1 Zobrazení 1 ZOBRAZENÍ 1. Zobrazení a algebraické struktury. (a) Ukažte, že zobrazení f : x
|
|
- Eva Urbanová
- před 6 lety
- Počet zobrazení:
Transkript
1 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. Dokažte, že zobrazení g : x 2 x a 1 je bijekce b a (a, b) na ( 1, 1). (c) S využitím (a), (b) dokažte, že existuje bijekce R na libovolný otevřený interval (a, b) R (pro a < b) Určete vlastnosti následujích zobrazení: (a) f 1 : C R, f 1 (x + yi) = x; (b) f 2 : C R 2, f 2 (x + yi) = (x, y); (c) f 3 : R 2 R 3, f 3 ((x, y)) = (x + 1, y, x); (d) f 4 : R 3 R 3, f 4 ((x, y, z)) = (x y, x 2y, x 3z); (e) f 5 : R n R, f 5 ((x 1,..., x n )) = x x n ; (f) f 6 : R n R n, f 6 ((x 1, x 2,..., x n )) = (x 1, x 1 + x 2,..., x 1 + x x n ) Necht f : A B a g : B C jsou zobrazení. Dokažte, že (a) je-li složené zobrazení f g : A C injekce, pak f je injekce, (b) je-li f g : A C surjekce, pak g je surjekce, (c) je-li f g bijekce, potom f je injekce a g surjekce Necht f, g, h jsou zobrazení neprázdné množiny A do sebe. Dokažte, že (a) je-li h injekce, pak z f h = g h plyne f = g, (b) je-li h surjekce, pak z h f = h g plyne f = g.
2 2 GRUPOIDY 2 2 Grupoidy Příklad 2.1. Na množině R definujme binární operaci takto: Určete vlastnosti grupodu (R, ). x y = min{x, y}. Příklad 2.2. Na intervalu [0, 1] = {x R: 0 x 1} definujme operaci : x y = min{x + y, 1}. Vyšetřete vlastnosti grupoidu ([0, 1], ). Příklad 2.3. Necht (G, ) je grupa, a G pevně zvolený prvek. Definujme na G novou operaci takto: Dokažte, že (G, ) je grupa. x y = x a 1 y. Příklad 2.4. Na kartézském součinu R 2 = R R definujme operaci : (a, b) (c, d) = (ac, ad + b). Vyšetřete (R 2, ) a (A, ), kde A = {(a, b): a, b R, a 0}. Příklad 2.5. Necht A je množina všech aditivních reálných funkcí jedné proměnné, tj. zobrazení f : R R takových, že f(x + y) = f(x) + f(y) pro každé x R. Na A definujme sčítání po bodech : Dokažte, že (A, +) je komutativní grupa. (f + g)(x) = f(x) + g(x). (2.1) 2.1. Na množině Z všech celých čísel definujme binární operace a takto: x y = max{x, y}, x y = min{x, y}. Jaké vlastnosti mají grupoidy (Z, ), (Z, ), (N, ) a (N, )?
3 2 GRUPOIDY Na množině všech racionálních čísel Q definujme operaci takto: Vyšetřete vlastnosti grupoidu (Q, ). x y = x + y Sestavte tabulky operace z příkladu?? na množině {0, a, b, c, 1} [0, 1] pro případy 1) a < b < c, 2) a < c < b a 3) c < a < b Necht (G, ) je konečná pologrupa s jednotkou e. Dokažte, že (G, ) je grupa, právě když její tabulka má následující vlastnost: ( ) V každém řádku i každém sloupci je každý prvek právě jedenkrát Napište všechny tabulky operace na množině G tak, aby (G, ) byla grupa s jednotkou e pro: (a) G = {e, a}, (b) G = {e, a, b}, (c) G = {e, a, b, c} Necht A = {(a, b): a, b R, a 0}. Definujme binární operaci na A takto: (a, b) (c, d) = (ac, bc + d). Vyšetřete vlastnosti (A, ) Vyšetřete vlastnosti grupoidů (R, ) a (R, ), kde x y = x + y + 1, x y = x + y + xy Necht (G, ) je grupoid. Řekneme, že prvek a G je idempotentní, jestliže a a = a. Dokažte, že když (G, ) je grupa, pak jediným idempotentním prvkem je jednotka e Necht (G, ) je grupa. Dokažte, že pokud a a = e pro každé a G, pak grupa (G, ) je komutativní Komplexní číslo z C se nazývá n-tá odmocnina z 1 (n N), pokud z n = 1. Dokažte, že množina všech n-tých odmocnin z 1 tvoří vzhledem k obvyklému násobení komplexních čísel komutativní grupu.
4 3 OKRUHY Zjistěte, zde množina všech komplexních jednotek (tj. čísel z C takových, že z = 1) tvoří vzhledem k násobení komplexních čísel grupu Sestrojte grupu symetrií (= zákrytových pohybů) (a) obdélníka (který není čtverec), (b) rovnostranného trojúhelníka, (c) čtverce Označme M množinu všech matic ve tvaru ( ) ( ) x y x 0 a) b) 0 x y 1 kde x, y R, x 0. Vyšetřete strukturu (M, ), kde operace je násobení matic Na kartézském součinu Z 3 = Z Z Z definujme sčítání následujícím způsobem: { (k 1 + k 2, l 1 + l 2, m 1 + m 2 ) pro m 1 sudé, (k 1, l 1, m 1 ) + (k 2, l 2, m 2 ) = (k 1 + l 2, l 1 + k 2, m 1 + m 2 ) pro m 1 liché. Dokažte, že (Z 3, +) je nekomutativní grupa Na kartézském součinu R 2 definujme operaci následujícím způsobem: (x 1, y 1 ) (x 2, y 2 ) = (x 1 + x 2, y 1 e x 2 + y 2 ). Dokažte, že (R 2, ) je nekomutativní grupa. 3 Okruhy Příklad 3.1. Necht M je množina všech reálných funkcí f : R R takových, že f(0) = 0. Na M definujeme součet a součin funkcí obvyklým způsobem, tj. (f + g)(x) = f(x) + g(x) a (fg)(x) = f(x)g(x) pro x R. Ukažte, že (M, +, ) je komutativní unitární okruh, který není obor integrity.
