Vyučující: Jan Chleboun, místnost B-305, linka 3866 Konzultace: úterý 14:00-15:40 nebo dle dohody
|
|
- Zbyněk Hruška
- před 5 lety
- Počet zobrazení:
Transkript
1 Předmět: MA4 Vyučující: Jan Chleboun, místnost B-35, linka 3866 Konzultace: úterý 14:-15:4 nebo dle dohody Sledovat informace na webových stránkách vyučujícího (o zkoušce, studijní materiály aj.): web FSv ČVUT kat. matematiky Chleboun MA4 nebo Hlavní literatura zdroje na webové stránce přednášejícího skripta O. Zindulka: MA 3 skripta K. Rektorys: MA 43 (knihovna)
2 Volitelný předmět: Seminář k Matematice 4 (11XSM4) Více informací na webu. Kdy a kde: středa 16: 17:4, B-255
3 Magisterské studium náročnější úroveň než bakalářské studium Bakalář zná kuchařskou knihu. (Jak?) Inženýr píše kuchařskou knihu. (Proč a jak?) Prototyp inženýra Cyrus Smith (J. Verne, Tajuplný ostrov) Matematika řešení příkladů Trocha matematické teorie stojící za řešením úloh, s nimiž se setkáte i v jiných předmětech (NAK). Připomenutí matematických souvislostí. Částečné opakování. Procvičení mozku; abstraktní myšlení. Větší rozhled lepší pozice na trhu práce. Příprava na spolupráci s odborníky, kteří hovoří náročnějším matematickým jazykem (absolventi FJFI ČVUT, MFF UK aj.).
4 Pokus: Počítejte hodnoty I i dle rekurentních vztahů I = 1 1 e, ( I 1 = 1 I = 1 ), e I 2 = 1 2I 1, I 3 = 1 3I 2,... I n = 1 ni n 1 tak dlouho, až pro nějaké i poprvé nastane I i <. Poznamenejte si i a I i.
5 Je předmět MA4 obtížný? Asi ano, ale méně, než se povídá, neboť vektory, matice, determinanty jsou zopakovány na cvičení na stránce k MA4 jsou odkazy na materiály k lineární algebře, derivaci a integrálu vhodné pro opakování MA4 předpokládá jen velmi málo znalostí z MA1, MA2, MA3 (ne techniky, ale ponětí o pojmech) na stránce k MA4 jsou/budou prezentace přednášek většina témat je stručně pokryta Příručkou pro přežití
6 Časté námitky
7 Časté námitky Matematiku jsme měli naposled před třemi lety!
8 Časté námitky Matematiku jsme měli naposled před třemi lety! V odborných předmětech nebyla zapotřebí? To je zopakování si základů takový probém (viz připravené materiály)?
9 Časté námitky Matematiku jsme měli naposled před třemi lety! V odborných předmětech nebyla zapotřebí? To je zopakování si základů takový probém (viz připravené materiály)? Tohle nikdy nebudu potřebovat, vidím to ve firmě, kde pracuji!
10 Časté námitky Matematiku jsme měli naposled před třemi lety! V odborných předmětech nebyla zapotřebí? To je zopakování si základů takový probém (viz připravené materiály)? Tohle nikdy nebudu potřebovat, vidím to ve firmě, kde pracuji! a) Možná přímo ne stejně jako 92% informací, které Vámi protekly během celé školní docházky (6-85% z pobytu na FSv). Je však osobnost a její schopnost řešit problémy utvářena jen školením zaměřeným na konkrétní úkol?
11 Časté námitky Matematiku jsme měli naposled před třemi lety! V odborných předmětech nebyla zapotřebí? To je zopakování si základů takový probém (viz připravené materiály)? Tohle nikdy nebudu potřebovat, vidím to ve firmě, kde pracuji! a) Možná přímo ne stejně jako 92% informací, které Vámi protekly během celé školní docházky (6-85% z pobytu na FSv). Je však osobnost a její schopnost řešit problémy utvářena jen školením zaměřeným na konkrétní úkol? b) Pohled školy je jiný. Diplom má být pro absolventa i jeho zaměstnavatele potvrzením toho, že absolvent v určitém rozsahu zvládá určité spektrum disciplín, že je jakýmsi vícebojařem. Pokud toho v životě nevyužije, je to jeho věc. Pak se také naskýtá otázka, zda takový certifikát vůbec potřebuje.
12 Zpět k pokusu: V posloupnosti je I n = 1 1 e x n e x dx. Ukažme to integrací po částech I n = 1 e 1 x n e x dx = 1 [ x n e x] 1 e 1 1 e n x n 1 e x dx = 1 e (e ) ni n 1 = 1 ni n 1.
