Egzamin z algebry liniowej, cz. 1: pytania prawda/fałsz
Algebra liniowa⏱ 39 min
Omówienie egzaminu z algebry liniowej, część 1: krótkie zadania typu prawda/fałsz i to, dlaczego odpowiedzi są takie, a nie inne. Wektory własne nad liczbami rzeczywistymi i zespolonymi, rząd sumy macierzy, wymiar sumy podprzestrzeni, podobieństwo macierzy i przekształcenia różnowartościowe.
W tym nagraniu
Czy każda macierz ma wektor własny? Nad liczbami rzeczywistymi, zespolonymi i w wymiarze nieparzystym
Macierze antysymetryczne nieparzystego wymiaru
Rząd sumy macierzy a suma rzędów
Wymiar sumy podprzestrzeni – dlaczego wzór dla trzech nie działa
Podobieństwo macierzy, wielomian od macierzy i monomorfizmy
Pierwsza część omówienia egzaminu z algebry liniowej to krótkie pytania typu prawda/fałsz — i, co ważniejsze, uzasadnienia odpowiedzi. Pierwsze pytanie: czy każda macierz ma wektor własny? Nad liczbami zespolonymi tak, bo wielomian charakterystyczny ma pierwiastek. Nad rzeczywistymi nie (np. obrót płaszczyzny o 90°), ale w wymiarze nieparzystym tak — wielomian nieparzystego stopnia ma pierwiastek rzeczywisty.
Podobnie prosty rachunek pokazuje, że macierz antysymetryczna nieparzystego wymiaru jest osobliwa: det A = det Aᵀ = det(−A) = (−1)ⁿ·det A = −det A, więc det A = 0. Dalej rząd sumy macierzy, r(A + B) ≤ r(A) + r(B), i wymiar sumy podprzestrzeni: wzór dim(U + W) = dim U + dim W − dim(U ∩ W) nie przenosi się na trzy podprzestrzenie tak, jak wzór włączeń i wyłączeń.
Ostatnie pytania dotyczą podobieństwa macierzy, wielomianu od macierzy i monomorfizmów, czyli przekształceń liniowych różnowartościowych. Nagranie jest krótkie, a każde pytanie to osobna mała lekcja z teorii.
// Transkrypt
Transkrypt nagrania
Transkrypt został wygenerowany automatycznie na podstawie napisów YouTube, więc może zawierać błędy w zapisie wzorów, nazwisk i terminów. Kliknij znacznik czasu, aby przewinąć wideo do danego fragmentu. (3621 słów)
Czas na opowieści ze świata egzaminu. Zaczniemy od tych prościutkich zadań, które są prawie że jednokrotnego wyboru. Pierwsze było takie, czy dla każdej macierzy ma dla każdej macierzy n na n rzeczywistej, a ma wektor własny. Dla porządku jeszcze napiszesz należący do Rn. Oprócz tego pytamy o to samo, gdy dwa nie dzieli n. No więc przykład macierzy, która nie ma wektora własnego, to chyba była pierwsza nietrywiana macierz, którą zobaczyliście.
To była macierz na przykład obrotu o 90 stopni. No to nie ma bata. Jak ja mam tutaj wektor V, to tutaj mam wektor AV. Równego to to nie będzie. Dlatego tu jest też istotne to założenie, że to jest wektor własny w Rn. Jakbym zapytał, czy ma wektor własny w Cn, to by się dało. to bym wziął wektor współrzędnych 1i. Nie trudno się przekonać, że on działa. Jak tutaj przyłożę macierz, to ja dostanę co? Minus i i tutaj i. Dobrze mi się wydaje?
Nie, tutaj dostanę 1, ponieważ nie umiem mnożyć macierzy. A to zdaje mi się, że to jest równe minus i razy wektor, od którego zaczęliśmy. Więc dla cn jest szansa, że tak. Za chwilę się przekonamy, dlaczego dla CN jest tak, to, że dla RN jest nie, to się już przekonaliśmy i za chwilę się przekonamy, dlaczego dla nieparzystych jest tak. Tu jak na razie jest nie. Jak się poduje na wektory własne albo na samo ich istnienie? Najprościej jest popatrzeć na wielomian charakterystyczny.
