Vektorový prostor. d) Ke každému prvku u V n existuje tzv. opačný prvek u, pro který platí, že u + u = o (vektor u nazýváme opačný vektor k vektoru u)

Podobné dokumenty
VEKTOROVÝ PROSTOR. Vektorový prostor V n je množina všech n-složkových vektorů spolu s operacemi sčítání, odčítání vektorů a reálný násobek vektoru.

Matematika I Lineární závislost a nezávislost

Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ). Čísla a 1, a 2,..., a n se nazývají složky vektoru

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

Lineární algebra Operace s vektory a maticemi

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

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

Kapitola 11: Vektory a matice:

Operace s maticemi

Kapitola 11: Vektory a matice 1/19

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

Základy matematiky pro FEK

Základy matematiky pro FEK

Matematika B101MA1, B101MA2

Úvod do lineární algebry

Soustavy lineárních rovnic

DEFINICE Z LINEÁRNÍ ALGEBRY

Číselné vektory, matice, determinanty

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,

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

Operace s maticemi. 19. února 2018

10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo

0.1 Úvod do lineární algebry

HODNOST A DETERMINANT MATICE, INVERZNÍ MATICE

(ne)závislost. α 1 x 1 + α 2 x α n x n. x + ( 1) x Vektoru y = ( 1) y říkáme opačný vektor k vektoru y. x x = 1. x = x = 0.

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

1 Vektorové prostory.

HODNOST A DETERMINANT MATICE, INVERZNÍ MATICE

MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE

MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují

0.1 Úvod do lineární algebry

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

Základní pojmy teorie množin Vektorové prostory

1 Soustavy lineárních rovnic

VĚTY Z LINEÁRNÍ ALGEBRY

7. Lineární vektorové prostory

Lineární algebra : Lineární (ne)závislost

Soustava m lineárních rovnic o n neznámých je systém

Vektory a matice. Petr Hasil. Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF)

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.

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

1 Řešení soustav lineárních rovnic

3 Lineární kombinace vektorů. Lineární závislost a nezávislost

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

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

SOUSTAVY LINEÁRNÍCH ROVNIC

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

Čtvercové matice. Čtvercová matice je taková matice, jejíž počet řádků je roven počtu jejích sloupců

IB112 Základy matematiky

7. Důležité pojmy ve vektorových prostorech

8 Matice a determinanty

Lineární algebra. Soustavy lineárních rovnic

Determinanty. Obsah. Aplikovaná matematika I. Pierre Simon de Laplace. Definice determinantu. Laplaceův rozvoj Vlastnosti determinantu.

Základy maticového počtu Matice, determinant, definitnost

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

Aritmetické vektory. Martina Šimůnková. Katedra aplikované matematiky. 16. března 2008

1 Báze a dimenze vektorového prostoru 1

Vybrané kapitoly z matematiky

1 Linearní prostory nad komplexními čísly

Matematika B101MA1, B101MA2

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

Matematika. Kamila Hasilová. Matematika 1/34

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava luk76/la1

Obsah. Lineární rovnice. Definice 7.9. a i x i = a 1 x a n x n = b,

(Cramerovo pravidlo, determinanty, inverzní matice)

1/10. Kapitola 12: Soustavy lineárních algebraických rovnic

Matice. Přednáška MATEMATIKA č. 2. Jiří Neubauer. Katedra ekonometrie FEM UO Brno kancelář 69a, tel

Matematika I Podprostory prostoru V n

2. ZÁKLADY MATICOVÉ ALGEGRY 2.1. ZÁKLADNÍ POJMY

příkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u.

9 Kolmost vektorových podprostorů

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:

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

Soustavy lineárních rovnic

Soustavy lineárních rovnic a determinanty

Lineární prostory. - vektorové veličiny(síla, rychlost, zrychlení,...), skládání, násobení reálným číslem

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.

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

6. ANALYTICKÁ GEOMETRIE

1 Lineární prostory a podprostory

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

Úvodní informace Soustavy lineárních rovnic. 12. února 2018

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

6. Vektorový počet Studijní text. 6. Vektorový počet

ALGEBRA. Téma 5: Vektorové prostory

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

z textu Lineární algebra

Jedná se o soustavy ve tvaru A X = B, kde A je daná matice typu m n,

ANALYTICKÁ GEOMETRIE V ROVINĚ

P 1 = P 1 1 = P 1, P 1 2 =

Hammingovy kódy. dekódování H.kódů. konstrukce. šifrování. Fanova rovina charakteristický vektor. princip generující a prověrková matice

Lineární algebra. Matice, operace s maticemi

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

Báze a dimenze vektorových prostorů

Lineární algebra : Lineární prostor

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

11. Skalární součin a ortogonalita p. 1/16

Výběr báze. u n. a 1 u 1

Variace. Mocniny a odmocniny

Transkript:

Hodnost matice

Vektorový prostor Vektorový prostor V n je množina všech n-složkových vektorů spolu s operacemi sčítání vektorů a reálný násobek vektoru, přičemž platí: a) V n je uzavřenou množinou vůči oběma operacím (tj. výsledky obou operací jsou prvky množiny V n ). b) Pro libovolné prvky množiny V n a definované operace platí zákony komutativnosti a distributivnosti c) V n obsahuje tzv. nulový prvek o, přičemž pro libovolný prvek u V n platí u + o = u. d) Ke každému prvku u V n existuje tzv. opačný prvek u, pro který platí, že u + u = o (vektor u nazýváme opačný vektor k vektoru u) Soubor n-složkových vektorů je libovolná skupina vektorů, kde rozlišujeme pořadí a vektory se mohou opakovat. S: v 1, v 2,, v k Prázdný soubor O soubor, který neobsahuje žádný vektor

