Literatura: Text o lineární algebře na webových stránkách přednášejícího (pro opakování). Kapitoly 4 a 5 ze skript Ondřej Zindulka: Matematika 3,

Rozměr: px
Začít zobrazení ze stránky:

Download "Literatura: Text o lineární algebře na webových stránkách přednášejícího (pro opakování). Kapitoly 4 a 5 ze skript Ondřej Zindulka: Matematika 3,"

Transkript

1 Předmět: MA4 Dnešní látka Motivační úloha: ztráta stability nosníku Obyčejné diferenciální rovnice s okrajovými podmínkami a jejich řešitelnost Vlastní čísla a vlastní funkce Obecnější pohled na řešitelnost diferenciální operátory Literatura: Text o lineární algebře na webových stránkách přednášejícího (pro opakování). Kapitoly 4 a 5 ze skript Ondřej Zindulka: Matematika 3, ČVUT, Praha, (Kapitola 2 ze skript Karel Rektorys: Matematika 43, ČVUT, Praha, 2001.)

2 Obyčejné diferenciální rovnice s okrajovými podmínkami Motivace: úloha o nosníku [M43, str. 6; M3, str. 56] Nosník: vodorovný, homogenní, konstantního průřezu, prostě uložený a namáhaný na vzpěr osovou silou P, vertikálně zatížený rovnoměrnou silou q [N/m]. L délka nosníku E Youngův modul pružnosti I moment setrvačnosti průřezu vzhledem k ohybové ose u průhyb

3 Průhyb dostaneme vyřešením okrajové úlohy: Po dvojí integraci EIu (4) + Pu = q, (1) u(0) = 0 = u(l), (2) u (0) = 0 = u (L). (3) EIu (x)+pu(x) = q 2 x 2 + c 3 x + c 4. (4) Po dosazení okrajových podmínek (2)-(3) vypočteme c 4 = 0 a c 3 = ql/2. Dostáváme okrajovou úlohu EIu (x)+pu(x) = q 2 x 2 ql x, 2 (5) u(0) = 0 = u(l). (6) Poznámka: Výraz Pu q 2 x 2 + ql 2 x odpovídá momentu sil, který působí na bod[x, u(x)].

4 Rovnici EIu (x)+pu(x) = q 2 x 2 ql x upravme se zavedením 2 na a 2 = P EI (kde a > 0), b = q 2EI u + a 2 u = bx 2 + cx. c = ql 2EI Obecné řešení příslušné homogenní rovnice u + a 2 u = 0 je (viz [MA3, kapitola 2]) u H (x) = C 1 cos ax + C 2 sin ax, C 1, C 2 R (charakteristická rovnice λ 2 + a 2 = 0 má řešení λ = ±ia).

5 Partikulární řešení rovnice u + a 2 u = bx 2 + cx (*) lze hledat ve tvaru (viz [MA3, kapitola 2]) u P (x) = Ax 2 + Bx + C. Dosazením u P a u P = 2A do rovnice (*) vypočteme A, B a C a získáme obecné řešení rovnice (*) u = b a 2 x 2 + c a 2 x 2b a 4 + C 1 cos ax + C 2 sin ax, konstanty C 1 a C 2 vypočteme z okrajových podmínek u(0) = 0 a u(l) = 0.

6 Jest C 1 = 2b. Podmínka u(l) = 0 dává a4 0 = b a 2 L2 + c 2b L+ a2 = q 2EI 1 a 2 L2 ql 2EI a 4(cos al 1)+C 2 sin al 1 2b L+ a2 a 4(cos al 1)+C 2 sin al = 2b a 4(cos al 1)+C 2 sin al. (7) Jestliže sin al 0, pak (7) C 2 = 2b 1 cos al a 4 sin al u(x) = b a 2 x 2 + c a 2 x + 2b 2b 1 cos al a4(cos ax 1)+ a 4 sin ax sin al je hledaný průhyb nosníku, pokud 0< al < π (tj. P < P krit, viz dále). a

7 Co se stane, když sin al = 0? Nejmenší al s touto vlastností je al = π. Pak z (7), tj. z rovnice 0 = 2b a 4(cos al 1)+C 2 sin al dostáváme 0 = 4b a 4 + C 2 0, což nelze splnit (nebot b 0). Okrajová úloha tedy nemá řešení.

8 Jelikož a 2 = P, znamená al = π, že EI P krit = EIπ2 L 2 P = EIπ2 L 2 ; kritická hodnota osové síly (P > 0 tlaková síla) Ztráta stability. Pro P ր P krit roste u(x) nade všecky meze pro x (0, L).

9 Úloha bez příčného zatížení, tj. q = 0. u + a 2 u = 0, u(0) = 0 = u(l). (8) Víme, že obecné řešení je u H (x) = C 1 cos ax + C 2 sin ax. Z u(0) = 0 plyne C 1 = 0, z u(l) = 0 dostáváme 0 = C 2 sin al. (9) Je-li P < P krit, je 0 < al < π C 2 = 0 a dostaneme jediné řešení u = 0. Avšak P = P krit al = π (9) jest 0 = C 2 0 Tedy pro P = P krit má úloha (8) nekonečný počet řešení u(x) = C 2 sin ax C 2 R, x [0, L]. Pro P = P krit mají okrajové úlohy (1)-(3) (nebo (5)-(6)) a (8) překvapivé vlastnosti.

10 Okrajové úlohy pro ODR 2. řádu Budeme se nejprve zabývat okrajovou úlohou (OÚ) na omezeném intervalu [a, b], kde λ R: u +λu = 0, u(a) = 0, u(b) = 0. Předchozí příklad ukazuje, že OÚ (případně s nenulovou pravou stranou) může mít 0, 1 nebo řešení, tj. funkcí, které rovnici splňují v každém bodě intervalu (a, b) a vyhovují rovnostem předepsaným v krajních bodech intervalu. Otázky řešitelnosti vyšetříme podrobněji K tomu se bude hodit několik nových pojmů.

