Zdrojem většiny příkladů je sbírka úloh 1. cvičení ( ) 2. cvičení ( )
|
|
- Martina Veselá
- před 6 lety
- Počet zobrazení:
Transkript
1 Příklady řešené na cvičení LA II - LS 1/13 Zdrojem většiny příkladů je sbírka úloh 1. cvičení (..13) 1. Rozhodněte, které z následujících operací jsou skalárním součinem dvojice vektorů x = (x 1, x ) T a y = (y 1, y ) T z R. (a) x, y := x 1 y + x y 1 (b) x, y := x 1 y 1 + x 1 y + x y 1 + x y (c) x, y := x 1 y 1 + x 1 y + x y 1 + x y. Pro standardní skalární součin x, y = d i=1 x iy i a euklidovskou normu x = x, x nad C d, resp R d určete u následujících dvojic vektorů x a y: I) skalární součin vektorů x a y II) euklidovské normy vektorů x a y III) vzdálenost mezi body x a y (tj. x y ) IV) zdali jsou vektory x a y navzájem kolmé (tj. zda x, y = ). a) x T = (4,, 3), y T = (1, 5, ). b) x T = (3, 1, ), y T = (1, 3, ). c) x T = (, 1, 4), y T = (5,, ). d) x T = (, 1, 4, 1), y T = (4, 1,, ). e) x T = ( + i,, 4 5i), y T = (1 + i, + i, 1).. cvičení (1.3.13) 1. V prostoru R 4 se standardním skalárním součinem x, y = 4 i=1 x iy i určete podle Gramova- Schmidtova předpisu ortonormální bázi Z = {z (1),..., z (r) } řádkového prostoru následujích matic (a) Výsledek: Z = {( 1, 1, 1, 1 )T, ( 1, 1, 1, 1 )T, ( 1, 1, 1, 1 )T }. 3 4 (b) 5 1 Výsledek: Z = {(, 3 5, 4 5, )T, (, 4 5, 3 5, )T, (,,, )T }.. Rozšiřte ortonormální báze z předchozího příkladu na ortonormální bázi R 4. Výsledky: (a) ( 1, 1, 1, 1 )T a (b) (,,, )T. 1
2 3. cvičení (8.3.13) 1. Pro matice z předchozího cvičení určete ortogonální projekci p vektoru a = (,, 1, 5) T do řádkového prostoru a souřadnice této projekce [p] Z vzhledem k bázi Z. Výsledky: (a) [p] Z = (5,, 1) T, p = (1, 3,, 4) T a (b) [p] Z = (, 1, 7 )T, p = ( 7,, 1, 7 )T.. Určete vzdálenost bodu A = (5, 5, 3, 3) T od roviny procházející počátkem a body B = (8, 1, 1, ) T a C = (4,,, 1) T. 3. Pomocí projekce najděte nejlepší přibližné řešení soustavy Ax = b, kde 1 A = 4 4 1, b = (1, 5, 13, 9)T cvičení ( ) 1. Uvažujme funkce f(x) = sin(x), g(x) = cos(x) a h(x) = 1 jako prvky prostoru reálných funkcí na intervalu [, π]. Skalární součin funkcí a a b je hodnota π a(x)b(x)dx. (a) Dokažte, že funkce f, g a h jsou v tomto prostoru navzájem kolmé. (b) Určete normy f, g a h. Řešení: f = π f, f = sin (x)dx = π, π g = cos (x)dx = π, π h = 1dx = π. (c) Udělejte projekci funkce t(x) = x do podprostoru generovaného funkcemi f, g a h. Řešení: Ortonormální báze daného podprostoru je: f(x)/ f = sin(x)/ π, g(x)/ g = cos(x)/ π a h(x)/ h = 1/ π. Souřadice projekce jsou t(x), sin(x) = 1 [sin(x) x cos(x)] π π π = π t(x), cos(x) = 1 [cos(x) + x sin(x)] π π π = 1 t(x), = 1 [ x π π ] π = π 3 A tedy projekce je sin(x) + π.. Vypočtěte determinanty následujících matic:
3 (a) A = (b) B = (c) C = (d) D = cvičení (.3.13) 1. Najděte cykly, rozklad na transpozice, počet inverzí, znaménko a inverzní permutaci pro každou z permutací p a q. Dále určete složení p q těchto permutací a jeho znaménko. (Složení definujeme jako (p q)(i) = q(p(i)).) p = (6, 4, 1, 5, 3, ), q = (6, 4, 3,, 5, 1). Najděte permutaci na deseti prvcích takovou, že p n (tj. složení n permutací p) není identita pro žádné n z 1,,..., Pro p = (8, 6, 5, 4, 3,, 1, 7) určete p Pro n N určete znaménko permutace (n, n 1, n,..., 3,, 1). 6. cvičení (9.3.13) 1. Rozviňte determinant reálné matice: b 1 X = a d 1 c Výsledek: abcd ad bc Určete determinant následující matice: x x 1... T n+1 = x 1 a a 1... a n 1 a n Výsledek: a n x n + a n 1 x n a 1 x + a. 3. Spočtěte obsah rovnoběžníka určeného vektory a = (, 1) T a b = (1, 3) T. Výsledek určený pomocí determinantu si ověřte i bez použití determinantu (např. pomocí Heronova vzorce, nebo s využitim toho, že jedna úhlopříčka rovnoběžníka má stejnou délku jako jedna hrana). 3
