Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan
|
|
- Zbyněk Kašpar
- před 5 lety
- Počet zobrazení:
Transkript
1 Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 000/00 Michal Marvan 3. Matice lineárního zobrazení V této přednášce budeme používat indexy dvoího druhu: horní a dolní. Horní index e index zapsaný v pozici exponentu. Horní indexy se zpravidla používaí en v situacích, kdy nemůže doít k záměnám s mocninami, například když se mocniny v daném kontextu vůbec nevyskytuí. Horním indexem budeme označovat zeména souřadnice vektorů. Dohoda. V maticích bude řádkový index vždy horní a sloupcový index vždy dolní. Například A i zapíšeme ako A i. Vzorec pro součin matic C = AB pak bude mít tvar n Cl k = Ai k Bi l, i= kde n e počet sloupců matice A =počet řádků matice B. Protože meze,...,n sčítacího indexu i sou spolehlivěurčeny kontextem, budeme zednodušeně psát C k l = i A k i Bi l. Zapamatute si: Ve vzorci pro násobení matic e první výskyt sčítacího indexu dole, druhý nahoře. Příklad. () Zápis Cl k = i Ai l Bk i znamená, že C = BA. Vskutku, zaměnímeli součinitele tak, aby první výskyt sčítacího indexu byl dole, dostaneme Cl k = i Bk i Ai l. () Bud A čtvercová matice. Pak T = i Ai i e součet prvků na diagonále; nazývásestopa matice A. (3) Symbol δ i označue tzv. Kroneckerovo delta. Definue se předpisem { když i =, δ i := 0 když i. Čtvercová matice s prvky δ i e ednotková matice. Cvičení. Ukažte, že Ai δ k = Ai k. Ve fyzice a diferenciální geometrii se často používá Einsteinovo sumační pravidlo. Podle ně se index, např. i, který sevněakém výrazu vyskytue v horní i dolní pozici, považue za index sčítací. Takovývýraz se chápe, ako kdyby před ním stál symbol i kde i probíhá celou množinu přípustných hodnot určenou kontextem nebo dohodou. Při použití Einsteinova sumačního pravidla e shora uvedený vzorec pro součin matic eště ednodušší: Cl k = Ai k Bi l. Zde i e sčítací index, protože se ednou vyskytue v horní a ednou v dolní pozici. Horní indexy a sumační pravidla představuí všeobecně užitečnou alternativu k maticovému zápisu. V této přednášce budeme horní indexy používat především tam, kde to usnadní orientaci ve výpočtech, Einsteinovo sumační pravidlo používat nebudeme.
2 3. Matice lineárního zobrazení. Souřadnice vektorů Dohoda. Souřadnice vektorů budeme zapisovat s horními indexy. Bud U něaký n-rozměrný vektorový prostor nad polem P. Bud e,...,e n něaká báze v U,bud u U libovolný vektor. Pak sou x,...,x n souřadnice vektoru u vbázi e,...,e n právě tehdy, když platí rovnost u = i x i e i (i e sčítací index; kontextem e určeno, že probíhá množinu {,...,n }). Připomeňme, že touto formulí sou souřadnice x,...,x n vektoru u ednoznačně určeny a že přiřazení u (x,...,x n ) e izomorfismus vektorových prostorů U = P n. Toto přiřazení e závislé na volbě báze, a proto vektory a eich souřadnice e nutno striktně rozlišovat. Často používaný zápis u = (x,...,x n ) dává smysl en při určité volbě báze a mění seskaždou změnou báze. Je za nímvždy nutno vidět formuli u = x i e i. V maticových zápisech budeme x = (x,...,x n ) považovat za matici o ednom sloupci (ve shodě s pravidlem, že horní index e řádkový) a nazývat prostě sloupec souřadnic.. Matice lineárního zobrazení Definice. Bud dán n-rozměrný vektorový prostor U s bazí e,...,e n a m-rozměrný vektorový prostor V s bazí f,..., f m. Bud α : U V lineární zobrazení. Matice A typu m/n, eíž i-tý sloupec e tvořen souřadnicemi vektoru α(e i ) V vbázi f,..., f m, se nazývá matice lineárního zobrazení α vzhledem k bazím e,...,e n a f,..., f m. Přesněi, A i e souřadnice obrazu α(e i ) vbázi f,..., f m. Platí tedy α(e i ) = A i f (připomeňme, že horní index matic e řádkový a dolní e sloupcový). Tvrzení. Bud u U vektor, x = (x,...,x n ) P n sloupec eho souřadnic v bázi e,...,e n prostoru U. Bud v = α(u) V obraz vektoru u, y = (y,...,y m ) P m sloupec eho souřadnic v bázi f,..., f m prostoru V. Pak platí y = Ax. Důkaz. Máme u = i x i e i,načež v = α(u) = α( i x i e i ) = i α(x i e i ) = i x i α(e i ) = i, x i A i f. Odtud plyne, že souřadnice vektoru v vbázi f,..., f m sou i x i A i, to est, y = i x i A i. V poslední formuli nyní stačí zaměnit pořadí součinitelů tak, aby poloha sčítacího indexu odpovídala násobení matic, t. y = A Příklad. Bud te U, V trorozměrné vektorové prostory s bazemi e, e, e 3 a f, f, f 3. Necht e lineární zobrazení α dáno předpisem i xi. α(e ) = f + f 3, α(e ) = f + f 3, α(e 3 ) = f.
