Matematyjka Dzialania na macierzach

background image

1

Elementy algebry liniowej

1.1

Dzia lania na macierzach

Definicja: Macierz o wymiarach m

× n to prostok

,

atna tablica liczb

A =


a

11

. . .

a

1n

. . . . . .

. . .

a

m1

. . . a

mn


z lo˙zona z m wierszy i n kolumn. M´

owimy, ˙ze dwie macierze

A =


a

11

. . .

a

1n

. . . . . .

. . .

a

m1

. . . a

mn


i

B =


b

11

. . .

b

1n

. . . . . .

. . .

b

m1

. . . b

mn


s

,

a r´

owne, je´sli a

ij

= b

ij

dla wszystkich i = 1, 2, . . . , m i j = 1, 2, . . . , n

Przyk lad:

A =

"

1 2 3
4 5 6

#

, B =

"

−1

5

0

0

−2 −4

#

,

C =


1 4
2 5
3 6


, D =


−1

0

5

−2

0

−4


Θ =


0 0
0 0
0 0


, Θ =

"

0 0 0
0 0 0

#

− macierze zerowe,

I =

"

1 0
0 1

#

, I =


1 0 0
0 1 0
0 0 1


− macierze jednostkowe.

"

a 0

0 d

#

,


a 0 0

0

b 0

0 0

c


− macierze diagonalne,

"

a

b

0 d

#

,

"

a 0

c d

#

,


a 0

0

b

c

0

d e f



a

b

c

0 d

e

0 0 f


- macierze tr´

ojk

,

atne.

Macierze kt´

ore maj

,

a tylko jedn

,

a kolumn

,

e i m wierszy nazywamy wektorami (kolum-

nowymi).

1

background image

Przyk lad:

~

x =


1
2
3


, ~

y =

"

−1

2

#

, ~0 =


0
0
0


− wektory kolumnowe

Macierze kt´

ore maj

,

a tylko jeden wiersz i n kolumn nazywamy wektorami (wierszo-

wymi).
Przyk lad:

~

x =

h

1 2 3

i

, ~

y =

h

−1 2

i

, ~0 =

h

0 0 0

i

− wektory wierszowe

Liczby b

,

edziemy r´

ownie˙z nazywa´

c skalarami.

Dodawanie i odejmowanie macierzy

Dwie macierze dodajemy (odejmujemy) dodaj

,

ac (odejmuj

,

ac) odpowiadaj

,

ace sobie

wyrazy. Stad wynika, ˙ze dodawanie jest wykonalne wtedy i tylko wtedy, gdy macie-
rze maj

,

a te same wymiary.

Przyk lad:

A + B =

"

1 2 3
4 5 6

#

+

"

−1

5

0

0

−2 −4

#

=

"

0 7 3
4 3 2

#

,

C

− D =


1 4
2 5
3 6



−1

0

5

−2

0

−4


=


2

4

−3

7

3 10


.

C + Θ =


1 4
2 5
3 6


+


0 0
0 0
0 0


=


1 4
2 5
3 6


.

Dzia lanie

A + D =

"

1 2 3
4 5 6

#

+


−1

0

5

−2

0

−4


nie jest wykonalne, bo macierze A i D maj

,

a r´

o˙zne wymiary.

Og´

olnie


a

11

. . .

a

1k

. . . . . .

. . .

a

m1

. . . a

mk


±


b

11

. . . b

1n

. . . . . .

. . .

b

k1

. . . b

kn


=


a

11

± b

11

. . .

a

1n

± b

1n

. . . . . .

. . .

a

m1

± b

m1

. . . a

mn

± b

mn


.

2

background image

Mno ˙zenie przez skalar

Aby pomno˙zy´

c macierz przez skalar, trzeba pomno˙zy´

c ka˙zdy wyraz macierzy przez

ten skalar.
Przyk lad:

3A = 3

"

1 2 3
4 5 6

#

=

"

3

6

9

12 15 18

#

−2C = −2


1 4
2 5
3 6


=


−2

−8

−4 −10
−6 −12


.

Og´

olnie

c


a

11

. . .

a

1k

. . . . . .

. . .

a

m1

. . . a

mk


=


ca

11

. . .

ca

1n

. . . . . .

. . .

ca

m1

. . . ca

mn


Transpozycja

Definicja: Macierz

,

a transponowan

,

a macierzy M jest macierz M

T

otrzymana z M

przez utworzenie wierszy z kolumn (co jest r´

ownowa˙zne z przekszta lceniem wierszy

w kolumny). Macierz, kt´

ora jest r´

owna swojej macierzy transponowanej, nazywamy

macierz

,

a symetryczn

,

a.

Przyk lad:

A

T

=

"

1 2 3
4 5 6

#

T

=


1 4
2 5
3 6


= C,

D

T

=


−1

0

5

−2

0

−4


T

=

"

−1

5

0

0

−2 −4

#

= B.

"

1

2

2

−1

#

T

=

"

1

2

2

−1

#

,


1

−2

5

−2

3

0

5

0

−5


T

=


1

−2

5

−2

3

0

5

0

−5


− macierze symetryczne.

Wynikiem transponowania macierzy transponowanej jest macierz wyj´sciowa, tzn.:
(M

T

)

T

= M.

3

background image

Mno ˙zenie macierzy

Je˙zeli R jest macierz

,

a o wymiarach m

× n , a S jest macierz

,

a o wymiarach n

× p, to

iloczyn RS jest macierz

,

a o wymiarach m

×p. Mno˙zenie jest wykonalne tylko wtedy,

gdy liczba kolumn pierwszej macierzy jest r´

owna liczbie wierszy drugiej macierzy. Me-

tod

,

e obliczania iloczynu macierzy najpierw poka˙zemy na przyk ladach.

