Budeme se zabývat rozkladem prostoru V na p»r mý sou»cet tzv. invariantn ch podprostorνu,

Rozměr: px
Začít zobrazení ze stránky:

Download "Budeme se zabývat rozkladem prostoru V na p»r mý sou»cet tzv. invariantn ch podprostorνu,"

Transkript

1 Matematicky ustav Slezske univerzity v Opave U»cebn texty k p»redná»sce ALGEBRA II, letn semestr 22/23 Michal Marvan 8 Prvn rozklad lineárn transformace Vtéto p»redná»sce V ozna»cuje vektorový prostor (obvykle kone»cn»erozm»erný) nad polem P a f V! V je jistá pevn»e zvolená lineárn transformace Pro praktické výpo»cty sesta»c omezit na vektorový prostor V = P n a lineárn transformaci f P n! P n, f(u) =Au, kde A je»ctvercová matice Budeme se zabývat rozkladem prostoru V na p»r mý sou»cet tzv invariantn ch podprostorνu, s»c m»z je spojeno uveden matice A do blokov»e diagonáln ho tvaru Prvn (primárn ) rozklad je indukován rozkladem anuluj c ho (nap»r charakteristického) polynomu na nesoud»elné sou»cinitele (nap»r klad ko»renové»cinitele) Invariantn podprostory Je-li U V podprostor, pak symbolem fu ozna»cujeme jeho obraz p»ri zobrazen f, to jest, podprostor f f(u) j u 2 U g Definice Podprostor U V se nazývá invariantn (vzhledem k lineárn transformaci f), kdy»z plat fu U, tj kdy»z pro ka»zdé u 2 U je f(u) 2 U Je-li U invariantn podprostor, pak zobrazen U! U, zadané p»redpisem u 7! f(u), nazýváme restrikce (»cesky ohrani»cen ) lineárn ho zobrazen f na invariantn podprostor U Zna»c sefj U U! U ajez»rejm»e op»et lineárn (ov»e»rte) P»r klad () Celý prostor V anulový podprostor jsou invariantn podprostory (2) Je-li f v 7! cv, pak je ka»zdý podprostor invariantn (3) Je-li u vlastn vektor s vlastn hodnotou c, pak [[u]] jeinvariantn podprostor a fj [[u]] je zobrazen v 7! cv (4) Uva»zujme o rotaci ffi v prostoru E 3 kolem osy L procházej c po»cátkem o úhel ff 2 (; 2ß) Invariantn podporostory jsou nulový podprostor fg, osa rotace L, jej ortogonáln dopln»ek L? acelý prostor E 3 Libovolný vektor u 2 L se zobraz sám na sebe, proto ffij L je identické zobrazen id L Libovolný vektor v 2 L? zνustane v rovin»e L? a ffij L? je otá»cen roviny L? oúhel ff L u = ffi(u) 6 ffi(v) P PPq L? v (5) Uva»zujme o zrcadlen v prostoru E 3 vzhledem k rovin»e U procházej c po»cátkem Invariantn podporostory jsou nulový podprostor fg, rovina U a ka»zdý jej podprostor V U, ortogonáln dopln»ek U? a celý prostor E 3 Zobrazen j V je identické zobrazen id V Zobrazen j U? je zrcadlen p»r mky U? vzhledem k po»cátku Cvi»cen () Jednorozm»erný podprostor [[u]], u 6=, je invariantn práv»e tehdy, kdy»z u je vlastn vektor Doka»zte (2) Prνunik a sou»cet invariantn ch podprostorνu jsou invariantn podprostory Doka»zte (3) Ker f je invariantn podprostor Doka»zte Co je fj Ker f? (4) Im f je invariantn podprostor Doka»zte

