Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava
|
|
- Veronika Kašparová
- před 5 lety
- Počet zobrazení:
Transkript
1 Lineární algebra 4. přednáška: Vekorové prosory Dalibor Lukáš Kaedra aplikované maemaiky FEI VŠB Technická univerzia Osrava hp:// Tex byl vyvořen v rámci realizace projeku Maemaika pro inženýry 2. soleí (reg. č. CZ..7/2.2./7.332), na kerém se společně podílela Vysoká škola báňská Technická univerzia Osrava a Západočeská univerzia v Plzni
2 Moivace Komprese signálu s() Haarovou (waveleovou) bází:.2% s()
3 Moivace Komprese signálu s() Haarovou (waveleovou) bází:.8% s()
4 Moivace Komprese signálu s() Haarovou (waveleovou) bází:.6% s()
5 Moivace Komprese signálu s() Haarovou (waveleovou) bází: 3.% s()
6 Moivace Komprese signálu s() Haarovou (waveleovou) bází: 6.3% s()
7 Moivace Komprese signálu s() Haarovou (waveleovou) bází: 2.5% s()
8 Moivace Komprese signálu s() Haarovou (waveleovou) bází: 25% s()
9 Moivace Komprese signálu s() Haarovou (waveleovou) bází: 5% s()
10 Moivace Haarova (waveleová) báze: h k (), k =, 2,... k = : k = 3, 4: h() k = 2: hk() k = 5, 6, 7, 8: h2() hk()
11 Moivace Reprezenace signálu Haarovými (waveleovými) souřadnicemi ŵ k s() = n k= ŵk h k () ŝk k
12 Moivace Komprese signálu s() Fourierovou bází (jpeg): 3% s()
13 Moivace Fourierova báze: f k () := e ıkω, k =,, 2,... k = : k = 2: f() f2() k = : k = 3: f() f3()
14 Moivace Reprezenace signálu Fourierovými souřadnicemi ŝ k { n/2 } s() = R k= n/2 ŝk exp(ıkω), kde ω := 2π/n ŝk k
15 Vekorové prosory Zobecnění 2d geomerických vekorů na arimeické x 2 v 2 u + v v 2u (u + v) i := u i + v i (αu) u i := αu i v x Zobecnění arimeických vekorů na funkce v i := sin(iπ/), i {, 2,...,}, v(x) := sin(xπ), x, vi i v(x) x
16 Vekorové prosory Zobecnění arimeických vekorů na funkce Sčíání vekorů + : R n R n R n a násobení skalárem : R R n R n jsme definovali pomocí číselného sčíání + a násobení ako: u,v R n, α R : i {, 2,...,n} : (u+v) i := u i + v i, (α v) i := α v i. Definici lze analogicky rozšíři i pro funkce a o + : F F F, : R F F, F := {f : R R}, f, g F, α R : x R : (f+g)(x) := f(x) + g(x), (α f)(x) := α f(x). Pojem vekorového prosoru Oba případy (a nejen yo) lze shrnou do absrakního pojmu vekorový prosor.
17 Pojem vekorového prosoru Vekorové prosory Reálný vekorový (éž lineární) prosor je množina V s operacemi + : V V V a : R V V, keré splňují následující axiomy: u,v,w V : u + (v + w) = (u + v) + w, (asociaivia sčíání) u,v V : u + v = v + u, (komuaivia sčíání) o V v V : v + o = v, (exisence nulového vekoru) v V ( v) V : v + ( v) = o, (exisence záporných vekorů) α R u,v V : α (u + v) = α u + α v, α, β R v V : (α + β) v = α v + β v, α, β R v V : α (β v) = (αβ) v, v V : v = v. Prvky z V se nazývají vekory, prvky z R jsou skaláry (mohou bý i komplexní). Konvence: αv := α v.
18 Vekorové prosory Další vlasnosi α R v V : v = v, αo = o, ( )v = v. Příklady vekorových prosorů R n (nebo C n ) reálné (nebo komplexní) arimeické vekory, R m n (nebo C m n ) reálné (nebo komplexní) maice, F reálné funkce jedné reálné proměnné s operacemi x R : (f+g)(x) := f(x) + g(x), (α f)(x) := αf(x), S reálné posloupnosi s operacemi (a n ) n=+(b n ) n= := (a n + b n ) n=, α (a n ) n= := (αa n ) n=. Jejich libovolný vekorový podprosor, viz dále.
