(u, v) u. v. cos φ =
|
|
- Klára Vaňková
- před 7 lety
- Počet zobrazení:
Transkript
1 LA 3. cvičení Ortogonalita, Gramm-Schmitův ortonormalizační proces Lukáš Pospíšil, Martin Hasal,2 Ortogonální systém vektorů Poznámka: Motivace - připomeňme si Kosinovu větu v obecném tvaru kde φ je úhel mezi vektory u, v R n cos φ = (u, v) u. v (u, v) = n u i v i je standartní skalární součin i= n u = u 2 i i= je standartní eukleidovská norma (délka vektorů) Představme si, že úhel vektorů je 9 stupňů, tedy π 2. Pak cos π 2 =. = (u, v) = (u, v) u. v Tedy Kosinova věta by se dala postavit i opačně - pokud skalární součin dvou vektorů je roven nule, pak jsou tyto vektory na sebe kolmé. V dalším učivu budeme uvažovat vzájemně kolmé vektory a nazývat je ortogonálními. Definice.. Necht je dán vektorový prostor V se skalárním součinem (u, v). Mnoˇzinu vektorů {v,..., v n } nazveme ortogonální, pokud ortonormální, pokud { = pokud i j i, j =,..., n : (v i, v j ) pokud i = j { = pokud i j i, j =,..., n : (v i, v j ) = pokud i = j ()
2 Poznámka: Jednoduššeji řečeno - množina vektorů je ortogonální, pokud skalární součin libovolného vektoru s jiným vektorem z dané množiny je nula a skalární součin stejných vektorů je různý od nuly. Navíc, pokud je skalární součin vždy stejných vektorů roven jedné, pak je množina ortonormální. Poznámka: Prvky ortogonální množiny vektorů se nazývají ortogonální vektory. Podobně i pro ortonormální množiny. Příklad.. Rozhodněte, zda mnoˇzina vektorů M = {[,, ], [,, ], [,, ]} je ortogonální vzhledem ke skalárnímu součinu (u, v) = 2u v + 4u 2 v 2 + 2u 3 v 3 Pro jednoduchost si nejprve označme vektory mnoˇziny f = [,, ] f 2 = [,, ] f 3 = [,, ] Jelikoˇz skalární součin je symetrická bilineární forma (tj. (u, v) = (v, u)), pak stačí pouze testovat tyto dvojice (například) (f, f 2 ) = = 4 (f, f 3 ) = = 2 (f 2, f 3 ) = = 2 Tedy ne, vektory nejsou ortogonální, daná mnoˇzina vektorů není ortogonální. 2 Norma příslušná skalárnímu součinu Uvažujme skalární součin (u, v). Pak zobrazení u = (u, u) jest normou příslušnou k tomuto skalárnímu součinu. Tato norma se nazývá Eukleidovská norma. Poznámka: V některé literatuře se takto definovaná norma nazývá norma indukovaná skalárním součinem. (2)
3 3 Gramm-Schmidtův ortonormalizační proces Tento šikovný algoritmus slouží pro vytvoření ortonormální množiny z množiny lineárně nezávislých vektorů. Označme G = {g,..., g n } - původní množina lineárně nezávislých vektorů E = {e,..., e n } - hledaná množina ortonormálních vektorů Pak Gramm-Schmitův ortonormalizační proces bude vypadat takto: Nejdříve normalizujeme první vektor množiny G e = g g A pro další vektory postupujeme tak, že vždy vezmeme z množiny G jeden vektor a zajistíme, aby nová množina vektorů byla ortogonální. A pak tento vektor opět normalizujeme. g i i (g i, e j )e j j= e i = g i i (g i, e j )e j j= ozn = e i e i, i = 2,..., n Poznámka: Úkolem cvičení není ukázat, že kde se tento zázrak vzal, jestli vůbec funguje a proč. Raději uděláme pěkný příklad a ukážeme, že řešení příkladu je správné. Nebo raději uděláme dva příklady - jeden jednoduchý a druhý komplikovanější. Příklad 3..2 Pomocí Gramm-Schmidtova ortonormalizačního procesu vytvořte z vektorů g = [, ] g 2 = [, ] ortonormální mnoˇzinu E vzhledem k standartnímu skalárnímu součinu (u, v) = u v + u 2 v 2 Fajne by bylo, kdyby mnoˇzina G = {g, g 2 } byla ortogonální. Jenˇze není, protoˇze např. (g, g 2 ) = ([, ], [, ]) =. +. = (g 2, g 2 ) = ([, ], [, ]) =. +. = 2 Tak jdeme na ten ortonormalizační proces, nejdříve první vektor e = [, ] [, ] = = [, ] (3)
