Úlohy k pøedná¹ce NMAG 102: Lineární algebra a geometrie 2, 2016

Rozměr: px
Začít zobrazení ze stránky:

Download "Úlohy k pøedná¹ce NMAG 102: Lineární algebra a geometrie 2, 2016"

Transkript

1 Úlohy k øedná¹ce NMG : Lineární algebra a geometrie, Verze ze dne kvìtna Toto je seznam øímoèarých øíkladù k øedná¹ce Úlohy z tohoto seznamu je nezbytnì nutné umìt øe¹it Oakování Nech» = ; ; a = rostoru R ; ; jsou oslounosti vektorù lineárního (a) Ovìøte, ¾e jsou a báze, (b) soèítejte souøadnice [u] a [u] ro u =, (c) najdìte souøadnice [v] vektoru v, víte-li, ¾e [v] = (d) najdìte matici vùèi kanonickým bázím lineárního zobrazení ', ro nì¾ '([v] ) = [v] (Pozor na mo¾nost zmatku mezi bázemi: [v] je oìt vektor, který mù¾eme vyjadøovat v souøadnicích vùèi rùzným bázím) Pro lineární oerátor ' : V! V a bázi rostoru V oznaème ['] := ['] Je-li [f ] M 5 K = je matice lineárního zobrazení f : Z 7! Z 7 5 vzhledem k bázi M = ; a kanonické bázi K rostoru Z 7, soèítejte matice [f ] M a [f ] K (Pøiomeòte si dva zùsoby, jak invertovat matici øádu ) Pro lineární oerátor g na rostoru Z 5 daný vztahy g( ) = a g( ) = (Najdìte rùzné zùsoby øe¹ení úlohy a) Jak nejsnáze najít g( )? Jak souvisí s maticí [g] K? urèete matici [g] K b) Vzhledem ke kterým bázím doká¾ete matici g nasat bez oèítání? Jaká volba bází je vhodná ro øe¹ení úlohy? Jak vyjde [g] K, kde = ; ) Jestli¾e [h] = je matice lineárního oerátoru h na rostoru R vzhledem bázi z øíkladu, najdìte matici [h] K a jádro h (Lze vidìt jádro zobrazení h u¾ z matice [h]? Pøiomeòte si øíslu¹né tvrzení (Ker [h] D = [Ker h] ) Jak by se ostu hledání jádra li¹il, kdybychom mìli matici [h] K?)

2 Dolòující úlohy 5 Poi¹te lineární zobrazení ' a, ro nì¾ '() = a () = (s ohledem na oøadí vektorù) (b) [u] =, [u] =, (c) [u] =, (d) ['] K K = [Id] = [f ] M = [g] K = a [f ] K = [h] K = 5 5, Ker (h) = h i 5 Pokud slouce matic a jsou vektory øíslu¹ných bazí, ak ['] K K =, [ ] K K =

3 Skalární souèin : kolmost Uva¾ujme standardní skalární souèin na reálném rostoru R a nech» u =, v = R (a) Soèítejte k u k, k v k a úhel, který svírají vektory u a v, (b) najdìte odrostor v¹ech vektorù rostoru R, které jsou kolmé na u, (c) najdìte odrostor v¹ech vektorù rostoru R, které jsou kolmé na v, (d) najdìte v¹echny vektory rostoru R kolmé zároveò na u i na v Najdìte bázi ortogonálního dolòku odrostoru U = h(; ; ; ; ) T ; (; ; ; ; ) T i reálného vektorového rostoru R 5 se standardním skalárním souèinem V komlexním vektorovém rostoru se standardním skalárním souèinem urèete ortogonální dolnìk roviny ( + i; i; ) T ; ( i; ; ) T Skalární souèin na R je dán øedisem hu jv i = u T 5 v : Soèítejte normu vektorù vektory u = (; ) T a v = (; ) T a úhel mezi nimi 5 V rostoru R se skalárním souèinem h ji je = ((; ) T ; (; ) T ) ortonormální báze Urèete (a) (; ) T (; ) T, (b) ortogonální dolnìk øímky (; ) T Skalární souèin na je dán øedisem hu jv i = u 5 v : Najdìte (a) v¹echny vektory kolmé na vektor u = (; i) T, (b) nìjakou ortonormální bázi 7 Jsou-li b = ; b = R se standardním skalárním souèinem, ; b = (a) ovìøte, ¾e = (b ; b ; b ) je ortonormální báze R, vektory v reálném aritmetickém vektorovém rostoru (b) soèítejte souøadnice vektorù (; ; ) T, (; ; ) T a (; ; ) T vzhledem k ortonormální bázi, (c) urèete ortogonální rojekce vektorù (; ; ) T, (; ; ) T do odrostoru U = hb ; b i Dolòující úlohy 8 Je-li =, denujme zobrazení h ji, které dvojici vektorù u a v z komlexního lineárního rostoru i øiøadí hodnotu hu jv i = u v

4 (a) Doka¾te, ¾e je h ji skalární souèin, (b) soèítejte ke k, ke k, k k, he i je i a i, i (c) najdìte bázi odrostoru v¹ech vektorù rostoru, které jsou kolmé na e souèinu h ji, vzhledem ke skalárnímu (d) najdìte ortonormální bázi vzhledem ke skalárnímu souèinu h ji, 9 Soèítejte normu olynomu ix + (i ) vzhledem ke skalárnímu souèinu hf jg i = R fg (a) k u k =, j v k =, ' = (b) h ; i, (c) h ; i, (d) h i Naøíklad (( ; ; ; ; ) T ; ( ; ; ; ; ) T ; ( 5; ; ; ; ) T ) h(; + i; i) T i k u k = j v k = 5, ' = 5 (a), (b) (; ) T + i (a) h i, (b) Naøíklad 5 + i 7 (b),, ; nebo ; q q, (c), i i 8 (b), 5, 5, i, 7, (c) (d) (, ) Skalární souèin : ortogonální rojekce a ortogonalizace V rostoru R se standardním skalárním souèinem urèete ortogonální rojekci vektoru (; ; ) T na øímku (; 5; ) T V rostoru R se standardním skalárním souèinem urèete nejle¹í aroximaci vektoru (; ; ) T v rovinì (; ; ) T ; (; ; ) T a chybu této aroximace 5 V rostoru R uva¾ujme skalární souèin hu jv i = u T v a vektory u = (; ; ) T ; u = (; ; ) T Soèítejte (a) nejle¹í aroximaci vektoru u v øímce hu i a chybu této aroximace, (b) Grammovu matici (hu i ju j i) ro oslounost (u ; u ), (c) nejle¹í aroximaci vektoru (; ; ) v odrostoru hu ; u i Metodou nejmen¹ích ètvercù najdìte nejle¹í aroximaci øe¹ení soustav (a) ; (b) :

