Základní pojmy z lineární a multilineární algebry p.1/4

Transkript

1 Základní pojmy z lineární a multilineární algebry Základní pojmy z lineární a multilineární algebry p.1/4

2 Základní pojmy z lineární a multilineární algebry 1. Vektorový prostor 2. Lineární nezávislost a báze 3. Lineární zobrazení 4. Bilineární a kvadratické formy Základní pojmy z lineární a multilineární algebry p.2/4

3 1 Algebraické operace DEFINICE 1 (Binární) algebraická operace na neprázdné množině A je zobrazení : A A (a, b) a b A. Operace na množině A tedy každé uspořádané dvojici (a, b) A Aprvků a, b Apřiřazuje jednoznačně určenýprveka b A. PŘÍKLAD 1 Sčítání + definované namnožině reálných čísel R, které například dvojici (2, 3) R R přiřazuje prvek 2+3=5 R. Základní pojmy z lineární a multilineární algebry p.3/4

4 2 Vektorový prostor DEFINICE 2 Reálným (komplexním) vektorovým prostorem rozumíme množinu V s algebraickou operací +:V V (u, v) u+v V, kterou nazývámesčítání vektorů a zobrazením R(C) V (α, v) αv V, které nazýváme násobení skalárem, přičemž platí: VP1 u, v, w V: u +(v + w) =(u + v)+w VP2 o V u V: u + o = o + u = u VP3 u V u V: u +( u) = u + u = o VP4 u, v V: u + v = v + u VP5 α R(C) u, v V: α(u + v) =αu + αv VP6 α, β R(C) u V:(α + β)u = αu + βu VP7 α, β R(C) u V: α(βu) =(αβ)u VP8 u V:1u = u Základní pojmy z lineární a multilineární algebry p.4/4

5 2 Vektorový prostor PŘÍKLAD 2 Reálné aritmetické vektorydaného řádu n se sčítáním vektorů asnásobením skalárem po složkách tvoří reálný vektorový prostor. Jeho nulový prvekjeo =[0,...,0], proa =[a 1,...,a n ] je inverzním prvkem a =[ a 1,..., a n ].Pron =1je množina skalárů i vektorů stejná. PŘÍKLAD 3 Množina F všech reálných funkcí s operací + definovanou pro každéreálné x rovností (f + g)(x) =f(x)+g(x) asnásobením skalárem, které prokaždé α R a f Fdefinuje funkci αf Frovností (αf)(x) =αf(x), tvoří reálný vektorový prostor. Nulový prveko tohoto prostoru je dán předpisem o(x) =0, prvek opačný kf je definován pomocí ( f)(x) = f(x). Základní pojmy z lineární a multilineární algebry p.5/4

6 2 Vlastnosti vektorových prostorů VĚTA 1 Necht V je vektorový prostor s nulovým prvkem o, u Vanecht α je libovolný skalár. Pak platí následující rovnosti: 1. 0u = o 2. αo = o 3. ( 1)u = u DŮKAZ: 1. 0u VP2 = 0u + o VP3 = 0u + ( 0u + ( (0u) )) VP1 = (0u +0u)+ ( (0u) ) VP6 = (0+0)u + ( (0u) ) =0u + ( (0u) ) VP3 = o. 2. Použijeme-li 1 pro u = o, dostaneme 0o = o, takže αo = α(0o) VP7 = (α0)o =0o = o. 3. u +( 1)u VP8 = 1u +( 1)u VP6 = ( 1+( 1) ) u =0u = 1 o. Základní pojmy z lineární a multilineární algebry p.6/4

7 3 Vektorový podprostor DEFINICE 3 Neprázdná množina U Vje podprostorem vektorového prostoru V, jestliže U je vektorový prostor vzhledem ke sčítání vektorů a násobení skalárem v prostoru V. VĚTA 2 Množina U Vje podprostorem vektorového prostoru V právě tehdy, když pro libovolné dva prvky u, v Uapro libovolnýskalár α platí: 1. u + v U 2. αu U DŮKAZ: Z2plyne0u Ui ( 1)u U, takže podle 1. a 3. věty 1 také nulový prvek o =0uiopačný prvek u =( 1)u patří do U. Ostatní axiomy vektorového prostoru jsou splněny zřejmě také. Základní pojmy z lineární a multilineární algebry p.7/4