4 A pak druhý vektor. Pro lepší srozumitelnost a kratší výpočet nejdříve spočteme 2 e 2 = g 2 (g 2, e j )e j = g 2 (g 2, e )e = [, ] ([, ], [, ]).[, ] = j= = [, ] (. +.).[, ] = [, ] [, ] = [, ] Nyní zbývá normalizovat tento vektor e 2 = e 2 [, ] [, ] e = = = [, ] Na místě by byla jistě i zkouška - ověřit, že nalezené vektory e, e 2 jsou skutečně ortonormální: (e, e ) = ([, ], [, ]) =. +. = (e 2, e 2 ) = ([, ], [, ]) =. +. = (e, e 2 ) = ([, ], [, ]) =. +. = Poznámka: Jednoduché? Ano, ale pouze tento příklad. Druhý bude brutálnější. Slibuji. Příklad 3..3 Pomocí Gramm-Schmidtova ortonormalizačního procesu vytvořte z vektorů f = [,, ] f 2 = [,, ] f 3 = [,, ] ortonormální mnoˇzinu E vzhledem ke skalárnímu součinu (u, v) = 2u v + 4u 2 v 2 + 2u 3 v 3 Poznámka: Nejdříve pozor! Eukleidovská norma příslušná k danému skalárnímu součinu má tvar u = (u, u) = 2u 2 + 4u u2 3 Tedy v algoritmu budeme normalizovat vzhledem k této normě. První vektor nebude problém e = f f = [,, ] = [,, ] Druhý vektor spočítáme tak, ˇze si pro jednoduchost nejdříve předpočítáme ortogonální vektor e 2 a tento vektor posléze normalizujeme. 2 e 2 = f 2 (f 2, e j )e j = f 2 (f 2, e )e = [,, ] ([,, ], [,, ]) [,, ] = j= = [,, ].( ).[,, ] = [,, ] 2 3.[,, ] = [ 2 3, 3, ] (4)
5 A pak ho normalizujeme e 2 = e 2 e 2 = [ 2 3, 3, ] = [ 2 3, 3, ] = 3 [ 2 3, 3, ] = [ 2,, 3] Třetí vektor nám uˇz malinko zkomplikuje ˇzivot, nicméně po konečném počtu kroků se jistě dopracujeme ke správnému řešení = [,, ] ([,, ], 3 e 3 = f 3 (f 3, e j )e j = f 3 (f 3, e 2 )e 2 (f 3, e )e = j= [ 2,, 3]) [ 2,, 3] ([,, ], [,, ]) [,, ] = = [,, ] (2..( 2 ) ) [ 2,, 3] ( ) [,, ] = a normalizace = [,, ] 2 [ 2,, 3] 2 [,, ] =... = [4, 2, 4] 5 e 3 = e 3 e 3 = 5 [4, 2, 4] =... = 2 [2,, 2]. 4 Vlastní čísla a vlastní vektory Vlastní čísla a vlastní vektory matic jsou další významnou charakteristikou matic. Využívají se například při studiu konvergence některých numerických metod, jakož i při řešení homogenních soustav diferenciálních rovnic s konstantními koeficienty. Definice 4..2 Necht V je vektorový prostor A L je lineární transformace nad vektorovým prostorem V Jestliˇze existuje nenulový vektor e V a skalár λ R tak, ˇze pak číslo λ nazýváme vlastní číslo transformace A Ae = λe () vektor e nazýváme vlastní vektor transformace A příslušný k vlastnímu číslu λ Poznámka: No, pokud V je konečně rozměrný vektorový prostor, pak lze matici A ztotožnit s lineárním zobrazením A (je to matice transformace vzledem k nějaké bázi) - podobně jako u klasifikace kvadratických forem. Tedy v dalším výkladu můžeme hovořit o vlastních číslech a vlastních vektorech matic ale budeme mít na mysli lineární zobrazení kterému odpovídá daná matice. (5)
