Kapitola 1. Tenzorový součin matic
|
|
- Ladislav Toman
- před 8 lety
- Počet zobrazení:
Transkript
1 Kapitola 1 Tenzorový součin matic Definice 1.1. Buď F komutativní těleso. Pro matice A F m n a B F r s definujeme tenzorový součin A B jako matici o rozměru mr ns zapsanou blokově: A 11 B A 12 B A 1n B A 21 B A 22 B A 2n B A B :=.. A m1 B A m2 B A mn B Poznámka 1.2. Tenzorový součin matic lze definovat i nad nekomutativními tělesy, ztrácí však naprostou většinu svých zajímavých vlastností. Budeme tedy v celé kapitole uvažovat pouze komutativní tělesa. Pozorování 1.3. Pro tenzorový součin matic A F m n a B F r s platí, že (A B) (i 1)r+k,(j 1)s+l = A ij B kl. (1.1) eq:irk Příklad 1.4. Mějme například matice A R 2 2, B R 3 2, ( ) A = B = Potom zatímco ( ) B B A B = = Θ 2B , A B A = 2A Θ A A = A
2 Poznámka 1.5. Jde vidět, že tenzorový součin není komutativní. Platí však, že matice A B a B A se liší pouze permutací řádků a sloupců; jsou-li navíc A a B čtvercové, pak platí A B B A. 1.1 Základní vlastnosti tenzorového součinu TS:v1 Pozorování 1.6. Tenzorový součin je lineární v obou argumentech, tedy platí, že A (αb + C) = α(a B) + A C a (αa + B) C = α(a C) + B C, mají-li výrazy na pravých stranách smysl. Věta 1.7. Buďte A, C matice, které lze v tomto pořadí maticově násobit, a B, D matice, které lze v tomto pořadí násobit. Pak lze násobit i matice A B a C D a platí: (A B)(C D) = AC BD. Důkaz. Matice A a C lze násobit, platí tedy, že A F m o, C F o n, podobně B F r q, D F q s. Podle definice A B F mr oq a C D F oq ns. Příslušné dimenze tedy sedí a my můžeme matice A B a C D v tomto pořadí násobit. Tenzorové součiny matic A, B a C, D vypadají takto: A 11 B A 12 B A 1o B A 21 B A 22 B A 2o B A B =., A m1 B A m2 B A mo B C 11 D C 12 D C 1n D C 21 D C 22 D C 2n D C D =.. C o1 D C o2 D C on D Jak víme, součin matic můžeme též psát blokově a použít přitom stejný zápis jako při násobení po prvcích. Toho pro přehlednost využijeme: [ o (A B)(C D) ]ij = [ ] A B k=1 = ik [ o C D ]kj = (A ik B)(C kj D) k=1 o A ik C kj BD = (AC) ij BD = [ AC BD ], ij kde v posledním kroku jsme použili definici tenzorového součinu. k=1 Poznámka 1.8. Upozorňujeme čtenáře na použití indexů v minulém důkazu. Indexy ij myslíme ij-tý blok matice, tj. [A B] ij = A ij B. Píšeme-li však indexy pouze u matice, která vystupuje v tenzorovém součinu na prvním místě, myslíme tím skutečně její prvek, tj. (A) ij = A ij ; z definice tenzorového součinu totiž vyplývá, že prvek první matice odpovídá bloku matice tenzorového součinu. Věříme, že tato lehká nedůslednost nepovede ke zmatení čtenáře. 2
3 TS:v2 Věta 1.9. Jsou-li A, B regulární matice, je jejich tenzorový součin rovněž regulární matice a platí: (A B) 1 = A 1 B 1. Důkaz. Obě tvrzení budeme dokazovat současně; platí totiž ekvivalence A je regulární existuje A 1. Upravíme výraz (A B)(A 1 B 1 ) pomocí předchozí věty: (A B)(A 1 B 1 ) = (A 1 A) (B 1 B) = I m I r = I mr, kde m je počet řádků matice A, r počet řádků matice B. Poslední krok si laskavý čtenář jistě rád sám rozmyslí. Věta Je-li A F m m podobná Ã, B Fn n podobná B, pak také A B Ã B a A I n + I m B Ã I n + I m B. Důkaz. Z definice podobnosti matic existují matice R, S regulární takové, že A = R 1 ÃR a B = S 1 BS. Pro tenzorový součin tedy platí A B = (R 1 ÃR) (S 1 BS), v obou závorkách použijeme na výrazy R 1 Ã a S 1 TS:v1 B dvakrát větu 1.7: = ( (R 1 Ã) (S 1 B) ) (R S) = (R 1 S 1 )(Ã B)(R S), a dále na první závorku větu 1.9: TS:v2 = (R S) 1 (Ã B)(R S). Protože tenzorový součin regulárních matic je regulární matice, první část tvrzení je dokázána. Druhou část ukážeme snadno aplikací první, poněvadž jednotkové matice můžeme rozepsat jako I n = S 1 I n S, podobně I m. Dostáváme tedy A I n + I m B = (R 1 ÃR) (S 1 I n S) + (S 1 I m S) (R 1 BR) = (R S) 1 (Ã I n)(r S) + (R S) 1 ( B I m )(R S). Věta Pro libovolné matice A, B platí (A B) T = A T B T. Důkaz. Buď A F m n, rozměry B jsou lhostejné. A 11 B A 12 B A 1n B A 21 B A 22 B A 2n B A B =.. A m1 B A m2 B A mn B 3
