=

1

detA

adjA.

ODPOWIEDZI VII.

1.

L =

1

12


6

0 −3

0

6 −3

−2 −6

12


,

L

−1

=

1
4


9

3 3

1 11 3
2

6 6


.

(a) ∆x

1

= 3, ∆x

2

= 5, ∆x

3

= 6.

(b) Podwoj

,

a si

,

e.

2. L =

1
5


3 −1

0

0

2 −1

−1 −1

4


,

L

−1

=

1
4


7

4 1

1 12 3
2

4 6


.

(a) x

1

= 8, x

2

= 14, x

3

= 13.

(b) ∆d

1

=

2
5

, ∆d

2

= 0, ∆d

3

=

6
5

.

56


Wyszukiwarka

Podobne podstrony:
Psychologia Ogólna - skrypt dla studentów, UWM, oligorfenopedagogika, Rok I, Semestr I, Psychologia
Krajowa lista ndzk skrypt dla studentĂlw  01 2013
HISTORIA POWSZECHNA45 1992 skrypt dla studentow
Biologia skrypt dla studentów medycyny, Wrocław 2008(1)
SKRYPT DLA STUDENTÓW, ERGONOMIA
Godnosc wlasna a zachowanie skrypt dla studentow WSFiZ 2005
WSPTWP PEZ skrypt dla studentów
Górski Religie skrypt dla studentów
Andragogika skrypt dla studentów
TEOLOGIA MORALNA Skrypt dla studentow 2007 2008
Algebra zbiorów, Ściągi dla studentów, Matematyka
skrypt prorocy dla studentów, STARY TESTAMENT
Algebra zbiorów, Ściągi dla studentów, Matematyka
gruźlica dla studentów2

więcej podobnych podstron