19 Pojem vekorový podprosor Vekorové prosory Mějme vekorový prosor V. Řekneme, že U je vekorový podprosor V (a zároveň dalším vekorovým prosorem), pokud. U V (U je neprázdná podmnožina V),. u,v U : u + v U (U je uzavřená vůči sčíání), 2. α R u U : αu U (U je uzavřená vůči násobení skalárem). Příklad: přímka v R 2 procházející počákem je vek. prosor U := { u R 2 : u + u 2 = } je vekorovým podprosorem V := R 2. Ad. U, nebo u := o = (, ) U, viz u + u 2 = + =. U V, viz zadání. Ad. Mějme u,v U, j. u + u 2 = a v + v 2 =. Pak u + v U, nebo (u + v ) + (u 2 + v 2 ) = (u + u 2 ) + (v + v 2 ) = + =. Ad 2. Mějme α R a u U, j. u + u 2 =. Pak αu U, nebo αu + αu 2 = α(u + u 2 ) = α =.
20 Vekorové prosory Příklad: přímka v R 2 neprocházející počákem není vek. prosor U := { u R 2 : u + u 2 = } není vekorovým podprosorem V := R 2. Např. U nemá nulový prvek, viz u := o U, nebo u + u 2 = + =. Podprosory R 2 riviální podprosory U := {o}, U := R 2, přímky procházející počákem U := { x R 2 : a x + a 2 x 2 =, kde a nebo a 2 }.
21 Vekorové prosory Podprosory R 3 riviální podprosory U := {o}, U := R 3, roviny procházející počákem U := { x R 3 : a x = o, kde o a R 3}, přímky procházející počákem U := { x R 3 : A x = o, kde A R 2 3, A má hodnos 2 }.
22 Vekorové prosory Prosor mnohočlenů P n Pro libovolné n N := {,, 2,...} P n := {p(x) := a + a x + + a n x n F : a, a,...,a n R} je vekorový podprosor F. Ad. P n, nebo o(x) := P n. P n F, nebo mnohočleny jsou funkce. Ad. Mějme p,q P n, j. p(x) := n i= a ix i a q(x) := n i= b ix i. Pak p + q P n, nebo (p + q)(x) = p(x) + q(x) = n i= (a i + b i )x i, kde a i + b i R. Ad 2. Mějme α R a p P n, j. p(x) := n i= a ix i. Pak αp P n, nebo (αp)(x) = αp(x) = n i= (αa i)x i, kde αa i R.
23 Příklady vekorových prosorů Nulový prosor maice Vekorové prosory U := { x R n : A x = o, kde A R m n} U := { p(x) := n i= a ix i P n : A (a,a,...,a n ) T = o, kde A R m (n+)} je podprosor P n. Sloupcový prosor maice Lineární obal { U := p(x) := je podprosor P m. U := { x := Ay R m : kde A R m n a y R n} } n α i p i (x) P m : α,...,α n R a p (x),...,p n (x) P m i=
24 Vekorové prosory Hledá se reprezenace vekorů zv. báze generující jednoznačně celý prosor V, a edy žádný z vekorů není zbyečný. x e 2 f e x f e, e 2 jsou fajn, nebo jsou nenulové a generují R 2 jednoznačně: x := (x,x 2 ) R 2 : x = x e + x 2 e 2. f, f 2 nejsou fajn, nebo negenerují R 2. e, e 2,f 2 nejsou fajn, nebo generují R 2 nejednoznačně (jeden z nich je zbyečný): x := (x,x 2 ) R 2 : x = x e +x 2 e 2 = (x x 2 )e +x 2 f 2. e, f 2 jsou fajn, nebo jsou nenulové a generují R 2 jednoznačně: x := (x,x 2 ) R 2 : x = (x x 2 )e + x 2 f 2.
