1 Řešení soustav lineárních rovnic
|
|
- Miluše Doležalová
- před 6 lety
- Počet zobrazení:
Transkript
1 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 a n x n = b, (1) kde koeficienty a 1,a 2,..., a n,b jsou reálná čísla. Označení lineární vyjadřuje skutečnost, že každá z neznámých x 1,x 2,..., x n se v rovnici vyskytuje nejvýše v první mocnině. Pokud by nejvyšší mocninou, v níž se v rovnici vyskytuje proměnná, byla mocnina druhá, resp. třetí, hovořili bychom o rovnici kvadratické, resp. kubické (případně o rovnici druhého, resp. třetího stupně). V případě rovnic o jedné, dvou či třech neznámých používáme pro označení neznámých a koeficientů často i jiné symboly než v (1), např. neznámé označujeme x, y a z akoeficientya, b, c a d: ax = b, ax + by = c, ax + by + cz = d. 1.2 Soustava lineárních rovnic Budeme uvažovat soustavu m lineárních rovnic o n neznámých s reálnými koeficienty (obecně s koeficienty z tělesa 1 T ; potom hovoříme o soustavě m lineárních rovnic o n neznámých nad tělesem T ): a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2... (2) a m1 x 1 + a m2 x a mn x n = b m Se soustavou (2) jsou spojeny následující dvě matice. Matice soustavy A: A = a 11 a a 1n a 21 a a 2n a m1 a m2... a mn 1 Tělesem zde rozumíme algebraickou strukturu (již znáte algebraickou strukturu zvanou grupa ). V kurzu lineární algebry a geometrie budeme pracovat výhradně s tělesem reálných čísel R. Definice této algebraické struktury je uvedena v kapitole věnované vektorovému prostoru. 1
2 Rozšířená matice soustavy A : A = a 11 a a 1n b 1 a 21 a a 2n b a m1 a m2... a mn b m Poznámka. Pro označení rozšířené matice používáme i jiné symboly než A. Například Aroz. 1.3 Maticový zápis soustavy Užitím násobení matic můžeme soustavu (2) zapsat ve tvaru kde A je matice soustavy, x = x 1 A x = b, x 2. je vektor neznámých a b = b 1 b 2. je vektor pravých stran rovnic soustavy. x n b m Vektory x a b můžeme chápat také jako matice. Pak použijeme zápis kde X = x a B = b. A X = B, Často je výhodné hledět na soustavu (2) jako na rovnost lineární kombinace sloupcových vektorů matice A vektoru b: a 11 a 21 x 1. a m1 + x 2 což stručněji zapíšeme ve tvaru: a 12 a 22. a m x n a 1n a 2n. a mn x 1 a 1 + x 2 a x n a n = b. = b 1 b 2. b m, (3) 2
3 Podle vektoru pravých stran b rozlišujeme dva typy soustavy lineárních rovnic (2): 1) Pro b = o =(0, 0,..., 0) hovoříme o homogenní soustavě, symbolicky ji zapíšeme A x = o (nebo A X = O). 2) Pro b o hovoříme o nehomogenní soustavě, kterou symbolicky zapíšeme A x = b; b o (nebo A X = B; B O). 1.4 Řešitelnost soustavy - Frobeniova věta Zajímá nás, jak poznáme, zda má soustava řešení a kolik různých řešení může mít. PŘÍKLAD 1.1. Rozhodněte o počtu řešení daných soustav. Potom je vyřešte a jejich řešení geometricky interpretujte. a) x +3y + z =5 2x + y + z =2 x + y +5z = 7, b) 4x +3y +2z =1 x +3y +5z =1 3x +6y +9z =2, c) x + y 3z = 1 2x +3y 2z =1 x +2y + z =3. Řešení: Provedeme Gaussovu eliminaci rozšířené matice každé z daných soustav: ad a) x +3y + z = y 2z = z = 2 h(a) =h(a )=n (počet neznámých), soustava má jediné řešení (je regulární) Obrázek 1: Řešení příkladu 1.1 a - tři roviny s jedním společným bodem 3
