s algebrou, ale nejsou součástí osnovy našeho úvodního předmětu.
|
|
- Radomír Pešan
- před 6 lety
- Počet zobrazení:
Transkript
1 Vážení studenti tento dokument obsahuje řešení ke cvičením která najdete ve skriptu Úvod od algebry zejména lineární Zatím nejsou uvedena řešení všechna ovšem postupně během semestru budu přidávat další V textu se znovu neopakuje zadání cvičení abychom ušetřili místo na papíru V případě že byste si to chtěli tisknout jistě uvítáte že je stránek co nejméně Ze stejného důvodu je text psán velmi stručně a hustě takže v žádném případě nemůže sloužit jako ukázka jak má vypadat dobrá typografie Šlo mi skutečně hlavně o úsporu místa Po pravé straně každého čísla příkladu jako horní index je uveden číselný údaj v rozsahu 0 5 kterým naznačuji důležitost tohoto příkladu v našem předmětu Úvod do algebry Pětka znamená příklad zásadní důležitosti a nula znamená že příklad můžete ignorovat Proč jsou ve skriptech příklady nulové důležitosti? Skripta totiž obsahují věci které se dají použít později v dalších předmětech souvisejících s algebrou ale nejsou součástí osnovy našeho úvodního předmětu Čísla označující důležitost příkladu v sobě zahrnují do jisté míry i obtížnost příkladu Lapidárně se dá říci že pokud neumíte samostatně odpovědět na cvičení označené číslem 5 pak je zbytečné chodit na zkoušku S účastí na zkoušce byste si to měli rozmyslet i při problémech se cvičeními označenými číslem 4 Cvičení s čísly a by neměla uniknout Vaší pozornosti pokud chcete získat větší přehled o předmětu a chcete u zkoušky dosáhnout na lepší známku než Tento text narozdíl od skript samotných neprošel redakční úpravou Dá se bohužel tedy předpokládat že v něm budou i nějaké chyby a překlepy Prosím o toleranci k těmto jevům a o případné upozornění na chyby abych je pak mohl v další verzi textu opravit Verze textu: Petr Olšák 7 Řešení a Platí : R R R : R R R je zřejmě komutativní x y z x+y + z x + y + + z + x y z α β x αβ x + α αβx + β + α αβx+αβ αβ x 4 α x y αx y+α αx+y ++α αx+αy +6x αx + α αy + α α x α y 5 α + β x α + βx + α + β αx + α + βx + β + α x β x 6 x x + x 7 0x + 0 nulovým vektorem je číslo R s operacemi tvoří lineární prostor b 5 + x x x x x x x + není to lineární prostor c 5 + x x x + 6 x + x x + x x není to lineární prostor 7 Řešení Platí : R R R : R R R je komutativní protože a + c c + a b + d d + b a b c d e f a + c b d + b d b + d e f a + c b d + b+d + e b + d f + b+d f b+d+f a+c+e b d f + b+d+f b+d+f a b c d e f α β a b α βa β b + βb βb αβa αβ b +α βb α βb +α αβb αβb αβa αβ b + αβb αβb αβ a b 4 α a b c d α a+c b d + b+d b+d αa+αc α b α d + α b+d αb + d+ αb+d αb+d αa+αc αb α d + αb+αd αb+αd α a b α c d 5 α + β a b αa + βa α b β b + α+βb α + βb α a b β a b 6 a b a b + b b a b 7 0a b 0a 0 b + 0 0b 0 nulový vektor je dvojice 0 74 Řešení Součet posloupností je posloupnost α-násobek posloupnosti je posloupnost Vlastnosti 7 ověříme stejně jako v příkladě 9 Ukážu jen ověření vlastnosti ostatní si propočítá laskavý čtenář sám Posloupnost a i je pro větší názornost označena jako a 0 a a Platí: αβa 0 a a αβa 0 βa βa αβa 0 αβa αβa αβa 0 a a 75 Řešení M jsou ve všech případech podmnožiny lineárního prostoru všech posloupností Stačí tedy ověřit zda součet prvků z M leží v M a α-násobek prvku z M leží v M a Součet posloupností s limitou je posloupnost s limitou 6 tj neleží v M tj M není lineární podprostor b Součet posloupností s limitou 0 je posloupnost s limitou 0 α-násobek taky M je lineární podprostor c Součet konvergentních posloupností je konvergentní posloupnost α-násobek taky je to cvičení spíše do úvodního kurzu matematické analýzy M je lineární podprostor d Součet posloupností s konečným nosičem K a K má konečný nosič který je podmnožinou K K α-násobek posloupnosti s konečným nosičem má pro α 0 stejný nosič a pro α 0 je nosičem prázdná množina Tedy nosič je konečný M je lineární podprostor
2 e Nechť c i a d i jsou posloupnosti které splňují c i+ c i + c i+ d i+ d i + d i+ Pak c i+ + d i+ c i + d i + c i+ + d i+ tedy c + d i+ c + d i + c + d i+ Také αc i+ αc i + αc i+ Takže M je lineární podprostor f Nechť c i c 0 p i d i d 0 q i Pro p q není součet c i + d i geometrická posloupnost M není lineární podprostor Kdyby M q byla množina všech geometrických posloupností se stejným kvocientem q pak M q tvoří lineární podprostor g M není lineární podprostor: stačí nenulovou posloupnost násobit číslem h Součet posloupností omezených konstantami K K je posloupnost omezená konstantou K + K také α-násobek posloupnosti omezené konstantou K je posloupnost omezená konstantou α K Takže M tvoří lineární podprostor i x y z x y z +a b c a b c x+a y +b z +c x+a y +b z +c αx y z x y z αx αy αz αx αy αz tedy M je lineární podprostor 76 4 Řešení Součet komplexních čísel je komplexní číslo Reálný násobek komplexního čísla je komplexní číslo Komplexní číslo a + ib lze zapsat ve tvaru dvojice a b přičemž součet a reálný násobek pak odpovídají operacím a Vlastnosti 7 je pak možné ověřit stejně jako v příkladě 9 77 Řešení Je to důsledek cvičení 76 a 78 Nebo můžeme argumentovat přímo: Součet uspořádaných n-tic komplexních čísel je uspořádaná n-tice komplexních čísel Reálný násobek uspořádané n-tice komplexních čísel je uspořádaná n-tice komplexních čísel Vlastnosti 7 dokážeme podobně jako v příkladu 9 přičemž se využije toho že tyto vlastnosti splňuje sčítání komplexních čísel a násobení komplexního čísla reálným skalárem to je výsledek cvičení Řešení Součet uspořádaných n-tic vektorů z L je uspořádaná n-tice vektorů z L Reálný násobek uspořádané n-tice vektorů z L je uspořádaná n-tice vektorů z L Při ověřování vlastností 7 se využije toho že tyto vlastnosti splňuje lineární prostor L Ověřím jen vlastnost 4 ostatní vlastnosti si propočítá laskavý čtenář sám α x x x n y y y n α x + y x + y x n + y n α x + y α x + y α x n + y n α x + α y α x + α y α x n + α y n α x α x α x n α y α y α y n α x x x n α y y y n V prvních dvou rovnostech je použita definice operací a ve třetí rovnosti je využito toho že vlastnost 4 platí na lineárním prostoru L a poslední dvě rovnosti znovu využívají jen definici operací a Nulový vektor lineárního prostoru L n má tvar o o o je to uspořádaná n-tice nulových vektorů o L 79 Řešení Nad rovnítky je uvedeno číslo vlastnosti z definice 6 která byla v daném okamžiku použita Je-li použita vlastnost z věty 7 je číslo uvozeno pro odlišení písmenem V a x x x x 6 x V b Předpokládám x y o Pak y y + o y + x y y + x + y y + y + x 6 y+ y +x y+ y +x 5 + y+x 0y+x 7 o+x V x+o x Předpokládám x y Pak x y y y o Poslední rovnost byla podrobně dokázána pomocí vlastností 6 5 a 7 v předchozím výpočtu c Předpokládám že αx αy Dokážu že pokud α 0 pak x y Platí α αx α αy tj dle : α α x α α y tj x y tj dle 6: x y Nyní obráceně přepokládám α 0 pak dle 7 αx o αy Konečně předpokládám x y Pak αx αy d Předpokládám αx βx Dokážu že pokud α β pak x o Dle b je αx αy o Takže o αx + βx αx + βx 5 α βx Dle V musí být x o Obráceně z předpokladu α β zjevně plyne αx βx Je-li x o pak podle V je αx o βx V e Předpokládám x + z y + z Pak x x + o b x + z z x + z z y + z z y + z z b V y + o y Obráceně z předpokladu x y plyne x + z y + z okamžitě po dosazení x za y 80 Řešení + x + y 56 x + y + x + y x + y + x + y ovšem také: + x + y 4 + x + + y 56 x + x + y + y x + x + y + y Zprava z obou výrazů odečtu y a zleva x Zůstává jen prostřední závorka tj y + x x + y Odečtení vektoru y zprava lze provést díky výsledku cvičení 79 případ e K odečtení zleva nelze přímo použít výsledek cvičení 79 případ e protože nemáme komutativní zákon ten dokazujeme Je tedy potřeba zformulovat alternativní případ: z + u z + v právě když u v a dokázat jej bez použití komutativního zákona To již přenechám čtenáři