25 Lineární nezávislos Lineární nezávislos žádný vekor není zbyečný Mějme vekorový prosor V. Nenulové vekory v,v 2,...,v n V jsou lineárně nezávislé, pokud rovnice α v + α 2 v α n v n = o má pouze riviální řešení α = α 2 = = α n =. Jinak má sousava nekonečně mnoho řešení a vekory jsou lineárně závislé. Příklad: e := (, ) a f 2 := (, ) jsou lineárně nezávislé Hledáme α, α 2 R : α e + α 2 f 2 = o α (, ) + α 2 (, ) = (, ). To vede na sousavu lineárních rovnic α + α 2 =, α + α 2 =, kerá má pouze riviální řešení α = α 2 =.
26 ,x, x 2 jsou lineárně nezávislé Hledáme α, β,γ R ak, že Lineární nezávislos x R : α + βx + γx 2 =. Speciálně pro x {,, } dosáváme sousavu rovnic α β + γ =, α =, α + β + γ =, kerá má pouze riviální řešení α = β = γ =. To je ale zároveň řešením původní úlohy, a edy musí bý jejím jediným řešením.
27 Lineární nezávislos Příklad: x + x 2, 2 + x 2x 2 a + 2x 3x 2 jsou lineárně závislé Hledáme α,α 2, α 3 R ak, že x R : α ( x + x 2 ) + α 2 (2 + x 2x 2 ) + α 3 ( + 2x 3x 2 ) =, x R : (α + 2α 2 + α 3 ) + x( α + α 2 + 2α 3 ) + x 2 (α 2α 2 3α 3 ) =. Díky lineární nezávislosi, x a x 2 dosáváme sousavu lineárních rovnic α + 2α 2 + α 3 =, α + α 2 + 2α 3 =, α 2α 2 + 3α 3 =. Sousava je homogenní, j. má nulovou pravou sranu, kerou při řešení neopisujeme r 2:=r +r r := r +r 3 r :=4r 2 +3r 3 Řešení je nekonečně mnoho.
28 Lineární kombinace Lineární kombinace nový vekor by byl zbyečný Mějme vekorový prosor V a nenulové vekory v,v,v 2,...,v n V. Řekneme, že v je lineární kombinací v,..., v n, pokud exisuje alespoň jedno řešení α, α 2,...,α n R n rovnice α v + α 2 v α n v n = v. Příklad: v := (, ) je lineární kombinací v := (, 2) a v 2 := (2, ) Hledáme α,α 2 R ak, že To vede na sousavu α v + α 2 v 2 = v α (, 2) + α 2 (2, ) = (, ) α +2α 2 = 2α +α 2 = kerá má řešení α = /5, α 2 = 3/5. ( 2 2 ) r 2 :=2r 2 +r 2 ( )
29 Lineární kombinace Příklad: (, 2, ) je lineární kombinací (,, ) a (,, 2) a (2,, 4) Hledáme α,α 2, α 3 R ak, že α + α 2 + α 3 2 = r 3:=r 3 r r :=r 2 r Dosáváme nekonečně mnoho řešení. 2 r 3:=r 3 +2r 2 2
30 Lineární kombinace Příklad: x není lineární kombinací + x a 2 + 2x Hledáme α,α 2 R ak, že x R : α ( + x) + α 2 (2 + 2x) = x. Díky lineární nezávislosi a x sačí řeši sousavu ( ) 2 2 kerá však nemá řešení. r 2 :=r 2 r ( 2 2 ),
31 Báze vekorového prosoru Báze reprezenace vekorů je fajn Mějme vekorový prosor V. Uspořádaná množina nenulových vekorů F := (f,f 2,...,f n ) voří bázi vekorového prosoru V, pokud. F V, 2. f,f 2,...,f n jsou lineárně nezávislé, 3. libovolný vekor v V je lineární kombinací f,f 2,...,f n, j. α f + α 2 f α n f n = v. Souřadnice vekoru v bázi, dimenze Plaí, že lineární kombinace je pro bázi vždy jednoznačná. Výsledné koeficieny α,...,α n nazýváme souřadnice vekoru v v bázi F a značíme [v] F := (α,...,α n ). Plaí, že poče bázových vekorů n vekorového prosoru V je vždy sejný, říkáme mu dimenze V a značíme dim V := n.
