Kapitola 2: Lineární zobrazení

Rozměr: px
Začít zobrazení ze stránky:

Download "Kapitola 2: Lineární zobrazení"

Transkript

1 Sbírka příkladů Matematika II pro strukturované studium Kapitola 2: Lineární zobrazení Chcete-li ukončit prohlížení stiskněte klávesuesc. Chcete-li pokračovat stiskněte klávesuenter.. p.1/11

2 Lineární zobrazení Lineární zobrazení zên doêm Inverzní matice. p.2/11

3 LineárnízobrazenízÊn doêm Příklad Napište maticiareprezentující lineární zobrazení L prostoruê3 do Ê4 definované vztahem L((x, y, z) T )=(4x+2y+ z,3x+y,2x+2y+2z, x y 2z) T. Najděte vektor v = L( u), který je obrazem vektoru u =(1, 3,2) T v tomto zobrazení. Zjistěte, zda vektor u je jediným vektorem, který se zobrazí na vektor v. Pokud není jediným, nalezněte alespoň jeden další. Příklad Najděte vektor v, který je obrazem vektoru u =(1,1,1) T v lineárním zobrazení L prostoruê3 doê3 reprezentovaném maticí A= Zjistěte, zda vektor u je jediným vektorem z prostoruê3, který se na vektor v zobrazí. Pokud není jediný, najděte všechny další. Příklad Dokažte, že zobrazení L1 :Ê3 Ê4 a zobrazení L 2 :Ê4 Ê3 jsou lineární, a najděte maticia, která reprezentuje složené zobrazení L 1 L 2. L 1 ((x 1, x 2, x 3 ) T )=(x 1 2x 2 + x 3,4x 1 +2x 2 x 3, x 1 5x 2 +3x 3,2x 1 3x 2 +8x 3 ) Ț L 2 ((x 1, x 2, x 3, x 4 ) T )=(x 1 2x 2 + x 3 x 4, x 1 7x 4,2x 1 x 3 + x 4 ) T. Příklad Najděte jádroklineárního zobrazení L:Ê3 Ê4 reprezentovaného maticí A= Určete dimenzik p.3/11

4 Příklad Napište maticiareprezentující lineární zobrazení L prostoruê3 doê4 definované vztahem L((x, y, z) T )=(4x+2y+ z,3x+y,2x+2y+2z, x y 2z) T. Najděte vektor v = L( u), který je obrazem vektoru u =(1, 3,2) T v tomto zobrazení. Zjistěte, zda vektor u je jediným vektorem, který se zobrazí na vektor v. Pokud není jediným, nalezněte alespoň jeden další.?. p.4/11

5 Příklad Napište maticiareprezentující lineární zobrazení L prostoruê3 doê4 definované vztahem L((x, y, z) T )=(4x+2y+ z,3x+y,2x+2y+2z, x y 2z) T. Najděte vektor v = L( u), který je obrazem vektoru u =(1, 3,2) T v tomto zobrazení. Zjistěte, zda vektor u je jediným vektorem, který se zobrazí na vektor v. Pokud není jediným, nalezněte alespoň jeden další. Výsledek: A= , v = , L((0,0,0)T )= p.4/11

6 Příklad Napište maticiareprezentující lineární zobrazení L prostoruê3 doê4 definované vztahem L((x, y, z) T )=(4x+2y+ z,3x+y,2x+2y+2z, x y 2z) T. Najděte vektor v = L( u), který je obrazem vektoru u =(1, 3,2) T v tomto zobrazení. Zjistěte, zda vektor u je jediným vektorem, který se zobrazí na vektor v. Pokud není jediným, nalezněte alespoň jeden další. Návod: MaticeAbude typu4 3 a musí splňovat L((x, y, z) T )=A(x, y, z) T. Z této rovnosti zjistíme prvky maticea. Protože L( u)=a u, je v =A u. Vektor bude jediný právě když je hodnost maticearovna dimenzi vektorového prostoru vzorů, v našem případě 3. Pokudh(A) <3, musíme další vektory určit jako řešení soustavy lineárních rovnic A(x, y, z) T = v.. p.4/11

7 Příklad Napište maticiareprezentující lineární zobrazení L prostoruê3 doê4 definované vztahem L((x, y, z) T )=(4x+2y+ z,3x+y,2x+2y+2z, x y 2z) T. Najděte vektor v = L( u), který je obrazem vektoru u =(1, 3,2) T v tomto zobrazení. Zjistěte, zda vektor u je jediným vektorem, který se zobrazí na vektor v. Pokud není jediným, nalezněte alespoň jeden další. Řešení: L((x, y, z) T )=A = x y z = a 11 x+a 12 y+ a 13 z a 21 x+a 22 y+ a 23 z a 31 x+a 32 y+ a 33 z a 41 x+a 42 y+ a 43 z Porovnáme poslední dva vektory a dostaneme a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 a 41 a 42 a 43 = 4x+2y+ z 3x+ y 2x+2y+2z x y 2z x y z. = a 11 = 4 a 12 = 2 a 13 = 1 a 21 = 3 a 22 = 1 a 23 = 0 a 31 = 2 a 32 = 2 a 33 = 2 a 41 = 1 a 42 = 1 a 43 = 2 Další. p.4/11

8 Příklad Napište maticiareprezentující lineární zobrazení L prostoruê3 doê4 definované vztahem L((x, y, z) T )=(4x+2y+ z,3x+y,2x+2y+2z, x y 2z) T. Najděte vektor v = L( u), který je obrazem vektoru u =(1, 3,2) T v tomto zobrazení. Zjistěte, zda vektor u je jediným vektorem, který se zobrazí na vektor v. Pokud není jediným, nalezněte alespoň jeden další. Řešení: Tedy A= MaticeAreprezentuje lineární zobrazení L, neboli L( u)=a u = v, A u = 3 = = v Protože L je lineární zobrazení prostoruê3 doê4, víme, že se nulový vektor (0,0,0) T Ê3 zobrazí na nulový vektor(0,0,0,0) T Ê4. Určitě tedy není vektor u jediný vektor, který se zobrazí na v. Máme-li tedy najít alespoň jeden další vektor, který se zobrazí na vektor v =(0,0,0,0) T Ê4 nemusíme už nic počítat a správná odpověd je, že na vektor v se zobrazí také vektor(0,0,0) T Ê3... p.4/11

9 Příklad Napište maticiareprezentující lineární zobrazení L prostoruê3 doê4 definované vztahem L((x, y, z) T )=(4x+2y+ z,3x+y,2x+2y+2z, x y 2z) T. Najděte vektor v = L( u), který je obrazem vektoru u =(1, 3,2) T v tomto zobrazení. Zjistěte, zda vektor u je jediným vektorem, který se zobrazí na vektor v. Pokud není jediným, nalezněte alespoň jeden další. Maple: > with(linalg): > eqns:= {4*x+2*y+z=a1,3*x+y=a2,2*x+2*y+2*z=a3,x-y-2*z=a4}; eqns:= { 4 x+2 y+ z=a1,3 x+y=a2,2 x+2 y+2 z=a3, x y 2 z=a4 } > A := genmatrix(eqns, [x,y,z]); A:= > u:=vector([1,-3,2]); Další > v:=evalm(a&*u); u:=[1, 3,2] v:=[0,0,0,0]. p.4/11

10 Příklad Napište maticiareprezentující lineární zobrazení L prostoruê3 doê4 definované vztahem L((x, y, z) T )=(4x+2y+ z,3x+y,2x+2y+2z, x y 2z) T. Najděte vektor v = L( u), který je obrazem vektoru u =(1, 3,2) T v tomto zobrazení. Zjistěte, zda vektor u je jediným vektorem, který se zobrazí na vektor v. Pokud není jediným, nalezněte alespoň jeden další. Maple: > linsolve (A,v); [t 1, 3 t 1,2 t 1 ] > uall:=t1->vector([t1,-3*t1,2*t1]); > uall(1); > uall(0); uall:=t1 [t1, 3t1,2t1] [1, 3,2] [0,0,0] > uall(5); [5, 15,10]. p.4/11