2 8 Prvn rozklad lineárn transformace (5) Bud' v 2 V libovolný vektor Doka»zte,»ze [[v; f(v);f(f(v));f(f(f(v)));]] je invariantn podprostor (6) Necht' lineárn transformace f;g V! V komutuj, to jest, f ffig = gffif Bud' U V invariantn podprostor vzhledem k transformaci f Pak je gu invariantn podprostor i vzhledem k transformaci f Rozklad prostoru V na p»r mýsou»cet invariantn ch podprostorνu vede ke zjednodu»sen matice transformace f 2 Tvrzen Necht' existuje p»r mý rozklad V = U + U 2, kde U ;U 2 jsou invariantn podprostory Zvolme n»ejakou bázi e ;;e m v podprostoru U a n»ejakou bázi e m+ ;;e n vpodprostoru U 2 Pak e ;;e n je báze v prostoru V atransformace f vn má matici tvaru A = B a a m a m a mm a m+;m+ a m+;n Ozna»c me-li A = B a a m a n;m+ a nn a m a mm CA; A2 = pak A i je matice lineárn transformace fj Ui CA B a m+;m+ a m+;n a n;m+ a nn CA 3 Dνukaz Jako cvi»cen ov»e»rte,»ze e ;;e n je báze v prostoru V Ohledn»e matice A v me,»ze prvn ch m jej ch sloupcνu je tvo»reno sou»radnicemi vektorνu f(e );;f(e m )vbázi e ;;e n Vektory f(e );;f(e m )ov»sem le»z v podprostoru U s baz e ;;e m, tak»ze zbývaj c bázové vektory e m+ ;;e n budou m t nulové koeficienty Submatice A je pak matic zobrazen fj U vbázi e ;;e m (ov»e»rte) Zbytek analogicky O shora uvedené matici A»r káme,»ze je v blokov»e diagonáln m tvaru s bloky A, A 2 diagonále Stru»cn»e zapisujeme A = A A 2 na»r káme té»z,»ze A je p»r mý sou»cet submatic A a A 2 Podobn»e sevp»r pad»e p»r mého sou»ctu V = U + + U n invariantn ch podprostorνu U ;, U n, matice zobrazen f rozpadá nap»r mýsou»cet submatic A,A n odpov daj c ch lineárn m zobrazen m fj U,,fj Un A = B A A 2 A n CA ; O matici A pak rovn»e»z prav me,»ze je blokov»e diagonáln 2

3 8 Prvn rozklad lineárn transformace»casto se stává,»ze existuje dostatek jednorozm»erných invariantn ch podprostorνu (generovaných vlastn mi vektory), tak»ze prostor V lze rozlo»zit na jejich p»r mý sou»cet Bloky jsou potom velikosti, a znovu dostáváme ji»z známý p»r pad diagonalizovatelné matice 2 Anuluj c polynomy Od tohoto m sta se omez me na p»r pad lineárn transformace f P n! P n, f(u) =Au, kde A je»ctvercová matice Poznamenejme,»ze ka»zdou lineárn transformaci f kone»cn»erozm»erného vektorového prostoru V mνu»zeme takto interpretovat Sta»c zvolit bázi prostoru V a t m i izomorfismus V ο = P n a matici A zavést jako matici lineárn ho zobrazen f vtéto bázi Nejde proto o»zádné podstatné omezen Symbolem P [x] ozna»c me okruh polynomνu jedné neur»cité x s koeficienty z pole P Algebra polynomνu bude vylo»zena v jiné p»redná»sce; pro základn porozum»en tomuto textu sta»c v»ed»et,»ze ka»zdý polynom f 2 P [x] lze rozlo»zit na sou»cin dále nerozlo»zitelných»cinitelνu Ty jsou potom nutn»e po dvou nesoud»elné (»zádné dva nemaj nekonstantn ho spole»cného d»elitele) P»r kladem je ko»renový rozklad polynomu f 2 C[x] f = (x ο ) k (x ο 2 ) k2 (x ο r ) kr ; kde ο i 2 C jsou ko»reny polynomu f a k i jsou jejich násobnosti 2 Ozna»cen Bud' A»ctvercová matice Bud' p = a m x m + + a x + a 2 P [x] polynom skoeficienty zpolep Polo»zme p(a) =a m A m + + a A + a E,kdeE je jednotková matice stejného rozm»eru jako matice A» R káme,»ze matice p(a) jevýsledkem dosazen matice A do polynomu p 22 Tvrzen Jsou-li p; q 2 P [x] dva polynomy, pak plat (p + q)(a) = p(a) + q(a); (pq)(a) = p(a) q(a) pro libovolnou»ctvercovou matici A 23 Dνukaz Cvi»cen 24 Dνusledek Pro libovolnou»ctvercovou matici A máme p(a) q(a) = q(a) p(a); tj matice z skané dosazen m A do rνuzných polynomνu komutuj Mνu»ze se stát,»ze dosazen m do polynomu z skáme nulovou matici 25 Definice Necht' p 2 P [x], p 6=» Rekneme,»ze p je anuluj c polynom»ctvercové matice A, jestli»ze p(a) = Z následuj c ho tvrzen vyplývá,»ze anuluj c polynom matice lineárn transformace nezávis na volb»e báze 26 Tvrzen Podobné matice maj stejné anuluj c polynomy 27 Dνukaz Plat (Q AQ) i = Q AQ Q AQ Q AQ = Q A i Q,na»ce»z p(q AQ) = a m (Q AQ) m + + a Q AQ + a E = a m Q A m Q + + a Q AQ + a E = Q (a m A m + + a A + a E)Q = Q p(a)q 3