3 3. Matice lineárního zobrazení Souřadnice obrazů α(e i ) vbázi f, f, f 3 sou po řadě (0,, ), (, 0, ), (0,, 0) (ověřte). Matice A e Obrazem vektoru se souřadnicemi (x, x, x 3 ) e vektor x x = x x + x 3. 0 x 3 x + x Zkouška správnosti: Obrazem vektoru e se souřadnicemi (, 0, 0) musí být vektor f + f 3 : = Zkouška vyšla. Příklad. Uvažume o rovnoběžném promítání π : E 3 E podél vektoru w E. Zvolme libovolnou bázi u,v E. Pak e u,v,wbáze v E 3 (proč?). Lineární zobrazení π splňue α(u) = u, α(v) = v, α(w) = 0. Souřadnice těchto obrazů vbázi u, v, wsou po řadě (, 0), (0, ), (0, 0). Matice zobrazení π vzhledem k bazím u,v,wa u,ve Obraz vektoru se souřadnicemi (x, y, z) e 0 0 x ( y x = 0 0 y) z (ztrácí se souřadnice měřená podél vektoru w). Zistěme, aká operace s maticemi odpovídá skládání lineárních zobrazení. Tvrzení. Bud U vektorový prostor s bazí e,...,e m,bud V vektorový prostor s bazí f,..., f n, bud W vektorový prostor s bazí g,...,g p. Bud te α : U V,β : V W lineární zobrazení. Bud A matice zobrazení α vzhledem k bazíme,...,e m af,..., f n,bud B matice zobrazení β vzhledem k bazím f,..., f n ag,...,g p. Pak e součin B A maticí zobrazení β α vzhledem k bazím e,...,e m ag,...,g p. Důkaz. Máme α(e i ) = i A i f.dále β( f ) = B k g k.tudíž, ( (β α)(e i ) = β(α(e i )) = β A ) i f = A i β( f ) = =,k A i Bk g k, A i B k g k k a proto e matice zobrazení β α rovna A i Bk = B k A i,cožesoučin BA. 3
4 3. Matice lineárního zobrazení Tvrzení. Při steném označení ako v předchozím tvrzení, necht e α izomorfismus (a potom m = n). Pak e matice A invertibilní aa e matice inverzního lineárního zobrazení α : V U. Důkaz. Bud B matice lineárního zobrazení α : V U vzhledem k příslušným bazím. Podle předchozího tvrzení e BA matice lineárního zobrazení α α = id vzhledem k bázi e,...,e m,což e ednotková matice. Tudíž, BA = E. Analogicky AB = E adůkaz e hotov. 3. Matice přechodu Bud opět dán n-rozměrný vektorový prostor U nad polem P. Bud e,...,e n něaká báze v U, nazvěme i starábáze. Bud e,...,e n inábáze v U, nazvěme i novábáze. Bud u U libovolný vektor. Souřadnice vektoru u ve staré bázi e,...,e n označme x = (x,...,x n ) P n a říkeme im staré souřadnice. Souřadnice vektoru u vnovébázi e,...,e n označme x = (x,...,x n ) P n a říkeme im nové souřadnice. (Platí tedy u = i x i e i = i x i e i.) Zaímá nás vztah mezi starými a novými souřadnicemi x a x. Vektory nové báze mohou být zadány svými souřadnicemi ve starébázi. Definice. Matice Q, eíž sloupce sou tvořeny starými souřadnicemi nových bázových vektorů, se nazývá matice přechodu (od starébázeknovébázi). Máme tedy id(e i ) = e i = Q i e. Odtud okamžitě plyne Tvrzení. Matice přechodu od báze e,...,e n kbázi e,...,e n e totožná s maticí identického zobrazení id : V V vzhledem k bazíme,...,e n ae,...,e n (v tomto pořadí!). Důsledek. () Matice přechodu e vždy invertibilní. () Označuí-li x resp. x sloupce starých resp. nových souřadnic, pak nové souřadnice závisí na starých souřadnicích vztahem x = Q x. Důkaz. () Tvrzení e důsledkem předchozích, protože identické zobrazení e izomorfismus. () Platí x = Qx,načež x = Q Qx = Q x. Příklad. Necht e = e e a e = e. Staré souřadnice nové báze sou (, ), (0, ). Matice přechodu a matice k ni inverzní sou 0 0 Q =, Q =. Vektor se starými souřadnicemi x = (x, x ) má nové souřadnice 0 x = Q x x x = x = x + x. 4
5 3. Matice lineárního zobrazení Zkouška správnosti: vektor e musí mít nové souřadnice (, 0) a vektor e musí mít nové souřadnice (0, ). Ověřte. 4. Změna matice lineárního zobrazení při změnách bazí Tvrzení. Bud U vektorový prostor se starou bazí e,...,e n a novou bazí e,...,e n, matice přechodu od staré k nové bázi bud Q. Bud V vektorový prostor se starou bazí f,..., f m a novou bazí f,..., f m, matice přechodu od staré k novébázi bud R. Bud α : U V lineární zobrazení. Bud A matice lineárního zobrazení α vzhledem k bazím e,...,e n, f,..., f m. Bud A matice lineárního zobrazení α vzhledem k bazím e,...,e n,f,..., f m. Pak platí A = R AQ. Důkaz. Situaci můžeme znázornit diagramem U e,...,e n id U e,...,e n α α V f,..., f m id V f,..., f m V rozích stoí vektorové prostory s vyznačenou bazí, šipky označuí lineární zobrazení. Jednotlivá zobrazení pak maí matice id : U U α vlevém sloupci A id : V V α v pravém sloupci A. Q R Platí α id = id α, odtud podle tvrzení o matici složeného zobrazení plyne rovnost A Q = R A. Po vynásobení obou stran maticí Q zprava získáme tvrzení. 5