4 Řešení určíme například Gaussovou-Jordanovou eliminací (můžeme však použít také Cramerovo pravidlo, inverzní matici či přímé řešení soustavy): Řešením soustavy je uspořádaná trojice X = [1, 2, 2]. Geometricky toto řešení interpretujeme jako bod, který je společný třem rovinám odpovídajícím daným rovnicím. ad b) [ ] x +3y +5z = 1 (4) y +6z =1 h(a) =h(a ) <n(počet neznámých), soustava má nekonečně mnoho řešení Obrázek 2: Řešení příkladu 1.1 b - tři roviny se společnou přímkou Řešení určíme ze soustavy (4), která odpovídá matici v Gaussově tvaru ekvivalentní s rozšířenou maticí dané soustavy: x +3y +5z =1 3y +6z =1 Neznámé x, y, které odpovídají prvním nenulovým prvkům každého řádku matice v Gaussově tvaru zůstanou neznámými, zatímco neznámou z nahradíme reálným parametrem t (nejsme schopni určit hodnoty více neznámých než je počet nezávislých rovnic, proto tuto třetí neznámou uvažujeme jako volnou ): z = t; t R x +3y =1 5t 3y =1 6t 4
5 Řešením soustavy je množina všech uspořádaných trojic M = {[t, 1 2t, t]; t R}. 3 Geometricky toto řešení interpretujeme jako přímku, která je společná všem třem rovinám odpovídajícím daným rovnicím. ad c) h(a) <h(a ), soustava nemá řešení x + y 3z =1 y +4z = 1 0=3 Obrázek 3: Řešení příkladu 1.1 c - tři roviny nemají společný průnik Množina řešení dané soustavy je prázdná: M =. Věta 1 (Frobeniova věta). Soustava m lineárních rovnic o n neznámých nad tělesem T má aspoň jedno řešení právě tehdy, když hodnost matice této soustavy je rovna hodnosti rozšířené matice soustavy, tj. h(a) =h(a ). Důkaz. Frobeniova věta má formu ekvivalence. Můžeme ji schematicky vyjádřit takto: aspoň jedno řešení h(a) =h(a ). Dokazujeme tedy příslušné dvě implikace: 5
6 (1) aspoň jedno řešení h(a) =h(a ) aspoň jedno řešení ex. x 1,x 2,..., x n tak, že x 1 a 1 + x 2 a x n a n = b b je lineární kombinací vektorů a 1, a 2,..., a n. Potom se jeho přidáním k matici tvořené vektory a 1, a 2,..., a n nemůže zvýšit její hodnost, tj. h(a) =h(a ). Symbolicky zapsáno: [a 1, a 2,..., a n ]=[a 1, a 2,..., a n,b] h(a) =h(a ). 2 (2) h(a) =h(a ) aspoň jedno řešení h(a) = h(a ) b je lineární kombinací vektorů a 1, a 2,..., a n x 1,x 2,..., x n existuje řešení Poznámka. Řešení soustavy lineárních rovnic může dopadnout trojím způsobem. Buď má právě jedno řešení, nebo má nekonečně mnoho řešení a nebo řešení nemá. Jiná možnost není. Jak to dopadne, poznáme už při ověřování platnosti Frobeniovy podmínky takto: (i) h(a) =h(a )=n... soustava má právě jedno řešení (tj. jednu uspořádanou n tici), (ii) h(a) =h(a ) <n... soustava má nekonečně mnoho řešení (tj. nekonečně mnoho uspořádaných n tic, které tvoří nějaký podprostor, např. přímku nebo rovinu), (iii) h(a) h(a )... soustava nemá řešení. PŘÍKLAD 1.2. Rozhodněte o řešitelnosti daných soustav. U každé z nich rozhodněte, zda má právě jedno řešení, nekonečně mnoho řešení, či zda nemá žádné řešení. Své tvrzení zdůvodněte. a) 2x y + z =1 x +2y z =3 4x +3y z =7, b) 3x + y z =1 x y +2z =0 x +3y 5z =2, c) x + y z =2 2x y +3z =1 x + y +2z =4. 2 Zápisem [ u 1, u 2,..., u n ]rozumímetzv.lineární obal množiny vektorů u 1, u 2,..., u n,cožje množina všech lineárních kombinací těchto vektorů. Více v partiích věnovaných pojmu Vektorový prostor. 6