4 8 Prvn rozklad lineárn transformace Odtud tvrzen Pozd»eji uvid me,»ze v»sechny»ctvercové matice maj n»ejaký anuluj c polynom q 28 Tvrzen Bud' q anuluj c polynom matice A Necht' existuje rozklad q = q q 2 q m,kde polynomy q ;;q m jsou po dvou nesoud»elné Uva»zujme o lineárn m zobrazen f i P n! P n, u 7! q i (A)u Ozna»cme U i = Ker f i P n, i =;;m Pak plat (i) Ka»zdý podprostor U i je invariantn ; (ii) P n = U + + U m ; (iii) polynom q i je anuluj c m polynomem matice transformace fj Ui,proka»zdé i =;;m 29 Dνukaz (i) Necht' u 2 U i,tjq i (A)u =Pak q i (A)Au = Aq i (A)u = A =(pou»zili jsme tvrzen,»ze A a q i (A) spolu komutuj ) Tud»z, Au 2 U i (ii) Nejd»r ve p»r pad m = 2 Necht' tedy f = q q 2 a polynomy q ;q 2 jsou nesoud»elné Pak existuj polynomy p ;p 2 takové,»ze = q p + q 2 p 2 (tento fakt bude dokázán v jiné p»redná»sce; n»ekteré speciáln p»r pady jsou rozebrány ve cvi»cen ch n»ze) Dosazen m matice A z skáme rovnost E = q (A)p (A) + q 2 (A)p 2 (A); tak»ze pro libovolný vektor v 2 V plat v = q (A)p (A)v + q 2 (A)p 2 (A)v Uka»zme,»ze prvn s»c tanec v = q (A)p (A)v le»z vu 2, to jest,»ze v 2 Ker q 2 (A) Máme ale q 2 (A)v = q 2 (A)q (A)p (A)v = q(a)p (A)v =; proto»ze q je anuluj c polynom pro A Podobn»e seuká»ze,»ze druhý zes»c tancνu le»z vu Tud»z, v 2 U + U 2 Proto»ze v byl libovolný vektor z V,máme V = U + U 2 Uka»zme je»st»e,»ze U U 2 = Necht' tedy v 2 U U 2, tj q (A)v = a q 2 (A)v = Máme E = q (A)p (A)+q 2 (A)p 2 (A) =p (A)q (A)+p 2 (A)q 2 (A) (proto»ze p i (A) aq i (A) spolu komutuj ), na»ce»z v = p (A)q (A)v + p 2 (A)q 2 (A)v = p (A)+p 2 (A) = Dokázali jsme tedy,»ze V = U + U 2 Obecný p»r pad m>2sedoká»ze indukc (cvi»cen ) (iii) Zvolme báze v i ;;v iri v prostorech U i, r i =dimu i, r + r m = n Jakv me, v bázi tvo»rené t»emito vektory je matice A blokov»e diagonáln a jej m itým blokem je práv»e matice A i transformace fj Ui vbázi v i ;;v iri Uka»zme,»ze polynom q i je anuluj c m polynomem matice A i Snadno se vid,»ze matice q i (A) jeblokov»e diagonáln matice s bloky q i (A );;q i (A m ) Proto»ze v»sak U i = Ker q i (A), je blok q i (A) odpov daj c podprostoru U i nulový, co»z sem»elo dokázat Podm nkám p»redchoz ho tvrzen vyhovuje nap»r klad rozklad na ko»renové»cinitele (x a) m Problém Uka»zte,»ze (x a) m u +(x b) n v = const, pokud u = v = n X i= m X i= (m +i)! (m )! i! (b x)i (b a) n i ; (n +i)! (n )! i! (a x)i (a b) m i 4