3 8 Řešení Předpokládám nejprve že M N nebo N M V prvním případě M N N a to je podprostor a ve druhém M N M a to je také podprostor Obrácené tvrzení dokážu nepřímo Předpokládám že M N a také N M To znamená že existují vektory x M \ N a y N \ M Protože x M a y M je x + y M množina M je totiž podprostor a kdyby v ní ležel součet a první sčítanec musí v ní ležet i druhý sčítanec který tam ale neleží Protože x N a y N je také x + y N Takže x + y M N Nemůže tedy M N být podprostor 8 5 Řešení a b a + c d c a + c b + d a + c M αa b a αa αb αa M 8 5 Řešení M přitom musí ležet v každém podprostoru lineárního prostoru R 84 5 Řešení a M je podprostor: x x 4x 4 x 4 + y y 4y 4 y 4 x + y x + y 4x 4 + y 4 x 4 + y 4 M αx x 4x 4 x 4 αx αx 4αx 4 αx 4 M b M není podprostor protože M c M není podprostor protože M d M není podprostor protože M e M je podprostor: Označím u x +y x +y x +y x 4 +y 4 pro x x +x x 4 a y y +y y 4 Mám ověřit že u M Protože x + y x + x x 4 + y + y y 4 x + y + x + y x 4 + y 4 je u M Dále označím v αx x x x 4 αx αx αx αx 4 pro x x + x x 4 Mám ověřit že v M Protože αx αx + x x 4 αx + αx αx 4 je v M f M je podprostor: Označím u x + y x + y x + y x 4 + y 4 pro x x + x x 4 x x + x 4 a y y + y y 4 y y + y 4 Mám ověřit že u M Protože x + y x + x x 4 + y + y y 4 x + y + x + y x 4 + y 4 a x + y x + x 4 + y + y 4 x + y + x 4 + y 4 je u M Dále označím v αx x x x 4 αx αx αx αx 4 pro x x + x x 4 x x + x 4 Mám ověřit že v M Protože αx αx + x x 4 αx + αx αx 4 a αx αx + x 4 αx + αx 4 je u M g M je podprostor: 0 x x x y y y 4 0 x + y x + y x 4 + y 4 M α0 x x x 4 0 αx αx αx 4 M h M je podprostor: a a a a+b b b b a+b a+b a+b a+b M αa a a a αa αa αa αa M i M je podprostor pro a 0: Označím u x +y x +y x +y x 4 +y 4 pro x +x +x +x 4 0 a y +y +y +y 4 0 Je 0 x +x +x +x 4 +y +y +y +y 4 x +y +x +y +x +y +x 4 +y 4 takže u M Označím v αx x x x 4 αx αx αx αx 4 pro x + x + x + x 4 0 Je 0 α 0 αx + x + x + x 4 αx + αx + αx + αx 4 takže v M M není podprostor pro a 0 protože M j M není podprostor: 0 0 M 0 0 M ale M Přitom M Tento příklad ilustruje že tomu aby byl M podprostor to nestačí 85 4 Řešení M je podprostor: α sin x + β cos x + γ sin x + δ cos x α + γ sin x + β + δ cos x M k R: kα sin x + β cos x kα sin x + kβ cos x M 86 5 Řešení Označím danou množinu polynomů M M není podprostor: x +x++ x + x+ M 87 Řešení a Ano Součet spojitých funkcí je spojitá funkce α-násobek spojité funkce je spojitá funkce b Ano f + g k f k + g k αf k α f k c Ano I f + gx dx I fx dx + I gx dx I αfx dx α fx dx I d Ano Je-li fx K gx K pro všechna x a b pak f + gx K + K a αfx α K pro všechna x a b e Ano Součet po částech lineární funkce je po částech lineární funkce a α-násobek taky f Ano Nechť f má body nespojitosti v konečné množině M a g má body nespojitosti v konečné množině M Pak množina bodů nespojitosti f + g je podmnožinou M M a množina bodů nespojitosti αf je podmnožinou M což jsou konečné množiny 88 Řešení e αx p x cosβx + q x sinβx + e αx p x cosβx + q x sinβx e αx p x + p x cosβx + q x + q x sinβx δe αx px cosβx + qx sinβx e αx δpx cosβx + δqx sinβx Nyní stačí využít toho že součet polynomů je polynom a δ-násobek polynomu je polynom 89 Řešení a Součet t-periodických funkcí je t-periodická α-násobek taky
4 b Tvrzení neplatí protože t periodické funkce netvoří podmnožinu množiny všech t-periodických funkcí Ale naopak: t-periodické funkce tvoří podmnožinu množiny všech t-periodických funkcí Autor zřejmě měl na mysli tvrzení: množina t-periodických funkcí je podprostorem lineárního prostoru všech t-periodických funkcí Toto tvrzení platí argumentace je stejná jako v případě a c Tvrzení neplatí Například pro k máme stejný problém jako v případě b Tvrzení zřejmě mělo být formulováno ve tvaru: množina t -periodických funkcí je lineárním podprostorem lineárního prostoru všech t-periodických funkcí právě tehdy když existuje k přirozené že kt t Důkaz: Nechť nejprve t periodické funkce jsou podprostorem t-periodických Pak musejí být podmnožinou t periodických funkcí To je možné jen tehdy pokud t t/k kde k je přirozené Jedině taková t periodická funkce je zárověň t periodická Obráceně: existuje-li k přirozené že t t/k pak t periodické funkce tvoří podmnožinu t-periodických funkcí Že se jedná o podprostor plyne z argumentace uvedené v případě a 90 4 Řešení Volím x M y M α R β R Nechť nejprve M je podprostor tj αx M βy M takže také αx + βy M Nechť nyní platí αx + βy M Při volbě α β vychází x + y M Při volbě β 0 vychází αx M 9 0 Řešení a x y z C: x+y+z x+y+z 0+x x+0 x x C x C tak že x+x x+ x 0 b xyz xyz x x x x x tak že x x x x c Platí: x y R\{0} pak xy R\{0} Je zřejmé že R\{0} tvoří s danou operací grupu argumentace stejná jako v b a dále R \ {0} C \ {0} d Platí: x y jsou celá sudá pak x + y je celé sudé Dále 0 je celé sudé a x je celé sudé pro každé x celé sudé e Nechť x je celé liché a y je celé liché Pak xy je celé liché neutrální prvek je celé liché číslo ale x nemusí být celé! Není to grupa Jde jen o grupoid f Viz e g Agrumentace je stejná jako v případě a Jen písmeno C zaměníme za písmeno Q 9 Řešení Permutace z { } je uspořádaná trojice prvků z { } tak že žádný se neopakuje Množina všech permutací z { } je { } Na každou permutaci a b c můžeme pohlížet jednak jako na uspořádanou trojici a jednak jako na zobrazení z { } na { } které přiřazuje: a b c V tomto kontextu můžeme zapsat permutaci ve dvouřádkové notaci: kde zobrazení jednotlivých prvků čteme po sloupcích a na pořadí sloupců při a b c tomto zápisu nezáleží Tento zápis lépe umožní vyhodnotit skládání permutací jako skládání odpovidajících zobrazení: protože a x b y a c z a b c x y z a b c x y z V následující tabulce všech složených permutací A A jsou v záhlaví tabulky permutace A které se v rámci složeného zobrazení realizují dříve a vlevo po strane permutace B Permutace jsou zapsány jen jako uspořádané trojice pro přepis na dvouřádkový tvar může čtenář nad každou trojici připsat čísla A B Jednotkovým prvkem je permutace která odpovídá identickému zobrazení Ke každé permutaci je inverzní permutace stejná Pouze permutace má inverzní permutaci a naopak 94 0 Řešení a a b b a a b b a a e a a a e b Označím a y a ukážu že y a neboli že a y e a y a a e Podle věty 44 je a jediný prvek který splňuje a y e 95 0 Řešení Složím lineární funkci Ax + B s funkcí ax + b: A ax + b + B Aax + b + B to je lineární funkce Skládání jakýchkoli zobrazení je asociativní Jednotkový prvek: x + 0 K prvku ax + b je inverzní prvek a x + b 4
5 a Je to pologrupa ne grupa Neexistuje inverzní prvek k prvku 0x + b b Ano c Ano d x + b + B x + b + B Je to grupoid Inverzní prvek k x + b je x + b takže to je navíc grupa e Ano protože se stejnou operací je sama grupou 96 0 Řešení mod 4 8 mod Řešení + splňuje vlastnosti komutativní grupy Také M \{0 0 0 } s operací je komutativní grupa viz příklad 40 Distributivní zákon by bylo potřeba propočítat pro všechny možné případy ale v souladu s posledním odstavcem příkladu 65 to dělat nebudu 98 0 Řešení Množinu všech kvaternionů označím M Tato množina s operací + tvoří komutativní grupu zřejmé nulový prvek je 0 + 0i + 0j + 0k Dále platí a + bi + cj + dka + Bi + Cj + Dk aa bb cc dd + ab + ba + cd dci + ac bd + ca + dbj + ad + bc cb + dak Jednotkovým prvkem je + 0i + 0j + 0k Inverzní prvek k prvku a + bi + cj + dk je takový A + Bi + Ci + Dk kde A B C D jsou řešením soustavy lineárních rovnic s maticí: a b c d b a d c 0 c d a b 0 d c b a 0 Protože matice soustavy má determinant a + b + c + d který je nenulový pro nenulový prvek a + bi + cj + dk řešení vždy existuje a je navíc jediné Inverzní prvek tedy existuje Poznámka: pojem determinant