32 Báze vekorového prosoru Kanonické báze Sloupce/řádky jednokové maice I n voří kanonickou bázi R n, j. E := {e := (,,...,),e 2 := (,,,...,),...e n := (,...,, )} R n. R n má dimenzi n, j. dim R n = n. Monomiály x k, k N, voří kanonickou bázi P n, j. E := { e (x) :=,e 2 (x) := x,e 3 (x) := x 2,...,e n+ (x) := x n}. P n má dimenzi n +, j. dim P n = n +.
33 Báze vekorového prosoru Hledá se reprezenace vekorů zv. báze generující jednoznačně celý prosor V, a edy žádný z vekorů není zbyečný. x e 2 f f 2 e, e 2 voří bázi R 2, a edy generují R 2 jednoznačně: x := (x,x 2 ) R 2 : x = x e + x 2 e 2. f, f 2 nevoří bázi R 2, nesplňují 2. ani 3. e, e 2,f 2 nevoří bázi R 2, nejsou lin. nezávislé: x := (x,x 2 ) R 2 : x = x e +x 2 e 2 = (x x 2 )e +x 2 f 2.. e x e, f 2 voří bázi R 2, a edy generují R 2 jednoznačně: x := (x,x 2 ) R 2 : x = (x x 2 )e + x 2 f 2.
34 Zpě k moivaci Haarova (waveleová) báze prosoru F: h k (), k =, 2,... k = : k = 3, 4: h() k = 2: hk() k = 5, 6, 7, 8: h2() hk()
35 Zpě k moivaci Fourierova báze prosoru F: f k () := e ıkω, k =,, 2,... k = : k = 2: f() f2() k = : k = 3: f() f3()
36 Zpě k moivaci Reprezenace signálu s() F Fourierovými souřadnicemi ŝ k ŝ := [s()] F ŝk k
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
Vícetransformace Idea afinního prostoru Definice afinního prostoru velké a stejně orientované.
finní ransformace je posunuí plus lineární ransformace má svou maici vzhledem k homogenním souřadnicím využií například v počíačové grafice [] Idea afinního prosoru BI-LIN, afinia, 3, P. Olšák [2] Lineární
VíceKatedra aplikované matematiky FEI VŠB Technická univerzita Ostrava
Lineární algebra 9. přednáška: Ortogonalita Dalibor Lukáš Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava email: dalibor.lukas@vsb.cz http://www.am.vsb.cz/lukas/la Text byl vytvořen
VíceLineární 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
VíceZákladní 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
VíceMATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]
MATICE Matice typu m/n nad tělesem T je soubor m n prvků z tělesa T uspořádaných do m řádků a n sloupců: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] a m1 a m2 a mn Prvek a i,j je prvek matice A na místě
VíceZákladní pojmy z lineární a multilineární algebry p.1/4
Základní pojmy z lineární a multilineární algebry Základní pojmy z lineární a multilineární algebry p.1/4 Základní pojmy z lineární a multilineární algebry 1. Vektorový prostor 2. Lineární nezávislost
VíceVektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice
Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory K množina reálných nebo komplexních čísel, U vektorový prostor nad K. Lineární kombinace vektorů u 1, u 2,...,u
VíceLineární algebra - 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
VíceMatematika 2 pro PEF PaE
Vektorové prostory 1 / 17 Matematika 2 pro PEF PaE 8. Vektorové prostory Přemysl Jedlička Katedra matematiky, TF ČZU Vektorové prostory Vektorové prostory a podprostory 2 / 17 vektorového prostoru Množina
VíceV: 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
VíceLineární 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
VíceParciální funkce a parciální derivace
Parciální funkce a parciální derivace Pro sudeny FP TUL Marina Šimůnková 19. září 2018 1. Parciální funkce. Příklad: zvolíme-li ve funkci f : (x, y) sin(xy) pevnou hodnou y, například y = 2, dosaneme funkci
Více1 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
VíceINVESTICE 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
VíceÚvod do lineární algebry
Úvod do lineární algebry 1 Aritmetické vektory Definice 11 Mějme n N a utvořme kartézský součin R n R R R Každou uspořádanou n tici x 1 x 2 x, x n budeme nazývat n rozměrným aritmetickým vektorem Prvky
Více6. Lineární nezávislost a báze p. 1/18
6. Lineární nezávislost a báze 6. Lineární nezávislost a báze p. 1/18 6. Lineární nezávislost a báze p. 2/18 Lineární nezávislost a báze 1. Závislé a nezávislé vektory 2. Lineární kombinace a závislost
VíceDefinice. 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),
VíceV 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
VíceDEFINICE Z LINEÁRNÍ ALGEBRY
DEFINICE Z LINEÁRNÍ ALGEBRY Skripta Matematické metody pro statistiku a operační výzkum (Nešetřilová, H., Šařecová, P., 2009). 1. definice Vektorovým prostorem rozumíme neprázdnou množinu prvků V, na které
VíceBáze a dimense. Odpřednesenou látku naleznete v kapitolách a 3.6 skript Abstraktní a konkrétní lineární algebra.