7 1.5 Vztah mezi řešením nehomogenní a příslušné homogenní soustavy lineárních rovnic Množiny řešení nehomogenní soustavy lineárních rovnic a k ní příslušné homogenní soustavy spolu úzce souvisí. Zajímá nás povaha tohoto vztahu, a jak ho můžeme využít při řešení nehomogenních soustav. PŘÍKLAD 1.3. Řešte dané dané dvojice homogenních a nehomogenních soustav lineárních rovnic. a) x +2y =0, x+2y =5, e) x +2y + z =0 x + y +2z =0, x +2y + z =7 x + y +2z =11. Řešení: ad a) Řešení homogenní soustavy: W = {[ 2t, t]; t R} = {t( 2, 1); t R}. Řešení nehomogenní soustavy: M = {[5 2t, t]; t R} = {[5, 0] + t( 2, 1); t R}. ad b) Řešení homogenní soustavy: W = {[ t, t, t]; t R} = {t( 1, 1, 1); t R}. Řešení nehomogenní soustavy: M = {[5 t, 6 t, t]; t R} = {[5, 6, 0] + t( 1, 1, 1); t R}. Věta 2 (Řešení nehomogenní soustavy). Nechť R je libovolné řešení nehomogenní soustavy AX = B a W A je vektorový prostor všech řešení odpovídající homogenní soustavy AX = O. Pak pro množinu M všech řešení soustavy AX = B platí: M = {R + u; u W A }. Důkaz. (1) {R + u} M; A(R + u) =AR + A u = AR + o = AR = B (2) M {R+ u}; AQ = B, AR = B A(Q R) =O existuje u = Q R W A tak, že AQ = A(R + u) =B. Poznámka. Věta 2 nám jinými slovy říká, že všechna řešení nehomogenní soustavy lineárních rovnic jsou určena součtem jednoho konkrétního řešení R této soustavy a všech řešení u příslušné homogenní soustavy. 7
8 Závěr: Při řešení nehomogenní soustavy lineárních rovnic s nekonečně mnoha řešeními (tj. h(a) =h(a ) <n) můžeme postupovat takto: 1. Vyřešíme příslušnou homogenní soustavu rovnic. Její obecné řešení označme x. 2. Najdeme jedno konkrétní řešení dané nehomogenní soustavy. Označme ho R. 3. Množinu M všech řešení dané nehomogenní soustavy vyjádříme jako součet jejího jednoho konkrétního řešení a obecného řešení příslušné homogenní soustavy: M = R + x Poznámka. Množina všech řešení nehomogenní soustavy tvoří tzv. bodový prostor (tj. je to množina bodů, také můžeme říci množina míst ), zatímco množina všech řešení příslušné homogenní soustavy tvoří tzv. vektorový prostor (tj. je to množina vektorů, také můžeme říci množina směrů ). Prvky bodového prostoru (definice bude uvedena později, viz Pech: AGLÚ/str Def. 2.1) nazýváme body. Každý bod, který je řešením nehomogenní soustavy, se dá vyjádřit jako součet jednoho konkrétního bodu a lineární kombinace vektorů (které jsou řešením příslušné homogenní soustavy). Prvky vektorového prostoru (definice bude uvedena později, viz Pech: AGLÚ/str. 8 - Def. 1.1) nazýváme vektory. Každý vektor se dá vyjádřit jako lineární kombinace skupiny vektorů z téhož prostoru, kterou nazýváme systém (množina) generátorů daného vektorového prostoru. Dimenze vektorového prostoru je číslo, které udává počet lineárně nezávislých vektorů, jejichž lineární kombinací mohu vytvořit každý vektor uvažovaného prostoru. Systém generátorů v.p., který je tvořen lineárně nezávislými vektory se nazývá báze vektorového prostoru. Dimenze je tak rovna počtu vektorů báze daného vektorového prostoru. Bod (počátek) má dimenzi 0, přímka dimenzi 1, rovina dimenzi 2 a prostor má dimenzi 3. 8
