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

Rozměr: px
Začít zobrazení ze stránky:

Download "α 1 α 2 + α 3 = 0 2α 1 + α 2 + α 3 = 0"

Transkript

1 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, zda jsou lineárně nezávislé také vektory u + v + 2 w, u v + w, u + v + w. Řešení: Uvažujme nulovou lineární kombinaci vektorů u + v + 2 w, u v + w, u + v + w. α 1 ( u + v + 2 w) + α 2 ( u v + w) + α 3 ( u + v + w) = o (α 1 α 2 + α 3 ) u + (α 1 α 2 + α 3 ) v + (2α 1 + α 2 + α 3 ) w = o je nulová lineární kombinace vektorů u, v, w. Ta musí být triviální, protože tyto vektory jsou lineárně nezávislé. Platí tedy Napíšeme a upravíme matici této soustavy: α 1 α 2 + α 3 = 0 α 1 α 2 + α 3 = 0 2α 1 + α 2 + α 3 = Soustava má nekonečně mnoho řešení, např. α 1 = 2, α 2 = 1, α 3 = 3. 2( u + v + 2 w) + 1( u v + w) + 3( u + v + w) = o je netriviální nulová lineární kombinace vektorů u + v + 2 w, u v + w, u + v + w, jsou tedy lineárně závislé. 2. Najděte všechna řešení maticové rovnice AX + X = C, kde , C = Řešení: AX + X = C (A + E)X = C X = (A + E) 1 C) X = = Nechť V je lin. obal vektorů (1, 1, 2, 1), (2, 1, 1, 1), (1, 2, 1, 1), (0, 1, 1, 2), (1, 1, 0, 2), W je lin. obal vektorů (1, 1, 1, 1), (2, 2, 3, 0), (1, 1, 3, 3), (1, 1, 0, 3), (2, 2, 1, 4). Spočtěte dimensi prostorů V, W, V + W, V W. Řešení: Dimense podprostoru IR 4 je rovna hodnosti matice, jejímiž řádky jsou generátory tohoto podprostoru. Označme A matici, jejímiž řádky jsou generátory prostoru V Zřejmě hod 3 = dimv. Analogicky spočítáme dimensi prostoru W. Označme B matici, jejímiž řádky jsou generátory prostoru W B =

2 Zřejmě hodb = 2 = dimw. Spojení podprostorů je generováno sjednocením generátorů těchto podprostorů. Nemusíme pracovat se všemi (deseti) generátory, stačí vzít báze - ty získáme z upravených matic. Označme C matici, jejímiž řádky jsou generátory prostoru V + W. C = Zřejmě hodc = 4 = dim(v + W ). dimv + dimw = dim(v + W ) + dim(v W ), tedy dim(v W ) = = 1. Zjistili jsme tedy, že dimv = 3, dimw = 2, dim(v + W ) = 4, dim(v W ) = Označme P 2 lineární prostor všech polynomů nejvýše 2. stupně. Nechť A : P 2 P 2 je lineární zobrazení, pro které platí A(x 2 +2x 1) = x 2 +x+2, A(x 2 +x 2) = x 2 +2x, A(x 2 +2x) = x 2 +3x 2. Rozhodněte, zda je zobrazení A prosté. Řešení: Najdeme matici A lineárního zobrazení A vzhledem k bazím (x 2 + 2x 1, x 2 + x 2, x 2 + 2x) a bázi standardní (x 2, x, 1). Je to matice, jejímiž sloupci jsou souřadnice vektorů z báze prostoru vzorů vzhledem k bázi prostoru obrazů (tj. bázi standardní) Zobrazení A je prosté právě tehdy, když je matice A regulární. det = 8, A je regulární a zobrazení A je tedy prosté. 5. Definujte souřadnice vektoru u vzhledem k uspořádané bázi B. Spčtěte souřadnice polynomu P (x) = 3x 3 + 5x 2 1 vzhledem k uspořádané bázi B = (x 2, 1, x, x 3 ). Řešení: Nechť B = ( b 1, b 2,... b n ), je uspořádaná báze vektorového prostoru V. Každý vektor v V můžeme právě jedním způsobem napsat jako lineární kombinaci vektorů z báze B. Vektor koeficientů této lineární kombinace nazveme souřadnice vektoru v vzhledem k bázi B. Tedy jestliže v = a 1 b1 + a 2 b a n bn, pak vektor souřadnic je (a 1, a 2,..., a n. Polynom P (x) = 3x 3 + 5x 2 1 = 5 x 2 + ( 1) x + 3 x 3, jeho souřadnice vzhledem k bázi B tedy jsou (5. 1, 0, 3).