a souvislosti s řešením soustav jsou vyloženy až v kapitolách 4 a 5 Máme tedy ověřeno že M s operací tvoří grupu Tato grupa je nekomutativní protože například ij k ale ji k Chybí ověřit distributivní zákon což přenechám čtenáři Více o kvaternionech např v [6] 99 Řešení a a + b a + c tj a + a + b a + a + c tj b c b viz cvičení 94 c pro grupu platí e e e tj nulový prvek je opačný sám sobě d přímo v definici tělesa se praví že T \ {0} má být grupou vzhledem k operaci tj jednotkový prvek leží v množině T \ {0} e nejprve ukážu že a a Platí a + a protože je jednotkový a + a distrib zákon + a 0a věta 57 0 takže a a Nyní dokážu vlastní tvrzení: a + b a + b a + b a + b f a + bc + d distr zákon a + bc + a + bd ac + bc + ad + bd g Předpokládám že a a tj a a 0 Z distrib zákona: a+a+ a a+a a+ a a 0 Z věty 57 musí a + 0 nebo a + 0 takže a nebo a Obráceně: a x přitom: + x Takže x je opačný k a protože + 0 je opačný k takže x 00 Řešení Zkoumanou množinu značím M a + b c + d ac + ad + bc + bd M 0 M nulový prvek M jednotkový prvek pro a + b je a + b opačný prvek a a D b D inverzní prvek je D a b 0 protože a b Q a a 0 b 0 0 Řešení α β Q x y z R: x + y R αx R x + y yx x + y + z x + y + z αβx αβx 4 αx + y αx + αy 5 α + βx αx + βx 6 x x 7 0x 0 0 Řešení α β T x y z T : x + y T αx T protože T s operací + je komutativní grupa protože T s operací je grupa tj splňuje asociativní zákon 4 5 protože T splňuje distributivní zákon 6 protože je jednotkový prvek vzhledem k operaci 7 plyne z věty Řešení a α 0 + β0 + γ5 7 α + 5γ α β + 7γ β γ b α 0 + β0 4 + γ 5 7 α + γ α + β 5γ β + 7γ α + 4β γ c αx + x + βx x + + γ 4x + x + 8x 5 β 4γx + α + γx + α β + 8γx + α + β 5γ d α sin x + β cos x + γx 5
6 e α + i + β i + γ + 5i α + β + γ + α β + 5γi f αi + i + β + i 0 + γ0 i 7 β + αi α + β + γ + β γi α + 7γ + αi g α + 5β h α β 5 α 5 β α 5 β i α + β 0 α + β α j α β 0 α α + α α β β 0 + β 0 β 0 α α 0 α + α 0 + α 0 α + 0 α α β 0 0 také proto že 0 je nulový vektor v daném lineárním prostoru 68 5 Řešení a α + 5γ α β + 7γ β γ tj α + 5γ 0 α β + 7γ 0 β γ 0 Jediné řešení: α β γ 0 vektory jsou LN b α+γ α+β 5γ β +7γ α+4β γ tj α+γ 0 α+β 5γ 0 β +7γ 0 α + 4β γ 0 Jediné řešení: α β γ 0 vektory jsou LN c β 4γx + α + γx + α β + 8γx + α + β 5γ 0 x R tj polynom musí být nulový Podle věty 0 tedy musí β 4γ 0 α + γ 0 α β + 8γ 0 α + β 5γ 0 Soustava má nekonečně mnoho řešení například α β γ Lze tedy sestavit netriviální lin kombinaci která je rovna nulovému polynomu Vektory jsou LZ d α sin x + β cos x + γx 0 x R rovnost tedy musí platit i pro x { 0 π π} po dosazení: β + γ 0 α + γ π 4 0 β + γπ 0 Jediné řešení: α β γ 0 vektory jsou LN e α + β + γ + α β + 5γi 0 + 0i tj α + β + γ 0 α β + 5γ 0 Nekonečně mnoho řešení nenulové řešení je např α β 7 γ 4 vektory jsou LZ f β + αi α + β + γ + β γi α + 7γ + αi 0 + 0i 0 + 0i 0 + 0i tj β 0 α 0 α + β + γ 0 β γ 0 α + 7γ 0 α 0 Jediné řešení: α β γ 0 vektory jsou LN g α + 5β 0 netriviální řešení například β α 5 vektory jsou LZ h α 5 β nulový vektor daného lineárního prostoru je Po zlogaritmování: ln α + ln 5 β ln tj α ln + β ln 5 0 Netriviální řešení je například α ln 5 β ln vektory jsou LZ i α + β α 0 0 tj α + β 0 α 0 Jediné řešení: α β 0 vektory jsou LN j α α 0 protože 0 je nulový vektor daného lineárního prostoru Je tedy α α 0 β libovolné Např pro α 0 β 7 máme netiviální lineární kombinaci rovnu nulovému vektoru Vektory jsou LZ Jiná argumentace: skupina vektorů obsahující nulový vektor je nutně LZ viz větu 7 případ 69 5 Řešení a α +β4 0 +γ tj α+4β γ α+β+γ α+4γ α+β+γ tj α + 4β γ 0 α + β + γ 0 α + 4γ 0 α + β + γ 0 Soustava má jediné řešení α β γ 0 takže vektory jsou LN b α 4 + β + γ 5 9 α + β + γ α + β + 5γ α β + γ 4α + β + 9γ tj α + β + γ 0 α + β + 5γ 0 α β + γ 0 4α + β + 9γ 0 Soustava má nekonečně mnoho řešení netriviální řešení je například α β γ takže vektory jsou LZ c α 0 0+β0 0 +γ 0 α+γ β+γ α+γ β tj α+γ 0 β+γ 0 α + γ 0 β 0 Soustava má jediné řešení α β γ 0 takže vektory jsou LN 70 5 Řešení a α + β + γ 0 α + β + γ α + β α + β + γ tj α + β + γ α + β α + β + γ Soustava nemá řešení tj vektor a nelze vyjádřit jako lineární kombinaci vektorů u v w b x αx + βx + + γx + γx + α + β + γx + α + β + γ x R tj γ α + β + γ 0 α + β + γ Soustava má řešení α 0 β γ takže x 0x x + + x + c α + β + γ tj α + β + γ α + β + γ α + β γ Soustava nemá řešení tj vektor a nelze vyjádřit jako lineární kombinaci vektorů u v w 7 Řešení V definici lineárního prostoru je použit pojem lineární kombinace který má smysl jen když platí vlastnosti Dále se v důkazu pracuje s přičtením vektoru α r x r Levá strana rovnosti: α r x r + α r x r + ostatní vektory 6 α r x r + α r x r + ostatní vektory 5 α r x r + ostatní vektory 0α r x r + ostatní vektory 7 V 7 : o + ostatní vektory ostatní vektory Pravá strana rovnosti: o + V 7 : α r x r α r x r V dalším kroku důkazu se obě strany rovnosti násobí koeficientem /α r 6
7 Levá strana rovnosti: α r α r α r i r α 4 ix i i r α r α i x i i r 6 x r x r x r V druhé části důkazu dohledá použití axiomů definice 6 už čtenář sám α i α r x i Pravá strana: α r α r x r 7 4 Řešení a 0 β 0 +γ +δ 5 tj β +γ +δ γ +5δ β +γ +δ 0 β + γ + δ Soustava má řešení β 0 γ δ takže a 0b + c + d b 0 α 0 +γ +δ 5 tj α+γ +δ α+γ +5δ 0 γ +δ α + γ + δ Soustava nemá řešení takže b není žádnou lineární kombinací vektorů a c d c Stačí upravit rovnost která vyšla v případě a c a + 0b + d d Znovu jen upravím předchozí rovnost d a + 0b + c e Existuje aspon jeden vektor např c který je lineární kombinací ostatních Vektory a b c d tedy jsou dle věty lineárně závislé Nevadí že b není lineární kombinací ostatních vektorů f Jsou LZ viz e 7 Řešení a a b c 0 d 0 0 Pak a b + c + d b a c d c a b d d a b c b Viz cvičení 7 c a 0 0 b 0 0 c 0 0 d 0 0 Vektor c není lineární kombinací ostatních d také není lineární kombinací ostatních Ale b a + 0c + 0d takže vektory jsou LZ 74 4 Řešení a αx + y + βx + z + γy z o tj α + βx + α + βy + β γz o Protože x y z jsou lineárně nezávislé vektory je uvedená lineární kombinace triviální takže α + β 0 α + β 0 β γ 0 Tato soustava má jen jediné řešení α β γ 0 takže vektory x + y x + z y z jsou LN b αx+y+z+βx+y+5z+γx+y+8z o tj α+β+γx+α+β+γy+α+5β+8γz o Protože x y z jsou lineárně nezávislé vektory je uvedená lineární kombinace triviální takže α+β+γ 0 α + β + γ 0 α + 5β + 8γ 0 Tato soustava má nekonečně mnoho řešení například α β 5 γ Takže existuje netriviální lineární kombinace vektorů x + y + z x + y + 5z x + y + 8z která je rovna nulovému vektoru Zkoumané vektory jsou LZ 75 4 Řešení αx+y+βx+z+γx+λy z o tj α+β +γx+α+λγy +β γzo Protože x y z jsou lineárně nezávislé vektory je uvedená lineární kombinace triviální takže α + β + γ 0 α + λγ 0 β γ 0 a Pro λ 0 existuje nekonečně mnoho řešení uvedené sosutavy například α 5 β γ To jsou koeficienty nertiviálni kineární kombinace která je rovna nulovému vektoru Zkoumané vektory jsou LZ b Pro λ 0 má uvedená soustava jediné řešení α β γ 0 takže jen triviální lineární kombinace je rovna nulovému vektoru Zkoumané vektory jsou LN 76 Řešení α x + x + α x + x + + α n x n + x n + α n x n + x o tj α + α n x + α + α x + + α n + α n x n o a Pro sudá n stačí volit α α α α n Vektory jsou LZ b Pro lichá n předpokládám že α c bez újmy na obecnosti Pak α c α c α 4 c α n c Dále musí 0 α n + α c + c c takže c 0 Pouze triviální lineární kombinace je rovna nulovému vektoru Zkoumané vektory jsou LN 77 Řešení a αx x + x + βx + γx + x + 0 x R tj α + γx + α + β + γx + αx + α β + γ 0 x R Podle věty 0 musí mít nulový polynom všechny koeficienty nulové tedy α + γ 0 α + β + γ 0 α 0 α β + γ 0 Tato soustava má jediné řešení α 0 β 0 γ 0 takže vektory jsou LN b αx + x + x + + βx + x + x + + γx + 5x + x + 0 x R tj α + β + γx + α + β + 5γx + α + β + γx + α + β + γ 0 x R Podle věty 0 musí mít nulový polynom všechny koeficienty nulové tedy α + β + γ 0 α + β + 5γ 0 α + β + γ 0 α + β + γ 0 Tato soustava má nekonečně mnoho řešení například α β γ To jsu koeficienty netriviální lineární kombinace která je rovna nulovému polynomu tedy polynomy jsou LZ c αe x + βe x + γe x 0 x R Zkusím volit x {0 ln ln } Vychází soustava α + β + γ 0 α + 4β + 8γ 0 α + 9β + 7γ 0 která má pouze nulové řešení Vektory jsou LN 7
