Lineární algebra : Báze a dimenze
|
|
- Ludvík Bařtipán
- před 8 lety
- Počet zobrazení:
Transkript
1 Lineární algebra : Báze a dimenze (5. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 9. dubna 2014, 13:33 1
2 2 5.1 Báze lineárního prostoru Definice 1. O množině vektorů M z LP V řekneme, že generuje prostor V, právě když platí: M = V. Báze lineárního prostoru Definice 2. Existuje-li ve V množina vektorů B taková, že 1. B je LN, 2. B generuje V, nazýváme B bází lineárního prostoru V. Příklady bází {(1, 2, 3), (4, 7, 8), (3, 4, 2)} je báze R 3. {(1, 0, 0), (0, 1, 0), (0, 0, 1)} je báze R 3. Poznámka 3. Jeden LP může mít více různých bází. Později dokážeme, že všechny musí mít stejný počet prvků. Uvažujme LP T n a označme e 1 := (1, 0, 0,..., 0), e 2 := (0, 1, 0,..., 0),. e n := (0, 0, 0,..., 1). Potom soubor (e 1, e 2,..., e n ) je báze T n. Soubor polynomů (1, x,..., x n 1 ) je báze P n. Množina {x n n N 0 } je báze P. Poslední tři uvedené báze nazýváme standardní báze příslušného LP.
3 3 5.2 Dimenze lineárního prostoru Definice 4. Buď V LP nad T. Označme Dimenze lineárního prostoru N 0 (V ) := {n N 0 každý (n + 1)-členný soubor vektorů z V je LZ} Je-li N 0 (V ) =, říkáme, že V má nekonečnou dimenzi, značíme dim V =. Je-li N 0 (V ), říkáme, že V má konečnou dimenzi a definujeme dim V = min N 0 (V ). Příklad: Uvažujme V = R 2, potom N 0 (R 2 ) = {2, 3, 4, 5,... } a tedy dim R 2 = min{2, 3, 4, 5,... } = 2. Některé vlastnosti dimenze Věta dim V = 0 V = {θ}. 2. Nulový prostor {θ} nemá bázi. 3. Buď n N a nechť ve V existuje n-členný LN soubor. Potom dim V n. 4. Buď n N 0 a nechť ve V každý (n + 1)-členný soubor je LZ. Potom Důkaz. dim V n. 1. Je-li dim V = 0, potom 0 N 0 (V ), a tedy V = {θ}, neboť každý jednočlenný lineární soubor je LZ, z čehož plyne, že každý vektor z V je nulový. Je-li naopak V = {θ}, pak 0 N 0 (V ) a tedy dim V = 0.
4 4 2. V nulovém vektorovém prostoru neexistuje LN soubor, tudíž {θ} nemůže mít bázi. 3. Existuje-li n členný LN soubor, musí n 1 / N 0 (V ), potom také 0, 1,..., n 2 / N 0 (V ), neboť každá podmnožina LN množiny je též LN. Tedy dim V n. 4. Když každý (n + 1) členný soubor je LZ, je n N 0 (V ), a tedy dim V n. 5.3 Steinitzova věta a její důsledky Věta 6 (Steinitzova o výměně). Nechť (x 1,..., x n ) a (y 1,..., y m ) jsou soubory vektorů z V. Nechť (x 1,..., x n ) je LN a nechť ( i ˆn)(x i y 1,..., y m ). Potom platí: 1. n m, 2. Existují navzájem různé indexy i 1, i 2,..., i n ˆm takové, že y 1,..., y m = x 1,..., x n, (y i i ˆm \ {i 1, i 2,..., i n }). Steinitzova věta o výměně Důkaz: Neuvedeme a nebude vyžadován u zkoušky. Poznámka 7. Tvrzení 1. Steinitzovy věty říká: Délka LN souboru nemůže převýšit počet generátorů! Existence báze Věta 8. Nechť dim V = n N. Potom ve V existuje n-členná báze. Důkaz. Protože dim V = n, je n 1 / N 0 (V ), a tedy ve V existuje LN soubor délky n, který označíme (x 1,..., x n ). Určitě platí, že x 1,..., x n V. Opačnou inkluzi dokážeme sporem. Kdyby existoval prvek x n+1 V takový, že x n+1 / x 1,..., x n, pak by soubor (x 1,..., x n+1 ) byl LN, jak víme z věty vyslovené dříve. Proto by muselo platit, že dim V n + 1, což je spor. Celkem je tedy soubor (x 1,..., x n ) LN a generuje V, je to tedy n-členná báze V.
