1 Číselné řady, konvergence a absolutní konvergence, kritéria konvergence Kritéria pro konvergenci číselných řady... 6

Rozměr: px
Začít zobrazení ze stránky:

Download "1 Číselné řady, konvergence a absolutní konvergence, kritéria konvergence Kritéria pro konvergenci číselných řady... 6"

Transkript

1 Matematika III - Sbírka příkladů Prof. RNDr. Drahoslava Janovská, CSc. RNDr. Miroslava Dubcová, Ph.D. Doc. RNDr. Daniel Turzík, CSc. Mgr. Šimon Axmann, Ph.D.

2 Obsah Číselné řady, konvergence a absolutní konvergence, kritéria konvergence. 4. Součet nekonečné řady Kritéria pro konvergenci číselných řady Funkční řady, bodová, stejnoměrná konvergence, kritéria konvergence. Bodová konvergence, obor konvergence Stejnoměrná konvergence Mocninné řady, poloměr konvergence. Taylorovy řady. 5. Mocninné řady, poloměr konvergence Taylorovy řady Aplikace mocninných řad* Ortogonální matice, ortogonální transformace 4. Ortogonální projekce, přeurčené soustavy Ortogonální matice, ortogonální transformace Maticové rozklady LU, QR. 6 Vlastní čísla a vlastní vektory 6 6. Vlastní čísla a vlastní vektory Singulární rozklad matice Lineární zobrazení, operátor a funkcionál. 8 8 Vektorová analýza 4 Výsledky cvičení 49 Číselné řady, konvergence a absolutní konvergence, kritéria konvergence Funkční řady, bodová, stejnoměrná konvergence, kritéria konvergence Mocninné řady, poloměr konvergence. Taylorovy řady Ortogonální matice, ortogonální transformace Maticové rozklady LU, QR Vlastní čísla a vlastní vektory Lineární zobrazení, operátor a funkcionál Vektorová analýza

3 Kapitola Číselné řady, konvergence a absolutní konvergence, kritéria konvergence.. Součet nekonečné řady Příklad.: Vypočtěme součet řady ( ) n. 5 Řešení: Řada je geometrická s kvocientem q = 5 <. Součet řady tedy je s = a q = 5 5 =. Příklad.: Vypočtěme součet řady n(n + ). Řešení: Rozložíme racionální výraz na parciální zlomky n(n + ) = ( n ). n + Nyní sečteme řadu ( n ). n + Napíšeme si součet prvních m členů této řady s m = (( ) ( + ) ( + 4 ) ( m ) ( + m + m )). m +

4 Některé zlomky se nám odečtou a dostaneme s m = ( + m + ) = m + 4 Součet řady tedy je Příklad.: Vypočtěme součet řady s = lim m s m = 4. n + n. ( m + + ). m + Řešení: Nejdříve si upravíme n-tý člen řady n + n = n n n (n ) = n n. Nyní sečteme řadu ( ) n n. Napíšeme si součet prvních m členů této řady s m = ( ) + ( ) + + ( m m) + ( m m ). Některé členy se nám odečtou a dostaneme Součet řady tedy neexistuje. s m = m lim m s m =. Cvičení.: V následujících cvičeních určete součet řady, pokud existuje. ( ) n+ a), b) ln n + 4 n, ( ) n c), d) e n, e) g) n= n(n + ), f) n(n ), n= n, h) n + n +. 5

5 . Kritéria pro konvergenci číselných řady Příklad.4: Pomocí integrálního kritéria vyšetřeme konvergenci řady n k, k R. Řešení: Pro k řada diverguje, protože není splněna nutná podmínka konvergence ( lim ). Vyšetříme nyní konvergenci pro k >. Na intervalu, ) je funkce n n k f(x) = x spojitá, klesající a kladná. Pro n-tý člen dané řady platí a k n = f(n) = n. k Můžeme použít integrální kritérium. Pro k > platí Pro < k < platí Pro k = platí x k dx = x k dx = x k dx = [ x k k [ x k ] k ] =. x dx = [ln x ] =. Daná řada konverguje pro k > a diverguje pro k. =. Příklad.5: Vyšetřeme konvergenci řady n +. Řešení: Použijeme-li pro řadu n + substituci m = n + dostaneme Podle příkladu.4 řada n + = m= m= m m = m= m = =. diverguje, diverguje proto i daná řada. Příklad.6: Vyšetřeme konvergenci řady n n. 6

6 Řešení: Použijeme srovnávací kritérium n < n. n Našli jsme majorantní řadu. Řada n je geometrická řada s kvocientem a n proto konverguje. Podle srovnávacího kritéria konverguje i řada n. n Příklad.7: Vyšetřeme konvergenci řady + n + n. Řešení: Použijeme srovnávací kritérium n = + n n(n + ) = + n n + n < + n + n. Našli jsme minorantní řadu + n + n diverguje. n. Řada n podle příkladu.4 diverguje, tedy i řada Příklad.8: Vyšetřeme konvergenci řady (n)!. Řešení: Použijeme podílové (D Alembertovo) kritérium. lim a n+ n a n = lim n = lim (n)! n (n + )! = lim n (n + )(n + )(n + ) = <. Řada (n)! Příklad.9: (n+)! (n)! podle podílového kritéria konverguje. Vyšetřeme konvergenci řady + n. 7

7 Řešení: Funkce f(x) = je spojitá klesající a kladná na intervalu, ). Použijeme + x integrální kritérium. + x dx = [arctg x] = π π 4 = π 4 <. Integrál konverguje, konverguje tedy i daná řada. Příklad.: Řešení: Funkce f(x) = integrální kritérium. Vyšetřeme konvergenci řady. n + x + je spojitá klesající a kladná na intervalu, ). Použijeme x + dx = [ ] x + Integrál diverguje, diverguje tedy i daná řada. Příklad.: Vyšetřeme konvergenci řady ( ) n. n ( ) = lim x + x =. Řešení: Označme a n =. Platí < a n+ < a n pro n a lim n =. Podle n n Leibnitzova kritéria řada ( ) n konverguje. Vyšetřeme ještě absolutní konvergenci, n t.j. zda konverguje řada absolutních hodnot Řada ( ) n konverguje tedy neabsolutně. n Příklad.: Vyšetřeme konvergenci řady ( ) n + n. n + n. Tato řada podle příkladu.4 diverguje. Řešení: Použijeme odmocninové (Cauchyovo) kritérium. Platí Řada lim n ( ) n + n tedy konverguje. n + n + n an = lim n n + = <. 8

8 Cvičení.: kritérium a) c) Cvičení.: kritérium a) c) e) Cvičení.4: kritérium a) c) V následujících cvičeních vyšetřete konvergenci řady. Použijte srovnávací 4 n, b) n n +, d) ( n ), n + n. V následujících cvičeních vyšetřete konvergenci řady. Použijte podílové ( n )!, b) n! n, n, d) n n, n n (n + )!, f) n 5 (n)!. V následujících cvičeních vyšetřete konvergenci řady. Použijte integrální n (n + ), b) n e n, n ln( n + ), d) n n +. Cvičení.5: V následujících cvičeních vyšetřete konvergenci řady. Použijte odmocninové kritérium a) n, b) ( ) n n, n n + ( ) n n + arctg n n c), d). n + n Cvičení.6: V následujících cvičeních vyšetřete konvergenci řady. Použijte Leibnitzovo kritérium. V případě, že konverguje, vyšetřete, zda konverguje absolutně. a) ( ) n+ n, b) ( ) n+ (n + ), n c) ( ) n n +, d) ( ) n ln(n + ). 9

9 Cvičení.7: V následujících cvičeních vyšetřete konvergenci řady. Použijte vhodné kritérium. a) n +, b) ( ) n+ n, n n + n c), d) sin π n. n e) g) i) arctg n n, f) cos n. n n 5 n!, h) ( ) n. n n + n +, j) n n.

10 Kapitola Funkční řady, bodová, stejnoměrná konvergence, kritéria konvergence. Bodová konvergence, obor konvergence Příklad.: Vyšetřeme bodovou konvergenci a určeme součet řady (ln x) n. Řešení: Řada je geometrická s kvocientem q = ln x. Řada tedy konverguje absolutně, jestliže ln x <, t.j. pro x (, e). Součet řady je e s = ln x ( ) ln x, x e, e. Příklad.: Vyšetřeme bodovou konvergenci řady n x n + n. Řešení: Použijeme podílové kritérium n+ x n+ lim n = lim x n + n (n + ) + = lim x n + n n + n + = x. +(n+) n x n +n Řada konverguje absolutně, jestliže x <, t.j. pro x (, ). Pro x = dostaneme řadu ( )n (resp. +n ). Tyto řady konvergují absolutně, (viz příklad.9). +n n x n Řada + n konverguje absolutně na,.

11 Příklad.: Vyšetřeme bodovou konvergenci řady n x n n. Řešení: Použijeme podílové kritérium lim n = lim x n n n + = x. n+ x n+ n+ n x n n Řada konverguje, jestliže x <, t.j. pro x (, ). Pro x = dostaneme řadu ( ) n n, tato řada konverguje (podle Leibnitzova kritéria). Pro x = dostaneme řadu n, tato řada diverguje (viz příklad.4). Řada n x n n konverguje na, ). Cvičení.: V následujících cvičeních vyšetřete bodovou konvergenci řady. a) + x, x cos n x n R+, b), x R, n ( ) n x(x + n) x n c), x R, d), x R, n n e) g) sin x, x R, f) cos x n n, x R, ln x n, x (, ), h) cos n x, x R.. Stejnoměrná konvergence Příklad.4: Určeme obor konvergence řady sin nx n a rozhodněme, kde řada konverguje stejnoměrně. Řešení: Použijeme Weierstrassovo kritérium sin nx n pro x R. n Řada konverguje, tedy daná řada konverguje stejnoměrně v R. n

12 Příklad.5: Určeme obor konvergence řady x n n + a rozhodněme, kde řada konverguje stejnoměrně. Řešení: Podle podílového kritéria lim n x n+ n+ x n n+ n + = x lim n n + = x řada konverguje bodově pro x <. Pro x = řada konverguje, pro x = diverguje. Pro x < řada konverguje absolutně. Nyní vyšetříme stejnoměrnou konvergenci. Řada nebude stejnoměrně konvergovat na celém intervalu (, ), protože na tomto intervalu platí sup x (,) x n n + = n + a n + =. Zvolme x, ). Použijeme opět Weierstrassovo kritérium. x n n + xn n +, Řada x n n + konverguje například podle podílového kritéria. Řada stejnoměrně na každém intervalu x, x, kde x, ). x n n + konverguje Příklad.6: Určeme obor konvergence řady e nx a rozhodněme, kde řada konverguje stejnoměrně. Řešení: Jedná se o geometrickou řadu s kvocientem e x, řada tedy konverguje bodově pro x (, ). Pro tato x řada konverguje absolutně. Nyní vyšetříme stejnoměrnou konvergenci. Řada nebude stejnoměrně konvergovat na celém intervalu (, ), protože na tomto intervalu platí e nx =. Omezme se na x x >. Použijeme opět Weierstrassovo sup x (, ) kritérium. e nx e nx, Řada e nx x, ), kde x >. konverguje. Řada e nx konverguje stejnoměrně na každém intervalu