6 5 Jak hledat (a najít) vlastní čísla Rovnici () lze malinko vylepšit Ae = λe vynásobíme zleva I IAe = Iλe platí IA = AI = A, Iλ = λi Ae = λie odečteme λie Ae λie = o vytkneme e, platí (A + B)v = Av + Bv (A λi)e = o Poznámka: Pokud (A λi) budeme považovat za lineární zobrazení (pokud A, I jsou lineární zobrazení, pak i (A λi) je lineární zobrazení), pak e jsou de-facto vektory jádra (= vektory které se zobrazí na nulový prvek). Připomeňme si dvě velké pecky z minulých cvičení: soustavy s nulovou pravou stranou mají nekonečně mnoho řešení, nebo pouze jedno - nulové řešení soustavy s regulární maticí mají právě jedno řešení A my nechceme, aby vektor e byl nulový, proto matice (A λi) musí být singulární. Jenomže singulární matice mají nulový determinant, tedy det (A λi) = A je to tam! Odvodili jsme algoritmus pro hledání vlastních čísel. Neveříte? Příklad 5..4 Nalezněte vlastní čísla a vlastní vektory matice A = Nejdříve si odvodíme, čemu se rovná det (A λi) det (A λi) = det Uˇzitím Sarusova pravidla dostáváme: λ = det λ λ λ = = ( λ).( λ).( λ) ( λ)...( λ) ( λ).. = ( λ) 3 ( λ) = můˇzeme vytknout = ( λ).(( λ) 2 ) = ( λ).( 2λ + λ 2 ) = ( λ).(λ 2 2λ) = λ( λ)(λ 2) Poznámka: Této věci se říká charakteristický polynom. Přesněji řečeno - charakteristický polynom je polynom, který vznikne úpravou výrazu det (A λi). ()
7 Charakteristický polynom jsem schválně upravil na tvar součinu lineárních funkcí. Jelikoˇz pokud poloˇzíme rovno nule ze součinu det (A λi) = λ( λ)(λ 2) = λ( λ)(λ 2) = přímo plyne, že λ je rovno, nebo 2. Pak jeden z činitelů na levé straně bude nulový, tedy i celý součin bude nulový a roven pravé straně. A tak je to správné, tak to má byt. Tedy vlastní čísla bychom měli. Kuk na rovnici (A λi)e = o Coˇz po dosazení λ je soustava lineárních rovnic... řešitelná Gaussovou eliminační metodou. Pomocí determinantů ne, protoˇze matice (A λi) je sigulární, tato matice bude mít nulový determinant a parametrické řešení (ech, ale to je přeci to, o co nám od začátku šlo). Tak dosad me postupně jednotlivá vlastní čísla a řešme:. Dosad me první vlastní číslo λ = a jelikoˇz A.I = A budeme řešit soustavu Tak jo... tak řešme: Ae = o Tedy řešením jest e = [ t, t, ] T, t R 2. Dosad me druhé vlastní číslo λ 2 = a řešme Tedy řešením jest e 2 = [,, t] T, t R 3. Dosad me třetí vlastní číslo λ 3 = 2 a řešme Tedy řešením jest e 3 = [t, t, ] T, t R (7)
8 Položme například t =, pak vlastními čísly a příslušnými vlastními vektory matice A jsou dvojice λ =, v = λ 2 =, v 2 = λ 3 = 2, v 3 = Poznámka: Japato parametrické řešení? To je jasné - parametricky nám to vyjde vˇzdy, protoˇze soustava je se singulární maticí. Ale tak to má vyjít! Uvaˇzujme rovnici (A λi)e = o přenásobme libovolným t R, t t.(a λi)e = t.o t je skalár (A λi)(t.e) = o Pak je jasné, ˇze i vektor t.e je příslušným vlastním vektorem. Tedy zhrňme postup hledání vlastních čísel a vlastních vektorů:. z det (A λi) odvodíme charakteristický polynom 2. nalezneme kořeny charakteristického polynomu - to jsou vlastní čísla 3. pro jednotlivá vlastní čísla nalezneme příslušné vlastní vektory jako řešení rovnice (A λ i )e i = o Lokalizace spektra Poznámka: Jelikož determinanty jsou příliš náročné pro výpočet, předchozí algoritmus je pro velké matice prakticky nepoužitelný. A někdy stačí pouze odhadnout kde se přibližně vlastní čísla nacházejí. K tomu slouží velice jednoduchá věta - Geršgorinova. Věta.. (Geršgorinova) Necht A C n,n (komplexní čtvercová matice A řádu n). Označme [a] ij prvek matice A na i-tém řádku a j-tém soupci. Dále označme čísla a mnoˇziny r i = a i a i,i + a i,i a in S i = {z C : z a ii r i pro i =,..., n. Pak vlastní čísla matice A leˇzí v mnoˇzině (jsou prvky mnoˇziny) S = S... S n (8)