3 Zadání C. 1. Vektory u, v, w jsou lineárně nezávislé. Rozhodněte, zda jsou lineárně nezávislé také vektory 2 u + v w, u + 2 v 2 w, u v + w. Řešení: Uvažujme nulovou lineární kombinaci vektorů 2 u + v w, u + 2 v 2 w, u v + w. α 1 (2 u + v w) + α 2 ( u + 2 v 2 w) + α 3 ( u v + w) = o (2α 1 + α 2 + α 3 ) u + (α 1 + 2α 2 α 3 ) v + ( α 1 2α 2 + α 3 ) w = o je nulová lineární kombinace vektorů u, v, w. Ta musí být triviální, protože tyto vektory jsou lineárně nezávislé. Platí tedy 2α 1 + α 2 + α 3 = 0 α 1 + 2α 2 α 3 = 0 α 1 2α 2 + α 3 = 0 Napíšeme a upravíme matici této soustavy: Soustava má nekonečně mnoho řešení, např. α 1 = 1, α 2 = 1, α 3 = 1. (2 u + v w) + 1( u + 2 v 2 w) + 1( u v + w) = o je netriviální nulová lineární kombinace vektorů 2 u + v w, u + 2 v 2 w, u v + w, jsou tedy lineárně závislé. 2. Najděte všechna řešení maticové rovnice XA + X = C, kde , C = Řešení: XA + X = C X(A + E) = C X = C(A + E) 1 X = = Nechť V je lin. obal vektorů (1, 2, 1, 1), (2, 1, 1, 1), (12, 1, 1, 2), (1, 1, 0, 0), (1, 1, 0, 1), W je lin. obal vektorů (1, 1, 2, 1), (2, 1, 3, 2), (0, 3, 1.0), (1, 5, 0, 1), (3, 3, 4, 3). Spočtěte dimensi prostorů V, W, V + W, V W. Řešení: Dimense podprostoru IR 4 je rovna hodnosti matice, jejímiž řádky jsou generátory tohoto podprostoru. Označme A matici, jejímiž řádky jsou generátory prostoru V Zřejmě hod 3 = dimv. Analogicky spočítáme dimensi prostoru W. Označme B matici, jejímiž řádky jsou generátory prostoru W B =

4 Zřejmě hodb = 2 = dimw. Spojení podprostorů je generováno sjednocením generátorů těchto podprostorů. Nemusíme pracovat se všemi (deseti) generátory, stačí vzít báze - ty získáme z upravených matic. Označme C matici, jejímiž řádky jsou generátory prostoru V + W. C = Zřejmě hodc = 4 = dim(v + W ). dimv + dimw = dim(v + W ) + dim(v W ), tedy dim(v W ) = = 1. Zjistili jsme tedy, že dimv = 3, dimw = 2, dim(v + W ) = 4, dim(v W ) = Označme P 2 lineární prostor všech polynomů nejvýše 2. stupně. Nechť A : P 2 P 2 je lineární zobrazení definované předpisem A(ax 2 + bx + c) = (a + b c)x 2 + (a + c)x + 2a b c. Najděte matici tohoto zobrazení vzhledem ke standardním bazím a rozhodněte, zda je toto zobrazení prosté. Řešení: Matice lineárního zobrazení vzhledem ke standardním bazím je taková matice, jejímiž sloupci jsou souřadnice obrazů vektorů ze standardní báze vzorů vzhledem ke standardní bázi prostoru obrazů. Spočítáme si, na co se zobrazí vektory x 2, x, 1. A(x 2 ) = x 2 + x + 2, A(x) = x 2 1, A(1) = x 2 + x 1. Matice lineárního zobrazení vzhledem ke standardním bazím je tedy matice Zobrazení A je prosté právě tehdy, když je matice A regulární. det = 5, A je regulární a zobrazení A je tedy prosté. 5. Definujte determinant čtvercové matice. Odvoďte Sarrusovo pravidlo pro matici řádu 2. Řešení: Nechť (a i,j ) je čtvercová matice řádu n. Determinantem této matice je reálné číslo det π ( 1) sgnπ a 1,π(1) a 2,π(2)...a n,π(n), kde sčítáme přes všechny permutace π. Pro n = 2 máme dvě permutace: π 1, která číslu 1 přiřadí číslo 1 a číslu 2 přiřadí číslo 2 ajejíž znaménko je +1, a permutaci π 2, která číslu 1 přiřadí číslo 2 a číslu 2 přiřadí číslo 1 ajejíž znaménko je 1. Tedy det (+1) a 1,1 a 2,2 + ( 1) a 1,2 a 2,1 Determinant tedy spočítáme tak, že od součinu členů na hlavní diagonále odečteme součin členů na vedlejší diagonále.

