Jordanův normální tvar
|
|
- Julie Ševčíková
- před 5 lety
- Počet zobrazení:
Transkript
1 Jordanův normální tvar 1 Jordanův normální tvar Michael Krbek 1.Zobecněnévlastnívektory. Vdalšímbudemeuvažovatlinearníoperátory α: V V, kde V jevektorovýprostordimenze nnadtělesemc.zatímjsmesezabývalivětšinoutzv. diagonalizovatelnými lineárními operátory, tj. operátory α, které mají bázi složenou z vlastních vektorů. Ne všechny lineární operátory jsou ovšem diagonalizovatelné. Příklad1.Vezměme α:c 3 C 3,jehožmatice Avestandardníbázijedána A= Charakteristický polynom této matice(a tedy i operátoru α) je λ λ λ =(1 λ)λ2. Číslo λ=0jetedydvojnásobnýmaλ=1jejednoduchýmkořenemcharakteristickéhopolynomu. Spočtěme vlastní vektory u příslušné vlastní hodnotě λ = 1, λ 0 0 u u u λ 1 u 2 = u 2 = u 2 0, λ u u u 3 0 jetedy u 1 =0au 2 +u 3 =0.Vlastnívektorypříslušnékvlastníhodnotě λ=1tvoříjednorozměrnýpodprostorgenerovanýnapř.vektorem u,jehožsložkyvstandardníbázijsou(0,1, 1) t (můžemetaképsát u=(0,1, 1) t ). Spočtěme nyní vlastní vektory příslušné vlastní hodnotě λ = 0. λ 0 0 v v v λ 1 v 2 = v 2 = v 2 0, λ v v v 3 0 jetedy v 1 =0av 3 =0.Vlastnívektorypříslušnékdvojnásobnévlastníhodnotě λ=0tvoří jednorozměrnýpodprostorgenerovanýnapř.vektorem v=(0,1,0) t. Dimenze vektorového prostoru, na kterém α působí, je ovšem 3, potřebujeme tedy ještě jeden bázový vektor w takový, že systém(u, v, w) je lineárně nezávislý. Kde nastal problém? Přestože λ = 0 je dvojnásobným kořenem charakteristického polynomu, je dimenze podprostoru vlastních vektorů příslušných k vlastní hodnotě λ = 0 pouze 1. Musíme tedy najít nějaký vektor w vztahujícísekvlastníhodnotě λ=0(nebudetoalevlastnívektor),kterýspolečněsvektory u a v tvoří lineárně nezávislý systém. Nápad: Zkusmepro λ=0řešitsoustavu(a λ.1) 2 w=0.tatosoustavamusímítnenulová řešení,protožehodnostmaticerank(a λ.1) <3atedyihodnostrank[(A λ.1) 2 ] < λ 0 0 w w w λ 1 w 2 = w 2 = w 2 = 0, λ w w w 3 0
2 Jordanův normální tvar 2 platítedy w 1 = w 3 =0apodprostortěchtovektorůjedvojrozměrný,generovanýnapříklad vektory(0,1,0) t a(1,0,1) t.tentopodprostorjevětšínežpodprostorvlastníchvektorůpříslušných vlastní hodnotě λ = 0. Jak vidíme, patří sem každý vlastní vektor v příslušný vlastní hodnotě λ=0.platí-litotiž(a λ.1)v=0,platítaké(a λ.1) 2 v=0.musímetedyvybrat takovývektor w,kterýzároveňnenívlastnímvektorempříslušnýmkλ=0anikλ=1,např. w=(1,0,1) t.vektory(u,v,w)potomtvořílineárněnezávislýsystém.přejděmenyníkbázi tvořenétěmitovektory,maticepřechoduktétobázije S=(u,v,w).Lineárníoperátor αje vtétobázidánmaticí S 1 AS = = =J Jedná se v tomto smyslu o nejjednodušší bázi, v níž můžeme operátor α vyjádřit. Úvahy z úvodního příkladu nás motivují k definici: Vektor v V nazveme zobecněným vlastním vektorem operátoru α příslušným k vlastní hodnotě λ, pokud existuje k N takové,že(α λ.1) k v=0, k-toumocninouoperátoruzdepřitomrozumímejeho k-násobnou postupnou aplikaci. Pro k = 1 