1.6 Singulární kvadriky

Podobné dokumenty
3.4 Řešení Příkladu 1 (str.55) v programu Maple

1.13 Klasifikace kvadrik

3.2 3DgrafyvMaple 106 KAPITOLA 3. UŽITÍ MAPLE PŘI ŘEŠENÍ KVADRIK

DERIVACE. ln 7. Urči, kdy funkce roste a klesá a dále kdy je konkávní a

9.1 Definice a rovnice kuželoseček

KMA/G2 Geometrie 2 9. až 11. cvičení

Matematika 2 (Fakulta ekonomická) Cvičení z lineární algebry. TU v Liberci

VIDEOSBÍRKA DERIVACE

1.6 Singulární kvadriky

VZÁJEMNÁ POLOHA DVOU PŘÍMEK

na magisterský studijní obor Učitelství matematiky pro střední školy

Analytická geometrie v E 3 - kvadriky

Skalár- veličina určená jedním číselným údajem čas, hmotnost (porovnej životní úroveň, hospodaření firmy, naše poloha podle GPS )

Matematika I, část I Vzájemná poloha lineárních útvarů v E 3

5. Maticová algebra, typy matic, inverzní matice, determinant.

Deg2-Kvadriky. Světlana Tomiczková

9 Kolmost vektorových podprostorů

KVADRATICKÉ PLOCHY a jejich reprezentace v programu Maple. Roman HAŠEK, Pavel PECH


SBÍRKA PŘÍKLADŮ NA KVADRATICKÉ PLOCHY

Vlastní čísla a vlastní vektory

Matematika I, část I. Rovnici (1) nazýváme vektorovou rovnicí roviny ABC. Rovina ABC prochází bodem A a říkáme, že má zaměření u, v. X=A+r.u+s.

3 Lineární kombinace vektorů. Lineární závislost a nezávislost

Podrobnější výklad tématu naleznete ve studijním textu, na který je odkaz v Moodle. Tam je téma

Výpočet průsečíků paprsku se scénou

VIDEOSBÍRKA DERIVACE

Analytická geometrie. c ÚM FSI VUT v Brně

Projekt OPVK - CZ.1.07/1.1.00/ Matematika pro všechny. Univerzita Palackého v Olomouci


Euklidovský prostor. Parametrické rovnice roviny. Obecná rovnice roviny. . p.1/25

1 Řešení soustav lineárních rovnic

Matematika I (KX001) Užití derivace v geometrii, ve fyzice 3. října f (x 0 ) (x x 0) Je-li f (x 0 ) = 0, tečna: x = 3, normála: y = 0

Výpočet průsečíků paprsku se scénou

3 Projektivní rozšíření Ēn prostoru E n

Jméno... Cvičení den... hodina... Datum...rok... Počet listů... Varianta A

Analytická geometrie (AG)

POUŽITÍ PROGRAMU GEOMETRICA Grafické možnosti programu Mathematica

1 1 3 ; = [ 1;2]

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 nejmenších čtverců

y Obrázek 1.26: Průměrová rovina válcové plochy

Parametrická rovnice přímky v rovině

Funkce dvou proměnných

Kuželosečky a kvadriky ve škole i kolem

Vlastní čísla a vlastní vektory

17 Kuželosečky a přímky

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

6 Samodružné body a směry afinity

1. Krivky. krivky zadane parametrickymi rovnicemi. Primka rovnobezna s osou y. Primka rovnobezna s osou x

Elementární křivky a plochy

5. Lokální, vázané a globální extrémy

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

1 Analytická geometrie

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.

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

Geometrie pro FST 2. Plzeň, 28. srpna 2013, verze 6.0

1. LINEÁRNÍ ALGEBRA Vektory Operace s vektory... 8 Úlohy k samostatnému řešení... 8

Řešení. Hledaná dimenze je (podle definice) rovna hodnosti matice. a a 2 2 1

Soustavy lineárních rovnic

Obsah a průběh zkoušky 1PG

Regresní analýza 1. Regresní analýza

Matematika 1 MA1. 1 Analytická geometrie v prostoru - základní pojmy. 4 Vzdálenosti. 12. přednáška ( ) Matematika 1 1 / 32

Matematická analýza III.