5 3 OKRUHY 5 Příklad 3.2. Necht M je množina všech matic tvaru ( ) ( ) a b a b a), kde a, b R, b), kde a, b Q. 2b a 2b a Zjistěte, jakou strukturu tvoří M vzhledem ke sčítání a násobení matic Zjistěte, jaké struktury tvoří následující množiny vzhledem k obvyklému sčítání a násobení komplexních čísel: (a) Z(i) = {a + bi: a, b Z}, (b) Z( 2) = {a + b 2: a, b Z}, (c) Z( 3 2) = {a + b 3 2: a, b Z} Na R definujme operace a takto: x y = x + y + 1, x y = x + y + xy. Dokažte, že (R,, ) je komutativní těleso Necht M je množina všech reálných funkcí f : R R, které splňují podmínku f(0) = 0. Vyšetřete strukturu (M, +, ), kde součet + je definován předpisem (f + g)(x) = f(x) + g(x) pro x, y R a operace je skládání zobrazení Doplňte tabulku násobení tak, aby struktura ({0, 1, a, b}, +, ) byla těleso: a b a b b a a a b 0 1 b b a a b a b a 0 a.. b 0 b..
6 3 OKRUHY Určete vlastnosti následujících dvou okruhů: (a) a b c x y z a b c x y z x z y a c b a a x 0 c b 1 z y b b z c 0 a y x 1 c c y b a 0 z 1 x x x a 1 y z 0 b c y y c z x 1 b 0 a z z b y 1 x c a a b c x y z a b c x y z a 0 a a b c 0 b c b 0 b b c a 0 c a c 0 c c a b 0 a b x 0 x x x x y 0 y b c a x z 1 z 0 z c a b x 1 y (b) a b c x y z a b c x y z x z y a c b a a x 0 c b 1 z y b b z c 0 a y x 1 c c y b a 0 z 1 x x x a 1 y z 0 b c y y c z x 1 b 0 a z z b y 1 x c a a b c x y z a b c x y z a 0 a b z 1 c x y b 0 b z y a 1 c x c 0 c 1 a x y z b x 0 x c 1 y z b a y 0 y x c z b a 1 z 0 z y x b a 1 c 3.6. Necht M je množina všech matic tvaru ( ) ( ) a b a b a), b), c) a ( ) a b, b a kde a, b R. Zjistěte, jakou strukturu tvoří M vzhledem ke sčítání a násobení matic Dokažte, že okruh zbytkových tříd (Z n,, ), n 2, je těleso, právě když n je prvočíslo.
7 4 OPERACE S MATICEMI 7 Matice a determinanty 4 Operace s maticemi Příklad 4.1. Nad tělesem R jsou dány matice ( ) ( ) A =, B =, C = ( ) 3 0, D = 1 1 ( ) Rozhodněte, zda jsou definovány matice A + B, C + D, AB, CD, 2A + 3CD, C 2, C 2 D 2, A T + B T, (A + B) T. V kladném případě je určete. Příklad 4.2. Najděte všechny matice A nad R, které jsou zaměnitelné s maticí ( ) 2 4 B =. 3 1 Příklad 4.3. Necht a R. Vypočtěte ( a 1 0 a pro n N Vypočtěte následující součiny, pokud jsou definovány: a) , ) n b) ( ) ,
8 5 PERMUTACE 8 c) ( ) ( ) ( ) 4 3, d) 7 5 ( ) 3 1 2, e) 3 4 ( ) 5 4 1, 5 2 f) ( ) n 2 1, g) 3 2 ( ) n 1 1, h) 0 1 ( ) , i) 0 1 ( ) Permutace Příklad 5.1. Určete znaménko permutace ( ) P = na množině {1, 2, 3, 4, 5} a rozložte ji na transpozice Určete počet inverzí v pořadí ( n n) Určete znaménko permutace P = ( ) a rozložte ji na transpozice Najděte permutaci P na množině {1, 2, 3, 4, 5, 6, 7} takovou, aby ( ) ( ) ( ) P = Rozhodněte, zda následující součin je členem determinantu příslušného stupně: a) a 13 a 22 a 34 a 24 a 41 a 56, b) a 32 a 51 a 31 a 45 a 24, c) a 11 a 24 a 35 a 42 a Determinanty Příklad 6.1. Vypočtěte determinant
9 6 DETERMINANTY Vypočtěte determinanty: a) b) c) x d) e) f) 1 1 x y y x g) a b c d 1 x h) 1 0 x i) x x j) k) l) Příklad 6.2. Vypočtěte determinant n-tého stupně (n 2): x... x x 1 x 0... x x x x... 0 x 1 x x... x Vypočtete determinanty n-tého stupně (n 2): 1 n n... n n n 2 n... n n a) n n 3... n b) n n n n... n c)
