Lineární algebra : Skalární součin a ortogonalita
|
|
- Žaneta Holubová
- před 6 lety
- Počet zobrazení:
Transkript
1 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 technologií České vysoké učení technické v Praze LS 2013/2014 vytvořeno: 30. dubna 2014, 09:01 Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
2 Hlavní body 1 Prehilhertovy prostory 2 Ortogonalita 3 Sdružená matice 4 Diagonalizace a spektrální vlastnosti samosdružených matic Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
3 Axiomatická definice skalárního součinu Definice Buď V LP nad T. Zobrazení (.,.) : V V T nazýváme skalární součin, platí-li pro x, y, z V a α T axiomy: 1 (x, αy + z) = α(x, y) + (x, z), (linearita v druhém argumentu) 2 (x, y) = (y, x), (hermitovská symetrie) 3 (x, x) 0 ( (x, x) = 0 x = 0 ). (pozitivní definitnost) Dvojici (V, (.,.)) nazýváme prostorem se skalárním součinem (prehilbertův prostor) a značíme H. Poznámka Je-li T = R v axiomu 2. je vlastnost (x, y) = (y, x) (symetrie), opruhování je v R nadbytečné. Cvičení: Pro libovolné x, y, x H a α T ověřte následující vlastnosti skalárního součinu: (αx + y, z) = α(x, z) + (y, z), (x, θ) = (θ, x) = 0. Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
4 Příklady skalárních součinů Na T n definujeme (x, y) := n ξ j η j, kde x = (ξ 1,..., ξ n ), y = (η 1,..., η n ). Snadno ověříme, že jse o skalární součin na T n. Tento skalární součin nazýváme standardním skalárním součinem. Pro f, g C( 0, 1 ) je zobrazení definované vztahem (f, g) := 1 0 j=1 f (x)g(x)dx skalárním součinem na LP C( 0, 1 ). Další příklad skalárního součinu je např. zobrazení definované na prostoru matic C n,n, n n (A, B) := a j,i b j,i. i=1 j=1 Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
5 Další příklady skalárních součinů Buďte x, y R n sloupcové vektory a A R n,n. Zobrazení (x, y) := x T Ay splňuje axiom 1. Budeme-li navíc požadovat, aby A = A T, bude splněn i axiom 2. Platí-li tedy ješte 3. aximom je uvedené zobrazení skalárním součinem na R n. Vezměme např. n = 2, potom pro matici ( ) 1 2 A = 2 5 je ( ) ( ) 1 2 y1 (x, y) = (x 1, x 2 ) = x y 1 + 2x 1 y 2 + 2x 2 y 1 + 5x 2 y 2 skalární součin na R 2. Ovšem např. pro volbu y 2 A = ( ) axiom 3. splněný není a uvedené zobrazení skalární součin není. Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
6 Skalární součin zadává normu Definice Buď H prostor se skalárním součinem. Zobrazení. : H T definované vztahem nazýváme normou na H. Poznámka ( x H)( x := (x, x) ) Máme-li R 3 se standardním skalárním součinem je x velikost vektoru x, tj. (euklidovská) vzdálenost bodu x = (x 1, x 2, x 3 ) od počátku θ. Z tohoto pohledu lze normu vektoru chápat jako zobecněnou velikost vektoru. Podobně je číslo x y zobecněnou vzdáleností vektorů x a y. Cvičení: Ukažte, že pro x H a α T platí: x 0 x = 0 x = θ, αx = α x. Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
7 Vlastnosti normy a skalárního součinu Věta Buď H prehilbertův prostor. Potom pro x, y H platí: 1 (x, y) x y, (Schwarzova nerovnost) 2 x + y x + y, (trojúhelníková nerovnost) 3 x + y 2 + x y 2 = 2( x 2 + y 2 ). (rovnoběžníková rovnost) Důkaz: Tabule. Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
8 Hlavní body 1 Prehilhertovy prostory 2 Ortogonalita 3 Sdružená matice 4 Diagonalizace a spektrální vlastnosti samosdružených matic Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
