Diskrétní matematika II
|
|
- Oldřich Vopička
- před 8 lety
- Počet zobrazení:
Transkript
1 Diskrétní matematika II 1. dubna 015
2 Obsah Obsah 1 1 Diferenční rovnice 1.1 Motivační úlohy Lineární diferenční rovnice 7.1 Prostor komplexních posloupností Homogenní lineární diferenční rovnice Lineární diferenční rovnice s pravou stranou Literatura 7 1
3 1 Diferenční rovnice 1.1 Motivační úlohy Příklad 1.1. Králíci: Kolik párů potomků bude mít v n-tém roce jediný pár králíků, když Králíci dospívají po jednom měsíci. Každý dospělý pár má v každém měsíci jeden pár potomků. Nedochází k úhynu. Dojdeme k rekurenci F n+ = F n+1 + F n, n 0, F 0 = 0, F 1 = ) Příklad 1.. Hanojské věže: Máme tři kolíčky a na jednom z nich je nasunutá věž z koleček od největšího vespodu až k nejmenšímu navrch. Jaký je minimální počet kroků ve k přesunutí věže o n-kolečkách na jiný kolík, když V jednom tahu přesouváme jedno kolečko. Smíme položit jen menší na větší. Označíme H n. Vyzkoušíme a zjistíme H 1 = 1, H =, H = 7. Závislost H n na H n 1 dvodíme následujícím postupem: Máme-li věž výšky n, přesuneme nejdříve horních n 1 kroužků na jiný kolík. To lze provést nejméně H n 1 kroky. Potom přesuneme největší n-té kolečko na prázdný kolík. Nakonec opět přesuneme věž výšky n 1, tentokrát na kolík s největším kolečkem, k čemuž potřebujeme dalších H n 1 kroků. Celkem H n = H n Teď bychom chtěli vyřešit rekurentní vztah, tedy zjistit H n v závislosti na n, nikoliv na předcházejících členech posloupnosti. 1. řešení: Uděláme si tabulku několika prvních hodnot posloupnosti napočítaných z rekurence, n H n
4 Zkusíme uhodnout řešení. V tomto případě to není nijak složité, pro prvních sedm hodnot n platí H n = n 1. Musíme ale dokázat, že to platí pro všechna přirozená n. Protože máme k dispozici vztah, převádějící H n na výraz v předchozích členech posloupnosti, vhodným nástrojem k důkazu je matematická indukce. Platnost prvního kroku je zjevná z tabulky hodnot. Předpokládejme, že pro indexy k < n platí H k = k 1. Pak H n = H n = n 1 1) + 1 = n 1.. řešení: Kdyby se stalo, že nás nenapadne možné pokračování posloupnosti 1,, 7, 15, 1,..., můžeme zkusit metodu postupného dosazování: H n = H n = H n + 1) + 1 = H n = = H n + 1) = H n = = n 1 = n 1 H 1 + n = j = n 1, kde jsme využili, že H 1 = 1 a vzorec pro součet členů geometrické posloupnosti.. řešení: Stejně jako v případě soustav lineárních rovnic je někdy je přehlednější místo postupného dosazování napsat všechny rovnice pod sebe a eliminovat neznáme sčítáním vhodných násobků rovnic: H n H n 1 = 1 / 0 H n 1 H n = 1 / 1. H H = 1 / n H H 1 = 1 / n V našem případě sečením všech naznačených násobků rovnic vypadnou neznámé členy H n 1,..., H a získáme n H n n 1 H 1 = j, což vede ke stejnému výsledku jako prve. Příklad 1.. Krájení pizzy: Jaký je nejvyšší počet dílů, na který lze rozkrojit pizzu n- rovnými řezy? Po úvaze brzy zjistíme, že k získání maximálního počtu má smysl dělat řezy pouze tak, aby každý nový řez protínal v šechny předchozí na ploše pizzy. Předpokládámeli, že řezy umíme dělat s libovolnou přesností, můžeme vlastně uvažovat pizzu libovolně velkou a úlohu pak zjednodušit následovně: Hledáme nejvyšší počet částí, na které lze rozdělit rovinu n přímkami. Označme tento počet P n. j=0 j=0
5 Zkusme opět určit P n pro několik počátečních hodnot n. Zjevně P 0 = 1, P 1 =. Při určování P = 4 a P = 7 si uvědomíme, že je třeba n-tou přímku volit různoběžnou s předchozími. Při umísťování každé další přímky je třeba dbát na to, aby žádné tři neprocházely jedním společným bodem. Rekurentní vztah pro P n vznikne, když si uvědomíme, že oproti P n 1 vznikne tolik nových částí, kolik je průsečíků nové přímky s předchozími, a ještě jedna navíc, tedy celkem n. Máme proto P n = P n 1 + n. Tento rekurentní vztah chceme opět vyřešit. Vytvoříme tabulku prvních několika hodnot posloupnosti, n P n Tentokrát je výrazně obtížnější odhadnout výsledek pouze z této tabulky. Napíšeme proto rovnice pod sebe. P n P n 1 = n P n 1 P n = n 1. P P 1 = P 1 P 0 = 1 Prostým sečtením získáme rovnost P n P 0 = n j=1 j = 1 nn + 1), takže P n = 1 + nn + 1) = n + n + Příklad 1.4. Krájení másla: Zkoumejme nyní trojrozměrnou analogii předchozí úlohy, tedy otázku, jaký je nejvyšší počet dílů, na který lze rozkrojit n-rovnými řezy kostku másla. Stejně jako v příkladu 1. problém zidealizujeme a převedeme na zjišťování maximálního počtu částí, na které lze rozdělit prostor n rovinami. Označme tento počet R n. Tabulku R n pro několik počátečních hodnot n je sestavujeme teď bez obrázku poněkud obtížněji, máme R 0 = 1, R 1 =, R = 4, R = 8, R 4 = 15,.... Při umísťování rovin je třeba dodržovat následující pravidla: Roviny klademe tak, aby jejich průsečnice byly mimoběžné; žádným bodem prostoru neprochází více než tři roviny. Při splnění těchto podmínek se v n-té rovině zobrazí průsečnice s předchozími n 1 rovinami jako n 1 různoběžek, které se nikdy nesetkávají tři v jednom bodě. To se 4.
6 nápadně podobá úloze o pizze. Když chceme sestavit pro posloupnost R n ) n 1 rekurentní vztah, uvědomíme si, že přidáním n-té roviny rozdělíme na dvě každý díl z dělení z n 1)- ního kroku, kterým n-tá rovina prochází, a těch je právě tolik, kolik je oblastí v n-té rovině vytyčených průsečnicemi s předchozími přímkami. Těch je ale P n 1. Proto pro každé n platí Rekurenci opět řešíme zapsáním pod sebe, Sečtením získáme rovnost odkud odvodíme n 1 n 1 R n R 0 = P j) = j=0 R n = R n 1 + P n 1. R n R n 1 = P n 1 R n 1 R n = P n j=0 R R 1 = P 1 R 1 R 0 = P nn + 1) ) = n + 1 n 1 R n = n + 5n 6 6. j=0 j + 1 n 1 j, Příklad 1.5. Pro pořádek odvoďme vztah n j=1 j = 1 6 nn + 1)n + 1) ). Jedním ze způsobů je zkoumání rozdílu n j=1 j + 1) n j=1 j. Na jedné straně je zjevné, že j + 1) j=1 n+1 j = j j=1 Na druhé straně můžeme vyjádřit j= j=0 j = n + 1) 1. 1.) j=1 j + 1) j = j=1 j=1 j + j + 1) = j=1 j=1 j + nn + 1) + n. 1.) Porovnáním 1.) a 1.) dostaneme j = 1 n + n + n ) n + n) n = 1 6 n + n + n), j=1 což odpovídá uváděnému vzorci. 5
7 Čtenář možná zná odvození pomocí jináho zajímavého triku, totiž převedení na součet dvojnásobné sumy. Zapíšeme-li j = j k=1 1, máme j = j=1 = 1 j=1 k=1 k=1 j j = k=1 j=k j = k=1 n + k)n + 1 k) nn + 1) + k k ) = n n + 1) + = nn + 1) 4 1 k. k=1 Porovnáním levé a pravé strany dostaneme j=1 což vede ke kýženému výsledku. Příklad 1.6. QuickSort j = n n + 1) + nn + 1) 4, 6
8 Lineární diferenční rovnice Všechny v úvodu uvedené úlohy vedly na řešení tzv. lineárních rekurentních vztahů, totiž takových, v nichž n-tý člen posloupnosti je lineární kombinací pevného počtu předchozích členů. Přesněji tento pojem uvedeme v následující definici. Definice.1. Nechť k N, fn) ) n 1, α 0 n) ) n 1,..., α k 1 n) ) n 1 jsou komplexní posloupnosti takové, že α 0 n) není rovna nulové posloupnosti. Vztah a n+k +α k 1 n)a n+k 1 +α k n)a n+k + +α 1 n)a n+1 +α 0 n)a n = fn), n 1,.1) se nazývá lineární diferenční rovnice k-tého řádu nebo lineární rekurentní vztah k-tého řádu) pro posloupnost a n ) n 1. Poznámka.. 1. Všimněte si, že pro každé n je závislost na předchozích k členech daná jinou rovnicí, protože posloupnosti α 0 n) ) n 1,..., α k 1 n) ) n 1 nejsou obecně konstantní. Když α 0 n) = α 0 0,..., α k 1 0) = α k 1 pro všechna n 1, nazýváme.1) lineární diferenční rovnice k-tého řádu s konstantními koeficienty.. Podmínka, aby posloupnost α 0 n) ) n 1 nebyla identicky nulová, zaručuje, že diferenční rovnice je právě k-tého a nikoliv nižšího řádu.. Aby byla posloupnost a n ) n 1 vztahem.1) jednoznačně určena, je třeba zadat k počátečních podmínek, tj. hodnot a 0,..., a k 1. Ostatní členy pak ze vztahu.1) lze dopočítat. Posléze uvidíme, že ve skutečnosti stačí zadat libovolných k členů posloupnosti. 4. Nejjednodušším případem pravé strany fn) ) n 1 diferenční rovnice.1) je nulová posloupnost. Pokud fn) = 0 pro každé n 1, nazýváme.1) homogenní lineární diferenční rovnice. Příklad.. Rekurence F n+ = F n+1 +F n zapsána jako F n+ F n+1 F n = 0 je homogenní lineární diferenční rovnice druhého řádu s konstantními koeficienty, kde α 0 n) = α 1 n) = 1 pro n 0. 7