10 6 DETERMINANTY 10 d) a b a b e) 0 0 a a b b a 1 n n g) n... 1 h) n f) a b b... b b a b... b b b a... b b b b... a Příklad 6.3. Vypočtěte následující determinant stupně n: D n = Příklad 6.4. Necht x x 0 D n = x x je determinant je stupně n 2. Ukažte, že platí D n = ( 1) n(n 1) 2 x n Vypočtěte determinanty stupně n 2: n n 1 a) b) n n c)
11 7 HODNOST MATICE Vypočtěte následující determinant stupně 2n, n N: a b 0 a... b b... a 0 b a 7 Hodnost matice Příklad 7.1. Určete hodnost matice A = Určete hodnosti matic (nad C): A = , B = , C = i 1 i 2 + 3i , D = 3 + i 2i 5 + i 2 2i, i 3 i 1 + 8i 4 + 2i E = , F =
12 7 HODNOST MATICE 12 Příklad 7.2. Určete hodnost matice v závislosti na parametrech a, b R: 1 0 a 3 1 A = 1 1 a a 1 a a a b Příklad 7.3. Určete hodnost matice A v závislosti na parametrech a, b R: 2 1 a b A = 1 a Určete hodnosti následujících matic v závislosti na parametrech a, b R A = a a 2 2b a 2 6 2, B = a 2 b, 2 3b a a C = a b Příklad 7.4. K matici určete matici inverzní A = K dané matici určete matici inverzní: A = 5 4 1, B = , C = 5 1 6, ( ) D =, E = 6 3 4, F = ,
13 7 HODNOST MATICE 13 ( ) i 1 2i G =, H = 2 1 0, I = 0 1 2, 1 + 2i 1 i J = , K = Řešte následující maticové rovnice v M 3(R), resp. v M 2 (C): a) X = ; ( ) ( ) 1 + i b) X =. i 1 i 0 i Příklad 7.5. Určete inverzní matici k následující matici stupně n 2: A = Určete inverzní matice k následujícím čtvercovým maticím stupně n: a a 2... a n 2 a n A = , B = 0 1 a... a n 3 a n a, C =
14 7 HODNOST MATICE 14 Příklad 7.6. Rozhodněte, jsou-li následující soustavy lineárních rovnic řešitelné. V kladném případě určete množinu řešení: (a) (b) (c) 7.6. (a) (b) (c) 2x 1 3x 2 + 5x 3 + 7x 4 = 1 4x 1 6x 2 + 2x 3 + 3x 4 = 2 2x 1 3x 2 11x 3 15x 4 = 1 2x 1 + 5x 2 8x 3 = 8 4x 1 + 3x 2 9x 3 = 9 2x 1 + 3x 2 5x 3 = 7 x 1 + 8x 2 7x 3 = 12 2x 1 x 2 + 3x 3 2x 4 = 4 8x 1 + 5x 2 + 9x 3 = 2 5x 1 + 2x 2 + 6x 3 x 4 = 3 Řešte následující soustavy pomocí Gaussovy eliminační metody: x 1 + 2x 2 + 3x 3 + 4x 4 = 2 2x 1 + 3x 2 + 4x 3 + x 4 = 2 3x 1 + 4x 2 + x 3 + 2x 4 = 2 4x 1 + x 2 + 2x 3 + 3x 4 = 2 x 1 + x 2 + x 3 + x 4 4x 5 = 10 2x 1 x 2 + x 3 + 3x 4 5x 5 = 15 x 1 2x 2 + 3x 3 4x 4 + 2x 5 = 10 3x 1 + x 2 2x 3 x 4 x 5 = 5 2x 1 + 3x 2 x 3 + 2x 4 = 3 5x 1 + 7x 2 4x 3 + 7x 4 = 8 x 1 + 2x 2 + x 3 x 4 = 1 4x 1 + 7x 2 + x 3 = 5
15 7 HODNOST MATICE 15 (d) (e) (f) x 1 + 3x 2 x 3 x 4 = 4 2x 1 + 4x 2 x 3 + x 4 = 1 3x 1 + x 2 + x 3 + x 4 = 0 x 1 x 2 + x 3 2x 4 = 7 x 1 + 2x 2 + 3x 3 x 4 = 0 x 1 x 2 + x 3 + 2x 4 = 4 x 1 + 5x 2 + 5x 3 4x 4 = 4 x 1 + 8x 2 + 7x 3 7x 4 = 8 x 1 + 3x 2 + x 3 x 4 = 2 2x 1 2x 2 + x 4 = 3 2x 1 + 3x 2 + x 3 3x 4 = 6 3x 1 + 4x 2 x 3 + 2x 4 = Řešte následující soustavy Cramerovým pravidlem, pomocí inverzní matice i Gaussovou eliminační metodou: (a) (b) (c) x 1 + x 2 + 3x 3 = 7 x 1 3x 2 + 2x 3 = 5 x 1 + x 2 + x 3 = 3 x 1 + x 2 + x 3 2x 4 = 1 x 1 + x 2 2x 3 + x 4 = 2 x 1 2x 2 + x 3 + x 4 = 2 2x 1 + x 2 + x 3 + x 4 = 2 x 1 + 2x 2 3x 3 + 4x 4 x 5 = 1 2x 1 x 2 + 3x 3 x 4 + 2x 5 = 2 3x 1 x 2 x 3 + 2x 4 x 5 = 3 4x 1 + 3x 2 + 4x 3 + 2x 4 + 2x 5 = 2 x 1 x 2 x 3 + 2x 4 3x 5 = 3
