Josef Janyška Anna Sekaninová ANALYTICKÁ TEORIE KUŽELOSEČEK A KVADRIK

Rozměr: px
Začít zobrazení ze stránky:

Download "Josef Janyška Anna Sekaninová ANALYTICKÁ TEORIE KUŽELOSEČEK A KVADRIK"

Transkript

1 Josef Janyška Anna Sekaninová ANALYTICKÁ TEORIE KUŽELOSEČEK A KVADRIK

2

3 Obsah 1 KOMPLEXNÍ ROZŠÍŘENÍ PROSTORU 7 1 Komplexní rozšíření vektorového prostoru Komplexní rozšíření reálného afinního prostoru Cvičení PROJEKTIVNÍ ROZŠÍŘENÍ AFINNÍHO PROSTORU 1 4 Projektivní prostory Přechod od projektivního prostoru k afinnímu Projektivní rozšíření afinního prostoru Cvičení BILINEÁRNÍ A KVADRATICKÉ FORMY 5 8 Bilineární formy Kvadratické formy Ortogonální transformace kvadratické formy Cvičení TEORIE KUŽELOSEČEK 61 1 Kuželosečky v projektivní rovině Projektivní klasifikace kuželoseček Afinní vlastnosti kuželoseček Afinní klasifikace kuželoseček Metrické vlastnosti kuželoseček Metrická klasifikace kuželoseček Kuželosečky jako množiny bodů daných vlastností Cvičení

4 4 OBSAH 5 TEORIE KVADRIK 19 0 Kvadriky v projektivním prostoru Projektivní klasifikace kvadrik Tečná rovina Afinní vlastnosti kvadrik Afinní klasifikace kvadrik Metrické vlastnosti kvadrik Metrická klasifikace kvadrik Cvičení

5 Předmluva Tento učební text pokrývá zhruba látku, která je přednášena v 5. semestru učitelského studia matematiky v předmětu Teorie kuželoseček a kvadrik. Text vznikl na základě přednášek obou autorů. Přednáška vyžaduje předběžné znalosti lineární analytické geometrie v rozsahu skript Horák, Janyška [6] nebo učebnice Sekanina a kol. [1]. Obsahem textu je analytický přístup ke studiu kuželoseček respektive kvadrik v projektivní, afinní a euklidovské rovině respektive prostoru. K ucelenému výkladu jsou potřebné některé kapitoly z algebry, které nejsou součástí povinného kurzu, proto jsme do textu zařadili tyto kapitoly v nezbytném minimálním rozsahu. Jde o komplexní rozšíření vektorového a afinního prostoru (Kapitola 1), projektivní rozšíření afinního prostoru (Kapitola ) a konečně o úvod do teorie bilineárních a kvadratických forem (Kapitola ). Těžiště textu je v Kapitole 4 (analytická teorie kuželoseček) a v Kapitole 5 (analytická teorie kvadrik). I když je náš přístup analytický, snažíme se co nejvíce zdůraznit geometrické vlastnosti definovaných pojmů. K tomu slouží i řada obrázků. Pro přehlednost textu jsou definice vyznačeny rámečkem a konce důkazů respektive poznámek jsou označeny symboly respektive. Na konci každého paragrafu jsou uvedeny řešené příklady typické pro daný paragraf a v každé kapitole je zařazen paragraf s příklady na procvičení. Závěrem bychom chtěli poděkovat prof. RNDr. I. Kolářovi, DrSc., za pečlivé studium rukopisu a posluchačům J. Kopřivové a L. Vémolovi za kontrolu výsledků některých cvičení. V Brně, 1. května 001 Autoři 5

6 6 OBSAH

7 Kapitola 1 KOMPLEXNÍ ROZŠÍŘENÍ PROSTORU Až dosud jsme v analytické geometrii uvažovali všechny prostory (vektorové, afinní, euklidovské) pouze nad tělesem reálných čísel. Pro potřeby teorie kuželoseček a kvadrik se však reálné prostory jeví jako nedostatečné. Ukážeme si, proč. V lineární geometrii, např. v euklidovské rovině, platilo, že dvě souřadnicové lineární rovnice určují stejný geometrický objekt (nadrovinu) tehdy a jen tehdy, liší-li se o nenulový násobek. Mějme ale dvě rovnice. stupně x + y = 0, (1) x + y = 0, () kde [x; y] jsou souřadnice bodu v rovině vzhledem k nějakému ortonormálnímu repéru. Je zřejmé, že oběma rovnicím vyhovují pouze souřadnice počátku, tj. určují stejnou množinu v euklidovské rovině, a přitom není rovnice () násobkem rovnice (1). V této kapitole proto zavedeme takzvané komplexní rozšíření reálného prostoru tak, abychom docílili toho, že i dvě rovnice. stupně určují tutéž množinu právě tehdy, liší-li se o nenulový násobek. 1 Komplexní rozšíření vektorového prostoru Předpokládejme, že V je vektorový prostor konečné dimenze n nad tělesem reálných čísel. Podobným způsobem, jako se v teorii čísel sestrojí komplexní rozšíření tělesa reálných čísel v těleso komplexních čísel, sestrojíme i komplexní rozšíření vektorového prostoru V. Uvažujme množinu V V a definujme na ní operaci sčítání a násobení 7

8 8 1. KOMPLEXNÍ ROZŠÍŘENÍ PROSTORU komplexním číslem následujícím způsobem (a, b) + (c, d) = (a + c, b + d), (1.1) (α + iβ)(a, b) = (αa βb, αb + βa). (1.) Snadno se ověří, že V V spolu s operacemi sčítání a násobení komplexními čísly definovanými (1.1) a (1.) je vektorovým prostorem nad tělesem komplexních čísel C. Definice 1.1. Množinu V V s operacemi sčítání a násobení komplexními čísly definovanými vztahy (1.1) a (1.) budeme nazývat komplexní rozšíření reálného vektorového prostoru V a označovat V C. Uvažujme podmnožinu M = {(u, o) V V } V C. Snadno ověříme, že M je uzavřená vzhledem ke sčítání a násobení reálnými čísly. Uvažujme zobrazení V na M, které přiřadí vektoru u V vektor (u, o) M. Toto zobrazení je izomorfizmem vektorového prostoru V na M. Při ztotožnění V a M tedy dostáváme, že V V C. Poznámka 1.1. V je podmnožina ve V C, ale ne vektorový podprostor, protože V je definováno nad R a V C nad C. Nyní můžeme každý vektor (u, v) V C psát následujícím způsobem (u, v) = (u, o) + (o, v) = (u, o) + i(v, o) = u + iv. Vektor u V budeme nazývat reálnou složkou (částí) a vektor v V imaginární složkou (částí) vektoru w = u + iv V C a označovat u = Re(w), v = Im(w). Nulovým vektorem V C je (o, o) = o + io = o. Věta 1.1. Vektory u 1,..., u k V jsou lineárně nezávislé v prostoru V tehdy a jen tehdy, jsou-li lineárně nezávislé v prostoru V C. Důkaz. Je zřejmé, že jsou-li u 1,..., u k V lineárně závislé ve V, jsou i lineárně závislé ve V C. Nechť jsou u 1,..., u k lineárně závislé ve V C. Potom existují komplexní čísla α j +iβ j, j = 1,..., k, taková, že alespoň jedno z nich je nenulové a platí k (α j + iβ j )u j = o, tj. j=1 k α j u j + i j=1 k β j u j = o. j=1

9 1. Komplexní rozšíření vektorového prostoru 9 Musí tedy platit k j=1 α ju j = o a současně k j=1 β ju j = o, přičemž alespoň jedno α j R nebo β j R je nenulové, což znamená, že vektory u 1,..., u k jsou lineárně závislé ve V. Dokázali jsme tedy, že u 1,..., u k jsou lineárně závislé ve V tehdy a jen tehdy, jsou-li lineárně závislé ve V C, což je tvrzení ekvivalentní tvrzení Věty 1.1. Věta 1.. Každá báze prostoru V je i bází prostoru V C. Důkaz. Nechť u 1,..., u n je báze vektorového prostoru V. Potom u 1,..., u n jsou lineárně nezávislé ve V C a musíme dokázat, že u 1,..., u n je systém generátorů V C. Buď x + iy V C libovolný vektor. Potom existují reálná čísla x 1,..., x n, y 1 ;... ; y n tak, že x = n j=1 x ju j, y = n j=1 y ju j. Odtud x + iy = n x j u j + i j=1 což dokazuje naši Větu 1.. n y j u j = j=1 n (x j + iy j )u j, Definice 1.. Každá báze prostoru V C, která je současně i bází V, se nazývá reálná báze. Věta 1.. Buď U podprostor vektorového prostoru V. Potom U C je podprostorem vektorového prostoru V C. Důkaz. Věta 1. je přímým důsledkem definice komplexního rozšíření vektorového prostoru. Definice 1.. Podprostor W vektorového prostoru V C, který je komplexním rozšířením podprostoru U V, se nazývá reálný podprostor a označujeme ho U C. Ne každý podprostor ve V C je reálný, ale každý podprostor ve V C obsahuje nějaký reálný podprostor, minimálně triviální podprostor {o}. Vektory u + iv a u iv se nazývají vektory komplexně sdružené. Je-li w V C, budeme komplexně sdružený vektor označovat w. Je-li W V C vektorový podprostor, je W = {w w W } vektorový podprostor nazývaný komplexně sdružený podprostor k podprostoru W. Pro komplexně sdružené vektory ve V C platí vztahy obdobné vztahům pro komplexně sdružená čísla. Pro w, w V C, k C, platí w + w = w + w, kw = k w. j=1

