Algebra Liniowa Cz. 2, Skrypt Do Ćwiczeń Z Rozwiązaniami
Algebra Liniowa Cz. 2, Skrypt Do Ćwiczeń Z Rozwiązaniami
Algebra Liniowa Cz. 2, Skrypt Do Ćwiczeń Z Rozwiązaniami
2
skrypt do ćwiczeń
Tomasz Gzella
Politechnika Gdańska
Spis treści
1 Przekształcenia liniowe 2
1.1 Część A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Część B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Część C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4 Iloczyny skalarne 22
4.1 Część A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.2 Część B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
Przekształcenia liniowe
1.1 Część A
Niech 𝑈 i 𝑉 będą przestrzeniami liniowymi nad ciałem R (ogólnie: nad ciałem 𝐾).
Definicja 1.1.
Przekształcenie 𝐴 : 𝑈 → 𝑉 spełniające warunki:
Uwaga 1.1 Przekształcenie, które spełnia warunek (𝑖) nazywamy addytywnym, a jeśli spełnia
warunek (𝑖𝑖), to jest to przekształcenie jednorodne.
Równoważnie można je zapisać jako jeden warunek:
2
ROZDZIAŁ 1. PRZEKSZTAŁCENIA LINIOWE
∫1
q) 𝐸 : R[𝑥] → R2 , (𝐸 𝑝) (𝑥) = 3 0 𝑝(𝑡)𝑑𝑡, 𝑝(3) dla 𝑝 ∈ R[𝑥], 𝑥 ∈ R,
s) 𝐺 : 𝐶 ( [0, 1]) → 𝐶 ( [0, 1]), (𝐺 𝑓 ) (𝑥) = 4 𝑓 (𝑥) dla 𝑓 ∈ 𝐶 ( [0, 1]), 𝑥 ∈ [0, 1],
t) 𝐺 : C( [0, 1]) → C( [0, 1]), (𝐺 𝑓 ) (𝑥) = 𝑓 (5𝑥) dla 𝑓 ∈ C( [0, 1]), 𝑥 ∈ [0, 1],
u) 𝐺 : 𝐶 ( [0, 1]) → 𝐶 ( [0, 1]), (𝐺 𝑓 ) (𝑥) = 2 𝑓 (2𝑥) dla 𝑓 ∈ 𝐶 ( [0, 1]), 𝑥 ∈ [0, 1],
v) 𝐺 : 𝐶 ( [0, 1]) → 𝐶 ( [0, 1]), (𝐺 𝑓 ) (𝑥) = 3 𝑓 ( 2𝑥 ) dla 𝑓 ∈ 𝐶 ( [0, 1]), 𝑥 ∈ [0, 1],
w) 𝐻 : 𝐶 ( [0, 1]) → R[𝑥], (𝐻 𝑓 ) (𝑥) = 𝑥 3 𝑓 (0) + 𝑥 𝑓 (1) dla 𝑓 ∈ 𝐶 ( [0, 1]), 𝑥 ∈ [0, 1],
1 2
x) 𝐾 : 𝑀2𝑥3 (R) → 𝑀2𝑥2 (R), 𝐾 ( 𝐴) = 𝐴 · 2 1 dla 𝐴 ∈ 𝑀2𝑥3 (R).
3 2
Zadanie 2 Uzasadnić, że podane przekształcenia przestrzeni liniowych nie są liniowe:
e) 𝐴 : R2 → R, 𝐴(𝑥, 𝑦) = 𝑥 2 ,
f) 𝐶 : R → R, 𝐶 (𝑥) = (𝑥 − 3) (𝑥 + 2),
g) 𝐶 : R → R, 𝐶 (𝑥) = |𝑥|,
Rozdział 1 Strona 3
ROZDZIAŁ 1. PRZEKSZTAŁCENIA LINIOWE
a) 𝐴 : R2 → R, e) 𝐵 : 𝑀2𝑥1 (R) → R,
b) 𝐴 : R3 → R,
f) 𝐵 : 𝑀2𝑥2 (R) → R,
c) 𝐴 : R2 → R2 ,
Definicja 1.2.
Jądrem przekształcenia liniowego 𝐴 : 𝑈 → 𝑉 nazywamy zbiór 𝐾𝑒𝑟 𝐴 określony wzo-
rem:
𝐾𝑒𝑟 𝐴 = {𝑢 ∈ 𝑈 | 𝐴(𝑢) = 0}.
Definicja 1.3.
Obrazem przekształcenia liniowego 𝐴 : 𝑈 → 𝑉 nazywamy zbiór 𝐼𝑚 𝐴 określony
wzorem:
𝐼𝑚 𝐴 = {𝑣 ∈ 𝑉 | ∃𝑢∈𝑈 𝐴(𝑢) = 𝑣} = { 𝐴(𝑢) | 𝑢 ∈ 𝑈}.
Zadanie 5 Wyznaczyć jądra i obrazy podanych przekształceń liniowych, posługując się ich in-
terpretacją geometryczną. Porównać uzyskane odpowiedzi z wynikami obliczeń algebraicznych:
Rozdział 1 Strona 4
ROZDZIAŁ 1. PRZEKSZTAŁCENIA LINIOWE
Zadanie 6 Wyznaczyć jądra i obrazy (oraz ich bazy) podanych przekształceń liniowych:
a) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (𝑥 + 𝑦, 2𝑥),
d) 𝐴 : R3 → R2 , 𝐴(𝑥, 𝑦, 𝑧) = (𝑥 + 𝑦, 𝑦 + 𝑧),
Rozdział 1 Strona 5
ROZDZIAŁ 1. PRZEKSZTAŁCENIA LINIOWE
c) 𝐴 : R4 → R3 , 𝐴(𝑥, 𝑦, 𝑧, 𝑡) = (𝑥 + 2𝑦 + 𝑧 − 𝑡, 𝑥 + 2𝑧 + 𝑡, 2𝑥 + 𝑦 + 3𝑡),
d) 𝐴 : R4 → R3 , 𝐴(𝑥, 𝑦, 𝑧, 𝑡) = (𝑥 + 𝑦 + 𝑧 − 𝑡, 2𝑥 + 𝑦 − 𝑧 + 𝑡, 𝑦 + 3𝑧 − 3𝑡),
e) 𝐴 : R5 → R3 , 𝐴(𝑥, 𝑦, 𝑧, 𝑠, 𝑡) = (𝑥 + 𝑦 + 𝑧, 𝑦 + 𝑧 + 𝑠, 𝑧 + 𝑠 + 𝑡),
1.2 Część B
Zadanie 8 Przekształcenie liniowe 𝐴 : R3 → R2 przeprowadza
a) wektor 𝑥 = (1, 2, 1) na wektor 𝑢 = (1, 5), a wektor 𝑦 = (−1, 1, 3) na wektor 𝑣 = (−2, 1),
b) wektor 𝑥 = (−1, −2, 1) na wektor 𝑢 = (0, 1), a wektor 𝑦 = (3, 4, 2) na wektor 𝑣 = (1, 1),
c) 𝐴(𝑥, 𝑦) = (𝑥 − 𝑦, 𝑦 − 𝑥),
Które z wektorów (1, 0), (0, 1), (2, 3), (−1, 1), (2, 2) należą do 𝐾𝑒𝑟 𝐴, a które do 𝐼𝑚 𝐴?
Rozdział 1 Strona 6
ROZDZIAŁ 1. PRZEKSZTAŁCENIA LINIOWE
a) ( 𝐴𝑝)(𝑥) = 𝑥 𝑝 0 (𝑥),
1.3 Część C
Możemy rozważać przestrzenie 𝑈 oraz 𝑉 nad różnymi ciałami. Wtedy opisując liniowość nad
ciałem 𝐾, mówimy że odwzorowanie 𝐴 : 𝑈 → 𝑉 jest 𝐾-liniowe. Zobaczmy to na przykładzie
przestrzeni C.
Definicja 1.4.
Przekształcenie 𝐴 : C → C spełniające warunki:
Definicja 1.5.
Przekształcenie 𝐴 : C → C spełniające warunki:
Rozdział 1 Strona 7
ROZDZIAŁ 1. PRZEKSZTAŁCENIA LINIOWE
strona
ODPOWIEDZI 113
ROZWIZANIA 42
Rozdział 1 Strona 8
Rozdział 2
2.1 Część A
Definicja 2.1.
Niech 𝐴 : 𝑈 → 𝑉 będzie przekształceniem liniowym, gdzie
𝐵 = {𝑏 1 , 𝑏 2 , . . . , 𝑏 𝑛 } i 𝐶 = {𝑐 1 , 𝑐 2 , . . . , 𝑐 𝑚 }
Stwierdzenie 2.1.
Przekształcenie 𝐴 : R𝑛 → R𝑚 jest liniowe wtedy i tylko wtedy, gdy istnieje macierz 𝑀 𝐴
wymiaru 𝑚 × 𝑛 taka, że
𝑥1
𝑥2
𝐴(𝕩) = 𝑀 𝐴 . , gdzie 𝕩 = (𝑥 1 , 𝑥2 , ..., 𝑥 𝑛 ) ∈ R𝑛 .
..
𝑥 𝑛
9
ROZDZIAŁ 2. MACIERZE PRZEKSZTAŁCEŃ LINIOWYCH
h) 𝐴 : R3 → R2 , 𝐴(𝑥, 𝑦) = (𝑎 1 𝑥 + 𝑏 1 𝑦 + 𝑐 1 𝑧, 𝑎 2 𝑥 + 𝑏 2 𝑦 + 𝑐 2 𝑧), 𝑎 1 , 𝑎 2 , 𝑏 1 , 𝑏 2 , 𝑐 1 , 𝑐 2 ∈ R,
Rozdział 2 Strona 10
ROZDZIAŁ 2. MACIERZE PRZEKSZTAŁCEŃ LINIOWYCH
𝑟 (𝑀 𝐴) = 𝑑𝑖𝑚(𝐼𝑚 𝐴).
b) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (2𝑥 − 𝑦, 𝑥 + 𝑦), 𝐵 = {(1, 1), (1, −1)}, 𝐶 = {(1, 1), (1, 0)},
c) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (𝑥 + 3𝑦, 4𝑥 − 𝑦), 𝐵 = {(2, 0), (−1, −1)}, 𝐶 = {(1, 2), (2, 1)},
d) 𝐴 : R2 → R3 , 𝐴(𝑥, 𝑦) = (2𝑥 + 𝑦, 𝑥, 5𝑦), 𝐵 = {(0, 1), (1, 0)}, 𝐶 = {(1, 0, 0), (1, 1, 0), (1, 1, 1)},
h) 𝐴 : R3 → R2 , 𝐴(𝑥, 𝑦, 𝑧) = (𝑎 1 𝑥 + 𝑏 1 𝑦 + 𝑐 1 𝑧, 𝑎 2 𝑥 + 𝑏 2 𝑦 + 𝑐 2 𝑧), 𝑎 1 , 𝑎 2 , 𝑏 1 , 𝑏 2 , 𝑐 1 , 𝑐 2 ∈ R,
𝐵 = {(0, 1, 0), (1, 1, 0), (0, 1, 1)}, 𝐶 = {(1, 0), (1, 1)},
m) 𝐴 : R2 → R2 , 𝐴 jest obrotem o kąt 𝜋 wokół punktu (0, 0), 𝐵 = {(1, 1), (1, −1)},
𝐶 = {(0, 1), (1, −1)},
Rozdział 2 Strona 11
ROZDZIAŁ 2. MACIERZE PRZEKSZTAŁCEŃ LINIOWYCH
v) 𝐴 : R2 → R2 [𝑥], ( 𝐴(𝑎, 𝑏)) (𝑥) = 𝑎𝑥 2 + 𝑏𝑥 + (𝑎 − 𝑏), 𝐵 = {(1, 0), (1, 1)}, 𝐶 = {1, 1 + 𝑥, 𝑥 2 − 1},
1 2 3
b) 𝑀 = ,
0 1 −1
5 0 0
c) 𝑀 = ,
1 2 −1
0 1 3
d) 𝑀 = .
2 3 1
Znaleźć obrazy wektorów
𝑎 = 𝑢 1 − 𝑢 2 , 𝑏 = 2𝑢 1 + 3𝑢 2 + 4𝑢 3 , 𝑐 = 𝑢 2 + 3𝑢 3 , 𝑑 = −𝑢 1 − 𝑢 2 + 𝑢 3
w tym przekształceniu.
Definicja 2.2.
Niech 𝑉 będzie przestrzenią liniową oraz niech
𝐴 = {𝑎 1 , 𝑎 2 , ..., 𝑎 𝑛 }, 𝐵 = {𝑏 1 , 𝑏 2 , ..., 𝑏 𝑛 }
Rozdział 2 Strona 12
ROZDZIAŁ 2. MACIERZE PRZEKSZTAŁCEŃ LINIOWYCH
Uwaga 2.2 Macierz przejścia z bazy 𝐵 do bazy 𝐴 można obliczyć jako macierz odwrotną
−1
𝑃 𝐵𝐴 = 𝑃 𝐵𝐴 .
Ćwiczenie 1 Niech 𝐴, 𝐵 będą bazami przestrzeni liniowej 𝑉, a 𝐸 jej bazą standardową. Wtedy
zachodzą wzory
𝑃 𝐵𝐴 = 𝑃 𝐸𝐴 · 𝑃 𝐵
𝐸
, 𝑃 𝐵𝐴 = 𝑃 𝐸𝐵 · 𝑃 𝐸𝐴 .
e) 𝑉 = R3 , 𝐴 = {(0, 1, 0), (0, 0, 1), (1, 0, 0)} , 𝐵 = {(1, 2, −1), (3, 2, 1), (2, 1, 3)},
f) 𝑉 = R3 , 𝐴 = {(1, 1, 0), (1, 1, 1), (1, 0, 0)} , 𝐵 = {(2, 4, 4), (1, 2, 1), (0, 7, 3)},
g) 𝑉 = R2 [𝑥], 𝐴 = 1, 𝑥, 𝑥 2 , 𝐵 = 1 − 2𝑥 + 𝑥 2 , 3 − 5𝑥 + 4𝑥 2 , 2𝑥 + 3𝑥 2 ,
i) 𝑉 = R1 [𝑥], 𝐴 = {1 − 𝑥, 2} , 𝐵 = {𝑥 + 3, 𝑥 − 1},
j) 𝑉 = R2 [𝑥], 𝐴 = 𝑥, 2, 3𝑥 2 , 𝐵 = 1, 1 + 𝑥, 1 + 𝑥 + 𝑥 2 ,
k) 𝑉 = R2 [𝑥], 𝐴 = 2 − 𝑥, 2 + 𝑥, 𝑥 2 , 𝐵 = 𝑥 2 , 𝑥 2 − 3, 𝑥 .
Zadanie 5 Znaleźć macierze przekształceń z drugiego zadania używając wzoru na zmianę ma-
cierzy przekształcenia liniowego przy zmianie baz, wychodząc od baz standardowych rozważa-
nych przestrzeni liniowych.
Rozdział 2 Strona 13
ROZDZIAŁ 2. MACIERZE PRZEKSZTAŁCEŃ LINIOWYCH
Definicja 2.3.
Niech 𝐴, 𝐵 : 𝑈 → 𝑉, 𝐶 : 𝑉 → 𝑊 będą przekształceniami liniowymi oraz 𝛼 ∈ R.
1. 𝑀 𝐴+𝐵 = 𝑀 𝐴 + 𝑀 𝐵 2. 𝑀 𝛼 𝐴 = 𝛼𝑀 𝐴 3. 𝑀𝐶◦𝐵 = 𝑀𝐶 𝑀 𝐵
Rozdział 2 Strona 14
ROZDZIAŁ 2. MACIERZE PRZEKSZTAŁCEŃ LINIOWYCH
a) 𝐺 = 𝐸 + 𝐹, d) 𝐽 = 𝐴 + 𝐵, g) 𝑀 = 𝐶 ◦ 𝐴,
b) 𝐻 = 2𝐸, e) 𝐾 = 3𝐴, h) 𝑁 = 𝐷 ◦ 𝐵,
c) 𝐼 = 𝐸 ◦ 𝐹, f) 𝐿 = 𝐷 ◦ 𝐶, i) 𝑂 = 𝐶 ◦ 𝐷 ◦ 𝐴.
2.2 Część B
Zadanie 9 Wyznaczyć wektor 𝑣 w bazie standardowej, gdy dane są jego współrzędne 𝑣 𝐵 w
bazie 𝐵:
g) 𝑣 𝐵 = (1, 2, 1) 𝐵 , 𝐵 = 1 − 𝑥, 2 + 𝑥 2 , 𝑥 ,
h) 𝑣 𝐵 = (0, 0, 1) 𝐵 , 𝐵 = 1, 𝑥, 𝑥 + 𝑥 2 .
g) 𝑣 = 1 + 𝑥 + 7𝑥 2 , 𝐵 = 1 + 𝑥 2 , 𝑥 + 𝑥 2 , 2𝑥 + 𝑥 2 ,
Rozdział 2 Strona 15
ROZDZIAŁ 2. MACIERZE PRZEKSZTAŁCEŃ LINIOWYCH
h) 𝑣 = 3 + 𝑥 − 6𝑥 2 , 𝐵 = 1 − 𝑥 2 , 𝑥 − 𝑥 2 , −2𝑥 + 𝑥 2 .
Zadanie 11 Wyznaczyć bazę 𝐵 przestrzeni R2 taką, że (−7, 11) = (2, 3) 𝐵 , (−1, −2) = (1, −1) 𝐵 .
a) 𝐵 = {𝑏 1 , 𝑏 2 } , 𝐶 = {𝑐 1 , 𝑐 2 }, gdzie 𝑐 1 = 6𝑏 1 − 2𝑏 2 , 𝑐 2 = 3𝑏 1 + 2𝑏 2 , 𝑣 𝐵 = (2, 4) 𝐵 ,
b) 𝐵 = {𝑏 1 , 𝑏 2 } , 𝐶 = {𝑐 1 , 𝑐 2 }, gdzie 𝑐 1 = 𝑏 1 + 2𝑏 2 , 𝑐 2 = 3𝑏 1 − 𝑏 2 , 𝑣 𝐵 = (1, 1) 𝐵 ,
c) 𝐵 = {𝑏 1 , 𝑏 2 } , 𝐶 = {𝑐 1 , 𝑐 2 }, gdzie 𝑐 1 = 𝑏 1 − 𝑏 2 , 𝑐 2 = 𝑏 1 + 𝑏 2 , 𝑣 𝐵 = (−1, 1) 𝐵 ,
d) 𝐵 = {𝑏 1 , 𝑏 2 , 𝑏 3 } , 𝐶 = {𝑐 1 , 𝑐 2 , 𝑐 3 }, gdzie 𝑐 1 = 𝑏 1 + 𝑏 2 + 𝑏 3 , 𝑐 2 = 𝑏 1 + 𝑏 2 − 𝑏 3 , 𝑐 3 = 3𝑏 1 + 2𝑏 2 − 𝑏 3 ,
𝑣 𝐵 = (1, 2, 3) 𝐵 ,
e) 𝐵 = {𝑏 1 , 𝑏 2 , 𝑏 3 } , 𝐶 = {𝑐 1 , 𝑐 2 , 𝑐 3 }, gdzie 𝑐 1 = 4𝑏 1 − 𝑏 2 , 𝑐 2 = −𝑏 1 + 𝑏 2 , 𝑐 3 = 𝑏 2 − 2𝑏 3 ,
𝑣 𝐵 = (1, 1, 1) 𝐵 ,
i) 𝐵 = 1 − 𝑥, 𝑥 + 𝑥 2 , 𝑥 2 , 𝐶 = 1 − 2𝑥 + 𝑥 2 , 3 − 5𝑥 + 4𝑥 2 , 2𝑥 + 3𝑥 2 , 𝑣 𝐵 = (1, 1, 0) 𝐵 ,
j) 𝐵 = 1, 𝑥, 𝑥 2 , 𝑥 3 , 𝐶 = 𝑥 3 − 𝑥 2 , 𝑥 2 − 𝑥, 𝑥 − 1, 𝑥 3 + 1 , 𝑣 𝐵 = (1, 1, 0, 0) 𝐵 .
strona
ODPOWIEDZI 114
ROZWIZANIA 54
Rozdział 2 Strona 16
Rozdział 3
3.1 Część A
Definicja 3.1.