5 8 Prvn rozklad lineárn transformace K nalezen práv»e uvedeného rozkladu mus me znát alespo»n jeden anuluj c polynom 2 V»eta Hamilton Cayleyova Charakteristický polynom»ctvercové matice nad P je jej m anuluj c m polynomem 2 Dνukaz Pro libovolnou»ctvercovou matici B jsme kdysi odvodili vztah B adj B = det B E Dosad'me za B matici A xe (A xe) adj(a xe) = χ A (x) E Je-li matice A typu n=n, pak je jej charakteristický polynom χ A polynomem stupn»e n,»rekn»eme χ A = c n x n + + c x + c Dále je (z definice adjungované matice) jasné,»ze prvky matice adj(a xe) jsou polynomy stupn»e n v x Sdru»z me-li s»c tance s tými»z mocninami x, z skáme vyjád»ren adj(a xe) =C n x n + + C x + C,kdeC i jsou»ctvercové matice typu n=n Po dosazen máme tj (A xe) (C n x n + + C x + C ) = (c n x n + + c x + c ) E; C n x n + (AC n C n 2)x n + + (AC C )x + AC = c n Ex n + + c Ex + c E Porovnán m koeficientνu u stejných mocnin x obdr»z me C n = c n E; C n 2 + AC n = c n ; C + AC = c AC = c Vynásob me-li i-tou rovnost i-tou mocninou A i matice A a vzniklé rovnosti se»cteme, z skáme co»z se m»elo dokázat =c n A n + c n A n + c A + c ; 22 Dνusledek Charakteristický polynom»ctvercové matice je jej m anuluj c m polynomem P»r klad Necht' A = 2 A 2 Charakteristický polynom je χ A = x 3 5x 2 +9x 5=(x )(x 2 4x +5) (ov»e»rte) Vid me,»ze χ A je sou»cinem nesoud»elných polynomνu q = x aq 2 = x 2 4x +5 Po»c tejme U = Ker q (A) =Ker(A E) Jádro Ker(A E) vypo»cteme»re»sen m homogenn soustavy s matic q (A) = A E = 2 A A = A 2 5

6 8 Prvn rozklad lineárn transformace a fundamentáln m»re»sen m e =(; ; ) (ov»e»rte) Dostáváme jednorozm»erný invariantn podprostor U = Ker q (A) = [[(; ; )]] Podobn»e U 2 =Kerq 2(A) = Ker(A 2 4A+5E) Toto jádro vypo»cteme»re»sen m homogenn soustavy s matic q 2 (A) = A 2 4A +5E = A a fundamentáln m»re»sen m e 2 =(; ; ), e 3 =(; ; ) (ov»e»rte) Dostáváme dvourozm»erný invariantn podprostor U 2 = Ker q 2 (A) = [[(; ; ); (; ; )]]; Z skali jsme (a) p»r mý rozklad R 3 = U + U 2 na invariantn podprostory U a U 2; (b) bázi e ;e 2;e 3 s matic p»rechodu Q = A vn»z má zobrazen ff blokov»e diagonáln matici Q AQ = 2 A 2 3 Minimáln polynom P»r klad Matice 2 A = 2 2 A má anuluj c polynom q = x 2 =(x +)(x ) (ov»e»rte) Charakteristický polynom matice A je χ A = x 3 x 2 x +=(x +)(x ) 2 Posledn p»r klad ukazuje,»ze charakteristický polynom mνu»ze m t netriviáln ho d»elitele, který je rovn»e»z anuluj c m polynomem Uka»zme,»ze mezi anuluj c mi polynomy existuje jeden, který d»el v»sechny ostatn 3 Definice Anuluj c polynom se nazývá minimáln polynom, je-li nejmen»s ho stupn»e ze v»sech anuluj c ch polynomνu Ke ka»zdé»ctvercové matici A existuje anuluj c, a proto i minimáln polynom 32 Tvrzen Ka»zdý anuluj c polynom je d»elitelný minimáln m polynomem 33 Dνukaz Bud' f anuluj c polynom matice A, bud' g minimáln polynom matice A D»elme se zbytkem f = qg+r, kder = nebo je stupe»n polynomu r ost»re men»s, ne»z stupe»n polynomu g Vp»r pad»e r = jsme hotovi P»ripust'me opak, tj r 6= Potom =f(a) = q(a)g(a) + r(a) = r(a); proto»ze g(a) = Tud»z, r je anuluj c polynom ni»z»s ho stupn»e ne»z polynom g, a to je spor 6