10 10 1. KOMPLEXNÍ ROZŠÍŘENÍ PROSTORU kde k je komplexně sdružené číslo k číslu k. Dále platí Re(w) = 1 (w + w), Im(w) = i (w w). Věta 1.4. Vektorový podprostor W V C je reálný právě tehdy, když W = W. Důkaz. Nechť W je reálný podprostor ve V C, tj. W = {w = u + iv, u, v U} = U C pro nějaký podprostor U V. Je zřejmé, že pro každé w W je i w W, a tedy W = W. Nechť W = W. Potom pro w W je i w W, a tedy i reálné vektory Re(w) W. Množina U = {Re(w)} je uzavřená vzhledem ke sčítání a násobení reálnými čísly, a tedy je podprostorem ve V. Protože Im(w) = Re( iw), je {Im(w)} U a w = Re(w) + iim(w). Potom W = U C. Důsledek 1.1. Nechť W je podprostor ve V C. Potom maximální reálný podprostor obsažený v W je W W. Při určování maximálního reálného podprostoru v podprostoru W V C postupujeme podle Důsledku 1.1. Při praktickém výpočtu postupujeme podle způsobu zadání W. Je-li W = L(w 1,..., w k ), určíme W = L(w 1,..., w k ) a W W. Je-li dimw = dimw W, je W reálný podprostor. Je-li podprostor W vzhledem k nějaké reálné bázi V C zadán obecnými rovnicemi a 11 x 1 + a 1 x + + a 1n x n = 0,. a (n k)1 x 1 + a (n k) x + + a (n k)n x n = 0, a ij C, je obecné vyjádření podprostoru W a 11 x 1 + a 1 x + + a 1n x n = 0, (1.). a (n k)1 x 1 + a (n k) x + + a (n k)n x n = 0. (1.4) Potom W W je společným řešením soustav (1.) a (1.4). Je li W reálný podprostor, musí existovat takové jeho obecné vyjádření (1.), že a ij R. Věta 1.5. Nechť V a U jsou reálné vektorové prostory a ϕ : V U je lineární zobrazení. Potom existuje právě jedno lineární zobrazení ϕ C : V C U C takové, že pro každý vektor x V je ϕ C (x) = ϕ(x). Je-li lineární zobrazení ϕ prosté, je i lineární zobrazení ϕ C prosté a je-li ϕ surjektivní, je i ϕ C surjektivní.

11 1. Komplexní rozšíření vektorového prostoru 11 Důkaz. Nechť ϕ : V U je lineární zobrazení. Definujme zobrazení ϕ C z V C do U C vztahem ϕ C (x + iy) = ϕ(x) + iϕ(y) (1.5) pro každé x + iy V C. Je zřejmé, že ϕ C (x) = ϕ(x) pro každý vektor x V. Ověříme, že ϕ C je lineární zobrazení. Nechť x j + iy j V C, α j + iβ j C, j = 1,. Potom ϕ C ((α 1 + iβ 1 )(x 1 + iy 1 ) + (α + iβ )(x + iy )) = = ϕ C ((α 1 x 1 β 1 y 1 + α x β y ) + i(α 1 y 1 + β 1 x 1 + α y + β x )) = = ϕ(α 1 x 1 β 1 y 1 + α x β y ) + iϕ(α 1 y 1 + β 1 x 1 + α y + β x ) = = α 1 ϕ(x 1 ) β 1 ϕ(y 1 ) + α ϕ(x ) β ϕ(y )+ +i(α 1 ϕ(y 1 ) + β 1 ϕ(x 1 ) + α ϕ(y ) + β ϕ(x )) = = (α 1 + iβ 1 )(ϕ(x 1 ) + iϕ(y 1 )) + (α + iβ )(ϕ(x ) + iϕ(y )) = = (α 1 + iβ 1 )ϕ C (x 1 + iy 1 ) + (α + iβ )ϕ C (x + iy ). Předpokládejme, že ψ C je lineární zobrazení z V C do U C takové, že ψ C (x) = ϕ(x) pro každý vektor x V. Potom z linearity dostáváme, že musí platit vztah (1.5), a tedy ϕ C ψ C. Nechť je lineární zobrazení ϕ prosté a ϕ C (x 1 + iy 1 ) = ϕ C (x + iy ). Potom z (1.5) je ϕ(x 1 ) = ϕ(x ) a ϕ(y 1 ) = ϕ(y ), a tedy musí být x 1 = x a y 1 = y, což znamená, že i ϕ C je prosté zobrazení. Nechť lineární zobrazení ϕ je surjektivní zobrazení. Nechť x + iy U C je libovolný vektor. Protože ϕ je surjektivní zobrazení, existují vektory x, y V takové, že ϕ(x) = x a ϕ(y) = y. Potom ϕ C (x + iy) = x + iy, a tedy i ϕ C je surjektivní. Definice 1.4. Zobrazení ϕ C definované ve Větě 1.5 se nazývá komplexní rozšíření lineárního zobrazení ϕ. Nechť v 1,..., v n je báze vektorového prostoru V a u 1,..., u m je báze vektorového prostoru U. Nechť vzhledem k těmto bázím má lineární zobrazení ϕ z V do U matici A ϕ. To znamená, že má-li x V souřadnicové vyjádření x = x 1 v x n v n a vektor ϕ(x) U souřadnicové vyjádření ϕ(x) = x 1 u x mu m, potom x 1 = a 11 x 1 + a 1 x + + a 1n x n, x = a 1 x 1 + a x + + a n x n,. x m = a m1 x 1 + a m x + + a mn x n,

12 1 1. KOMPLEXNÍ ROZŠÍŘENÍ PROSTORU a ij R, což píšeme maticově, při ztotožnění vektoru se sloupcovou maticí jeho souřadnic, ve tvaru ϕ(x) = A ϕ x. Protože každá báze prostoru V je i bází prostoru V C a podobně, každá báze prostoru U je i bází prostoru U C, můžeme vyjádřit i matici A ϕ C vzhledem k bázím v 1,..., v n a u 1,..., u m. Věta 1.6. Pro libovolné lineární zobrazení ϕ z V do U jsou matice A ϕ a A ϕ C vzhledem k reálným bázím v V C a U C totožné. Důkaz. Nechť v bázích v 1,..., v n ve V a u 1,..., u m v U je A ϕ matice lineárního zobrazení ϕ z V do U. Podle (1.5) je ϕ C (x+iy) = ϕ(x)+iϕ(y) = A ϕ x + ia ϕ y = A ϕ (x + iy). Poznámka 1.. Je třeba si uvědomit, jaký je rozdíl mezi souřadnicovým vyjádřením libovolného lineárního zobrazení z V C do U C a komplexním rozšířením lineárního zobrazení z V do U. Zatímco matice komplexního rozšíření reálného lineárního zobrazení vzhledem k reálným bázím je definována nad R, je obecně matice libovolného lineárního zobrazení z V C do U C definována nad C. Úloha 1.1. Ověřte, zda podprostor W ve V C určený vektory u 1 = (1; 1 + i; 1 i) a u = (1 + i; 0; + i) je reálný. V případě, že ano, určete nějakou jeho reálnou bázi. Řešení : Stačí ověřit, jaká je dimenze podprostoru W W. Protože hodnost matice sestavené ze souřadnic vektorů u 1, u, u 1 a u je rovna dvěma a protože dimw = = dimw, je dim(w W ) =, tedy W = W a W je reálný. Reálnou bázi tvoří např. vektory Re(u 1 ) = (1; 1; 1) a Im(u 1 ) = (0; 1; 1). Úloha 1.. Nechť podprostor W ve V C je v nějaké reálné bázi zadán obecnou rovnicí W : (1 + i)x 1 + ix + ( i)x = 0. Určete maximální reálný podprostor ležící v W. Řešení : Obecné rovnice komplexně sdruženého podprostoru W jsou W : (1 i)x 1 ix + ( + i)x = 0. Maximální reálný podprostor v W je W W, který je řešením soustavy rovnic (1 + i)x 1 + ix + ( i)x = 0, (1 i)x 1 ix + ( + i)x = 0. Obecné řešení této soustavy je reálný jednodimenzionální podprostor generovaný vektorem ( ; ; 1).

13 . KOMPLEXNÍ ROZŠÍŘENÍ REÁLNÉHO AFINNÍHO PROSTORU 1 Komplexní rozšíření reálného afinního prostoru V předchozím kurzu analytické geometrie jsme zavedli reálný n-rozměrný afinní prostor jako uspořádanou trojici (A, V, ), kde A je neprázdná množina bodů, V je n dimenzionální reálný vektorový prostor zaměření a : A A V je zobrazení splňující dva axiomy afinního prostoru. Nyní tento prostor rozšíříme v komplexní afinní prostor. Věta.1. Buď A C = A V a zobrazení C : A C A C V C (komplexní rozšíření prostoru V ) definované vztahem (X, u)(y, v) C = XY + i(v u), (.1) kde X, Y A, u, v V. Potom trojice (A C, V C, C) je komplexní afinní prostor. Důkaz. Musíme dokázat, že pro zobrazení (.1) platí axiomy afinního prostoru. Nechť je dán libovolný prvek (X, u) A C a libovolný vektor w = w 1 + iw V C. Potom existuje jediný prvek (Y, v) A C takový, že je splněno (.1). Konkrétně Y = X + w 1 a v = u + w. Dále pro libovolné tři prvky (X, u), (Y, v), (Z, w) A C platí (X, u)(y, v) C + (Y, v)(z, w) C = XY + i(v u) + Y Z + i(w v) = XZ + i(w u) = (X, u)(z, w) C, a tedy (A C, V C, C) je afinní prostor nad tělesem komplexních čísel C. Dále budeme body A A ztotožňovat s prvky (A, o) A C. Při tomto ztotožnění můžeme A považovat za podmnožinu v A C, která ovšem není afinním podprostorem. Definice.1. Komplexní afinní prostor A C sestrojený ve Větě.1 nazýváme komplexní rozšíření reálného afinního prostoru A. Úmluva. Jsou-li (X, u), (Y, v) A C, w V C, budeme místo (X, u)(y, v) C = w psát (Y, v) = (X, u)+w, což je ekvivalentní rovnostem Y = X +w 1, v = u + w, kde w = w 1 + iw. Při ztotožnění X A s (X, o) A C a u V s (u, o) V C můžeme každý prvek (X, u) A C psát ve tvaru (X, u) = (X, o) + (o, u) = X + iu. Tedy každý bod (X, u) A C n můžeme psát, při pevně zvoleném P A n, ve tvaru P + v + iu, kde vektor v je jednoznačně určen podmínkou X = P + v.