Wartości i wektory własne przekształcenia liniowego
𝐴(𝑣) = 𝜆𝑣.
17
ROZDZIAŁ 3. WARTOŚCI I WEKTORY WŁASNE
a) 𝐴2 = 2𝐴, c) 𝐴2 = 𝐴, e) 𝐴2 = 0,
b) 𝐴3 = 𝐴2 , d) 𝐴2 = −𝐴, f) 𝐴3 = 𝐼𝑑.
Definicja 3.2.
Mówimy, że macierz 𝐴 ∈ 𝑀𝑛×𝑛 (R) jest diagonalizowalna, gdy istnieją macierz 𝐶 oraz
macierz diagonalna 𝐷 takie, że
𝐴 = 𝐶𝐷𝐶 −1 .
Wtedy mówimy też, że macierze 𝐴 i 𝐷 są podobne.
Rozdział 3 Strona 18
ROZDZIAŁ 3. WARTOŚCI I WEKTORY WŁASNE
Definicja 3.3.
Wartości i wektory własne macierzy
𝑤 𝐵 (𝜆) = 0.
Rozdział 3 Strona 19
ROZDZIAŁ 3. WARTOŚCI I WEKTORY WŁASNE
0 0 −1 0
0 0 0 −1
r) ,
1 0 0 0
0 1 0 0
0 −1 1
𝑖 𝑖 𝑖 𝑖
a) , f) ,
1 0 1 j) 1 1 1 ,
−𝑖
2 2 2
1 1 1 2 0
b) , −𝑖 0 −2
9 1 g) 1 1 1 ,
k) 0 4 0 ,
0 −2 0
2 0 −𝑖
2+𝑖 1
c) ,
2 2−𝑖 0 −2 0 𝑖 − 1 2 1
h) 2 0 0 ,
l) 0 2𝑖 3 ,
2
1
0 0 −1 0
d) , 0 𝑖 − 1
−5 −2
0 1 0 2 0 1
1 4 i) 0 0 1 , m) 0 4 0 .
e) ,
−1 1 0 0 0
−5 0 −2
a) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (𝑥 + 𝑦, 𝑦),
Rozdział 3 Strona 20
ROZDZIAŁ 3. WARTOŚCI I WEKTORY WŁASNE
3.2 Część B
Zadanie 7 Przekształcenie liniowe 𝐴 : R3 → R3 spełnia warunki
b) 𝐴(1, 1, 0) = (−1, −1, 0), 𝐴(1, 0, 2) = (2, 0, 4), 𝐴(0, 2, 3) = (0, 2, 3),
d) 𝐴(1, 1, 0) = (−2, −2, 0), 𝐴(1, −1, 0) = (−1, 1, 0), 𝐴(0, 0, 2) = (0, 0, −10).
e) 𝐴 : C2 → C3 , 𝐴(𝑧, 𝑤, 𝑢) = (𝑤 − 𝑢, 𝑢, 𝑧 + 𝑢),
Zadanie 9 Sprawdzić, czy wektory własne podanego przekształcenia liniowego tworzą bazę
przestrzeni R𝑛 . Jeżeli tak, napisać macierz rozważanego przekształcenia w tej bazie:
strona
ODPOWIEDZI 114
ROZWIZANIA 69
Rozdział 3 Strona 21
Rozdział 4
Iloczyny skalarne
4.1 Część A
Definicja 4.1.
Niech 𝑉 będzie przestrzenią liniową nad ciałem R. Iloczynem skalarnym w przestrzeni
𝑉 nazywamy funkcję h·, ·i : 𝑉 × 𝑉 → R przyporządkowującą wektorom 𝑢, 𝑣 ∈ 𝑉 liczbę
rzeczywistą h𝑢, 𝑣i i spełniającą warunki:
1. h𝑢 1 + 𝑢 2 , 𝑣i = h𝑢 1 , 𝑣i + h𝑢 2 , 𝑣i dla 𝑢 1 , 𝑢 2 , 𝑣 ∈ 𝑉,
4. h𝑢, 𝑢i ≥ 0 dla 𝑢 ∈ 𝑉,
5. h𝑢, 𝑢i = 0 ⇔ 𝑢 = 0.
Definicja 4.2.
Rzeczywistą przestrzeń liniową, w której wprowadzono iloczyn skalarny, nazywamy prze-
strzenią euklidesową.
22
ROZDZIAŁ 4. ILOCZYNY SKALARNE
Zadanie 1 Sprawdzić, czy podane funkcje h·, ·i są iloczynami skalarnymi w rozważanych prze-
strzeniach liniowych:
c) h𝑥, 𝑦i = 2𝑥 1 𝑦 1 − 𝑥 1 𝑦 2 − 𝑥 2 𝑦 1 + 𝑥 2 𝑦 2 dla 𝑥 = (𝑥 1 , 𝑥2 ), 𝑦 = (𝑦 1 , 𝑦 2 ) ∈ R2 ,
2 1 𝑦1
d) h𝑥, 𝑦i = 𝑥1 𝑥 2 dla 𝑥 = (𝑥 1 , 𝑥2 ), 𝑦 = (𝑦 1 , 𝑦 2 ) ∈ R2 ,
1 2 𝑦2
1 2 𝑦1
e) h𝑥, 𝑦i = 𝑥1 𝑥 2 dla 𝑥 = (𝑥 1 , 𝑥2 ), 𝑦 = (𝑦 1 , 𝑦 2 ) ∈ R2 ,
2 2 𝑦2
2 −1 𝑦 1
f) h𝑥, 𝑦i = 1 2 dla 𝑥 = (𝑥 1 , 𝑥2 ), 𝑦 = (𝑦 1 , 𝑦 2 ) ∈ R2 ,
𝑥 𝑥
−1 1 𝑦 2
2 0 −1 𝑦 1
g) h𝑥, 𝑦i = 𝑥1 𝑥 2 𝑥 3 0 1 0 𝑦 2 dla 𝑥 = (𝑥1 , 𝑥2 , 𝑥3 ), 𝑦 = (𝑦 1 , 𝑦 2 , 𝑦 3 ) ∈ R3 ,
−1 0 1 𝑦 3
3 0 1 𝑦 1
h) h𝑥, 𝑦i = 𝑥 1 𝑥 2 𝑥 3 0 2 0 𝑦 2 dla 𝑥 = (𝑥 1 , 𝑥2 , 𝑥3 ), 𝑦 = (𝑦 1 , 𝑦 2 , 𝑦 3 ) ∈ R3 ,
1 0 1 𝑦 3
i) h𝑝, 𝑞i = 𝑝(0)𝑞(0) − 𝑝 0 (0)𝑞 0 (0) dla 𝑝, 𝑞 ∈ R2 [𝑥],
2 1 3 𝑦 1
o) h𝑥, 𝑦i = 𝑥 1 𝑥2 𝑥 3 −1 1 0 𝑦 2 dla 𝑥 = (𝑥1 , 𝑥2 , 𝑥3 ), 𝑦 = (𝑦 1 , 𝑦 2 , 𝑦 3 ) ∈ R3 ,
3 0 1 𝑦 3
1 2 1 𝑦 1
p) h𝑥, 𝑦i = 𝑥 1 𝑥 2 𝑥 3 2 4 2 𝑦 2 dla 𝑥 = (𝑥 1 , 𝑥2 , 𝑥3 ), 𝑦 = (𝑦 1 , 𝑦 2 , 𝑦 3 ) ∈ R3 ,
3 8 3 𝑦 3
q) h𝑝, 𝑞i = 𝑝(0)𝑞(0) + 𝑝(1)𝑞(1) dla 𝑝, 𝑞 ∈ R2 [𝑥],
Rozdział 4 Strona 23
ROZDZIAŁ 4. ILOCZYNY SKALARNE
∫ 𝑏
t) h 𝑓 , 𝑔i = | 𝑓 (𝑥)𝑔(𝑥)|𝑑𝑥 dla 𝑓 , 𝑔 ∈ 𝐶 ( [𝑎; 𝑏]),
𝑎
∫ 1 𝑥
u) h 𝑓 , 𝑔i = 𝑓 (𝑥)𝑔 𝑑𝑥 dla 𝑓 , 𝑔 ∈ 𝐶 ( [−1; 1]).
−1 2
Definicja 4.3.
Niech 𝑣 będzie
√︁ wektorem przestrzeni euklidesowej 𝐸. Normą tego wektora nazywamy
liczbę k𝑣k = h𝑣, 𝑣i.
Definicja 4.4.
Niech 𝑢, 𝑣 będą dowolnymi wektorami przestrzeni euklidesowej 𝐸.
Odległością (metryką) tych wektorów nazywamy liczbę
𝑑 (𝑢, 𝑣) = k𝑢 − 𝑣k.
Rozdział 4 Strona 24
ROZDZIAŁ 4. ILOCZYNY SKALARNE
(c) 𝑑 (𝑢, 𝑣) = 0 ⇔ 𝑢 = 𝑣,
Definicja 4.5.
Niech 𝑢, 𝑣 będą niezerowymi wektorami przestrzeni euklidesowej 𝐸.
Miarą kąta między wektorami 𝑢 i 𝑣 nazywamy liczbę 𝜙 ∈ [0; 𝜋] spełniającą równość
h𝑢, 𝑣i
cos 𝜙 = .
k𝑢k k𝑣k
Rozdział 4 Strona 25
ROZDZIAŁ 4. ILOCZYNY SKALARNE
∫1
q) 𝑥 2 − 3, 𝑥 2 − 1 ∈ 𝑉 = R[𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 0
𝑝(𝑥)𝑞(𝑥)𝑑𝑥.
Definicja 4.6.
Mówimy, że wektory 𝑢, 𝑣 przestrzeni euklidesowej 𝐸 są ortogonalne, jeśli spełniają
h𝑢, 𝑣i = 0.
k𝑢k 2 + k𝑣k 2 = k𝑢 + 𝑣k 2 .
Rozdział 4 Strona 26
ROZDZIAŁ 4. ILOCZYNY SKALARNE
a) 𝑢 = (1, 0, 0) w 𝑉 = 𝐸 3 ,
Definicja 4.7.
Układ wektorów przestrzeni euklidesowej nazywamy ortogonalnym wtedy i tylko wtedy,
gdy każde dwa wektory z tego zbioru są ortogonalne.
Jeżeli wszystkie wektory układu ortogonalnego są unormowane, to układ taki nazywamy
ortonormalnym.
Definicja 4.8.
Bazę przestrzeni euklidesowej, która jest układem ortogonalnym, nazywamy bazą orto-
gonalną. Analogicznie definiujemy bazę ortonormalną dla układu ortonormalnego.
h𝑢, 𝑏 𝑖 i
𝛼𝑖 = , 1 ≤ 𝑖 ≤ 𝑛,
k𝑏 𝑖 k 2
Zadanie 6 Sprawdzić czy podany układ wektorów 𝑣 𝑖 jest bazą ortogonalną (lub ortonormalną)
przestrzeni euklidesowej 𝑉. Znaleźć współrzędne wskazanego wektora 𝑢 w tej bazie:
b) 𝑣 1 = ( 85 , − 52 ), 𝑣 2 = ( 25 , 85 ), 𝑢 = ( 25 , 15 ) ∈ 𝑉 = 𝐸 2 ,
Rozdział 4 Strona 27
ROZDZIAŁ 4. ILOCZYNY SKALARNE
e) 𝑣 1 = (1, 1, 1, 1), 𝑣 2 = (3, −1, −1, −1), 𝑣 3 = (0, 2, −1, −1), 𝑣 4 = (0, 0, 1, −1),
𝑢 = (1, 2, 0, 1) ∈ 𝑉 = 𝐸 4 ,
∫1
f) 𝑣 1 = 2, 𝑣 2 = 𝑥, 𝑣 3 = 3𝑥, 𝑢 = 𝑥 + 3 ∈ 𝑉 = R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = −1
𝑝(𝑥)𝑞(𝑥)𝑑𝑥,
Definicja 4.9.
Mówimy, że macierz 𝑃 ∈ 𝑀𝑛×𝑛 jest ortogonalna, jeżeli zachodzi
𝑃 −1 = 𝑃𝑇 .
(b) 𝑃𝑃𝑇 = 𝑃𝑇 𝑃 = 𝐼𝑛 ,
• |det(P)|=1.
Rozdział 4 Strona 28
ROZDZIAŁ 4. ILOCZYNY SKALARNE
1 1 1 1 1 1 1
1 1 −1 −1 i) 1 1 −1 .
h) 1 −1 1 −1 ,
1
1 −1 1
2
1 −1 −1 1
Definicja 4.10.
Mówimy, że macierz 𝐴 ∈ 𝑀𝑛×𝑛 (R) jest ortogonalnie diagonalizowalna, gdy istnieją
macierz ortogonalna 𝑃 oraz macierz diagonalna 𝐷 takie, że
𝐴 = 𝑃𝐷𝑃 −1 = 𝑃𝐷𝑃𝑇 .
𝑣1 = 𝑢1
h𝑢2 ,𝑣1 i
= 𝑢2 −
𝑣2 𝑣1
k 𝑣1 k 2
h𝑢3 ,𝑣1 i
+ h𝑢k 𝑣3 ,𝑣k22i 𝑣 2
𝑣
3 = 𝑢3 − 𝑣
k 𝑣1 k 2 1 2
.
..
..
.
= 𝑢 𝑛 − h𝑢k 𝑣𝑛 ,𝑣k12i 𝑣 1 + h𝑢k 𝑣𝑛 ,𝑣k22i 𝑣 2 + ... + h𝑢𝑛 ,𝑣𝑛−1 i
𝑣𝑛 𝑣
1 2 k 𝑣𝑛−1 k 2 𝑛−1
Rozdział 4 Strona 29
ROZDZIAŁ 4. ILOCZYNY SKALARNE
d) 𝑢 1 = (1, 2, −1, 0), 𝑢 2 = (2, 1, −1, 1), 𝑢 3 = (1, 1, −1, 1), 𝑢 4 = (1, 0, 0, 2) ∈ 𝐸 4 ,
Rozdział 4 Strona 30
ROZDZIAŁ 4. ILOCZYNY SKALARNE
𝐴𝑇 → 𝐺 | 𝐴 0
𝐴𝑇 𝐴 |
d) 𝑢 1 = (1, 2, −1, 0), 𝑢 2 = (2, 1, −1, 1), 𝑢 3 = (1, 1, −1, 1), 𝑢 4 = (1, 0, 0, 2) ∈ 𝐸 4 ,
Definicja 4.11.
Niech 𝐸 0 będzie podprzestrzenią przestrzeni euklidesowej 𝐸.
Mówimy, że wektor 𝑣 ∈ 𝐸 jest ortogonalny do przestrzeni 𝐸 0 jeżeli
∀𝑢∈𝐸0 h𝑣, 𝑢i = 0.
Rozdział 4 Strona 31
ROZDZIAŁ 4. ILOCZYNY SKALARNE
Definicja 4.12.
Niech 𝐸 0 będzie podprzestrzenią przestrzeni euklidesowej 𝐸.
Rzutem ortogonalnym wektora 𝑢 ∈ 𝐸 na podprzestrzeń 𝐸 0 nazywamy wektor 𝑢 0 ∈ 𝐸 0
spełniający warunek
𝑢 − 𝑢 0 ⊥𝐸 0 .
Rozdział 4 Strona 32
ROZDZIAŁ 4. ILOCZYNY SKALARNE
Definicja 4.13.
Niech
𝐴𝑥 = 𝑏 (4.1)
𝑏1
𝑏2
będzie układem sprzecznym, gdzie 𝐴 = 𝑀𝑚×𝑛 , 𝑏 = . ∈ 𝑀𝑚×1 .
..
𝑏 𝑚
”Najlepszym rozwiązaniem” układu (4.1) nazywamy wektor 𝑥¯ ∈ R𝑛 taki, że
∀ 𝑥 ∈R𝑛 k 𝐴¯
𝑥 − 𝑏k ≤ k 𝐴𝑥 − 𝑏k.
Twierdzenie 4.13.
Zbiór ”najlepszych rozwiązań” układu (4.1) jest identyczny ze zbiorem rozwiązań układu
równań postaci
𝐴𝑇 𝐴𝑥 = 𝐴𝑇 𝑏.
𝑥 + 2𝑦 = 3 2𝑥 1 + 2𝑥2 − 𝑥 3 = 1
a) ,
3𝑥 + 6𝑦 = 4 e) 𝑥 1 − 2𝑥2 3,
=
𝑥 1 + 4𝑥2 − 𝑥 3 =
2
2𝑥
𝑥 1 + 2 + 𝑥 3 = −2
= 4
b)
− 𝑥2 + 𝑥3 = 2 ,
𝑥2 − 𝑥3
f) 2𝑥1 − 𝑥 2 + 2𝑥 3 = 3,
𝑥 1 + 𝑥 2 + 2𝑥 3 = 12
− 2𝑥1 + 2𝑥 2 − 3𝑥 3
= 0
𝑥
1 = 3 𝑥1 + 𝑥2 + 𝑥3 = 1
c) 𝑥 1 + 𝑥 2 = 4 ,
g) 𝑥 1 − 𝑥 2 + 𝑥 3 = 1 ,
𝑥 1 + 2𝑥 2 = 1
+ 𝑥3 = 2
𝑥1
2𝑥 1 = 1 𝑥1 + 𝑥2 + 𝑥3 = 1
d) = 2, h) 𝑥 1 − 𝑥 2 + 𝑥 3 = 1 ,
𝑥2
2𝑥 1 + 2𝑥2
= 3
𝑥2 = 1
Rozdział 4 Strona 33
ROZDZIAŁ 4. ILOCZYNY SKALARNE
𝑥1
= 1 2𝑥 1
= 1
i) = 1, j) = 0.
𝑥2 𝑥2
2𝑥 1 + 𝑥 2
= 1 2𝑥 1 + 𝑥 2
= 2
Uwaga 4.2 Innymi słowy należy znaleźć ”najlepsze rozwiązanie” sprzecznego układu równań:
𝑎𝑥1 + 𝑏 = 𝑦 1
𝑎𝑥2 + 𝑏 = 𝑦 2
.. .. .
. .
𝑎𝑥 𝑛 + 𝑏 = 𝑦 𝑛
Zadanie 16 Wyznaczyć ”najlepsze przybliżenie” prostej 𝑦 = 𝑎𝑥 + 𝑏 do punktów:
a) (1, 2), (2, 3), (3, 5), (4, 7) g) (1, 1), (2, 8), (3, 8), (4, 20),
b) (1, 2), (2, 4), (3, 5), (4, 7) h) (2, 1), (1, 3), (2, 2),
c) (0, 1), (1, 2), (2, −1) i) (2, 1), (3, 5), (1, 3), (2, 2),
d) (1, 1), (2, 2), (4, 3), (5, 1), j) (2, 3), (2, 4), (3, 1),
e) (−1, −2), (1, 2), (3, 3), (0, 0), k) (2, 3), (3, 1), (0, 2),
f) (1, 3), (2, 5), (3, −3), (0, 3), l) (2, 3), (2, 4), (3, 1), (1, 2).
Rozdział 4 Strona 34
ROZDZIAŁ 4. ILOCZYNY SKALARNE
4.2 Część B
Zadanie 17 Dobrać stałą 𝑎 ∈ R tak, aby podane wektory były ortogonalne w przestrzeni 𝑉:
strona
ODPOWIEDZI 114
ROZWIZANIA 82
Rozdział 4 Strona 35
Rozdział 5
5.1 Część A
Definicja 5.1.
Niech 𝑉 będzie przestrzenią liniową nad ciałem R (ogólnie - nad ciałem 𝐾).