5 5 V rostoru R se standardním skalárním souèinem ortogonalizujte bázi M a k nalezené ortogonální bázi urèete øíslu¹nou ortonormální, jestli¾e M = (a) ((; ; ) T ; (; ; ) T ; (; ; ) T ), (b) ((; ; ) T ; (; ; ) T ; (; ; ) T ) Najdìte QR rozklady reálných matic: (a), (b), (c) 7 V rostoru R se standardním skalárním souèinem najdìte ortonormální bázi odrostoru W = h((; ; ; ) T, (; ; ; ) T, (; ; ; ) T i 8 Pro soustavy rovnic soèítejte øe¹ení s nejmen¹í normou Dolòující úlohy: 9 V rostoru R se souèinem hu jv i = u T v uka¾te, ¾e se jedná o skalární skalárním a ortogonalizujte a normalizujte kanonickou bázi Nai¹te matici ortogonální rojekce reálného vektorového rostoru R se standardním skalárním souèinem na øímku h i vzhledem ke kanonickým bázím (; 5; )T 77 aroximace = (; ; ) T a chyba = (; ; ) T (a) aroximace = (; ; )T a chyba = ( ; 8; 5)T, (b), (c) (9; ; )T (a), (b) 5 (a) ( (; ; ) T ; ( ; ; ) T ; (; ; ) T ), ( ; ; ) T ; ( ; ; ) T ) (b) ( (; ; ) T ;! (a) ; (b) (c) 7 Naøíklad ( 5 (; ; ; ) T ; 8 (; ; ; ) T (; ; ; ) T ; (; ; ; ) T 5 9 ON báze ( (; ; ) T ; ( ; ; ) T ; (; ; ) T, 5 5

6 Vlastní èísla a vlastní vektory : výoèet a diagonalizace Je-li ortogonální rojekce reálného vektorového rostoru R se standardním skalárním souèinem na rovinu h(; ; ) T ; (; ; ) T i, najdìte v¹echna vlastní èísla a v¹echny vlastní vektory a najdìte bázi, aby matice [ ] byla diagonální Urèete vlastní èísla (i s algebraickými násobnostmi) a vlastní vektory lineárního oerátoru f na reálném vektorovém R a rozhodnìte, zda je diagonalizovatelný, jestli¾e x (a)f x = x x x x x x x x x x x x + x x ; (b)f x = x + x ; (c)f x = x + x ; x + x + x x x x x Urèete koecienty u, a konstantní koecient charakteristického olynomu reálné matice = Najdìte v¹echna vlastní èísla a v¹echny vlastní vektory reálné matice a rozhodnìte, zda je diagonalizovatelná, jestli¾e = (a) ; (b) 5 ; (c) ; (d) 5 ; (e) : 5 Pro diagonalizovatelné matice z øedchozí úlohy najdìte regulární matici R a diagonální matici D, aby D = R R Mìjme matici = nad tìlesem Z 5 (a) Najdìte (nad Z 5 ) v¹echna vlastní èísla a v¹echny vlastní vektory matice, (b) doka¾te, ¾e je matice diagonalizovatelná a najdìte regulární matici P nad Z 5, ro ni¾ je P P diagonální (c) Soèítejte 7 Matice lineárního oerátoru na Z vhledem k bázi je Urèete vlastní èísla (i s algebraickými násobnostmi) a øíslu¹né vlastní vektory oerátoru f, jestli¾e = ; = ; 8 Najdìte vzorec ro a n v následující oslounosti reálných èísel ; a = ; a = ; a n = a n 5a n ro n 9 Vyøe¹te ro oèáteèní odmínky u () = a u () = soustavu diferenciálních rovnic, kde neznámé jsou reálné funkce reálné romìnné: u = u + u u = u + u

7 Dolòující úlohy: Oerátor f na Z 7 slòuje f ((; )T ) = (; 5) T ; f ((; ) T ) = (; ) T : Urèete jeho charakteristický olynom a vlastní èísla Matice lineárního oerátoru f na rostoru Z 5 vzhledem k bázi = ; je Zjistìte, zda je f diagonalizovatelný Pokud ano, najdìte bázi takovou, ¾e [f ] je diagonální, a urèete [f ] Kolik bází, ro nì¾ je [f ] diagonální existuje? Vyøe¹te diferenèní rovnici (diskrétní lineární dynamický systém) x k+ = x k s oèáteèním vektorem x R = ; x = : Je-li ' (bijektivní) lineární oerátor na reálném rostoru R s maticí [f ] K = vzhledem ke kanonické bázi K, najdìte v¹echna vlastní èísla a v¹echny vlastní vektory lineárních oerátorù f a f a existují-li, najdìte báze a, vùèi nim¾ mají lineární oerátory f a f diagonální matici vlastní èísla: a, vlastní vektory: h(; ; ) T ; (; ; ) T i [ h( ; 5; ) T i (a) vlastní èísla": ; ; (v¹echna algnásobnosti ), vlastní vektory: h(; ; ) T i [ h(; ; ) T i [ h(; ; ) T i (b) vlastní èísla: (algnás ) a (algnás ), vlastní vektory: h(; ; ) T ; (; ; ) T i [ h( ; ; ) T i (c) vlastní èíslo: (algnásobnosti ), vlastní vektory: h(; ; ) T i (a), (b) jsou diagonalizovatelné, (c) není,, (a) vlastní èísla: ;, vlastní vektory: h( ; 5) T i [ h(; ) T i, diagonalizovatelná, (b) vlastní èísla: ;, vlastní vektory: h(; ) T i [ h(; ) T i, diagonalizovatelná, (c) vlastní èísla: ; 7, vlastní vektory: h( ; ) T i [ h(; ) T i, diagonalizovatelná, (d) vlastní èíslo:, vlastní vektory: h(; ) T i, není diagonalizovatelná, (e) vlastní èísla: ;, vlastní vektory: h(; ; ) T ; (; ; ) T i [ h(; ; ) T i, diagonalizovatelná 5 (a) R =, D =, (b) R =, D =, (c) R =, D =, 5 7 (e) R = D = (a) vlastní èísla: ;, vlastní vektory: h(; ; ) T ; (; ; ) T i [ h(; ; ) T i, (b) P =, (c) = I 7 vlastní èíslo: (algnásobnosti ), vlastní vektory: h(; ; ) T i 8 a n = +5n 9 u = e t + e t, u = e t + e t + 5 = ( )( ), vlastní èísla: ; naøíklad ro = ; je, rùzných bází je x k = n vlastní èísla f jsou ;, vlastní èísla f jsou ;, vlastní vektory obou jsou rávì h ; i [ h i 7