13 Cvičení.: V následujících cvičeních vyšetřete stejnoměrnou konvergenci řady. cos nx n a), x R, b) n e, x R, nx c) e) n e n x, x R, d) cos nx e n x, x R, f) e x n n, x R, ln( + n x) n x n+, x (, ). 4

14 Kapitola Mocninné řady, poloměr konvergence. Taylorovy řady.. Mocninné řady, poloměr konvergence Příklad.: Vypočítejme poloměr konvergence a obor konvergence mocninné řady 5 n x n. Řešení: Řada je geometrická s kvocientem q = 5 x. Řada tedy konverguje, jestliže 5 x <, t.j. pro x < a diverguje pro x. Poloměr konvergence je R =. Obor konvergence je otevřený interval (, ). 5 5 Příklad.: Vypočítejme poloměr konvergence a obor konvergence mocninné řady (x ) n n. Řešení: Použijeme substituci y = x. Dostaneme řadu y n. Tato řada je geometrická n s kvocientem q = y. Řada tedy konverguje, jestliže y <, t.j. pro y < a diverguje pro (x ) n y. Poloměr konvergence je R =. Poloměr konvergence řady je tedy n R = a řada konverguje pro x < a diverguje pro x. Obor konvergence je otevřený interval (, 4). Příklad.: Vypočítejme poloměr konvergence a obor konvergence mocninné řady x n n 4 n. 5

15 Řešení: Použijeme podílové kritérium. x n+ lim n = 4 (n+) 4 n+ x n n 4 n x lim n n n + = 4 x Řada tedy konverguje, jestliže x <, t.j. pro x < 4 a diverguje pro x > 4. Poloměr 4 konvergence je R = 4. Pro x = 4 dostaneme řadu, tato řada diverguje (viz příklad n ( ) n.4). Pro x = 4 dostaneme řadu, tato řada konverguje podle Leibnitzova n kritéria. Obor konvergence je polootevřený interval 4, 4). Cvičení.: V následujících cvičeních vypočítejte poloměr konvergence a obor konvergence mocninné řady. x n a) n, b) 4 n n n + xn, c) e) g) 7 n (x ) n, d) n + n! x n, f) n + n (n ) x(n ), h). Taylorovy řady (n + ) x (n+), n! x n, ( ) n xn. Příklad.4: Najděme rozvoj funkce f(x) = e x do Taylorovy řady v a = a zjistěme konvergenci dané řady Řešení: Vypočteme si několik derivací. f(x) = e x f() = f (x) = e x f () = Taylorova řada je.. f (n) (x) = e x f (n) () = T n (x) = +! x +! x +! x + + n! xn + = Nyní vyšetříme konvergenci řady. Použijeme podílové kritérium lim n = lim x n n + = x lim n (n+)! xn+ n! xn Řada tedy konverguje pro všechna x R. 6 n= n + =. n! xn.

16 Příklad.5: Najděme rozvoj funkce f(x) = ln (x + ) do Taylorovy řady v a = a zjistěme konvergenci dané řady Řešení: Vypočteme si několik derivací f(x) = ln (x + ) f() = f (x) = f () = x+ f (x) = f () = (x+) f (x) = f () = (x+).. f (n) (x) = ( ) n (n )! f (n) () = ( ) n (n )! (x+) n Taylorova řada je T n (x) = +!! x!! x +!! x n (n )! + + ( ) x n + = n! Nyní vyšetříme konvergenci řady. Použijeme podílové kritérium lim n = lim x n n n + = x lim n (n+) xn+ n xn ( ) n n xn. n n + = x <. Řada tedy konverguje pro všechna x < a diverguje pro x >. Pro x = řada konverguje, pro x = řada diverguje. Obor konvergence Taylorovy řady je polootevřený interval (,. Cvičení.: V následujících cvičeních najděte rozvoj funkce f(x) do Taylorovy řady v a a zjistěte konvergenci dané řady. a) f(x) = + x, a =, b) f(x) = x, a =, c) f(x) = sin x, a =, d) f(x) = cos x, a =, e) f(x) = x, a =, f) f(x) = sin( x), a = π 4, g) f(x) = e x, a =, h) f(x) = x, a =. Příklad.6: Rozviňme funkci f(x) = x e x do mocninné řady s použitím rozvoje vhodné funkce. Řešení: Pro všechna x R platí e x = n= x n n!. Jednoduše dostaneme rozvoj naší funkce do mocninné řady f(x) = x n= x n n! = n= x n+ n! pro x R. 7

17 Příklad.7: Rozviňme funkci f(x) = vhodné funkce. do mocninné řady s použitím rozvoje ( + x) Řešení: Pro všechna x platí F (x) = f(x)dx = + x. Protože funkce F (x) je součtem geometrické řady s kvocientem x, platí pro x < + x = ( x) n = n= ( ) n x n. (( ) n x n ) = n( ) n x (n ). Řada n( ) n x (n ) je stejnoměrně konvergentní na x, x n= pro x <, můžeme tedy derivovat řadu n= ( ) n x n člen po členu a platí n= ( ) ( ) = = ( ) n x n = ( ) n n x n = ( + x) + x n= n= = ( ) n n x n = ( ) n (n + )x n, pro x x, x. n= Dostali jsme rozvoj naší funkce do mocninné řady ( + x) = ( ) n (n + )x n pro x <. n= Příklad.8: Rozviňme funkci f(x) = arctg x do mocninné řady s použitím rozvoje vhodné funkce. Řešení: Pro všechna x R platí f (x) = + x. Protože funkce f (x) je součtem geometrické řady s kvocientem ( x ), platí pro x < Řada n= + x = ( x ) = ( x ) n = n= ( ) n x n. ( ) n x n je stejnoměrně konvergentní na x, x pro x <, můžeme tedy integrovat řadu člen po členu a platí x + t dt = x ( ) n t n dt = n= n= 8 n= ( ) n xn+ n +, pro x x, x.

18 Dostali jsme rozvoj naší funkce do mocninné řady arctg x = n= ( ) n xn+ n + pro x <. Protože řada n= ( ) n xn+ n + konverguje stejnoměrně na intervalu,, platí arctg x = n= ( ) n xn+ n + na,. Cvičení.: V následujících cvičeních najděte rozvoj funkce f(x) do mocninné řady s použitím rozvoje vhodné funkce. a) e x, b) x sin x, c) ln( + x), d) ( + x).. Aplikace mocninných řad* Příklad.9: Pomocí rozvoje hledané funkce do mocninné řady řešte počáteční úlohu y xy y =, y() =, y () =. (.) Řešení: Z teorie obyčejných diferenciálních rovnic víme, že daná počáteční úloha má právě jedno řešení. Předpokládejme, že jej lze zapsat ve tvaru mocninné řady y(x) = a n x n. (.) n= Potom lze za předpokladu stejnoměrné konvergence následujících řad derivovat řadu člen po členu y (x) = y (x) = na n x n, (.) n(n )a n x n. (.4) n= Z počátečních podmínek vyplývá a = y() = a a = y () =. Naším cílem je určit zbývající koeficienty mocninné řady a n tak, aby byla splněna diferenciální rovnice. Dosazením vztahů (.)-(.4) do rovnice (.) dostáváme n(n )a n x n x na n x n a n x n =. (.5) n= n= 9

19 Roznásobíme a posuneme index v nekonečné sumě, abychom mohli porovnat koeficienty u jednotlivých mocnin x n n(n )a n x n n= na n x n a n x n =, n= (n + )(n + )a n+ x n na n x n a n x n =, n= tedy (n + )(n + )a n+ na n a n = pro všechna n, odkud a n+ = a n n +. Postupným dosazováním s využitím počátečních podmínek dostáváme Celkem tedy a =, a = a k+ = k, a =, a 4 =, a 6 = 6, a k = k!. y(x) = + x + x4! + x6! +... = n= (x ) n n! = e x. Funkce y(x) = e x, x R je řešením dané počáteční úlohy, o oprávněnosti derivování řady člen po členu se lze snadno přesvědčit použitím Weierstrassova kritéria. Příklad.: Spočtěte ln x ln( x)dx. Řešení: Vyjádření primitivní funkce pomocí elementárních funkcí v tomto případě není možné. Použijeme známý rozvoj Potom (alespoň formálně ) ln x ln( x)dx = ln( x) = ln x x n n. (.6) x n n dx = n ln x x n dx Řada (.6) nekonverguje na intervalu (, ) stejnoměrně. Další výpočet lze ospravedlnit uvažováním ɛ ln x ln( x)dx a ɛ +. Rozmyslete podrobněji.

20 Na jednotlivé sčítance použijeme integraci per partes Tedy [ ] ln x x n dx = ln x xn+ n + x= = x n+ n + x dx ln x ln( x)dx = x n n + dx = n + n (n + ). [ x n+ n + Výslednou číselnou řadu rozložíme na,,parciální zlomky = ( n (n+) první členy vytvoří teleskopickou řadu, zatímco ln x ln( x)dx = ( n ) n + ] x= n n+ = (n + ). má známý součet. Celkem n (n + ) = n= ) (n+), kde n = + π 6 = π 6. Cvičení.4: Pomocí rozvoje integrované funkce do mocninné řady spočtěte ln( x)dx.

21 Kapitola 4 Ortogonální matice, ortogonální transformace 4. Ortogonální projekce, přeurčené soustavy Příklad 4.: Popište sloupcový prostor následujících matic: [ ] [ ] [ E =, A =, B = 4 4 ]. Řešení:. Sloupcový prostor matice I je celý prostor R, protože libovolný prvek R je lineární kombinací vektorů e = (, ) T a e = (, ) T. Tedy R(I) = R.. V matici A je druhý sloupec násobkem prvního, tedy sloupcový prostor matice A je přímka procházející počátkem se směrovým vektorem (, ) T. Tedy R(A) = {x R, x = α(, ) T, α R}. Rovnice Ax = b má řešení jen, leží-li b na této přímce.. Pro matici B je sloupcový prostor R(B) také celé R protože ze tří sloupců matice B jsou dva lineárně nezávislé v R, a tedy tvoří bázi R. Na rozdíl od prvního případu dává vektor b více kombinací sloupců matice B. Příklad 4.: Necht b, b, b jsou tři různé vektory. Zkonstruujte matici A tak, aby rovnice Ax = b a rovnice Ax = b byly řešitelné, ale rovnice Ax = b neměla řešení. Je to možné? Jak byste zkonstruovali matici A? Řešení: Vektory b, b musí ležet ve sloupcovém prostoru matice A, nejjednodušší tedy je, aby vektory b a b byly sloupce matice A. Pak řešením rovnice Ax = b je x = (, ) a rovnice Ax = b je vektor x = (, ). Protože nechceme aby rovnice Ax = b byla řešitelná, nezvětšíme sloupcový prostor. Dostaneme rovnici Ax = [ ] [ ] x b b = b x. Je b kombinací vektorů b a b? Jestliže ne, máme hledanou matici A. Pokud ano, nelze zkonstruovat požadovanou matici A, protože sloupcový prostor R(A) bude obsahovat b.