Báze a dimense Odpřednesenou látku naleznete v kapitolách 3.1 3.3 a 3.6 skript Abstraktní a konkrétní lineární algebra. Jiří Velebil: A7B01LAG 15.10.2015: Báze a dimense 1/19 Minulé přednášky 1 Lineární
VíceCvičení 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
VícePROSTORY SE SKALÁRNÍM SOUČINEM. Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti
PROSTORY SE SKALÁRNÍM SOUČINEM Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti 1. (x, x) 0 x L, (x, x) = 0 x = 0, 2. (x, y) = (y, x) x, y L, 3. (λx, y) = λ(x,
VíceÚlohykpřednášceNMAG101a120: Lineární algebra a geometrie 1,
ÚlohykpřednášceNMAGa: Lineární algebra a geometrie 5 Verzezedne9.prosince Toto je seznam přímočarých příkladů k přednášce. Úlohy z tohoto seznamu je nezbytně nutné umět řešit. Podobné typy úloh se budou
Vícea 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
VíceDerivace funkce více proměnných
Derivace funkce více proměnných Pro sudeny FP TUL Marina Šimůnková 21. prosince 2017 1. Parciální derivace. Ve výrazu f(x, y) považujeme za proměnnou jen x a proměnnou y považujeme za konsanu. Zderivujeme
VíceMatematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic
Přednáška třetí (a pravděpodobně i čtvrtá) aneb Úvod do lineární algebry Matice a soustavy rovnic Lineární rovnice o 2 neznámých Lineární rovnice o 2 neznámých Lineární rovnice o dvou neznámých x, y je
Více6.1 Vektorový prostor
6 Vektorový prostor, vektory Lineární závislost vektorů 6.1 Vektorový prostor Nechť je dán soubor nějakých prvků, v němž je dána jistá struktura vztahů mezi jednotlivými prvky nebo v němž jsou předepsána
VíceLineární algebra : Úvod a opakování
Lineární algebra : Úvod a opakování (1. přednáška) František Štampach, Karel Klouda LS 013/014 vytvořeno: 19. února 014, 13:15 1 0.1 Lineární prostory R a R 3 V této přednášce si na jednoduchém příkladu
Více0.1 Úvod do lineární algebry
Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Vektory Definice 011 Vektorem aritmetického prostorur n budeme rozumět uspořádanou n-tici reálných čísel x 1, x 2,, x n Definice 012 Definice sčítání
Více1 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
VíceVektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3,
Vektorový prostor Příklady: Př.1. R 2 ; R 3 ; R n...aritmetický n-rozměrný prostor Dvě operace v R n : součet vektorů u = (u 1,...u n ) a v = (v 1,...v n ) je vektor u + v = (u 1 + v 1,...u n + v n ),
VíceLineární algebra : Skalární součin a ortogonalita
Lineární algebra : Skalární součin a ortogonalita (15. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních
VíceIMPULSNÍ A PŘECHODOVÁ CHARAKTERISTIKA,
IMPULSNÍ A PŘECHODOVÁ CHARAKTERISTIKA, STABILITA. Jednokový impuls (Diracův impuls, Diracova funkce, funkce dela) někdy éž disribuce dela z maemaického hlediska nejde o pravou funkci (přesný popis eorie
Více0.1 Úvod do lineární algebry
Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Lineární rovnice o 2 neznámých Definice 011 Lineární rovnice o dvou neznámých x, y je rovnice, která může být vyjádřena ve tvaru ax + by = c, kde
VíceMatematika B101MA1, B101MA2
Matematika B101MA1, B101MA2 Zařazení předmětu: povinný předmět 1.ročníku bc studia 2 semestry Rozsah předmětu: prezenční studium 2 + 2 kombinované studium 16 + 0 / semestr Zakončení předmětu: ZS zápočet
VíceALGEBRA 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
Více7. 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
VíceEUKLIDOVSKÉ PROSTORY
EUKLIDOVSKÉ PROSTORY Necht L je lineární vektorový prostor nad tělesem reálných čísel R. Zobrazení (.,.) : L L R splňující vlastnosti 1. (x, x) 0 x L, (x, x) = 0 x = 0, 2. (x, y) = (y, x) x, y L, 3. (λx,
VíceVektory 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
Více6 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
VíceLineární 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
Více15 Maticový a vektorový počet II
M. Rokyta, MFF UK: Aplikovaná matematika III kap. 15: Maticový a vektorový počet II 1 15 Maticový a vektorový počet II 15.1 Úvod Opakování z 1. ročníku (z kapitoly 8) Označení. Množinu všech reálných resp.