8 d α cos x + β sin x + γe 0x 0 x R Protože je e 0x a cos x cos x sin x x R je uvedená podmínka ekvivalentní s: αcos x sin x + β sin x + γ 0 x R To platí například pro α β γ Vektory tedy jsou LZ e Například při volbě x { 0 π π π π} dostávám soustavu rovnic která má jen triviální řešení Vektory jsou LN f Například při volbě x { } dostávám soustavu rovnic která má jen triviální řešení Vektory jsou LN 78 4 Řešení a α 4 + β 0 + γ a tj α + β + γ 0 α + β + γ 0 α + aγ 0 4α + β + γ 0 Soustava má pouze nulové řešení pro libovolné a R takže pro všechna a R jsou vektory LN b a 9 9 c a ± 7 4 d a Řešení a x + x + ax + αx + x + x βx + x + 4x + x R tj α + β x + α + β x + α + 4β ax + 4α + β 0 x R Podle věty 0 musí mít nulový polynom všechny koeficienty nulové tedy α + β α + β α + 4β a 4α + β Soustava nemá řešení takže polynom x + x + ax + neleží v obalu daných polynomů pro žádné a R b x + x + ax + αx + x + x βx + x + 4x + + γx + x x R Argumentace stejná jako v případě a Soustava α + β α + β + γ α + 4β + γ a 4α + β má řešení takže polynom je v obalu daných polynomů pro a 0 jen pro a 0 c x + x + ax + αx + x + x βx + x + 4x + + γx x + x Argumentace stejná jako v případě a Soustava α + β + γ α + β γ α + 4β + γ a 4α + β γ nemá řešení pro žádné a R takže polynom neleží v obalu daných polynomů pro žádné a R 80 4 Řešení Neplatí Například tři vektory v rovině žádné dva z nich neleží na společné přímce je lineárně závislá množina Další příklady si čtenář jistě najde sám 8 Řešení Je {x y} M Podle věty 4 je x y M a podle věty 5 tvrzení je x y M M 8 5 Řešení a Příklad báze: {} dimenze: b Příklad báze: {} dimenze: c Příklad báze: { i} dimenze: d Příklad báze: { 0 0 i i i } dimenze: n e Příklad báze: { 0 } dimenze: f Příklad báze: {sin x cos x} dimenze: 8 4 Řešení a M je LN protože má jen dva vektory a jeden není násobkem druhého Příklad báze: { } b Příklad báze: {x + x x } 84 4 Řešení a b Je dim L První tři vektory z množiny M jsou v obou případech lineárně nezávislé je možné ověřit takže dim M Ovšem M L takže dim M Podle věty 64 případ tedy je M L První tři vektory z M tvoří bázi ostatní vektory je možné odebrat 85 Řešení Dá se lehce ověřit že takže N M K množině M přidám vektor 0 a odebrat nemůžeme vektor ani 0 protože koeficient lineární kombinace je u tohoto vektoru nulový Odeberu tedy například 4 Dostávám zatím množinu { } Je takže přidám 0 a odeberu Dostávám výslednou množinu P { } Platí P M 86 Řešení B je lineárně nezávislá neboť každá její konečná podmnožina je lineárně nezávislá argumentuje se podobně jako v příkladě 8 8
9 a Každá posloupnost s konečným nosičem je lineární kombinací prvků z B: a 0 a a a k 0 0 a 0 b 0 + a b + a b + + a k b k b Posloupnost nelze vyjádřit jako lineární kombinaci konečně mnoha prvků z B Takže B tj B není bází lineárního prostoru všech posloupností 87 Řešení Příklad báze: { } Dimenze: 88 Řešení Množina všech násobků jednoho vektoru je v tomto lineárním prostoru spočetná Množina všec lineárních kombinací konečně mnoha vektorů je spočetná Přitom R je nespočetná Takže lineární obal žádné konečné množiny nemůže pokrývat celé R Tedy nemůže existovat konečná báze Dimenze prostoru je nekonečno 89 Řešení Například: { b o o b o o b k o o o b o o b o o b k o o o b o o b o o b k } dim L n kn 90 Řešení Tvrzení není pravdivé Například množina M {0 x x 4 x 6 x 8 } není bází lineárního prostoru všech polynomů protože třeba x M 9 5 Řešení a Ano protože je LN a tříprvková Přitom je zámo že dimenze prostoru polynomů nejvýše druhého stupně je b Ano protože je LN a tříprvková a je dim R c Ano protože je LN a dvouprvková a je dim C d Ověřím lineární nezávislost α i + β + i + γ + i + i + δi 0 + 0i 0 + 0i tj α + β + + iγ + iδ 0 + 0i iα + + iβ + + iγ + δ 0 + 0i tj reálná část první rovnice: α + β + γ 0 imaginární část první rovnice: γ + δ 0 reálná část druhé rovnice: β + γ + δ 0 imaginární část druhé rovnice: α + β + γ 0 Tyto čtyři rovnice tvoří soustavu která má pouze triviální řešení takže množina B je LN Protože dim C 4 a B je čtyřprvková lineárně nezávislá je B bází lineárního prostoru C e Ano B je LN a je tříprvková a dimenze protoru polynomů nejvýše druhého stupně je tři f B není báze protože má jen dva prvky a přitom dim R g B není báze protože má 4 prvky a přitom dim R Množina B musí podle věty 64 být nutně lineárně závislou množinou 9 5 Řešení a B { } dim M e B { } dim M f B { } dim M g B { } dim M h B { } dim M i Jen pro a 0 B { } dim M 9 Řešení Všechny lineární kombinace polynomů z M jsou tvaru ax + bx + a a obráceně každý takový polynom lze získat jako lineární kombinaci prvků z M: ax + bx + a ax + b ax + pro a 0 a 0x + bx + 0 x + bx + + x + 0x + Takže M {ax + bx + a a b R} Báze je například {x + x} dim M 94 Řešení Je K x x x m dim x x x m m Protože dimenze je maximální počet lineárně nezávislých vektorů nemůže x x x m obsahovat množinu K lineárně nezávislých vektorů s větším počtem prvků než m 96 Řešení a [] n : nn+ [] Předpokládám že platí n a dokážu že n + n + n+n+ Je n + n + nn+ + n + n +n+n+ n+n+ b [] n : + [] Předpokládám že platí V n a dokážu platnost V n + tj dokážu n + n + n+n++ Je n + n + nn+ + 6n+ n +n+6n+4 n+n++ c [] je dělitelné šesti [] Předpokládám že n +n je dělitelné šesti a dokážu že n+ +n+ je dělitelné šesti Je n + + n + n + n + n + + n + n + n + n + n + První sčítanec je dělitelný šesti dle indukčního předpokladu poslední sčítanec dvanáctka je také dělitelný šesti Zbývá ověřit dělitelnost n + n Pro n sudé je n + n sudé sudé + sudé sudé číslo Pro n 9
10 liché je n + n liché liché + liché liché + liché sudé číslo Trojnásobek sudého čísla je dělitelný šesti d [] zbytek po dělení tohoto čísla jedenácti je 7 [] Předpokládám platnost V n tedy 7 0n+ k + 7 pro nějaké k přirozené a dokážu že 7 0n++ má zbytek po dělení jedenácti 7 Je 7 0n++ 7 0n n+ 7 0 k k + 7 Číslo 7 0 k je dělitelné jedenácti a 7 má zbytek po dělení jedenácti 7 jak jsem ověřil v kroku [] e [] [] Předpokládám platnost V n dokážu n n + + n + n n n+ + Levá strana tohoto vztahu je rovna n n + n + + n n + což je rovno pravé straně vztahu f [] n 4: 4 6 < 4! 4 [] Nechť platí V n tj n < n! dokážu n+ < n +! Je n+ n < n! < n + n! n +! g Lze ukázat přímo bez použití indukce ale procvičujeme indukci [] {} obsahuje dvě podmnožiny: {} [] Nechť V n platí dokážu že { n n + } má n+ podmnožin Existuje n podmnožin z { n} a stejný počet podmnožin které obsahují navíc prvek n+ Takže n + n n n+ h [] Je-li x+ x celé pak x + x je celé Výrok V tedy platí V indukčním kroku budu předpokládat platnost V n a V n takže nyní potřebuji ještě ověřit že V 0 platí Ovšem x 0 + x je celé 0 číslo [] Nechť V n a V n platí Dokážu že je-li x + x celé pak xn+ + x je celé Protože x + n+ x x n + x a x n + n x jsou celá čísla je celé taky x + n x x n + x x n + n x x n+ + n x n+ i [] a + b a + b [] Nechť V n platí a+b n+ a+ba+b n a+b n 0 a n + n a n b + + n n b n a n+ +b n+ +a n b n + n 0 + a n b n + n n + + ab n n n n Nyní stačí ukázat že n k+ + n k n+ k+ Je n! k+!n k! + n! k!n k! n kn!