5 Zadání B. 1. Vektory u, v, w jsou lineárně nezávislé. Rozhodněte, zda jsou lineárně nezávislé také vektory u + 2 v w, 2 u + v + w, u + 5 v 4 w. Řešení: Uvažujme nulovou lineární kombinaci vektorů u + 2 v w, 2 u + v + w, u + 5 v 4 w. α 1 ( u + 2 v w) + α 2 (2 u + v + w) + α 3 ( u + 5 v 4 w) = o (α 1 + 2α 2 + α 3 ) u + (2α 1 + α 2 + 5α 3 ) v + ( α 1 + α 2 4α 3 ) w = o je nulová lineární kombinace vektorů u, v, w. Ta musí být triviální, protože tyto vektory jsou lineárně nezávislé. Platí tedy α 1 + 2α 2 + α 3 = 0 α 1 + α 2 + 5α 3 = 0 α 1 + α 2 4α 3 = 0 Napíšeme a upravíme matici této soustavy: Soustava má nekonečně mnoho řešení, např. α 1 = 3, α 2 = 1, α 3 = ( u + 2 v w) + 1(2 u + v + w) + 1( u + 5 v 4 w) = o je netriviální nulová lineární kombinace vektorů u + 2 v w, 2 u + v + w, u + 5 v 4 w, jsou tedy lineárně závislé. 2. Najděte všechna řešení maticové rovnice BX = C + X, kde B = 1 2 0, C = Řešení: BX = C + X BX X = C (B E)X = C X = (B E) 1 C X = = Najděte bázi lineárního podprostoru V vektorového prostoru IR 4, jestliže V je generován vektory (1, 1, 1, 1), (1, 2, 1, 1), (2, 1, 1, 0), (3, 3, 2, 1), (1, 1, 0, 1). Řešení: Označme A matici, jejímiž řádky jsou generátory prostoru V. Tuto matici upravíme pomocí řádkových úprav na stupňovitou matici, jejíž řádky jsou lineárně nezávislé. Tvoří tedy bázi prostoru V Báze prostoru V je např. {(1, 1, 1, 1), (0, 1, 0, 0), (0, 0, 1, 2)}

6 4. Označme P 2 lineární prostor všech polynomů nejvýše 2. stupně. Nechť A : P 2 P 2 je lineární zobrazení, pro které platí A(x 2 +x+1) = x 2 +x+2, A(x 2 +2x+1) = x 2 +2x, A(x 2 +x+2) = x 2 +3x 2. Rozhodněte, zda je zobrazení A prosté. Řešení: Najdeme matici A lineárního zobrazení A vzhledem k bazím (x 2 +x+1, x 2 +2x+1, x 2 +x+2) a bázi standardní (x 2, x, 1). Je to matice, jejímiž sloupci jsou souřadnice vektorů z báze prostoru vzorů vzhledem k bázi prostoru obrazů (tj. bázi standardní) Zobrazení A je prosté právě tehdy, když je matice A regulární. det = 8, A je regulární a zobrazení A je tedy prosté. 5. Definujte hodnost matice. Najděte matici typu (4, 3), která má hodnost 2. Zdůvodněte. Řešení: Hodnost matice typu (m,n) je dimense podprostoru R n, který je generován řádky matice. Takovou maticí je např matice neboť bazí prostoru generovaného vektory (1, 1, 1), (0, 1, 1), (2, 2, 2), (0, 0, 0)je např. množina {(1, 1, 1), (0, 1, 1)}.,