9 1.6 Homogenní soustava m lineárních rovnic o n neznámých Homogenní soustavou rozumíme soustavu lineárních rovnic, které mají na pravých stranách výhradně nuly (tj. všechny rovnice v soustavě jsou homogenní). Pro takovou soustavu je vždy splněna Frobeniova podmínka. Homogenní soustava má tedy vždy řešení - tzv. triviální řešení, které spočívá v tom, že za všechny neznámé dosadíme nuly (triviálním řešením je tedy uspořádaná n tice tvořená samými nulami, též můžeme říci nulový vektor). Pokud je matice homogenní soustavy regulární, tj. h(a) =n, má soustava jenom triviální řešení. Pokud je matice soustavy singulární, tj. h(a) <n,má homogenní soustava nekonečně mnoho řešení a triviální řešení je jenom jedním z nich. Tímto případem homogenní soustavy se teď budeme zabývat. PŘÍKLAD 1.4. Řešte homogenní soustavu x 1 + x 2 + x 3 + x 4 = 0 x 1 + 2x 2 + 3x 3 + 4x 4 = 0 x 1 + 3x 2 + 5x 3 + 7x 4 = 0 x 1 + 4x 2 + 7x x 4 = 0 (5) Řešení: Množina řešení dané homogenní soustavy: W A = {(s +2t, 2s 3t, s, t); s, t R}, Množina W A je podprostorem vektorového prostoru R 4. Můžeme ji zapsat jako lineární obal (tj. množinu všech lineárních kombinací) dvou nezávislých vektorů: W A =[{(1, 2, 1, 0), (2, 3, 0, 1)}] R 4. Dimenze W A je potom dimw A =2. Věta 3. Nechť je dána homogenní soustava m lineárních rovnic o n neznámých nad tělesem R anechťmaticea této soustavy má hodnost h(a). Potom množina W A všech řešení této soustavy je podprostor aritmetického vektorového prostoru R n amá dimenzi n h(a), tj. dimw A = n h(a). K důkazu této věty nemáme zatím vytvořeny potřebné teoretické základy. Vrátíme se k němu později. 9
10 1.6.1 Vytvoření báze vektorového prostoru všech řešení homogenní soustavy Vraťme se k řešení příkladu 1.4. Viděli jsme, že si ho můžeme zapsat tvaru W A =[{(1, 2, 1, 0), (2, 3, 0, 1)}]. V této kapitole si na příkladech ukážeme, jak se dají přímo najít vektory báze podprostoru W A. Postup řešení Příkladu 1.4: 1. Určíme tzv. základní neznámé Provedeme Gaussovu eliminaci matice soustavy: [ ] Soustava odpovídající výsledné matici v Gaussově tvaru má tvar x 1 + x 2 + x 3 + x 4 = 0 (6) x 2 + 2x 3 + 3x 4 = 0. Neznámé, které odpovídají prvním nenulovým prvkům na každém řádku matice v Gaussově tvaru (viz podtržení), nazveme základní neznámé. V našem případě se jedná o x 1 a x 2. Vzhledem k těmto neznámým pak řešíme soustavu, když zbývající neznámé ( nezákladní nebo též volné neznámé) nahradíme reálnými parametry. V našem konkrétním případě tedy základní nezn. : x 1,x 2 ; volné nezn. : x 3 = s, x 4 = t; s, t R. 2. Vypočítáme dimenzi prostoru řešení W A dim W A = n h(a) =4 2=2 3. Hledáme dvě nezávislá řešení b 1, b 2 tvořící bázi W A Vektory b 1, b 2 nejprve volíme takto: b1 =(x 1,x 2, 1, 0), b2 =(y 1,y 2, 0, 1). Potom je dosadíme do soustavy (6) a dopočítáme příslušné hodnoty x 1,x 2,y 1,y 2 : b1 =(1, 2, 1, 0), b2 =(2, 3, 0, 1). Obecné řešení x homogenní soustavy (1.4) pak můžeme zapsat jako lineární kombinaci vektorů b 1, b 2 : x = s(1, 2, 1, 0) + t(2, 3, 0, 1); s, t R. 10