9 Ortogonalita Definice Nechť H je prostor se skalárním součinem. Vektory x, y H nazýváme ortogonální (kolmé), právě když (x, y) = 0. Soubor vektorů (x 1,..., x n ) z H nazveme ortogonální (OG), právě když ( i, j ˆn, i j )( (x i, x j ) = 0 ). Soubor vektorů (x 1,..., x n ) nazveme ortonormální (ON), právě když ( i, j ˆn )( (x i, x j ) = δ ij ). Poznámka Máme-li R 2 se standardním skalárním součinem je klasická geometrická kolmost vektorů x a y ekvivalentí rovnosti (x, y) = 0. (Rozmyslete si!) Proto je ortogonalita zobecněním pojmu kolmost z Euklidovské geometrie. Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
10 Dvě věty Věta (Pythagorova věta) Nechť (x, y) je OG soubor vektorů z H. Potom x + y 2 = x 2 + y 2. Důkaz: Tabule. Věta OG soubor nenulových vektorů je LN. Speciálně, každý ON soubor vektorů je LN. Důkaz: Tabule. Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
11 Besselova nerovnost Definice Nechť (x 1,..., x k ) je ON soubor vektorů z H, x H. Číslo (x i, x), i ˆk, nazýváme i-tý Fourierův koeficient vektoru x vzhledem k souboru (x 1,..., x k ). Pozorování: Nechť (x 1,..., x k ) je ON soubor vektorů z H, x H. Potom vektor x k (x j, x)x j je kolmý na všechny vektory souboru (x 1,..., x k ). (Ověřte!) Věta (Besselova nerovnost) Nechť (x 1,..., x k ) je ON soubor vektorů z H, x H. Potom platí Důkaz: Tabule. j=1 k (x j, x) 2 x 2. j=1 Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
12 ON báze Definice Je-li ON soubor (x 1,..., x n ) vektorů z H navíc báze H, nazýváme jej ortnormální báze prostoru H. Věta Nechť (x 1,..., x n ) je ON soubor vektorů z H. Potom (x 1,..., x n ) je ON báze právě tehdy, když neexistuje nenulový vektor, který by byl kolmý na všechny vektory souboru (x 1,..., x n ), tzn. Důkaz: Tabule. ( x H)( ( i ˆn)((x i, x) = 0) x = θ ). Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
13 Prostor s ON bází Věta Nechť X = (x 1,..., x n ) je ON báze H. Potom platí ( ) n ( x H) x = (x i, x)x i (i-tá souřadnice x v bázi X je rovna i-tému Fourierovu koeficientu (x i, x)) ( ) n ( x, y H) (x, y) = (x i, x)(x i, y) ( Skalární součin počítaný v souřadnicích vypadá jako standardní s. s. ) ( ) n ( x H) x 2 = (x i, x) 2 (Parsevalova rovnost) Důkaz: Tabule. i=1 i=1 i=1 Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
14 Gramův-Schmidtův ortogonalizační proces Ukážeme si metodu, jak lze každý LN soubor zortnormalizovat, tj. udělat z něj ON soubor, který generuje stejný podprostor. Speciálně z každé báze lze v prehilbetově prostoru zkonstruovat ON bázi. Tedy v každém prehilbetově prostoru existuje ON báze. Věta (Gramův-Schmidtův ortogonalizační proces) Buď (x 1,..., x k ) LN soubor vektorů z H. Potom existuje ON soubor (y 1,..., y k ) vektorů z H takový, že ( l ˆk)( x 1,..., x l = y 1,..., y l ). Důkaz: G.-S. proces rekurentně napočítáme vektory ON souboru : y 1 := x 1 x 1, z l+1 := x l+1 l (y j, x l+1 )y j, y l+1 := z l+1 z l+1. j=1 Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
15 Příklad G.-S. OG proces 1/2 Uvažujte R 4 se standardním sk. součinem. Nalezněte ON bázi podprostoru P = x 1, x 2, x 3 R 4, je-li x 1 = (1, 2, 2, 1), x 2 = (1, 1, 5, 3), x 3 = (3, 2, 8, 7). Soubor (x 1, x 2, x 3 ) je LN, zortnormalizujeme ho G.-S. procesem. y 1 := x 1 x 1 = 1 10 (1, 2, 2, 1). z 2 := x 2 (y 1, x 2 )y 1 = (1, 1, 5, 3) 10 (1, 2, 2, 1) = (2, 3, 3, 2) 10 y 2 := z 2 z 2 = 1 26 (2, 3, 3, 2) Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
16 Příklad G.-S. OG proces 2/2 Konečně z 3 := x 3 (y 1, x 3 )y 1 (y 2, x 3 )y 2 = (3, 2, 8, 7) (1, 2, 2, 1) (2, 3, 3, 2) = (2, 1, 1, 2) y 3 := z 3 z 3 = 1 10 (2, 1, 1, 2) Soubor (y 1, y 2, y 3 ) je ON báze podprostoru P. Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
17 Ortogonální doplněk Definice Buď H prehilbertův prostor, M H. Množinu M = {x H ( y M)((x, y) = 0)} nazýváme ortogonální doplněk množiny M do prostoru H. Věta (o ortogonálním rozkladu) Nechť P H, dim P <, potom 1 H = P P, 2 (P ) = P. Důkaz: Tabule. Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