+k+n! k!k+n k!n k n+n! k+!n k! n+ k+ j Na tento typ úlohy nelze použít indukci Stačí ale roznásobit pravou stranu k [] Pro n je rovnost zřejmá [] Nechť V n platí Dokážu V n + cos ϕ + i sin ϕcos ϕ + i sin ϕ n cos ϕ+i sin ϕcos nϕ+i sin nϕ cos ϕ cos nϕ sin ϕ sin nϕ+icos ϕ sin nϕ+sin ϕ cos nϕ cosn + ϕ + i sinn + ϕ V poslední rovnosti byly použity součtové vzorce 97 Řešení a Zde se indukce zřejmě nedá použít b Tvrzení V n: Nulový polynom musí mít nulové koeficienty a 0 a a a n [] n 0: Je a 0 0 viz první část důkazu za větou 0 [] Nechť V n platí dokážu že pak i a n+ je nulový koeficient Předpokládám že polynom má koeficienty a 0 a m přičemž m > n Kdyby m n pak není co dokazovat px x n+ a n+ + a n+ x + + a m x m n x n+ qx Protože je lim x 0 qx 0 a q je spojitý polynom musí q0 0 a tedy q musí mít nulový absolutní člen tj koeficient a n+ 98 Řešení Indukční krok od V k V nefunguje 6 5 Řešení a b c α+β β β α α 4α+7β 6 4 Řešení Součet matic typu m n je matice typu m n α-násobek matic typu m n je rovněž matice m n sčítání matic je komutativní protože sčítání jedotlivých prvků matic je komutativní Tatáž argumentace se použije při ověření asociativního zákona Nechť A a ij a B b ij jsou reálné matice typu m n a α β R Pak αβa αβa ij αβa ij αβa 4 αa + B αa ij + b ij αa ij + αb ij αa + αb 5 α + βa α + βa ij αa ij + βa ij αa + βa 6 A a ij a ij A 7 0A 0a ij nulová matice Ta je nulovým vektorem daného lineárního prostoru 64 4 Řešení λ α + β + γ 0 α+β+γ α+β α+β+γ α+β+γ Čísla α β γ R musejí splňovat soustavu rovnic s maticí 0 λ λ 4 7 λ β 5 7 α 7 0 λ λ λ λ Tj γ Řešení a α + β 0 x + γ + δ x Toto vede na soustavu rovnic s neznámými α βγ δ a s parametrem x Tato soustava má netriviální řešení pro x nebo x 6 Pro tyto hodnoty jsou matice lineárně závislé b x 0
11 66 4 Řešení a Báze: { } dim 4 b Označím A ij matici typu m n která má všude nuly jen prvek a ij je roven jedné Příkladem báze je pak množina {A A A n A A A n A m A m A mn } dim mn 67 5 Řešení a hod 4 b hod c hod d hod 68 5 Řešení Namátkou b Ano matice mají stejnou hodnost jako ve cvičení 67 Čtenář si to může na těchto příkladech prakticky vyzkoušet 69 4 Řešení a hod pro α ± 5 b hod pro všechna α R c hod pro α d hod pro α 0 nebo α e hod 4 pro α { 4 5} f hod pro α g hod pro α Řešení a Pro c a + b 0 je hod pro c a + b 0 je hod b Pro a je hod pro a je hod a pro a { } je hod c Pro a 0 a b c libovolná je hod pro a 0 a b 0 a c libovolné je hod pro a 0 b 0 a c 0 je hod a konečně pro a 0 b 0 a c 0 je hod Řešení Nechť nejprve hod A k Tedy dim x x x k k Pak podle věty 64 vlastnost je {x x x k } lineárně nezávislá množina Nechť nyní obráceně vektory x x x k jsou LN Pak je to báze svého lineárního obalu a nutně jeho dimenze je rovna k 7 5 Řešení Cvičení 69 a 4 b 5 9 c Cvičení 78 se dělá obdobně hod vektory jsou LZ hod vektory jsou LN hod vektory jsou LN Řešení a 0 a 0 a 0 a hod pro a 5a + 0 neboli a 5 a 0 a a 0 0 a ± Tehdy 5a+{ 5 jsou vektory LZ V opačném případě tj a + 5 } jsou vektory LN b hod pro a 7 0 tj pro a 7 Vektory jsou LN pro a 7 a 0 0 a a a 7 74 Řešení Podle věty 5 existuje báze B {x x x k } lineárního prostoru x x x k Ta má podle definice hodnosti hod A prvků a je B x x x k Nechť nejprve y B Pak B {y} je lineárně závislá množina takže hod B dim B {y} dim B hod A Obráceně nechť dim B {y} dim B Pak nutně B {y} nemůže být bází svého lineárního obalu takže je lineárně závislá Protože B je lineárně nezávislá musí y být lineární kombinací prvků z B neboli y B 75 5 Řešení a 0 0 a 0 a a 0 a 0 takže hod a R takže 0 0 a+ a a+ a 4 a 0 0 a+ a a 7a+7 hod právě tehdy když a 7a tj a ± / 7/ To jsou hodnoty parametru a pro který leží daný vektor v daném lineárním obalu b takže hod Dále a a pro a Pro tuto hodnotu a leží daný vektor v daném lineárním obalu c takže hod Dále a a daný vektor neleží v daném lineárním obalu pro žádnou hodnotu parametru a a takže hod takže hod 4 a
12 77 5 Řešení Cv 64 P A B B Cv 65 a 0 x x 6 0 λ 0 takže hod pro λ λ 6 a to je hodnota pro kterou 0 x takže hod pro x + 4x 0 tj x nebo 0 4 x x +4x 0 x 6 Tehdy jsou dané matice lineárně závislé Analogicky případ b Cv 79 a hod nezávisle na a takže daný polynom neleží v daném 4 4 a a lineárním obalu pro žádné a R Analogicky případy b a c 78 5 Řešení a b nedefinováno počet sloupců první se nerovná počtu řádků druhé matice c d nedefinováno počet sloupců první se nerovná počtu řádků druhé matice e nedefinováno počet sloupců první se nerovná počtu řádků druhé matice 4 5 f g 55 h i Řešení X a: typ 5 5 X a X a T : typ 5 5 X a X b : typ 5 X a B T : typ 5 4 X a C T : typ 5 X a D: typ 5 X a T X a : typ 5 5 X a T X a T : typ 5 5 X a T X b : typ 5 X a T B T : typ 5 4 X a T C T : typ 5 X a T D: typ 5 X b X b T : typ 5 5 X b X d : typ 5 X b T X a : typ 5 X b T X a T : typ 5 X b T X b : typ X b T B T : typ 4 X b T C T : typ X b T D: typ X c X c T : typ 4 4 X c T X c : typ 7 7 X c T A: typ 7 4 X c T A T : typ 7 4 X c T B: typ 7 5 X d X d T : typ X d T X b T : typ 5 X d T X d : typ AX c : typ 4 7 A : typ 4 4 AA T : typ 4 4 AB: typ 4 5 A T X c : typ 4 7 A T A: typ 4 4 A T : typ 4 4 A T B: typ 4 5 BX a : typ 4 5 BX a T : typ 4 5 BX b : typ 4 BB T T : typ 4 4 BC T : typ 4 BD: typ 4 B T X c : typ 5 7 B T A: typ 5 4 B T A T : typ 5 4 B T B: typ 5 5 CX a : typ 5 CX a T : typ 5 CX b : typ CB T : typ 4 CC T : typ CD: typ C T C: typ 5 5 C T D T : typ 5 5 DC: typ 5 5 DD T : typ 5 5 D T X a : typ 5 D T X a T : typ 5 D T X b : typ D T B T : typ 4 D T C T : typ D T D: typ ostatní zde neuvedené součiny zadaných matic nejsou definovány 80 5 Řešení Nechť A je typu m n a B je typu p q a Protože AB je definováno musí n p Protože BA je definováno musí m q takže B je typu n m AB je pak typu m m a BA je typu n n To jsou čtvercové matice b Jako v případu a navíc zde máme podmínku m n takže skutečně A i B jsou matice typu n n 8 4 Řešení AAA AAA protože při násobení matic platí asociativní zákon věta Řešení A A A 7A + A 5E O nulová matice 8 4 Řešení A a +bc ab+bd ac+cd bc+d a a 0 ověřím analogicky a a + bc aa + d + ad bc 0 a ab + bd ba + d Řešení Protože matice A je lineární kombinací matic E a A Matice A a + d A ad bc A je lineární kombinací matic A a A takže je lineární kombinací matic A a E Množina {E A} je bází daného libneárního obalu pokud E A jsou lineárně nezávislé matice To platí právě tehdy když A není násobkem matice E 85 4 Řešení a b Komutující matici předpokládám ve tvaru C a b c d Z rovnosti CA AC plynou čtyři rovnice s neznámými a b c d dimenze prostoru řešení je To platí v případě a i b Protože dim E A a E i A komutují s A je prostor komutujících matic roven obalu E A c Komutující matici předpokládám ve tvaru C Z rovnosti CA AC plyne že c 0 a b c d e f g h i b b c c f 0 e e f f a i b 0 c 0 takže a i b c f 0 a ostatní proměnné