dostáváme definici vlastního vektoru. Ukazujesetedynutnéstudovatvlastnostimocninoperátoru : V V.Zřejmětobudeme potřebovatpro = α λ.1. Lemma2.Buď kpřirozenéčíslotakové,žeplatíker k+1 =ker k.potom {0}=ker 0 ker 1 ker k =ker k+1 =ker k+2 =. Důkaz.Nechťjsousplněnypředpokladylemmatu.Chcemeukázat,žeker k+l+1 =ker k+l pro všechnapřirozená l.v ker k+l znamená k+l v=0.pokud k+l v=0jei k+l v= k+l+1 v= 0atedy v ker k+l+1.naopakpředpokládejme,že v ker k+l+1,tj.0= k+l+1 v= k+1 l v. Ztohoplyne,že l v ker k+1 azpředpokladulemmatu l v ker k,ztohoaleplyne v ker k+l. Můžemesinynípoložitotázku,zdavždyexistujetakové k,žeplatíker k =ker k+1.odpověď naotázkudávánásledujícílemma,kteréříká,ževnejhoršímpřípadě k=n=dimv.tento případ skutečně může nastat. Příklad3.Vezměmeza :C n C n operátor,jehožmatice Bvestandardníbázije B= Spočtěmenyní B k pro k {1,...,n}aurčemevždypatřičnájádrakerB k.jádrokerbje generováno prvním vektorem standardní báze. Vyšší mocniny matice B mají jedničky vždy posunutyojednupozicinaddiagonálouaproto B n+l =0pro l 0.Jádro B k jetedyvždy generovánoprvními kvektorystandardníbáze.vechvíli,kdy kdosáhnehodnoty n=dimv, jejižgenerováncelý V aprotojádranemohoudálenarůstat.
3 Jordanův normální tvar 3 Nyní získaný vhled dokážeme. Lemma4.Buď n=dimv.pakplatí n = n+l pro l N. Důkaz.Sohledemnalemma2stačídokázat n = n+1.budemedokazovatsporem.proto předpokládejme, že lemma neplatí a 0=ker 0 ker 1 ker n ker n+1, kde každá další podmnožina je ostře větší než předchozí. V každém kroku musí tedy dimenze dimker k vzrůstnejméněojedničku. Jetedydimker n+1 n+1.dimenzelibovolného podprostoru V alenemůžebýtvětšínež n=dimv atotojespor. Přímým důsledkem předchozího lemmatu 4 je následující věta charakterizující zobecněné vlastní vektory. Věta 5. Zobecněné vlastní vektory operátoru α příslušné vlastní hodnotě λ tvoří podprostor ker(α λ.1) n. Důkaz.Nechť v ker(α λ.1) n.potom vjepodledefinicezobecněnýmvlastnímvektorem příslušným vlastní hodnotě λ. Naopak nechť v je zobecněným vlastním vektorem k vlastní hodnotě λ.potompodledefiniceexistuje ktak,že v ker(α λ.1) k.vzhledemkplatnosti lemmatu4pro = α λ.1je k nakvůlilemma2jeker(α λ.1) k ker(α λ.1) n. Operátor : V V nazvemenilpotentním,existuje-li k Ntak,že k = 0.Příkladem nilpotentního operátoru je operátor z příkladu 3. Věta6.Buď : V V nilpotentníoperátoran=dimv.potom n =0. Důkaz. Protože je nilpotentní, je každý vektor v V zobecněným vlastním vektorem příslušnýmvlastníhodnotě λ=0.našetvrzeníjenynídůsledkemvěty5. Vypořádali jsme se s jádry mocnin operátorů, nyní nastal čas věnovat se jejich obrazům. Buď k 0a: V V lineárníoperátor.pokud w im k+1 pakzdefiniceexistuje vtak,že w= k+1 v= k v im k. Platí tedy V=im 0 im 1 im k im k +1. Výšeuvedenáposloupnostseopětpo n=dimv krocíchstabilizuje. Lemma7.Platíim n =im n+1 =im n+2 =. Důkaz.Vezměme m > n.potom dimim m =dimv dimker m = n dimker n =dimim n svyužitímlemmatu4aztohojižplyne,žeim n =im n+l pro l N.