9 Příklad.4. Ačkoliv v rekurenci a n = a n závisí n-tý člen vždy pouze na jednom z předchozích členů, je to rekurence druhého řádu, protože k jednoznačnému určení všech členů posloupnosti a n ) n 0 je třeba zadat dvě počáteční podmínky, a 1 a a..1 Prostor komplexních posloupností Pro naše pozdější úvahy je podstatné si připomenout vektorový prostor l komplexních posloupností. Na množině posloupností {a n ) n 1 : a n C} jsou definovány operace : l l l, : C l l, člen po členu, tedy a n ) n 1 b n ) n 1 = a n + b n ) n 1, and α a n ) n 1 = αa n ) n 1. Roli nulového vektoru hraje nulová posloupnost 0) n 1. Čtenář si snadno ověří, že trojice l,, ) splňuje všechny axiomy vektorového prostoru nad tělesem C. Protože jsou operace definované přirozeně a z kontextu je vždy jasné, kdy se jedná o sčítání a násobení skalárem v l, budeme je brzy značit obyčejným + a. Tento prostor má nekonečnou dimenzi, protože pro každé m N existuje m-tice lineárně nezávislých vektorů. Tu lze volit například z posloupností e j) = e j) n ) n 1, j = 1,..., m, kde e j) n = δ jn je dáno Kroneckerovým delta. Symbolicky zapsáno, e 1) = 1, 0, 0,..., 0, 0,... ), e ) = 0, 1, 0,..., 0, 0,... ),. e m) = 0, 0, 0,..., 1, 0,... ). Lineární nezávislost těchto posloupností se ověří přímo z definice. Zjišťujeme, zda jediná lineární kombinace e 1),..., e m) rovná nulové posloupnosti je triviální, tedy zda α 1 e 1) α m e m) = α 1 e 1) n ) + + α m e m) n = 0) n 1 n 1.) implikuje α 1 = = α m = 0. Vztah.) lze vidět jako nekonečně mnoho rovnic pro neznámé α 1,..., α m, z nichž prvních m udává právě α j = 0, další jsou triviální, 0 = 0. Lineární nezávislost posloupností e 1),..., e m) je tedy potvrzena. Využijme tento algebraický pohled na posloupnosti k vyřešení nejjednodušího případu lineární diferenční rovnice druhého řádu, tedy na rekurenci pro Fibonacciho čísla 1.1). Označme M množinu posloupností splňujících stejnou rekurenci, M = { a n ) n 1 l : a n+ a n+1 a n = 0, pro n 1 }, 8
10 a zkoumejme její strukturu. Především si všimneme, že M je neprázdná, obsahuje například posloupnost Fibonacciho čísel a samozřejmě také nulovou posloupnost. Snadno rovněž vidíme, že M je uzavřená na sčítání a násobení číslem z tělesa C. Pro posloupnosti a n ) n 1, b n ) n 1 M a komplexní číslo α totiž můžeme dosadit posloupnost c n ) n 1 := α a n ) n 1 b n ) n 1 = αa n + b n ) n 1 do rekurence a zjistit, že c n+ c n+1 c n = αa n+ + b n+ ) αa n+1 + b n+1 ) αa n + b n ) = = α a n+ a n+1 a n ) + b n+ b n+1 b n ) = 0. }{{}}{{} =0 protože a n ) n 1 M =0 protože b n ) n 1 M Množina M s operacemi, tedy tvoří podprostor vektorového prostoru l. Protože k jednoznačnému určení posloupnosti z M je třeba znát dva její členy, odhadujeme, že dimenze prostoru M je rovna. Abychom toto dokázali, potřebujeme najít dvoučlennou bázi prostoru M, tedy dvě lineárně nezávislé posloupnosti a 1), a ) z M takové, že každá posloupnost z M je jejich lineární kombinací. Tentokrát smíme volit pouze dva členy v bazických posloupnostech. Ostatní je třeba dopočítat z rekurence a j) n+ a j) n+1 a j) n tak, aby bylo zaručeno, že a 1), a ) jsou prvky množiny M. Volíme-li a 1) 1 = 1, a 1) = 0, a ) 1 = 0, a ) = 1, dostaneme a 1) = 1, 0, 1, 1,,, 5,... ), a ) = 0, 1, 1,,, 5, 8,... ), tedy posunutá Fibonacciho čísla. Snadno se přesvědčíme, že tyto posloupnosti jsou opravdu lineárně nezávislé, protože α 1 a 1) 1 + α a ) 1 = α 1 = 0, α 1 a 1) + α 1 a 1) = α = 0. Ověřme fakt, že a 1), a ) generují celou množinu M. Nechť a n ) n 1 M. Najděme α 1, α C tak, aby a n ) n 1 = α 1 a 1) + α a ). Porovnáním po složkách získáme pro n = 1,, a 1 = α 1 a 1) 1 + α a ) 1 = α 1, a = α 1 a 1) + α a ) = α. Ještě musíme ověřit, že a n = a 1 a 1) n +a a ) n pro každé n 1. To provedeme matematickou indukcí. Pro n = 1, to zjevně platí. Předpokládejme, že a k = a 1 a 1) k + a a ) k pro k < n. Z rekurence pro a n ) n 1 máme a n = a n 1 + a n = a 1 a 1) n 1 + a a ) n 1) + a 1 a 1) n + a a ) n ) = = a 1 a 1) n 1 + a 1) n ) + a a ) n 1 + a ) n ) = a 1 a 1) n + a a ) n, kde jsme využili indukční předpoklad a rekurenci pro posloupnosti a 1) a a ). Tím jsme vlastně dokázali následující tvrzení. 9
11 Tvrzení.5. Nechť M = {a n ) n 1 l : a n+ a n+1 a n = 0, pro n 1}. Pak M je podprostor prostoru l a platí dim M =. Sice jsme ukázali, že posloupnosti a 1), a ) tvoří bázi prostoru M, nicméně k vyřešení Fibonacciho rekurentního vztahu nám to zatím nepomohlo. Potřebujeme najít vhodnějšíbázi, tak, aby n-tý člen bazických posloupností jednoduchým způsobem závisel na n. Vyzkoušíme, jestli bázi nemůžeme sestavit z posloupností tvaru λ n ) n 1, pro nějaké λ C. Především musí být λ n ) n 1 M, tedy splňovat rekurenci, λ n+ λ n+1 λ n = 0, n 1. Při λ = 0 to je jistě pravda, nicméně výsledkem je nulová posloupnost, která nemůže být prvkem báze. Proto předpokládáme λ 0 a vykrátíme λ n. Aby posloupnost λ n ) n 1 splňovala Fibonacciho rekurenci, je pak nutné a stačí, aby λ byla kořenem rovnice x x 1. Získáme následující fakt. Tvrzení.6. Nechť λ 0. Pak λ n ) n 1 M, právě když λ = 1 1 ± 5). Dostali jsme tedy právě dvě posloupnosti tavru λ n ) n 1 v prostoru M. Byli bychom rádi, kdyby 1+ 5 ) n) n 1 a 1 5 ) n) n 1 tvořily bázi M. K tomu již stačí ověřit jejich lineární nezávislost, tedy platnost implikace ) n 1 5 ) n α 1 + α = 0 pro každé n N.) α 1 = α = 0. Jednou z možností je použít dvě z nekonečně mnoha rovnic.) pro neznámé α 1, α, např. pro n = 1 a n =, a vyjádřit α 1, α. Platnost implikace lze ale také ověřit použitím vlastností limit posloupnosti. Protože 1 5 > 1 a 1 5 < 1, je limita lim n α ) n ) 1 5 ) n + α = + když α 1 > 0, 0 když α 1 = 0, když α 1 < 0, takže.) platí pouze pro α 1 = 0. Odtud už přímo plyne, že i α = 0 a tedy naše posloupnosti 1+ 5 ) n) n 1 a 1 5 ) n) n 1 jsou lineárně nezávislé. Jelikož dim M =, tvoří bázi prostoru M. Každý prvek z M, a tedy i posloupnost F n ) n 1 Fibonacciho čísel je tedy jejich lineární kombinací. Nalezněme tedy α, β C takové, že pro každé n platí ) n 1 5 ) n F n = α + β. 10