4 4. Pomocí determinantu určete počet koster následujícího grafu: Výsledek: 5. Pomocí determinantu určete počet koster úplného bipartitního grafu s partitami o velikostech m a n. Výsledek: m n 1 n m 1 7. cvičení (5.4.13) 1. Nad tělesem R nalezněte vlastní čísla následujících matic a k nim příslušné vlastní vektory a pokuste se je geometricky vysvětlit. ( ) 1 (a), ( ) (b) Dokažte: (a) Je-li λ vlastním číslem matice A a má-li matice A pouze reálné koeficienty, pak je i λ (číslo komplexně sdružené s λ) vlastním číslem matice A. 8. cvičení (1.4.13) 1. Dokažte: (a) Nula není vlastním číslem matice A právě tehdy, když je A regulární. (b) Je-li λ vlastním číslem matice A a x vlastním vektorem příslušným λ, pak 1/λ je vlastním číslem matice A 1 a x vlastním vektorem příslušným 1/λ. Dále dokažte, že je-li {λ 1,..., λ n } množina všech vlastních čísel A, pak {λ 1 1,..., λ 1 n } je právě množina všech vlastních čísel A 1. (c) Je-li p polynom, λ vlastní číslem matice A a x vlastní vektor příslušný λ, pak p(λ) je vlastním číslem matice p(a) a x vlastním vektorem příslušným p(λ). Dokonce platí (dá se dokázat pomocí Jordanova tvaru), že je-li {λ 1,..., λ n } množina všech vlastních čísel A, pak {p(λ 1 ),..., p(λ n )} je právě množina všech vlastních čísel p(a). Odsud pak plyne, že matice p A (A), kde p A je charakteristický polynom matice A, má všechna vlastní čísla nulová.. Najděte příklad matice, která má pouze nulová vlastní čísla, ale není to nulová matice. Výsledek: např. ( 1 ) 4
5 3. Nad tělesem Cnalezněte vlastní čísla a odpovídající vlastní vektory matice Výsledek: Jediné (trojnásobné) vlastní číslo 1 a vlastními vektory jsou všechny vektory tvaru t (1, 1, 1), kde t C. 4. Tři z vlastních čísel matice A jsou 3, 4 a 5. Dopočítejte zbylé vlastní číslo A = cvičení ( ) 1. Necht ( ) 11 3 A = 1 4 (a) Spočtěte vlastní čísla a vlastní vektory matice A. Zdůvodněte, proč je tato matice diagonalizovatelná. (b) Diagonalizujte matici A. Tedy najděte diagonální matici D a regulární matici S tak, aby platilo AS = SD, neboli A = SDS 1. (D má na diagonále vlastní čísla a sloupce S jsou příslušné lineárně nezávislé vlastní vektory) (c) Spočtěte druhou mocninu a jednu z druhých odmocnin matice A. (Odmocnina A je matice B splňující B B = A.). Rozhodněte, zda jsou matice A a B podobné A = B = Postup: Nejprve ověříme, že A a B mají stejný charakteristický polynom. Toto ještě nemusí znamenat, že si jsou matice podobné! Určíme, že všechna vlastní čísla jsou rovna 1. Poté určíme, že geometrická násobnost vlastního čísla 1 je u obou matic různá, a proto si podobné nejsou. 1. cvičení (6.4.13) 1. Dokažte, že ( 1 ) nemá druhou odmocninu.. Necht A k je matice s k 1 jedničkami těsně nad diagonálou. Tj. na pozici (i, j) je jednička tehdy, když j = i + 1, a jinak nula. Určete mocniny A k : A k, A3 k... a obecně An k. Jedno možné řešení: Uvažujte A k jako matici sousednosti orientovaného grafu. Tím grafem je orientovaná cesta na k vrcholech. Na pozici (i, j) v A n k pak je počet cest z i do j délky přesně n. A to se pro tento graf určuje snadno. 5