13 mohou být libovolné Obecná komutující matice tedy je C a 0 0 d e 0 g h a Bázi prostoru komutujících matic tvoří např matice které mají jedinou jedničku pod hlavní diagonálou nebo jedničku uprostřed hlavní diagonály nebo dvě jedničky na krajích hlavní diagonály jinde mají nuly Dimenze tohoto prostoru je 5 a 0 c d Podobným postupem jako v c zjistím že obecná komutující matice je takže dimenze hledaného prostoru je a bázi si najde čtenář sám 0 e 0 c 0 a e Podobně jako v předchozích případech odhalím obecnou komutující matici ve tvaru dimenze hledaného prostoru je 4 Bázi si zapíše každý sám a b c d 0 a b c 0 0 a b takže 0 0 a 86 Řešení Tvrzení platí pro všechny matice A typu s výjimkou matic tvaru αe α R které komutují se všemi maticemi typu K důkazu tohoto tvrzení nestačí argumentovat výsledkem cvičení 84 protože není snadné dokázat že neexistuje komutující matice mimo lineární prostor E A A A Je tedy potřeba pracovat s obecnou maticí A a b c d a komutující matici předpokládat třeba ve tvaru C α β a vyjít z rovnic které plynou z CA AC γ δ 87 Řešení Matici předpokládám ve tvaru a b c d a a + bc 0 ab + bd 0 ac + cd 0 d + bc 0 Protože a bc d musí a ±d Nejprve předpokládám a d Pak ab 0 takže a 0 nebo b 0 Také ac 0 takže a 0 nebo c 0 Předpokádám nejdříve a 0 Pak bc 0 takže b 0 nebo c 0 což odpovídá maticím 0 b 0 0 a 0 0 c 0 Nechť nyní a 0 a a d Pak b 0 a současně c 0 ovšem pak z první rovnice i a 0 a Takže tato možnost nevede k výsledku Konečně nechť a d Pak druhá a třetí rovnice je vždy splněna a z první rovnice musí bc a neboli c a /b Z toho vychází a b a /b a b a + bc ab + bd 0 ac + cd 0 d + bc Protože a bc d musí a ±d Nechť 0 b nejprve a d 0 Pak bc takže b 0 a c b/c což odpovídá matici /b 0 Dále předpokládejme a d 0 pak musí b 0 a c 0 takže a d ± což odpovídá matici ±E Konečně nechť a d 0 pak bc a Je-li a d pak b může být libovolné a c 0 nebo b 0 a c je libovolné To odpovídá maticím ± b ± 0 Je-li a d pak b a c jsou nenulové 0 c c a a b /b což odpovídá matici a /b a c a + bc a ab + bd b ac + cd c d + bc d Z druhé a třetí rovnice při b 0 nebo c 0 plyne a + d Z poslední rovnice je d / ± 4bc přičemž reálné řešení je možné jen pro bc /4 Z předchozí rovnosti a + d pak máme a / 4bc Po dosazení do první rovnice shledáme že ta je nadbytečná Shrnuto: pro b 0 a c 0 musí bc /4 a matice jsou tvaru 4bc b c ± Je-li b c 0 pak a a a d d takže a 0 nebo a a d 0 nebo 4bc d Tyto případy jsou obsaženy v obecné matici uvedené před chvílí 88 4 Řešení a A + BA + B A + AB + BA + B A + AB + B protože AB BA b A + BA B A AB + BA B A B protože AB BA c A AA ABA ABA AB A B BB BAB BAB BA B 89 4 Řešení Cv 67: a singulární hod < 5 ostatní matice nejsou čtvercové Cv 78: hod A 4 takže A je regulární A je regulární protože má inverzní matici A A CD je zjevně regulární a DC je zjevně singulární Ostatní matice nejsou definovány nebo nejsou čtvercové Cv 69 a α ± 5 b pro všechna α R c není čtvercová d není čtvercová e α { 4 5} f není čtvercová g není regulární α R nemá vliv 90 Řešení Obě matice jsou inverzními maticemi k A T První je tak definována a pro druhou platí: A T A T A A T E T E A T A T AA T E T E Byl využit vztah 5 věty 8 a dále věta 49 o jednoznačnosti inverzní matice 9 5 Řešení a / / b d/d b/d c/d a/d kde D ad bc c d 7 0
14 e i m / 0 / / / /6 f matice je singulární g / 4/ j a a a k /4 9/4 0 / / 7/4 /4 9/4 5/ l h p 0 0 p p 0 ±p n p n ±p n 9 4 Řešení P A je jako A jen s přehozeným prvním a druhým řádkem P A je jako A jen druhý řádek je pronásoben číslem α P A je jako A jen k druhému řádku je přičten α-násobek prvního Při násobení zprava to dopadne stejně jen místo řádků matice A se odpovídajícím způsobem mění její sloupce 9 Řešení a Ve výsledném součinu se prohodí také i-tý řádek s j-tým b Ve výsledném součinu se také i-tý řádek pronásobí konstantou α c Ve výsledném součinu se také přičte α-násobek i-tého řádku k j-tému d Ve výsledném součinu se prohodí také prohodí i-tý sloupec s j-tým e Ve výsledném součinu se také i-tý sloupec pronásobí konstantou α f Ve výsledném součinu se také přičte α-násobek i-tého sloupce k j-tému 94 4 Řešení / a X B A / / / b A AX B tj X A A B c XA A B tj X BA A d X e E BX A tj X E B A f XE B A tj X AE B g A EX A tj X A E A / / 4 9/ / /4 5/4 / / / /4 /4 5/4 / / 4/ / / 4/ /6 / / / / Řešení a A n 0 na Indukce krok : pro n je zřejmě splněno Krok : předpokládám A n 0 na a dokážu že A n+ 0 n+a Je A n+ AA n a na n+a λ b n nλ n 0 λ n c v tomto případě A E takže A k E A k+ A pro všechna k N d e λ n λ n λ n λ n 4 ua va wa 0 ua va 0 0 ua kde u n n v n n! w n n! n!!n! když n pak w 0 97 Řešení Krok : pro n rovnost zřejmě platí Krok : Předpokládám že platí rovnost pro n a dokážu n+ n cos ϕ sin ϕ cos ϕ sin ϕ cos ϕ sin ϕ cos ϕ sin ϕ cos nϕ sin nϕ ji pro n + Je sin ϕ cos ϕ sin ϕ cos ϕ sin ϕ cos ϕ sin ϕ cos ϕ sin nϕ cos nϕ cosn+ϕ sinn+ϕ V důkazu byly použity součtové vzorečky pro funkce sin a cos sinn+ϕ cosn+ϕ 98 4 Řešení Je A E tj A A 5 A 7 A a A A 4 A 6 E takže C B + E + 4A Pro α ± je hod C Pro α R \ { } je hod C 6 0 4α 0 7 4α α 0 4
15 99 Řešení Je-li A typu m n musí být B typu n m jinak by uvedené součiny nebylyu definovány AB je pak typu m m a BA je typu n n Označím A a ij B b lk kde i k { m} a j l { n} Nechť dále C AB c ik a D BA d lj Je c ik n j a ijb jk takže stopa C je rovna m k c kk m n k j a kjb jk Protože d jl m k b jka kl je stopa D rovna n j d jj n m j k b jka kj Nyní stačí využít toho že a kj b jk b jk a kj a prohodit pořadí sum o prohození sum viz též důkaz věty 8 00 Řešení Protože AB a BA mají stejnou stopu je stopa matice AB BA nulová Přitom stopa matice E je rovna n počtu řádků matice takže není nulová 0 Řešení Nechť B je typu m n pak B T je typu n m Označím B b ij i { m} j { n} Dále označím C BB T c ik Je c ik n j b ijb kj takže c ki n j b jjb ij Protože c ik c ki je matice C symetrická Symetrické matice stejného typu tvoří lineární prostor protože součet symetrických matic je symetrická matice a α-násobek symetrické matice je symetrická matice 0 Řešení a Protože vektory z M jsou lineárními kombinacemi vektorů z M je M M Protože vektory z M jsou lineárními kombinacemi vektorů z M je M M Takže M M Obráceně: z M M plyne že vektory z M jsou lineárními kombinacemi vektorů z M a naopak b Nechť A B Z věty plyne že M M Obráceně: je-li vektor lineární kombinací řádků matice A pak lze vytvořit matici B pro kterou je A B a přitom B uvedený vektor obsahuje: přidáme nulový řádek a k němu přičteme potřebnou lineární kombinaci ostatních řádků c Je-li A B pak podle věty 7 je hod A hod B Protože M M musí M M M takže také hod A hod C Nechť nyní hod A hod B hod C Protože hod C hod A všechny řádky matice B jsou lineárními kombinacemi řádků matice A Protože hod C hod B všechny řádky matice A jsou lineárními kombinacemi řádků matice B d Je-li A B pak podle věty 55 existuje P požadovaných vlastností Obráceně existuje-li regulární P že A PB pak podle věty 60 je hod A hod B Také matice diage P je regulární takže hod B hod B B hod diage P B B hod B PB hod B A hod C Podle c z toho plyne že A B e M a M jsou dvě báze stejného lineárního podprostoru M M Podle věty 59 musí k m 44 4 Řešení a sudá inverze jsou: b lichá inverze jsou: c lichá 6 : 5 inverzí 5 : 4 inverze 4 : inverze : inverze : inverze d inverze inverze 4 n inverzí n celkem n nn+ inverzí Permutace je tedy pro n 4 postupně lichá lichá sudá sudá lichá lichá atd neboli je-li zbytek po dělení čísla n čtyřmi nebo je premutace lichá a pro ostatní případy sudá 44 Řešení Maximální počet inverzí má permutace n n Celkový počet inverzí této permutace je n + n n n 444 Řešení a Podrobněji viz b b Permutace pro větší názornost zapíšu ve dvouřádkové notaci tj Čísla na prvním řádku jsou permutací zobrazena na čísla na druhém řádku Skládání zobrazení je definováno zprava doleva tj nejprve provedu zobrazení podle pravé parmutace a pak podle levé Jednotlivá čísla se permutacemi zobrazují takto: Výsledná permutace tedy je c Řešení a b c d n + n + n n 446 Řešení a a a a 44 a a a 4 a 4 a a a a 44 + a a a 4 a 4 + a a 4 a a 4 a a 4 a a 4 a a a a 44 + a a a 4 a 4 + a a a a 44 a a a 4 a 4 a a 4 a a 4 + a a 4 a a 4 + a a a a 44 a a a 4 a 4 a a a a 44 + a a a 4 a 4 + a a 4 a a 4 a a 4 a a 4 a 4 a a a 4 + a 4 a a a 4 + a 4 a a a 4 a 4 a a a 4 a 4 a a a 4 + a 4 a a a 4 5
