Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava

Rozměr: px
Začít zobrazení ze stránky:

Download "Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava"

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

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

Více

transformace Idea afinního prostoru Definice afinního prostoru velké a stejně orientované.

transformace 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

Více

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava

Katedra 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

Více

Lineární algebra : Lineární prostor

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

Více

Základní pojmy teorie množin Vektorové prostory

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

Více

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]

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

Více

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

Základní 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

Více

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

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

Více

Lineární algebra - I. část (vektory, matice a jejich využití)

Lineární algebra - I. část (vektory, matice a jejich využití) Lineární algebra - I. část (vektory, matice a jejich využití) Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 2. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 40 Obsah 1 Vektory

Více

Matematika 2 pro PEF PaE

Matematika 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

Více

V: Pro nulový prvek o lineárního prostoru L platí vlastnosti:

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

Více

Lineární algebra : Lineární (ne)závislost

Lineární algebra : Lineární (ne)závislost Lineární algebra : Lineární (ne)závislost (4. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních technologií

Více

Parciální funkce a parciální derivace

Parciální 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

Více

1 Báze a dimenze vektorového prostoru 1

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

Více

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. 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

Více

Úvod do lineární algebry

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

Více

6. Lineární nezávislost a báze p. 1/18

6. 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

Více

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 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),

Více

V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti

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

Více

DEFINICE Z LINEÁRNÍ ALGEBRY

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

Více

Báze a dimense. Odpřednesenou látku naleznete v kapitolách a 3.6 skript Abstraktní a konkrétní lineární algebra.

Báze 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

Více

Cvičení z Lineární algebry 1

Cvičení z Lineární algebry 1 Cvičení z Lineární algebry Michael Krbek podzim 2003 2392003 Hodina Jsou dána komplexní čísla z = +2 i a w = 2 i Vyjádřete c algebraickém tvaru (z + w) 3,, (zw), z w 2 Řešte v komplexním oboru rovnice

Více

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 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,

Více

ÚlohykpřednášceNMAG101a120: Lineární algebra a geometrie 1,

ÚlohykpřednášceNMAG101a120: 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

Více

a počtem sloupců druhé matice. Spočítejme součin A.B. Označme matici A.B = M, pro její prvky platí:

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

Více

Derivace funkce více proměnných

Derivace 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

Více

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic

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

Více

6.1 Vektorový prostor

6.1 Vektorový prostor 6 Vektorový prostor, vektory Lineární závislost vektorů 6.1 Vektorový prostor Nechť je dán soubor nějakých prvků, v němž je dána jistá struktura vztahů mezi jednotlivými prvky nebo v němž jsou předepsána

Více

Lineární algebra : Úvod a opakování

Lineární 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

Více

0.1 Úvod do lineární algebry

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

Více

1 Soustavy lineárních rovnic

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

Více

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. 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 ),

Více

Lineární algebra : Skalární součin a ortogonalita

Lineární 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

Více

IMPULSNÍ A PŘECHODOVÁ CHARAKTERISTIKA,

IMPULSNÍ 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

Více

0.1 Úvod do lineární algebry

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

Více

Matematika B101MA1, B101MA2

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

Více

ALGEBRA A TEORETICKÁ ARITMETIKA. 1. část - Lineární algebra. doc.rndr. Jarmila Novotná, CSc. doc.rndr. Milan Trch, CSc.