11 Příklad Napište maticiareprezentující lineární zobrazení L prostoruê3 doê4 definované vztahem L((x, y, z) T )=(4x+2y+ z,3x+y,2x+2y+2z, x y 2z) T. Najděte vektor v = L( u), který je obrazem vektoru u =(1, 3,2) T v tomto zobrazení. Zjistěte, zda vektor u je jediným vektorem, který se zobrazí na vektor v. Pokud není jediným, nalezněte alespoň jeden další. Mathematica: A={Coefficient[4x+2y+ z, {x, y, z}], Coefficient[3x+y, {x, y, z}], Coefficient[x y 2z, {x, y, z}]}; MatrixForm[A] u={1, 3,2}; v=a.u {0,0,0} LinearSolve[A, v] {0,0,0}. p.4/11

12 Příklad Najděte vektor v, který je obrazem vektoru u =(1,1,1) T v lineárním zobrazení L prostoruê3 doê3 reprezentovaném maticí A= Zjistěte, zda vektor u je jediným vektorem z prostoruê3, který se na vektor v zobrazí. Pokud není jediný, najděte všechny další.?. p.5/11

13 Příklad Najděte vektor v, který je obrazem vektoru u =(1,1,1) T v lineárním zobrazení L prostoruê3 doê3 reprezentovaném maticí A= Zjistěte, zda vektor u je jediným vektorem z prostoruê3, který se na vektor v zobrazí. Pokud není jediný, najděte všechny další. Výsledek: v =(1,1,1) T, u je jediným vektorem zê3, který se na v zobrazí.. p.5/11

14 Příklad Najděte vektor v, který je obrazem vektoru u =(1,1,1) T v lineárním zobrazení L prostoruê3 doê3 reprezentovaném maticí A= Zjistěte, zda vektor u je jediným vektorem z prostoruê3, který se na vektor v zobrazí. Pokud není jediný, najděte všechny další. Návod: Protože L je reprezentováno maticía, je L( u)=a u. Je-li zobrazení L prosté, je vektor u jediný. Protože zobrazení je prosté právě když hodnost maticeaje rovna dimenzi vektorového prostoru vzorů, tj. počtu sloupců maticea, stačí zjistith(a). Zjistíme-li, že zobrazení není prosté, najdeme všechny vektory x Ê3, které se zobrazí na vektor v jako řešení x soustavy lineárních rovnica x = v.. p.5/11

15 Příklad Najděte vektor v, který je obrazem vektoru u =(1,1,1) T v lineárním zobrazení L prostoruê3 doê3 reprezentovaném maticí A= Zjistěte, zda vektor u je jediným vektorem z prostoruê3, který se na vektor v zobrazí. Pokud není jediný, najděte všechny další. Řešení: Lineární zobrazení L je reprezentováno maticía, tj. L( u)=a u = v. A u = = = v MaticeAje v horním trojúhelníkovém tvaru, její hodnost je tedy rovna počtu řádků, tj. h(a)=3= počtu sloupců maticeaazobrazení L je prosté. Vektor u je tedy jediným vektorem zê3, který se na vektor v zobrazí.. p.5/11

16 Příklad Najděte vektor v, který je obrazem vektoru u =(1,1,1) T v lineárním zobrazení L prostoruê3 doê3 reprezentovaném maticí A= Zjistěte, zda vektor u je jediným vektorem z prostoruê3, který se na vektor v zobrazí. Pokud není jediný, najděte všechny další. Maple: > with(linalg): > A:=matrix(3,3,[2,-1,0,0,4,-3,0,0,1]); A:= > u:=vector(3,[1,1,1]); > v:=evalm(a&*u); > allu:=linsolve(a,v); u:=[1,1,1] v:=[1,1,1] allu:=[1,1,1]. p.5/11

17 Příklad Najděte vektor v, který je obrazem vektoru u =(1,1,1) T v lineárním zobrazení L prostoruê3 doê3 reprezentovaném maticí A= Zjistěte, zda vektor u je jediným vektorem z prostoruê3, který se na vektor v zobrazí. Pokud není jediný, najděte všechny další. Mathematica: A={{2, 1,0}, {0,4, 3}, {0,0,1}}; MatrixForm[A] u={1,1,1}; v=a.u {1,1,1} u1 = LinearSolve[A, v] {1,1,1}. p.5/11

18 Příklad Dokažte, že zobrazení L 1 :Ê3 Ê4 a zobrazení L 2 :Ê4 Ê3 jsou lineární, a najděte maticia, která reprezentuje složené zobrazení L 1 L 2. L 1 ((x 1, x 2, x 3 ) T )=(x 1 2x 2 + x 3,4x 1 +2x 2 x 3, x 1 5x 2 +3x 3,2x 1 3x 2 +8x 3 ) T, L 2 ((x 1, x 2, x 3, x 4 ) T )=(x 1 2x 2 + x 3 x 4, x 1 7x 4,2x 1 x 3 + x 4 ) T.?. p.6/11

19 Příklad Dokažte, že zobrazení L 1 :Ê3 Ê4 a zobrazení L 2 :Ê4 Ê3 jsou lineární, a najděte maticia, která reprezentuje složené zobrazení L 1 L 2. L 1 ((x 1, x 2, x 3 ) T )=(x 1 2x 2 + x 3,4x 1 +2x 2 x 3, x 1 5x 2 +3x 3,2x 1 3x 2 +8x 3 ) T, L 2 ((x 1, x 2, x 3, x 4 ) T )=(x 1 2x 2 + x 3 x 4, x 1 7x 4,2x 1 x 3 + x 4 ) T. Výsledek: A= p.6/11

20 Příklad Dokažte, že zobrazení L 1 :Ê3 Ê4 a zobrazení L 2 :Ê4 Ê3 jsou lineární, a najděte maticia, která reprezentuje složené zobrazení L 1 L 2. L 1 ((x 1, x 2, x 3 ) T )=(x 1 2x 2 + x 3,4x 1 +2x 2 x 3, x 1 5x 2 +3x 3,2x 1 3x 2 +8x 3 ) T, L 2 ((x 1, x 2, x 3, x 4 ) T )=(x 1 2x 2 + x 3 x 4, x 1 7x 4,2x 1 x 3 + x 4 ) T. Návod: Úlohu řešte tak, že a) najdete tvar složeného zobrazení a pak sestavíte jeho matici b) sestavíte nejprve matice jednotlivých zobrazení. L 1 ((x 1, x 2, x 3 ) T )=(x 1 2x 2 + x 3,4x 1 +2x 2 x 3, x 1 5x 2 +3x 3,2x 1 3x 2 +8x 3 ) T, L 2 ((x 1, x 2, x 3, x 4 ) T )=(x 1 2x 2 + x 3 x 4, x 1 7x 4,2x 1 x 3 + x 4 ) T. Zobrazení zên doêm je lineární právě když je reprezentováno maticí. Stačí tedy ukázat, že existují maticea 1 aa 2, které reprezentují zobrazení L 1 a L 2. a) Na vektor x =(x 1, x 2, x 3, x 4 ) T Ê4 aplikujeme zobrazení L 2 a na výsledný vektor z Ê3 aplikujeme zobrazení L 1. Výsledek složení je vektor zê4. Protože zobrazení L 1 a L 2 jsou lineární, je lineární i složené zobrazení L 1 (L 2 ( x)). Je reprezentováno maticía, kterou získáme z rovnicea x = L 1 (L 2 ( x)). b) Zobrazení L 1 je reprezentováno maticía 1, jejíž prvky získáme porovnáním vektorů A 1 y a L1 ( y), y Ê3. Obdobně získáme maticia 2. Výsledná maticea=a 1 A 2.. p.6/11