7 Zadání D. 1. Vektory u, v, w jsou lineárně nezávislé. Rozhodněte, zda jsou lineárně nezávislé také vektory 2 u + v 2 w, u + 2 v 2 w, u + 5 v 4 w. Řešení: Uvažujme nulovou lineární kombinaci vektorů 2 u + v 2 w, u + 2 v 2 w, u + 5 v 4 w. α 1 (2 u + v 2 w) + α 2 ( u + 2 v 2 w) + α 3 ( u + 5 v 4 w) = o (2α 1 + α 2 + α 3 ) u + (α 1 + 2α 2 + 5α 3 ) v + ( 2α 1 2α 2 4α 3 ) w = o je nulová lineární kombinace vektorů u, v, w. Ta musí být triviální, protože tyto vektory jsou lineárně nezávislé. Platí tedy 2α 1 + α 2 + α 3 = 0 α 1 + 2α 2 + 5α 3 = 0 2α 1 2α 2 4α 3 = 0 Napíšeme a upravíme matici této soustavy: Soustava má nekonečně mnoho řešení, např. α 1 = 1, α 2 = 3, α 3 = 1. (2 u + v 2 w) 3( u + 2 v 2 w) + 1( u + 5 v 4 w) = o je netriviální nulová lineární kombinace vektorů 2 u+ v 2 w, u+2 v 2 w, u+5 v 4 w, jsou tedy lineárně závislé. 2. Najděte všechna řešení maticové rovnice XB = C + X, kde B = 1 1 1, C = Řešení: XB = C + X XB X = C X(B E) = C X = C(B E) 1 X = = Najděte bázi lineárního podprostoru V vektorového prostoru IR 4, jestliže V je generován vektory (1, 1, 1, 2), ( 1, 2, 1, 1), (2, 1, 1, 0), (1, 4, 3, 5), (2, 1, 0, 1). Řešení: Označme A matici, jejímiž řádky jsou generátory prostoru V. Tuto matici upravíme pomocí řádkových úprav na stupňovitou matici, jejíž řádky jsou lineárně nezávislé. Tvoří tedy bázi prostoru V Báze prostoru V je např. {(1, 1, 1, 2), (0, 3, 2, 3), (0, 0, 1, 9)}

8 4. Označme P 2 lineární prostor všech polynomů nejvýše 2. stupně. Nechť A : P 2 P 2 je lineární zobrazení definované předpisem A(ax 2 + bx + c) = (a b c)x 2 + (a b + c)x + 2a + b c. Najděte matici tohoto zobrazení vzhledem ke standardním bazím a rozhodněte, zda je toto zobrazení prosté. Řešení: Matice lineárního zobrazení vzhledem ke standardním bazím je taková matice, jejímiž sloupci jsou souřadnice obrazů vektorů ze standardní báze vzorů vzhledem ke standardní bázi prostoru obrazů. Spočítáme si, na co se zobrazí vektory x 2, x, 1. A(x 2 ) = x 2 + x + 2, A(x) = x 2 x + 1, A(1) = x 2 + x 1. Matice lineárního zobrazení vzhledem ke standardním bazím je tedy matice Zobrazení A je prosté právě tehdy, když je matice A regulární. det = 6, A je regulární a zobrazení A je tedy prosté. 5. Definujte inversní matici k matici A. Dokažte, že pokud existuje inversní matice k matici A, pak je určena jednoznačně. Řešení: Necht A je čtvercová matice řádu n. Inversní maticí k matici A nazveme čtvercovou matici X řádu n, pro kterou platí AX = X E. Nechť tuto podmínku splňují matice X, Y, tj. platí AX = X E a také AY = Y E. Potom Matice X a Y jsou si tedy rovny. X = XE = X(AY) = (XA)Y = EY = Y.