ALGEBRA A TEORETICKÁ ARITMETIKA. 1. část - Lineární algebra. doc.rndr. Jarmila Novotná, CSc. doc.rndr. Milan Trch, CSc. 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

Více

7. Lineární vektorové prostory

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

Více

EUKLIDOVSKÉ PROSTORY

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,

Více

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace

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

Více

6 Lineární geometrie. 6.1 Lineární variety

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

Více

Lineární prostory. - vektorové veličiny(síla, rychlost, zrychlení,...), skládání, násobení reálným číslem

Lineární prostory. - vektorové veličiny(síla, rychlost, zrychlení,...), skládání, násobení reálným číslem Lineární prostory - vektorové veličiny(síla, rychlost, zrychlení,...), skládání, násobení reálným číslem - volné vektory a operace s nimi(sčítání, násobení reálným číslem) -ve 2 nebove 3 vázanévektorysespolečnýmpočátkem

Více

15 Maticový a vektorový počet II

15 Maticový a vektorový počet II M. Rokyta, MFF UK: Aplikovaná matematika III kap. 15: Maticový a vektorový počet II 1 15 Maticový a vektorový počet II 15.1 Úvod Opakování z 1. ročníku (z kapitoly 8) Označení. Množinu všech reálných resp.

Více

Primitivní funkce a Riemann uv integrál Lineární algebra Taylor uv polynom Extrémy funkcí více prom ˇenných Matematika III Matematika III Program

Primitivní 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),

)(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

Více

Matematika. Kamila Hasilová. Matematika 1/34

Matematika. Kamila Hasilová. Matematika 1/34 Matematika Kamila Hasilová Matematika 1/34 Obsah 1 Úvod 2 GEM 3 Lineární algebra 4 Vektory Matematika 2/34 Úvod Zkouška písemná, termíny budou včas vypsány na Intranetu UO obsah: teoretická a praktická

Více

1. Matice a maticové operace. 1. Matice a maticové operace p. 1/35

1. Matice a maticové operace. 1. Matice a maticové operace p. 1/35 1. Matice a maticové operace 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

Více

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.

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

Více

Úlohy k přednášce NMAG 101 a 120: Lineární algebra a geometrie 1 a 2,

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

Více

Báze a dimenze vektorových prostorů

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

Více

1 Linearní prostory nad komplexními čísly

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)

Více

3 Lineární kombinace vektorů. Lineární závislost a nezávislost

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

Více

Odpřednesenou látku naleznete v kapitolách skript Abstraktní a konkrétní lineární algebra.

Odpřednesenou látku naleznete v kapitolách skript Abstraktní a konkrétní lineární algebra. nad obecným tělesem a lineární kombinace Odpřednesenou látku naleznete v kapitolách 1.1 1.4 skript Abstraktní a konkrétní lineární algebra. Jiří Velebil: A7B01LAG 1.10.2015: 1/20 nad obecným tělesem Co

Více

Učební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008 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

Více

Úvodní informace Soustavy lineárních rovnic. 12. února 2018

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

Více

19 Hilbertovy prostory

19 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

Více

Matematika I (KMI/5MAT1)

Matematika 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

Více

Lineární algebra Eva Ondráčková

Lineární algebra Eva Ondráčková Lineární algebra Eva Ondráčková Vektorové prostory Mnozízvásužsenejspíšsetkalispojmemvektor.Ukážemesi,ževektorynejsoujen množiny orientovaných úseček v rovině či trojrozměrném prostoru, ale něco zajímavějšího,

Více

6. Vektorový počet Studijní text. 6. Vektorový počet

6. Vektorový počet Studijní text. 6. Vektorový počet 6. Vektorový počet Budeme se pohybovat v prostoru R n, což je kartézská mocnina množiny reálných čísel R; R n = R R. Obvykle nám bude stačit omezení na případy n = 1, 2, 3; nicméně teorie je platná obecně.

Více

Odpřednesenou 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. 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

Více

Lineární algebra : Polynomy

Lineární 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

Více

Lineární algebra : Polynomy

Lineární 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

Více

A[a 1 ; a 2 ; a 3 ] souřadnice bodu A v kartézské soustavě souřadnic O xyz

A[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

Více

ALGEBRA. Téma 5: Vektorové prostory

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)

Více

1 Zobrazení 1 ZOBRAZENÍ 1. Zobrazení a algebraické struktury. (a) Ukažte, že zobrazení f : x

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.