22 Příklad 4.: Necht ρ je rovina zadaná rovnicí x + y z = 4. Tato rovina neprochází počátkem. Najděte dva vektory, které leží v ρ, a ukažte, že jejich součet v ρ neleží. Nyní napište rovnici roviny ρ, která je rovnoběžná s rovinou ρ a prochází počátkem. Nejděte dva vektory, které leží v ρ, a ukažte, že jejich součet v ρ leží. Řešení: Rovnice roviny ρ je nehomogenní soustava jedné rovnice o třech neznámých. Hodnost matice soustavy je jedna, počet neznámých, soustava má nekonečně mnoho řešení. Volíme dvě neznámé jako parametry, konkrétně z = t, y = s. Pak pro x dostaneme x = s + t + 4. Tedy všechna řešení jsou u = s + t + 4 s, t R. Volíme např. s = t = a dostaneme u = (5,, ) T, pro s =, t = dostaneme u = (,, ) T a u + u = (8,, ) T. Získané hodnoty dosadíme do rovnice roviny a dostaneme 8 + = 8 4, tedy součet v rovině ρ neleží, rovina ρ není podprostor R. Rovina ρ má rovnici x + y z =. Zase vypočteme všechna řešení. Mají tvar u = s + t Při stejné volbě s, t dostaneme u = (,, ) T a u = (,, ) T. Jejich součet je u + u = (,, ) T, Dosadíme do obecné rovnice roviny ρ a dostaneme =, tedy součet leží v rovině ρ. Rovina ρ je podprostor R.. Příklad 4.4: Necht A = [ ] je matice. Určete a popište její nulový prostor. Řešení: Nulový prostor N (A) matice A m n je množina N (A) = {x R n, Ax = }. V našem případě je h(a) =, n =. Dimenze nulového prostoru je. Řešíme soustavu Ax =, tedy x [ ] y = x + y + z =. z Poslední rovnice je obecná rovnice roviny procházející počátkem. Tato rovina je podprostor R a je to nulový prostor matice A. Příklad 4.5: A = [ 8 Popište nulové prostory následujících matic: ] [ ] A, B = = A , C = [A A] = [ ]. Řešení:

23 ... A = [ 8 ] [ ], h(a) =, n =, soustava má právě jedno řešení x = (, ) T, tedy N (A) = {x = R }. N (A) je triviální podprostor R. Jeho dimenze je. Poznamenejme, že det(a) =, matice A je tedy invertovatelná, B = [ A A ] = A = [ 8 ] [ h(b) =, n = soustava má právě jedno řešení x = (, ) T, je tedy také N (B) = {x = R }. N (B) je také triviální podprostor R. Jeho dimenze je. C = [A A] = [ ] [ 4 4 h(c) =, n = 4 soustava má nekonečně mnoho řešení, volím dvě neznámé jako parametry: x := s, x 4 := t, s, t R. Zpětným chodem Gaussovy eliminace dopočteme: x = t, x = s, tedy x = s + t N (c) = {x R 4, x = α + β, s, t R, Nulový prostor matice C je rovina v R 4 procházející počátkem. ], ],, α, β R}. Příklad 4.6: Najděte bázi a určete dimenzi prostoru symetrických matic. Řešení: Bázi tvoří symetrické matice,, Dimenze tohoto prostoru je 6.,, Příklad 4.7: Jsou dány dva vektory u = (,, ) a u = (,, ). 4,.

24 a) Jsou u, u lineárně nezávislé? b) Tvoří bázi nějakého prostoru? c) Jaký prostor V generují? d) Jaká je dimenze V? e) Pro jaké matice A je V sloupcový prostor? f) Pro jaké matice B je V nulový prostor? Řešení: Řešení: a) αu + βu = (α + β, α + β, ) = (,, ) α = β =. Jediná lineární kombinace těchto vektorů, která dává nulový vektor je triviální, tedy vektory jsou lineárně nezávislé. b) Jsou to dva lineárně nezávislé vektory v R, tvoří bázi podprostoru R. c) Prostor V obsahuje všechny vektory (x, y, ), což je rovina z = v R. d) Dimenze V je, protože báze obsahuje dva prvky. e) V je sloupcovým prostorem libovolné n matice A, která má hodnost a jejíž třetí řádek je nulový. Např. může být A =. f) M = Volím z = t, pak x = a y =, [ ] [ ]. N (M) = {x R, x = (,, t), t R}. Tedy matice B jsou m matice hodnosti. Například B = [ ], pak Bu =, Bu =. Příklad 4.8: Určete ortogonální projekci vektoru b = [,, ] T do podprostoru R generovaného vektory v = [,, ] T a v = [,, ] T. 5

25 Řešení: Hledejme projekci p ve tvaru lineární kombinace p = αv + βv. Z podmínek ortogonality vyplývá (p b) T v = a (p b) T v =, to jest neboli po vyčíslení skalárních součinů α(v T v ) + β(v T v ) = b T v α(v T v ) + β(v T v ) = b T v [ 5 ] [ α β ] = [ 4 Soustavu můžeme řešit například Cramerovým pravidlem: tedy α = 5 7, β = 7 a A = 4, A =, A = 6, p = 5 7 [,, ]T + 7 [,, ]T = ]. (4.) [ 7, 7, ] T. 7 Ortogonální projekcí vektoru b do dané roviny je vektor [ 7, 7, 7] T. Příklad 4.9: Určete ortogonální projekci funkce x do prostoru P (, ) (polynomy stupně nejvýše na intervalu (, )). Uvažujte skalární součin f, g = fg dx. Řešení: Prostor P (, ) je generován například funkcemi, x. Podobně jako v předchozím příkladu hledejme projekci ve tvaru lineární kombinace p(x) = α + βx. Z podmínek ortogonality pak vyplývá α(, ) + β(x, ) = ( x, ) α(, x) + β(x, x) = ( x, x) Snadno spočteme ( x, x) = x x dx = [ ] x 5/ x/ dx = = atp... Celkem 5/ 5 [ ] [ ] [ ] / α / =, (4.) / / β /5 odkud α = 4, β = 4 4. Ortogonální projekcí dané funkce je p(x) = ( + x) Příklad 4.: Řešte následující přeurčenou soustavu Ax = b ve smyslu nejmenších čtverců, určete velikost rezidua A x b x y = x y = x + y =. Povšimněte si, že výsledná soustava je zcela ekvivalentní soustavě normálních rovnic odpovídající přeurčené soustavě αv + βv = b. 6

26 Řešení: Sestavme soustavu normálních rovnic A =, b = A T A = tedy 6 x ỹ = [ 6 6 x 6ỹ = x =, ỹ =. ] [, A T b = Vektor ( x, ỹ) = (, ) je řešením dané soustavy ve smyslu nejmenších čtverců. Reziduum A x b = [,, ] T má velikost A x b =. Cvičení 4.: rezidua Řešte následující soustavy ve smyslu nejmenších čtverců, určete velikost a) x y = x + y = y =, ], b) x + y = x y = x + y =, c) x + y z = x + z = y z = x + y + z =, d) x + y = x + z = x + y = y z =. 4. Ortogonální matice, ortogonální transformace Příklad 4.: Ukažme, že matice [ cos θ sin θ G(θ) = sin θ cos θ je ortogonální matice pro všechny θ R. ] 7

27 Řešení: Musíme ověřit, že platí G(θ) T G(θ) = E. [ ] [ ] G(θ) T cos θ sin θ cos θ sin θ G(θ) = = sin θ cos θ sin θ cos θ [ ] cos = θ + sin θ cos θ sin θ + cos θ sin θ cos θ sin θ + cos θ sin θ cos θ + sin = θ [ Příklad 4.: Pomocí vhodné Givensovy matice vynulujme prvek na 4. pozici vektoru v = [,,, 4, 5] T pomocí prvku na. pozici. Řešení: K vynulování použijeme matici cos θ sin θ G = sin θ cos θ. Vynásobíme-li vektor v maticí G, dostaneme cos θ sin θ G v = sin θ cos θ Pro vynulování 4. pozice vektoru musí platit Ze vzorečků dostaneme 4 5 = sin θ + 4 cos θ = sin θ cos θ = 4 sin θ = cos θ 4 sin θ sin θ + 4 cos θ 5 tg θ =. ±tg θ tg θ +, cos θ = ± tg θ + sin θ = ± (zvolíme ), cos θ = 5 (zvolíme 5 5 ). Můžeme zvolit Givensovu matici G = Pomocí vhodných Givensových matic vynulujme prvky pod hlavní dia- Příklad 4.: gonálou matice. A = 4. ]. 8

28 Řešení: Stejně jako v předchozím příkladě zvolíme Givensovu matici G pro vynulování prvku a. Dostaneme sin θ = 5, cos θ = 5. Platí G A = = = A Zvolíme Givensovu matici G pro vynulování prvku a (sin θ = 4, cos θ = G A = = = = A Zvolíme Givensovu matici G pro vynulování prvku a (sin θ = 5, cos θ = 5 G A = = = 4 ). Příklad 4.4: Pomocí Householderových matic zrcadlení vynulujme prvky pod hlavní diagonálou matice A =. 5 ). Řešení: K vynulování prvního sloupce použijeme Householderovou matici H = E vvt v kde v = a ± a e. Symbolem a i označujeme i tý sloupec matice A. Protože norma a =, můžeme psát v = + = +, 9

29 H = vv T = ( ) ( ) 6 + ( ) + 6 ( ) 6 + ( ) + 6 Ã = H A = Nyní postup zopakujeme pro matici v = A = [ + 6 Dostaneme Householderovu matici H = Potom platí H = Horní tojúhelníková matice bude mít tvar R = H H A = = a v = + ( + ), ( ) ( ) + ( ) ( ) + [ ] = 4 4 ] v = 4 (4 6). ( ) ( ) 6 4 H. 6 6 ( ) 4 6 ( ) 6 Cvičení 4.: Pomocí vhodných Givensových matic vynulujte prvky pod hlavní diagonálou matice A =. Cvičení 4.: matice 4... Pomocí Householderových matic vynulujte prvky pod hlavní diagonálou A =.

30 Příklad 4.5: Najděte ortogonální bázi podprostoru R 4 generovaného vektory a = [,,, ] T, a = [,,, ] T a a = [,,, ] T. Řešení: Použijeme Gramův-Schmidtův ortogonalizační proces. Volme v = a = [,,, ] T, dále v = a v T a v T v v = [,,, ] T [,,, ]T = [,,, ] T, T a v = a v T a v v v = [,,, ] T v T v v T v [,,, ]T [,,, ]T [ =, ] T,,. Vektory v, v, v tvoří ortogonální bázi daného podprostoru. Příslušnou ortonormální bázi bychom dostali nanormováním těchto vektorů. Cvičení 4.4: Najděte ortonormální bázi podprostoru generovaného vektory a) a = [,, ] T, a = [,, ] T, b) a = [,,, ] T, a = [,,, ] T a a = [,,, ] T.

