Egzamin z algebry liniowej, cz. 2: iloczyn skalarny i rzuty
Algebra liniowa⏱ 1 h 16 min
Omówienie zagadnień na egzamin z algebry liniowej, część 2: iloczyn skalarny i wszystko, co z niego wynika. Definicja i sens geometryczny, rzut ortogonalny i odległość od prostej, kąty i twierdzenie cosinusów, bazy ortonormalne, orientacja i wyznacznik, iloczyn wektorowy oraz izometrie jako przekształcenia afiniczne.
W tym nagraniu
Iloczyn skalarny – aksjomaty, długość i twierdzenie Pitagorasa
Rzut ortogonalny na wektor i podprzestrzeń, odległość punktu od prostej
Kąt między wektorami i twierdzenie cosinusów
Bazy ortonormalne – współrzędne i iloczyny skalarne „jak w Rⁿ”
Orientacja, wyznacznik i iloczyn wektorowy; izometrie są afiniczne
Druga część omówienia zagadnień na egzamin z algebry liniowej dotyczy iloczynu skalarnego i wszystkiego, co z niego wynika. Zaczyna od aksjomatów, długości wektora ‖v‖ = √⟨v, v⟩ i twierdzenia Pitagorasa dla wektorów prostopadłych: ‖u + v‖² = ‖u‖² + ‖v‖².
Dalej rzut ortogonalny na wektor i na podprzestrzeń, odległość punktu od prostej, kąt między wektorami (cos α = ⟨u, v⟩ / (‖u‖·‖v‖)) i twierdzenie cosinusów. W bazie ortonormalnej współrzędne wektora to iloczyny skalarne z wektorami bazy, a iloczyn skalarny liczy się tak jak w ℝⁿ.
Ostatnia część łączy geometrię z wyznacznikiem: orientacja bazy, wyznacznik jako objętość ze znakiem i iloczyn wektorowy w ℝ³. Na koniec twierdzenie, że izometrie przestrzeni euklidesowej są przekształceniami afinicznymi, czyli złożeniem przekształcenia liniowego i przesunięcia.
Lekcje kursu „Matematyka od nowa” na ten temat
Szkolne podstawy tego, o czym jest nagranie — interaktywnie i za darmo.
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. (6110 słów)
No to robimy speedrun zagadnień na egzamin. Pierwsze to miał być sam początek. To miała być opowieść o tym, czym jest i po co nam służy iloczyn skalarny. Archetyp to jest nasz ulubiony, najprostszy iloczyn skalarny na RN-ie. Najprostszy możliwy, niegłupi sposób, żeby zrobić liczbę z dwóch wektorów I to jeszcze tak, żeby to było liniowe ze względu na każdy zasob.
Jak potraktujemy x jako zmienny, a y jako stałe, to jest funkcjonalnie liniowe od x. Jak potraktujemy x jako stałe, y jako zmienne, to to jest funkcjonalnie liniowe od y. A nie trudno się przekonać, że on ma jakieś tam własności. Na przykład symetrię, na przykład tę liniowość, o której przed chwilą powiedziałem x powiedzmy plus by razy z i to się propaguje.
Liniowość ze względu na drugi czynnik wynika z liniowości ze względu na pierwszy i symetrii. I co jeszcze jest w nim fajne? To jest w nim fajne, że jak do niego nakarmimy dwa razy ten sam wektor to to jest większe równe 0. A tak naprawdę to to jest większe od 0 oprócz jednego głupiego przypadku, kiedy to jest 0 razy 0. No bo jak policzymy x razy x to jest suma x k kwadrat. Czyli dokładnie to, co Pan Pitagoras mówi, że jest równe kwadratowej odległości od początku układu współrzędnych. Normalnie to się opowiada w dwóch wymiarach.
Jak tu mam pierwszą współrzędną, tu mam drugą. Tu jest x1, tu jest x2 i tu jest Pitagoras. Jak mam jeszcze jeden wymiar i tu jestem na wysokości x3, to jest kolejny Pitagoras. tak jak wzór na długość przekątnej przez to podłościano. Więc to, co ludzie zrobili, to wzięli te trzy własności i powiedzieli, że to, co tutaj zrobiliśmy, to było zauważenie, że to działa dla standardowego iloczynu skalarnego. To, co ludzie zrobili, to zrobili tak, że to zmazali i do tego przylepili napis, że to jest definicja, że ja mam funkcję, która bierze dwa argumenty z jakiejś przestrzeni liniowej i zwraca jeden z R i mówimy, że ona jest iloczynem skalarnym na naszej ulubionej przestrzeni liniowej wtedy, gdy są spełnione warunki.
Dlaczego znowu nie mam mojego kursora? Dlaczego to mi kradnie kursor? I pewnie jeszcze chcemy powiedzieć, że jak mamy V i w nim ustalimy jakiś iloczyn skalarny, to to nazywamy przestrzenią klidesową. Zabawną ironią historii matematyki jest to, że Euclides zrobił ileś tych takich strasznie patchworkowych aksjomatów, które mówiły jak działa geometria na płaszczyźnie potem prześlili ludzie, którzy wymyślili ukaz współrzędnych i wymyślili go głównie po to żeby nie było gigantycznego patchworku aksjomatów żeby wszystko się brało z liczb rzeczywistych i ten i właśnie w tym
Settingu, który miał być odpowiedzią na to i jak to zrobił Euclides to właśnie z tego settingu się wziął iloczyn skalarny a przestrzeń tak się nazywa Euclidesowo zabawne, przynajmniej dla mnie dobra, co my chcemy o tym wiedzieć chcemy jak jesteśmy zapytani o to zagadnienie to pewnie na razie chcemy wiedzieć tylko tyle, że że ten że w Rn to się liczy tak jak nam powiedzieli na fizyce i jak się rzutuje na wektor to jak to zrobimy?