11 Skalární součin funkcí C([a, b]) lineární (vektorový) prostor funkcí spojitých na intervalu [a, b] Standardní skalární součin funkcí u, v C([a, b]) je definován rovností (u, v) = b a u(x)v(x) dx. Pozorování: Pro každé u, v C([a, b]) je (u, v) reálné číslo. Poznámka: Skalární součin se zadanou kladnou váhovou funkcí ψ (u, v) ψ = b a ψ(x)u(x)v(x) dx. Pravděpodobnost, speciální ortogonální polynomy aj.

12 Vlastnosti (u, v) = b a u(x)v(x) dx. Pro u, v, w C([a, b]) a α R platí (2. přednáška!) (u, v) = (v, u), (u + v, w) = (u, w)+(v, w), (αu, v) = α(u, v) = (u,αv), (u, u) 0, (u, u) = 0 u = 0. To jsou vlastnosti definující skalární součin v reálném oboru bez ohledu na konkrétní předpis, jímž je skalární součin definován (měli jsme skalární součin uspořádaných n-tic v reálném oboru). Zároveň vidíme, že lze definovat normu b u = (u, u) = a u 2 (x) dx. Schwarzova nerovnost: (u, v) u v. (2. přednáška!)

13 Funkce u, v C([a, b]), pro něž platí (u, v) = 0, se nazývají ortogonální (kolmé). Např. (sin x, cos x) = 0 pro skalární součin na intervalu [0,π]. Avšak (sin x, cos x) = 1/2 pro skalární součin na intervalu [0,π/2].

14 Zpět k úloze u +λu = 0, (10) u(a) = 0, u(b) = 0. (11) Definice: Takové λ, pro které existuje netriviální (tj. nenulové) řešení úlohy (10)-(11) se nazývá vlastní číslo úlohy. Je-li λ vlastní číslo, pak se každé netriviální řešení nazývá vlastní funkce příslušná k vlastnímu číslu λ. Vlastní funkce spolu s nulovou funkcí tvoří vlastní prostor (je to vektorový prostor funkcí).

15 Tvrzení: Každé vlastní číslo úlohy (10)-(11) je kladné. Důkaz: Necht λ je vlastní číslo, necht tedy u = λu. Pak ( u, u) = (λu, u) = λ(u, u) = λ u 2 a zároveň metodou integrace po částech dostaneme Tedy b b ( u, u) = u u dx = [ u u] b a + u u dx = u 2. a a λ = u 2 u 2 > 0, nebot u 0 (je to vlastní funkce) a u 0 (u nemůže být konstantní, jinak by z OP plynulo, že u = 0). Důsledek: λ 0 nulové) řešení. úloha (10)-(11) má jen triviální (tj.

16 Řešíme OÚ u +λu = 0, u(a) = 0, u(b) = 0 Dle předchozího můžeme psátλ = ω 2 pro nějaké ω > 0. Z char. rovnice r 2 +ω 2 = 0 plyne r 1,2 = ±iω. Obecné řešení má tedy tvar (nezávislý na [a, b]) u(x) = c 1 cosωx + c 2 sinωx Pro jednoduchost necht [a, b] = [0, π]. Pak OP dávají soustavu c 1 = 0, (cosωπ)c 1 +(sinωπ)c 2 = 0. ω / N c 1 = c 2 = 0, u = 0, λ = ω 2 není vlastní číslo, ω N c 1 = 0, c 2 R, u = c sinωx řešením OÚ pro každé c R, λ = ω 2 je vlastní číslo

17 Úloha: u +λu = 0, u(0) = 0, u(π) = 0 Shrnutí poznatků: Vlastní čísla: 1, 4, 9, 16, 25, 36,... Vlastní prostor odpovídající vlastnímu číslu ω 2 má dimenzi 1 a funkce sinωx je jeho bází. Stačí uvažovat ω = 1, 2, 3,... (přirozená čísla). Obecný interval [a, b]: u +λu = 0, u(a) = 0, u(b) = 0 λ je vlastním číslem k N takové, že λ = ( ) kπ 2. b a kπ(x a) Vlastní funkce u = sin, b a každá jiná vlastní funkce (příslušná vl. č. λ) je jejím nenulovým skalárním násobkem.

18 Tvrzení: Vlastní funce příslušné různým vlastním číslům úlohy u +λu = 0, u(a) = 0, u(b) = 0 jsou ortogonální, tj. pokud (λ, u) a (µ, v) jsou dva vlastní páry, λ µ, pak (u, v) = 0. Důkaz: Necht u = λu a v = µv, kde λ µ. Pak Tedy ( u, v) = (λu, v) = λ(u, v) a zároveň ( u, v) = b a u v dx = [ u v] b a + b a u v dx = (u, v ), ( v, u) = (µv, u) = µ(v, u) = µ(u, v) a zároveň ( v, u) = b nebot λ µ jsou různá vl. č. a v u dx = [ v u] b a + b λ(u, v) = µ(u, v) = (u, v) = 0, a v u dx = (u, v ).

19 Řešitelnost úlohy kde f je funkce spojitá na intervalu [a, b]. u +λu = f, (12) u(a) = 0, u(b) = 0 (13) Funkce u vyhovující (12) existuje (dokonce existuje nekonečně mnoho takových funkcí). Problémem může být splnění (13). Tvrzení: [MA 3, Tvrzení 4.9] Není-li λ vlastní číslo 1 úlohy (12)-(13), má úloha právě jedno řešení. Je-li λ vl. č. a f je ortogonální k vl. funkci příslušné λ, má úloha nekonečně mnoho řešení. Je-li λ vl. č. a f není ortogonální k vlastní funkci příslušné λ, nemá úloha žádné řešení. (Důkaz v [MA 3, str. 54, 72].) 1 Vlastním číslem úlohy (12)-(13) se rozumí vl. č. úlohy (10)-(11)! Viz [MA3].