11 PŘÍKLAD 1.5. Řešte následující homogenní soustavu lineárních rovnic a určete bázi vektorového prostoru všech řešení této soustavy: x 1 2x 2 x 3 + 2x 4 + 5x 5 =0 3x 1 6x 2 2x 3 + x 4 + 3x 5 =0 2x 1 + 4x 2 + x 3 + x 4 + 2x 5 =0 (7) Řešení: W A =[{(2, 1, 0, 0, 0), (3, 0, 5, 1, 0), (7, 0, 12, 0, 1)}] Obecné řešení můžeme zapsat ve tvaru x = r(2, 1, 0, 0, 0) + s(3, 0, 5, 1, 0) + t(7, 0, 12, 0, 1); r, s, t R. (8) Poznámka. Z tvrzení věty 3 plynou jasné závěry o počtu řešení homogenní soustavy lineárních rovnic. Je zřejmé, že hodnost matice A je vždy menší nebo rovna dimenzi n prostoru neznámých (počtu neznámých). Uvažujme nejprve h(a) =n. Po dosazení do vztahu dim W A = n h(a) dostaneme pro dimenzi prostoru řešení soustavy dim W A = 0. Jedná se tedy o triviální podprostor obsahující jediné - triviální (nulové) řešení soustavy. Pro h(a) < n pak dostaneme dim W A 0. Prostor řešení obsahuje tedy nekonečně mnoho prvků - soustava má nekonečně mnoho řešení soustavy. 1.7 Nehomogenní soustava m lineárních rovnic o n neznámých Zajímají nás zde hlavně neregulární soustavy, tj. soustavy, které mají nekonečně mnoho řešení. Již víme, jak spolu souvisí řešení takové nehomogenní soustavy s řešením jí odpovídající soustavy homogenní (viz Věta 2). Pokračujeme příkladem soustavy, která se, až na pravé strany, shoduje s homogenní soustavou (7) z příkladu 1.5. PŘÍKLAD 1.6. Řešte následující soustavu lineárních rovnic: Řešení: Řešení x 1 2x 2 x 3 + 2x 4 + 5x 5 =8 3x 1 6x 2 2x 3 + x 4 + 3x 5 =2 2x 1 + 4x 2 + x 3 + x 4 + 2x 5 =6 M = {( k +3l +7m, k, l +12m, l, m)} můžeme přepsat do tvaru, v němž je patrné řešení (8) příslušné homogenní soustavy (7): M = {( 14, 0, 22, 0, 0) + k(2, 1, 0, 0, 0) + l(3, 0, 5, 1, 0) + m(7, 0, 12, 0, 1)} (9) 11
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
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
Obsah. Lineární rovnice. Definice 7.9. a i x i = a 1 x a n x n = b,
Obsah Lineární rovnice Definice 77 Uvažujme číselné těleso T a prvky a 1,, a n, b T Úloha určit všechny n-tice (x 1,, x n ) T n, pro něž platí n a i x i = a 1 x 1 + + a n x n = b, i=1 se nazývá lineární
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
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
Soustavy lineárních rovnic
Přednáška MATEMATIKA č 4 Katedra ekonometrie FEM UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz 27 10 2010 Soustava lineárních rovnic Definice Soustava rovnic a 11 x 1 + a 12 x 2 + + a
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.
Matematika 2 (Fakulta ekonomická) Cvičení z lineární algebry. TU v Liberci
Matematika 2 (Fakulta ekonomická) Cvičení z lineární algebry TU v Liberci Jiří Hozman 1. dubna 2010 Cvičení 2 Příklad 1. Rozhodněte, zda lze vektor x vyjádřit jako lineární kombinaci vektorů u, v, w, v
3 Lineární kombinace vektorů. Lineární závislost a nezávislost
3 Lineární kombinace vektorů. Lineární závislost a nezávislost vektorů. Obrázek 5: Vektor w je lineární kombinací vektorů u a v. Vektory u, v a w jsou lineárně závislé. Obrázek 6: Vektor q je lineární
Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru
2. Systémy lineárních rovnic V této kapitole se budeme zabývat soustavami lineárních rovnic s koeficienty z pole reálných případně komplexních čísel. Uvádíme podmínku pro existenci řešení systému lineárních
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.
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
9 Kolmost vektorových podprostorů
9 Kolmost vektorových podprostorů Od kolmosti dvou vektorů nyní přejdeme ke kolmosti dvou vektorových podprostorů. Budeme se zabývat otázkou, kdy jsou dva vektorové podprostory na sebe kolmé a jak to poznáme.