14 14 1. KOMPLEXNÍ ROZŠÍŘENÍ PROSTORU Zvolme nyní v afinním prostoru A afinní souřadnou soustavu afinním repérem P ; u 1,..., u n. (.) Podle Věty 1. určuje repér (.) afinní souřadnou soustavou také v A C a takovou afinní souřadnou soustavu budeme nazývat reálná afinní souřadná soustava. To znamená, že vzhledem k repéru (.) můžeme každému bodu X+iu A C přiřadit uspořádanou n-tici komplexních čísel [x 1 +iu 1,..., x n + iu n ] takovou, že X + iu = P + n j=1 (x j + iu j )u j, kde [x 1 ;... ; x n ] jsou souřadnice bodu X A v afinní souřadné soustavě určené repérem (.) a (u 1 ;... ; u n ) jsou souřadnice vektoru u V v bázi u 1,..., u n. Bod X A má vzhledem k (.) stejné souřadnice v A i v A C. Navíc X A C leží v A právě tehdy, jsou-li jeho souřadnice vzhledem k reálné afinní souřadné soustavě určené repérem (.) reálná čísla. Definice.. Buď B afinní podprostor v A a W jeho zaměření. Potom množinu B W nazýváme komplexní rozšíření podprostoru B a značíme ji B C. Je zřejmé, že B C je afinním podprostorem v A C. Obráceně ale neplatí, že každý afinní podprostor v A C je komplexním rozšířením nějakého afinního podprostoru v A. Například bod X+iu A C je afinním podprostorem v A C a pro u o není komplexním rozšířením žádného podprostoru v A. Afinní podprostor v A C, který vznikl jako komplexní rozšíření afinního podprostoru v A, budeme nazývat reálný afinní podprostor. Ke každému bodu X + iu A C můžeme sestrojit bod X iu A C. Tento bod budeme nazývat komplexně sdružený k bodu X + iu. Jsou-li dva body z A C navzájem komplexně sdruženy, pak jejich souřadnice v libovolné reálné afinní souřadné soustavě v A C jsou uspořádané n-tice navzájem komplexně sdružených čísel. Je li B afinní podprostor v A C určený bodem B A C a zaměřením W V C, je podprostor určený bodem B a zaměřením W afinní podprostor komplexně sdružený k afinnímu podprostoru B a budeme ho označovat B. Podprostor B je reálný právě tehdy, je li B B. Obecně mohou podprostory B = {B, W } a B = {B, W } mít nejrůznější vzájemné polohy. Mohou být mimoběžné, rovnoběžné i různoběžné. V případě, že jsou různoběžné, je jejich průnik reálný podprostor. Určování vzájemných poloh, průniku a součtu podprostorů je stejné jako v reálném případě. Věta.. Mějme dány reálné afinní prostory A n a A m a afinní zobrazení f : A n A m. Potom existuje právě jedno afinní zobrazení f C : A C n A C m takové, že f C (X) = f(x) pro každý bod X A n.

15 . Komplexní rozšíření reálného afinního prostoru 15 Důkaz. Zvolme libovolný bod P A n a označme P = f(p ) A m. Potom f(p + u) = P + ϕ f (u), kde ϕ f je asociované lineární zobrazení ze zaměření A n do zaměření A m. Máme jednoznačně určené zobrazení f C : A C n A C m, které zobrazí bod (P + u, v) z A C n na bod P + ϕ C f (u + iv), kde ϕc f je komplexní rozšíření ϕ f z Věty 1.5. Snadno se vidí, že f C je jediné afinní zobrazení požadovaných vlastností. Definice.. Zobrazení f C definované ve Větě. se nazývá komplexní rozšíření afinního zobrazení f. Poznámka.1. Platí ϕ C f = ϕ f C. Každá afinní souřadná soustava v A n určuje současně reálnou afinní souřadnou soustavu v A C n. Z předchozí poznámky a Věty 1.6 vyplývá, že souřadnicová vyjádření reálného afinního zobrazení a jeho komplexního rozšíření jsou vzhledem k reálným afinním souřadným soustavám v A C n (respektive v A C m) totožná. To znamená, že matice komplexního rozšíření afinního zobrazení má v reálných afinních souřadných soustavách reálné koeficienty na rozdíl od matice obecného afinního zobrazení z A C n do A C m, jejíž koeficienty jsou komplexní čísla. Úloha.1. Ověřte, zda daný podprostor je reálný: a) Podprostor v A C je určen body B 1 = [1 + i; i], B = [1 i; + i]. b) Podprostor v A C je určen rovnicemi x + ( + i)y iz = + i, x + ( i)y + iz = i. c) Podprostor v A C je určen rovnicí x + ( + i)y iz = 0. Řešení : a) Vektor B 1 B = ( i; i) = ( i; i). Potom přímka určená body B 1, B má parametrické rovnice x = 1 + i ti, y = i + ti a sečtením dostaneme její obecnou rovnici ve tvaru x + y = 0,

16 16 1. KOMPLEXNÍ ROZŠÍŘENÍ PROSTORU což znamená, že přímka je reálná. b) Nad komplexními čísly řešíme soustavu rovnic x + ( + i)y iz = + i, x + ( i)y + iz = i. Sečtením dostaneme x = y a dosazením do jedné z rovnic dostaneme z = + y. Parametrické vyjádření daného podprostoru je tedy tvaru x = t, y = t, což znamená, že podprostor je reálný. z = + t, c) Z rovnice podprostoru dostaneme x = ( + i)y + iz. Volbou y, z za parametry dostaneme parametrické rovnice ve tvaru x = ( i)t + is, y = t, z = s, což znamená, že podprostor je imaginární. Úloha.. Je dán podprostor B v A C 4. Určete maximální reálný podprostor ležící v B, když a) B : x 1 + (1 + i)x ix x 4 = + i, b) B : x 1 + ( + i)x ix = 0. Řešení : a) Maximální reálný podprostor ležící v B je B B. Máme B : x 1 + (1 i)x + ix x 4 = i. B B je společným řešením rovnic určujících B a B. Sečtením rovnic dostaneme x 4 = + x 1 + x a po dosazení do jedné z rovnic dostaneme x = 1 + x. Je tedy průnikem B B (a tím i maximálním reálným podprostorem v B) reálná rovina o parametrickém vyjádření x 1 = t, x = s, x = 1 + s, x 4 = + t + s. b) Máme B : x 1 + ( i)x + ix = 0.

17 . CVIČENÍ 17 Společným řešením rovnic určujících B a B dostaneme x 1 = t, x = t, x = t, x 4 = s, tj. maximálním reálným podprostorem v B je reálná rovina. Úloha.. V A C je dána přímka p bodem A = [1; i; i] a směrovým vektorem u = (1 + i; ; i). Určete vzájemnou polohu přímek p a p. Řešení : Přímka p je určena bodem A = [1; i; i] a směrovým vektorem u = (1 i; ; i). Snadno se přesvědčíme, že matice sestavená ze souřadnic vektorů u, u a AA = (0; i; i) má hodnost, což znamená, že přímky p a p jsou mimoběžné. Cvičení.1. V A C jsou v reálné bázi dány bod B = [1; ; ] a vektory u = (; 1; 1), v = (; 0; 1). Určete souřadnice bodů C = B + iu, C a vektorů w = u + iv, w. { C = [1 + i; + i; i], C = [1 i; i; + i], w = ( + i; 1; 1 + i), w = ( i; 1; 1 i) }.. V A C jsou v reálné bázi dány bod K = [ + i; i] a vektor u = ( 1 + i; + i). Určete parametrické i obecné rovnice přímky dané bodem K a vektorem u. { Parametrické rovnice: x = + i + t( 1 + i), y = i + t( + i). Obecné rovnice: ( + i)x + (1 i)y 1 + 4i = 0 }.. Najděte reálné body přímek v A C : a) p : ix + ( + i)y 1 = 0, b) p je určena body A = [1 + i; i], B = [i; 1 + i], c) p : x = (1 + i) + it, y = (1 i) + t. { a) [ ; 1 ], b) neexistují, c) [ 1 ; 1] }.4. Určete rovnici reálné přímky procházející bodem K = [ i; 1 + i]. { Reálná přímka je určena body K a K: x + y 5 = 0 }.5. V A C určete parametrické rovnice reálné přímky, která prochází imaginárním bodem A = [ + i; 1 + i; 1 i].

18 18 1. KOMPLEXNÍ ROZŠÍŘENÍ PROSTORU { x = t, y = 1 t, z = t }.6. V A C udejte příklad přímky p takové, že p a p jsou a) různoběžné, b) rovnoběžné, c) mimoběžné..7. V A C ukažte, že přímka p : (1 4i)y + (1 i)z + 1 i = 0, (1 i)x y + ( + i)z = 0 je různoběžná s přímkou s ní komplexně sdruženou a vypočtěte souřadnice jejich společného bodu a rovnici roviny jimi určené. { [ 1 ; ; 1 ], x 8y z 6 = 0 }.8. V A C určete rovnice reálné přímky, která leží v imaginární rovině α : ( i)x + (1 + i)y iz + = 0. { x = t, y = t, z = 5t }.9. Určete reálný podprostor obsažený v podprostoru A C 4 : a) B : ( i)x 1 + (1 + i)x ix + 5x 4 = 0, b) C : (1 + i)x 1 + ( i)x x 4 = 1, x 1 + x + ix (1 i)x 4 = 0, c) D : x 1 = 1 + t + is, x = it, x = i + s, x 4 = (1 + i) + ( + i)t. { a) x 1 x + x = 0, x 1 + x + 5x 4 = 0, b) bod [ 1 5 ; 1 5 ; 5 ; 5 ], c) bod [; 1 ; 1 ; ] }.10. Určete vzájemnou polohu podprostorů v A C 4 : a) B a C jsou podprostory z cvičení.9, b) B je podprostor z cvičení.9 a C : X = [1; 0; 0; 1] + t(0; 1; 1; i). { a) podprostory se protínají v přímce, b) podprostory se protínají v bodě [1; (1 + 1i); 1 (1 + 1i); 1 ( 8 + i)] }.11. Nechť ϕ a ψ jsou lineární zobrazení z reálného vektorového prostoru V do reálného vektorového prostoru U. Dokažte, že zobrazení Φ z V C do U C definované předpisem Φ(x + iy) = ϕ(x) ψ(y) + i(ϕ(y) + ψ(x)) je lineární. Dále dokažte, že v reálných bázích je A Φ = A ϕ + ia ψ. { Návod: Postupujte jako v důkazech Vět 1.5 a 1.6 }

19 . Cvičení Dokažte, že je-li f : A n A m afinní zobrazení a ψ : Z(A n ) Z(A m ) lineární zobrazení, je F : A C n A C m zadané předpisem F (P + u + iv) = f(p ) + ϕ f (u) ψ(v) + i(ϕ f (v) + ψ(u)) afinní zobrazení a v reálných afinních souřadných soustavách v A C n a A C m je A F = A f + ia ψ.