Przyk lad:

AD =

"

1 2 3
4 5 6

#


−1

0

5

−2

0

−4


=

"

1

· (−1) + 2 · 5 + 3 · 0 1 · 0 + 2 · (−2) + 3 · (−4)

4

· (−1) + 5 · 5 + 6 · 0 4 · 0 + 5 · (−2) + 6 · (−4)

#

=

"

9

−16

21

−34

#

,

BC =

"

−1

5

0

0

−2 −4

#


1 4
2 5
3 6


=

"

9

21

−16 −34

#

.

Zauwa˙zmy, ˙ze (AD)

T

= BC = D

T

A

T

.

CB =


1 4
2 5
3 6


"

−1

5

0

0

−2 −4

#

=


−1 −3 −16
−2

0

−20

−3

3

−24


,

AI =

"

1 2 3
4 5 6

#


1 0 0
0 1 0
0 0 1


=

"

1 2 3
4 5 6

#

= A,

IA =

"

1 0
0 1

# "

1 2 3
4 5 6

#

=

"

1 2 3
4 5 6

#

.

Og´

olnie, je´sli


a

11

. . .

a

1k

. . . . . .

. . .

a

m1

. . . a

mk



b

11

. . . b

1n

. . . . . .

. . .

b

k1

. . . b

kn


=


c

11

. . .

c

1n

. . . . . .

. . .

c

m1

. . . c

mn


to

c

ij

= a

i1

b

1j

+ a

i2

b

2j

+

· · · + a

ik

b

kj

.

Twierdzenie: (W lasno´sci dzia la´

n na macierzach)

Je´sli P, R, S s

,

a macierzami i dzia lania s

,

a wykonalne, to zachodz

,

a nast

,

epuj

,

ace

owno´sci:

4

background image

1. P + (R + S) = (P + R) + S

5. IR = R oraz RI = R

2. P + R = R + P.

6. ΘR = Θ oraz RΘ = Θ

3. P (RS) = (P R)S

7. (R + S)

T

= R

T

+ S

T

4. Θ + R = R i R + Θ = R

8. (RS)

T

= S

T

R

T

Uwaga: Mno˙zenie macierzy nie jest przemienne. Na przyk lad

"

2 7
3 4

# "

0 1
1 0

#

=

"

7 2
4 3

#

"

0 1
1 0

# "

2 7
3 4

#

=

"

3 4
2 7

#

.

1.2

Wyznacznik macierzy

Definicja: Wyznacznikiem macierzy A = [a] o wymiarach 1

× 1 jest liczba a.

Definicja: Wyznacznikiem macierzy A =

"

a

b

c d

#

o wymiarach 2

× 2 nazywamy

wyra˙zenie ad

− bc. Wyznacznik macierzy A oznaczamy r´ownie˙z





a

b

c d





.

Wyznacznik macierzy A oznaczamy det A lub

|A|.

Niech A

ij

oznacza macierz, kt´

ora powstaje z macierzy A przez skre´slenie i-tego

wiersza i j-tej kolumny.

Wyznacznikiem macierzy A =


a

11

a

12

a

13

a

21

a

22

a

23

a

31

a

32

a

33


o wymiarach 3

× 3 jest

det(A) = a

11





a

22

a

23

a

32

a

33





− a

12





a

21

a

23

a

31

a

33





+ a

13





a

21

a

22

a

31

a

32





=

a

11

det(A

11

)

− a

12

det(A

12

) + a

13

det(A

13

).

Og´

olnie wyznacznikiem macierzy n

× n jest

det(A) = a

11

det(A

11

)

− a

12

det(A

12

) +

· · · + (−1)

n+1

a

1n

det(A

1n

).

Przyk lad:

det(


1 2 3
4 5 6
7 8 9


) = 1





5 6
8 9





− 2





4 6
7 9





+ 3





4 5
7 8





=

(45

− 48) − 2(36 − 42) + 3(32 − 35) = −3 + 12 − 9 = 0

Schemat Sarrusa

(Mo˙zna stosowa´

c tylko do macierzy 3

× 3)

5

background image







a

b

c

d

e

f

g

h

k







a

b

c

d

e

f

= aek + dhc + gbf

− ceg − fha − kbd

b

b

b

b

b

b

b

b

b

b

b

b

b

b

b

b

b

b

b

b

b

"

"

"

"

"

"

"

"

"

"

"

"

"

"

"

"

"

"

"

"

"

"

"

"

Twierdzenie: (W lasno´sci wyznacznik´

ow)

1. Transponowanie macierzy nie zmienia jej wyznacznika. det(A) = det(A

T

).

2. Zamiana dw´

och kolumn (lub wierszy) zmienia znak wyznacznika.

det([ ~

a

1

, . . . , ~

a

i

, . . . , ~

a

j

, . . . , ~

a

n

]) =

− det([ ~

a

1

, . . . , ~

a

j

, . . . , ~

a

i

, . . . , ~

a

n

])

3. Wyznacznik macierzy z powtarzaj

,

ac

,

a si

,

e kolumn

,

a (lub wierszem) jest r´

owny

zeru.

det([ ~

a

1

, . . . , ~

a

i

, . . . , ~

a

i

, . . . , ~

a

n

]) = 0

4. Je˙zeli wyrazy pewnej kolumny (lub wiersza) pomno˙zymy przez sta l

,

a, to wy-

znacznik zwielokrotni si

,

e o t

,

e sta l

,

a.

det([ ~

a

1

, . . . , c~

a

i

, . . . , ~

a

n

]) = c det([ ~

a

1

, . . . , ~

a

i

, . . . , ~

a

n

])

5. Dodanie do pewnej kolumny (pewnego wiersza) innej kolumny pomno˙zonej

(wiersza pomno˙zonego) przez sta l

,

a nie zmienia warto´sci wyznacznika.