8 3 Vektorový podprostor PŘÍKLAD 4 Necht p je pevně zvolenápřímka v prostoru procházející zvoleným počátkem souřadnic. Pak množina všech polohových vektorů bodů napřímce p tvoří podprostor vektorového prostoru všech vázaných vektorů v prostoru. PŘÍKLAD 5 Pro dané k 1 je množina P k všech mnohočlenů stupně menšího než k podprostorem vektorového prostoru F zpříkladu 5. PŘÍKLAD 6 Necht V je libovolný prostor. Pak O = {o} je podprostorem V, nebot o + o = o a pro libovolný skalár α platí, že αo = o. Vektorový prostor O je nejmenší podprostor daného vektorového prostoru a nazývá senulovým podprostorem. Základní pojmy z lineární a multilineární algebry p.8/4

9 3 Vektorový podprostor PŘÍKLAD 7 Necht S = {v 1,...,v k } je konečná množina vektorů vektorového prostoru V.Množina všech vektorů, které lze zapsat ve tvaru u = α 1 v α k v k je podprostorem vektorového prostoru V, který nazýváme lineární obal množiny S. Lineární obal dané množiny vektorů S značíme S = v 1,...,v k. PŘÍKLAD 8 U = {[u 1,u 2,u 3 ] R 3 : u 1 2u 2 + u 3 =0} tvoří podprostor vektorového prostoru R 3.Vyřešíme-li soustavu jedné rovnice o třech neznámých u 1 2u 2 + u 3 =0dostaneme řešení ve tvaru u 1 =2t s, u 2 = t, u 3 = s s parametry t, s R. Pakmůžeme podprostor U zapsat ve tvaru: U = {[2t s, t, s],t,s R} = {t[2, 1, 0] + s[ 1, 0, 1],t,s R} = = [2, 1, 0], [ 1, 0, 1]. Základní pojmy z lineární a multilineární algebry p.9/4

10 4 Vektory v matematice a fyzice Vektorové prostory zobecňují pojem vektoru známého např. z fyziky, tj. veličina mající velikost a směr Nejedná se o veličiny, které mají velikost a směr (Co je velikost vektoru z prostoru všech funkcí F?) Dokonce i veličiny, které mají velikost a směr nemusí splňovat axiomy vektorového prostoru Vpřípadě abstraktních vektorůjeněkdy možné je pro zjednodušení nahradit "šipkami", tj. veličinami, které mají velikost a směr. Základní pojmy z lineární a multilineární algebry p. 10/4

11 5 Závislé a nezávislé vektory DEFINICE 4 Neprázdná konečná množina vektorů S = {v 1,...,v k } vektorového prostoru V je lineárně nezávislá, jestliže rovnice α 1 v α k v k = o ( ) májediné řešení α 1 = = α k =0. Jestliže S = {v 1,...,v k } je nezávislá, říkáme také, že vektory v 1,...,v k jsou nezávislé. Má-li rovnice ( ) i jiné řešení,pakříkáme, že S je lineárnězávislá avektory v 1,...,v k jsou závislé. Základní pojmy z lineární a multilineární algebry p. 11/4

12 5 Závislé a nezávislé vektory Geometrický význam lineární závislosti pro dvourozměrné vázané vektory α 2 v v w α 1 u=u o u α 1 u o v α 3 w=-w α 2 v=-u α 1 u+α 2 v+α 3 w=o α 1 u+α 2 v=o Základní pojmy z lineární a multilineární algebry p. 12/4