4 Jordanův normální tvar 4 2. Hamilton-Cayleyho věta a rozklad operátoru. Připomeňme, že pro každý operátor α umíme nalézt takovou bázi, že jeho matice v ní je horní trojúhelníková. Příklad 8.Vezměmeoperátor αzpříkladu1.prooperátornadcjsemvždyschopninalézt alespoň jednu vlastní hodnotu a jí příslušný vlastní vektor. Vezměme např. vlastní vektor (0,1, 1) t příslušnývlastníhodnotě λ=1adoplňmehonabázivc 3.Označme P nějakou maticipřechoduktétonovébázi, P 1 APjematiceoperátoru αvtétonovébázi P= 1 0 1, P 1 = 1 0 0, P 1 AP= Další úpravy již stačí provádět s operátorem B působícím na libovolném doplňku jednorozměrnéhopodprostorugenerovanéhovlastnímvektorem(0,1, 1) t. ( ) 0 0 B= 1 0 kterýnahornítrojúhelníkovoumatici Q 1 BQpřevedemematicí ( ) ( ) Q=, Q 1 BQ= Uvažme nyní matici přechodu ( ) 1 0 P= 0 Q = kbázi(f 1,f 2,f 3 ).Vtétobázije αreprezentovánhornítrojúhelníkovoumaticí T= Věta 9 (Hamilton-Cayleyho). Buď p(λ) charakteristický polynom operátoru α. Potom platí p(α)=0. Důkaz.Nechť(f 1,...,f n )jebáze,vekterémá αhornítrojúhelníkovoumatici T.Nadiagonále maticejsouzjevněvlastníhodnotyoperátoru α.označmejeodshora λ 1,...,λ n (jemožné,že λ i = λ j ipro i j).potřebujemeukázat,že p(t)f j =0provšechna j {1,...,n}.Vzhledem k tomu, že T je trojúhelníková, je i p(t) trojúhelníková. Rozložme charakteristický polynom matice p(t)=(t λ n.1)...(t λ 1.1).Stačítedydokázat(T λ j.1)...(t λ 1.1)f j =0pro j {1,...,n}.Zjevněplatí 0 1 λ 2 λ 1 (T λ 1.1)f 1 = 0. =0 0 λ n λ 1 0
5 Jordanův normální tvar 5 Vdalšímkrokuuvažme(T λ 2.1)(T λ 1.1)působícínaprvnídvabázovévektory f 1 a f 2. λ 1 λ λ 2 λ (T λ 2.1)(T λ 1.1)f 1 =.. =0 0 λ n λ 1 0 λ n λ Kdyžvezmemesoučintrojúhelníkovýchmatic(T λ j.1)...(t λ 1.1)budemítprvníaplikovaná matice0vprvnímřádku,druhávdruhématd.aj-távj-témřádkunadiagonáleavjejich součinbude0vprvních j-řádcích,cožplatíprokaždé j.tímjetvrzenídokázáno. Nyní se zabývejme libovolným polynomem q z operátoru α. Lemma 10. ker q(α) je invariantním podprostorem α. Důkaz.Nechť v kerq(α),tj. q(α)v = 0.Potomale q(α)αv = αq(α)v = α(0) = 0,tj. αv kerq(α). Nyní jsme již schopni dokázat větu o struktuře lineárních operátorů. Věta11.Buď V vektorovýprostornadtělesemcdimenze n, α: V V a λ 1,...,λ r všechny různévlastníhodnoty αau 1,...,U r jimpříslušnépodprostoryzobecněnýchvlastníchvektorů. Potom platí (1) V = U 1 U r, (2)každý U j jeinvariantnímpodprostorem α, (3)každé(α λ j.1) Uj jenilpotentní. Důkaz.