Najpierw powiemy jak to się w ogólnej przestrzeni rzutuje na wektor mamy jakąś przestrzeń tu mamy 0 tu mamy wektor mały V dla ustalenia uwagi V jest różny od 0 bo chcemy rzutować na przestrzeń jedną a nie zerowymiarową i mamy jakiś wektor V to ja bym chciał znaleźć taki wektor P żeby to był kąt prosty i to jest tak, że tak naprawdę to jest definicja p jest rzutem w na span v gdy, jak się nie trudno domyślić p należy do spanu v oraz p minus w tu jest kąt prosty oraz p minus w jest prostopadły do v uważny słuchacz zauważy, że to jest taka głupia definicja
Bo owszem, to definiuje taką relację trójargumentową PVW nie ma z niej gwarancji, że jest tylko jeden taki wektor o tym, że jest tylko taki jeden, to się przekonamy wraz z dowodem oprócz tego pewnie jeszcze możemy powiedzieć, że co, że on jest jedyny, bo on minimalizuje odległość od W ale to zresztą za chwilę wyniknie dobra, to jest w settingu RN nasz iloczyn skalarny to jest standardowy iloczyn skalarny to jeszcze wypadałoby się przekonać o tym, że prostopadłość możemy zaimplementować na iloczynie skalarnym to wcześniej robimy lemat który powinienem zrobić chwilę temu ale jest to nieporządny to lemat jest taki że jak ja mam dwa wektory w rn to v jest prostopadłe do w wtedy i tylko wtedy, gdy iloczyn skalarny V razy W jest 0.
Jak my się o tym przekonamy? Bardzo prosto. Z twierdzenia odwrotnego do twierdzenia Pitego Rasa. To znaczy tak naprawdę z tego twierdzenia, który bierze Pitego Rasa i odwrotne do Pitego Rasa i obowiązuje taśmę klejącą. No bo tu mam 0, tu mam V, tu mam W. No to to twierdzenie mówi tyle, że ja mam kąt prosty wtedy i tylko wtedy, gdy zachodzi Pitego Rasa. Tu mam długość V tu mam długość w a ten wektor tutaj powiedzmy w tym kierunku to jest w minus w jak on dokładnie tak działa, że jak dodam w do dwójnius w to dostanę w no ale to się daje rozmłotkować, pamiętamy, że pamiętamy, że to to jest iloczyn skalarny wektora z samym sobą i teraz to traktujemy jak iloczyn, tylko, że taki, który działa na wektorach
To ja mam w razy w plus w razy v minus w razy w minus w razy v odwrotnie. Tu mam z definicji to. Tu mam z definicji to. Tu z symetrii mam dwie sztuki do czynu skalarnego. No to już. Mam równanie takie, że to ma być równe temu. To ten się musi wyzerować. Świetnie. Udowodnione. Dobra.
To jak szukamy rzutu? Szukamy go tak, że mówimy, że P ma być w spanie V czyli P musi być równe jakaś liczba razy V to teraz patrzymy na ten warunek nasza liczba razy V minus W ma być prostopadła do V czyli teraz korzystamy z liniowości tu mam KV razy V minus WV ma być równe 0 czyli K razy V razy V ma być równe w razy v.
Czyli po polsku k ma być równe i hiloczyn skalarny przez v razy v, znany też jako długość v do kwadratu. Czyli już. Czyli jest dokładnie jeden taki wektor. p to jest wyliczone przez nas k razy v. I to nazywamy rzutem. Rzutem w na v powinien być purystą i tutaj pisać span v, ale mi się nie chce, bo i tak wiadomo o co chodzi. Rzut zawsze jest na span.
Tak samo się po to, że jest rzut na podprzestrzeń, to udowodnimy później. Tu jeszcze warto zaznaczyć, że jak ja mam tu mam 0, tu mam V, tu mam W i tu mam rzut. Jak ja wezmę kogokolwiek innego na tej prostej, powiedzmy Q, to odległość W do Q jest większa niż odległość w do p. Dla każdego q, które jest w spanie v i nie jest równe p.
Dlaczego? No to dość oczywiste, bo ja mogę dopisać kwadraty, a przecież w minus q do kwadratu jest Pitagorasem. To jest to plus p minus q do kwadratu. Oprócz przypadku, w którym q jest równe p, to jest liczba dodatnia. więc to musi być większe od tego uczenie się mówi, że P to jest minimizer minimizer odległości odległości od W wśród wektorów, które są na prostej przez 0 i V co jeszcze chcemy?
A i w ogóle to rozumowanie, które tutaj zrobiliśmy to znaczy ja powiedziałem, że z tą prostopowiedłością to jest tak że tu mamy zaargumentowane dlaczego no, że po prostu w RNA to jest tak, że taki algebraiczny napis jest równoważny z takim geometrycznym. W ten geometryczny wierzymy, bo umiemy przyłożyć kątomierz. W związku z tym, jak mamy jakąkolwiek przestrzeń, która euklidesową, która spełnia te aksjomaty, to możemy powiedzieć, że od teraz prostopadłymi nazywamy wektory takie, że ich iloczyn skalarny jest 0. I wtedy ten cały, ta cała historia przechodzi dla dowolnej przestrzeni utylisowej.