Formą dwuliniową na przestrzeni 𝑉 nazywamy odwzorowanie 𝑄 : 𝑉 × 𝑉 → R spełniające
warunki:
Dodatkowo:
a) jeżeli zachodzi ∀ 𝑥,𝑦 ∈𝑉 𝑄(𝑥, 𝑦) = 𝑄(𝑦, 𝑥) to formę nazywamy zwykłą lub symetryczną,
Zadanie 1 Pokazać, że podane odwzorowanie jest formą dwuliniową. Czy jest to forma syme-
tryczna lub antysymetryczna?
a) 𝑄 : R2 × R2 → R, 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 2𝑥1 𝑦 1 + 𝑥 1 𝑦 2 ,
b) 𝑄 : R2 × R2 → R, 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 2𝑥1 𝑦 1 − 𝑥 2 𝑦 1 ,
c) 𝑄 : R2 × R2 → R, 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 3𝑥 1 𝑦 1 − 𝑥 2 𝑦 1 + 𝑥 1 𝑦 2 ,
d) 𝑄 : R2 × R2 → R, 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 𝑥 1 𝑦 1 + 𝑥 2 𝑦 1 + 𝑥 1 𝑦 2 − 𝑥 2 𝑦 2 ,
e) 𝑄 : R3 × R3 → R, 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 + 𝑥2 𝑦 3 + 𝑥 1 𝑦 2 − 𝑥 3 𝑦 3 ,
f) 𝑄 : R3 × R3 → R, 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 + 𝑥 2 𝑦 2 + 𝑥 3 𝑦 3 ,
36
ROZDZIAŁ 5. FORMY DWULINIOWE I KWADRATOWE
Definicja 5.2.
Niech 𝑉 będzie przestrzenią liniową, 𝑄 : 𝑉 × 𝑉 → R formą dwuliniową na 𝑉, a 𝐵 =
{𝑣 1 , 𝑣 2 , ..., 𝑣 𝑛 } bazą 𝑉. Wówczas macierz
𝐴 = [𝑎 𝑖 𝑗 ] ∈ 𝑀𝑛×𝑛 (R)
Twierdzenie 5.1.
Niech 𝑄 : 𝑉 × 𝑉 → R będzie formą dwuliniową na przestrzeni liniowej 𝑉, a macierz
𝐴 ∈ 𝑀𝑛×𝑛 (R) macierzą 𝑄 w bazie 𝐵 = {𝑣 1 , 𝑣 2 , ..., 𝑣 𝑛 }. Wówczas:
f) 𝑄 : R3 ×R3 → R, 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 +3𝑥 1 𝑦 2 −2𝑥 2 𝑦 3 +2𝑥 3 𝑦 3 , 𝐵 = {(1, 1, 1), (1, 1, 0), (1, 0, 0)},
h) 𝑄 : R3 × R3 → R, 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 2𝑥 1 𝑦 1 + 𝑥 1 𝑦 2 + 𝑥 2 𝑦 1 − 𝑥 3 𝑦 3 ,
𝐵 = {(1, 0, 1), (1, 1, 0), (0, 1, 1)},
i) 𝑄 : R3 × R3 → R, 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 + 3𝑥 1 𝑦 2 − 4𝑥 1 𝑦 3 + 2𝑥 2 𝑦 1 − 2𝑥 2 𝑦 3 + 3𝑥3 𝑦 1 ,
𝐵 = {(1, 1, 1), (1, 0, 1), (1, 2, 0)}.
Zadanie 3 Dla formy dwuliniowej 𝑄 z poprzedniego zadania obliczyć 𝑄(𝑣 1 , 𝑣 2 ) przy użyciu
macierzy formy w bazie 𝐵. Porównać wyniki z obliczeniami w bazie standardowej.
Rozdział 5 Strona 37
ROZDZIAŁ 5. FORMY DWULINIOWE I KWADRATOWE
a) 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 2𝑥 1 𝑦 1 + 𝑥1 𝑦 2 ,
b) 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 4𝑥 1 𝑦 1 + 𝑥1 𝑦 2 − 2𝑥 2 𝑦 1 + 2𝑥 2 𝑦 2 ,
c) 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 𝑥 1 𝑦 2 + 2𝑥2 𝑦 1 ,
d) 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = −2𝑥 1 𝑦 1 + 𝑥 2 𝑦 1 + 3𝑥 2 𝑦 2 ,
e) 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 + 3𝑥 1 𝑦 2 − 2𝑥 2 𝑦 3 + 2𝑥3 𝑦 3 ,
f) 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 + 2𝑥 2 𝑦 2 + 3𝑥 3 𝑦 3 + 𝑥1 𝑦 2 + 𝑥 1 𝑦 3 + 2𝑥 2 𝑦 1 − 2𝑥 2 𝑦 3 ,
g) 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 2𝑥 1 𝑦 2 + 𝑥 1 𝑦 3 + 3𝑥2 𝑦 1 + 2𝑥 2 𝑦 3 − 𝑥 3 𝑦 1 + 𝑥 3 𝑦 2 ,
h) 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 + 𝑥2 𝑦 2 + 𝑥 3 𝑦 3 + 𝑥 1 𝑦 2 + 𝑥 3 𝑦 2 .
Definicja 5.3.
Rzeczywistą formą kwadratową 𝑛 zmiennych nazywamy wielomian jednorodny drugiego
stopnia postaci
𝑛 ∑︁
∑︁ 𝑛
𝑞(𝑥 1 , 𝑥2 , ..., 𝑥 𝑛 ) = 𝑚 𝑖 𝑗 𝑥𝑖 𝑥 𝑗 ,
𝑖=1 𝑗=1
Twierdzenie 5.2.
Dla każdej formy kwadratowej 𝑞(𝑥) = 𝑥 𝑇 𝑀𝑥 istnieje dokładnie jedna macierz symetryczna
𝐴 taka, że 𝑞(𝑥) = 𝑥 𝑇 𝐴𝑥.
a) 𝑄(x, y) = 6𝑥 1 𝑦 1 + 2𝑥 2 𝑦 1 + 2𝑥 1 𝑦 2 − 4𝑥 2 𝑦 2 ,
b) 𝑄(x, y) = 𝑥 1 𝑦 1 + 𝑥 2 𝑦 1 + 𝑥 1 𝑦 2 − 𝑥 2 𝑦 2 ,
c) 𝑄(x, y) = 3𝑥 1 𝑦 1 − 𝑥 2 𝑦 1 − 𝑥 1 𝑦 2 + 2𝑥2 𝑦 2 ,
d) 𝑄(x, y) = 𝑥 1 𝑦 1 + 2𝑥 2 𝑦 1 + 2𝑥 1 𝑦 2 − 2𝑥2 𝑦 2 ,
e) 𝑄(x, y) = 2𝑥 1 𝑦 1 − 3𝑥 2 𝑦 1 − 3𝑥 1 𝑦 2 + 2𝑥2 𝑦 2 .
Rozdział 5 Strona 38
ROZDZIAŁ 5. FORMY DWULINIOWE I KWADRATOWE
Definicja 5.4.
Niech 𝐴 ∈ 𝑀𝑛×𝑛 (R). Wtedy:
Rozdział 5 Strona 39
ROZDZIAŁ 5. FORMY DWULINIOWE I KWADRATOWE
m) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 3𝑥 2 + 2𝑦 2 + 2𝑧 2 − 4𝑥𝑦,
n) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 𝑥 2 + 𝑦 2 + 𝑧 2 − 𝑥𝑧 − 𝑦𝑧,
o) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 1𝑥 2 + 1𝑦 2 + 3𝑧 2 + 𝑥𝑧 + 𝑦𝑧.
Definicja 5.5.
Jeżeli macierz 𝐴 jest diagonalna, to mówimy, że forma kwadratowa 𝑞 dana wzorem
𝑞(𝑥) = 𝑥 𝑇 𝐴𝑥
𝑀 = 𝑑𝑖𝑎𝑔(𝜆1 , 𝜆2 , ..., 𝜆 𝑛 ),
że zachodzi
𝑞(𝑥) = 𝑞(𝑦) = 𝜆1 𝑦 21 + 𝜆2 𝑦 22 + ... + 𝜆 𝑛 𝑦 2𝑛 ,
gdzie 𝜆𝑖 są wartościami własnymi macierzy 𝐴, 1 ≤ 𝑖 ≤ 𝑛.
𝑞(𝑃𝑦) = 𝑦 𝑇 𝐷 𝑦 = 𝜆 1 𝑦 21 + 𝜆2 𝑦 22 + ... + 𝜆 𝑛 𝑦 2𝑛 ,
Rozdział 5 Strona 40
ROZDZIAŁ 5. FORMY DWULINIOWE I KWADRATOWE
𝑥𝑖 = 𝑦 𝑖 − 𝑦 𝑗 , 𝑥 𝑗 = 𝑦𝑖 + 𝑦 𝑗 ,
g) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 4𝑥𝑦 + 𝑧 2 ,
h) 𝑞 : R3 → R, 𝑞(𝑥 1 , 𝑥2 , 𝑥2 ) = 2𝑥 1 𝑥 2 + 𝑥 22 − 2𝑥 2 𝑥 3 ,
l) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 3𝑥 2 + 3𝑦 2 + 3𝑧 2 − 2𝑥𝑧,
strona
ODPOWIEDZI 114
ROZWIZANIA 104
Rozdział 5 Strona 41
Rozdział 6
42
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
• jednorodność:
• addytywność:
• jednorodność:
• addytywność: ∫
𝐿 = (𝐷 ( 𝑝 + 𝑞)) (𝑥) = 𝑥( 𝑝(𝑥) + 𝑞(𝑥))𝑑𝑥 =
∫ ∫
= 𝑥 𝑝(𝑥)𝑑𝑥 + 𝑥𝑞(𝑥)𝑑𝑥,
∫ ∫
𝑃 = (𝐷 𝑝) (𝑥) + (𝐷𝑞) (𝑥) = 𝑥 𝑝(𝑥)𝑑𝑥 + 𝑥𝑞(𝑥)𝑑𝑥 = 𝐿.
• jednorodność: ∫
𝐿 = (𝐷 (𝛼𝑝)) (𝑥) = 𝑥𝛼𝑝(𝑥)𝑑𝑥,
∫
𝑃 = 𝛼(𝐷 𝑝) (𝑥) = 𝛼 𝑥 𝑝(𝑥)𝑑𝑥 = 𝐿.
t) 𝐺 : C( [0, 1]) → C( [0, 1]), (𝐺 𝑓 ) (𝑥) = 𝑓 (5𝑥) dla 𝑓 ∈ C( [0, 1]), 𝑥 ∈ [0, 1]
Weźmy 2 wektory 𝑓 , 𝑔 ∈ C( [0, 1]) oraz stałą 𝛼 ∈ R. Sprawdzimy liniowość odwzorowania z
definicji, korzystając z dwóch warunków:
• addytywność:
𝐿 = (𝐺 ( 𝑓 + 𝑔)) (𝑥) = ( 𝑓 + 𝑔) (5𝑥) = 𝑓 (5𝑥) + 𝑔(5𝑥),
𝑃 = (𝐺 𝑓 ) (𝑥) + (𝐺𝑔) (𝑥) = 𝑓 (5𝑥) + 𝑔(5𝑥) = 𝐿.
Rozdział 6 Strona 43
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
• jednorodność:
𝐿 = (𝐺 (𝛼 𝑓 )) (𝑥) = (𝛼 𝑓 ) (5𝑥) = 𝛼 𝑓 (5𝑥),
𝑃 = 𝛼(𝐺 𝑓 ) (𝑥) = 𝛼 𝑓 (5𝑥) = 𝐿.
Wtedy
𝐿 = 𝐴(𝑢 + 𝑣) = 𝐴(0, 0, 0) = (0, 0, 0, 1),
𝑃 = 𝐴(𝑢) + 𝐴(𝑣) = (2, 0, 0, 1) + (−2, 0, 0, 1) = (0, 0, 0, 2),
zatem 𝐿 ≠ 𝑃.
• Możemy też pokazać, że 𝐴 nie jest jednorodne. Wybierzmy wektor 𝑢 = (1, 2, 3) oraz
stałą 𝛼 = 3. Wtedy:
e) 𝐴 : R2 → R, 𝐴(𝑥, 𝑦) = 𝑥 2
Rozwiązanie 1:
Aby zaprzeczyć addytywności należy wybrać 2 konkretne wektory: 𝑢 = (1, 0), 𝑣 = (1, 1).
Wtedy:
𝐿 = 𝐴(𝑢 + 𝑣) = 𝐴(2, 1) = 4,
𝑃 = 𝐴(𝑢) + 𝐴(𝑣) = 1 + 1 = 2,
zatem 𝐿 ≠ 𝑃 i przekształcenie 𝐴 nie jest liniowe.
Rozwiązanie 2:
Aby zaprzeczyć jednorodności należy wybrać wektor 𝑢 = (1, 2) oraz stałą 𝛼 = −1. Wtedy:
𝑃 = −1𝐴(1, 2) = −1 · 1 = −1 ≠ 𝐿.
Zatem odwzorowanie 𝐴 nie jest liniowe.
Rozdział 6 Strona 44
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
𝐴(0) = 0,
Natomiast dla odwzorowania 𝐷 z tego przykładu mamy 𝐷 (0, 0) ≠ (0, 0), co pokażemy na
wykresie:
D(0,0)
y=-x+1
x
(0,0)
Rozwiązanie 1:
Aby zaprzeczyć addytywności należy wybrać 2 konkretne wektory: 𝑝 = 𝑥 2 , 𝑞 = 𝑥. Wtedy
Rozwiązanie 2:
Możemy też pokazać, że nie zachodzi jednorodność.
Wybierzmy wektor 𝑝 = 𝑥 oraz stałą 𝛼 = 2. Wtedy:
𝐿 = (𝐹 (𝛼𝑝)) (𝑥) = 2 · 4 = 8,
𝑃 = 𝛼(𝐹 𝑝) (𝑥) = 2 · 1 · 2 = 4 ≠ 𝐿.
Zatem 𝐹 nie jest liniowe.
Rozdział 6 Strona 45
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
1 2 2 4 2 4
−8 −16
𝐿=𝐻 2 =𝐻 = (−2 − 2) = ,
0 1 0 2 0 2 0 −8
1 2 1 2
−4 −8
𝑃 = 2𝐻 = 2(−1 − 1) = ,
0 1 0 1 0 −4
a) 𝐴 : R3 → R2
Dla dowolnego wektora (𝑥, 𝑦, 𝑧) ∈ R3 możemy jedynie dodawać do siebie współrzędne lub
przemnażać przez stałe, czyli tworzyć kombinacje liniowe
𝛼𝑖 𝑥 + 𝛽𝑖 𝑦 + 𝛾𝑖 𝑧, 𝛼𝑖 , 𝛽𝑖 , 𝛾𝑖 ∈ R,
gdzie 𝛼1 , 𝛼2 , 𝛽1 , 𝛽2 , 𝛾1 , 𝛾2 ∈ R.
Rozwiazanie: Mamy:
𝐴(𝑥 + 2) = 𝑥 2 + 𝑥, 𝐴(𝑥 − 1) = 𝑥 2 .
Najpierw znajdziemy obraz wektorów bazowych 1, 𝑥. W tym celu wyznaczymy je, używając
kombinacji liniowej wektorów 𝑝 1 , 𝑝 2 .
Zauważmy, że
(𝑥 + 2) − (𝑥 − 1) 𝑝 1 − 𝑝 2
(𝑥 + 2) − (𝑥 − 1) = 3 ⇒ = (𝑥) = 1.
3 3
Z drugiej strony
(𝑥 + 2) + 2(𝑥 − 1) 𝑝 1 + 2𝑝 2
(𝑥 + 2) + 2(𝑥 − 1) = 3𝑥 ⇒ = (𝑥) = 𝑥.
3 3
Rozdział 6 Strona 46
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
Zatem mamy
(𝑥 + 2) − (𝑥 − 1)
( 𝐴(𝑒 1 )) (𝑥) = 𝐴(1) = 𝐴 =
3
1 1 1 1 𝑥
= 𝐴(𝑥 + 2) − 𝐴(𝑥 − 1) = (𝑥 2 + 𝑥) − 𝑥 2 = ,
3 3 3 3 3
(𝑥 + 2) + 2(𝑥 − 1)
( 𝐴(𝑒 2 )) (𝑥) = 𝐴(𝑥) = 𝐴 =
3
1 2 𝑥
= (𝑥 2 + 𝑥) + 𝑥 2 = 𝑥 2 + .
3 3 3
Dostaliśmy
𝑥 𝑥
𝐴(1) = , 𝐴(𝑥) = 𝑥 2 + ,
3 3
a dla wektora 𝑝 mamy
( 𝐴( 𝑝)) (𝑥) = 𝐴(2𝑥 + 1) = 2𝐴 (𝑥) + 𝐴(1) =
𝑥 𝑥
= 2 𝑥2 + + = 2𝑥 2 + 𝑥
3 3
Zauważmy, że przy okazji dostaliśmy wzór na przekształcenie:
(𝑎 + 𝑏)𝑥
𝐴(𝑎 + 𝑏𝑥) = 𝑎 · 𝐴(1) + 𝑏 · 𝐴 (𝑥) = + 𝑏𝑥 2 .
3
Uwaga: Obraz wektora 𝑝 możemy też obliczyć inaczej:
( 𝐴( 𝑝)) (𝑥) = 𝐴(2𝑥 + 1) = 𝐴 ((𝑥 + 2) + (𝑥 − 1)) =
= 𝐴 (𝑥 + 2) + 𝐴(𝑥 − 1) = 𝑥 2 + 𝑥 + 𝑥 2 = 2𝑥 2 + 𝑥.
Zadanie 5 Wyznaczyć jądra i obrazy podanych przekształceń liniowych, posługując się ich in-
terpretacją geometryczną. Porównać uzyskane odpowiedzi z wynikami obliczeń algebraicznych:
e) 𝐴 : R2 → R2 jest rzutem prostokątnym na prostą 𝑙 : 𝑦 = 2𝑥
Zauważmy, że
• do jądra należą te wektory (𝑥, 𝑦) ∈ R2 , które w rzucie przechodzą na wektor (0, 0), czyli
wektory z prostej prostopadłej do 𝑙 danej wzorem 𝑦 = − 21 𝑥,
• obrazem wektorów są te, które leżą na prostej 𝑙.
Zatem mamy
2 1
𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛 , 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛 .
−1 2
Rozdział 6 Strona 47
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
• wyznaczamy 𝐾𝑒𝑟 ( 𝐴) :
1
(2𝑦 + 𝑥, 4𝑦 + 2𝑥) = (0, 0) ⇐⇒ 2𝑦 + 𝑥 = 0 ⇐⇒ (−2𝑦, 𝑦) = −𝑦(2, −1),
5
2
czyli 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛 .
−1
• wyznaczamy 𝐼𝑚( 𝐴) :
1 1 1 1
𝐼𝑚( 𝐴) 3 (2𝑦 + 𝑥, 4𝑦 + 2𝑥) = 𝑦(2, 4) + 𝑥(1, 2) = (2𝑦 + 𝑥) · (1, 2),
5 5 5 5
1
czyli 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛 .
2
Odpowiedź możemy szczegółowo zapisać w formie tabeli:
𝐾𝑒𝑟 ( 𝐴) 𝐼𝑚( 𝐴)
wzór 𝑠𝑝𝑎𝑛 {(2, −1)} 𝑠𝑝𝑎𝑛 {(1, 2)}
baza {(2, −1)} {(1, 2)}
wymiar 1 1
Zatem mamy
𝐾𝑒𝑟 ( 𝐴) = {(0, 0)} , 𝐼𝑚( 𝐴) = R2 .
• wyznaczamy 𝐾𝑒𝑟 ( 𝐴) :
𝐾𝑒𝑟 ( 𝐴) 𝐼𝑚( 𝐴)
wzór {(0, 0)} R2
baza ∅ {(1, 0), (0, 1)}
wymiar 0 2
Rozdział 6 Strona 48
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
Zatem dostaliśmy
𝐾𝑒𝑟 ( 𝐴) = {(0, 0)}, 𝐼𝑚( 𝐴) = R2 .
• wyznaczamy 𝐾𝑒𝑟 ( 𝐴) :
1 0
𝑟 = 2,
0 −1
𝐾𝑒𝑟 ( 𝐴) 𝐼𝑚( 𝐴)
wzór {(0, 0)} R2
1 0
baza ∅ ,
0 1
wymiar 0 2
Rozdział 6 Strona 49
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
Zatem mamy
0 0 1
𝐾𝑒𝑟 ( 𝐴) = 𝑂𝑌 𝑍 = 𝑠𝑝𝑎𝑛 1 , 0 , 𝐼𝑚( 𝐴) = 𝑂 𝑋 = 𝑠𝑝𝑎𝑛 0
.