det([ ~

a

1

, . . . , ~

a

i

+ c ~

a

j

, . . . , ~

a

n

]) = det([ ~

a

1

, . . . , ~

a

i

, . . . , ~

a

n

])

6. Wyznacznik iloczynu macierzy jest r´

owny iloczynowi wyznacznik´

ow tych ma-

cierzy

det AB = det A det B

7. Wz´

or Laplace’a

dla i-tego wiersza:

det(A) = (

−1)

i+1

(a

i1

det(A

i1

)

− a

i2

det(A

i2

) +

· · · + (−1)

n+1

a

in

det(A

in

)).

dla j-tej kolumny:

det(A) = (

−1)

j+1

(a

1j

det(A

1j

)

− a

2j

det(A

2j

) +

· · · + (−1)

n+1

a

nj

det(A

nj

)).

6

background image

8. Wyznacznik macierzy tr´

ojk

,

atnej (diagonalnej) jest r´

owny iloczynowi element´

ow

nale˙z

,

acych do przek

,

atnej tej macierzy.












a

11

a

12

. . .

a

1 n

−1

a

1n

0

a

22

. . .

a

2 n

−1

a

2n

. . .

. . .

. . .

. . .

. . .

0

0

. . . a

n

−1 n−1

a

n

−1 n

0

0

. . .

0

a

n n












= a

11

a

22

· · · a

n

−1 n−1

a

nn

.

Obliczanie wyznacznik´

ow wi

,

ekszych macierzy bezpo´srednio z definicji jest bardzo

czasoch lonne.

Dlatego warto pozna´

c inny spos´

ob wykorzystuj

,

acy przedstawione

wy˙zej w lasno´sci wyznacznik´

ow.

Przyk lad:









2

−5

1 2

−3

7

−1 4

5

−9

2 7

4

−6

1 2









=









1

−5

2 2

−1

7

−3 4

2

−9

5 7

1

−6

4 2









=









1

−5

2 2

0

2

−1 6

0

1

1 3

0

−1

2 0









=









1

−5

2 2

0

1

1 3

0

2

−1 6

0

−1

2 0









=









1

−5

2 2

0

1

1 3

0

0

−3 0

0

0

3 3









=









1

−5

2 2

0

1

1 3

0

0

−3 0

0

0

0 3









= 1

· 1 · (−3) · 3 = −9

1.3

Macierz odwrotna

Definicja: Macierz

,

a odwrotn

,

a do macierzy A nazywamy tak

,

a macierz B, ˙ze AB =

I i BA = I. Je´sli macierz ma macierz odwrotn

,

a, to jest macierz

,

a kwadratow

,

a.

Macierz odwrotn

,

a do macierzy A oznaczamy A

−1

. Je˙zeli A

−1

= [b

ij

], to

b

ij

= (

−1)

i+j

det A

ji

det A

,

gdzie A

ji

jest macierz

,

a, kt´

ora powstaje z macierzy A przez skre´slenie j-tego wiersza

i i-tej kolumny. Zauwa˙zmy, ˙ze macierz odwrotna istnieje pod warunkiem, ˙ze det A

6=

0.

W szczeg´

olno´sci, macierz odwrotna do macierzy

A =

"

a

b

c d

#

ma posta´

c

A

−1

=

1

ad

− bc

"

d

−b

−c

a

#

.

7

background image

Podobnie, je´sli A jest macierz

,

a o wymiarach 3

× 3, to macierz odwrotna

A

−1

=

1

det A


det A

11

− det A

12

det A

13

− det A

21

det A

22

− det A

23

det A

31

− det A

32

det A

33


T

=

1

det A


det A

11

− det A

21

det A

31

− det A

12

det A

22

− det A

32

det A

13

− det A

23

det A

33


.

Zadanie: Wyznaczy´

c macierz odwrotn

,

a do macierzy A =

"

2 2
5 4

#

Obliczamy det(A) = ad

− bc = 2 · 4 − 2 · 5 = −2. St

,

ad

A

−1

=

1

−2

"

4

−2

−5

2

#

=

"

−2

1

5
2

−1

#

Sprawdzamy

A A

−1

=

"

2 2
5 4

# "

−2

1

5
2

−1

#

= I

A

−1

A =

"

−2

1

5
2

−1

# "

2 2
5 4

#

= I

1.4

Uk lady r´

owna´

n liniowych

Og´

olna posta´

c uk ladu r´

owna´

n liniowych:

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

Ka˙zdy ci

,

ag liczb x

1

, x

2

, . . . , x

n

spe lniaj

,

acy uk lad r´

owna´

n, nazywamy rozwi

,

azaniem

tego uk ladu.
Uk lad r´

owna´

n mo˙zna r´

ownie˙z przedstwi´

c w postaci macierzowej:

A~

x = ~b,

gdzie

A =


a

11

. . .

a

1n

. . . . . .

. . .

a

m1

. . . a

mn


,

~

x =


x

1

. . .

x

n


,

~b =


b

1

. . .

b

m


.

8

background image

Macierz A nazywamy macierz

,

a uk ladu, a wektory ~

x, ~b odpowiednio wektorem nie-

wiadomych i wektorem wyraz´

ow wolnych.

Macierz [A

|~b] utworzon

,

a z macierzy

uk ladu i wektora wyraz´

ow wolnych nazywamy macierz

,

a rozszerzon

,

a. Je´sli macierz

uk ladu r´

owna´

n ma posta´

c

A =


I

|

A

0

−− − −−

Θ

|

Θ

0


,

gdzie A

0

jest pewn

,

a macierz

,

a o wymiarach mniejszych (lub r´

ownych) ni˙z macierz A,

to taki uk lad nazywamy bazowym.
Definicja: Operacj

,

a elementarn

,

a nazywamy ka˙zde z nast

,

epuj

,

acych przekszta lce´

n

uk ladu r´

owna´

n liniowych:

1. pomno˙zenie pewnego r´

ownania uk ladu przez dowoln

,

a liczb

,

e i dodanie do in-

nego r´

ownania tego uk ladu.