Pamiętam, był taki śmieszny napis, że to od T to byłby znacznik a minus ti. To przekonaliśmy się już kiedyś tam na wykładzie, że to, że chi a od t jest równe 0 jest równoważne z tym, że t jest wartością własną. A to jest z definicji równoważne z tym, że istnieje wektor własny, który jest towarzyszony z t. Istnieje takie v, koniecznie różne od 0, że a minus ti I razy V jest równe wektor zerowy.
Gołym okiem widać, że tu jest napisane AV równa się T i V, czyli AV równa się TV. Czyli istnienie wektora własnego jakiegokolwiek to jest to samo, co istnienie jakiejkolwiek wartości własnej. Wektorowi własnemu pozwala istnieć wartość własna. Czyli to jest równoważne z istnieniem takiego też, że to się zeruje. Czyli A ma wektor własny, nawet wtedy i tylko wtedy, istnieje takie T, że to jest równe z R. No, to w szczególności stąd widać, że jakbym w tym całym pytaniu zastąpił R przez C, to miał za darmo. Po prostu to jest wielomian nad C, wielomian nad C, a pierwiastek jesteśmy zrobieni. Myślałby kto, że jak wezmę macierz nad R, to ja mogę potraktować jako macierz nad C. Ona znowu ma wielomian charakterystyczny, ma pierwiastek nad C.
To jest dokładnie ten trzwadek, który się tutaj działo. Ta macierz ma wielomian charakterystyczny, jaki I pewnie ma wielomian lambda kwadrat minus plus 1. No i on nad r nie ma pierwiastków, ale ma dopiero nad c. To rozumowanie działa tak, że jak mam pierwiastek nad r, to wektor własny oczywiście też ma nad r, bo to jest rozwiązywanie układu równoliniowych, które się dzieje wewnątrz ciała, w którym to się wszystko działo. Dobra, czyli patrzymy, co się dzieje, kiedy 2 nie dzieli n. To jest dodatkowa informacja o tym wielomianie. Przypominamy sobie, że to, to jest minus t do n tej plus coś mniejszego stopnia.
Dlaczego? Dlatego, że rozwinięcie permutacyjne tak działa. To jest wyznacznik taki, że tu mam a1, 1 minus t, tu mam a2, 1 bez żadnego t, a2, 2 minus t, bla, bla, bla, a, n, n minus t. Jak zrobimy całe wymnażanie tego wszystkiego, to każdy taki składnik w rozwinięciu permutacyjnym to będzie coś z tej kolumny, razy coś z tej kolumny, razy coś z tej kolumny. Dlaczego ja nie mam mojego kursora? To jest nieakceptowalne. Jak będziemy wymnażać coś stąd, razy coś stąd, razy coś stąd i tak dalej, to stąd dostaniemy stopień stałą albo wielomianijowy.
Stąd stałą albo wielomianijowy. I tak dalej. Każdy taki iloczyn będzie wielomiany stopnia co najwyżej n. A przy okazji, jak my wiemy, że suma dwóch wielomianów stopnia co najwyżej n może być wielomianem stopnia mniejszego. Tak nawet jak są dokładnie n. Jak dodam takich dwóch, to wyjdzie mniejszego stopnia. Tutaj to zjawisko się nie zdarzy. Dlaczego? Dlatego, że żeby dostać cokolwiek stopnia dokładnie n, to musiałbym wziąć konkretnie tylko ten jeden iloczyn do przekątnej. Wszystkie inne będą miały mniejsze stopień. A ten jeden już jest stopnia n, nawet widać, że jedyne te do n, które się pojawi, to jest pomnożenie tego minus te z tym minus te i tak dalej.