0 1 0
• wyznaczamy 𝐾𝑒𝑟 ( 𝐴) :
0 0
czyli 𝐾𝑒𝑟 ( 𝐴) = 𝑂𝑌 𝑍 = 𝑠𝑝𝑎𝑛 1 , 0 .
0 1
• wyznaczamy 𝐼𝑚( 𝐴) :
𝐼𝑚( 𝐴) 3 (𝑥, 0, 0) = 𝑥(1, 0, 0)
1
czyli 𝐼𝑚( 𝐴) = 𝑂 𝑋 = 𝑠𝑝𝑎𝑛 0 .
0
Uzupełniamy tabelę:
𝐾𝑒𝑟 ( 𝐴) 𝐼𝑚( 𝐴)
wzór 𝑂𝑌 𝑍 𝑂𝑋
0 0 1
baza 1 , 0 0
0 1 0
wymiar 2 1
Zadanie 6 Wyznaczyć jądra i obrazy (oraz ich bazy) podanych przekształceń liniowych:
a) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (𝑥 + 𝑦, 2𝑥)
1 1 0 𝑊2 −2𝑊1 1 1 0 1 1 0 𝑊1 −𝑊2 1 0 0
−−−−−−−→ −→ −−−−−−→
2 0 0 0 −2 0 0 1 0 0 1 0
Rozdział 6 Strona 50
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
1 1 0 1 0 1
𝑟 =𝑟 =𝑟 =2
2 0 2 0 1 0
Zatem 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{(1, 2), (1, 0)} = 𝑠𝑝𝑎𝑛{(1, 0), (0, 1)} = R2 .
• 𝐾𝑒𝑟 ( 𝐴):
Szukamy takich wektorów, dla których zachodzi 𝑥 𝑝(𝑥) = 0 ⇐⇒ 𝑝(𝑥) = 0.
Uwaga: nie rozważamy 𝑥 = 0, tylko 𝑝(𝑥) = 0, ponieważ wektorem w przestrzeni wielo-
mianów R1 [𝑥] jest 𝑝, a 𝑥 jest zmienną wielomianu 𝑝.
Możemy też użyć drugiego sposobu i znaleźć takie 𝑎, 𝑏, dla których podanych wielomian
jest zerowy:
𝑥 = 0 + 1𝑥 + 0𝑥 2 , 𝑥 2 = 0 + 0𝑥 + 1𝑥 2
Odpowiedź:
Rozdział 6 Strona 51
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
Odpowiedź:
i otrzymujemy, że tylko jeden jest liniowo niezależny i tworzy bazę przestrzeni R0 [𝑥].
Zatem 𝐼𝑚 𝐴 = 𝑠𝑝𝑎𝑛{1, 2} = 𝑠𝑝𝑎𝑛{1} = R0 [𝑥].
Rozdział 6 Strona 52
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
Odpowiedź:
Zatem 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 0.
( 𝐴 𝑝) (𝑥) = 𝑏 + 2𝑥𝑐 + 𝑎 + 𝑏𝑥 + 𝑐𝑥 2
(𝑎 + 𝑏) + 𝑥(2𝑐 + 𝑏) + 𝑥 2 · 𝑐 = 0 ⇐⇒ 𝑎 + 𝑏 = 0, 2𝑐 + 𝑏 = 0, 𝑐 = 0 ⇐⇒ 𝑐 = 0, 𝑏 = 0, 𝑎 = 0
Zatem 𝐾𝑒𝑟 ( 𝐴) = {0} oraz 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 0.
Z twierdzenia o wymiarach dostajemy:
Rozdział 6 Strona 53
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
Rozdział 6 Strona 54
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
𝑐
𝑣 𝑤 = 𝑐 − 𝑥 2𝑐 − 𝑦 −2𝑐 − 𝑧 2𝑐 = 0.
𝑇
−2𝑐
Po krótkich obliczeniach dostajemy
9𝑐 = 𝑥 + 2𝑦 − 2𝑧,
1
𝑐 = (𝑥 + 2𝑦 − 2𝑧).
9
Wracając do wzoru na odwzorowanie 𝐴 dostajemy wzór:
1
𝐴(𝑥, 𝑦, 𝑧) = (𝑥 + 2𝑦 − 2𝑧, 2𝑥 + 4𝑦 − 4𝑧, −2𝑥 − 4𝑦 + 4𝑧).
9
Pozostało obliczyć macierz tego odwzorowania.
Rozdział 6 Strona 55
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
w R2 [𝑥] : 𝐵 = 𝑏 1 = 1, 𝑏 2 = 𝑥, 𝑏 3 = 𝑥 2 ,
w R0 [𝑥] : 𝐶 = {𝑐 1 = 1} ,
tzn. 𝑏 1 = 1, 𝑏 2 = 𝑥, 𝑏 3 = 𝑥 2 , 𝑐 1 = 1.
Obliczamy kolejne 𝐴(𝑏 𝑖 ), 1 ≤ 𝑖 ≤ 3, a wyniki zapisujemy w bazie {𝑐 𝑗 }.
𝐴(1) = 3(1) 00 = 0 = 0 · 1 = 0 · 𝑐 1 ,
𝐴(𝑥) = 3(𝑥) 00 = 0 = 0 · 1 = 0 · 𝑐 1 ,
𝐴(𝑥 2 ) = 3(𝑥 2 ) 00 = 6 = 6 · 1 = 6 · 𝑐 1 ,
a po wpisaniu tych współczynników do macierzy jako kolumny:
𝑀𝐴 = 0 0 6 .
Sprawdzenie:
Wektor z przestrzeni R2 [𝑥] możemy zapisać w bazie 𝐵 jako 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 = (𝑎, 𝑏, 𝑐) 𝐵 :
𝑎
𝑎
𝑀 𝐴 𝑏 = 0 0 6 𝑏 = 6𝑐 ∼ 6𝑐 = 𝐴(𝑎 + 𝑏𝑥 + 𝑐𝑥 2 ).
𝑐 𝑐
𝐵 = {𝑏 1 = 1, 𝑏 2 = 𝑥} , 𝐶 = 𝑐 1 = 1, 𝑐 2 = 𝑥, 𝑐 3 = 𝑥 2 .
𝐵 = 𝑏 1 = 1, 𝑏 2 = 𝑥, 𝑏 3 = 𝑥 2 , 𝐶 = {𝑐 1 = 1, 𝑐 2 = 𝑥} .
Rozdział 6 Strona 56
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
Mamy:
𝑝(𝑥) = 1
𝑝(2𝑥) = 1 = (1) 0 = 0 = 0 · 1 + 0 · 𝑥 = (0, 0)𝐶 ,
𝐴(1) =
𝑝 0 (2𝑥) = 10 = 0
𝑝(𝑡) = 𝑡
𝑝(2𝑥) = 2𝑥 = (2𝑥) 0 = 2 = 2 · 1 + 0 · 𝑥 = (2, 0)𝐶 ,
𝐴(𝑥) =
𝑝 0 (2𝑥) = (2𝑥) 0 = 2
𝑝(𝑡) = 𝑡 2
0 0
𝐴 𝑥 = 𝑝(2𝑥) = (2𝑥) = 4𝑥 = (2𝑥) 2 = 4𝑥 2 = 8𝑥 = 0 · 1 + 8 · 𝑥 = (0, 8)𝐶 ,
2
2 2
𝑝 0 (2𝑥) = (4𝑥 2 ) 0 = 8𝑥
i wpisujemy je jako kolumny do macierzy
0 2 0
𝑀𝐴 = .
0 0 8
a) 𝐴 : R4 → R2 , 𝐴(𝑥, 𝑦, 𝑧, 𝑡) = (𝑥 − 𝑡, 𝑥 + 2𝑦 + 3𝑡),
𝐵 = {(1, 1, 0, 0), (0, 1, −1, 0), (0, 0, 1, 3), (2, 0, 0, 2)}, 𝐶 = {(1, 2), (0, 3)}
oraz baza R2 :
1 0
𝐶 = 𝑐1 = , 𝑐2 = .
2 3
Obliczamy 𝐴(𝑏 𝑖 ) (gdzie 𝑏 1 , 𝑏 2 , 𝑏 3 , 𝑏 4 ∈ 𝐵), a wyniki zapisujemy w bazie {𝑐 𝑗 } (𝑐 1 , 𝑐 2 ∈ 𝐶).
Dostajemy:
𝐴(1, 1, 0, 0) = (1, 3), 𝐴(0, 1, −1, 0) = (0, 2),
𝐴(0, 0, 1, 3) = (−3, 9), 𝐴(2, 0, 0, 2) = (0, 8),
lecz wyniki są zapisane w bazie standardowej.
Rozdział 6 Strona 57
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
1 0 1 0 −1 0
2 3 3 2 9 8
1 1
𝐴(1, 1, 0, 0) = (1, 3) = 1(1, 2) + (0, 3) = 1, ,
3 3 𝐶
2 2
𝐴(0, 1, −1, 0) = (0, 2) = 0(1, 2) + (0, 3) = 0, ,
3 3 𝐶
𝐴(0, 0, 1, 3) = (−3, 9) = −3(1, 2) + 5(0, 3) = (−3, 5) 𝐶 ,
8 8
𝐴(2, 0, 0, 2) = (0, 8) = 0(1, 2) + (0, 3) = 0, .
3 3 𝐶
Wyniki zapisujemy jako kolumny do macierzy:
1 0 −3 0
0
𝑀𝐴 = 1 2 .
3 3 5 83
𝑀 𝐴0 = 0 −3 0
.
Rozdział 6 Strona 58
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
0 0 8
0
𝑀𝐴 = .
0 2 −8
𝑎 = 𝑢 1 − 𝑢 2 , 𝑏 = 2𝑢 1 + 3𝑢 2 + 4𝑢 3 , 𝑐 = 𝑢 2 + 3𝑢 3 , 𝑑 = −𝑢 1 − 𝑢 2 + 𝑢 3
w tym przekształceniu.
Rozdział 6 Strona 59
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
Ćwiczenie 1 Niech 𝐴, 𝐵 będą bazami przestrzeni liniowej 𝑉, a 𝐸 jej bazą standardową. Wtedy
zachodzą wzory
𝑃 𝐵𝐴 = 𝑃 𝐸𝐴 · 𝑃 𝐵
𝐸
, 𝑃 𝐵𝐴 = 𝑃 𝐸𝐵 · 𝑃 𝐸𝐴 .
Rozwiązanie:
Niech 𝐸 = {𝑒 1 , 𝑒 2 , . . . , 𝑒 𝑛 } oznacza bazę standardową przestrzeni 𝑉 oraz niech 𝐴 = {𝑎 1 , 𝑎 2 , ..., 𝑎 𝑛 }
i 𝐵 = {𝑏 1 , 𝑏 2 , ..., 𝑏 𝑛 } będą bazami tej samej przestrzeni. Wtedy mamy:
| | | | | |
𝐴= 𝑃 𝐸𝐴 𝐸
= 𝑎 1 𝑎 2 . . . 𝑎 𝑛 , 𝐵 = 𝑃 𝐵 = 𝑏 1 𝑏 2 . . . 𝑏 𝑛 ,
| | | | | |
|
gdzie 𝑤 oznacza zapis pionowy wektora 𝑤.
|
Wtedy macierze przejścia z bazy 𝐴 do bazy 𝐵 oraz z bazy 𝐵 do bazy 𝐴 możemy obliczyć na
kilka sposobów:
𝑣 𝐸 = 𝑃 𝐸𝐴 𝑣 𝐴, 𝑣 𝐵 = 𝑃 𝐸𝐵 𝑣 𝐸
Rozdział 6 Strona 60
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
dostajemy
𝑣 𝐵 = 𝑃 𝐸𝐵 𝑃 𝐸𝐴 𝑣 𝐴 = 𝑣 𝐵 = 𝑃 𝐸𝐵 𝑃 𝐸𝐴 𝑣 𝐴 .
Po porównaniu ze wzorem
𝑣 𝐵 = 𝑃 𝐵𝐴 𝑣 𝐴
otrzymujemy równość
−1
𝑃 𝐵𝐴 = 𝑃 𝐵
𝐸
· 𝑃 𝐸𝐴 = 𝑃 𝐸𝐵 · 𝑃 𝐸𝐴
oraz, analogicznie,
−1
𝑃 𝐵𝐴 = 𝑃 𝐸𝐴 𝐸
· 𝑃𝐵 = 𝑃 𝐸𝐴 · 𝑃 𝐵
𝐸
.
−1 3
𝑃 𝐵𝐴 = .
1 −1
b) 𝑉 = R2 [𝑥], 𝐴 = 1, 𝑥, 𝑥 2 , 𝐵 = 1 − 2𝑥 + 𝑥 2 , 3 − 5𝑥 + 4𝑥 2 , 2𝑥 + 3𝑥 2
Tym razem łatwiej będzie zapisać wektory z bazy 𝐵 jako kombinacje liniowe wektorów z bazy
𝐴:
1 − 2𝑥 + 𝑥 2 = 1 · 1 − 2 · 𝑥 + 1 · 𝑥 2 = (1, −2, 1) 𝐴,
3 − 5𝑥 + 4𝑥 2 = 3 · 1 − 5 · 𝑥 + 4 · 𝑥 2 = (3, −5, 4) 𝐴,
2𝑥 + 3𝑥 2 = 0 · 1 + 2 · 𝑥 + 3 · 𝑥 2 = (0, 2, 3) 𝐴,
więc dostajemy macierze:
1 3 0 −1 −23 −9 6
= −2 −5 2 , 𝑃 𝐴 = 𝑃 𝐵𝐴 = 8 3 −2 .
𝑃 𝐵𝐴 𝐵
1 4 3 −3 −1 1
Rozdział 6 Strona 61
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
Zadanie 5 Znaleźć macierze przekształceń z drugiego zadania używając wzoru na zmianę ma-
cierzy przekształcenia liniowego przy zmianie baz, wychodząc od baz standardowych rozważa-
nych przestrzeni liniowych.
a) 𝐴 : R4 → R2 , 𝐴(𝑥, 𝑦, 𝑧, 𝑡) = (𝑥 − 𝑡, 𝑥 + 2𝑦 + 3𝑡),
𝐵 = {(1, 1, 0, 0), (0, 1, −1, 0), (0, 0, 1, 3), (2, 0, 0, 2)}, 𝐶 = {(1, 2), (0, 3)}
Rozdział 6 Strona 62
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
−1 1 0 −1
3 0
Pozostało nam obliczyć: 𝑃𝐶𝐸¯ = = 1
.
2 3 3 −2 1
Następnie używamy wzoru:
1 0 0 2
1 3 0 1 0 0 −1 1 1 0 0 1 3 0 −9 0
𝑀 𝐴0 = = .
3 −2 1 1 2 0 3 0 −1 1 0 3 1 2 15 8
0 0 3 2
Uwaga: powinna nam wyjść odpowiedź taka, jak w przykładzie 2q), czyli
𝑀 𝐴0 = 0 −3 0 .
𝑀𝐴 = 0 0 6
2 − 𝑥 = 2 · 1 −1 · 𝑥 +0 · 𝑥 2
𝑥2 = 0 · 1 +0 · 𝑥 +1 · 𝑥 2
1 = 1 · 1 +0 · 𝑥 +0 · 𝑥 2
2 0 1
dostajemy macierz przejścia = −1 0 0 .
𝐸
𝑃𝐵
0 1 0
¯
• w 𝑉 = R0 [𝑥]: z 𝐸 = {1} do 𝐶 = {−2}:
Mamy −2 = −2 · 1, zatem macierz przejścia jest postaci
𝐸¯
𝑃𝐶 = [−2] .
2 0 1
−1
𝐸¯
𝑀 𝐴0 −1
0 0 6 −1 0 0 =
𝐸
= 𝑃𝐶 𝑀 𝐴𝑃𝐵 = [−2]
0 1 0
1 2 0 1
0 0 6 −1 0 0 = 0 −3 0 .
= −
2 0 1 0
Rozdział 6 Strona 63
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
Uwaga: powinna nam wyjść odpowiedź taka, jak w przykładzie 2r), czyli
6 3
= −3 3 .
𝑀 𝐴0
0 0
Wyliczamy macierz w bazach standardowych
0 0
𝑀 𝐴 = 3 0
0 3
oraz macierze przejścia:
2 1
• w 𝑈 = R1 [𝑥]: z 𝐸 = {1, 𝑥} do 𝐵 = {2 − 𝑥, 𝑥 + 1}: 𝑃 𝐵
𝐸 = ,
−1 1
0 0 1
• w 𝑉 = R2 [𝑥]: z 𝐸¯ = 1, 𝑥, 𝑥 2
¯
do 𝐶 = 𝑥, 𝑥 , 1 : 𝑃𝐶 = 1 0 0 .
2 𝐸
0 1 0
Przechodzimy do wzoru
0 0 1 −1 0 0
2 1
−1
𝐸¯
0
𝑀 𝐴 𝑃 𝐵 = 1 0 0 3 0
𝐸
𝑀𝐴 = 𝑃𝐶 =
0 1 0 0 3 −1 1
0 1 0 0 0 6 3
2 1
= 0 0 1 3 0 = −3 3 .
1 0 0 0 3 −1 1
0 0
s) 𝐴 : R2 [𝑥] → R1 [𝑥], ( 𝐴𝑝) (𝑥) = 𝑝 0 (2𝑥), 𝐵 = 2, 𝑥 − 2, 𝑥 2 , 𝐶 = {𝑥 + 1, 1}
Uwaga: powinna nam wyjść odpowiedź taka, jak w przykładzie 2s), czyli
0 0 8
0
𝑀𝐴 = .
0 2 −8
Wyliczamy macierz w bazach standardowych
0 2 0
𝑀𝐴 =
0 0 8
oraz macierze przejścia:
Rozdział 6 Strona 64
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
2 −2 0
• w 𝑈 = R2 [𝑥]: z 𝐸 = 1, 𝑥, 𝑥 2
do 𝐵 = 2, 𝑥 − : = 0 1 0 ,
2, 𝑥 2
𝐸
𝑃𝐵
0 0 1
𝐸¯ = 1 1 .
• w 𝑉 = R1 [𝑥]: z 𝐸¯ = {1, 𝑥} do 𝐶 = {𝑥 + 1, 1}: 𝑃𝐶
1 0
Przechodzimy do wzoru
−1 2 −2 0
1 1 0 2 0
−1
𝐸¯ 0 1 0 =
𝑀 𝐴0 𝐸
= 𝑃𝐶 𝑀 𝐴𝑃𝐵 =
1 0 0 0 8 0 0 1
2 −2 0
0 1 0 2 0 0 1 0 = 0 0 8 .
=
1 −1 0 0 8 0 0 1
0 2 −8
Zadanie 6 Napisać macierze podanych przekształceń liniowych 𝐴 : 𝑈 → 𝑈 w podanych bazach
𝐵 przestrzeni 𝑈, stosując wzór na zmianę macierzy przekształcenia przy zmianie bazy.
a) 𝑈 = R2 , 𝐴(𝑥, 𝑦) = (2𝑦, 𝑥 − 𝑦), 𝐵 = {(1, 1), (−1, 2)}
Wyliczamy macierz 𝐴 w bazach standardowych
0 2
𝑀=
1 −1
oraz macierz przejścia z bazy 𝐸 do 𝐵:
1 · 𝑒 1 +1 · 𝑒 2 1 −1
𝑏1 = 𝐸
𝑃𝐵 =
𝑏 2 = −1 · 𝑒 1 +2 · 𝑒 2 1 2
Drugą macierz przejścia wyliczamy używając odwracania macierzy:
−1 1 −1 −1 1 2 1
𝐵 𝐸
𝑃𝐸 = 𝑃 𝐵 = = .
1 2 3 −1 1
Następnie korzystamy ze wzoru
1 2 1 0 2 1 −1 1 4 5
−1
0 𝐸 𝐸
𝑀 = 𝑃𝐵 𝑀 𝑃𝐵 = = .
3 −1 1 1 −1 1 2 3 −2 −7
Rozdział 6 Strona 65
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
0 1 1 1 0
𝑀𝐸 = , 𝑀𝐹 = .