16 7 HODNOST MATICE Pomocí Cramerova pravidla určete neznámou x 2 ze soustavy: 2x 1 + 5x 2 + 4x 3 + x 4 = 20 x 1 + 3x 2 + 2x 3 + x 4 = 11 2x x 2 + 9x 3 + 7x 4 = 40 3x 1 + 8x 2 + 9x 3 + 2x 4 = Pokud je to možné, řešte následující soustavy pomocí Cramerova pravidla. V opačném případě je řešte Gaussovou eliminační metodou: (a) (b) (c) (d) (e) 2x 1 x 2 + 2x 3 = 4 4x 1 + x 2 + 4x 3 = 2 x 1 + x 2 + 2x 3 = 1 x 1 + 2x 2 = 1 x 2 + x 3 = 0 x 1 x 4 = 1 x 1 + x 2 x 3 + x 4 = 2 3x 1 + 6x 2 9x 3 = 3 7x x 2 21x 3 = 7 5x x x 3 = 5 x 1 + 2x 2 3x 3 = 1 x 1 + x 2 + x 3 + x 4 = 0 x 2 + x 3 + x 4 + x 5 = 0 x 1 + 2x 2 + 3x 3 = 0 x 2 + 2x 3 + 3x 4 = 2 x 3 + 2x 4 + 3x 5 = 2 x 1 + 2x 2 + x 3 x 4 + x 5 = 1 x 1 + 3x 2 + 5x 3 4x 4 = 1 x 1 4x 2 + x 3 + x 4 x 5 = 3 x 1 + 3x 2 + 2x 3 2x 4 + x 5 = 1 x 1 2x 2 + x 3 x 4 x 5 = 3
17 7 HODNOST MATICE 17 (f) (g) x 1 + 2x 2 + 3x 3 + x 4 = 1 x 1 + 4x 2 + 5x 3 + 2x 4 = 2 2x 1 + 9x 2 + 8x 3 + 3x 4 = 7 3x 1 + 7x 2 + 7x 3 + 2x 4 = 12 5x 1 + 7x 2 + 9x 3 + 2x 4 = 20 2x 1 + x 2 + x 3 + x 4 = 0 x 1 + 2x 2 + x 3 + x 4 = 0 x 1 + x 2 + 2x 3 + x 4 = 0 x 1 + x 2 + x 3 + 2x 4 = 0 x 1 + x 2 + x 3 + x 4 = 0 Příklad 7.7. Určete obecné řešení a fundamentální systém řešení homogenní soustavy 6x 1 2x 2 + 2x 3 + 5x 4 + 7x 5 = 0 9x 1 3x 2 + 4x 3 + 8x 4 + 9x 5 = 0 6x 1 2x 2 + 6x 3 + 7x 4 + x 5 = 0 3x 1 x 2 + 4x 3 + 4x 4 x 5 = Určete obecné řešení a fundamentální systém soustavy: (a) (b) (c) 2x 1 4x 2 + 5x 3 + 3x 4 = 0 3x 1 6x 2 + 4x 3 + 2x 4 = 0 4x 1 8x x x 4 = 0 2x 1 + x 2 + x 3 + x 4 = 0 x 1 + 2x 2 + x 3 + x 4 = 0 x 1 + x 2 + 2x 3 + x 4 = 0 x 1 + x 2 + x 3 + 2x 4 = 0 x 1 + x 2 + x 3 + x 4 = 0 2x 1 + 5x 2 4x 3 4x 4 + 4x 5 = 0 2x 1 + x 2 x 3 x 4 + x 5 = 0 3x 1 + 8x 2 6x 3 6x 4 + 6x 5 = 0 3x 1 x 2 2x 3 + x 4 x 5 = 0
18 7 HODNOST MATICE 18 (d) (e) (f) 2x 1 + 3x 2 x 3 + 5x 4 = 0 3x 1 x 2 + 2x 3 7x 4 = 0 4x 1 + x 2 3x 3 + 6x 4 = 0 5x 1 x 2 + x 3 x 4 = 0 6x 1 + x 2 2x 3 + 3x 4 = 0 x 1 + 2x 2 + 4x 3 3x 4 = 0 3x 1 + 5x 2 + 6x 3 4x 4 = 0 4x 1 + 5x 2 2x 3 + 3x 4 = 0 3x 1 + 8x x 3 19x 4 = 0 x 1 4x 2 + 6x 3 + x 4 = 0 3x 1 x 2 + 5x 3 + 2x 4 = 0 7x 1 + 5x 2 + 3x 3 + 4x 4 = 0 9x 1 14x x 3 + 7x 4 = 0 Příklad 7.8. Zjistěte, zda vektory u 1 = (4, 2, 9, 20, 3), u 2 = (1, 11, 2, 13, 4) a u 3 = (9, 15, 8, 5, 2) tvoří fundamentální systém řešení soustavy 3x 1 + 4x 2 + 2x 3 + x 4 + 6x 5 = 0 5x 1 + 9x 2 + 7x 3 + 4x 4 + 7x 5 = 0 (S) 4x 1 + 3x 2 x 3 x x 5 = 0 x 1 + 6x 2 + 8x 3 + 5x 4 4x 5 = 0 Příklad 7.9. p: Řešte následující soustavu v závislosti na reálném parametru x 1 + px 2 + 3x 3 = 1 2x 1 + x 2 + px 3 = 3 x 1 5x 2 7x 3 = (a) Řešte následující soustavy v závislosti na parametru p: px 1 + x 2 = 1 x 1 + px 2 = p
19 7 HODNOST MATICE 19 (b) (c) (d) (e) (f) px 1 + x 2 = p x 1 + px 2 = 0 px 1 + x 2 = p x 1 + px 2 = p x 1 + x 2 + px 3 = p x 1 + px 2 + x 3 = p x 1 + x 2 + x 3 = 1 px 1 + x 2 + x 3 = 1 x 1 + px 2 + x 3 = 1 x 1 + x 2 + px 3 = 1 px 1 + x 2 + x 3 = 1 x 1 + px 2 + x 3 = p x 1 + x 2 + px 3 = p 2