18. První rozklad lineární transformace

18. První rozklad lineární transformace Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan 18. První rozklad lineární transformace Úmluva. Vtéto přednášce V je vektorový prostor

Více

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan. 14.

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan. 14. Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan 14. Vlastní vektory Bud V vektorový prostor nad polem P. Lineární zobrazení f : V

Více

19. Druhý rozklad lineární transformace

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

Více

10. Vektorové podprostory

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,

Více

ALGEBRA. Téma 4: Grupy, okruhy a pole

ALGEBRA. Téma 4: Grupy, okruhy a pole SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1, 746 01 Opava, tel. (553) 684 611 DENNÍ STUDIUM Téma 4: Grupy, okruhy a pole Základní pojmy unární operace, binární operace, asociativita,

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

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

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

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan 11. Lineární zobrazení V celé přednášce pojednáváme o vektorových prostorech nad

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

[1] Motivace. p = {t u ; t R}, A(p) = {A(t u ); t R} = {t A( u ); t R}

[1] Motivace. p = {t u ; t R}, A(p) = {A(t u ); t R} = {t A( u ); t R} Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost s diagonální

Více

Vlastní číslo, vektor

Vlastní číslo, vektor [1] Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost

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

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 000/00 Michal Marvan 3. Matice lineárního zobrazení V této přednášce budeme používat indexy dvoího druhu:

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

Vlastní čísla a vlastní vektory

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)

Více

Matice lineárních zobrazení

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

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

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

Vlastnosti lineárních zobrazení a velikost vektorů

Vlastnosti lineárních zobrazení a velikost vektorů Drsná matematika I 8. přednáška Vlastnosti lineárních zobrazení a velikost vektorů Jan Slovák Masarykova univerzita Fakulta informatiky 15. 11. 2010 Obsah přednášky 1 Literatura 2 Matice zobrazení 3 Vlastní

Více

Ortogonální projekce a ortogonální zobrazení

Ortogonální projekce a ortogonální zobrazení Drsná matematika I 9. přednáška Ortogonální projekce a ortogonální zobrazení Jan Slovák Masarykova univerzita Fakulta informatiky 27. 4. 2010 Obsah přednášky 1 Literatura 2 Projekce a ortogonální zobrazení

Více

Lineární algebra : Vlastní čísla, vektory a diagonalizace

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

Více

GEOMETRICKÁ ZOBRAZENÍ. Josef Janyška

GEOMETRICKÁ ZOBRAZENÍ. Josef Janyška GEOMETRICKÁ ZOBRAZENÍ Josef Janyška 21. února 2019 Obsah 1 LINEÁRNÍ ZOBRAZENÍ NA VEKTOROVÝCH PROSTORECH 1 1.1 Lineární zobrazení vektorových prostorů.............. 1 1.2 Invariantní podprostory.......................

Více

1. Jordanův kanonický tvar

1. Jordanův kanonický tvar . Jordanův kanonický tvar Obecně nelze pro zadaný lineární operátor ϕ : U U najít bázi α takovou, že (ϕ) α,α by byla diagonální. Obecně však platí, že pro každý lineární operátor ϕ : U U nad komplexními

Více

15. Moduly. a platí (p + q)(x) = p(x) + q(x), 1(X) = id. Vzniká tak struktura P [x]-modulu na V.

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,

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

3 Lineární kombinace vektorů. Lineární závislost a nezávislost

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

Více

1 Vektorové prostory a podprostory

1 Vektorové prostory a podprostory Pro nahrazení účasti v jednotlivých cvičeních (resp. pro studenty kombinované formy) je dostačující vypracování a odevzdání tučně vyznačených příkladů. 1 Vektorové prostory a podprostory Definujte vektorový