12 K tomu použijeme soustavu rovnic danou počátečními podmínkami F 1 = 1, F = 1, F 1 = 1 = α β 1 5, ) 1 5 ) F = 1 = α + β. Jednoduchým výpočtem dostaneme α = β = 1 5. Odvodili jsme tak tzv. Binetovu formuli. Tvrzení.7. Nechť F n ) n N je dána rekurencí F n+ = F n+1 +F n pro n 1 s počátečními podmínkami F 1 = F = 1. Pak F n = ) n ) n 5, n N. 5 1 Protože posloupnost ) n 5 má za limitu nulu, snadno nahlédneme, že Fn je vlastně nejbližší celé číslo k číslu 1 1+ ) 5 n. 5. Homogenní lineární diferenční rovnice Postup ilustrovaný v předchozím paragrafu na případu rekurence pro Fibonacciho čísla nyní aplikujeme k řešení obecných homogenních lineárních rekurencí k-tého řádu s konstantními koeficienty, a n+k + α k 1 a n+k 1 + α k a n+k + + α 1 a n+1 + α 0 a n = 0, n 1..4) Věta.8. Označme M = {a n ) n 1 l : a n ) n 1 splňuje.4)}. Množina M je podprostor prostoru l a platí dim M = k. Důkaz. Protože M obsahuje nulovou posloupnost, je M. Musíme ještě ověřit uzavřenost na operace a z prostoru l nad tělesem C. Ověření je přímočaré, takže ho necháme na čtenáři. V prostoru M budeme opět hledat vhodnou bázi. Protože je M prostor dimenze k, stačí zvolit k lineárně nezávislých posloupností. Stejně jako v příkladě s Fibonacciho rekurencí vyzkoušíme posloupnosti typu λ n ) n 1. Věta.9. Nechť λ 0. Pak λ n ) n 1 M, právě když λ je kořenem polynomu P x) = x k + α k 1 x k 1 + α k x k + + α 1 x + α 0..5) 11
13 Definice.10. Polynom.5) v předchozí definici se nazývá charakteristický polynom diferenční rovnice.4). Rovnice P λ) = 0 je charakteristická rovnice.4). Důkaz věty.9. celé provést obecně. Všimněme si, že až po větu.8 bylo možné uvažovat diferenční rovnice s nekonstantními koeficienty. Teprve když jsme odvozovali důkaz věty.9, bylo nutné vzít v potaz konstantnost koeficientů α i n). Poznámka.11. Vzhledem k tomu, že bude třeba pracovat s kořeny charakteristického polynomu diferenční rovnice, je vhodné připomenout některá fakta o polynomech. Z kurzů matematické analýzy a lineární algebry by čtenář měl vědět, že Polynom s komplexními koeficienty stupně k má v C právě k kořenů, tj. existují komplexní čísla λ 1,..., λ k C tak, že P x) = α k x k + + α 1 x + α 0 = α k x λ 1 ) x λ k ). Jestliže má polynom reálné koeficienty, pak s každým kořenem λ 0 C má za kořen i číslo λ 0 komplexně sdružené k λ. Kořeny λ 0, λ 0 mají stejnou násobnost. Toto tvrzení lze snadno odvodit z faktu, že P λ) = P λ) = 0. Jestliže má polynom P kořen λ násobnosti γ 1, pak jeho derivace P má kořen λ násobnosti γ 1. Je-li totiž P x) = x λ) γ Qx), kde Qλ) 0, pak P x) = x λ) γ 1 Qx)+x λ) γ Q x) = x λ) γ 1 Qx)+x λ)q x)) = x λ) γ 1 Rx). Násobnost kořene λ je tedy alespoň γ 1. Dosadíme-li x = λ, zjistíme, že Rλ) = Qλ) + λ λ)q λ) = Qλ) 0. Proto je násobnost kořene λ právě γ 1. Jestliže polynom P λ) = k j=0 α jλ j má kořeny λ 1,..., λ k, a C C je nějaká nenulová konstanta, pak polynom P λ) = k α j λ j, kde α j = C j k α j pro j = 0,..., k, j=0 má kořeny C 1 λ 1,..., C 1 λ k. Platí totiž P C 1 λ) = k α j C 1 λ) j = j=0 j=0 k P λ) = α j λ j = 0 j=0 k C j k λ j α j C = j C k k α j λ j = C k P λ) = 0. j=0 1
14 Při vyšetřování kořenů polynomu P mohou nastat dvě situace: 1. Pokud máme štěstí, kořeny λ 1,..., λ k charakteristického polynomu jsou navzájem různé. Tyto kořeny jsou navíc nenulové, což je zaručeno podmínkou α 0 0. V prostoru M tedy máme k posloupností λ n 1) n 1,..., λ n k ) n 1. Když ověříme jejich lineární nezávislost, budeme mít vhodnou bázi prostoru M.. Může se ale stát, že některé kořeny polynomu P mají násobnost. Polynom P má pak pouze l < k navzájem různých nenulových kořenů λ 1,..., λ l, a i kdyby posloupnosti λ n 1) n 1,..., λ n l ) n 1 byly lineárně nezávislé, není jich dost, aby tvořily bázi prostoru M, který má dimenzi k. Bude tedy nutné soubor doplnit o další lineárně nezávislé posloupnosti. Každou ze situací rozebereme zvlášť...1 Charakteristický polynom s různými kořeny Nechť charakteristický polynom P ze vztahu.5) má k navzájem různých kořenů λ 1,..., λ k. Ověřme lineární nezávislost posloupností λ n 1) n 1,..., λ n k ) n 1, tj. platnost implikace β 1 λ n β k λ n k = 0 pro n N β 1 = = β k = 0. Zapišme matici soustavy prvních k rovnic pro neznámé β 1,..., β k, λ 1 λ λ... λ k λ 1 λ λ... λ k A = λ 1 λ λ... λ k λ k 1 λ k λ k... λ k k.6) Chceme ukázat, že soustava homogenních lineárních rovnic s takovou maticí má pouze triviální řešení. Čtenář obeznámený s pojmem determinantu jistě rozpoznal Vandermondovu matici, jejíž determinant je roven det A = 1 i n λ i 1 i<j k λ i λ k ), a proto je v případě navzájem různých nenulových λ 1,..., λ k různý od nuly. Matice A je tedy regulární a soustava má pouze triviální řešení. Protože ale nepředpokládáme znalost látky kurzu Lineární algebra, pokusíme se přesvědčit i čtenáře s determinantů neznalé. Můžeme provést ekvivalentní úpravy matice A, tj. ty, které nezmění řešení příslušné soustavy rovnic. Takovou úpravou je například přičítání λ 1 -násobku předchozího řádku k následujícímu, 1
15 které vyrobí v prvním sloupci nuly, λ 1 λ λ... λ k 0 λ λ λ 1 ) λ λ λ 1 )... λ k λ k λ 1 ) A 0 λ λ λ 1 ) λ λ λ 1 )... λ k λ k λ 1 ) λ k 1 λ λ 1 ) λ k 1 λ λ 1 )... λ k 1 k λ k λ 1 ).7) V následujícím kroku bychom chtěli vydělit všechny sloupce tak, aby podmatice k 1 k 1 byla stejného typu jako původní matice A. Dostaneme matici λ λ 1 λ λ 1 λ λ λ 1 ) 1... λ k λ k λ 1 ) 1 0 λ λ... λ k B = 0 λ λ... λ k..8) λ k 1 λ k 1... λ k 1 k Tato úprava už ovšem nepatří mezi ekvivalentní úpravy. Z našeho hlediska to ale nevadí, protože soustava s maticí B má pouze triviální řešení, právě když soustava s maticí A má pouze triviální řešení. Zavedeme-li totiž γ 1 = β 1, γ = β λ λ 1 ),..., γ k = β k λ k λ 1 ), pak β 1,... β k splňují homogenní soustavu s maticí A, právě když γ 1,..., γ k splňují homogenní soustavu s maticí B, a z jejich vztahu je jasné, že β 1 = 0, právě když γ i = 0. Je zjevné, že úpravami obdobnými těm z.7) a.8) obdržíme matici v horním trojůhelníkovém tvaru s diagodálou λ 1, λ,..., λ k ), takže příslušná homogenní soustava má pouze triviální řešení. Odtud vyplývá, že nutně β 1 = β = = β k = 0. V prostoru M dimenze k tudíž máme k lineárně nezávislých posloupností λ n 1) n 1,..., λ n k ) n 1, které tedy tvoří bázi. Libovolná posloupnost a n ) n 1 M je tedy jejich lineární kombinací. Přesněji: Tvrzení.1. Nechť charakteristický polynom.5) lineární rekurence.4) má k navzájem různých kořenů λ 1,..., λ k. Pak ke každé posloupnosti a n ) n 1, která je řešením.4), existují komplexní čísla β 1,..., β k tak, že pro každé n 1 platí a n = β 1 λ n β k λ n k..9) Koeficienty β 1,..., β k získáme porovnáním.9) s počátečními podmínkami pro posloupnost a n ) n 1, obvykle zadanými určením hodnot a 1,..., a k. Dostáváme soustavu k lineárních rovnic pro neznámé β 1,..., β k. Matice této soustavy je regulární, takže soustava má jednoznačné řešení. V případě zadání právě hodnot a 1,..., a k je maticí soustavy 14
16 matice A ze vztahu.6). Je ale zřejmé, že zadáním jiných k hodnot posloupnosti a n ) n 1 bychom opět dostali soustavu lineárních rovnic, jejímž řešením bychom získali koeficienty β 1,..., β k do.9)... Charakteristický polynom s násobnými kořeny Příklad.1. Motivacni priklad: Řešme diferenční rovnici a n+ a n+1 + a n = 0 s počátečními podmínkami a 1 = 1, a = 1. Charakteristický polynom této rovnice je P λ) = λ λ + 1 = λ 1). Kořen máme tedy pouze jeden, λ 1 = λ = 1. Ke konstantní posloupnosti 1 n ) n 1 = 1) n 1 tedy musíme dodat ještě jednu jinou tak, aby společně tvořily bázi prostoru M = { a n ) n 1 l : a n+ a n+1 + a n = 0, pro n 1 }. Protože lze naší rekurenci přepsat a n+ a n+1 = a n+1 a n, snadno nás napadné jiné možné řešení, třeba a n ) n 1 = n) 1. Vyzkoušíme, zda posloupnosti 1) n 1 a n) n 1 jsou lineárně nezávislé, jako obvykle přímo z definice. Musíme ověřit, že α + βn = 0 pro každé n 1 implikuje α = β = 0. To je ovšem pravda, protože už pro n = 1 a n = máme soustavu α + β = 0 α + β = 0 která má samozřejmě pouze triviální řešení. Posloupnosti 1) n 1 a n) n 1 tedy tvoří bázi prostoru M a každé řešení naší rekurence musí být jejich lineární kombinací. Přesněji řečeno, oro každé a n ) n 1 M existují komplexní čísla α, β taková, že a n = α + βn pro n 1. Prostor M tedy obsahuje právě všechny aritmetické posloupnosti. Koeficienty α, β C spočítáme z počátečních podmínek, α + β = 1 α + β = 1 kde vidíme, že β = a α =. Řešením naší úlohy je proto posloupnost a n ) n 1 = n) n 1. Podívejme se, jak obecně řešit situaci, když některé kořeny charakteristického polynomu P mají násobnost. Označme navzájem různé nenulové kořeny λ 1,..., λ l a jejich násobnosti postupně γ 1,..., γ l. Jak tedy doplnit soubor λ n 1) n 1,..., λ n l ) n 1 o dalších k l posloupností, aby vznikla báze prostoru M? 15
