Lineární algebra Operace s vektory a maticemi

Rozměr: px
Začít zobrazení ze stránky:

Download "Lineární algebra Operace s vektory a maticemi"

Transkript

1 Lineární algebra Operace s vektory a maticemi Robert Mařík 26. září 2008

2 Obsah Operace s řádkovými vektory Operace se sloupcovými vektory Matice Transponování matice Operace s maticemi sčítání, odčítání, násobení číslem Operace s maticemi maticový součin Srovnání maticového součinu a lineárních kombinací vektorů

3 Definice (algebraický vektorový prostor). Množinu R n uspořádaných n- tic reálných čísel (a 1, a 2,..., a n ) s operacemi sčítání a násobení reálným číslem definovanými (a 1, a 2,..., a n ) + (b 1, b 2,..., b n ) = (a 1 + b 1, a 2 + b 2,..., a n + b n ) c (a 1, a 2,..., a n ) = (c a 1, c a 2,..., c a n ) pro všechna c R a (a 1, a 2,..., a n ), (b 1, b 2,..., b n ) R n nazýváme reálným algebraickým vektorovým prostorem. Prvky tohoto prostoru, tj. uspořádané n-tice reálných čísel nazýváme algebraickými vektory. Čísla a 1,..., a n nazýváme složky vektoru (a 1, a 2,..., a n ). Číslo n nazýváme dimenze prostoru R n. Definice (lineární kombinace). Necht u 1, u 2,... u k je konečná posloupnost vektorů z vektorového prostoru R n. Vektor u, pro který platí u = t 1 u 1 + t 2 u t k u k, (1) kde t 1, t 2,..., t k jsou nějaká reálná čísla, se nazývá lineární kombinace vektorů u 1, u 2,..., u k. Čísla t 1, t 2,..., t k nazýváme koeficienty lineární kombinace.

4 Definice (algebraický vektorový prostor). Množinu R n uspořádaných n- tic reálných čísel (a 1, a 2,..., a n ) s operacemi sčítání a násobení reálným číslem definovanými (a 1, a 2,..., a n ) + (b 1, b 2,..., b n ) = (a 1 + b 1, a 2 + b 2,..., a n + b n ) c (a 1, a 2,..., a n ) = (c a 1, c a 2,..., c a n ) pro všechna c R a (a 1, a 2,..., a n ), (b 1, b 2,..., b n ) R n nazýváme reálným algebraickým vektorovým prostorem. Prvky tohoto prostoru, tj. uspořádané n-tice reálných čísel nazýváme algebraickými vektory. Čísla a 1,..., a n nazýváme složky vektoru (a 1, a 2,..., a n ). Číslo n nazýváme dimenze prostoru R n. Definice (lineární kombinace). Necht u 1, u 2,... u k je konečná posloupnost vektorů z vektorového prostoru R n. Vektor u, pro který platí u = t 1 u 1 + t 2 u t k u k, (1) kde t 1, t 2,..., t k jsou nějaká reálná čísla, se nazývá lineární kombinace vektorů u 1, u 2,..., u k. Čísla t 1, t 2,..., t k nazýváme koeficienty lineární kombinace.

5 Řádkové algebraické vektory. a = (1, 2, 1), b = (3, 0, 1), c = (2, 1, 0), o = (0, 0, 0) a + 2 b c = (1, 2, 1) + 2 (3, 0, 1) (2, 1, 0) = (1, 2, 1) + (6, 0, 2) (2, 1, 0) = ( , , 1 2 0) = (5, 1, 1) a + o = (1, 2, 1) + (0, 0, 0) = (1, 2, 1) = a 0 a + 0 b + 0 c = (0, 0, 0) a + b 2 c = (1, 2, 1) + (3, 0, 1) (4, 2, 0) = (0, 0, 0)

6 Řádkové algebraické vektory. a = (1, 2, 1), b = (3, 0, 1), c = (2, 1, 0), o = (0, 0, 0) a + 2 b c = (1, 2, 1) + 2 (3, 0, 1) (2, 1, 0) = (1, 2, 1) + (6, 0, 2) (2, 1, 0) = ( , , 1 2 0) = (5, 1, 1) a + o = (1, 2, 1) + (0, 0, 0) = (1, 2, 1) = a 0 a + 0 b + 0 c = (0, 0, 0) a + b 2 c = (1, 2, 1) + (3, 0, 1) (4, 2, 0) = (0, 0, 0) Dosadíme za vektory a vynásobíme vektor b dvěma (násobíme tedy každý prvek tohoto vektoru dvěma).

7 Řádkové algebraické vektory. a = (1, 2, 1), b = (3, 0, 1), c = (2, 1, 0), o = (0, 0, 0) a + 2 b c = (1, 2, 1) + 2 (3, 0, 1) (2, 1, 0) = (1, 2, 1) + (6, 0, 2) (2, 1, 0) = ( , , 1 2 0) = (5, 1, 1) a + o = (1, 2, 1) + (0, 0, 0) = (1, 2, 1) = a 0 a + 0 b + 0 c = (0, 0, 0) a + b 2 c = (1, 2, 1) + (3, 0, 1) (4, 2, 0) = (0, 0, 0) Sečteme (odečteme) odpovídající si komponenty vektorů.