20 0 1. KOMPLEXNÍ ROZŠÍŘENÍ PROSTORU

21 Kapitola PROJEKTIVNÍ ROZŠÍŘENÍ AFINNÍHO PROSTORU V teorii kuželoseček a kvadrik hrají důležitou úlohu nevlastní body, které si můžeme intuitivně představit jako body, ve kterých se protínají rovnoběžné přímky. Tyto body ovšem nepatří do afinního prostoru a při použití afinních souřadnic se nedají souřadnicově vyjádřit. Proto v této kapitole zavedeme pojem projektivního rozšíření afinního prostoru, v němž budeme moci pracovat také s nevlastními body, které můžeme vyjádřit rovněž pomocí souřadnic. 4 Projektivní prostory V této kapitole V n+1 je (n + 1)-rozměrný vektorový prostor nad tělesem T (dále T bude buď těleso reálných nebo komplexních čísel). Definice 4.1. Množinu P n všech jednorozměrných podprostorů vektorového prostoru V n+1 nazveme n-rozměrným projektivním prostorem nad tělesem T. Jeho prvky nazýváme body. V n+1 nazýváme aritmetickým základem (nosičem) prostoru P n. Vektor x V, x o, který generuje bod X = x = {αx, α T} P n nazýváme aritmetickým zástupcem bodu X. Poznámka 4.1. Každý bod A P n má nekonečně mnoho aritmetických zástupců, protože jednodimenzionální podprostor má nekonečně mnoho bází. 1

22 . PROJEKTIVNÍ ROZŠÍŘENÍ AFINNÍHO PROSTORU Je-li a aritmetickým zástupcem bodu A, tj. A = a, je i αa, α T, α 0, aritmetickým zástupcem bodu A. Poznámka 4.. Přesněji by mělo být řečeno, že projektivním prostorem je dvojice (P n, V n+1 ). Pokud nemůže dojít k záměně vektorového prostoru V n+1, budeme psát jen P n. Definice 4.. Body A 1 = a 1,..., A k = a k nazveme lineárně nezávislé (závislé), jestliže jsou lineárně nezávislé (závislé) vektory a 1,..., a k. Řekneme, že bod A = a je lineární kombinací bodů A 1 ;... ; A k, jestliže vektor a je lineární kombinací vektorů a 1,..., a k. Je-li a = α 1 a α k a k, píšeme formálně A = α 1 A α k A k. Poznámka 4.. Z vlastností vektorových prostorů vyplývá, že v P n existuje nejvýše (n + 1) lineárně nezávislých bodů. Poznámka 4.4. Lineárně nezávislé body budeme také nazývat body v obecné poloze. Definice 4.. Aritmetickou bází projektivního prostoru P n rozumíme libovolnou bázi u 1,..., u n+1 vektorového prostoru V n+1. Geometrickou bází (projektivním repérem) prostoru P n rozumíme libovolnou (n + )- tici bodů O 1 ;... ; O n+1, E takových, že libovolných (n + 1) z nich je lineárně nezávislých. Body O 1 ;... ; O n+1 nazýváme základní body a bod E jednotkový bod geometrické báze. Věta 4.1. Je-li u 1,..., u n+1 aritmetická báze prostoru P n, potom je geometrická báze P n. u 1,..., u n+1, u u n+1 Důkaz. Stačí ukázat, že pro libovolné i je u 1,..., u i 1, u i+1,..., u n+1, u u n+1 soustava nezávislých vektorů. Nechť tedy α 1 u α i 1 u i 1 +α i+1 u i α n+1 u n+1 +α n+ (u u n+1 ) = o α 1,..., α n+ T. Vektory u 1,..., u n+1 jsou lineárně nezávislé, a tedy musí být α 1 +α n+ =... = α i 1 +α n+ = α n+ = α i+1 +α n+ =... = α n+1 +α n+ = 0, odtud α 1 =... = α i 1 = α i+1 =... = α n+1 = α n+ = 0.

23 4. Projektivní prostory Věta 4.. Je-li O 1 ;... ; O n+1, E geometrická báze P n, pak existuje aritmetická báze u 1,..., u n+1 taková, že O 1 = u 1,..., O n+1 = u n+1, E = u u n+1. Je-li v 1,..., v n+1 jiná aritmetická báze s touto vlastností, pak existuje α T, α 0, takové, že v i = αu i, i = 1,..., n + 1. Důkaz. Nechť O 1 ;... ; O n+1, E je geometrická báze. Uvažujme libovolné aritmetické zástupce w 1,..., w n+1, w těchto bodů. Vektory w 1,..., w n+1 musí být lineárně nezávislé, a tedy w = c 1 w c n+1 w n+1. Navíc všechny koeficienty c i jsou nenulové. Kdyby se totiž c i = 0 pro některé i, potom by byly body O 1 ;... ; O i 1, O i+1,..., O n+1, E lineárně závislé, což je spor s předpokladem, že O 1 ;... ; O n+1, E tvoří geometrickou bázi. Položme nyní u i = c i w i, u = w. Potom je O i = u i a E = u = u u n+1. Je-li v 1,..., v n+1 jiná aritmetická báze s uvedenou vlastností, je v 1 = α 1 u 1,..., v n+1 = α n+1 u n+1, v v n+1 = α n+ (u u n+1 ). Odtud dostaneme α 1 u α n+1 u n+1 = α n+ (u u n+1 ) a z nezávislosti vektorů u 1,..., u n+1 je tedy α 1 =... = α n+1 = α n+ = α. α 1 α n+ =... = α n+1 α n+ = 0, Definice 4.4. Nechť X P n je bod, O 1 ;... ; O n+1, E je geometrická báze P n taková, že O 1 = u 1,..., O n+1 = u n+1, E = u u n+1. Nechť X = x, kde x = x 1 u x n+1 u n+1 x i T. Potom uspořádanou (n+1)-tici (x 1,..., x n+1 ) prvků z T nazveme projektivními homogenními souřadnicemi bodu X vzhledem ke geometrické bázi O 1,..., O n+1, E. Věta 4.. Nechť bod X P n má vzhledem k libovolné geometrické bázi O 1 ;... ; O n+1, E projektivní homogenní souřadnice (x 1 ;... ; x n+1 ). Potom (i) alespoň jedno z čísel x 1 ;... ; x n+1 je nenulové, (ii) (y 1 ;... ; y n+1 ) jsou také projektivní homogenní souřadnice bodu X vzhledem ke geometrické bázi O 1 ;... ; O n+1, E tehdy a jenom tehdy, když existuje α T, α 0, takové, že y i = αx i, i = 1,..., n + 1.

24 4. PROJEKTIVNÍ ROZŠÍŘENÍ AFINNÍHO PROSTORU Důkaz. (i) Je-li X = x, je x o, a tedy alespoň jedna souřadnice vektoru x vzhledem k aritmetické bázi u 1,..., u n+1 generované geometrickou bází O 1 ;... ; O n+1, E musí být nenulová. (ii) Je-li X = x a současně X = y, existuje takový nenulový prvek β z T, že y = βx. Dále můžeme uvažovat jinou aritmetickou bázi v 1,..., v n+1 generovanou geometrickou bází O 1 ;... ; O n+1, E. Podle Věty 4. existuje nenulové γ T takové, že v i = γu i. Potom y = y 1 v y n+1 v n+1 je ekvivalentní x = γ β (y 1u y n+1 u n+1 ) a odtud vyplývá y i = αx i, kde α = β γ. Věta 4.4. Body A 1 ;... ; A k jsou lineárně nezávislé tehdy a jenom tehdy, když matice, jejíž řádky či sloupce tvoří souřadnice bodů A 1 ;... ; A k vzhledem k nějaké geometrické bázi, má hodnost k. Důkaz. Převede se na lineární nezávislost aritmetických zástupců. Definice 4.5. Nechť (P n, V n+1 ) je projektivní prostor a W k+1 je (k + 1)- rozměrný podprostor ve V n+1, pak množinu všech bodů projektivního prostoru P n, jejichž aritmetičtí zástupci patří do W k+1, nazveme k- rozměrným projektivním podprostorem prostoru P n. Jednorozměrný podprostor nazýváme přímka, dvourozměrný rovina a (n 1) rozměrný nadrovina v P n. Věta 4.5. Nechť (Q k, W k+1 ) a (R l, U l+1 ) jsou dva podprostory projektivního prostoru (P n, V n+1 ). Pak platí: (i) množina Q k + R l = { u o u W k+1 + U l+1 } je projektivním podprostorem v P n, (ii) Q k R l je projektivním podprostorem v P n, přičemž Q k R l = { u o u W k+1 U l+1 }. Důkaz. Vyplývá okamžitě z definice projektivního podprostoru. Poznámka 4.5. Při označení z Věty 4.5 nazýváme podprostor Q k + R l součtem (spojením) a Q k R l nazýváme průnikem projektivních podprostorů Q k a R l. Z vlastností součtu a průniku vektorových podprostorů je zřejmé, že Q k + R l obsahuje jako podmnožinu množinové sjednocení Q k a R l. Dále platí dim(q k + R l ) = k + l dim(q k R l ). Věta 4.6. Nechť Q k je k-rozměrný podprostor v P n. Pak (i) v Q k existuje k + 1 lineárně nezávislých bodů, (ii) libovolných l k + bodů z Q k je lineárně závislých,

