Materia l do zaj
,
e´c z algebry liniowej na
Wydziale Zarz
,
adzania Uniwersytetu
Warszawskiego
J´
ozef Chaber, El˙zbieta Pol i Roman Pol
1
Komentarz.
Materia l odpowiada programowi zaj
,
e´
c z algebry liniowej na Wydziale
Zarz
,
adzania UW i jest oparty na naszym do´swiadczeniu w prowadzeniu tych
zaj
,
e´
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
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
r´
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
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
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
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´
z´
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
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.
M´
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
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
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
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
r´
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
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´
s´
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
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´
s´
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
/
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.
R´
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
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).
W´
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
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
r´
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
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´
z´
c metod
,
a opisan
,
a w 3.3. Aby
znale´
z´
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´
z´
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
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
r´
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
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
R´
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.
M´
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
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
].
W´
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´
z´
c
A
−1
.
19
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´
z´
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´
z´
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´
s´
c wektor´
ow i norma wektora.
M´
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
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
.
M´
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.
W´
owczas
(3)
P (~b) = A ~
w.
/
Aby uzasadni´
c t
,
e procedur
,
e, sprawdzimy przede wszystkim, ˙ze uk lad
r´
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
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´
z´
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
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´
z´
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
Przyk lady. 1. Niech A =
1 −2
−1
1
1
1
, ~b =
1
1
−3
.
Znale´
z´
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´
z´
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´
z´
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
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´
z´
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
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
r´
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
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´
z´
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´
z´
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
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´
z´
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
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´
z´
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
j-t
,
a ga l
,
a´
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
/
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´
z´
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
,
a´
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
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´
z´
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
~
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
.
W´
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
r´
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´
z´
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
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.
W´
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
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
,
a´
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
W tym celu rozpatrzmy
(4)
g(x) = f (x)e
−αx
.
W´
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)
#
.
W´
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
.
W´
owczas
(2)
∆
2
x
n
= ∆(∆x
n
) = x
n+2
− 2x
n+1
+ x
n
.
36
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
r´
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
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
#
.
W´
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
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
,
a´
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
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 =
3α
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
Podstawiaj
,
ac (zob. 12) β =
3α
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´
z´
c (4 × 2)-macierz A tak
,
a, ˙ze T (~
x) = A~
x dla x ∈ ~
R
2
.
41
ZADANIA I
1. Niech
A =
"
2 1
1 3
#
,
B =
"
0 −1
1
3
#
,
C =
"
−2 3
1 1
#
(a) Znale´
z´
c macierze AB, BA, B(A + 3C).
(b) Znale´
z´
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´
z´
c wektor (2B + 3C)~
x.
2. Niech
A =
"
0 −1
1
0
#
,
B =
"
0 1
1 0
#
,
C =
"
1
1
−1 −1
#
Znale´
z´
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´
z´
c CA.
(b) Znale´
z´
c AB − BA.
(c) Znale´
z´
c C(B~
x); znale´
z´
c CB i sprawdzi´
c, ˙ze C(B~
x) = (CB)~
x.
(d) Znale´
z´
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
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
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´
z´
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´
z´
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
ZADANIA IV
1. Wyja´sni´
c, czy macierz A jest odwracalna i je´sli tak, znale´
z´
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´
z´
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
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´
z´
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´
z´
c A
−1
.
(B) Znale´
z´
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´
z´
c macierze A
−1
, B
−1
, oraz (A
T
B)
−1
.
46
ZADANIA V
1. Znale´
z´
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´
z´
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´
z´
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´
z´
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
ZADANIA VI
1. Znale´
z´
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´
z´
c det (A
4
B
−5
), det(B
2
A
5
B
−3
), oraz det ((A
T
)
−3
).
3. Dla danej macierzy A znale´
z´
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
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
,
a´
c produkcje globalne x
i
, je´sli produkty ko´
ncowe
maj
,
a wzrosn
,
a´
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
,
a´
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
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
r´
o˙zni´
c od BA).
50
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
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
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
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
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
r´
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
r´
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
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