20 Příklad: u (x)+u(x) = f(x), u(0) = 0, u(π) = 0 (*). a) f(x) = e x ; b) f(x) = x π 2. Řešení: Vlastní čísla (tj. úlohy u +λu = 0, u(0) = 0, u(π) = 0) jsou λ 1 = 1, λ 2 = 4, λ 3 = 9, λ 4 = 16,... Koeficient u u(x) v úloze (*) je tedy roven prvnímu vl. číslu λ 1 = 1, příslušná vl. funkce je u 1 = sin x. Úloha (*) tedy budˇ má nekonečně mnoho řešení, nebo nemá řešení. a) Jelikož (u 1, f) = π 0 ex sin x dx 0 (integrujeme funkci kladnou na (0, 1)), úloha (*) nemá řešení. b) Jelikož (u 1, f) = π( 0 x π 2) sin x dx = 0, úloha (*) má nekonečně mnoho řešení.

21 Okrajová úloha u +λu = 0, (14) u(a) = 0, u (b) = 0. (15) Tvrzení: Každé vlastní číslo úlohy (14)-(15) je kladné.

22 Připomeňme u +λu = 0, u(a) = 0, u (b) = 0 Důkaz: Necht λ je vlastní číslo, necht tedy u = λu. Pak ( u, u) = (λu, u) = λ(u, u) = λ u 2 a zároveň metodou integrace po částech dostaneme Tedy b b ( u, u) = u u dx = [ u u] b a + u u dx = u 2. a a λ = u 2 u 2 > 0, nebot u 0 (je to vlastní funkce) a u 0 (u nemůže být konstantní, jinak by z OP plynulo, že u = 0). Důsledek: λ 0 úloha (14)-(15) má jen nulové řešení.

23 u +λu = 0, u(a) = 0, u (b) = 0 Dle předchozího můžeme psátλ = ω 2 pro nějaké ω > 0. Z char. rovnice r 2 +ω 2 = 0 plyne r 1,2 = ±iω. Obecné řešení má tedy tvar (nezávislý na [a, b]) u(x) = c 1 cosωx + c 2 sinωx Pro jednoduchost necht [a, b] = [0, π]. Pak OP dávají soustavu c 1 = 0, ( sinωπ)c 1 +(cosωπ)c 2 = 0. Existuje k N: ω = k 1/2 u = c sinωx je řešením OÚ pro každé c R, λ = ω 2 je vlastní číslo Neexistuje k N, aby ω = k 1/2 c 2 = 0 u = 0, λ = ω 2 není vlastní číslo

24 Úloha: u +λu = 0, u(0) = 0, u (π) = 0 Shrnutí poznatků: Vlastní čísla: 1/4, 9/4, 25/4, 49/4, 81/4,... Vlastní funkce odpovídající vlastnímu číslu (k 1/2) 2 je sin((k 1/2)x), kde k = 1, 2, 3,... Obecný interval [a, b]: u +λu = 0, u(a) = 0, u (b) = 0 λ je vlastním číslem ( ) (k 1/2)π 2 k přirozené a takové, že λ =. b a (k 1/2)π(x a) Vlastní funkce u = sin, b a každá jiná vlastní funkce (příslušná vl. č. λ) je jejím nenulovým skalárním násobkem.

25 Tvrzení: Vlastní funce příslušné různým vlastním číslům úlohy u +λu = 0, u(a) = 0, u (b) = 0 jsou ortogonální, tj. pokud (λ, u) a (µ, v) jsou dva vlastní páry, λ µ, pak (u, v) = 0. Důkaz: Necht u = λu a v = µv, kde λ µ. Pak Tedy ( u, v) = (λu, v) = λ(u, v) a zároveň ( u, v) = b a u v dx = [ u v] b a + b a u v dx = (u, v ), ( v, u) = (µv, u) = µ(v, u) = µ(u, v) a zároveň ( v, u) = b nebot λ µ jsou různá vl. č. a v u dx = [ v u] b a + b λ(u, v) = µ(u, v) = (u, v) = 0, a v u dx = (u, v ).

26 Také tvrzení o řešitelnosti okrajové úlohy u +λu = f, u(a) = 0, u (b) = 0 je analogické řešitelnosti OÚ u +λu = f, u(a) = 0, u(b) = 0.

27 Vyšetřování okr. úlohy u +λu = 0, u (a) = 0, u(b) = 0 vede k analogickým výsledkům: Každé vlastní číslo úlohy je kladné. Pro λ 0 má úloha jen nulové řešení. Vlastní funce příslušné různým vlastním číslům jsou ortogonální. λ je vlastním číslem ( ) (k 1/2)π 2 k přirozené a takové, že λ =. b a (k 1/2)π(x a) Vlastní funkce u = cos, b a každá jiná vlastní funkce (příslušná vl. č. λ) je jejím nenulovým skalárním násobkem.

28 Nelze řešitelnost těchto a dalších okrajových úloh popsat jednotně v rámci nějaké obecnější teorie?

29 Diferenciální operátory Operátor je zobrazení, které prvku z jednoho vektorového prostoru přiřadí nějaký prvek ze stejného nebo z jiného vektorového prostoru. Budeme se zabývat především vektorovými prostory funkcí. Operátor A je definován na svém definičním oboru D(A) (vektorový (pod)prostor funkcí).

