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

Podobné dokumenty
10. Vektorové podprostory

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 II, letní semestr 2000/2001 Michal Marvan. 14.

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

18. První rozklad lineární transformace

Matematika 2 pro PEF PaE

19. Druhý rozklad lineární transformace

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

ALGEBRA. Téma 5: Vektorové prostory

9. Vektorové prostory

Základní pojmy teorie množin Vektorové prostory

ALGEBRA. Téma 4: Grupy, okruhy a pole

1 Báze a dimenze vektorového prostoru 1

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

DEFINICE Z LINEÁRNÍ ALGEBRY

Báze a dimenze vektorových prostorů

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

Lineární algebra : Lineární zobrazení

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

1 Lineární prostory a podprostory

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

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

Těleso racionálních funkcí

Lineární algebra : Báze a dimenze

Lineární algebra Kapitola 1 - Základní matematické pojmy

Cvičení z Lineární algebry 1

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

Lineární algebra Eva Ondráčková

Matice lineárních zobrazení

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA I, zimní semestr 2000/2001 Michal Marvan. 4.

1 Připomenutí vybraných pojmů

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

Matematika B101MA1, B101MA2

Matematika B101MA1, B101MA2

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

M M. Je-li ρ M 2 relace, pak vztah (x, y) ρ zapisujeme x ρ y.

VĚTY Z LINEÁRNÍ ALGEBRY

Vlastnosti lineárních zobrazení a velikost vektorů

Co je to univerzální algebra?

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

Matematika I 12a Euklidovská geometrie

6. Vektorový počet Studijní text. 6. Vektorový počet

6 Lineární geometrie. 6.1 Lineární variety

GEOMETRICKÁ ZOBRAZENÍ. Josef Janyška

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

1. Pologrupy, monoidy a grupy

Vektorové prostory R ( n 1,2,3)

4 Lineární zobrazení. 4.1 Definice lineárního zobrazení

Lineární algebra Operace s vektory a maticemi

1 Vektorové prostory a podprostory

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

10. DETERMINANTY " # $!

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

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

1. Množiny, zobrazení, relace

Program SMP pro kombinované studium

3 Lineární kombinace vektorů. Lineární závislost a nezávislost

Ortogonální projekce a ortogonální zobrazení

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA I, zimní semestr 2000/2001 Michal Marvan. 7.

Lineární algebra : Lineární prostor

Lineární algebra : Skalární součin a ortogonalita

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,

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

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

Josef Janyška Anna Sekaninová ANALYTICKÁ TEORIE KUŽELOSEČEK A KVADRIK

Lineární algebra : Skalární součin a ortogonalita

Pavel Horák, Josef Janyška LINEÁRNÍ ALGEBRA UČEBNÍ TEXT

grupa těleso podgrupa konečné těleso polynomy komutativní generovaná prvkem, cyklická, řád prvku charakteristika tělesa

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

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

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

Báze konečněrozměrných vektorových prostorů, lineární zobrazení vektorových prostorů

1 Řešení soustav lineárních rovnic

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,

Afinní transformace Stručnější verze

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

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

1 Linearní prostory nad komplexními čísly

1 Soustavy lineárních rovnic

Afinní zobrazení, jeho regularita a (totální) singularita. Asociovaný homomorfismus. Analytické

Matematika IV - 2. přednáška Základy teorie grup

Pavel Horák LINEÁRNÍ ALGEBRA A GEOMETRIE 1 UČEBNÍ TEXT

Kapitola 11: Vektory a matice:

6.1 Vektorový prostor

Základy matematiky pro FEK

pochopení celé kapitoly je myšlenka, že těleso S lze považovat za vektorový prostor

Kategorie. Od množin ke kategorii. Pepa Svoboda

EUKLIDOVSKÉ PROSTORY

Kapitola 11: Vektory a matice 1/19

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

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

[1] Vzhledem ke zvolené bázi určujeme souřadnice vektorů...

Masarykova univerzita

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

Úvod do informatiky. Miroslav Kolařík

ALGEBRA A TEORETICKÁ ARITMETIKA. 1. část - Lineární algebra. doc.rndr. Jarmila Novotná, CSc. doc.rndr. Milan Trch, CSc.