4 Pro blokový zápis libovolné matice ( ) A1 A A = 2 A 3 A 4 platí, že A T = ( A T 1 A T 3 A T 2 A T 4 ). Proto podle předchozího a z definice tenzorového součinu A 11 B T A 21 B T A m1 B T (A B) T A 12 B T A 22 B T A m2 B T =. = AT B T. A 1n B T A 2n B T A nm B T 1.2 Spektrum tenzorového součinu Poskytneme čtenáři dvě věty popisující spektrum tenzorového součinu. Jedna se bude týkat vlastních vektorů, druhá charakteristického polynomu. Věta Buďte x vlastní vektor matice A F m m k vlastnímu číslu λ a y vlastní vektor matice B F n n k vlastnímu číslu µ. Pak x y F mn 1 je vlastní vektor matice A B, resp. A I n + I m B k vlastnímu číslu λµ, resp. λ + µ. Důkaz. Z předpokladů víme, že Ax = λx a By = µy. Z využitím předchozích vět tak dostáváme a (A B)(x y) = Ax By = λx µy = λµ(x y) (A I n + I m B)(x y) = Ax I n y + I m x By = λ(x y) + µ(x y) = (λ + µ)(x y). theorem:pab Věta Nechť F je komutativní, a navíc algebraicky uzavřené těleso. Buďte A F m m a B F n n dvě čtvercové matice řádů m a n s charakteristickými polynomy p A (t) = m (λ i t) a p B (t) = i=1 n (µ j t). i=1 Pak pro charakteristické polynomy matic A B a A I n + I m B platí p A B (t) = p A In+I m B(t) = m n (λ i µ j t), (1.2) eq:pab i=1 j=1 m i=1 j=1 n (λ i + µ j t). (1.3) eq:paiib 4
5 Důkaz. Větu ukážeme nejprve pro horní trojúhelníkové matice A, B. Takové matice mají na diagonále kořeny svého charakteristického polynomu: λ 1 A 12 A 13 A 1m 0 λ 2 A 23 A 2m µ 1 B 12 B 1n 0 µ A = 0 0 λ 3., B = A(m 1)m.... B(n 1)n. 0 0 µ λ n m Tenzorový součin A B bude opět horní trojúhelníková matice a její diagonální prvky, a tedy i kořeny charakteristického polynomu p A B (t), budou λ 1 µ 1, λ 1 µ 2,..., λ 1 µ n, λ 2 µ 1, λ 2 µ 2,..., λ 2 µ n,..., λ m µ 1, λ m µ 2,..., λ m µ n. Z toho už dostáváme platnost rovnosti ( 1.2). eq:pab Podobně matice A I n + I m B bude horní trojúhelníková a na její diagonále budou součty příslušných diagonálních prvků matic A a B, tedy platí také rovnost ( 1.3). eq:paiib Nyní musíme rozšířit platnost obou rovností na obecné matice, což uděláme s pomocí věty??. XX Víme, že pro libovolné matice A, B existují trojúhelníkové matice A 1 F m m, B 1 F n n takové, že A à a B B. Potom matice A B a à B jsou podobné a mají stejný charakteristický polynom; stejně tak A I n + I m B a à I n + I m B jsou podobné. Spolu se shodností charakteristických polynomů p A (t) = pã(t) a p B (t) = p B(t) toto již dává tvrzení věty. 1.3 Maticové rovnice V této podkapitole se budeme zabývat řešením maticových rovnic AXB = C, (1.4) eq:axbc resp. AX + XB = C (1.5) eq:axxbc pro známé matice A F m m, B F n n, C F m n a neznámou X F m n. Po tělese F požadujeme pouze již zmiňovanou vlastnost komutativity. Zjevně se jedná o lineární rovnici, chceme tedy najít její matici a pravou stranu, a ukázat korespondenci mezi řešením vektorové a maticové rovnice. Abychom rovnice řešili, budeme potřebovat převádět matice z F m n na vektory z F mn. Definice Buď X F m n matice. Pak definujeme vektor X F mn tak, že napíšeme všechny sloupce matice X pod sebe do jednoho sloupce: X := X 1 X 2. X n. 5