21 Příklad Dokažte, že zobrazení L 1 :Ê3 Ê4 a zobrazení L 2 :Ê4 Ê3 jsou lineární, a najděte maticia, která reprezentuje složené zobrazení L 1 L 2. L 1 ((x 1, x 2, x 3 ) T )=(x 1 2x 2 + x 3,4x 1 +2x 2 x 3, x 1 5x 2 +3x 3,2x 1 3x 2 +8x 3 ) T, L 2 ((x 1, x 2, x 3, x 4 ) T )=(x 1 2x 2 + x 3 x 4, x 1 7x 4,2x 1 x 3 + x 4 ) T. Řešení: Zobrazení z konečnědimenzionálního prostoru do konečnědimenzionálního prostoru je lineární právě když je reprezentováno maticí. Najdeme-li tedy matice, které reprezentují zobrazení L 1 a L 2, dokážeme tím současně, že zobrazení jsou lineární. Necht y =(y1, y 2, y 3 ) T Ê3. Pak = L 1 ( y)=a 1 y = a 11 y 1 + a 12 y 2 + a 13 y 3 a 21 y 1 + a 22 y 2 + a 23 y 3 a 31 y 1 + a 32 y 2 + a 33 y 3 a 41 y 1 + a 42 y 2 + a 43 y 3 Porovnáme poslední dva vektory a dostaneme a 11 = 1 a 12 = 2 a 13 = 1 a 21 = 4 a 22 = 2 a 23 = 1 a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 a 41 a 42 a 43 = a 31 = 1 a 32 = 5 a 33 = 3 y 1 y 2 y 3 = y 1 2y 2 + y 3 4y 1 +2y 2 y 3 y 1 5y 2 +3y 3 2y 1 3y 2 +8y 3 Tedy zobrazení L 1 je reprezentováno maticía 1, a je tedy lineární, Další. a 41 = 2 a 42 = 3 a 43 = 8. p.6/11

22 Příklad Dokažte, že zobrazení L 1 :Ê3 Ê4 a zobrazení L 2 :Ê4 Ê3 jsou lineární, a najděte maticia, která reprezentuje složené zobrazení L 1 L 2. L 1 ((x 1, x 2, x 3 ) T )=(x 1 2x 2 + x 3,4x 1 +2x 2 x 3, x 1 5x 2 +3x 3,2x 1 3x 2 +8x 3 ) T, L 2 ((x 1, x 2, x 3, x 4 ) T )=(x 1 2x 2 + x 3 x 4, x 1 7x 4,2x 1 x 3 + x 4 ) T. Řešení: A 1 = Obdobně pro L 2. Necht y =(y 1, y 2, y 3, y 4 ) T Ê4. = L 2 ( y)=a 2 y = a 11 y 1 + a 12 y 2 + a 13 y 3 + a 14 y 4 a 21 y 1 + a 22 y 2 + a 23 y 3 + a 24 y 4 a 31 y 1 + a 32 y 2 + a 33 y 3 + a 34 y 4 Porovnáme poslední dva vektory a dostaneme. a 11 a 12 a 13 a 14 a 21 a 22 a 23 a 24 a 31 a 32 a 33 a 34 = y 1 y 2 y 3 y 4 = y 1 2y 2 + y 3 y 4 y 1 7y 4 2y 1 y 3 + y 4. a 11 = 1 a 12 = 2 a 13 = 1 a 14 = 1 a 21 = 1 a 22 = 0 a 23 = 0 a 24 = 7 a 31 = 2 a 32 = 0 a 33 = 1 a 34 = 1 Další. p.6/11

23 Příklad Dokažte, že zobrazení L 1 :Ê3 Ê4 a zobrazení L 2 :Ê4 Ê3 jsou lineární, a najděte maticia, která reprezentuje složené zobrazení L 1 L 2. L 1 ((x 1, x 2, x 3 ) T )=(x 1 2x 2 + x 3,4x 1 +2x 2 x 3, x 1 5x 2 +3x 3,2x 1 3x 2 +8x 3 ) T, L 2 ((x 1, x 2, x 3, x 4 ) T )=(x 1 2x 2 + x 3 x 4, x 1 7x 4,2x 1 x 3 + x 4 ) T. Řešení: Tedy zobrazení L 2 je reprezentováno maticía 2, a je také lineární, A 2 = a) Složíme zobrazení L 1 L 2. Necht x =(x 1, x 2, x 3, x 4 ) T Ê4. L 1 (L 2 ( x))=l 1 ((x 1 2x 2 + x 3 x 4, x 1 7x 4,2x 1 x 3 + x 4 ) T )= =(x 1 2x 2 + x 3 x 4 2x 1 +14x 4 +2x 1 x 3 + x 4, 4x 1 8x 2 +4x 3 4x 4 +2x 1 14x 4 2x 1 + x 3 x 4, x 1 +2x 2 x 3 + x 4 5x 1 +35x 4 +6x 1 3x 3 +3x 4, 2x 1 4x 2 +2x 3 2x 4 3x 1 +21x 4 +16x 1 8x 3 +8x 4 ) T = (x 1 2x 2 +14x 4,4x 1 8x 2 +5x 3 19x 4,2x 2 4x 3 +39x 4,15x 1 4x 2 6x 3 +27x 4 ) T. Toto složené zobrazení je reprezentováno maticíatypu4 4 tak, žea x = L 1 (L 2 ( x)), tj. Další. p.6/11

24 Příklad Dokažte, že zobrazení L 1 :Ê3 Ê4 a zobrazení L 2 :Ê4 Ê3 jsou lineární, a najděte maticia, která reprezentuje složené zobrazení L 1 L 2. L 1 ((x 1, x 2, x 3 ) T )=(x 1 2x 2 + x 3,4x 1 +2x 2 x 3, x 1 5x 2 +3x 3,2x 1 3x 2 +8x 3 ) T, L 2 ((x 1, x 2, x 3, x 4 ) T )=(x 1 2x 2 + x 3 x 4, x 1 7x 4,2x 1 x 3 + x 4 ) T. Řešení: a 11 x 1 + a 12 x 2 + a 13 x 3 + a 14 x 4 a 21 x 1 + a 22 x 2 + a 23 x 3 + a 24 x 4 a 31 x 1 + a 32 x 2 + a 33 x 3 + a 34 x 4 = x 1 2x 2 +14x 4 4x 1 8x 2 +5x 3 19x 4 2x 2 4x 3 +39x 4. a 41 x 1 + a 42 x 2 + a 43 x 3 + a 44 x 4 Porovnáme poslední dva vektory a dostaneme 15x 1 4x 2 6x 3 +27x 4 a 11 = 1 a 12 = 2 a 13 = 0 a 14 = 14 a 21 = 4 a 22 = 8 a 23 = 5 a 24 = 19 a 31 = 0 a 32 = 2 a 33 = 4 a 34 = 39 a 41 = 15 a 42 = 4 a 43 = 5 a 44 = 27 Tedy lineární zobrazení L 1 L 2 je reprezentováno maticía, A= b) Matice jednotlivých zobrazení jsme už sestavili. Pro maticia, která reprezentuje složené zobrazení L 1 L 2, platía=a 1 A 2. Ověřte sami, že skutečně dostanete stejnou maticiajako v a).. p.6/11

25 Příklad Dokažte, že zobrazení L 1 :Ê3 Ê4 a zobrazení L 2 :Ê4 Ê3 jsou lineární, a najděte maticia, která reprezentuje složené zobrazení L 1 L 2. L 1 ((x 1, x 2, x 3 ) T )=(x 1 2x 2 + x 3,4x 1 +2x 2 x 3, x 1 5x 2 +3x 3,2x 1 3x 2 +8x 3 ) T, L 2 ((x 1, x 2, x 3, x 4 ) T )=(x 1 2x 2 + x 3 x 4, x 1 7x 4,2x 1 x 3 + x 4 ) T. Maple: > with(linalg): > L1:=(x1,x2,x3)->(x1-2*x2+x3,4*x1+2*x2-x3,-x1-5*x2+3*x3, 2*x1-3*x2+8*x3 ); L1:=(x1,x2,x3) (x1 2x2+x3,4x1+2x2 x3, x1 5x2+3x3, 2x1 3x2+8x3) > L2:=(x1,x2,x3,x4)->(x1-2*x2+x3-x4,x1-7*x4,2*x1-x3+x4); L2:=(x1,x2,x3,x4) (x1 2x2+x3 x4,x1 7x4,2x1 x3+x4) > L1(L2(x1,x2,x3,x4)); x1 2x2+14x4,4x1 8x2+5x3 19x4,2x2 4x3+39x4, 15x1 4x2 6x3+27x4 > A1:=matrix(4,3,[1,-2,1,4,2,-1,-1,-5,3,2,-3,8]); A1:= Další. p.6/11