5 5 Poznámka 9. Pokud jde o existenci báze v lineárním prostoru není nutný předpoklad konečnosti dimenze. Platí tedy věta: Každý netriviální LP má bázi. Nicméně v důkazu je nutné přijmout politický program strany ZFC z matematického TEMNA. Důkaz neuvedeme a nebude vyžadován. Věta 10. Nechť n N a nechť ve V existuje n-členná báze. Potom dim V = n. Důsledek Steinitzovy věty všechny báze mají stejně prvků Důkaz. Bázi V označme (y 1,..., y n ). Víme, že dim V n. Kdyby dim V > n, musel by existovat LN soubor délky n + 1, označme jej (x 1,..., x n+1 ). Platí ovšem ( i {1,..., n+1})(x i V = y 1,..., y n ). To jsou ovšem předpoklady Steinitzovy věty o výměně, podle které délka LN souboru nemůže převýšit počet generátorů, tj. musí platit n + 1 n, což je spor. Poznámka 11. Z předchozí věty vyplývá, že všechny báze v LP mají stejný počet prvků, kterých je tolik, kolik je dimenze V (neboť dim V je určena jednoznačně). Protože se dimenze shoduje s počtem vektorů jakékoli báze LP, hodí se tato věta při počítání dimenze LP. Stačí v něm najít nějakou bázi. Z každého souboru generátorů lze vybrat bázi. Soubor generátorů obsahuje bázi Věta 12. Nechť {θ} = V = y 1,..., y n. Potom dim V = k n a existují navzájem různé indexy i 1,..., i k ˆn takové, že (y i1,..., y ik ) je báze V. Důkaz. První část tvrzení plyne ze Steinitzovy věty. Druhá část věty plyne z faktu, že v LZ souboru existuje prvek, který lze ze souboru odebrat, aniž by se změnil jeho lineární obal (viz věta v předchozí kapitole). Takto můžu ze souboru (y 1,..., y n ) vybírat tak dlouho, dokud vzniklý soubor nebude LN. To nastane, až bude v souboru zbývat k vektorů, protože dim V = k.
6 6 Poznámka 13. Věta platí i pokud je V generován nekonečným souborem vektorů. LN soubor lze doplnit na bázi Každý LN soubor lze doplnit na bázi. Věta 14. Nechť (x 1,..., x k ) je LN soubor vektorů z V a dim V = n N. Potom existují vektory x k+1,..., x n V, že (x 1,..., x n ) je báze V. Důkaz. Buť (y 1,..., y n ) báze V. Ze Steinitzovy věty plyne, že k n a že existují navzájem různé indexy i 1, i 2,..., i k ˆn takové, že V = y 1,..., y n = x 1,..., x k, (y i i ˆn \ {i 1, i 2,..., i k }). Máme tedy n členný soubor generátorů obsahující vektory x 1,..., x k. Stačí si rozmyslet, že jsou LN: Kdyby soubor (x 1,..., x k, (y i i ˆn \ {i 1, i 2,..., i k })) byl LZ, můžeme z jeho vektorů vybrat LN soubor délky l < n generující V, což je ve sporu s dim V = n. Poznámka 15. To, že každý LN soubor lze doplnit na bázi, opět zůstává v platnosti i pro LP nekonečné dimenze. dim T n = n, neboť máme standardní bázi. Dimenze základních lineárních prostorů Speciálně tedy dim R n = dim C n = n. dim T m,n = mn, neboť standardní bázi lze volit podobně jako v T n. dim P n = n a dim P =, opět máme standardní bázi.
