1 Lineární zobrazení. 5. f(u) = u + v, kde v je pevně daný nenulový vektor z R f(u) = o.

Rozměr: px
Začít zobrazení ze stránky:

Download "1 Lineární zobrazení. 5. f(u) = u + v, kde v je pevně daný nenulový vektor z R f(u) = o."

Transkript

1 1 Lineární zobrazení Cvičení 1 Která z následujících zobrazení f : R 2 R 2 jsou lineární? 1 f(u) = v, kde v je pevně daný nenulový vektor z R 2 2 f(u) = o 3 f(u) = k f(u), kde k je pevně dané reálné číslo 4 f(u) = u u, kde u je (euklidovská) velikost vektoru u 5 f(u) = u + v, kde v je pevně daný nenulový vektor z R 2 u1 u1 6 f(u) =, kde u = 2 u 2 u 2 Cvičení 2 Ať f : L L je lineární zobrazení (L je lineární prostor nad R) Ukažte, že ker(f) im(id L f) a im(f) ker(id L f) Cvičení 3 Ať f : V W je lineární zobrazení mezi lineárními prostory V a W nad R, ať dim(v ) = n Pokud B = ( b 1,, b s, b s+1,, b n ) je báze prostoru V taková, že ( b 1,, b s ) je báze prostoru ker(f), ukažte, že 1 ( b s+1,, b n ) je báze prostoru im(f), 2 dim(ker(f)) + dim(im(f)) = n, 3 V = ker(f) span( b s+1,, b n ) Když platí V = W, je ker(f) + im(f) nutně direktní součet? Pokud je ( v 1,, v n ) bází V, musí nutně nějaké v i ležet v ker(f)? Cvičení 4 Ať V je konečně dimensionální lineární prostor nad R, mějme lineární zobrazení f : V V, a ať V 1 a V 2 jsou lineární podprostory V Rozhodněte, zda platí: 1 f(v 1 V 2 ) = f(v 1 ) f(v 2 ), 2 f(v 1 V 2 ) = f(v 1 ) f(v 2 ), 3 f(v 1 + V 2 ) = f(v 1 ) + f(v 2 ), 4 f(v 1 V 2 ) = f(v 1 ) f(v 2 ) Poznámka: V tomto příkladu používáme nestandardní značení f(x), kde X je množina vektorů Tento zápis zde znamená: f(x) = {f(x) x X} Cvičení 5 Ať V je konečně dimensionální lineární prostor nad R zobrazení Ukažte, že následující tvrzení jsou ekvivalentní: Ať f : V V je lineární 1

2 1 f má inversi, 2 V a im(f) mají stejnou dimensi, 3 pro libovolnou bázi B prostoru V je i f(b) báze, 4 maticová zobrazení f vzhledem k nějaké bázi je invertibilní, 5 f je monomorfismus, 6 f je epimorfismus Co kdyby byl V nekonečně dimensionální? Co kdyby f bylo lineární zobrazení z V do jiného lineárního prostoru W? Poznámka: V tomto příkladu používáme nestandardní značení f(x), kde X je množina vektorů Tento zápis zde znamená: f(x) = {f(x) x X} Cvičení 6 Ať V je n-dimensionální lineární prostor nad R, ať f : V V je lineární zobrazení Pokud pro nějaký vektor v V platí, že ukažte, že seznam vektorů je lineárně nezávislý, a tudíž tvoří bázi V f n 1 ( v) o, ale f n ( v) = o, ( v, f( v),, f n 1 ( v)) Cvičení 7 Ať f : V V a g : V V jsou lineární zobrazení, V konečně dimensionální lineární prostor nad R Ukažte, že když g f = id V, pak f g = id V Platí toto tvrzení i pro nekonečně dimensionální prostory? Cvičení 8 Ať V a W jsou konečně dimensionální prostory nad R, ať f : V W je lineární Rozhodněte, zda platí následující tvzení: 1 ker(f) = { o} 2 Pokud f( v) = o pouze pro v = o, pak dim(v ) = dim(w ) 3 Pokud im(f) = { o}, pak je f nulovým vektorem v prostoru lineárních zobrazení z V do W (Stručněji, f = o) 4 Pokud V = W a im(f) ker(f), pak f = o 5 Pokud V = W a im(f) ker(f), pak f 2 = o 6 Pokud dim(v ) = dim(w ), pak je f isomorfismus 7 Pokud dim(v ) = dim(im(f)), pak ker(f) = { o} 8 ker(f) ker(f 2 ) 9 dim(ker(f)) dim(im(f)) 10 dim(ker(f)) dim(v ) 2