(2)jedůsledkemlemmatu10propolynom q(z)=(z λ j ) n,(3)jepřímýmdůsledkem definic.abychomukázali(1),uvědommesi,žedimu j jerovnapočtuvýskytůvlastníhodnoty nadiagonálepříslušnétrojúhelníkovématice.jetedyzřejmé,žedimv =dimu 1 + +dimu r. Buďnyní U= U 1 + +U r.potomje Uinvariantnímpodprostorem α.můžemetedydefinovat : U U jakorestrikci αna U. máalestejnévlastníhodnoty,ajelikožvuležívšechny zobecněnévlastnívektory,máistejnézobecněnévlastnívektoryajetedydimu =dimv. Jelikožje Upodprostorem V,jetedy U= V. Nyní se musíme zabývat strukturou nilpotentních operátorů. Začneme definicí. Podprostor U V senazývácyklickým vzhledemk: V V,existuje-lijehobáze(e 1,...,e r )taková,že (e 1 )=e 2, (e 2 )=e 3,..., (e r )=0,schematickytolzenapsat e r e r 1 e r 2 e 2 e 1 0, báze(e 1,...,e r )sevtakovémpřípaděnazývájordanovoubází. Věta12.Buď : V V nilpotentníoperátor.potomexistujícyklicképodprostory U 1,...,U s tak,že V= U 1 U s.
6 Jordanův normální tvar 6 Důkaz.Označme kstupeňnilpotenceoperátoru,tjnejmenšítakové k,že k =0,ale k 1 0. Jetedyker k 1 V. (a)zvolímelibovolněbázivker k 1 adoplnímejinabázive V =ker k nějakýmivektory e 1,...,e l1.vektory k 1 e 1,..., k 1 e l1 tvořípotombázivimg k 1. (b)zvolímelibovolněbázivker k 2 adoplnímejivektory e 1,...,e l1.vzniklýsystémje lineárněnezávislý(lineárnízávislostznamená,žebyexistovala a 1 (e 1 )+ +a l1 (e l1 ker k 2. Ztohoalezískámespors(a))adoplnímehonabázivker k 1 nějakýmivektory e l1 +1,...,e l2. (c)zvolímelibovolněbázivker k 3 adoplnímejivektory 2 e 1,..., 2 e l1, e l1 +1,...,e l2. Vzniklýsystémjeopětlineárněnezávislý.Systémdoplnímenabázivker k 2 nějakýmivektory e l2 +1,...,e l3. Podobnýchkrokůprovedeme k,kdyvposlednímkrokuberemeker 0 =ker1={0}acelkově získáme bázi e 1,...,e l1, e 1,...,e l1,e l1 +1,...,e l2 2 e 1,..., 2 e l1,e l1 +1,...,e l2,e l2 +1,...,e l3. v prostoru V. Podprostory [e 1,e 1, 2 e 1,...],...,[e l1,e l1, 2 e l1,...] [e l1 +1,e l1 +1, 2 e l1 +1,...],...,[e l2,e l2, 2 e l2,...] jsoucyklické.tímjetvrzenídokázáno. Schematicky můžeme situaci znázornit pomocí diagramu: e 1... e l1... e l e l e l e l Zřejměkaždýblok(α λ j.1) Uj zvěty11jenilpotentníalzekněmutedyzkonstruovatjordanovu bázi. Bloky jsou určeny jednoznačně až na jejich pořadí. Cyklické podprostory jsou rovněž určeny jednoznačně až na pořadí. Ukázali jsme, že pro každý operátor lze najít takovouto bázi.