17 Ke každému λ i uvažujme následujících γ i posloupností: λ n i ) n 1, nλ n i ) n 1, n λ n i ) n 1,..., n γ i 1 λ n i ) n 1. První, co je třeba dokázat, je fakt, že uvedené posloupnosti všechny patří do M, tedy že splňují rekurenci.4). To odvodíme následující úvahou o charakteristickém polynomu P λ). Zderivujeme-li polynom λ n P λ) pro pevné n N podle proměnné λ, dostaneme λ n P λ) ) = λ n+k + α k 1 λ n+k α 1 λ n+1 + α 0 λ n) = = n + k)λ n+k 1 + α k 1 n + k 1)λ n+k + + α 1 n + 1)λ n + α 0 nλ n 1 Když předchozí polynom vynásobíme λ, dostaneme λ λ n P λ) ) = n + k)λ n+k + α k 1 n + k 1)λ n+k α 1 n + 1)λ n + α 0 nλ n..10) Chceme-li ověřit, zda posloupnost nλ n i ) n 1 splňuje.4), stačí zjistit, zda polynom.10) má kořen λ i. Pokud má polynom P λ) kořen λ i násobnosti γ i, totéž platí i pro polynom λ n P λ) přibyde jen n-násobný kořen 0). Vzhledem k poznámce.11, má polynom λ n P λ) ) a tedy i λ λ n P λ) ) kořen λ i násobnosti γ i 1 1. Proto pro každé pevné n 1 platí n + k)λ n+k i + α k 1 n + k 1)λ n+k 1 i + + α 1 n + 1)λ n i + α 0 nλ n i = 0, což není nic jiného než dosazení posloupnosti nλ n i ) n 1 do.4). nλ n i ) n 1 proto patří do prostoru M. Pro ověření n λ n i ) n 1 M uvažujeme polynom λ λ λ n P λ) ) ) = n + k) λ n+k + α k 1 n + k 1) λ n+k α 1 n + 1) λ n + α 0 n λ n, který má kořen λ i, právě když násobnost λ i v polynomu P λ) je γ i. Stejným způsobem bychom odvodili, že n k λ n i ) n 1 M pro všechna k = 0,..., γ i 1. Zároveň vidíme, že posloupnost n γ λ n i ) n 1 už rekurenci.4) nesplňuje. Protože ke každému kořenu λ i máme tolik posloupností, kolik je jeho násobnost, máme celkem k = l i=1 γ i posloupností jako kandidáty na bázi prostoru M. Nyní je třeba zjistit, zda jsou tyto posloupnosti lineárně nezávislé. Postup by byl obdobný jako v předcházejících případech, jen o poznání techničtější. Zapišme tedy, co jsme odvodili: Tvrzení.14. Nechť charakteristický polynom.5) lineární rekurence.4) má l navzájem různých kořenů λ 1,..., λ l, násobností po řadě γ 1,..., γ l. Pak každá posloupnost a n ) n 1, která je řešením.4), je komplexní lineární kombinací posloupností λ n i ) n 1, nλ n i ) n 1, n λ n i ) n 1,..., n γ i 1 λ n i ) n 1, i {1,..., l}..11) 16
18 .. Charakteristický polynom s komplexními kořeny Příklad.15. Vyřešme rekurenci a n+ + a n+1 + 4a n = 0, a 0 = a 1 = 1. Charakteristický polynom P λ) = λ +λ+4 má tentokrát dva navzájem komplexně sdružené kořeny λ 1, = 1±i. Naše posloupnost a n ) n 0 je tedy lineární kombinací posloupností λ n i ) n 0, tedy musí existovat komplexní α, β tak, že pro každé n 0 platí a n = α 1 + i ) n + β 1 i ) n. Dosazením počátečních podmínek dostaneme soustavu lineárních rovnic jejímž řešením je α = +i i a 1 = 1 = α + βa = 1 = α 1 + i ) + β 1 i ) vyjádření n-tého členu posloupnosti a n : a n = i 6 = i 6, β = i i = +i 1 + i ) n + + i 1 i ) n Máme proto následující Vzhledem k tomu, že ze zadání je posloupnost a n ) n 0 zjevně celočíselná, tento výsledek zapsaný pomocí komplexních čísel se nám moc nelíbí. Pokusme se tedy najít vyjádření pro a n, které by používalo pouze reálná čísla. Protože λ = λ 1, je také λ n = λ 1 n = λ n 1. Protože také β = α, je a n vlastně reálnou složkou výrazu i i ) n. Pro její určení použijeme zápis komplexních čísel v goniometrickém tvaru a Moivreovu větu. Máme 1 + i = 1 + i ) = cos π + i sin π ). Proto Odtud odvodíme 1 + i ) n = n cos π + i sin π ) n ) = n cos πn + i sin πn. i a n = R 1 + i ) ) n = n cos πn + n+1 sin πn 6. Toto vyjádření už nevyužívá komplexní jednotku. Čtenáře může napadnout, zda nelze pro ještě hezčí zápis a n využít faktu, že posloupnosti sin πn a cos πn jsou periodické s periodou. Máme a proto sin πk) = 0, cos πk) = 1, sin πk+1) =, cos πk+1) = 1, sin πk+) =, cos πk+) =, a k = k, a k+1 = k + k+1 = k, a k+ = k+1 k+ = k+1. 17
19 Získáním takto jednoduchého vyjádření vyvstane otázka, jestli jsme si všechnu práci nemohli ušetřit a dospět k němu z rekurence rovnou. Jak se snado ukáže, toto možné bylo, pokud bychom provedli hned na začátku jednoduchý trik: Protože požadujeme platnost rekurence a n+ + a n+1 + 4a n = 0 pro každé n, napíšeme si tento vztah pod sebe pro dva po sobě jdoucí indexy, a n+ + a n+1 + 4a n = 0, a n+ + a n+ + 4a n+1 = 0. Odečtením dvojnásobku první rovnice od druhé získáme vztah a n+ = 8a n = a n. S použitím počáteční podmínky a 0 = 1 odtud plyne a k = k, z podmínky a 1 = 1 odvodíme a k+1 = k a protože a = a 1 4a 0 = 6, dostaneme také a k+ = 6 k = k+1. Ve skutečnosti každý polynom s reálnými koeficienty má s komplexním kořenem λ 0 za kořen i číslo λ 0 komplexně sdružené, a to oba se stejnou násobností. Můžeme se stejně jako příkladu.15 ptát, zda řešení příslušné diferenční rovnice nelze zapsat pomocí reálné báze, tedy nahradit posloupnosti n j λ n 0) n 1, n j λ n 0) n 1 dvěma jinými posloupnostmi v prostoru M, které by byly lineárně nezávislé. Využijeme následující tvrzení z lineární algebry. Tvrzení.16. Pokud x, y, z 1,..., z k 1 x + y), 1 x y), z i 1,..., z k je báze vektorového prostoru V. je báze vektorového prostoru V nad C, pak i Důkaz. Toto tvrzení dokážeme, když ověříme, že z lineární nezávislosti x, y, z 1,..., z k plyne lineární nezávislost 1 x + y), 1 i x y), z 1,..., z k. Důsledek.17. Nechť mezi kořeny charakteristického polynomu.5) lineární rekurence.4) jsou λ 0 = rcos φ + i sin φ), λ 0 = rcos φ i sin φ) s násobností γ 0. Pak posloupnosti n j λ n 0) n 1, n j λ n 0) n 1, 0 j < γ 0, v bázi.11) prostoru M lze nahradit posloupnostmi n j r n cos nφ) n 1, n j r n sin nφ) n 1, 0 j < γ 0. Důkaz. Máme 1 n j λ n 0) n 1 n j λ n ) 1 0) n 1 = 1 i n j λ n 0) n 1 n j λ n ) 1 0) n 1 = i = = n j λ n 0 + n j λ n ) ) 0 n 1 R n j λ n 0 ) ) = n 1 n j λ n 0 n j λ n ) ) 0 n 1 I n j λ n 0 ) ) = n 1 = n j R ) ) λ n 0 n 1 = n j I ) ) λ n 0 n 1 Protože λ 0 = rcos φ+i sin φ), podle Moivreovy věty odvodíme λ n 0 = r n cos φ+i sin φ) n = r n cos nφ + i sin nφ), takže R λ n 0) = r n cos nφ a I λ n 0) = r n sin nφ. 18
