VEKTORY. Obrázek 1: Jediný vektor. Souřadnice vektoru jsou jeho průměty do souřadných os x a y u dvojrozměrného vektoru, AB = B A
|
|
- Robert Jelínek
- před 5 lety
- Počet zobrazení:
Transkript
1 VEKTORY Vektorem se rozumí množina všech orientovaných úseček, které mají stejnou velikost, směr a orientaci, což vidíme na obr. 1. Jedna konkrétní orientovaná úsečka se nazývá umístění vektoru na obr. 1 se jedná o vektor AB. Obrázek 1: Jediný vektor a) velikostí V následujícím obr. 2 se jedná o různé vektory, které se liší b) směrem c) orientací Obrázek 2: Různé vektory Souřadnice vektoru jsou jeho průměty do souřadných os x a y u dvojrozměrného vektoru, případně os x, y a z u trojrozměrného vektoru, což vidíme v obr. 3. Pokud máme vektor u zadán pomocí dvou bodů, tedy u = AB, pak jeho souřadnice spočítáme jako rozdíl x-ových, resp. y-ových souřadnic bodů A a B, což zapíšeme u = AB = B A Příklad 1 Jsou dány body A[ 2, 1, 3] a B[4, 3, 6]. Určete souřadnice vektoru u = AB a zjistěte velikost vektoru u. u = AB = B A = (4 ( 2), 3 1, 6 ( 3)) = (6, 2, 3) Velikost vektoru u se spočítá jako 2. odmocnina ze součtu kvadrátů souřadnic, zapsáno u = x 2 + y 2 + z 2 = = 49 = 7 Můžeme říct, že se jedná o zobecnění Pythagorovy věty, nebot pro dvojrozměrný vektor bychom hledali velikost přepony pravoúhlého trojúhelníka. 1
2 Dalším pojmem je skalární součin dvou vektorů, pomocí něhož lze stanovit kolmost vektorů. Příklad 2 Stanovte y-ovou souřadnici vektoru b tak, aby zadané vektory byly na sebe kolmé. Přitom a = ( 3, 2, 5) a b = (2,?, 2) Skalární součin kolmých vektorů je roven 0, přitom a b = x a x b + y a y b + z a z b Počítáme a b = y b +5 2 = 0, odkud dostaneme, že y b = 2. Tedy b = (2, 2, 2). Obrázek 3: Souřadnice vektoru Operace s vektory { a) sčítání vektorů Operace s vektory jsou b) násobení vektoru reálným číslem Obecně můžeme hovořit o lineární kombinaci vektorů. Příklad 3 Numericky a graficky určete vektor u, který je lineární kombinací vektorů a a b. Přitom u = 3 a 2 b, a = ( 2, 1), b = (1, 3). u = 3 ( 2, 1) 2 (1, 3) = ( 6, 3) + ( 2, 6) = ( 8, 3)... viz obr. 4 Poznámka pro zvídavé Skalární součin nelze považovat za operaci mezi dvěma vektory, protože výsledkem operace mezi vektory musí být vektor, přičemž výsledkem skalárního součinu je reálné číslo. Linární závislost a lineární nezávislost vektorů Zcela zásadním pojmem je lineární závislost a lineární nezávislost vektorů. Přesná definice lineární závislosti vektorů je poměrně nesrozumitelná, nicméně pro úplnost ji uvádím. Posloupnost vektorů u 1, u 2,..., u n je lineárně závislá, jestliže existují reálná čísla t 1, t 2,..., t n, z nichž alespoň jedno je různé od 0 tak, že t 1 u 1 + t 2 u t n u n = o 2
3 . O něco srozumitelnější je následující tvrzení, které plyne z předchozí definice. Posloupnost vektorů u 1, u 2,..., u n je lineárně závislá, jestliže mezi nimi existuje vektor u k, který lze vyjádřit ve tvaru lineární kombinace ostatních vektorů. Zde je důležité si uvědomit, že nutně ne každý vektor v posloupnosti vektorů u 1, u 2,..., u n musí jít vyjádřit ve tvaru lineární kombinace zbývajících vektorů! ( ) Dále platí, že vektory jsou lineárně nezávislé, jestliže ze vztahu vyplývá, že t 1 = t 2 =... = t n = 0. t 1 u 1 + t 2 u t n u n = o Obrázek 4: Lineární kombinace vektorů Pro lepší pochopení si budeme celou problematiku demonstrovat na dvojrozměrných a trojrozměrných vektorech. Pokud máme jeden nenulový vektor, tak ten je vždy lineárně nezávislý. (Nulový vektor je lineárně závislý.) Dva vektory jsou lineárně závislé, pokud to jsou násobky. Lineárně nezávislé jsou tehdy, jestliže každý z nich má jiný směr. u a v jsou lineárně závislé