7 7 Poznámka 16. Prostor R n je vždy uvažován nad reálným tělesem R. Podobně C n je LP nad komplexním tělesem C. Lze ale také uvažovat prostor uspořádaných komplexních n-tic C n nad tělesem R, potom platí: Jakou byste v tomto LP volili bázi? dim C n = 2n. 5.4 Dimenze podprostoru a 1. věta o dimenzi Věta 17. Nechť V je LP a P V. Potom Dimenze podprostoru dim P dim V. Je-li navíc P vlastní podprostor V a dim V <, potom dim P < dim V. Důkaz. Je-li dim V = první tvrzení věty platí triviálně. Nechť tedy dim V < a P V. Potom N 0 (V ) N 0 (P ), neboť jsou-li všechny n-členné soubory z V LZ, jsou také všechny n-členné soubory z P LZ. Platí N 0 (P ), protože kdyby N 0 (P ) =, pak také N 0 (V ) = dim V =. Z inkluze N 0 (V ) N 0 (P ) nakonec tedy dostáváme dim P = min N 0 (P ) min N 0 (V ) = dim V. Buď nyní P V vlastní, tj. P V, a nechť dim V = n <. Víme už, že dim P = k n. Je-li dim P = 0, tj. P = {θ}, musí V {θ}, a tedy n = dim V 1. Je-li dim P = k 1, existuje (x 1,..., x k ) báze P. Protože P V, existuje x k+1 V takový, že x k+1 / P, a tedy (x 1,..., x k, x k+1 ) je LN, odkud dim V k + 1. V obou případech platí dim P < dim V. Důsledek 18. Buď P V a dim P = dim V <. Potom P = V. Poznámka 19. Předpoklad dim V < v druhé části tvrzení věty je podstatný. Např. {x 2n n N 0 } je vlastní podprostor P a přitom dim {x 2n n N 0 } = dim P =. Test pro rovnost obalů
8 8 Lemma 20. Označme X = (x 1,..., x n ) a Y = (y 1,..., y m ) soubory vektorů z V. Potom X = Y, právě tehdy když dim X = dim Y = dim X Y. Důkaz. ( ) : Jestliže X = Y, pak X X = Y a Y X = Y, tedy X Y X = Y. Přechodem k lineárnímu obalu obou stran množinové nerovnosti dostáváme X Y X = X. Protože X X Y, platí také X X Y, takže X Y = X = Y. Když se rovnají obaly, rovnají se i jejich dimenze. ( ) : Protože X X Y a dimenze se rovnají, musejí se rovnat obaly samotné, tj. X = X Y. To samé platí pro Y, takže X = X Y = Y. Direktní součet Definice 21. Bud V LP a = A V, = B V. Součet A + B nazveme direktní, právě když pro každý vektor x A + B existuje jediné a A a jediné b B takové, že x = a + b. Direktní součet značíme A B. Příklad: Položme E 1 := R {0} a E 2 := {0} R, potom E 1 E 2 = R 2. Příklad: Na druhou stranu, platí x, 1 + x 2, 1 = P 3, ale tento součet není direktní. Direktní součet podprostorů Věta 22. Buďte P V, Q V. Potom P + Q je direktní právě tehdy, je-li P Q = {θ}.