Matice lineárních zobrazení
Matice lineárních zobrazení Nechť V, +, a W, +, jsou nenulové vektorové prostory konečných dimenzí n a m nad tělesem T, +,, nechť posloupnosti vektorů g 1, g 2,..., g n V a h 1, h 2,..., h m W tvoří báze
VíceMatematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan. 14.
Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan 14. Vlastní vektory Bud V vektorový prostor nad polem P. Lineární zobrazení f : V
VíceMatice. Je dána matice A R m,n, pak máme zobrazení A : R n R m.
Matice lineárních zobrazení [1] Připomenutí Zobrazení A : L 1 L 2 je lineární, když A( x + y ) = A( x ) + A( y ), A(α x ) = α A( x ). Což je ekvivalentní s principem superpozice: A(α 1 x 1 + + α n x n
Více18. První rozklad lineární transformace
Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan 18. První rozklad lineární transformace Úmluva. Vtéto přednášce V je vektorový prostor
Více(Cramerovo pravidlo, determinanty, inverzní matice)
KMA/MAT1 Přednáška a cvičení, Lineární algebra 2 Řešení soustav lineárních rovnic se čtvercovou maticí soustavy (Cramerovo pravidlo, determinanty, inverzní matice) 16 a 21 října 2014 V dnešní přednášce
Více19. Druhý rozklad lineární transformace
Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan Úmluva. Všude P = C. Vpřednášce o vlastních vektorech jsme se seznámili s diagonalizovatelnými
VíceÚvod do lineární algebry
Úvod do lineární algebry 1 Aritmetické vektory Definice 11 Mějme n N a utvořme kartézský součin R n R R R Každou uspořádanou n tici x 1 x 2 x, x n budeme nazývat n rozměrným aritmetickým vektorem Prvky
VíceMaticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:
3 Maticový počet 3.1 Zavedení pojmu matice Maticí typu (m, n, kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: a 11 a 12... a 1k... a 1n a 21 a 22...
VíceVektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace
Vektory a matice Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Vektory Základní pojmy a operace Lineární závislost a nezávislost vektorů 2 Matice Základní pojmy, druhy matic Operace s maticemi
VíceOperace s maticemi
Operace s maticemi Seminář druhý 17.10. 2018 Obsah 1 Operace s maticemi 2 Hodnost matice 3 Regulární matice 4 Inverzní matice Matice Definice (Matice). Reálná matice typu m n je obdélníkové schema A =
VíceMatematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan
Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan 11. Lineární zobrazení V celé přednášce pojednáváme o vektorových prostorech nad
Více1 Linearní prostory nad komplexními čísly
1 Linearní prostory nad komplexními čísly V této přednášce budeme hledat kořeny polynomů, které se dále budou moci vyskytovat jako složky vektorů nebo matic Vzhledem k tomu, že kořeny polynomu (i reálného)
VíceMatematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic
Přednáška třetí (a pravděpodobně i čtvrtá) aneb Úvod do lineární algebry Matice a soustavy rovnic Lineární rovnice o 2 neznámých Lineární rovnice o 2 neznámých Lineární rovnice o dvou neznámých x, y je
VíceMATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]
MATICE Matice typu m/n nad tělesem T je soubor m n prvků z tělesa T uspořádaných do m řádků a n sloupců: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] a m1 a m2 a mn Prvek a i,j je prvek matice A na místě
Více8 Matice a determinanty
M Rokyta, MFF UK: Aplikovaná matematika II kap 8: Matice a determinanty 1 8 Matice a determinanty 81 Matice - definice a základní vlastnosti Definice Reálnou resp komplexní maticí A typu m n nazveme obdélníkovou