16 447 Řešení a a a a a 44 a a a 4 a 4 a a a a 44 +a a a 4 a 4 +a a 4 a a 4 a a 4 a a 4 a det A b a a a a 44 +a a a 4 a 4 +a a a a 44 a a a 4 a 4 a a 4 a a 4 + a a 4 a a 4 a det A c a a a a 44 a a a 4 a 4 a a a a 44 +a a a 4 a 4 + a a 4 a a 4 a a 4 a a 4 a det A d a 4 a a a 4 +a 4 a a a 4 +a 4 a a a 4 a 4 a a a 4 a 4 a a a 4 + a 4 a a a 4 a 4 det A Řešení a Sčítanec odpovídá permutaci ta má 5 inverzí znaménko b Sčítanec odpovídá permutaci ta má 4 inverze znaménko + c Nejedná se o sčítanec z definice determinantu d Jsou zapsány dva sčítance viz ab celkem je sčítaců 6! 70 takže chybí ještě napsat 78 sčítanců Řešení Daná funkce je polynomem v proměnné x protože podle definice determinantu je px rovno součtu součinů různě vybíraných prvků dané matice Součinem vybraných prvků získáme funkci tvaru cx k a součtem takových funkcí je obecně polynom V součinech se vyskytují vždy 4 prvky matice takže k 4 a polynom musí být nejvýše čtvrtého stupně Podle definice determinantu vyberu všechny takové sčítance které jsou tvaru cx 4 jejich součtem odhalím koeficient a 4 Všechny prvky v součinu musejí obsahovat proměnnou x V prvním řádku je tedy možné vzít prvek jen z prvního sloupce a ve třetím řádku ze třetího a ve čtvrtém z druhého sloupce Tím jednoznačně vychází že z druhého řádku je možné vzít prvek jen ze čtvrtého sloupce Součin xxxx 6x 4 odpovídá permutaci 4 která je lichá takže a 4 6 Dále vyberu sčítance které mají v součinu třikrát proměnou x Kdbych z prvního řádku vybral jiný než první prvek pak musím v některém z ostatních řádků použít první sloupec a tím mám součin už dvou konstant Ze zbylého součinu dosáhnu nejvýše na druhou mocninu x ovšem já potřebuji x Takže z prvního řádku musím vybrat první prvek Mocninu x obsahují jen součiny odpovídající následujícím permutacím: 4 4 obě jsou sudé takže x + x 4x a Řešení px a xc x b x a + cx + ac b Diskriminant je: a + c 4ac + 4b a + ac + c 4ac + 4b a ac + c + 4b a c + 4b 0 45 Řešení a px 0 jen pokud součin prvků na hlavní diagonále je nulový tj x nebo x 5 nebo x 7 nebo x 9 b px 0 jen pokud aspoň jeden z prvků obsahující proměnou x je roven jedné takže x nebo x nebo x 4 nebo x 5 c Pro x i a i je poslední řádek roven i-tému takže řádky jsou LZ a px 0 Protože je prvních n řádků LN jsou všechna a i navzájem různá takže jsem už našel n kořenů polynomu p Z definice determinantu plyne že tento polynom je stupně nejvýše n takže jsem už našel všechny jeho kořeny 45 5 Řešení a b ad bc c d e 6 f 0 g h i j k 4 l m Třeba inverzní matici k e budu počítat metodou doplňků Jednotlivé subdeterminanty jsou Matice 6 doplňků tedy je 0 4 a inverzní matice je transponovaná matice doplňků dělená determinantem 8 0 původní matice: Řešení a α + α b α α + e α α α α 4α 5 g 0 U případů a b e je hodnost minimální tehdy když je determinant dané matice nulový U případu g minimální hodnost za použití determinantu neodhalím protože determinat je nulový pro všechna α 454 Řešení Vektory zapíšeme do řádků matice A Protože je dáno n vektorů z R n je A čtvercová matice Vektory jsou lineárně závislé právě tehdy když det A 0 Viz větu 47 a metodu ze cvičení Řešení a b 7 c d 0 e 65 f abc a +b +c g 0 h a a u+v +w+uvw i a 6 a Řešení a + b + c Řešení Za výsledky jsou uvedeny náměty jak se dají determinanty počítat Není to jediná cesta k výsledku můžete samozřejmě počítat i jinak a možná účelněji a a ba cc b: první sloupec odečíst od druhého a třetího 6
17 b 0: druhý a třetí sloupec odečíst od prvního c 0: první řádek odečíst od druhého a třetího pak rozvoj podle třetího sloupce d a ba cc b: jako c rozvoj podle prvního sloupce e a c b + b a c + c b a: jako d f 6: první řádek odečíst od ostatních g 0: k-násobek prvního sloupce odečíst od druhého k třetího k a čtvrtého k 4 pak rozvoj podle prvního řádku h a b 4c + 6d: rozvoj podle posledního řádku pak Sarrusovo pravidlo i 6: půlnásobek druhého sloupce odečíst od posledního pak rozvoj podle posledního sloupce j 4 k 00 l abcd: rozvoj dle posledního řádku pak dle třetího sloupce m abcde: rozvoj dle třetího řádku pak dle čtvrtého sloupce pak dle prvního sloupce n a a + 4: první řádek odečíst od ostatních pak k prvnímu sloupci přičíst všechny ostatní o 0: druhý řádek odečíst od třetího a čtvrtého pak rozvoj dle prvního sloupce rozdíly kvadrátů zapsat jako součin podle vzorce A B A BA + B a vytknout společné činitele z řádků p abcd abc + ab a + : rozvoj dle prvního řádku q : druhý sloupce odečíst od čtvrtého a šestého pak rozvoj dle druhého řádku Podobně vyrobit nuly v původně čtvrtém řádku a rozvoj dle něj r 0: nenuloví sčítanci z definice determinantu neexistují věž na prvním řádku může ležet v prvním nebo druhém sloupci a na druhém řádku v druhém nebo prvním sloupci věž z třetího řádku ale pak nemůže stát na nenulovém prvku s : odečíst druhý řádek od prvního přímé použití křížového pravidla není účelné 459 Řešení Vynásobím první sloupec stem a druhý desíti a toto přičtu ke sloupci třetímu Takto pozměněná matice má podle věty 4 stejný determinant z posledního sloupce je pak možné vytknout číslo : 8 det A a 7 4 b d přitom čísla a b c d jsou celá c Řešení Využiji větu 45 a det A / det A / b det A det A 9 c det AB det Adet B d det ABA det A det B 89 e det AB det A/det B /7 f det AB det Adet B Řešení Jsou-li funkce lin závislé pak podle věty existuje jedna např f r která je lineární kombinací ostatních Stejná lineární kombinace derivací těchto funkcí dá f r a podobně pro derivace vyšších řádů Takže r-tý řádek matice Wx je lineární kombinací ostatních řádků pro všechna x R Podle věty to znamená že řádky matice Wx jsou lineárně závislé pro všechna x R takže det Wx je roven nule pro všechna x R 46 Řešení Kdyby byly funkce f f f n lineárně závislé pak podle cvičení 46 je Wx 0 pro všechna x R a to je ve sporu s předpokladem že existuje x R takové že Wx 0 46 Řešení f x x f x x x sgn x Wx x sgn x x sgn x x sgn x x x x x 0 pro všechna x R Funkce f a f přitom zjevně nejsou lineárně závislé protože jedna není násobkem druhé Příklad ilustruje obě tvrzení a i b 466 Řešení a D n je geometrická posloupnost s kvocientem a takže D n D a n b Ověříme nejprve že α α α α 4 0 α α 4α tvoří bázi lineárního podprostoru P posloupností tvaru D n a D n + b D n Protože x ax b má dvojnásobný kořen α je a + 4b 0 a α a/ To znamená že a α a b α takže pro posloupnosti z P platí D n αd n α D n Obě posloupnosti z navržené báze tomuto vztahu zřejmě vyhovují Např pro druhou posloupnost je n α n αn α n α n α n 4 Po vykrácení α n zůstává n n n což zjevně platí Obě posloupnosti tedy leží v lineární podprostoru P jsou lineárně nezávislé a dim P Takže máme bázi Jakákoli posloupnost D i P je lineární kombinací báze koeficeinety této kombinace uznačme u v Je u D v D αd a D n u α n + v n α n Všimněme se že druhá posloupnost v bázi je derivací první podle α Souvisí to s tím že pokud px x ax b má dvojnásobný kořen α pak nejen pα 0 ale i p α 0 viz cvičení 99 c Jsou-li některá z čísel a b D D komplexní pak nám nevadí že vzorec z věty 465 dává komplexní výsledky a že pracujeme s kompexními kořeny α β Jsou-li čísla a b D D reálná a α je komplexní kořen pak β α je také kořen a s tímto značením můžeme použít vzorce z věty 465 Snadno se dá 7
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
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
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
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
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 =
1 Linearní prostory nad komplexními čísly
1 Linearní prostory nad komplexními čísly V této přednášce budeme hledat kořeny polynomů, které se dále budou moci vyskytovat jako složky vektorů nebo matic Vzhledem k tomu, že kořeny polynomu (i reálného)
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
[1] Determinant. det A = 0 pro singulární matici, det A 0 pro regulární matici
[1] Determinant je číslo jistým způsobem charakterizující čtvercovou matici det A = 0 pro singulární matici, det A 0 pro regulární matici používá se při řešení lineárních soustav... a v mnoha dalších aplikacích
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
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
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...