18 Příklad Uvažujme R 3 se standardním skalárním součinem a P = (1, 1, 1). Množina řešení rovnice je podprostorem P. Dostáváme ((1, 1, 1), (x, y, x)) = x + y + z = 0 P = ( 1, 0, 1), ( 1, 1, 0). Rovnost R 3 = P P nám říká, že každý vektor x R 3 lze jediným způsobem rozložit na dva kolmé vektory u a v, kde vektor u leží v přímce P, vektor v leží v rovině P a x = u + v. Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
19 Hlavní body 1 Prehilhertovy prostory 2 Ortogonalita 3 Sdružená matice 4 Diagonalizace a spektrální vlastnosti samosdružených matic Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
20 Sdružená matice Ve zbylé části bude těleso T = R, nebo T = C. Definice Buď (α ij ) = A T n,n. Matici (α i,j ) = A T n,n, jejíž prvky jsou definované vztahem ( i, j ˆn)(α i,j = α j,i ), nazýváme sdruženou maticí k matici A (tedy A = A T ). Cvičení: Pro A, B T n,n, α T, ověřte následující vlastnosti: 1 (A + B) = A + B, 2 (αa) = αa, 3 (AB) = B A, 4 (A ) = A, 5 E = E, Θ = Θ, 6 je-li A regulární, je i A regulární a platí (A ) 1 = (A 1 ). 7 ( x, y T n )((x, Ay) = (A x, y)) ((.,.) je standardní skal. souč. na T n ) Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
21 Speciální matice Definice Buď A T n,n. Říkáme, že matice A je 1 samosdružená, právě když A = A. Pro T = C nazýváme A hermitovskou. Pro T = R nazýváme A symetrickou. 2 izometrická, právě když AA = E(= A A). Pro T = C nazýváme A unitární. Pro T = R nazýváme A ortogonální. Poznámka Tedy izometrická matice A je vždy regulární a platí A 1 = A. Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
22 Vlastnosti unitárních matic Následují věty vyslovíme pro unitární matice (T = C), analogická tvrzení platí pro matice ortogonální (T = R). Věta Uvažujme C n prostor se standardním skalárním součinem, A C n,n. Následující tvzení jsou ekvivalentní: 1 A je unitární. 2 A je unitární. 3 Sloupce matice A tvoří ON bázi C n. 4 Řádky matice A tvoří ON bázi C n. Důkaz: Tabule. Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
23 Další vlastnosti unitárních matic Věta Buď A C n,n unitární a C n prostor se standardním skalárním součinem. Potom platí 1 det A = 1, 2 ( x C n )( Ax = x ), 3 λ σ(a) λ = 1. Důkaz: Tabule. Cvičení: Ukažte, že součin unitárních matic je unitární matice. Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
24 Hlavní body 1 Prehilhertovy prostory 2 Ortogonalita 3 Sdružená matice 4 Diagonalizace a spektrální vlastnosti samosdružených matic Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
25 Reálná vlastní čísla a kolmost vlastních vektorů Věta Buď A T n,n samosdružená matice a T n prostor se standardním skalárním součinem. Potom 1 σ(a) R, 2 vlastní vektory A příslušející dvěma různým vlastním číslům jsou kolmé. Důkaz: Tabule. Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
26 Diagonalizace samosdružené matice Věta (Spektrální teorém) Buď A C n,n hermitovská matice. Potom je A podobná diagonální matici D a regulární matici P z relace podobnosti lze volit izometrickou. Tedy platí A = P DP. (Protože pro izometrickou P je P 1 = P.) Důkaz: Neuvedeme. Poznámka Pro hermitovskou matici A tedy platí ( λ σ(a))(ν g (λ) = ν a (λ)). Dále pro f : C C umíme definovat f (A). Štampach, Klouda (KAM FIT ČVUT) BI-LIN LS 2013/ / 26
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
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
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
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
Skalární součin dovoluje zavedení metriky v afinním bodovém prostoru, tj. umožňuje nám určovat vzdálenosti, odchylky, obsahy a objemy.