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
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
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
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,
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)
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
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
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
FREDHOLMOVA ALTERNATIVA
FREDHOLMOVA ALTERNATIVA Pavel Jirásek 1 Abstrakt. V tomto článku se snažíme shrnout dosavadní výsledky týkající se Fredholmovy alternativy (FA). Postupně zmíníme FA na prostorech konečné dimenze, FA pro
Těleso racionálních funkcí
Těleso racionálních funkcí Poznámka. V minulém semestru jsme libovolnému oboru integrity sestrojili podílové těleso. Pro libovolné těleso R je okruh polynomů R[x] oborem integrity, máme tedy podílové těleso
CHARAKTERISTICKÉ VEKTORY
Kapitola 3 CHARAKTERISTICKÉ VEKTORY Nyní se budeme zabývat vlastnostmi matic lineárních zobrazení A: V V, kde V je vektorový prostor dimenze n Protože každý komplexní n -dimenzionální vektorový prostor
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
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
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
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
x 2 = a 2 + tv 2 tedy (a 1, a 2 ) T + [(v 1, v 2 )] T A + V Příklad. U = R n neprázdná množina řešení soustavy Ax = b.
1. Afinní podprostory 1.1. Motivace. Uvažujme R 3. Jeho všechny vektorové podprostory jsou počátek, přímky a roviny procházející počátkem a celé R 3. Chceme-li v R 3 dělat geometrii potřebujeme i jiné
[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
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
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
a počtem sloupců druhé matice. Spočítejme součin A.B. Označme matici A.B = M, pro její prvky platí:
Řešené příklady z lineární algebry - část 1 Typové příklady s řešením Příklady jsou určeny především k zopakování látky před zkouškou, jsou proto řešeny se znalostmi učiva celého semestru. Tento fakt se
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
Báze a dimenze vektorových prostorů
Báze a dimenze vektorových prostorů Buď (V, +, ) vektorový prostor nad tělesem (T, +, ). Nechť u 1, u 2,..., u n je konečná posloupnost vektorů z V. Existují-li prvky s 1, s 2,..., s n T, z nichž alespoň
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
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
Soustavy 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.
grupa těleso podgrupa konečné těleso polynomy komutativní generovaná prvkem, cyklická, řád prvku charakteristika tělesa
grupa komutativní podgrupa těleso generovaná prvkem, cyklická, řád prvku Malá Fermatova věta konečné těleso charakteristika tělesa polynomy ireducibilní prvky, primitivní prvky definice: G, je grupa kde
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
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
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,
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
10 Přednáška ze
10 Přednáška ze 17. 12. 2003 Věta: G = (V, E) lze nakreslit jedním uzavřeným tahem G je souvislý a má všechny stupně sudé. Důkaz G je souvislý. Necht v je libovolný vrchol v G. A mějme uzavřený eurelovský
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
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
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
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
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
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)
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
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
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,
Soustavy. 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.
18. První rozklad lineární transformace
Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan 18. První rozklad lineární transformace Úmluva. Vtéto přednášce V je vektorový prostor
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.
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
Soustavy lineárních rovnic
Soustavy lineárních rovnic V této kapitole se budeme zabývat soustavami lineárních diferenciálních rovnic y = a (x)y + a (x)y + + a n (x)y n + f (x) y = a (x)y + a (x)y + + a n (x)y n + f (x). y n = a
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)
Kapitola 11: Lineární diferenciální rovnice 1/15
Kapitola 11: Lineární diferenciální rovnice 1/15 Lineární diferenciální rovnice 2. řádu Definice: Lineární diferenciální rovnice 2-tého řádu je rovnice tvaru kde: y C 2 (I) je hledaná funkce a 0 (x)y +
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
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,...,
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
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.
[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.