6 Přímo z definice vidíme, že zobrazení : F m n F mn je lineární a bijektivní, tedy je to izomorfismus. Nyní se již věnujme rovnici ( 1.4) eq:axbc a zapišme ji po složkách: m n m n (AXB) ij = A ik X kl B lj = (A ik B lj )X kl = C ij. S využitím ( eq:irk 1.1) platí, že k=1 l=1 k=1 l=1 theorem:axb X kl = X (l 1)m+k,1, A ik B lj = (B T A) (j 1)m+i,(l 1)m+k, C ij = C (j 1)m+i,1, což už s větou 1.9 TS:v2 dává následující tvrzení: Věta Buďte A F m m, B F n n a C F m n matice. Pak matice X F m n je řešením rovnice AXB = C právě tehdy, když vektor X je řešením rovnice (B T A) X = C. Speciálně řešení je jednoznačné právě tehdy, když obě matice A, B jsou regulární. Příklad Řešme s využitím této věty rovnici X 11 X 12 ( ) X 21 X = X 31 X } {{ } } {{ } } {{ } } {{ } A X B C Tato rovnice je ekvivalentní rovnici s rozšířenou maticí soustavy / / X = 1/4 1/4 1/4 1/4 X = 3/8 1/ /8 1/4 1/4 0 1/4 } ( {{ } B T A C ) Podívejme se nyní na rovnici ( 1.5) eq:axxbc a pomocí znalosti řešení rovnic tvaru ( 1.4) eq:axbc ji upravme: AX + XB = C, AXI n + I m XB = C, AXI n = Y I m XB = C Y, (I n A) X = Y (B T I m ) X = C Y, (I n A) X + (B T I m ) X = C, (I n A + B T I m ) X = C. Tyto úpravy můžeme shrnout do věty. 6
7 Věta Buďte A F m m, B F n n a C F m n matice. Pak matice X F m n je řešením rovnice AX + XB = C právě tehdy, když vektor x = X je řešením rovnice (I n A + B T I m )x = C. 7
Součin matice A a čísla α definujeme jako matici αa = (d ij ) typu m n, kde d ij = αa ij pro libovolné indexy i, j.
Kapitola 3 Počítání s maticemi Matice stejného typu můžeme sčítat a násobit reálným číslem podobně jako vektory téže dimenze. Definice 3.1 Jsou-li A (a ij ) a B (b ij ) dvě matice stejného typu m n, pak
VíceUčební texty k státní bakalářské zkoušce Matematika Matice. študenti MFF 15. augusta 2008
Učební texty k státní bakalářské zkoušce Matematika Matice študenti MFF 15. augusta 2008 1 12 Matice Požadavky Matice a jejich hodnost Operace s maticemi a jejich vlastnosti Inversní matice Regulární matice,
Více2.2. SČÍTÁNÍ A NÁSOBENÍ MATIC
22 SČÍTÁNÍ A NÁSOBENÍ MATIC V této kapitole se dozvíte: jak je definováno sčítání matic a jaké má základní vlastnosti jak je definováno násobení matic číslem a jaké má základní vlastnosti zda a proč se
VíceSoustavy lineárních rovnic
7 Matice. Determinant Soustavy lineárních rovnic 7.1 Matice Definice 1. Matice typu (m, n) jesoustavam n reálných čísel uspořádaných do m řádků a n sloupců a 11, a 12, a 13,..., a 1n a 21, a 22, a 23,...,
Více5. Maticová algebra, typy matic, inverzní matice, determinant.
5. Maticová algebra, typy matic, inverzní matice, determinant. Matice Matice typu m,n je matice složená z n*m (m >= 1, n >= 1) reálných (komplexních) čísel uspořádaných do m řádků a n sloupců: R m,n (resp.
Vícea m1 a m2 a mn zobrazení. Operaci násobení u matic budeme definovat jiným způsobem.
1 Matice Definice 1 Matice A typu (m, n) je zobrazení z kartézského součinu {1, 2,,m} {1, 2,,n} do množiny R Matici A obvykle zapisujeme takto: a 1n a 21 a 22 a 2n A =, a m1 a m2 a mn kde a ij R jsou její
VíceTEORIE MATIC. Tomáš Vondra
TEORIE MATIC Tomáš Vondra 2 Obsah 1 Opakování 5 1.1 Základní operace s maticemi..................... 5 1.2 Determinant matice......................... 7 1.2.1 Cauchyův-Binedův vzorec..................
VíceLineární algebra II. Adam Liška. 9. února 2015. Zápisky z přednášek Jiřího Fialy na MFF UK, letní semestr, ak. rok 2007/2008
Lineární algebra II Zápisky z přednášek Jiřího Fialy na MFF UK, letní semestr, ak rok 2007/2008 Adam Liška 9 února 2015 http://kammffcunicz/~fiala http://wwwadliskacom 1 Obsah 10 Permutace 3 11 Determinant
VíceRegulární matice. Věnujeme dále pozornost zejména čtvercovým maticím.