2. pomno˙zenie lub podzielenie pewnego r´

ownania uk ladu przez liczb

,

e r´

o˙zn

,

a od

zera.

3. przestawienie ze sob

,

a dw´

och r´

owna´

n uk ladu.

4. dopisanie lub usuni

,

ecie z uk ladu r´

ownania zerowego postaci 0x

1

+ 0x

2

+

· · · +

0x

n

= 0.

Definicja: Dwa uk lady r´

owna´

n liniowych nazywamy r´

ownowa˙znymi, je´sli jeden z

nich mo˙zna otrzyma´

c z drugiego przez wykonanie ci

,

agu operacji elementarnych.

Twierdzenie:

1. Ka˙zdy uk lad r´

owna´

n mo˙zna za pomoc

,

a ci

,

agu operacji elementarnych sprowa-

dzi´

c do uk ladu bazowego, tzn. ka˙zdy uk lad r´

owna´

n liniowych jest r´

ownowa˙zny

z pewnym uk ladem bazowym. (Czasem mo˙ze by´

c konieczne r´

ownie˙z przesta-

wianie kolumn macierzy uk ladu.)

2. R´

ownowa˙zne uk lady r´

owna´

n liniowych maj

,

a r´

owne zbiory rozwi

,

aza´

n.

Twierdzenie:

1. Uk lad r´

owna´

n liniowych r´

ownowa˙zny z uk ladem bazowym postaci I~

x = ~b ma

dok ladnie jedno rozwi

,

azanie ~

x = ~b.

2. Uk lad r´

owna´

n liniowych r´

ownowa˙zny z uk ladem bazowym postaci [I

|A

0

]~

x = ~b

(A

0

jest pewn

,

a macierz

,

a) ma niesko´

nczenie wiele rozwi

,

aza´

n.

3. Je´sli uk lad bazowy r´

ownowa˙zny z danym uk ladem r´

owna´

n liniowych zawiera

ownanie postaci 0x

1

+ 0x

2

+ . . . + 0x

n

= 1, to uk lad ten jest sprzeczny.

9

background image

Zadanie: Rozwi

,

aza´

c uk lad r´

owna´

n

x + 2y

− 2z =

0

2x + 5y

− z =

7

3x + 4y

− 10z = −10

Przy pomocy przekszta lce´

n elementarnych sprowadzamy ten uk lad r´

owna´

n do

postaci bazowej. Takie post

,

epowanie nazywamy eliminacj

,

a niewiadomych.

I

−2I + II

−3I + III

x + 2y

− 2z =

0

y

+ 3z =

7

−2y − 4z = −10

I

II

III/2

x + 2y

− 2z =

0

y

+ 3z =

7

−y − 2z =

−5

−2II + I

II

II + III

x

− 8z = −14

y + 3z =

7

z =

2

8III + I

−3III + II

III

x

= 2

y

= 1

z = 2

Latwo zauwa˙zy´

c, ˙ze operacje elementarne wykonywane na r´

ownaniach uk ladu w isto-

cie wykonywane s

,

a na wsp´

o lczynnikach tego uk ladu. Dlatego wygodniej wykonywa´

c

wszystkie obliczenia na macierzy rozszerzonej.
Zadanie: Rozwi

,

aza´

c uk lad r´

owna´

n

x

1

− 2x

2

+ 3x

3

+ x

4

= 2

3x

1

− 7x

2

+ 13x

3

+ 5x

4

= 11

2x

1

− x

2

− 3x

3

+ 2x

4

=

−5

Tworzymy macierz rozszerzon

,

a tego uk ladu i wykonujemy odpowiedni ci

,

ag operacji

elementarnych.

10

background image


1

−2

3 1

|

2

3

−7

13 5

|

11

2

−1 −3 2 | −5


I

−3I + II

−2I + III


1

−2

3 1

|

2

0

−1

4 2

|

5

0

3

−9 0 | −9


−2II + I

II

3II + III


1

0

−5 −3 | −8

0

−1

4

2

|

5

0

0

3

6

|

6


I

II

III/3


1

0

−5 −3 | −8

0

−1

4

2

|

5

0

0

1

2

|

2


5III + I

−4III + II

III


1

0 0

7

|

2

0

−1 0 −6 | −3

0

0 1

2

|

2


I

−1 · II

III


1 0 0 7

| 2

0 1 0 6

| 3

0 0 1 2

| 2


Otrzymali´smy uk lad bazowy:

x

1

+7x

4

= 2

x

2

+6x

4

= 3

x

3

+2x

4

= 2

Uk lad ma niesko´

nczenie wiele rozwi

,

aza´

n:

x

1

= 2

− 7x

4

x

2

= 3

− 6x

4

Rozwi¨

azanie og´

olne.

x

3

= 2

− 2x

4

x

4

− dowolne

Uwaga: Uk lad r´

owna´

n liniowych w postaci macierzowej:

A~

x = ~b.

Za l´

o˙zmy, ˙ze macierz A ma macierz odwrotn

,

a. Wtedy

A

−1

A~

x = A

−1

~b.

11

background image

Poniewa˙z A

−1

A = I i I~

x = ~

x, wi

,

ec ~

x = A

−1

~b, tzn. wektor niewiadomych mo˙zna

wyznaczy´

c mno˙z

,

ac wektor wyraz´

ow wolnych z lewej strony przez odwrotno´s´

c ma-

cierzy A.