8 Řádkové algebraické vektory. a = (1, 2, 1), b = (3, 0, 1), c = (2, 1, 0), o = (0, 0, 0) a + 2 b c = (1, 2, 1) + 2 (3, 0, 1) (2, 1, 0) = (1, 2, 1) + (6, 0, 2) (2, 1, 0) = ( , , 1 2 0) = (5, 1, 1) a + o = (1, 2, 1) + (0, 0, 0) = (1, 2, 1) = a 0 a + 0 b + 0 c = (0, 0, 0) a + b 2 c = (1, 2, 1) + (3, 0, 1) (4, 2, 0) = (0, 0, 0) Upravíme.

9 Řádkové algebraické vektory. a = (1, 2, 1), b = (3, 0, 1), c = (2, 1, 0), o = (0, 0, 0) a + o = (1, 2, 1) + (0, 0, 0) = (1, 2, 1) = a 0 a + 0 b + 0 c = (0, 0, 0) a + b 2 c = (1, 2, 1) + (3, 0, 1) (4, 2, 0) = (0, 0, 0) Přičteme-li k libovolnému vektoru nulový vektor, původní vektor se nemění (protože ke každé komponentě přičteme nulu).

10 Řádkové algebraické vektory. a = (1, 2, 1), b = (3, 0, 1), c = (2, 1, 0), o = (0, 0, 0) a + o = (1, 2, 1) + (0, 0, 0) = (1, 2, 1) = a 0 a + 0 b + 0 c = (0, 0, 0) a + b 2 c = (1, 2, 1) + (3, 0, 1) (4, 2, 0) = (0, 0, 0) Výsledkem triviální lineární kombinace je nulový vektor, protože každý vektor po vynásobení nulou přejde na nulový vektor a součet nulových vektorů je opět nulový vektor.

11 Řádkové algebraické vektory. a = (1, 2, 1), b = (3, 0, 1), c = (2, 1, 0), o = (0, 0, 0) a + o = (1, 2, 1) + (0, 0, 0) = (1, 2, 1) = a 0 a + 0 b + 0 c = (0, 0, 0) a + b 2 c = (1, 2, 1) + (3, 0, 1) (4, 2, 0) = (0, 0, 0) Někdy nulový vektor dostaneme i jako netriviální lineární kombinaci. V tomto případě říkáme, že vektory a, b a c jsou lineárně závislé.

12 Definice. Necht je dána konečná posloupnost vektorů. Řekneme, že vektory jsou lineárně závislé, jestliže alepoň jedna jejich netriviální lineární kombinace je rovna nulovému vektoru. Naopak, je-li kažá netriviální lineární kombinace nenulová, říkáme, že vektory jsou lineárně nezávislé. Testování lineární (ne-)závislosti Je-li v posloupnosti vektorů některý vektor násobkem jiného vektoru, jedná se o lineárně závislou posloupnost vektorů. Dva vektory jsou lineárně závislé právě tehdy, když jeden z vektorů je násobkem druhého. Je-li vektorů větší počet, než je dimenze prostoru, jsou tyto vektory lineárně závislé. V ostatních případech nelze na otázku o případné lineární závislosti nebo nezávislosti vektorů dát okamžitou odpověd, ale je potřeba odpovídajícím způsobem rozhodnout, např. pomocí pojmu hodnost matice, který uvedeme později.

13 Definice. Necht je dána konečná posloupnost vektorů. Řekneme, že vektory jsou lineárně závislé, jestliže alepoň jedna jejich netriviální lineární kombinace je rovna nulovému vektoru. Naopak, je-li kažá netriviální lineární kombinace nenulová, říkáme, že vektory jsou lineárně nezávislé. Testování lineární (ne-)závislosti Je-li v posloupnosti vektorů některý vektor násobkem jiného vektoru, jedná se o lineárně závislou posloupnost vektorů. Dva vektory jsou lineárně závislé právě tehdy, když jeden z vektorů je násobkem druhého. Je-li vektorů větší počet, než je dimenze prostoru, jsou tyto vektory lineárně závislé. V ostatních případech nelze na otázku o případné lineární závislosti nebo nezávislosti vektorů dát okamžitou odpověd, ale je potřeba odpovídajícím způsobem rozhodnout, např. pomocí pojmu hodnost matice, který uvedeme později.

14 Definice. Necht je dána konečná posloupnost vektorů. Řekneme, že vektory jsou lineárně závislé, jestliže alepoň jedna jejich netriviální lineární kombinace je rovna nulovému vektoru. Naopak, je-li kažá netriviální lineární kombinace nenulová, říkáme, že vektory jsou lineárně nezávislé. Testování lineární (ne-)závislosti Je-li v posloupnosti vektorů některý vektor násobkem jiného vektoru, jedná se o lineárně závislou posloupnost vektorů. Dva vektory jsou lineárně závislé právě tehdy, když jeden z vektorů je násobkem druhého. Je-li vektorů větší počet, než je dimenze prostoru, jsou tyto vektory lineárně závislé. V ostatních případech nelze na otázku o případné lineární závislosti nebo nezávislosti vektorů dát okamžitou odpověd, ale je potřeba odpovídajícím způsobem rozhodnout, např. pomocí pojmu hodnost matice, který uvedeme později.

15 Sloupcové algebraické vektory = Používáme-li sloupcové vektory, je počítání poněkud přehlednější, protože sčítáme prvky, které leží ve stejné výšce.