6 Skalární součin Skalární součin dovoluje zavedení metriky v afinním bodovém prostoru, tj. umožňuje nám určovat vzdálenosti, odchylky, obsahy a objemy. Příklad: Určete odchylku přímek p, q : p : x =1+3t,
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,
Lineární algebra : Vlastní čísla, vektory a diagonalizace
Lineární algebra : Vlastní čísla, vektory a diagonalizace (14. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 21. dubna 2014, 19:37 1 2 14.1 Vlastní čísla a vlastní vektory Nechť je
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,
Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague
Tomáš Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague 1 / 63 1 2 3 4 5 6 7 8 9 10 11 2 / 63 Aritmetický vektor Definition 1 Aritmetický vektor x je uspořádaná
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
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
2 Vektorové normy. Základy numerické matematiky - NMNM201. Definice 1 (Norma). Norma je funkcionál splňující pro libovolné vektory x a y a pro
Cvičení 1 Základy numerické matematiky - NMNM201 1 Základní pojmy opakování Definice 1 (Norma). Norma je funkcionál splňující pro libovolné vektory x a y a pro libovolný skalár α C následující podmínky:
Lineární algebra : Násobení matic a inverzní matice
Lineární algebra : Násobení matic a inverzní matice (8. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních
Symetrické a kvadratické formy
Symetrické a kvadratické formy Aplikace: klasifikace kvadrik(r 2 ) a kvadratických ploch(r 3 ), optimalizace(mpi) BI-LIN (Symetrické a kvadratické formy) 1 / 20 V celé přednášce uvažujeme číselné těleso
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
Necht L je lineární prostor nad R. Operaci : L L R nazýváme
Skalární součin axiomatická definice odvození velikosti vektorů a úhlu mezi vektory geometrická interpretace ortogonalita vlastnosti ortonormálních bázi [1] Definice skalárního součinu Necht L je lineární
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
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,
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.
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
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
Matematika I 12a Euklidovská geometrie
Matematika I 12a Euklidovská geometrie Jan Slovák Masarykova univerzita Fakulta informatiky 3. 12. 2012 Obsah přednášky 1 Euklidovské prostory 2 Odchylky podprostorů 3 Standardní úlohy 4 Objemy Plán přednášky
Vlastní číslo, vektor
[1] Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost
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,...,
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
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
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
Zdrojem většiny příkladů je sbírka úloh 1. cvičení ( ) 2. cvičení ( )
Příklady řešené na cvičení LA II - LS 1/13 Zdrojem většiny příkladů je sbírka úloh http://kam.mff.cuni.cz/~sbirka/ 1. cvičení (..13) 1. Rozhodněte, které z následujících operací jsou skalárním součinem
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
Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).
Předmět: MA 4 Dnešní látka Lineární (vektorový) prostor Normovaný lineární prostor Normy matic a vektorů Symetrické matice, pozitivně definitní matice Gaussova eliminační metoda, podmíněnost matic Četba:
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
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.
Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).