25 4. Projektivní prostory 5 (iii) jsou-li A 1 = a 1,..., A k+1 = a k+1 lineárně nezávislé body z Q k a X = x P n, pak X Q k právě tehdy, když x = λ 1 a λ k+1 a k+1 pro nějaká λ i T a alespoň jedno λ i 0. Důkaz. Vlastnosti (i) a (ii) jsou zřejmé z lineární nezávislosti aritmetických zástupců. (iii) Nechť Q k má aritmetický základ W k+1. Potom a 1,..., a k+1 je báze W k+1 a tedy, je-li X = x Q k, je x o W k+1 a existují λ i T, i = 1,..., k + 1 taková, že x = k+1 i=1 λ ia i a alespoň jedno λ i je nenulové. Každý bod X Q k lze napsat formálně jako X = λ 1 A λ k+1 A k+1, (4.1) kde A 1 ;... ; A k+1 jsou libovolné lineárně nezávislé body z Q k. Takovéto zadání k-rozměrného podprostoru pomocí lineárně nezávislých bodů budeme nazývat parametrické zadání podprostoru Q k. Poznámka 4.6. Je-li bod X Q k vyjádřen jako v (4.1), budeme říkat, že X je projektivní kombinací lineárně nezávislých bodů A 1 ;... ; A k+1. Všimněme si, že u projektivní kombinace bodů klademe na koeficienty λ i T, i = 1,..., k+1, jedinou podmínku, a to, aby alespoň jedno λ i bylo nenulové. To je rozdíl proti afinní kombinaci bodů, kterou známe z afinní lineární geometrie, kde byla podmínka, aby součet koeficientů byl roven jedné. Parametrického zápisu projektivního podprostoru budeme často používat v případě jednodimenzionálního podprostoru, tj. přímky. Je-li přímka p určena body A, B P n, A B, potom X p právě tehdy, když X = αa + βb a alespoň jedno z čísel α, β je různé od nuly. Věta 4.7. Nechť P n je projektivní prostor a O 1 ;... ; O n+1, E je jeho geometrická báze. a a 1n+1 (i) Nechť M =..... je matice nad T, h(m) n. Potom množina všech bodů X z P n, jejichž projektivní homogenní souřadnice a l1... a ln+1 (x 1 ;... ; x n+1 ) vzhledem ke geometrické bázi O 1 ;... ; O n+1, E vyhovují homogenní soustavě rovnic M x 1. x n+1 = 0., (4.) 0

26 6. PROJEKTIVNÍ ROZŠÍŘENÍ AFINNÍHO PROSTORU tvoří (n h(m))-rozměrný podprostor v P n. (ii) Každý podprostor v P n lze zadat způsobem popsaným v (i). Důkaz. Ad (i). Nechť O i = u i, E = i u i. Potom množina vektorů x V n+1, jejichž souřadnice vzhledem k bázi u 1,..., u n+1 vyhovují soustavě (4.), tvoří ((n + 1) h(m))-rozměrný podprostor W V n+1, který určuje (n h(m))-rozměrný podprostor Q P n. Ad (ii). Tato část byla dokázána v lineární algebře, kde bylo dokázáno, že každý podprostor vektorového prostoru se může v souřadnicích zadat jako řešení homogenní soustavy rovnic. Vyjádření podprostoru Q popsané v předchozí větě se nazývá obecným vyjádřením podprostoru. Jako důsledek Věty 4.7 dostáváme, že obecné vyjádření nadroviny, tj. podprostoru dimenze (n 1), je a 1 x a n+1 x n+1 = 0, (a 1,..., a n+1 ) (0,..., 0). Poznámka 4.7. Všimněme si, že na rozdíl od obecného vyjádření podprostoru v afinním nebo euklidovském prostoru, je obecné vyjádření podprostoru v projektivním prostoru dáno homogenními rovnicemi. Poznámka 4.8. Z předchozího obecného vyjádření nadroviny okamžitě vyplývá, že dvě nadroviny v P n buď splývají (v tom případě se jejich obecné rovnice liší o nenulový násobek), nebo mají společný podprostor dimenze (n ). V projektivním prostoru tedy není definován pojem rovnoběžnosti nadrovin. Přechod od jednoho typu zadání podprostoru k druhému je následující. Nechť k-rozměrný podprostor Q k je zadán obecným vyjádřením (4.). Potom každé řešení soustavy (4.) je tvaru x = c 1 u c k+1 u k+1, kde u 1,..., u k+1 je fundamentální systém řešení (4.). Potom X = c 1 u c k+1 u k+1 je parametrické vyjádření Q k. Opačně, je-li zadáno parametrické vyjádření, musíme k danému fundamentálnímu systému řešení nalézt přislušný homogenní systém rovnic. Z algebry víme, že to lze provést vždy a tento systém rovnic je potom obecným vyjádřením podprostoru Q k. Mějme nyní dvě geometrické báze v P n O 1 ;... ; O n+1, E, (4.) O 1,..., O n+1, E (4.4) takové, že O i = e i, E = i e i, O i = e i, E = i e i. Potom vektory e 1,..., e n+1 a e 1,..., e n+1 tvoří dvě báze ve V n+1, a tedy každý vektor

27 4. Projektivní prostory 7 e i je lineární kombinací vektorů e 1,..., e n+1. Maticově to můžeme zapsat formálně ve tvaru (e 1... e n+1) = (e 1 e n+1 )Q, (4.5) kde matice Q je takzvaná matice přechodu od báze e 1,..., e n+1 k bázi e 1,..., e n+1 a je tvořena souřadnicemi vektorů e i vzhledem k druhé bázi e 1,..., e n+1 uspořádanými do sloupců. Potom vektor x V, který generuje bod X P n, můžeme vzhledem k první bázi vyjádřit maticově jako a vzhledem k druhé jako x = (e 1... e n+1 ) x = (e 1... e n+1) x 1. x n+1 x 1. x n+1. Dosadíme nyní za (e 1... e n+1 ) z (4.5) a dostaneme x = (e 1... e n+1 ) Q x 1. x n+1. Máme tedy dvě vyjádření vektoru x vzhledem k první bázi. Protože souřadnicová vyjádření bodu X vzhledem k téže geometrické bázi se mohou lišit o nenulový násobek, dostaneme x 1. x n+1 = α Q x 1. x n+1, α 0 T. Matice α Q se nazývá matice přechodu od první geometrické báze k druhé geometrické bázi. V jejich sloupcích jsou souřadnice bodů O i vyjádřené vzhledem ke staré geometrické bázi. Matice α Q je určena až na nenulový násobek. Budeme-li (X) = x 1. x n+1 značit sloupcovou matici projektivních homogenních souřadnic vzhledem ke staré geometrické bázi

28 8. PROJEKTIVNÍ ROZŠÍŘENÍ AFINNÍHO PROSTORU a (X ) = x 1. x n+1 vzhledem k nové geometrické bázi, je (X) = α Q(X ) maticový zápis transformačních rovnic v projektivním prostoru. Úloha 4.1. V P je dána geometrická báze O 1, O, O, O 4, E. Určete obecné i parametrické vyjádření roviny procházející body O 1 = (1; 0; 0; 0), O = (0; 1; 0; 0) a A = (; 1; 1; 1). Řešení : Parametrické vyjádření ρ (O 1, O, A) je ρ : X = α 1 O 1 + α O + α A, tj x 1 = α 1 + α, x = α + α, x = α, x 4 = α. Obecná rovnice má tvar ρ : a 1 x 1 + a x + a x + a 4 x 4 = 0. Souřadnice O 1, O, A musí být řešením, tedy a 1 = 0, a = 0, a 1 + a + a a 4 = 0. Odtud ρ : x + x 4 = 0. Poznámka : Obecná rovnice roviny v P, která je určena body A i = x 1 x x x 4 (a i1, a i, a i, a i4 ), i = 1,,, je také det a 11 a 1 a 1 a 14 a 1 a a a 4 = 0. Odtud a 1 a a a 4 x 1 x x x 4 ρ : det = x x 4 = Úloha 4.. V P je dána geometrická báze O 1, O, O, O 4, E. Určete transformační rovnice při přechodu k nové geometrické bázi O 1 = (1; 1; 0; 0), O = (0; 1; 1; 0), O = (0; 0; 1; 1), O 4 = (0; 0; 0; 1), E = 4 i=1 O i.

29 4. Projektivní prostory 9 Řešení : Vzhledem k první bázi máme X = x 1 O 1 + x O + x O + x 4 O 4. Vzhledem k nové bázi je X = x 1 O 1 + x O + x O + x 4 O 4 a dosazením dostaneme X = x 1O 1 + x O + x O + x 4O 4 = = x 1(O 1 + O ) + x (O + O ) + x (O + O 4 ) + x 4O 4 = = x 1O 1 + (x 1 + x )O + (x + x )O + (x + x 4)O 4. Tedy X má vzhledem ke staré bázi také souřadnice X = (x 1 ; x 1 + x ; x + x ; x +x 4 ). Protože bod je svými projektivními homogenními souřadnicemi dán až na nenulový násobek, jsou transformační rovnice tvaru kde α 0 T. x 1 = αx 1, x = αx 1 + αx, x = αx + αx, x 4 = αx + αx 4,

30 0. PROJEKTIVNÍ ROZŠÍŘENÍ AFINNÍHO PROSTORU 5 Přechod od projektivního prostoru k afinnímu Nechť P n je n-rozměrný projektivní prostor a V n+1 jeho aritmetický základ. Nechť N je nadrovina (tj. podprostor dimenze (n 1)) v P n určený vektorovým podprostorem U n V n+1. Dále budeme N nazývat nadrovinou nevlastních bodů. Zvolme geometrickou bázi O 1 ;... ; O n N, O n+1, E N, O i = e i, E = i e i, i = 1,..., n + 1. Označme A n := P n N. Potom ve zvolené geometrické bázi má N obecné rovnice x n+1 = 0. Nechť X = x, Y = y A n. Potom x = x 1 e x n+1 e n+1, x n+1 0, y = y 1 e y n+1 e n+1, y n+1 0. Položme x i = x i x n+1, ȳ i = y i y n+1, i = 1,..., n, a XY = (ȳ 1 x 1 )e (ȳ n x n )e n. Je zřejmé, že je takto definováno zobrazení : A n A n U n. Aby trojice (A n, U n, ) tvořila afinní prostor, musíme dokázat, že platí následující axiomy afinního prostoru 1. pro každý bod X z A n a každý vektor u z U n existuje právě jeden bod Y z A n takový, že XY = u,. pro každé tři body X, Y, Z z A n platí XY + Y Z = XZ. Ad 1) Nechť X = (x 1,..., x n+1 ), u = α 1 e 1 + +α n e n. Hledáme Y A n tak, aby XY = u, tedy aby y i x i = α i, i = 1,..., n. y n+1 x n+1 Známe-li x 1,..., x n+1 a α 1,..., α n, jsou těmito rovnicemi určeny y 1,..., y n+1 až na nenulové násobky, a tedy bod Y je určen jednoznačně svými projektivními homogenními souřadnicemi. Ad ) Pro každé tři body X, Y, Z A n o souřadnicovém vyjádření X = (x 1 ;... ; x n+1 ), Y = (y 1 ;... ; y n+1 ), Z = (z 1 ;... ; z n+1 ) máme XY + ( y1 Y Z = x 1 y n+1 = ( z1 x n+1,..., + ( z1 x 1,..., z n+1 x n+1 z n+1 y 1 y n+1,..., y n y n+1 z n z n+1 z n z n+1 x n x n+1 y n y n+1 x ) n x n+1 ) + ) = = XZ.