13 5 Závislé a nezávislé vektory PŘÍKLAD 9 Jestliže v 1 =[2, 1, 0], v 2 =[1, 2, 5] a v 3 =[7, 1, 5], pak množina vektorů S = {v 1, v 2, v 3 } je lineárně závislá, nebot 3v 1 + v 2 v 3 = o. PŘÍKLAD 10 Mnohočleny p 1 (x) =1 x, p 2 (x) =5+3x 2x 2 a p 3 (x) =1+3x x 2 tvoří lineárně závislou množinu v P 3, nebot pro každé x R platí 3p 1 (x) p 2 (x)+2p 3 (x) =0, tj. 3p 1 p 2 +2p 3 = o. PŘÍKLAD 11 Vektory e 1 =[1, 0, 0], e 2 =[0, 1, 0] a e 3 =[0, 0, 1] tvoří lineárně nezávislou množinu reálných třírozměrných aritmetických vektorů, nebot α 1 e 1 + α 2 e 2 + α 3 e 3 = o pouze pro α 1 =0,α 2 =0,α 3 =0. Základní pojmy z lineární a multilineární algebry p. 13/4

14 6 Lineární kombinace a závislost DEFINICE 5 Vektor v z vektorového prostoru V budeme nazývat lineární kombinací vektorů v 1,...,v k V, jestliže existují skaláry α 1,...,α k tak, že v = α 1 v α k v k. PŘÍKLAD 12 Mnohočlen p 1 (x) =x zvektorového prostoru P 1 všech lineárních reálných mnohočlenů je lineární kombinací mnohočlenů p 2 (x) =x +1a p 3 (x) =x +2, nebot pro libovolné reálné x platí p 1 (x) =x =2(x +1) (x +2)=2p 2 (x) p 3 (x), takže p 1 =2p 2 p 3. Základní pojmy z lineární a multilineární algebry p. 14/4

15 6 Lineární kombinace a závislost VĚTA 3 Konečnámnožina nenulových vektorů S = {v 1,...v m } je lineárně závislá, právě když existuje k 2 tak, že vektor v k je lineární kombinací vektorů v 1,...,v k 1. Základní pojmy z lineární a multilineární algebry p. 15/4

16 7 Postačující podmínky pro nezávislost funkcí Necht S = {f 1,...,f k } je konečná množina reálných funkcí vektorového prostoru F. S je nezávislá právě tehdy, když z α 1 f 1 (x)+ + α k f k (x) =0 pro všechna x R plyne, že α 1 = = α k =0. Dosadíme-li za x postupně různá čísla x 1,...,x k, dostaneme soustavu k lineárních rovnic o k neznámých α 1,...,α k ve tvaru: α 1 f 1 (x 1 ) α k f k (x 1 ) = α 1 f 1 (x k ) α k f k (x k ) = 0 Pokud má tato soustava regulární matici, plyne odsud, že α 1 = = α k =0aS je nezávislá množina. Základní pojmy z lineární a multilineární algebry p. 16/4

17 7 Postačující podmínky pro nezávislost funkcí PŘÍKLAD 13 Rozhodněte, zda jsou mocniny x, x 2 a x 3 lineárně nezávislé. ŘEŠENÍ:Zvolíme si body x 1 =1,x 2 =2ax 3 =3,které postupně dosadíme do funkcí f 1 (x) =x, f 2 (x) =x 2,f 3 (x) =x 3, a vytvoříme soustavu: α 1 + α 2 + α 3 = 0 2α 1 + 4α 2 + 8α 3 = 0 3α 1 + 9α α 3 = 0 Matici této soustavy převedeme na schodový tvar. Dostaneme r r r Matice soustavy je regulární, takže soustava má jen nulové řešení α 1 = α 2 = α 3 =0. Funkce x, x 2 a x 3 jsou tedy lineárně nezávislé. Základní pojmy z lineární a multilineární algebry p. 17/4

18 8 Báze vektorového prostoru DEFINICE 6 Konečná množina E vektorů vektorového prostoru V je báze vektorového prostoru V, jestliže E je nezávislá. Každý vektorv Vlze vyjádřit jako lineární kombinaci vektorů E. Ne každý vektorový prostor má bázi ve smyslu naší definice. Například neexistuje žádná konečná množina reálných funkcí, jejichž lineární kombinací by bylo možno vyjádřit libovolnou reálnou funkci. Základní pojmy z lineární a multilineární algebry p. 18/4