9 9 Důkaz. ( ) : Nechť P + Q je direktní. Kdyby P Q {θ}, existoval by nenulový prvek a P Q a tedy a P a a Q. Nulový prvek θ P + Q by šel rozložit do součtu dvou vektorů z P a Q dvěma způsoby: θ = θ + θ = a + ( a), což by byl spor s direktností součtu P + Q. ( ) : Nechť P Q = {θ} a zároveň P + Q není direktní. Existuje tedy x P + Q takové, že x = a 1 + b 1 = a 2 + b 2, kde a 1 a 2 a a 1, a 2 P, b 1 b 2 a b 1, b 2 Q. Potom ovšem θ a 1 a 2 = b 2 b 1, kde a 1 a 2 P a b 2 b 1 Q a v průniku P Q se tak nachází i nenulový vektor a 1 a 2, což je spor. 1. věta o dimenzi Víme, že jsou-li P a Q podprostory V, jsou také P Q a P + Q podprostory V, a proto má smysl mluvit o jejich dimenzi. Následnující věta ukazuje v jakém vztahu jsou dimenze P Q a P + Q a dimenze P a Q. Věta 23 (1. o dimenzi). Buďte P, Q V, dim P <, dim Q <. Potom platí: dim(p + Q) + dim(p Q) = dim P + dim Q, speciálně pro direktní součet: dim(p Q) = dim P + dim Q. Důkaz: Neuvedeme a nebude vyžadován. 5.5 Souřadnice vektoru vzhledem k bázi Úmluva: Lineární prostor konečné dimenze n N budeme značit V n. Souřadnice vektoru vzhledem k bázi Věta 24. Nechť X = (x 1,..., x n ) je báze V n. Potom ke každému x V n existuje právě jedna uspořádaná n-tice (α 1,..., α n ) T n taková, že x = α i x i. Důkaz. Existence (α 1,..., α n ) výplývá z toho, že báze generuje LP V n = x 1,..., x n. Jednoznačnost dokážeme sporem. Kdyby existovala další n tice (β 1,..., β n ) T n, taková že ( i ˆn)(α i β i ) a x = α i x i = β i x i,
10 10 potom musí (α i β i )x i = θ. Soubor (x 1,..., x n ) je ovšem LN, odkud plyne ( i ˆn)(α i β i = 0), což je spor. Definice 25. Číslo α i T z předchozí věty nazýváme i-tá souřadnice vektoru x v bázi X. Dále pro i ˆn zavedeme zobrazení x # i : V n T vztahem x # i (x) := α i. Toto zobrazení nazýváme i-tý souřadnicový funkcionál v bázi X. Příklady Ve standardní bázi E 3 = (e 1, e 2, e 3 ) prostoru R 3 má vektor x = (a, b, c) souřadnice (a, b, c), protože x = ae 1 + be 2 + ce 3. Pro jednotlivé souřadnicové funkcionály máme: e # 1 (x) = a, e# 2 (x) = b, e# 3 (x) = c. Příklady Soubor X = (x 1, x 2, x 3 ), kde x 1 = (1, 1, 1), x 2 = (1, 1, 2), x 3 = (1, 2, 3), je jiná báze R 3. Vektor x = (a, b, c) z R 3 má souřadnice (a + b c, a 2b + c, a + b), protože x = (a + b c)x 1 + (a 2b + c)x 2 + ( a + b)x 3. Pro jednotlivé souřadnicové funkcionály nyní máme: x # 1 (x) = a + b c, x# 2 (x) = a 2b + c, x# 3 (x) = a + b.
11 11 Příklady Vzhledem ke standardní bázi E 3 = (1, x, x 2 ) prostoru P 3 má vektor a + bx + cx 2 souřadnice (a, b, c). Vzhledem k bázi X = (x 1, 2x, x 2 +2) prostoru P 3 má vektor a+bx+cx 2 souřadnice ( a + 2c, a2 + b2 c, c ). Úmluva: Zavedeme Kroneckerovo delta: Vlastnosti souřadnicového funkcionálu δ ij = { 1, pro i = j, 0, jinak. Věta 26. Nechť i ˆn a x # i (x 1,..., x n ). Potom platí: : V n T je i-tý souřadnicový funkcionál v bázi 1. ( x, y V n )(x # i (x + y) = x# i (x) + x# i (y)), 2. ( x V n )( α T )(x # i (αx) = αx# i (x)), 3. ( j ˆn)(x # i (x j) = δ ij ). Důkaz. 1. Nechť x, y V n. Máme tedy x = n x # i (x)x i a y = n x # i (y)x i. Odtud ) x + y = x # i (x)x i + x # i (y)x i = (x # i (x) + x# i (y) x i. Současně je x + y V n a musí tedy platit x + y = n x # i (x + y)x i. Protože soužadnice jsou určeny jednoznačně (viz předchozí věta), musí platit ( i ˆn)(x # i (x + y) = x# i (x) + x# i (y)). 2. Zcela analogicky jako v předešlém kroku. 3. Opět jako v prvním kroku, vyjdeme z vyjádření x j = n δ ij x i.