Lineární kombinace vektorů Ve vektorovém prostoru V n je dán soubor vektorů S: v 1, v 2,, v k a reálná čísla c 1, c 2,, c k. Vektor v = c 1 v 1 + c 2 v 2 + + c k v k nazveme lineární kombinací souboru S (vektorů v 1, v 2,, v k ) s koeficienty c 1, c 2,, c k. Jsou-li všechny koeficienty rovny nule, nazýváme lineární kombinaci triviální dostaneme nulový vektor. Je-li alespoň jeden koeficient nenulový, nazýváme lineární kombinaci netriviální.

Příklad Máme vektory v 1 = (1, 1,2,0), v 2 = (4,2,0, 2), v 3 = (0,3,2,1). Ukázka triviální lineární kombinace je: 0 (1, 1,2,0) + 0 (4,2,0, 2) + 0 (0,3,2,1) = (0,0,0,0) = o Ukázka netriviální lineární kombinace vektorů je: 2 1, 1,2,0 + 0 4,2,0, 2 + 1 0,3,2,1 = (2, 2,4,0) + (0,0,0,0) + (0, 3, 2, 1) = (2, 5,2, 1) = v Vektor v = (2, 5,2, 1) vznikl netriviální lineární kombinací vektorů v 1 = (1, 1,2,0), v 2 = (4,2,0, 2), v 3 = (0,3,2,1) s koeficienty 2, 0 a -1

Lineární obal souboru Lineární obal souboru S je množina všech možných lineárních kombinací. Značíme S. Př: Máme soubor S: v 1 = (1,0), v 2 = 0,1. Budeme-li vytvářet všechny možné lineární kombinace, dostaneme celou rovinu S = R 2

Závislost souboru Soubor S nazýváme nezávislým, jestliže nulový vektor lze získat pouze triviální lineární kombinací. V nezávislém souboru není žádný vektor kombinací ostatních. Soubor S nazýváme závislým, jestliže nulový vektor lze získat nějakou netriviální lineární kombinací. V závislém souboru je některý vektor kombinací ostatních.

Hodnost souboru Hodností souboru S nazýváme velikost maximálního nezávislého podsouboru, který lze ze souboru vybrat a značíme ji h(s). Jestliže je soubor S složen z k vektorů, pak 0 h(s) k. Hodností matice A nazýváme hodnost souboru všech jejích řádkových vektorů. Vektor v patří do lineárního obalu souboru S (je lineárně závislý), právě když nezvyšuje jeho hodnost. Hodnost matice se zjišťuje její úpravou do Gaussova tvaru.

Gaussův tvar Matice má Gaussův tvar, jestliže: Neobsahuje nulový řádek Každý další řádek má více levých nul Je-li matice A v Gaussově tvaru, pak h(a) je rovna počtu jejích řádků. Každou nenulovou matici lze ekvivalentními úpravami převést na Gaussův tvar. Platí: h A = h A T

Příklad Rozhodněte, jestli jsou následující matice v Gaussově tvaru: A = 4 5 1 0 0 0 B = 4 5 1 0 3 2 C = 0 5 1 0 3 2 D = 0 5 1 0 0 2

Příklad Rozhodněte, jestli jsou následující matice v Gaussově tvaru: A = 4 5 1 0 0 0 B = 4 5 1 0 3 2 C = 0 5 1 0 3 2 D = 0 5 1 0 0 2 Matice A není v Gaussově tvaru obsahuje nulový řádek Matice B je v Gaussově tvaru první řádek nemá levou nulu, druhý řádek má jednu levou nulu Matice C není v Gaussově tvaru první řádek má jednu levou nulu, druhý řádek také Matice D je v Gaussově tvaru první řádek má jednu levou nulu, druhý řádek má dvě levé nuly

Ekvivalentní úpravy matice Mezi ekvivalentní úpravy patří následující: Můžeme změnit pořadí řádků, násobit řádek libovolným nenulovým číslem (tedy i dělit), přičíst/odečíst k libovolnému řádku lineární kombinaci ostatních řádků, vyškrtnout nulový řádek Ekvivalentní úpravy nemění hodnost souboru (matice). Vzniklý soubor je ekvivalentní s původním, zapisujeme: A~B

Strategie pro úpravu nenulové matice na Gaussův tvar 1. Najdeme první nenulový sloupec a výměnou řádků dosáhneme toho, aby a 1j = 1 (klíčová jednička). 2. Pomocí ekvivalentních úprav dosáhneme toho, aby všechny prvky pod klíčovou jedničkou se změnily na nuly. 3. Odstraníme nulové řádky. 4. Kroky 1.- 3. aplikujeme opakovaně na zbytek matice.

Příklad A = 2 1 1 4 1 0 1 2 1 3 2 0 4 0 2 7 ~ 1 0 1 2 2 1 1 4 1 3 2 0 4 0 2 7 / (-2) ~ + + / (-2) + ~ 1 0 1 2 0 1 3 0 0 3 3 2 0 0 6 1 ~ / (-3) + 1 0 1 2 0 1 3 0 0 0 12 2 0 0 6 1 ~ / 2 + ~ 1 0 1 2 0 1 3 0 0 0 12 2 0 0 0 0 h A = 3