16 Definice (matice). Maticí řádu m n rozumíme schema a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n A = a m1 a m2 a mn kde a ij pro i = 1..m a j = 1..n jsou reálná čísla. Množinu všech matic řádu m n označujeme symbolem R m n. Zkráceně zapisujeme též m n A = (a ij ) i=1 j=1 nebo pouze A = (a ij ). Je-li m = n nazývá se matice A čtvercová matice, jinak obdélníková matice. Je-li A čtvercová matice, nazýváme prvky tvaru a ii, tj. prvky, jejichž řádkový a sloupcový index jsou stejné, prvky hlavní diagonály.

17 Definice (matice transponovaná). Bud A = (a ij ) R m n. Matice A T = (a ji ) R n m, se nazývá matice transponovaná k matici A A = A T =

18 Definice (operace s maticemi). Bud te A = (a ij ), B = (b ij ) R m n. Součtem matic A a B rozumíme matici C = (c ij ) R m n, kde c ij = a ij + b ij. Zapisujeme C = A + B. A = (a ij ) R m n a t R. Součinem čísla t a matice A rozumíme matici D = (d ij ) R m n, kde d ij = t.a ij. Zapisujeme D = ta = =

19 Definice (maticový součin). A = (a ij ) R m n a B = (b ij ) R n p. Součinem matic A a B (v tomto pořadí) rozumíme matici G = (g ij ) R m p, kde g ij = a i1 b 1j + a i2 b 2j + + a in b nj pro všechna i = 1..m, j = 1..p. Zapisujeme G = AB (v tomto pořadí).

20 Skalární součin vektorů vektorů u = (u 1, u 2, u 3 ) a v = (v 1, v 2, v 3 ) je číslo Ze střední školy víte, že skalárním součinem u v = u 1 v 1 + u 2 v 2 + u 3 v 3 = 3 u i v i. i=1 Přímo z definice součinu plyne, že maticový součin ( ) v 1 u1 u 2 u 3 = (u 1 v 1 + u 2 v 2 + u 3 v 3 ) je jiným zápisem téhož. v 2 v 3

21 Vynásobte matice ( 1) ( 1) = ( 1) = ( 1) = není definováno A B = C, c ij = k a ik b kj

22 Vynásobte matice ( 1) ( 1) = ( 1) = ( 1) = není definováno Na místě ij ve výsledné matici C je skalární součin i-tého řádku matice A a j-tého sloupce matice B. Uvedený maticový součin je tedy možno chápat jako šest skalárních součinů.

23 Vynásobte matice ( 1) ( 1) = ( 1) = ( 1) = není definováno

24 Vynásobte matice ( 1) ( 1) = ( 1) = ( 1) = není definováno

25 Porovnejte následující maticový součin a lineární kombinaci vektorů = =

26 Porovnejte následující maticový součin a lineární kombinaci vektorů = =

27 Věta 1 (vlastnosti maticového součinu). Součin matic je asociativní a distributivní zprava i zleva vzhledem ke sčítání, tj. platí A(BC) = (AB)C A(B + C) = AB + AC (asociativita) (levý distributivní zákon) (B + C)A = BA + CA (pravý distributivní zákon) vždy, když tyto operace mají smysl. Definice (jednotková matice). Jednotkovou maticí řádu n rozumíme čtvercovou matici typu R n n, která má v hlavní diagonále jedničky a mimo hlavní diagonálu nuly. Označujeme ji I n. Příklad 1. Jednotková matice řádu 3 má tvar I 3 = Věta 2 (vlastnost jednotkové matice). Bud A matice. Pak platí IA = A a AI = A, vždy, když je tento součin definovaný.

28 Věta 1 (vlastnosti maticového součinu). Součin matic je asociativní a distributivní zprava i zleva vzhledem ke sčítání, tj. platí A(BC) = (AB)C A(B + C) = AB + AC (asociativita) (levý distributivní zákon) (B + C)A = BA + CA (pravý distributivní zákon) vždy, když tyto operace mají smysl. Definice (jednotková matice). Jednotkovou maticí řádu n rozumíme čtvercovou matici typu R n n, která má v hlavní diagonále jedničky a mimo hlavní diagonálu nuly. Označujeme ji I n. Příklad 1. Jednotková matice řádu 3 má tvar I 3 = Věta 2 (vlastnost jednotkové matice). Bud A matice. Pak platí IA = A a AI = A, vždy, když je tento součin definovaný.

29 Konec, pokračování zde.

Matice. Přednáška MATEMATIKA č. 2. Jiří Neubauer. Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.

Matice. Přednáška MATEMATIKA č. 2. Jiří Neubauer. Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob. Přednáška MATEMATIKA č. 2 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz 13. 10. 2010 Uspořádané schéma vytvořené z m n reálných čísel, kde m, n N a 11 a 12 a

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

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

1. Matice a maticové operace. 1. Matice a maticové operace p. 1/35

1. Matice a maticové operace. 1. Matice a maticové operace p. 1/35 1. Matice a maticové operace 1. Matice a maticové operace p. 1/35 1. Matice a maticové operace p. 2/35 Matice a maticové operace 1. Aritmetické vektory 2. Operace s aritmetickými vektory 3. Nulový a opačný

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

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

Matematika. Kamila Hasilová. Matematika 1/34

Matematika. Kamila Hasilová. Matematika 1/34 Matematika Kamila Hasilová Matematika 1/34 Obsah 1 Úvod 2 GEM 3 Lineární algebra 4 Vektory Matematika 2/34 Úvod Zkouška písemná, termíny budou včas vypsány na Intranetu UO obsah: teoretická a praktická