9 Poznámka: Výpočet r i je vlastně součet absolutních hodnot prvků v i-tém řádku, krom diagonálního. Poznámka: školy? Vzpomínáte na význam lineárních nerovnic s absolutní hodnotou ze střední z a i i r i Vzdálenost z od bodu a ii je menší nebo rovna jako r i. Jedná se o kruh se středem v bodě a ii a poloměrem r i. Poznámka: Ačkoliv může tato věta vypadat příliš jednoduše, je to velmi robustní nástroj pro horní odhad největšího vlastního čísla. Příklad..5 Necht je dána matice A = [ 2 2 Tato symetrická čtvercová matice A je pozitivně definitní, spektrum matice dle Geršgorinovy věty je obsaˇzeno v mnoˇzině Ω = {x C : x 2 } ] Je vidět, ˇze pokud vezmeme libovolné číslo z této mnoˇziny, tak bude kladné. 7 Reference [] Z. Dostál, Lineární algebra, skriptum, Ostrava [2] V. Vondrák, LA - 2. cvičení (9)
1 Kvadratické formy. 2 Matice kvadratické formy. Definice Necht B je bilineární forma na V. Q B : V R. Q B (x) = B(x, x), x V
LA 11. cvičení matice bilineární formy, kvadratické formy Lukáš Pospíšil, Martin Hasal,011 1 Kvadratické formy Definice 1.0.1 Necht B je bilineární forma na V. Kvadratickou formou příslušnou bilineární
Více1 Linearní prostory nad komplexními čísly
1 Linearní prostory nad komplexními čísly V této přednášce budeme hledat kořeny polynomů, které se dále budou moci vyskytovat jako složky vektorů nebo matic Vzhledem k tomu, že kořeny polynomu (i reálného)
Více2.6. 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
Více10. 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
VíceVlastní číslo, vektor
[1] Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost
VíceZáklady 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
VíceVlastní čísla a vlastní vektory
5 Vlastní čísla a vlastní vektor Poznámka: Je-li A : V V lineární zobrazení z prostoru V do prostoru V někd se takové zobrazení nazývá lineárním operátorem, pak je přirozeným požadavkem najít takovou bázi
VíceMatematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29
Matematika 1 11. přednáška MA1 1 Opakování 2 Determinant 3 Adjungovaná matice 4 Cramerovo pravidlo 5 Vlastní čísla a vlastní vektory matic 6 Zkouška; konzultace; výběrová matematika;... 11. přednáška (15.12.2010
VíceUčební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008
Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty študenti MFF 15. augusta 2008 1 14 Vlastní čísla a vlastní hodnoty Požadavky Vlastní čísla a vlastní hodnoty lineárního
Více2.6. Vlastní čísla a vlastní vektory matice
26 Cíle V této části se budeme zabývat hledáním čísla λ které je řešením rovnice A x = λ x (1) kde A je matice řádu n Znalost řešení takové rovnice má řadu aplikací nejen v matematice Definice 261 Nechť
VíceVlastní čísla a vlastní vektory
Vlastní čísla a vlastní vektory 1 Motivace Uvažujme lineární prostor všech vázaných vektorů v rovině, které procházejí počátkem, a lineární zobrazení tohoto prostoru do sebe(lineární transformaci, endomorfismus)
Vícea 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
Více11. Skalární součin a ortogonalita p. 1/16
11. Skalární součin a ortogonalita 11. Skalární součin a ortogonalita p. 1/16 11. Skalární součin a ortogonalita p. 2/16 Skalární součin a ortogonalita 1. Definice skalárního součinu 2. Norma vektoru 3.