Także nie dość, że wiemy jaki jest stopień, to jeszcze wiemy, że tu jest minus jeden do n. W szczególności, jeśli dwa nie dzieli n, to ja mam wielokrotnie stopień niebeżystego. A taki ma pierwiastek. to wiemy albo z analizy, albo z chłopskiego rozumu. Chłopski rozum mówi, że jak 2 nie dzieli n, to co? Jak ja mam wielomian postaci t do n plus coś, to on w nieskończoności musi mieć plus nieskończoność. No bo tak działają granice wielomianów. Minus nieskończoności musi mieć minus nieskończoność.
To gdzieś tam z własności darbu funkcji ciągłej gdzieś się musi przebić przez 0. To, że to ma współczynnik, to nie ma znaczenia, bo równanie wielomianowe możemy podzielić przez minus 1 do n tej. Więc jak 2 nie dzieli n, to chi a ma pierwiastek rzeczywisty z uwagi na swój stopień. I już, mam pierwiastek rzeczywisty, czyli mam wartość własną, czyli istnieje takie t, czyli istnieje takie t, że ten wyznacznik jest równy 0, czyli istnieje takie t, że istnieje taki niezerowy wektor, który zeruje te macierze. Już cała filozofia.
By the way, podobnie się dowodzi, że macierz antysymetryczna musi mieć wyznacznik zero. Antysymetryczna nie parze z tego wymiaru. Jeśli ja mam macierz o taką, na przykład taka jest antysymetryczna, ale jest parze z tego wymiaru. A jest mn na n od r i przy okazji jeszcze dwa niedzieli n, to wyznacznik a musi być równy 0.
Dlaczego? Bardzo prosto. Wyznacznik a jest równy wyznacznik a transponowany. W naszym konkretnym przypadku to jest minus a. A teraz przypominamy sobie, że wyznacznik jest n jednorodny od macierzy. Mógłbym od razu napisać, że to jest minus 1 do n tej wyznacznika a, a mogę być taki fajny, żeby napisać skąd to się bierze. Tu jest minus i w wymiarze n razy a. czyli wyznacznik i n z minusem a z tym to już nie ma jak walczyć to jest macierz, która ma n sztuk minus jedynki na przekątnej to ma wyznacznik minus jeden do n tak jak to macierze diagonalne mają ogólnie to, że to, że nad r z automatu jest wektor własny to jest powód dla którego ludzie tak bardzo lubią to wszystko robić nad c nad c jest twierdzenie Jordana tak naprawdę
Która jest taką zupą uważoną na gwoździu, który polega na tym, że zawsze jest jakiś wektor własny. Co ja tam dałem dalej? Czy jest prawdą, że rząd sumy macierzy się rzetuje przez sumę rzędów? To tak wygląda, że na pierwszy rzut oka to powinna być prawda, na drugi rzut oka nie, zaraz, o co chodzi, dlaczego arytmetyka na macierzy, jak ma się przekładać na arytmetykę na rzędach, a na trzeci rzut oka to jest prawda. Dlaczego? Dlatego, że zauważcie, że w ogóle rząd takiej macierzy, która ma A i B obok, po prostu napiszę kolumny A i obok kolumny B.
To jest wymiar spanu kolumn tej macierzy. To jest definicja. A tu po prostu mam kolumny A i obok kolumny B. Czyli to jest jedna podprzestrzeń plus druga podprzestrzeń. Jak znakomicie wiemy, i tak o tym jest następne zadanie, wymiar sumy algebraicznej podprzestrzeni to jest co najwyżej, najczęściej mniej, co najwyżej suma wymiarów.
No a to jest dokładnie rząd A plus rząd B. Mógłbym być bardziej leniwy i pisać, że to jest to samo, co im A. W sensie, że to jest obraz A potraktowanego jako przekształcenie liniowe mnożenia przez A. Ale dobrze, nas pytali o rząd macierzy A plus B. Jak nam to pomaga? Bardzo, ponieważ zauważcie, że obraz macierzy A plus B to się zawiera w obrazie takiej macierzy. A nawet jest pod przestrzenią.