VícePrimitivní funkce a Riemann uv integrál Lineární algebra Taylor uv polynom Extrémy funkcí více prom ˇenných Matematika III Matematika III Program
Program Primitivní funkce a Riemannův integrál Program Primitivní funkce a Riemannův integrál Lineární algebra Program Primitivní funkce a Riemannův integrál Lineární algebra Taylorův polynom Program Primitivní
Více)(x 2 + 3x + 4),
3 IREDUCIBILNÍ ROZKLADY POLYNOMŮ V T [X] 3 Ireducibilní rozklady polynomů v T [x] - rozklady polynomů na ireducibilní (dále nerozložitelné) prvky v oboru integrity polynomů jedné neurčité x nad tělesem
VíceMatematika. Kamila Hasilová. Matematika 1/34
Matematika Kamila Hasilová Matematika 1/34 Obsah 1 Úvod 2 GEM 3 Lineární algebra 4 Vektory Matematika 2/34 Úvod Zkouška písemná, termíny budou včas vypsány na Intranetu UO obsah: teoretická a praktická
Více1. 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
Vícex 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
VíceÚlohy k přednášce NMAG 101 a 120: Lineární algebra a geometrie 1 a 2,
Úlohy k přednášce NMAG a : Lineární algebra a geometrie a Verze ze dne. května Toto je seznam přímočarých příkladů k přednášce. Úlohy z tohoto seznamu je nezbytně nutné umět řešit. Podobné typy úloh se
VíceBáze 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
Více1 Linearní prostory nad komplexními čísly
1 Linearní prostory nad komplexními čísly V této přednášce budeme hledat kořeny polynomů, které se dále budou moci vyskytovat jako složky vektorů nebo matic Vzhledem k tomu, že kořeny polynomu (i reálného)
Více3 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
VíceOdpřednesenou 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
VíceUčební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008
Učební texty k státní bakalářské zkoušce Matematika Skalární součin študenti MFF 15. augusta 2008 1 10 Skalární součin Požadavky Vlastnosti v reálném i komplexním případě Norma Cauchy-Schwarzova nerovnost
VíceÚvodní 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
Více19 Hilbertovy prostory
M. Rokyta, MFF UK: Aplikovaná matematika III kap. 19: Hilbertovy prostory 34 19 Hilbertovy prostory 19.1 Úvod, základní pojmy Poznámka (připomenutí). Necht (X,(, )) je vektorový prostor se skalárním součinem
VíceMatematika I (KMI/5MAT1)
Přednáška první aneb Úvod do algebry (opakování ze SŠ a možná i ZŠ) Seznámení s předmětem Osnova přednášky seznámení s předmětem množiny pojem množiny operace s množinami číselné obory intervaly mocniny
VíceLineární algebra Eva Ondráčková
Lineární algebra Eva Ondráčková Vektorové prostory Mnozízvásužsenejspíšsetkalispojmemvektor.Ukážemesi,ževektorynejsoujen množiny orientovaných úseček v rovině či trojrozměrném prostoru, ale něco zajímavějšího,
Více6. Vektorový počet Studijní text. 6. Vektorový počet
6. Vektorový počet Budeme se pohybovat v prostoru R n, což je kartézská mocnina množiny reálných čísel R; R n = R R. Obvykle nám bude stačit omezení na případy n = 1, 2, 3; nicméně teorie je platná obecně.