26 Příklad Dokažte, že zobrazení L 1 :Ê3 Ê4 a zobrazení L 2 :Ê4 Ê3 jsou lineární, a najděte maticia, která reprezentuje složené zobrazení L 1 L 2. L 1 ((x 1, x 2, x 3 ) T )=(x 1 2x 2 + x 3,4x 1 +2x 2 x 3, x 1 5x 2 +3x 3,2x 1 3x 2 +8x 3 ) T, L 2 ((x 1, x 2, x 3, x 4 ) T )=(x 1 2x 2 + x 3 x 4, x 1 7x 4,2x 1 x 3 + x 4 ) T. Maple: > A2:=matrix(3,4,[1,-2,1,-1,1,0,0,-7,2,0,-1,1]); A2:= > A:=evalm(A1&*A2); A:= p.6/11

27 Příklad Dokažte, že zobrazení L 1 :Ê3 Ê4 a zobrazení L 2 :Ê4 Ê3 jsou lineární, a najděte maticia, která reprezentuje složené zobrazení L 1 L 2. L 1 ((x 1, x 2, x 3 ) T )=(x 1 2x 2 + x 3,4x 1 +2x 2 x 3, x 1 5x 2 +3x 3,2x 1 3x 2 +8x 3 ) T, L 2 ((x 1, x 2, x 3, x 4 ) T )=(x 1 2x 2 + x 3 x 4, x 1 7x 4,2x 1 x 3 + x 4 ) T. Mathematica: L1[x1, x2,x3]=, {x1 2x2+x3,4x1+2x2 x3, x1 5x2+3x3,2x1 2x1 3x2+8x3}; A1={{1, 2,1}, {4,2, 1}, { 1, 5,3}, {2, 3,8}}; L2[x1, x2,x3,,x4]= {x1 2x2+x3 x4,x1 7x4,2x1 x3+x4}; A2={{1, 2,1, 1}, {1,0,0, 7}, {2,0, 1,1}}; sloz=apply[l1,l2[x1,x2,x3, L2[x1,x2,x3, x2,x3, x4]] {3x1 2x2 2(x1 7x4), 2x1+x3+2(x1 7x4)+4(x1 2x2+x3 x4) x4, x1+2x2 x3 5(x1 7x4)+x4+3(2x1 x3+x4), 3(x1 7x4)+2(x1 2x2+x3 x4)+8(2x1 x3+x4)} L[x1,x2,x3]=Expand[sloz] {x1 2x2+14x4,4x1 8x2+5x3 19x4,2x2 4x3+39x4,15x1 4x2 6x3+27x4} A={{1, 2,0,14}, {4, 8,5, 19}, {0,2, 4,39},{15, 4, 6,27}}; MatrixForm[A] Další. p.6/11

28 Příklad Dokažte, že zobrazení L 1 :Ê3 Ê4 a zobrazení L 2 :Ê4 Ê3 jsou lineární, a najděte maticia, která reprezentuje složené zobrazení L 1 L 2. L 1 ((x 1, x 2, x 3 ) T )=(x 1 2x 2 + x 3,4x 1 +2x 2 x 3, x 1 5x 2 +3x 3,2x 1 3x 2 +8x 3 ) T, L 2 ((x 1, x 2, x 3, x 4 ) T )=(x 1 2x 2 + x 3 x 4, x 1 7x 4,2x 1 x 3 + x 4 ) T. Mathematica: MatrixForm[A1.A2] p.6/11

29 Příklad Najděte jádroklineárního zobrazení L:Ê3 Ê4 reprezentovaného maticí A= Určete dimenzik.?. p.7/11

30 Příklad Najděte jádroklineárního zobrazení L:Ê3 Ê4 reprezentovaného maticí A= Určete dimenzik. Výsledek: dim K=1, K= { x Ê3, x = α(1,1,5) T, α Ê}.. p.7/11

31 Příklad Najděte jádroklineárního zobrazení L:Ê3 Ê4 reprezentovaného maticí A= Určete dimenzik. Návod: Protože jádro lineárního zobrazení L:Ê3 Ê4 je množina K= { x Ê3, L( x)= 0 }={ x Ê3, A x = 0 }, vyřešíme homogenní soustavu lineárních rovnica x =0. Jádro je rovno vektorovému prostoru všech řešení této homogenní soustavy.. p.7/11

32 Příklad Najděte jádroklineárního zobrazení L:Ê3 Ê4 reprezentovaného maticí A= Určete dimenzik. Řešení: Jádro lineárního zobrazení L z prostoruê3 doê4 je množina K= { x Ê3, L( x)= 0 }. Je-li toto zobrazení reprezentováno maticía, můžeme rovnost L( x)= 0 nahradit rovnostía x = 0. Abychom tedy našli jádro, musíme vyřešit homogenní soustavu lineárních rovnica x = 0. Jádro je množina všech řešení této homogenní soustavy. Matici soustavyapřevedeme pomocí ekvivalentních úprav na horní trojúhelníkový tvar: ( K sedminásobku 2. řádku jsme přičetli( 3)násobek prvního, k sedminásobku 3. řádku jsme přičetli šestinásobek prvního a k sedminásobku 4. řádku jsme přičetli první řádek. Vznikla matice, ve které třetí a čtvrtý řádek jsou násobky druhého, proto je vynecháme. Hodnost matice jeh(a)=2, počet neznámých je n=3. Vektorový prostor všech řešení této homogenní soustavy (= hledané jádro K) má dimenzi Další dim K= n h(a)=3 2=1. ).. p.7/11

33 Příklad Najděte jádroklineárního zobrazení L:Ê3 Ê4 reprezentovaného maticí A= Určete dimenzik. Řešení: Pomocí zpětného chodu Gaussovy eliminace najdeme K. Hledáme všechny vektory x =(x, y, z) T Ê3, které řeší homogenní soustavu. Jednu neznámou volíme jako parametr. Dostaneme z=t, 5y z=0 y= 1 5 t, 7x+3y 2z=0 x=1 5 t, t Ê. Tedy K= { x Ê3, x = t ( ) 1 T 5,1 5,1, t Ê}={ x Ê3, x = α(1,1,5) T, α Ê}. Poznamenejme, že oba zápisy jsou správně. Použitím α jsme se jen zbavili zlomků. To lze, nebot je-li x = t ( 1 5, 1 5,1)T řešení naší homogenní soustavy, je jistě i x = α(1,1,5)t řešení této soustavy. Přesvědčte se o tom.. p.7/11

34 Příklad Najděte jádroklineárního zobrazení L:Ê3 Ê4 reprezentovaného maticí A= Určete dimenzik. Maple: > with(linalg): > A:=matrix(4,3,[7,3,-2,3,2,-1,-6,-4,2,-1,-4,1]); A:= > kernel(a, nulldim ); > nulldim; {[1,1,5]} 1. p.7/11

35 Příklad Najděte jádroklineárního zobrazení L:Ê3 Ê4 reprezentovaného maticí A= Určete dimenzik. Mathematica: A={{7,3, 2}, {3,2, 1},{ 6, 4,2}, { 1, 4,1}}; MatrixForm[A] K= NullSpace[A] {{1,1,5}} dim = MatrixRank[K] 1. p.7/11

36 Inverzní matice Příklad Zjistěte, zda k maticiaexistuje matice inverzní. Pokud ano, vypočtěte ji A= Příklad Určete matici reprezentující lineární zobrazení L prostoruê3 doê3 definované vztahem L((x 1, x 2, x 3 ) T )=(2x 1 + x 3, x 1 x 2 x 3, x 1 +3x 2 +2x 3 ) T a nalezněte k ní matici inverzní. Příklad Řešte maticovou rovniciax+x=a 2, kde A= p.8/11