Dlaczego? No oczywiście dlatego, że A plus B razy jakiś wektor V to jest to samo, co gdybym ja wziął tę macierzę blokową AB i pomnożył ją przez taki wektor, który najpierw ma V, a potem jeszcze raz V. Tym zostaje A razy V plus B razy V. Czyli każdy element tego daje się napisać jako element tego. Czyli tu jest w ogóle zawieranie. Więc jak jest zawieranie, to jest nierówność na wymiarach. Czyli to jest mniejsze od tego, mniejsze, równe temu, mniejsze od tego.
Więc w drugim jest tak. Żeby nie mieć ten, żeby nie musieć switchować do PDF-a, to napiszemy treść, czyli dla każdych macierzy AB. W domyślniach napiszę, że dla każdych, dla których napis ma sens, rząd A plus B jest mniejszy, równe niż rząd B. I odpowiedź jest tak. Oczywiście najczęściej będzie dużo mniejszy. Tutaj było strasznie głupie pytanie. Pierwsze było, czy dla każdych podprzestrzeni zachodzi taki wymierowy analog wzorów włączeń i wyłączeń.
To pytanie jest inspirowane faktem, że my wiemy, że wymiar sumy podprzestrzeni to się zachowuje dokładnie tak, jak liczności zbiorów, pola figur, prawdopodobieństwa. To jest takie ogólne prawo, które rządzi wszystkim, co działa jak miara. i pamiętamy, że ten wzór ma analog dla trzech składników taki, że mierzymy sumę trzech powinienem skopiować dimv i mieć pod ctrl v z wymiar całego przecięcia to było jedno głupie pytanie, a drugie
W sumie takie głupie a drugie było, czy rzędy działają tak samo jak dla dwóch drugie pytanie jest totalnie absurdalne to jest bardzo oczywiste nie dlaczego na przykład jak wezmę f równa się g równa się wait to nie jest oczywisty kontrprzykład zaraz wymyślimy jakiś totalnie oczywisty weźmy f równe macierz 1,1 g równe macierz 1,0 to wtedy ten rząd jest 2 ten jest 2 ten jest 1 Ej, nie, to nie może być prawda.
No zaraz, skąd wziąć kąt przykład? To musi być bardzo nieprawdziwe. Jak ja wezmę f równa się minus g, to tu po prostu będzie 0. Czy jest prawdą, że 0 jest równe dwa razy rząd f minus rząd f kwadrat? Absolutnie nie. Na przykład jeśli f jest identycznością. Przez chwilę się pęknie. Dlaczego to jest nieprawda? To jest nieprawda z bardzo subtelnych powodów. To znaczy, jak się mógłbym pokazać oszukany dowód tego faktu i niepusty zbiór studentów by się na niego nabrał.
Po prostu mimikujący to, jak się dowodzi ten wzór. Ale tam w którymś momencie jest oszustwo. Tu jest nie na przykład, jak ja wezmę na płaszczyźnie trzy proste. I to jest wszystko zawarte w r kwadrat. To suma, to jest cały r kwadrat. To miałbym tutaj dwa. Najpierw byłoby trzy. każde przecięcie to już jest zerowymiarowe. Bo one się przecięją tylko w zerze. 3 minus 0 plus przecięcie 3 tym bardziej jest 0. To nie działa. To generalnie nie działa dlatego, że jak jest dowód tego wzoru, pamiętacie, to się robiło jakoś tak, że się brało tak i tak.
O, tu była baza przecięcia. Dopełnialiśmy do bazy U i do bazy V. I potem się mówiło, że to dopełnienie jest olinowo nietależne. Jak się zajrzy pod maskę temu dowodowi, w wersji dla trzech podprzestrzeni, to się łatwo przekonać, że jest fałszywy. Co tam było dalej? Czy podobieństwo macierzy się mnoży? To znaczy, czy z tego, że A1 jest podobne do A2 i B1 jest podobne do B2 wynika podobieństwo kwadratów albo podobieństwo iloczynów. O, takich tu.