8 Vlastní èísla a vlastní vektory : Jordanùv kanonický tvar Vyoèítejte ro reálnou matici = uï = 5, =, = matice nad tìlesem reálných èísel (a) Najdìte Jordanùv kanonický tvar matic i a rozhodnìte, které dvojice matic jsou si odobné (b) najdìte regulární matice P i, aby Pi i P i byly Jordanovy matice, (c) ro dvojice odobných matic najdìte regulární matici S ij, aby S ij is ij = j Uva¾ujme nad tìlesem Z 5 matice D =, D =, D = Existuje-li, najdìte Jordanùv kanonický tvar matic D i ro i = ; ; a regulární matice P i, aby Pi D i P i ro i = ; ; byly Jordanovy, Kolik existuje takových matic P? Uva¾ujme matice = a = nad tìlesem racionálních èísel Existuje-li, najdìte jejich Jordanùv kanonický tvar matic a a rozhodnìte, zda jsou si odobné 5 Mìjme lineární oerátor ' na s maticí ['] K = vzhledem ke kanonické bázi K (a) Najdìte bázi, vùèi ní¾ bude mít ' Jordanovu matici, (b) soèítejte [' 5 ] ro bázi z (a), (c) olo¾íme-li = ['] K, soèítejte mocninu 5 Mìjme komlexní matice G =, H = (a) Najdìte Jordanùv kanonický tvar matic G a H, (b) soèítejte G 5, (c) existuje-li, najdìte nejmen¹í øirozené n, ro které H n = 7 Vyøe¹te diferenèní rovnici x k = f (x k ) ro oèáteèní vektor x = (; ) T, kde oerátor f : R! R je dán vztahem x x + y f = y x + 5y 8 Najdìte vzorec ro n-tý èlen reálné oslounosti a n a = ; a = ; a = ; a n+ = 5a n+ 8a n+ + a n 8

9 9 O reálné matici øádu víme, ¾e má charakteristický olynom (x) = ( x) 9 ( x), dim(ker ( I )) =, dim(ker ( I )) =, dim(ker (( I ) )) = 7, dim(ker (( I ) )) = 9 Urèete matici J v Jordanovì kanonickém tvaru odobnou matici Je-li lineární oerátor na reálném rostoru R daný øedisem ((x; y; z) T ) = (x + y + z; x y + z; y) T, ovìøte, ¾e je odrostor U = h(; ; ) T ; ( ; ; ) T i jeho invariantním odrostorem Oznaème lineární oerátor na U, který vznikne zú¾ením na U (tedy (u) = (u)) Najdìte matice: (a) [] a [ ] ro bázi = ((; ; ) T ; ( ; ; ) T ), (b) [] a [ ] ro bázi = ((; ; ) T ; ( ; ; ) T ) Dolòující úlohy: Matice oerátoru f na R vzhledem k bázi je Najdìte bázi, aby [f ] byla v Jordanovì kanonickém tvaru = ; ; = Najdìte bázi rostoru R slo¾enou z Jordanových øetízkù oerátoru f a matici f vzhledem k této bázi = Najdìte bázi rostoru Z 7, ro kterou je [f ] v Jordanovì kanonickém tvaru a urèete [f ], jestli¾e = 5 5 Uva¾ujme lineární oerátor f na reálném vektorovém rostoru R s maticí [f ] K K = vzhledem ke kanonické bázi K Najdìte v¹echny invariantní odrostory lineárního oerátoru f 5 Najdìte v¹echny invariantní odrostory matice = nad tìlesem Z 5 Kolik jich celkem je? : = 9 (a), (b) P =, P =, P = (c) S = P P = 9

10 D, D, D, P =, P =, P =, existuje rávì 5 5 = rùzných matic P 5 (a) = ( ; ; ), (b) ; (c) (a) G ; H , (b) 5 5 5, (c) n = 7 x k = k k k 8 a n+ = n+ (n + ) (a) [] =, [ ] =, (b) [] =, [ ] = = ; = ; ;, [f] = = ; ; ;, [f] = fg, h(; ; ) T i, he ; e i, R 5 fg, h i, hvi, h ; vi ro v h ; i, Z5, celkem odrostorù

11 5 Ortogonální diagonalizovatelnost 5 Zjistìte, zda je komlexní matice normální + i i = i i 5 Najdìte ortonormální bázi rostoru R se standardním skalárním souèinem, vzhledem ke které je matice oerátoru f diagonální a najdìte [f ] x x + y + z f y z = x + y + z x + y + 5z 5 Najdìte ortogonální matici Q a takovou diagonální matici D, ¾e = QDQ T, jestli¾e 5 (a) = ; (b) = 5 : Najdìte singulární rozklad reálné matice = 55 Zjistìte, zda je reálná matice = ozitivnì (semi)denitní Dolòující úlohy: i 5 Jestli¾e = + i i, najdìte komlexní unitární matici U, ro ní¾ je D = U T U + i diagonální a soèítejte D =, roto není normální = ( (; ; ) T ; (; ; ) T ; (; ; )) T a [f ] = (a) Q =, D = = 8, (b) Q = 5 je ozitivnì semidenitní a není ozitivnì denitní D = +i, U = + i i 7, D = 9 :

12 ilineární formy Najdìte matici bilineární formy f na Z 5 vzhledem k bázi = ( vzhledem ke kanonické bázi f ( x x ; y y ) = x y + x y + x y + x y ; ) znáte-li její analytické vyjádøení Najdìte matici bilineární formy g na Q vzhledem k bázi D znáte-li její matici vzhledem k bázi, jestli¾e = ; ; ; D = ( ; ; ) ; [g] = Nech» f, g jsou formy a a báze z úloh a a uva¾ujme symetrické bilineární formy f s a g s a antisymetrické bilineární formy f a a g a slòující ro které f = f s + f a, g = g s + g a Najdìte matice [f s ], [f a ], [g s ], [g a ] Je-li g bilineární forma daná analytickým vyjádøením g((x ; x ; x ) T ; (y ; y ; y ) T ) = x y + x y x y + x y + x y x y vzhledem ke kanonické bázi na racionálním vektorovém rostoru Q, urèete analytické vyjádøení symetrické g s a antisymetrické g a èásti g vzhledem ke kanonické bázi 5 Najdìte ro symetrickou bilineární formu f na vektorovém rostoru V nìjakou f-ortogonální bázi a matici f vzhledem k této bázi, jestli¾e (a) V = Q, [f ] K =, kde K je kanonická báze, (b) V = Z 5 s analytickým vyjádøením f ( x ; (c) V = Z 5, [f ] = x y y kde = ((; ); (; )), ) = x y + x y + x y vzhledem ke kanonické bázi, (d) V = R s analytickým vyjádøením f ((x ; x ; x ) T ) = x x x x vzhledem ke kanonické bázi, (e) V = Z 7 s analytickým vyjádøením f ((x ; x ; x ) T ) = x + 5x x + x + x x + x = ((; ; ) T ; (; ; ) T ; (; ; ) T ) Urèete signaturu bilineární formy f, znáte-li matici [f ] K = : 5 vzhledem k bázi 7 Urèete signaturu reálné kvadratické formy f ((x ; x ; x ) T ) = x x x x x + x + 5x : 8 Najdìte bázi R, která je f-ortogonální a zároveò ortonormální vzhledem ke standardnímu skalárnímu souèinu ro f ((x ; x ; x ) T ) = 5(x + x + x ) + (x x + x x + x x ): 9 nalyzujte následující útvar v R : U = f(x ; x ) T R : x x x + 5x + x + x 5 = g Dolòující úlohy: Pro kvadratickou formu g = x x x + x najdìte nenulový vektor v R, ro který (a) g (v) >,

