1 Lineární zobrazení. 5. f(u) = u + v, kde v je pevně daný nenulový vektor z R f(u) = o.

Podobné dokumenty
1 Báze a dimenze vektorového prostoru 1

1 Lineární prostory a podprostory

Co byste měl/a zvládnout po 4. týdnu

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

1 Soustavy lineárních rovnic

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

ALGEBRA. Téma 5: Vektorové prostory

Co byste měl/a zvládnout po 6. týdnu

Báze a dimense. Odpřednesenou látku naleznete v kapitolách a 3.6 skript Abstraktní a konkrétní lineární algebra.

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

Vlastní čísla a vlastní vektory

(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.

1 Vektorové prostory a podprostory

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

Lineární algebra Eva Ondráčková

15 Maticový a vektorový počet II

Důkaz Heineho Borelovy věty. Bez újmy na obecnosti vezmeme celý prostor A = M (proč? úloha 1). Implikace. Nechť je (M, d) kompaktní a nechť.

Lineární algebra : Skalární součin a ortogonalita

Transformace souřadnic

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

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,

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

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)

na magisterský studijní obor Učitelství matematiky pro střední školy

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

Ortogonální projekce a ortogonální zobrazení

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

8 Matice a determinanty

K oddílu VI.1 obecné slabé topologie Příklad 1. Necht X = C([0, 1]) s topologií bodové konvergence na [0, 1]. Popište všechny

Odpřednesenou látku naleznete v kapitole 3.1 skript Abstraktní a konkrétní lineární algebra.

1 Linearní prostory nad komplexními čísly

Vlastní číslo, vektor

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

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

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

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

19 Hilbertovy prostory

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

1 Řešení soustav lineárních rovnic

DEFINICE Z LINEÁRNÍ ALGEBRY

Lineární algebra : Lineární (ne)závislost

Polynomy. Matice a determinanty. 1. Rozložte na součin kořenových činitelů polynom. P(x) = x 4 6x Řešení: x 4 6x 2 +8 = (x+2)(x 2)(x+ 2)(x 2)

Lineární algebra : Báze a dimenze

Úvod do lineární algebry

Matematika B101MA1, B101MA2

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

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

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

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

Lineární algebra : Skalární součin a ortogonalita

Lineární algebra : Lineární prostor

Základní pojmy teorie množin Vektorové prostory

GEOMETRICKÁ ZOBRAZENÍ. Josef Janyška

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

6 Lineární geometrie. 6.1 Lineární variety

VĚTY Z LINEÁRNÍ ALGEBRY

HODNOST A DETERMINANT MATICE, INVERZNÍ MATICE

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

HODNOST A DETERMINANT MATICE, INVERZNÍ MATICE

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

10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo

1. Algebraické struktury

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

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

Dnešní látka Variačně formulované okrajové úlohy zúplnění prostoru funkcí. Lineární zobrazení.

Operace s maticemi

Úlohy nejmenších čtverců

0.1 Úvod do lineární algebry

TOPOLOGIE A TEORIE KATEGORIÍ (2017/2018) 4. PREDNÁŠKA - SOUČIN PROSTORŮ A TICHONOVOVA VĚTA.

Odpřednesenou látku naleznete v kapitole 3.3 skript Diskrétní matematika.

Matematika 2 pro PEF PaE

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

ALGEBRA. Téma 4: Grupy, okruhy a pole

Požadavky ke zkoušce

(1) Dokažte, že biprodukt je součin (a tím pádem i součet). Splňují-li homomorfismy. A B je izomorfismus stejně jako A B i+j

1 Determinanty a inverzní matice

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

2. přednáška 8. října 2007

Soustavy lineárních rovnic

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava luk76/la1

Cvičení z Lineární algebry 1

III. Diferenciál funkce a tečná rovina 8. Diferenciál funkce. Přírůstek funkce. a = (x 0, y 0 ), h = (h 1, h 2 ).

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2016

Matice lineárních zobrazení

Matematika B101MA1, B101MA2

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

Učební texty k státní bakalářské zkoušce Matematika Základy teorie funkcí více proměnných. študenti MFF 15. augusta 2008

Program SMP pro kombinované studium

Masarykova univerzita

Algebraické struktury

6.1 Vektorový prostor

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

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

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2014

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

19. Druhý rozklad lineární transformace

Řešené úlohy z Úvodu do algebry 1

AB = 3 CB B A = 3 (B C) C = 1 (4B A) C = 4; k ]

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014

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

Transkript:

1 Lineární zobrazení Cvičení 1 Která z následujících zobrazení f : R 2 R 2 jsou lineární? 1 f(u) = v, kde v je pevně daný nenulový vektor z R 2 2 f(u) = o 3 f(u) = k f(u), kde k je pevně dané reálné číslo 4 f(u) = u u, kde u je (euklidovská) velikost vektoru u 5 f(u) = u + v, kde v je pevně daný nenulový vektor z R 2 u1 u1 6 f(u) =, kde u = 2 u 2 u 2 Cvičení 2 Ať f : L L je lineární zobrazení (L je lineární prostor nad R) Ukažte, že ker(f) im(id L f) a im(f) ker(id L f) Cvičení 3 Ať f : V W je lineární zobrazení mezi lineárními prostory V a W nad R, ať dim(v ) = n Pokud B = ( b 1,, b s, b s+1,, b n ) je báze prostoru V taková, že ( b 1,, b s ) je báze prostoru ker(f), ukažte, že 1 ( b s+1,, b n ) je báze prostoru im(f), 2 dim(ker(f)) + dim(im(f)) = n, 3 V = ker(f) span( b s+1,, b n ) Když platí V = W, je ker(f) + im(f) nutně direktní součet? Pokud je ( v 1,, v n ) bází V, musí nutně nějaké v i ležet v ker(f)? Cvičení 4 Ať V je konečně dimensionální lineární prostor nad R, mějme lineární zobrazení f : V V, a ať V 1 a V 2 jsou lineární podprostory V Rozhodněte, zda platí: 1 f(v 1 V 2 ) = f(v 1 ) f(v 2 ), 2 f(v 1 V 2 ) = f(v 1 ) f(v 2 ), 3 f(v 1 + V 2 ) = f(v 1 ) + f(v 2 ), 4 f(v 1 V 2 ) = f(v 1 ) f(v 2 ) Poznámka: V tomto příkladu používáme nestandardní značení f(x), kde X je množina vektorů Tento zápis zde znamená: f(x) = {f(x) x X} Cvičení 5 Ať V je konečně dimensionální lineární prostor nad R zobrazení Ukažte, že následující tvrzení jsou ekvivalentní: Ať f : V V je lineární 1

1 f má inversi, 2 V a im(f) mají stejnou dimensi, 3 pro libovolnou bázi B prostoru V je i f(b) báze, 4 maticová zobrazení f vzhledem k nějaké bázi je invertibilní, 5 f je monomorfismus, 6 f je epimorfismus Co kdyby byl V nekonečně dimensionální? Co kdyby f bylo lineární zobrazení z V do jiného lineárního prostoru W? Poznámka: V tomto příkladu používáme nestandardní značení f(x), kde X je množina vektorů Tento zápis zde znamená: f(x) = {f(x) x X} Cvičení 6 Ať V je n-dimensionální lineární prostor nad R, ať f : V V je lineární zobrazení Pokud pro nějaký vektor v V platí, že ukažte, že seznam vektorů je lineárně nezávislý, a tudíž tvoří bázi V f n 1 ( v) o, ale f n ( v) = o, ( v, f( v),, f n 1 ( v)) Cvičení 7 Ať f : V V a g : V V jsou lineární zobrazení, V konečně dimensionální lineární prostor nad R Ukažte, že když g f = id V, pak f g = id V Platí toto tvrzení i pro nekonečně dimensionální prostory? Cvičení 8 Ať V a W jsou konečně dimensionální prostory nad R, ať f : V W je lineární Rozhodněte, zda platí následující tvzení: 1 ker(f) = { o} 2 Pokud f( v) = o pouze pro v = o, pak dim(v ) = dim(w ) 3 Pokud im(f) = { o}, pak je f nulovým vektorem v prostoru lineárních zobrazení z V do W (Stručněji, f = o) 4 Pokud V = W a im(f) ker(f), pak f = o 5 Pokud V = W a im(f) ker(f), pak f 2 = o 6 Pokud dim(v ) = dim(w ), pak je f isomorfismus 7 Pokud dim(v ) = dim(im(f)), pak ker(f) = { o} 8 ker(f) ker(f 2 ) 9 dim(ker(f)) dim(im(f)) 10 dim(ker(f)) dim(v ) 2

11 f je monomorfismus právě tehdy, když ker(f) = { o} 12 f je monomorfismus právě tehdy, když dim(v ) dim(w ) 13 f je epimorfismus právě tehdy, když im(f) = W 14 f je epimorfismus právě tehdy, když dim(v ) dim(w ) Cvičení 9 Ať V a W jsou konečně dimensionální prostory nad R, ať f : V W je lineární Rozhodněte, zda platí následující tvzení: 1 Když je seznam vektorů ( v 1,, v n ) z V lineárně nezávislý, pak je lineárně nezávislý i seznam (f( v 1 ),, f( v n )) z W 2 Když je seznam vektorů (f( v 1 ),, f( v n )) z W lineárně nezávislý, pak je lineárně nezávislý i seznam ( v 1,, v n ) z V Cvičení 10 Ať je (b 1, b 2, b 3 ) báze R 3 Ať f : R 3 R 3 je lineární zobrazení definované následovně: 1 Ukažte, že f je invertibilní 2 Nalezněte f 1 3 Nalezněte 2 f f 1 f(b 1 ) = b 1, f(b 2 ) = b 1 + b 2, f(b 3 ) = b 1 + b 2 + b 3 Cvičení 11 Ať f : R 3 R 3 je lineární zobrazení určené přiřazeními 1 2 f( 0 ) = 3, 1 1 1 3 f( 1 ) = 0, 1 2 2 2 f( 7 ) = 3 1 1 Nalezněte im(f), matici zobrazení f vzhledem ke kanonické bázi R 3, popište vektor f( ) x 3 Cvičení 12 Ať B = ( b 1, b 2, b 3, b 4 ) je báze lineárního prostoru V nad R Ať f : V V je lineární zobrazení, které má vzhledem k B matici 1 0 2 1 1 2 1 3 1 2 5 5 2 2 1 2 3