Více0.1 Úvod do lineární algebry
Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Lineární rovnice o 2 neznámých Definice 011 Lineární rovnice o dvou neznámých x, y je rovnice, která může být vyjádřena ve tvaru ax + by = c, kde
VíceLineární algebra : Změna báze
Lineární algebra : Změna báze (13. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 8. dubna 2014, 10:47 1 2 13.1 Matice přechodu Definice 1. Nechť X = (x 1,..., x n ) a Y = (y 1,...,
VíceKapitola 11: Vektory a matice:
Kapitola 11: Vektory a matice: Prostor R n R n = {(x 1,, x n ) x i R, i = 1,, n}, n N x = (x 1,, x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i = 1,, n : x i = y i
VíceALGEBRA. Téma 4: Grupy, okruhy a pole
SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1, 746 01 Opava, tel. (553) 684 611 DENNÍ STUDIUM Téma 4: Grupy, okruhy a pole Základní pojmy unární operace, binární operace, asociativita,
VíceALGEBRA. Téma 5: Vektorové prostory
SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1, 746 01 Opava, tel. (553) 684 611 DENNÍ STUDIUM Téma 5: Vektorové prostory Základní pojmy Vektorový prostor nad polem P, reálný (komplexní)
Více15. Moduly. a platí (p + q)(x) = p(x) + q(x), 1(X) = id. Vzniká tak struktura P [x]-modulu na V.
Učební texty k přednášce ALGEBRAICKÉ STRUKTURY Michal Marvan, Matematický ústav Slezská univerzita v Opavě 15. Moduly Definice. Bud R okruh, bud M množina na níž jsou zadány binární operace + : M M M,
Více0.1 Úvod do lineární algebry
Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Vektory Definice 011 Vektorem aritmetického prostorur n budeme rozumět uspořádanou n-tici reálných čísel x 1, x 2,, x n Definice 012 Definice sčítání
VíceOperace s maticemi. 19. února 2018
Operace s maticemi Přednáška druhá 19. února 2018 Obsah 1 Operace s maticemi 2 Hodnost matice (opakování) 3 Regulární matice 4 Inverzní matice 5 Determinant matice Matice Definice (Matice). Reálná matice
VíceMatematika B101MA1, B101MA2
Matematika B101MA1, B101MA2 Zařazení předmětu: povinný předmět 1.ročníku bc studia 2 semestry Rozsah předmětu: prezenční studium 2 + 2 kombinované studium 16 + 0 / semestr Zakončení předmětu: ZS zápočet
VíceLineární algebra : Násobení matic a inverzní matice
Lineární algebra : Násobení matic a inverzní matice (8. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních
Vícematiceteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést
Úlohy k zamyšlení 1. Zdůvodněte, proč třetí řádek Hornerova schématu pro vyhodnocení polynomu p v bodě c obsahuje koeficienty polynomu r, pro který platí p(x) = (x c) r(x) + p(c). 2. Dokažte, že pokud
Více1 Determinanty a inverzní matice
Determinanty a inverzní matice Definice Necht A = (a ij ) je matice typu (n, n), n 2 Subdeterminantem A ij matice A příslušným pozici (i, j) nazýváme determinant matice, která vznikne z A vypuštěním i-tého
VíceVI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku
VI Maticový počet VI1 Základní operace s maticemi Definice Tabulku a 11 a 12 a 1n a 21 a 22 a 2n, a m1 a m2 a mn kde a ij R, i = 1,, m, j = 1,, n, nazýváme maticí typu m n Zkráceně zapisujeme (a ij i=1m
VíceMatematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA I, zimní semestr 2000/2001 Michal Marvan. 2.
Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA I, zimní semestr 2000/2001 Michal Marvan 2. Homomorfismy V souvislosti se strukturami se v moderní matematice studují i zobrazení,
VíceLineární algebra : Metrická geometrie
Lineární algebra : Metrická geometrie (16. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 6. května 2014, 10:42 1 2 Úvod Zatím jsme se lineární geometrii věnovali v kapitole o lineárních
Více11. Skalární součin a ortogonalita p. 1/16
11. Skalární součin a ortogonalita 11. Skalární součin a ortogonalita p. 1/16 11. Skalární součin a ortogonalita p. 2/16 Skalární součin a ortogonalita 1. Definice skalárního součinu 2. Norma vektoru 3.