20 8 VEKTOROVÉ PROSTORY A PODPROSTORY 20 8 Vektorové prostory a podprostory Příklad 8.1. Rozhodněte, zda následující čtveřice jsou vektorové prostory: (a) (C, +, R, ); (b) (R, +, Q, ); (c) (Z, +, Z, ); (d) (Z, +, Q, ) (ve všech čtyřech případech + a jsou obvyklé sčítání a násobení komplexních čísel); (e) (R 2, +, R, ), kde sčítání + je definováno po složkách, tj. (x 1, x 2 ) + (y 1, y 2 ) = (x 1 + y 1, x 2 + y 2 ), a levá vnější operace je dána předpisem a (x 1, x 2 ) = (ax 1, 0) Bud (T, +, ) číselné těleso, n N. Ověřte, že (T n, +, T, ), kde (x 1,..., x n ) + (y 1,..., y n ) = (x 1 + y 1,..., x n + y n ), a (x 1,..., x n ) = (ax 1,..., ax n ), je vektorový prostor, tzv. aritmetický prostor nad T Necht M m n (T ) je množina všech matic typu m n nad číselným tělesem T. Ukažte, že (M m n (T ), +, T, ) je vektorový prostor (+ je obvyklé sčítání matic, skalární násobení matic zleva, tj. a ij + b ij = a ij +b ij a c a ij = ca ij ) Necht C(a, b) je množina všech reálných funkcí spojitých na uzavřeném intervalu [a, b] = {x R: a x b}, kde a, b R, a < b. Definujme součet funkcí a reálný násobek obvyklým způsobem: (f + g)(x) = f(x) + g(x) & (c f)(x) = cf(x) pro f, g C(a, b), c R. Dokažte, že (C(a, b), +, R, ) je vektorový prostor. Příklad 8.2. Zjistěte, zda množina M tvoří podprostor (přesněji pole podprostoru) v aritmetickém prostoru (R 5, +, R, ): (a) M = {(x 1, x 2, x 1 + x 2, 0, 0): x 1, x 2 R}; (b) M = {(0, x 2, x 3, 2x 3, x 3 + 1): x 2, x 3 R}.
21 8 VEKTOROVÉ PROSTORY A PODPROSTORY Tvoří následující množiny podprostory v aritmetickém prostoru (R n, +, R, )? (a) M = Z n = {(x 1,..., x n ): x 1,..., x n Z}; (b) M = {(x 1,..., x n ): x x n = 0}; (c) M = {(x 1,..., x n ): x x n 0}; (d) M = {(x 1,..., x n ): x x n = a, 0 a R}. Příklad 8.3. V aritmetickém prostoru R 3 jsou dány vektory u 1 = (3, 2, 5), u 2 = (2, 4, 7), u 3 = (5, 6, a) a v = (1, 3, 5). Určete a R tak, aby v byl lineární kombinací vektorů u 1, u 2, u 3. Příklad 8.4. Najděte nutnou a postačující podmínku pro lineární nezávislost čísel 1 a u R \ {0} jako vektorů ve vektorovém prostoru (R, +, Q, ) V aritmetickém prostoru R 3 jsou dány vektory u 1 = (1, 2, 3), u 2 = (3, 1, 4) a u 3 = (a, 4, 11). Najděte a R tak, aby u 1, u 2, u 3 byly lineárně závislé Necht (V, +, T, ) je vektorový prostor konečné dimenze nad tělesem T. Najděte některou posloupnost lineárně závislých vektorů z V. Existuje posloupnost lineárně nezávislých vektorů ve V? 8.7. Rozhodněte, zda množina {(1, 0, 2), ( 2, 1, 1), (4, 1, 3)} je báze aritmetického prostoru R 3. Příklad 8.5. Necht W = [{u 1, u 2, u 3 }] je podprostor R 4 generovaný vektory u 1 = (3, 2, 1, 5), u 2 = ( 3, 4, 2, 1) a u 3 = (1, 0, 0, 1). Najděte bázi prostoru W, která obsahuje v = (1, 6, 3, 7) Zjistěte, zda vektory v = (1, 3, 0, 5) a w = (0, 0, 1, 1) patří do podprostoru W = [{u 1, u 2, u 3, u 4 }] (v R 4 ) generovaného vektory u 1 = (1, 1, 0, 1), u 2 = (1, 0, 0, 0), u 3 = (2, 1, 0, 0) a u 4 = (1, 0, 0, 1) Určete dimenzi a najděte některou bázi podprostoru W aritmetického prostoru R 4, který je generován vektory u 1 = (1, 1, 0, 0), u 2 = (2, 1, 3, 3), u 3 = (0, 1, 1, 1) a u 4 = (1, 0, 1, 1) Najděte bázi B aritmetického prostoru R 4 obsahující vektory (1, 1, 0, 0) a (0, 0, 1, 1).