Předmět: MA 4 Dnešní látka Vektorový (lineární) prostor (připomenutí) Normovaný lineární prostor Normy matic a vektorů Symetrické matice, pozitivně definitní matice Gaussova eliminační metoda, podmíněnost
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
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
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
1 Projekce a projektory
Cvičení 3 - zadání a řešení úloh Základy numerické matematiky - NMNM20 Verze z 5. října 208 Projekce a projektory Opakování ortogonální projekce Definice (Ortogonální projekce). Uvažujme V vektorový prostor
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
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
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
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
Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice
Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory K množina reálných nebo komplexních čísel, U vektorový prostor nad K. Lineární kombinace vektorů u 1, u 2,...,u
1 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
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
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
Lineární algebra : Násobení matic a inverzní matice
Lineární algebra : Násobení matic a inverzní matice (8. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 17. března 2014, 12:42 1 2 0.1 Násobení matic Definice 1. Buďte m, n, p N, A
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
Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika)
Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika) Kartézská soustava souřadnic je dána počátkem O a uspořádanou trojicí bodů E x,
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)
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
[1] Motivace. p = {t u ; t R}, A(p) = {A(t u ); t R} = {t A( u ); t R}
Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost s diagonální
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
Ortogonální projekce a ortogonální zobrazení
Drsná matematika I 9. přednáška Ortogonální projekce a ortogonální zobrazení Jan Slovák Masarykova univerzita Fakulta informatiky 27. 4. 2010 Obsah přednášky 1 Literatura 2 Projekce a ortogonální zobrazení
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
6 Skalární součin. u v = (u 1 v 1 ) 2 +(u 2 v 2 ) 2 +(u 3 v 3 ) 2
6 Skalární součin Skalární součin 1 je operace, která dvěma vektorům (je to tedy binární operace) přiřazuje skalár (v našem případě jde o reálné číslo, obecně se jedná o prvek nějakého tělesa T ). Dovoluje
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
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
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
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
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,...,
Operace s maticemi
Operace s maticemi Seminář druhý 17.10. 2018 Obsah 1 Operace s maticemi 2 Hodnost matice 3 Regulární matice 4 Inverzní matice Matice Definice (Matice). Reálná matice typu m n je obdélníkové schema A =
Linearní algebra příklady
Linearní algebra příklady 6. listopadu 008 9:56 Značení: E jednotková matice, E ij matice mající v pozici (i, j jedničku a jinak nuly. [...]... lineární obal dané soustavy vektorů. Popište pomocí maticového
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
Vlastní čísla a vlastní vektory
Kapitola 11 Vlastní čísla a vlastní vektory Základní motivace pro studium vlastních čísel a vektorů pochází z teorie řešení diferenciálních rovnic Tato teorie říká, že obecné řešení lineární diferenciální
1 Vektorové prostory a podprostory
Pro nahrazení účasti v jednotlivých cvičeních (resp. pro studenty kombinované formy) je dostačující vypracování a odevzdání tučně vyznačených příkladů. 1 Vektorové prostory a podprostory Definujte vektorový
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)
Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).
Předmět: MA 4 Dnešní látka Vlastní čísla a vektory Google Normovaný lineární prostor Normy matic a vektorů Symetrické matice, pozitivně definitní matice Gaussova eliminační metoda, podmíněnost matic Četba:
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
Interpolace, ortogonální polynomy, Gaussova kvadratura
Interpolace, ortogonální polynomy, Gaussova kvadratura Petr Tichý 20. listopadu 2013 1 Úloha Lagrangeovy interpolace Dán omezený uzavřený interval [a, b] a v něm n + 1 různých bodů x 0, x 1,..., x n. Nechť
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
Matematická analýza pro informatiky I.
Matematická analýza pro informatiky I. 10. přednáška Diferenciální počet funkcí více proměnných (II) Jan Tomeček jan.tomecek@upol.cz http://aix-slx.upol.cz/ tomecek/index Univerzita Palackého v Olomouci
Definice : Definice :
KAPITOLA 7: Spektrální analýza operátorů a matic [PAN16-K7-1] Definice : Necht H je komplexní Hilbertův prostor. Řekneme, že operátor T B(H) je normální, jestliže T T = T T. Operátor T B(H) je normální
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
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
Definice 28 (Ortogonální doplněk vektorového podprostoru). V k V n ; V k V. (Pech:AGLÚ/str D.5.1)
14.3 Kolmost podprostorů 14.3.1 Ortogonální doplněk vektorového prostou Ve vektorovém prostoru dimenze 3 je ortogonálním doplňkem roviny (přesněji vektorového prostoru dimenze ) přímka na ní kolmá (vektorový
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...