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

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

(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

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

KATEDRA INFORMATIKY UNIVERZITA PALACKÉHO LINEÁRNÍ ALGEBRA 1 OLGA KRUPKOVÁ VÝVOJ TOHOTO UČEBNÍHO TEXTU JE SPOLUFINANCOVÁN

KATEDRA INFORMATIKY UNIVERZITA PALACKÉHO LINEÁRNÍ ALGEBRA 1 OLGA KRUPKOVÁ VÝVOJ TOHOTO UČEBNÍHO TEXTU JE SPOLUFINANCOVÁN KATEDRA INFORMATIKY PŘÍRODOVĚDECKÁ FAKULTA UNIVERZITA PALACKÉHO LINEÁRNÍ ALGEBRA 1 OLGA KRUPKOVÁ VÝVOJ TOHOTO UČEBNÍHO TEXTU JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM A STÁTNÍM ROZPOČTEM ČESKÉ REPUBLIKY

Více

3. Matice a determinanty

3. Matice a determinanty . Matice a determinanty Teorie matic a determinantů představuje úvod do lineární algebry. Nejrozsáhlejší aplikace mají matice a determinanty při řešení systémů lineárních rovnic. Pojem determinantu zavedl

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. 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

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

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

Nechť M je množina. Zobrazení z M M do M se nazývá (binární) operace

Nechť M je množina. Zobrazení z M M do M se nazývá (binární) operace Kapitola 2 Algebraické struktury Řada algebraických objektů má podobu množiny s nějakou dodatečnou strukturou. Například vektorový prostor je množina vektorů, ty však nejsou jeden jako druhý : jeden z

Více

LINEÁRNÍ ALGEBRA. RNDr. Marie Hojdarová, CSc. Určeno pro studenty PS a AI

LINEÁRNÍ ALGEBRA. RNDr. Marie Hojdarová, CSc. Určeno pro studenty PS a AI LINEÁRNÍ ALGEBRA RNDr. Marie Hojdarová, CSc. Určeno pro studenty PS a AI Jihlava, říjen 2012 ISBN 978 80 87035 65-8 Úvod do studia předmětu Základy lineární algebry Milí studenti! Lineární algebra, kterou

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

Algebraické struktury s jednou binární operací

Algebraické struktury s jednou binární operací 16 Kapitola 1 Algebraické struktury s jednou binární operací 1.1 1. Grupoid, pologrupa, monoid a grupa Chtěli by jste vědět, co jsou to algebraické struktury s jednou binární operací? No tak to si musíte

Více

Regulární matice. Věnujeme dále pozornost zejména čtvercovým maticím.

Regulární matice. Věnujeme dále pozornost zejména čtvercovým maticím. Regulární matice Věnujeme dále pozornost zejména čtvercovým maticím. Věta. Pro každou čtvercovou matici A = (a ij ) řádu n nad tělesem (T, +, ) jsou následující podmínky ekvivalentní: (i) Řádky matice

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

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

2 Vektory a vektorové prostory 23 2.1 Lineární závislost a nezávislost vektorů... 25 2.2 Souřadná soustava a báze... 26

2 Vektory a vektorové prostory 23 2.1 Lineární závislost a nezávislost vektorů... 25 2.2 Souřadná soustava a báze... 26 Obsah 1 Matice 3 11 Operace s maticemi 4 12 Soustavy lineárních rovnic 11 13 Maticové rovnice a výpočet inverzní matice 15 14 Elementární matice 19 15 Cvičení 21 16 Řešení 22 2 Vektory a vektorové prostory

Více

Matematika pro studenty ekonomie. Doc. RNDr. Jiří Moučka, Ph.D. RNDr. Petr Rádl

Matematika pro studenty ekonomie. Doc. RNDr. Jiří Moučka, Ph.D. RNDr. Petr Rádl Doc. RNDr. Jiří Moučka, Ph.D. RNDr. Petr Rádl Matematika pro studenty ekonomie Vydala Grada Publishing, a.s. U Průhonu 22, 70 00 Praha 7 tel.: +420 234 264 40, fax: +420 234 264 400 www.grada.cz jako svou

Více

Komutativní a nekomutativní polookruhy ve školské matematice. Commutative and non-commutative semi-rings in educational mathematics

Komutativní a nekomutativní polookruhy ve školské matematice. Commutative and non-commutative semi-rings in educational mathematics Komutativní a nekomutativní polookruhy ve školské matematice Drahomíra Holubová Resume Polookruhy, které nejsou okruhy, mají významné zastoupení ve školské matematice. Tento příspěvek uvádí příklady komutativních

Více

12. Determinanty. 12. Determinanty p. 1/25

12. Determinanty. 12. Determinanty p. 1/25 12. Determinanty 12. Determinanty p. 1/25 12. Determinanty p. 2/25 Determinanty 1. Induktivní definice determinantu 2. Determinant a antisymetrické formy 3. Výpočet hodnoty determinantu 4. Determinant

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

2.2. SČÍTÁNÍ A NÁSOBENÍ MATIC

2.2. SČÍTÁNÍ A NÁSOBENÍ MATIC 22 SČÍTÁNÍ A NÁSOBENÍ MATIC V této kapitole se dozvíte: jak je definováno sčítání matic a jaké má základní vlastnosti jak je definováno násobení matic číslem a jaké má základní vlastnosti zda a proč se

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

1. Algebraické struktury

1. Algebraické struktury 1. Algebraické struktury Definice 1.1 : Kartézský součin množin A,B (značíme A B) je množina všech uspořádaných dvojic [a, b], kde a A, b B. N-tou kartézskou mocninou nazveme A n. Definice 1.2 : Nechť

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

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

Matematika pro ekonomy

Matematika pro ekonomy Matematika pro ekonomy Karel Hrach Matematika pro ekonomy VYSOKÁ ŠKOLA EKONOMIE A MANAGEMENTU Praha 2007 Matematika pro ekonomy Karel hrach Copyright Vysoká škola ekonomie a managementu 2007. Vydání první.