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
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
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
[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
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
1 Zobrazení 1 ZOBRAZENÍ 1. Zobrazení a algebraické struktury. (a) Ukažte, že zobrazení f : x
1 ZOBRAZENÍ 1 Zobrazení a algebraické struktury 1 Zobrazení Příklad 1.1. (a) Ukažte, že zobrazení f : x na otevřený interval ( 1, 1). x x +1 je bijekce množiny reálných čísel R (b) Necht a, b R, a < b.
Lineární algebra : Lineární prostor
Lineární algebra : Lineární prostor (3. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 17. dubna 2014, 14:43 1 2 3.1 Aximotické zavedení lineárního prostoru Číselné těleso Celou lineární
(ne)závislost. α 1 x 1 + α 2 x 2 + + α n x n. x + ( 1) x Vektoru y = ( 1) y říkáme opačný vektor k vektoru y. x x = 1. x = x = 0.
Lineární (ne)závislost [1] Odečítání vektorů, asociativita BI-LIN, zavislost, 3, P. Olšák [2] Místo, abychom psali zdlouhavě: x + ( 1) y, píšeme stručněji x y. Vektoru y = ( 1) y říkáme opačný vektor k
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
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
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 ),
1 Lineární prostory a podprostory
Lineární prostory a podprostory Přečtěte si: Učebnice AKLA, kapitola první, podkapitoly. až.4 včetně. Cvičení. Které z následujících množin jsou lineárními prostory s přirozenými definicemi operací?. C
Matice. Je dána matice A R m,n, pak máme zobrazení A : R n R m.
Matice lineárních zobrazení [1] Připomenutí Zobrazení A : L 1 L 2 je lineární, když A( x + y ) = A( x ) + A( y ), A(α x ) = α A( x ). Což je ekvivalentní s principem superpozice: A(α 1 x 1 + + α n x n
Kapitola 11: Vektory a matice:
Kapitola 11: Vektory a matice: Prostor R n R n = {(x 1,, x n ) x i R, i = 1,, n}, n N x = (x 1,, x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i = 1,, n : x i = y i
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.
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
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
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
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
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/
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 =
Základy 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
Soustavy. 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.
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,
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
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
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
z = 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
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)
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
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..................................
Lineární algebra : Násobení matic a inverzní matice
Lineární algebra : Násobení matic a inverzní matice (8. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních
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
Lineární algebra : Násobení matic a inverzní matice
Lineární algebra : Násobení matic a inverzní matice (8. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 17. března 2014, 12:42 1 2 0.1 Násobení matic Definice 1. Buďte m, n, p N, A
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
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
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
[1] Definice 1: Polynom je komplexní funkce p : C C, pro kterou. pro všechna x C. Čísla a 0, a 1,..., a n nazýváme koeficienty polynomu.
Polynomy Polynom je možno definovat dvěma způsoby: jako reálnou nebo komplexní funkci, jejichž hodnoty jsou dány jistým vzorcem, jako ten vzorec samotný. [1] První způsob zavedení polynomu BI-LIN, polynomy,
(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
Lineární algebra : Metrická geometrie
Lineární algebra : Metrická geometrie (16. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 6. května 2014, 10:42 1 2 Úvod Zatím jsme se lineární geometrii věnovali v kapitole o lineárních
těchto písemek (bez řešení) najdete na (odkazy v posledních dvou odstavcích před sekcí Literatura ).
Vážení studenti, předkládám vám zde vzorová řešení písemek, které proběhly letos v semestru, a také řešení vzorové písemky. Zadání těchto písemek (bez řešení) najdete na http://math.feld.cvut.cz/0educ/pozad/y01alg.htm
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
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
Lineární algebra : Skalární součin a ortogonalita
Lineární algebra : Skalární součin a ortogonalita (15. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 30. dubna 2014, 09:00 1 2 15.1 Prehilhertovy prostory Definice 1. Buď V LP nad
ALGEBRA. Téma 1: Matice a determinanty
SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1 746 01 Opava tel (553 684 611 DENNÍ STUDIUM Téma 1: Matice a determinanty 1 Přehled základních pojmů a tvrzení Základní pojmy Číselná
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
Lineární algebra : Lineární (ne)závislost
Lineární algebra : Lineární (ne)závislost (4. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních technologií
Matematika 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
Lineární algebra : Báze a dimenze
Lineární algebra : Báze a dimenze (5. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 9. dubna 2014, 13:33 1 2 5.1 Báze lineárního prostoru Definice 1. O množině vektorů M z LP V řekneme,
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
Věta o dělení polynomů se zbytkem
Věta o dělení polynomů se zbytkem Věta. Nechť R je okruh, f, g R[x], přičemž vedoucí koeficient polynomu g 0 je jednotka okruhu R. Pak existuje jediná dvojice polynomů q, r R[x] taková, že st(r) < st(g)
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
Lineární algebra. Matice, operace s maticemi
Lineární algebra Matice, operace s maticemi Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo
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
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,
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
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,
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 ).
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
Nejdřív 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
LDF 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)
Součin matice A a čísla α definujeme jako matici αa = (d ij ) typu m n, kde d ij = αa ij pro libovolné indexy i, j.
Kapitola 3 Počítání s maticemi Matice stejného typu můžeme sčítat a násobit reálným číslem podobně jako vektory téže dimenze. Definice 3.1 Jsou-li A (a ij ) a B (b ij ) dvě matice stejného typu m n, pak
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
Učební 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
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
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
Lineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity)
4 Lineární zobrazení Definice: Nechť V a W jsou vektorové prostory Zobrazení A : V W (zobrazení z V do W nazýváme lineárním zobrazením, pokud pro všechna x V, y V a α R platí 1 A(x y = A(x A(y (vlastnost
Cílem této kapitoly je uvedení pojmu matice a jejich speciálních typů. Čtenář se seznámí se základními vlastnostmi matic a s operacemi s maticemi
2.2. Cíle Cílem této kapitoly je uvedení pojmu matice a jejich speciálních typů. Čtenář se seznámí se základními vlastnostmi matic a s operacemi s maticemi Předpokládané znalosti Předpokladem zvládnutí
Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008
Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty študenti MFF 15. augusta 2008 1 14 Vlastní čísla a vlastní hodnoty Požadavky Vlastní čísla a vlastní hodnoty lineárního
Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech
Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech 1. července 2008 1 Funkce v R n Definice 1 Necht n N a D R n. Reálnou funkcí v R n (reálnou funkcí n proměnných) rozumíme zobrazení
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
Odpřednesenou látku naleznete v kapitolách skript Abstraktní a konkrétní lineární algebra.
nad obecným tělesem a lineární kombinace Odpřednesenou látku naleznete v kapitolách 1.1 1.4 skript Abstraktní a konkrétní lineární algebra. Jiří Velebil: A7B01LAG 1.10.2015: 1/20 nad obecným tělesem Co
ALGEBRA A TEORETICKÁ ARITMETIKA. 1. část - Lineární algebra. doc.rndr. Jarmila Novotná, CSc. doc.rndr. Milan Trch, CSc.
ALGEBRA A TEORETICKÁ ARITMETIKA 1. část - Lineární algebra doc.rndr. Jarmila Novotná, CSc. doc.rndr. Milan Trch, CSc. Obsah 1 Aritmetické vektory 2 1.1 Základní pojmy............................ 2 1.2
Lineární prostory. - vektorové veličiny(síla, rychlost, zrychlení,...), skládání, násobení reálným číslem
Lineární prostory - vektorové veličiny(síla, rychlost, zrychlení,...), skládání, násobení reálným číslem - volné vektory a operace s nimi(sčítání, násobení reálným číslem) -ve 2 nebove 3 vázanévektorysespolečnýmpočátkem
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,
6 Lineární geometrie. 6.1 Lineární variety
6 Lineární geometrie Motivace. Pojem lineární varieta, který budeme v této kapitole studovat z nejrůznějších úhlů pohledu, není žádnou umělou konstrukcí. Příkladem lineární variety je totiž množina řešení
AVDAT 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
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
10. Vektorové podprostory
Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan Definice. Bud V vektorový prostor nad polem P. Podmnožina U V se nazývá podprostor,
1. Matice a maticové operace. 1. Matice a maticové operace p. 1/35
1. Matice a maticové operace 1. Matice a maticové operace p. 1/35 1. Matice a maticové operace p. 2/35 Matice a maticové operace 1. Aritmetické vektory 2. Operace s aritmetickými vektory 3. Nulový a opačný
P 1 = P 1 1 = P 1, P 1 2 =
1 Výpočet inverzní matice Věta 1 Necht P U elementární matice vzniklá el úpravou U Pak je P U regulární Důkaz: Protože elementární úprava U je invertovatelná, existuje el úprava U, která vrací změny U
6.1 Vektorový prostor
6 Vektorový prostor, vektory Lineární závislost vektorů 6.1 Vektorový prostor Nechť je dán soubor nějakých prvků, v němž je dána jistá struktura vztahů mezi jednotlivými prvky nebo v němž jsou předepsána
12. Determinanty. 12. Determinanty p. 1/25
12. Determinanty 12. Determinanty p. 1/25 12. Determinanty p. 2/25 Determinanty 1. Induktivní definice determinantu 2. Determinant a antisymetrické formy 3. Výpočet hodnoty determinantu 4. Determinant
8.3). S ohledem na jednoduchost a názornost je výhodné seznámit se s touto Základní pojmy a vztahy. Definice
9. Lineární diferenciální rovnice 2. řádu Cíle Diferenciální rovnice, v nichž hledaná funkce vystupuje ve druhé či vyšší derivaci, nazýváme diferenciálními rovnicemi druhého a vyššího řádu. Analogicky
Necht 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
Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe.
4 Afinita Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. Poznámka. Vzájemně jednoznačným zobrazením rozumíme zobrazení,
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,...,
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