1 0 0 0 1
a) 𝐺 = 𝐸 + 𝐹
Zauważmy, że dodawanie macierzy 𝑀𝐸 + 𝑀𝐹 jest niewykonalne, więc odwzorowanie 𝐺 nie
istnieje.
b) 𝐻 = 2𝐸
0 2
Mamy 𝑀𝐻 = 2𝑀𝐸 = , zatem
2 0
0 2
𝑥
𝐻 : R → R , 𝐻 (𝑥, 𝑦) =
2 2
= (2𝑦, 2𝑥).
2 0 𝑦
c) 𝐼 = 𝐸 ◦ 𝐹
0 1 1 1 0 0 0 1
Mamy 𝑀𝐼 = 𝑀𝐸 𝑀𝐹 = = , zatem odwzorowanie 𝐼 : R3 → R2
1 0 0 0 1 1 1 0
wyrażone jest wzorem
𝑥
0 0 1
𝐼 (𝑥, 𝑦, 𝑧) = 𝑦 = (𝑧, 𝑥 + 𝑦).
1 1 0
𝑧
Zadanie 8 Spośród przekształceń 𝐸, 𝐹, 𝐺, 𝐻, 𝐼 z poprzedniego zadania znaleźć przekształcenia
odwracalne i podać ich wzory, wyznaczając je przy użyciu macierzy przekształceń odwrotnych
(w bazach standardowych rozważanych przestrzeni liniowych).
Rozwiązanie: dostaliśmy macierze
0 1 1 1 0 0 2 0 0 1
𝑀𝐸 = , 𝑀𝐹 = , 𝑀𝐻 = , 𝑀𝐼 = .
1 0 0 0 1 2 0 1 1 0
0 1
𝑥
𝐸 −1
:R →R , 2 2
𝐸 −1
(𝑥, 𝑦) = = (𝑦, 𝑥),
1 0 𝑦
1 0 1 𝑥
𝑦 𝑥
𝐻 −1
:R →R , 2 2
𝐻 −1
(𝑥, 𝑦) = = , .
2 1 0 𝑦 2 2
Rozdział 6 Strona 66
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
g) 𝑣 𝐵 = (1, 2, 1) 𝐵 , 𝐵 = 1 − 𝑥, 2 + 𝑥 2 , 𝑥
Mamy
𝑣 = 1 · 𝑏 1 + 2 · 𝑏 2 + 1 · 𝑏 3 = 1 − 𝑥 + 2(2 + 𝑥 2 ) + 𝑥 = 5 + 2𝑥 2 .
5 1 2 𝑊1 /5 𝑎1 15 25 1 15 2 𝑊1 / ( − 45 )
𝑊2 +6𝑊1
−−−−→ −−−−−−−→ 5 −−−−−−−−→
−6 −2 0 −6 −2 0 0 − 54 12
5
𝑊1 / ( − 45 ) 1 51 2 𝑊1 − 51 𝑊2 1 0 1
−−−−−−−−→ 5 −−−−−−−→
0 1 −3 0 1 −3
Zatem
(2, 0) = 1(5, −6) + (−3) (1, −2) = (1, −3) 𝐵 .
g) 𝑣 = 1 + 𝑥 + 7𝑥 2 , 𝐵 = 1 + 𝑥 2 , 𝑥 + 𝑥 2 , 2𝑥 + 𝑥 2
Rozdział 6 Strona 67
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
i) 𝐵 = 1 − 𝑥, 𝑥 + 𝑥 2 , 𝑥 2 , 𝐶 = 1 − 2𝑥 + 𝑥 2 , 3 − 5𝑥 + 4𝑥 2 , 2𝑥 + 3𝑥 2 , 𝑣 𝐵 = (1, 1, 0) 𝐵
Rozdział 6 Strona 68
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
y=x
Zauważmy, że wektory na prostej (postaci (𝑎, 𝑎), 𝑎 ∈ R) pozostają bez zmian po użyciu
przekształcenia 𝐴, zatem 𝜆 = 1.
Natomiast wektory z prostej prostopadłej, przechodzącej przez (0, 0) (czyli wektory postaci
(𝑎, −𝑎), 𝑎 ∈ R), zmienią tylko zwrot na przeciwny, więc dla nich mamy 𝜆 = −1.
Zatem możemy zapisać:
𝑆(1, 1) = (1, 1) = 1(1, 1),
𝑆(2, −2) = (−2, 2) = −1(2, −2)
oraz
𝑉1 = 𝑠𝑝𝑎𝑛{(1, 1)}, 𝑉−1 = 𝑠𝑝𝑎𝑛{(1, −1)}.
W odpowiedzi pamiętajmy, że wektory własne odpowiadają konkretnej wartości własnej.
Odp.: 𝜆1 = 1, 𝜆 2 = −1, 𝑣 1 = (1, 1), 𝑣 2 = (1, −1).
Rozdział 6 Strona 69
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
Możemy zauważyć, że wektory na osi 𝑂𝑌 postaci (0, 𝑦, 0), 𝑦 ∈ R nie zmienia się, więc dla nich
mamy 𝜆 = 1. Natomiast wektory z płaszczyzny do niej prostopadłej, przechodzącej przez
(0, 0, 0), czyli wektory
(𝑥, 0, 𝑧) = 𝑥(1, 0, 0) + 𝑧(0, 0, 1), 𝑥, 𝑧 ∈ R,
w przekształceniu 𝑅 przejdą na wektor (0, 0, 0), dlatego 𝜆 = 0.
Zatem zapiszmy wartości i wektory własne
Rozdział 6 Strona 70
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
a) 𝐴2 = 2𝐴
Niech 𝐴 będzie odwzorowanie liniowym oraz niech 𝐴𝑣 = 𝜆𝑣 dla pewnej liczby 𝜆 i niezerowego
wektora 𝑣. Możemy rozpisać:
𝐿 = 𝐴2 𝑣 = 𝐴( 𝐴𝑣) = 𝐴(𝜆𝑣) = 𝜆2 𝑣,
𝑃 = 2𝐴𝑣 = 2𝜆𝑣.
Zatem z równości 𝐴2 = 2𝐴 wynika, że
𝜆2 𝑣 − 2𝜆𝑣 = 0,
𝜆2 − 2𝜆 𝑣 = 0,
a skoro 𝑣 ≠ 0, to mamy
𝜆 (𝜆 − 2) = 0.
Odpowiedź: 𝜆1 = 0, 𝜆2 = 2.
b) 𝐴3 = 𝐴2
Niech 𝐴 będzie odwzorowanie liniowym oraz niech 𝐴𝑣 = 𝜆𝑣 dla pewnej liczby 𝜆 i niezerowego
wektora 𝑣. Mamy:
𝐿 = 𝐴3 𝑣 = 𝐴2 ( 𝐴𝑣) = 𝐴2 (𝜆𝑣) = 𝜆3 𝑣,
𝑃 = 𝐴2 𝑣 = 𝐴( 𝐴𝑣) = 𝐴(𝜆𝑣) = 𝜆2 𝑣.
Zatem z warunku 𝐴3 = 𝐴2 wynika, że
𝜆3 𝑣 − 𝜆2 𝑣 = 0,
𝜆3 − 𝜆2 𝑣 = 0.
𝜆2 (𝜆 − 1) = 0.
Odpowiedź: 𝜆1,2 = 0, 𝜆3 = 1.
𝜆1 = 1, 𝜆2 = −1
2 0
𝑏1 = , 𝑏2 = .
1 1
Rozdział 6 Strona 71
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
Skoro 𝜆1 ≠ 𝜆2 , to z twierdzenia o bazie wektorów własnych (s. 18) wektory własne tworzą bazę
2 0
𝐵 = 𝑏1 = , 𝑏2 =
1 1
0 1 0
𝜆
𝐷= 1 = .
0 𝜆2 0 −1
−1
𝐸 𝐸
𝑀 = 𝑃𝐵 𝐷 𝑃𝐵
1 −1 1
100 𝐸 100 𝐸
𝑀 = 𝑃𝐵 𝐷 𝑃𝐵
0 0
Mamy macierze
1 0 1 0 1 0
100
100
𝐷= , 𝐷 = = = 𝐼2 ,
0 −1 0 (−1) 100 0 1
100 1
−1 1 −1 1 −1 1 1
𝐸 100 𝐸 𝐸 𝐸 𝐸 𝐸
𝑀 = 𝑃𝐵 𝐷 𝑃𝐵 = 𝑃 𝐵 𝐼2 𝑃 𝐵 = 𝑃𝐵 𝑃𝐵 = ,
0 0 0 0 0
czyli
𝐴100 (1, 0) = (1, 0).
−𝜆 1
𝑑𝑒𝑡 ( 𝐴 − 𝜆𝐼) = = 𝜆2 − 1
1 −𝜆
𝜆2 − 1 = 0.
Rozdział 6 Strona 72
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
(𝜆 − 1) (𝜆 + 1) = 0 ⇒ 𝜆1 = 1, 𝜆2 = −1
−𝜆 1 0
[ 𝐴 − 𝜆𝐼 | 0 ] = .
1 −𝜆 0
0−1 1 0
𝑥
• Dla 𝜆1 = 1 mamy =
1 0−1 𝑦 0
−1 1 0 𝑊2 +𝑊1 −1 1 0
−→ ,
1 −1 0 0 0 0
𝑥 𝑥 𝑥
a stąd −𝑥 + 𝑦 = 0, czyli 𝑣 = =𝑥 , np. 𝑣 1 = ,
𝑥 1 1
• dla 𝜆2 = −1 mamy
1 1 0 1 1 0
𝑊2 −𝑊1
−→ ,
1 1 0 0 0 0
1
zatem 𝑥 + 𝑦 = 0 oraz np. 𝑣 2 = .
−1
1 1
Odp. 𝜆1 = 1, 𝜆2 = −1, 𝑣 1 = , 𝑣2 = .
1 −1
0 −1
b)
1 0
Obliczamy wielomian charakterystyczny
−𝜆 −1
𝑑𝑒𝑡 ( 𝐴 − 𝜆𝐼) = = 𝜆2 + 1
1 −𝜆
𝜆2 + 1 = 0.
Zauważmy, że równanie to nie posiada rozwiązań rzeczywistych, zatem macierz 𝐴 nie posiada
rzeczywistych wartości własnych.
1 0 −2
k) 0 1 0
−1 0 0
Obliczamy wielomian charakterystyczny
1−𝜆 0 −2
𝑑𝑒𝑡 ( 𝐴 − 𝜆𝐼) = 0 1 − 𝜆 0 = −𝜆3 + 2𝜆2 + 𝜆 − 2
−1 0 −𝜆
Rozdział 6 Strona 73
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
• dla 𝜆1 = −1 mamy:
2 0 −2 0 1 0 −1 0 1
𝑥 − 𝑧 = 0,
0 2 0 0 −→ 0 1 0 0 ⇒ 𝑣 1 = 0 ,
⇒
−1 0 1 0
0 0 0 0
𝑦=0 1
• dla 𝜆2 = 1 mamy:
0 0 −2 0 0 0 1 0
𝑥 = 0,
0
0 0 0 0 −→ 0 0 0 0 ⇒ 𝑣 2 = 1 ,
⇒ 𝑦 ∈ R,
−1 0 −1 0 1 0 0 0 𝑧=0 0
• dla 𝜆3 = 2 mamy:
−1 0 −2 0 1 0 2 0 −2
𝑥 + 2𝑧 = 0,
0 −1 0 0 −→ 0 1 0 0 ⇒ 𝑣 3 = 0 .
⇒
𝑦=0
−1 0 −2 0 0 0 0 0 1
1 0 −2
Odp. 𝜆1 = −1, 𝜆2 = 1, 𝜆3 = 2, 𝑣 1 = 0 , 𝑣 2 = 1 , 𝑣 3 = 0
1 0 1
Zadanie 5 Znaleźć wartości i wektory własne macierzy zespolonych:
0 −1
a)
1 0
Obliczamy wielomian charakterystyczny
−𝜆 −1
𝑑𝑒𝑡 ( 𝐴 − 𝜆𝐼) = = 𝜆2 + 1
1 −𝜆
𝜆2 + 1 = 0,
𝜆1 = 𝑖, 𝜆2 = −𝑖.
• dla 𝜆1 = 𝑖 mamy:
−𝑖 −1 0 0 0 0
𝑊1 +𝑖𝑊2
−−−−−−→ ⇒ 𝑥 − 𝑖𝑦 = 0,
1 −𝑖 0 1 −𝑖 0
𝑖
stąd np. 𝑣 1 = ,
1
• dla 𝜆2 = −𝑖 mamy:
𝑖 −1 0 0 0 0
𝑊1 −𝑖𝑊2
−−−−−−−→ ⇒ 𝑥 + 𝑖𝑦 = 0,
1 𝑖 0 1 𝑖 0
−𝑖
zatem 𝑣 2 = .
1
Rozdział 6 Strona 74
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
𝑖 −𝑖
Odp. 𝜆1 = 𝑖, 𝜆2 = −𝑖, 𝑣 1 = , 𝑣2 = .
1 1
1 2 0
g) 1 1 1
0 −2 0
Obliczamy wielomian charakterystyczny
1−𝜆 2 0
𝑑𝑒𝑡 ( 𝐴 − 𝜆𝐼) = 1 1 − 𝜆 1 = −𝜆3 + 2𝜆2 − 𝜆 + 2,
0 −2 −𝜆
−𝜆3 + 2𝜆2 − 𝜆 + 2 = 0,
𝜆1 = 2, 𝜆2 = 𝑖, 𝜆3 = −𝑖.
• dla 𝜆1 = 2 mamy:
−1 2 0 0 −1 2 0 0 −1 2 0 0
𝑊2 +𝑊1 𝑊3 +2𝑊2
1 −1 1 0 −− 0 1 1 0 −−−−−−−→ 0 1 1 0
−−−−→
0 −2 −2 0 0 −2 −2 0 0 0 0 0
−2
𝑦 = −𝑧,
Stąd dostajemy oraz 𝑣 1 = −1 ,
𝑥 = 2𝑦 1
• dla 𝜆2 = 𝑖 mamy:
1−𝑖 2 0 0 0 2 + 2𝑖 𝑖 − 1 0
𝑊1 − (1−𝑖)𝑊2 𝑊1 +(1+𝑖)𝑊3
1 1 − 𝑖 1 0 −−−−−−−−−−−→ 1 1−𝑖 1 0
−−−−−−−−−−→
0 −2 −𝑖 0 0 −2 −𝑖 0
0 0 0 0 0 0 0 0
𝑊1 +(1+𝑖)𝑊3 𝑊2 −𝑖𝑊3
−−−−−−−−−−→ 1 1 − 𝑖 1 0 1 1+𝑖 0 0
−−−−−−−→
0 −2 −𝑖 0 0 −2 −𝑖 0
−1 + 𝑖
𝑦 = − 12 𝑖𝑧,
Stąd oraz 𝑣 2 = −𝑖 ,
𝑥 = −(1 + 𝑖)𝑦 2
• dla 𝜆3 = −𝑖 mamy:
1+𝑖 2 0 0 𝑊 − 1−𝑖 𝑊 1+𝑖 2 0 0 1+𝑖 2 0 0
2 1 𝑊2 +𝑖𝑊3
1 1 + 𝑖 1 0 −−−−−−−−−→
2
0 2𝑖 1 0 0 0 0 0
−−−−−−→
0 −2 𝑖 0 0 −2 𝑖 0 0 −2 𝑖 0
−1 − 𝑖
𝑦 = 12 𝑖𝑧,
Stąd oraz 𝑣 3 = .
𝑖
𝑥 = −(1 − 𝑖)𝑦 2
Rozdział 6 Strona 75
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
−𝜆3 − 𝜆2 − 4𝜆 − 4 = 0,
• dla 𝜆1 = 2𝑖 mamy:
−2𝑖 −2 0 0 0 0 0 0 0 0 0 0
𝑊1 +𝑖𝑊2
2 −2𝑖 0 0 −−−−−−→ 2 −2𝑖 0 0 → 1 −𝑖 0 0
0 0 −1 − 2𝑖 0 0 0 −1 − 2𝑖 0 0 0 1 0
𝑖
𝑥 = 𝑖𝑦,
Stąd dostajemy oraz 𝑣 1 = 1 ,
𝑧=0 0
• dla 𝜆2 = −2𝑖 mamy:
2𝑖 −2 0 0 0 0 0 0 0 0 0 0
𝑊1 −𝑖𝑊2
2 2𝑖 0 0 −−−−−−−→ 2 2𝑖 0 0 → 1 𝑖 0 0
0 0 −1 + 2𝑖 0 0 0 −1 + 2𝑖 0 0 0 1 0
−𝑖
𝑥 = −𝑖𝑦,
Stąd oraz 𝑣 2 = 1 ,
𝑧=0 0
• dla 𝜆3 = −1 mamy:
1 −2 0 0 1 −2 0 0 1 0 0 0
2 −2𝑊1
2 1 0 0 −𝑊 0 5 0 0 → 0 1 0 0
−−−−−−→
0 0 0 0 0 0 0 0 0 0 0 0
𝑥 = 0,
0
Stąd 𝑦 = 0, oraz 𝑣 3 = 0 .
𝑧∈R
1
Odp.
𝜆 1 = 2𝑖, 𝜆 2 = −2𝑖, 𝜆 3 = −1
𝑖 −𝑖 0
𝑣 1 = 1 , 𝑣 2 = 1 , 𝑣 3 = 0
0 0 1
Rozdział 6 Strona 76
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
1−𝜆 1 1
𝑑𝑒𝑡 ( 𝐴 − 𝜆𝐼) = 2 2−𝜆 2 = 6𝜆2 − 𝜆3 .
3 3 3−𝜆
𝜆2 (6 − 𝜆) = 0 ⇒ 𝜆1,2 = 0, 𝜆3 = 6
Rozdział 6 Strona 77
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
Rozdział 6 Strona 78
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
𝜆 1 = 2, 𝜆 2 = 1, 𝜆 3 = −1,
Skoro 𝜆1 ≠ 𝜆2 ≠ 𝜆 3 , to z twierdzenia o bazie wektorów własnych (s. 18) wektory własne tworzą
bazę
1 2 0
𝐵 = 𝑏 1 = 0 , 𝑏 2 = 1 , 𝑏 3 = 0
1 0 1
przestrzeni R3 . Macierz przekształcenia 𝐴 w bazie 𝐵 jest macierzą diagonalną 𝐷 postaci
𝜆1 0 0 2 0 0
𝐷 = 0 𝜆2 0 = 0 1 0 .
0 0 𝜆3 0 0 −1
Przypomnijmy wzór na macierz 𝐴 przy zmianie bazy:
−1
𝐷 = 𝑀 0 = 𝑃𝐵
𝐸 𝐸
𝑀 𝑃𝐵 .
Rozdział 6 Strona 79
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
2 0 0 20 220 0 0
𝐸 1 2 0 𝐵 1 −2 0
0 20
𝐷 20 = (𝑀 ) = 0 1 0 = 0 1 0 , 𝑃 𝐵 = 0 1 0 , 𝑃 𝐸 = 0 1 0 ,
0 0 −1 0 0 1 1 0 1 −1 2 1
więc przechodząc do obliczeń dostajemy:
1 1 2 0 220 0 0 1 −2 0 1 4 − 3 · 220
𝐸 20 𝐵 2 = 0 1 0 0 1 0 0 1 0 2 = 2
𝑃𝐵 𝐷 𝑃𝐸 ,
3 1 0 1 0 0 1 −1 2 1 3 6 − 3 · 220
zatem
𝐴100 (1, 2, 3) = 4 − 3 · 220 , 2, 6 − 3 · 220 .
2 1
𝐴(1, 0) = (2, −1), 𝐴(0, 2) = (1, 2), 𝑀𝐴 = .
−1 2
2−𝜆 1
𝑑𝑒𝑡 ( 𝐴 − 𝜆𝐼) = = 𝜆2 − 4𝜆 + 5.
−1 2 − 𝜆
Po rozwiązaniu równania
𝜆2 − 4𝜆 + 5 = 0
otrzymujemy wartości własne
𝜆1 = 2 + 𝑖, 𝜆 2 = 2 − 𝑖
i odpowiadające im wektory własne:
• dla 𝜆1 = 2 + 𝑖
−𝑖 1 0 −𝑖 1 0
𝑊2 +𝑖𝑊1
−−−−−−→
−1 −𝑖 0 0 0 0
Stąd 𝑏 = 𝑖𝑎 oraz 𝑣 1 = (1, 𝑖).