6 3. Markovovy řetězce: Na začátku pozorování je ve městě, na venkově i na předměstí milion lidí. Migrace obyvatel město předměstí venkov probíhá následovně. Každých deset let: z města: 7% zůstane, 1% na venkov, % na předměstí, z venkova: % do města, 6% zůstane, % na předměstí, z předměstí: 1% do města, 1% na venkov, 8% zůstane. Nejprve předpokládejte, že se po nějaké době stav ustálí. Jak bude vypadat toto limitní rozložení? Řešení: Sestavíme matici přechodu (řádek = kam, sloupec = odkud) A = a vektor počátečních stavů: x = 1 (1, 1, 1) T. Potom A n x je vektor stavů po n desetiletích. My hledáme vektor x splňující stabilitu : Ax = x. Jedná se tedy o vlastní vektor příslušný k vlastnímu číslu 1. A to ten z nich, který má součet složek 3. Výsledek: x = (9, 6, 15) T. 4. Dokažte, že matice přechodu Markovova procesu (tj. matice s nezápornými koeficienty, kde součet hodnot v každém sloupci je 1) má vlastní číslo cvičení (3.5.13) 1. Uvažujme matici A a vektor x z příkladu?? z minula. Ukážeme, k jakému rozložení bude konvergovat vektor počtu lidí ve městě, na venkově a na předměstí. (a) Diagonalizujte matici A. Výsledek: 1 1 3/5 1/ 1/5 4/5 1/5 A = SDS 1 = 1 /5 3/5 1/ 1/ 1/ / 1/ 1/ (b) Spočtěte D = lim n D n. Výsledek: D = 1 (c) Spočtěte A = lim n A n = SD S 1. Výsledek: 3/1 3/1 3/1 A = 1/5 1/5 1/5 1/ 1/ 1/ (d) Spočtěte x = A x. Výsledek: x = (9, 6, 15) T, stejně, jako minule. 6
7 1. cvičení (1.5.13) 1. Rozhodněte, zda je následující matice pozitivně definitní a pokud ne, zda je alespoň pozitivně semidefinitní. (a) I n (jednotková matice) (b) O n (matice se samými nulami). Nalezněte Choleského rozklad následující matice, nebo zjistěte, že není pozitivně definitní. 1 A = 1 4 Řešení: A = LL T, kde 6 L =. 3. Spočtěte Choleského rozklad matice A a použijte ho k řešení soustavy Ax = (1, 1, 3, 6, 3) T A = Řešení: b = Ax = LL T x, kde 1 1 L = Soustava Ly = b má řešení y = (1, 1,, 3, ) T, výsledek je tedy řešením soustavy L T x = y, což je x = (1, 1,,, 1) T cvičení ( ) 1. Necht 1 A = 1 je matice bilineární formy na K 3. Určete analytické vyjádření této formy i příslušné kvadratické formy. Pokud to lze, najděte symetrickou matici, která vyjádřuje tutéž kvadratickou formu. (Vše vůči stejné bázi.) (a) Řešte pro K = R. (b) Řešte pro K = Z (číslo v Z odpovídá ). (c) Řešte pro K = Z 3. 7
8 . Rozhodněte, zdali platí, že g(u) > pro všechna netriviální u = (x 1, x, x 3 ) R 3. g(u) = x 1 + x 1 x + x 1 x 3 + x + 5x 3. Vyjádřete g(u) v následujícím tvaru, kde a ij R g(u) = (a 11 x 1 + a 1 x + a 13 x 3 ) + (a 1 x 1 + a x + a 3 x 3 ) + (a 31 x 1 + a 3 x + a 33 x 3 ). Řešení (doplění toho, co se nestihlo na cvičení): Kladnost g(u) plyne z pozitivní definitnosti matice zadané kvadratické formy. Hledáme bázi B prostoru R 3 takovou, aby matice kvadratické formy g vzhledem k B byla jednotková matice I 3. Provedeme Choleského rozklad matice A, čímž dostaneme A = LL T = (L T ) T I 3 L T. Protože A je matice kvadratické formy g vzhledem ke kanonické bázi, je L T maticí přechodu od kanonické báze k bázi B. Provedením Choleského rozkladu dostaneme 1 L = Necht y 1, y, y 3 jsou vektory báze B. Ty spočítáme jako y i = L T (x 1, x, x 3 ) T. Vidíme tedy, že y i je (x 1, x, x 3 ) krát i-tý sloupec matice L. Díky tomu, že maticí g vzhledem k bázi B je I 3, tak platí g(u) = y1 + y + y 3, a tedy máme g(u) = (x 1 + x + x 3 ) + (x x 3 ) + ( 3x 3 ). 8