A to, co jest endemiczne dla RNA, to jest ten wzór, że standardowy iloczyn skalarny, wielkim purystom też pisał, ale mi się bardzo tego nie chce robić, to jest takie coś. No i to jest twierdzenie. Zresztą nie bardzo trudne. Można temu twierdzeniu zrobić dowód, który jest dość cheeky, bo przechodzi przez twierdzenie kosinusów, a można zrobić dowód, który implikuje twierdzenie kosinusów.
Jak to robimy? Robimy tak, że pierwszy przypadek, ten kąt jest co najwyżej 90 stopni. Tu jest 0. Tu wybieramy sobie, na który rzutujemy arbitralnie. Powiedzmy, niech to będzie Y, tu gdzieś X. I tu jest ten kąt. To co robimy? Robimy rzut. Niech on się nazwie P. To w wyniku tego, że to jest kąt ostry, to ja mogę powiedzieć, że P z jednej strony wiem, że umiem policzyć P.
To jest takie coś. z drugiej strony ja wiem jaka jest długość odcinka od zera do p jak ten kąt, jak go nazwiemy alfa to tutaj przecież jest tu jest długość x więc tu jest przecież długość x razy kosinus alfa więc ja mogę stwierdzić, że p jest po tej samej stronie zera co y więc ja mogę stwierdzić, że p to jest wektor w tym samym kierunku co y, ale tak, żeby miał długość taką.
Teraz napisałem tak to zróbmy. To jest wektor, który jest w tym samym kierunku co y, tylko ma długość 1. To teraz my jeszcze nadajemy długość i to będzie x kosinus alfa. Oczywiście bez straty ogólności x, y są niezerowe, bo jak którykolwiek z nich jest zerowy, to oczywiście obie strony są zero. Jak ja mam taką równość, to wystarczy, że porównam ten współczynnik przy y z tym współczynnikiem przy y i dostaję napis, że x razy y przez y kwadrat jest równe x kosinus alfa przez przez y, pomnożę to przez y kwadrat i dostaję dokładnie to, co chciałem.
Generalnie dokładnie tak samo idzie do stwierdzenia kosinusów, to znaczy też tam się opuszcza wysokość i się liczy. Drugi przypadek jest taki, że alfa jest większa niż 90 stopni, ale to idzie praktycznie tak samo teraz ja tutaj mam y tutaj mam to po drugiej stronie o tu mam 0 i tu mam x i tu mam kąt alfa kąt między wektorami z natury rzeczy jest nie musi być ostry ale bierzemy ten który jest wypukły a nawet jakbyśmy nie wzięli wypukłego to cos alfa to jest cos 2pi alfa także tak tu jest rzut i robimy tak samo to znaczy to że p jest równe x razy y przez y kwadrat razy y, to wychodziło z brutalnych, bezdusznych rachunków.
Takich, które się przejmują tylko tylko algebrą i w ogóle nie czytają czy p jest po prawej, czy po lewej stronie. Więc to jest zawsze prawda. A teraz trzeba być, trzeba subtelniej spojrzeć na to z tym kosinusem. Bo tak naprawdę ja bym tu powiedział tak. Tu mam pi minus alfa, więc ja powiem tak, że p to jest wektor kierunku y. to jest y tylko że zmuszony do tego żeby miał długość 1 i teraz ten odcinek ma długość tak jak wcześniej x razy cosinus pi minus alfa ale zaraz to jest po drugiej stronie taki wektor byłby tu a my jesteśmy po drugiej stronie zera w porównaniu z y czyli tu dostajemy minus ale przypominamy sobie, że ja mogę sparować minus z cosinusem pi minus alfa bo cosinus jest antysymetryczny ze względu na symetrię względem pi przez 2.
Więc to jest dokładnie ten sam napis, który był wcześniej i do kasy. Robimy dokładnie te same dwa przekształcenia i wychodzi. Co jeszcze warto wiedzieć? Że z tego wynika twierdzenie kosinusów. Tu mam 0, tu mam x, tu mam y, tu mam długość x minus y, tu mam długość y i tu mam długość x. No to przecież x kwadrat, albo inaczej, tu jest alfa. o, to już się przekonaliśmy, że umiemy robić taki wektor we wzrostu z tego mnożenia to jest x kwadrat minus plus y kwadrat minus dwa razy iloczyn skalarny a iloczyn skalarny to się przekonaliśmy, że jest właśnie to no i to jest dokładnie stwierdzenie kosinusów to jest to, w którym tu było a, tu było b i tu było c i to jest po prostu powiedzenie, że c kwadrat jest równy a kwadrat plus b kwadrat minus dwa ab kosinusów alfa więc równoważność między stwierdzeniem kosinusów a tym wzorem jest natychmiastowa. Można udowodnić ten wzór i z niego prowadzić kosinusów jako wniosek.
Można udowodnić stwierdzenie kosinusów i z niego prowadzić ten jako wniosek. To o złożeniu skalarnym w ogóle to jest tyle. Drugie to miało być o bazach ortonormalnych. I tu jest mnóstwo takich małych rzeczy, z których każda jest trywialna. Te definicje idą jakoś tak, że ja mam układ wektorów w przestrzeni klidesowej. Ja powiem, że jest ortogonalny, gdy wektory są parami ortogonalne, to znaczy gdy zawsze kiedy można się tego spodziewać vi razy vi to jest równe 0. Muszę mieć ten warunek, bo jakbym wziął vi razy vi i kazałbym być równym 0, to byłoby trochę głupio, bo to by kazało długości wektora być 0.