3 11 f je monomorfismus právě tehdy, když ker(f) = { o} 12 f je monomorfismus právě tehdy, když dim(v ) dim(w ) 13 f je epimorfismus právě tehdy, když im(f) = W 14 f je epimorfismus právě tehdy, když dim(v ) dim(w ) Cvičení 9 Ať V a W jsou konečně dimensionální prostory nad R, ať f : V W je lineární Rozhodněte, zda platí následující tvzení: 1 Když je seznam vektorů ( v 1,, v n ) z V lineárně nezávislý, pak je lineárně nezávislý i seznam (f( v 1 ),, f( v n )) z W 2 Když je seznam vektorů (f( v 1 ),, f( v n )) z W lineárně nezávislý, pak je lineárně nezávislý i seznam ( v 1,, v n ) z V Cvičení 10 Ať je (b 1, b 2, b 3 ) báze R 3 Ať f : R 3 R 3 je lineární zobrazení definované následovně: 1 Ukažte, že f je invertibilní 2 Nalezněte f 1 3 Nalezněte 2 f f 1 f(b 1 ) = b 1, f(b 2 ) = b 1 + b 2, f(b 3 ) = b 1 + b 2 + b 3 Cvičení 11 Ať f : R 3 R 3 je lineární zobrazení určené přiřazeními 1 2 f( 0 ) = 3, f( 1 ) = 0, f( 7 ) = Nalezněte im(f), matici zobrazení f vzhledem ke kanonické bázi R 3, popište vektor f( ) x 3 Cvičení 12 Ať B = ( b 1, b 2, b 3, b 4 ) je báze lineárního prostoru V nad R Ať f : V V je lineární zobrazení, které má vzhledem k B matici

4 1 Nalezněte ker(f) 2 Nalezněte im(f) 3 Nalezněte bázi ker(f), rozšiřte ji na bázi prostoru V, a poté nalezněte matici zobrazení f vzhledem k této bázi 1 2 Cvičení 13 Ať f, g : R 2 R 2 jsou lineární zobrazení Mějme dvě báze A = (, ) a B = (, ) Matice zobrazení f vzhledem k A je 1 2 ( ) 1 2, 2 3 matice zobrazení g vzhledem k B je ( ) ( ) 3 Ať u = 3 1 Nalezněte matici zobrazení f + g vzhledem k bázi B 2 Nalezněte matici zobrazení f g vzhledem k bázi A 3 Nalezněte coord A (f(u)) 4 Nalezněte coord B (g(u)) Cvičení 14 Ať W je lineární podprostor lineárního prostoru V nad R Mějme lineární zobrazení f : W V Lze vždy f rozšířit na lineární zobrazení V V? (Tj, lze vždy definovat lineární zobrazení f : V V takové, aby pro všechny vektory w W platilo f ( w) = f( w)?) Cvičení 15 Lineární podprostor W lineárního prostoru V nad R nazveme invariantním podprostorem vzhledem k lineárnímu zobrazení f : V V, pokud platí f(w ) W (čili: pro libovolný vektor w W platí, že f( w) W ) 1 Pokud je f isomorfismus, ukažte, že W je invariantní podprostor vzhledem k lineárnímu zobrazení f 1 2 Pokud V = W W, je pak nutně W také invariantním podprostorem vzhledem k zobrazení f? Cvičení 16 Mějme lineární zobrazení A : R 2 R 2 zadáno maticí ( ) 2 1 A = 0 2 ( ) 1 vzhledem ke kanonické bází Ať W 1 = span( ) Ukažte, že W 0 1 je invariantní podprostor vzhledem k lineárnímu zobrazení A, a že neexistuje lineární podprostor W 2 invariantní vzhledem k A takový, aby platilo W 1 W 2 = R 2 4