13 (b) g (v) <, (c) g (v) =, Nech» h je symetrická bilineární forma na reálném vektorovém rostoru R s maticí [h] = 5 vzhledem k nìjaké bázi Rozhodnìte, zda je h skalární souèin na R Rozlo¾te matici = na souèin LDL T, kde L je dolní trojúhelníková s jednièkami na diagonále a D je diagonální [f ] = [g] D = [f s] = ; [f a] = = [g s] = ; [ga] = : = g s((x ; x ; x ) T ; (y ; y ; y ) T ) = x y + xy + xy + xy xy xy, g a((x ; x ; x ) T ; (y ; y ; y ) T ) = xy xy xy + xy + xy xy: 5 (a) P = ( ; ), [f ] P =, (b) P = ( ; ), [f ] P = I (c) P = ( ; ), [f ] P = (d) P = ((; ; ) T ; ( ; ; ) T ; (; ; ) T ), [f ] P =, (e) P = ((; ; ) T ; (; ; ) T ; (5; ; 5) T ), [f ] P = (; ; ) 7 (; ; ) 8 = ( ; ; ) 9 Pro = ( y ; ) je [U ] 5 5 = f j y 5 y + 5 (y + 5 ) = g, tedy jde tedy o elisu se støedem 5 a s délkami oloos a 5 ve smìru vektorù báze 7 + Naøíklad (a) g ( ) =, (b) g ( ) = 7, (c) g ( ) = 7 no, h je skalární souèin = 5 5

14 7 nní rostory 7 Nech» S = ; rostoru Z 5 a ; a R = (a) soèítejte souøadnice bodu b = (b) najdìte bod c, ro který [c] S = ; : Ovìøte, ¾e se jedná o souøadné soustavy anního vzhledem k soustavì souøadnic S, vzhledem k soustavì souøadnic S, (c) ro bod a anního rostoru najdìte [a] S, jestli¾e [a] R = 7 Uva¾ujme oslounost bodù = ; ; ; anního rostoru s body i vektory = V = Q Ovìøte, ¾e je barycentrická soustava souøadnic anního rostoru a (a) soèítejte barycentrické souøadnice bodu b = vzhledem k soustavì, (b) najdìte bod c s barycentrickými souøadnicemi ( ; ; ; )T vzhledem k soustavì, (c) soèítejte barycentrické souøadnice bodu b = vzhledem k soustavì = ; ; ; 7 V anním rostoru s body i vektory = V = Z 5 uva¾ujme odrostory D = h ; ; i; D = + h i; D = fa j a = g: (a) Najdìte soustavu souøadnic S i a barycentrickou soustava souøadnic i anních rostorù D i, (b) urèete arametrické vyjádøení odrostorù D a D, (c) urèete rovnicové vyjádøení odrostorù D a D, (d) soèítejte rùnik a vzájemnou olohu odrostorù D i a D j ro i = j 7 Soèítejte vzdálenost øímek P = (; ; ; ; ) T + h(; ; ; ; ) T i a Q = (; ; ; ; ) T + h(; ; ; ; ) T i v anním eukleidovském rostoru R 5 se standardním skalárním souèinem 75 Urèete obraz bodu (; ; ) T R øi anním zobrazení F : R! R slòujícím F = ; F = ; F = ; F = a obraz vektoru (; ; ) T øi øíslu¹ném lineárním zobrazení f

15 7 Lineární oerátor f : R! R vytvoøený anním zobrazením F má vzhledem k bázi matici Navíc F ((; ) T ) = (5; 8) T Urèete F ((; ) T ) = ; 5 ; = Dolòující úlohy: 77 anním eukleidovském rostoru R 5 se standardním skalárním souèinem R uva¾ujme øímky P = + h i a Q = + h i (a) Urèete vzájemnou olohu øímek P a Q, (b) najdìte øímku rùznobì¾nou a zároveò kolmou na obì øímky P a Q, (c) soèítejte vzdálenost P a Q (a) [b] S =, (b) c =, (c) [a] S = (a), (b) 7 7, (c) (a) naøíklad S = ; ;, = ; ;, S = ;, = ;, S = ; ;, = ; ; (b) D = + h ; i; D = + h ; i: (c) Øe¹ení soustavy???? je D a øe¹ení soustavy?????? je D (d) D \ D = f(; ; ; ) T g, D \ D = D \ D = ;, D a D jsou rovnobì¾né, D a D jsou rùznobì¾né, D a D jsou mimobì¾né 5 5 (; 8) T, (; ) T F ((; ) T ) = (5; 8) T + ( ; ) T = ( 7; 8) T 7 (a) P a Q jsou mimobì¾né, (b) + h i, (c) dist(p; Q) = 5

Úlohy k přednášce NMAG 101 a 120: Lineární algebra a geometrie 1 a 2,

Úlohy 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

Více

Matematika I Ètvercové matice - determinanty

Matematika I Ètvercové matice - determinanty Matematika I Ètvercové matice - determinanty RNDr. Renata Klufová, Ph. D. Jihoèeská univerzita v Èeských Budìjovicích EF Katedra aplikované matematiky a informatiky Co u¾ známe? vektory - základní operace

Více

Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty študenti MFF 15. augusta 2008 1 14 Vlastní čísla a vlastní hodnoty Požadavky Vlastní čísla a vlastní hodnoty lineárního

Více

15 Maticový a vektorový počet II

15 Maticový a vektorový počet II M. Rokyta, MFF UK: Aplikovaná matematika III kap. 15: Maticový a vektorový počet II 1 15 Maticový a vektorový počet II 15.1 Úvod Opakování z 1. ročníku (z kapitoly 8) Označení. Množinu všech reálných resp.

Více

Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory

Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory Zkouška ověřuje znalost základních pojmů, porozumění teorii a schopnost aplikovat teorii při

Více

Zdrojem většiny příkladů je sbírka úloh 1. cvičení ( ) 2. cvičení ( )

Zdrojem většiny příkladů je sbírka úloh   1. cvičení ( ) 2. cvičení ( ) Příklady řešené na cvičení LA II - LS 1/13 Zdrojem většiny příkladů je sbírka úloh http://kam.mff.cuni.cz/~sbirka/ 1. cvičení (..13) 1. Rozhodněte, které z následujících operací jsou skalárním součinem

Více

Vlastní čísla a vlastní vektory

Vlastní 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

Více

v trojúhelníku P QC sestrojíme vý¹ky na základnu a jedno rameno, patu vý¹ky na rameno oznaèíme R a patu na základnu S

v trojúhelníku P QC sestrojíme vý¹ky na základnu a jedno rameno, patu vý¹ky na rameno oznaèíme R a patu na základnu S Øe¹ení 5. série IV. roèníku kategorie JUNIOR RS-IV-5-1 Pro na¹e úvahy bude vhodné upravit si na¹í rovnici do tvaru 3 jx 1 4 j+2 = 5 + 4 sin 2x: Budeme uva¾ovat o funkci na pravé stranì na¹í rovnice, tj.