Ukázka závěrečného testu

ZBORCENÉ PŘÍMKOVÉ PLOCHY ŘEŠENÉ PŘÍKLADY

1 Soustavy lineárních rovnic

Matematika I A ukázkový test 1 pro 2014/2015

3.3. ANALYTICKÁ GEOMETRIE KRUŽNICE A KOULE

Kvadratickou funkcí se nazývá každá funkce, která je daná rovnicí. Definičním oborem kvadratické funkce je množina reálných čísel.

Numerické metody a programování

0.1 Úvod do lineární algebry

12. Křivkové integrály

Řešíme tedy soustavu dvou rovnic o dvou neznámých. 2a + b = 3, 6a + b = 27,

(Cramerovo pravidlo, determinanty, inverzní matice)

Základní vlastnosti ploch

A0M15EZS Elektrické zdroje a soustavy ZS 2011/2012 cvičení 1. Jednotková matice na hlavní diagonále jsou jedničky, všude jinde nuly

Zavedeme-li souřadnicový systém {0, x, y, z}, pak můžeme křivku definovat pomocí vektorové funkce.

ROTAČNÍ PLOCHY. 1) Základní pojmy

M - Příprava na 1. zápočtový test - třída 3SA

Popis jednotlivých kvadrik

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava luk76/la1

M - Příprava na pololetní písemku č. 1

11 Soustavy rovnic a nerovnic, Determinanty a Matice

Soustavy rovnic pro učební obory

obecná rovnice kružnice a x 2 b y 2 c x d y e=0 1. Napište rovnici kružnice, která má střed v počátku soustavy souřadnic a prochází bodem A[-3;2].

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

TEMATICKÝ PLÁN VÝUKY

Josef Janyška Anna Sekaninová ANALYTICKÁ TEORIE KUŽELOSEČEK A KVADRIK

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

Vzpěr jednoduchého rámu, diferenciální operátory. Lenka Dohnalová

Lineární funkcí se nazývá každá funkce, která je daná rovnicí y = ax + b, kde a, b jsou reálná čísla.

MATEMATIKA I. Marcela Rabasová

Diferenciáln. lní geometrie ploch

Klasické třídy ploch

MATEMATIKA II - vybrané úlohy ze zkoušek ( 2015)

Regresní analýza. Ekonometrie. Jiří Neubauer. Katedra ekonometrie FVL UO Brno kancelář 69a, tel

Západočeská univerzita v Plzni. Fakulta aplikovaných věd Katedra matematiky. Geometrie pro FST 1. Pomocný učební text

AVDAT Vektory a matice

Hisab al-džebr val-muqabala ( Věda o redukci a vzájemném rušení ) Muhammada ibn Músá al-chvárizmího (790? - 850?, Chiva, Bagdád),

SOUSTAVY LINEÁRNÍCH ROVNIC

Transkript:

1.6 Singulární kvadriky > restart; > with(linearalgebra): > X:=Vector[row]([x,y,z,1]); X := [ x, y, z, 1] Matice kvadriky: > K:=Matrix(a,1..4,1..4,shape=symmetric); K := a ( 4, Determinant matice kvadriky - velký determinant > Delta:=Determinant(K); := a ( 4, 2 + 2 2 a ( 4, 1 ) a ( 3, 2 2 a ( 3, a ( 4, + 2 ) 2 a ( 3, 2 2 + 2 a ( 4, 2 + 2 + 2 a ( 2, 2 a ( 4, + 2 a ( 2, 2 2 a ( 2, 2 + a ( 2, 2 2 Rovnice kvadriky: > Kv:=expand(X.K.Transpose(X))=0; Kv := x 2 + 2 x y 2 ) + 2 x z + 2 x + y 2 a ( 2, 2 ) + 2 y z a ( 2, + 2 y a ( 2, + z 2 a ( 3, + 2 z a ( 3, + a ( 4, = 0 Bod M (singulární bod kvadriky): > M:=[m,n,p]; M := [ m, n, p ] Parametrické rovnice přímky procházející bodem M: > Primka:=[x=m+t*u,y=n+t*v,z=p+t*w]; Primka := [ x = m + t u, y = n + t v, z = p + t w] Rovnice průniku této přímky s kvadrikou: > Kv1:=simplify(eval(Kv,Primka)); Kv1 := 2 m t u + 2 m t v + 2 2 ) t u n + 2 2 ) t 2 u v + 2 m t w + 2 t u p + 2 t 2 u w + 2 a ( 2, 2 ) n t v + 2 a ( 2, n t w + 2 a ( 2, t v p + 2 a ( 2, t 2 v w + 2 a ( 3, p t w + a ( 4, + 1 ) t 2 u 2 + 2 2 ) m n + 2 m p