VíceLineární algebra : Násobení matic a inverzní matice
Lineární algebra : Násobení matic a inverzní matice (8. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 17. března 2014, 12:42 1 2 0.1 Násobení matic Definice 1. Buďte m, n, p N, A
VíceLineární algebra : Lineární zobrazení
Lineární algebra : Lineární zobrazení (6. přednáška František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 20. května 2014, 22:40 1 2 6.1 Lineární zobrazení Definice 1. Buďte P a Q dva lineární prostory
VíceMatice. a m1 a m2... a mn
Matice Nechť (R, +, ) je okruh a nechť m, n jsou přirozená čísla Matice typu m/n nad okruhem (R, +, ) vznikne, když libovolných m n prvků z R naskládáme do obdélníkového schematu o m řádcích a n sloupcích
Více1. Matice a maticové operace. 1. Matice a maticové operace p. 1/35
1. Matice a maticové operace 1. Matice a maticové operace p. 1/35 1. Matice a maticové operace p. 2/35 Matice a maticové operace 1. Aritmetické vektory 2. Operace s aritmetickými vektory 3. Nulový a opačný
Více10. Vektorové podprostory
Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan Definice. Bud V vektorový prostor nad polem P. Podmnožina U V se nazývá podprostor,
VíceNALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Doba řešení: 3 hodiny
NALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Závěrečná zkouška verze cvičná 9.1.2013 Doba řešení: 3 hodiny Přednášející: L. Barto, J. Tůma Křestní jméno: Příjmení: Instrukce Neotvírejte
VíceAfinní transformace Stručnější verze
[1] Afinní transformace Stručnější verze je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím body a vektory: afinní prostor využití například v počítačové grafice a)
Vícea počtem sloupců druhé matice. Spočítejme součin A.B. Označme matici A.B = M, pro její prvky platí:
Řešené příklady z lineární algebry - část 1 Typové příklady s řešením Příklady jsou určeny především k zopakování látky před zkouškou, jsou proto řešeny se znalostmi učiva celého semestru. Tento fakt se
VíceVektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice
Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory K množina reálných nebo komplexních čísel, U vektorový prostor nad K. Lineární kombinace vektorů u 1, u 2,...,u
VíceProgram SMP pro kombinované studium
Zadání příkladů k procvičení na seminář Program SMP pro kombinované studium Nejdůležitější typy příkladů - minimum znalostí před zkouškovou písemkou 1) Matice 1. Pro matice 1 0 2 1 0 3 B = 7 3 4 4 2 0
Více1 Vektorové prostory.
1 Vektorové prostory DefiniceMnožinu V, jejíž prvky budeme označovat a, b, c, z, budeme nazývat vektorovým prostorem právě tehdy, když budou splněny následující podmínky: 1 Je dáno zobrazení V V V, které
VíceKapitola 11: Vektory a matice 1/19
Kapitola 11: Vektory a matice 1/19 2/19 Prostor R n R n = {(x 1,..., x n ) x i R, i = 1,..., n}, n N x = (x 1,..., x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i =
VíceLineární algebra : Báze a dimenze
Lineární algebra : Báze a dimenze (5. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 9. dubna 2014, 13:33 1 2 5.1 Báze lineárního prostoru Definice 1. O množině vektorů M z LP V řekneme,
Vícetransformace je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím [1]
[1] Afinní transformace je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím využití například v počítačové grafice Evropský sociální fond Praha & EU. Investujeme do
VíceMatice přechodu. Pozorování 2. Základní úkol: Určete matici přechodu od báze M k bázi N. Každou bázi napíšeme do sloupců matice, např.
Matice přechodu Základní úkol: Určete matici přechodu od báze M k bázi N. Každou bázi napíšeme do sloupců matice, např. u příkladu 7 (v ) dostaneme: Nyní bychom mohli postupovat jako u matice homomorfismu
VíceALGEBRA. Téma 1: Matice a determinanty
SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1 746 01 Opava tel (553 684 611 DENNÍ STUDIUM Téma 1: Matice a determinanty 1 Přehled základních pojmů a tvrzení Základní pojmy Číselná
Více[1] Determinant. det A = 0 pro singulární matici, det A 0 pro regulární matici
[1] Determinant je číslo jistým způsobem charakterizující čtvercovou matici det A = 0 pro singulární matici, det A 0 pro regulární matici používá se při řešení lineárních soustav... a v mnoha dalších aplikacích
VíceCvičení z Lineární algebry 1
Cvičení z Lineární algebry Michael Krbek podzim 2003 2392003 Hodina Jsou dána komplexní čísla z = +2 i a w = 2 i Vyjádřete c algebraickém tvaru (z + w) 3,, (zw), z w 2 Řešte v komplexním oboru rovnice
VíceMatice. Předpokládejme, že A = (a ij ) je matice typu m n: diagonálou jsou rovny nule.