Na obr. 2 vidíme, že vektory a a b jsou lineárně nezávislé ı a j jsou lineárně závislé Pokud máme tři vektory, tak už musíme rozlišovat, zdali jsou dvojrozměrné nebo trojrozměrné, protože lineárně nezávislá posloupnost vektorů může obsahovat nejvýše tolik vektorů, jako je jejich rozměr! Tedy tři dvojrozměrné vektory jsou nutně lineárně závislé. Poznamenejme, že když je posloupnost vektorů lineárně závislá, tak přidáváním dalších vektorů zůstává stále lineárně závislá když je posloupnost vektorů lineárně nezávislá, tak ubíráním vektorů zůstává lineárně nezávislá když je posloupnost vektorů lineárně závislá, tak ubíráním vektorů nevíme, co se stane může zůstat lineárně závislá nebo se stát lineárně nezávislou když je posloupnost vektorů lineárně nezávislá, tak přidáváním vektorů opět nevíme, co se stane může zůstat lineárně nezávislá nebo se stát lineárně závislou 3
4 Mějme tedy tři trojrozměrné vektory. Ty budou lineárně závislé, pokud všechny tři vektory jsou vzájemně násobky všechny tři vektory leží ve společné rovině, přičemž dva z nich jsou násobky a třetí vektor má jiný směr všechny tři vektory leží ve společné rovině, přičemž každý z nich má jiný směr Obrázek 5: Lineárně závislé vektory Na obr. 5 vidíme, že vektor u nelze vyjádřit jako lineární kombinaci vektorů v a w, ale přitom je posloupnost vektorů u, v, w lineárně závislá, což demonstruje tvrzení ( ). Tři trojrozměrné vektory budou lineárně nezávislé, jestliže dva z nich budou ležet ve společné rovině, přičemž každý z nich bude mít jiný směr, a třetí vektor bude směřovat ven z roviny. Nejjednodušší případ této situace nastane, když tyto tři vektory budou udávat směry os x, y, z. V souřadnicích p = (1, 0, 0), q = (0, 1, 0), r = (0, 0, 1). Čtyři vektory budou nutně lineárně závislé bez ohledu na to, zda jsou dvojrozměrné nebo trojrozměrné. Na závěr trochu počítání... Obrázek 6: Lineárně nezávislé vektory Příklad 4 Zjistěte, zda je zadaná posloupnost vektorů lineárně závislá nebo nezávislá, přitom je a = (2, 3, 1, 4), b = (3, 2, 0, 2), c = (4, 6, 1, 1). Univerzální postup je takový, že zadané vektory napíšeme jako řádky nebo jako sloupce matice, jejíž hodnost následně určíme. Protože hodnost matice je rovna maximálnímu počtu lineárně nezávislých řádků, případně sloupců tedy vektorů, bude platit, že když je hodnost matice rovna počtu vektorů, pak jsou tyto vektory lineárně nezávislé hodnost matice menší než počet vektorů, pak jsou tyto vektory lineárně závislé Protože hodnost matice je rovna 3, jsou zadané tři vektory lineárně nezávislé. 4
5 Příklad 5 Určete, zda je zadaná posloupnost vektorů lineárně závislá nebo nezávislá, přitom je a = (1, 2, 5), b = (2, 3, 4), c = (0, 1, 6). Pokud je počet vektorů stejný jako jejich rozměr, lze o lineární závislosti nebo nezávislosti rozhodnout výpočtem determinantu. Platí, že hodnost matice je rovna nejvyššímu z řádů nenulových subdeterminantů, což znamená následující: pokud je hodnost matice rovna 3, a tedy vektory jsou lineárně nezávislé, pak je determinant 3. řádu vytvořený z této matice různý od nuly pokud je hodnost matice menší než 3, a tedy vektory jsou lineárně závislé, pak je nenulový subdeterminant vybraný z této matice řádu nejvýše 2, neboli determinant 3. řádu je nulový = = 0 Zadané vektory jsou tedy lineárně závislé. Podobně by se postupovalo v případě, kdy by byly zadány čtyři čtyřrozměrné vektory. A na úplný závěr ještě tyto zajímavé příklady. Příklad 6 Určete souřadnice vektoru u, který je kolmý k zadaným vektorům a a b, je-li a = (1, 2, 3), b = ( 1, 1, 2). Sestavíme následující determinant, po jehož výpočtu budou souřadnice vektoru u rovny koeficientům u proměnných