VíceUčební 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
VícePROSTORY SE SKALÁRNÍM SOUČINEM. Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti
PROSTORY SE SKALÁRNÍM SOUČINEM Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti 1. (x, x) 0 x L, (x, x) = 0 x = 0, 2. (x, y) = (y, x) x, y L, 3. (λx, y) = λ(x,
Více1 Projekce a projektory
Cvičení 3 - zadání a řešení úloh Základy numerické matematiky - NMNM20 Verze z 5. října 208 Projekce a projektory Opakování ortogonální projekce Definice (Ortogonální projekce). Uvažujme V vektorový prostor
VíceDEFINICE Z LINEÁRNÍ ALGEBRY
DEFINICE Z LINEÁRNÍ ALGEBRY Skripta Matematické metody pro statistiku a operační výzkum (Nešetřilová, H., Šařecová, P., 2009). 1. definice Vektorovým prostorem rozumíme neprázdnou množinu prvků V, na které
VíceNecht L je lineární prostor nad R. Operaci : L L R nazýváme
Skalární součin axiomatická definice odvození velikosti vektorů a úhlu mezi vektory geometrická interpretace ortogonalita vlastnosti ortonormálních bázi [1] Definice skalárního součinu Necht L je lineární
Více15 Maticový a vektorový počet II
M. Rokyta, MFF UK: Aplikovaná matematika III kap. 15: Maticový a vektorový počet II 1 15 Maticový a vektorový počet II 15.1 Úvod Opakování z 1. ročníku (z kapitoly 8) Označení. Množinu všech reálných resp.
VíceMatematický 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
Více1 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
Vícevyjádřete 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
VíceNecht 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
VíceVlastní čísla a vlastní vektory
Kapitola 11 Vlastní čísla a vlastní vektory Základní motivace pro studium vlastních čísel a vektorů pochází z teorie řešení diferenciálních rovnic Tato teorie říká, že obecné řešení lineární diferenciální
VícePodobnost matic. Definice 8.6. Dány matice A, B M n (C). Jestliže existuje regulární matice P M n (C) tak,
Podobnost matic Definice 84 Dány matice A, B M n (C) Jestliže existuje regulární matice P M n (C) tak, že B = P 1 AP, pak říkáme, že matice B je podobná matici A a píšeme A B Takto zavedená binární relace
VíceLineární 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[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
Více1 Determinanty a inverzní matice
Determinanty a inverzní matice Definice Necht A = (a ij ) je matice typu (n, n), n 2 Subdeterminantem A ij matice A příslušným pozici (i, j) nazýváme determinant matice, která vznikne z A vypuštěním i-tého
Více7. Lineární vektorové prostory
7. Lineární vektorové prostory Tomáš Salač MÚ UK, MFF UK LS 2017/18 Tomáš Salač ( MÚ UK, MFF UK ) 7. Lineární vektorové prostory LS 2017/18 1 / 62 7.1 Definice a příklady Definice 7.1 Množina G s binární
VíceMatematika B101MA1, B101MA2
Matematika B101MA1, B101MA2 Zařazení předmětu: povinný předmět 1.ročníku bc studia 2 semestry Rozsah předmětu: prezenční studium 2 + 2 kombinované studium 16 + 0 / semestr Zakončení předmětu: ZS zápočet
VíceAVDAT Vektory a matice
AVDAT Vektory a matice Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Vektory x = x 1 x 2. x p y = y 1 y 2. y p Řádkový vektor dostaneme transpozicí sloupcového vektoru x
VíceOperace s maticemi. 19. února 2018
Operace s maticemi Přednáška druhá 19. února 2018 Obsah 1 Operace s maticemi 2 Hodnost matice (opakování) 3 Regulární matice 4 Inverzní matice 5 Determinant matice Matice Definice (Matice). Reálná matice