31 6. PROJEKTIVNÍ ROZŠÍŘENÍ AFINNÍHO PROSTORU 1 Tedy (A n, U n, ) je afinní prostor se zaměřením U n a protože dimenze U n je rovna n, je i dima n = n. Přitom geometrická báze O 1 ;... ; O n+1, E přejde v afinní repér O n+1 ; e 1,..., e n. Je-li bod X / N s projektivními homogenními souřadnicemi (x 1 ;... ; x n+1 ), potom jeho [ souřadnicové vyjádření vzhledem k odpovídajícímu afinnímu repéru je x1 x x n+1,..., n x n+1 ]. Je-li X = (x 1 ;... ; x n, 0) N v projektivních homogenních souřadnicích, potom mu odpovídá v indukované afinní souřadné soustavě směr generovaný vektorem (x 1 ;... ; x n ) ze zaměření U n. Poznámka 5.1. Popsaná konstrukce závisela v podstatné míře na zvolené geo- metrické bázi. Dá se ovšem ukázat, že ať zvolíme body O 1 ;... ; O n N jakkoliv, vzniká popsanou konstrukcí afinní prostor totožný s předchozím. 6 Projektivní rozšíření afinního prostoru Nechť A n = (A n, V n, ) je n-rozměrný afinní prostor. Označme N A množinu všech jednodimenzionálních podprostorů (směrů) V n, tj. N A = { u u o, u V } je (n 1) rozměrný projektivní prostor. Položme P n = A n N A. Máme tedy v P n dva druhy bodů. Ty, které patří do A n, budeme nazývat vlastní body a ty, které patří do N A, budeme nazývat nevlastní body. Dokážeme nyní, že P n je n-rozměrný projektivní prostor. Definujme W n+1 = V n e, e / V n, vektorový prostor dimenze (n + 1) a P n jím určený n-rozměrný projektivní prostor. Musíme dokázat, že P n a P n jsou izomorfní. Uvažujme zobrazení ι : P n P n definované následujícím způsobem {ι(x) = e + OX prox A n a pevný bod O A n ι( x ) = x pro x N A. Nyní musíme dokázat, že ι je bijekce. 1) Injektivnost. Na N A jde o identitu, a tedy o prosté zobrazení. Nechť X, Y A n jsou dva body takové, že ι(x) = ι(y ). Potom e + OX = e + OY, a tedy existuje α 0 takové, že α(e + OX) = e + OY a odtud (1 α)e + α XO + OY = o. Součet V {e} je přímý, a tedy (1 α)e = o a α XO + OY = o. Odtud, protože e o, je α = 1 a XO + OY = XY = o, což implikuje X = Y. Je tedy ι prosté i na A n. Pro X A n a Y N A je z definice ι(x) ι(y ), a tedy ι je prosté zobrazení. ) Surjektivnost. Nechť w W n+1. Potom existují v V n a β T taková, že w = v + βe. a) Nechť β = 0, potom w = v a ι( v ) = w.

32 . PROJEKTIVNÍ ROZŠÍŘENÍ AFINNÍHO PROSTORU b) Nechť β 0 a nechť X A n tak, že OX = 1 β v. Potom ι(x) = e + OX = e + 1 β v = βe + v = w. Protože w W n+1 bylo libovolné, je surjektivnost ι dokázána. Definice 6.1. Projektivní prostor P n = A n N A budeme nazývat projektivní rozšíření afinního prostoru A n a označovat A n. Nechť B k = (B k, U k, ) je k-rozměrný podprostor afinního prostoru A n. Potom projektivní rozšíření B k = B k N B afinního prostoru B k je k-rozměrným projektivním podprostorem v projektivním rozšíření A n = A n N A afinního prostoru A n. Nechť P ; e 1,..., e n (6.1) je afinní repér v A n. Potom e 1,..., e n, e, e + i e i (6.) je geometrická báze projektivního prostoru A n. Je-li bod X A n vlastní, tj. leží-li v A n, jsou jeho souřadnice vzhledem k afinnímu repéru (6.1) označovány x 1 ;... ; x n. Tyto souřadnice budeme nazývat afinní nehomogenní souřadnice bodu X vzhledem k afinnímu repéru (6.1). Vzhledem k indukované geometrické bázi (6.) má potom bod X = e + P X indukované projektivní homogenní souřadnice ( x 1 ;... ; x n, 1), které jsou ale určeny až na nenulový násobek, a tedy jakákoliv uspořádaná (n+1)-tice (x 1 ;... ; x n+1 ) prvků z T takových, že x n+1 0 a x i = je homogenními projektivními x i x n+1 souřadnicemi vlastního bodu X A n určenými afinním repérem (6.1). Tyto souřadnice budeme nazývat afinní homogenní souřadnice bodu X vzhledem k afinnímu repéru (6.1). Nechť nyní X A n je nevlastní bod, tj. X = x, kde x je nenulový vektor ze zaměření A n. Potom vzhledem k afinnímu repéru (6.1) má vektor x souřadnice ( x 1 ;... ; x n ) a v indukované geometrické bázi (6.) na A n je bod X = x + 0e vyjádřen souřadnicemi ( x 1 ;... ; x n, 0), které budeme nazývat afinními homogenními souřadnicemi nevlastního bodu vzhledem k afinnímu repéru (6.1). Zavedení afinních homogenních souřadnic nám tedy umožňuje pracovat souřadnicově i s nevlastními body, což nehomogenní souřadnice neumožňovaly.

33 7. CVIČENÍ Úloha 6.1. Vzhledem k afinnímu repéru P ; e 1, e, e v A je dána přímka p obecným vyjádřením p : x + y z = 0; x y + z + 1 = 0. Určete rovnice přímky p v indukovaných afinních homogenních souřadnicích a určete souřadnice nevlastního bodu přímky p. Řešení : V rovnicích přímky p položíme x = x 1 x 4, y = x x 4, z = x x 4 a rovnice vynásobíme x 4. Dostaneme obecné rovnice přímky p ve tvaru p : x 1 + x x x 4 = 0; x 1 x + x + x 4 = 0. Nevlastní bod přímky p je průnikem přímky p s nevlastní rovinou x 4 = 0. Dosazením x 4 = 0 do homogenních rovnic přímky dostaneme P = (0; 1; 1; 0). 7 Cvičení 7.1. V P je dána geometrická báze O 1, O, O, O 4, E. a) Určete obecné vyjádření rovin O 1 O O, O 1 O E, O O 4 E, b) Určete parametrické i obecné vyjádření přímek O 1 O, O 1 E, O 4 E. { a) O 1 O O : x 4 = 0, O 1 O E : x x 4 = 0, O O 4 E : x 1 x = 0, b) O 1 O parametricky x 1 = r, x = s, x = 0, x 4 = 0, obecně x 4 = 0, x = 0; O 1 E parametricky x 1 = r + s, x = s, x = s, x 4 = s, obecně x x 4 = 0, x x 4 = 0; O 4 E parametricky x 1 = s, x = s, x = s, x 4 = r + s, obecně x 1 x = 0, x 1 x = 0 } 7.. V P je dána geometrická báze O 1, O, O, O 4, E a vzhledem k ní body A = ( ; 5; 15; 1), B = (0; 0; 7; 1), C = (; 1; 4; 1), D = (4; ; 0; 1). Ověřte, že přímky AB a CD mají společný bod a určete jeho souřadnice. { P = ( ; 5; ; ) } 7.. V P je dána geometrická báze O 1, O, O, O 4, E a vzhledem k ní bod A = (; ; 1; 1) a přímky p : x 1 + x = 0, x 1 x + x + 4x 4 = 0, q : x 1 + x x 4 = 0, x + x x 4 = 0. Určete rovnice přímky, která prochází bodem A a protíná přímky p, q. { x 1 9x + 5x + 0x 4 = 0, x 1 x 5x + 9x 4 = 0 } 7.4. V P je dána geometrická báze O 1, O, O, O 4, E a vzhledem k ní body A = (; ; 0; 4), B = (0; ; 4; 0), rovina ρ : x 1 x + x 4 = 0 a přímka p : x 1 x = 0, x 1 + 5x + 4x + x 4 = 0. Určete parametrické rovnice přímky, která leží v rovině ρ a protíná přímky AB a p. { X = α(45; 6; 0; 5) + β(8; 7; 0; 16) }

34 4. PROJEKTIVNÍ ROZŠÍŘENÍ AFINNÍHO PROSTORU

35 Kapitola BILINEÁRNÍ A KVADRATICKÉ FORMY V této kapitole se budeme zabývat úvodem do algebraické teorie bilineárních a kvadratických forem, které jsou algebraickým základem analytické teorie kuželoseček a kvadrik. 8 Bilineární formy Nechť V je vektorový prostor nad tělesem T, kde T je těleso reálných nebo komplexních čísel. Definice 8.1. Zobrazení f : V V T se nazývá bilineární forma na vektorovém prostoru V, jestliže pro každé tři vektory x, y, z V a každé α T platí (1) f(x + y, z) = f(x, z) + f(y, z), () f(x, y + z) = f(x, y) + f(x, z), () f(αx, y) = f(x, αy) = αf(x, y). Podmínky (1) () se dají také vyjádřit tak, že při pevně zvoleném vektoru u V jsou zobrazení f(, u) : V T a f(u, ) : V T lineární. Je tedy f lineární v obou složkách a takovéto zobrazení se nazývá bilineární zobrazení. Poznámka 8.1. Podmínky (1) () z Definice 8.1 se dají vyjádřit ekvivalentně také podmínkami (1 ) f(α 1 x α k x k, y) = α 1 f(x 1, y) α k f(x k, y), ( ) f(x, α 1 y α k y k ) = α 1 f(x, y 1 ) + + α k f(x, y k ). Poznámka 8.. Zúžení bilineární formy f na podprostor V je bilineární forma na V. 5