12 12 Souřadnice ve standardní bázi Připomeňme, že pro j-tou složku i-tého vektoru e i standardní báze prostoru T n platí: (e i ) j = δ ij. Vzhledem ke standartní bázi E n = (e 1,..., e n ) prostoru T n má vektor x = (α 1,..., α n ) souřadnice (α 1,..., α n ), neboť x = α i e i. Analogickou vlastnost mají souřadnice vzhledem ke standardní bázi v prostoru polynomů P n.
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
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
Lineární algebra : Lineární zobrazení
Lineární algebra : Lineární zobrazení (6. přednáška František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 20. května 2014, 22:40 1 2 6.1 Lineární zobrazení Definice 1. Buďte P a Q dva lineární prostory
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
[1] Vzhledem ke zvolené bázi určujeme souřadnice vektorů...
[1] Báze Každý lineární (pod)prostor má svou bázi Vzhledem ke zvolené bázi určujeme souřadnice vektorů... a) base, 4, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010, g)l. Viz p.
Lineární algebra : Polynomy
Lineární algebra : Polynomy (2. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 19. února 2014, 11:30 1 2 0.1 Značení a těleso komplexních čísel Značení N := {1, 2, 3... }... množina
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
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
Lineární algebra : Lineární (ne)závislost
Lineární algebra : Lineární (ne)závislost (4. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních technologií
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
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
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
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
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
Základní pojmy teorie množin Vektorové prostory
Základní pojmy teorie množin Přednáška MATEMATIKA č. 1 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz 7. 10. 2010 Základní pojmy teorie množin Základní pojmy
V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti
Kapitola 5 Vektorové prostory V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti operací sčítání a násobení
ALGEBRA. Téma 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)
Datum sestavení dokumentu: 9. srpna Lineární algebra 1
Datum sestavení dokumentu: 9 srpna 22 Lineární algebra L ubomíra Balková e-mail: lubomirabalkova@fjficvutcz Slovo na úvod: Abstraktnost, logická výstavba a univerzálnost lineární algebry jsou výhodami
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
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,...,
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
Pavel Horák, Josef Janyška LINEÁRNÍ ALGEBRA UČEBNÍ TEXT
Pavel Horák, Josef Janyška LINEÁRNÍ ALGEBRA UČEBNÍ TEXT 2 0 1 8 Obsah 1 Vektorové prostory 1 1 Vektorový prostor, podprostory........................ 1 2 Generování podprostor u............................
Pavel Horák LINEÁRNÍ ALGEBRA A GEOMETRIE 1 UČEBNÍ TEXT
Pavel Horák LINEÁRNÍ ALGEBRA A GEOMETRIE 1 UČEBNÍ TEXT 2 0 1 7 Obsah 1 Vektorové prostory 2 1 Vektorový prostor, podprostory........................ 2 2 Generování podprostor u............................
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
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
Kapitola 11: Vektory a matice:
Kapitola 11: Vektory a matice: Prostor R n R n = {(x 1,, x n ) x i R, i = 1,, n}, n N x = (x 1,, x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i = 1,, n : x i = y i
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,
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
Matematika 2 pro PEF PaE
Vektorové prostory 1 / 17 Matematika 2 pro PEF PaE 8. Vektorové prostory Přemysl Jedlička Katedra matematiky, TF ČZU Vektorové prostory Vektorové prostory a podprostory 2 / 17 vektorového prostoru Množina
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
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
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)
Lineární algebra : Násobení matic a inverzní matice
Lineární algebra : Násobení matic a inverzní matice (8. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 17. března 2014, 12:42 1 2 0.1 Násobení matic Definice 1. Buďte m, n, p N, A
Báze a dimense. Odpřednesenou látku naleznete v kapitolách a 3.6 skript Abstraktní a konkrétní lineární algebra.