i, j, k. i j k = 4i 3j + k + 2k + 2j 3i = 7i j + 3k Tedy u = ( 7, 1, 3). O správnosti výpočtu bychom se mohli přesvědčit tak, že skalární součiny u a a u b jsou rovny 0. Příklad 7 Napište obecnou rovnici roviny α, která je zadána třemi body A, B, C. Přitom A = [2, 3, 1], B = [ 3, 2, 0], C = [4, 6, 1]. Třemi zadanými body jsou dány dva vektory u a v, které určují zaměření roviny α. Položme u = AB = B A = ( 5, 1, 1) v = AC = C A = (2, 9, 2) Označme X[x, y, z] obecný bod roviny α a spočítejme vektor w = AX = X A = (x 2, y 3, z + 1) Protože vektor w také patří do zaměření roviny α, musí být lineární kombinací vektorů u a v, neboli posloupnost vektorů u, v, w je lineárně závislá. To znamená, že determinant tvořený souřadnicemi těchto vektorů je roven 0. x 2 y 3 z = 2(x 2)+2(y 3)+45(z +1)+2(z +1)+10(y 3)+9(x 2) = 5
6 = 7(x 2) + 12(y 3) + 47(z + 1) = 7x + 12y + 47z 3 Obecná rovnice roviny α má tvar 7x + 12y + 47z 3 = 0 Správnost získaného výsledku bychom mohli ověřit zpětným dostazením souřadnic zadaných bodů do této rovnice. Pozn. Vektory se užívají například pro navigaci v letecké dopravě. 6
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
VíceMatematika 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
VíceEukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika)
Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika) Kartézská soustava souřadnic je dána počátkem O a uspořádanou trojicí bodů E x,
VíceANALYTICKÁ 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
VíceMatematika (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
Více0.1 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
Vícematiceteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést
Úlohy k zamyšlení 1. Zdůvodněte, proč třetí řádek Hornerova schématu pro vyhodnocení polynomu p v bodě c obsahuje koeficienty polynomu r, pro který platí p(x) = (x c) r(x) + p(c). 2. Dokažte, že pokud
VíceVektorový 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 ),
Více6. 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
Vícea počtem sloupců druhé matice. Spočítejme součin A.B. Označme matici A.B = M, pro její prvky platí:
Řešené příklady z lineární algebry - část 1 Typové příklady s řešením Příklady jsou určeny především k zopakování látky před zkouškou, jsou proto řešeny se znalostmi učiva celého semestru. Tento fakt se
Více0.1 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
VíceMATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]
MATICE Matice typu m/n nad tělesem T je soubor m n prvků z tělesa T uspořádaných do m řádků a n sloupců: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] a m1 a m2 a mn Prvek a i,j je prvek matice A na místě
Více6.1 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
VíceNecht L je lineární prostor nad R. Operaci : L L R nazýváme
Skalární součin axiomatická definice odvození velikosti vektorů a úhlu mezi vektory geometrická interpretace ortogonalita vlastnosti ortonormálních bázi [1] Definice skalárního součinu Necht L je lineární
VícePoznámka. V některých literaturách se pro označení vektoru také používá symbolu u.
Vektory, operace s vektory Ž3 Orientovaná úsečka Mějme dvojici bodů, (na přímce, v rovině nebo prostoru), které spojíme a vznikne tak úsečka. Pokud budeme rozlišovat, zda je spojíme od k nebo od k, říkáme,
VíceAnalytická geometrie. c ÚM FSI VUT v Brně
19. září 2007 Příklad 1. Příklad 2. Příklad 3. Příklad 1. Určete obecnou rovnici roviny, která prochází body A = [0, 1, 2], B = [ 1, 0, 3], C = [3, 1, 0]. Příklad 1. A = [0, 1, 2], B = [ 1, 0, 3], C =
VíceLineární 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..................................