Pierwsze jest dość oczywiste. Opiszemy definicję podobieństwa. mówimy, że a2 jest równe jakaś macierz razy a1 razy macierz odwrotna. To teraz a2 do kwadratu. To jest mój ulubiony rachunek w całym tym biznesie. Oto razy s a1 s do minus pierwszej. Tu wstawiamy nawiasy. Możemy napisać także a priori. To jest tak. Teraz wstawiamy nawiasy w ten sposób, że to jest tak. To się kolapsuje do macierzy jednostkowej.
I w środku zostaje kwadrat. Czyli jest. Kwadrat jest podobny do kwadratu. To jest tak. Czy to jest prawda? To jest głęboka nieprawda. I teraz muszę szybko wykonywać kąt przykład, żeby nie było wtopy. Generalnie kąt przykład się tak naprawdę bierze, kiedy te macierze są podobne przez inną macierz podobieństwa. Bo jakby się okazało, że dla nich jest wspólna macierz S, to by działało. I to w ogóle jest twierdzenie, że jeśli ja mam macierze, które są diagonalizowalne i przy okazji są jeszcze przemienne, to ta macierz S, która je diagonalizuje, to można ją wybrać jako tę samą dla wszystkich.
Jak się tutaj przekonać o tym, że to nie jest podobne? Ja mogę wziąć jedno podobieństwo takie, że to jest podobne do 1-1 i drugie jakieś takie, które jest które nie pochodzi od permutacji, która schapuje górę z dołem. To wymyśliłem. Tu jest jedno podobieństwo.
To jest podobieństwo, które prosto schapuje które mówi, że to jest macierz symetrii. To jest macierz symetrii względem tej prostej. To jest macierz symetrii względem tej prostej. Te są podobne. Jedną na drugą przekształcę zamiana bazy, która obraca się o 45 stopni. Tu. Tu też. To jest to jest macierz to jest macierz symetrii, ale względem prostej tej, o takiej tutaj.
Więc ona też ma taką prostość diagonalną. Po prostu jednemu i drugiemu robimy indywidualizację i wychodzi to z prawej strony. A jak ja to pomnożę, no to to nie wyjdzie. Bo jak ja tu mam A1, tu mam B1. Jak to miało być? A1 podobne do A2. Tu mam B1, tu mam B2. No to A1 razy B1 to jest nie macierz jednostkowy. A2, B2 bez wątpienia to jest macierz jednostkowy. A macierz jednostkowy jest podobny tylko do siebie. Także tak.
Takiego brutalnego mnożenia podobieństw nie ma. Co tam było dalej? Jeszcze głupsze pytanie. Czy istnieje monomorfizm? Z takiej przestrzeni do takiej. Tak i tak, że to jest monomorfizm po polsku przekształcenie liniowe, które jest różnowartościowe. W sumie wszystko u nas jest liniowe praktycznie. No, więc odpowiedź brzmi nie, bo się wymiary nie zgadzają.