30 Příklady I : C([a, b]) C([a, b]) I : g g, I(g) = g operátor identity, identický operátor A : C((, )) C((, )) A : g ĝ, A(g)(x) = g(x + h), kde h R je pevně zvoleno; operátor posuvu Např. h = π/2, A(sin)(x) = cos(x) pro x R. A : C 1 ([a, b]) C([a, b]) A : g g diferenciální operátor často značen D, tj. D(g)(x) = g (x), x [a, b]. D 12 : C 12 ([a, b]) C([a, b]) D 12 (g)(x) = g (12) (x), x [a, b]. Lineární operátory, tj. A(αu + βv) = αa(u) + βa(v) pro α,β R a u, v D(A) (definiční obor operátoru A). Poznámka: U lin. op. často zkrácený zápis Au, Iv, atd.

31 Lineární diferenciální operátor n-tého řádu (LDOn) [MA 3, kapitola 5] A def = w n D n + w n 1 D n 1 + w 1 D + w 0 I, kde w 0, w 1,...,w n jsou funkce spojité na [a, b], x [a, b] w n (x) 0 ( w n > 0 (w n < 0) na celém [a, b]). D(A) = {u C n ([a, b]) : u splňuje homogenní okr. podm.}. Homogenní okrajové podmínky: n rovnic tvaru: 0 = lineární kombinace hodnot u(a), u (a),..., u (n 1) (a), u(b), u (b),...,u (n 1) (b). Například homogenní OP pro LDO 2. řádu na [a, b] α 1 u(a)+α 2 u (a)+β 1 u(b)+β 2 u (b) = 0, α 3 u(a)+α 4 u (a)+β 3 u(b)+β 4 u (b) = 0, kde α 1,...,α 4,β 1,...,β 4 R.

32 Příklady Zabývali jsme se OÚ u +λu = 0, u(a) = 0, u(b) = 0. Té odpovídá LDO2: Au def = u a operátorová rovnice Au = λu, D(A) = {u C 2 ([a, b]) : u(a) = u(b) = 0}. Nebo LDO2: Bu def = u λu a operátorová rovnice Bu = 0, D(B) = {u C 2 ([a, b]) : u(a) = u(b) = 0}.

33 Pro OÚ u +λu = 0, u(a) = 0, u (b) = 0 máme LDO2: Au def = u a operátorovou rovnici Au = λu, D(A) = {u C 2 ([a, b]) : u(a) = u (b) = 0}. Od předchozí se liší def. oborem operátoru a jinými vl. č. a vl. funkcemi. Prostě podepřený nosník na pružném podloží operátor: Au def = (EIu ) +γu, def. obor: D(A) = {u C 4 ([0, L]) : u(0) = u (0) = u(l) = u (L) = 0} rovnice: Au = f, kde u D(A).

34 Symetrické operátory Je zadán vhodný skalární součin. Např. b (η,ξ) def = η(x)ξ(x) dx. a LDOn A na D(A) se nazývá symetrický, pokud pro u, v D(A) platí (Au, v) = (u, Av). Operátor se nazývá pozitivní na D(A), pokud u D(A), u 0 (Au, u) > 0. Operátor se nazývá pozitivně definitní na D(A), pokud existuje taková konstanta c > 0 nezávislá na u, že u D(A) (Au, u) c u 2. Pozitivně definitní pozitivní.

35 Příklady A = D 2, tj. Au def = u. a) A je symetrický a pozitivní na D(A) = {u C 2 ([a, b]) : u(a) = u(b) = 0}. b) A je symetrický a pozitivní na D(A) = {u C 2 ([a, b]) : u(a) = u (b) = 0}. c) A je symetrický, ale není pozitivní na D(A) = {u C 2 ([a, b]) : u (a) = u (b) = 0}. V a), b) lze dokázat pozitivní definitnost.

36 Vlastní čísla operátoru Číslo λ se nazývá vlastní číslo operátoru A, pokud existuje netriviální (tj. nenulová) funkce u D(A), pro kterou platí Au = λu. Každá taková funkce se nazývá vlastní funkce příslušná vlastnímu číslu λ. Pozn.: Pro Au def = u dostáváme u +λu = 0 jako dříve. Vlastní prostor = {všechny vl. fce přísl. vl. č. λ} {triviální fce}. Věta: [MA 3, Věta 5.7] Necht operátor A je symetrický a pozitivní na D(A) a okrajové podmínky jsou homogenní. Pak vl. č. tvoří rostoucí neomezenou posloupnost; všechna vl. č. jsou > 0; vl. fce příslušné různým vl. č. jsou ortogonální.

37 Kladnost: 0 < (Au, u) = (λu, u) = λ(u, u), (u, u) > 0 λ = (Au, u)/(u, u) > 0. Kolmost: Necht Au = λu, Av = µv, λ µ. Pak λ(u, v) = (λu, v) = (Au, v) = (u, Av) = (u,µv) = µ(u, v). K důkazu stačila jen pozitivnost a symetrie! Příklady operátorů a vlastních čísel v MA 3, str

38 Řešitelnost okrajových úloh s nenulovou pravou stranou Rovnice s homogenními okrajovými podmínkami. Au λu = f (16) Poznámka: Pro Au def = u dostáváme u +λu = f jako dříve, protože znaménko na pravé straně nehraje žádnou významnou roli. Věta: [MA 3, Věta 5.15] Není-li λ vlastní číslo A, má (16) právě jedno řešení u D(A) pro každé f C([a, b]). Je-li A symetrický, je-li λ vl. č. A a f C([a, b]) je ortogonální ke každé vl. funkci příslušné λ, má (16) nekonečně mnoho řešení u D(A). Je-li A symetrický, je-li λ vl. č. A a f C([a, b]) není ortogonální ke každé vl. funkci příslušné λ, nemá (16) žádné řešení u D(A). (Částečný důkaz v [MA 3, str. 72].)