5 Cvičení 17 Lineární zobrazení f : V V nazvěme projektorem, pokud platí f 2 = f Ať f, g : V V jsou projektory Ukažte, že f i g komutují se zobrazením (f g) 2 Dále ukažte, že platí (f g) 2 + (id V f g) 2 = id V Cvičení 18 Ať B = (b 1, b 2, b 3, b 4 ) je báze lineárního prostoru V nad R zobrazení f : V V tak, že f(b 1 ) = f(b 2 ) = f(b 3 ) = b1, f(b 4 ) = b 2 Nalezněte ker(f), ker(f) + im(f) a ker(f) im(f) Cvičení 19 Definujte f, g : R 2 R 2 následujícími přiřazeními: x1 x2 x1 x1 x f( ) =, g( ) = 2 1 Ukažte, že f i g jsou lineární Definujme lineární 2 Nalezněte netriviální invariantní podprostory vzhledem k f 3 Nalezněte ker(g) a im(g) 4 Ukažte, že dim(ker(g)) + dim(im(g)) = 2, ale součet ker(g) + im(g) není direktní Cvičení 20 Definujte f, g : R n R n přiřazeními 0 f( ) =, g( ) = 1 Ukažte, že f i g jsou lineární 2 Nalezněte f g, g f, f n a g n 1 3 Nalezněte matice zobrazení f i g vzhledem ke kanonické bázi R n 4 Nalezněte dimense ker(f) a ker(g) Cvičení 21 Mějme lineární zobrazení f : R n R n Ať (a 1, a 2,, a m ) je báze im(f) a (b 1, b 2,, b m ) je seznam vektorů, pro který platí Ukažte, že pak platí f(b i ) = a i, i = 1,, m R n = im(f) ker(f) Cvičení 22 Ať f : V V je lineární zobrazení, V je konečně dimensionální lineární prostor Ukažte, že dim(im(f 2 )) = dim(im(f)) právě tehdy, když V = im(f) ker(f) Pokud speciálně platí f 2 = f, pak V = im(f) ker(f) Je pravdivá i obrácená věta? (Tj, je pravda, že pokud V = im(f) ker(f), pak f 2 = f?) 1 5

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

1 Lineární prostory a podprostory

1 Lineární prostory a podprostory Lineární prostory a podprostory Přečtěte si: Učebnice AKLA, kapitola první, podkapitoly. až.4 včetně. Cvičení. Které z následujících množin jsou lineárními prostory s přirozenými definicemi operací?. C

Více

Co byste měl/a zvládnout po 4. týdnu

Co byste měl/a zvládnout po 4. týdnu Co byste měl/a zvládnout po 4. týdnu Zde je uveden naprostý základ. Nejde o úplný výčet všech dovedností. Jiří Velebil: A7B0LAG Zvládnutá látka po 4. týdnu /9 Slovník základních pojmů Množina generátorů

Více

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

Vektorové 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

Více

1 Soustavy lineárních rovnic

1 Soustavy lineárních rovnic 1 Soustavy lineárních rovnic 1.1 Základní pojmy Budeme uvažovat soustavu m lineárních rovnic o n neznámých s koeficienty z tělesa T (potom hovoříme o soustavě m lineárních rovnic o n neznámých nad tělesem

Více

α 1 α 2 + α 3 = 0 2α 1 + α 2 + α 3 = 0

α 1 α 2 + α 3 = 0 2α 1 + α 2 + α 3 = 0 Vzhledem k tomu, že jsem to psala ve velkém spěchu, mohou se vyskytnout nějaké chybičky. Pokud nějaké najdu, opravím je hned po prázdninách. Zadání A. 1. Vektory u, v, w jsou lineárně nezávislé. Rozhodněte,

Více

ALGEBRA. Téma 5: Vektorové prostory

ALGEBRA. 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)

Více

Co byste měl/a zvládnout po 6. týdnu

Co byste měl/a zvládnout po 6. týdnu Co byste měl/a zvládnout po 6. týdnu Zde je uveden naprostý základ. Nejde o úplný výčet všech dovedností. Jiří Velebil: A7B01LAG Zvládnutá látka po 6. týdnu 1/8 Slovník základních pojmů Monomorfismus,

Více

Báze a dimense. Odpřednesenou látku naleznete v kapitolách a 3.6 skript Abstraktní a konkrétní lineární algebra.