• dla 𝜆2 = 2 − 𝑖
𝑖 1 0 𝑖 1 0
𝑊2 −𝑖𝑊1
−−−−−−−→
−1 𝑖 0 0 0 0
Stąd 𝑏 = −𝑖𝑎, więc 𝑣 2 = (1, −𝑖).
Rozdział 6 Strona 80
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
𝑣 ∈ 𝑠𝑝𝑎𝑛C {𝑣 1 , 𝑣 2 , · · · , 𝑣 𝑛 } ⇐⇒ 𝑣 = 𝛼1 𝑣 1 + 𝛼2 𝑣 2 + · · · + 𝛼𝑛 𝑣 𝑛 , 𝛼1 , 𝛼2 , · · · , 𝛼𝑛 ∈ C.
Zadanie 9 Sprawdzić, czy wektory własne podanego przekształcenia liniowego tworzą bazę
przestrzeni R𝑛 . Jeżeli tak, napisać macierz rozważanego przekształcenia w tej bazie:
e) 𝐴 : R3 → R3 , 𝐴(𝑥, 𝑦, 𝑧) = (𝑧, 𝑦, 𝑦)
Obliczamy macierz odwzorowania 𝐴
0 0 1
𝑀 𝐴 = 0 1 0
0 1 0
i wyliczamy wartości własne:
𝜆1,2 = 0, 𝜆3 = 1
oraz odpowiadające im wektory własne:
Mamy 𝜆 1 = 𝜆2 , więc wektory własne nie muszą tworzyć bazy. Co więcej, układ dwóch
wektorów {𝑣 1 , 𝑣 3 } nie może być bazą przestrzeni R3 , bo 𝑑𝑖𝑚 R3 = 3.
𝜆1 = 3, 𝜆 2 = −1, 𝜆 3 = 1, 𝜆 4 = 0,
Rozdział 6 Strona 81
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
• macierz 𝐴 w bazie {𝑏 1 , 𝑏 3 , 𝑏 2 , 𝑏 4 }:
3 0 0 0
0 1 0 0
0
𝑀 𝐴 = ,
0 0 −1 0
0 0 0 0
• macierz 𝐴 w bazie {𝑏 2 , 𝑏 3 , 𝑏 4 , 𝑏 1 }:
−1 0 0 0
0 1 0 0
0
𝑀 𝐴 = .
0 0 0 0
0 0 0 3
Zadanie 1 Sprawdzić, czy podane funkcje h·, ·i są iloczynami skalarnymi w rozważanych prze-
strzeniach liniowych:
a) h𝑥, 𝑦i = 3𝑥 1 𝑦 1 − 𝑥1 𝑦 2 − 𝑥 2 𝑦 1 + 2𝑥 2 𝑦 2 dla 𝑥 = (𝑥 1 , 𝑥2 ), 𝑦 = (𝑦 1 , 𝑦 2 ) ∈ R2
Ustalmy wektory 𝑢 = (𝑢 1 , 𝑢 2 ), 𝑣 = (𝑣 1 , 𝑣 2 ), 𝑤 = (𝑤 1 , 𝑤 2 ) ∈ R2 , 𝛼 ∈ R i sprawdźmy kolejne
warunki iloczynu skalarnego:
1. h𝑢 1 + 𝑢 2 , 𝑣i = h𝑢 1 , 𝑣i + h𝑢 2 , 𝑣i:
𝐿 = h𝑢 + 𝑤, 𝑣i = 3(𝑢 1 + 𝑤 1 )𝑣 1 − (𝑢 1 + 𝑤 1 )𝑣 2 − (𝑢 2 + 𝑤 2 )𝑣 1 + 2(𝑢 2 + 𝑤 2 )𝑣 2 =
= 3𝑢 1 𝑣 1 + 3𝑤 1 𝑣 1 − 𝑢 1 𝑣 2 − 𝑤 1 𝑣 2 − 𝑢 2 𝑣 1 − 𝑤 2 𝑣 1 + 2𝑢 2 𝑣 2 + 2𝑤 2 𝑣 2 ,
𝑃 = h𝑢, 𝑣i + h𝑤, 𝑣i = 3𝑢 1 𝑣 1 − 𝑢 1 𝑣 2 − 𝑢 2 𝑣 1 + 2𝑢 2 𝑣 2 + 3𝑤 1 𝑣 1 − 𝑤 1 𝑣 2 − 𝑤 2 𝑣 1 + 2𝑤 2 𝑣 2 = 𝐿.
2. 𝛼h𝑢, 𝑣i = h𝛼𝑢, 𝑣i:
𝐿 = 𝛼h𝑢, 𝑣i = 𝛼(3𝑢 1 𝑣 1 − 𝑢 1 𝑣 2 − 𝑢 2 𝑣 1 + 2𝑢 2 𝑣 2 ),
𝑃 = h𝛼𝑢, 𝑣i = 3𝛼𝑢 1 𝑣 1 − 𝛼𝑢 1 𝑣 2 − 𝛼𝑢 2 𝑣 1 + 2𝛼𝑢 2 𝑣 2 = 𝛼(3𝑢 1 𝑣 1 − 𝑢 1 𝑣 2 − 𝑢 2 𝑣 1 + 2𝑢 2 𝑣 2 ) = 𝐿.
3. h𝑢, 𝑣i = h𝑣, 𝑢i:
𝐿 = h𝑢, 𝑣i = 3𝑢 1 𝑣 1 − 𝑢 1 𝑣 2 − 𝑢 2 𝑣 1 + 2𝑢 2 𝑣 2 ,
𝑃 = h𝑣, 𝑢i = 3𝑣 1 𝑢 1 − 𝑣 1 𝑢 2 − 𝑣 2 𝑢 1 + 2𝑣 2 𝑢 2 = 𝐿.
4. h𝑢, 𝑢i ≥ 0:
Mamy h𝑢, 𝑢i = 3𝑢 21 − 2𝑢 1 𝑢 2 + 2𝑢 22 . Ze względu na np. zmienną 𝑢 1 obliczamy pierwiastki
równania kwadratowego
3𝑢 21 − 2𝑢 1 𝑢 2 + 2𝑢 22 = 0,
czyli
Δ = 4𝑢 22 − 4 · 2𝑢 22 · 3 = −20𝑢 22 ≤ 0.
Zatem jest to parabola skierowana ramionami w górę i zachodzi h𝑢, 𝑢i ≥ 0.
Rozdział 6 Strona 82
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
5. h𝑢, 𝑢i = 0 ⇔ 𝑢 = 0 :
−20𝑢 22 = 0 ⇒ 𝑢 2 = 0, 3𝑢 21 = 0 ⇒ 𝑢 = 0.
𝑢 1 = 0, 𝑢 2 = 0 ⇒ h0, 0i = 3 · 0 − 0 − 0 + 2 · 0 = 0.
1. h𝑢 1 + 𝑢 2 , 𝑣i = h𝑢 1 , 𝑣i + h𝑢 2 , 𝑣i,
2. 𝛼h𝑢, 𝑣i = h𝛼𝑢, 𝑣i:
Zauważmy, że warunki addytywności i jednorodności (liniowości), czyli 1.-2., wynikają z
zapisu funkcji w postaci iloczynu macierzy.
3. h𝑢, 𝑣i = h𝑣, 𝑢i:
2 1
Warunek symetrii 3. jest spełniony, ponieważ podana macierz jest macierzą syme-
1 2
tryczną.
4. h𝑢, 𝑢i ≥ 0 dla 𝑢 ∈ 𝑉:
Niech 𝑢 = (𝑢 1 , 𝑢 2 ) ∈ R2 . Wtedy
h𝑢, 𝑢i = 2𝑢 21 + 2𝑢 1 𝑢 2 + 2𝑢 22 .
2𝑢 21 + 2𝑢 1 𝑢 2 + 2𝑢 22 = 0
Δ = 4𝑢 22 − 4 · 2𝑢 22 · 2 = −12𝑢 22 ≤ 0.
h𝑢, 𝑢i ≥ 0.
5. h𝑢, 𝑢i = 0 ⇔ 𝑢 = 0 :
”⇒” Niech h𝑢, 𝑢i = 0. Wtedy
−12𝑢 22 = 0 ⇒ 𝑢 2 = 0, 2𝑢 21 = 0 ⇒ 𝑢 = 0.
𝑢 1 = 0, 𝑢 2 = 0 ⇒ h0, 0i = 2 · 0 + 0 + 0 + 2 · 0 = 0.
Rozdział 6 Strona 83
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
1 2 𝑦1
e) h𝑥, 𝑦i = 𝑥1 dla 𝑥 = (𝑥 1 , 𝑥2 ), 𝑦 = (𝑦 1 , 𝑦 2 ) ∈ R2
𝑥2
2 2 𝑦2
Sprawdźmy kolejne warunki iloczynu skalarnego:
1. h𝑢 1 + 𝑢 2 , 𝑣i = h𝑢 1 , 𝑣i + h𝑢 2 , 𝑣i,
2. 𝛼h𝑢, 𝑣i = h𝛼𝑢, 𝑣i:
Zauważmy, że warunki 1.-2. wynikają z zapisu funkcji w postaci iloczynu macierzy.
3. h𝑢, 𝑣i = h𝑣, 𝑢i:
1 2
Warunek 3. jest spełniony, ponieważ podana macierz jest macierzą symetryczną.
2 2
4. h𝑢, 𝑢i ≥ 0 dla 𝑢 ∈ 𝑉:
Niech 𝑢 = (𝑢 1 , 𝑢 2 ) ∈ R2 . Wtedy
h𝑢, 𝑢i = 𝑢 21 + 4𝑢 1 𝑢 2 + 2𝑢 22 .
𝑢 21 + 4𝑢 1 𝑢 2 + 2𝑢 22 = 0
Δ = 16𝑢 22 − 4 · 2𝑢 22 · 1 = 12𝑢 22 ,
√
𝑢 1 = −2𝑢 2 ± 3𝑢 2 .
Zauważmy, że dla 𝑢 1 = −2𝑢 2 dostajemy h𝑢, 𝑢i < 0, więc na tej podstawie wskażmy kontr-
przykład
h(−2, 1), (−2, 1)i = 4 − 8 + 2 = −2 < 0.
𝑞1 𝑞2 𝑞3
1 0 0
𝑞 1 𝑞 1
𝑝 1 ... ... ...
𝑝 3 0 −1 0
h𝑝, 𝑞i = 𝑝 1 𝑞 1 − 𝑝 2 𝑞 2 = 𝑝 1 𝑝2 𝑝3 𝑞 2 = 𝑝 1 𝑝2 𝑞 2 .
𝑝 2 ... ... ...
𝑞 3 0 0 0
𝑞 3
𝑝 3 ... ... ...
Zauważmy, że zachodzi
h1 + 𝑥, 1 + 𝑥i = 1 − 1 = 0,
ale 1 + 𝑥 ≠ 0. Zatem nie jest to iloczyn skalarny.
Rozdział 6 Strona 84
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
√︄ √︂ √︂
1
𝑥3 2
√︁ ∫ 1
k𝑥k = h𝑥, 𝑥i = 𝑥 2 𝑑𝑥 = = ,
−1 3 −1 3
√︄ √︂ √︂
1
𝑒 2𝑥 𝑒 2 𝑒 −2
√︁ ∫ 1
𝑥
k𝑒 k = h𝑒 𝑥 , 𝑒 𝑥 i = 𝑒 2𝑥 𝑑𝑥 = = − .
−1 2 −1 2 2
Dowód: Zapiszmy prawą stronę równości używając iloczynu skalarnego, tzn. k𝑥k 2 = h𝑥, 𝑥i:
𝑃 = h𝑢 + 𝑣, 𝑢 + 𝑣i + h𝑢 − 𝑣, 𝑢 − 𝑣i =
= h𝑢, 𝑢i + h𝑢, 𝑣i + h𝑣, 𝑢i + h𝑣, 𝑣i +
+ h𝑢, 𝑢i − h𝑢, 𝑣i − h𝑣, 𝑢i + h𝑣, 𝑣i =
= 2h𝑢, 𝑢i + 2h𝑣, 𝑣i = 𝐿
h1, 𝑥i = 1 · 1 + 1 · 2 + 1 · 3 = 6 ≠ 0
Wektory 1, 𝑥 nie są ortogonalne w przestrzeni R2 [𝑥] z podanym iloczynem skalarnym.
∫1
j) 1, 𝑥 − 2 w 𝑉 = R[𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 0 𝑝(𝑥)𝑞(𝑥)𝑑𝑥
1
1 1
𝑥2 3
∫ ∫
h1, 𝑥 − 2i = 1(𝑥 − 2)𝑑𝑥 = (𝑥 − 2)𝑑𝑥 = − 2𝑥 =− ≠0
0 0 2 0 2
Wektory 1, 𝑥 − 2 nie są ortogonalne w przestrzeni R[𝑥] z podanym iloczynem skalarnym.
Rozdział 6 Strona 85
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
∫4
k) 1, 𝑥 − 2 w 𝑉 = R[𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 0
𝑝(𝑥)𝑞(𝑥)𝑑𝑥
4 4 4
𝑥2
∫ ∫
h1, 𝑥 − 2i = 1(𝑥 − 2)𝑑𝑥 = (𝑥 − 2)𝑑𝑥 = − 2𝑥 =0
0 0 2 0
Wektory 1, 𝑥 − 2 są ortogonalne w przestrzeni R[𝑥] z podanym iloczynem skalarnym.
i przyrównujemy go do zera:
h𝑝, 𝑞i = 0 ⇒ 9𝑏 = 0 ⇒ 𝑏 = 0.
𝑞(𝑥) = 𝑎 + 0𝑥 = 𝑎 · 1,
Obliczamy √ √
2|𝑎| = 2 ⇒ np. 𝑎 = − 2.
√
Zatem przykładowy wektor to 𝑞(𝑥) = − 2.
h𝑝, 𝑞i = 1 · 𝑎 + 1 · 𝑏 + 0 · 2𝑐 = 𝑎 + 𝑏
h𝑝, 𝑞i = 0 ⇒ 𝑎 + 𝑏 = 0 ⇒ 𝑏 = −𝑎.
𝑞(𝑥) = 𝑎 − 𝑎𝑥 + 𝑐𝑥 2 = 𝑎 · (1 − 𝑥) + 𝑐 · 𝑥 2 ,
Obliczamy √
2𝑎 2 + 4𝑏 2 = 2 ⇒ np. 𝑎 = 0, 𝑏 = 1.
Zatem przykładowy wektor to 𝑞(𝑥) = 𝑥 2 .
Rozdział 6 Strona 86
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
Zadanie 6 Sprawdzić czy podany układ wektorów 𝑣 𝑖 jest bazą ortogonalną (lub ortonormalną)
przestrzeni euklidesowej 𝑉. Znaleźć współrzędne wskazanego wektora 𝑢 w tej bazie:
c) 𝑣 1 = (1, 1, 2), 𝑣 2 = (1, 1, −1), 𝑣 3 = (1, −1, 0), 𝑢 = (2, 1, 3) ∈ 𝑉 = 𝐸 3
Najpierw sprawdzamy, czy układ {𝑣 1 , 𝑣 2 , 𝑣 3 } jest bazą, używając do tego np. wyznacznika
lub rzędu macierzy i stwierdzamy, że jest to baza 𝐸 3 .
Następnie sprawdzamy trzy iloczyny tych wektorów (tzn. każdy z każdym):
Już przy sprawdzeniu pierwszego z nich możemy stwierdzić, że nie jest to baza ortonormalna.
W kolejnej części zadania szukamy współrzędnych wektora 𝑢 = (2, 1, 3) w bazie 𝐵 = {𝑣 1 , 𝑣 2 , 𝑣 3 }.
Użyjemy odpowiedniego wzoru:
h(2, 1, 3), (1, 1, 2)i h(2, 1, 3), (1, 1, −1)i h(2, 1, 3), (1, −1, 0)i 9 1
[𝑢] 𝐵 = , , = , 0, .
k (1, 1, 2) k 2 k (1, 1, −1) k 2 k (1, −1, 0) k 2 𝐵 6 2 𝐵
Uwaga: w ramach sprawdzenia możemy policzyć współrzędne tego wektora używając ma-
cierzy przejścia.
∫1
f) 𝑣 1 = 2, 𝑣 2 = 𝑥, 𝑣 3 = 3𝑥, 𝑢 = 𝑥 + 3 ∈ 𝑉 = R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = −1 𝑝(𝑥)𝑞(𝑥)𝑑𝑥
Podane wektory nie tworzą bazy ortogonalnej (ani ortonormalnej) z kilku powodów:
2 0 0
0 1 3 =0
0 0 0
lub dlatego, że 𝑣 3 = 3𝑣 2 ,
• wektory te nie są ortogonalne, co możemy zauważyć przy wyliczeniu iloczynu
∫ 1
1
h𝑥, 3𝑥i = 3𝑥 2 𝑑𝑥 = 𝑥 3 −1 = 1 − (−1) = 2 ≠ 0.
−1
h−1, 𝑥i1 = −1 · 0 + 0 · 1 = 0
Rozdział 6 Strona 87
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
Zatem 𝐵 = {𝑣 1 , 𝑣 2 } jest bazą ortonormalną R1 [𝑥] z podanym iloczynem skalarnym h·, ·i.
Na koniec zapisujemy współrzędne wektora 𝑢 = 4𝑥 1 0 w bazie 𝐵. W przypadku bazy ortonor-
malnej wzory na współrzędne redukują się do postaci:
𝛼𝑖 = h𝑢, 𝑣 𝑖 i, 1 ≤ 𝑖 ≤ 2,
Rozdział 6 Strona 88
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
"√ # " #
5 −√ 32
(D) wektory kolumnowe 3
2 , 5 macierzy 𝑃 tworzą bazę ortonormalną przestrzeni 𝐸 2 :
3 3
Wyznacznik macierz 𝑃 wynosi 1, więc te wektory są bazą 𝐸 2 .
Ich iloczyn wynosi: *"√ # " #+ √ √
5 −2 2 5 2 5
3 , √3 =− + = 0,
2
3 3
5
9 9
a normy: "√ # " #
−√ 23
√︂ √︂ √︂ √︂
5 5 4 9 4 5 9
3 = + = = 1, = + = = 1,
2
3
9 9 9 3
5
9 9 9
zatem tworzą bazę ortonormalną.
(E) k𝑃𝑋 k = k 𝑋 k dla każdego wektora kolumnowego 𝑋 ∈ 𝐸 2 :
Dla dowolnego 𝑋 = [𝑎 𝑏] 𝑇 mamy:
"√ # "√ #
5 2 5𝑎−2𝑏
− 𝑎
𝑃𝑋 = 32 √53 = 2𝑎+3√5𝑏
𝑏
3 3 3
oraz
"√ √ √
# √︄
5𝑎−2𝑏
3√
( 5𝑎 − 2𝑏) 2 + (2𝑎 + 5𝑏) 2
k𝑃𝑋 k = = =
2𝑎+ 5𝑏 9
3
√ √
√︄ √︂
5𝑎 2 − 4 5𝑎𝑏 + 4𝑏 2 + 4𝑎 2 + 4 5𝑎𝑏 + 5𝑏 2 9𝑎 2 + 9𝑏 2 √ 2
= = = 𝑎 + 𝑏 2 = k 𝑋 k.
9 9
(F) h𝑃𝑋, 𝑃𝑌 i = h𝑋, 𝑌 i dla dowolnych wektorów kolumnowych 𝑋, 𝑌 ∈ 𝐸 2 : Dla dowolnego
𝑋 = [𝑎 𝑏] 𝑇 , 𝑌 = [𝑐 𝑑] 𝑇 mamy:
"√ # "√ # "√ # "√ #
5 2 5𝑎−2𝑏 5 2 5𝑐−2𝑑
− 𝑎 − 𝑐
𝑃𝑋 = 32 √53 = 2𝑎+3√5𝑏 , 𝑃𝑌 = 23 √53 = 2𝑐+3√5𝑑
𝑏 𝑑
3 3 3 3 3 3
oraz
*"√ # "√ #+ √ √ √ √
5𝑎−2𝑏
3√
5𝑐−2𝑑
3√
( 5𝑎 − 2𝑏) ( 5𝑐 − 2𝑑) + (2𝑎 + 5𝑏) (2𝑐 + 5𝑑)
, = =
2𝑎+ 5𝑏 2𝑐+ 5𝑑 9
3 3
√ √ √ √
5𝑎𝑐 − 2 5𝑎𝑑 − 2 5𝑏𝑐 + 4𝑏𝑑 + 4𝑎𝑐 + 2 5𝑎𝑑 + 2 5𝑏𝑐 + 5𝑏𝑑
= =
9
9𝑎𝑐 + 9𝑏𝑑
= = 𝑎𝑐 + 𝑏𝑑 = h𝑋, 𝑌 i.