Regulární matice Věnujeme dále pozornost zejména čtvercovým maticím. Věta. Pro každou čtvercovou matici A = (a ij ) řádu n nad tělesem (T, +, ) jsou následující podmínky ekvivalentní: (i) Řádky matice
VíceSkalár- veličina určená jedním číselným údajem čas, hmotnost (porovnej životní úroveň, hospodaření firmy, naše poloha podle GPS )
LINEÁRNÍ ALGEBRA Úvod vektor Skalár- veličina určená jedním číselným údajem čas, hmotnost (porovnej životní úroveň, hospodaření firmy, naše poloha podle GPS ) Kartézský souřadnicový systém -je taková soustava
VíceJazyk matematiky. 2.1. Matematická logika. 2.2. Množinové operace. 2.3. Zobrazení. 2.4. Rozšířená číslená osa
2. Jazyk matematiky 2.1. Matematická logika 2.2. Množinové operace 2.3. Zobrazení 2.4. Rozšířená číslená osa 1 2.1 Matematická logika 2.1.1 Výrokový počet logická operace zapisujeme čteme česky negace
VíceMatice. Přednáška MATEMATIKA č. 2. Jiří Neubauer. Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.
Přednáška MATEMATIKA č. 2 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz 13. 10. 2010 Uspořádané schéma vytvořené z m n reálných čísel, kde m, n N a 11 a 12 a
VíceMATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]
MATICE Matice typu m/n nad tělesem T je soubor m n prvků z tělesa T uspořádaných do m řádků a n sloupců: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] a m1 a m2 a mn Prvek a i,j je prvek matice A na místě
VíceVybrané problémy lineární algebry v programu Maple
UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA Katedra matematické analýzy a aplikací matematiky BAKALÁŘSKÁ PRÁCE Vybrané problémy lineární algebry v programu Maple Vedoucí bakalářské práce: RNDr.
VíceSkalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech.
Kapitola 9 Skalární součin Skalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech. Definice 9.1 Je-li x = (x 1,..., x n ) T R n 1 reálný
Více0. Lineární rekurence Martin Mareš, 2010-07-04
0 Lineární rekurence Martin Mareš, 2010-07-04 V tomto krátkém textu se budeme zabývat lineárními rekurencemi, tj posloupnostmi definovanými rekurentní rovnicí typu A n+k = c 0 A n + c 1 A n+1 + + c k 1
Více3. Matice a determinanty
. Matice a determinanty Teorie matic a determinantů představuje úvod do lineární algebry. Nejrozsáhlejší aplikace mají matice a determinanty při řešení systémů lineárních rovnic. Pojem determinantu zavedl
VíceMaticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:
3 Maticový počet 3.1 Zavedení pojmu matice Maticí typu (m, n, kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: a 11 a 12... a 1k... a 1n a 21 a 22...
VíceMatice 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
VíceOperace s maticemi Sčítání matic: u matic stejného typu sečteme prvky na stejných pozicích: A+B=(a ij ) m n +(b ij ) m n =(a ij +b ij ) m n.
1 Sylvestrova věta Platí: Nechť A je symetrická matice řádu n, označme a 11 a 12... a 1i a D i = 21 a 22... a 2i.... a i1 a i2... a ii Pak A(a příslušná KF) je pozitivně definitní, právěkdyž D i >0provšechna
VíceMatice se v některých publikacích uvádějí v hranatých závorkách, v jiných v kulatých závorkách. My se budeme držet zápisu s kulatými závorkami.
Maticové operace Definice Skalár Představme si nějakou množinu, jejíž prvky lze sčítat a násobit. Pěkným vzorem jsou čísla, která už známe od mala. Prvky takové množiny nazýváme skaláry. Matice Matice
VíceLineární algebra. Matice, operace s maticemi
Lineární algebra Matice, operace s maticemi Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo
VíceMaticový a tenzorový počet
Maticový a tenzorový počet Doc. RNDr. Martin Kovár, Ph.D. Ústav matematiky Fakulta elektrotechniky a komunikačních technologií VUT v Brně Obsah. Test vstupních znalostí............................. 5 Matice
VíceKapitola 11: Vektory a matice:
Kapitola 11: Vektory a matice: Prostor R n R n = {(x 1,, x n ) x i R, i = 1,, n}, n N x = (x 1,, x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i = 1,, n : x i = y i
VíceÚvod do lineární algebry
Úvod do lineární algebry 1 Aritmetické vektory Definice 11 Mějme n N a utvořme kartézský součin R n R R R Každou uspořádanou n tici x 1 x 2 x, x n budeme nazývat n rozměrným aritmetickým vektorem Prvky
VíceEuklidovský prostor Stručnější verze
[1] Euklidovský prostor Stručnější verze definice Eulidovského prostoru kartézský souřadnicový systém vektorový součin v E 3 vlastnosti přímek a rovin v E 3 a) eprostor-v2, 16, b) P. Olšák, FEL ČVUT, c)
VíceVektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice
Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory K množina reálných nebo komplexních čísel, U vektorový prostor nad K. Lineární kombinace vektorů u 1, u 2,...,u
VíceMatematika pro studenty ekonomie
w w w g r a d a c z vydání upravené a doplněné vydání Armstrong Grada Publishing as U Průhonu 7 Praha 7 tel: + fax: + e-mail: obchod@gradacz wwwgradacz Matematika pro studenty ekonomie MATEMATIKA PRO STUDENTY
VíceMatice. Je dána matice A R m,n, pak máme zobrazení A : R n R m.