Více

METRICKÉ A NORMOVANÉ PROSTORY

METRICKÉ A NORMOVANÉ PROSTORY PŘEDNÁŠKA 1 METRICKÉ A NORMOVANÉ PROSTORY 1.1 Prostor R n a jeho podmnožiny Připomeňme, že prostorem R n rozumíme množinu uspořádaných n tic reálných čísel, tj. R n = R } R {{ R }. n krát Prvky R n budeme

Více

a m1 a m2 a mn zobrazení. Operaci násobení u matic budeme definovat jiným způsobem.

a m1 a m2 a mn zobrazení. Operaci násobení u matic budeme definovat jiným způsobem. 1 Matice Definice 1 Matice A typu (m, n) je zobrazení z kartézského součinu {1, 2,,m} {1, 2,,n} do množiny R Matici A obvykle zapisujeme takto: a 1n a 21 a 22 a 2n A =, a m1 a m2 a mn kde a ij R jsou její

Více

4a) Racionální čísla a početní operace s nimi

4a) Racionální čísla a početní operace s nimi Racionální čísla a početní operace s nimi Množinu racionálních čísel získáme z množiny čísel celých, jejím rozšířením o čísla desetinná s ukončeným des. rozvojem nebo periodická a zlomky, které lze na

Více

Operace s maticemi Sčítání matic: u matic stejného typu sečteme prvky na stejných pozicích: A+B=(a ij ) m n +(b ij ) m n =(a ij +b ij ) m n.

Operace s maticemi Sčítání matic: u matic stejného typu sečteme prvky na stejných pozicích: A+B=(a ij ) m n +(b ij ) m n =(a ij +b ij ) m n. 1 Sylvestrova věta Platí: Nechť A je symetrická matice řádu n, označme a 11 a 12... a 1i a D i = 21 a 22... a 2i.... a i1 a i2... a ii Pak A(a příslušná KF) je pozitivně definitní, právěkdyž D i >0provšechna

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

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

Teorie grup 1 Příklad axiomatické teorie

Teorie grup 1 Příklad axiomatické teorie Teorie grup 1 Příklad axiomatické teorie Alena Šolcová 1 Binární operace Binary operation Binární operací na neprázdné množině A rozumíme každé zobrazení kartézského součinu A x A do A. Multiplikativní

Více

Matematika pro studenty ekonomie

Matematika pro studenty ekonomie w w w g r a d a c z vydání upravené a doplněné vydání Armstrong Grada Publishing as U Průhonu 7 Praha 7 tel: + fax: + e-mail: obchod@gradacz wwwgradacz Matematika pro studenty ekonomie MATEMATIKA PRO STUDENTY

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

Maticový a tenzorový počet

Maticový a tenzorový počet Maticový a tenzorový počet Doc. RNDr. Martin Kovár, Ph.D. Ústav matematiky Fakulta elektrotechniky a komunikačních technologií VUT v Brně Obsah. Test vstupních znalostí............................. 5 Matice

Více

Lineární Algebra I. Adam Liška 8. prosince 2014. Zápisky z přednášek Jiřího Fialy na MFF UK, zimní semestr, ak. rok 2007/2008

Lineární Algebra I. Adam Liška 8. prosince 2014. Zápisky z přednášek Jiřího Fialy na MFF UK, zimní semestr, ak. rok 2007/2008 Lineární Algebra I. Zápisky z přednášek Jiřího Fialy na MFF UK, zimní semestr, ak. rok 2007/2008 Adam Liška 8. prosince 2014 http://kam.mff.cuni.cz/~fiala http://www.adliska.com 1 Obsah 1 Soustavy lineárních

Více

1. Několik základních pojmů ze středoškolské matematiky. Na začátku si připomeneme následující pojmy:

1. Několik základních pojmů ze středoškolské matematiky. Na začátku si připomeneme následující pojmy: Opakování středoškolské matematiky Slovo úvodem: Tato pomůcka je určena zejména těm studentům presenčního i kombinovaného studia na VŠFS, kteří na středních školách neprošli dostatečnou průpravou z matematiky

Více

19 Hilbertovy prostory

19 Hilbertovy prostory M. Rokyta, MFF UK: Aplikovaná matematika III kap. 19: Hilbertovy prostory 34 19 Hilbertovy prostory 19.1 Úvod, základní pojmy Poznámka (připomenutí). Necht (X,(, )) je vektorový prostor se skalárním součinem

Více

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

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

Petr Olšák. Lineární algebra. Praha, 2000-2002

Petr Olšák. Lineární algebra. Praha, 2000-2002 Petr Olšák Lineární algebra Praha, 2000-2002 E Text je šířen volně podle licence ftp://mathfeldcvutcz/pub/olsak/linal/licencetxt Text ve formátech TEX (csplain), PostScript, dvi, PDF najdete na adrese