Báze a dimense. Odpřednesenou látku naleznete v kapitolách a 3.6 skript Abstraktní a konkrétní lineární algebra. Báze a dimense Odpřednesenou látku naleznete v kapitolách 3.1 3.3 a 3.6 skript Abstraktní a konkrétní lineární algebra. Jiří Velebil: A7B01LAG 15.10.2015: Báze a dimense 1/19 Minulé přednášky 1 Lineární

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

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

(ne)závislost. α 1 x 1 + α 2 x 2 + + α n x n. x + ( 1) x Vektoru y = ( 1) y říkáme opačný vektor k vektoru y. x x = 1. x = x = 0.

(ne)závislost. α 1 x 1 + α 2 x 2 + + α n x n. x + ( 1) x Vektoru y = ( 1) y říkáme opačný vektor k vektoru y. x x = 1. x = x = 0. Lineární (ne)závislost [1] Odečítání vektorů, asociativita BI-LIN, zavislost, 3, P. Olšák [2] Místo, abychom psali zdlouhavě: x + ( 1) y, píšeme stručněji x y. Vektoru y = ( 1) y říkáme opačný vektor k

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

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

Lineární algebra Eva Ondráčková

Lineární algebra Eva Ondráčková Lineární algebra Eva Ondráčková Vektorové prostory Mnozízvásužsenejspíšsetkalispojmemvektor.Ukážemesi,ževektorynejsoujen množiny orientovaných úseček v rovině či trojrozměrném prostoru, ale něco zajímavějšího,

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

Důkaz Heineho Borelovy věty. Bez újmy na obecnosti vezmeme celý prostor A = M (proč? úloha 1). Implikace. Nechť je (M, d) kompaktní a nechť.

Důkaz Heineho Borelovy věty. Bez újmy na obecnosti vezmeme celý prostor A = M (proč? úloha 1). Implikace. Nechť je (M, d) kompaktní a nechť. Přednáška 3, 19. října 2015 Důkaz Heineho Borelovy věty. Bez újmy na obecnosti vezmeme celý prostor A = M (proč? úloha 1). Implikace. Nechť je (M, d) kompaktní a nechť X i = M i I je jeho pokrytí otevřenými

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

Transformace souřadnic

Transformace 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

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

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3,

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3, Vektorový prostor Příklady: Př.1. R 2 ; R 3 ; R n...aritmetický n-rozměrný prostor Dvě operace v R n : součet vektorů u = (u 1,...u n ) a v = (v 1,...v n ) je vektor u + v = (u 1 + v 1,...u n + v n ),

Více

Lineární zobrazení. V prvním z následujících tvrzení navíc uvidíme, že odtud plynou a jsou tedy pak rovněž splněny podmínky:

Lineární zobrazení. V prvním z následujících tvrzení navíc uvidíme, že odtud plynou a jsou tedy pak rovněž splněny podmínky: Lineární zobrazení Nechť (V, +, ) a (W, +, ) jsou dva vektorové prostory nad týmž tělesem (T, +, ). Nechť f : V W je zobrazení splňující následující podmínky: ( u, v V)(f(u + v) = f(u) + f(v)), ( s T )(

Více

Vektorový prostor. d) Ke každému prvku u V n existuje tzv. opačný prvek u, pro který platí, že u + u = o (vektor u nazýváme opačný vektor k vektoru u)

Vektorový prostor. d) Ke každému prvku u V n existuje tzv. opačný prvek u, pro který platí, že u + u = o (vektor u nazýváme opačný vektor k vektoru u) Hodnost matice Vektorový prostor Vektorový prostor V n je množina všech n-složkových vektorů spolu s operacemi sčítání vektorů a reálný násobek vektoru, přičemž platí: a) V n je uzavřenou množinou vůči

Více

na magisterský studijní obor Učitelství matematiky pro střední školy

na magisterský studijní obor Učitelství matematiky pro střední školy Datum:... Jméno:... Přijímací řízení pro akademický rok 203/4 na magisterský studijní obor Učitelství matematiky pro střední školy Písemná část přijímací zkoušky z matematiky Za každou správnou odpověd

Více

Matematický 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. 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

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

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují 1. u + v = v + u, u, v V 2. (u + v) + w = u + (v + w),