31 Kapitola 5 Maticové rozklady LU, QR. Příklad 5.: Proved me LU-rozklad matice A =. Řešení: Provedeme Gaussovu eliminaci na matici A. Abychom získali nový druhý řádek, vynásobili jsme prvý řádek (-) a přičetli k druhému řádku. Pak jsme k třetímu řádku přičetli opět (-)-násobek prvého řádku. Vynásobili jsme tedy matici A maticí E =, t.j. E A =. = Potom jsme prohodili druhý a třetí řádek, t.j. vynásobili jsme matici E A permutační maticí P =, t.j. P E A = =. Označme horní trojúhelníkovou matici P E A jako matici U. Potom platí P E A A = E P U = E P U P A = P E P U = L U, kde L je dolní trojúhelníková matice a U je horní trojúhelniková matice. P A = L U, L =, U =..

32 Příklad 5.: Proved te QR-rozklad matice A =. Řešení: V příkladu 4.4 jsme použili Houssholderovu matici k vytvoření trojúhelníkové matice R, Platí tedy R = H H A = Označme Q = H T H T a dostáváme A = Q R, kde Q = A = H T H T R a R = Příklad 5.: Pomocí vhodného software proved te LU-rozklad matice A =. Řešení: Mathematica: Nejdříve definujeme matici A a potom provedeme LU-rozklad. In[]:= A,,,,,,,, Out[]= In[]:= Out[]=,,,,,,,, LU, p, c LUDecomposition A,,,,,,,,,,,, Nyní musíme z výsledku, který nám vrátí Mathematica získat matice L, R, P. In[]:= L LUSparseArray i_, j_ ; j i,, IdentityMatrix Out[]=,,,,,,,,

33 In[4]:= MatrixForm L Out[4]//MatrixForm= In[5]:= Out[5]= In[6]:= U LUSparseArray i_, j_ ; j i,,,,,,,,,, MatrixForm U Out[6]//MatrixForm= In[7]:= Out[7]= In[8]:= P SparseArray i_, j_ ; i p j,, SparseArray,, MatrixForm P Out[8]//MatrixForm= Maple: > with(linearalgebra): > A := <<,,> <,,> <,,>>; A := > P, L, U := LUDecomposition(A); P, L, U :=,, Matlab: >> A= [ ] A = 4

34 >> [L,U,P]=lu(A) L = U = P = Cvičení 5.: Cvičení 5.: Proved te LU-rozklad matice A = Proved te QR-rozklad matice A =. 5

35 Kapitola 6 Vlastní čísla a vlastní vektory 6. Vlastní čísla a vlastní vektory Příklad 6.: Určete vlastní čísla a odpovídající vlastní vektory matice A = Určete algebraickou a geometrickou násobnost vlastních čísel. Řešení: [ λ det λ ] = ( λ)( λ) + = λ 4λ + 4 = (λ ) = [ Charakterisktický polynom má jeden dvojnásobný kořen λ =, matice má tedy jedno vlastní číslo s algebraickou násobností. Hledejme příslušné vlastní vektory [ ] [ ] [ ] x y =. Dostáváme jediný lineárně nezávislý vlastní vektor [, ] T. Geometrická násobnost vlastního čísla je tedy rovna. Cvičení 6.: V následujících cvičeních určete vlastní čísla a vlastní vektory matic. Pro každé vlastní číslo určete jeho algebraickou a geometrickou násobnost. a) A =, b) c) A = A =,. ]. 6

36 6. Singulární rozklad matice Příklad 6.: Vypočtěte singulární hodnoty matice A = a matice B = A T. Řešení: Vypočteme matici A T A, charakteristický polynom této matice, vlastní čísla λ, λ této matice a singulární hodnoty σ, σ matice A: [ ] A T A =, charakteristický polynom λ 6λ + 8 λ = 4, λ =. Singulární hodnoty matice A jsou odmocniny z vlastních čísel matice A T A, tedy σ =, σ =. Poznámka Vypočtěme ortonormální vlastní vektory v, v matice A T A odpovídající příslušným vlastním číslům: [ ] [ ] 4 λ = 4 [, ] h 4 =, h =, λ = [ ] [ [, ] h = Tedy ortonormální vlastní vektory v, v matice A T A jsou v T v = v =, v =, v T v = v T v = Povšimněte si ještě, že Av =, Av = = σ, Av = ], h =., Av = = σ, a že (Av ) T Av = [,, ] =. Necht nyní B = A T. Matice B T B je a má tedy tři singulární hodnoty. Protože matice A T A a AA T mají stejná nenulová vlastní čísla, má matice B singulární hodnoty, a. Cvičení 6.: Vypočtěte vlastní čísla λ, λ a odpovídající ortonormální vlastní vektory v, v matice A T A a singulární hodnoty σ, σ matice A a A T, [ ] A =. 7

37 Kapitola 7 Lineární zobrazení, operátor a funkcionál. Lineární funkcionály Příklad 7.: Ukažte, že T f = C[, ], f = max f(t). Určete jeho normu. t [,] f(t)dt + f() je spojitý lineární funkcionál na X = Řešení: Funkcionál je lineární, protože pro libovolné f, g X, α R platí T (αf + g) = Dále T f = (αf + g)(t)dt + (αf + g)() = α f(t)dt + f() f(t)dt + f(t)dt + f() g(t)dt + αf() + g() = αt f + T g. f(t) dt + f() f dt + f f ( + ) f, odkud plyne, že T je spojitý a T. Na druhou stranu pro f (t), máme f C[, ], f = a T f =. Protože T T f, je T a pro normu operátoru dostáváme T =. Příklad 7.: Určete normu lineárního funkcionálu T : X R, X = C[, ], f = max t [,] f(t). T f = tf(t)dt f(), 8

38 Řešení: Linearitu funkcionálu lze ukázat analogicky jako v předchozím příkladu. T f = tf(t)dt f() tf(t)dt + f() tf(t) dt + f() f tdt + f f ( + ) f, odkud plyne, že T je spojitý a T. Důkaz opačné nerovnosti je v tomto případě obtížnější, nebot funkce {, pro t =, f (t) =, pro t (, ], pro kterou tf(t)dt f() = není spojitá a tedy f / X. Danou funkci však můžeme aproximovat spojitými funkcemi. Pro ɛ (, ) volme, pro t =, f ɛ (t) = + x ɛ, pro t (, ɛ),, pro t [ɛ, ]. Potom f ɛ X, f ɛ = a T f ɛ ɛ tf ɛ (t)dt f ɛ () = [ t ] t=ɛ + = ɛ. Proto T ɛ pro libovolné ɛ > a tedy T =. V následujících cvičeních zjistěte, zda jsou funkcionály T : X R lineární a spojité. Pokud ano, spočtěte normu funkcionálu T. Cvičení 7.: Cvičení 7.: X = C[, ], f = max f(t), T (f) = t [,] t + f(t)dt. f(t) X = C[, ), f = max f(t), T (f) = t [,] + t dt. Cvičení 7.: X = l, {x n } = x n, T {x n } = x + x. Cvičení 7.4: X = c = {{x n }; lim x n = }, {x n } = sup{ x n }, T {x n } = x + x. n n N 9

39 Lineární operátory, spektrální teorie Příklad 7.: Vyšetřeme, zda lineární operátor T : X X je lineární a spojitý. Pokud ano, spočtěme normu operátoru L. X = C[, ], f = max t [,] f(t), T f(t) = ω(t)f(t), kde ω(t) je daná spojitá funkce na [, ]. Řešení: T je lineární, protože pro všechna α, β R a pro všechna f, g X platí T (αf +βg)(t) = ω(t)(αf(t)+βg(t)) = αω(t)f(t)+βω(t)g(t) = αt f(t)+βt g(t), t [, ]. Nyní dokážeme spojitost operátoru T : T f = max ω(t)f(t)) Ω max f(t)) = Ω f, t [,] t [,] kde Ω = max ω(t). T je tedy spojitý operátor. Navíc platí t [,] T = sup T f Ω. f Zvolme nyní f C[, ], f (t), f =. Platí, že T f = Ω. Protože T T f a tedy T Ω. Pro normu operátoru tedy platí T = Ω. V následujících cvičeních zjistěte, zda jsou operátory T : X X lineární a spojité. Pokud ano, spočtěte normu operátoru T. Cvičení 7.5: Cvičení 7.6: X = C[, ], f = max t [,] f(t), T f(t) = et f(t). X = C[, ], f = max t [,] f(t), T f(t) = f(t ). Cvičení 7.7: X = L [, π], f = π f, T f(t) = π f(s) cos(t s) ds. Cvičení 7.8: X = c, {x n } = sup{ x n }, T {x n } = {x, x, x,,,... }. n N Cvičení 7.9: X = l, {x n } = x n, T {x n } = {x, x, x,,,... }. Příklad 7.4: Uvažujme lineární operátor T f(x) = f (x) f (x) f(x) na prostoru X = C [, ] s normou f = max f(t). Ukažte, že T není spojitý. Určete dimenzi jádra t [,] operátoru. 4

40 Řešení: Pro n N volme například f n (x) = x n, potom f n X, f n =, ale T f n () = n(n ), tedy T nemůže být spojitý. Funkce z prostoru X je prvkem jádra T právě tehdy, když splňuje diferenciální rovnici y y y =. Řešením charakteristické rovnice λ λ = dostáváme λ =, λ =, odkud ker T = {C e x + C e x, C, C R}. dim ker T =. Příklad 7.5: Najděte bodové spektrum operátoru T : l l, kde T {x n } = { x, x, x 4,... }. Řešení: Pro normu platí {x n } = x n.. λ potom T λi je prosté, protože (T λi)x = x = λx x x = λx x = λ x x 4 = λx x 4 = λ x.. x n n = λx n x n = (n )!λ n x. Našli jsme nenulovou posloupnost x = {x n } pro kterou (T λi)x =, ale x / l, protože řada x n = x ((n )!λ n ) diverguje. Zjistíme to z podílového kritéria lim n (n!λ n ) ((n )!λ n ) = lim n n λ = Protože neexistuje x takové, že (T λi)x =, je operátor T λi prostý, tedy λ nepatří do spektra.. λ = potom T λi není prosté, protože T x = x = x =, x x = x = x 4 = x 4 =.. x n n = x n = Našli jsme nenulovou posloupnost např. x = {,,, } pro kterou T x =, tedy σ p (T ) = {}. 4