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

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

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

DEFINICE Z LINEÁRNÍ ALGEBRY

DEFINICE Z LINEÁRNÍ ALGEBRY DEFINICE Z LINEÁRNÍ ALGEBRY Skripta Matematické metody pro statistiku a operační výzkum (Nešetřilová, H., Šařecová, P., 2009). 1. definice Vektorovým prostorem rozumíme neprázdnou množinu prvků V, na které

Více

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

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

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 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

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

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

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

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

Kapitola 11: Vektory a matice 1/19

Kapitola 11: Vektory a matice 1/19 Kapitola 11: Vektory a matice 1/19 2/19 Prostor R n R n = {(x 1,..., x n ) x i R, i = 1,..., n}, n N x = (x 1,..., x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i =

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

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

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

Kapitola 11: Vektory a matice:

Kapitola 11: Vektory a matice: Kapitola 11: Vektory a matice: Prostor R n R n = {(x 1,, x n ) x i R, i = 1,, n}, n N x = (x 1,, x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i = 1,, n : x i = y i

Více

Cvičení z Lineární algebry 1

Cvičení z Lineární algebry 1 Cvičení z Lineární algebry Michael Krbek podzim 2003 2392003 Hodina Jsou dána komplexní čísla z = +2 i a w = 2 i Vyjádřete c algebraickém tvaru (z + w) 3,, (zw), z w 2 Řešte v komplexním oboru rovnice

Více

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

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

V: Pro nulový prvek o lineárního prostoru L platí vlastnosti:

V: Pro nulový prvek o lineárního prostoru L platí vlastnosti: Zpracoval: hypspave@fel.cvut.cz. Základní vlastnosti abstraktních lineárních prostorů. Lineární závislost, nezávislost, báze, souřadnice vzhledem k bázi, matice lineárního zobrazení vzhledem k bázím.skalární

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

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

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

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

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

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

Základy matematiky pro FEK

Základy matematiky pro FEK Základy matematiky pro FEK 2. přednáška Blanka Šedivá KMA zimní semestr 2016/2017 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 2016/2017 1 / 20 Co nás dneska čeká... Závislé a nezávislé

Více

Determinanty. Determinanty. Přednáška MATEMATIKA č. 3. Jiří Neubauer

Determinanty. Determinanty. Přednáška MATEMATIKA č. 3. Jiří Neubauer Přednáška MATEMATIKA č. 3 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz 21. 10. 2010 Uvažujme neprázdnou množinu přirozených čísel M = {1, 2,..., n}. Z kombinatoriky

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

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

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

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

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

Více

Lineární algebra Operace s vektory a maticemi

Lineární algebra Operace s vektory a maticemi Lineární algebra Operace s vektory a maticemi Robert Mařík 26. září 2008 Obsah Operace s řádkovými vektory..................... 3 Operace se sloupcovými vektory................... 12 Matice..................................

Více

Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika)

Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika) Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika) Kartézská soustava souřadnic je dána počátkem O a uspořádanou trojicí bodů E x,

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

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

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

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

Obecná úloha lineárního programování

Obecná úloha lineárního programování Obecná úloha lineárního programování Úloha Maximalizovat hodnotu c T x (tzv. účelová funkce) za podmínek Ax b (tzv. omezující podmínky) kde A je daná reálná matice typu m n a c R n, b R m jsou dané reálné

Více

Co byste měl/a zvládnout po 4. týdnu

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

Více

na magisterský studijní obor Učitelství matematiky pro střední školy

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

Více

Lineární algebra : Báze a dimenze

Lineární algebra : Báze a dimenze Lineární algebra : Báze a dimenze (5. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 9. dubna 2014, 13:33 1 2 5.1 Báze lineárního prostoru Definice 1. O množině vektorů M z LP V řekneme,

Více

[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

ALGEBRA. Téma 4: Grupy, okruhy a pole

ALGEBRA. Téma 4: Grupy, okruhy a pole SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1, 746 01 Opava, tel. (553) 684 611 DENNÍ STUDIUM Téma 4: Grupy, okruhy a pole Základní pojmy unární operace, binární operace, asociativita,

Více

Výběr báze. u n. a 1 u 1

Výběr báze. u n. a 1 u 1 Výběr báze Mějme vektorový prostor zadán množinou generátorů. To jest V = M, kde M = {u,..., u n }. Pokud je naším úkolem najít nějakou bázi V, nejpřímočařejším postupem je napsat si vektory jako řádky