+ 2 t u + a ( 2, t 2 v 2 + 2 a ( 2, n p + 2 a ( 2, t v + a ( 3, t 2 w 2 + 2 a ( 3, t w + m 2 + 2 m + a ( 2, 2 ) n 2 + 2 a ( 2, n + a ( 3, p 2 + 2 a ( 3, p = 0 Koeficient B rovnice At 2 + Bt + C = 0 společných bodů kvadriky a přímky: > B:=coeff(lhs(Kv,t)/2; B := m u + 2 ) m v + 2 ) u n + m w + u p + a ( 2, 2 ) n v + a ( 2, n w + a ( 2, v p + a ( 3, p w + u + a ( 2, v + a ( 3, w > B:=collect(B,[u,v,w]); B := ( 1 ) m + p + + 2 ) n) u + ( 2 ) m + a ( 2, 2 ) n + a ( 2, + a ( 2, p) v + ( a ( 3, p + a ( 2, n + m + a ( 3, ) w Soustava rovnic - podmínek pro určení bodu M = [ m, n, p ] jako singulárního bodu kvadriky : > r1:=sort(coeff(b,u),[m,n,p])=0; r2:=sort(coeff(b,v),[m,n,p])=0; r3:=sort(coeff(b,w),[m,n,p])=0; r4:=sort(simplify(coeff(lhs(kv,t,0)-m*lhs(r-n*lhs(r-p*lhs( r),[m,n,p])=0; r1 := 1 ) m + 2 ) n + p + = 0 r2 := 2 ) m + a ( 2, 2 ) n + a ( 2, p + a ( 2, = 0 r3 := m + a ( 2, n + a ( 3, p + a ( 3, = 0 r4 := m + a ( 2, n + a ( 3, p + a ( 4, = 0 Matice MS a rozšířená matice MR této soustavy: > MS:=linalg[genmatrix]({r1,r2,r3,r4},[m,n,p]); MR:=linalg[genmatrix]({r1,r2,r3,r4},[m,n,p],flag); MS := a ( 2, MR := a ( 3, a ( 4, Hodnost matice kvadriky h( K ) = 3 > M:=[0,0,0]: > res1:=solve(eval({r1,r2,r3,r4},[m=0,n=0,p=0]),{a(1,,a(2,,a(3,,a(4,}); res1 := { = 0, a ( 2, = 0, a ( 3, = 0, a ( 4, = 0} > assign(res; > Kv; x 2 + 2 x y 2 ) + 2 x z + y 2 a ( 2, 2 ) + 2 y z a ( 2, + z 2 a ( 3, = 0

Uvažujme konkrétní kvadriku daných vlastností: > a(1,:=1: a(1,:=-1: a(1,:=2: a(2,:=3: a(2,:=-2: a(3,:=1: Odpovídající kvadrikou je kuželová plocha o rovnici: > Kv1:=Kv; Kv1 := x 2 2 x y + 4 x z + 3 y 2 4 y z + z 2 = 0 > Krivka:=eval(Kv1,z=-; Krivka := x 2 2 x y 16 x + 3 y 2 + 16 y + 16 = 0 > K_y:=solve(Krivka,y); x 8 2 x 2 + 32 x + 16 x 8 2 x 2 + 32 x + 16 K_y := +, 3 3 3 3 3 3 > p1:=map(unapply,expand([0,0,0]+t*[x,k_y[1],-4]),x); 1 p1 := x x t, x +, 3 x t 8 t 1 2 x 2 + 32 x + 16 t x 4 t 3 3 > p2:=map(unapply,expand([0,0,0]+t*[x,k_y[2],-4]),x); 1 p2 := x x t, x, 3 x t 8 t 1 2 x 2 + 32 x + 16 t x 4 t 3 3 > p1f:=j->plot3d(p1(j),t=-2..2,s=-1..-1,axes=frame); p1f := j plot3d ( p1( j ), t = -2.. 2, s = -1.. -1, axes = frame) > p2f:=j->plot3d(p2(j),t=-2..2,s=-1..-1,axes=frame); p2f := j plot3d ( p2( j ), t = -2.. 2, s = -1.. -1, axes = frame) > plotsetup(inline,plotoptions=`portrait,noborder,shrinkby=0`); > primky:=plots[display](seq(p1f(k),k=-10..20,,seq(p2f(k),k=-10..20,,orientation=[-60,48],scaling=constrained,view=[-18..18,-1 0..10,-4..4]): Grafické znázornění Znázornění užitím příkazu plots[implicitplot3d] > Plocha:=plots[implicitplot3d](Kv1,x=-18..18,y=-10..10,z=-4..4,gr id=[60,60,60],orientation=[-60,48],axes=frame,view=[-18..18,-10..10,-4..4],scaling=unconstrained,style=patchcontour,color=color( RGB,250/255,250/255,250/255),light=[90,-5,1,1,1],tickmarks=[3,3, 3]): > plotsetup(inline,plotoptions=`portrait,noborder,shrinkby=0`); > plots[display](plocha,primky);