22 8 VEKTOROVÉ PROSTORY A PODPROSTORY Pro které a R tvoří vektory u 1 = (0, 1, a), u 2 = (a, 0, 1) a u 3 = (a, 1, a + 1) bázi aritmetického prostoru R 3? Příklad 8.6. V aritmetickém prostoru R 4 máme dány vektory u 1 = (1, 2, 1, 0), u 2 = ( 1, 1, 1, 1), v 1 = (2, 1, 0, 1) a v 2 = (1, 1, 3, 7). Určete dimenze podprostorů U = [{u 1, u 2 }], V = [{v 1, v 2 }], U V a U + V. Příklad 8.7. Rozhodněte, zda vektory u 1 = (1, 1, 0, 0) a u 2 = (1, 0, 1, 1) generují stejný podprostor v R 4 jako v 1 = (2, 1, 3, 3) a v 2 = (0, 1, 1, 1) V R 4 jsou dány podprostory W 1 = [{(1, 1, 1, 1), (1, 1, 1, 1), (1, 3, 1, 3)}] a W 2 = [{(1, 2, 0, 2), (1, 2, 1, 2), (3, 1, 3, 1)}]. Určete dim W 1, dim W 2, dim(w 1 W 2 ) a dim(w 1 + W 2 ). Zdůvodněte, proč platí W 1 + W 2 = W 2 a W 1 W 2 = W V R 4 jsou dány podprostory W 1 = [{(1, 2, 1, 2), (2, 3, 1, 0), (1, 2, 2, 3)}] a W 2 = [{(1, 1, 1, 1), (1, 0, 1, 1), (1, 3, 0, 4)}]. Určete dim W 1, dim W 2, dim(w 1 W 2 ) a dim(w 1 + W 2 ). Najděte některou bázi W 1 + W Necht W 1 = [{(1, 4, 3, 2), (1, 3, 1, 1)}] a W 2 = [{(1, a+4, 5, 3), ( 1, 2a 4, 1, 0)}]. Jak závisí dim(w 1 W 2 ) na a R? Příklad 8.8. Necht (C(a, b), +, R, ) je vektorový prostor reálných funkcí spojitých na intervalu [a, b] (viz cvičení 7.14). Definujme zobrazení σ : C(a, b) C(a, b) R takto: σ(f, g) = b Ukažte, že σ je skalární součin na C(a, b). a f(x)g(x) dx Zjistěte, zda následující zobrazení jsou skalární součiny na aritmetickém prostoru R 2 (v obou případech u = (u 1, u 2 ), v = (v 1, v 2 )): (a) σ(u, v) = u 1 v 1 ; (b) τ(u, v) = u 1 v 1 u 1 v 2 u 2 v 1 + 2u 2 v 2.
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
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
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)
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
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
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
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
Program 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
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
ALGEBRA. Téma 4: Grupy, okruhy a pole
SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1, 746 01 Opava, tel. (553) 684 611 DENNÍ STUDIUM Téma 4: Grupy, okruhy a pole Základní pojmy unární operace, binární operace, asociativita,
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
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
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
maticeteorie 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
1. LINEÁRNÍ ALGEBRA Vektory Operace s vektory... 8 Úlohy k samostatnému řešení... 8
1 Lineární algebra 1 LINEÁRNÍ ALGEBRA 8 11 Vektory 8 111 Operace s vektory 8 8 112 Lineární závislost a nezávislost vektorů 8 8 113 Báze vektorového prostoru 9 9 12 Determinant 9 9 13 Matice 1 131 Operace
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
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
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
Jedná se o soustavy ve tvaru A X = B, kde A je daná matice typu m n,
Soutavy lineárních algebraických rovnic Jedná se o soustavy ve tvaru A X = B, kde A je daná matice typu m n, X R n je sloupcový vektor n neznámých x 1,..., x n, B R m je daný sloupcový vektor pravých stran
Teorie grup 1 Příklad axiomatické teorie
Teorie grup 1 Příklad axiomatické teorie Alena Šolcová 1 Binární operace Binary operation Binární operací na neprázdné množině A rozumíme každé zobrazení kartézského součinu A x A do A. Multiplikativní
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
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 ),
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
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
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
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
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
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
Zdrojem 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
Okruhy, podokruhy, obor integrity, těleso, homomorfismus. 1. Rozhodněte, zda daná množina M je podokruhem okruhu (C, +, ): f) M = { a
Sbírka příkladů z okruhů a polynomů Algebra I Okruhy, podokruhy, obor integrity, těleso, homomorfismus 1. Rozhodněte, zda daná množina M je podokruhem okruhu (C, +, ): a) M = {a + i a R}, b) M = {a + i
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
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
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
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..................................
Algebraické struktury s jednou binární operací
16 Kapitola 1 Algebraické struktury s jednou binární operací 1.1 1. Grupoid, pologrupa, monoid a grupa Chtěli by jste vědět, co jsou to algebraické struktury s jednou binární operací? No tak to si musíte
grupa těleso podgrupa konečné těleso polynomy komutativní generovaná prvkem, cyklická, řád prvku charakteristika tělesa
grupa komutativní podgrupa těleso generovaná prvkem, cyklická, řád prvku Malá Fermatova věta konečné těleso charakteristika tělesa polynomy ireducibilní prvky, primitivní prvky definice: G, je grupa kde
VÝSLEDKY Písemný test z předmětu BI-LIN( ), varianta R
VÝSLEDKY Písemný test z předmětu BI-LIN(19. 4. 2011), varianta R 1.Nechť p, q, rjsoupolynomy,všechnymajístupeňroven n.pakpolynom má stupeň: a)vždyroven n 2, b)vždyroven2n, c)vždyroven n, d)nejvýšeroven
α 1 α 2 + α 3 = 0 2α 1 + α 2 + α 3 = 0
Vzhledem k tomu, že jsem to psala ve velkém spěchu, mohou se vyskytnout nějaké chybičky. Pokud nějaké najdu, opravím je hned po prázdninách. Zadání A. 1. Vektory u, v, w jsou lineárně nezávislé. Rozhodněte,
[1] x (y z) = (x y) z... (asociativní zákon), x y = y x... (komutativní zákon).