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

Základní pojmy teorie množin Vektorové prostory

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

Více

Lineární algebra : Vlastní čísla, vektory a diagonalizace

Lineární algebra : Vlastní čísla, vektory a diagonalizace Lineární algebra : Vlastní čísla, vektory a diagonalizace (14. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 21. dubna 2014, 19:37 1 2 14.1 Vlastní čísla a vlastní vektory Nechť je

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

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

6. Vektorový počet Studijní text. 6. Vektorový počet

6. Vektorový počet Studijní text. 6. Vektorový počet 6. Vektorový počet Budeme se pohybovat v prostoru R n, což je kartézská mocnina množiny reálných čísel R; R n = R R. Obvykle nám bude stačit omezení na případy n = 1, 2, 3; nicméně teorie je platná obecně.

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

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

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

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

Součin matice A a čísla α definujeme jako matici αa = (d ij ) typu m n, kde d ij = αa ij pro libovolné indexy i, j.

Součin matice A a čísla α definujeme jako matici αa = (d ij ) typu m n, kde d ij = αa ij pro libovolné indexy i, j. Kapitola 3 Počítání s maticemi Matice stejného typu můžeme sčítat a násobit reálným číslem podobně jako vektory téže dimenze. Definice 3.1 Jsou-li A (a ij ) a B (b ij ) dvě matice stejného typu m n, pak

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

Učební texty k státní bakalářské zkoušce Matematika Diferenciální rovnice. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Diferenciální rovnice. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Diferenciální rovnice študenti MFF 15. augusta 2008 1 7 Diferenciální rovnice Požadavky Soustavy lineárních diferenciálních rovnic prvního řádu lineární

Více

Učební texty k státní bakalářské zkoušce Matematika Matice. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Matice. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Matice študenti MFF 15. augusta 2008 1 12 Matice Požadavky Matice a jejich hodnost Operace s maticemi a jejich vlastnosti Inversní matice Regulární matice,

Více

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

ZADÁNÍ ZKOUŠKOVÉ PÍSEMNÉ PRÁCE Z PŘEDMĚTU LINEÁRNÍ ALGEBRA PRO IT. Verze 1.1A

ZADÁNÍ ZKOUŠKOVÉ PÍSEMNÉ PRÁCE Z PŘEDMĚTU LINEÁRNÍ ALGEBRA PRO IT. Verze 1.1A Verze 1.1A Čas na práci: 1 minut Za každý úkol můžete získat maximálně 1 bodů. Řešení každého příkladu zapisujte čitelně a srozumitelně, 2x 1 +4x 3 +3x 4 = 4 x 1 +2x 2 +4x 3 3x 4 = 1 2x 1 +x 2 x 3 3x 4

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

Jazyk matematiky. 2.1. Matematická logika. 2.2. Množinové operace. 2.3. Zobrazení. 2.4. Rozšířená číslená osa

Jazyk matematiky. 2.1. Matematická logika. 2.2. Množinové operace. 2.3. Zobrazení. 2.4. Rozšířená číslená osa 2. Jazyk matematiky 2.1. Matematická logika 2.2. Množinové operace 2.3. Zobrazení 2.4. Rozšířená číslená osa 1 2.1 Matematická logika 2.1.1 Výrokový počet logická operace zapisujeme čteme česky negace

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

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

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

Více

[1] Vzhledem ke zvolené bázi určujeme souřadnice vektorů...

[1] Vzhledem ke zvolené bázi určujeme souřadnice vektorů... [1] Báze Každý lineární (pod)prostor má svou bázi Vzhledem ke zvolené bázi určujeme souřadnice vektorů... a) base, 4, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010, g)l. Viz p.

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

18. První rozklad lineární transformace

18. První rozklad lineární transformace Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan 18. První rozklad lineární transformace Úmluva. Vtéto přednášce V je vektorový prostor

Více

Kolik existuje různých stromů na pevně dané n-prvkové množině vrcholů?