39 Důsledek: Je-li A pozitivní, má rovnice Au = f pro každou pravou stranu C([a, b]) právě jedno řešení u D(A). Důkaz: Uvažujme úlohu Au λu = f. Protože A je pozitivní, není λ = 0 vlastní číslo; z předchozího totiž víme, že pozitivní operátor má jen kladná vlastní čísla. Také lze uvažovat takto: kdyby 0 byla vlastním číslem, platilo by pro příslušnou vlastní (tj. nenulovou) funkci w, že Aw = λw = 0w = 0, tudíž (Aw, w) = (0, w) = 0, což je spor s pozitivností operátoru A. Ještě k ortogonalitě: Jestliže Au λu = f a v je vlastní funkce příslušná λ, pak musí platit (f, v) = 0, nebot (A je symetrický) (f, v) = (Au λu, v) = (Au, v) (λu, v) = (u, Av) (u,λv) = (u, Av λv) = (u, 0) = 0.

40 Příklady u = x, u (0) = u (1) = 0 λ = 0 je vl. č., nebot c R řeší OÚ s nulovou pravou stranou. Je x ortogonální k 1? Není, nebot (1, x) = 1 0 x dx > 0. Úloha tedy nemá řešení. (Z ODR plyne u = 2 3 x 3/2 + c.) u + u = exp(x), u(0) = u (π) = 0 ( u λu = exp(x), u(0) = u (π) = 0, kde λ = 1.) Víme, že λ = 1 není vl. č. Úloha tedy má právě jedno řešení. 4u + u = 2 4 cos(x/2), u(0) = u (π) = 0 Chceme využít znalosti vl. čísel pro tuto OÚ, proto upravíme na u + u/4 = 1/2 cos(x/2). Víme, že λ = 1/4 je vl. č. této OÚ (pro k = 1), tj. vl. č. operátoru A def = D 2 s danými OP, vl. fce pak je v = sin(x/2). (v, f) = π 0 sin(x/2)( 1/2+cos(x/2)) dx = 0. Úloha má nekonečně mnoho řešení.

41 Další příklady v MA 3, kapitoly 5.7 a 5.8. Nosník na podloží; zaplavený nosník MA 3, kap Doporučuji podrobně prostudovat!

42 Analogie věty o počtu řešení v závislosti na λ R platí i pro obecnější úlohy [MA 43, str. 23]. Např. u +λqu = f, u(0) = 0, u(a) = 0, f, q C([0, a]) a q(x) > 0 pro x [0, a]. Číslo λ je vl. č., jestliže existuje nenulové řešení úlohy u +λqu = 0, u(0) = 0, u(a) = 0, tomuto řešení říkáme vlastní funkce příslušná vl. č. λ. Nesnáz: Nejsou formulky pro vlastní čísla a vlastní funkce. Úlohu lze zapsat operátorově, pokud operátor(y) jsou pozitivně definitní, vlastní čísla jsou kladná (víme aspoň něco!!!). Několik prvních vl. čísel lze určit přibližně, a to numerickým výpočtem.

43 Souvislost s řešitelností soustavy lin. alg. rovnic A symetrická matice typu (n, n) (čtvercová) f vektor pravé strany Kdy má soustava Au = f řešení? Je to vlastně operátorová rovnice. Frobeniova věta: hodnost matic, tj. h(a) a h(a f)... Příslušná úloha na vlastní čísla: Au = 0, tedy λ = 0. Jestliže 0 není vl. č., pak Au = 0 má jen triviální řešení, tj. A je regulární matice, tj. existuje A 1 a Au = f má právě jedno řešení pro f, totiž u = A 1 f. Odpovídá situaci, kdy h(a) = n. Je-li 0 vlastní číslo (tj. h(a) = m < n), je situace složitější. Bud {v 1, v 2,...,v k } ortogonální báze vlastního prostoru příslušného vlastnímu číslu 0, tj. Av i = 0 pro i = 1, 2,...,k. Přidáním vhodných vektorů definujme ortogonální bázi {v 1,..., v k, t 1,..., t n k } prostoru R n.

44 Z předchozí stránky připomeňme, že {v 1,..., v k, t 1,...,t n k } je ortogonální báze R n. Všimněme si, že pro i = 1, 2,...,k platí w R n (Aw, v i ) = (w, A T v i ) = (w, Av i ) = (w, 0) = 0. Vhodnou volbou w zjistíme, že každý sloupec s j matice A je LK vektorů t 1,...,t n k, jinak by (s j, v i ) 0 pro nějaké i. Dimenze prostoru generovaného sloupci matice A musí být n k. (Necht je menší než n k a necht, BÚNO, LK tvořící sloupce matice (a její řádky, nebot A je sym.) neobsahují vektor t 1. Pak At 1 = 0, protože každý řádek matice A je tvořen LK vektorů kolmých na t 1, tedy "řádek t 1 = 0", čili t 1 je vlastní vektor, což je spor.) Tudíž hodnost m = n k. Poznatek: Vektory {t 1,..., t m } a sloupce (řádky) matice A generují týž prostor!

45 Frobeniova věta (h(a) = m < n): (a) h(a f) = m, pak nekonečně mnoho řešení. (a) Frob. "vl. č.". Necht Au = f. Pak (f, v i ) = (Au, v i ) = (u, A T v i ) = (u, Av i ) = (u, 0) = 0, i = 1, 2,...,k. A platí ortogonalita f a vl. vektorů. "Vl. č." Frob. Necht platí ortogonalita f a vl. vektorů, tj. (f, v i ) = 0, i = 1, 2,...,k. To znamená, že f je LK vektorů t 1,..., t m, leží tedy v prostoru generovaném sloupci matice A, je tedy i LK sloupců matice A s nějakými koeficienty. Udělejme z těchto koeficientů vektor u, pak Au = f.