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
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
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
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,
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
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.
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,
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
AVDAT Vektory a matice
AVDAT Vektory a matice Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Vektory x = x 1 x 2. x p y = y 1 y 2. y p Řádkový vektor dostaneme transpozicí sloupcového vektoru x
z = a bi. z + v = (a + bi) + (c + di) = (a + c) + (b + d)i. z v = (a + bi) (c + di) = (a c) + (b d)i. z v = (a + bi) (c + di) = (ac bd) + (bc + ad)i.
KOMLEXNÍ ČÍSLA C = {a + bi; a, b R}, kde i 2 = 1 Číslo komplexně sdružené k z = a + bi je číslo z = a bi. Operace s komplexními čísly: z = a + bi, kde a, b R v = c + di, kde c, d R Sčítání Odčítání Násobení
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
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
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,
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
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
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
Program SMP pro kombinované studium
Zadání příkladů k procvičení na seminář Program SMP pro kombinované studium Nejdůležitější typy příkladů - minimum znalostí před zkouškovou písemkou 1) Matice 1. Pro matice 1 0 2 1 0 3 B = 7 3 4 4 2 0
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
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
a + b + c = 2 b + c = 1 a b = a 1 2a 1 + a a 3 + a 5 + 2a 2 + a 2 + a
Zadání A. 1. Polynom P (x) má v uspořádané bázi (x 2 + x 1, 2x 2 x 1, x 2 + x + 2) souřadnice (1, 1, 1). Najděte jeho souřadnice vzhledem k uspořádané bázi (x 2 1, x 2 + x 1, x 2 + x). Nejprve si spočítáme
α 1 α 2 + α 3 = 0 2α 1 + α 2 + α 3 = 0
Vzhledem k tomu, že jsem to psala ve velkém spěchu, mohou se vyskytnout nějaké chybičky. Pokud nějaké najdu, opravím je hned po prázdninách. Zadání A. 1. Vektory u, v, w jsou lineárně nezávislé. Rozhodněte,
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
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
K2 7 E=. 2 1 Snadno zjistíme, že všechny nenulové násobky vektoru( 2, 1) jsou vlastními vektorymatice[ϕ]
. Vlastní čísla a vlastní vektory.. Uvažujme endomorfismus ϕ na reálném vektorovém prostoru R s maticí [ϕ] K = vzhledemkekanonickébázi K 6. (a) Najděte všechna vlastní čísla a všechny jim příslušné vlastní
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
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
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
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,
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)
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
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
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
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
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.