Více

1 Linearní prostory nad komplexními čísly

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)

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

Lineární zobrazení. V prvním z následujících tvrzení navíc uvidíme, že odtud plynou a jsou tedy pak rovněž splněny podmínky:

Lineární zobrazení. V prvním z následujících tvrzení navíc uvidíme, že odtud plynou a jsou tedy pak rovněž splněny podmínky: Lineární zobrazení Nechť (V, +, ) a (W, +, ) jsou dva vektorové prostory nad týmž tělesem (T, +, ). Nechť f : V W je zobrazení splňující následující podmínky: ( u, v V)(f(u + v) = f(u) + f(v)), ( s T )(

Více

2. Schurova věta. Petr Tichý. 3. října 2012

2. Schurova věta. Petr Tichý. 3. října 2012 2. Schurova věta Petr Tichý 3. října 2012 1 Podobnostní transformace a výpočet vlastních čísel Obecný princip: Úloha: Řešíme-li matematickou úlohu, je často velmi vhodné hledat její ekvivalentní formulaci

Více

Matice. Je dána matice A R m,n, pak máme zobrazení A : R n R m.

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

Více

a počtem sloupců druhé matice. Spočítejme součin A.B. Označme matici A.B = M, pro její prvky platí:

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

Více

Operace s maticemi. 19. února 2018

Operace s maticemi. 19. února 2018 Operace s maticemi Přednáška druhá 19. února 2018 Obsah 1 Operace s maticemi 2 Hodnost matice (opakování) 3 Regulární matice 4 Inverzní matice 5 Determinant matice Matice Definice (Matice). Reálná matice

Více

Těleso racionálních funkcí

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

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

(2) [B] Nechť G je konečná grupa tvořena celočíselnými maticemi roměru 2 2 s operací násobení. Nalezněte všechny takové grupy až na izomorfizmus.

(2) [B] Nechť G je konečná grupa tvořena celočíselnými maticemi roměru 2 2 s operací násobení. Nalezněte všechny takové grupy až na izomorfizmus. (1 [B] Nechť A : R 6 R 6 je lineární zobrazební takové, že A 26 = I. Najděte lineární prostory V 1, V 2 a V 3 takové, že R 6 = V 1 V 2 V 3 dim V 1 = dim V 2 = dim V 3 AV 1 V 1, AV 2 V 2 a AV 3 V 3 (2 [B]

Více

V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti

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

Více

NALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Doba řešení: 3 hodiny

NALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Doba řešení: 3 hodiny NALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Závěrečná zkouška verze cvičná 9.1.2013 Doba řešení: 3 hodiny Přednášející: L. Barto, J. Tůma Křestní jméno: Příjmení: Instrukce Neotvírejte

Více

Věta o dělení polynomů se zbytkem

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)

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

Okruhy, podokruhy, obor integrity, těleso, homomorfismus. 1. Rozhodněte, zda daná množina M je podokruhem okruhu (C, +, ): f) M = { a

Okruhy, podokruhy, obor integrity, těleso, homomorfismus. 1. Rozhodněte, zda daná množina M je podokruhem okruhu (C, +, ): f) M = { a Sbírka příkladů z okruhů a polynomů Algebra I Okruhy, podokruhy, obor integrity, těleso, homomorfismus 1. Rozhodněte, zda daná množina M je podokruhem okruhu (C, +, ): a) M = {a + i a R}, b) M = {a + i

Více

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA I, zimní semestr 2000/2001 Michal Marvan. 2.