1.5

Wzory Cramera

Je˙zeli A jest macierz

,

a o wymiarach n

× n i det A 6= 0 oraz

A



x

1

..

.

x

n



=



b

1

..

.

b

n



jest uk ladem r´

owna´

n liniowych w postaci macierzowej, to uk lad ten ma dok ladnie

jedno rozwi

,

azanie dane wzorami:

x

1

=

det B

1

det A

, x

2

=

det B

2

det A

, . . . , x

n

=

det B

n

det A

,

gdzie B

j

jest macierz

,

a, kt´

ora powstaje przez zast

,

apienie j-tej kolumny macierzy A

kolumn

,

a wyraz´

ow wolnych.

Przyk lad:

x+ 2y+ 3z = 1

3x+

y+ 2z = 2

2x+ 3y+

z = 3

Posta´

c macierzowa :


1 2 3
3 1 2
2 3 1



x

y
z


=


1
2
3


det A =







1

2

3

3

1

2

2

3

1







1

2

3

3

1

2

= 1 + 27 + 8

− 6 − 6 − 6 = 18

det B

x

=







1

2

3

2

1

2

3

3

1







1

2

3

2

1

2

= 1 + 18 + 12

− 9 − 6 − 4 = 12

det B

y

=







1

1

3

3

2

2

2

3

1







1

1

3

3

2

2

= 2 + 27 + 4

− 12 − 6 − 3 = 12

12

background image

det B

z

=







1

2

1

3

1

2

2

3

3







1

2

1

3

1

2

= 3 + 9 + 8

− 2 − 6 − 18 = −6

Rozwi

,

azanie:

x =

12

18

=

2

3

, y =

12

18

=

2

3

, z =

−6

18

=

1

3

1.6

Dzia lania na wektorach

Definicja: Wektorem (n-wymiarowym) nazywamy ka˙zdy n-elementowy ci

,

ag liczb

rzeczywistych. Ka˙zdy wektor mo˙ze by´

c zapisany w postaci macierzy jednowierszowej

lub jednokolumnowej. Zbi´

or wszystkich wektor´

ow n-wymiarowych oznaczamy R

n

.

Dodawanie i mno˙zenie wektor´

ow przez liczby rzeczywiste wykonujemy tak jak

analogiczne dzia lania na macierzach:

[x

1

, x

2

, . . . , x

n

] + [y

1

, y

2

, . . . , y

n

] = [x

1

+ y

1

, x

2

+ y

2

, . . . , x

n

+ y

n

]

a[x

1

, x

2

, . . . , x

n

] = [ax

1

, ax

2

, . . . , ax

n

]

Iloczyn skalarny wektor´

ow

Je´sli ~

x = [x

1

, x

2

, . . . , x

n

] oraz ~

y = [y

1

, y

2

, . . . , y

n

] s

,

a wektorami n-wymiarowymi, to

ich iloczyn skalarny jest okre´slony wzorem

~

x

◦ ~y = x

1

y

1

+ x

2

y

2

+

· · · + x

n

y

n

.

D lugo´sci

,

a (albo norm

,

a) wektora ~

x = [x

1

, x

2

. . . x

n

] nazywamy liczb

,

e

||~x|| =

q

x

2

1

+ x

2

2

+

· · · x

2

n

.

Latwo sprawdzi´

c, ˙ze

1. ~

x

◦ ~x = ||~x||

2

.

2. ~

x

◦ ~y = ~y ◦ ~x

3. ~

x

◦ (a~y + b~z) = a(~x ◦ ~y) + b(~x ◦ ~z) dla dowolnych wielko´sci skalarnych a, b.

Wektory ~

x i ~

y s

,

a prostopad le wtedy i tylko wtedy, gdy ~

x

◦ ~y = 0.

1.7

ownania prostych

ownanie og´

olne prostej

Zbi´

or wszystkich punkt´

ow P = [x, y] spe lniaj

,

acych r´

ownanie

ax + by = c

13

background image

tworzy prost

,

a le˙z

,

ac

,

a na p laszczy´

znie R

2

. R´

ownanie to nazywamy r´

ownaniem og´

olnym.

W tym przypadku wektor [a, b] jest prostopad ly do prostej.

-

X

6

Y

O

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q



[a, b]

ax + by = c

Przyk lad:
Punkt [10,-2] le˙zy na prostej 2x + 5y = 10, bo 2

· 10 + 5 · (−2) = 10.

Punkt [2,2] nie le˙zy na prostej 4x + y = 7, bo 4

· 2 + 2 = 10 6= 7

ownanie kierunkowe prostej

y = mx + c

Wsp´

o lczynnik m oznacza nachylenie prostej, tzn., ˙ze y wzrasta o m jednostek przy

ka˙zdym wzro´scie x o jedn

,

a jednostk

,

e. Liczba c jest wsp´

o lrz

,

edn

,

a punktu przeci

,

ecia

prostej z osi

,

a Y .

-

X

6

Y

O

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

y = mx + c

c

x

x + 1

6

?

m

Uwaga: Je´sli prosta jest r´

ownoleg la do osi Y, to nie mo˙ze by´

c przedstawiona w

postaci r´

ownania kierunkowego.

14

background image

ownanie odcinkowe prostej:

x

a

+

y

b

= 1

Liczby a, b odpowiednio s

,

a d lugo´sciami odcink´

ow skierowanych wyznaczonych

przez punkt O i punkty przeci

,

ecia prostej z osiami X i Y .

-

X

6

Y

O

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

b

a

x

a

+

y

b

= 1

Przyk lad:

Prosta o r´

ownaniu

x

5

+

y

2

= 1 przecina o´s X w punkcie 5, a o´s Y w punkcie 2.