I powiem, że jest ortonormalny gdy jest ortogonalny oraz dodatkowo mam kontrolę nad tą tymi leczynami, o których to nic nie mówi. To się uczenie mówi, że vi razy vj to jest indykator warunku i równa się j. Baza ortonormalna to na szczęście nie jest związek frazeologiczny.
Układ, który jest bazą ortonormalną, to jest po prostu układ ortonormalny, który przy okazji jest bazą. Tak to jest skrót od ortonormal basis, a że to jest dużo lepiej znaczków, to dużo prościej pisać tak, gdy jest ortonormalny i oprócz tego jest bazą. W szczególności każdy układ ortonormalny jest bazą ortonormalną swojego spalu.
Związek z macierzami ortogonalnymi to jest właśnie ta strasznie głupia rzecz. Jak ja powiem, że macierz Q jest ortogonalna, no i teraz będzie walka. To jest walka prawie na poziomie tego, czy należy najpierw wrzucać mleko do talerza, czy płatki, czy też odwrotnie, albo walka na poziomie tego, czy język jest przed zębami, czy za zębami. Z mojego punktu widzenia mój język jest przed moimi zębami. Tak samo walka jest o to, czy dopuszczać macierze niekwadratowe do ortogonalnych.
Ja jestem po stronie tego, że tak. Gdy Q transponowany razy Q jest równe, macierz jednostkowa tego wymiaru, którego musi być, co jest równoważne w oczywisty sposób z tym, że kolumny Q są układem ortonormalnym. Dlaczego to jest ortogonalne, a układ jest ortonormalny, to dlatego, że matematycy was nienawidzą. Dlaczego to jest równoważne?
W dość oczywisty sposób, no bo jak Q ma kolumny V1, Vk to akurat miało być N to to co? To macierz Q transponował razy Q i jej element o numerze IJ to jest nic innego jak VI w wierszu razy VJ w kolumnie. No to nie jest tajemnica, że jak wiersza wyrazi wektor kolumnowy whisky. Dlaczego ty brzmisz jakbyś umierał? Pewnie chcę jeszcze więcej chrupków. To dokładnie definicja mnożenia macierzy.
Działa tak, że się bierze te iloczyny i się dodaje, czyli to jest iloczyn skalarny. Jest zadeklarowanie, że to jest indykatorem warunku i równa się j. Jest równoważne z zadeklarowaniem, że to jest indykatorem warunku i równa się j, czyli że ta macierzy jest jednostkowa. To jest oczywista oczywistość. Natomiast jak ja mam jak ja powiem, że O od N to jest zbiór takich Q, że Q jest macierzą N na N i żeby nie było, że to jest zespołane I to wtedy Q należy do O od N wtedy tylko wtedy, gdy kolumny Q są bazą ortonormalną RNA.
No i dlaczego to jest oczywiste? Dlatego to jest oczywiste, że A, powinienem mu powiedzieć jeszcze jedną rzecz przed tym. Jak to zrobimy? Tak zrobimy. Whisky brzmi jakby nigdy w życiu nie został nakarmiony. Berbę. Złączyńcy nakarmieni. Bo ja tu jeszcze jednej rzeczy nie powiedziałem. Twierdzenie. Nietrudne.
Jeśli to jest układ ortogonalny i ortogonalny i wektory są różne od zera, to wtedy jest niemo niezależne. To jest zabawne, że geometria wymusza taką algebraiczną własność, ale w sumie to jest dość oczywiste. No bo, patrzcie. Przypuśćmy, że suma akvk jest równa 0.
No to ja mogę temu stronami przewalić iloczyn skalarny z moim ulubionym z tych wektorów, powiedzmy vj. Tu mam napis suma akvk razy vj. A tu mam zwykłe skalarny 0. wektorowe 0 skalarnie razy VJ. No ale to, to jest równe 0, gdy K jest różne od J. Czyli to jest taka głupia suma, w której co najwyżej jeden składnik co najwyżej jeden składnik jest różny od 0. Jest to składnik o numerze K równa się J.
Ale w tych wektorach założyliśmy, że są różne od 0. Czyli ich długości też są różne od 0. Czyli AJ jest równe 0. więc z dowolności wyboru j wszystkie a są zerami czyli to jest 0 implikuje, że wszystkie a są zerami czyli wektory są niemoniezależne więc to jest wniosek ten układ oczywiście spanuje z pan tego układu jest niemoniezależny, bo właśnie udowodniliśmy i tak więc jest jego bazą i jest ortonormalny czyli jest bazą ortonormalną świetnie, skakanie po definicjach dobra macierze ortogonalne.
Dlaczego to jest oczywiste? No dlatego, że dlatego, że tu jest po prostu napisane, że mam układ n wektorów n wektorów w REN-ie, które są ortonormalne. No to w tę stronę to to jest oczywiste. W tę stronę to jest oczywiste, bo powiedzmy, że powiedzmy, że Q ma takie kolumny, że je nazwaliśmy V. W tę stronę to jest oczywiste, że ten układ jest ortonormalny.
To co? To jest baza ortonormalna swojego spanu. No dobra, ale ten span to jest span n wektorów liniowo niezależnych. Powiedzmy, że nazwijmy to V. One są liniowo niezależne, bo są ortonormalne. W związku z tym wymiar V jest równy N, a ponadto V jest pod przestrzenią RN, czyli V jest równe RN.
