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

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

Matematika B101MA1, B101MA2

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

ALGEBRA. Téma 5: Vektorové prostory

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

VĚTY Z LINEÁRNÍ ALGEBRY

Operace s maticemi. 19. února 2018

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

11 Vzdálenost podprostorů

Základy maticového počtu Matice, determinant, definitnost

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

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

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

8 Matice a determinanty

A0B01LAA Lineární algebra a aplikace (příklady na cvičení- řešení)

Matice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3,

Soustavy. Terminologie. Dva pohledy na soustavu lin. rovnic. Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová.

Program SMP pro kombinované studium

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

Operace s maticemi

7. Lineární vektorové prostory

PROSTORY SE SKALÁRNÍM SOUČINEM. Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti

Soustavy linea rnı ch rovnic

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

0.1 Úvod do lineární algebry

0.1 Úvod do lineární algebry

VEKTORY. Obrázek 1: Jediný vektor. Souřadnice vektoru jsou jeho průměty do souřadných os x a y u dvojrozměrného vektoru, AB = B A

ftp://math.feld.cvut.cz/pub/olsak/linal/

z textu Lineární algebra

Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika)

Kapitola 11: Vektory a matice:

VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku

Cvičení z Lineární algebry 1

DEFINICE Z LINEÁRNÍ ALGEBRY

3 Lineární kombinace vektorů. Lineární závislost a nezávislost

těchto písemek (bez řešení) najdete na (odkazy v posledních dvou odstavcích před sekcí Literatura ).

Linearní algebra příklady

Lineární algebra - I. část (vektory, matice a jejich využití)

EUKLIDOVSKÉ PROSTORY

Matematika I 12a Euklidovská geometrie

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

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

Analytická geometrie. c ÚM FSI VUT v Brně

Lineární algebra : Metrická geometrie

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

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

VÝSLEDKY Písemný test z předmětu BI-LIN( ), varianta R

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace

Kapitola 11: Vektory a matice 1/19

1 Vektorové prostory.

Matice. Předpokládejme, že A = (a ij ) je matice typu m n: diagonálou jsou rovny nule.

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

V: Pro nulový prvek o lineárního prostoru L platí vlastnosti:

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

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.

Soustavy lineárních rovnic

Úvod do lineární algebry

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.

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

Skalární součin dovoluje zavedení metriky v afinním bodovém prostoru, tj. umožňuje nám určovat vzdálenosti, odchylky, obsahy a objemy.

6. ANALYTICKÁ GEOMETRIE

Definice 28 (Ortogonální doplněk vektorového podprostoru). V k V n ; V k V. (Pech:AGLÚ/str D.5.1)

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

Vlastní číslo, vektor

ÚlohykpřednášceNMAG101a120: Lineární algebra a geometrie 1,

Matematika 2 pro PEF PaE

ZADÁNÍ ZKOUŠKOVÉ PÍSEMNÉ PRÁCE Z PŘEDMĚTU LINEÁRNÍ ALGEBRA PRO IT. Verze 1.1A

1 Linearní prostory nad komplexními čísly

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

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

15 Maticový a vektorový počet II

Soustava m lineárních rovnic o n neznámých je systém

MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE

MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, 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:

VÝSLEDKY Písemný test z předmětu BI-LIN( ), varianta R. + c)det A= 3det B, d)det A= 6det B, e)det A=6detB.

1 Báze a dimenze vektorového prostoru 1

ALGEBRA. Téma 4: Grupy, okruhy a pole

Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008

1 Analytická geometrie

Lineární algebra : Skalární součin a ortogonalita

Lineární algebra Operace s vektory a maticemi

Vlastní čísla a vlastní vektory

Matematika. Kamila Hasilová. Matematika 1/34

výsledek 2209 y (5) (x) y (4) (x) y (3) (x) 7y (x) 20y (x) 12y(x) (horní indexy značí derivaci) pro 1. y(x) = sin2x 2. y(x) = cos2x 3.