13 Zpět k pokusu: V posloupnosti je I n = 1 1 e x n e x dx. Ukažme to integrací po částech I n = 1 e 1 x n e x dx = 1 [ x n e x] 1 e 1 1 e n x n 1 e x dx = 1 e (e ) ni n 1 = 1 ni n 1. Platí I = 1 e 1 1e x dx = 1 e [ex ] 1 = e 1 e = 1 1 e.
14 Zpět k pokusu: V posloupnosti je I n = 1 1 e x n e x dx. Ukažme to integrací po částech I n = 1 e 1 x n e x dx = 1 [ x n e x] 1 e 1 1 e n x n 1 e x dx = 1 e (e ) ni n 1 = 1 ni n 1. Platí I = 1 e 1 1e x dx = 1 e [ex ] 1 = e 1 e Vždy je I n >, navíc lim n + =, neboť = 1 1 e. < 1 x n e x dx e 1 x n dx = e [x n+1] 1 n+1 = e n +. n+1 M. Křížek: Můžeme věřit numerickým výpočtům? PMFA, 211, číslo 4 (podle I. Babuška, M. Práger, E. Vitásek: Numerical processes in differential equations, 1966)
15 Matematika 4 začíná Základy značení R, C... množina reálných, komplexních čísel ; a R... je prvkem; a je reálné číslo ; ;!... (pro) každý; existuje; existuje právě jeden = ;... z toho plyne; právě tehdy, když C([a, b]), C k ([a, b])... množina (ale!, viz dále) všech reálných funcí spojitých na uzavřeném intervalu [a, b], spojitých na uzavřeném intervalu [a, b] do k-té derivace včetně Ukázka definice množiny M = { v C 1 ([a, b]) v(a) = & v (b) = }
16 Vektorový (též lineární) prostor V : prvky lze sčítat a násobit skalárem, přičemž platí (1)-(9) u, v V u + v = v + u, (1) u, v, z V u +(v + z) = (u + v)+z, (2)! V u V u + = u, (3) v V! v V v +( v) =, (4) α C (nebo R) v V αv V, (5) v V 1v = v, (6) α,β C (nebo R) v V α(βv) = (αβ)v, (7) α C (nebo R) u, v Vα(u + v) = αu +αv, (8) α,β C (nebo R) v V (α+β)v = αv +βv. (9) Ale nejdůležitější jsou dvě vlastnosti: u, v V = u + v V u V, a R = au V Ekvivalentně: u, v V a, b R = au + bv V Znáte v. p. R n, C k ([a, b]), M = { v C 1 ([a, b]) v(a) = & v (b) = }.
17 Vlastní čísla a vlastní vektory matic Nechť A je čtvercová matice. Nenulový sloupcový vektor x se nazývá vlastní vektor matice A, platí-li Ax = λx pro nějaké číslo λ C. Toto λ se nazývá vlastní číslo matice A odpovídající vlastnímu vektoru x. λ je vlastní číslo matice A (právě tehdy, když) λ je kořenem charakteristického polynomu matice A, tj. det(a λi) =. Návod pro výpočet vl. čísel malé matice! Kořeny mohou být násobné i komplexní (čísla). Vl. vektor(y) odpovídající vl. č. λ získáme vyřešením soustavy lin. alg. rovnic (A λi)x =. Počet lineárně nezávislých vlastních vektorů může být menší než počet vlastních čísel (braných s násobností). Využití: vlastnosti metod NLA, řešení soustav LODR Ẋ = AX + b, hlavní směry napětí a hlavní napětí, vlastní frekvence a vlastní tvary kmitání, Google...
18 Nechť A je čtvercová matice (reálná nebo komplexní). Matice A je singulární (tj. neexistuje A 1, regulární: existuje A 1 ) právě tehdy, když má vlastní číslo. (λ, x) vlastní pár matice A = (λ 2, x) vlastní pár matice A 2. Existuje-li A 1, je (λ, x) vlastním párem matice A právě tehdy, když (1/λ, x) je vlastním párem matice A 1 (tj. A i A 1 mají stejné vlastní vektory). n i=1 λ i = tr A, kde tr A = n i=1 a n ii, i=1 λ i = det A Je-li (λ, x) vlastní pár reálné matice A, pak také ( λ, x) je vlastním párem matice A. Reálná nesymetrická matice může mít komplexní vl. čísla a vektory! A i A T mají stejná vl. čísla, vl. vektory mohou být různé. Je-li A reálná a symetrická, pak všechna její vlastní čísla jsou reálná a vlastní vektory odpovídající různým vlastním číslům jsou navzájem kolmé.