Matice lineárních zobrazení [1] Připomenutí Zobrazení A : L 1 L 2 je lineární, když A( x + y ) = A( x ) + A( y ), A(α x ) = α A( x ). Což je ekvivalentní s principem superpozice: A(α 1 x 1 + + α n x n
VícePodobnost 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
VíceMasarykova univerzita. Základy konvexní analýzy a optimalizace v R n.
Masarykova univerzita Ondřej Došlý Základy konvexní analýzy a optimalizace v R n. První vydání Brno 2004 Došlý Ondřej Název knihy c prof. RNDr. Ondřej Došlý, DrSc., 2005 Největší životní umění je neoptimalizovat
Více1. Matice a maticové operace. 1. Matice a maticové operace p. 1/35
1. Matice a maticové operace 1. Matice a maticové operace p. 1/35 1. Matice a maticové operace p. 2/35 Matice a maticové operace 1. Aritmetické vektory 2. Operace s aritmetickými vektory 3. Nulový a opačný
Více2 Spojité modely rozhodování
2 Spojité modely rozhodování Jak již víme z přednášky, diskrétní model rozhodování lze zapsat ve tvaru úlohy hodnocení variant: f(a i ) max, a i A = {a 1, a 2,... a p }, kde f je kriteriální funkce a A
VíceVI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku
VI Maticový počet VI1 Základní operace s maticemi Definice Tabulku a 11 a 12 a 1n a 21 a 22 a 2n, a m1 a m2 a mn kde a ij R, i = 1,, m, j = 1,, n, nazýváme maticí typu m n Zkráceně zapisujeme (a ij i=1m
VíceMnožinu všech matic typu m n nad tělesem T budeme označovat M m n (T ), množinu všech čtvercových matic stupně n nad T pak M n (T ).
Matice Definice 4.1 Necht (T ; +, je číselné těleso, m, n N a dále necht a ij T pro všechny indexy i = 1, 2,..., m a j = 1, 2,..., n. Potom schéma a 11 a 12... a 1n a 21 a 22... a 2n... = (a ij m n a m1
VíceDEFINICE Z LINEÁRNÍ ALGEBRY
DEFINICE Z LINEÁRNÍ ALGEBRY Skripta Matematické metody pro statistiku a operační výzkum (Nešetřilová, H., Šařecová, P., 2009). 1. definice Vektorovým prostorem rozumíme neprázdnou množinu prvků V, na které
VíceA0M15EZS Elektrické zdroje a soustavy ZS 2011/2012 cvičení 1. Jednotková matice na hlavní diagonále jsou jedničky, všude jinde nuly
Matice Matice typu (m, n) je uspořádaná m-tice prvků z řádky matice.. Jednotlivé složky této m-tice nazýváme Matice se zapisují Speciální typy matic Nulová matice všechny prvky matice jsou nulové Jednotková
VíceUčební 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
VíceBiologické a akustické signály
TECHNICKÁ UNIVERZITA V LIBERCI Fakulta mechatroniky, informatiky a mezioborových studií Přednáška 4 Zbyněk Koldovský Projekt ESF CZ.1.07/2.2.00/28.0050 a inovace výuky technických předmětů. a inovace výuky
VíceKATEDRA INFORMATIKY UNIVERZITA PALACKÉHO LINEÁRNÍ ALGEBRA 1 OLGA KRUPKOVÁ VÝVOJ TOHOTO UČEBNÍHO TEXTU JE SPOLUFINANCOVÁN
KATEDRA INFORMATIKY PŘÍRODOVĚDECKÁ FAKULTA UNIVERZITA PALACKÉHO LINEÁRNÍ ALGEBRA 1 OLGA KRUPKOVÁ VÝVOJ TOHOTO UČEBNÍHO TEXTU JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM A STÁTNÍM ROZPOČTEM ČESKÉ REPUBLIKY
VíceV 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
VíceY36BEZ Bezpečnost přenosu a zpracování dat. Úvod. Róbert Lórencz. http://service.felk.cvut.cz/courses/y36bez lorencz@fel.cvut.cz
Y36BEZ Bezpečnost přenosu a zpracování dat Róbert Lórencz 1. přednáška Úvod http://service.felk.cvut.cz/courses/y36bez lorencz@fel.cvut.cz Róbert Lórencz (ČVUT FEL, 2007) Y36BEZ Bezpečnost přenosu a zpracování
VíceLineární algebra Operace s vektory a maticemi
Lineární algebra Operace s vektory a maticemi Robert Mařík 26. září 2008 Obsah Operace s řádkovými vektory..................... 3 Operace se sloupcovými vektory................... 12 Matice..................................
VíceMatematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29
Matematika 1 11. přednáška MA1 1 Opakování 2 Determinant 3 Adjungovaná matice 4 Cramerovo pravidlo 5 Vlastní čísla a vlastní vektory matic 6 Zkouška; konzultace; výběrová matematika;... 11. přednáška (15.12.2010
Více[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
VíceDeterminant. Definice determinantu. Permutace. Permutace, vlastnosti. Definice: Necht A = (a i,j ) R n,n je čtvercová matice.
[] Definice determinantu BI-LIN, determinant, 9, P Olšák [2] Determinant je číslo jistým způsobem charakterizující čtvercovou matici det A 0 pro singulární matici, det A 0 pro regulární matici používá
Více0.1 Úvod do lineární algebry
Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Vektory Definice 011 Vektorem aritmetického prostorur n budeme rozumět uspořádanou n-tici reálných čísel x 1, x 2,, x n Definice 012 Definice sčítání
VíceLineární algebra I. látka z. I. semestru informatiky MFF UK. Obsah. Zpracovali: Ondřej Keddie Profant, Jan Zaantar Štětina
1 Lineární algebra I látka z I semestru informatiky MFF UK Zpracovali: Ondřej Keddie Profant, Jan Zaantar Štětina Obsah Matice2 Grupy4 Grupa permutací4 Znaménko, inverze a transpozice grup5 Podgrupy5 Tělesa6
VíceLineární algebra : Násobení matic a inverzní matice
Lineární algebra : Násobení matic a inverzní matice (8. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 17. března 2014, 12:42 1 2 0.1 Násobení matic Definice 1. Buďte m, n, p N, A
VíceEduard Šubert: Koktejl nápoj je vektorem z lineárního obalu ingrediencí.
Eduard Šubert: Koktejl nápoj je vektorem z lineárního obalu ingrediencí. V roce 2012 se na katedře matematiky FJFI ČVUT v Praze konala Matematická fotosoutěž. Vítězný snímek týkající se právě lineární
VíceOperace s maticemi
Operace s maticemi Seminář druhý 17.10. 2018 Obsah 1 Operace s maticemi 2 Hodnost matice 3 Regulární matice 4 Inverzní matice Matice Definice (Matice). Reálná matice typu m n je obdélníkové schema A =
VícePřímé metody výpočtu charakteristických čísel matic
Masarykova Univerzita v Brně Přírodovědecká fakulta Přímé metody výpočtu charakteristických čísel matic Bakalářská práce Vedoucí bakalářské práce RNDr. Ladislav Adamec, CSc. Brno 2007 Roman Melichar Prohlašuji,
Více2. Matice, soustavy lineárních rovnic
Matice, soustavy lineárních rovnic Tento učební text byl podpořen z Operačního programu Praha- Adaptabilita Irena Sýkorová Některé vlastnosti matic Uvažujmečtvercovoumatici A=(a ij ) n n Matice Asenazývásymetrická,jestližeplatí
VíceKatedra aplikované matematiky FEI VŠB Technická univerzita Ostrava email: dalibor.lukas@vsb.cz http://www.am.vsb.cz/lukas/la1
Lineární algebra 10. přednáška: Ortogonalita II Dalibor Lukáš Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava email: dalibor.lukas@vsb.cz http://www.am.vsb.cz/lukas/la1 Text byl vytvořen
Vícematiceteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést
Úlohy k zamyšlení 1. Zdůvodněte, proč třetí řádek Hornerova schématu pro vyhodnocení polynomu p v bodě c obsahuje koeficienty polynomu r, pro který platí p(x) = (x c) r(x) + p(c). 2. Dokažte, že pokud
VíceOperace s maticemi. 19. února 2018
Operace s maticemi Přednáška druhá 19. února 2018 Obsah 1 Operace s maticemi 2 Hodnost matice (opakování) 3 Regulární matice 4 Inverzní matice 5 Determinant matice Matice Definice (Matice). Reálná matice
VíceVlastní 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
Více1 Linearní prostory nad komplexními čísly
1 Linearní prostory nad komplexními čísly V této přednášce budeme hledat kořeny polynomů, které se dále budou moci vyskytovat jako složky vektorů nebo matic Vzhledem k tomu, že kořeny polynomu (i reálného)
VíceGymnázium, Brno. Matice. Závěrečná maturitní práce. Jakub Juránek 4.A Školní rok 2010/11
Gymnázium, Brno Matice Závěrečná maturitní práce Jakub Juránek 4.A Školní rok 2010/11 Konzultant: Mgr. Aleš Kobza Ph.D. Brno, 2011 Prohlášení Prohlašuji, že jsem předloženou práci zpracoval samostatně
VíceLineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity)
4 Lineární zobrazení Definice: Nechť V a W jsou vektorové prostory Zobrazení A : V W (zobrazení z V do W nazýváme lineárním zobrazením, pokud pro všechna x V, y V a α R platí 1 A(x y = A(x A(y (vlastnost