36 6. BILINEÁRNÍ A KVADRATICKÉ FORMY Příklad 8.1. Skalární součin na reálném vektorovém prostoru je příkladem bilineární formy. Příklad 8.. f(x, y) = 0, x, y V, je takzvaná nulová bilineární forma. Příklad 8.. Nechť V = R, zobrazení f i : R R R zadaná předpisem f 1 (x, y) = x 1 y 1 x y + x 1 y, f (x, y) = x 1 y 1 + x y, f (x, y) = x 1 y 1 + x 1 y + x y 1 + x y, f 4 (x, y) = x 1 y x y 1, jsou bilineární formy na V. Zobrazení f 5 (x, y) = x y 1 + x 1 y není bilineární formou. Definice 8.. Řekneme, že bilineární forma f na V je symetrická, respektive antisymetrická, jestliže pro každé dva vektory x, y V platí f(x, y) = f(y, x), respektive f(x, y) = f(y, x). Příklad 8.4. Skalární součin je příkladem symetrické bilineární formy. Bilineární formy f a f z Příkladu 8. jsou symetrické bilineární formy, zatímco f 4 je antisymetrická bilineární forma. Definice 8.. Součtem bilineárních forem f, g na V, respektive násobkem bilineární formy f prvkem α T, nazýváme zobrazení h : V V T, respektive k : V V T, taková, že pro x, y V respektive Značíme potom h = f + g, k = αf. h(x, y) = f(x, y) + g(x, y), k(x, y) = αf(x, y). Poznámka 8.. Součet i násobek bilineárních forem na V jsou opět bilineární formy na V a prostor bilineárních forem na V je vektorovým prostorem nad tělesem T. Věta 8.1. Ke každé bilineární formě f na V existují právě jedna symetrická bilineární forma f S a právě jedna antisymetrická bilineární forma f A na V takové, že f(x, y) = f S (x, y) + f A (x, y).

37 8. Bilineární formy 7 Důkaz. Pro každé x, y V položme f S (x, y) = 1 (f(x, y) + f(y, x)), f A (x, y) = 1 (f(x, y) f(y, x)). Je zřejmé, že f S je symetrická a f A je antisymetrická bilineární forma a že f = f S + f A. Nechť existuje jiná symetrická bilineární forma f S a antisymetrická bilineární forma f A takové, že f = f S + f A. Potom f(y, x) = f S(x, y) f A(x, y), f(x, y) = f S(x, y) + f A(x, y). Sečtením dostaneme f S (x, y) = 1 (f(x, y) + f(y, x)) = f S(x, y). Podobně odečtením dostaneme f A = f A. Nechť u 1,..., u n je libovolná báze ve V. Potom x = x 1 u x n u n, y = y 1 u y n u n, kde x i, y i T. Dosazením dostaneme f(x, y) = f( x i u i, y j u j ) = x i y j f(u i, u j ). i j i j Označme a ij = f(u i, u j ) a uvažujme matici A f = (a ij ). Potom můžeme psát f(x, y) = i,j a ij x i y j. (8.1) Definice 8.4. (8.1) je souřadnicovým vyjádřením bilineární formy f v bázi u 1,..., u n a matice A f = (f(u i, u j )) se nazývá matice bilineární formy f v bázi u 1,..., u n. Poznámka 8.4. Bilineární forma f je symetrická (antisymetrická) bilineární forma právě tehdy, je-li A f symetrická (antisymetrická) matice. Souřadnicové vyjádření vektoru x = (x 1 ;... ; x n ) vzhledem k libovolné bázi u 1,..., u n budeme ztotožňovat s maticí (x) = formu f můžeme psát maticově ve tvaru f(x, y) = (x 1... x n ) (a ij ) y 1. y n x 1. x n = (x) T A f (y).. Potom bilineární

38 8. BILINEÁRNÍ A KVADRATICKÉ FORMY Příklad 8.5. V kanonické bázi na R jsou matice bilineárních forem f 1,..., f 4 z Příkladu ( 8. ) ( ) ( ) ( ) A f1 =, A 0 f =, A 0 1 f =, A 1 f4 =. 1 0 Definice 8.5. Hodností bilineární formy f rozumíme hodnost matice formy A f v libovolné bázi. Je-li A f regulární matice, nazýváme bilineární formu f regulární, je-li A f singulární, nazýváme i bilineární formu f singulární. Věta 8.. Hodnost bilineární formy nezávisí na zvolené bázi. Důkaz. Mějme na V dvě báze a nechť (u) (1) = u 1. u n a (u) () = u 1,..., u n, (8.) v 1,..., v n (8.) u 1. u n jsou příslušná souřadnicová vyjádření vektoru u vzhledem k těmto bázím. Nechť Q je matice přechodu od báze (8.) k bázi (8.), tj. pro souřadnice vektoru u platí u 1 u 1. = Q. u n u n. Potom bilineární forma f má vyjádření f(x, y) = (x 1... x n ) A f (8.) a f(x, y) = (x 1... x n) B f y 1. y n y 1. y n v bázi v bázi (8.). Dosazením transformačních rovnic do vyjádření formy v bázi (8.) a porovnáním s vyjádřením v bázi (8.) dostaneme B f = Q T A f Q, kde Q T je transponovaná matice k matici Q. Potom h(b f ) = h(a f ), protože Q je regulární matice. Definice 8.6. Nechť f je symetrická bilineární forma na V. Singulárním vektorem formy f rozumíme vektor y takový, že f(x, y) = 0 pro každý vektor x V.

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 Brno, 017 Předmluva Text pokrývá látku, která je přednášena v učitelském studiu matematiky v předmětu M5510 "Teorie kuželoseček a kvadrik".

Více

Lineární algebra : Lineární prostor

Lineární algebra : Lineární prostor Lineární algebra : Lineární prostor (3. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 17. dubna 2014, 14:43 1 2 3.1 Aximotické zavedení lineárního prostoru Číselné těleso Celou lineární

Více

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

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

Více

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

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA STROJNÍHO INŽENÝRSTVÍ FACULTY OF MECHANICAL ENGINEERING ÚSTAV MATEMATIKY INSTITUTE OF MATHEMATICS MĚŘENÍ OVALITY EXTRUDOVANÉHO VLÁKNA

Více

1 Řešení soustav lineárních rovnic

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

Více

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic Přednáška třetí (a pravděpodobně i čtvrtá) aneb Úvod do lineární algebry Matice a soustavy rovnic Lineární rovnice o 2 neznámých Lineární rovnice o 2 neznámých Lineární rovnice o dvou neznámých x, y je

Více

0.1 Úvod do lineární algebry

0.1 Úvod do lineární algebry Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Lineární rovnice o 2 neznámých Definice 011 Lineární rovnice o dvou neznámých x, y je rovnice, která může být vyjádřena ve tvaru ax + by = c, kde

Více

Lineární algebra : Metrická geometrie

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

Více

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

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

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace Vektory a matice Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Vektory Základní pojmy a operace Lineární závislost a nezávislost vektorů 2 Matice Základní pojmy, druhy matic Operace s maticemi

Více

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

GEOMETRICKÁ ZOBRAZENÍ. Josef Janyška

GEOMETRICKÁ ZOBRAZENÍ. Josef Janyška GEOMETRICKÁ ZOBRAZENÍ Josef Janyška 21. února 2019 Obsah 1 LINEÁRNÍ ZOBRAZENÍ NA VEKTOROVÝCH PROSTORECH 1 1.1 Lineární zobrazení vektorových prostorů.............. 1 1.2 Invariantní podprostory.......................

Více

1 Lineární prostory a podprostory

1 Lineární prostory a podprostory Lineární prostory a podprostory Přečtěte si: Učebnice AKLA, kapitola první, podkapitoly. až.4 včetně. Cvičení. Které z následujících množin jsou lineárními prostory s přirozenými definicemi operací?. C

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

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

Úvod do lineární algebry

Úvod 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

Více

0.1 Úvod do lineární algebry

0.1 Úvod do lineární algebry Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Vektory Definice 011 Vektorem aritmetického prostorur n budeme rozumět uspořádanou n-tici reálných čísel x 1, x 2,, x n Definice 012 Definice sčítání

Více

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

6.1 Vektorový prostor

6.1 Vektorový prostor 6 Vektorový prostor, vektory Lineární závislost vektorů 6.1 Vektorový prostor Nechť je dán soubor nějakých prvků, v němž je dána jistá struktura vztahů mezi jednotlivými prvky nebo v němž jsou předepsána

Více

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

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

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

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

x 2 = a 2 + tv 2 tedy (a 1, a 2 ) T + [(v 1, v 2 )] T A + V Příklad. U = R n neprázdná množina řešení soustavy Ax = b.

x 2 = a 2 + tv 2 tedy (a 1, a 2 ) T + [(v 1, v 2 )] T A + V Příklad. U = R n neprázdná množina řešení soustavy Ax = b. 1. Afinní podprostory 1.1. Motivace. Uvažujme R 3. Jeho všechny vektorové podprostory jsou počátek, přímky a roviny procházející počátkem a celé R 3. Chceme-li v R 3 dělat geometrii potřebujeme i jiné

Více

9 Kolmost vektorových podprostorů

9 Kolmost vektorových podprostorů 9 Kolmost vektorových podprostorů Od kolmosti dvou vektorů nyní přejdeme ke kolmosti dvou vektorových podprostorů. Budeme se zabývat otázkou, kdy jsou dva vektorové podprostory na sebe kolmé a jak to poznáme.

Více

2. kapitola: Euklidovské prostory

2. kapitola: Euklidovské prostory 2. kapitola: Euklidovské prostory 2.1 Definice. Euklidovským n-rozměrným prostorem rozumíme neprázdnou množinu E n spolu s vektorovým prostorem V n a přiřazením, které každému bodu a z E n a každému vektoru

Více

Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech

Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech 1. července 2008 1 Funkce v R n Definice 1 Necht n N a D R n. Reálnou funkcí v R n (reálnou funkcí n proměnných) rozumíme zobrazení

Více

7. Lineární vektorové prostory

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

Více

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

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

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

Lineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity) 4 Lineární zobrazení Definice: Nechť V a W jsou vektorové prostory Zobrazení A : V W (zobrazení z V do W nazýváme lineárním zobrazením, pokud pro všechna x V, y V a α R platí 1 A(x y = A(x A(y (vlastnost

Více

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

Báze a dimenze vektorových prostorů

Báze a dimenze vektorových prostorů Báze a dimenze vektorových prostorů Buď (V, +, ) vektorový prostor nad tělesem (T, +, ). Nechť u 1, u 2,..., u n je konečná posloupnost vektorů z V. Existují-li prvky s 1, s 2,..., s n T, z nichž alespoň

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

15 Maticový a vektorový počet II

15 Maticový a vektorový počet II M. Rokyta, MFF UK: Aplikovaná matematika III kap. 15: Maticový a vektorový počet II 1 15 Maticový a vektorový počet II 15.1 Úvod Opakování z 1. ročníku (z kapitoly 8) Označení. Množinu všech reálných resp.