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA I, zimní semestr 2000/2001 Michal Marvan. 2. Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA I, zimní semestr 2000/2001 Michal Marvan 2. Homomorfismy V souvislosti se strukturami se v moderní matematice studují i zobrazení,

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

α 1 α 2 + α 3 = 0 2α 1 + α 2 + α 3 = 0

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,

Více

Lineární algebra Kapitola 1 - Základní matematické pojmy

Lineární algebra Kapitola 1 - Základní matematické pojmy Lineární algebra Kapitola 1 - Základní matematické pojmy 1.1 Relace a funkce V celém textu budeme používat následující označení pro číselné množiny: N množina všech přirozených čísel bez nuly, N={1, 2,

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

Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech

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

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

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

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

Podobnost matic. Definice 8.6. Dány matice A, B M n (C). Jestliže existuje regulární matice P M n (C) tak,

Podobnost matic. Definice 8.6. Dány matice A, B M n (C). Jestliže existuje regulární matice P M n (C) tak, Podobnost matic Definice 84 Dány matice A, B M n (C) Jestliže existuje regulární matice P M n (C) tak, že B = P 1 AP, pak říkáme, že matice B je podobná matici A a píšeme A B Takto zavedená binární relace

Více

Lineární algebra : Báze a dimenze

Lineární algebra : Báze a dimenze Lineární algebra : Báze a dimenze (5. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 9. dubna 2014, 13:33 1 2 5.1 Báze lineárního prostoru Definice 1. O množině vektorů M z LP V řekneme,

Více

PŘEDNÁŠKA 2 POSLOUPNOSTI

PŘEDNÁŠKA 2 POSLOUPNOSTI PŘEDNÁŠKA 2 POSLOUPNOSTI 2.1 Zobrazení 2 Definice 1. Uvažujme libovolné neprázdné množiny A, B. Zobrazení množiny A do množiny B je definováno jako množina F uspořádaných dvojic (x, y A B, kde ke každému

Více

2. V Q[x] dělte se zbytkem polynomy:

2. V Q[x] dělte se zbytkem polynomy: Sbírka příkladů z polynomů pro předmět Cvičení z algebry I Dělení v okruzích polynomů 1. V Q[x] dělte se zbytkem polynomy a) (x 5 + x 3 2x + 1) : ( x 3 + x + 1), b) (3x 3 + 10x 2 + 2x 3) : (5x 2 + 25x

Více

Báze a dimenze vektorových prostorů

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

Více

1 Polynomiální interpolace

1 Polynomiální interpolace Polynomiální interpolace. Metoda neurčitých koeficientů Příklad.. Nalezněte polynom p co nejmenšího stupně, pro který platí p() = 0, p(2) =, p( ) = 6. Řešení. Polynom hledáme metodou neurčitých koeficientů,

Více

[1] x (y z) = (x y) z... (asociativní zákon), x y = y x... (komutativní zákon).

[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

Více

Úvod do informatiky. Miroslav Kolařík

Úvod do informatiky. Miroslav Kolařík Úvod do informatiky přednáška sedmá Miroslav Kolařík Zpracováno dle učebního textu R. Bělohlávka: Úvod do informatiky, KMI UPOL, Olomouc 2008. Obsah 1 Čísla a číselné obory 2 Princip indukce 3 Vybrané

Více

1 Báze a dimenze vektorového prostoru 1

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

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

1 Vektorové prostory.

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

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

Skalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech.

Skalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech. Kapitola 9 Skalární součin Skalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech. Definice 9.1 Je-li x = (x 1,..., x n ) T R n 1 reálný

Více

Podobnostní transformace

Podobnostní transformace Schurova věta 1 Podobnostní transformace a výpočet vlastních čísel Obecný princip: Úloha: Řešíme-li matematickou úlohu, je často velmi vhodné hledat její ekvivalentní formulaci tak, aby se řešení úlohy

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

a + b + c = 2 b + c = 1 a b = a 1 2a 1 + a a 3 + a 5 + 2a 2 + a 2 + a

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

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

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

9. Vektorové prostory

9. Vektorové prostory Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan 9. Vektorové prostory Vektor je kterýkoliv prvek některého vektorového prostoru.

Více

FREDHOLMOVA ALTERNATIVA

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

Více

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 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,

Více

(u, v) u. v. cos φ =

(u, v) u. v. cos φ = LA 3. cvičení Ortogonalita, Gramm-Schmitův ortonormalizační proces Lukáš Pospíšil, Martin Hasal,2 Ortogonální systém vektorů Poznámka: Motivace - připomeňme si Kosinovu větu v obecném tvaru kde φ je úhel

Více

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.