46 Frobeniova věta (h(a) = m < n): (b) h(a f) > m, pak žádné řešení. (b) Frob. "vl. č.". Z h(a f) > m plyne, že vektor f je určen LK bázových vektorů, v níž je aspoň jeden vektor z báze vlastního prostoru. Necht je to v j, pak (f, v j ) 0, tedy pravá strana není ortogonální ke všem vl. v. příslušným vl. číslu 0. "Vl. č." Frob. Necht (f, v j ) 0, pro nějaké j {1, 2,..., k}. Zároveň je f LK bázových vektorů, přičemž v této LK je i vektor v j, f tedy neleží v prostoru generovaném sloupci matice, protože ten je shodný s prostorem generovaným vektory t 1,...,t m kolmými na vektor v j. Neleží-li v prostoru generovaném sloupci matice, nemůže mít soustava Ax = f řešení, protože pro každé x R n je vektor Ax LK sloupců matice A.

Literatura: O. Zindulka: Matematika 3 (kapitola 4, kapitola 5)

Literatura: O. Zindulka: Matematika 3 (kapitola 4, kapitola 5) Předmět: MA03 Opakování: formulace okrajové úlohy (OÚ), skalární součin funkcí, ortogonalita funkcí Nová látka: vlastní čísla a vlastní funkce OÚ ortogonalita vlastních funkcí řešitelnost OÚ Literatura:

Více

Homogenní (nulové) okrajové podmínky Nehomogenní (nenulové) okrajové podmínky

Homogenní (nulové) okrajové podmínky Nehomogenní (nenulové) okrajové podmínky Předmět: MA4 Dnešní látka Diferenciální operátory Variační formulace okrajových úloh. Přibližné řešení minimalizační úlohy Ritzova metoda. Homogenní (nulové) okrajové podmínky Nehomogenní (nenulové) okrajové

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

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

Co jsme udělali: Au = f, u D(A)

Co jsme udělali: Au = f, u D(A) 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

Vzpěr jednoduchého rámu, diferenciální operátory. Lenka Dohnalová

Vzpěr jednoduchého rámu, diferenciální operátory. Lenka Dohnalová 1 / 40 Vzpěr jednoduchého rámu, diferenciální operátory Lenka Dohnalová ČVUT, fakulta stavební, ZS 2015/2016 katedra stavební mechaniky a katedra matematiky, Odborné vedení: doc. Ing. Jan Zeman, Ph.D.,

Více

(Poznámka: V MA 43 je věta formulována trochu odlišně.)

(Poznámka: V MA 43 je věta formulována trochu odlišně.) Předmět: MA4 Dnešní látka Variačně formulované okrajové úlohy: zúplnění prostoru funkcí přibližné řešení minim. úlohy metoda konečných prvků jiný pohled na zobecněné řešení stejný způsob numerické aproximace

Více

Homogenní (nulové) okrajové podmínky Nehomogenní (nenulové) okrajové podmínky

Homogenní (nulové) okrajové podmínky Nehomogenní (nenulové) okrajové podmínky Předmět: MA4 Dnešní látka Variační formulace okrajových úloh. Přibližné řešení minimalizační úlohy Ritzova metoda. Homogenní (nulové) okrajové podmínky Nehomogenní (nenulové) okrajové podmínky Literatura:

Více

Literatura: Kapitola 2 d) ze skript Karel Rektorys: Matematika 43, ČVUT, Praha, Text přednášky na webové stránce přednášejícího.

Literatura: Kapitola 2 d) ze skript Karel Rektorys: Matematika 43, ČVUT, Praha, Text přednášky na webové stránce přednášejícího. Předmět: MA4 Dnešní látka: Metoda sítí v 1D. Myšlenka náhrada derivací diferenčními podíly Přibližné řešení okrajových úloh Aproximace vlastních čísel Literatura: Kapitola 2 d) ze skript Karel Rektorys:

Více

Literatura: Kapitoly 3, 4 a 2 d) ze skript Karel Rektorys: Matematika 43, ČVUT, Praha, Text přednášky na webové stránce přednášejícího.

Literatura: Kapitoly 3, 4 a 2 d) ze skript Karel Rektorys: Matematika 43, ČVUT, Praha, Text přednášky na webové stránce přednášejícího. Předmět: MA4 Dnešní látka: Nehomogenní okrajové podmínky. Pokračování OÚ pro PDR (jen pro fajnšmekry). Jednoznačnost zobecněného řešení. Metoda sítí v 1D. Přibližné řešení okrajových úloh. Aproximace vlastních

Více

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

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

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

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

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

Více

EUKLIDOVSKÉ PROSTORY

EUKLIDOVSKÉ PROSTORY EUKLIDOVSKÉ PROSTORY Necht L je lineární vektorový prostor nad tělesem reálných čísel R. Zobrazení (.,.) : L L R splňující vlastnosti 1. (x, x) 0 x L, (x, x) = 0 x = 0, 2. (x, y) = (y, x) x, y L, 3. (λx,

Více

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

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

Více

Průhyb ocelového nosníku. Nezatížený a rovnoměrně zatížený nosník

Průhyb ocelového nosníku. Nezatížený a rovnoměrně zatížený nosník EVROPSKÝ SOCIÁLNÍ FOND Průhyb ocelového nosníku. Nezatížený a rovnoměrně zatížený nosník PRAHA & EU INVESTUJEME DO VAŠÍ BUDOUCNOSTI České vysoké učení technické v Praze, Fakulta stavební, Katedra matematiky

Více

a počtem sloupců druhé matice. Spočítejme součin A.B. Označme matici A.B = M, pro její prvky platí:

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

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

Soustavy linea rnı ch rovnic

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.

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 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

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.

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.