Soustavy lineárních rovnic
Soustavy lineárních rovnic Základy vyšší matematiky LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny společného
Jedná se o soustavy ve tvaru A X = B, kde A je daná matice typu m n,
Soutavy lineárních algebraických rovnic Jedná se o soustavy ve tvaru A X = B, kde A je daná matice typu m n, X R n je sloupcový vektor n neznámých x 1,..., x n, B R m je daný sloupcový vektor pravých stran
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
(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
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
1/10. Kapitola 12: Soustavy lineárních algebraických rovnic
1/10 Kapitola 12: Soustavy lineárních algebraických rovnic Soustavy lineárních algebraických rovnic 2/10 Definice: Soustavou m lineárních algebraických rovnic o n neznámých rozumíme soustavu rovnic a 11
IB112 Základy matematiky
IB112 Základy matematiky Řešení soustavy lineárních rovnic, matice, vektory Jan Strejček IB112 Základy matematiky: Řešení soustavy lineárních rovnic, matice, vektory 2/53 Obsah Soustava lineárních rovnic
7. Důležité pojmy ve vektorových prostorech
7. Důležité pojmy ve vektorových prostorech Definice: Nechť Vje vektorový prostor a množina vektorů {v 1, v 2,, v n } je podmnožinou V. Pak součet skalárních násobků těchto vektorů, tj. a 1 v 1 + a 2 v
6 Samodružné body a směry afinity
6 Samodružné body a směry afinity Samodružnými body a směry zobrazení rozumíme body a směry, které se v zobrazují samy na sebe. Například otočení R(S má jediný samodružný bod, střed S, anemá žádný samodružný
Základy matematiky pro FEK
Základy matematiky pro FEK 3. přednáška Blanka Šedivá KMA zimní semestr 2016/2017 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 2016/2017 1 / 21 Co nás dneska čeká... Co je to soustava lineárních
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 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
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
Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava luk76/la1
Lineární algebra 5. přednáška: Báze a řešitelnost soustav Dalibor Lukáš Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava email: dalibor.lukas@vsb.cz http://homel.vsb.cz/ luk76/la1 Text
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
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 ),
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
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
SOUSTAVY LINEÁRNÍCH ROVNIC
MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA SOUSTAVY LINEÁRNÍCH ROVNIC Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny
2. Určete jádro KerL zobrazení L, tj. nalezněte alespoň jednu jeho bázi a určete jeho dimenzi.
Řešené příklady z lineární algebry - část 3 Typové příklady s řešením Příklad 3.1: Zobrazení L: P 3 R 23 je zobrazení z prostoru P 3 všech polynomů do stupně 3 (včetně nulového polynomu) do prostoru R
Soustava m lineárních rovnic o n neznámých je systém
1 1.2. Soustavy lineárních rovnic Soustava lineárních rovnic Soustava m lineárních rovnic o n neznámých je systém a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2...
Řešení. Hledaná dimenze je (podle definice) rovna hodnosti matice. a 1 2. 1 + a 2 2 1
Příklad 1. Určete všechna řešení následující soustavy rovnic nad Z 2 : 0 0 0 1 1 1 0 1 0 1 1 1 1 1 0 1 0 1 0 1 1 Gaussovou eliminací převedeme zadanou soustavu na ekvivalentní soustavu v odstupňovaném
vyjádřete ve tvaru lineární kombinace čtverců (lineární kombinace druhých mocnin). Rozhodněte o definitnosti kvadratické formy κ(x).
Řešené příklady z lineární algebry - část 6 Typové příklady s řešením Příklad 6.: Kvadratickou formu κ(x) = x x 6x 6x x + 8x x 8x x vyjádřete ve tvaru lineární kombinace čtverců (lineární kombinace druhých
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
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
Lineární algebra. Soustavy lineárních rovnic
Lineární algebra Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo projektu: CZ.1.07/2.2.00/28.0326
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
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
Základní pojmy teorie množin Vektorové prostory
Základní pojmy teorie množin Přednáška MATEMATIKA č. 1 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz 7. 10. 2010 Základní pojmy teorie množin Základní pojmy
Přednáška 4: Soustavy lineárních rovnic
Přednáška 4: Soustavy lineárních rovnic Touto přednáškou vrcholí naše snažení o algebraický popis řešení praktických problémů. Většina inženýrských úloh má totiž lineární charakter (alespoň přibližně)
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
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)
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
Řešené úlohy z Úvodu do algebry 1
Řešené úlohy z Úvodu do algebry Veronika Sobotíková katedra matematiky FEL ČVUT Vzhledem k tomu, že se ze strany studentů často setkávám s nepochopením požadavku zdůvodnit jednotlivé kroky postupu řešení,
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,
Úvodní informace Soustavy lineárních rovnic. 12. února 2018
Úvodní informace Soustavy lineárních rovnic Přednáška první 12. února 2018 Obsah 1 Úvodní informace 2 Soustavy lineárních rovnic 3 Matice Frobeniova věta Úvodní informace Olga Majlingová : Na Okraji, místnost
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)
INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.
INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.0141 Báze vektorových prostorů, transformace souřadnic Michal Botur Přednáška
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,
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
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
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.
Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují
Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují 1. u + v = v + u, u, v V 2. (u + v) + w = u + (v + w),
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
Základy maticového počtu Matice, determinant, definitnost
Základy maticového počtu Matice, determinant, definitnost Petr Liška Masarykova univerzita 18.9.2014 Matice a vektory Matice Matice typu m n je pravoúhlé (nebo obdélníkové) schéma, které má m řádků a n
Hisab al-džebr val-muqabala ( Věda o redukci a vzájemném rušení ) Muhammada ibn Músá al-chvárizmího (790? - 850?, Chiva, Bagdád),
1 LINEÁRNÍ ALGEBRA 1 Lineární algebra Slovo ALGEBRA pochází z arabského al-jabr, což znamená nahrazení. Toto slovo se objevilo v názvu knihy islámského matematika Hisab al-džebr val-muqabala ( Věda o redukci
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..................................
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
Skalár- veličina určená jedním číselným údajem čas, hmotnost (porovnej životní úroveň, hospodaření firmy, naše poloha podle GPS )
LINEÁRNÍ ALGEBRA Úvod vektor Skalár- veličina určená jedním číselným údajem čas, hmotnost (porovnej životní úroveň, hospodaření firmy, naše poloha podle GPS ) Kartézský souřadnicový systém -je taková soustava
V: Pro nulový prvek o lineárního prostoru L platí vlastnosti:
Zpracoval: hypspave@fel.cvut.cz. Základní vlastnosti abstraktních lineárních prostorů. Lineární závislost, nezávislost, báze, souřadnice vzhledem k bázi, matice lineárního zobrazení vzhledem k bázím.skalární
Soustavy lineárních diferenciálních rovnic I. řádu s konstantními koeficienty
Soustavy lineárních diferenciálních rovnic I řádu s konstantními koeficienty Definice a) Soustava tvaru x = ax + a y + az + f() t y = ax + a y + az + f () t z = a x + a y + a z + f () t se nazývá soustava
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...
Báze a dimenze vektorových prostorů
Báze a dimenze vektorových prostorů Buď (V, +, ) vektorový prostor nad tělesem (T, +, ). Nechť u 1, u 2,..., u n je konečná posloupnost vektorů z V. Existují-li prvky s 1, s 2,..., s n T, z nichž alespoň
x 2 = a 2 + tv 2 tedy (a 1, a 2 ) T + [(v 1, v 2 )] T A + V Příklad. U = R n neprázdná množina řešení soustavy Ax = b.
1. Afinní podprostory 1.1. Motivace. Uvažujme R 3. Jeho všechny vektorové podprostory jsou počátek, přímky a roviny procházející počátkem a celé R 3. Chceme-li v R 3 dělat geometrii potřebujeme i jiné
ANALYTICKÁ GEOMETRIE V ROVINĚ
ANALYTICKÁ GEOMETRIE V ROVINĚ Analytická geometrie vyšetřuje geometrické objekty (body, přímky, kuželosečky apod.) analytickými metodami. Podle prostoru, ve kterém pracujeme, můžeme analytickou geometrii
7 Ortogonální a ortonormální vektory
7 Ortogonální a ortonormální vektory Ze vztahu (5) pro výpočet odchylky dvou vektorů vyplývá, že nenulové vektory u, v jsou na sebe kolmé právě tehdy, když u v =0. Tato skutečnost nám poslouží k zavedení
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
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
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 ).
f(x) = arccotg x 2 x lim f(x). Určete všechny asymptoty grafu x 2 2 =
Řešení vzorové písemky z předmětu MAR Poznámky: Řešení úloh ze vzorové písemky jsou formulována dosti podrobně podobným způsobem jako u řešených příkladů ve skriptech U zkoušky lze jednotlivé kroky postupu
VEKTOROVÝ PROSTOR. Vektorový prostor V n je množina všech n-složkových vektorů spolu s operacemi sčítání, odčítání vektorů a reálný násobek vektoru.