Matice Definice. Maticí typu m n nazýváme obdélníkové pole, tvořené z m n reálných čísel (tzv. prvků matice), zapsaných v m řádcích a n sloupcích. Značíme např. A = (a ij ), kde i = 1,..., m, j = 1,...,
Více1 Projekce a projektory
Cvičení 3 - zadání a řešení úloh Základy numerické matematiky - NMNM20 Verze z 5. října 208 Projekce a projektory Opakování ortogonální projekce Definice (Ortogonální projekce). Uvažujme V vektorový prostor
VíceMatematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29
Matematika 1 11. přednáška MA1 1 Opakování 2 Determinant 3 Adjungovaná matice 4 Cramerovo pravidlo 5 Vlastní čísla a vlastní vektory matic 6 Zkouška; konzultace; výběrová matematika;... 11. přednáška (15.12.2010
Více7. Lineární vektorové prostory
7. Lineární vektorové prostory Tomáš Salač MÚ UK, MFF UK LS 2017/18 Tomáš Salač ( MÚ UK, MFF UK ) 7. Lineární vektorové prostory LS 2017/18 1 / 62 7.1 Definice a příklady Definice 7.1 Množina G s binární
VíceÚlohy k přednášce NMAG 101 a 120: Lineární algebra a geometrie 1 a 2,
Úlohy k přednášce NMAG a : Lineární algebra a geometrie a Verze ze dne. května Toto je seznam přímočarých příkladů k přednášce. Úlohy z tohoto seznamu je nezbytně nutné umět řešit. Podobné typy úloh se
VíceZáklady maticového počtu Matice, determinant, definitnost
Základy maticového počtu Matice, determinant, definitnost Petr Liška Masarykova univerzita 18.9.2014 Matice a vektory Matice Matice typu m n je pravoúhlé (nebo obdélníkové) schéma, které má m řádků a n
VíceMatematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA I, zimní semestr 2000/2001 Michal Marvan. 7.
Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA I, zimní semestr 2000/200 Michal Marvan 7 Determinanty Determinant je jistá hodnota přiřazená čtvercové matici Geometricky
VíceSOUČIN MATIC A m n B n p = C m p, přičemž: a i1 b 1j +a i2 b 2j + +a in b nj = c ij, i=1 m, j=1 p. Např: (-2) = -3
SOUČIN MATIC A m n B n p = C m p, přičemž: a i1 b 1j +a i2 b 2j + +a in b nj = c ij, i=1 m, j=1 p Např: 2 2 + (-2) 4 + 0 0 + 1 1 = -3 INVERZNÍ MATICE Pro čtvercovou matici B může (ale nemusí) existovat
VíceLineární algebra : Skalární součin a ortogonalita
Lineární algebra : Skalární součin a ortogonalita (15. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 30. dubna 2014, 09:00 1 2 15.1 Prehilhertovy prostory Definice 1. Buď V LP nad
VíceLineární algebra - I. část (vektory, matice a jejich využití)
Lineární algebra - I. část (vektory, matice a jejich využití) Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 2. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 40 Obsah 1 Vektory
VíceAplikovaná numerická matematika - ANM
Aplikovaná numerická matematika - ANM 3 Řešení soustav lineárních rovnic iterační metody doc Ing Róbert Lórencz, CSc České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových
VíceZáklady matematiky pro FEK
Základy matematiky pro FEK 2. přednáška Blanka Šedivá KMA zimní semestr 2016/2017 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 2016/2017 1 / 20 Co nás dneska čeká... Závislé a nezávislé
VíceFunkce, elementární funkce.
Kapitola 2 Funkce, elementární funkce. V této kapitole si se budeme věnovat studiu základních vlastností funkcí jako je definiční obor, obor hodnot. Připomeneme si pojmy sudá, lichá, rostoucí, klesající.
VíceNecht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru
2. Systémy lineárních rovnic V této kapitole se budeme zabývat soustavami lineárních rovnic s koeficienty z pole reálných případně komplexních čísel. Uvádíme podmínku pro existenci řešení systému lineárních
VíceRegulární matice. Věnujeme dále pozornost zejména čtvercovým maticím.
Regulární matice Věnujeme dále pozornost zejména čtvercovým maticím. Věta. Pro každou čtvercovou matici A = (a ij ) řádu n nad tělesem (T, +, ) jsou následující podmínky ekvivalentní: (i) Řádky matice
VíceLineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity)
4 Lineární zobrazení Definice: Nechť V a W jsou vektorové prostory Zobrazení A : V W (zobrazení z V do W nazýváme lineárním zobrazením, pokud pro všechna x V, y V a α R platí 1 A(x y = A(x A(y (vlastnost
Vícepříkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u.