Více

Vlastní číslo, vektor

Vlastní číslo, vektor [1] Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost

Více

Matematika I Podprostory prostoru V n

Matematika I Podprostory prostoru V n Matematika I Podprostory prostoru V n RNDr. Renata Klufová, Ph. D. Jihoèeská univerzita v Èeských Budìjovicích EF Katedra aplikované matematiky a informatiky Co u¾ známe? vektory - základní operace (sèítání,

Více

Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat

Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat Čtvercová matice n n, např. může reprezentovat: A = A A 2 A 3 A 2 A 22 A 23 A 3 A 32 A 33 matici koeficientů soustavy n lineárních

Více

Učební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Skalární součin študenti MFF 15. augusta 2008 1 10 Skalární součin Požadavky Vlastnosti v reálném i komplexním případě Norma Cauchy-Schwarzova nerovnost

Více

K2 7 E=. 2 1 Snadno zjistíme, že všechny nenulové násobky vektoru( 2, 1) jsou vlastními vektorymatice[ϕ]

K2 7 E=. 2 1 Snadno zjistíme, že všechny nenulové násobky vektoru( 2, 1) jsou vlastními vektorymatice[ϕ] . Vlastní čísla a vlastní vektory.. Uvažujme endomorfismus ϕ na reálném vektorovém prostoru R s maticí [ϕ] K = vzhledemkekanonickébázi K 6. (a) Najděte všechna vlastní čísla a všechny jim příslušné vlastní

Více

Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru. Kvadratická forma v n proměnných je tak polynom n proměnných s

Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru. Kvadratická forma v n proměnných je tak polynom n proměnných s Kapitola 13 Kvadratické formy Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru f(x 1,..., x n ) = a ij x i x j, kde koeficienty a ij T. j=i Kvadratická forma v n proměnných

Více

POŽADAVKY K SOUBORNÉ ZKOUŠCE Z MATEMATIKY

POŽADAVKY K SOUBORNÉ ZKOUŠCE Z MATEMATIKY POŽADAVKY K SOUBORNÉ ZKOUŠCE Z MATEMATIKY Bakalářský studijní program B1101 (studijní obory - Aplikovaná matematika, Matematické metody v ekonomice, Aplikovaná matematika pro řešení krizových situací)

Více

PROSTORY 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 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,

Více

EUKLIDOVSKÉ PROSTORY

EUKLIDOVSKÉ PROSTORY EUKLIDOVSKÉ PROSTORY Necht L je lineární vektorový prostor nad tělesem reálných čísel 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,

Více

vyjádřete ve tvaru lineární kombinace čtverců (lineární kombinace druhých mocnin). Rozhodněte o definitnosti kvadratické formy κ(x).

vyjádřete ve tvaru lineární kombinace čtverců (lineární kombinace druhých mocnin). Rozhodněte o definitnosti kvadratické formy κ(x). Řešené příklady z lineární algebry - část 6 Typové příklady s řešením Příklad 6.: Kvadratickou formu κ(x) = x x 6x 6x x + 8x x 8x x vyjádřete ve tvaru lineární kombinace čtverců (lineární kombinace druhých

Více

Linearní algebra příklady

Linearní algebra příklady Linearní algebra příklady 6. listopadu 008 9:56 Značení: E jednotková matice, E ij matice mající v pozici (i, j jedničku a jinak nuly. [...]... lineární obal dané soustavy vektorů. Popište pomocí maticového

Více

Lineární algebra : Skalární součin a ortogonalita

Lineární 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

Více

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést

maticeteorie 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

Více

Program SMP pro kombinované studium

Program 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

Více

1 Vektorové prostory a podprostory

1 Vektorové prostory a podprostory Pro nahrazení účasti v jednotlivých cvičeních (resp. pro studenty kombinované formy) je dostačující vypracování a odevzdání tučně vyznačených příkladů. 1 Vektorové prostory a podprostory Definujte vektorový

Více

Numerické metody a programování. Lekce 4

Numerické metody a programování. Lekce 4 Numerické metody a programování Lekce 4 Linarní algebra soustava lineárních algebraických rovnic a 11 a 12 x 2 a 1, N x N = b 1 a 21 a 22 x 2 a 2, N x N = b 2 a M,1 a M,2 x 2 a M,N x N = b M zkráceně A

Více

Vlastní čísla a vlastní vektory

Vlastní čísla a vlastní vektory 5 Vlastní čísla a vlastní vektor Poznámka: Je-li A : V V lineární zobrazení z prostoru V do prostoru V někd se takové zobrazení nazývá lineárním operátorem, pak je přirozeným požadavkem najít takovou bázi

Více

Numerické metody a programování

Numerické metody a programování Projekt: Inovace výuky optiky se zaměřením na získání experimentálních dovedností Registrační číslo: CZ.1.7/2.2./28.157 Numerické metody a programování Lekce 4 Tento projekt je spolufinancován Evropským

Více

Lineární algebra : Skalární součin a ortogonalita

Lineární 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

Více

ZADÁNÍ ZKOUŠKOVÉ PÍSEMNÉ PRÁCE Z PŘEDMĚTU LINEÁRNÍ ALGEBRA PRO IT. Verze 1.1A

ZADÁNÍ ZKOUŠKOVÉ PÍSEMNÉ PRÁCE Z PŘEDMĚTU LINEÁRNÍ ALGEBRA PRO IT. Verze 1.1A Verze 1.1A Čas na práci: 1 minut Za každý úkol můžete získat maximálně 1 bodů. Řešení každého příkladu zapisujte čitelně a srozumitelně, 2x 1 +4x 3 +3x 4 = 4 x 1 +2x 2 +4x 3 3x 4 = 1 2x 1 +x 2 x 3 3x 4

Více

[1] Motivace. p = {t u ; t R}, A(p) = {A(t u ); t R} = {t A( u ); t R}

[1] Motivace. p = {t u ; t R}, A(p) = {A(t u ); t R} = {t A( u ); t R} Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost s diagonální

Více

Ortogonální projekce a ortogonální zobrazení

Ortogonální projekce a ortogonální zobrazení Drsná matematika I 9. přednáška Ortogonální projekce a ortogonální zobrazení Jan Slovák Masarykova univerzita Fakulta informatiky 27. 4. 2010 Obsah přednášky 1 Literatura 2 Projekce a ortogonální zobrazení

Více

Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague

Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague Tomáš Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague 1 / 63 1 2 3 4 5 6 7 8 9 10 11 2 / 63 Aritmetický vektor Definition 1 Aritmetický vektor x je uspořádaná

Více

Zápo tová písemná práce. 1 z p edm tu 01MAB3 varianta A

Zápo tová písemná práce. 1 z p edm tu 01MAB3 varianta A Zápo tová písemná práce. 1 z p edm tu 01MAB3 varianta A úterý 6. prosince 2016, 13:2015:20 ➊ (8 bod ) Vy²et ete stejnom rnou konvergenci ady na mnoºin R +. n=2 x n 1 1 4n 2 + x 2 ln 2 (n) ➋ (5 bod ) Detailn

Více

Matematika II Funkce více promìnných

Matematika II Funkce více promìnných Matematika II Funkce více promìnných RNDr. Renata Klufová, Ph. D. Jihoèeská univerzita v Èeských Budìjovicích EF Katedra aplikované matematiky a informatiky Euklidovský n-rozmìrný prostor Def. Euklidovským