VíceDefinice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru. Kvadratická forma v n proměnných je tak polynom n proměnných s
Kapitola 13 Kvadratické formy Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru f(x 1,..., x n ) = a ij x i x j, kde koeficienty a ij T. j=i Kvadratická forma v n proměnných
Více8 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
VíceP 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
VíceJe-li A L(U, V), pak v 1,..., v n U a α 1,..., α n R platí. A(α 1 v α n v n ) = α 1 A(v 1 ) α n A(v n )
LA. cvičení lineární zobrazení, bilineární formy Lukáš Pospíšil, Lineární zobrazení a báze Připomeňme si z předešlého cvičení poslední větu: Věta.. Je-li A L(U, V), pak v,..., v n U a α,..., α n R platí
VíceSymetrické 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
VíceÚlohy k přednášce NMAG 101 a 120: Lineární algebra a geometrie 1 a 2,
Úlohy k přednášce NMAG a : Lineární algebra a geometrie a Verze ze dne. května Toto je seznam přímočarých příkladů k přednášce. Úlohy z tohoto seznamu je nezbytně nutné umět řešit. Podobné typy úloh se
Vícez = a bi. z + v = (a + bi) + (c + di) = (a + c) + (b + d)i. z v = (a + bi) (c + di) = (a c) + (b d)i. z v = (a + bi) (c + di) = (ac bd) + (bc + ad)i.
KOMLEXNÍ ČÍSLA C = {a + bi; a, b R}, kde i 2 = 1 Číslo komplexně sdružené k z = a + bi je číslo z = a bi. Operace s komplexními čísly: z = a + bi, kde a, b R v = c + di, kde c, d R Sčítání Odčítání Násobení
VíceLineární algebra : 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
VíceMaticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:
3 Maticový počet 3.1 Zavedení pojmu matice Maticí typu (m, n, kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: a 11 a 12... a 1k... a 1n a 21 a 22...
VíceLineární algebra : Metrická geometrie
Lineární algebra : Metrická geometrie (16. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 6. května 2014, 10:42 1 2 Úvod Zatím jsme se lineární geometrii věnovali v kapitole o lineárních
VíceSoustavy linea rnı ch rovnic
[1] Soustavy lineárních rovnic vlastnosti množin řešení metody hledání řešení nejednoznačnost zápisu řešení a) soustavy, 10, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010, g)l.
VíceLineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity)
4 Lineární zobrazení Definice: Nechť V a W jsou vektorové prostory Zobrazení A : V W (zobrazení z V do W nazýváme lineárním zobrazením, pokud pro všechna x V, y V a α R platí 1 A(x y = A(x A(y (vlastnost
VíceSkalární 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,
VíceKatedra aplikované matematiky FEI VŠB Technická univerzita Ostrava
Lineární algebra 9. přednáška: Ortogonalita Dalibor Lukáš Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava email: dalibor.lukas@vsb.cz http://www.am.vsb.cz/lukas/la Text byl vytvořen
VíceSoustavy. Terminologie. Dva pohledy na soustavu lin. rovnic. Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová.
[1] Terminologie [2] Soustavy lineárních rovnic vlastnosti množin řešení metody hledání řešení nejednoznačnost zápisu řešení Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová matice.
Více2. prosince velikosti symboly a, b, je b ω a b = a b cosω (1) a. ω pro ω π/2, π platí a b = b a a (3) a b = a 1 b 1 + a 2 b 2 + a 3 b 3 (5)
Vektorové prostory se skalárním součinem 2. prosince 25 1 Skalární součin geometrických vektorů Skalární součin geometrických vektorů je definován jako součin jejich velikostí násobený kosinem jejich odchylky.