37 Příklad Zjistěte, zda k maticiaexistuje matice inverzní. Pokud ano, vypočtěte ji A= ?. p.9/11

38 Příklad Zjistěte, zda k maticiaexistuje matice inverzní. Pokud ano, vypočtěte ji A= Výsledek: A 1 = p.9/11

39 Příklad Zjistěte, zda k maticiaexistuje matice inverzní. Pokud ano, vypočtěte ji A= Návod: Vypočteme determinant maticea. Je-lidetA 0, inverzní matice existuje. Najdeme ji Gaussovou-Jordanovou metodou, t.j. matici(a E) převedeme pomocí ekvivalentních úprav na matici(e A 1 ), kdeeje jednotková matice.. p.9/11

40 Příklad Zjistěte, zda k maticiaexistuje matice inverzní. Pokud ano, vypočtěte ji A= Řešení: Inverzní maticea 1 k maticiaexistuje právě když maticeaje regulární, tj.deta 0. Vypočteme tedy determinant maticea. Počítáme rozvojem podle druhého sloupce: deta=1 ( 1) ( 1) = =1+2 ( 1) =1+2(1 2)= 1. Využili jsme toho, že determinant horní trojúhelníkové matice je roven součinu diagonálních prvků, druhý determinant matice3 3 jsme počítali rozvojem podle 1. řádku. Determinant maticeaje nenulový, tedy maticeaje regulární a inverzní matice existuje. Necht E je jednotková matice. Výpočet provedeme Gaussovou-Jordanovou metodou, tj. matici(a E) převedeme pomocí ekvivalentních úprav na matici(e A 1 ): Další. p.9/11

41 Příklad Zjistěte, zda k maticiaexistuje matice inverzní. Pokud ano, vypočtěte ji A= Řešení: (A E) = K( 2)násobku druhého řádku jsme přičetli první řádek Od prvního a čtvrtého řádku jsme odečetli druhý. V dalším kroku jsme k prvnímu řádku přičetli dvojnásobek třetího řádku a ke čtvrtému řádku jsme přičetli( 2)násobek třetího. Zbývá upravit čtvrtý sloupec. Další. p.9/11

42 Příklad Zjistěte, zda k maticiaexistuje matice inverzní. Pokud ano, vypočtěte ji A= Řešení: =(E A 1 ). K prvnímu řádku jsme přičetli dvojnásobek čtvrtého, k druhému řádku jsme přičetli ( 2)násobek čtvrtého, od třetího řádku jsme odečetli čtvrtý. Při poslední úpravě vydělíme každý řádek diagonálním prvkem. Dostaneme vlevo jednotkovou maticiea vpravo hledanou inverzní maticia 1.. p.9/11

43 Příklad Zjistěte, zda k maticiaexistuje matice inverzní. Pokud ano, vypočtěte ji A= Maple: > with(linalg): > A:= matrix(4,4,[2,1,0,0,1,0,-1,2,0,0,1,-1,0,1,0,-1]); A:= > det(a); > inverse(a); p.9/11

44 Příklad Zjistěte, zda k maticiaexistuje matice inverzní. Pokud ano, vypočtěte ji A= Mathematica: A={{2,1,0,0}, {1,0, 1,2}, {0,0,1, 1}, {0,1,0, 1}}; Det[A] 1 B= Inverse[A]; MatrixForm[B] p.9/11

45 Příklad Určete matici reprezentující lineární zobrazení L prostoruê3 doê3 definované vztahem L((x 1, x 2, x 3 ) T )=(2x 1 + x 3, x 1 x 2 x 3, x 1 +3x 2 +2x 3 ) T a nalezněte k ní matici inverzní.?. p.10/11

46 Příklad Určete matici reprezentující lineární zobrazení L prostoruê3 doê3 definované vztahem L((x 1, x 2, x 3 ) T )=(2x 1 + x 3, x 1 x 2 x 3, x 1 +3x 2 +2x 3 ) T a nalezněte k ní matici inverzní. Výsledek: A= , A 1 = p.10/11

47 Příklad Určete matici reprezentující lineární zobrazení L prostoruê3 doê3 definované vztahem L((x 1, x 2, x 3 ) T )=(2x 1 + x 3, x 1 x 2 x 3, x 1 +3x 2 +2x 3 ) T a nalezněte k ní matici inverzní. Návod: Porovnáním vektorů A x a L( x) získáme prvky maticea. Inverzní matici vypočteme Gaussovou-Jordanovou metodou nebo pomocí algebraických doplňků.. p.10/11

48 Příklad Určete matici reprezentující lineární zobrazení L prostoruê3 doê3 definované vztahem L((x 1, x 2, x 3 ) T )=(2x 1 + x 3, x 1 x 2 x 3, x 1 +3x 2 +2x 3 ) T a nalezněte k ní matici inverzní. Řešení: Protože L( x)=a x, dostaneme prvky a ij matice A typu3 3 porovnáním vektorů A x a L( x): a 11 x 1 + a 12 x 2 + a 13 x 3 2x 1 + x 3 a 21 x 1 + a 22 x 2 + a 23 x 3 = x 1 x 2 x 3. a 31 x 1 + a 32 x 2 + a 33 x 3 x 1 +3x 2 +2x 3 Tedy maticeareprezentující lineární zobrazení L:Ê3 Ê3 je A= Nyní vypočteme Gaussovou-Jordanovou metodou inverzní matici, tj. pomocí ekvivalentních úprav převedeme matici(a E) na matici(e A 1 ): (A E) = Další. p.10/11

49 Příklad Určete matici reprezentující lineární zobrazení L prostoruê3 doê3 definované vztahem L((x 1, x 2, x 3 ) T )=(2x 1 + x 3, x 1 x 2 x 3, x 1 +3x 2 +2x 3 ) T a nalezněte k ní matici inverzní. Řešení: K( 2)násobku druhého řádku jsme přičetli první, ke dvojnásobku třetího řádku jsme přičetli první. Při další úpravě jsme k třetímu řádku přičetli( 3)násobek druhého Ke čtyřnásobku prvního řádku jsme přičetli třetí řádek, ke čtyřnásobku druhého řádku jsme přičetli trojnásobek třetího. Zbývá vydělit každý řádek diagonálním prvkem =(E A 1 ) = A 1 = p.10/11

50 Příklad Určete matici reprezentující lineární zobrazení L prostoruê3 doê3 definované vztahem L((x 1, x 2, x 3 ) T )=(2x 1 + x 3, x 1 x 2 x 3, x 1 +3x 2 +2x 3 ) T a nalezněte k ní matici inverzní. Maple: > with(linalg): > eqns := {2*x1+x3=y1,x1-x2-x3=y2,-x1+3*x2+2*x3=y3}; eqns:= {2x1+x3=y1,x1 x2 x3=y2, x1+3x2+2x3=y3 } > A := genmatrix(eqns, [x1,x2,x3]); > B:=inverse(A); A:= B:= p.10/11

51 Příklad Určete matici reprezentující lineární zobrazení L prostoruê3 doê3 definované vztahem L((x 1, x 2, x 3 ) T )=(2x 1 + x 3, x 1 x 2 x 3, x 1 +3x 2 +2x 3 ) T a nalezněte k ní matici inverzní. Mathematica: A={{2,0,1}, {1, 1, 1}, { 1,3,2}}; MatrixForm[A] B= Inverse[A]; MatrixForm[B] p.10/11

52 Příklad Řešte maticovou rovniciax+x=a 2, kde A= ?. p.11/11

53 Příklad Řešte maticovou rovniciax+x=a 2, kde Výsledek: A= X:= p.11/11

54 Příklad Řešte maticovou rovniciax+x=a 2, kde Návod: A= Nejprve vyjádříme maticixobecně z maticové rovnice, teprve potom dosadíme konkrétní maticia,a 2,A+E a inverzní matici ka+e.eje jednotková matice, matici A+E dostaneme vytknutím maticexamatici(a+e) 1 musíme spočítat (pozor, včas ověřte, že inverzní matice existuje), abychom mohli vypočítat výslednou maticix... p.11/11