Více

Analytická metoda aneb Využití vektorů v geometrii

Analytická metoda aneb Využití vektorů v geometrii KM/GVS Geometrické vidění světa (Design) nalytická metoda aneb Využití vektorů v geometrii Použité značky a symboly R, C, Z obor reálných, komleních, celých čísel geometrický vektor R n aritmetický vektor

Více

Matematika B101MA1, B101MA2

Matematika 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

Více

SVD rozklad a pseudoinverse

SVD rozklad a pseudoinverse SVD rozklad a pseudoinverse Odpřednesenou látku naleznete v kapitole 12 skript Abstraktní a konkrétní lineární algebra. Jiří Velebil: Lineární algebra 19.12.2016: SVD rozklad a pseudoinverse 1/21 Cíle

Více

NALG 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 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

Více

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava Lineární algebra 9. přednáška: Ortogonalita Dalibor Lukáš Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava email: dalibor.lukas@vsb.cz http://www.am.vsb.cz/lukas/la Text byl vytvořen

Více

Podobnost matic. Definice 8.6. Dány matice A, B M n (C). Jestliže existuje regulární matice P M n (C) tak,

Podobnost matic. Definice 8.6. Dány matice A, B M n (C). Jestliže existuje regulární matice P M n (C) tak, Podobnost matic Definice 84 Dány matice A, B M n (C) Jestliže existuje regulární matice P M n (C) tak, že B = P 1 AP, pak říkáme, že matice B je podobná matici A a píšeme A B Takto zavedená binární relace

Více

Cvičení z Lineární algebry 1

Cvičení 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

Více

Vlastní čísla a vlastní vektory

Vlastní čísla a vlastní vektory Kapitola 15 Vlastní čísla a vlastní vektory V této a následujících kapitolách budeme zkoumat jeden z nejdůležitějších pojmů tohoto kurzu. Definice15.1 Buď A:V Vlineárnízobrazení,Vvektorovýprostornad tělesem

Více

formou exkurzu přibližuje problematiku aplikace lineární algebry ve výpočetní tomografii.

formou exkurzu přibližuje problematiku aplikace lineární algebry ve výpočetní tomografii. 1 Úvod Cílem mé práce je sestavit sbírku úloh z lineární algebry a geometrie, která je určena především pro posluchače druhého semestru programů matematika, aplikovaná matematika a informatika. Celá práce

Více

21. Úvod do teorie parciálních diferenciálních rovnic

21. Úvod do teorie parciálních diferenciálních rovnic 21. Úvod do teorie parciálních diferenciálních rovnic Aplikovaná matematika IV, NMAF074 M. Rokyta, KMA MFF UK LS 2014/15 21.1 Základní termíny Definice Vektor tvaru α = (α 1,...,α m ), kde α j N {0}, j

Více

z = a bi. z + v = (a + bi) + (c + di) = (a + c) + (b + d)i. z v = (a + bi) (c + di) = (a c) + (b d)i. z v = (a + bi) (c + di) = (ac bd) + (bc + ad)i.

z = a bi. z + v = (a + bi) + (c + di) = (a + c) + (b + d)i. z v = (a + bi) (c + di) = (a c) + (b d)i. z v = (a + bi) (c + di) = (ac bd) + (bc + ad)i. KOMLEXNÍ ČÍSLA C = {a + bi; a, b R}, kde i 2 = 1 Číslo komplexně sdružené k z = a + bi je číslo z = a bi. Operace s komplexními čísly: z = a + bi, kde a, b R v = c + di, kde c, d R Sčítání Odčítání Násobení

Více

Podobnostní transformace

Podobnostní transformace Schurova věta 1 Podobnostní transformace a výpočet vlastních čísel Obecný princip: Úloha: Řešíme-li matematickou úlohu, je často velmi vhodné hledat její ekvivalentní formulaci tak, aby se řešení úlohy

Více

2 Vektorové normy. Základy numerické matematiky - NMNM201. Definice 1 (Norma). Norma je funkcionál splňující pro libovolné vektory x a y a pro

2 Vektorové normy. Základy numerické matematiky - NMNM201. Definice 1 (Norma). Norma je funkcionál splňující pro libovolné vektory x a y a pro Cvičení 1 Základy numerické matematiky - NMNM201 1 Základní pojmy opakování Definice 1 (Norma). Norma je funkcionál splňující pro libovolné vektory x a y a pro libovolný skalár α C následující podmínky:

Více

Symetrické a kvadratické formy

Symetrické 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

Více

(u, v) u. v. cos φ =

(u, v) u. v. cos φ = LA 3. cvičení Ortogonalita, Gramm-Schmitův ortonormalizační proces Lukáš Pospíšil, Martin Hasal,2 Ortogonální systém vektorů Poznámka: Motivace - připomeňme si Kosinovu větu v obecném tvaru kde φ je úhel

Více

(2) [B] Nechť G je konečná grupa tvořena celočíselnými maticemi roměru 2 2 s operací násobení. Nalezněte všechny takové grupy až na izomorfizmus.

(2) [B] Nechť G je konečná grupa tvořena celočíselnými maticemi roměru 2 2 s operací násobení. Nalezněte všechny takové grupy až na izomorfizmus. (1 [B] Nechť A : R 6 R 6 je lineární zobrazební takové, že A 26 = I. Najděte lineární prostory V 1, V 2 a V 3 takové, že R 6 = V 1 V 2 V 3 dim V 1 = dim V 2 = dim V 3 AV 1 V 1, AV 2 V 2 a AV 3 V 3 (2 [B]

Více

1 Báze a dimenze vektorového prostoru 1

1 Báze a dimenze vektorového prostoru 1 1 Báze a dimenze vektorového prostoru 1 Báze a dimenze vektorového prostoru 1 2 Aritmetické vektorové prostory 7 3 Eukleidovské vektorové prostory 9 Levá vnější operace Definice 5.1 Necht A B. Levou vnější

Více

A0B01LAA Lineární algebra a aplikace (příklady na cvičení- řešení)

A0B01LAA Lineární algebra a aplikace (příklady na cvičení- řešení) A0B0LAA Lineární algebra a aplikace příklady na cvičení- řešení Martin Hadrava martin@hadrava.eu. ledna 0.týdenod9.9. Řešení soustav lineárních rovnic Gaussovou eliminační metodou diskuse počtu řešení..

Více

11. VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ. u. v = u v + u v. Umět ho aplikovat při

11. VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ. u. v = u v + u v. Umět ho aplikovat při . VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ Dovednosti:. Chápat pojmy orientovaná úsečka a vektor a geometrický význam součtu, rozdílu a reálného násobku orientovaných úseček a vektorů..