19 8 Báze vektorového prostoru PŘÍKLAD 14 Vektory e 1 =[1, 0, 0], e 2 =[0, 1, 0], e 3 =[0, 0, 1] tvoří bázi V = R 3. Jakýkoli vektor v =[v 1,v 2,v 3 ] tohoto prostoru lze vyjádřit ve tvaru v = v 1 e 1 + v 2 e 2 + v 3 e 3.Báze E =(e 1, e 2, e 3 ) je zvláštním případem standardní báze R n,kterájetvořena řádky či sloupci jednotkové matice I n. PŘÍKLAD 15 Mnohočleny p 1 (x) =1ap 2 (x) =x tvoří bázi vektorového prostoru P 2.Každý mnohočlen p(x) =a 0 + a 1 x lze zapsat ve tvaru p = a 0 p 1 + a 1 p 2. Mnohočleny zde považujeme za reálné funkce definované naceléreálné ose. Necht a 0 p 1 + a 1 p 2 = o, tj. a 0 + a 1 x =0pro všechna x. Prox =0dostáváme a 0 + a 1 0=0, odkud a 0 =0,aprox =1pak z a 1 1=0 dostaneme a 1 =0,takže p 1 a p 2 jsou nezávislé. Základní pojmy z lineární a multilineární algebry p. 19/4

20 8Souřadnice vektoru DEFINICE 7 Necht E =(e 1,...,e n ) je uspořádaná báze vektorů vektorového prostoru V. Necht v V. Potom čísla v 1,...,v n,prokteráplatí v = v 1 e v n e n, nazýváme souřadnice vektoru v vbázi E. Souřadnice každého vektoru v Vjsou v dané bázi E určeny jednoznačně. Budeme je zapisovat také do aritmetického vektoru, který se nazývá souřadnicový vektor aznačí se [v] E. PŘÍKLAD 16 Mnohočlen p(x) =x +2mávbázi P =(p 1,p 2 ) zpříkladu 15, kde p 1 (x) =1a p 2 (x) =x, souřadnice 2, 1, nebot p(x) =x +2=2p 1 (x)+1p 2 (x). Jeho souřadnicový vektorje[p] P =[2, 1]. Základní pojmy z lineární a multilineární algebry p. 20/4

21 8 Dimenze vektorového prostoru DEFINICE 8 Maximální počet nezávislých vektorů vektorového prostoru V nazýváme dimenzí prostoru V a značíme ji dim V. Má-li vektorový prostor bázi, je jeho dimenze rovna počtu vektorů báze a mluvíme o konečněrozměrném prostoru. Podle naší definice platí dim{o} =0. Nemá-li nenulový vektorovýprostorbázi, mluvíme o nekonečněrozměrném prostoru. Základní pojmy z lineární a multilineární algebry p. 21/4

22 9 Lineární zobrazení DEFINICE 9 Necht U, V jsou vektorové prostory. Zobrazení A : U Vse nazývá lineární zobrazení (operátor), jestliže pro každé dva vektory u, v Uaskalár α platí: 1. A(u + v) = A(u)+A(v) 2. A(αu) =αa(u) Lineární zobrazení U Use často nazývá lineární transformace. Množinu všech lineárních zobrazení vektorového prostoru U do vektorového prostoru V budeme značit L(U, V). Místo L(U, U) budeme psát stručně L(U). Lineární zobrazení vektorového prostoru U do R se nazývají lineární formy nebo lineární funkcionály. Základní pojmy z lineární a multilineární algebry p. 22/4

23 9 Lineární zobrazení PŘÍKLAD 17 Funkce y = ax je lineární transformace R pro libovolné pevnězvolené a R, nebot a(u + v) =au + av a a(αu) =αau pro libovolná čísla u, v a α. PŘÍKLAD 18 Funkce f : y =2x +1není lineární transformace R, nebot f(2 + 2) = f(4) = 9 10=f(2) + f(2). PŘÍKLAD 19 Je-li A libovolná reálná m n matice, R n,1 (R m,1 ) prostor všech sloupcových aritmetických vektorů dimenze n(m), pak je A : R n,1 x Ax R m,1 lineární zobrazení, nebot pro libovolné vektoryx a y platí A(x + y) =Ax + Ay a A(αx) =αax. Základní pojmy z lineární a multilineární algebry p. 23/4