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

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

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

Více

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

Věta o sedlovém bodu a Fredholmova alternativa

Věta o sedlovém bodu a Fredholmova alternativa Věta o sedlovém bodu a Fredholmova alternativa Petr Tomiczek Fakulta Aplikovaných věd Západočeská univerzita Plzeň 2006 obsah 1 Rozklad Hilbertova prostoru Uzavřený lineární a samoadjungovaný operátor

Více

Kapitola 11: Lineární diferenciální rovnice 1/15

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 +

Více

8. Okrajový problém pro LODR2

8. Okrajový problém pro LODR2 8. Okrajový problém pro LODR2 A. Základní poznatky o soustavách ODR1 V kapitole 6 jsme zavedli pojem lineární diferenciální rovnice n-tého řádu, která je pro n = 2 tvaru A 2 (x)y + A 1 (x)y + A 0 (x)y

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

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

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

Více

Interpolace, ortogonální polynomy, Gaussova kvadratura

Interpolace, ortogonální polynomy, Gaussova kvadratura Interpolace, ortogonální polynomy, Gaussova kvadratura Petr Tichý 20. listopadu 2013 1 Úloha Lagrangeovy interpolace Dán omezený uzavřený interval [a, b] a v něm n + 1 různých bodů x 0, x 1,..., x n. Nechť

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

LDF MENDELU. Simona Fišnarová (MENDELU) LDR druhého řádu VMAT, IMT 1 / 22

LDF MENDELU. Simona Fišnarová (MENDELU) LDR druhého řádu VMAT, IMT 1 / 22 Lineární diferenciální rovnice druhého řádu Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF)

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

0.1 Úvod do lineární algebry

0.1 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

Více

Jedná se o soustavy ve tvaru A X = B, kde A je daná matice typu m n,

Jedná se o soustavy ve tvaru A X = B, kde A je daná matice typu m n, Soutavy lineárních algebraických rovnic Jedná se o soustavy ve tvaru A X = B, kde A je daná matice typu m n, X R n je sloupcový vektor n neznámých x 1,..., x n, B R m je daný sloupcový vektor pravých stran

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

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

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

11. Skalární součin a ortogonalita p. 1/16

11. Skalární součin a ortogonalita p. 1/16 11. Skalární součin a ortogonalita 11. Skalární součin a ortogonalita p. 1/16 11. Skalární součin a ortogonalita p. 2/16 Skalární součin a ortogonalita 1. Definice skalárního součinu 2. Norma vektoru 3.

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

Základy maticového počtu Matice, determinant, definitnost

Základy maticového počtu Matice, determinant, definitnost Základy maticového počtu Matice, determinant, definitnost Petr Liška Masarykova univerzita 18.9.2014 Matice a vektory Matice Matice typu m n je pravoúhlé (nebo obdélníkové) schéma, které má m řádků a n

Více

(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 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

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

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)

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

Více

Arnoldiho a Lanczosova metoda

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

Více

Matice. Je dána matice A R m,n, pak máme zobrazení A : R n R m.

Matice. 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

Více

LINEÁRNÍ DIFERENCIÁLNÍ ROVNICE 2.ŘÁDU

LINEÁRNÍ DIFERENCIÁLNÍ ROVNICE 2.ŘÁDU LINEÁRNÍ DIFERENCIÁLNÍ ROVNICE 2.ŘÁDU ZDENĚK ŠIBRAVA 1. Obecné řešení lin. dif. rovnice 2.řádu s konstntními koeficienty 1.1. Vrice konstnt. Příkld 1.1. Njděme obecné řešení diferenciální rovnice (1) y

Více

8.3). S ohledem na jednoduchost a názornost je výhodné seznámit se s touto Základní pojmy a vztahy. Definice

8.3). S ohledem na jednoduchost a názornost je výhodné seznámit se s touto Základní pojmy a vztahy. Definice 9. Lineární diferenciální rovnice 2. řádu Cíle Diferenciální rovnice, v nichž hledaná funkce vystupuje ve druhé či vyšší derivaci, nazýváme diferenciálními rovnicemi druhého a vyššího řádu. Analogicky

Více

6 Samodružné body a směry afinity

6 Samodružné body a směry afinity 6 Samodružné body a směry afinity Samodružnými body a směry zobrazení rozumíme body a směry, které se v zobrazují samy na sebe. Například otočení R(S má jediný samodružný bod, střed S, anemá žádný samodružný

Více

Dnešní látka Opakování: normy vektorů a matic, podmíněnost matic Jacobiova iterační metoda Gaussova-Seidelova iterační metoda

Dnešní látka Opakování: normy vektorů a matic, podmíněnost matic Jacobiova iterační metoda Gaussova-Seidelova iterační metoda Předmět: MA 4 Dnešní látka Opakování: normy vektorů a matic, podmíněnost matic Jacobiova iterační metoda Gaussova-Seidelova iterační metoda Četba: Text o lineární algebře v Příručce přežití na webových

Více

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

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

Více

Fakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR

Fakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR DEN: ODR teoreticky: soustavy rovnic Soustava lineárních ODR 1 řádu s konstantními koeficienty je soustava ve tvaru y 1 = a 11 y 1 + a 12 y 2 + + a 1n y n + b 1 (x) y 2 = a 21 y 1 + a 22 y 2 + + a 2n y

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

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

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

9. přednáška 26. listopadu f(a)h < 0 a pro h (0, δ) máme f(a 1 + h, a 2,..., a m ) f(a) > 1 2 x 1

9. přednáška 26. listopadu f(a)h < 0 a pro h (0, δ) máme f(a 1 + h, a 2,..., a m ) f(a) > 1 2 x 1 9 přednáška 6 listopadu 007 Věta 11 Nechť f C U, kde U R m je otevřená množina, a a U je bod Pokud fa 0, nemá f v a ani neostrý lokální extrém Pokud fa = 0 a H f a je pozitivně negativně definitní, potom

Více

příkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u.

příkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u. Několik řešených příkladů do Matematiky Vektory V tomto textu je spočteno několik ukázkových příkladů které vám snad pomohou při řešení příkladů do cvičení. V textu se objeví i pár detailů které jsem nestihl

Více

7. Důležité pojmy ve vektorových prostorech

7. Důležité pojmy ve vektorových prostorech 7. Důležité pojmy ve vektorových prostorech Definice: Nechť Vje vektorový prostor a množina vektorů {v 1, v 2,, v n } je podmnožinou V. Pak součet skalárních násobků těchto vektorů, tj. a 1 v 1 + a 2 v