20 . Lineární diferenční rovnice s pravou stranou Podívejme se nyní na řešení lineární rekurence k-tého řádu s konstantními koeficienty ale nenulovou pravou stranou, a n+k + α k 1 a n+k 1 + α k a n+k + + α 1 a n+1 + α 0 a n = fn), n 1..1) Přidruženým charakteristickým polynomem je polynom P λ) = λ k + α k 1 λ k α 1 λ + α 0. Abychom naznačili obecný postup řešení nehomogenní diferenční rovnice, prozkoumejme nejprve na příkladě nejjednodušší případ pravé strany, kdy fn) 1 je konstantní. Příklad.18. Řešme diferenční rovnici druhého řádu s nenulovou pravou stranou, a n+ a n+1 + a n = 1..1) Protože požadujeme platnost tohoto vztahu pro každé přirozené n, můžeme využít, že i a n+ a n+ + a n+1 = 1. Odečtením obou rovností dostaneme a n+ 4a n+ + 5a n+1 a n = 0..14) To už je homogenní diferenční rovnice, ovšem třetího řádu. Zkusme ji řešit metodou, kterou jsme se naučili. Charakteristický polynom.14) je P λ) = λ 4λ + 5λ = λ 1) λ ), proto každé řešení.14) je lineární kombinací posloupností 1) n N, n) n N a n ) n N, a tedy n-tý člen je tvaru a n = α + βn + γ n, pro nějaké α, βγ C..15) Je zřejmé, že pro jednoznačné určení řešení.1) stačí dvě počáteční podmínky, proto jistě ne každá trojice komplexních koeficientů α, β, γ povede k řešení původní rovnice. Dosaďme.15) do.1), α + βn + ) + γ n+ α + βn + 1) + γ n+1) + α + βn + γ n ) = 1, 1 + )α + ) n + n + 1) + n β + }{{} n+ n+1 + n ) = 1, }{{}}{{} =0 = 1 =0 z čehož odvodíme β = 1. Obecným řešením rovnice.1) je tedy posloupnost a n ) n 1, kde a n = α n + γ n. 19
21 Čtenáře možná už napadlo, proč závislost na parametrech α a γ zmizela. Je to tím, že právě posloupnosti tvaru α + γ n jsou řešením rovnice.1) bez pravé strany. Charakteristickým polynomem je totiž P λ) = λ λ + = λ 1)λ ), takže příslušnou homogenní rovnici řeší všechny lineární kombinace posloupností 1 n ) n 1 a n ) n 1. Z toho je vidět, že řešení nehomogenní rovnice.1) lze rozložit na součet řešení a h n přidružené homogenní rovnice a jednoho partikulárního řešení a p n k pravé straně. V našem případě a n = a h n + a p n, kde a h n = α + γ n a a p n = n. Snadno si uvědomíme, že linearita diferenční rovnice umožňuje rozklad na homogenní a partikulární řešení i v případě obecné pravé strany. Tvrzení.19. Nechť posloupnost a p n) n 1 je libovolné řešení diferenční rovnice.1). Pak všechna řešení této rovnice najdeme ve tvaru a n = a h n + a p n, n 1, kde a h n) n 1 je nějaké řešení přidružené homogení diferenční rovnice.4). Otázkou zůstává, jak nalézt nějaké partikulární řešení k dané pravé straně. Probereme několik typů posloupností fn) ), u kterých lze dát k hledání partikulárního řešení n 1 návod...1 Polynomiální pravá strana Prvním případem nenulové pravé strany pro nás byla konstantní posloupnost. Ukážeme si, že postup lze zobecnit. To, co se v příkladě.18 dělo, totiž nebylo náhodou. Zkoumejme nyní obecnější případ, kdy na pravé straně diferenční rovnice bude polynom fn) = c 0 + c 1 n + + c t n t, kde stf = t 0, c 0,..., c t jsou obecně komplexní koeficienty a c t 0. Podíváme se, co se stane, když stejně jako v příkladě provedeme posunutí indexu a odečtení. Na pravé straně nové rekurence máme polynom fn) := fn + 1) fn) = c 0 + c 1 n + 1) + + c t n + 1) t c 0 + c 1 n + + c t n t ) = = c c t 1 n + 1) t 1 n t 1) + c t n + 1) t n t) = = c c t tn t 1 + ) t n t + + tn + 1 ) Polynom f je tedy stupně právě t 1, protože u nejvyšší mocniny n t 1 stojí koeficient c t 0. Situace je tedy zlepšila, nicméně abychom získali homogenní diferenční rovnici, budeme muset tento posun s odečtením znovu a znovu, celkem t + 1)-krát. Po t krocích 0
22 dostaneme polynom stupně nula, tedy konstantu, po posledním, t + 1)-ním kroku bude na pravé straně opravdu nulový polynom. Musíme ovšem vyzkoumat, co se při těchto operacích děje na levé straně rekurence. Už po jednom kroku tam stojí komplikovaný výraz a n+k+1 + α k 1 a n+k + + α 0 a n+1 ) a n+k + α k 1 a n+k α 0 a n =.16) = a n+k+1 + α k 1 1)a n+k + α k α k 1 )a n+k 1 + α 0 α 1 )a n α 0 a n. Ve skutečnosti ale tento výraz zkoumat nepotřebujeme. Potřebujeme totiž znát jen charakteristický polynom P přidružený k nové rovnici. Ten získáváme dosazením posloupnosti λ n. Uvědomíme-li si, že posun v indexu pak znamená pouze vynásobí proměnnou λ, vidíme, že polynom P λ) vznikne odečtením původního charakteristického polynomu P λ) od jeho λ-násobku, tedy P λ) = λp λ) P λ) = λ 1)P λ). Jak jsme si řekli, operaci posunu indexu a odečtení potřebujeme provést t + 1)-krát. Na konci tak budeme mít homogenní diferenční rovnici b n+k+t+1 + α k+t b n+k+t + + α 1 b n+1 + α 0 b 0 = 0, n 1,.17) s charakteristickým polynomem λ 1) t+1 P λ). Řšení této nové homogenní rekurence umíme najít postupem z předchoizích kapitol jako lineární kombinací posloupností získaných z kořenů polynomu λ 1) t+1 P λ). Označme λ 1 = 1 a nechť r 0 je násobnost λ 1 jako kořene v původním polynomu P λ). Pak podprostor M posloupností, které řeší homogenní rekurenci.17), má bázi 1) n 1, n) n 1,... n r 1 ) n 1, n r ) n 1,..., n r+t ) n 1,.18) λ n i ) n 1, nλ n i ) n 1,... n γi 1 λ n i ) n 1, i {,..., l}. Poznamenejme, že pokud polynom P neměl kořen λ 1 = 1, pak 1) n 1, n) n 1,..., n r 1 ) n 1 je prázdný seznam. Odvodili jsme, že každé řešení nehomogenní diferenční rovnice.1) je řešením homogenní rovnice.17). Naopak to ovšem neplatí. Ne každá lineární kombinace prvků báze.18) prostoru M splňuje rovnici.1). Posloupnosti n r ) n 1,..., n r+t ) n 1 jsou v bázi M díky faktoru λ 1) t+1 polynomu P λ). Zbytek uvedených posloupností tedy tvoří bázi prostoru M všech řešení homogenní diferenční rovnice přidružené k původní rovnici.1). Každá jejich lineární kombinace proto odpovídá homogennímu řešení a h n) n 1. Naopak lineární kombinací posloupností n r ) n 1,..., n r+t ) n 1 získáme partikulární řešení k dané pravé straně. Toto partikulární řešení je ve tvaru a p n = d 0 n r + d 1 n r d t n r+t = n r d 0 + d 1 n + + d t n t ), n 1. 1
23 Koeficienty d 0,..., d t zjistíme dosazením a p n) n 1 do.1). Shrňme uvedené poznatky do tvrzení. Tvrzení.0. Je-li pravá strana fn) ) n 1 diferenční rovnice.1) dána polynomem fn) stupně t 0, pak partikulární řešení rovnice.1) je ve tvaru a p n = n r gn), kde r 0 je násobnost kořene λ = 1 v charakteristickém polynomu P λ) přidružené homogenní diferenční rovnice a gn) je nějaký polynom stupně stg) = stf) = t. Příklad.1. Metodu použijeme k výpočtu sumy n k=1 k ještě jiným způsobem než v příkladu 1.5. Označíme-li například S n := n k=1 k, snadno získáme pro posloupnost S n ) n 1 rekurentní vztah S n+1 S n = n + 1). Protože 1 k=1 k = 1, součtem naší sumy je tedy právě řešení této rekurence s počáteční podmínkou S 1 = 1. Řešení homogenní soustavy S h n+1 S h n = 0 jsou samozřejmě konstantní posloupnosti, S h n = α C. Abychom určili partikulární řešení, uvědomíme si, že na pravé straně rekurence je polynom stupně t =, a charakteristický polynom rekurence P λ) = λ 1 má kořen 1 násobnosti r = 1. Proto partikulární řešení hledáme ve tvaru S p n = nd 0 + d 1 n + d n ). Koeficienty d 0, d 1, d získáme dosazením do rekurence s pravou stranou, S p n+1 S p n =n + 1) d 0 + d 1 n + 1) + d n + 1) ) nd 0 + d 1 n + d n ) = = d 0 + d 1 n + 1) + d n + n + 1) = n + 1). Protože potřebujeme rovnost pro všechna n 1, stačí porovnat koeficienty u jednotlivých mocnin n. n 0 : d 0 + d 1 + d = 1 n 1 : d 1 + d = n : d = 1 To je soustava tří lineárních rovnic o třech neznámých d 0, d 1, d, kterou snadno vyřešíme. Řešením je trojice d = 1, d 1 = 1, d 0 = 1 6. Partikulártní řešení proto nacházíme ve tvaru S p n = n n + 1 n ) = 1 6 n + n + n). Obecné řešení rekurence S n+1 S n = n+1) je tedy S n = S h n +S p n = α+ 1 6 n +n +n). Koeficient α, který odpovídá právě řešení udávajícímu součet sumy n k=1 k, vypočítáme dosazením počáteční podmínky S 1 = 1. Máme S 1 = 1 = α ), takže α = 0. 6 Můžeme tedy uzavřít, že n k=1 k = 1 6 n + n + n), což samozřejmě odpovídá výsledku z příkladu 1.5.