24 9 Lineární zobrazení PŘÍKLAD 20 Zobrazení D : P n+1 P n definované předpisem D : p(x) =a n x n + +a 1 x+a 0 p (x) =na n x n 1 + +a 2 x+a 1 je lineární. Opravdu pro p(x) =a n x n + + a 0 a q(x) =b n x n + + b 0 je (p + q)(x) =(a n + b n )x n + +(a 0 + b 0 ), (αp)(x) =(αa n )x n + +(αa 0 ) a 1. D(p + q) =n(a n + b n )x n 1 + +(a 1 + b 1 )= = na n x n a 1 + nb n x n b 1 = = p (x)+q (x) =D(p)+D(q) 2. D(αp) =n(αa n )x n 1 + +(αa 1 )=α(na n x n a 1 )= = αp (x) =αd(p). Základní pojmy z lineární a multilineární algebry p. 24/4

25 9 Princip superpozice a inverze lineárních zobrazení Mnoho technických problémů lze zformulovat jako úlohu najít pro dané lineární zobrazení A : U Vaprob Vvektor x Utak, aby platilo A(x) =b. (R) Předpokládejme nyní, že známe například řešení x 1 a x 2 rovnice (R) pro dvě pravé strany b 1 a b 2, tedy že platí A(x 1 )=b 1 a A(x 2 )=b 2, aženavícplatíb = b 1 + b 2. Pak můžeme určit řešení x rovnice (R) pouhým sečtením x 1 a x 2, nebot pro x = x 1 + x 2 platí A(x) =A(x 1 + x 2 )=A(x 1 )+A(x 2 )=b 1 + b 2 = b. Základní pojmy z lineární a multilineární algebry p. 25/4

26 9 Princip superpozice a inverze lineárních zobrazení VĚTA 4 Necht A : U V je vzájemně jednoznačné lineární zobrazení vektorového prostoru U na vektorový prostor V. Pak existuje A 1, které jerovněž lineární zobrazení. DŮKAZ: Inverzní zobrazení A 1 existuje pro každé vzájemně jednoznačné zobrazení. Necht u = A(x), v = A(y),tedy x = A 1 (u) a y = A 1 (v), a necht α je libovolný skalár. Potom A 1 (u + v) =A 1( A(x)+A(y) ) = A 1( A(x + y) ) = x + y = = A 1 (u)+a 1 (v), A 1 (αu) =A 1( αa(x) ) = A 1( A(αx) ) = αx = αa 1 (u). Základní pojmy z lineární a multilineární algebry p. 26/4

27 10 Matice lineárního zobrazení VĚTA 5 Necht A : R m,1 R n,1 je libovolné lineární zobrazení. Pak existuje matice A typu (n, m) tak, že pro libovolné x R m,1 platí A(x) =Ax. DŮKAZ: Jelikož libovolný vektor x R m,1 lze zapsat ve tvaru lze A(x) zapsat pomocí x = x 1 s I x m s I m A(x) =A(x 1 s I x ms I m )=x 1A(s I 1 )+ + x ma(s I m )=Ax, kde A = [ A(s I 1),...,A(s I m) ] =[a ij ]. Základní pojmy z lineární a multilineární algebry p. 27/4

28 10 Matice lineárního zobrazení Budeme předpokládat, že U a V jsou dva vektorové prostory konečné dimenze s bázemi E =(e 1,...,e m ) a F =(f 1,...,f n ). DEFINICE 10 Necht A : U V je lineární zobrazení. Pakmůžeme vektory A(e 1 ),..., A(e m ) vyjádřit jako lineární kombinace vektorů f 1,...,f m ve tvaru: A(e 1 ) = a 11 f a n1 f n A(e m ) = a 1m f a nm f n Matici [A] E,F =[a ij ]= [ ] [A(e 1 )] F,...,[A(e m )] F nazýváme maticí lineárního zobrazení A vzhledem k bázím (E, F). Jestliže U = V a E = F, pak budeme mluvit o matici lineární transformace vzhledem k bázi E amísto [A] E,E budeme psát stručně [A] E. Základní pojmy z lineární a multilineární algebry p. 28/4