Více

KIV/ZI Základy informatiky MS EXCEL MATICOVÉ FUNKCE A SOUHRNY

KIV/ZI Základy informatiky MS EXCEL MATICOVÉ FUNKCE A SOUHRNY KIV/ZI Základy informatiky MS EXCEL MATICOVÉ FUNKCE A SOUHRNY cvičící: Tomáš Ptáček zimní semestr 2012 MS EXCEL MATICE (ÚVOD) Vektor: (1D) v = [1, 2, 3, 5, 8, 13] Např.: matice sousednosti Matice: (2D)

Více

fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu http://akademie.ldf.mendelu.cz/cz (reg. č. CZ.1.07/2.2.00/28.

fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu http://akademie.ldf.mendelu.cz/cz (reg. č. CZ.1.07/2.2.00/28. Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem

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

DIGITÁLNÍ UČEBNÍ MATERIÁL. Název školy SOUpotravinářské, Jílové u Prahy, Šenflukova 220. Název materiálu VY_32_INOVACE / Matematika / 03/01 / 17

DIGITÁLNÍ UČEBNÍ MATERIÁL. Název školy SOUpotravinářské, Jílové u Prahy, Šenflukova 220. Název materiálu VY_32_INOVACE / Matematika / 03/01 / 17 DIGITÁLNÍ UČEBNÍ MATERIÁL Číslo projektu CZ.1.07/1.5.00/34.0763 Název školy SOUpotravinářské, Jílové u Prahy, Šenflukova 220 Název materiálu VY_32_INOVACE / Matematika / 03/01 / 17 Autor Ing. Antonín Kučera

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

Josef Janyška Anna Sekaninová ANALYTICKÁ TEORIE KUŽELOSEČEK A KVADRIK

Josef Janyška Anna Sekaninová ANALYTICKÁ TEORIE KUŽELOSEČEK A KVADRIK Josef Janyška Anna Sekaninová ANALYTICKÁ TEORIE KUŽELOSEČEK A KVADRIK Obsah 1 KOMPLEXNÍ ROZŠÍŘENÍ PROSTORU 7 1 Komplexní rozšíření vektorového prostoru........... 7 Komplexní rozšíření reálného afinního

Více

LDF MENDELU. Simona Fišnarová (MENDELU) Základy lineárního programování VMAT, IMT 1 / 25

LDF MENDELU. Simona Fišnarová (MENDELU) Základy lineárního programování VMAT, IMT 1 / 25 Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem

Více

Data v počítači. Informační data. Logické hodnoty. Znakové hodnoty

Data v počítači. Informační data. Logické hodnoty. Znakové hodnoty Data v počítači Informační data (elementární datové typy) Logické hodnoty Znaky Čísla v pevné řádové čárce (celá čísla) v pohyblivé (plovoucí) řád. čárce (reálná čísla) Povelová data (instrukce programu)

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

Determinant. Definice determinantu. Permutace. Permutace, vlastnosti. Definice: Necht A = (a i,j ) R n,n je čtvercová matice.

Determinant. Definice determinantu. Permutace. Permutace, vlastnosti. Definice: Necht A = (a i,j ) R n,n je čtvercová matice. [] Definice determinantu BI-LIN, determinant, 9, P Olšák [2] Determinant je číslo jistým způsobem charakterizující čtvercovou matici det A 0 pro singulární matici, det A 0 pro regulární matici používá

Více

Ukázka knihy z internetového knihkupectví www.kosmas.cz

Ukázka knihy z internetového knihkupectví www.kosmas.cz Ukázka knihy z internetového knihkupectví www.kosmas.cz (tištěná ISBN 978-80-247-7512-8 (elektronická verze ve formátu verze) PDF) Grada Publishing, a.s. 2012 U k á z k a k n i h y z i n t e r n e t o

Více

Lineární algebra a analytická geometrie sbírka úloh a ř ešených př íkladů

Lineární algebra a analytická geometrie sbírka úloh a ř ešených př íkladů Lineární algebra a analytická geometrie sbírka úloh a ř ešených př íkladů Linear algebra and analytic geometry problems and solved examples Klára Javornická Bakalářská práce 2010 UTB ve Zlíně, Fakulta

Více

[1] Důkaz: Necht p(x) = a n x n +... + a 1 x + a 0 = 0 pro všechna x C,

[1] Důkaz: Necht p(x) = a n x n +... + a 1 x + a 0 = 0 pro všechna x C, Výsledky operací jsou tedy popsány pomocí svých koeficientů algoritmicky. Na vstupu do algoritmu jsou koeficienty polynomů, které sčítáme resp. násobíme. S proměnnou x algoritmy nepracují. Polynomy Polynom

Více

STŘEDOŠKOLSKÁ MATEMATIKA

STŘEDOŠKOLSKÁ MATEMATIKA STŘEDOŠKOLSKÁ MATEMATIKA MOCNINY, ODMOCNINY, ALGEBRAICKÉ VÝRAZY VŠB Technická univerzita Ostrava Ekonomická fakulta 006 Mocniny, odmocniny, algebraické výrazy http://moodle.vsb.cz/ 1 OBSAH 1 Informace

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

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

y 10 20 Obrázek 1.26: Průměrová rovina válcové plochy

y 10 20 Obrázek 1.26: Průměrová rovina válcové plochy 36 KAPITOLA 1. KVADRIKY JAKO PLOCHY 2. STUPNĚ 2 1 2 1 1 y 1 2 Obráek 1.26: Průměrová rovina válcové plochy Věta: Je-li definována průměrová rovina sdružená s asymptotickým směrem, potom je s tímto směrem