41 Příklad 7.6: Najděte bodové spektrum operátoru T : X X, kde X = C[, ], f = max t [,] x T f(x) = f(t)dt. Řešení: Snadno se ověří, že T =.. λ =, potom (T λi)f = prostý.. λ, potom (T λi)f = x x f(t)dt =, x [, ] tedy nutně f a T je f(t)dt = λf(x), x [, ] odkud dostáváme dosazením f() =, derivováním podle základní věty integrálního počtu potom f(x) = λf (x). Obecným řešením této jednoduché diferenciální rovnice je f(x) = Ce λ x. Z počáteční podmínky však dostáváme C =, tedy f, T λi je prostý a σ p (T ) =. V následujících cvičeních najděte bodové spektrum operátoru T : X X. Cvičení 7.: X = l, {x n } = Cvičení 7.: X = l, {x n } = Cvičení 7.: X = l, {x n } = Cvičení 7.: X = l, {x n } = x n, T {x n } = {, x, x, x,... }. x n, T {x n } = {,, x, x, x,... }. x n, T {x n } = {ix, i x, i x, i 4 x 4, i 5 x 5,... }. x n, T {x n } = {x, x, x, x 4 4,... }. Cvičení 7.4: X = C[, ], f = max f(t). T f(x) = t [,] x f(t)dt f(). V následujících cvičeních najděte spektrum operátoru T. Cvičení 7.5: X = l, {x n } = x n, T {x n } = {x, x, x 4,... }. Cvičení 7.6: X = R, (x, x ) = x n, T (x, x ) = (x + x, x + x ). 4

42 Kapitola 8 Vektorová analýza V následujících příkladech jsou f(x, y, z), g(x, y, z) skalární funkce mající spojité parciální derivace, a (x, y, z), b (x, y, z) jsou spojitě diferencovatelná vektorová pole. Příklad 8.: Ukažte, že (f ± g) = f ± g. (8.) Řešení: ( f (f ± g) = x ± g x, f y ± g y, f z ± g ) = z ( f x, f y, f ) ( g ± z x, g y, g ) = f ± g. z Poznámka Ekvivalentní zápis rovnice (8.): grad (f ± g) = grad f ± grad g. Příklad 8.: Ukažte, že (f g) = ( f) g + ( g) f. (8.) Řešení: ( (fg) (f g) = x, (fg) y, (fg) ) = z ( f x, f y, f ) g + z ( f x g + f g x, f y g + f g y, f z g + f g z ( g x, g y, g z Poznámka Ekvivalentní zápis rovnice (8.): ) f = ( f)g + ( g)f grad (fg) = (grad f)g + (grad g)f. ) 4

43 Příklad 8.: Ukažte, že rot( a + b ) = rot a + rot b. Řešení: ( (a + b ) ( a = = y rot( a + b ) = ( a + b ) = (a + b ), (a + b ) z x i j k x y z a + b a + b a + b = + (a + b ), (a + b ) (a + b ) z x y y + b y a z b z, a x b x + a z + b z, a x + b x a y b y ) ( a y a z, a x + a z, a x a y + = a + b = rot a + rot b. ) = ( b y b z, b x + b z, b x b y ) = ) = Příklad 8.4: Ukažte, že ( a b ) = b ( a ) a ( b ). (8.) Řešení: L := i j k a a a b b b = (a b a b, a b + a b, a b a b ) = = x (a b a b ) + y ( a b + a b ) + z (a b a b ) = ( = a b y + b ) ( b + a z x b ) ( + a b z x + b y ) ) ( a +b y a z ) ( + b a x + a z Upravme nyní pravou stranu rovnice: i j k P := (b, b, b ) (a, a, a ) x y z a a a ( a + b x a y i j k ) + x y z b b b Vyčíslíme determinanty a příslušné skalární součiny a dostaneme L = P. 44

44 Poznámka Ekvivalentní zápis rovnice (8.): div( a b ) = b (rot a ) a (rot b ). Poznámka Diferenciální operátor b ( b = (b, b, b ) x, y, ) z = b x + b y + b z Necht nyní f je skalární funkce. Pak ( f b )f = b x + b f y + b f z. Je-li a vektorová funkce, pak ( b ) ( ) a a = b x + b a y + b a z, b a x + b a y + b a z, b a x + b a y + b a. z Příklad 8.5: Necht r = (x, y, z), t.j. r = x i + y j + z k, kde i = (,, ), j = (,, ), k = (,, ). Položme r = r = x + y + z a f(x, y, z) = ln x + y + z. r Ukažte, že gradf(x, y, z) = r. Řešení: f(x, y, z) = gradf(x, y, z) = x + y + z ( Poznámka: Příklad 8.6: že ω = rot v. x x + y + z, ( f x, f y, f ) ( = z x + y + z y, x + y + z y x + y + z, r = ) z = x + y + z x + y + z ( x x + y y + z ) = z x + y + z x, x + y + z z ) = (x, y, z) x + y + z = r r. Necht ω je konstantní vektor a r = (x, y, z). Je-li v = ω r, dokažte, Řešení: rot v = i j k x y z v v v = ( v y v z, v x + v z, v x v ). (8.4) y 45

45 Nyní si vypočteme v. Tedy v = ω r = i j k ω ω ω x y z = (ω z ω y, ω z + ω x, ω y ω x). v = ω z ω y, v = ω z + ω x, v = ω y ω x. Nyní dosadíme do rovnice (8.4) a dostaneme rot v = (ω + ω, ω + ω, ω + ω ) = ω = ω = rot v. Příklad 8.7: Pomocí Greenovy věty vypočtěte plošný obsah vnitřku elipsy x a + y =, a >, b >. b Řešení: Elipsa splňuje předpoklady Greenovy věty. Počítáme plochu P množiny M = {(x, y) R, Zavedeme zobecněné polární souřadnice: x a + y b }. P = Příklad 8.8: K xdy ydx = x = a cos t, y = b sin t, t, π. π (a cos t b cos t b sin t ( a sin t)) dt = π Vypočtěte ( x y)dx + xy dy, kde K je kružnice x + y = a, K a) pomocí Greenovy věty b) přímo z definice křivkového integrálu a b dt = πab. Řešení: a) Z Greenovy věty (kruh splňuje předpoklady) F (x, y) = x y, F (x, y) = xy, F x (x, y) = y, F (x, y) = x y Greenova věta = F dx + F dy = K M ( F x (x, y) F ) (x, y) dxdy, M = {(x, y), x + y a } y 46

46 Substituce do polárních souřadnic M x = r cos t, y = r sin t, r (, a, t, π). (y + x )dxdy = a π (r cos t + r sin t)rdtdr = π b) Z definice křivkového integrálu Parametrizace K: x = a cos t, y = a sin t, t, π). π ( x y)dx + xy dy = a 4 sin t cos t dt K sin t cos t dt = sin t( sin t)dt = sin tdt = t 4 sin(t) a sin tdt sin 4 tdt = 8 t 4 sin(t) + sin(4t) r dr = π a4. sin 4 tdt Hledaný křivkový integrál je K F dr = a 4 (π 4 π) = π a4, což je stejný výsledek jako v a), ale co to dalo práce!!! Cvičení 8.: Cvičení 8.: neboli Cvičení 8.: Upravte Ukažte, že Ukažte, že ( a + b ). (f a ) = ( f) a + f( a ) div(f a ) = (gradf) a + fdiv a. (f a ) = ( f) a + f( a ). Cvičení 8.4: Necht r = (x, y, z), r = x + y + z. (a) Vypočtěte ( r ). r (b) Vypočtěte rot r = r. (c) Vypočtěte r. 47

47 ( r ) (d) Vypočtěte. r (e) Vypočtěte r. (f) Vypočtěte ( ). r Cvičení 8.5: Cvičení 8.6: Určete divergenci vektorového pole g = gradf, kde f(x, y, z) = x + y + z. Spočtěte F dr, kde F (x, y) = (x + y, x y ) a K je hranice množiny K M = {(x, y) R, < x <, < y < x } probíhaná tak, že tato množina bude po levé ruce. Počítejte a) z Greenovy věty, b) přímo. Cvičení 8.7: Spočtěte F dr, kde F (x, y) = (e x y + arctg x, x e x y ) a K je hranice K obdélníka ABCD, A = (, ), B = (, ), C = (, ), D = (, ). Orientaci volte v kladném smyslu. 48

48 Výsledky cvičení Číselné řady, konvergence a absolutní konvergence, kritéria konvergence.. a) s =, b) s =, c) s =, d) s = e e, e) s =, f) s = 4, g) s = 4, h) s =,. a) Diverguje, b) konverguje, c) konverguje, d) diverguje.. a) Konverguje, b) diverguje, c) konverguje, d) konverguje e) konverguje f) konverguje..4 a) Diverguje, b) konverguje, c) konverguje, d) diverguje..5 a) Konverguje, b) diverguje, c) diverguje, d) konverguje..6 a) Konverguje, b) konverguje absolutně, c) konverguje, d) konverguje..7 a) Diverguje, b) konverguje abs., c) konverguje, d) konverguje e) diverguje f) diverguje. g) konverguje, h) konverguje, i) konverguje j) diverguje. Funkční řady, bodová, stejnoměrná konvergence, kritéria konvergence.. a) Konverguje na (, ), b) konverguje na R, c) konverguje na (, ), d) konverguje na, ), e) konverguje na R, f) diverguje na R, g) diverguje na (, ), h) konverguje pro x kπ, k Z.. a) Konverguje stejnoměrně na R, b) konverguje stejnoměrně na x, ), x >, c) konverguje stejnoměrně na (, x, x > ln, d) konverguje stejnoměrně na R, e) konverguje stejnoměrně na x, ), x >, f) konverguje stejnoměrně na x, ), x >, 49

49 Mocninné řady, poloměr konvergence. Taylorovy řady.. a) R =, (,, b) R = 4, 4, 4 ),. a) c) R =, (, + ), d) R =, (, ), e) R =, R, f) R =, {}, g) R =, (, ), h) R =, (, ). c) e) g). a) c).4 ( ) n x n, b) n= n= ( ) n ((x ) n n+, ( ) n x n+ (n + )!, d) ( ) n xn (n)!, n= (x ) n, f) n= n= n= n= x n n! n, h) x n n= n= n= ( ) n n (x π 4 )n (n)! ln n x n. n! n!,, x R, b) ( ) n x n+ (n + )!, x R, ( ) n xn+ (n + ), x (,, d) n (n + )nxn ( ), x (, ). n n + =. 4 Ortogonální matice, ortogonální transformace. 4. a) x = [, ] T, A x b = 6, b) [ ] T 4 x = 7 7, A x b = 5 7 4, c) [ ] T 4 x = 5 5 5, A x b = 5, n= d) x = [,, ] T, A x b =, soustava není přeurčená. Výsledky následujících příkladů nejsou jednoznačné. U matic záleží na pořadí nulování prvků, u vektorů na pořadí kroků ortogonalizace., 4. R =

50 4. R = a) 5 [,, ] T, [,, 5] T b) 6 [,,, ] T, [,,, 4]T, [,,, ]T 5 Maticové rozklady LU, QR. 5. L = U = Q = , R = Vlastní čísla a vlastní vektory 6. a) λ =, vlastní vektory [,, ] T, [,, ] T, geometrická i algebraická násobnost, 6. λ =, vlastní vektor [,, ] T, geometrická i algebraická násobnost, b) λ =, vlastní vektor [,, ] T, algebraická násobnost, geometrická násobnost, c) λ =, vlastní vektor [, 4, ] T, λ = + i, vlastní vektor [ i, i, ] T, λ = i, vl. vektor [ + i, i, ] T, geom. i alg. násobnost všech vl. čísel je. A T A = [ ], λ =, λ =, v = 5 5, v = 5 5, σ =, σ =. 7 Lineární zobrazení, operátor a funkcionál. 7. T není lineární. 7. T je lineární a spojitý, T = π. 5