Czyli to znaczy, że one są bazą ortonormalną RN. W drugą stronę to jest też jakaś taka oczywista oczywistość. Nazwijmy to objęty twierdzeniem. To znaczy, że jeśli V1, Vn, jeśli one są bazą ortonormalną RN, to to jest jeszcze bardziej oczywiste. nawet nie potrzebujemy tego, żeby były bazą. Po prostu to jest tak, że VI razy VJ to jest indykator I równa się J z ortonormalności z ortonalności a to jest równoważne z tym, że Q transponowane Q to jest 1. To jest totalne masło maślane. Co tam jeszcze chcieliśmy?
Że wyrażenie ok. To jest to jest akurat ważne twierdzenie. Powiedzmy, że ja mam jakąś przestrzeń euclidesową i powiedzmy, że śmieszne V to jest jej baza ortonormalna. To ja twierdzę, że jak ja chcę policzyć iloczyn skalarny dwóch wektorów w tej przestrzeni V, napiszmy to na porządku, tak? To to jest to samo, co gdybym ja wziął współrzędne x w tej śmiesznej bazie, współrzędne y w tej śmiesznej bazie. Zobaczcie, że to to są po prostu ciągi liczb.
To ja je mogę pomnożyć tak normalnie w eranie, w standardowym iloczynie skalarnym. No i dowód jest taki. Jak ja to chcę zrobić? Mówiłem, na wykładzie podałem jeden dowód, to teraz podam drugi. Ja powiem, że żeby to miało sens, to muszę udowodnić stwierdzenie, które będzie dopiero później. To zrobię chamski dowód. Chamski dowód jest taki, że niech x to będzie suma akvk, a y to będzie suma bkvk. No to jak mnożę, jak mnożę, to po prostu to wymnażam wszystko przez wszystko.
To działa dokładnie tak jak iloczyn. Jakbym miał iloczyn takiej lirbowej sumy z taką lirbową sumą, to bym po prostu napisał, że to jest suma po dwóch indeksach, pierwsze razy drugie. I to się nie bierze z żadnej łączności, tylko to się bierze po prostu z rozdzielności względem dodawania. Więc obowiązuje też do iloczynu skalarnego, więc mogę zapisać tak. Czyli suma po i, j, a i b, j wyciągałem przed nawias. to jest indykator warunku i równa się j, czyli w tej sumie będą tylko składniki, w których jest równe j czyli suma po i, a, i, b, i czyli iloczyn skalarny wektora a i wektora b standardowe w renie, a, a i b z definicji tutaj, to są dokładnie współrzędne x w śmiesznej bazie i współrzędne y w śmiesznej bazie także tak, baza ortonormalna to są takie okulary przez które patrzymy na dowolną przestrzeń euklidesową i widzimy RN.
Dlaczego nie mówimy tylko o RN? Dlatego, że czasami jest wygodnie sobie zachować możliwość wyboru bazy albo zmieniać jednej bazy na drugą. I to nam pokazuje jako wniosek, że to nam pokazuje jako wniosek, że to jeszcze zanim to zrobimy, to będzie twierdzenie, że jeśli miałem skończenie wymiarową przestrzeń euklidesową, to wtedy istnieje baza ortonormalna.
Dowód jest przez indukcję ze względu na wymiar. To znaczy dowód jest taki, że dla n równego 1 to nie ma czego dowodzić. Jeśli ja po prostu biorę jakikolwiek wektor w tej jednoobmiarowej przestrzeni, to jak jego podzielę, to jest jednoelementowy zbiór. On nie ma nawet z kim być prostopadły. Wystarczy, żeby był długości 1 i rozpinał wszystko. To teraz z n zrobimy n plus 1. Jak zrobimy z n n plus 1, to weźmiemy znowu. Bierzemy wektor V, różny od 0.
To co ja teraz wiem? Biorę V z szubienicą. Czyli zbiór tych wektorów W, że W razy V jest 0. To jest jedno równanie liniowe na współrzędne V. Na współrzędne V w jakiejkolwiek bazie. No bo zauważcie, że... Dlaczego ja nie zrobiłem opowieści o przestrzeniach dualnych? W sumie wiem dlaczego. To coś to jest funkcjonalnie linia wyłatwała. To możemy to zrobić jeszcze na boku. Że...
Jak ja to zrobię? Ja to pewnie zrobię tak, że... A nie, to jest bardzo proste. Ogólnie przekształcenie, które bierze w ogóle twierdzenie, które powinno być jako coś osobnego. Ja chyba tego tutaj nie dałem. Stwierdzenie jest takie, że jeśli wymiar V jest mniejszy niż nieskończoność, to zbieżność nazwisk z obrotem przypadkowe, przekształcenie z V w funkcje nawylnieniowe takie, że ja z wektora V robię przekształcenie, które bierze wektor w i zwraca
Iloczyn skalarny. To to jest izomorfizm. To jest trywialne do sprawdzenia. Szczególnie, że to samo robiliśmy w przypadku ogólnej przestrzeni liniowej. Że jak ja mam, jak ja wyciągam ciąg współrzędny i go traktuję takim iloczynem skalarnym, to to są wszystkie funkcjonale liniowe. To ogólnie warto wiedzieć. Natomiast tutaj to nawet wystarczy wiedzieć mniej.