VíceOdpřednesenou látku naleznete v kapitole 3.1 skript Abstraktní a konkrétní lineární algebra.
Odpřednesenou látku naleznete v kapitole 3.1 skript Abstraktní a konkrétní lineární algebra. Jiří Velebil: Lineární algebra 14.10.2016: 1/13 Minulé přednášky 1 Lineární kombinace. 2 Definice lineárního
VíceLineární algebra : Polynomy
Lineární algebra : Polynomy (2. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních technologií České
VíceLineární algebra : Polynomy
Lineární algebra : Polynomy (2. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 19. února 2014, 11:30 1 2 0.1 Značení a těleso komplexních čísel Značení N := {1, 2, 3... }... množina
VíceA[a 1 ; a 2 ; a 3 ] souřadnice bodu A v kartézské soustavě souřadnic O xyz
1/15 ANALYTICKÁ GEOMETRIE Základní pojmy: Soustava souřadnic v rovině a prostoru Vzdálenost bodů, střed úsečky Vektory, operace s vektory, velikost vektoru, skalární součin Rovnice přímky Geometrie v rovině
VíceALGEBRA. 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)
Více1 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.
VíceLineární algebra : Lineární zobrazení
Lineární algebra : Lineární zobrazení (6. přednáška František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 20. května 2014, 22:40 1 2 6.1 Lineární zobrazení Definice 1. Buďte P a Q dva lineární prostory
VíceSoustavy 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
VíceVektory a matice. Petr Hasil. Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF)
Vektory a matice Petr Hasil Přednáška z matematiky Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny společného základu
Víceftp://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/
VíceLineární 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
VíceMatice. 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
Vícez 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/
VíceLineární 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,
VíceNALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Doba řešení: 3 hodiny
NALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Závěrečná zkouška verze cvičná 9.1.2013 Doba řešení: 3 hodiny Přednášející: L. Barto, J. Tůma Křestní jméno: Příjmení: Instrukce Neotvírejte
Více9 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.
VíceVĚTY 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
VíceKmitání tělesa s danou budicí frekvencí
EVROPSKÝ SOCIÁLNÍ FOND Kmiání ělesa s danou budicí frekvencí PRAHA & EU INVESTUJEME DO VAŠÍ BUDOUCNOSTI České vysoké učení echnické v Praze, Fakula savební, Kaedra maemaiky Posílení vazby eoreických předměů
Vícematiceteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést
Úlohy k zamyšlení 1. Zdůvodněte, proč třetí řádek Hornerova schématu pro vyhodnocení polynomu p v bodě c obsahuje koeficienty polynomu r, pro který platí p(x) = (x c) r(x) + p(c). 2. Dokažte, že pokud
Více6. ANALYTICKÁ GEOMETRIE
Vektorová algebra 6. ANALYTICKÁ GEOMETRIE Pravoúhlé souřadnice bodu v prostoru Poloha bodu v prostoru je vzhledem ke třem osám k sobě kolmým určena třemi souřadnicemi, které tvoří uspořádanou trojici reálných
VíceZáklady maticového počtu Matice, determinant, definitnost
Základy maticového počtu Matice, determinant, definitnost Petr Liška Masarykova univerzita 18.9.2014 Matice a vektory Matice Matice typu m n je pravoúhlé (nebo obdélníkové) schéma, které má m řádků a n
Více[1] Vzhledem ke zvolené bázi určujeme souřadnice vektorů...
[1] Báze Každý lineární (pod)prostor má svou bázi Vzhledem ke zvolené bázi určujeme souřadnice vektorů... a) base, 4, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010, g)l. Viz p.