24 .. Kvazipolynomiální pravá strana Uvažujme ješte obecnější pravou stranu diferenční rovnice ve tvaru tzv. kvazipolynomu, tj. fn) = C n pn), kde pn) je polynom a 0 C C. Podívejme se, jakým způsobem řešení úlohy převedeme na známý případ. Vydělíme-li celou rovnici a n+k + α k 1 a n+k α 1 a n+1 + α 0 a n = C n pn)..19) číslem C n+k, dostaneme při šikovném zápisu a n+k C + α k 1 a n+k 1 n+k C C + + α 1 a n+1 n+k 1 C k 1 C + α 0 a n n+1 C k C = pn) n C. k Zavedeme-li novou posloupnost ã n = a n C n, získali jsme vlastně diferenční rovnici ã n+k + α k 1 ã n+k α 1 ã n+1 + α 0 ã n = pn)..0) s koeficienty α j = C j k α j, j {0,..., k 1}, a na pravé straně je polynom pn) = C k pn). Je třeba si uvědomit, že k je pevné, je to řád diferenční rovnice.) Vyřešíme rekurenci.0) postupem výše uvedeným, kde ã n = ã h n+ã p n. Řešení diferenční rovnice.19) dostaneme ve tvaru a n = C n ã n = C n ã h n + C n ã p n..1) Zkoumejme vztah dvou výše uvedených rekurencí.19) a.0). Charakteristický polynom homogenní rekurence přidružené k.19) označme P λ), polynom příslušný k.0) označme P λ). Podle poznámky.11 jsou kořeny λ i polynomu P jen C 1 -násobky kořenů polynomu P λ), tj. C 1 λ i. Proto víme, že když λ n i ) n 1, nλ n i ) n 1,..., n γ i 1 λ n i ) n 1, i {1,..., l}. je báze prostoru řešení původní homogenní rovnice přidružené k.19), pak bázi λn i ) n 1, n λ n i )n 1,..., n γ i 1 λn i ) n 1, i {1,..., l}, prostoru řešení homogenní rovnice přidružené k.0) lze zapsat pomocí kořenů polynomu P λ) jako C n λ n i ) n 1, nc n λ n i ) n 1,..., n γ i 1 C n λ n i ) n 1, i {1,..., l}. Odvodíme tak, že C n ã h n ve vztahu.1) je vlastně řešením a p n homogenní rovnice přidružené k.19). Partikulární řešení a p n získáme jako a p n = C n ã p n. Připomeňme, že ã p n jsme podle předpisu z tvrzení.0 hledali ve tvaru ã p n = n r gn), kde gn) je polynom stupně stg = st p = stp a r je násobnost kořene 1 v polynomu P. Ta je ale stejná jako násobnost kořene C v polynomu P. Odvodili jsme tak následující tvrzení.
25 Tvrzení.. Je-li pravá strana fn) ) diferenční rovnice.1) dána kvazipolyno- n 1 mem fn) = C n pn), kde 0 C C a p je polynom stupně t 0, pak partikulární řešení rovnice.1) je ve tvaru a p n = C n n r gn), kde r 0 je násobnost kořene λ = C v charakteristickém polynomu P λ) přidružené homogenní diferenční rovnice a gn) je nějaký polynom stupně stg) = stf) = t. Příklad.. Vypočítáme součet n k=1 1)k k. Obdobně jako v příkladu.1 označíme S n = n k=1 1)k k. Posloupnost S n ) n 1 splňuje rekurenci S n+1 S n = 1) n+1 n + 1). Řešení bude dáno jednoznačně, pokud zadáme počáteční podmínku S 1 = 1. Obecné řešení této rekurence s kvazipolynomiální pravou stranou je součtem obecného řešení homogenní rovnice, což je opět S h n = α a partikulárního řešení S p n. Podle tvrzení. lze partikulární řešení hledat ve tvaru S p n = C n n r gn), kde C = 1, r je násobnost kořene 1 v polynomu P λ) = λ 1, tj. r = 0. Polynom g je stupně stejného jako n + 1), tj. stg =. Je tedy S p n = 1) n d 0 + d 1 n + d n ). Koeficienty d 0, d 1, d zjistíme, když S p n dosadíme do původní rekurence s pravou stranou. S p n+1 S p n = 1) n+1 d 0 + d 1 n + 1) + d n + 1) ) 1) n d 0 + d 1 n + d n ) = = 1) n+1 d 0 + d 1 n + 1) + d n + n + 1) ) = 1) n+1 n + 1). Porovnáme koeficienty u jednotlivých mocnin n, Řešením této soustava rovnic je trojice n 0 : d 0 + d 1 + d = 1 n 1 : d 1 + d = n : d = 1 d = 1, d 1 = 1, d 0 = 0. Partikulártní řešení proto nacházíme ve tvaru S p n = 1) n 1 n + 1 n ) = 1)n n + n). Obecné řešení rekurence S n+1 S n = 1) n+1 n+1) je tedy S n = S h n+s p n = α+ 1)n n + n). Koeficient α, který odpovídá právě řešení udávajícímu součet sumy n k=1 1)k k, vypočítáme dosazením počáteční podmínky S 1 = 1. Máme S 1 = 1 = α ) = α 1, takže opětα = 0. Můžeme tedy uzavřít, že n k=1 1)k k = 1)n n + n). Příklad.4. Seťěme sumu n k=1 k n k). Tentokrát už samotné sestavení rekurence není úplně přímočaré. Označíme-li opět S n = n k=1 k n k ), pak Sn+1 = n+1 k=1 k n+1 k ). Když ) = chceme vyjádřit S n+1 pomocí předchozích členů posloupnosti, použijeme identitu n+1 k 4
26 n k) + n k 1), která platí pro 1 k n. Je proto n+1 S n+1 = k n+1 k = = k=1 k=1 ) = k=1 k=1 k n+1 k ) + n + 1) n+1 ) = k=1 n+1 k=1 k=0 k ) n k + n k 1)) + n + 1 = k ) n k + k ) n k 1 + n + 1 = k ) n 1 n k + k + 1) n k) + n + 1 = k=1 k n k ) + k=0 n ) k = Sn + n, kde jsme využili, že n n) = 1 a n k=0 n k) = n. Odvodili jsme tedy rekurenci S n+1 S n = n, S 1 = 1. Víme, že S n = S h n + S p n. Protože charakteristický polynom přidružené homogenní rovnice je P λ) = λ, je obecné řešení S h n S p n = n nd 0. Dosazením do rekurence zjistíme = α n. Partikulární řešení hledáme ve tvaru S p n+1 S p n = n+1 n + 1)d 0 n nd 0 = n, odkud snadno odvodíme, že d 0 = 1, tudíž d 0 = 1. Je tedy S n = S h n + S p n = α n + n 1 n. S využitím počáteční podmínky máme S 1 = 1 = α + 1, takže α = 0. Celkově tedy n k=1 k n k) = n 1 n. Tento příklad ovšem zaslouží drobný komentář. Ke stejnému výsledku bychom totiž mohli dojít na základě jednoduché kombinatorické úvahy. Zjistíme počet možností, jak ze třídy o n žácích vybrat výbor s předsedou. Při pevném k je počet různých k-členných komisí v n-členné třídě roven n k). V každé z těchto komisí máme k možností výběru předsedy. Proto k n k) je počet k-členných komisí s předsedou. Abychom získali počet všech možností, musíme sečíst přes 1 k n. Naše suma n k=1 k n k) tedy označuje počet různých komisí s předsedou v n-členné třídě. Stejný počet ovšem zjistíme, když nejprve určíme ve třídě předsedu - tu máme n možností. Pak komisi libovolně doplníme, a to tak, že každému ze zbývajících n 1 žáků řekneme, jestli v komisi bude nebo ne. To provedeme n 1 způsoby. Celkem n n 1... Algebraický přístup Na problém řešení lineárních diferenčních rovnic lze nahlédnout ještě více algebraicky. Uvažujme operátor A na prostoru l, zadaný předpisem Aa n ) n 1 = a n+k + α k 1 a n+k α 1 a n+1 + α 0 a n )n 1. 5
27 Snadno ověříme, že tento operátor je lineární, totiž že pro dvě komplexní posloupnosti a n ) n 1, b n ) n 1 a komplexní číslo α platí A αa n ) n 1 + b n ) n 1 ) = αaan ) n 1 + Ab n ) n 1. Řešení diferenční rovnice.1) je vlastně hledání posloupnosti a n ) n 1 takové, že Aa n ) n 1 = fn) ). Z lineární algebry víme, že množina všech řešení takové rovnice, n 1 tj. množina A 1 fn) ) n 1 má tvar A 1 fn) ) n 1 = ap n) n 1 + kera, kde posloupnost a p n) n 1 splňuje Aa p n) n 1 = fn) ) n 1 je nějaké partikulární řešení a kera = A 1 0) n 1 ) je jádro operátoru A, tj. množina všech řešení homogenní rovnice.4). My jsme již dříve viděli, že kera = M je podprostor prostoru l. Množina všech řešení nehomogenní rovnice.1) je tedy lineární varieta v l. Předpokládejme, že je dáno více pravých stran f i n) ), pro i {1,..., m}, a k nim n 1 partikulární řešení a p,i n ) n 1, tj. takové posloupnosti, že Aa p,i n ) n 1 = f i n) ) n 1. Protože operátor A je lineární je množina řešení rovnice Aa n ) n 1 = f 1 n) ) n 1 + f n) ) n f m n) ) n 1 rovna f1 A 1 n) ) f n 1 m n) ) ) = A 1 f n 1 1 n) ) A 1 f n 1 m n) ) = n 1 = a p,1 n ) n 1 a p,m n ) n 1 + kera. Pravou stranu lineární diferenční rovnice.1) si tedy můžeme rozložit na součet dílčích pravých stran tak, aby se nám snáze hledala partikulární řešení. Tuto mˇyšlenku posléze využijeme...4 Pravá strana sinnγ), cosnγ) Posledním případem pravé strany, kterým se budeme zabývat, jsou posloupnosti typu sin nφ) n 1, cos nφ) n 1 pro nějaké φ R. Příklad.5. 6