Wystarczy wiedzieć mniej, no bo to, to jest jądro pewnego konkretnego przekształcenia. Takiego, który bierze argument, domnaża mu V i zwraca liczbę. To jest przekształcenie z naszej przestrzeni w R. Więc rząd tego przekształcenia to jest dokładnie wymiar obrazu. Obraz może być 0, jeśli złośliwie wektor V jest 0, ale tak zazwyczaj to jest cały R, czyli rząd jest 1. Czyli wymiar V z szubienicą to jest n plus 1 minus 1, czyli n, bo to był n plus 1.
Napiszmy to po prostu, że to jest n minus 1 i to przemianujmy na to, że z n minus 1 dowodzimy n. No i teraz to co? Teraz mamy tego V, to ja mówię, że niech V1 to będzie znormalizowany V, a V2 do Vn to jest baza ortonorma na mniejszej przestrzeni V z szubienicą. To istnieje z założenia indukcyjnego, bo to już mamy wymiar o jeden mniejszy. No to teraz twierdzę, że V1 do Vn jest bazą ortonormalną V, bo co bo długość V1, to jest, on był tak stworzony, żeby długość była 1, wyciągamy skalar, zostaje nam to, czyli tu jest 1.
Wielkim purystą, ten moduł tutaj, ta długość wektora, ten wyciągnął w module, tak jak się wyciąga skalar spod długości wektora. Na szczęście to jest większe równe 0, więc moduł tutaj nic nie robi. To, że długość V2 i pozostałych jest równa 1, to jest z założenia indukcyjnego. Jak ja chcę policzyć Vi razy Vj, to jeśli 1 należy do zbioru i j, to jest różne od j, no to wtedy to jest równe 0, bo mam V1 razy ktoś z V z szubienicą. To wtedy mam V razy coś z V z szubienicą.
V1 jest wielokrotnością V, więc to jest z automatu 0. No co, jak 1 nie należy do i, j, to to jest po prostu, no to to jest po prostu 0 z założenia indukcyjnego. Jakby ja wynoszę 2 wektory z tego towarzystwa tutaj. I już. Mamy bazę ortonormalną w każdej przestrzeni, w związku z tym, jako wniosek, jak ja mam dowolną przestrzeń PBS-ową, to jak ja jej zrobię przekształcenie do Rn ze standardowym iloczynem skalarnym, po prostu takie, że wektor V przechodzi na współrzędne V w jakiejś bazie, która jest ortonormalna, to jest nie dość, że izomorfizm liniowy, to jest izomorfizm liniowy
I zachowuje iloczyn skalarny. Zachowuje to jest powiedzenie takie, że tu jest iloczyn skalarny i tu jest iloczyn skalarny, to znaczy przenosi iloczyn skalarny stąd tutaj. To jest dokładnie to, co udowodniliśmy tu, tylko jeszcze potrzebowaliśmy istnienia tej bazy ortonormalnej. Jakbym chciał być porządny i dopisać pewnymi zdaniami, a nie jestem, to bym napisał, że to jest przestrzeń euklidesowa, a V to jest jej jakakolwiek baza ortonormalna.
I z tego zagadnienia to jest tyle. Główny take away jest taki, że można liczyć iloczyny skalarne w bazie ortonormalnej tak, jakby to było Rn. Co tam dalej miało być? do czyn wektorowy. Mam wektory w R3. Kocie, nie. Nie umiesz też zeskoczyć? Wskoczyć umiałeś. To trudno, ty już nigdy nie przybiegniesz do chlupków.
W każdym razie, są wektory w R3. Co nam mówili na fizyce? Oczywiście, jak któryś jest 0, to i do czyn wektorowy jest 0. Natomiast na fizyce nam mówili tak. Tu jest U, tu jest V. Patrzymy, od którego się kręcimy, do którego, Znaczy inaczej, patrzymy, z której strony należy spojrzeć, żeby u się kręcić do V. Rysujemy płaszczyznę u V, tu jest 0. Rysujemy kierunek tak, żeby patrząc z góry, z gracją mojego słoniątka, żeby patrząc z góry z tego kierunku było kręcenie się od U do V.
I jeszcze, żeby długość tego była taka jak podróżnego obok u rozpiętego tutaj. Czyli chcemy, żeby po pierwsze był kierunek, to nam wyznacza jeden kierunek, bo prostopadłość do dwóch wektorów to nam zostawi jedną miarową przestrzeń. Zwrot jest taki, że uv u razy v, no i teraz będzie straszne sformułowanie, jest dodatnio zorientowany. Chamska definicja jest taka, że wyznacznik czegoś takiego jest większy od zera.
Zaleta jest taka, że łatwo się sprawdza, wada jest taka, że totalnie nie widać o co w niej chodzi. Potem jeszcze powiemy, że na obrazku chodzi dokładnie o to, że jak patrzymy z góry, to kręcimy się od tego do tego, od U do V się kręcimy kątem wypukłym. Potem zobaczymy, że to jest równoważne z tym, że ten układ jest deformacją w sposób ciągły tej naszej ulubionej bazy E1, E2, E3. I długość to najprościej, bo to się po prostu liczy. Przy okazji, z wiedzy szkolnej to jest to samo, co po równoległoboku rozpiętego na zero u V.