Uwaga: Proste r´

ownoleg le do osi uk ladu wsp´

o lrz

,

ednych oraz proste przechodz

,

ace

przez punkt [0,0] nie mog

,

a by´

c przedstawione w postaci r´

ownania odcinkowego.

Przyk lad:
Znale´

c r´

ownanie prostej przechodz

,

acej przez punkty [1,4] i [2,6]

y = mx + c

Odpowied´

z:

6 = m

· 2 + c

y = 2x + 2.

(r´

ownanie kierunkowe)

4 = m

· 1 + c

2x

− y = −2 (r´ownanie og´olne)

———————

x

−1

+

y

2

= 1

(r´

ownanie odcinkowe)

2 = m

i

c = 2

Wi

,

azki towarowe i wektory cen

Przyk lad: Za l´

o˙zmy, ˙ze pewien sklep sprzedaje tylko chleb i bu lki: Niech wektor

[x

1

, x

2

] oznacza sprzedza˙z x

1

bochenk´

ow chleba i x

2

bu lek.

Dzienna sprzeda˙z wynosi:

Poniedzia lek

~a=[47,135]

Wtorek

~b=[42,109]

´

Sroda

~c=[45,113]

Czwartek

~

d=[40,110]

Pi

,

atek

~

e=[41,158]

Sobota

~

f =[77,189]

15

background image

Sprzeda˙z w tygodniu:

~a +~b +~c + ~

d +~

e + ~

f = [47 + 42 + 45 + 40 + 41 + 77, 135 + 109 + 113 + 110 + 158 + 189] =

[292, 814].

Wi

,

azka towarowa to wektor ~

x = [x

1

, x

2

. . . , x

n

] oznaczaj

,

acy, ˙ze w sk lad wi

,

azki

wchodzi x

1

jednostek towaru pierwszego, x

2

jednostek towaru drugiego itd. Zbi´

or

wi

,

azek towarowych jest zawarty w przestrzeni R

n

.

Wektor ~

p = [p

1

, p

2

, . . . p

n

] taki, ˙ze p

1

oznacza cen

,

e pierwszego towaru, p

2

cen

,

e

drugiego towaru, itd nazywamy wektorem cen.

Warto´sci

,

a wi

,

azki towarowej ~

x jest iloczyn skalarny

~

p

◦ ~x = p

1

x

1

+ p

2

x

2

+

· · · p

n

x

n

.

Je´sli ka˙zd

,

a wi

,

azk

,

e towarow

,

a [x

1

, x

2

] przedstawimy jako punkt na p laszczy´

znie i

ustalimy wektor cen [p

1

, p

2

], to zbi´

or wi

,

azek towarowych o ustalonej warto´sci w

tworzy prost

,

a o r´

ownaniu p

1

x

1

+ p

2

x

2

= w. Wi

,

azki le˙z

,

ace powy˙zej tej prostej maj

,

a

warto´s´

c wi

,

eksz

,

a ni˙z w. Wi

,

azki le˙z

,

ace poni˙zej tej prostej maj

,

a warto´s´

c mniejsz

,

a

ni˙z w. Warto zauwa˙zy´

c, ˙ze zbi´

or wi

,

azek towarowych o innej, ustalonej warto´sci

w

0

ownie˙z tworzy prost

,

a o r´

ownaniu p

1

x

1

+ p

2

x

2

= w

0

. Proste te s

,

a r´

ownoleg le,

poniewa˙z obie s

,

a prostopad le do wektora [p

1

, p

2

].

-

x

1

6

x

2

O

Wi

,

azki o ni˙zszej warto´sci

Wi

,

azki o wy˙zszej warto´sci

Wektor cen

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

p

1

x

1

+ p

2

x

2

= w

0

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

p

1

x

1

+ p

2

x

2

= w















Za l´

o˙zmy, ˙ze ~

x oznacza pewn

,

a wi

,

azk

,

e towarow

,

a, a ~

p jest wektorem cen. Przypu´s´

cmy,

˙ze doch´

od konsumenta wynosi I. Nier´

owno´s´

c ~

p

◦ ~x ≤ I nazywamy ograniczeniem

bud˙zetowym konsumenta.

Zbi´

or wi

,

azek towarowych, spo´sr´

od kt´

orych konsument mo˙ze dokona´

c wyboru,

przy zachowaniu ogranicze´

n bud˙zetowych , nazywamy jego zbiorem bud˙zetowym.

16

background image

-

x

1

6

x

2

O

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

I/p

2

I/p

1

Zbi´

or bud˙zetowy

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

-

x

1

6

x

2

O

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

I/p

2

I/p

1

q

x

1

= q

Zbi´

or bud˙zetowy przy racjonowaniu

(x

1

≤ q klient mo˙ze kupi´c co najwy˙zej q jednostek I towaru)

Zbi´

or bud˙zetowy

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

-

x

1

6

x

2

O

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

@

@

@

@

@

@

a

a

a

a

a

a

a

a

a

a

@

@

@

@

I/p

2

I/p

1

q

x

1

p

1

+ x

2

p

2

= I

qp

1

+ (x

1

− q)p

1

+ x

2

p

2

= I

Zbi´

or bud˙zetowy

Zbi´

or bud˙zetowy z uwzgl

,

ednieniem podatku przy zakupach x

1

> q

(Za pierwszy towar powy˙zej q jednostek klient p laci cen

,

e p

1

> p

1

)

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

17

background image

-

x

1

6

x

2

O

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

I/p

2

I/p

1

x

1

p

1

+ x

2

p

2

= I

qp

1

+ (x

1

− q)p

1

+ x

2

p

2

= I

Zbi´

or bud˙zetowy

Zbi´

or bud˙zetowy z uwzgl

,

ednieniem rabatu przy zakupach x

1

> q

(Za pierwszy towar powy˙zej q jednostek klient p laci cen

,

e p

1

< p

1

)