28 Literatura [1] J. Herman, R. Kučera, J. Šimša, Equations and Inequalities: Elementary Problems and Theorems in Algebra and Number Theory. 1. vyd. New York : Springer-Verlag, s. Canadian Mathematical Society Books in Math. [] L. Lovász, J. Pelikán, K. Vesztergombi, Discrete mathematics: Elementary and Beyond, Graduate Texts in Mathematics. Springer-Verlag, New York, 00. 7
Věta 12.3 : Věta 12.4 (princip superpozice) : [MA1-18:P12.7] rovnice typu y (n) + p n 1 (x)y (n 1) p 1 (x)y + p 0 (x)y = q(x) (6)
1. Lineární diferenciální rovnice řádu n [MA1-18:P1.7] rovnice typu y n) + p n 1 )y n 1) +... + p 1 )y + p 0 )y = q) 6) počáteční podmínky: y 0 ) = y 0 y 0 ) = y 1 y n 1) 0 ) = y n 1. 7) Věta 1.3 : Necht
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
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)
Zpracoval: hypspave@fel.cvut.cz 7. Matematická indukce a rekurse. Řešení rekurentních (diferenčních) rovnic s konstantními koeficienty.
Zpracoval: hypspave@fel.cvut.cz 7. Matematická indukce a rekurse. Řešení rekurentních (diferenčních) rovnic s konstantními koeficienty. (A7B01MCS) I. Matematická indukce a rekurse. Indukční principy patří
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
Těleso racionálních funkcí
Těleso racionálních funkcí Poznámka. V minulém semestru jsme libovolnému oboru integrity sestrojili podílové těleso. Pro libovolné těleso R je okruh polynomů R[x] oborem integrity, máme tedy podílové těleso
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
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
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
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
DMA Přednáška Rekurentní rovnice. takovou, že po dosazení odpovídajících členů do dané rovnice dostáváme pro všechna n n 0 + m pravdivý výrok.
DMA Přednáška Rekurentní rovnice Rekurentní rovnice či rekurzivní rovnice pro posloupnost {a n } je vztah a n+1 = G(a n, a n 1,..., a n m ), n n 0 + m, kde G je nějaká funkce m + 1 proměnných. Jejím řešením
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
Soustavy lineárních diferenciálních rovnic I. řádu s konstantními koeficienty
Soustavy lineárních diferenciálních rovnic I řádu s konstantními koeficienty Definice a) Soustava tvaru x = ax + a y + az + f() t y = ax + a y + az + f () t z = a x + a y + a z + f () t se nazývá soustava
Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru
2. Systémy lineárních rovnic V této kapitole se budeme zabývat soustavami lineárních rovnic s koeficienty z pole reálných případně komplexních čísel. Uvádíme podmínku pro existenci řešení systému lineárních
Soustavy lineárních rovnic
Soustavy lineárních rovnic V této kapitole se budeme zabývat soustavami lineárních diferenciálních rovnic y = a (x)y + a (x)y + + a n (x)y n + f (x) y = a (x)y + a (x)y + + a n (x)y n + f (x). y n = a
Nejdřív spočítáme jeden příklad na variaci konstant pro lineární diferenciální rovnici 2. řádu s kostantními koeficienty. y + y = 4 sin t.
1 Variace konstanty Nejdřív spočítáme jeden příklad na variaci konstant pro lineární diferenciální rovnici 2. řádu s kostantními koeficienty. Příklad 1 Najděte obecné řešení rovnice: y + y = 4 sin t. Co
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
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
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
1 Mnohočleny a algebraické rovnice
1 Mnohočleny a algebraické rovnice 1.1 Pojem mnohočlenu (polynomu) Připomeňme, že výrazům typu a 2 x 2 + a 1 x + a 0 říkáme kvadratický trojčlen, když a 2 0. Číslům a 0, a 1, a 2 říkáme koeficienty a písmenem
1 Mnohočleny a algebraické rovnice
1 Mnohočleny a algebraické rovnice 1.1 Pojem mnohočlenu (polynomu) Připomeňme, že výrazům typu a 2 x 2 + a 1 x + a 0 říkáme kvadratický trojčlen, když a 2 0. Číslům a 0, a 1, a 2 říkáme koeficienty a písmenem
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
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),
Soustavy. Terminologie. Dva pohledy na soustavu lin. rovnic. Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová.
[1] Terminologie [2] Soustavy lineárních rovnic vlastnosti množin řešení metody hledání řešení nejednoznačnost zápisu řešení Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová matice.
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...
Řešení rekurentních rovnic 2. Základy diskrétní matematiky, BI-ZDM ZS 2011/12, Lekce 11
Řešení rekurentních rovnic 2 doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky FIT České vysoké učení technické v Praze c Josef Kolar, 2011 Základy diskrétní matematiky, BI-ZDM ZS 2011/12, Lekce
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
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
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
Soustavy linea rnı ch rovnic
[1] Soustavy lineárních rovnic vlastnosti množin řešení metody hledání řešení nejednoznačnost zápisu řešení a) soustavy, 10, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010, g)l.
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 : 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
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
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 Polynomiální interpolace
Polynomiální interpolace. Metoda neurčitých koeficientů Příklad.. Nalezněte polynom p co nejmenšího stupně, pro který platí p() = 0, p(2) =, p( ) = 6. Řešení. Polynom hledáme metodou neurčitých koeficientů,
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
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
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
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
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
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
LDF MENDELU. Simona Fišnarová (MENDELU) LDR druhého řádu VMAT, IMT 1 / 22
Lineární diferenciální rovnice druhého řádu Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF)
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
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 : Polynomy
Lineární algebra : Polynomy (2. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 15. dubna 2014, 11:21 1 2 2.1 Značení a těleso komplexních čísel Značení N := {1, 2, 3... }... množina
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.
9.2. Zkrácená lineární rovnice s konstantními koeficienty
9.2. Zkrácená lineární rovnice s konstantními koeficienty Cíle Řešíme-li konkrétní aplikace, které jsou popsány diferenciálními rovnicemi, velmi často zjistíme, že fyzikální nebo další parametry (hmotnost,
Řešené úlohy z Úvodu do algebry 1
Řešené úlohy z Úvodu do algebry Veronika Sobotíková katedra matematiky FEL ČVUT Vzhledem k tomu, že se ze strany studentů často setkávám s nepochopením požadavku zdůvodnit jednotlivé kroky postupu řešení,
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
Polynomy. Mgr. Veronika Švandová a Mgr. Zdeněk Kříž, Ph. D. 1.1 Teorie Zavedení polynomů Operace s polynomy...
Polynomy Obsah Mgr. Veronika Švandová a Mgr. Zdeněk Kříž, Ph. D. 1 Základní vlastnosti polynomů 2 1.1 Teorie........................................... 2 1.1.1 Zavedení polynomů................................