19 Dokažme poslední tvrzení. Definujme skal. součin pro vektory s komplexními složkami: (u, v) C = Platí: (u, v) C = (v, u) C, n u i v i, u, v C n i=1 (u,λv) C = λ(u, v) C λ C Příklad: u = (1+i, 2 3i, 4+2i), v = (5 i, 2i, 4 3i) (u, v) C = 24+2i, (v, u) C = 24 2i (u, u) C = 35, (v, v) C = 55 Důkaz: Nechť Au = λu a Av = ωv, kde λ ω. Pak λ(u, u) C = (Au, u) C = (u, A T u) C = (u, Au) C = (u,λu) C = λ(u, u) C (u,u) C > = λ = λ; λ(u, v) C = (Au, v) C = (u, Av) C = ω(u, v) C λ ω = (u, v) C =.
20 Násobnost vlastního čísla λ matice A typu n n algebraická: násobnost kořene charakteristického polynomu p(λ) = det(a λi), tj. násobnost řešení char. rovnice det(a λi) = geometrická: dimenze (pod)prostoru N(A λi) = {v C n : (A λi)v = }, tj. maximální počet lin. nezávislých vlastních vektorů příslušných vl. číslu λ. Ukázka: 4 1 A = 4, p(λ) = (4 λ) 3, báze (vl. v.):, 1,. 4 1 Násobnost algebraická = 3, geometrická = 3.
21 4 1 A = 4, p(λ) = (4 λ) 3, báze (vl. v.): 4 1,. 1 Násobnost algebraická = 3, geometrická = A = 4 1, p(λ) = (4 λ) 3, báze (vl. v.): 4 1. Násobnost algebraická = 3, geometrická = 1. Další vlastnosti: 1 geom. násobnost algebraická násobnost n Vlastní čísla horní (dolní) trojúhelníkové matice leží na její hlavní diagonále
22 Definice Množina všech vlastních čísel matice se nazývá spektrum matice. Spektrum matice A budeme označovat σ(a). Definice Reálnému číslu (A) = max{ λ : λ σ(a)} říkáme spektrální poloměr matice A.
23 Vl. páry pro větší a velké matice numerickými metodami Mocninná metoda s Hotellingovou redukcí (nejjednodušší verze) Předpoklady: A symetrická typu n n, vlastní čísla jen jednonásobná, existuje n lineárně nezávislých vl. vektorů. 1. m :=, zvolme vektor v, např. v := (1, 1,..., 1) T. 2. v := Av m ; c m+1 := ta složka vektoru v, jejíž absol. hodnota je největší; v m+1 := v/c m+1 ; m := m c m má konvergovat k vl. č. s největší absol. hodnotou, v m má konvergovat k přísl. vl. vektoru; nejsme-li s konvergencí spokojeni, vrátíme se na 2, jinak pokračujeme na 4 4. Chceme-li vypočítat vl. č. s druhou největší absol. hodnotou matice A, použijeme Hotellingovu redukci: q := c m /(v m v m ); A := A qv m v T m, nová matice A má místo původního vl. č. s největší absol. hodnotou vl. číslo, ostatní vl. č. jsou zachována; vrátíme se na 1. Nechceme-li počítat další vl. čísla, ukončíme výpočet. (Ukázka Matlab.) V praxi spíše jiné metody Lanczos, Householder, Givens,...
24 Geršgorinova věta Nechť A = (a ij ) je komplexní nebo reálná čtvercová matice n-tého řádu, tj. typu (n, n). Potom všechna vlastní čísla matice A leží v komplexní rovině ve sjednocení n i=1 K i kruhů K i o středu a ii a poloměru n j=1, j i a ij : n K i = z C : a ii z a ij, i = 1, 2,...,n. j=1, j i V každé komponentě tohoto sjednocení leží právě tolik vlastních čísel matice A, z kolika kruhů tato komponenta vznikla. Speciálně v izolovaném kruhu leží právě jedno vlastní číslo.
25 Příklad Je dána matice 1 5 A = Pomocí Geršgorinovy věty zjistěte, a) zda je zaručeno, že matice A je regulární; b) zda by číslo 4+2i mohlo být vlastním číslem matice A; c) zda by číslo 4+2i mohlo být vlastním číslem matice A. Odhadněte spektrální poloměr. Vypočtěte vlastní čísla, spektrální poloměr, případně vlastní vektory. Existuje-li A 1, vypočtěte vl. čísla.
26 Řešení: Spočteme vlastní čísla a porovnáme s odhady danými Geršgorinovými kruhy. 1 λ 5 det(a λi) = det 2 λ 2 3 λ Kořeny, tj. vlastní čísla = (1 λ)(2 λ)(3 λ)+1(2 λ) = (2 λ)(3 4λ+λ 2 + 1) = (2 λ)(λ 2 4λ+13) det(a λi) = λ 1 = 2+3i, λ 2 = 2 3i, λ 3 = 2 Vl. čísla nenulová = existuje A 1. Příslušná vl. č.: ˆλ 1 = 1/λ 1 = 1 2+3i = 2 3i 13, ˆλ2 = 2+3i 13, ˆλ3 = 1/2.