Czwarty wierzchołek to jest siłą rzeczy u plus V. druga definicja jest taka, że mówimy, że u razy v to jest taki oszukany wyznacznik tutaj wpiszę współrzędne u a tutaj wpiszę wersory trochę oszukany, bo to są liczby, a to są wektory na szczęście nie ma żadnego mnożenia wektora przez wektor więc mogę z czystym sumieniem napisać, że to jest 1 razy wyznacznik ten, który zostaje teraz miałbym minus 2 razy takie coś, ale mogę ten minus zamienić na plus kosztem tego, że skłapnę tutaj wiersz.
No i spójrzcie, to jest taka piękna cykliczność. Tu mam 1, 2, 3, tu mam 2, 3, 1, tu mam 3, 1, 2. To jest przez cały czas bieganie po czymś takim. To jest równoważne z tym, że jak wezmę iloczyn skalarny i go chcę pomnożyć, wektorowy, i chcę go pomnożyć przez jakiś wektor, tu jest pierwsza współrzędna, tu jest druga, tu jest trzecia.
Więc jak ja to pomnożę, to powinno mi wyjść w1 razy to, plus w2 razy to, plus w3 razy to. Czyli tak naprawdę na tym całym obrazku podmieniam e1, e2, e3 na w1, w2, w3. I teraz? I teraz co? Chcemy udowodnić, że te definicje są równoważne. Na szczęście każda z nich zdefiniuje iloczyn wektorowy jednoznacznie, więc wystarczy zrobić implikację, że jeśli spełniam jedną definicję, to spełniam drugą.
Bo to wtedy znaczy, że dokładnie ten jeden wektor wskazywany przez pierwszą jest dokładnie tym jednym wektorem wskazywanym przez drugą. Jak to zrobimy najprościej? Jak to zrobimy najprościej? To jest zawsze z czymś jest problem. Ale może nie będzie aż taki.
Tak. A, już pamiętam jak to robiliśmy. Powiedzmy, że zrobimy tak. Dobrze, to najpierw chcemy się przekonać, że iloczyn wektorowy jest prostopadły do każdego z nich. To jest kaszka z mleczkiem. Tu jest 1, 2, 3. 1 to jest to, że jest to prostopadły do u i v. U razy v razy u to jest po prostu wyznacznik, który ma kolumny u, v, u. Każdy, kto przeżył pierwsze półsemestru wie, że ten wyznacznik jest 0, bo ma dwie równe kolumny.
Drugie, zwrot. To jest najgorsze. Znaczy najgorsze w tym sensie, że w sumie to jest proste, jak to przyjmiemy za definicję dodatniej orientacji. No bo jak ja mam wyznacznik uv u razy v, to jest dokładnie z definicji jakby tu był ktokolwiek, to byłby iloczyn skalarny u razy v u razy ten ktokolwiek. Jak ten ktokolwiek to przez przypadek jest u razy v, to mamy iloczyn skalarny jego z samym sobą.
No i to jest ogólnie większe, równe 0 ta definicja oczywiście ma sens tylko dla wektorów, które są różne od 0 bo inaczej to się nie kompiluje więc to działa a trzecie, to będzie najgorsze no więc my to robiliśmy w jakiś taki śmieszny sposób że skąd my wyciskaliśmy długość tego wektora wyciskaliśmy ją z wyciskaliśmy ją z tu mamy długość do kwadratu to jest ten wyznacznik to ja zrobię tak powiem, że u razy V do czwartej to jest ten wyznacznik do kwadratu czyli nasza ulubiona sztuczka to jest wyznacznik tej macierzy transponowanej niech ta macierz się nazwie A to jest wyznacznik A
Razy wyznacznik A czyli wyznacznik A transponowanego razy wyznacznik A czyli wyznacznik samego A transponowany razy A. To teraz to mnożymy. To jest wyznacznik. Tu mam U w wierszu, V w wierszu, U razy V w wierszu razy U, V, U razy V. Co mi się tutaj wydarzy? Tu mam długość U do kwadratu. Tu mam U, V. Tu mam U, V.
Tu mam V. Tu na szczęście mam 0, ponieważ U jest prostopadłym do razy V. Tutaj tak samo mam 0, tak samo mam 0, tak samo mam 0. A tu mam wektor razywektor, czyli jego długość do kwadratu. Każde dziecko wie, że jak mam tak podzielony wyznacznik, że to jest taka macierz blokowo-diagonalna, to to jest iloczyn wyznacznika pierwszego razy wyznacznik drugiego. Razy wyznacznik macierzy 1 na 1, więc to nie jest problem. Ergo w porównaniu tego z tym, to z tym się skraca.
Zostaje nam u razy V do kwadratu równa się wyznacznik. a nawet możemy go od razu policzyć teraz przypominamy sobie, że my coś udowodniliśmy o iloczynie skalarnym, a to jest jedynka trokatometryczna, więc na koniec po prostu bierzemy pierwiastek, bo wszystko jest nieujemne true story, kąt jest wypukły, więc sin jest nieujemny i mamy to co chcieliśmy, mamy, że długość iloczyny wektorowego to jest iloczyn długości razy sin z kątem, to że każda izometria jest przekształceniem afinicznym
To będzie trochę nudne, tak wiem that is a high bar to clear a twierdzenie miało być takie. Ja w sumie... Gdzie się napisane te rachunki? Trudno, napiszę mi od nowa. Powiedzmy, że ja mam F, który jest izometrią sfałdową. To jest izometria, to znaczy, to jest pierwszy raz w życiu spotykamy funkcję między przestrzeniami liniowymi, która nie jest przekształceniem liniowym.