Více

2. Řešení algebraické

2. Řešení algebraické @016 2. Řešení algebraické Definice: Nechť a, c jsou reálná čísla. Rovnice v R (s neznámou x) daná formulí se nazývá lineární rovnice a ax + c = 0 se nazývají lineární nerovnice. ax + c 0 ax + c < 0 ax

Více

1. Jordanův kanonický tvar

1. Jordanův kanonický tvar . Jordanův kanonický tvar Obecně nelze pro zadaný lineární operátor ϕ : U U najít bázi α takovou, že (ϕ) α,α by byla diagonální. Obecně však platí, že pro každý lineární operátor ϕ : U U nad komplexními

Více

Skalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech.

Skalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech. Kapitola 9 Skalární součin Skalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech. Definice 9.1 Je-li x = (x 1,..., x n ) T R n 1 reálný

Více

JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT2

JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT2 ŘEŠENÍ MINITESTŮ JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT2 1. Lineární kombinace vektorů v 1 = (3,5,-2,0), v 2 = (-1,7,13,-3), v 3 = (1,0,-2,3) s koeficienty

Více

Algebraické výrazy pro učební obory

Algebraické výrazy pro učební obory Variace 1 Algebraické výrazy pro učební obory Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz. 1. Algebraické výrazy

Více

Lenka Zalabová. Ústav matematiky a biomatematiky, Přírodovědecká fakulta, Jihočeská univerzita. zima 2012

Lenka Zalabová. Ústav matematiky a biomatematiky, Přírodovědecká fakulta, Jihočeská univerzita. zima 2012 Algebra - třetí díl Lenka Zalabová Ústav matematiky a biomatematiky, Přírodovědecká fakulta, Jihočeská univerzita v Českých Budějovicích zima 2012 Obsah 1 Dělitelnost 2 Grupy zbytkových tříd 3 Jedna z

Více

11 Analýza hlavních komponet

11 Analýza hlavních komponet 11 Analýza hlavních komponet Tato úloha provádí transformaci měřených dat na menší počet tzv. fiktivních dat tak, aby většina informace obsažená v původních datech zůstala zachována. Jedná se tedy o úlohu

Více

matice([[1,1,0,0,0],[1,1,1,0,0],[0,1,1,0,0],[0,0,0,1,1],[0,0,0,1,1]],1). matice([[1,1,1],[1,1,0],[1,0,1]],2).

matice([[1,1,0,0,0],[1,1,1,0,0],[0,1,1,0,0],[0,0,0,1,1],[0,0,0,1,1]],1). matice([[1,1,1],[1,1,0],[1,0,1]],2). % Zápočtový program % souvislost grafu % popis algoritmu a postupu % Program využívá algoritmu na násobení matic sousednosti A. % Příslušná mocnina n matice A určuje z kterých do kterých % vrcholů se lze

Více

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan 11. Lineární zobrazení V celé přednášce pojednáváme o vektorových prostorech nad

Více

předmětu MATEMATIKA B 1

předmětu MATEMATIKA B 1 Metodický list pro první soustředění kombinovaného studia předmětu MATEMATIKA B 1 Název tématického celku: Vektorový prostor Cíl: Základním cílem tohoto tematického celku je pochopit, co jsou to vektory

Více

Základní vlastnosti eukleidovského prostoru

Základní vlastnosti eukleidovského prostoru Kapitola 2 Základní vlastnosti eukleidovského prostoru 2.1 Eukleidovský prostor Eukleidovský prostor a jeho podprostory. Metrické vlastnosti, jako např. kolmost, odchylka, vzdálenost, obsah, objem apod.

Více

Lineární algebra nad obecným Z m, lineární kódy

Lineární algebra nad obecným Z m, lineární kódy Lineární algebra nad obecným Z m, lineární kódy Jiří Velebil: X01DML 19. listopadu 2010: Lineární algebra a kódy 1/19 Minule: soustavy lineárních rovnic nad Z p, p prvočíslo, stejně jako nad R. Dále nad

Více

Pojem binární relace patří mezi nejzákladnější matematické pojmy. Binární relace

Pojem binární relace patří mezi nejzákladnější matematické pojmy. Binární relace RELACE Pojem binární relace patří mezi nejzákladnější matematické pojmy. Binární relace slouží k vyjádření vztahů mezi prvky nějakých množin. Vztahy mohou být různé povahy. Patří sem vztah býti potomkem,

Více

Početní operace se zlomky

Početní operace se zlomky Početní operace se zlomky 1. Sčítání a. zlomků - upravíme zlomky na stejného jmenovatele (rozšiřováním, v některých případech krácením) hledáme společný násobek všech jmenovatelů (nejlépe nejmenší společný

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

Kapitola 1. Tenzorový součin matic

Kapitola 1. Tenzorový součin matic Kapitola 1 Tenzorový součin matic Definice 1.1. Buď F komutativní těleso. Pro matice A F m n a B F r s definujeme tenzorový součin A B jako matici o rozměru mr ns zapsanou blokově: A 11 B A 12 B A 1n B

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

Sčítání a odčítání Jsou-li oba sčítanci kladní, znaménko výsledku je + +421 +23 = + 444