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

K oddílu VI.1 obecné slabé topologie Příklad 1. Necht X = C([0, 1]) s topologií bodové konvergence na [0, 1]. Popište všechny

K oddílu VI.1 obecné slabé topologie Příklad 1. Necht X = C([0, 1]) s topologií bodové konvergence na [0, 1]. Popište všechny FUNKCIONÁLNÍ ANALÝZA 1 PŘÍKLADY PRO POROZUMĚNÍ LÁTCE ZS 2016/2017 PŘÍKLADY KE KAPITOLE VI K oddílu VI.1 obecné slabé topologie Příklad 1. Necht X = C([0, 1]) s topologií bodové konvergence na [0, 1]. Popište

Více

Odpřednesenou látku naleznete v kapitole 3.1 skript Abstraktní a konkrétní lineární algebra.

Odpřednesenou látku naleznete v kapitole 3.1 skript Abstraktní a konkrétní lineární algebra. Odpřednesenou látku naleznete v kapitole 3.1 skript Abstraktní a konkrétní lineární algebra. Jiří Velebil: Lineární algebra 14.10.2016: 1/13 Minulé přednášky 1 Lineární kombinace. 2 Definice lineárního

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

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

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

VEKTOROVÝ PROSTOR. Vektorový prostor V n je množina všech n-složkových vektorů spolu s operacemi sčítání, odčítání vektorů a reálný násobek vektoru.

VEKTOROVÝ PROSTOR. Vektorový prostor V n je množina všech n-složkových vektorů spolu s operacemi sčítání, odčítání vektorů a reálný násobek vektoru. VEKTOROVÝ PROSTOR Vektorový prostor V n je množina všech n-složkových vektorů spolu s operacemi sčítání, odčítání vektorů a reálný násobek vektoru. Soubor n-složkových vektorů je libovolná skupina vektorů,

Více

VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku

VI. 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

Více

a + b + c = 2 b + c = 1 a b = a 1 2a 1 + a a 3 + a 5 + 2a 2 + a 2 + a

a + b + c = 2 b + c = 1 a b = a 1 2a 1 + a a 3 + a 5 + 2a 2 + a 2 + a Zadání A. 1. Polynom P (x) má v uspořádané bázi (x 2 + x 1, 2x 2 x 1, x 2 + x + 2) souřadnice (1, 1, 1). Najděte jeho souřadnice vzhledem k uspořádané bázi (x 2 1, x 2 + x 1, x 2 + x). Nejprve si spočítáme

Více

19 Hilbertovy prostory

19 Hilbertovy prostory M. Rokyta, MFF UK: Aplikovaná matematika III kap. 19: Hilbertovy prostory 34 19 Hilbertovy prostory 19.1 Úvod, základní pojmy Poznámka (připomenutí). Necht (X,(, )) je vektorový prostor se skalárním součinem

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

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

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

Lineární algebra : Lineární (ne)závislost

Lineární algebra : Lineární (ne)závislost Lineární algebra : Lineární (ne)závislost (4. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních technologií

Více

Polynomy. Matice a determinanty. 1. Rozložte na součin kořenových činitelů polynom. P(x) = x 4 6x Řešení: x 4 6x 2 +8 = (x+2)(x 2)(x+ 2)(x 2)

Polynomy. Matice a determinanty. 1. Rozložte na součin kořenových činitelů polynom. P(x) = x 4 6x Řešení: x 4 6x 2 +8 = (x+2)(x 2)(x+ 2)(x 2) Polynomy 1 Rozložte na součin kořenových činitelů polynom P(x = x 4 6x 2 +8 x 4 6x 2 +8 = (x+2(x 2(x+ 2(x 2 2 Rozložte na součin ireducibilních reálných polynomů polynom P(x = x 6 64 x 6 64 = (x 2(x 2

Více

Lineární algebra : Báze a dimenze

Lineární 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,

Více

Úvod do lineární algebry

Úvod 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

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

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 Zobrazení 1 ZOBRAZENÍ 1. Zobrazení a algebraické struktury. (a) Ukažte, že zobrazení f : x

1 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

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28. INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.0141 Báze vektorových prostorů, transformace souřadnic Michal Botur Přednáška