VíceAfinita 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,
Vícematiceteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést
Úlohy k zamyšlení 1. Zdůvodněte, proč třetí řádek Hornerova schématu pro vyhodnocení polynomu p v bodě c obsahuje koeficienty polynomu r, pro který platí p(x) = (x c) r(x) + p(c). 2. Dokažte, že pokud
VíceSoustavy 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
Více7 Ortogonální a ortonormální vektory
7 Ortogonální a ortonormální vektory Ze vztahu (5) pro výpočet odchylky dvou vektorů vyplývá, že nenulové vektory u, v jsou na sebe kolmé právě tehdy, když u v =0. Tato skutečnost nám poslouží k zavedení
Vícea 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
VíceÚvod do lineární algebry
Úvod do lineární algebry 1 Aritmetické vektory Definice 11 Mějme n N a utvořme kartézský součin R n R R R Každou uspořádanou n tici x 1 x 2 x, x n budeme nazývat n rozměrným aritmetickým vektorem Prvky
VíceINVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.
INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.0141 Báze vektorových prostorů, transformace souřadnic Michal Botur Přednáška
VíceEukleidovský 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,
VíceFaculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague
Tomáš Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague 1 / 63 1 2 3 4 5 6 7 8 9 10 11 2 / 63 Aritmetický vektor Definition 1 Aritmetický vektor x je uspořádaná
Vícea + b + c = 2 b + c = 1 a b = a 1 2a 1 + a a 3 + a 5 + 2a 2 + a 2 + a
Zadání A. 1. Polynom P (x) má v uspořádané bázi (x 2 + x 1, 2x 2 x 1, x 2 + x + 2) souřadnice (1, 1, 1). Najděte jeho souřadnice vzhledem k uspořádané bázi (x 2 1, x 2 + x 1, x 2 + x). Nejprve si spočítáme
VíceČetba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).
Předmět: MA 4 Dnešní látka Lineární (vektorový) prostor Normovaný lineární prostor Normy matic a vektorů Symetrické matice, pozitivně definitní matice Gaussova eliminační metoda, podmíněnost matic Četba:
VíceLDF 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)
VíceZdrojem většiny příkladů je sbírka úloh 1. cvičení ( ) 2. cvičení ( )
Příklady řešené na cvičení LA II - LS 1/13 Zdrojem většiny příkladů je sbírka úloh http://kam.mff.cuni.cz/~sbirka/ 1. cvičení (..13) 1. Rozhodněte, které z následujících operací jsou skalárním součinem
VíceVybrané kapitoly z matematiky
Vybrané kapitoly z matematiky VŠB-TU Ostrava 2017-2018 Vybrané kapitoly z matematiky 2017-2018 1 / 19 Základní informace předmět: 714-0513, 5 kreditů přednáší: Radek Kučera kontakt: radek.kucera@vsb.cz,
VíceProgram SMP pro kombinované studium
Zadání příkladů k procvičení na seminář Program SMP pro kombinované studium Nejdůležitější typy příkladů - minimum znalostí před zkouškovou písemkou 1) Matice 1. Pro matice 1 0 2 1 0 3 B = 7 3 4 4 2 0
VíceSoustavy 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
Víceftp://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/
Vícez 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/
VícePožadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory
Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory Zkouška ověřuje znalost základních pojmů, porozumění teorii a schopnost aplikovat teorii při
VíceNumerické 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
VíceVektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace
Vektory a matice Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Vektory Základní pojmy a operace Lineární závislost a nezávislost vektorů 2 Matice Základní pojmy, druhy matic Operace s maticemi
VíceMatematika 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
VíceZáklady 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
VíceMichal 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
VíceMATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]
MATICE Matice typu m/n nad tělesem T je soubor m n prvků z tělesa T uspořádaných do m řádků a n sloupců: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] a m1 a m2 a mn Prvek a i,j je prvek matice A na místě
Více1 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
Více2 Vektorové normy. Základy numerické matematiky - NMNM201. Definice 1 (Norma). Norma je funkcionál splňující pro libovolné vektory x a y a pro
Cvičení 1 Základy numerické matematiky - NMNM201 1 Základní pojmy opakování Definice 1 (Norma). Norma je funkcionál splňující pro libovolné vektory x a y a pro libovolný skalár α C následující podmínky:
VíceSoustavy 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
VíceDiferenciální rovnice 3
Diferenciální rovnice 3 Lineární diferenciální rovnice n-tého řádu Lineární diferenciální rovnice (dále jen LDR) n-tého řádu je rovnice tvaru + + + + = kde = je hledaná funkce, pravá strana a koeficienty
VíceInterpolace, ortogonální polynomy, Gaussova kvadratura
Interpolace, ortogonální polynomy, Gaussova kvadratura Petr Tichý 20. listopadu 2013 1 Úloha Lagrangeovy interpolace Dán omezený uzavřený interval [a, b] a v něm n + 1 různých bodů x 0, x 1,..., x n. Nechť
VíceMatematika I 12a Euklidovská geometrie
Matematika I 12a Euklidovská geometrie Jan Slovák Masarykova univerzita Fakulta informatiky 3. 12. 2012 Obsah přednášky 1 Euklidovské prostory 2 Odchylky podprostorů 3 Standardní úlohy 4 Objemy Plán přednášky
VíceLineární algebra : Skalární součin a ortogonalita
Lineární algebra : Skalární součin a ortogonalita (15. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních
VíceSoustava 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...