VíceÚvod do lineární algebry
Úvod do lineární algebry 1 Aritmetické vektory Definice 11 Mějme n N a utvořme kartézský součin R n R R R Každou uspořádanou n tici x 1 x 2 x, x n budeme nazývat n rozměrným aritmetickým vektorem Prvky
VíceMatice. Předpokládejme, že A = (a ij ) je matice typu m n: diagonálou jsou rovny nule.
Matice Definice. Maticí typu m n nazýváme obdélníkové pole, tvořené z m n reálných čísel (tzv. prvků matice), zapsaných v m řádcích a n sloupcích. Značíme např. A = (a ij ), kde i = 1,..., m, j = 1,...,
VíceKapitola 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
VíceVybrané kapitoly z matematiky
Vybrané kapitoly z matematiky VŠB-TU Ostrava 2017-2018 Vybrané kapitoly z matematiky 2017-2018 1 / 19 Základní informace předmět: 714-0513, 5 kreditů přednáší: Radek Kučera kontakt: radek.kucera@vsb.cz,
Více6. 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.
VíceLingebraické kapitolky - Analytická geometrie
Lingebraické kapitolky - Analytická geometrie Jaroslav Horáček KAM MFF UK 2013 Co je to vektor? Šipička na tabuli? Ehm? Množina orientovaných úseček majících stejný směr. Prvek vektorového prostoru. V
VíceNALG 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
VíceMaticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:
3 Maticový počet 3.1 Zavedení pojmu matice Maticí typu (m, n, kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: a 11 a 12... a 1k... a 1n a 21 a 22...
VíceZáklady maticového počtu Matice, determinant, definitnost
Základy maticového počtu Matice, determinant, definitnost Petr Liška Masarykova univerzita 18.9.2014 Matice a vektory Matice Matice typu m n je pravoúhlé (nebo obdélníkové) schéma, které má m řádků a n
VíceVektorové 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
Více1 Analytická geometrie
1 Analytická geometrie 11 Přímky Necht A E 3 a v R 3 je nenulový Pak p = A + v = {X E 3 X = A + tv, t R}, je přímka procházející bodem A se směrovým vektorem v Rovnici X = A + tv, t R, říkáme bodová rovnice
VíceMENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE
MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného
VíceMENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE
MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného
VíceUspořádanou 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 ).
VíceAnalytická geometrie lineárních útvarů
) Na přímce: a) Souřadnice bodu na přímce: Analtická geometrie lineárních útvarů Bod P nazýváme počátek - jeho souřadnice je P [0] Nalevo od počátku leží čísla záporná, napravo čísla kladná. Každý bod
Více1 Projekce a projektory
Cvičení 3 - zadání a řešení úloh Základy numerické matematiky - NMNM20 Verze z 5. října 208 Projekce a projektory Opakování ortogonální projekce Definice (Ortogonální projekce). Uvažujme V vektorový prostor
Více9 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.
VíceMatematika 1 MA1. 1 Analytická geometrie v prostoru - základní pojmy. 4 Vzdálenosti. 12. přednáška ( ) Matematika 1 1 / 32
Matematika 1 12. přednáška MA1 1 Analytická geometrie v prostoru - základní pojmy 2 Skalární, vektorový a smíšený součin, projekce vektoru 3 Přímky a roviny 4 Vzdálenosti 5 Příčky mimoběžek 6 Zkouška;
Více11. VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ. u. v = u v + u v. Umět ho aplikovat při
. VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ Dovednosti:. Chápat pojmy orientovaná úsečka a vektor a geometrický význam součtu, rozdílu a reálného násobku orientovaných úseček a vektorů..
VíceZáklady matematiky pro FEK
Základy matematiky pro FEK 2. přednáška Blanka Šedivá KMA zimní semestr 2016/2017 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 2016/2017 1 / 20 Co nás dneska čeká... Závislé a nezávislé
VíceALGEBRA. 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)
VíceKolik existuje různých stromů na pevně dané n-prvkové množině vrcholů?