Q

Q

Q

Q

Q

Q

Q

Q

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

a

1.8

Programowanie liniowe

Programowanie liniowe jest jedn

,

a z metod umo˙zliwiaj

,

acych wyb´

or rozwi

,

azania opty-

malnego spo´sr´

od wielu rozwi

,

aza´

n dopuszczalnych. Metoda ta mo˙ze by´

c stosowana,

gdy zar´

owno warunki opisuj

,

ace zbi´

or rozwi

,

aza´

n dopuszczalnych jak i funkcja celu

stanowi

,

aca kryterium wyboru s

,

a funkcjami liniowymi. Model matematyczny zada-

nia programowania liniowego sk lada si

,

e z trzech cz

,

e´sci:

• zmienne decyzyjne: uk lad zmiennych x

1

, . . . , x

n

(lub wektor [x

1

, . . . , x

n

]), kt´

orych

warto´s´

c b

,

edzie rozwi

,

azaniam zadania.

• warunki ograniczaj

,

ace: uk lad r´

owna´

n i nier´

owno´sci liniowych.

• funkcja celu: funkcja liniowa postaci z = a

1

x

1

+

· · · + a

n

x

n

.

Przyk lad:
Pewien zak lad produkuje dwa wyroby: I i II. Do produkcji tych wyrob´

ow potrzebne

s

,

a trzy surowce: S

1

, S

2

, S

3

. Nak lady surowc´

ow i zyski jednostkowe s

,

a nast

,

epuj

,

ace:

Wyroby

Zasoby

Surowce

I

II

surowca

S

1

3

1

18

S

2

2

4

40

S

3

3

2

24

Zyski jednostkowe

2

3

18

background image

Nale˙zy ustali´

c plan produkcji zapewniaj

,

acy maksymalny zysk.

PLAN PRODUKCJI: Zmienne decyzyjne:

x

1

planowana liczba jednostek wyrobu I.

x

2

planowana liczba jednostek wyrobu II.

Warunki ograniczaj

,

ace:

3x

1

+ x

2

≤ 18

2x

1

+ 4x

2

≤ 40

3x

1

+ 2x

2

≤ 24.

x

1

≥ 0 , x

2

≥ 0

Funkcja celu (zysk z produkcji): z = 2x

1

+ 3x

2

Rozwi

,

azanie metod

,

a graficzn

,

a.

Za lo˙zony plan produkcji [x

1

, x

2

] jest dwuwymiarow

,

a wi

,

azk

,

a towarow

,

a, ktorej odpo-

wiada dok ladnie jeden punkt p laszczyzny. Zbi´

or dopuszczalnych wi

,

azek mie´sci si

,

e

na rysunku w obszarze zakropkowanym, ograniczonym prostymi:

-

X

1

6

X

2

O

B

B

B

B

B

B

B

B

B

B

B

B

B

B

B

B

B

B

B

B

B

B

B

B

B

B

18

6

L

1

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

H

10

20

L

2

J

J

J

J

J

J

J

J

J

J

J

J

J

J

J

J

J

J

12

8

L

3

·

·

·

·

·

·

·

·

·

·

·

·

·

·

·

·

·

·

·

·

·

·

·

·

·

·

·

·

·

·

·

·

L

1

:

3x

1

+ x

2

= 18

L

2

:

2x

1

+ 4x

2

= 40

L

3

:

3x

1

+ 2x

2

= 24.

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

2x + 3y = 36

z = 36

M

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

K

19

background image

Ka˙zdy punkt na prostej o r´

ownaniu 2x

1

+ 3x

2

= d jest obrazem wi

,

azki towaro-

wej, kt´

orej wyprodukowanie przyniesie zysk d. Wszystkie takie proste s

,

a do sie-

bie r´

ownoleg le, bo maj

,

a wsp´

olny wektor prostopad ly [2, 3]. Wystarczy znale´

c tak

,

a

prost

,

a przecinaj

,

ac

,

a obszar zacieniowany przynajmniej w jednym punkcie, kt´

ora le˙zy

powy˙zej wszystkich prostych przecinaj

,

acych ten obszar. Ustalmy dowoln

,

a warto´s´

c d,

np d = 24 i wykre´slmy prost

,

a pomocnicz

,

a M : 2x

1

+ 3x

2

= 24. Z rysunku wynika,

˙ze w obszarze zacieniowanym istniej

,

a wi

,

azki towarowe o wy˙zszej warto´sci funkcji

celu (tzn. le˙z

,

ace powy˙zej prostej M ). St

,

ad wynika, ˙ze poszukiwanym rozwi

,

azaniem

jest prosta K r´

ownoleg la do M i przechodz

,

aca przez punkt przeci

,

ecia prostych L

2

i

L

3

. Rozwi

,

azaniem s

,

a wsp´

o lrz

,

edne punktu przeci

,

ecia prostych B i C.

To prowadzi do uk ladu r´

owna´

n:

(

B :

2x

1

+ 4x

2

= 40

C :

3x

1

+ 2x

2

= 24

Rozwi

,

azanie: x

1

= 2

x

2

= 9

z

max

= 31

Rozwi

,

azaniem optymalnym jest x

1

= 2

x

2

= 9. Maksymalna warto´s´

c osi

,

agana

przez funkcj

,

e celu przy zachowaniu warunk´

ow ograniczaj

,

acych jest r´

owna z

max

= 31.

1.9

Analiza nak lad´

ow i wynik´

ow

Model Leontiewa

Macierz wsp´

o lczynnik´

ow koszt´

ow (wsp´

o lczynnik´

ow technicznych):

A =




a

11

a

12

. . . a

1n

a

21

a

22

. . . a

2n

. . . . . . . . . . . .

a

n1

a

n2

. . . a

nn




.