27 G. kruznice, vl. císla λ, spektr. polomer, jeho h. odhad 6 4 Imaginární osa 2 2 λ 1 S 1 S 2 S 3 λ 3 4 λ Reálná osa a) G. věta regulárnost nezaručí, neboť počátek (tj. nula) leží v největším modrém kruhu, není vyloučeno, že je vl. č. b) Ne; stačí G. věta, 4+2i leží mimo G. kruhy. c) G. věta připouští, že mohlo, neboť 4+2i leží v G. kruhu. Spektrální poloměr přesný (A) = 2+3i = 2 3i = 13, odhadnutý dle G. věty Geršgorin (A) = 6 (poloměr nejmenšího kruhu pokrývajícího všechny modré kružnice).
28 Vlastní vektory: řešíme (A λi)v = (,, ) T λ 1 = 2+3i 1 3i i 3i 3i 2 1 3i i 2 1 3i 3i v 1 = 1 3i r, r C\{} 2 Zkouška: levá strana Av 1, pravá strana λ 1 v 1 ; levá str.? = pravá str. Av 1 = i = 11 3i, λ 1 v 1 = (2+3i) 1 3i = 11 3i ; i 2 4+6i levá strana = pravá strana, tj. (λ 1, v 1 ) je vlastní pár.
29 1+3i i λ 2 = 2 3i 3i 3i 2 1+3i i 2 1 3i 3i 1+3i v 2 = 2 q, q C\{} Zk λ 3 = 2 v 3 = 1 p, p C\{} Zk
30 Příklad Je dána matice 1+3i 1+i 2/(1+i) A = 1/2 3 2i (1+i)/i. 2i (1+i)/2 3i Pomocí Geršgorinovy věty zjistěte, a) zda je zaručeno, že matice A je regulární; b) zda by číslo 2+3i mohlo být vlastním číslem matice A; c) zda by číslo 3 2i mohlo být vlastním číslem matice A; d) zda by číslo 2/5 i/5 mohlo být vlastním číslem matice A 1. Odhadněte spektrální poloměr. Geršgorinovy kruhy Kruh K 1 : S 1 = [1, 3], r 1 = 2 2 < 3 Kruh K 2 : S 2 = [3, 2], r 2 = < 2 Kruh K 3 : S 3 = [, 3], r 3 = < 3
31 G. kruznice, vl. cisla λ, spektr. polomer, jeho h. odhad 6 4 λ 1 S 1 Imaginární osa 2 2 S 3 S 2 λ 3 4 λ Reálná osa a) ano, nula (počátek) je mimo G. kruhy; b) ano, leží v G. kruhu c) ne, protože nejbližší kruh je K 3, ale vzdálenost bodu od středu S 3 je 3 2i ( 3i) = 3+i = 1 > 3 1 d) ne, neboť = 2+i leží mimo G. kruhy, tedy nemůže 2/5 i/5 být vl. č. matice A, tudíž 2/5 i/5 nemůže být vl. č. matice A 1.
Vyučující: Jan Chleboun, místnost B-305, linka 3866 Konzultace: čtvrtek 13:00-14:40 nebo dle dohody
Předmět: MA04 Vyučující: Jan Chleboun, místnost B-305, linka 3866 (jan.chleboun@cvut.cz) Konzultace: čtvrtek 13:00-14:40 nebo dle dohody Sledovat informace na webových stránkách vyučujícího (o zkoušce,
VíceČetba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).
Předmět: MA 4 Dnešní látka Vektorový (lineární) prostor (připomenutí) Normovaný lineární prostor Normy matic a vektorů Symetrické matice, pozitivně definitní matice Gaussova eliminační metoda, podmíněnost
VíceUčební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008
Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty študenti MFF 15. augusta 2008 1 14 Vlastní čísla a vlastní hodnoty Požadavky Vlastní čísla a vlastní hodnoty lineárního
VíceČetba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).
Předmět: MA 4 Dnešní látka Vlastní čísla a vektory Google Normovaný lineární prostor Normy matic a vektorů Symetrické matice, pozitivně definitní matice Gaussova eliminační metoda, podmíněnost matic Četba:
VíceVlastní číslo, vektor
[1] Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost
Více[1] Motivace. p = {t u ; t R}, A(p) = {A(t u ); t R} = {t A( u ); t R}
Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost s diagonální
VícePodobnost matic. Definice 8.6. Dány matice A, B M n (C). Jestliže existuje regulární matice P M n (C) tak,
Podobnost matic Definice 84 Dány matice A, B M n (C) Jestliže existuje regulární matice P M n (C) tak, že B = P 1 AP, pak říkáme, že matice B je podobná matici A a píšeme A B Takto zavedená binární relace
VíceMatematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29
Matematika 1 11. přednáška MA1 1 Opakování 2 Determinant 3 Adjungovaná matice 4 Cramerovo pravidlo 5 Vlastní čísla a vlastní vektory matic 6 Zkouška; konzultace; výběrová matematika;... 11. přednáška (15.12.2010
VíceČetba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).