Několik řešených příkladů do Matematiky Vektory V tomto textu je spočteno několik ukázkových příkladů které vám snad pomohou při řešení příkladů do cvičení. V textu se objeví i pár detailů které jsem nestihl
VíceLineární algebra : Skalární součin a ortogonalita
Lineární algebra : Skalární součin a ortogonalita (15. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních
Více9. přednáška 26. listopadu f(a)h < 0 a pro h (0, δ) máme f(a 1 + h, a 2,..., a m ) f(a) > 1 2 x 1
9 přednáška 6 listopadu 007 Věta 11 Nechť f C U, kde U R m je otevřená množina, a a U je bod Pokud fa 0, nemá f v a ani neostrý lokální extrém Pokud fa = 0 a H f a je pozitivně negativně definitní, potom
VíceMENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE
MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného
VíceMENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE
MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného
VíceLineární algebra : Lineární prostor
Lineární algebra : Lineární prostor (3. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 17. dubna 2014, 14:43 1 2 3.1 Aximotické zavedení lineárního prostoru Číselné těleso Celou lineární
VíceCvičení 5 - Inverzní matice
Cvičení 5 - Inverzní matice Pojem Inverzní matice Buď A R n n. A je inverzní maticí k A, pokud platí, AA = A A = I n. Matice A, pokud existuje, je jednoznačná. A stačí nám jen jedna rovnost, aby platilo,
VíceLineární algebra Operace s vektory a maticemi
Lineární algebra Operace s vektory a maticemi Robert Mařík 26. září 2008 Obsah Operace s řádkovými vektory..................... 3 Operace se sloupcovými vektory................... 12 Matice..................................
VíceVlastní čísla a vlastní vektory
Kapitola 11 Vlastní čísla a vlastní vektory Základní motivace pro studium vlastních čísel a vektorů pochází z teorie řešení diferenciálních rovnic Tato teorie říká, že obecné řešení lineární diferenciální
VíceTransformace souřadnic
Transformace souřadnic Odpřednesenou látku naleznete v kapitolách 8.2 a 8.3 skript Abstraktní a konkrétní lineární algebra. Jiří Velebil: A7B01AG 5.11.2015: Transformace souřadnic 1/17 Minulá přednáška
VíceUčební texty k státní bakalářské zkoušce Matematika Matice. študenti MFF 15. augusta 2008
Učební texty k státní bakalářské zkoušce Matematika Matice študenti MFF 15. augusta 2008 1 12 Matice Požadavky Matice a jejich hodnost Operace s maticemi a jejich vlastnosti Inversní matice Regulární matice,
VíceBáze konečněrozměrných vektorových prostorů, lineární zobrazení vektorových prostorů
Báze konečněrozměrných vektorových prostorů, lineární zobrazení vektorových prostorů Buď (V, +, ) vektorový prostor nad tělesem (T, +, ) Připomeňme, že konečná posloupnost u 1, u 2,, u n vektorů z V je
VíceDEFINICE Z LINEÁRNÍ ALGEBRY
DEFINICE Z LINEÁRNÍ ALGEBRY Skripta Matematické metody pro statistiku a operační výzkum (Nešetřilová, H., Šařecová, P., 2009). 1. definice Vektorovým prostorem rozumíme neprázdnou množinu prvků V, na které
VíceSoučin matice A a čísla α definujeme jako matici αa = (d ij ) typu m n, kde d ij = αa ij pro libovolné indexy i, j.
Kapitola 3 Počítání s maticemi Matice stejného typu můžeme sčítat a násobit reálným číslem podobně jako vektory téže dimenze. Definice 3.1 Jsou-li A (a ij ) a B (b ij ) dvě matice stejného typu m n, pak
Více1 Kvadratické formy. 2 Matice kvadratické formy. Definice Necht B je bilineární forma na V. Q B : V R. Q B (x) = B(x, x), x V
LA 11. cvičení matice bilineární formy, kvadratické formy Lukáš Pospíšil, Martin Hasal,011 1 Kvadratické formy Definice 1.0.1 Necht B je bilineární forma na V. Kvadratickou formou příslušnou bilineární
VíceKATEDRA INFORMATIKY UNIVERZITA PALACKÉHO LINEÁRNÍ ALGEBRA 1 OLGA KRUPKOVÁ VÝVOJ TOHOTO UČEBNÍHO TEXTU JE SPOLUFINANCOVÁN
KATEDRA INFORMATIKY PŘÍRODOVĚDECKÁ FAKULTA UNIVERZITA PALACKÉHO LINEÁRNÍ ALGEBRA 1 OLGA KRUPKOVÁ VÝVOJ TOHOTO UČEBNÍHO TEXTU JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM A STÁTNÍM ROZPOČTEM ČESKÉ REPUBLIKY
Více6.1 Vektorový prostor
6 Vektorový prostor, vektory Lineární závislost vektorů 6.1 Vektorový prostor Nechť je dán soubor nějakých prvků, v němž je dána jistá struktura vztahů mezi jednotlivými prvky nebo v němž jsou předepsána
VíceÚvodní informace Soustavy lineárních rovnic. 12. února 2018
Úvodní informace Soustavy lineárních rovnic Přednáška první 12. února 2018 Obsah 1 Úvodní informace 2 Soustavy lineárních rovnic 3 Matice Frobeniova věta Úvodní informace Olga Majlingová : Na Okraji, místnost
VíceLineární algebra. Matice, operace s maticemi
Lineární algebra Matice, operace s maticemi Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo
VíceSoustavy lineárních rovnic a determinanty
Soustavy lineárních rovnic a determinanty Petr Hasil Přednáška z matematiky Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny
VíceAfinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe.