55 Příklad Řešte maticovou rovniciax+x=a 2, kde Řešení: A= Nejprve vyjádříme maticixobecně z maticové rovnice. Vytkneme v levé části rovnice maticixvpravo: AX+X=A 2 = (A+E)X=A 2, E je jednotková matice, E=diag(1,1,1) Ê3. Nyní bychom potřebovali celou rovnici vynásobit zleva maticí(a+e) 1. To ale musíme vědět, že inverzní matice existuje. Tedy musíme vypočítat maticia+e a ověřit, že je regulární, tj.det(a+e) 0. Determinant budeme počítat rozvojem podle třetího řádku.. A+E= = , det(a+e)= = 2+(4 1)=1. Celou rovnici tedy vynásobíme inverzní maticí(a+e) 1 zleva a použijeme definici inverzní matice, tj.(a+e) 1 (A+E)=E, a dále rovnostex=x. Další. p.11/11

56 Příklad Řešte maticovou rovniciax+x=a 2, kde Řešení: A= (A+E) 1 (A+E)X=(A+E) 1 A 2 = X=(A+E) 1 A 2. Dostali jsme obecný předpis pro maticix. Vypočteme konkrétní matice: A 2 = , (A+E E)= Další =(E (A+E) 1 ).. p.11/11

57 Příklad Řešte maticovou rovniciax+x=a 2, kde A= Řešení: Zbývá vypočítatx: X=(A+E) 1 A 2 = = p.11/11

58 Příklad Řešte maticovou rovniciax+x=a 2, kde Maple: Další > with(linalg): A= > A:= matrix(3,3,[1,1,1,1,1,0,1,0,0]); A:= > AA:=evalm(A&*A); > E:=diag(1,1,1); AA:= E:= p.11/11

59 Příklad Řešte maticovou rovniciax+x=a 2, kde Maple: > evalm(a+e); > det(%); > B:=inverse(A+E); > X:=evalm(B&*AA); A= B:= X:= p.11/11

60 Příklad Řešte maticovou rovniciax+x=a 2, kde Mathematica: A= A={{2,0,1}, {1, 1, 1}, { 1,3,2}}; MatrixForm[A] B= Inverse[A]; MatrixForm[B] A={{1,1,1}, {1,1,0}, {1,0,0}}; MatrixForm[A] Další p.11/11

Soustavy lineárních algebraických rovnic

Soustavy lineárních algebraických rovnic Soustavy lineárních algebraických rovnic Gaussova eliminační metoda Gaussova-Jordanova metoda Inverzní matice Cramerovo pravidlo. p.1/15 Gaussova eliminační metoda Příklad 10.1.1 Řešte soustavu rovnic

Více

1 Determinanty a inverzní matice

1 Determinanty a inverzní matice Determinanty a inverzní matice Definice Necht A = (a ij ) je matice typu (n, n), n 2 Subdeterminantem A ij matice A příslušným pozici (i, j) nazýváme determinant matice, která vznikne z A vypuštěním i-tého

Více

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

(Cramerovo pravidlo, determinanty, inverzní matice)

(Cramerovo pravidlo, determinanty, inverzní matice) KMA/MAT1 Přednáška a cvičení, Lineární algebra 2 Řešení soustav lineárních rovnic se čtvercovou maticí soustavy (Cramerovo pravidlo, determinanty, inverzní matice) 16 a 21 října 2014 V dnešní přednášce

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

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

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

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

Matematika B101MA1, B101MA2

Matematika B101MA1, B101MA2 Matematika B101MA1, B101MA2 Zařazení předmětu: povinný předmět 1.ročníku bc studia 2 semestry Rozsah předmětu: prezenční studium 2 + 2 kombinované studium 16 + 0 / semestr Zakončení předmětu: ZS zápočet

Více

4. Trojúhelníkový rozklad p. 1/20

4. Trojúhelníkový rozklad p. 1/20 4. Trojúhelníkový rozklad 4. Trojúhelníkový rozklad p. 1/20 4. Trojúhelníkový rozklad p. 2/20 Trojúhelníkový rozklad 1. Permutační matice 2. Trojúhelníkové matice 3. Trojúhelníkový (LU) rozklad 4. Výpočet

Více

Připomenutí co je to soustava lineárních rovnic

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

Více

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

Determinanty. Obsah. Aplikovaná matematika I. Pierre Simon de Laplace. Definice determinantu. Laplaceův rozvoj Vlastnosti determinantu.

Determinanty. Obsah. Aplikovaná matematika I. Pierre Simon de Laplace. Definice determinantu. Laplaceův rozvoj Vlastnosti determinantu. Determinanty Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Determinanty Definice determinantu Sarrusovo a křížové pravidlo Laplaceův rozvoj Vlastnosti determinantu Výpočet determinantů 2 Inverzní

Více

Kapitola 1: Lineární prostor

Kapitola 1: Lineární prostor Lineární prostor Kapitola 1: Lineární prostor Chcete-li ukončit prohlížení stiskněte klávesu Esc. Chcete-li pokračovat stiskněte klávesu Enter.. p.1/15 Lineární prostor Lineární prostoralineární podprostor

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

Determinant matice řádu 5 budeme počítat opakovaným použitím rozvoje determinantu podle vybraného řádku nebo sloupce. Aby byl náš výpočet

Determinant matice řádu 5 budeme počítat opakovaným použitím rozvoje determinantu podle vybraného řádku nebo sloupce. Aby byl náš výpočet Řešené příklady z lineární algebry - část 2 Příklad 2.: Určete determinant matice A: A = 4 4. Řešení: Determinant matice řádu budeme počítat opakovaným použitím rozvoje determinantu podle vybraného řádku

Více

Vektory a matice. Matice a operace s nimi. Hodnost matice. Determinanty. . p.1/12

Vektory a matice. Matice a operace s nimi. Hodnost matice. Determinanty. . p.1/12 Vektory a matice Lineární (ne-)závislost vektorů n zê Matice a operace s nimi Hodnost matice Determinanty. p.1/12 Lineární (ne-)závislost vektorů zê n Příklad 9.1.1 Rozhodněte, zda jsou uvedené vektory

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

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

Soustavy lineárních rovnic a determinanty

Soustavy lineárních rovnic a determinanty Soustavy lineárních rovnic a determinanty Petr Hasil Přednáška z matematiky Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny

Více

Co je obsahem numerických metod?

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

Více

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

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

Více

Matice přechodu. Pozorování 2. Základní úkol: Určete matici přechodu od báze M k bázi N. Každou bázi napíšeme do sloupců matice, např.

Matice přechodu. Pozorování 2. Základní úkol: Určete matici přechodu od báze M k bázi N. Každou bázi napíšeme do sloupců matice, např. Matice přechodu Základní úkol: Určete matici přechodu od báze M k bázi N. Každou bázi napíšeme do sloupců matice, např. u příkladu 7 (v ) dostaneme: Nyní bychom mohli postupovat jako u matice homomorfismu

Více

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

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

Více

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

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

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

Soustavy lineárních rovnic

Soustavy lineárních rovnic Soustavy lineárních rovnic Základy vyšší matematiky LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny společného

Více

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

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

Více

Operace s maticemi. 19. února 2018

Operace s maticemi. 19. února 2018 Operace s maticemi Přednáška druhá 19. února 2018 Obsah 1 Operace s maticemi 2 Hodnost matice (opakování) 3 Regulární matice 4 Inverzní matice 5 Determinant matice Matice Definice (Matice). Reálná matice

Více

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: 3 Maticový počet 3.1 Zavedení pojmu matice Maticí typu (m, n, kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: a 11 a 12... a 1k... a 1n a 21 a 22...