Báze a dimense Odpřednesenou látku naleznete v kapitolách 3.1 3.3 a 3.6 skript Abstraktní a konkrétní lineární algebra. Jiří Velebil: A7B01LAG 15.10.2015: Báze a dimense 1/19 Minulé přednášky 1 Lineární
[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
Lineární algebra : Násobení matic a inverzní matice
Lineární algebra : Násobení matic a inverzní matice (8. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních
(ne)závislost. α 1 x 1 + α 2 x 2 + + α n x n. x + ( 1) x Vektoru y = ( 1) y říkáme opačný vektor k vektoru y. x x = 1. x = x = 0.
Lineární (ne)závislost [1] Odečítání vektorů, asociativita BI-LIN, zavislost, 3, P. Olšák [2] Místo, abychom psali zdlouhavě: x + ( 1) y, píšeme stručněji x y. Vektoru y = ( 1) y říkáme opačný vektor k
x 2 = a 2 + tv 2 tedy (a 1, a 2 ) T + [(v 1, v 2 )] T A + V Příklad. U = R n neprázdná množina řešení soustavy Ax = b.
1. Afinní podprostory 1.1. Motivace. Uvažujme R 3. Jeho všechny vektorové podprostory jsou počátek, přímky a roviny procházející počátkem a celé R 3. Chceme-li v R 3 dělat geometrii potřebujeme i jiné
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,
2 Vektorový prostor. 2.1 Definice vektorového prostoru
2 Vektorový prostor Axiomatická definice vektorového prostoru, kterou v této kapitole vyslovíme, je velmi abstraktní Aby čtenáře neodradila, je připojena v dodatku skript kapitola o historii lineární algebry
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
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
15. Moduly. a platí (p + q)(x) = p(x) + q(x), 1(X) = id. Vzniká tak struktura P [x]-modulu na V.
Učební texty k přednášce ALGEBRAICKÉ STRUKTURY Michal Marvan, Matematický ústav Slezská univerzita v Opavě 15. Moduly Definice. Bud R okruh, bud M množina na níž jsou zadány binární operace + : M M M,
Kapitola 11: Vektory a matice 1/19
Kapitola 11: Vektory a matice 1/19 2/19 Prostor R n R n = {(x 1,..., x n ) x i R, i = 1,..., n}, n N x = (x 1,..., x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i =
Matice lineárních zobrazení
Matice lineárních zobrazení Nechť V, +, a W, +, jsou nenulové vektorové prostory konečných dimenzí n a m nad tělesem T, +,, nechť posloupnosti vektorů g 1, g 2,..., g n V a h 1, h 2,..., h m W tvoří báze
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
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
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
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,
METRICKÉ A NORMOVANÉ PROSTORY
PŘEDNÁŠKA 1 METRICKÉ A NORMOVANÉ PROSTORY 1.1 Prostor R n a jeho podmnožiny Připomeňme, že prostorem R n rozumíme množinu uspořádaných n tic reálných čísel, tj. R n = R } R {{ R }. n krát Prvky R n budeme
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
TOPOLOGIE A TEORIE KATEGORIÍ (2017/2018) 4. PREDNÁŠKA - SOUČIN PROSTORŮ A TICHONOVOVA VĚTA.
TOPOLOGIE A TEORIE KATEGORIÍ (2017/2018) 4. PREDNÁŠKA - SOUČIN PROSTORŮ A TICHONOVOVA VĚTA. PAVEL RŮŽIČKA 4.1. (Kvazi)kompaktnost a sub-báze. Buď (Q, ) uspořádaná množina. Řetězcem v Q budeme rozumět lineárně
PŘEDNÁŠKA 5 Konjuktivně disjunktivní termy, konečné distributivní svazy
PŘEDNÁŠKA 5 Konjuktivně disjunktivní termy, konečné distributivní svazy PAVEL RŮŽIČKA Abstrakt. Ukážeme, že každý prvek distributivního svazu odpovídá termu v konjuktivně-disjunktivním (resp. disjunktivně-konjunktivním)
α β ) právě tehdy, když pro jednotlivé hodnoty platí β1 αn βn. Danou relaci nazýváme relace
Monotónní a Lineární Funkce 1. Relace předcházení a to Uvažujme dva vektory hodnot proměnných α = α,, 1 αn ( ) a β = ( β β ) 1,, n x,, 1 xn. Říkáme, že vekto r hodnot α předchází vektor hodnot β (značíme
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)
Matice. Je dána matice A R m,n, pak máme zobrazení A : R n R m.