Wsp´

o lczynnik a

ij

oznacza warto´s´

c towaru i niezb

,

ednego do wyprodukowania

towaru j o warto´sci 1 jednostki pieni

,

e˙znej.

Przyjmijmy oznaczenia: ~

d - wektor konsumpcji (produktu ko´

ncowego); A~

x - wek-

tor nak lad´

ow w procesie produkcyjnym niezb

,

edny do uzyskania wynik´

ow (produkcji

globalnej) okre´slonych przez wektor ~

x; Aby zaspokoi´

c ustalony popyt ~

d nale˙zy tak

dobra´

c wektor ~

x aby by lo spe lnione r´

ownanie:

~

x = A~

x + ~

d.

Lewa strona wyra˙za ca lkowit

,

a poda˙z, a prawa - ca lkowity popyt. Na popyt sk lada

si

,

e nie tylko wektor po˙z

,

adanej konsumpcji ~

d, lecz tak˙ze wielko´s´

c A~

x potrzebna jako

nak lady w procesie produkcyjnym.

20

background image

Aby obliczy´

c wektor wynik´

ow ~

x przy za lo˙zonym poziomie konsumpcji ~

d nale˙zy

rozwi

,

aza´

c r´

ownanie macierzowe

(I

− A)~x = ~

d.

Macierz I

− A nazywamy macierz

,

a Leontiewa. Je´sli macierz Leontiewa jest odwra-

calna to r´

ownanie ma rozwi

,

azanie postaci

~

x = (I

− A)

−1

~

d.

Twierdzenie: Je´sli suma wyraz´

ow w ka˙zdej kolumnie jest mniejsza ni˙z jeden, to

macierz Leontiewa ma macierz odwrotn

,

a.

Przyk lad:
Pewnien fikcyjny system gospodarczy sk lada si

,

e z trzech ga l

,

ezi (np.: energetyki, hut-

nictwa, i budownictwa). Poni˙zsza tablica jest tablic

,

a przep lyw´

ow mi

,

edzyga l

,

eziowych

w tym systemie.

Numer

Przep lyw x

ij

Produkt Produkcja

ga l

,

ezi

z ga l

,

ezi i do ga l

,

ezi j

ko´

ncowy globalna

j

1

2

3

d

i

x

i

i

1

24

9

20

67

120

2

48

27

10

5

90

3

12

18

30

40

100

Z pierwszego wiersza tej tabeli wynika, ˙ze na produkcj

,

e globaln

,

a pierwszej ga l

,

ezi

own

,

a 120 sk lada sie produkt ko´

ncowy (konsumpcja) o warto´sci 76 oraz produkty

zu˙zyte do produkcji w pierwszej, drugiej i trzeciej ga l

,

ezi o warto´sciach r´

ownych od-

powiednio 24, 9, 20. Podobne informacje zawiera wiersz drugi i trzeci. Wsp´

o lczynnik

a

ij

= x

ij

/x

j

oznacza warto´s´

c towaru i niezb

,

ednego do wyprodukowania towaru j o

warto´sci 1 jednostki pieni

,

e˙znej.

Przedstawmy produkcj

,

e globaln

,

a i produkt ko´

ncowy w postaci wektor´

ow i ob-

liczmy macierz koszt´

ow:

~

x =


120

90

100


~

d =


67

5

40


A =



24

120

9

90

20

100

48

120

27
90

10

100

12

120

18
90

30

100



=


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


oraz macierz Leontiewa i jej macierz odwrotn

,

a

I

− A =


0, 8

−0, 1 −0, 2

−0, 4

0, 7

−0, 1

−0, 1 −0, 2

0, 7


(I

− A)

−1

=


1, 48 0, 35 0, 47
0, 91 1, 70 0, 50
0, 47 0, 54 1, 64


21

background image

Latwo sprawdzi´

c, ˙ze zachodz

,

a nast

,

epuj

,

ace r´

owno´sci:


120

90

100


=


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


·


120

90

100


+


67

5

40


oraz


67

5

40


=


0, 8

−0, 1 −0, 2

−0, 4 0, 7 −0, 1
−0, 1 −0, 2 0, 7


−1

·


120

90

100


=


1, 48 0, 35 0, 47
0, 91 1, 70 0, 50
0, 47 0, 54 1, 64


·


120

90

100


22


Wyszukiwarka

Podobne podstrony:
3 Zadania do wykladu Dzialania na macierzach rzad macierzy
3.Zadania do wykladu Dzialania na macierzach rzad macierzy
dzialania na macierzach [ www potrzebujegotowki pl ]
podstawowe dzialania na macierzach
,algebra liniowa z geometrią analityczną, działania na macierzach
Dzialania Na Macierzach
3 Zadania do wykladu Dzialania na macierzach rzad macierzy
dzialania na macierzach 2strony
,algebra 1, Macierz i działanie na macierzach
Działania na potęgach o wykładniku całkowitym, Matematyka, Konspekty
Działania na ułamkach, wykłady i notatki, dydaktyka matematyki, matematyka przedszkole i 1-3
spr dzialania na liczbach nat kl 5 gr 2, Matematyka, kl 5
Zestaw 11 Działania na wektorach i macierzach
Zestaw 11- Działania na wektorach i macierzach
Praca kl nr 1 dzialania na liczbach 5r, Matematyka, kl 5
Praca kl nr 1 dzialania na liczbach 6a, Matematyka, kl 6
Konspekt; działania na liczbach, Metodyka, Matematyka-konspekty
działania na potęgach, Matematyka, Liceum

więcej podobnych podstron