Více

2.6. Vlastní čísla a vlastní vektory matice

2.6. Vlastní čísla a vlastní vektory matice 26 Cíle V této části se budeme zabývat hledáním čísla λ které je řešením rovnice A x = λ x (1) kde A je matice řádu n Znalost řešení takové rovnice má řadu aplikací nejen v matematice Definice 261 Nechť

Více

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

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

Více

1 Řešení soustav lineárních rovnic

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

Více

Řešené úlohy z Úvodu do algebry 1

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

Více

Lineární algebra. Matice, operace s maticemi

Lineární algebra. Matice, operace s maticemi Lineární algebra Matice, operace s maticemi Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo

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

SOUČIN MATIC A m n B n p = C m p, přičemž: a i1 b 1j +a i2 b 2j + +a in b nj = c ij, i=1 m, j=1 p. Např: (-2) = -3

SOUČIN MATIC A m n B n p = C m p, přičemž: a i1 b 1j +a i2 b 2j + +a in b nj = c ij, i=1 m, j=1 p. Např: (-2) = -3 SOUČIN MATIC A m n B n p = C m p, přičemž: a i1 b 1j +a i2 b 2j + +a in b nj = c ij, i=1 m, j=1 p Např: 2 2 + (-2) 4 + 0 0 + 1 1 = -3 INVERZNÍ MATICE Pro čtvercovou matici B může (ale nemusí) existovat

Více

1 Vektorové prostory.

1 Vektorové prostory. 1 Vektorové prostory DefiniceMnožinu V, jejíž prvky budeme označovat a, b, c, z, budeme nazývat vektorovým prostorem právě tehdy, když budou splněny následující podmínky: 1 Je dáno zobrazení V V V, které

Více

P 1 = P 1 1 = P 1, P 1 2 =

P 1 = P 1 1 = P 1, P 1 2 = 1 Výpočet inverzní matice Věta 1 Necht P U elementární matice vzniklá el úpravou U Pak je P U regulární Důkaz: Protože elementární úprava U je invertovatelná, existuje el úprava U, která vrací změny U

Více

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

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést Úlohy k zamyšlení 1. Zdůvodněte, proč třetí řádek Hornerova schématu pro vyhodnocení polynomu p v bodě c obsahuje koeficienty polynomu r, pro který platí p(x) = (x c) r(x) + p(c). 2. Dokažte, že pokud

Více

JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT4

JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT4 ŘEŠENÍ MINITESTŮ JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT4. Z daných tří soustav rovnic o neznámých x, x vyberte právě všechny ty, které jsou regulární.

Více

Geometrie v R n. student. Poznamenejme, že vlastně počítáme délku úsečky, která oba body spojuje. (b d)2 + (c a) 2

Geometrie v R n. student. Poznamenejme, že vlastně počítáme délku úsečky, která oba body spojuje. (b d)2 + (c a) 2 Geometrie v R n Začněme nejjednodušší úlohou: Vypočtěme vzdálenost dvou bodů v rovině. Použijeme příkaz distance z balíku student. Poznamenejme, že vlastně počítáme délku úsečky, která oba body spojuje.

Více

Geometrie v R n. z balíku student. Poznamenejme, že vlastně počítáme délku úsečky, která oba body spojuje. (b d)2 + (c a) 2

Geometrie v R n. z balíku student. Poznamenejme, že vlastně počítáme délku úsečky, která oba body spojuje. (b d)2 + (c a) 2 Geometrie v R n Začněme nejjednodušší úlohou: Vypočtěme vzdálenost dvou bodů v rovině. Použijeme příkaz distance z balíku student. Poznamenejme, že vlastně počítáme délku úsečky, která oba body spojuje.

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

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

Soustava m lineárních rovnic o n neznámých je systém

Soustava m lineárních rovnic o n neznámých je systém 1 1.2. Soustavy lineárních rovnic Soustava lineárních rovnic Soustava m lineárních rovnic o n neznámých je systém a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2...

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

1. LINEÁRNÍ ALGEBRA Vektory Operace s vektory... 8 Úlohy k samostatnému řešení... 8

1. LINEÁRNÍ ALGEBRA Vektory Operace s vektory... 8 Úlohy k samostatnému řešení... 8 1 Lineární algebra 1 LINEÁRNÍ ALGEBRA 8 11 Vektory 8 111 Operace s vektory 8 8 112 Lineární závislost a nezávislost vektorů 8 8 113 Báze vektorového prostoru 9 9 12 Determinant 9 9 13 Matice 1 131 Operace

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

Cvičení z Numerických metod I - 12.týden

Cvičení z Numerických metod I - 12.týden Máme systém lineárních rovnic Cvičení z Numerických metod I - týden Přímé metody řešení systému lineárních rovnic Ax = b, A = a a n a n a nn Budeme hledat přesné řešení soustavy x = x x n, b = b b n, x

Více

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

1 Zobrazení 1 ZOBRAZENÍ 1. Zobrazení a algebraické struktury. (a) Ukažte, že zobrazení f : x 1 ZOBRAZENÍ 1 Zobrazení a algebraické struktury 1 Zobrazení Příklad 1.1. (a) Ukažte, že zobrazení f : x na otevřený interval ( 1, 1). x x +1 je bijekce množiny reálných čísel R (b) Necht a, b R, a < b.

Více

SOUSTAVY LINEÁRNÍCH ROVNIC

SOUSTAVY LINEÁRNÍCH ROVNIC MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA SOUSTAVY LINEÁRNÍCH ROVNIC Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny

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

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

1/10. Kapitola 12: Soustavy lineárních algebraických rovnic

1/10. Kapitola 12: Soustavy lineárních algebraických rovnic 1/10 Kapitola 12: Soustavy lineárních algebraických rovnic Soustavy lineárních algebraických rovnic 2/10 Definice: Soustavou m lineárních algebraických rovnic o n neznámých rozumíme soustavu rovnic a 11

Více

Základy matematiky pro FEK

Základy matematiky pro FEK Základy matematiky pro FEK 3. přednáška Blanka Šedivá KMA zimní semestr 2016/2017 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 2016/2017 1 / 21 Co nás dneska čeká... Co je to soustava lineárních

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

Matematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29

Matematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29 Matematika 1 11. přednáška MA1 1 Opakování 2 Determinant 3 Adjungovaná matice 4 Cramerovo pravidlo 5 Vlastní čísla a vlastní vektory matic 6 Zkouška; konzultace; výběrová matematika;... 11. přednáška (15.12.2010

Více

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

Numerické metody a programování

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

Více

[1] Determinant. det A = 0 pro singulární matici, det A 0 pro regulární matici

[1] Determinant. det A = 0 pro singulární matici, det A 0 pro regulární matici [1] Determinant je číslo jistým způsobem charakterizující čtvercovou matici det A = 0 pro singulární matici, det A 0 pro regulární matici používá se při řešení lineárních soustav... a v mnoha dalších aplikacích

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

Operace s maticemi

Operace s maticemi Operace s maticemi Seminář druhý 17.10. 2018 Obsah 1 Operace s maticemi 2 Hodnost matice 3 Regulární matice 4 Inverzní matice Matice Definice (Matice). Reálná matice typu m n je obdélníkové schema A =

Více

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

a vlastních vektorů Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové (A λ i I) v = 0.

a vlastních vektorů Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové (A λ i I) v = 0. Výpočet vlastních čísel a vlastních vektorů S pojmem vlastního čísla jsme se již setkali například u iteračních metod pro řešení soustavy lineárních algebraických rovnic. Velikosti vlastních čísel iterační

Více

Matematika I pracovní listy

Matematika I pracovní listy Matematika I pracovní listy Dagmar Dlouhá, Radka Hamříková, Zuzana Morávková, Michaela Tužilová Katedra matematiky a deskriptivní geometrie VŠB - Technická univerzita Ostrava Úvod Pracovní listy jsou určeny

Více

1 Mnohočleny a algebraické rovnice

1 Mnohočleny a algebraické rovnice 1 Mnohočleny a algebraické rovnice 1.1 Pojem mnohočlenu (polynomu) Připomeňme, že výrazům typu a 2 x 2 + a 1 x + a 0 říkáme kvadratický trojčlen, když a 2 0. Číslům a 0, a 1, a 2 říkáme koeficienty a písmenem