19 Eukleidovský bodový prostor

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

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

Základy matematiky pro FEK

MATURITNÍ TÉMATA Z MATEMATIKY

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

9 Kolmost vektorových podprostorů

označme j = (0, 1) a nazvěme tuto dvojici imaginární jednotkou. Potom libovolnou (x, y) = (x, 0) + (0, y) = (x, 0) + (0, 1)(y, 0) = x + jy,

1 Determinanty a inverzní matice

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

Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe.

Matematika I A ukázkový test 1 pro 2014/2015

Masarykova univerzita

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

Transkript:

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 má polynom p s celočíselnými koeficienty celočíselný kořen α, pak α dělí a 0, kde a 0 je absolutní člen polynomu p. 3. Ukažte, že konstanta a v rozvoji polynomu na kořenové činitele p(x) = a (x α 1 )(x α 2 ) (x α n ) je rovna koeficientu polynomu p u nejvyšší mocniny. 4. Nechť polynom p má reálné koeficienty. Dokažte, že pak pro každý komplexní kořen α polynomu p má tento polynom také kořen komplexně sdružený α. 5. Jak souvisí věta o částečném podílu polynomů s algoritmem na dělení polynomu polynomem? Souvislost zdůvodněte. 6. Dokažte, že polynomy r a z (částečný podíl a zbytek) z věty o částečném podílu jsou určeny při daných polynomech p a q jednoznačně. 7. Nechť polynom p má reálné kořeny a dále kořeny komplexní vždy po dvou vzájemné komplexně sdružené. Nechť dále koeficient polynomu p u nejvyšší mocniny je roven jedné. Zdůvodněte, že pak má polynom p reálné koeficienty. 8. Je podmínka na koeficient u nejvyšší mocniny v předchozí úloze nutná? 9. Proč polynom lichého stupně s reálnými koeficienty musí mít aspoň jeden reálný kořen? 10. Proč nemůže mít polynom stupně n více než n vzájemně různých kořenů? 1

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést veškerá násobení ve výrazech AX, X(AB) T? 2. Jakou maticí musíme vynásobit zprava matici A typu 2 4, aby vznikla matice, která se od A liší pouze přičtením dvojnásobku prvního sloupce k třetímu sloupci? Dokažte. 3. Vyjádřete z rovnice 2X + AX C = B matici X a popište přesně, jakých vlastností operací s maticemi jste při úpravách použili a za jakých podmínek lze matici X vyjádřit. 4. Definujte pojem inverzní matice k matici A. Dokažte, že pro regulární matici A existuje jediná matice B, která splňuje definici inverzní matice k matici A. ( a b 5. Vyjádřete obecně inverzní matici k matici A = c d ). Za jaké podmínky tato matice existuje? 6. Definujte pojem determinant matice. Dokažte z definice, že determinant trojúhelníkové matice je roven součinu čísel na diagonále. 7. Dokažte, že přičtení dvojnásobku prvního řádku k druhému se nezmění determinant dané matice. 8. Jak se změní determinant matice A typu n n, když matici vynásobíme dvěma? Zdůvodněte. 9. Jak se změní determinant matice A typu n n, když od dvojnásobku druhého řádku odečteme trojnásobek prvního řádku? Zdůvodněte. 10. Spočtěte determinant matice A typu n n, která má na diagonále prvky a i,i = i a jinde a i,j = 2. maticeteorie 1