51 7. T je lineární a spojitý, T =. 7.4 T je lineární a spojitý, T = T je lineární a spojitý, T = e. 7.6 T je lineární a spojitý, T =. 7.7 T je lineární a spojitý, T π. 7.8 T je lineární a spojitý, T =. 7.9 T je lineární a spojitý, T =. 7. σ p (T ) =. 7. σ p (T ) =. 7. σ p (T ) = {i,, i, }. 7. σ p (T ) = {,,,,,... } σ p (T ) = { }. 7.5 σ(t ) = {λ C; λ }. 7.6 σ(t ) = {, }. 8 Vektorová analýza 8. ( a + b ) = a + b (div( a + b ) = div a + div b ). 8. Rozepište divergenci a gradient podle definice. 8. Rozepište diferenciální operátory podle definice. 8.4 (a) r r r, (b), (c) (,, ), (d), (e) r, (f) r. 5

52 8.6 Podle Greenovy věty platí F dx + F dy = 8.7. M K (x y)dxdy = M ( F x (x, y) F ) (x, y) dxdy = y ( ) x (x y)dy dx = (x x 4 )dx = 5. Při přímém výpočtu křivkového integrálu by bylo třeba rozdělit křivku na čtyři části: K : r (t) = (t, ), t,, úsečka K : r (t) = (, t), t,, úsečka K : r (t) = ( t, t ), t,, část paraboly K 4 : r 4 (t) = (, t), t,, úsečka 5

Matematika III. Miroslava Dubcová, Daniel Turzík, Drahoslava Janovská. Ústav matematiky

Matematika III. Miroslava Dubcová, Daniel Turzík, Drahoslava Janovská. Ústav matematiky Matematika III Řady Miroslava Dubcová, Daniel Turzík, Drahoslava Janovská Ústav matematiky Přednášky ZS 202-203 Obsah Číselné řady. Součet nekonečné řady. Kritéria konvergence 2 Funkční řady. Bodová konvergence.

Více

Posloupnosti a řady. 28. listopadu 2015

Posloupnosti a řady. 28. listopadu 2015 Posloupnosti a řady Přednáška 5 28. listopadu 205 Obsah Posloupnosti 2 Věty o limitách 3 Řady 4 Kritéria konvergence 5 Absolutní a relativní konvergence 6 Operace s řadami 7 Mocninné a Taylorovy řady Zdroj

Více

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

Úlohy k přednášce NMAG 101 a 120: Lineární algebra a geometrie 1 a 2, Úlohy k přednášce NMAG a : Lineární algebra a geometrie a Verze ze dne. května Toto je seznam přímočarých příkladů k přednášce. Úlohy z tohoto seznamu je nezbytně nutné umět řešit. Podobné typy úloh se

Více

ŘADY KOMPLEXNÍCH FUNKCÍ

ŘADY KOMPLEXNÍCH FUNKCÍ ŘADY KOMPLEXNÍCH FUNKCÍ OBECNÉ VLASTNOSTI Řady komplexních čísel z n byly částečně probírány v kapitole o číselných řadách. Definice říká, že n=0 z n = z, jestliže z je limita částečných součtů řady z

Více

Otázky k ústní zkoušce, přehled témat A. Číselné řady

Otázky k ústní zkoušce, přehled témat A. Číselné řady Otázky k ústní zkoušce, přehled témat 2003-2004 A Číselné řady Vysvětlete pojmy částečný součet řady, součet řady, řadonverguje, řada je konvergentní Formulujte nutnou podmínku konvergence řady a odvoďte

Více

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

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

Více

Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory

Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory Zkouška ověřuje znalost základních pojmů, porozumění teorii a schopnost aplikovat teorii při

Více

Michal Fusek. 10. přednáška z AMA1. Ústav matematiky FEKT VUT, Michal Fusek 1 / 62

Michal Fusek. 10. přednáška z AMA1. Ústav matematiky FEKT VUT, Michal Fusek 1 / 62 Nekonečné řady Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 0. přednáška z AMA Michal Fusek (fusekmi@feec.vutbr.cz) / 62 Obsah Nekonečné číselné řady a určování jejich součtů 2 Kritéria

Více

Lineární algebra : Metrická geometrie

Lineární algebra : Metrická geometrie Lineární algebra : Metrická geometrie (16. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 6. května 2014, 10:42 1 2 Úvod Zatím jsme se lineární geometrii věnovali v kapitole o lineárních

Více

Nechť je číselná posloupnost. Pro všechna položme. Posloupnost nazýváme posloupnost částečných součtů řady.

Nechť je číselná posloupnost. Pro všechna položme. Posloupnost nazýváme posloupnost částečných součtů řady. Číselné řady Definice (Posloupnost částečných součtů číselné řady). Nechť je číselná posloupnost. Pro všechna položme. Posloupnost nazýváme posloupnost částečných součtů řady. Definice (Součet číselné

Více

Zdrojem většiny příkladů je sbírka úloh 1. cvičení ( ) 2. cvičení ( )

Zdrojem většiny příkladů je sbírka úloh   1. cvičení ( ) 2. cvičení ( ) Příklady řešené na cvičení LA II - LS 1/13 Zdrojem většiny příkladů je sbírka úloh http://kam.mff.cuni.cz/~sbirka/ 1. cvičení (..13) 1. Rozhodněte, které z následujících operací jsou skalárním součinem

Více

To je samozřejmě základní pojem konvergence, ale v mnoha případech je příliš obecný a nestačí na dokazování některých užitečných tvrzení.

To je samozřejmě základní pojem konvergence, ale v mnoha případech je příliš obecný a nestačí na dokazování některých užitečných tvrzení. STEJNOMĚRNÁ KONVERGENCE Zatím nebylo v těchto textech věnováno příliš pozornosti konvergenci funkcí, at jako limita posloupnosti nebo součet řady. Jinak byla posloupnosti funkcí nebo řady brána jako. To

Více

EUKLIDOVSKÉ PROSTORY

EUKLIDOVSKÉ PROSTORY EUKLIDOVSKÉ PROSTORY Necht L je lineární vektorový prostor nad tělesem reálných čísel R. Zobrazení (.,.) : L L R splňující vlastnosti 1. (x, x) 0 x L, (x, x) = 0 x = 0, 2. (x, y) = (y, x) x, y L, 3. (λx,

Více

1 Projekce a projektory

1 Projekce a projektory Cvičení 3 - zadání a řešení úloh Základy numerické matematiky - NMNM20 Verze z 5. října 208 Projekce a projektory Opakování ortogonální projekce Definice (Ortogonální projekce). Uvažujme V vektorový prostor

Více

VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY

VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY Jan Krejčí 31. srpna 2006 jkrejci@physics.ujep.cz http://physics.ujep.cz/~jkrejci Obsah 1 Přímé metody řešení soustav lineárních rovnic 3 1.1 Gaussova eliminace...............................

Více

Vlastní čísla a vlastní vektory

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

Více

Lineární algebra : Skalární součin a ortogonalita

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

Více

Definice : Definice :

Definice : Definice : KAPITOLA 7: Spektrální analýza operátorů a matic [PAN16-K7-1] Definice : Necht H je komplexní Hilbertův prostor. Řekneme, že operátor T B(H) je normální, jestliže T T = T T. Operátor T B(H) je normální

Více

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

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

Více

0.1 Úvod do lineární algebry

0.1 Úvod do lineární algebry Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Lineární rovnice o 2 neznámých Definice 011 Lineární rovnice o dvou neznámých x, y je rovnice, která může být vyjádřena ve tvaru ax + by = c, kde

Více

Derivace funkcí více proměnných

Derivace funkcí více proměnných Derivace funkcí více proměnných Pro studenty FP TUL Martina Šimůnková 16. května 019 1. Derivace podle vektoru jako funkce vektoru. Pro pevně zvolenou funkci f : R d R n a bod a R d budeme zkoumat zobrazení,

Více

7. Derivace složené funkce. Budeme uvažovat složenou funkci F = f(g), kde některá z jejich součástí

7. Derivace složené funkce. Budeme uvažovat složenou funkci F = f(g), kde některá z jejich součástí 202-m3b2/cvic/7slf.tex 7. Derivace složené funkce. Budeme uvažovat složenou funkci F = fg, kde některá z jejich součástí může být funkcí více proměnných. Předpokládáme, že uvažujeme funkce, které mají

Více

15 Maticový a vektorový počet II

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

Více

Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague

Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague Tomáš Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague 1 / 63 1 2 3 4 5 6 7 8 9 10 11 2 / 63 Aritmetický vektor Definition 1 Aritmetický vektor x je uspořádaná

Více

Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat

Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat Čtvercová matice n n, např. může reprezentovat: A = A A 2 A 3 A 2 A 22 A 23 A 3 A 32 A 33 matici koeficientů soustavy n lineárních

Více

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

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic Přednáška třetí (a pravděpodobně i čtvrtá) aneb Úvod do lineární algebry Matice a soustavy rovnic Lineární rovnice o 2 neznámých Lineární rovnice o 2 neznámých Lineární rovnice o dvou neznámých x, y je

Více

EXTRÉMY FUNKCÍ VÍCE PROMĚNNÝCH

EXTRÉMY FUNKCÍ VÍCE PROMĚNNÝCH EXTRÉMY FUNKCÍ VÍCE PROMĚNNÝCH ÚLOHY ŘEŠITELNÉ BEZ VĚTY O MULTIPLIKÁTORECH Nalezněte absolutní extrémy funkce f na množině M. 1. f(x y) = x + y; M = {x y R 2 ; x 2 + y 2 1} 2. f(x y) = e x ; M = {x y R

Více

Soustavy lineárních rovnic

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

Více

Co je obsahem numerických metod?