Singulární kvadrikou s h( K ) = 3 je i válcová plocha daná rovnicí: > Pl:=a*x^2+2*b*x*y+c*y^2+2*d*x+2*e*y+f=0; > a:='a'; Pl := a x 2 + 2 b x y + c y 2 + 2 d x + 2 e y + f = 0 a := a > K:=Matrix(a,1..4,1..4,shape=symmetric); K := a ( 4, > Kv:=expand(X.K.Transpose(X))=0; Kv := x 2 + 2 x y 2 ) + 2 x z + 2 x + y 2 a ( 2, 2 ) + 2 y z a ( 2, + 2 y a ( 2, + z 2 a ( 3, + 2 z a ( 3, + a ( 4, = 0 Porovnáme koeficienty rovnic Pl a Kv: > KvPl:=collect(simplify(Pl-Kv),[x,y,z],distributed); KvPl := f a ( 4, + ( 2 e 2 a ( 2, ) y + ( 2 d 2 ) x 2 z a ( 3, + ( + a ) x 2 z 2 a ( 3, + ( 2 + 2 b ) x y 2 x z 2 y z a ( 2, + ( a ( 2, + c ) y 2 = 0 Dostaneme tak soustavu deseti rovnic pro členy a ( i, j ) matice K:

> r1:=coeff(lhs(kvpl),x,; r2:=coeff(lhs(kvpl),y,; r3:=coeff(lhs(kvpl),z,; r4:=coeff(coeff(lhs(kvpl),x),y); r5:=coeff(coeff(lhs(kvpl),x),z); r6:=coeff(coeff(lhs(kvpl),y),z); r7:=coeff(coeff(coeff(lhs(kvpl),x),y,0),z,0); r8:=coeff(coeff(coeff(lhs(kvpl),y),x,0),z,0); r9:=coeff(coeff(coeff(lhs(kvpl),z),x,0),y,0); r10:=coeff(coeff(coeff(lhs(kvpl),x,0),y,0),z,0); r1 := 1 ) + a r2 := a ( 2, 2 ) + c r3 := a ( 3, r4 := 2 2 ) + 2 b r5 := 2 r6 := 2 a ( 2, r7 := 2 d 2 r8 := 2 e 2 a ( 2, r9 := 2 a ( 3, r10 := f a ( 4, > res:=solve({r1,r2,r3,r4,r5,r6,r7,r8,r9,r10},{a(1,,a(1,,a(1,3 ),a(1,,a(2,,a(2,,a(2,,a(3,,a(3,,a(4,}); res := { = a, = b, = 0, = d, a ( 2, = c, a ( 2, = 0, a ( 2, = e, a ( 3, = 0, a ( 3, = 0, a ( 4, = f} Matice naší válcové plochy má tedy tvar: > KVal:=map(x->eval(x,res),K); a b 0 d b c 0 e KVal := 0 0 0 0 d e 0 f Hodnost je zřejmá: > Rank(KVal); 3 Pro ilustraci použijeme konkrétní válcovou plochu (hyperbolická válcová plocha): > a:=1: b:=-2: c:=1: d:=5: e:=-1: f:=3: > Pl; x 2 4 x y + y 2 + 10 x 2 y + 3 = 0 > ValPlocha:=plots[implicitplot3d](Pl,x=-8..8,y=-8..8,z=-8..8,orie ntation=[52,63],grid=[40,40,10],style=patchcontour,axes=frame,co lor=color(rgb,250/255,250/255,250/255),light=[90,-5,1,1,1],tickm arks=[3,3,3],contours=5,scaling=constrained): > plots[display](valplocha,orientation=[-66,53],view=[-8..8,-8..8,

> -8..8],scaling=constrained);