Kapitola 9 Matice a počet koster Graf (orientovaný i neorientovaný) lze popsat maticí, a to hned několika různými způsoby. Tématem této kapitoly jsou incidenční matice orientovaných grafů a souvislosti
VíceVI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku
VI Maticový počet VI1 Základní operace s maticemi Definice Tabulku a 11 a 12 a 1n a 21 a 22 a 2n, a m1 a m2 a mn kde a ij R, i = 1,, m, j = 1,, n, nazýváme maticí typu m n Zkráceně zapisujeme (a ij i=1m
VíceLineární 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
VíceM - Příprava na 1. čtvrtletku pro třídu 4ODK
M - Příprava na 1. čtvrtletku pro třídu 4ODK Autor: Mgr. Jaromír Juřek Kopírování a jakékoliv další využití výukového materiálu povoleno pouze s odkazem na www.jarjurek.cz. VARIACE 1 Tento dokument byl
VíceA[a 1 ; a 2 ; a 3 ] souřadnice bodu A v kartézské soustavě souřadnic O xyz
1/15 ANALYTICKÁ GEOMETRIE Základní pojmy: Soustava souřadnic v rovině a prostoru Vzdálenost bodů, střed úsečky Vektory, operace s vektory, velikost vektoru, skalární součin Rovnice přímky Geometrie v rovině
Více14. přednáška. Přímka
14 přednáška Přímka Začneme vyjádřením přímky v prostoru Přímku v prostoru můžeme vyjádřit jen parametricky protože obecná rovnice přímky v prostoru neexistuje Přímka v prostoru je určena bodem A= [ a1
Vícevyjádřete ve tvaru lineární kombinace čtverců (lineární kombinace druhých mocnin). Rozhodněte o definitnosti kvadratické formy κ(x).
Řešené příklady z lineární algebry - část 6 Typové příklady s řešením Příklad 6.: Kvadratickou formu κ(x) = x x 6x 6x x + 8x x 8x x vyjádřete ve tvaru lineární kombinace čtverců (lineární kombinace druhých
Vícef(x) = arccotg x 2 x lim f(x). Určete všechny asymptoty grafu x 2 2 =
Řešení vzorové písemky z předmětu MAR Poznámky: Řešení úloh ze vzorové písemky jsou formulována dosti podrobně podobným způsobem jako u řešených příkladů ve skriptech U zkoušky lze jednotlivé kroky postupu
VíceOperace s maticemi. 19. února 2018
Operace s maticemi Přednáška druhá 19. února 2018 Obsah 1 Operace s maticemi 2 Hodnost matice (opakování) 3 Regulární matice 4 Inverzní matice 5 Determinant matice Matice Definice (Matice). Reálná matice
Více6 Skalární součin. u v = (u 1 v 1 ) 2 +(u 2 v 2 ) 2 +(u 3 v 3 ) 2
6 Skalární součin Skalární součin 1 je operace, která dvěma vektorům (je to tedy binární operace) přiřazuje skalár (v našem případě jde o reálné číslo, obecně se jedná o prvek nějakého tělesa T ). Dovoluje
Více11. VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ
11. VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ Dovednosti: 1. Chápat pojmy orientovaná úsečka a vektor a geometrický význam součtu, rozdílu a reálného násobku orientovaných úseček a vektorů..
Více1 Linearní prostory nad komplexními čísly
1 Linearní prostory nad komplexními čísly V této přednášce budeme hledat kořeny polynomů, které se dále budou moci vyskytovat jako složky vektorů nebo matic Vzhledem k tomu, že kořeny polynomu (i reálného)
VíceKapitola 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 =
VíceSoustavy lineárních rovnic a determinanty
Soustavy lineárních rovnic a determinanty Petr Hasil Přednáška z matematiky Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny
VíceAfinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe.
4 Afinita Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. Poznámka. Vzájemně jednoznačným zobrazením rozumíme zobrazení,
VícePROSTORY SE SKALÁRNÍM SOUČINEM. Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti
PROSTORY SE SKALÁRNÍM SOUČINEM Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti 1. (x, x) 0 x L, (x, x) = 0 x = 0, 2. (x, y) = (y, x) x, y L, 3. (λx, y) = λ(x,
VíceHODNOST 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
VíceČíselné vektory, matice, determinanty
Číselné vektory, matice, determinanty Základy vyšší matematiky LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny
Více11. Skalární součin a ortogonalita p. 1/16
11. Skalární součin a ortogonalita 11. Skalární součin a ortogonalita p. 1/16 11. Skalární součin a ortogonalita p. 2/16 Skalární součin a ortogonalita 1. Definice skalárního součinu 2. Norma vektoru 3.
VíceHODNOST 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
Více2. 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
VíceDefinice 28 (Ortogonální doplněk vektorového podprostoru). V k V n ; V k V. (Pech:AGLÚ/str D.5.1)
14.3 Kolmost podprostorů 14.3.1 Ortogonální doplněk vektorového prostou Ve vektorovém prostoru dimenze 3 je ortogonálním doplňkem roviny (přesněji vektorového prostoru dimenze ) přímka na ní kolmá (vektorový
VíceM - Příprava na 4. čtvrtletku - třídy 1P, 1VK.