Co je obsahem numerických metod? Numerické metody Úvod Úvod Co je obsahem numerických metod? Numerické metody slouží k přibližnému výpočtu věcí, které se přesně vypočítat bud nedají vůbec, nebo by byl výpočet neúměrně pracný. Obsahem

Více

Určete (v závislosti na parametru), zda daný integrál konverguje, respektive zda konverguje. dx = t 1/α 1 dt. sin x α dx =

Určete (v závislosti na parametru), zda daný integrál konverguje, respektive zda konverguje. dx = t 1/α 1 dt. sin x α dx = . cvičení http://www.karlin.mff.cuni.cz/ kuncova/ kytaristka@gmail.com Teorie Věta 1 (Abelovo-Dirichletovo kritérium konveregnce Newtonova integrálu). Necht a R, b R a necht a < b. Necht f : [a, b) R je

Více

Matematika I A ukázkový test 1 pro 2014/2015

Matematika I A ukázkový test 1 pro 2014/2015 Matematika I A ukázkový test 1 pro 2014/2015 1. Je dána soustava rovnic s parametrem a R x y + z = 1 x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a a) Napište Frobeniovu větu (existence i počet řešení). b)

Více

5. Lokální, vázané a globální extrémy

5. Lokální, vázané a globální extrémy 5 Lokální, vázané a globální extrémy Studijní text Lokální extrémy 5 Lokální, vázané a globální extrémy Definice 51 Řekneme, že f : R n R má v bodě a Df: 1 lokální maximum, když Ka, δ Df tak, že x Ka,

Více

a vlastních vektorů Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové (A λ i I) v = 0.

a vlastních vektorů Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové (A λ i I) v = 0. Výpočet vlastních čísel a vlastních vektorů S pojmem vlastního čísla jsme se již setkali například u iteračních metod pro řešení soustavy lineárních algebraických rovnic. Velikosti vlastních čísel iterační

Více

0.1 Úvod do lineární algebry

0.1 Úvod do lineární algebry Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Vektory Definice 011 Vektorem aritmetického prostorur n budeme rozumět uspořádanou n-tici reálných čísel x 1, x 2,, x n Definice 012 Definice sčítání

Více

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:

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...

Více

4. OBYČEJNÉ DIFERENCIÁLNÍ ROVNICE

4. OBYČEJNÉ DIFERENCIÁLNÍ ROVNICE FBI VŠB-TUO 28. března 2014 4.1. Základní pojmy Definice 4.1. Rovnice tvaru F (x, y, y, y,..., y (n) ) = 0 se nazývá obyčejná diferenciální rovnice n-tého řádu a vyjadřuje vztah mezi neznámou funkcí y

Více

Pro jakou hodnotu parametru α jsou zadané vektory kolmé? (Návod: Vektory jsou kolmé, je-li jejich skalární součin roven nule.)

Pro jakou hodnotu parametru α jsou zadané vektory kolmé? (Návod: Vektory jsou kolmé, je-li jejich skalární součin roven nule.) Vybrané příklady ze skript J. Neustupa, S. Kračmar: Sbírka příkladů z Matematiky I I. LINEÁRNÍ ALGEBRA I.. Vektory, vektorové prostory Jsou zadány vektory u, v, w a reálná čísla α, β, γ. Vypočítejte vektor

Více

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

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] MATICE Matice typu m/n nad tělesem T je soubor m n prvků z tělesa T uspořádaných do m řádků a n sloupců: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] a m1 a m2 a mn Prvek a i,j je prvek matice A na místě

Více

Nekonečné číselné řady. January 21, 2015

Nekonečné číselné řady. January 21, 2015 Nekonečné číselné řady January 2, 205 IMA 205 Příklad 0 = 0 + 0 +... + 0 +... =? n= IMA 205 Příklad n= n 2 + n = 2 + 6 + 2 +... + n 2 +... =? + n s = 2 s 2 = 2 3... s 3 = 3 4 IMA 205 Příklad (pokr.) =

Více

Požadavky ke zkoušce

Požadavky ke zkoušce Požadavky ke zkoušce Zkouška z předmětu MATEMATIKA 2 má dvě části Písemná část: Písemná část se ještě dále rozděluje na praktickou část písemku a teoretickou část test. Písemka trvá 90 minut a je v ní

Více

2. Určte hromadné body, limitu superior a limitu inferior posloupností: 2, b n = n. n n n.

2. Určte hromadné body, limitu superior a limitu inferior posloupností: 2, b n = n. n n n. Písemka matematika 3 s řešením 1. Vypočtěte lim n( 1 + n 2 n), n lim n (( 1 + 1 n e ) n ) n. 1/2, 1/ e 2. Určte hromadné body, limitu superior a limitu inferior posloupností: a n = sin nπ ( 2, b n = n

Více

Diferenciální počet 1 1. f(x) = ln arcsin 1 + x 1 x. 1 x 1 a x 1 0. f(x) = (cos x) cosh x + 3x. x 0 je derivace funkce f(x) v bodě x0.

Diferenciální počet 1 1. f(x) = ln arcsin 1 + x 1 x. 1 x 1 a x 1 0. f(x) = (cos x) cosh x + 3x. x 0 je derivace funkce f(x) v bodě x0. Nalezněte definiční obor funkce Diferenciální počet f = ln arcsin + Definiční obor funkce f je určen vztahy Z těchto nerovností plyne < + ln arcsin + je tedy D f =, Určete definiční obor funkce arcsin

Více

VEKTOROVÁ POLE Otázky

VEKTOROVÁ POLE Otázky VEKTOROVÁ POLE VEKTOROVÁ POLE Je-li A podmnožina roviny a f je zobrazení A do R 2, které je dáno souřadnicemi f 1, f 2, tj., f(x, y) = (f 1 (x, y), f 2 (x, y)) pro (x, y) A, lze chápat dvojici (f 1 (x,

Více

Riemannův určitý integrál

Riemannův určitý integrál Riemannův určitý integrál 1. Motivační příklad Příklad (Motivační příklad pro zavedení Riemannova integrálu). Nechť,. Vypočtěme obsah vybarvené oblasti ohraničené grafem funkce, osou a svislými přímkami

Více

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

1 Zobrazení 1 ZOBRAZENÍ 1. Zobrazení a algebraické struktury. (a) Ukažte, že zobrazení f : x 1 ZOBRAZENÍ 1 Zobrazení a algebraické struktury 1 Zobrazení Příklad 1.1. (a) Ukažte, že zobrazení f : x na otevřený interval ( 1, 1). x x +1 je bijekce množiny reálných čísel R (b) Necht a, b R, a < b.

Více

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)

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

Více

vyjádřete ve tvaru lineární kombinace čtverců (lineární kombinace druhých mocnin). Rozhodněte o definitnosti kvadratické formy κ(x).

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

Více

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A1. Cvičení, zimní semestr. Samostatné výstupy. Jan Šafařík

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A1. Cvičení, zimní semestr. Samostatné výstupy. Jan Šafařík Vysoké učení technické v Brně Stavební fakulta ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE Matematika 0A1 Cvičení, zimní semestr Samostatné výstupy Jan Šafařík Brno c 2003 Obsah 1. Výstup č.1 2 2. Výstup

Více

INTEGRÁLY S PARAMETREM

INTEGRÁLY S PARAMETREM INTEGRÁLY S PARAMETREM b a V kapitole o integraci funkcí více proměnných byla potřeba funkce g(x) = f(x, y) dy proměnné x. Spojitost funkce g(x) = b a f(x, y) dy proměnné x znamená vlastně prohození limity

Více

f konverguje a g je omezená v (a, b), pak také konverguje integrál b a fg. Dirichletovo kritérium. Necht < a < b +, necht f : [a, b) R je funkce

f konverguje a g je omezená v (a, b), pak také konverguje integrál b a fg. Dirichletovo kritérium. Necht < a < b +, necht f : [a, b) R je funkce 1. cvičení http://www.karlin.mff.cuni.cz/ kuncova/ kytaristka@gmail.com Teorie Abelovo kritérium. Necht < a < b +, necht f : [a, b) R je funkce spojitá na [a, b) a funkce g : [a, b) R je na [a, b) spojitá

Více

Matematická analýza III.

Matematická analýza III. 2. Parciální derivace Miroslav Hušek, Lucie Loukotová UJEP 2010 Parciální derivace jsou zobecněním derivace funkce jedné proměnné. V této kapitole poznáme jejich základní vlastnosti a využití. Co bychom

Více

Úlohy nejmenších čtverců

Úlohy nejmenších čtverců Úlohy nejmenších čtverců Petr Tichý 7. listopadu 2012 1 Problémy nejmenších čtverců Ax b Řešení Ax = b nemusí existovat, a pokud existuje, nemusí být jednoznačné. Často má smysl hledat x tak, že Ax b.

Více

6 Lineární geometrie. 6.1 Lineární variety

6 Lineární geometrie. 6.1 Lineární variety 6 Lineární geometrie Motivace. Pojem lineární varieta, který budeme v této kapitole studovat z nejrůznějších úhlů pohledu, není žádnou umělou konstrukcí. Příkladem lineární variety je totiž množina řešení

Více

LDF MENDELU. Simona Fišnarová (MENDELU) LDR druhého řádu VMAT, IMT 1 / 22

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)

Více

19 Hilbertovy prostory

19 Hilbertovy prostory M. Rokyta, MFF UK: Aplikovaná matematika III kap. 19: Hilbertovy prostory 34 19 Hilbertovy prostory 19.1 Úvod, základní pojmy Poznámka (připomenutí). Necht (X,(, )) je vektorový prostor se skalárním součinem

Více

Obsah Obyčejné diferenciální rovnice

Obsah Obyčejné diferenciální rovnice Obsah 1 Obyčejné diferenciální rovnice 3 1.1 Základní pojmy............................................ 3 1.2 Obyčejné diferenciální rovnice 1. řádu................................ 5 1.3 Exaktní rovnice............................................

Více

Matematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29

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

Více

Úvodní informace. 17. února 2018

Úvodní informace. 17. února 2018 Úvodní informace Funkce více proměnných Přednáška první 17. února 2018 Obsah 1 Úvodní informace. 2 Funkce více proměnných Definiční obor Limita a spojitost Derivace, diferencovatelnost, diferenciál Úvodní

Více

Příklady pro předmět Aplikovaná matematika (AMA) část 1

Příklady pro předmět Aplikovaná matematika (AMA) část 1 Příklady pro předmět plikovaná matematika (M) část 1 1. Lokální extrémy funkcí dvou a tří proměnných Nalezněte lokální extrémy funkcí: (a) f 1 : f 1 (x, y) = x 3 3x + y 2 + 2y (b) f 2 : f 2 (x, y) = 1

Více

Necht L je lineární prostor nad R. Operaci : L L R nazýváme

Necht L je lineární prostor nad R. Operaci : L L R nazýváme Skalární součin axiomatická definice odvození velikosti vektorů a úhlu mezi vektory geometrická interpretace ortogonalita vlastnosti ortonormálních bázi [1] Definice skalárního součinu Necht L je lineární

Více

Připomenutí co je to soustava lineárních rovnic

Připomenutí co je to soustava lineárních rovnic Připomenutí co je to soustava lineárních rovnic Příklad 2x 3y + z = 5 3x + 5y + 2z = 4 x + 2y z = 1 Soustava lineárních rovnic obecně Maticový tvar: a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a

Více

Uzavřené a otevřené množiny

Uzavřené a otevřené množiny Teorie: Uzavřené a otevřené množiny 2. cvičení DEFINICE Nechť M R n. Bod x M nazveme vnitřním bodem množiny M, pokud existuje r > 0 tak, že B(x, r) M. Množinu všech vnitřních bodů značíme Int M. Dále,

Více

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 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

Více

Vlastní čísla a vlastní vektory

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

Více

VEKTOROVÁ POLE VEKTOROVÁ POLE

VEKTOROVÁ POLE VEKTOROVÁ POLE Je-li A podmnožina roviny a f je zobrazení A do R 2, které je dáno souřadnicemi f 1, f 2, tj., f(x, y) = (f 1 (x, y), f 2 (x, y)) pro (x, y) A, lze chápat dvojici (f 1 (x, y), f 2 (x, y)) jako vektor s