Kolik existuje různých stromů na pevně dané n-prvkové množině vrcholů? Kapitola 9 Matice a počet koster Graf (orientovaný i neorientovaný) lze popsat maticí, a to hned několika různými způsoby. Tématem této kapitoly jsou incidenční matice orientovaných grafů a souvislosti

Více

Co byste měl/a zvládnout po 6. týdnu

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

Více

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

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

Symetrické a kvadratické formy

Symetrické a kvadratické formy Symetrické a kvadratické formy Aplikace: klasifikace kvadrik(r 2 ) a kvadratických ploch(r 3 ), optimalizace(mpi) BI-LIN (Symetrické a kvadratické formy) 1 / 20 V celé přednášce uvažujeme číselné těleso

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

Soustavy lineárních rovnic

Soustavy lineárních rovnic 7 Matice. Determinant Soustavy lineárních rovnic 7.1 Matice Definice 1. Matice typu (m, n) jesoustavam n reálných čísel uspořádaných do m řádků a n sloupců a 11, a 12, a 13,..., a 1n a 21, a 22, a 23,...,

Více

5. Maticová algebra, typy matic, inverzní matice, determinant.

5. Maticová algebra, typy matic, inverzní matice, determinant. 5. Maticová algebra, typy matic, inverzní matice, determinant. Matice Matice typu m,n je matice složená z n*m (m >= 1, n >= 1) reálných (komplexních) čísel uspořádaných do m řádků a n sloupců: R m,n (resp.

Více

Skalární součin dovoluje zavedení metriky v afinním bodovém prostoru, tj. umožňuje nám určovat vzdálenosti, odchylky, obsahy a objemy.

Skalární součin dovoluje zavedení metriky v afinním bodovém prostoru, tj. umožňuje nám určovat vzdálenosti, odchylky, obsahy a objemy. 6 Skalární součin Skalární součin dovoluje zavedení metriky v afinním bodovém prostoru, tj. umožňuje nám určovat vzdálenosti, odchylky, obsahy a objemy. Příklad: Určete odchylku přímek p, q : p : x =1+3t,

Více

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

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

Více

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

Vektorové prostory R ( n 1,2,3)

Vektorové prostory R ( n 1,2,3) n Vektorové prostory R ( n 1,2,) (Velikonoční doplněk ke cvičení LAG) Prvky kartézské mocniny R RR R jsou uspořádané trojice reálných čísel, které spolu s operacemi ( a1, a2, a) ( b1, b2, b) ( a1b1, a2

Více

Lineární programování

Lineární programování Lineární programování Petr Tichý 19. prosince 2012 1 Outline 1 Lineární programování 2 Optimalita a dualita 3 Geometrie úlohy 4 Simplexová metoda 2 Lineární programování Lineární program (1) min f(x) za

Více

A0M15EZS Elektrické zdroje a soustavy ZS 2011/2012 cvičení 1. Jednotková matice na hlavní diagonále jsou jedničky, všude jinde nuly

A0M15EZS Elektrické zdroje a soustavy ZS 2011/2012 cvičení 1. Jednotková matice na hlavní diagonále jsou jedničky, všude jinde nuly Matice Matice typu (m, n) je uspořádaná m-tice prvků z řádky matice.. Jednotlivé složky této m-tice nazýváme Matice se zapisují Speciální typy matic Nulová matice všechny prvky matice jsou nulové Jednotková

Více

Skalár- veličina určená jedním číselným údajem čas, hmotnost (porovnej životní úroveň, hospodaření firmy, naše poloha podle GPS )

Skalár- veličina určená jedním číselným údajem čas, hmotnost (porovnej životní úroveň, hospodaření firmy, naše poloha podle GPS ) LINEÁRNÍ ALGEBRA Úvod vektor Skalár- veličina určená jedním číselným údajem čas, hmotnost (porovnej životní úroveň, hospodaření firmy, naše poloha podle GPS ) Kartézský souřadnicový systém -je taková soustava

Více

Lineární (ne)závislost

Lineární (ne)závislost Kapitola 6 Lineární (ne)závislost Také tuto kapitolu zahájíme základní definicí. Definice 6.1 Předpokládáme, že V je vektorový prostor nad tělesem T. Říkáme, že posloupnost vektorů x 1, x 2,..., x n prostoru