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

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

Lineární algebra : Lineární prostor

Lineární 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

Více

Základní pojmy teorie množin Vektorové prostory

Základní pojmy teorie množin Vektorové prostory Základní pojmy teorie množin Přednáška MATEMATIKA č. 1 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz 7. 10. 2010 Základní pojmy teorie množin Základní pojmy

Více

GEOMETRICKÁ ZOBRAZENÍ. Josef Janyška

GEOMETRICKÁ ZOBRAZENÍ. Josef Janyška GEOMETRICKÁ ZOBRAZENÍ Josef Janyška 21. února 2019 Obsah 1 LINEÁRNÍ ZOBRAZENÍ NA VEKTOROVÝCH PROSTORECH 1 1.1 Lineární zobrazení vektorových prostorů.............. 1 1.2 Invariantní podprostory.......................

Více

15. Moduly. a platí (p + q)(x) = p(x) + q(x), 1(X) = id. Vzniká tak struktura P [x]-modulu na V.

15. 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,

Více

6 Lineární geometrie. 6.1 Lineární variety

6 Lineární geometrie. 6.1 Lineární variety 6 Lineární geometrie Motivace. Pojem lineární varieta, který budeme v této kapitole studovat z nejrůznějších úhlů pohledu, není žádnou umělou konstrukcí. Příkladem lineární variety je totiž množina řešení

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

HODNOST A DETERMINANT MATICE, INVERZNÍ MATICE

HODNOST A DETERMINANT MATICE, INVERZNÍ MATICE MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA HODNOST A DETERMINANT MATICE, INVERZNÍ MATICE Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s

Více

Z teorie je nutné znát pojmy: lineární funkcionál, jádro, hodnost a defekt lineárního funkcionálu. Také využijeme 2. větu o dimenzi.

Z teorie je nutné znát pojmy: lineární funkcionál, jádro, hodnost a defekt lineárního funkcionálu. Také využijeme 2. větu o dimenzi. Lineární funkcionál Z teorie je nutné znát pojm: lineární funkcionál jádro hodnost a defekt lineárního funkcionálu Také vužijeme větu o dimenzi [cvičení] Nechť je definován funkcionál ϕ : C C pro každé

Více

HODNOST A DETERMINANT MATICE, INVERZNÍ MATICE

HODNOST A DETERMINANT MATICE, INVERZNÍ MATICE MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA HODNOST A DETERMINANT MATICE, INVERZNÍ MATICE Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s

Více

Obsah. Lineární rovnice. Definice 7.9. a i x i = a 1 x a n x n = b,

Obsah. Lineární rovnice. Definice 7.9. a i x i = a 1 x a n x n = b, Obsah Lineární rovnice Definice 77 Uvažujme číselné těleso T a prvky a 1,, a n, b T Úloha určit všechny n-tice (x 1,, x n ) T n, pro něž platí n a i x i = a 1 x 1 + + a n x n = b, i=1 se nazývá lineární

Více

10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo

10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo 0. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo (PEF PaA) Petr Gurka aktualizováno 9. prosince 202 Obsah Základní pojmy. Motivace.................................2 Aritmetický vektorový

Více

1. Algebraické struktury

1. Algebraické struktury 1. Algebraické struktury Definice 1.1 : Kartézský součin množin A,B (značíme A B) je množina všech uspořádaných dvojic [a, b], kde a A, b B. N-tou kartézskou mocninou nazveme A n. Definice 1.2 : Nechť

Více

Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ). Čísla a 1, a 2,..., a n se nazývají složky vektoru

Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ). Čísla a 1, a 2,..., a n se nazývají složky vektoru 1 1. Lineární algebra 1.1. Lineární závislost a nezávislost vektorů. Hodnost matice Aritmetické vektory Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ).

Více

Učební 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 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,

Více

Dnešní látka Variačně formulované okrajové úlohy zúplnění prostoru funkcí. Lineární zobrazení.

Dnešní látka Variačně formulované okrajové úlohy zúplnění prostoru funkcí. Lineární zobrazení. Předmět: MA4 Dnešní látka Variačně formulované okrajové úlohy zúplnění prostoru funkcí. Lineární zobrazení. Literatura: Kapitola 2 a)-c) a kapitola 4 a)-c) ze skript Karel Rektorys: Matematika 43, ČVUT,

Více

Operace s maticemi

Operace 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 =

Více

Úlohy nejmenších čtverců

Úlohy nejmenších čtverců Úlohy nejmenších čtverců Petr Tichý 7. listopadu 2012 1 Problémy nejmenších čtverců Ax b Řešení Ax = b nemusí existovat, a pokud existuje, nemusí být jednoznačné. Často má smysl hledat x tak, že Ax b.