VíceAritmetické vektory. Martina Šimůnková. Katedra aplikované matematiky. 16. března 2008
Aritmetické vektory Martina Šimůnková Katedra aplikované matematiky 16. března 2008 Martina Šimůnková (KAP) Aritmetické vektory 16. března 2008 1/ 34 Úvod 1Úvod Definice aritmetických vektorů a operací
Vícetransformace je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím [1]
[1] Afinní transformace je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím využití například v počítačové grafice Evropský sociální fond Praha & EU. Investujeme do
VíceKatedra aplikované matematiky FEI VŠB Technická univerzita Ostrava email: dalibor.lukas@vsb.cz http://www.am.vsb.cz/lukas/la1
Lineární algebra 10. přednáška: Ortogonalita II Dalibor Lukáš Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava email: dalibor.lukas@vsb.cz http://www.am.vsb.cz/lukas/la1 Text byl vytvořen
Více1 Vektorové prostory.
1 Vektorové prostory DefiniceMnožinu V, jejíž prvky budeme označovat a, b, c, z, budeme nazývat vektorovým prostorem právě tehdy, když budou splněny následující podmínky: 1 Je dáno zobrazení V V V, které
VíceLineární 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
VíceOperace s maticemi. 19. února 2018
Operace s maticemi Přednáška druhá 19. února 2018 Obsah 1 Operace s maticemi 2 Hodnost matice (opakování) 3 Regulární matice 4 Inverzní matice 5 Determinant matice Matice Definice (Matice). Reálná matice
Více21. Úvod do teorie parciálních diferenciálních rovnic
21. Úvod do teorie parciálních diferenciálních rovnic Aplikovaná matematika IV, NMAF074 M. Rokyta, KMA MFF UK LS 2014/15 21.1 Základní termíny Definice Vektor tvaru α = (α 1,...,α m ), kde α j N {0}, j
VíceUspořádanou 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 ).
VíceLineární algebra : Změna báze
Lineární algebra : Změna báze (13. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 8. dubna 2014, 10:47 1 2 13.1 Matice přechodu Definice 1. Nechť X = (x 1,..., x n ) a Y = (y 1,...,
VíceZáklady matematiky pro FEK
Základy matematiky pro FEK 2. přednáška Blanka Šedivá KMA zimní semestr 2016/2017 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 2016/2017 1 / 20 Co nás dneska čeká... Závislé a nezávislé
Více8 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
VíceDnešní látka: Literatura: Kapitoly 3 a 4 ze skript Karel Rektorys: Matematika 43, ČVUT, Praha, Text přednášky na webové stránce přednášejícího.
Předmět: MA4 Dnešní látka: Od okrajových úloh v 1D k o. ú. ve 2D Laplaceův diferenciální operátor Variačně formulované okrajové úlohy pro parciální diferenciální rovnice a metody jejich přibližného řešení
VíceFUNKCE POJEM, VLASTNOSTI, GRAF
FUNKCE POJEM, VLASTNOSTI, GRAF Zavedení pojmu funkce funkce Funkce f na množině D R je předpis, který každému číslu x z množiny D přiřazuje právě jedno reálné číslo y z množiny R. Množina D se nazývá definiční
VícePoznámka. V některých literaturách se pro označení vektoru také používá symbolu u.
Vektory, operace s vektory Ž3 Orientovaná úsečka Mějme dvojici bodů, (na přímce, v rovině nebo prostoru), které spojíme a vznikne tak úsečka. Pokud budeme rozlišovat, zda je spojíme od k nebo od k, říkáme,
VícePavel 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............................
VíceMatice. Předpokládejme, že A = (a ij ) je matice typu m n: diagonálou jsou rovny nule.
Matice Definice. Maticí typu m n nazýváme obdélníkové pole, tvořené z m n reálných čísel (tzv. prvků matice), zapsaných v m řádcích a n sloupcích. Značíme např. A = (a ij ), kde i = 1,..., m, j = 1,...,
Více11. Skalární součin a ortogonalita p. 1/16
11. Skalární součin a ortogonalita 11. Skalární součin a ortogonalita p. 1/16 11. Skalární součin a ortogonalita p. 2/16 Skalární součin a ortogonalita 1. Definice skalárního součinu 2. Norma vektoru 3.
VíceLineární algebra : Skalární součin a ortogonalita
Lineární algebra : Skalární součin a ortogonalita (15. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 30. dubna 2014, 09:00 1 2 15.1 Prehilhertovy prostory Definice 1. Buď V LP nad
Více(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
Více