Dnešní látka Opakování: normy vektorů a matic, podmíněnost matic Jacobiova iterační metoda Gaussova-Seidelova iterační metoda
Předmět: MA 4 Dnešní látka Opakování: normy vektorů a matic, podmíněnost matic Jacobiova iterační metoda Gaussova-Seidelova iterační metoda Četba: Text o lineární algebře v Příručce přežití na webových
Úlohy nejmenších čtverců
Úlohy nejmenších čtverců Petr Tichý 7. listopadu 2012 1 Problémy nejmenších čtverců Ax b Řešení Ax = b nemusí existovat, a pokud existuje, nemusí být jednoznačné. Často má smysl hledat x tak, že Ax b.
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
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
Aplikovaná numerická matematika - ANM
Aplikovaná numerická matematika - ANM 3 Řešení soustav lineárních rovnic iterační metody doc Ing Róbert Lórencz, CSc České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových
Kapitola 5. Symetrické matice
Kapitola 5 Symetrické matice Symetrické matice mají mezi všemi maticemi významné postavení. Nejen, že se častěji vyskytují v aplikacích, ale i jejich matematické vlastnosti jsou specifické. V této kapitole
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
Aplikovaná numerická matematika
Aplikovaná numerická matematika 6. Metoda nejmenších čtverců doc. Ing. Róbert Lórencz, CSc. České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových systémů Příprava studijních
Arnoldiho a Lanczosova metoda
Arnoldiho a Lanczosova metoda 1 Částečný problém vlastních čísel Ne vždy je potřeba (a někdy to není ani technicky možné) nalézt celé spektrum dané matice (velké řídké matice). Úloze, ve které chceme aproximovat
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
ALGEBRA. Téma 4: Grupy, okruhy a pole
SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1, 746 01 Opava, tel. (553) 684 611 DENNÍ STUDIUM Téma 4: Grupy, okruhy a pole Základní pojmy unární operace, binární operace, asociativita,
Datum sestavení dokumentu: 11. června Lineární algebra 2. L ubomíra Balková a Emil Humhal
Datum sestavení dokumentu: června 22 Lineární algebra 2 L ubomíra Balková a Emil Humhal e-mail: lubomirabalkova@fjficvutcz, emilhumhal@fjficvutcz Obsah Matice a lineární zobrazení 2 Lineárnímu zobrazení
5. Singulární rozklad
5. Singulární rozklad Petr Tichý 31. října 2012 1 Singulární rozklad matice Jeden z nejdůležitějších teoretických i praktických nástrojů maticových výpočtů. Umožňuje určit hodnost či normu matice, ortogonální
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 ),
ftp://math.feld.cvut.cz/pub/olsak/linal/
Petr Olšák Výcuc z textu Lineární algebra určeno pro promítání na přednášce Úvod do algebry http://www.olsak.net/linal.html ftp://math.feld.cvut.cz/pub/olsak/linal/ http://math.feld.cvut.cz/skripta/ua/
z textu Lineární algebra
2 Úvodní poznámky Petr Olšák Výcuc z textu Lineární algebra určeno pro promítání na přednášce Úvod do algebry http://www.olsak.net/linal.html ftp://math.feld.cvut.cz/pub/olsak/linal/ http://math.feld.cvut.cz/skripta/ua/
Kapitola 11: Vektory a matice 1/19
Kapitola 11: Vektory a matice 1/19 2/19 Prostor R n R n = {(x 1,..., x n ) x i R, i = 1,..., n}, n N x = (x 1,..., x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i =
Kapitola 11: Vektory a matice:
Kapitola 11: Vektory a matice: Prostor R n R n = {(x 1,, x n ) x i R, i = 1,, n}, n N x = (x 1,, x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i = 1,, n : x i = y i
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
Skalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech.
Kapitola 9 Skalární součin Skalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech. Definice 9.1 Je-li x = (x 1,..., x n ) T R n 1 reálný
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
(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
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.
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