Více

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

6 Lineární geometrie. 6.1 Lineární variety

6 Lineární geometrie. 6.1 Lineární variety 6 Lineární geometrie Motivace. Pojem lineární varieta, který budeme v této kapitole studovat z nejrůznějších úhlů pohledu, není žádnou umělou konstrukcí. Příkladem lineární variety je totiž množina řešení

Více

EUKLIDOVSKÉ PROSTORY

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

Více

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

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

Více

INVESTICE 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. 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

Více

LINEÁRNÍ ALGEBRA A GEOMETRIE III. Doc. RNDr. Martin Čadek, CSc.

LINEÁRNÍ ALGEBRA A GEOMETRIE III. Doc. RNDr. Martin Čadek, CSc. LINEÁRNÍ ALGEBRA A GEOMETRIE III. Doc. RNDr. Martin Čadek, CSc. Obsah Úvod 1 Sylabus přednášky 2 1. Afinní a projektivní prostory 3 2. Nadkvadriky v afinním a projektivním prostoru 11 3. Metrické vlastnosti

Více

Matematika I 12a Euklidovská geometrie

Matematika 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

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

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

Základy maticového počtu Matice, determinant, definitnost

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

Více

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

6. ANALYTICKÁ GEOMETRIE

6. ANALYTICKÁ GEOMETRIE Vektorová algebra 6. ANALYTICKÁ GEOMETRIE Pravoúhlé souřadnice bodu v prostoru Poloha bodu v prostoru je vzhledem ke třem osám k sobě kolmým určena třemi souřadnicemi, které tvoří uspořádanou trojici reálných

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

Podrobnější výklad tématu naleznete ve studijním textu, na který je odkaz v Moodle. Tam je téma

Podrobnější výklad tématu naleznete ve studijním textu, na který je odkaz v Moodle. Tam je téma Kuželosečky a kvadriky - výpisky + příklady Postupně vznikající text k části předmětu Geometrie. Ve výpiscích naleznete výpisky z přednášky, poznámky, řešené příklady a příklady na procvičení. Podrobnější

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

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

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

Více

Lineární algebra : Skalární součin a ortogonalita

Lineární algebra : Skalární součin a ortogonalita Lineární algebra : Skalární součin a ortogonalita (15. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních

Více

ANALYTICKÁ GEOMETRIE V ROVINĚ

ANALYTICKÁ GEOMETRIE V ROVINĚ ANALYTICKÁ GEOMETRIE V ROVINĚ Analytická geometrie vyšetřuje geometrické objekty (body, přímky, kuželosečky apod.) analytickými metodami. Podle prostoru, ve kterém pracujeme, můžeme analytickou geometrii

Více

10. Vektorové podprostory

10. Vektorové podprostory Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan Definice. Bud V vektorový prostor nad polem P. Podmnožina U V se nazývá podprostor,

Více

Operace s maticemi. 19. února 2018

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

Více

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

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

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

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

Více

10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo

10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo 0. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo (PEF PaA) Petr Gurka aktualizováno 9. prosince 202 Obsah Základní pojmy. Motivace.................................2 Aritmetický vektorový

Více

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

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

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

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

Více

Lineární 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

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

Pavel Horák, Josef Janyška LINEÁRNÍ ALGEBRA UČEBNÍ TEXT

Pavel Horák, Josef Janyška LINEÁRNÍ ALGEBRA UČEBNÍ TEXT Pavel Horák, Josef Janyška LINEÁRNÍ ALGEBRA UČEBNÍ TEXT 2 0 1 8 Obsah 1 Vektorové prostory 1 1 Vektorový prostor, podprostory........................ 1 2 Generování podprostor u............................

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

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

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

11. Skalární součin a ortogonalita p. 1/16

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

Více

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

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

Více

Lineární algebra : Lineární zobrazení

Lineární algebra : Lineární zobrazení Lineární algebra : Lineární zobrazení (6. přednáška František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 20. května 2014, 22:40 1 2 6.1 Lineární zobrazení Definice 1. Buďte P a Q dva lineární prostory

Více

Operace s maticemi

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

Více

(Cramerovo pravidlo, determinanty, inverzní matice)

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

Více

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

Vlastní čísla a vlastní vektory

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

Více

PROSTORY SE SKALÁRNÍM SOUČINEM. Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti

PROSTORY SE SKALÁRNÍM SOUČINEM. Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti PROSTORY SE SKALÁRNÍM SOUČINEM Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti 1. (x, x) 0 x L, (x, x) = 0 x = 0, 2. (x, y) = (y, x) x, y L, 3. (λx, y) = λ(x,

Více

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

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

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

Více

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

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

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

Více

Matematika I, část I. Rovnici (1) nazýváme vektorovou rovnicí roviny ABC. Rovina ABC prochází bodem A a říkáme, že má zaměření u, v. X=A+r.u+s.

Matematika I, část I. Rovnici (1) nazýváme vektorovou rovnicí roviny ABC. Rovina ABC prochází bodem A a říkáme, že má zaměření u, v. X=A+r.u+s. 3.4. Výklad Předpokládejme, že v prostoru E 3 jsou dány body A, B, C neležící na jedné přímce. Těmito body prochází jediná rovina, kterou označíme ABC. Určíme vektory u = B - A, v = C - A, které jsou zřejmě

Více

Těleso racionálních funkcí

Těleso racionálních funkcí Těleso racionálních funkcí Poznámka. V minulém semestru jsme libovolnému oboru integrity sestrojili podílové těleso. Pro libovolné těleso R je okruh polynomů R[x] oborem integrity, máme tedy podílové těleso

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

KMA/G1 GEOMETRIE 1 Pomocn y uˇ cebn ı text Miroslav L aviˇ cka Plzeˇ n, z aˇ r ı 2008

KMA/G1 GEOMETRIE 1 Pomocn y uˇ cebn ı text Miroslav L aviˇ cka Plzeˇ n, z aˇ r ı 2008 KMA/G1 GEOMETRIE 1 Pomocný učební text Miroslav Lávička Plzeň, září 2008 KMA/G1 Geometrie 1 2 Předmluva Tento text vznikl jako pomocný učební materiál pro potřeby studentů Fakulty aplikovaných věd a Fakulty

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

6 Samodružné body a směry afinity

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

Více

AB = 3 CB B A = 3 (B C) C = 1 (4B A) C = 4; k ]

AB = 3 CB B A = 3 (B C) C = 1 (4B A) C = 4; k ] 1. část 1. (u 1, u 2, u, u 4 ) je kladná báze orientovaného vektorového prostoru V 4. Rozhodněte, zda vektory (u, 2u 1 + u 4, u 4 u, u 2 ) tvoří kladnou, resp. zápornou bázi V 4. 0 2 0 0 0 0 0 1 0 2 0

Více

Lineární zobrazení. V prvním z následujících tvrzení navíc uvidíme, že odtud plynou a jsou tedy pak rovněž splněny podmínky:

Lineární zobrazení. V prvním z následujících tvrzení navíc uvidíme, že odtud plynou a jsou tedy pak rovněž splněny podmínky: Lineární zobrazení Nechť (V, +, ) a (W, +, ) jsou dva vektorové prostory nad týmž tělesem (T, +, ). Nechť f : V W je zobrazení splňující následující podmínky: ( u, v V)(f(u + v) = f(u) + f(v)), ( s T )(

Více

ALGEBRA A TEORETICKÁ ARITMETIKA. 1. část - Lineární algebra. doc.rndr. Jarmila Novotná, CSc. doc.rndr. Milan Trch, CSc.

ALGEBRA A TEORETICKÁ ARITMETIKA. 1. část - Lineární algebra. doc.rndr. Jarmila Novotná, CSc. doc.rndr. Milan Trch, CSc. ALGEBRA A TEORETICKÁ ARITMETIKA 1. část - Lineární algebra doc.rndr. Jarmila Novotná, CSc. doc.rndr. Milan Trch, CSc. Obsah 1 Aritmetické vektory 2 1.1 Základní pojmy............................ 2 1.2

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

Projektivní prostor a projektivní zobrazení

Projektivní prostor a projektivní zobrazení Kapitola 4 Projektivní prostor a projektivní zobrazení 4.1 Projektivní rozšíření eukleidovského prostoru Vlastnost býti incidentní v eukleidovském prostoru E 3 vykazuje nedostatek symetrie zatímco např.

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

NALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Doba řešení: 3 hodiny

NALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Doba řešení: 3 hodiny NALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Závěrečná zkouška verze cvičná 9.1.2013 Doba řešení: 3 hodiny Přednášející: L. Barto, J. Tůma Křestní jméno: Příjmení: Instrukce Neotvírejte

Více

Teorie informace a kódování (KMI/TIK) Reed-Mullerovy kódy

Teorie informace a kódování (KMI/TIK) Reed-Mullerovy kódy Teorie informace a kódování (KMI/TIK) Reed-Mullerovy kódy Lukáš Havrlant Univerzita Palackého 10. ledna 2014 Primární zdroj Jiří Adámek: Foundations of Coding. Strany 137 160. Na webu ke stažení, heslo:

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

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

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ Parametrické vyjádření přímky v rovině Máme přímku p v rovině určenou body A, B. Sestrojíme vektor u = B A. Pro bod B tím pádem platí: B = A + u. Je zřejmé,

Více

10 Přednáška ze

10 Přednáška ze 10 Přednáška ze 17. 12. 2003 Věta: G = (V, E) lze nakreslit jedním uzavřeným tahem G je souvislý a má všechny stupně sudé. Důkaz G je souvislý. Necht v je libovolný vrchol v G. A mějme uzavřený eurelovský

Více