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
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
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
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
2. Určete jádro KerL zobrazení L, tj. nalezněte alespoň jednu jeho bázi a určete jeho dimenzi.
Řešené příklady z lineární algebry - část 3 Typové příklady s řešením Příklad 3.1: Zobrazení L: P 3 R 23 je zobrazení z prostoru P 3 všech polynomů do stupně 3 (včetně nulového polynomu) do prostoru R
Definice : Definice :
KAPITOLA 7: Spektrální analýza operátorů a matic [PAN16-K7-1] Definice : Necht H je komplexní Hilbertův prostor. Řekneme, že operátor T B(H) je normální, jestliže T T = T T. Operátor T B(H) je normální
Lineární 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
10. Vektorové podprostory
Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan Definice. Bud V vektorový prostor nad polem P. Podmnožina U V se nazývá podprostor,
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
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
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
Lineární 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,...,
Obecná úloha lineárního programování
Obecná úloha lineárního programování Úloha Maximalizovat hodnotu c T x (tzv. účelová funkce) za podmínek Ax b (tzv. omezující podmínky) kde A je daná reálná matice typu m n a c R n, b R m jsou dané reálné
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
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
9 Kolmost vektorových podprostorů
9 Kolmost vektorových podprostorů Od kolmosti dvou vektorů nyní přejdeme ke kolmosti dvou vektorových podprostorů. Budeme se zabývat otázkou, kdy jsou dva vektorové podprostory na sebe kolmé a jak to poznáme.
Řešení rekurentních rovnic 2. Základy diskrétní matematiky, BI-ZDM ZS 2011/12, Lekce 11
Řešení rekurentních rovnic 2 doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky FIT České vysoké učení technické v Praze c Josef Kolar, 2011 Základy diskrétní matematiky, BI-ZDM ZS 2011/12, Lekce
Lineární 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
(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]
6. Lineární nezávislost a báze p. 1/18
6. Lineární nezávislost a báze 6. Lineární nezávislost a báze p. 1/18 6. Lineární nezávislost a báze p. 2/18 Lineární nezávislost a báze 1. Závislé a nezávislé vektory 2. Lineární kombinace a závislost
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 )(
Teorie 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:
Cyklické kódy. Definujeme-li na F [x] n sčítání a násobení jako. a + b = π n (a + b) a b = π n (a b)
C Ať C je [n, k] q kód takový, že pro každé u 1,..., u n ) C je také u 2,..., u n, u 1 ) C. Jinými slovy, kódová slova jsou uzavřena na cyklické posuny. Je přirozené takový kód nazvat cyklický. Strukturu
3 Lineární kombinace vektorů. Lineární závislost a nezávislost
3 Lineární kombinace vektorů. Lineární závislost a nezávislost vektorů. Obrázek 5: Vektor w je lineární kombinací vektorů u a v. Vektory u, v a w jsou lineárně závislé. Obrázek 6: Vektor q je lineární
Vektorové prostory R ( n 1,2,3)
n Vektorové prostory R ( n 1,2,) (Velikonoční doplněk ke cvičení LAG) Prvky kartézské mocniny R RR R jsou uspořádané trojice reálných čísel, které spolu s operacemi ( a1, a2, a) ( b1, b2, b) ( a1b1, a2
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
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
5. Singulární rozklad
5. Singulární rozklad Petr Tichý 31. října 2012 1 Singulární rozklad matice Jeden z nejdůležitějších teoretických i praktických nástrojů maticových výpočtů. Umožňuje určit hodnost či normu matice, ortogonální
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
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
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
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
3. přednáška 15. října 2007
3. přednáška 15. října 2007 Kompaktnost a uzavřené a omezené množiny. Kompaktní množiny jsou vždy uzavřené a omezené, a v euklidovských prostorech to platí i naopak. Obecně to ale naopak neplatí. Tvrzení
Báze konečněrozměrných vektorových prostorů, lineární zobrazení vektorových prostorů
Báze konečněrozměrných vektorových prostorů, lineární zobrazení vektorových prostorů Buď (V, +, ) vektorový prostor nad tělesem (T, +, ) Připomeňme, že konečná posloupnost u 1, u 2,, u n vektorů z V je
BCH kódy. Alena Gollová, TIK BCH kódy 1/27
7. přednáška z algebraického kódování Alena Gollová, TIK 1/27 Obsah 1 Binární Alena Gollová, TIK 2/27 Binární jsou cyklické kódy zadané svými generujícími kořeny. Díky šikovné volbě kořenů opravuje kód
Nejdřív spočítáme jeden příklad na variaci konstant pro lineární diferenciální rovnici 2. řádu s kostantními koeficienty. y + y = 4 sin t.