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
Generující kořeny cyklických kódů. Generující kořeny. Alena Gollová, TIK Generující kořeny 1/30
Generující kořeny cyklických kódů 6. přednáška z algebraického kódování Alena Gollová, TIK Generující kořeny 1/30 Obsah 1 Alena Gollová, TIK Generující kořeny 2/30 Hammingovy kódy Hammingovy kódy jsou
VĚTY Z LINEÁRNÍ ALGEBRY
VĚTY Z LINEÁRNÍ ALGEBRY Skripta Matematické metody pro statistiku a operační výzkum (Nešetřilová, H., Šařecová, P., 2009). 1. věta Nechť M = {x 1, x 2,..., x k } je množina vektorů z vektorového prostoru
(Cramerovo pravidlo, determinanty, inverzní matice)
KMA/MAT1 Přednáška a cvičení, Lineární algebra 2 Řešení soustav lineárních rovnic se čtvercovou maticí soustavy (Cramerovo pravidlo, determinanty, inverzní matice) 16 a 21 října 2014 V dnešní přednášce
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,...,
Matice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n
[1] Základní pojmy [2] Matice mezi sebou sčítáme a násobíme konstantou (lineární prostor) měníme je na jiné matice eliminační metodou násobíme je mezi sebou... Matice je tabulka čísel s konečným počtem
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
Limita funkce. FIT ČVUT v Praze. (FIT) Limita funkce 3.týden 1 / 39
Limita funkce FIT ČVUT v Praze 3.týden (FIT) Limita funkce 3.týden 1 / 39 Definice funkce. Zobrazení (f, D f ), jehož definiční obor D f i obor hodnot H f je podmnožinou množiny reálných čísel, se nazývá
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
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
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
Figurální čísla, Pascalův trojúhelník, aritmetické posloupnost vyšších řádů
Figurální čísla, Pascalův trojúhelník, aritmetické posloupnost vyšších řádů Jaroslav Zhouf, PedF UK, Praha Úvod Pascalův trojúhelník je schéma přirozených čísel, která má své využití např. v binomické
[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
Pomocný text. Polynomy
Pomocný text Polynomy Tato série bude o polynomech a to zejména o polynomech jedné proměnné (pokud nebude uvedeno explicitně, že jde o polynom více proměnných). Formálně je někdy polynom jedné proměnné
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
Věta o dělení polynomů se zbytkem
Věta o dělení polynomů se zbytkem Věta. Nechť R je okruh, f, g R[x], přičemž vedoucí koeficient polynomu g 0 je jednotka okruhu R. Pak existuje jediná dvojice polynomů q, r R[x] taková, že st(r) < st(g)
Učební texty k státní bakalářské zkoušce Matematika Diferenciální rovnice. študenti MFF 15. augusta 2008
Učební texty k státní bakalářské zkoušce Matematika Diferenciální rovnice študenti MFF 15. augusta 2008 1 7 Diferenciální rovnice Požadavky Soustavy lineárních diferenciálních rovnic prvního řádu lineární
Diferenˇcní rovnice Diferenciální rovnice Matematika IV Matematika IV Program
Program Diferenční rovnice Program Diferenční rovnice Diferenciální rovnice Program Frisch a Samuelson: Systém je dynamický, jestliže jeho chování v čase je určeno funkcionální rovnicí, jejíž neznámé závisí
Greenova funkce pro dvoubodové okrajové úlohy pro obyčejné diferenciální rovnice
Greenova funkce pro dvoubodové okrajové úlohy pro obyčejné diferenciální rovnice Jan Tomeček Tento stručný text si klade za cíl co nejrychlejší uvedení do teorie Greenových funkcí pro obyčejné diferenciální
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
1 Diference a diferenční rovnice
1 Diference a diferenční rovnice Nechť je dána ekvidistantní síť uzlů x 0, x 1,..., x n tj. h R, h > 0 takové, že x i = x 0 + ih, i = 0, 1,..., n. Číslo h se nazývá krok. Někdy můžeme uvažovat i nekonečnou
2. kapitola: Euklidovské prostory
2. kapitola: Euklidovské prostory 2.1 Definice. Euklidovským n-rozměrným prostorem rozumíme neprázdnou množinu E n spolu s vektorovým prostorem V n a přiřazením, které každému bodu a z E n a každému vektoru
10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo
0. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo (PEF PaA) Petr Gurka aktualizováno 9. prosince 202 Obsah Základní pojmy. Motivace.................................2 Aritmetický vektorový
10. Vektorové podprostory
Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan Definice. Bud V vektorový prostor nad polem P. Podmnožina U V se nazývá podprostor,
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 ),
1 Determinanty a inverzní matice
Determinanty a inverzní matice Definice Necht A = (a ij ) je matice typu (n, n), n 2 Subdeterminantem A ij matice A příslušným pozici (i, j) nazýváme determinant matice, která vznikne z A vypuštěním i-tého
BCH kódy. Alena Gollová, TIK BCH kódy 1/27
7. přednáška z algebraického kódování Alena Gollová, TIK 1/27 Obsah 1 Binární Alena Gollová, TIK 2/27 Binární jsou cyklické kódy zadané svými generujícími kořeny. Díky šikovné volbě kořenů opravuje kód
Matematika 3. Úloha 1. Úloha 2. Úloha 3
Matematika 3 Úloha 1 Co lze říci o funkci imaginární část komplexního čísla která každému komplexnímu číslu q přiřazuje číslo Im(q)? a. Je to funkce mnohoznačná. b. Je to reálná funkce komplexní proměnné.
14. přednáška. Přímka
14 přednáška Přímka Začneme vyjádřením přímky v prostoru Přímku v prostoru můžeme vyjádřit jen parametricky protože obecná rovnice přímky v prostoru neexistuje Přímka v prostoru je určena bodem A= [ a1
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
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
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,
Řešíme tedy soustavu dvou rovnic o dvou neznámých. 2a + b = 3, 6a + b = 27,
Přijímací řízení 2015/16 Přírodovědecká fakulta Ostravská univerzita v Ostravě Navazující magisterské studium, obor Aplikovaná matematika (1. červen 2016) Příklad 1 Určete taková a, b R, aby funkce f()
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
(4x) 5 + 7y = 14, (2y) 5 (3x) 7 = 74,
1. V oboru celých čísel řešte soustavu rovnic (4x) 5 + 7y = 14, (2y) 5 (3x) 7 = 74, kde (n) k značí násobek čísla k nejbližší číslu n. (P. Černek) Řešení. Z první rovnice dané soustavy plyne, že číslo
Matematická analýza ve Vesmíru. Jiří Bouchala
Matematická analýza ve Vesmíru Jiří Bouchala Katedra aplikované matematiky jiri.bouchala@vsb.cz www.am.vsb.cz/bouchala - p. 1/19 typu: m x (sin x, cos x) R(x, ax +...)dx. Matematická analýza ve Vesmíru.
6 Samodružné body a směry afinity
6 Samodružné body a směry afinity Samodružnými body a směry zobrazení rozumíme body a směry, které se v zobrazují samy na sebe. Například otočení R(S má jediný samodružný bod, střed S, anemá žádný samodružný
[1] x (y z) = (x y) z... (asociativní zákon), x y = y x... (komutativní zákon).
Grupy, tělesa grupa: množina s jednou rozumnou operací příklady grup, vlastnosti těleso: množina se dvěma rozumnými operacemi příklady těles, vlastnosti, charakteristika tělesa lineární prostor nad tělesem
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)
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
Lingebraické kapitolky - Analytická geometrie
Lingebraické kapitolky - Analytická geometrie Jaroslav Horáček KAM MFF UK 2013 Co je to vektor? Šipička na tabuli? Ehm? Množina orientovaných úseček majících stejný směr. Prvek vektorového prostoru. V
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
9.3. Úplná lineární rovnice s konstantními koeficienty
Úplná lineární rovnice s konstantními koeficienty Cíle Nyní přejdeme k řešení úplné lineární rovnice druhého řádu. I v tomto případě si nejprve ujasníme, v jakém tvaru můžeme očekávat řešení, poté se zaměříme
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
Matematika IV 9. týden Vytvořující funkce
Matematika IV 9. týden Vytvořující funkce Jan Slovák Masarykova univerzita Fakulta informatiky jaro 2015 Obsah přednášky 1 Vytvořující funkce a Fibonacciho čísla 2 Vytvořující funkce - připomenutí 3 Řešení
SOUSTAVY LINEÁRNÍCH ALGEBRAICKÝCH ROVNIC
SOUSTAVY LINEÁRNÍCH ALGEBRAICKÝCH ROVNIC Pojm: Algebraická rovnice... rovnice obsahující pouze celé nezáporné mocnin neznámé, tj. a n n + a n 1 n 1 +... + a 2 2 + a 1 + a 0 = 0, kde n je přirozené číslo.
FREDHOLMOVA ALTERNATIVA
FREDHOLMOVA ALTERNATIVA Pavel Jirásek 1 Abstrakt. V tomto článku se snažíme shrnout dosavadní výsledky týkající se Fredholmovy alternativy (FA). Postupně zmíníme FA na prostorech konečné dimenze, FA pro
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
Kapitola 11: Lineární diferenciální rovnice 1/15
Kapitola 11: Lineární diferenciální rovnice 1/15 Lineární diferenciální rovnice 2. řádu Definice: Lineární diferenciální rovnice 2-tého řádu je rovnice tvaru kde: y C 2 (I) je hledaná funkce a 0 (x)y +
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