Wymiar przestrzeni wielomianów stopnia n to jest n plus 1 bo to ma bazę 1x x kwadrat aż do x do n i to jest to co często robi błędy z przesunięciem o 1 że liczb od 0 do n jest n plus 1 a to jest większe od wymiaru rn który jest równy n i z takiej liniowej zasady szukacka i drichleta wychodzi, że to nie ma szansy być prawe jakby ktoś bardzo chciał się wytłumaczyć z tego dlaczego to nie ma szansy być prawda to może być na przykład stwierdzenie z którego wszystko wynika no bo musiałbym mieć wymiar jądra F to jest 0 plus rank F mniejszy równy wymiar przeciwobrazu równa się wymiar dziedziny no a tu jest ten mniejszy równy N a tu jest ten większy od N Oczywiście da się wtłamsić przestrzeń T w przestrzeń T,
Ale to będzie kosztowało jakąś stratę informacji. Nie da się liniowo zakodować N plus 1 stopni swobody na N stopniach swobody. Obiekcje się da zrobić, natomiast nie liniowo. Co tam było dalej? Zadanie było takie, żeby znaleźć najmniejszy stopień wielomianu takiego, że to nie jest wielomian zerowy, bo ktoś by powiedział, że wielmian zerowy ma stopień mniejszy niż wszystko inne więc on wygrywa najmniejszy stopień niegłupiego wielmianu takiego, że on od jakiejś konkretnej macierzy jest macierzą zerową to jest ogólnie szukanie takich wielmianów, że takie coś zachodzi, to jest osobna opowieść i znowu to jest opowieść która potrzebuje twierdzenia Jordana
Natomiast tutaj szczęśliwie się diagnozujemy no więc tę macierz możemy albo zdiagonalizować tak na piechotę i powiedzieć, że policzyć jej wartości własne albo przyłamić sobie moją ulubioną sztuczkę do diagonalizowania takich macierzy że A to jest I plus same jedynki same jedynki to jest trzy razy trzy razy same jedne trzecie a to jest znakomicie znana nam macierz rzutu to jest to samo co po prostu rzut ortogonalny na wektor 1 1 1 Jak kto nie wierzy, to może zauważyć, że to jest to plus 3 razy, powiedzmy u razy utransponowane, gdzie u to jest znormalizowany wektor z trzech jedynek.
Czyli to jest rzut ortogonalny. A rzut ortogonalny, jak każde dziecko wie, na jedną biorą przestrzeń, to on jest, to on ma wartości własne 1, 0, 0. Za jedynkę jest odpowiedzialny ten wektor, bo on zrzutowany na siebie jest jest sumą razy jeden a dwa pozostałe są zerami jak tu mam u i tu jakiekolwiek dopełnienie do bazy ortogonalnej nawet tutaj nie musi być ortogonalna to jak ja się rzutuję zewsząd na ten wektor to jak jestem tu trafię w zero jak jestem tu trafię w zero jak jestem tu trafię w samego siebie więc to jest podobne do macierzy 1 0 0 więc całość jest podobna do macierzy tak to jest 3, 0, 0 dodawanie macierzy jednostkowej przechodzi przez podobieństwo czyli co ja tutaj będę miał będę miał 4, 1, 1 albo można też było na palcach policzyć to nie jest bardzo trudne w każdym razie jak a jest podobne do czegoś takiego to a jest równe s
Razy to 4, 1, 1 i same 0 razy s do minus pierwszej to wielomian od A to się nie trudno przekonać, to jest dokładnie ta sama sztuczka co była wcześniej jak podnoszę do potęgi jak mam A do K tej to mi się podnosi tylko środek do K tej potęgi a środek to jest macierzy diagonalna macierzy diagonalna się mnoży jak marzenie to jak pomnożymy takie coś przez K te współczynnik wielomianu P i wysuniemy po K to to dostaniemy nie tutaj powinienem to pisać tylko tutaj w środku i tak samo tutaj suma CK razy to i sumę po K CK razy to i jeszcze dla porządku napiszemy tutaj no to jest przecież napisanie, że
P od A jest równe S razy P od P od 4, P od 1, P od 1 a w sumie mogę napisać tutaj czyli P od A jest równe 0 wtedy tylko wtedy gdy te macierze są odwracalne te po bokach, więc można klejmy, że p o t jest równe 0, obrać z tych macierzy. To jest równoważne z tym, że sama macierz to w środku. p o 4, p o 1 i p o 1 jest macierzą zerową. Czyli po prostu, że wielomian placeruje się w tych danych dwóch punktach.