29 10 Matice lineárního zobrazení PŘÍKLAD 21 Necht P 3, P 2 mají báze E =(e 1,e 2,e 3 ), kde e 1 (x) =1,e 2 (x) =x, e 3 (x) =x 2 a F =(f 1,f 2 ), kde f 1 (x) =1,f 2 (x) =x. Najděte matici derivace D : P 3 p p P 2. ŘEŠENÍ: Nejdříve najdeme souřadnice D(e 1 ),D(e 2 ) a D(e 3 ) vbázi F. Jelikož D(e 1 )(x) =0, D(e 2 )(x) =1a D(e 3 )(x) =2x, můžeme napsat přímo: 0 = x 1 = x 2x = x Souřadnice D(e 1 ),D(e 2 ) a D(e 3 ) vzhledem k Ftvoří zřejmě koeficienty na řádcích, které zapíšeme do sloupců a dostaneme [D] E,F = [ ]. Základní pojmy z lineární a multilineární algebry p. 29/4

30 10 Matice lineárního zobrazení PŘÍKLAD 22 Svyužitím řešení příkladu 21 vypočtěte derivaci libovolného mnohočlenu p nejvýše druhého stupně. ŘEŠENÍ: Mnohočlen p(x) =ax 2 + bx + c P 3 mávbázi E souřadnice [ ] c [p] E = b. a Jelikož jsme si v příkladu 29 ukázali, že derivace D : P 3 P 2 mávbázích E, F matici [ ] [D] E,F = platí [ ] [ ] c [ ] [p b ] F =[Dp] F =[D] E,F [p] E = b = 2a. a Odtud p (x) =b f 1 (x)+2a f 2 (x) =b +2ax. Základní pojmy z lineární a multilineární algebry p. 30/4

31 11 Bilineární formy DEFINICE 11 Necht V je reálný vektorový prostor. Zobrazení B : V V R se nazývá bilineární forma, jestliže pro libovolné u, v, w Vaα R platí: 1. B(u + v, w) =B(u, w)+b(v, w) 2. B(αu, v) =αb(u, v) 3. B(u, v + w) =B(u, v)+b(u, w) 4. B(u, αv) =αb(u, v) Bilineární funkce je tedy při zvolené hodnotě jedné proměnné lineární funkcí druhé proměnné. Můžeme ji považovat za zobecnění funkce f(x, y) =axy dvou proměnných x a y na vektorové prostory. Základní pojmy z lineární a multilineární algebry p. 31/4

32 11 Definice a příklady PŘÍKLAD 23 Na prostoru V = R 3 sloupcových vektorů dimenze 3 si definujeme formu B předpisem, který každé dvojici vektorů x =[x i ] a y =[y i ] přiřazuje B(x, y) =x y = x 1 y 1 + x 2 y 2 + x 3 y 3. Interpretujeme-li x jako sílu a y jako dráhu, pak B(x, y) je práce konaná silou x po dráze y. Snadno se ověří, že B je bilineární forma. PŘÍKLAD 24 Necht A =[a ij ] je daná reálná čtvercová matice řádu 2.Pak zobrazení, kterékaždé dvojici sloupcových vektorů druhého řádu x =[x i ] a y =[y i ] přiřazuje B(x, y) =x Ay = a 11 x 1 y 1 + a 12 x 1 y 2 + a 21 x 2 y 1 + a 22 x 2 y 2, je bilineární forma. PŘÍKLAD 25 Necht F je vektorový prostor všech reálných funkcí. Pakpředpis, který každé dvojici funkcí f Fag Fpřiřazuje B(f,g) =f(1)g(1) + f(2)g(2), definuje bilineární formu. Základní pojmy z lineární a multilineární algebry p. 32/4