ZADÁNÍ ZKOUŠKOVÉ PÍSEMNÉ PRÁCE Z PŘEDMĚTU LINEÁRNÍ ALGEBRA PRO IT. Verze 1.1A
Verze 1.1A Čas na práci: 1 minut Za každý úkol můžete získat maximálně 1 bodů. Řešení každého příkladu zapisujte čitelně a srozumitelně, 2x 1 +4x 3 +3x 4 = 4 x 1 +2x 2 +4x 3 3x 4 = 1 2x 1 +x 2 x 3 3x 4
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
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
formou exkurzu přibližuje problematiku aplikace lineární algebry ve výpočetní tomografii.
1 Úvod Cílem mé práce je sestavit sbírku úloh z lineární algebry a geometrie, která je určena především pro posluchače druhého semestru programů matematika, aplikovaná matematika a informatika. Celá práce
Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory
Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory Zkouška ověřuje znalost základních pojmů, porozumění teorii a schopnost aplikovat teorii při
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
Matematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29
Matematika 1 11. přednáška MA1 1 Opakování 2 Determinant 3 Adjungovaná matice 4 Cramerovo pravidlo 5 Vlastní čísla a vlastní vektory matic 6 Zkouška; konzultace; výběrová matematika;... 11. přednáška (15.12.2010
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
ANALYTICKÁ GEOMETRIE V ROVINĚ
ANALYTICKÁ GEOMETRIE V ROVINĚ Analytická geometrie vyšetřuje geometrické objekty (body, přímky, kuželosečky apod.) analytickými metodami. Podle prostoru, ve kterém pracujeme, můžeme analytickou geometrii
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
Požadavky ke zkoušce. Ukázková písemka
Požadavky ke zkoušce Zkouška z předmětu MATEMATIKA 1 má dvě části Písemná část: Písemná část se ještě dále rozděluje na praktickou část písemku a teoretickou část test. Písemka trvá 90 minut a je v ní
Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat
Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat Čtvercová matice n n, např. může reprezentovat: A = A A 2 A 3 A 2 A 22 A 23 A 3 A 32 A 33 matici koeficientů soustavy n lineárních
VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY
VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY Jan Krejčí 31. srpna 2006 jkrejci@physics.ujep.cz http://physics.ujep.cz/~jkrejci Obsah 1 Přímé metody řešení soustav lineárních rovnic 3 1.1 Gaussova eliminace...............................
[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
ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A1. Cvičení, zimní semestr. Samostatné výstupy. Jan Šafařík
Vysoké učení technické v Brně Stavební fakulta ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE Matematika 0A1 Cvičení, zimní semestr Samostatné výstupy Jan Šafařík Brno c 2003 Obsah 1. Výstup č.1 2 2. Výstup
Vybrané kapitoly z matematiky
Vybrané kapitoly z matematiky VŠB-TU Ostrava 2017-2018 Vybrané kapitoly z matematiky 2017-2018 1 / 19 Základní informace předmět: 714-0513, 5 kreditů přednáší: Radek Kučera kontakt: radek.kucera@vsb.cz,
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
f(x) = arccotg x 2 x lim f(x). Určete všechny asymptoty grafu x 2 2 =
Řešení vzorové písemky z předmětu MAR Poznámky: Řešení úloh ze vzorové písemky jsou formulována dosti podrobně podobným způsobem jako u řešených příkladů ve skriptech U zkoušky lze jednotlivé kroky postupu
Požadavky ke zkoušce
Požadavky ke zkoušce Zkouška z předmětu MATEMATIKA 2 má dvě části Písemná část: Písemná část se ještě dále rozděluje na praktickou část písemku a teoretickou část test. Písemka trvá 90 minut a je v ní
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
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
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
Co je obsahem numerických metod?