Matice lineárních zobrazení [1] Připomenutí Zobrazení A : L 1 L 2 je lineární, když A( x + y ) = A( x ) + A( y ), A(α x ) = α A( x ). Což je ekvivalentní s principem superpozice: A(α 1 x 1 + + α n x n
ALGEBRA A TEORETICKÁ ARITMETIKA. 1. část - Lineární algebra. doc.rndr. Jarmila Novotná, CSc. doc.rndr. Milan Trch, CSc.
ALGEBRA A TEORETICKÁ ARITMETIKA 1. část - Lineární algebra doc.rndr. Jarmila Novotná, CSc. doc.rndr. Milan Trch, CSc. Obsah 1 Aritmetické vektory 2 1.1 Základní pojmy............................ 2 1.2
7 Konvexní množiny. min c T x. při splnění tzv. podmínek přípustnosti, tj. x = vyhovuje podmínkám: A x = b a x i 0 pro každé i n.
7 Konvexní množiny Motivace. Lineární programování (LP) řeší problém nalezení minima (resp. maxima) lineárního funkcionálu na jisté konvexní množině. Z bohaté škály úloh z této oblasti jmenujme alespoň
VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku
VI Maticový počet VI1 Základní operace s maticemi Definice Tabulku a 11 a 12 a 1n a 21 a 22 a 2n, a m1 a m2 a mn kde a ij R, i = 1,, m, j = 1,, n, nazýváme maticí typu m n Zkráceně zapisujeme (a ij i=1m
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
Báze konečněrozměrných vektorových prostorů, lineární zobrazení vektorových prostorů
Báze konečněrozměrných vektorových prostorů, lineární zobrazení vektorových prostorů Buď (V, +, ) vektorový prostor nad tělesem (T, +, ) Připomeňme, že konečná posloupnost u 1, u 2,, u n vektorů z V je
Lineární (ne)závislost
Kapitola 6 Lineární (ne)závislost Také tuto kapitolu zahájíme základní definicí. Definice 6.1 Předpokládáme, že V je vektorový prostor nad tělesem T. Říkáme, že posloupnost vektorů x 1, x 2,..., x n prostoru
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,
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
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
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.
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 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
Základy matematické analýzy
Základy matematické analýzy Spojitost funkce Ing. Tomáš Kalvoda, Ph.D. 1, Ing. Daniel Vašata 2 1 tomas.kalvoda@fit.cvut.cz 2 daniel.vasata@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních
Obsah. Lineární rovnice. Definice 7.9. a i x i = a 1 x a n x n = b,
Obsah Lineární rovnice Definice 77 Uvažujme číselné těleso T a prvky a 1,, a n, b T Úloha určit všechny n-tice (x 1,, x n ) T n, pro něž platí n a i x i = a 1 x 1 + + a n x n = b, i=1 se nazývá lineární
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
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
Lineární algebra : Úvod a opakování
Lineární algebra : Úvod a opakování (1. přednáška) František Štampach, Karel Klouda LS 013/014 vytvořeno: 19. února 014, 13:15 1 0.1 Lineární prostory R a R 3 V této přednášce si na jednoduchém příkladu
4 Lineární zobrazení. 4.1 Definice lineárního zobrazení
4 Lineární zobrazení Motivace. Diferenciální rovnice jsou partií matematiky, která má uplatnění ve fyzice, ekonomii, biologii, chemii atd. Prostě a jednoduše, vymyslete si jakýkoliv jev a je pravděpodobné,
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
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.