33 11 Klasifikace bilineárních forem DEFINICE 12 Necht V je libovolný vektorový prostor. Bilineární forma B se nazývá symetrická, jestliže pro libovolné vektoryu, v V platí B(u, v) =B(v, u) a antisymetrická, jestliže B(u, v) = B(v, u). PŘÍKLAD 26 Bilineární formy z příkladu23a25jsouzřejmě symetrické, zatímco forma z příkladu 24 je symetrická, právě když A = A. Bilineární forma z příkladu 24 bude antisymetrická, právě když A = A Vskutku B(x, y) =y Ax = ( y Ax ) =(Ax) y = x A y. Jelikož B(y, x) =x Ay pak B(x, y) =B(y, x) A = A. Obdobně B(x, y) = B(y, x) A = A. Základní pojmy z lineární a multilineární algebry p. 33/4

34 11 Klasifikace bilineárních forem VĚTA 6 Každou bilineární formu B můžeme vyjádřit ve tvaru součtu symetrické a antisymetrické formy B(u, v) =B S (u, v)+b A (u, v), kde B S (u, v) = 1 ( ) B(u, v)+b(v, u) 2 B A (u, v) = 1 ( ) B(u, v) B(v, u) 2 přičemž B S (u, v) =B S (v, u) a B A (u, v) = B A (v, u). Formy B S a B A se nazývají po řadě symetrická část a antisymetrická část bilineární formy B. DŮKAZ: B(u, v) = 1 2( B(u, v)+b(v, u) ) ( B(u, v) B(v, u) ) Základní pojmy z lineární a multilineární algebry p. 34/4

35 12 Matice bilineární formy DEFINICE 13 Necht V je libovolný vektorový prostor a E = (e 1,...,e n ) je jeho báze. Maticí bilineární formy B v bázi E rozumíme matici [B] E =[B(e i, e j )] VĚTA 7 Necht [B] E je matice bilineární formy B vbázi E vektorového prostoru V. Pro libovolnévektoryx, y V B(x, y) =[x] E [B] E [y] E. Základní pojmy z lineární a multilineární algebry p. 35/4

36 12 Matice bilineární formy PŘÍKLAD 27 Najděte matici bilineární formy z příkladu 3 definované na prostoru P 3 všech mnohočlenů nejvýše druhého stupně vbázi E =(e 1,e 2,e 3 ), kde e 1 (x) =1,e 2 (x) =x, e 3 (x) =x 2. Výsledek využijte k vyčíslení B(p, q) pro p(x) =1 x a q(x) =x 2 x. ŘEŠENÍ: Postupně vypočteme: B(e 1,e 1 ) = e 1 (1)e 1 (1) + e 1 (2)e 1 (2) = = 2 B(e 1,e 2 ) = e 1 (1)e 2 (1) + e 1 (2)e 2 (2) = = 3 B(e 1,e 3 ) = e 1 (1)e 3 (1) + e 1 (2)e 3 (2) = = 5 B(e 2,e 2 ) = e 2 (1)e 2 (1) + e 2 (2)e 2 (2) = = 5 B(e 2,e 3 ) = e 2 (1)e 3 (1) + e 2 (2)e 3 (2) = = 9 B(e 3,e 3 ) = e 3 (1)e 3 (1) + e 3 (2)e 3 (2) = = 17 Ostatní prvky matice formy dopočteme ze symetrie B(e i,e j )=e i (1)e j (1) + e i (2)e j (2) = e j (1)e i (1) + e j (2)e i (2) = B(e j,e i ). Základní pojmy z lineární a multilineární algebry p. 36/4

37 12 Matice bilineární formy PŘÍKLAD 28 (Pokračování) Matice má tedytvar: Jelikož platí B(p, q) = [ [B] E = [p] E = 1 a [q] E = ] [ =, ] = 2. Základní pojmy z lineární a multilineární algebry p. 37/4

38 13 Kvadratické formy DEFINICE 14 Necht V je vektorový prostor a necht B je bilineární forma na V. Zobrazení Q B definované pro libovolné x Vpředpisem Q B (x) =B(x, x) se nazývá kvadratická formapříslušná bilineární formě B. Kvadratickou formou budeme stručně nazývat zobrazení Q definované na V,prokteré existuje bilineární forma B na V tak, že Q = Q B. Kvadratickou formu můžeme považovat za zobecnění funkce y = ax 2 na vektorové prostory. Základní pojmy z lineární a multilineární algebry p. 38/4