Numerické metody Úvod Úvod Co je obsahem numerických metod? Numerické metody slouží k přibližnému výpočtu věcí, které se přesně vypočítat bud nedají vůbec, nebo by byl výpočet neúměrně pracný. Obsahem
Přijímací zkouška na navazující magisterské studium 2018
Přijímací zkouška na navazující magisterské studium 208 Studijní program: Studijní obory: Matematika MA, MMIT, MMFT, MSTR, MNVM, MPMSE Varianta A Řešení příkladů pečlivě odůvodněte. Věnujte pozornost ověření
Matematika I: Pracovní listy do cvičení
Matematika I: Pracovní listy do cvičení Dagmar Dlouhá, Radka Hamříková, Zuzana Morávková, Michaela Tužilová Pro FAST upravil Petr Volný Katedra matematiky a deskriptivní geometrie VŠB - Technická univerzita
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
Uzavřené a otevřené množiny
Teorie: Uzavřené a otevřené množiny 2. cvičení DEFINICE Nechť M R n. Bod x M nazveme vnitřním bodem množiny M, pokud existuje r > 0 tak, že B(x, r) M. Množinu všech vnitřních bodů značíme Int M. Dále,
výsledek 2209 y (5) (x) y (4) (x) y (3) (x) 7y (x) 20y (x) 12y(x) (horní indexy značí derivaci) pro 1. y(x) = sin2x 2. y(x) = cos2x 3.
Vypočtěte y (5) (x) y (4) (x) y (3) (x) 7y (x) 20y (x) 12y(x) (horní indexy značí derivaci) pro 1. y(x) = sin2x 2. y(x) = cos2x 3. y(x) = x sin2x 4. y(x) = x cos2x 5. y(x) = e x 1 6. y(x) = xe x 7. y(x)
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
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
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 ),
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.
a vlastních vektorů Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové (A λ i I) v = 0.
Výpočet vlastních čísel a vlastních vektorů S pojmem vlastního čísla jsme se již setkali například u iteračních metod pro řešení soustavy lineárních algebraických rovnic. Velikosti vlastních čísel iterační
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
Matematika I A ukázkový test 1 pro 2011/2012. x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a
Matematika I A ukázkový test 1 pro 2011/2012 1. Je dána soustava rovnic s parametrem a R x y + z = 1 a) Napište Frobeniovu větu. x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a b) Vyšetřete počet řešení soustavy
II. Úlohy na vložené cykly a podprogramy
II. Úlohy na vložené cykly a podprogramy Společné zadání pro příklady 1. - 10. začíná jednou ze dvou možností popisu vstupních dat. Je dána posloupnost (neboli řada) N reálných (resp. celočíselných) hodnot.
Hledáme lokální extrémy funkce vzhledem k množině, která je popsána jednou či několika rovnicemi, vazebními podmínkami. Pokud jsou podmínky
6. Vázané a absolutní extrémy. 01-a3b/6abs.tex Hledáme lokální extrémy funkce vzhledem k množině, která je popsána jednou či několika rovnicemi, vazebními podmínkami. Pokud jsou podmínky jednoduché, vyřešíme
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:
1 Kvadratické formy. 2 Matice kvadratické formy. Definice Necht B je bilineární forma na V. Q B : V R. Q B (x) = B(x, x), x V
LA 11. cvičení matice bilineární formy, kvadratické formy Lukáš Pospíšil, Martin Hasal,011 1 Kvadratické formy Definice 1.0.1 Necht B je bilineární forma na V. Kvadratickou formou příslušnou bilineární
Matematika I pracovní listy
Matematika I pracovní listy Dagmar Dlouhá, Radka Hamříková, Zuzana Morávková, Michaela Tužilová Katedra matematiky a deskriptivní geometrie VŠB - Technická univerzita Ostrava Úvod Pracovní listy jsou určeny
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
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
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
Diferenciální rovnice 3
Diferenciální rovnice 3 Lineární diferenciální rovnice n-tého řádu Lineární diferenciální rovnice (dále jen LDR) n-tého řádu je rovnice tvaru + + + + = kde = je hledaná funkce, pravá strana a koeficienty