A priori nie jest. To znaczy, tu mam odległość mierzona właśnie tam, gdzie idą f-y, czyli w. O, i tu jest po prostu powiedziane, że to zachowuje odległości. Nic więcej nie jest powiedziane. To ja twierdzę, że wtedy f od v to jest jakiś konkretny wektor plus jakieś przekształcenie liniowe. Tak, tak, jeszcze to jest grubsze oczywiste.
Jak ja mam tak, to ja mam tak, czyli to zrobię później. Chciałem powiedzieć, że z tego wynika, że macierz G jest macierzą ortogonalną, tylko to jest jeszcze dłuższa chwila. Jak my tego chcemy dowieść? To się jakoś robiło. To się robiło pewnie tak, że się wstawiało.
Jak ja to robiłem? Wcześniej też miałem problem z tym, żeby to sobie przypomnieć. Ja to robiłem tak, że ja potrzebowałem tego, że F zachowuje normę. Znaczy, że zachowuje iloczyn skalarny tak naprawdę. Dobra, ja pewnie zaczynamy od tego rejestra tej ogólności. f od 0 jest równe 0.
Oczywiście to jest 0 w V i to jest 0 w W. Dlaczego? Bo inaczej przyjdzie f z wąsem i ono od V będzie równe f od V minus f od 0 w V i też jest iso. Ten warunek jest w ogóle nieczuły na dodanie stałej do f. a oczywiście ten warunek też jest nieczuły, bo jak do f coś dodam to po prostu coś mi się doda tego starego wektora tak, i jak ja mam takie coś to ja biorąc v2 równe 0 mam norma f od v1 równa się norma v1 jak mam takie coś to ja mogę wziąć ten mój napis f od v1 minus f od v2 równa się v1 minus v2 w domyśle te normy, które mają sens fizyczny, a mogę to podnieść do kwadratu
I mogę rozpisać. Właśnie udowodniłem, że norma się zachowuje. To mi się skraca. Minus dwójki też się skrócą i właśnie udało nam się podnieść zachowywanie normy do zachowywania liczny skalarnego.
Jak oczywiście biorąc V1 równa się V2, jako szczególny przypadek mamy to. Teraz to po prostu dowodzimy. Dowodzimy, że f od skalar razy V jest równe skalar razy f od V. I jak dowodzimy zerowości tego wektora, tak bierzemy jego normę do kwadratu i dowodzimy, że jest 0. To wtedy wektor jest 0, czyli f od skalar razy V to jest skalar razy f od V. No i znowu, to jest f od kV do kwadratu plus f od V do kwadratu minus 2 razy k razy f od kV razy f od V.
No dobra, ale to jest f od kV to zachowuje normę, więc to jest norma kv do kwadratu to zachowuje normę jak wyciągnę k kwadrat to jest w kwadracie, więc nie muszę pilnować modułu dookoła k minus 2k razy no i to jest iloczyn skalarny, czyli to jest po prostu v razy kv to tu jest k kwadrat, norma v do kwadratu tu jest k kwadrat, norma v do kwadratu to jest minus 2k razy k razy v razy v toż to jest k kwadrat, norma v do kwadratu Tu jest jedna sztuka, tu jest druga, to są minus dwie, czyli zero.
Cała filozofia. I tak samo, jak ja chcę udowodnić, teraz pamiętam, jak się najsprawniej dowodziło, że takie coś jest zero. Pamiętam, że prościej było dowodzić z minusem, no bo ja już i tak wiem, że minusy się propagują przez f.
Jak ja teraz mam to, O, wiem jak ja to zrobię. Tak, tamten rachunek się kończył tym, że ja mogę to tak propagować. Nie był porządny, to w ogóle jeszcze jakaś numerowa równania, czy coś tam. Tak, powiedziałbym, że to jest równanie główne. Równanie 0 w gwiazdce to jest to. To jest równanie 1. To skracanie jest z równania 1.
To jest równanie 2. Tu się w sumie bezpośrednio powołuje zarówno na 1, jak i na 2. Śledzenie tego wcale nie jest takie pomagające w zrozumieniu napisów. To nazwijmy 3. Tutaj to jest mój jeden bohater i to jest drugi. I to będzie minus 2 razy różnica razy f od v minus 2. No to to co ja zrobię tu się powołam na w ogóle na to tu się powołam na zarównanie główne potem się powołam na to które pozwala mi stąd zdjąć f.
Tu zdejmuję f z różnicy, tu zdejmuję f z wektora a tu po prostu na razie wykonuję rachunki tu będzie f od V razy f od V minus W minus f od W razy f od V minus W czyli dwie sztuki kwadratu odległości minus dwa razy tu się powołujemy na dwa a teraz to jest prosty rachunek i to z definicji normy to jest zero czyli jak ja chcę połączyć tu dostałem, że f się propaguje przez różnicę to to już jest wszystko bo jak ja mam 3 i 4
To z tego wynika, że f od v plus w to jest f od v minus minus w czyli f od v minus f od minus w czyli f od v minus minus f od w To jest 4, a to jest 3. Nie, to jest oczywistość. To jest 4, to jest 3. Czyli mamy udowodnioną liniowość.
Mamy udowodnione, że f się propaguje przez mnożenie przez skalar i że propaguje się przez sumy. Czyli w tym wypadku nasz f jest po prostu liniowy. Tu b jest równe 0, g jest równe f, a ogólnie to b jest równe f od 0, a g jest równe f minus f od 0 tak jak było w tej uwadze, że bez straty ogólności to chyba czas na przerwę