Více

Lineární algebra : Lineární zobrazení

Lineární 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

Více

Soustavy lineárních rovnic

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

Více

Vektory a matice. Petr Hasil. Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF)

Vektory 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

Více

ftp://math.feld.cvut.cz/pub/olsak/linal/

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/

Více

Lineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity)

Lineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity) 4 Lineární zobrazení Definice: Nechť V a W jsou vektorové prostory Zobrazení A : V W (zobrazení z V do W nazýváme lineárním zobrazením, pokud pro všechna x V, y V a α R platí 1 A(x y = A(x A(y (vlastnost

Více

Matice. Je dána matice A R m,n, pak máme zobrazení A : R n R m.

Matice. Je dána matice A R m,n, pak máme zobrazení A : R n R m. Matice lineárních zobrazení [1] Připomenutí Zobrazení A : L 1 L 2 je lineární, když A( x + y ) = A( x ) + A( y ), A(α x ) = α A( x ). Což je ekvivalentní s principem superpozice: A(α 1 x 1 + + α n x n

Více

z textu Lineární algebra

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/

Více

Lineární algebra : Báze a dimenze

Lineární algebra : Báze a dimenze Lineární algebra : Báze a dimenze (5. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 9. dubna 2014, 13:33 1 2 5.1 Báze lineárního prostoru Definice 1. O množině vektorů M z LP V řekneme,

Více

NALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Doba řešení: 3 hodiny

NALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK 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

Více

9 Kolmost vektorových podprostorů

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.

Více

VĚTY Z LINEÁRNÍ ALGEBRY

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

Více

Kmitání tělesa s danou budicí frekvencí

Kmitání 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

Více

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést

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

Více

6. ANALYTICKÁ GEOMETRIE

6. 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

Více

Základy maticového počtu Matice, determinant, definitnost

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

Více

[1] Vzhledem ke zvolené bázi určujeme souřadnice vektorů...

[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.

Více

Aritmetické vektory. Martina Šimůnková. Katedra aplikované matematiky. 16. března 2008

Aritmetické 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

Více

transformace je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím [1]

transformace 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

Více

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava email: dalibor.lukas@vsb.cz http://www.am.vsb.cz/lukas/la1

Katedra 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

Více

1 Vektorové prostory.

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

Více

Lineární algebra : Metrická geometrie

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

Více

Operace s maticemi. 19. února 2018

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

Více

21. Úvod do teorie parciálních diferenciálních rovnic

21. 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

Více

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

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 ).

Více

Lineární algebra : Změna báze

Lineární 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,...,

Více

Základy matematiky pro FEK

Základy matematiky pro FEK Základy matematiky pro FEK 2. přednáška Blanka Šedivá KMA zimní semestr 2016/2017 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 2016/2017 1 / 20 Co nás dneska čeká... Závislé a nezávislé

Více

8 Matice a determinanty

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

Více

Dnešní látka: Literatura: Kapitoly 3 a 4 ze skript Karel Rektorys: Matematika 43, ČVUT, Praha, Text přednášky na webové stránce přednášejícího.

Dnešní 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

Více

FUNKCE POJEM, VLASTNOSTI, GRAF

FUNKCE 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

Více

Poznámka. V některých literaturách se pro označení vektoru také používá symbolu u.

Poznámka. 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,

Více

Pavel Horák, Josef Janyška LINEÁRNÍ ALGEBRA UČEBNÍ TEXT

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............................

Více

Matice. Předpokládejme, že A = (a ij ) je matice typu m n: diagonálou jsou rovny nule.

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,...,

Více

11. Skalární součin a ortogonalita p. 1/16

11. 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.

Více

Lineární algebra : Skalární součin a ortogonalita

Lineární algebra : Skalární součin a ortogonalita Lineární algebra : Skalární součin a ortogonalita (15. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 30. dubna 2014, 09:00 1 2 15.1 Prehilhertovy prostory Definice 1. Buď V LP nad

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.

(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