Předmět: MA 4 Dnešní látka Lineární (vektorový) prostor Normovaný lineární prostor Normy matic a vektorů Symetrické matice, pozitivně definitní matice Gaussova eliminační metoda, podmíněnost matic Četba:
VíceVlastní čísla a vlastní vektory
Kapitola 11 Vlastní čísla a vlastní vektory Základní motivace pro studium vlastních čísel a vektorů pochází z teorie řešení diferenciálních rovnic Tato teorie říká, že obecné řešení lineární diferenciální
VíceVlastní čísla a vlastní vektory
Kapitola 15 Vlastní čísla a vlastní vektory V této a následujících kapitolách budeme zkoumat jeden z nejdůležitějších pojmů tohoto kurzu. Definice15.1 Buď A:V Vlineárnízobrazení,Vvektorovýprostornad tělesem
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 ),
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)
Vícea vlastních vektorů Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové (A λ i I) v = 0.
Výpočet vlastních čísel a vlastních vektorů S pojmem vlastního čísla jsme se již setkali například u iteračních metod pro řešení soustavy lineárních algebraických rovnic. Velikosti vlastních čísel iterační
VíceUčební texty k státní bakalářské zkoušce Matematika Diferenciální rovnice. študenti MFF 15. augusta 2008
Učební texty k státní bakalářské zkoušce Matematika Diferenciální rovnice študenti MFF 15. augusta 2008 1 7 Diferenciální rovnice Požadavky Soustavy lineárních diferenciálních rovnic prvního řádu lineární
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
VíceDnešní látka Opakování: normy vektorů a matic, podmíněnost matic Jacobiova iterační metoda Gaussova-Seidelova iterační metoda
Předmět: MA 4 Dnešní látka Opakování: normy vektorů a matic, podmíněnost matic Jacobiova iterační metoda Gaussova-Seidelova iterační metoda Četba: Text o lineární algebře v Příručce přežití na webových
VíceMatematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan. 14.
Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan 14. Vlastní vektory Bud V vektorový prostor nad polem P. Lineární zobrazení f : V
VíceDnešní látka Variačně formulované okrajové úlohy zúplnění prostoru funkcí. Lineární zobrazení.
Předmět: MA4 Dnešní látka Variačně formulované okrajové úlohy zúplnění prostoru funkcí. Lineární zobrazení. Literatura: Kapitola 2 a)-c) a kapitola 4 a)-c) ze skript Karel Rektorys: Matematika 43, ČVUT,
Více2.6. VLASTNÍ ČÍSLA A VEKTORY MATIC
.6. VLASTNÍ ČÍSLA A VEKTORY MATIC V této kapitole se dozvíte: jak jsou definována vlastní (charakteristická) čísla a vektory čtvercové matice; co je to charakteristická matice a charakteristický polynom
VíceFaculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague
Tomáš Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague 1 / 63 1 2 3 4 5 6 7 8 9 10 11 2 / 63 Aritmetický vektor Definition 1 Aritmetický vektor x je uspořádaná
VíceArnoldiho a Lanczosova metoda
Arnoldiho a Lanczosova metoda 1 Částečný problém vlastních čísel Ne vždy je potřeba (a někdy to není ani technicky možné) nalézt celé spektrum dané matice (velké řídké matice). Úloze, ve které chceme aproximovat
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
Více(2) [B] Nechť G je konečná grupa tvořena celočíselnými maticemi roměru 2 2 s operací násobení. Nalezněte všechny takové grupy až na izomorfizmus.
(1 [B] Nechť A : R 6 R 6 je lineární zobrazební takové, že A 26 = I. Najděte lineární prostory V 1, V 2 a V 3 takové, že R 6 = V 1 V 2 V 3 dim V 1 = dim V 2 = dim V 3 AV 1 V 1, AV 2 V 2 a AV 3 V 3 (2 [B]
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,
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
VíceCHARAKTERISTICKÉ VEKTORY
Kapitola 3 CHARAKTERISTICKÉ VEKTORY Nyní se budeme zabývat vlastnostmi matic lineárních zobrazení A: V V, kde V je vektorový prostor dimenze n Protože každý komplexní n -dimenzionální vektorový prostor
VíceVlastní čísla a vlastní vektory
5 Vlastní čísla a vlastní vektor Poznámka: Je-li A : V V lineární zobrazení z prostoru V do prostoru V někd se takové zobrazení nazývá lineárním operátorem, pak je přirozeným požadavkem najít takovou bázi
VíceVlastní čísla a vlastní vektory
Vlastní čísla a vlastní vektory 1 Motivace Uvažujme lineární prostor všech vázaných vektorů v rovině, které procházejí počátkem, a lineární zobrazení tohoto prostoru do sebe(lineární transformaci, endomorfismus)
VíceVYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY
VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY Jan Krejčí 31. srpna 2006 jkrejci@physics.ujep.cz http://physics.ujep.cz/~jkrejci Obsah 1 Přímé metody řešení soustav lineárních rovnic 3 1.1 Gaussova eliminace...............................