Více

Základy matematiky pro FEK

Základy 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

Více

Lineární algebra : Vlastní čísla, vektory a diagonalizace

Lineární algebra : Vlastní čísla, vektory a diagonalizace Lineární algebra : Vlastní čísla, vektory a diagonalizace (14. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 21. dubna 2014, 19:37 1 2 14.1 Vlastní čísla a vlastní vektory Nechť je

Více

1 Projekce a projektory

1 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

Více

s p nazýváme směrový vektor přímky p, t je parametr bodu

s p nazýváme směrový vektor přímky p, t je parametr bodu MATE ZS 2013 KONZ 3A Analytická geometrie lineárních útvarů v rovině a v rostoru Přímka v rovině 1 Parametrická rovnice římky v rovině: t R s o : X = A + t s, kde, Vektor s nazýváme směrový vektor římky,

Více

8 Matice a determinanty

8 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

Více

VĚTY Z LINEÁRNÍ ALGEBRY

VĚTY Z LINEÁRNÍ ALGEBRY VĚTY Z LINEÁRNÍ ALGEBRY Skripta Matematické metody pro statistiku a operační výzkum (Nešetřilová, H., Šařecová, P., 2009). 1. věta Nechť M = {x 1, x 2,..., x k } je množina vektorů z vektorového prostoru

Více

Primitivní funkce a Riemann uv integrál Lineární algebra Taylor uv polynom Extrémy funkcí více prom ˇenných Matematika III Matematika III Program

Primitivní funkce a Riemann uv integrál Lineární algebra Taylor uv polynom Extrémy funkcí více prom ˇenných Matematika III Matematika III Program Program Primitivní funkce a Riemannův integrál Program Primitivní funkce a Riemannův integrál Lineární algebra Program Primitivní funkce a Riemannův integrál Lineární algebra Taylorův polynom Program Primitivní

Více

2.6. VLASTNÍ ČÍSLA A VEKTORY MATIC

2.6. VLASTNÍ ČÍSLA A VEKTORY MATIC .6. VLASTNÍ ČÍSLA A VEKTORY MATIC V této kapitole se dozvíte: jak jsou definována vlastní (charakteristická) čísla a vektory čtvercové matice; co je to charakteristická matice a charakteristický polynom

Více

2. Schurova věta. Petr Tichý. 3. října 2012

2. Schurova věta. Petr Tichý. 3. října 2012 2. Schurova věta Petr Tichý 3. října 2012 1 Podobnostní transformace a výpočet vlastních čísel Obecný princip: Úloha: Řešíme-li matematickou úlohu, je často velmi vhodné hledat její ekvivalentní formulaci

Více

Skalární součin dovoluje zavedení metriky v afinním bodovém prostoru, tj. umožňuje nám určovat vzdálenosti, odchylky, obsahy a objemy.

Skalární součin dovoluje zavedení metriky v afinním bodovém prostoru, tj. umožňuje nám určovat vzdálenosti, odchylky, obsahy a objemy. 6 Skalární součin Skalární součin dovoluje zavedení metriky v afinním bodovém prostoru, tj. umožňuje nám určovat vzdálenosti, odchylky, obsahy a objemy. Příklad: Určete odchylku přímek p, q : p : x =1+3t,

Více

1 Řešení soustav lineárních rovnic

1 Řešení soustav lineárních rovnic 1 Řešení soustav lineárních rovnic 1.1 Lineární rovnice Lineární rovnicí o n neznámých x 1,x 2,..., x n s reálnými koeficienty rozumíme rovnici ve tvaru a 1 x 1 + a 2 x 2 +... + a n x n = b, (1) kde koeficienty

Více

Matematika II Extrémy funkcí více promìnných

Matematika II Extrémy funkcí více promìnných Matematika II Extrémy funkcí více promìnných RNDr. Renata Klufová, Ph. D. Jihoèeská univerzita v Èeských Budìjovicích EF Katedra aplikované matematiky a informatiky Parciální derivace vy¹¹ích øádù Def.

Více

ÚlohykpřednášceNMAG101a120: Lineární algebra a geometrie 1,

ÚlohykpřednášceNMAG101a120: 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

Více

19 Eukleidovský bodový prostor

19 Eukleidovský bodový prostor 19 Eukleidovský bodový prostor Eukleidovským bodovým prostorem rozumíme afinní bodový prostor, na jehož zaměření je definován skalární součin. Víme, že pomocí skalárního součinu jsou definovány pojmy norma

Více

Line rn oper tory v euklidovsk ch prostorech V t to sti pou ijeme obecn v sledky o line rn ch oper torech ve vektorov ch prostorech nad komplexn mi sl

Line rn oper tory v euklidovsk ch prostorech V t to sti pou ijeme obecn v sledky o line rn ch oper torech ve vektorov ch prostorech nad komplexn mi sl Line rn oper tory v euklidovsk ch prostorech V t to sti pou ijeme obecn v sledky o line rn ch oper torech ve vektorov ch prostorech nad komplexn mi sly z p edchoz ch kapitol k podrobn j mu zkoum n line

Více

Lineární algebra : Metrická geometrie

Lineární 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

Více

Matematika 2 (Fakulta ekonomická) Cvičení z lineární algebry. TU v Liberci

Matematika 2 (Fakulta ekonomická) Cvičení z lineární algebry. TU v Liberci Matematika 2 (Fakulta ekonomická) Cvičení z lineární algebry TU v Liberci Jiří Hozman 1. dubna 2010 Cvičení 2 Příklad 1. Rozhodněte, zda lze vektor x vyjádřit jako lineární kombinaci vektorů u, v, w, v

Více

TEMATICKÝ PLÁN VÝUKY

TEMATICKÝ PLÁN VÝUKY STŘEDNÍ P RŮMYSLOVÁ ŠKOLA, Praha 10, Na Třebešíně 22 TEMATICKÝ PLÁN VÝUKY Studijní 78 42 - M/01 Technické Zaměření: obor: lyceum Předmět: Matematika MAT Ročník: Počet hodin týdně: 4 3. Počet hodin celkem:

Více

Aplikovaná numerická matematika

Aplikovaná numerická matematika Aplikovaná numerická matematika 6. Metoda nejmenších čtverců doc. Ing. Róbert Lórencz, CSc. České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových systémů Příprava studijních

Více

DEFINICE Z LINEÁRNÍ ALGEBRY

DEFINICE 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

Více

7. Lineární vektorové prostory

7. 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

Více

AVDAT Vektory a matice

AVDAT Vektory a matice AVDAT Vektory a matice Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Vektory x = x 1 x 2. x p y = y 1 y 2. y p Řádkový vektor dostaneme transpozicí sloupcového vektoru x

Více

Projekt OPVK - CZ.1.07/1.1.00/ Matematika pro všechny. Univerzita Palackého v Olomouci

Projekt OPVK - CZ.1.07/1.1.00/ Matematika pro všechny. Univerzita Palackého v Olomouci Projekt OPVK - CZ.1.07/1.1.00/26.0047 Matematika pro všechny Univerzita Palackého v Olomouci Tematický okruh: Geometrie Různé metody řešení Téma: Analytická geometrie v prostoru, vektory, přímky Autor:

Více

1 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

1 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

Více

Okruhy, podokruhy, obor integrity, těleso, homomorfismus. 1. Rozhodněte, zda daná množina M je podokruhem okruhu (C, +, ): f) M = { a