1 Nalezněte ker(f) 2 Nalezněte im(f) 3 Nalezněte bázi ker(f), rozšiřte ji na bázi prostoru V, a poté nalezněte matici zobrazení f vzhledem k této bázi 1 2 Cvičení 13 Ať f, g : R 2 R 2 jsou lineární zobrazení Mějme dvě báze A = (, ) a 2 1 1 1 B = (, ) Matice zobrazení f vzhledem k A je 1 2 ( ) 1 2, 2 3 matice zobrazení g vzhledem k B je ( ) 3 3 2 4 ( ) 3 Ať u = 3 1 Nalezněte matici zobrazení f + g vzhledem k bázi B 2 Nalezněte matici zobrazení f g vzhledem k bázi A 3 Nalezněte coord A (f(u)) 4 Nalezněte coord B (g(u)) Cvičení 14 Ať W je lineární podprostor lineárního prostoru V nad R Mějme lineární zobrazení f : W V Lze vždy f rozšířit na lineární zobrazení V V? (Tj, lze vždy definovat lineární zobrazení f : V V takové, aby pro všechny vektory w W platilo f ( w) = f( w)?) Cvičení 15 Lineární podprostor W lineárního prostoru V nad R nazveme invariantním podprostorem vzhledem k lineárnímu zobrazení f : V V, pokud platí f(w ) W (čili: pro libovolný vektor w W platí, že f( w) W ) 1 Pokud je f isomorfismus, ukažte, že W je invariantní podprostor vzhledem k lineárnímu zobrazení f 1 2 Pokud V = W W, je pak nutně W také invariantním podprostorem vzhledem k zobrazení f? Cvičení 16 Mějme lineární zobrazení A : R 2 R 2 zadáno maticí ( ) 2 1 A = 0 2 ( ) 1 vzhledem ke kanonické bází Ať W 1 = span( ) Ukažte, že W 0 1 je invariantní podprostor vzhledem k lineárnímu zobrazení A, a že neexistuje lineární podprostor W 2 invariantní vzhledem k A takový, aby platilo W 1 W 2 = R 2 4

Cvičení 17 Lineární zobrazení f : V V nazvěme projektorem, pokud platí f 2 = f Ať f, g : V V jsou projektory Ukažte, že f i g komutují se zobrazením (f g) 2 Dále ukažte, že platí (f g) 2 + (id V f g) 2 = id V Cvičení 18 Ať B = (b 1, b 2, b 3, b 4 ) je báze lineárního prostoru V nad R zobrazení f : V V tak, že f(b 1 ) = f(b 2 ) = f(b 3 ) = b1, f(b 4 ) = b 2 Nalezněte ker(f), ker(f) + im(f) a ker(f) im(f) Cvičení 19 Definujte f, g : R 2 R 2 následujícími přiřazeními: x1 x2 x1 x1 x f( ) =, g( ) = 2 1 Ukažte, že f i g jsou lineární Definujme lineární 2 Nalezněte netriviální invariantní podprostory vzhledem k f 3 Nalezněte ker(g) a im(g) 4 Ukažte, že dim(ker(g)) + dim(im(g)) = 2, ale součet ker(g) + im(g) není direktní Cvičení 20 Definujte f, g : R n R n přiřazeními 0 f( ) =, g( ) = 1 Ukažte, že f i g jsou lineární 2 Nalezněte f g, g f, f n a g n 1 3 Nalezněte matice zobrazení f i g vzhledem ke kanonické bázi R n 4 Nalezněte dimense ker(f) a ker(g) Cvičení 21 Mějme lineární zobrazení f : R n R n Ať (a 1, a 2,, a m ) je báze im(f) a (b 1, b 2,, b m ) je seznam vektorů, pro který platí Ukažte, že pak platí f(b i ) = a i, i = 1,, m R n = im(f) ker(f) Cvičení 22 Ať f : V V je lineární zobrazení, V je konečně dimensionální lineární prostor Ukažte, že dim(im(f 2 )) = dim(im(f)) právě tehdy, když V = im(f) ker(f) Pokud speciálně platí f 2 = f, pak V = im(f) ker(f) Je pravdivá i obrácená věta? (Tj, je pravda, že pokud V = im(f) ker(f), pak f 2 = f?) 1 5