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

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

Lineární algebra : Lineární zobrazení

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

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

7 Analytické vyjádření shodnosti

7 Analytické vyjádření shodnosti 7 Analytické vyjádření shodnosti 7.1 Analytická vyjádření shodných zobrazení v E 2 Osová souměrnost Osová souměrnost O(o) podle osy o s obecnou rovnicí o : ax + by + c =0: x = x 2a (ax + by + c) a 2 +

Více

1 Řešení soustav lineárních rovnic

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

Více

z = a bi. z + v = (a + bi) + (c + di) = (a + c) + (b + d)i. z v = (a + bi) (c + di) = (a c) + (b d)i. z v = (a + bi) (c + di) = (ac bd) + (bc + ad)i.

z = a bi. z + v = (a + bi) + (c + di) = (a + c) + (b + d)i. z v = (a + bi) (c + di) = (a c) + (b d)i. z v = (a + bi) (c + di) = (ac bd) + (bc + ad)i. KOMLEXNÍ ČÍSLA C = {a + bi; a, b R}, kde i 2 = 1 Číslo komplexně sdružené k z = a + bi je číslo z = a bi. Operace s komplexními čísly: z = a + bi, kde a, b R v = c + di, kde c, d R Sčítání Odčítání Násobení

Více

Báze konečněrozměrných vektorových prostorů, lineární zobrazení vektorových prostorů

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

Více

Lineární algebra. Matice, operace s maticemi

Lineární algebra. Matice, operace s maticemi Lineární algebra Matice, operace s maticemi Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo

Více

Vlastní čísla a vlastní vektory

Vlastní čísla a vlastní vektory Kapitola 15 Vlastní čísla a vlastní vektory V této a následujících kapitolách budeme zkoumat jeden z nejdůležitějších pojmů tohoto kurzu. Definice15.1 Buď A:V Vlineárnízobrazení,Vvektorovýprostornad tělesem

Více

DEFINICE Z LINEÁRNÍ ALGEBRY

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

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

Lineární algebra : Změna báze

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,...,

Více

Afinní transformace Stručnější verze

Afinní transformace Stručnější verze [1] Afinní transformace Stručnější verze je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím body a vektory: afinní prostor využití například v počítačové grafice a)

Více

Soustavy linea rnı ch rovnic

Soustavy linea rnı ch rovnic [1] Soustavy lineárních rovnic vlastnosti množin řešení metody hledání řešení nejednoznačnost zápisu řešení a) soustavy, 10, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010, g)l.

Více

Základní pojmy teorie množin Vektorové prostory

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

Více

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. 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

Více

Základy teorie množin

Základy teorie množin 1 Základy teorie množin Z minula: 1. Cantorovu větu (x P(x)) 2. základní vlastnosti disjunktního sjednocení, kartézského součinu a množinové mocniny (z hlediska relací, ) 3. vztah P(a) a 2 4. větu (2 a

Více

Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru

Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru 2. Systémy lineárních rovnic V této kapitole se budeme zabývat soustavami lineárních rovnic s koeficienty z pole reálných případně komplexních čísel. Uvádíme podmínku pro existenci řešení systému lineárních

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

Z teorie je nutné znát pojmy: lineární funkcionál, jádro, hodnost a defekt lineárního funkcionálu. Také využijeme 2. větu o dimenzi.

Z teorie je nutné znát pojmy: lineární funkcionál, jádro, hodnost a defekt lineárního funkcionálu. Také využijeme 2. větu o dimenzi. Lineární funkcionál Z teorie je nutné znát pojm: lineární funkcionál jádro hodnost a defekt lineárního funkcionálu Také vužijeme větu o dimenzi [cvičení] Nechť je definován funkcionál ϕ : C C pro každé

Více

9 Kolmost vektorových podprostorů

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.

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

10 Přednáška ze

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

Více

CHARAKTERISTICKÉ VEKTORY

CHARAKTERISTICKÉ VEKTORY Kapitola 3 CHARAKTERISTICKÉ VEKTORY Nyní se budeme zabývat vlastnostmi matic lineárních zobrazení A: V V, kde V je vektorový prostor dimenze n Protože každý komplexní n -dimenzionální vektorový prostor

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