Okruhy, podokruhy, obor integrity, těleso, homomorfismus. 1. Rozhodněte, zda daná množina M je podokruhem okruhu (C, +, ): f) M = { a Sbírka příkladů z okruhů a polynomů Algebra I Okruhy, podokruhy, obor integrity, těleso, homomorfismus 1. Rozhodněte, zda daná množina M je podokruhem okruhu (C, +, ): a) M = {a + i a R}, b) M = {a + i

Více

Vlastní čísla a vlastní vektory

Vlastní čísla a vlastní vektory Vlastní čísla a vlastní vektory 1 Motivace Uvažujme lineární prostor všech vázaných vektorů v rovině, které procházejí počátkem, a lineární zobrazení tohoto prostoru do sebe(lineární transformaci, endomorfismus)

Více

Základy maticového počtu Matice, determinant, definitnost

Základy 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

Více

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího). Předmět: MA 4 Dnešní látka Lineární (vektorový) prostor Normovaný lineární prostor Normy matic a vektorů Symetrické matice, pozitivně definitní matice Gaussova eliminační metoda, podmíněnost matic Četba:

Více

Několik aplikací. Kapitola 12

Několik aplikací. Kapitola 12 Kapitola 12 Několik aplikací Diskrétní a rychlá Fourierova transformace Diskrétní Fourierova transformace spočívá ve změně reprezentace polynomu s koeficienty v nějakém tělese T Obvyklá reprezentace polynomu

Více

11. VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ

11. VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ 11. VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ Dovednosti: 1. Chápat pojmy orientovaná úsečka a vektor a geometrický význam součtu, rozdílu a reálného násobku orientovaných úseček a vektorů..

Více

Státní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách

Státní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách Státní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách Ústní zkouška z oboru Náročnost zkoušky je podtržena její ústní formou a komisionálním charakterem. Předmětem bakalářské zkoušky

Více

Připomenutí co je to soustava lineárních rovnic

Připomenutí co je to soustava lineárních rovnic Připomenutí co je to soustava lineárních rovnic Příklad 2x 3y + z = 5 3x + 5y + 2z = 4 x + 2y z = 1 Soustava lineárních rovnic obecně Maticový tvar: a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a

Více

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]

MATICE. 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

Více

Zápo tová písemná práce. 1 z p edm tu 01MAB3 varianta A

Zápo tová písemná práce. 1 z p edm tu 01MAB3 varianta A Zápo tová písemná práce. 1 z p edm tu 01MAB3 varianta A st eda 19. listopadu 2015, 11:2013:20 ➊ (3 body) Pro diferenciální operátor ˆL je mnoºina W q denována p edpisem W q = { y(x) Dom( ˆL) : ˆL(y(x))

Více

Hisab al-džebr val-muqabala ( Věda o redukci a vzájemném rušení ) Muhammada ibn Músá al-chvárizmího (790? - 850?, Chiva, Bagdád),

Hisab al-džebr val-muqabala ( Věda o redukci a vzájemném rušení ) Muhammada ibn Músá al-chvárizmího (790? - 850?, Chiva, Bagdád), 1 LINEÁRNÍ ALGEBRA 1 Lineární algebra Slovo ALGEBRA pochází z arabského al-jabr, což znamená nahrazení. Toto slovo se objevilo v názvu knihy islámského matematika Hisab al-džebr val-muqabala ( Věda o redukci

Více

Matematika PRŮŘEZOVÁ TÉMATA

Matematika PRŮŘEZOVÁ TÉMATA Matematika ročník TÉMA 1-4 Operace s čísly a - provádí aritmetické operace v množině reálných čísel - používá různé zápisy reálného čísla - používá absolutní hodnotu, zapíše a znázorní interval, provádí

Více

1. Jordanův kanonický tvar

1. Jordanův kanonický tvar . Jordanův kanonický tvar Obecně nelze pro zadaný lineární operátor ϕ : U U najít bázi α takovou, že (ϕ) α,α by byla diagonální. Obecně však platí, že pro každý lineární operátor ϕ : U U nad komplexními

Více

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:

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: 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...

Více

Gymnázium Česká a Olympijských nadějí, České Budějovice, Česká 64, 37021

Gymnázium Česká a Olympijských nadějí, České Budějovice, Česká 64, 37021 Maturitní témata MATEMATIKA 1. Funkce a jejich základní vlastnosti. Definice funkce, def. obor a obor hodnot funkce, funkce sudá, lichá, monotónnost funkce, funkce omezená, lokální a globální extrémy funkce,

Více

Mgr. Ladislav Zemánek Maturitní okruhy Matematika 2013-2014. 1. Obor reálných čísel

Mgr. Ladislav Zemánek Maturitní okruhy Matematika 2013-2014. 1. Obor reálných čísel Mgr. Ladislav Zemánek Maturitní okruhy Matematika 2013-2014 1. Obor reálných čísel - obor přirozených, celých, racionálních a reálných čísel - vlastnosti operací (sčítání, odčítání, násobení, dělení) -

Více

Co je obsahem numerických metod?

Co je obsahem numerických metod? Numerické metody Úvod Úvod Co je obsahem numerických metod? Numerické metody slouží k přibližnému výpočtu věcí, které se přesně vypočítat bud nedají vůbec, nebo by byl výpočet neúměrně pracný. Obsahem

Více

Vlastnosti lineárních zobrazení a velikost vektorů

Vlastnosti 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

Více

Matematika II Lineární diferenciální rovnice

Matematika II Lineární diferenciální rovnice Matematika II Lineární diferenciální rovnice RNDr. Renata Klufová, Ph. D. Jihoèeská univerzita v Èeských Budìjovicích EF Katedra aplikované matematiky a informatiky Lineární diferenciální rovnice Denice

Více

Arnoldiho a Lanczosova metoda

Arnoldiho a Lanczosova metoda Arnoldiho a Lanczosova metoda 1 Částečný problém vlastních čísel Ne vždy je potřeba (a někdy to není ani technicky možné) nalézt celé spektrum dané matice (velké řídké matice). Úloze, ve které chceme aproximovat

Více

MATURITNÍ TÉMATA Z MATEMATIKY

MATURITNÍ TÉMATA Z MATEMATIKY MATURITNÍ TÉMATA Z MATEMATIKY 1. Základní poznatky z logiky a teorie množin Pojem konstanty a proměnné. Obor proměnné. Pojem výroku a jeho pravdivostní hodnota. Operace s výroky, složené výroky, logické

Více

12. Determinanty. 12. Determinanty p. 1/25

12. Determinanty. 12. Determinanty p. 1/25 12. Determinanty 12. Determinanty p. 1/25 12. Determinanty p. 2/25 Determinanty 1. Induktivní definice determinantu 2. Determinant a antisymetrické formy 3. Výpočet hodnoty determinantu 4. Determinant

Více

Kapitola 5. Symetrické matice

Kapitola 5. Symetrické matice Kapitola 5 Symetrické matice Symetrické matice mají mezi všemi maticemi významné postavení. Nejen, že se častěji vyskytují v aplikacích, ale i jejich matematické vlastnosti jsou specifické. V této kapitole

Více

1 Linearní prostory nad komplexními čísly

1 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)

Více