Grupy, tělesa grupa: množina s jednou rozumnou operací příklady grup, vlastnosti těleso: množina se dvěma rozumnými operacemi příklady těles, vlastnosti, charakteristika tělesa lineární prostor nad tělesem
Matice. 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,...,
Jméno... Cvičení den... hodina... Datum...rok... Počet listů... Varianta A
æ æ Jméno... Cvičení den... hodina... Datum...rok... Počet listů.......... Varianta A 4 3 2 1 2 8 0 1 0 3 1. Vzhledem k reálnému parametru a diskutujte hodnost matice 2 1 0 1 2. 0 1 2 1 2 4 3 1 1 a 2.
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
A0B01LAA Lineární algebra a aplikace (příklady na cvičení- řešení)
A0B0LAA Lineární algebra a aplikace příklady na cvičení- řešení Martin Hadrava martin@hadrava.eu. ledna 0.týdenod9.9. Řešení soustav lineárních rovnic Gaussovou eliminační metodou diskuse počtu řešení..
Matice. 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
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
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
Hisab al-džebr val-muqabala ( Věda o redukci a vzájemném rušení ) Muhammada ibn Músá al-chvárizmího (790? - 850?, Chiva, Bagdád),
1 LINEÁRNÍ ALGEBRA 1 Lineární algebra Slovo ALGEBRA pochází z arabského al-jabr, což znamená nahrazení. Toto slovo se objevilo v názvu knihy islámského matematika Hisab al-džebr val-muqabala ( Věda o redukci
1 Vektorové prostory a podprostory
Pro nahrazení účasti v jednotlivých cvičeních (resp. pro studenty kombinované formy) je dostačující vypracování a odevzdání tučně vyznačených příkladů. 1 Vektorové prostory a podprostory Definujte vektorový
Algebra 1: řešené příklady ke cvičením
Katedra informatiky Přírodovědecká fakulta Univerzita Palackého v Olomouci Algebra 1: řešené příklady ke cvičením doc. RNDr. Miroslav Kolařík, Ph.D. Olomouc 2017 Toto skriptum 1 je určeno zejména studentům
Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat
Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat Čtvercová matice n n, např. může reprezentovat: A = A A 2 A 3 A 2 A 22 A 23 A 3 A 32 A 33 matici koeficientů soustavy n lineárních
Matematika 2 (Fakulta ekonomická) Cvičení z lineární algebry. TU v Liberci
Matematika 2 (Fakulta ekonomická) Cvičení z lineární algebry TU v Liberci Jiří Hozman 1. dubna 2010 Cvičení 2 Příklad 1. Rozhodněte, zda lze vektor x vyjádřit jako lineární kombinaci vektorů u, v, w, v
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 =
Požadavky ke zkoušce. Ukázková písemka
Požadavky ke zkoušce Zkouška z předmětu MATEMATIKA 1 má dvě části Písemná část: Písemná část se ještě dále rozděluje na praktickou část písemku a teoretickou část test. Písemka trvá 90 minut a je v ní
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
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
prvního semestru oboru odborná informatika. Látka je rozložena do deseti kapitol, které jsou uspořádány v souladu se skripty [5]
1 ÚVOD Cílem mé práce je sestavit sbírku úloh z lineární algebry. Ta je určena především pro posluchače prvního semestru oboru odborná informatika. Látka je rozložena do deseti kapitol, které jsou uspořádány
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.
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...
Matematika I pracovní listy
Matematika I pracovní listy Dagmar Dlouhá, Radka Hamříková, Zuzana Morávková, Michaela Tužilová Katedra matematiky a deskriptivní geometrie VŠB - Technická univerzita Ostrava Úvod Pracovní listy jsou určeny
ftp://math.feld.cvut.cz/pub/olsak/linal/
Petr Olšák Výcuc z textu Lineární algebra určeno pro promítání na přednášce Úvod do algebry http://www.olsak.net/linal.html ftp://math.feld.cvut.cz/pub/olsak/linal/ http://math.feld.cvut.cz/skripta/ua/
z textu Lineární algebra
2 Úvodní poznámky Petr Olšák Výcuc z textu Lineární algebra určeno pro promítání na přednášce Úvod do algebry http://www.olsak.net/linal.html ftp://math.feld.cvut.cz/pub/olsak/linal/ http://math.feld.cvut.cz/skripta/ua/
Řešení. Hledaná dimenze je (podle definice) rovna hodnosti matice. a 1 2. 1 + a 2 2 1
Příklad 1. Určete všechna řešení následující soustavy rovnic nad Z 2 : 0 0 0 1 1 1 0 1 0 1 1 1 1 1 0 1 0 1 0 1 1 Gaussovou eliminací převedeme zadanou soustavu na ekvivalentní soustavu v odstupňovaném
Soustavy lineárních rovnic
Přednáška MATEMATIKA č 4 Katedra ekonometrie FEM UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz 27 10 2010 Soustava lineárních rovnic Definice Soustava rovnic a 11 x 1 + a 12 x 2 + + a
Eukleidovský 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,
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 ).