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
VíceLineární algebra : Skalární součin a ortogonalita
Lineární algebra : Skalární součin a ortogonalita (15. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních
Vícestránkách přednášejícího.
Předmět: MA 4 Dnešní látka Iterační metoda Jacobiova iterační metoda Gaussova-Seidelova iterační metoda Superrelaxační metoda (metoda SOR) Metoda sdružených gradientů Četba: Text o lineární algebře v Příručce
Více2. Schurova věta. Petr Tichý. 3. října 2012
2. Schurova věta Petr Tichý 3. října 2012 1 Podobnostní transformace a výpočet vlastních čísel Obecný princip: Úloha: Řešíme-li matematickou úlohu, je často velmi vhodné hledat její ekvivalentní formulaci
Více15 Maticový a vektorový počet II
M. Rokyta, MFF UK: Aplikovaná matematika III kap. 15: Maticový a vektorový počet II 1 15 Maticový a vektorový počet II 15.1 Úvod Opakování z 1. ročníku (z kapitoly 8) Označení. Množinu všech reálných resp.
VíceVšechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat
Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat Čtvercová matice n n, např. může reprezentovat: A = A A 2 A 3 A 2 A 22 A 23 A 3 A 32 A 33 matici koeficientů soustavy n lineárních
VíceAVDAT Vektory a matice
AVDAT Vektory a matice Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Vektory x = x 1 x 2. x p y = y 1 y 2. y p Řádkový vektor dostaneme transpozicí sloupcového vektoru x
VíceÚlohy k přednášce NMAG 101 a 120: Lineární algebra a geometrie 1 a 2,
Úlohy k přednášce NMAG a : Lineární algebra a geometrie a Verze ze dne. května Toto je seznam přímočarých příkladů k přednášce. Úlohy z tohoto seznamu je nezbytně nutné umět řešit. Podobné typy úloh se
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...
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
VíceLineární algebra : Vlastní čísla, vektory a diagonalizace
Lineární algebra : Vlastní čísla, vektory a diagonalizace (14. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 21. dubna 2014, 19:37 1 2 14.1 Vlastní čísla a vlastní vektory Nechť je
VíceFakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR
DEN: ODR teoreticky: soustavy rovnic Soustava lineárních ODR 1 řádu s konstantními koeficienty je soustava ve tvaru y 1 = a 11 y 1 + a 12 y 2 + + a 1n y n + b 1 (x) y 2 = a 21 y 1 + a 22 y 2 + + a 2n y
VícePodobnostní transformace
Schurova věta 1 Podobnostní transformace a výpočet vlastních čísel Obecný princip: Úloha: Řešíme-li matematickou úlohu, je často velmi vhodné hledat její ekvivalentní formulaci tak, aby se řešení úlohy
VíceMatematika I A ukázkový test 1 pro 2011/2012. x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a
Matematika I A ukázkový test 1 pro 2011/2012 1. Je dána soustava rovnic s parametrem a R x y + z = 1 a) Napište Frobeniovu větu. x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a b) Vyšetřete počet řešení soustavy
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
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
VíceInterpolace, ortogonální polynomy, Gaussova kvadratura
Interpolace, ortogonální polynomy, Gaussova kvadratura Petr Tichý 20. listopadu 2013 1 Úloha Lagrangeovy interpolace Dán omezený uzavřený interval [a, b] a v něm n + 1 různých bodů x 0, x 1,..., x n. Nechť
VíceNejdřív spočítáme jeden příklad na variaci konstant pro lineární diferenciální rovnici 2. řádu s kostantními koeficienty. y + y = 4 sin t.