9
Zadanie 8 Zdiagonalizować ortogonalnie podaną macierz symetryczną 𝐴, wskazując macierz
diagonalną 𝐷 oraz macierz ortogonalną 𝑃. Następnie obliczyć 𝐴𝑛 :
−2 2
a)
2 1
Schemat szukania macierzy 𝐷 i 𝑃 jest następujący:
Rozdział 6 Strona 89
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
−2 2
Zauważmy, że macierz 𝐴 = jest symetryczna. Jej wartości własne to:
2 1
𝜆1 = −3, 𝜆2 = 2.
• dla 𝜆1 = −3:
1 2 0
1 2 0 → 𝑥 = −2𝑦 → 𝑣 = (−2𝑦, 𝑦) = 𝑦(−2, 1)
→
2 4 0
• dla 𝜆2 = 2:
−4 2 0
2 −1 0 → 𝑦 = 2𝑥 → 𝑣 = (𝑥, 2𝑥) = 𝑥(1, 2)
→
2 −1 0
Wybieramy wektory wektory własne np. 𝑣¯1 = (−2, 1), 𝑣¯2 = (1, 2). Tworzą one bazę 𝐸 2 .
Następnie obliczamy ich iloczyn:
i możemy zapisać
√ √
−2 2 5 −2 1 −3 0 5 −2 1
𝑇
𝐴= = 𝑃𝐷𝑃 = .
2 1 5 1 2 0 2 5 1 2
1 4 · (−3) 𝑛 + 2𝑛 −2 · (−3) 𝑛 + 2 · 2𝑛
= .
5 −2 · (−3) 𝑛 + 2 · 2𝑛 (−3) 𝑛 + 4 · 2𝑛
Rozdział 6 Strona 90
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
2 0 −1
i) 0 1 0
−1 0 2
2 0 −1
Zauważmy, że macierz 𝐴 = 0 1 0 jest symetryczna. Jej wartości własne to:
−1 0 2
𝜆 1 = 3, 𝜆 2,3 = 1.
• dla 𝜆1 = 3:
−1 0 −1 0
−1 0 −1 0
0 −2 0 0
→
−1 0 −1 0
0 −2 0 0
𝑥 = −𝑧, 𝑦 = 0 → 𝑣 = (−𝑧, 0, 𝑧) = 𝑧(−1, 0, 1)
• dla 𝜆2,3 = 1:
1 0 −1 0
0 0 0 0 1 0 −1 0
→
−1 0 1 0
𝑥 = 𝑧, 𝑦 ∈ R → 𝑣 = (𝑥, 𝑦, 𝑥) = 𝑥(1, 0, 1) + 𝑦(0, 1, 0)
Wybieramy wektory wektory własne np. 𝑣¯1 = (−1, 0, 1), 𝑣¯2 = (1, 0, 1), 𝑣¯3 = (0, 1, 0). Zbadajmy
ich iloczyny:
h(−1, 0, 1), (1, 0, 1)i = −1 + 1 = 0,
h(1, 0, 1), (0, 1, 0)i = 0,
h(1, 0, 1), (0, 1, 0)i = 0.
Uwaga: zachodzi 𝜆2 = 𝜆3 , więc nie można było skorzystać z odpowiedniego twierdzenia.
Następnie obliczamy normy tych wektorów:
√ √
k (1, 0, 1) k = 2, k (−1, 0, 1) k = 2, k (0, 1, 0) k = 1
i normujemy je:
(1, 0, 1) (−1, 0, 1)
𝑣1 = √ , 𝑣2 = √ , 𝑣 3 = (0, 1, 0).
2 2
Możemy więc zapisać:
√ √ √ √
2 0 −1 2 − 2 0 3 0 0 2√ 0 √2
2 2 2 2
2 · 3𝑛 + 2 0 2 · 3𝑛 − 2
1
0 1 0
= .
4
2 · 3 − 2 0 2 · 3 + 2
𝑛 𝑛
Rozdział 6 Strona 91
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
h (1,0,−1) , (1,0,1) i
𝑣 2 = (1, 0, −1) − k (1,0,1) k 2
(1, 0, 1) = (1, 0, −1) − 02 (1, 0, 1) = (1, 0, −1) = 𝑢 2
d) 𝑢 1 = (1, 2, −1, 0), 𝑢 2 = (2, 1, −1, 1), 𝑢 3 = (1, 1, −1, 1), 𝑢 4 = (1, 0, 0, 2) ∈ 𝐸 4
Mamy:
𝑣 1 = (1, 2, −1, 0) = 𝑢 1
h (2,1,−1,1), (1,2,−1,0) i
𝑣 2 = (2, 1, −1, 1) − k (1,2,−1,0) k 2
(1, 2, −1, 0) =
h (1,1,−1,1), 61 (7,−4,−1,6) i 1
− k 16 (7,−4,−1,6) k 2 6 (7, −4, −1, 6) =
10
= (1, 1, −1, 1) − 46 (1, 2, −1, 0) − 6
17 6 (7, −4, −1, 6)
1
=
6
17 (−6, 1, −4, 7)
1
=
h (1,0,0,2) , (1,2,−1,0) i
𝑣 4 = (1, 0, 0, 2) − k (1,2,−1,0) k 2
(1, 2, −1, 0)+
h (1,0,0,2), 16 (7,−4,−1,6) i 1
− k 16 (7,−4,−1,6) k 2 6 (7, −4, −1, 6)+
1
h (1,0,0,2), 17 (−6,1,−4,7) i 1
− 1
k 17 (−6,1,−4,7) k 2 17 (−6, 1, −4, 7) =
8
− 102 (−6, 1, −4, 7) = 31 (0, 1, 2, 1)
Rozdział 6 Strona 92
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
𝑣 1 = (1, 2, −1, 0) = 𝑢 1
h (2,1,−1,1), (1,2,−1,0) i
𝑣¯2 = (2, 1, −1, 1) − k (1,2,−1,0) k 2
(1, 2, −1, 0) =
h (1,1,−1,1), (1,2,−1,0) i
𝑣¯3 = (1, 1, −1, 1) − k (1,2,−1,0) k 2
(1, 2, −1, 0)+
h (1,1,−1,1), 61 (7,−4,−1,6) i 1
− k 16 (7,−4,−1,6) k 2 6 (7, −4, −1, 6) =
10
= (1, 1, −1, 1) − 46 (1, 2, −1, 0) − 6
17 6 (7, −4, −1, 6)
1
=
6
17 (−6, 1, −4, 7)
1
=
𝑣 3 = (−6, 1, −4, 7)
h (1,0,0,2), (1,2,−1,0) i
𝑣¯4 = (1, 0, 0, 2) − k (1,2,−1,0) k 2
(1, 2, −1, 0)+
h (1,0,0,2), 16 (7,−4,−1,6) i 1
− k 16 (7,−4,−1,6) k 2 6 (7, −4, −1, 6)+
1
h (1,0,0,2), 17 (−6,1,−4,7) i 1
− 1
k 17 (−6,1,−4,7) k 2 17 (−6, 1, −4, 7) =
8
− 102 (−6, 1, −4, 7) = 31 (0, 1, 2, 1)
𝑣 4 = (0, 1, 2, 1)
𝑣 1 = 𝑥 2 = 𝑢3
h2− 𝑥, 𝑥 2 i 2
𝑣2 = 2 − 𝑥 − k 𝑥2 k 2
𝑥 = 2 − 𝑥 − 24 𝑥 2 = 2 − 𝑥 − 2𝑥 2
= 2𝑥 − 𝑥 2 − −2 2
2 𝑥 − −4
6 (2 − 𝑥 − 2𝑥 2 ) = 34 (1 + 𝑥 − 𝑥 2 )
𝑣3 = 1 + 𝑥 − 𝑥2
Rozdział 6 Strona 93
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
Wykonajmy sprawdzenie:
h𝑥 2 , 2 − 𝑥 − 2𝑥 2 i = 1 · 1 + 0 · 2 + 1 · (−1) = 0,
h𝑥 2 , 1 + 𝑥 − 𝑥 2 i = 1 · (−1) + 0 · 1 + 1 · 1 = 0,
h1 + 𝑥 − 𝑥 2 , 2 − 𝑥 − 2𝑥 2 i = (−1) · 1 + 1 · 2 + 1 · (−1) = 0.
Zadanie 10 Znaleźć bazy ortonormalne przestrzeni euklidesowej 𝐸 i podać współrzędne wek-
tora 𝑢 w tej bazie:
a) 𝐸 = {(𝑥, 𝑦, 𝑧) ∈ 𝐸 3 : 𝑧 = 4𝑥 − 𝑦}, 𝑢 = (1, 0, 1)
Możemy zapisać:
𝑧 = 4𝑥 − 𝑦 ⇒ 𝑥 = 𝑥, 𝑦 = 𝑦, 𝑧 = 4𝑥 − 𝑦.
Zatem wektory w podanej przestrzeni są postaci:
𝐸 3 3 (𝑥, 𝑦, 𝑧) = (𝑥, 𝑦, 4𝑥 − 𝑦) = 𝑥(1, 0, 4) + 𝑦(0, 1, −1).
Możemy zapisać tę przestrzeń w postaci
𝐸 3 = 𝑠𝑝𝑎𝑛{(1, 0, 4), (0, 1, −1)}.
Następnie sprawdzamy ortogonalność wektorów ją rozpinających:
h(1, 0, 4), (0, 1, −1)i = −4.
Skoro nie są ortogonalne, to je ortogonalizujemy:
𝑣 1 = (1, 0, 4)
h (0,1,−1), (1,0,4) i
𝑣 2 = (0, 1, −1) − k (1,0,4) k 2
(1, 0, 4) = (0, 1, −1) − 17 (1, 0, 4)
−4
= 17 (4, 17, −1)
1
h𝑠𝑖𝑛(𝑥), 𝑥i
𝑣 2 = 𝑠𝑖𝑛(𝑥) − 𝑥 =
k𝑥k 2
∫𝜋
𝑥𝑠𝑖𝑛(𝑥)𝑑𝑥
= 𝑠𝑖𝑛(𝑥) − 0 ∫ 𝜋 𝑥 =
0
𝑥 2 𝑑𝑥
𝜋 3𝑥
= 𝑠𝑖𝑛(𝑥) − 𝑥 = 𝑠𝑖𝑛(𝑥) −
𝜋 3 /3 𝜋2
Rozdział 6 Strona 94
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
Rozdział 6 Strona 95
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
d) 𝑢 1 = (1, 2, −1, 0), 𝑢 2 = (2, 1, −1, 1), 𝑢 3 = (1, 1, −1, 1), 𝑢 4 = (1, 0, 0, 2) ∈ 𝐸 4
Z podanych wektorów tworzymy macierz
1 2 1 1
2 1 1 0
𝐴 = .
−1 −1 −1 0
0 1 1 2
Wykonujemy mnożenie
1 2 −1 0 1 2 1 1 6 5 4 1
2 1 −1 1 2 1 1 0 5 7 5 4
𝑇
𝐴 𝐴 = = ,
1 1 −1 1 −1 −1 −1 0 4 5 4 3
1 0 0 2 0 1 1 2 1 4 3 5
7 2 1 6 1 4 7 1 2 1
𝑣 1 = (1, 2, −1, 0) , 𝑣 2 = , − , − , 1 , 𝑣 3 = − , , − , , 𝑣 4 = 0, , , ,
6 3 6 17 17 17 17 3 3 3
Rozdział 6 Strona 96
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
h𝑥 2 − 2𝑥, 1i = 3 + 0 − 1 = 2 ≠ 0, h𝑥 2 − 2𝑥, 𝑥i = −3 + 0 − 1 = −4 ≠ 0.
Uwaga: gdyby baza nie była ortogonalna, to możemy obliczyć rzut z definicji lub
zortogonalizować bazę i obliczyć rzut z twierdzenia.
Rozdział 6 Strona 97
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
∫ 2𝜋
g) 𝐸 0 = 𝑠𝑝𝑎𝑛{𝑥, cos(𝑥)}, 𝑢 ≡ 1 ∈ 𝐶 ( [0, 2𝜋]) z iloczynem skalarnym h 𝑓 , 𝑔i = 0
𝑓 (𝑥)𝑔(𝑥)𝑑𝑥
Zadanie można wykonać na 2 sposoby:
𝑢 0 = 𝑎𝑥 + 𝑏𝑐𝑜𝑠(𝑥) ∈ 𝐸 0 .
3
2 𝜋2
3 (3 − 4𝜋𝑎) = 0
⇒ (𝑎, 𝑏) = ,0 .
−𝜋𝑏 = 0 4𝜋
Ostatecznie 𝑢 0 = 3
4𝜋 𝑥 jest rzutem wektora 𝑢 na 𝐸 0 .
• z twierdzenia o istnieniu i jednoznaczności rzutu ortogonalnego
Możemy zauważyć, że {𝑥, 𝑐𝑜𝑠(𝑥)} jest bazą ortogonalną 𝐸 0 , ponieważ:
∫ 2𝜋
𝑥𝑐𝑜𝑠(𝑥)𝑑𝑥 = 0.
0
2𝜋 2 0 3
= 𝑥 + ∫ 2𝜋 𝑐𝑜𝑠(𝑥) = 𝑥
8 3
3𝜋 𝑐𝑜𝑠2 (𝑥)𝑑𝑥 4𝜋
0
Stąd 𝑢 0 = 3
4𝜋 𝑥 jest rzutem wektora 𝑢 na 𝐸 0 .
Rozdział 6 Strona 98
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
1 3 3 15
𝐴𝑇 𝑏 = =
2 6 4 30
Zatem musimy rozwiązać:
10 20 15 𝑊2 −2𝑊1 10 20 15 𝑊1 /5 2 4 3
−−−−−−−→ −−−−→
20 40 30 0 0 0 0 0 0
Mamy 2𝑥 + 4𝑦 = 3, więc 𝑥 = −2𝑦 + 1.5, czyli dostajemy:
1.5 1.5
𝑥 −2 𝑥 −2
= +𝑦 , co możemy zapisać jako = +𝛼 , 𝛼 ∈ R.
𝑦 0 1 𝑦 0 1
𝑥 1 + 2𝑥 2 + 𝑥 3 = −2
b) − 𝑥2 + 𝑥3 = 2
𝑥 1 + 𝑥 2 + 2𝑥 3 = 12
Upewniamy się, że układ jest sprzeczny, sprawdzając wyznacznik macierzy:
1 2 1
| 𝐴| = 0 −1 1 = 0.
1 1 2
Obliczamy prawą i lewą stronę:
1 0 1 1 2 1 2 3 3
𝐴 𝐴 = 2 −1 1 0 −1 1 = 3 6 3
𝑇
1 1 2 1 1 2 3 3 6
Rozdział 6 Strona 99
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
1 0 1 −2 10
𝐴 𝑏 = 2 −1 1 2 = 6
𝑇
1 1 2 12 24
Następnie używając eliminacji Gaussa-Jordana rozwiązujemy układ równań:
2 3 3 10 2 3 3 10
𝑊1 ↔𝑊3 1 2 1 2 𝑊3 −𝑊1
3 /3
3 6 3 6 −𝑊 1 2 1 2 −−−−−−−→ 2 3 3 10 −−−−−−→
−−−→
3 3 6 24 𝑊2 /3 1 1 2 8 1 1 2 8 𝑊2 −2𝑊1
1 2 1 2
𝑊1 +2𝑊2 1 0 3 14
𝑊3 −𝑊1
−−−−−−→ 0 −1 1 6 −−−−−−−→ 0 −1 1 6
𝑊2 −2𝑊1 𝑊3 −𝑊2 0
0 −1 1 6 0 0 0
𝑥 + 3𝑥3 = 14 𝑥 = 14 − 3𝑥 3
Mamy 1 , więc możemy zapisać 1 . Zatem odpowiedź będzie postaci:
−𝑥 2 + 𝑥 3 = 6 𝑥 2 = −6 + 𝑥 3
14 −3
x = −6 + 𝛼 1 , 𝛼 ∈ R.
0 1
𝑥1
= 3
c) 𝑥 1 + 𝑥 2 = 4
𝑥 1 + 2𝑥 2 = 1
Obliczamy prawą i lewą stronę:
1 0
1 1 1 3 3
1 1 =
𝑇
𝐴 𝐴=
0 1 2 3 5
1 2
3
1 1 1 8
𝐴 𝑏= 4 =
𝑇
0 1 2 6
1
Zatem rozwiązujemy układ równań metodą Gaussa-Jordana:
3 3 8 𝑊2 −𝑊1 3 3 8 3 3 8
𝑊2 /2 𝑊1 −3𝑊2
−−−−−−→ −−−−→ −−−−−−−→
3 5 6 0 2 −2 0 1 −1
3 0 11 1 0 11
𝑊1 −3𝑊2 𝑊1 /3
−−−−−−−→ −−−−→ 3
0 1 −1 0 1 −1
11
Dostajemy odpowiedź: x = 3 .
−1
2𝑥 1 = 1
d) 𝑥2 = 2
2𝑥 1
+ 2𝑥 2 = 3
Obliczamy prawą i lewą stronę:
2 0
2 0 2 0 1 = 8 4
𝑇
𝐴 𝐴=
0 1 2 2 2
4 5
1
2 0 2 2 = 8
𝑇
𝐴 𝑏=
0 1 2 3
8
Następnie rozwiązujemy układ równań:
8 4 8 𝑊1 /2 4 2 4 𝑊2 −𝑊1 4 2 4 𝑊2 /3
−−−−→ −−−−−−→ −−−−→
4 5 8 4 5 8 0 3 4
4 2 4 4 0 4/3 𝑊1 /4 1 0 1/3
𝑊2 /3 𝑊1 −2𝑊2
−−−−→ −−−−−−−→ −−−−→
0 1 4/3 0 1 4/3 0 1 4/3
1/3
Dostajemy odpowiedź: x = 4 .
/3
1 1
1 2 3 4 2 1 30 10
𝐴𝑇 𝐴 = =
1 1 1 1 3 1 10 4
4 1
2
1 2 3 4 3 51
𝐴𝑇 𝐵 = =
1 1 1 1 5 17
7
Przechodzimy do rozwiązania układu równań:
30 10 51 𝑊1 −3𝑊2 0 −2 0 0 1 0
𝑊1 /(−2) 𝑊2 −4𝑊1
−−−−−−−→ −−−−−−−→ −−−−−−−→
10 4 17 10 4 17 10 4 17
0 1 0 0 1 0
𝑊2 −4𝑊1 𝑊1 /10
−−−−−−−→ −−−−−→
10 0 17 1 0 1.7
Dostajemy odpowiedź:
𝑦 = 1.7𝑥.
Obliczamy:
1 1
1 2 3 4 2 1 30 10
𝐴𝑇 𝐴 = =
1 1 1 1 3 1 10 4
4 1
2
1 2 3 4 4 53
𝐴𝑇 𝐵 = =
1 1 1 1 5 18
7
i przechodzimy do rozwiązywania układu równań:
0 1 0.5 0 1 0.5
𝑊2 −4𝑊1 𝑊1 /10
−−−−−−−→ −−−−−→
10 0 16 1 0 1.6
Dostajemy odpowiedź:
𝑦 = 1.6𝑥 + 0.5.
1
0 1 2 0
𝑇
𝐴 𝐵= 2 =
1 1 1 0
−1
5 3 0
i rozwiązujemy jednorodny, niesprzeczny układ równań: , którego jedynym roz-
3 3 0
wiązaniem jest 𝑦 = 0 (obliczenia nie są konieczne).