VíceKapitola 11: Vektory a matice 1/19
Kapitola 11: Vektory a matice 1/19 2/19 Prostor R n R n = {(x 1,..., x n ) x i R, i = 1,..., n}, n N x = (x 1,..., x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i =
VíceLineární algebra : Násobení matic a inverzní matice
Lineární algebra : Násobení matic a inverzní matice (8. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních
VíceMatice. a m1 a m2... a mn
Matice Nechť (R, +, ) je okruh a nechť m, n jsou přirozená čísla Matice typu m/n nad okruhem (R, +, ) vznikne, když libovolných m n prvků z R naskládáme do obdélníkového schematu o m řádcích a n sloupcích
VíceStochastické modely: prezentace k přednášce
Stochastické modely: prezentace k přednášce Jan Zouhar Katedra ekonometrie FIS VŠE v Praze 27. října 2015 Obsah 1 Úvod do náhodných procesů 2 MŘ s diskrétním časem a konečným počtem stavů Základní pojmy
VíceVektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace
Vektory a matice Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Vektory Základní pojmy a operace Lineární závislost a nezávislost vektorů 2 Matice Základní pojmy, druhy matic Operace s maticemi
VícePoznámky z matematiky
Poznámky z matematiky Verze: 14. dubna 2015 Petr Hasil hasil@mendelu.cz http://user.mendelu.cz/hasil/ Ústav matematiky Lesnická a dřevařská fakulta Mendelova univerzita v Brně Vytvořeno s podporou projektu
VíceVlastní 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
VíceSoustavy. Terminologie. Dva pohledy na soustavu lin. rovnic. Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová.
[1] Terminologie [2] Soustavy lineárních rovnic vlastnosti množin řešení metody hledání řešení nejednoznačnost zápisu řešení Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová matice.
VíceElektrotechnická fakulta
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Elektrotechnická fakulta OPTIMÁLNÍ ROZHODOVÁNÍ A ŘÍZENÍ Jan Štecha Katedra řídicí techniky 1999 Předmluva Toto skriptum je určeno posluchačům 4. ročníku oboru technická
VíceÚvod do optimalizace
Přednáška Ú-Opt, February 19, 2006:1324 Petr Lachout 1 Úvod do optimalizace Prof. RNDr. Jitka Dupačová, DrSc. Doc. RNDr. Petr Lachout, CSc. KPMS MFF UK Verze 19. února 2006 2 Obsah 1 Úvod 5 2 Optimalizace
VíceVlastní čísla a vlastní vektory
Kapitola 11 Vlastní čísla a vlastní vektory Základní motivace pro studium vlastních čísel a vektorů pochází z teorie řešení diferenciálních rovnic Tato teorie říká, že obecné řešení lineární diferenciální
Více0.1 Úvod do lineární algebry
Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Lineární rovnice o 2 neznámých Definice 011 Lineární rovnice o dvou neznámých x, y je rovnice, která může být vyjádřena ve tvaru ax + by = c, kde
VíceLineární algebra : 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,
VíceČetba: 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:
Vícea + 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
VíceMatematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic
Přednáška třetí (a pravděpodobně i čtvrtá) aneb Úvod do lineární algebry Matice a soustavy rovnic Lineární rovnice o 2 neznámých Lineární rovnice o 2 neznámých Lineární rovnice o dvou neznámých x, y je
Více1 Polynomiální interpolace
Polynomiální interpolace. Metoda neurčitých koeficientů Příklad.. Nalezněte polynom p co nejmenšího stupně, pro který platí p() = 0, p(2) =, p( ) = 6. Řešení. Polynom hledáme metodou neurčitých koeficientů,
VíceTeorie informace a kódování (KMI/TIK) Reed-Mullerovy kódy
Teorie informace a kódování (KMI/TIK) Reed-Mullerovy kódy Lukáš Havrlant Univerzita Palackého 10. ledna 2014 Primární zdroj Jiří Adámek: Foundations of Coding. Strany 137 160. Na webu ke stažení, heslo:
Více2.6. Vlastní čísla a vlastní vektory matice
26 Cíle V této části se budeme zabývat hledáním čísla λ které je řešením rovnice A x = λ x (1) kde A je matice řádu n Znalost řešení takové rovnice má řadu aplikací nejen v matematice Definice 261 Nechť
Více1 Determinanty a inverzní matice
Determinanty a inverzní matice Definice Necht A = (a ij ) je matice typu (n, n), n 2 Subdeterminantem A ij matice A příslušným pozici (i, j) nazýváme determinant matice, která vznikne z A vypuštěním i-tého