linproteorie 1. Definujte lineární závislost a nezávislost vektorů x 1, x 2,..., x n lineárního prostoru L. Rozhodněte, zda platí, že po přidání vektoru k lineárně závislé množině vektorů zůstává tato množina stále lineárně závislá. Své tvrzení zdůvodněte za použití definice. 2. Dokažte, že jsou-li vektory v 1, v 2,..., v n lineárně závislé, pak je některý z nich lineární kombinací předchozích vektorů, tj. v k = k 1 α i v i. i=1 3. Dokažte, že lineární obal podmnožiny M prostoru L tvoří podprostor v L. 4. Dokažte, že průnik dvou podprostorů je podprostor. 5. Necht { u, v, w} tvoří bázi v R 3. Je množina vektorů { u + v, v + 2 w, u v w} také báze v R 3? Svou odpověd zdůvodněte. 6. Dokažte, že množina všech matic B typu n n komutujících s danou maticí ( A, tj. ) splňujících rovnost 3 1 AB = BA, tvoří podprostor v prostoru všech matic typu n n. Pro n = 2, A = najděte bázi tohoto 2 0 podprostoru. 7. Dokažte, že množina všech řešení homogenní soustavy rovnic A x T = o T tvoří podprostor v R n, kde n je počet neznámých. 8. Nalezněte nějakou bázi podprostoru P = {(x, y, z) R 3 ; x + y z = 0} v R 3. Najděte souřadnice vektoru v = (1, 0, t) vůči vaší bázi. (Parametr t nahrad te takovým reálným číslem, aby vektor v náležel do podprostoru P.) 9. Dokažte, že různé vektory v prostoru L mají různé souřadnice vůči dané bázi B. 10. Souřadnice vektoru u vůči bázi (B) = ( u, v, w) jsou (a, b, c). Jaké budou souřadnice vektoru u vůči bázi (C) = (2 u, w, u + v)? 11. Dokažte, že vynásobení matice číslem r = 0 nezmění lineární obal řádkových vektorů. linproteorie 1

1. Dokažte, že souřadnicové zobrazení je lineární. linzobteorie 2. Necht f : L 1 L 2, g: L 2 L 3 jsou lineární zobrazení. Dokažte, že také h = g f : L 1 L 3 je lineární. 3. Dokažte, že jádro lineárního zobrazení f : L 1 L 2 je podprostor v L 1. 4. Dokažte či vyvrat te následující tvrzení: Necht f : L 1 L 2 je lineární zobrazení. Pokud u 1,..., u n je lineárně nezávislá posloupnost vektorů, pak f (u 1 ),..., f (u n ) je také lineárně nezávislá posloupnost vektorů. 5. Dokažte či vyvrat te následující tvrzení: Necht f : L 1 L 2 je lineární zobrazení. Pokud u 1,..., u n je lineárně závislá posloupnost vektorů, pak f (u 1 ),..., f (u n ) je také lineárně závislá posloupnost vektorů. 6. Dokažte, že lineární zobrazení je jednoznačně určeno obrazy bázických vektorů. 7. Necht f : L L je lineární zobrazení, dim L = 3 a B = {b 1, b 2, b 3 }, C = {b 2, b 1, b 3 } jsou báze v L. Necht A = 1 2 3 4 5 6 je matice zobrazení f vzhledem k bázi B a B. Napište matici zobrazení f vzhledem k bázím 7 8 9 C a C a zdůvodněte vaši odpověd. 8. Definujte hodnost lineárního zobrazení f. Dokažte, že hod f = hod A f, kde A f je matice zobrazení f vzhledem k bázím B a C. 9. Jak se pozná z matice lineárního zobrazení, že zobrazení je izomorfismus? Dokažte. linzobteorie 1

analgeoteorie 1. Definujte skalární součin volných vektorů v trojrozměrném prostoru E 3. Dokažte z definice, že pro α R, u, v V 3 platí (α u) v = α( u v). 2. Odvod te vzorec pro výpočet skalárního součinu volných vektorů v trojrozměrném prostoru E 3 ze souřadnic vůči ortonormální bázi. 3. Dokažte pomocí skalárního součinu, že pro kolmé vektory u, v platí u + v 2 = u 2 + v 2 (Pythagorova věta). 4. Definujte vektorový součin volných vektorů v trojrozměrném prostoru E 3. Dokažte z definice, že pro u, v V 3 platí v u = ( u v). 5. Odvod te vzorec pro výpočet objemu rovnoběžnostěnu určeného vektory u, v, w. 6. Napište vzorec pro výpočet vzdálenosti bodu A od roviny ρ: ax + by + cz + d = 0 a dokažte ho. 7. Uved te parametrický a neparametrický popis přímky v trojrozměrném prostoru E 3 a zdůvodněte, proč jsou to popisy přímky. 8. Odvod te vzorec pro výpočet paty výšky v A v trojúhelníku ABC. analgeoteorie 1