Zadanie 17 Dobrać stałą 𝑎 ∈ R tak, aby podane wektory były ortogonalne w przestrzeni 𝑉:
zatem
−2𝑎 + 𝑎 + 2𝑎 = 0 ⇒ 𝑎 = 0.
Odpowiedź: Podane wektory są ortogonalne dla 𝑎 = 0.
Musi zachodzić:
h1, 𝑎𝑥 + 2i = 0
1 · (𝑎 + 2) + 1(2𝑎 + 2) + 1(3𝑎 + 2) = 0
6𝑎 + 6 = 0 ⇒ 𝑎 = −1.
Odpowiedź: Podane wektory są ortogonalne dla 𝑎 = −1.
h𝑣 3 , 𝑣 1 i = 0, h𝑣 3 , 𝑣 2 i = 0.
d) 1 ∈ R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(0)𝑞(0) + 𝑝 0 (0)𝑞 0 (0) + 𝑝 00 (0)𝑞 00 (0) Najpierw uzu-
pełniamy układ do bazy R2 [𝑥]:
𝑢 1 = 1, 𝑢 2 = 𝑥 + 2, 𝑢 3 = 𝑥 2 + 1.
1 2 0
Dla pewności sprawdzamy rząd macierzy 0 1 0 lub jej wyznacznik.
1 0 1
Następnie ortogonalizujemy układ metodą Grama-Schmidta:
𝑣 1 = 𝑢1
h 𝑥+2,1i
𝑣2 = 𝑥 + 2 − k1k 2
·1=𝑥+2− 2
1 ·1 = 𝑥
h 𝑥 2 +1,1i h 𝑥 2 +1, 𝑥 i
𝑣3 = 𝑥2 + 1 − k1k 2
·1− k 𝑥 k2
𝑥 =
= 𝑥2 + 1 − 1
1 ·1 − 10 𝑥 = 𝑥2
a) 𝑄 : R2 × R2 → R, 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 2𝑥1 𝑦 1 + 𝑥 1 𝑦 2
Niech (𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 ), (𝑡1 , 𝑡2 ) ∈ R2 , 𝛼, 𝛽 ∈ R.
𝑄((𝑦 1 , 𝑦 2 ), (𝑥 1 , 𝑥2 )) = 2𝑦 1 𝑥 1 + 𝑦 1 𝑥 2 ,
więc przykładowo:
𝑄((1, 1), (0, 1)) = 2 + 1 = 3, 𝑄((0, 1), (1, 1)) = 0 + 0 = 0 = −𝑄((0, 1), (1, 1)),
f) 𝑄 : R3 ×R3 → R, 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 +3𝑥 1 𝑦 2 −2𝑥 2 𝑦 3 +2𝑥 3 𝑦 3 , 𝐵 = {(1, 1, 1), (1, 1, 0), (1, 0, 0)}
Najpierw obliczamy macierz formy dwuliniowej w bazie standardowej 𝐸 = {𝑒 1 = (1, 0, 0), 𝑒 2 =
(0, 1, 0), 𝑒 3 = (0, 0, 1)}, zaczynając od wartości:
1 3 0 𝑦 1
𝑦1
𝑥 3 0 0 −2 𝑦 2 = 𝑥 1 3𝑥 1 −2𝑥 2 + 2𝑥 3
𝑄(𝑥, 𝑦) = 𝑥 1 𝑥 2 𝑦2 =
0 0 2 𝑦 3
𝑦3
= 𝑥1 𝑦 1 + 3𝑥 1 𝑦 2 − 2𝑥 2 𝑦 3 + 2𝑥 3 𝑦 3 .
Zadanie 3 Dla formy dwuliniowej 𝑄 z poprzedniego zadania obliczyć 𝑄(𝑣 1 , 𝑣 2 ) przy użyciu
macierzy formy w bazie 𝐵. Porównać wyniki z obliczeniami w bazie standardowej.
Sprawdzenie:
𝑄((1, 1), (1, −1)) = 2 · 1 · 1 + 1 · (−1) = 1
lub z użyciem macierzy 𝑄 𝐸 :
2 1 1 1
𝑄((1, 1), (1, −1)) = 1 1 = 2 1 = 2 − 1 = 1.
0 0 −1 −1
f) 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 +3𝑥 1 𝑦 2 −2𝑥 2 𝑦 3 +2𝑥 3 𝑦 3 , 𝐵 = {(1, 1, 1), (1, 1, 0), (1, 0, 0)}
Z poprzedniego zadania otrzymaliśmy macierze formy 𝑄:
1 3 0 4 4 1
𝑄 𝐸 = 0 0 −2 , 𝑄 𝐵 = 2 4 1 .
0 0 2 4 4 1
Zacznijmy od zapisania wektorów 𝑣 1 , 𝑣 2 w bazie 𝐵:
e) 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 + 3𝑥1 𝑦 2 − 2𝑥 2 𝑦 3 + 2𝑥 3 𝑦 3
Zauważmy, że w macierzy formy antysymetrycznej współczynniki na przekątnej muszą być
zerowe. Zapiszmy więc macierz odwzorowania 𝑄 w bazie standardowej jako sumę macierzy
symetrycznej i antysymetrycznej:
1 3 0 1 𝑎 0 0 𝑏 0
0 0 −2 = 𝑎 0 𝑐 + −𝑏 0 𝑑
0 0 2 0 𝑐 2 0 −𝑑 0
Możemy z tego zapisać i rozwiązać proste układy równań:
𝑎+𝑏 = 3 3
⇒ 𝑎=𝑏= ,
𝑎−𝑏 = 0 2
𝑐 + 𝑑 = −2
⇒ 𝑐 = 𝑑 = −1.
𝑐−𝑑 = 0
Stąd dostajemy formy:
3 3
𝑄 𝑠 (x, y) = 𝑥 1 𝑦 1 + 𝑥 1 𝑦 2 + 𝑥 2 𝑦 1 − 𝑥 2 𝑦 3 − 𝑥 3 𝑦 2 + 2𝑥 3 𝑦 3 ,
2 2
3 3
𝑄 𝑎 (x, y) = 𝑥 1 𝑦 2 − 𝑥 2 𝑦 1 − 𝑥 2 𝑦 3 + 𝑥 3 𝑦 2 .
2 2
Sprawdzenie:
4 −1
𝑥 𝑥
= 4𝑥 − 𝑦 −𝑥 + 2𝑦 = 4𝑥 2 − 2𝑥𝑦 + 2𝑦 2 .
𝑥 𝑦
−1 2 𝑦 𝑦
4 −1
Zbadajmy określoność macierzy i formy. Możemy zrobić to na wiele sposób, na
−1 2
przykład korzystając:
Z obu sposobów dostajemy ten sam wniosek tzn. macierz 𝐴 i forma 𝑞 są dodatnio określone.
i otrzymujemy
1 −1 −1
𝐴 = −1 3 1 .
−1 1 1
Sprawdzenie:
1 −1 −1 𝑥 2
𝑦 𝑧 −1 3 1 𝑦 = 𝑥 − 2𝑥𝑦 + 3𝑦 2 − 2𝑥𝑧 + 𝑧 2 + 2𝑦𝑧 .
𝑥
−1 1 1 𝑧
1 −1 −1
Następnie badamy określoność macierzy −1 3 1 i formy, wybierając jeden ze sposo-
−1 1 1
bów:
• kryterium Sylvestera
𝜆1 = 4 > 0, 𝜆2 = 1 > 0, 𝜆3 = 0.
𝜆𝑖 ≥ 0, 𝑖 = 1, 2, 3,
1 0 1 𝑥
𝑦 𝑧 0 1 −2 𝑦 = 𝑥 2 + 𝑦 2 − 𝑧 2 + 2𝑥𝑧 − 4𝑦𝑧 .
𝑥
1 −2 −1 𝑧
1 0 1
Badamy określoność macierzy 0 1 −2 i formy, wyliczając wartości własne:
1 −2 −1
√ √
𝜆1 = 1 > 0, 𝜆2 = 6 > 0, 𝜆 3 = − 6 < 0.
a) 𝑞 : R2 → R, 𝑞(𝑥, 𝑦) = 𝑥 2 − 4𝑥𝑦 + 4𝑦 2
• podstawienie ortogonalne:
1 −2
Zacznijmy od wyznaczenia macierzy formy 𝑞: oraz jej wartości i wektorów
−2 4
własnych.
𝜆1 = 5, 𝜆2 = 0, 𝑤 1 = (−1, 2), 𝑤 2 = (2, 1)
Zauważmy, że wektory te tworzą układ ortonormalny. Znormalizujmy je:
1 1
𝑣 1 = √ (−1, 2), 𝑣 2 = √ (2, 1).
5 5
𝑞(x) = 𝑥 12 − 4𝑥 1 𝑥 2 + 4𝑥 22 = 𝑞(y) = 5𝑦 21 + 0𝑦 22 ,
gdzie
1 −1 2
x = 𝑃y, 𝑃 = √ .
5 2 1
Zauważmy, że forma 𝑞 jest określona nieujemnie.
• metoda Lagrange’a:
Zapisujemy formę przy użyciu wzorów skróconego mnożenia:
𝑞(x) = 𝑥 12 − 4𝑥 1 𝑥 2 + 4𝑥 22 = (𝑥 12 − 4𝑥 1 𝑥 2 + 4𝑥 22 ) + 0𝑥 22 =
= (𝑥1 − 2𝑥 2 ) 2 + 0𝑥 22 = 𝑦 21 + 0𝑦 22 = 𝑞(y)
otrzymując postać kanoniczną, gdzie
𝑦 1 = 1𝑥 1 −2𝑥 2 , 𝑦 2 = 0𝑥 1 + 1𝑥 2 ,
g) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 4𝑥𝑦 + 𝑧 2
• podstawienie ortogonalne:
Macierz formy 𝑞:
0 2 0
2 0 0
0 0 1
posiada wartości własne
𝜆1 = −2, 𝜆2 = 2, 𝜆 3 = 1,
którym odpowiadają ortogonalne wektory własne
−1 1 0
1 1 1 0.
x = 𝑃y, 𝑃 = √ √
2
0 0 2
Dzięki tej postaci od razu widzimy, że jest to forma nieokreślona.
• metoda Lagrange’a:
Uwaga: w taki sposób nie uda się znaleźć postaci kanonicznej
𝑥1 = 𝑦 1 − 𝑦 2 ,
𝑥2 = 𝑦 1 + 𝑦 2 ,
𝑥3 = 𝑦 3
Otrzymujemy postać kanoniczną
𝑞(y) = 4(𝑦 1 − 𝑦 2 ) (𝑦 1 + 𝑦 2 ) + 𝑦 23 = 4𝑦 21 − 4𝑦 22 + 𝑦 23 ,
gdzie
1 −1 0
x = 1 1 0 y.
0 0 1
Zatem forma 𝑞 jest nieokreślona.
h) 𝑞 : R3 → R, 𝑞(𝑥 1 , 𝑥2 , 𝑥2 ) = 2𝑥 1 𝑥 2 + 𝑥 22 − 2𝑥 2 𝑥 3
• podstawienie ortogonalne:
Macierz formy 𝑞 postaci:
0 1 0
1 1 −1
0 −1 0
posiada wartości własne
𝜆1 = 2, 𝜆 2 = −1, 𝜆3 = 0.
Odpowiadają im ortogonalne wektory własne:
𝑞(y) = 2𝑦 21 − 1𝑦 22 + 0𝑦 23 ,
gdzie √ √
−1 − 2 3
1 √
√2 √0
x = 𝑃y, 𝑃 = √ −2 .
61 2 3
Na tej podstawie stwierdzamy, że forma 𝑞 jest nieokreślona.
• metoda Lagrange’a:
Zapisujemy formę przy użyciu wzorów skróconego mnożenia:
𝑞(x) = 2𝑥 1 𝑥2 + 𝑥 22 − 2𝑥 2 𝑥 3 = (𝑥 12 + 2𝑥 1 𝑥 2 + 𝑥 22 ) − 𝑥 12 − 2𝑥 2 𝑥 3 ,
lecz ten sposób nie prowadzi nas do dobrego wyniku. Zatem weźmy pod uwagę składniki
zawierające np. zmienną 𝑥 2 , która pojawia się w każdym składniku. Przy kwadracie
zostawmy współczynnik 1, a przy mieszanych 2, co zapisujemy:
(𝑥 2 + 𝑥 1 − 𝑥 3 ) 2 = 𝑥 12 + 𝑥 22 + 𝑥 32 + 2𝑥 1 𝑥 2 − 2𝑥 1 𝑥 3 − 2𝑥 2 𝑥 3 .
𝑞(x) = (𝑥 1 + 𝑥 2 − 𝑥 3 ) 2 − 𝑥 12 − 𝑥 32 + 2𝑥 1 𝑥 3 =
= (𝑥 1 + 𝑥 2 − 𝑥 3 ) 2 − (𝑥 1 − 𝑥 3 ) 2 + 0𝑥32 =
= 𝑦 21 − 𝑦 22 + 0𝑦 23 = 𝑞(y),
gdzie
1 1 −1
y = 1 0 −1 x.
0 0 1
Forma ta jest nieokreślona.
Odpowiedzi do zadań
c) 10
7 𝑥− 7
1 2
7𝑥 − 7
3
2𝑥 − 1
d) 12 𝑥 7 + 12 𝑥 4 − 12 𝑥 2 + 𝑥 − 12 1 7
2 𝑥 + 𝑥 3 7
2 𝑥 + 1 4
2 𝑥 − 12 𝑥 2 + 3𝑥 − 12
Zadanie 5.
𝐾𝑒𝑟 ( 𝐴) 𝐼𝑚( 𝐴)
a) 𝑂𝑌 𝑂𝑋
b) 𝑂𝑋 𝑂𝑌
c) {(𝑥, 𝑦) ∈ R : 𝑦 = −𝑥}
2 {(𝑥, 𝑦) ∈ R2 : 𝑦 = 𝑥}
d) {(𝑥, 𝑦) ∈ R : 𝑦 = 𝑥}
2 {(𝑥, 𝑦) ∈ R2 : 𝑦 = −𝑥}
e) {(𝑥, 𝑦) ∈ R : 𝑦 = − 2 𝑥} {(𝑥, 𝑦) ∈ R2 : 𝑦 = 2𝑥}
2 1
f) {(0, 0)} R2
g) {(0, 0)} R2
h) {(0, 0)} R2
i) {(0, 0)} R2
j) {(0, 0, 0)} R3
k) {(0, 0, 0)} R3
l) {(0, 0, 0)} R3
m) 𝑂𝑌 𝑍 𝑂𝑋
n) 𝑋𝑂𝑍 𝑂𝑌
o) 𝑋𝑌𝑂 𝑂𝑍
p) 𝑂𝑍 𝑋𝑌𝑂
q) 𝑂𝑋 𝑂𝑌 𝑍
r) 𝑂𝑌 𝑋𝑂𝑍
Zadanie 6. a) 𝐾𝑒𝑟 ( 𝐴) = {(0, 0)}, 𝐼𝑚( 𝐴) = R2 , b) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{(1, 2)}, 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{(1, −3)},
c) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{(1, 3, −1)}, 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{(2, 1, 2, −1), (−1, 1, 1, 0),
113
ROZDZIAŁ 7. ODPOWIEDZI DO ZADAŃ
(−1, 4, 5, −1)}, d) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{(1, −1, 1)}, 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{(1, 0), (1, 1), (0, 1)}, e) 𝐾𝑒𝑟 ( 𝐴) =
𝑠𝑝𝑎𝑛{(−2, −1, 1, 0), (−1, 3, 0, 1)}, 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{(1, −2, 1), (0, 1, −1), (2, −3, 1), (1, −5, 4)}, f) 𝐾𝑒𝑟 ( 𝐴) =
𝑠𝑝𝑎𝑛{(1, −3, −5)}, 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{(2, 1, −1, 8), (−1, 2, 3, 1), (1, −1, −2, 1)}, g)
𝐾𝑒𝑟 ( 𝐴) = {0}, 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{𝑥, 𝑥 2 }, h) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{𝑥}, 𝐼𝑚( 𝐴) = R1 [𝑥], i) 𝐾𝑒𝑟 ( 𝐴) =
𝑠𝑝𝑎𝑛{−2 + 𝑥}, 𝐼𝑚( 𝐴) = R0 [𝑥], j) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{0}, 𝐼𝑚( 𝐴) = R1 [𝑥], k) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{0},
𝐼𝑚( 𝐴) = R1 [𝑥], l) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{1}, 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{𝑥}, m) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{𝑥, 𝑥 2 }, 𝐼𝑚( 𝐴) =
𝑠𝑝𝑎𝑛{𝑥}, n) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{1}, 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{1 + 2𝑥, 𝑥 + 2𝑥 2 }, o) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{2 − 3𝑥 + 𝑥 2 },
𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{4𝑥 2 , 5𝑥 2 + 𝑥, 7𝑥 2 + 3𝑥}, p) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{1}, 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{−2𝑥 3 − 4𝑥 2 , 𝑥 2 + 2𝑥}.
Zadanie 7. a) 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 0, 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 2, b) 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 2, 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 1, c)
𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 1, 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 3, d) 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 2, 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 2, e) 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 2,
𝑑𝑖𝑚𝐼𝑚( 𝐴) = 3, f) 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 0, 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 3, g) 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 2, 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 2, h)
𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 2, 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 1, i) 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 0, 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 3, j) 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 1, 𝑑𝑖𝑚𝐼𝑚( 𝐴) =
2, k) 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 0, 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 2.
Zadanie 8. a) 𝐴(𝑧) = (7, 13), 𝐴(𝑡) =?, b) 𝐴(𝑧) =?, 𝐴(𝑡) = (1, −1).
Zadanie 11. a) tak, b) tak, c) tak, d) nie, e) nie, f) tak.
Zadanie 12. a) tak, b) nie, c) nie, d) nie, e) nie, f) nie.
Bibliografia
1. T. S. Blyth, E. F. Robertson: Basic Linear Algebra.
A ortogonalnie diagonalizowalna 29
aproksymacja 34 podobna 18
przejścia 12
B przekształcenia liniowego 9
baza rząd 11
ortogonalna 27 symetryczna 29
ortonormalna 27 wiodąca podmacierz 39
wiodący minor główny 39
D metryka 24
diagonalizowalna macierz 18
ortogonalnie 29 N
najmniejszych kwadratów
F metoda 34
forma norma wektora 24
dwuliniowa 36
antysymetryczna 36 O
symetryczna 36 obraz przekształcenia liniowego 4
zwykła 36 ortogonalizacja
kwadratowa 38 Grama-Schmidta 29
nieokreślona 39 macierzowa 31
określona 39 ortogonalność 26
postać kanoniczna 40 baza ortogonalna 27
macierz ortogonalna 28
G układ ortogonalny 27
Grama-Schmidta ortonormalność
ortogonalizacja 29 baza ortonormalna 27
układ ortonormalny 27
I
iloczyn P
skalarny 22 Pitagorasa
twierdzenie 26
J postać kanoniczna
jądro przekształcenia liniowego 4 formy kwadratowej 40
metoda Lagrange’a 41
L podstawienie ortogonalne 40
liniowe przekształcenie
przekształcenie 2, 7 addytywne 2
macierz 9 liniowe 2
C-liniowe 7
M R-liniowe 7
macierz jądro 4
diagonalizowalna 18 obraz 4
formy dwuliniowej 37 przestrzeń
ortogonalizacja macierzowa 31 euklidesowa 22
ortogonalna 28 generowana w sensie zespolonym 81
116
SKOROWIDZ
własna 17 macierzy 19
przybliżenie prostej 34 przekształcenia 17
przestrzeń własna 17
R wektor własny
rzut macierzy 19
ortogonalny 32 przekształcenia 17
rząd wektory
macierzy przekształcenia liniowego 11 baza
równanie ortogonalna 27
charakterystyczne macierzy 19 ortonormalna 27
iloczyn skalarny 22
S metryka 24
Sylvestera miara kąta 25
kryterium 39 norma 24
odległość 24
U ortogonalne do przestrzeni 31
układ sprzeczny ortogonalność 26
”najlepsze rozwiązanie” 33 rzut ortogonalny 32
układ
W ortogonalny 27
wartość własna ortonormalny 27
krotność algebraiczna 78 wielomian
krotność geometryczna 78 charakterystyczny macierzy 19