Více

Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru

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

Více

stránkách přednášejícího.

stránkách přednášejícího. Předmět: MA 4 Dnešní látka Iterační metoda Jacobiova iterační metoda Gaussova-Seidelova iterační metoda Superrelaxační metoda (metoda SOR) Metoda sdružených gradientů Četba: Text o lineární algebře v Příručce

Více

ftp://math.feld.cvut.cz/pub/olsak/linal/

ftp://math.feld.cvut.cz/pub/olsak/linal/ Petr Olšák Výcuc z textu Lineární algebra určeno pro promítání na přednášce Úvod do algebry http://www.olsak.net/linal.html ftp://math.feld.cvut.cz/pub/olsak/linal/ http://math.feld.cvut.cz/skripta/ua/

Více

Lineární algebra : Metrická geometrie

Lineární algebra : Metrická geometrie Lineární algebra : Metrická geometrie (16. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 6. května 2014, 10:42 1 2 Úvod Zatím jsme se lineární geometrii věnovali v kapitole o lineárních

Více

z textu Lineární algebra

z textu Lineární algebra 2 Úvodní poznámky Petr Olšák Výcuc z textu Lineární algebra určeno pro promítání na přednášce Úvod do algebry http://www.olsak.net/linal.html ftp://math.feld.cvut.cz/pub/olsak/linal/ http://math.feld.cvut.cz/skripta/ua/

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

AVDAT Vektory a matice

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

Více

Necht L je lineární prostor nad R. Operaci : L L R nazýváme

Necht L je lineární prostor nad R. Operaci : L L R nazýváme Skalární součin axiomatická definice odvození velikosti vektorů a úhlu mezi vektory geometrická interpretace ortogonalita vlastnosti ortonormálních bázi [1] Definice skalárního součinu Necht L je lineární

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

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

Přijímací zkouška na navazující magisterské studium 2018

Přijímací zkouška na navazující magisterské studium 2018 Přijímací zkouška na navazující magisterské studium 208 Studijní program: Studijní obory: Matematika MA, MMIT, MMFT, MSTR, MNVM, MPMSE Varianta A Řešení příkladů pečlivě odůvodněte. Věnujte pozornost ověření

Více

Teorie. Hinty. kunck6am

Teorie. Hinty.   kunck6am kytaristka@gmail.com www.natur.cuni.cz/ kunck6am 5. cvičení Teorie Definice. Necht funkce f je definována na neprázdném otevřeném intervalu I. Řekneme, že funkce F je primitivní funkce k f na I, jestliže

Více

Lineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity)

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

Více

Základy matematické analýzy

Základy matematické analýzy Základy matematické analýzy Spojitost funkce Ing. Tomáš Kalvoda, Ph.D. 1, Ing. Daniel Vašata 2 1 tomas.kalvoda@fit.cvut.cz 2 daniel.vasata@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních

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

4. OBYČEJNÉ DIFERENCIÁLNÍ ROVNICE

4. OBYČEJNÉ DIFERENCIÁLNÍ ROVNICE FBI VŠB-TUO 28. března 2014 4.1. Základní pojmy Definice 4.1. Rovnice tvaru F (x, y, y, y,..., y (n) ) = 0 se nazývá obyčejná diferenciální rovnice n-tého řádu a vyjadřuje vztah mezi neznámou funkcí y

Více

Vlastní čísla a vlastní vektory

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

Více

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

9 Kolmost vektorových podprostorů

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.

Více

Aplikovaná numerická matematika - ANM

Aplikovaná numerická matematika - ANM Aplikovaná numerická matematika - ANM 3 Řešení soustav lineárních rovnic iterační metody doc Ing Róbert Lórencz, CSc České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových

Více

2.6. VLASTNÍ ČÍSLA A VEKTORY MATIC

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

Více

3 Lineární kombinace vektorů. Lineární závislost a nezávislost

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

Více

Nejdřív spočítáme jeden příklad na variaci konstant pro lineární diferenciální rovnici 2. řádu s kostantními koeficienty. y + y = 4 sin t.

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

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

7. Lineární vektorové prostory

7. Lineární vektorové prostory 7. Lineární vektorové prostory Tomáš Salač MÚ UK, MFF UK LS 2017/18 Tomáš Salač ( MÚ UK, MFF UK ) 7. Lineární vektorové prostory LS 2017/18 1 / 62 7.1 Definice a příklady Definice 7.1 Množina G s binární

Více

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

Úlohy k přednášce NMAG 101 a 120: Lineární algebra a geometrie 1 a 2, Úlohy k přednášce NMAG a : Lineární algebra a geometrie a Verze ze dne. května Toto je seznam přímočarých příkladů k přednášce. Úlohy z tohoto seznamu je nezbytně nutné umět řešit. Podobné typy úloh se

Více

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

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

Více

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

Soustavy lineárních rovnic

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

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

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

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

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

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

Teorie. Hinty. kunck6am

Teorie. Hinty.   kunck6am kytaristka@gmail.com www.natur.cuni.cz/ kunck6am 5. cvičení Teorie Definice. Necht funkce f je definována na neprázdném otevřeném intervalu I. Řekneme, že funkce F je primitivní funkce k f na I, jestliže

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

Vlastní čísla a vlastní vektory

Vlastní čísla a vlastní vektory Kapitola 11 Vlastní čísla a vlastní vektory Základní motivace pro studium vlastních čísel a vektorů pochází z teorie řešení diferenciálních rovnic Tato teorie říká, že obecné řešení lineární diferenciální

Více

FREDHOLMOVA ALTERNATIVA

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

Více

2. Určete jádro KerL zobrazení L, tj. nalezněte alespoň jednu jeho bázi a určete jeho dimenzi.

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

Více