1 Variace konstanty Nejdřív spočítáme jeden příklad na variaci konstant pro lineární diferenciální rovnici 2. řádu s kostantními koeficienty. Příklad 1 Najděte obecné řešení rovnice: y + y = 4 sin t. Co
Definice 28 (Ortogonální doplněk vektorového podprostoru). V k V n ; V k V. (Pech:AGLÚ/str D.5.1)
14.3 Kolmost podprostorů 14.3.1 Ortogonální doplněk vektorového prostou Ve vektorovém prostoru dimenze 3 je ortogonálním doplňkem roviny (přesněji vektorového prostoru dimenze ) přímka na ní kolmá (vektorový
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),
Věta 12.3 : Věta 12.4 (princip superpozice) : [MA1-18:P12.7] rovnice typu y (n) + p n 1 (x)y (n 1) p 1 (x)y + p 0 (x)y = q(x) (6)
1. Lineární diferenciální rovnice řádu n [MA1-18:P1.7] rovnice typu y n) + p n 1 )y n 1) +... + p 1 )y + p 0 )y = q) 6) počáteční podmínky: y 0 ) = y 0 y 0 ) = y 1 y n 1) 0 ) = y n 1. 7) Věta 1.3 : Necht
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.......................
Lineární prostory. - vektorové veličiny(síla, rychlost, zrychlení,...), skládání, násobení reálným číslem
Lineární prostory - vektorové veličiny(síla, rychlost, zrychlení,...), skládání, násobení reálným číslem - volné vektory a operace s nimi(sčítání, násobení reálným číslem) -ve 2 nebove 3 vázanévektorysespolečnýmpočátkem
Singulární rozklad. Petr Tichý. 31. října 2013
Singulární rozklad Petr Tichý 31. října 2013 1 Outline 1 Úvod a motivace 2 Zavedení singulárního rozkladu a jeho vlastnosti 3 Výpočet a náklady na výpočet singulárního rozkladu 4 Moor-Penroseova pseudoinverze
Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru
2. Systémy lineárních rovnic V této kapitole se budeme zabývat soustavami lineárních rovnic s koeficienty z pole reálných případně komplexních čísel. Uvádíme podmínku pro existenci řešení systému lineárních
8 Kořeny cyklických kódů, BCH-kódy
24 8 Kořeny cyklických kódů, BCH-kódy Generující kořeny cyklických kódů Nechť K je cyklický kód délky n nad Z p s generujícím polynomem g(z). Chceme najít rozšíření T tělesa Z p, tedy nějaké těleso GF
Modely Herbrandovské interpretace
Modely Herbrandovské interpretace Petr Štěpánek S využitím materialu Krysztofa R. Apta 2006 Logické programování 8 1 Uvedli jsme termové interpretace a termové modely pro logické programy a také nejmenší
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,
Matematika 2 LS 2012/13. Prezentace vznikla na základě učebního textu, jehož autorem je doc. RNDr. Mirko Rokyta, CSc. J. Stebel Matematika 2
Matematika 2 13. přednáška Obyčejné diferenciální rovnice Jan Stebel Fakulta mechatroniky, informatiky a mezioborových studíı Technická univerzita v Liberci jan.stebel@tul.cz http://bacula.nti.tul.cz/~jan.stebel
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,