Více

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

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

Více

1 Analytická geometrie

1 Analytická geometrie 1 Analytická geometrie 11 Přímky Necht A E 3 a v R 3 je nenulový Pak p = A + v = {X E 3 X = A + tv, t R}, je přímka procházející bodem A se směrovým vektorem v Rovnici X = A + tv, t R, říkáme bodová rovnice

Více

Matematika I, část I Vzájemná poloha lineárních útvarů v E 3

Matematika I, část I Vzájemná poloha lineárních útvarů v E 3 3.6. Vzájemná poloha lineárních útvarů v E 3 Výklad A. Vzájemná poloha dvou přímek Uvažujme v E 3 přímky p, q: p: X = A + ru q: X = B + sv a hledejme jejich společné body, tj. hledejme takové hodnoty parametrů

Více

Definice 28 (Ortogonální doplněk vektorového podprostoru). V k V n ; V k V. (Pech:AGLÚ/str D.5.1)

Definice 28 (Ortogonální doplněk vektorového podprostoru). V k V n ; V k V. (Pech:AGLÚ/str D.5.1) 14.3 Kolmost podprostorů 14.3.1 Ortogonální doplněk vektorového prostou Ve vektorovém prostoru dimenze 3 je ortogonálním doplňkem roviny (přesněji vektorového prostoru dimenze ) přímka na ní kolmá (vektorový

Více

z = a bi. z + v = (a + bi) + (c + di) = (a + c) + (b + d)i. z v = (a + bi) (c + di) = (a c) + (b d)i. z v = (a + bi) (c + di) = (ac bd) + (bc + ad)i.

z = a bi. z + v = (a + bi) + (c + di) = (a + c) + (b + d)i. z v = (a + bi) (c + di) = (a c) + (b d)i. z v = (a + bi) (c + di) = (ac bd) + (bc + ad)i. KOMLEXNÍ ČÍSLA C = {a + bi; a, b R}, kde i 2 = 1 Číslo komplexně sdružené k z = a + bi je číslo z = a bi. Operace s komplexními čísly: z = a + bi, kde a, b R v = c + di, kde c, d R Sčítání Odčítání Násobení

Více

Aritmetické vektory. Martina Šimůnková. Katedra aplikované matematiky. 16. března 2008

Aritmetické vektory. Martina Šimůnková. Katedra aplikované matematiky. 16. března 2008 Aritmetické vektory Martina Šimůnková Katedra aplikované matematiky 16. března 2008 Martina Šimůnková (KAP) Aritmetické vektory 16. března 2008 1/ 34 Úvod 1Úvod Definice aritmetických vektorů a operací

Více

HODNOST A DETERMINANT MATICE, INVERZNÍ MATICE

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

Více

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

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

Matematika 2 pro PEF PaE

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

Více

Michal Zamboj. December 23, 2016

Michal Zamboj. December 23, 2016 Meziřádky mezi kuželosečkami - doplňkový materiál k přednášce Geometrie Michal Zamboj December 3, 06 Pozn. Najdete-li chybu, neváhejte mi napsat, může to ušetřit tápání Vašich kolegů. Pozn. v dokumentu

Více

[1] x (y z) = (x y) z... (asociativní zákon), x y = y x... (komutativní zákon).

[1] x (y z) = (x y) z... (asociativní zákon), x y = y x... (komutativní zákon). Grupy, tělesa grupa: množina s jednou rozumnou operací příklady grup, vlastnosti těleso: množina se dvěma rozumnými operacemi příklady těles, vlastnosti, charakteristika tělesa lineární prostor nad tělesem

Více

Masarykova univerzita

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

Více

(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

Masarykova univerzita Přírodovědecká fakulta. Pavel Horák Josef Janyška ANALYTICKÁ GEOMETRIE. Brno 2009

Masarykova univerzita Přírodovědecká fakulta. Pavel Horák Josef Janyška ANALYTICKÁ GEOMETRIE. Brno 2009 Masarykova univerzita Přírodovědecká fakulta 1 Pavel Horák Josef Janyška ANALYTICKÁ GEOMETRIE Brno 2009 2 Předmluva Tento učební text pokrývá látku semestrálního kurzu "M3521 Geometrie 2", který je zařazen

Více