2. Určete jádro KerL zobrazení L, tj. nalezněte alespoň jednu jeho bázi a určete jeho dimenzi.
Řešené příklady z lineární algebry - část 3 Typové příklady s řešením Příklad 3.1: Zobrazení L: P 3 R 23 je zobrazení z prostoru P 3 všech polynomů do stupně 3 (včetně nulového polynomu) do prostoru R
Matematika 2 (Fakulta ekonomická) Cvičení z lineární algebry. TU v Liberci
Matematika 2 (Fakulta ekonomická) Cvičení z lineární algebry TU v Liberci Jiří Hozman 1. dubna 2010 Cvičení 2 Příklad 1. Rozhodněte, zda lze vektor x vyjádřit jako lineární kombinaci vektorů u, v, w, v
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
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
Ortogonální transformace a QR rozklady
Ortogonální transformace a QR rozklady 1 Úvod Unitární (ortogonální) transformace, Gram-Schmidtova ortogonalizace Příklad Schurovy věty unitární transformace nezvětšují chyby ve vstupních datech. Tato
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
Připomenutí co je to soustava lineárních rovnic
Připomenutí co je to soustava lineárních rovnic Příklad 2x 3y + z = 5 3x + 5y + 2z = 4 x + 2y z = 1 Soustava lineárních rovnic obecně Maticový tvar: a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a
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
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.
VEKTORY. Obrázek 1: Jediný vektor. Souřadnice vektoru jsou jeho průměty do souřadných os x a y u dvojrozměrného vektoru, AB = B A
VEKTORY Vektorem se rozumí množina všech orientovaných úseček, které mají stejnou velikost, směr a orientaci, což vidíme na obr. 1. Jedna konkrétní orientovaná úsečka se nazývá umístění vektoru na obr.
Kolik existuje různých stromů na pevně dané n-prvkové množině vrcholů?
Kapitola 9 Matice a počet koster Graf (orientovaný i neorientovaný) lze popsat maticí, a to hned několika různými způsoby. Tématem této kapitoly jsou incidenční matice orientovaných grafů a souvislosti
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
Matematika I A ukázkový test 1 pro 2014/2015
Matematika I A ukázkový test 1 pro 2014/2015 1. Je dána soustava rovnic s parametrem a R x y + z = 1 x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a a) Napište Frobeniovu větu (existence i počet řešení). b)
Okruhy, podokruhy, obor integrity, těleso, homomorfismus. 1. Rozhodněte, zda daná množina M je podokruhem okruhu (C, +, ): f) M = { a
Sbírka příkladů z okruhů a polynomů Algebra I Okruhy, podokruhy, obor integrity, těleso, homomorfismus 1. Rozhodněte, zda daná množina M je podokruhem okruhu (C, +, ): a) M = {a + i a R}, b) M = {a + i
Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe.
4 Afinita Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. Poznámka. Vzájemně jednoznačným zobrazením rozumíme zobrazení,
1 Analytická geometrie
1 Analytická geometrie 11 Přímky Necht A E 3 a v R 3 je nenulový Pak p = A + v = {X E 3 X = A + tv, t R}, je přímka procházející bodem A se směrovým vektorem v Rovnici X = A + tv, t R, říkáme bodová rovnice
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.
1 Lineární prostory a podprostory
Lineární prostory a podprostory Přečtěte si: Učebnice AKLA, kapitola první, podkapitoly. až.4 včetně. Cvičení. Které z následujících množin jsou lineárními prostory s přirozenými definicemi operací?. C
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
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
1 Řešení soustav lineárních rovnic
1 Řešení soustav lineárních rovnic 1.1 Lineární rovnice Lineární rovnicí o n neznámých x 1,x 2,..., x n s reálnými koeficienty rozumíme rovnici ve tvaru a 1 x 1 + a 2 x 2 +... + a n x n = b, (1) kde koeficienty