Více

0.1 Úvod do lineární algebry

0.1 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

Více

TOPOLOGIE A TEORIE KATEGORIÍ (2017/2018) 4. PREDNÁŠKA - SOUČIN PROSTORŮ A TICHONOVOVA VĚTA.

TOPOLOGIE A TEORIE KATEGORIÍ (2017/2018) 4. PREDNÁŠKA - SOUČIN PROSTORŮ A TICHONOVOVA VĚTA. TOPOLOGIE A TEORIE KATEGORIÍ (2017/2018) 4. PREDNÁŠKA - SOUČIN PROSTORŮ A TICHONOVOVA VĚTA. PAVEL RŮŽIČKA 4.1. (Kvazi)kompaktnost a sub-báze. Buď (Q, ) uspořádaná množina. Řetězcem v Q budeme rozumět lineárně

Více

Odpřednesenou látku naleznete v kapitole 3.3 skript Diskrétní matematika.

Odpřednesenou látku naleznete v kapitole 3.3 skript Diskrétní matematika. Lineární kódy, část 2 Odpřednesenou látku naleznete v kapitole 3.3 skript Diskrétní matematika. Jiří Velebil: A7B01LAG 22.12.2014: Lineární kódy, část 2 1/12 Dnešní přednáška 1 Analýza Hammingova (7, 4)-kódu.

Více

Matematika 2 pro PEF PaE

Matematika 2 pro PEF PaE Vektorové prostory 1 / 17 Matematika 2 pro PEF PaE 8. Vektorové prostory Přemysl Jedlička Katedra matematiky, TF ČZU Vektorové prostory Vektorové prostory a podprostory 2 / 17 vektorového prostoru Množina

Více

V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti

V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti Kapitola 5 Vektorové prostory V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti operací sčítání a násobení

Více

ALGEBRA. Téma 4: Grupy, okruhy a pole

ALGEBRA. 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,

Více

Požadavky ke zkoušce

Požadavky ke zkoušce Požadavky ke zkoušce Zkouška z předmětu MATEMATIKA 2 má dvě části Písemná část: Písemná část se ještě dále rozděluje na praktickou část písemku a teoretickou část test. Písemka trvá 90 minut a je v ní

Více

(1) Dokažte, že biprodukt je součin (a tím pádem i součet). Splňují-li homomorfismy. A B je izomorfismus stejně jako A B i+j

(1) Dokažte, že biprodukt je součin (a tím pádem i součet). Splňují-li homomorfismy. A B je izomorfismus stejně jako A B i+j 1. cvičení (1) Necht A je komutativní grupa. Dokažte, že End(A) společně s operacemi sčítání a skládání zobrazení je okruh. (2) Dokažte přímo z definice, že na každé komutativní grupě existuje právě jedna

Více

1 Determinanty a inverzní matice

1 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

Více

Matice. Předpokládejme, že A = (a ij ) je matice typu m n: diagonálou jsou rovny nule.

Matice. 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,...,

Více

2. přednáška 8. října 2007

2. přednáška 8. října 2007 2. přednáška 8. října 2007 Konvergence v metrických prostorech. Posloupnost bodů (a n ) M v metrickém prostoru (M, d) konverguje (je konvergentní), když v M existuje takový bod a, že lim n d(a n, a) =

Více

Soustavy lineárních rovnic

Soustavy lineárních rovnic Přednáška MATEMATIKA č 4 Katedra ekonometrie FEM UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz 27 10 2010 Soustava lineárních rovnic Definice Soustava rovnic a 11 x 1 + a 12 x 2 + + a

Více

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava luk76/la1

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava    luk76/la1 Lineární algebra 5. přednáška: Báze a řešitelnost soustav Dalibor Lukáš Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava email: dalibor.lukas@vsb.cz http://homel.vsb.cz/ luk76/la1 Text