Více

11. Číselné a mocninné řady

11. Číselné a mocninné řady 11. Číselné a mocninné řady Aplikovaná matematika III, NMAF072 M. Rokyta, KMA MFF UK ZS 2017/18 11.1 Základní pojmy Definice Necht {a n } C je posloupnost komplexních čísel. Pro m N položme s m = a 1 +

Více

6.1 Vektorový prostor

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

Více

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory K množina reálných nebo komplexních čísel, U vektorový prostor nad K. Lineární kombinace vektorů u 1, u 2,...,u

Více

Lineární algebra : Skalární součin a ortogonalita

Lineární algebra : Skalární součin a ortogonalita Lineární algebra : Skalární součin a ortogonalita (15. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních

Více

Cvičení z Lineární algebry 1

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

Více

Derivace a monotónnost funkce

Derivace a monotónnost funkce Derivace a monotónnost funkce Věta : Uvažujme funkci f (x), která má na intervalu I derivaci f (x). Pak platí: je-li f (x) > 0 x I, funkce f je na intervalu I rostoucí. je-li f (x) < 0 x I, funkce f je

Více

2. kapitola: Euklidovské prostory

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

Více

Program SMP pro kombinované studium

Program SMP pro kombinované studium Zadání příkladů k procvičení na seminář Program SMP pro kombinované studium Nejdůležitější typy příkladů - minimum znalostí před zkouškovou písemkou 1) Matice 1. Pro matice 1 0 2 1 0 3 B = 7 3 4 4 2 0

Více

Arnoldiho a Lanczosova metoda

Arnoldiho a Lanczosova metoda Arnoldiho a Lanczosova metoda 1 Částečný problém vlastních čísel Ne vždy je potřeba (a někdy to není ani technicky možné) nalézt celé spektrum dané matice (velké řídké matice). Úloze, ve které chceme aproximovat

Více

10 Funkce více proměnných

10 Funkce více proměnných M. Rokyta, MFF UK: Aplikovaná matematika II kap. 10: Funkce více proměnných 16 10 Funkce více proměnných 10.1 Základní pojmy Definice. Eukleidovskou vzdáleností bodů x = (x 1,...,x n ), y = (y 1,...,y

Více

1 Lineární prostory a podprostory

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

Více

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

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

Více

Matematika II, úroveň A ukázkový test č. 1 (2018) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené

Matematika II, úroveň A ukázkový test č. 1 (2018) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené 2. 3. 2018 Matematika II, úroveň A ukázkový test č. 1 (2018) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené mn. M E n. Zapište a načrtněte množinu D, ve které

Více

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 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

Více

Petr Hasil. c Petr Hasil (MUNI) Nekonečné řady MA III (M3100) 1 / 183

Petr Hasil. c Petr Hasil (MUNI) Nekonečné řady MA III (M3100) 1 / 183 Nekonečné řady Petr Hasil Přednáška z Matematické analýzy III c Petr Hasil (MUNI) Nekonečné řady MA III (M3100) 1 / 183 Obsah 1 Nekonečné číselné řady Základní pojmy Řady s nezápornými členy Řady s libovolnými

Více

ALGEBRA. Téma 5: Vektorové prostory

ALGEBRA. Téma 5: Vektorové prostory SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1, 746 01 Opava, tel. (553) 684 611 DENNÍ STUDIUM Téma 5: Vektorové prostory Základní pojmy Vektorový prostor nad polem P, reálný (komplexní)

Více

Matematika 2 LS 2012/13. Prezentace vznikla na základě učebního textu, jehož autorem je doc. RNDr. Mirko Rokyta, CSc. J. Stebel Matematika 2

Matematika 2 LS 2012/13. Prezentace vznikla na základě učebního textu, jehož autorem je doc. RNDr. Mirko Rokyta, CSc. J. Stebel Matematika 2 Matematika 2 14. přednáška Číselné a mocninné řady Jan Stebel Fakulta mechatroniky, informatiky a mezioborových studíı Technická univerzita v Liberci jan.stebel@tul.cz http://bacula.nti.tul.cz/~jan.stebel

Více

2. Určete jádro KerL zobrazení L, tj. nalezněte alespoň jednu jeho bázi a určete jeho dimenzi.

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

Více

[obrázek γ nepotřebujeme, interval t, zřejmý, integrací polynomu a per partes vyjde: (e2 + e) + 2 ln 2. (e ln t = t) ] + y2

[obrázek γ nepotřebujeme, interval t, zřejmý, integrací polynomu a per partes vyjde: (e2 + e) + 2 ln 2. (e ln t = t) ] + y2 4.1 Křivkový integrál ve vektrovém poli přímým výpočtem 4.1 Spočítejte práci síly F = y i + z j + x k při pohybu hmotného bodu po orientované křivce, která je dána jako oblouk ABC na průnikové křivce ploch

Více

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

Dnešní látka: Literatura: Kapitoly 3 a 4 ze skript Karel Rektorys: Matematika 43, ČVUT, Praha, Text přednášky na webové stránce přednášejícího. Předmět: MA4 Dnešní látka: Od okrajových úloh v 1D k o. ú. ve 2D Laplaceův diferenciální operátor Variačně formulované okrajové úlohy pro parciální diferenciální rovnice a metody jejich přibližného řešení

Více

Hledáme lokální extrémy funkce vzhledem k množině, která je popsána jednou či několika rovnicemi, vazebními podmínkami. Pokud jsou podmínky

Hledáme lokální extrémy funkce vzhledem k množině, která je popsána jednou či několika rovnicemi, vazebními podmínkami. Pokud jsou podmínky 6. Vázané a absolutní extrémy. 01-a3b/6abs.tex Hledáme lokální extrémy funkce vzhledem k množině, která je popsána jednou či několika rovnicemi, vazebními podmínkami. Pokud jsou podmínky jednoduché, vyřešíme

Více

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

Učební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Skalární součin študenti MFF 15. augusta 2008 1 10 Skalární součin Požadavky Vlastnosti v reálném i komplexním případě Norma Cauchy-Schwarzova nerovnost

Více

PRIMITIVNÍ FUNKCE DEFINICE A MOTIVACE

PRIMITIVNÍ FUNKCE DEFINICE A MOTIVACE PIMITIVNÍ FUNKCE V předchozích částech byly zkoumány derivace funkcí a hlavním tématem byly funkce, které derivace mají. V této kapitole se budou zkoumat funkce, které naopak jsou derivacemi jiných funkcí

Více

pouze u některých typů rovnic a v tomto textu se jím nebudeme až na

pouze u některých typů rovnic a v tomto textu se jím nebudeme až na Matematika II 7.1. Zavedení diferenciálních rovnic Definice 7.1.1. Rovnice tvaru F(y (n), y (n 1),, y, y, x) = 0 se nazývá diferenciální rovnice n-tého řádu pro funkci y = y(x). Speciálně je F(y, y, x)

Více

Požadavky ke zkoušce. Ukázková písemka

Požadavky ke zkoušce. Ukázková písemka Požadavky ke zkoušce Zkouška z předmětu MATEMATIKA 1 má dvě části Písemná část: Písemná část se ještě dále rozděluje na praktickou část písemku a teoretickou část test. Písemka trvá 90 minut a je v ní

Více

Matematika I 12a Euklidovská geometrie

Matematika I 12a Euklidovská geometrie Matematika I 12a Euklidovská geometrie Jan Slovák Masarykova univerzita Fakulta informatiky 3. 12. 2012 Obsah přednášky 1 Euklidovské prostory 2 Odchylky podprostorů 3 Standardní úlohy 4 Objemy Plán přednášky

Více

18 Fourierovy řady Úvod, základní pojmy

18 Fourierovy řady Úvod, základní pojmy M. Rokyta, MFF UK: Aplikovaná matematika III kap. 18: Fourierovy řady 7 18 Fourierovy řady 18.1 Úvod, základní pojmy Otázka J. Fouriera: Lze každou periodickou funkci napsat jako součet nějakých "elementárních"

Více

1 Soustavy lineárních rovnic

1 Soustavy lineárních rovnic 1 Soustavy lineárních rovnic 1.1 Základní pojmy Budeme uvažovat soustavu m lineárních rovnic o n neznámých s koeficienty z tělesa T (potom hovoříme o soustavě m lineárních rovnic o n neznámých nad tělesem

Více

LEKCE10-RAD Otázky

LEKCE10-RAD Otázky Řady -ekv ne ŘADY ČÍSEL 1. limita posloupnosti (operace založená na vzdálenosti bodů) 2. supremum nebo infimum posloupnosti (operace založená na uspořádání bodů). Z hlavních struktur reálných čísel zbývá

Více

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

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést Úlohy k zamyšlení 1. Zdůvodněte, proč třetí řádek Hornerova schématu pro vyhodnocení polynomu p v bodě c obsahuje koeficienty polynomu r, pro který platí p(x) = (x c) r(x) + p(c). 2. Dokažte, že pokud

Více

Zobecněný Riemannův integrál

Zobecněný Riemannův integrál Zobecněný Riemannův integrál Definice (Zobecněný Riemannův integrál). Buď,,. Nechť pro všechna existuje určitý Riemannův integrál. Pokud existuje konečná limita, říkáme, že zobecněný Riemannův integrál

Více

f(x) = arccotg x 2 x lim f(x). Určete všechny asymptoty grafu x 2 2 =

f(x) = arccotg x 2 x lim f(x). Určete všechny asymptoty grafu x 2 2 = Řešení vzorové písemky z předmětu MAR Poznámky: Řešení úloh ze vzorové písemky jsou formulována dosti podrobně podobným způsobem jako u řešených příkladů ve skriptech U zkoušky lze jednotlivé kroky postupu

Více

PRIMITIVNÍ FUNKCE. Primitivní funkce primitivní funkce. geometrický popis integrály 1 integrály 2 spojité funkce konstrukce prim.

PRIMITIVNÍ FUNKCE. Primitivní funkce primitivní funkce. geometrický popis integrály 1 integrály 2 spojité funkce konstrukce prim. PRIMITIVNÍ FUNKCE V předchozích částech byly zkoumány derivace funkcí a hlavním tématem byly funkce, které derivace mají. V této kapitole se budou zkoumat funkce, které naopak jsou derivacemi jiných funkcí

Více

Matematika B101MA1, B101MA2

Matematika B101MA1, B101MA2 Matematika B101MA1, B101MA2 Zařazení předmětu: povinný předmět 1.ročníku bc studia 2 semestry Rozsah předmětu: prezenční studium 2 + 2 kombinované studium 16 + 0 / semestr Zakončení předmětu: ZS zápočet

Více

8 Matice a determinanty

8 Matice a determinanty M Rokyta, MFF UK: Aplikovaná matematika II kap 8: Matice a determinanty 1 8 Matice a determinanty 81 Matice - definice a základní vlastnosti Definice Reálnou resp komplexní maticí A typu m n nazveme obdélníkovou

Více