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

VĚTY Z LINEÁRNÍ ALGEBRY

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

Více

Soustavy lineárních rovnic-numerické řešení. October 2, 2008

Soustavy lineárních rovnic-numerické řešení. October 2, 2008 Soustavy lineárních rovnic-numerické řešení October 2, 2008 (Systém lin. rovnic) Systém rovnic a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2... a n1 x 1 + a n2 x 2 + + a

Více

1.13 Klasifikace kvadrik

1.13 Klasifikace kvadrik 5 KAPITOLA 1. KVADRIKY JAKO PLOCHY. STUPNĚ 1.13 Klasifikace kvadrik V této části provedeme klasifikaci kvadrik. Vyšetříme všechny případy, které mohou různou volbou koeficientů v rovnici kvadriky a 11

Více

KOMPLEXNÍ ČÍSLA INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ

KOMPLEXNÍ ČÍSLA INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ KOMPLEXNÍ ČÍSLA Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 21. století - využití ICT ve vyučování matematiky na gymnáziu INVESTICE

Více

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

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

Více

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

VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku VI Maticový počet VI1 Základní operace s maticemi Definice Tabulku a 11 a 12 a 1n a 21 a 22 a 2n, a m1 a m2 a mn kde a ij R, i = 1,, m, j = 1,, n, nazýváme maticí typu m n Zkráceně zapisujeme (a ij i=1m

Více

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

Projekt OPVK - CZ.1.07/1.1.00/ Matematika pro všechny. Univerzita Palackého v Olomouci Projekt OPVK - CZ.1.07/1.1.00/26.0047 Matematika pro všechny Univerzita Palackého v Olomouci Tematický okruh: Číslo a proměnná Gradovaný řetězec úloh Téma: soustava rovnic, parametry Autor: Stanislav Trávníček

Více

Lineární algebra - I. část (vektory, matice a jejich využití)

Lineární algebra - I. část (vektory, matice a jejich využití) Lineární algebra - I. část (vektory, matice a jejich využití) Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 2. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 40 Obsah 1 Vektory

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

Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe.

Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. 4 Afinita Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. Poznámka. Vzájemně jednoznačným zobrazením rozumíme zobrazení,

Více

Matematika 2 pro PEF PaE

Matematika 2 pro PEF PaE Determinanty / 8 Matematika 2 pro PEF PaE 3 Determinanty Přemysl Jedlička Katedra matematiky, TF ČZU Permutace Determinanty Výpočet determinantu z definice 2 / 8 Permutací množiny {,, n} rozumíme prosté

Více

1 0 0 u 22 u 23 l 31. l u11

1 0 0 u 22 u 23 l 31. l u11 LU dekompozice Jedná se o rozklad matice A na dvě trojúhelníkové matice L a U, A=LU. Matice L je dolní trojúhelníková s jedničkami na diagonále a matice U je horní trojúhelníková. a a2 a3 a 2 a 22 a 23

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

označme j = (0, 1) a nazvěme tuto dvojici imaginární jednotkou. Potom libovolnou (x, y) = (x, 0) + (0, y) = (x, 0) + (0, 1)(y, 0) = x + jy,

označme j = (0, 1) a nazvěme tuto dvojici imaginární jednotkou. Potom libovolnou (x, y) = (x, 0) + (0, y) = (x, 0) + (0, 1)(y, 0) = x + jy, Komplexní čísla Množinu všech uspořádaných dvojic (x, y) reálných čísel x, y nazýváme množinou komplexních čísel C, jestliže pro každé dvě takové dvojice (x, y ), (x 2, y 2 ) je definována rovnost, sčítání

Více

13. cvičení z PSI ledna 2017

13. cvičení z PSI ledna 2017 cvičení z PSI - 7 ledna 07 Asymptotické pravděpodobnosti stavů Najděte asymptotické pravděpodobnosti stavů Markovova řetězce s maticí přechodu / / / 0 P / / 0 / 0 0 0 0 0 0 jestliže počáteční stav je Řešení:

Více

VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY

VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY Jan Krejčí 31. srpna 2006 jkrejci@physics.ujep.cz http://physics.ujep.cz/~jkrejci Obsah 1 Přímé metody řešení soustav lineárních rovnic 3 1.1 Gaussova eliminace...............................

Více

Číselné vektory, matice, determinanty

Číselné vektory, matice, determinanty Číselné vektory, matice, determinanty Základy vyšší matematiky LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny

Více

Soustavy lineárních rovnic-numerické řešení

Soustavy lineárních rovnic-numerické řešení Soustavy lineárních rovnic-numerické řešení November 9, 2008 Soustavy lineárních rovnic-numerické řešení 1 / 52 (Systém lin. rovnic) Systém rovnic a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22

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

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

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

Více

f(x) = arccotg x 2 x lim f(x). Určete všechny asymptoty grafu x 2 2 =

f(x) = arccotg x 2 x lim f(x). Určete všechny asymptoty grafu x 2 2 = Řešení vzorové písemky z předmětu MAR Poznámky: Řešení úloh ze vzorové písemky jsou formulována dosti podrobně podobným způsobem jako u řešených příkladů ve skriptech U zkoušky lze jednotlivé kroky postupu

Více

Budeme hledat řešení y(x) okrajové úlohy pro diferenciální rovnici druhého řádu v samoadjungovaném tvaru na intervalu a, b : 2 ) y i p i+ 1

Budeme hledat řešení y(x) okrajové úlohy pro diferenciální rovnici druhého řádu v samoadjungovaném tvaru na intervalu a, b : 2 ) y i p i+ 1 ODR - okrajová úloha Teorie (velmi stručný výběr z přednášek) Okrajová úloha 2. řádu Budeme hledat řešení y(x) okrajové úlohy pro diferenciální rovnici druhého řádu v samoadjungovaném tvaru na intervalu

Více

5. Lokální, vázané a globální extrémy

5. Lokální, vázané a globální extrémy 5 Lokální, vázané a globální extrémy Studijní text Lokální extrémy 5 Lokální, vázané a globální extrémy Definice 51 Řekneme, že f : R n R má v bodě a Df: 1 lokální maximum, když Ka, δ Df tak, že x Ka,

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

VZOROVÝ TEST PRO 1. ROČNÍK (1. A, 3. C)

VZOROVÝ TEST PRO 1. ROČNÍK (1. A, 3. C) VZOROVÝ TEST PRO. ROČNÍK (. A, 3. C) Zjednodušte daný příklad. (a 2 3 b 3 4) 2 (a 2 b 3 8) 3 max. 3 body 2 Ve které z následujících možností je uveden správný postup usměrnění daného zlomku a správný výsledek?

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

Čtvercové matice. Čtvercová matice je taková matice, jejíž počet řádků je roven počtu jejích sloupců

Čtvercové matice. Čtvercová matice je taková matice, jejíž počet řádků je roven počtu jejích sloupců Determinant matice Čtvercové matice Čtvercová matice je taková matice, jejíž počet řádků je roven počtu jejích sloupců Determinant je zobrazení, které přiřadí každé čtvercové matici A skalár (reálné číslo).

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

MATEMATIKA PRO PŘÍRODNÍ VĚDY LINEÁRNÍ ALGEBRA, DIFERENCIÁLNÍ POČET MPV, LADP TUL, ZS 2009/10

MATEMATIKA PRO PŘÍRODNÍ VĚDY LINEÁRNÍ ALGEBRA, DIFERENCIÁLNÍ POČET MPV, LADP TUL, ZS 2009/10 1 MATEMATIKA PRO PŘÍRODNÍ VĚDY LINEÁRNÍ ALGEBRA, DIFERENCIÁLNÍ POČET 2 koncepce/slides: Jan Picek přednášející: Jiří Veselý KAP, tel. 485352290, budova H konzul. hodiny: dle úmluvy e-mail: jvesely@karlin.mff.cuni.cz

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

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