A to, jak znakomicie wiemy skądkolwiek, to jest równoważne z tym, że wielomian x-4 razy x-1 dzieli p o x. Czyli w szczególności najmniejszym możliwym stopniem jest 2. Zabawne jest to, że nie zrobiliśmy dokładnie twierdzenia Kayleya Hamiltona, który mówi, że jak przyłoży wielmian charakterystyczny macierzy do niej samej, to dostanę 0. I ono jest oczywiste dla macierzy, które się diagonalizują, ale właśnie to pokazuje, że nawet wśród macierzy, które się diagonalizują, są macierze, dla których się daje zrobić lepiej. To znaczy nie trzeba brać całego wielmiana charakterystycznego, żeby wyzerować macierz.
Co jeszcze? Czy rank A dla macierzy to napisałem n na n. Jest równe takie coś. Tak, tu jest istotne, że to jest n na n. No bo widzieliście pewnie taką sztuczkę, że jeśli a, v jest równe 0, to bez wątpienia a, t razy a, v też jest wektorem zerowym.
To jest oczywiste. I wygląda jakby to była implikacja bardzo chamsko w jedną stronę. Bo ja tylko domnażam coś. Zapewne taka macierz, która więcej czynników, to może mieć więcej powodów, żeby się wyzerować. A tu się okazuje, że nie. Jeśli to jest równe 0, no to ja napiszę tak. Wezmę tę równość i ją pomnożę z lewej strony przez V transponowane. Ale to, to jest nic innego jaka V transponowana.
Bo tak się transponuje iloczyny. Transponuje się czynnik, tylko się odwraca kolejność. Ale toż jest wektor transponowany razy wektor. Czyli jego długość do kwadratu. Jak to jest 0, to to jest w ogóle równoważne z tym, że AV jest 0. Więc jest implikacja w dwie strony. Między tymi i tym. To oznacza, że ker jednej macierzy jest w ogóle równe jako podprzestrzeń, a nie tylko na wymiar temu czemuś. W związku z tym, jak A jest kwadratowa, to wygraliśmy. No bo w ogóle w szczególności wymiar jest równy wymiarowi.
No i jak wezmę stronami N minus to, co jest w równaniu, to dostanę, że rząd A jest równy. Rząd A transponowany A. Jak ja bym miał... Chyba, że ja mówię nieprawdę. Jak zwykle. Jak ja bym miał... A dobrze, przepraszam. Tak, bo ja myślałem, że napisałem A A transponowany. Tak, to nawet jest prawda dla niekwadratowych. No bo jak ja mam A razy A transponowany, jak ja mam A, który jest macierzą m na n, to ten rachunek tak samo przechodzi.
To znaczy, jedna i druga ma tę samą dziedzinę. Tu mam a, tu mam a transponowane. Jak to zarówno a ma dziedzinę wymiaru n, jak i ten iloczyn ma dziedzinę wymiaru n. Więc to m to jest koszul informacyjny. Nie wiem, kto napisał a transponowane a, to byłoby co innego. Bo wtedy, chyba, że ja znowu mówię nieprawdę, jakbym miał tutaj a, tutaj a transponowane, a tak też by się zgadzało. Także tak.
Także to jest prawda w ogóle. To ostatnie, jak tam było, czy z tego, że a do czwartej jest równa identyczność, wynika, że jak już pytam, czy to nie ma ptelnika. No i to pewnie nieprawda jest, no jak się nie trudno domyślić. To jest tak jak pytanie się, czy każdy pierwiastek z jedynki czwartego stopnia jest pierwiastkiem z jedynki drugiego stopnia. bo nie, na przykład kontrprzykładem jest i. Więc wystarczy wziąć macierz, który się zachowuje jak i.
Na przykład wziąć a równe naszej ulubionej macierzy obrotu o pi przez 2. Wtedy a do czwartej to jest obrót o 4 razy pi przez 2, czyli obrót o 2pi, czyli identyczność. A do drugiej to jest obrót o pi, czyli minus identyczność. Tutaj powinien był napisać na czerwoną odpowiedź, żeby nie było. Także tak. Chyba to nie jest takie trudne.