39 definuje kvadratickou formu příslušnou bilineární formě definované vpříkladě 25 Základní pojmy z lineární a multilineární algebry p. 39/4 o bilineárních formách. 13 Kvadratické formy PŘÍKLAD 29 Na prostoru V = R 3 sloupcových vektorů dimenze 3 je definováno zobrazení Q,kterékaždému vektoru x =[x i ] přiřazuje Q(x) =x x = x x x 2 3, což je kvadratická formapříslušná bilineární formě definované vpříkladě 23o bilineárních formách. Interpretujeme-li x jako polohový vektor,pakq(x) je druhá mocnina jeho délky. PŘÍKLAD 30 Necht A =[a ij ] je daná reálná čtvercová matice řádu 2.Pak zobrazení, kterékaždému sloupcovému vektoru x =[x i ] dimenze dvě přiřazuje Q(x) =x Ax = a 11 x 2 1 +(a 12 + a 21 )x 1 x 2 + a 22 x 2 2 je kvadratická formapříslušná bilineární formě definované vpříkladě 24o bilineárních formách. PŘÍKLAD 31 Necht F je prostor všech reálných funkcí. Pakpředpis, který každé funkci f Fpřiřazuje Q(f) =f(1) 2 + f(2) 2,

40 14 Matice kvadratické formy Necht V je vektorový prostor konečné dimenze s bází E =(e 1,...,e n ) a necht Q je daná kvadratická forma příslušná bilineární formě B. Pak pro libovolný vektor x Vplatí Q(x) =B(x, x) =[x] E [B] E [x] E. Je proto přirozené považovat matici [B] E za matici kvadratické formy Q příslušné bilineární formě B v bázi E. Kvadratická forma příslušná B přísluší též symetrické části B S bilineární formy B. Proto definujeme matici kvadratické formy Q B příslušné k bilineární formě B jako symetrickou matici [Q B ]= [ B S]. Při studiu matic kvadratických forem se tedy můžeme omezit na symetrické matice. Základní pojmy z lineární a multilineární algebry p. 40/4

41 15 Pozitivnědefinitní formy DEFINICE 15 Kvadratická formaq na vektorovém prostoru V se nazývá pozitivně definitní, jestliže pro libovolné x V, x o platí Q(x) > 0. Jestliže pro libovolné x V platí Q(x) 0, pakseq nazývá pozitivně semidefinitní. PŘÍKLAD 32 Kvadratická formazpříkladu 29 je pozitivnědefinitní. PŘÍKLAD 33 Kvadratická formaq definovaná nar 2 předpisem Q(x) =2x 2 1 2x 1 x 2 +3x 2 2 =2(x x 2) x 2 je pozitivnědefinitní. PŘÍKLAD 34 Kvadratická formazpříkladu 31 nabývá pouze nezáporných hodnot, avšak Q(f) =0například pro nenulovou funkci f(x) =(x 1)(x 2). Kvadratická forma je proto pouze pozitivně semidefinitní. Základní pojmy z lineární a multilineární algebry p. 41/4

42 15 Pozitivnědefinitní formy LEMMA 2 Je-li V je vektorový prostor konečné dimenze s bází E a je-li Q je pozitivně definitní kvadratická forma, pak pro libovolné x o platí [x] E o a Q(x) =[x] E [Q] E [x] E > 0. DEFINICE 16 Každou symetrickou matici A budeme nazývat pozitivně definitní, jestliže pro každý sloupcový vektorx o platí x Ax > 0, a pozitivně semidefinitní, jestliže x Ax 0 pro libovolný sloupcový vektor x. Kvadratická forma je tedy pozitivně definitní (semidefinitní), právě když je její matice v libovolné bázi pozitivně definitní (semidefinitní). Základní pojmy z lineární a multilineární algebry p. 42/4