VíceVšechno, 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
VíceDnešní látka Opakování: normy vektorů a matic, podmíněnost matic Jacobiova iterační metoda Gaussova-Seidelova iterační metoda
Předmět: MA 4 Dnešní látka Opakování: normy vektorů a matic, podmíněnost matic Jacobiova iterační metoda Gaussova-Seidelova iterační metoda Četba: Text o lineární algebře v Příručce přežití na webových
Více(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
VíceVĚTY 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
VíceDeterminanty. 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
VíceMichal Zamboj. January 4, 2018
Meziřádky mezi kuželosečkami - doplňkový materiál k přednášce Geometrie Michal Zamboj January 4, 018 Pozn. Najdete-li chybu, neváhejte mi napsat, může to ušetřit tápání Vašich kolegů. Pozn. v dokumentu
VícePrimitivní funkce a Riemann uv integrál Lineární algebra Taylor uv polynom Extrémy funkcí více prom ˇenných Matematika III Matematika III Program
Program Primitivní funkce a Riemannův integrál Program Primitivní funkce a Riemannův integrál Lineární algebra Program Primitivní funkce a Riemannův integrál Lineární algebra Taylorův polynom Program Primitivní
VícePodobnostní transformace
Schurova věta 1 Podobnostní transformace a výpočet vlastních čísel Obecný princip: Úloha: Řešíme-li matematickou úlohu, je často velmi vhodné hledat její ekvivalentní formulaci tak, aby se řešení úlohy
VíceČtvercové 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).
Více2. Schurova věta. Petr Tichý. 3. října 2012
2. Schurova věta Petr Tichý 3. října 2012 1 Podobnostní transformace a výpočet vlastních čísel Obecný princip: Úloha: Řešíme-li matematickou úlohu, je často velmi vhodné hledat její ekvivalentní formulaci
VíceFakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR
DEN: ODR teoreticky: soustavy rovnic Soustava lineárních ODR 1 řádu s konstantními koeficienty je soustava ve tvaru y 1 = a 11 y 1 + a 12 y 2 + + a 1n y n + b 1 (x) y 2 = a 21 y 1 + a 22 y 2 + + a 2n y
VíceČetba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).
Předmět: MA 4 Dnešní látka Vektorový (lineární) prostor (připomenutí) Normovaný lineární prostor Normy matic a vektorů Symetrické matice, pozitivně definitní matice Gaussova eliminační metoda, podmíněnost
VíceVI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku
VI Maticový počet VI1 Základní operace s maticemi Definice Tabulku a 11 a 12 a 1n a 21 a 22 a 2n, a m1 a m2 a mn kde a ij R, i = 1,, m, j = 1,, n, nazýváme maticí typu m n Zkráceně zapisujeme (a ij i=1m
VíceVYBRANÉ 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...............................
VíceINVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.
INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ107/2200/280141 Soustavy lineárních rovnic Michal Botur Přednáška 4 KAG/DLA1M: Lineární
VíceNejdřív 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
VíceNumerické metody a programování. Lekce 4
Numerické metody a programování Lekce 4 Linarní algebra soustava lineárních algebraických rovnic a 11 a 12 x 2 a 1, N x N = b 1 a 21 a 22 x 2 a 2, N x N = b 2 a M,1 a M,2 x 2 a M,N x N = b M zkráceně A
VíceSoustavy 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
Více1/10. 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