VíceExponenciála matice a její užití. fundamentálních matic. Užití mocninných řad pro rovnice druhého řádu
1 Tutoriál č. 3 Exponenciála matice a její užití řešení Cauchyovy úlohy pro lineární systémy užitím fundamentálních matic. Užití mocninných řad pro rovnice druhého řádu 0.1 Exponenciála matice a její užití
Vícey = Spočtěte všechny jejich normy (vektor je také matice, typu n 1). Řádková norma (po řádcích sečteme absolutní hodnoty prvků matice a z nich
Normy matic Příklad 1 Je dána matice A a vektor y: A = 2 0 3 4 3 2 y = Spočtěte všechny jejich normy (vektor je také matice, typu n 1). Ověřte, že platí Ay A y (1) Ay = (4, 14, 2) T 2 2 Frobeniova norma
VíceVektorový 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 ),
VíceProgram SMP pro kombinované studium
Zadání příkladů k procvičení na seminář Program SMP pro kombinované studium Nejdůležitější typy příkladů - minimum znalostí před zkouškovou písemkou 1) Matice 1. Pro matice 1 0 2 1 0 3 B = 7 3 4 4 2 0
Více[1] Vzhledem ke zvolené bázi určujeme souřadnice vektorů...
[1] Báze Každý lineární (pod)prostor má svou bázi Vzhledem ke zvolené bázi určujeme souřadnice vektorů... a) base, 4, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010, g)l. Viz p.
VíceDefinice 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
VíceČetba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).
Předmět: MA 4 Dnešní látka Vektorový (lineární) prostor (připomenutí) Normovaný lineární prostor Normy matic a vektorů Symetrické matice, pozitivně definitní matice Gaussova eliminační metoda, podmíněnost
VíceDosud jsme se zabývali pouze soustavami lineárních rovnic s reálnými koeficienty.
Kapitola 4 Tělesa Dosud jsme se zabývali pouze soustavami lineárních rovnic s reálnými koeficienty. Všechna čísla byla reálná, vektory měly reálné souřadnice, matice měly reálné prvky. Také řešení soustav
Více1. 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
VíceSoustavy linea rnı ch rovnic
[1] Soustavy lineárních rovnic vlastnosti množin řešení metody hledání řešení nejednoznačnost zápisu řešení a) soustavy, 10, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010, g)l.
VíceÚvod do lineární algebry
Úvod do lineární algebry Tomáš Matoušek Tělesa, vektorové prostory Definice. Tělesem nazveme množinu M, na které jsou definována zobrazení, : M M M(binární operace) splňující následující axiomy: (1) (
VíceZápadočeská univerzita v Plzni. Fakulta aplikovaných věd Katedra matematiky. Geometrie pro FST 1. Pomocný učební text
Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra matematiky Geometrie pro FST 1 Pomocný učební text František Ježek, Marta Míková, Světlana Tomiczková Plzeň 29. srpna 2005 verze 1.0 Předmluva
Vícez = 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
VíceLineární algebra : Změna báze
Lineární algebra : Změna báze (13. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 8. dubna 2014, 10:47 1 2 13.1 Matice přechodu Definice 1. Nechť X = (x 1,..., x n ) a Y = (y 1,...,
Vícezejména Dijkstrův algoritmus pro hledání minimální cesty a hladový algoritmus pro hledání minimální kostry.
Kapitola Ohodnocené grafy V praktických aplikacích teorie grafů zpravidla graf slouží jako nástroj k popisu nějaké struktury. Jednotlivé prvky této struktury mají často přiřazeny nějaké hodnoty (může jít
VíceLineární programování
Lineární programování Petr Tichý 19. prosince 2012 1 Outline 1 Lineární programování 2 Optimalita a dualita 3 Geometrie úlohy 4 Simplexová metoda 2 Lineární programování Lineární program (1) min f(x) za
VíceMatematika B101MA1, B101MA2
Matematika B101MA1, B101MA2 Zařazení předmětu: povinný předmět 1.ročníku bc studia 2 semestry Rozsah předmětu: prezenční studium 2 + 2 kombinované studium 16 + 0 / semestr Zakončení předmětu: ZS zápočet
VíceLineární algebra : Lineární zobrazení
Lineární algebra : Lineární zobrazení (6. přednáška František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 20. května 2014, 22:40 1 2 6.1 Lineární zobrazení Definice 1. Buďte P a Q dva lineární prostory
Více12. 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
VíceRegresní a korelační analýza
Přednáška STATISTIKA II - EKONOMETRIE Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Regresní analýza Cíl regresní analýzy: stanovení formy (trendu, tvaru, průběhu)
Více