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
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
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
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
7. Důležité pojmy ve vektorových prostorech
7. Důležité pojmy ve vektorových prostorech Definice: Nechť Vje vektorový prostor a množina vektorů {v 1, v 2,, v n } je podmnožinou V. Pak součet skalárních násobků těchto vektorů, tj. a 1 v 1 + a 2 v
Kapitola 1. Úvod. 1.1 Značení. 1.2 Výroky - opakování. N... přirozená čísla (1, 2, 3,...). Q... racionální čísla ( p, kde p Z a q N) R...
Kapitola 1 Úvod 1.1 Značení N... přirozená čísla (1, 2, 3,...). Z... celá čísla ( 3, 2, 1, 0, 1, 2,...). Q... racionální čísla ( p, kde p Z a q N) q R... reálná čísla C... komplexní čísla 1.2 Výroky -
Lineární algebra Operace s vektory a maticemi
Lineární algebra Operace s vektory a maticemi Robert Mařík 26. září 2008 Obsah Operace s řádkovými vektory..................... 3 Operace se sloupcovými vektory................... 12 Matice..................................
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 ),
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
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.
Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech
Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech 1. července 2008 1 Funkce v R n Definice 1 Necht n N a D R n. Reálnou funkcí v R n (reálnou funkcí n proměnných) rozumíme zobrazení
19. Druhý rozklad lineární transformace
Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan Úmluva. Všude P = C. Vpřednášce o vlastních vektorech jsme se seznámili s diagonalizovatelnými
10 Přednáška ze
10 Přednáška ze 17. 12. 2003 Věta: G = (V, E) lze nakreslit jedním uzavřeným tahem G je souvislý a má všechny stupně sudé. Důkaz G je souvislý. Necht v je libovolný vrchol v G. A mějme uzavřený eurelovský
Lineární prostory. - vektorové veličiny(síla, rychlost, zrychlení,...), skládání, násobení reálným číslem
Lineární prostory - vektorové veličiny(síla, rychlost, zrychlení,...), skládání, násobení reálným číslem - volné vektory a operace s nimi(sčítání, násobení reálným číslem) -ve 2 nebove 3 vázanévektorysespolečnýmpočátkem
Odpřednesenou látku naleznete v kapitole 3.1 skript Abstraktní a konkrétní lineární algebra.
Odpřednesenou látku naleznete v kapitole 3.1 skript Abstraktní a konkrétní lineární algebra. Jiří Velebil: Lineární algebra 14.10.2016: 1/13 Minulé přednášky 1 Lineární kombinace. 2 Definice lineárního
Vlastní čísla a vlastní vektory
Vlastní čísla a vlastní vektory 1 Motivace Uvažujme lineární prostor všech vázaných vektorů v rovině, které procházejí počátkem, a lineární zobrazení tohoto prostoru do sebe(lineární transformaci, endomorfismus)
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
K oddílu VI.1 obecné slabé topologie Příklad 1. Necht X = C([0, 1]) s topologií bodové konvergence na [0, 1]. Popište všechny
FUNKCIONÁLNÍ ANALÝZA 1 PŘÍKLADY PRO POROZUMĚNÍ LÁTCE ZS 2016/2017 PŘÍKLADY KE KAPITOLE VI K oddílu VI.1 obecné slabé topologie Příklad 1. Necht X = C([0, 1]) s topologií bodové konvergence na [0, 1]. Popište
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
V: Pro nulový prvek o lineárního prostoru L platí vlastnosti:
Zpracoval: hypspave@fel.cvut.cz. Základní vlastnosti abstraktních lineárních prostorů. Lineární závislost, nezávislost, báze, souřadnice vzhledem k bázi, matice lineárního zobrazení vzhledem k bázím.skalární
)(x 2 + 3x + 4),
3 IREDUCIBILNÍ ROZKLADY POLYNOMŮ V T [X] 3 Ireducibilní rozklady polynomů v T [x] - rozklady polynomů na ireducibilní (dále nerozložitelné) prvky v oboru integrity polynomů jedné neurčité x nad tělesem
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
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
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