4 Afinita Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. Poznámka. Vzájemně jednoznačným zobrazením rozumíme zobrazení,
VíceKolik existuje různých stromů na pevně dané n-prvkové množině vrcholů?
Kapitola 9 Matice a počet koster Graf (orientovaný i neorientovaný) lze popsat maticí, a to hned několika různými způsoby. Tématem této kapitoly jsou incidenční matice orientovaných grafů a souvislosti
VíceANALYTICKÁ GEOMETRIE V ROVINĚ
ANALYTICKÁ GEOMETRIE V ROVINĚ Analytická geometrie vyšetřuje geometrické objekty (body, přímky, kuželosečky apod.) analytickými metodami. Podle prostoru, ve kterém pracujeme, můžeme analytickou geometrii
VíceGreenova funkce pro dvoubodové okrajové úlohy pro obyčejné diferenciální rovnice
Greenova funkce pro dvoubodové okrajové úlohy pro obyčejné diferenciální rovnice Jan Tomeček Tento stručný text si klade za cíl co nejrychlejší uvedení do teorie Greenových funkcí pro obyčejné diferenciální
VíceMnožiny, relace, zobrazení
Množiny, relace, zobrazení Množiny Množinou rozumíme každý soubor určitých objektů shrnutých v jeden celek. Zmíněné objekty pak nazýváme prvky dané množiny. Pojem množina je tedy synonymem pojmů typu soubor,
VíceČíselné vektory, matice, determinanty
Číselné vektory, matice, determinanty Základy vyšší matematiky LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny
VíceVlastnosti lineárních zobrazení a velikost vektorů
Drsná matematika I 8. přednáška Vlastnosti lineárních zobrazení a velikost vektorů Jan Slovák Masarykova univerzita Fakulta informatiky 15. 11. 2010 Obsah přednášky 1 Literatura 2 Matice zobrazení 3 Vlastní
VíceÚlohykpřednášceNMAG101a120: Lineární algebra a geometrie 1,
ÚlohykpřednášceNMAGa: Lineární algebra a geometrie 5 Verzezedne9.prosince Toto je seznam přímočarých příkladů k přednášce. Úlohy z tohoto seznamu je nezbytně nutné umět řešit. Podobné typy úloh se budou
Více6. Vektorový počet Studijní text. 6. Vektorový počet
6. Vektorový počet Budeme se pohybovat v prostoru R n, což je kartézská mocnina množiny reálných čísel R; R n = R R. Obvykle nám bude stačit omezení na případy n = 1, 2, 3; nicméně teorie je platná obecně.
VícePROSTORY SE SKALÁRNÍM SOUČINEM. Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti
PROSTORY SE SKALÁRNÍM SOUČINEM Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti 1. (x, x) 0 x L, (x, x) = 0 x = 0, 2. (x, y) = (y, x) x, y L, 3. (λx, y) = λ(x,
VíceSymetrické a kvadratické formy
Symetrické a kvadratické formy Aplikace: klasifikace kvadrik(r 2 ) a kvadratických ploch(r 3 ), optimalizace(mpi) BI-LIN (Symetrické a kvadratické formy) 1 / 20 V celé přednášce uvažujeme číselné těleso
VíceBáze a dimenze vektorových prostorů
Báze a dimenze vektorových prostorů Buď (V, +, ) vektorový prostor nad tělesem (T, +, ). Nechť u 1, u 2,..., u n je konečná posloupnost vektorů z V. Existují-li prvky s 1, s 2,..., s n T, z nichž alespoň
VíceVEKTORY. Obrázek 1: Jediný vektor. Souřadnice vektoru jsou jeho průměty do souřadných os x a y u dvojrozměrného vektoru, AB = B A
VEKTORY Vektorem se rozumí množina všech orientovaných úseček, které mají stejnou velikost, směr a orientaci, což vidíme na obr. 1. Jedna konkrétní orientovaná úsečka se nazývá umístění vektoru na obr.
VíceLineární algebra Kapitola 1 - Základní matematické pojmy
Lineární algebra Kapitola 1 - Základní matematické pojmy 1.1 Relace a funkce V celém textu budeme používat následující označení pro číselné množiny: N množina všech přirozených čísel bez nuly, N={1, 2,
Více1 Zobrazení 1 ZOBRAZENÍ 1. Zobrazení a algebraické struktury. (a) Ukažte, že zobrazení f : x
1 ZOBRAZENÍ 1 Zobrazení a algebraické struktury 1 Zobrazení Příklad 1.1. (a) Ukažte, že zobrazení f : x na otevřený interval ( 1, 1). x x +1 je bijekce množiny reálných čísel R (b) Necht a, b R, a < b.
Více