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

III. Diferenciál funkce a tečná rovina 8. Diferenciál funkce. Přírůstek funkce. a = (x 0, y 0 ), h = (h 1, h 2 ).

III. Diferenciál funkce a tečná rovina 8. Diferenciál funkce. Přírůstek funkce. a = (x 0, y 0 ), h = (h 1, h 2 ). III. Diferenciál funkce a tečná rovina 8. Diferenciál funkce. Přírůstek funkce = f(x 0 + h 1, y 0 + h 2 ) f(x 0, y 0 ) f u (x 0, y 0 ), kde u = (h 1, h 2 ). ( ) = f(x 0 + h 1, y 0 ) f(x 0, y 0 ) x (x 0,

Více

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2016

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2016 Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 206 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia

Více

Matice lineárních zobrazení

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

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

Řešení. Hledaná dimenze je (podle definice) rovna hodnosti matice. a 1 2. 1 + a 2 2 1

Řešení. Hledaná dimenze je (podle definice) rovna hodnosti matice. a 1 2. 1 + a 2 2 1 Příklad 1. Určete všechna řešení následující soustavy rovnic nad Z 2 : 0 0 0 1 1 1 0 1 0 1 1 1 1 1 0 1 0 1 0 1 1 Gaussovou eliminací převedeme zadanou soustavu na ekvivalentní soustavu v odstupňovaném

Více

Učební texty k státní bakalářské zkoušce Matematika Základy teorie funkcí více proměnných. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Základy teorie funkcí více proměnných. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Základy teorie funkcí více proměnných študenti MFF 15. augusta 2008 1 5 Základy teorie funkcí více proměnných Požadavky Parciální derivace a totální

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

Masarykova univerzita

Masarykova univerzita Masarykova univerzita Přírodvědecká fakulta Bakalářská práce Lineární algebra, sbírka příkladů Brno 2007 Lenka Malounková Prohlašuji, že jsem tuto bakalářskou práci vypracovala samostatně s použitím uvedené

Více

Algebraické struktury

Algebraické struktury Algebraické struktury KMA/ALG Sylabus Teorie grup - grupy, podgrupy, normální podgrupy, faktorgrupy, Lagrangeova věta. Homomorfismus grup, věty o izomorfismu grup, cyklické grupy a jejich struktura. Direktní

Více

6.1 Vektorový prostor

6.1 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

Více

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic

Matematika (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

Více

Matice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n

Matice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n [1] Základní pojmy [2] Matice mezi sebou sčítáme a násobíme konstantou (lineární prostor) měníme je na jiné matice eliminační metodou násobíme je mezi sebou... Matice je tabulka čísel s konečným počtem

Více

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2014

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2014 Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 204 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia

Více

Dnešní látka: Literatura: Kapitoly 3 a 4 ze skript Karel Rektorys: Matematika 43, ČVUT, Praha, Text přednášky na webové stránce přednášejícího.

Dnešní látka: Literatura: Kapitoly 3 a 4 ze skript Karel Rektorys: Matematika 43, ČVUT, Praha, Text přednášky na webové stránce přednášejícího. Předmět: MA4 Dnešní látka: Od okrajových úloh v 1D k o. ú. ve 2D Laplaceův diferenciální operátor Variačně formulované okrajové úlohy pro parciální diferenciální rovnice a metody jejich přibližného řešení

Více

19. Druhý rozklad lineární transformace

19. 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

Více

Řešené úlohy z Úvodu do algebry 1

Řešené úlohy z Úvodu do algebry 1 Řešené úlohy z Úvodu do algebry Veronika Sobotíková katedra matematiky FEL ČVUT Vzhledem k tomu, že se ze strany studentů často setkávám s nepochopením požadavku zdůvodnit jednotlivé kroky postupu řešení,

Více

AB = 3 CB B A = 3 (B C) C = 1 (4B A) C = 4; k ]

AB = 3 CB B A = 3 (B C) C = 1 (4B A) C = 4; k ] 1. část 1. (u 1, u 2, u, u 4 ) je kladná báze orientovaného vektorového prostoru V 4. Rozhodněte, zda vektory (u, 2u 1 + u 4, u 4 u, u 2 ) tvoří kladnou, resp. zápornou bázi V 4. 0 2 0 0 0 0 0 1 0 2 0

Více

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014 Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia

Více

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace

Vektory 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

Více