Jazyk matematiky. 2.1. Matematická logika. 2.2. Množinové operace. 2.3. Zobrazení. 2.4. Rozšířená číslená osa
2. Jazyk matematiky 2.1. Matematická logika 2.2. Množinové operace 2.3. Zobrazení 2.4. Rozšířená číslená osa 1 2.1 Matematická logika 2.1.1 Výrokový počet logická operace zapisujeme čteme česky negace
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
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,
Matematika 2 pro PEF PaE
Determinanty / 8 Matematika 2 pro PEF PaE 3 Determinanty Přemysl Jedlička Katedra matematiky, TF ČZU Permutace Determinanty Výpočet determinantu z definice 2 / 8 Permutací množiny {,, n} rozumíme prosté
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),
Matematický 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
1 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
Pavel Horák LINEÁRNÍ ALGEBRA A GEOMETRIE 1 UČEBNÍ TEXT
Pavel Horák LINEÁRNÍ ALGEBRA A GEOMETRIE 1 UČEBNÍ TEXT 2 0 1 7 Obsah 1 Vektorové prostory 2 1 Vektorový prostor, podprostory........................ 2 2 Generování podprostor u............................
Množinu všech matic typu m n nad tělesem T budeme označovat M m n (T ), množinu všech čtvercových matic stupně n nad T pak M n (T ).
Matice Definice 4.1 Necht (T ; +, je číselné těleso, m, n N a dále necht a ij T pro všechny indexy i = 1, 2,..., m a j = 1, 2,..., n. Potom schéma a 11 a 12... a 1n a 21 a 22... a 2n... = (a ij m n a m1
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
a + 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
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
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.
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 =
Algebra II pro distanční studium
Algebra II pro distanční studium (1) Předmluva................... 3 I. Struktury s jednou binární operací........ 5 1. Základní vlastnosti grup.......... 5 2. Podgrupy................ 22 3. Grupy permutací.............
ČTVERCOVÉ MATICE. Čtvercová matice je taková matice, kde počet řádků je roven počtu jejích sloupců. det(a) značíme determinant čtvercové matice A
ČTVERCOVÉ MTICE Čtvercová matice je taková matice, kde počet řádků je roven počtu jejích sloupců. det() značíme determinant čtvercové matice Regulární matice hodnost je rovna jejímu řádu determinant je
ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A1. Cvičení, zimní semestr. Samostatné výstupy. Jan Šafařík
Vysoké učení technické v Brně Stavební fakulta ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE Matematika 0A1 Cvičení, zimní semestr Samostatné výstupy Jan Šafařík Brno c 2003 Obsah 1. Výstup č.1 2 2. Výstup
Státní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách
Státní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách Ústní zkouška z oboru Náročnost zkoušky je podtržena její ústní formou a komisionálním charakterem. Předmětem bakalářské zkoušky
(FAPPZ) Petr Gurka aktualizováno 12. října Přehled některých elementárních funkcí
1. Reálná funkce reálné proměnné, derivování (FAPPZ) Petr Gurka aktualizováno 12. října 2011 Obsah 1 Přehled některých elementárních funkcí 1 1.1 Polynomické funkce.......................... 1 1.2 Racionální
Číselné 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
Požadavky ke zkoušce
Požadavky ke zkoušce Zkouška z předmětu MATEMATIKA 2 má dvě části Písemná část: Písemná část se ještě dále rozděluje na praktickou část písemku a teoretickou část test. Písemka trvá 90 minut a je v ní
Soustavy 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.
10. DETERMINANTY " # $!
10. DETERMINANTY $ V této kapitole zavedeme determinanty čtvercových matic libovolného rozměru nad pevným tělesem, řekneme si jejich základní vlastnosti a naučíme se je vypočítat včetně příkladů jejich
Soustavy 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
výsledek 2209 y (5) (x) y (4) (x) y (3) (x) 7y (x) 20y (x) 12y(x) (horní indexy značí derivaci) pro 1. y(x) = sin2x 2. y(x) = cos2x 3.
Vypočtěte y (5) (x) y (4) (x) y (3) (x) 7y (x) 20y (x) 12y(x) (horní indexy značí derivaci) pro 1. y(x) = sin2x 2. y(x) = cos2x 3. y(x) = x sin2x 4. y(x) = x cos2x 5. y(x) = e x 1 6. y(x) = xe x 7. y(x)
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
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 )(
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
Faculty 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
Matematika 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)
1/10. Kapitola 12: Soustavy lineárních algebraických rovnic
1/10 Kapitola 12: Soustavy lineárních algebraických rovnic Soustavy lineárních algebraických rovnic 2/10 Definice: Soustavou m lineárních algebraických rovnic o n neznámých rozumíme soustavu rovnic a 11
Determinanty. Obsah. Aplikovaná matematika I. Pierre Simon de Laplace. Definice determinantu. Laplaceův rozvoj Vlastnosti determinantu.
Determinanty Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Determinanty Definice determinantu Sarrusovo a křížové pravidlo Laplaceův rozvoj Vlastnosti determinantu Výpočet determinantů 2 Inverzní
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
2. Určete jádro KerL zobrazení L, tj. nalezněte alespoň jednu jeho bázi a určete jeho dimenzi.
Řešené příklady z lineární algebry - část 3 Typové příklady s řešením Příklad 3.1: Zobrazení L: P 3 R 23 je zobrazení z prostoru P 3 všech polynomů do stupně 3 (včetně nulového polynomu) do prostoru R
1 Připomenutí vybraných pojmů
1 Připomenutí vybraných pojmů 1.1 Grupa Definice 1 ((Komutativní) grupa). Grupou (M, ) rozumíme množinu M spolu s operací na M, která má tyto vlastnosti: i) x, y M; x y M, Operace je neomezeně definovaná