M - Příprava na 4. čtvrtletku - třídy 1P, 1VK. Učebnice určená pro přípravu na 4. čtvrtletní písemnou práci. Obsahuje učivo března až června. VARIACE 1 Tento dokument byl kompletně vytvořen, sestaven a
VíceDeterminant matice řádu 5 budeme počítat opakovaným použitím rozvoje determinantu podle vybraného řádku nebo sloupce. Aby byl náš výpočet
Řešené příklady z lineární algebry - část 2 Příklad 2.: Určete determinant matice A: A = 4 4. Řešení: Determinant matice řádu budeme počítat opakovaným použitím rozvoje determinantu podle vybraného řádku
Více19 Eukleidovský bodový prostor
19 Eukleidovský bodový prostor Eukleidovským bodovým prostorem rozumíme afinní bodový prostor, na jehož zaměření je definován skalární součin. Víme, že pomocí skalárního součinu jsou definovány pojmy norma
VíceSoustavy linea rnı ch rovnic
[1] Soustavy lineárních rovnic vlastnosti množin řešení metody hledání řešení nejednoznačnost zápisu řešení a) soustavy, 10, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010, g)l.
VíceAnalytická metoda aneb Využití vektorů v geometrii
KM/GVS Geometrické vidění světa (Design) nalytická metoda aneb Využití vektorů v geometrii Použité značky a symboly R, C, Z obor reálných, komleních, celých čísel geometrický vektor R n aritmetický vektor
VíceMatice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n
[1] Základní pojmy [2] Matice mezi sebou sčítáme a násobíme konstantou (lineární prostor) měníme je na jiné matice eliminační metodou násobíme je mezi sebou... Matice je tabulka čísel s konečným počtem
VíceSoustavy. Terminologie. Dva pohledy na soustavu lin. rovnic. Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová.
[1] Terminologie [2] Soustavy lineárních rovnic vlastnosti množin řešení metody hledání řešení nejednoznačnost zápisu řešení Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová matice.
VícePŘÍMKA A JEJÍ VYJÁDŘENÍ V ANALYTICKÉ GEOMETRII
PŘÍMKA A JEJÍ VYJÁDŘENÍ V ANALYTICKÉ GEOMETRII V úvodu analytické geometrie jsme vysvětlili, že její hlavní snahou je popsat geometrické útvary (body, vektory, přímky, kružnice,...) pomocí čísel nebo proměnných.
VíceČtvercové matice. Čtvercová matice je taková matice, jejíž počet řádků je roven počtu jejích sloupců
Determinant matice Čtvercové matice Čtvercová matice je taková matice, jejíž počet řádků je roven počtu jejích sloupců Determinant je zobrazení, které přiřadí každé čtvercové matici A skalár (reálné číslo).
VíceMatematika B101MA1, B101MA2
Matematika B101MA1, B101MA2 Zařazení předmětu: povinný předmět 1.ročníku bc studia 2 semestry Rozsah předmětu: prezenční studium 2 + 2 kombinované studium 16 + 0 / semestr Zakončení předmětu: ZS zápočet
Vícepříkladů 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
Více1 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(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
VíceAritmetické 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
VíceV 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
Vícea a
1.. Cíle V této kapitole se naučíme určovat zejména celočíselné kořeny některých polynomů. Výklad Při výpočtu hodnoty polynomu n k p( x) = ak x n-tého stupně n 1 v bodě x 0 C k = 0 musíme provést ( n 1)
VíceRovnice přímky v prostoru
Rovnice přímky v prostoru Každá přímka v prostoru je jednoznačně zadána dvěma body. K vyjádření všech bodů přímky lze použít parametrické rovnice. Parametrická rovnice přímky p Pokud A, B jsou dva různé
VíceCVIČNÝ TEST 37. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 5 III. Klíč 13 IV. Záznamový list 15
CVIČNÝ TEST 37 Mgr. Tomáš Kotler OBSAH I. Cvičný test 2 II. Autorské řešení 5 III. Klíč 13 IV. Záznamový list 15 I. CVIČNÝ TEST VÝCHOZÍ TEXT A OBRÁZEK K ÚLOZE 1 Na staré hliněné desce je namalován čtverec
Více5. Lokální, vázané a globální extrémy