Sčítání a odčítání Jsou-li oba sčítanci kladní, znaménko výsledku je + +421 +23 = + 444 ARITMETIKA CELÁ ČÍSLA Celá čísla jsou. -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5, 6, Celá čísla rozdělujeme na záporná (-1, -2, -3, ) kladná (1, 2, 3,.) nula 0 (není číslo kladné ani záporné) absolutní

Více

Prvočísla a čísla složená

Prvočísla a čísla složená Prvočísla a čísla složená Prvočíslo je každé přirozené číslo, které má právě dva různé dělitele, číslo 1 a samo sebe. Nejmenším a jediným sudým je prvočíslo 2. Další prvočísla: 2, 3, 5, 7, 11, 13, 17,

Více

1. Základy logiky a teorie množin

1. Základy logiky a teorie množin . Základy logiky a teorie množin Studijní text. Základy logiky a teorie množin A. Logika Matematická logika vznikla v 9. století. Jejím zakladatelem byl anglický matematik G. Boole (85 864). Boole prosadil

Více

Matematika Kvadratická rovnice. Kvadratická rovnice je matematický zápis, který můžeme (za pomoci ekvivalentních úprav) upravit na tvar

Matematika Kvadratická rovnice. Kvadratická rovnice je matematický zápis, který můžeme (za pomoci ekvivalentních úprav) upravit na tvar Kvadratická rovnice Kvadratická rovnice je matematický zápis, který můžeme (za pomoci ekvivalentních úprav) upravit na tvar ax 2 + bx + c = 0. x neznámá; v kvadratické rovnici se vyskytuje umocněná na

Více

Teoretická informatika Tomáš Foltýnek foltynek@pef.mendelu.cz. Algebra Struktury s jednou operací

Teoretická informatika Tomáš Foltýnek foltynek@pef.mendelu.cz. Algebra Struktury s jednou operací Teoretická informatika Tomáš Foltýnek foltynek@pef.mendelu.cz Algebra Struktury s jednou operací Teoretická informatika 2 Proč zavádíme algebru hledáme nástroj pro popis objektů reálného světa (zejména

Více

15. Moduly. a platí (p + q)(x) = p(x) + q(x), 1(X) = id. Vzniká tak struktura P [x]-modulu na V.

15. Moduly. a platí (p + q)(x) = p(x) + q(x), 1(X) = id. Vzniká tak struktura P [x]-modulu na V. Učební texty k přednášce ALGEBRAICKÉ STRUKTURY Michal Marvan, Matematický ústav Slezská univerzita v Opavě 15. Moduly Definice. Bud R okruh, bud M množina na níž jsou zadány binární operace + : M M M,

Více

Poznámky z matematiky

Poznámky z matematiky Poznámky z matematiky Verze: 14. dubna 2015 Petr Hasil hasil@mendelu.cz http://user.mendelu.cz/hasil/ Ústav matematiky Lesnická a dřevařská fakulta Mendelova univerzita v Brně Vytvořeno s podporou projektu

Více

0. Lineární rekurence Martin Mareš, 2010-07-04

0. Lineární rekurence Martin Mareš, 2010-07-04 0 Lineární rekurence Martin Mareš, 2010-07-04 V tomto krátkém textu se budeme zabývat lineárními rekurencemi, tj posloupnostmi definovanými rekurentní rovnicí typu A n+k = c 0 A n + c 1 A n+1 + + c k 1

Více

POSLOUPNOSTI A ŘADY INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ

POSLOUPNOSTI A ŘADY INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ POSLOUPNOSTI A ŘADY 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

Více

Gymnázium, Brno. Matice. Závěrečná maturitní práce. Jakub Juránek 4.A Školní rok 2010/11

Gymnázium, Brno. Matice. Závěrečná maturitní práce. Jakub Juránek 4.A Školní rok 2010/11 Gymnázium, Brno Matice Závěrečná maturitní práce Jakub Juránek 4.A Školní rok 2010/11 Konzultant: Mgr. Aleš Kobza Ph.D. Brno, 2011 Prohlášení Prohlašuji, že jsem předloženou práci zpracoval samostatně

Více

analytické geometrie v prostoru s počátkem 18. stol.

analytické geometrie v prostoru s počátkem 18. stol. 4.. Funkce více proměnných, definice, vlastnosti Funkce více proměnných Funkce více proměnných se v matematice začal používat v rámci rozvoje analtické geometrie v prostoru s počátkem 8. stol. I v sami

Více

7.2.12 Vektorový součin I

7.2.12 Vektorový součin I 7 Vektorový součin I Předpoklad: 708, 7 Při násobení dvou čísel získáváme opět číslo Skalární násobení vektorů je zcela odlišné, protože vnásobením dvou vektorů dostaneme číslo, ted něco jiného Je možné

Více

2. Matice, soustavy lineárních rovnic

2. Matice, soustavy lineárních rovnic Matice, soustavy lineárních rovnic Tento učební text byl podpořen z Operačního programu Praha- Adaptabilita Irena Sýkorová Některé vlastnosti matic Uvažujmečtvercovoumatici A=(a ij ) n n Matice Asenazývásymetrická,jestližeplatí

Více

Euklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost.

Euklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost. Euklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost. Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a

Více

Limita a spojitost funkce

Limita a spojitost funkce Limita a spojitost funkce Základ všší matematik Dana Říhová Mendelu Brno Průřezová inovace studijních programů Lesnické a dřevařské fakult MENDELU v Brně (LDF) s ohledem na disciplin společného základu

Více