VEKTOROVÝ PROSTOR Vektorový prostor V n je množina všech n-složkových vektorů spolu s operacemi sčítání, odčítání vektorů a reálný násobek vektoru. Soubor n-složkových vektorů je libovolná skupina vektorů,
Výběr báze. u n. a 1 u 1
Výběr báze Mějme vektorový prostor zadán množinou generátorů. To jest V = M, kde M = {u,..., u n }. Pokud je naším úkolem najít nějakou bázi V, nejpřímočařejším postupem je napsat si vektory jako řádky
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
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
Vlastní čísla a vlastní vektory
Vlastní čísla a vlastní vektory 1 Motivace Uvažujme lineární prostor všech vázaných vektorů v rovině, které procházejí počátkem, a lineární zobrazení tohoto prostoru do sebe(lineární transformaci, endomorfismus)
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
fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu http://akademie.ldf.mendelu.cz/cz (reg. č. CZ.1.07/2.2.00/28.
Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem
PROSTORY SE SKALÁRNÍM SOUČINEM. Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti
PROSTORY SE SKALÁRNÍM SOUČINEM Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti 1. (x, x) 0 x L, (x, x) = 0 x = 0, 2. (x, y) = (y, x) x, y L, 3. (λx, y) = λ(x,
INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.
INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ107/2200/280141 Soustavy lineárních rovnic Michal Botur Přednáška 4 KAG/DLA1M: Lineární
Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan. 14.
Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan 14. Vlastní vektory Bud V vektorový prostor nad polem P. Lineární zobrazení f : V
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
Vektorový prostor. d) Ke každému prvku u V n existuje tzv. opačný prvek u, pro který platí, že u + u = o (vektor u nazýváme opačný vektor k vektoru u)
Hodnost matice Vektorový prostor Vektorový prostor V n je množina všech n-složkových vektorů spolu s operacemi sčítání vektorů a reálný násobek vektoru, přičemž platí: a) V n je uzavřenou množinou vůči
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
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
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/
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,
LDF MENDELU. Simona Fišnarová (MENDELU) Základy lineárního programování VMAT, IMT 1 / 25
Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem
(4x) 5 + 7y = 14, (2y) 5 (3x) 7 = 74,
1. V oboru celých čísel řešte soustavu rovnic (4x) 5 + 7y = 14, (2y) 5 (3x) 7 = 74, kde (n) k značí násobek čísla k nejbližší číslu n. (P. Černek) Řešení. Z první rovnice dané soustavy plyne, že číslo
Pavel Horák, Josef Janyška LINEÁRNÍ ALGEBRA UČEBNÍ TEXT
Pavel Horák, Josef Janyška LINEÁRNÍ ALGEBRA UČEBNÍ TEXT 2 0 1 8 Obsah 1 Vektorové prostory 1 1 Vektorový prostor, podprostory........................ 1 2 Generování podprostor u............................
Soustavy lineárních algebraických rovnic SLAR
Soustavy lineárních algebraických rovnic SLAR Helena Říhová FBMI 12. listopadu 2010 Helena Říhová (ČVUT) Soustavy lineárních algebraických rovnic [4pt] SLAR 12. listopadu 2010 1 / 11 Obsah 1 Soustavy lineárních
Pavel Horák LINEÁRNÍ ALGEBRA A GEOMETRIE 1 UČEBNÍ TEXT
Pavel Horák LINEÁRNÍ ALGEBRA A GEOMETRIE 1 UČEBNÍ TEXT 2 0 1 7 Obsah 1 Vektorové prostory 2 1 Vektorový prostor, podprostory........................ 2 2 Generování podprostor u............................
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,...,
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
ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ
ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ Parametrické vyjádření přímky v rovině Máme přímku p v rovině určenou body A, B. Sestrojíme vektor u = B A. Pro bod B tím pádem platí: B = A + u. Je zřejmé,
Vlastní čísla a vlastní vektory
5 Vlastní čísla a vlastní vektor Poznámka: Je-li A : V V lineární zobrazení z prostoru V do prostoru V někd se takové zobrazení nazývá lineárním operátorem, pak je přirozeným požadavkem najít takovou bázi