5 Lokální, vázané a globální extrémy Studijní text Lokální extrémy 5 Lokální, vázané a globální extrémy Definice 51 Řekneme, že f : R n R má v bodě a Df: 1 lokální maximum, když Ka, δ Df tak, že x Ka,
Více1 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
VíceOperace 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 =
VíceDefinice. 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),
VíceM - Příprava na 12. zápočtový test
M - Příprava na 1. zápočtový test Určeno pro studenty dálkového studia. VARIACE 1 Tento dokument byl kompletně vytvořen, sestaven a vytištěn v programu dosystem - EduBase. Více informací o programu naleznete
VíceDEFINICE Z LINEÁRNÍ ALGEBRY
DEFINICE Z LINEÁRNÍ ALGEBRY Skripta Matematické metody pro statistiku a operační výzkum (Nešetřilová, H., Šařecová, P., 2009). 1. definice Vektorovým prostorem rozumíme neprázdnou množinu prvků V, na které
Více7.5.3 Hledání kružnic II
753 Hledání kružnic II Předpoklady: 750 Pedagogická poznámka: Tato hodina patří mezi vůbec nejtěžší Není reálné předpokládat, že by většina studentů dokázala samostatně přijít na řešení, po čase na rozmyšlenou
VíceAplikovaná numerická matematika - ANM
Aplikovaná numerická matematika - ANM 3 Řešení soustav lineárních rovnic iterační metody doc Ing Róbert Lórencz, CSc České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových
Více1 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
VíceDá se ukázat, že vzdálenost dvou bodů má tyto vlastnosti: 2.2 Vektor, souřadnice vektoru a algebraické operace s vektory
Vektorový počet.1 Eklidovský prostor E 3 Eklidovský prostor E 3 je prostor spořádaných trojic (tj. bodů), v němž je definována vzdálenost dvo jeho bodů A, B (značíme ji AB ). Vzdálenost bodů A = [a 1,
VíceANALYTICKÁ 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,
VíceMatematika I, část I Vzájemná poloha lineárních útvarů v E 3
3.6. Vzájemná poloha lineárních útvarů v E 3 Výklad A. Vzájemná poloha dvou přímek Uvažujme v E 3 přímky p, q: p: X = A + ru q: X = B + sv a hledejme jejich společné body, tj. hledejme takové hodnoty parametrů
VíceOtázku, kterými body prochází větev implicitní funkce řeší následující věta.
1 Implicitní funkce Implicitní funkce nejsou funkce ve smyslu definice, že funkce bodu z definičního oboru D přiřadí právě jednu hodnotu z oboru hodnot H. Přesnější termín je funkce zadaná implicitně.
VíceEUKLIDOVSKÉ 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,
VíceMatematika. 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
Více1 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
VíceRovnice přímky vypsané příklady. Parametrické vyjádření přímky
Rovnice přímky vypsané příklady Zdroj: Vše kromě příkladu 3.4: http://kdm.karlin.mff.cuni.cz/diplomky/jan_koncel/rovina.php?kapitola=parametrickevyjadre ni Příklady 3.5 a 3.7-1 a 3: http://kdm.karlin.mff.cuni.cz/diplomky/jan_koncel/rovina.php?kapitola=obecnarovnice
Vícea + b + c = 2 b + c = 1 a b = a 1 2a 1 + a a 3 + a 5 + 2a 2 + a 2 + a
Zadání A. 1. Polynom P (x) má v uspořádané bázi (x 2 + x 1, 2x 2 x 1, x 2 + x + 2) souřadnice (1, 1, 1). Najděte jeho souřadnice vzhledem k uspořádané bázi (x 2 1, x 2 + x 1, x 2 + x). Nejprve si spočítáme
VíceLineární 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
Více1 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
VíceIB112 Základy matematiky
IB112 Základy matematiky Řešení soustavy lineárních rovnic, matice, vektory Jan Strejček IB112 Základy matematiky: Řešení soustavy lineárních rovnic, matice, vektory 2/53 Obsah Soustava lineárních rovnic
Více8 Matice a determinanty
M Rokyta, MFF UK: Aplikovaná matematika II kap 8: Matice a determinanty 1 8 Matice a determinanty 81 Matice - definice a základní vlastnosti Definice Reálnou resp komplexní maticí A typu m n nazveme obdélníkovou
Více