1 Variace konstanty Nejdřív spočítáme jeden příklad na variaci konstant pro lineární diferenciální rovnici 2. řádu s kostantními koeficienty. Příklad 1 Najděte obecné řešení rovnice: y + y = 4 sin t. Co
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
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
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
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
VíceProgram SMP pro kombinované studium
Zadání příkladů k procvičení na seminář Program SMP pro kombinované studium Nejdůležitější typy příkladů - minimum znalostí před zkouškovou písemkou 1) Matice 1. Pro matice 1 0 2 1 0 3 B = 7 3 4 4 2 0
Více2.6. Vlastní čísla a vlastní vektory matice
26 Cíle V této části se budeme zabývat hledáním čísla λ které je řešením rovnice A x = λ x (1) kde A je matice řádu n Znalost řešení takové rovnice má řadu aplikací nejen v matematice Definice 261 Nechť
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
VíceLiteratura: Text o lineární algebře na webových stránkách přednášejícího (pro opakování). Kapitoly 4 a 5 ze skript Ondřej Zindulka: Matematika 3,
Předmět: MA4 Dnešní látka Motivační úloha: ztráta stability nosníku Obyčejné diferenciální rovnice s okrajovými podmínkami a jejich řešitelnost Vlastní čísla a vlastní funkce Obecnější pohled na řešitelnost
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,...,
VíceLineární algebra : Skalární součin a ortogonalita
Lineární algebra : Skalární součin a ortogonalita (15. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 30. dubna 2014, 09:00 1 2 15.1 Prehilhertovy prostory Definice 1. Buď V LP nad
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
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
Více10 Funkce více proměnných
M. Rokyta, MFF UK: Aplikovaná matematika II kap. 10: Funkce více proměnných 16 10 Funkce více proměnných 10.1 Základní pojmy Definice. Eukleidovskou vzdáleností bodů x = (x 1,...,x n ), y = (y 1,...,y
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
VícePrimitivní funkce a Riemann uv integrál Lineární algebra Taylor uv polynom Extrémy funkcí více prom ˇenných Matematika III Matematika III Program
Program Primitivní funkce a Riemannův integrál Program Primitivní funkce a Riemannův integrál Lineární algebra Program Primitivní funkce a Riemannův integrál Lineární algebra Taylorův polynom Program Primitivní
Více1. Jordanův kanonický tvar
. Jordanův kanonický tvar Obecně nelze pro zadaný lineární operátor ϕ : U U najít bázi α takovou, že (ϕ) α,α by byla diagonální. Obecně však platí, že pro každý lineární operátor ϕ : U U nad komplexními
VíceDefinice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru. Kvadratická forma v n proměnných je tak polynom n proměnných s
Kapitola 13 Kvadratické formy Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru f(x 1,..., x n ) = a ij x i x j, kde koeficienty a ij T. j=i Kvadratická forma v n proměnných
VíceUčební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008
Učební texty k státní bakalářské zkoušce Matematika Skalární součin študenti MFF 15. augusta 2008 1 10 Skalární součin Požadavky Vlastnosti v reálném i komplexním případě Norma Cauchy-Schwarzova nerovnost
VíceMatematika I A ukázkový test 1 pro 2014/2015
Matematika I A ukázkový test 1 pro 2014/2015 1. Je dána soustava rovnic s parametrem a R x y + z = 1 x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a a) Napište Frobeniovu větu (existence i počet řešení). b)
VícePřijímací zkouška na navazující magisterské studium Studijní program Fyzika obor Učitelství fyziky matematiky pro střední školy
Přijímací zkouška na navazující magisterské studium 013 Studijní program Fyzika obor Učitelství fyziky matematiky pro střední školy Studijní program Učitelství pro základní školy - obor Učitelství fyziky
VíceMatematika 1 Jiˇr ı Fiˇser 19. z aˇr ı 2016 Jiˇr ı Fiˇser (KMA, PˇrF UP Olomouc) KMA MAT1 19. z aˇr ı / 19
Matematika 1 Jiří Fišer 19. září 2016 Jiří Fišer (KMA, PřF UP Olomouc) KMA MAT1 19. září 2016 1 / 19 Zimní semestr KMA MAT1 1 Úprava algebraických výrazů. Číselné obory. 2 Kombinatorika, základy teorie
VíceIterační metody řešení soustav lineárních rovnic. 27. prosince 2011
Iterační metody řešení soustav lineárních rovnic Michal Čihák 27. prosince 2011 Přímé metody řešení soustav lineárních rovnic V přednáškách z lineární algebry jste se seznámili s několika metodami řešení
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
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,
Vícez = a bi. z + v = (a + bi) + (c + di) = (a + c) + (b + d)i. z v = (a + bi) (c + di) = (a c) + (b d)i. z v = (a + bi) (c + di) = (ac bd) + (bc + ad)i.
KOMLEXNÍ ČÍSLA C = {a + bi; a, b R}, kde i 2 = 1 Číslo komplexně sdružené k z = a + bi je číslo z = a bi. Operace s komplexními čísly: z = a + bi, kde a, b R v = c + di, kde c, d R Sčítání Odčítání Násobení
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.
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,
VíceOrtogonální projekce a ortogonální zobrazení
Drsná matematika I 9. přednáška Ortogonální projekce a ortogonální zobrazení Jan Slovák Masarykova univerzita Fakulta informatiky 27. 4. 2010 Obsah přednášky 1 Literatura 2 Projekce a ortogonální zobrazení
VíceDiferenˇcní rovnice Diferenciální rovnice Matematika IV Matematika IV Program
Program Diferenční rovnice Program Diferenční rovnice Diferenciální rovnice Program Frisch a Samuelson: Systém je dynamický, jestliže jeho chování v čase je určeno funkcionální rovnicí, jejíž neznámé závisí
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).
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
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
VíceVzpěr jednoduchého rámu, diferenciální operátory. Lenka Dohnalová
1 / 40 Vzpěr jednoduchého rámu, diferenciální operátory Lenka Dohnalová ČVUT, fakulta stavební, ZS 2015/2016 katedra stavební mechaniky a katedra matematiky, Odborné vedení: doc. Ing. Jan Zeman, Ph.D.,
VíceLDF MENDELU. Simona Fišnarová (MENDELU) LDR druhého řádu VMAT, IMT 1 / 22
Lineární diferenciální rovnice druhého řádu Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF)
Více2 Vektorové normy. Základy numerické matematiky - NMNM201. Definice 1 (Norma). Norma je funkcionál splňující pro libovolné vektory x a y a pro
Cvičení 1 Základy numerické matematiky - NMNM201 1 Základní pojmy opakování Definice 1 (Norma). Norma je funkcionál splňující pro libovolné vektory x a y a pro libovolný skalár α C následující podmínky:
VíceDefinice : Definice :
KAPITOLA 7: Spektrální analýza operátorů a matic [PAN16-K7-1] Definice : Necht H je komplexní Hilbertův prostor. Řekneme, že operátor T B(H) je normální, jestliže T T = T T. Operátor T B(H) je normální
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
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 =
VíceMatematika pro informatiky
(FIT ČVUT v Praze) Konvexní analýza 13.týden 1 / 1 Matematika pro informatiky Jaroslav Milota Fakulta informačních technologíı České vysoké učení technické v Praze Letní semestr 2010/11 Extrémy funkce
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 =
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
Více(u, v) u. v. cos φ =
LA 3. cvičení Ortogonalita, Gramm-Schmitův ortonormalizační proces Lukáš Pospíšil, Martin Hasal,2 Ortogonální systém vektorů Poznámka: Motivace - připomeňme si Kosinovu větu v obecném tvaru kde φ je úhel
Více1 Determinanty a inverzní matice
Determinanty a inverzní matice Definice Necht A = (a ij ) je matice typu (n, n), n 2 Subdeterminantem A ij matice A příslušným pozici (i, j) nazýváme determinant matice, která vznikne z A vypuštěním i-tého
Vícematiceteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést
Úlohy k zamyšlení 1. Zdůvodněte, proč třetí řádek Hornerova schématu pro vyhodnocení polynomu p v bodě c obsahuje koeficienty polynomu r, pro který platí p(x) = (x c) r(x) + p(c). 2. Dokažte, že pokud
VíceSoustavy. 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.
VíceMatematika 3. Úloha 1. Úloha 2. Úloha 3
Matematika 3 Úloha 1 Co lze říci o funkci imaginární část komplexního čísla která každému komplexnímu číslu q přiřazuje číslo Im(q)? a. Je to funkce mnohoznačná. b. Je to reálná funkce komplexní proměnné.
VíceCo je obsahem numerických metod?
Numerické metody Úvod Úvod Co je obsahem numerických metod? Numerické metody slouží k přibližnému výpočtu věcí, které se přesně vypočítat bud nedají vůbec, nebo by byl výpočet neúměrně pracný. Obsahem
VíceZdrojem většiny příkladů je sbírka úloh 1. cvičení ( ) 2. cvičení ( )
Příklady řešené na cvičení LA II - LS 1/13 Zdrojem většiny příkladů je sbírka úloh http://kam.mff.cuni.cz/~sbirka/ 1. cvičení (..13) 1. Rozhodněte, které z následujících operací jsou skalárním součinem
VíceLinearní algebra příklady
Linearní algebra příklady 6. listopadu 008 9:56 Značení: E jednotková matice, E ij matice mající v pozici (i, j jedničku a jinak nuly. [...]... lineární obal dané soustavy vektorů. Popište pomocí maticového
VíceTeorie náhodných matic aneb tak trochu jiná statistika
Teorie náhodných matic aneb tak trochu jiná statistika B. Vlková 1, M.Berg 2, B. Martínek 3, O. Švec 4, M. Neumann 5 Gymnázium Uničov 1, Gymnázium Václava Hraběte Hořovice 2, Mendelovo gymnázium Opava
Více19 Hilbertovy prostory
M. Rokyta, MFF UK: Aplikovaná matematika III kap. 19: Hilbertovy prostory 34 19 Hilbertovy prostory 19.1 Úvod, základní pojmy Poznámka (připomenutí). Necht (X,(, )) je vektorový prostor se skalárním součinem
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
Více