1 Vektorové prostory.

ZÁKLADNÍ ZOBRAZOVACÍ METODY

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

Číselné vektory, matice, determinanty

Transkript:

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 jedním a týmž polem P. Definice. Bud te U, V vektorové prostory. Zobrazení f : U V se nazývá lineární, přesněji lineární nad polem P, jestliže platí (i) f (a + b) = f (a) + f (b) (aditivita) (ii) f (ra) = rf(a) (homogenita) pro každé dva vektory a, b U akaždý skalár r P. Jiný název pro lineární zobrazení je homomorfismus vektorových prostorů. Příklad. (1) Identické zobrazeníid:u U, id(a) = a, je lineární. (2) Nulové zobrazení0:u U,0(a) = 0, je lineární. (3) Násobení skalárem c P: Zobrazení f c : U U, f c (a) = ca, je lineární. Nazývásehomotetie. Všimněte si, že (1) resp. (2) jsou speciálnípřípady pro c = 1 resp. c = 0. (4) Zobrazení C C, z z, kde z je číslo komplexně sdružené kčíslu z C, je lineární zobrazení vektorových prostorů nad R. Toto zobrazení není lineární zobrazení nad C. Ověřte. (5) Zobrazení re:c R, z re z = 1 2 (z + z ) (reálná část čísla z) je lineární zobrazení vektorových prostorů nad R. (6) Je-li U V podprostor, pak vložení ι U : U V, ι U (u) = u, je lineární zobrazení. Cvičení. Ukažte, že zobrazení f : R R je lineární nad R právě když existuje skalár c R takový, že f (a) = ca. Návod: Položte c = f (1). Uved me dva příklady významných geometrických zobrazení, která jsou lineární co se týče účinku na vektory. 1. Otáčení. Při otáčení Eukleidovské roviny kolem pevného bodu o úhel α se všechny vektory otáčejíotýžúhel α, nezávisle na jejich umístění. Vzniká zobrazení φ α : E 2 E 2. Otáčení převádí součet vektorů na součet vektorů a podobně c-násobek vektoru na c-násobek vektoru. Například aditivita se velmi názorně ověří poukazem na to, že otáčením kolem vrcholu O v u+v u se rovnoběžník převádí v rovnoběžník a délka jeho stran a úhlopříček se přitom nemění. Podobně otáčení kolem pevné osy v trojrozměrném Eukleidovském prostoru představuje lineární zobrazení vektorů E 3 E 3.

2. Rovnoběžné promítání. Promítání Eukleidovského prostoru E 3 do 2-rozměrného podprostoru (průmětny) R ve zvoleném směru L je zobrazení E 3 R. Směrem se rozumí libovolný 1-rozměrný podprostor L takový, že E 3 = L + R. Průmět do roviny R je sčítanec x R v (jednoznačném) vyjádření x = x L + x R, kde x L L a x R R. L u p(u) R Promítání p : E 3 R je lineární zobrazení. Aditivita se projevuje v tom, že průmětem rovnoběžníka je rovnoběžník. Cvičení. Ukažte, že lineární zobrazení U V je homomorfismem abelovských grup (U, +, 0, ) (V, +, 0, ). Speciálně, f (0) = 0, f ( a) = f (a). Tvrzení. Bud te f : U V, g : V W homomorfismy. Pak je g f : U W také homomorfismus. Důkaz. Ověřme aditivitu zobrazení g f. Pro libovolná a, b U máme (g f )(a + b) = g( f (a +b)) = g( f (a)+ f (b)) = g( f (a))+ g( f (b)) = (g f )(a)+(g f )(b). Homogenita podobně. Jádro a obraz Definice. Bud f : U V homomorfismus. Označme Ker f ={u U f (u) = 0 }, Im f = fu ={f (u) u U }. Ker f se nazývá jádro aim f se nazývá obraz homomorfismu f. Tvrzení. Bud f : U V homomorfismus. Pak (1) Ker f je podprostor v U. (2) Im f je podprostor ve V. Důkaz. (1) (i) 0 Ker f, protože f (0) = 0. (ii) Necht a, b Ker f.paka + b Ker f, protože f (a + b) = f (a) + f (b) = 0 + 0 = 0. (iii) Necht a Ker f, r P.Pakra Ker f (cvičení). (2) Cvičení. Cvičení. (1) Pro homomorfismus re z příkladu (5) platí: Im re = R, Ker re = Ri ={ri r R}. (2) Při rovnoběžném promítání p : E 3 E 2 je podprostor Ker f totožný sesměrem promítání, kdežto Im f = E 2. (3) Při otáčení φ α : E 2 E 2 o úhel α 2kπ je Im φ α = E 2, zatímco Ker φ α je nulový podprostor. 2

Tvrzení. Bud f : U V homomorfismus. Pak (1) f je injektivní právě tehdy, když Ker f = 0. (2) f je surjektivní právě tehdy, když Im f = V. Důkaz. (1) Bud f injektivní, bud u libovolný prvek z Ker f.pak f (u) = 0, ale současně f (0) = 0, načež z injektivity u = 0. Naopak, necht Ker f = 0 a necht f (a) = f (b).pak f (a b) = f (a) f (b) = 0, a tedy a b Ker f,načež a b = 0, čili a = b. (2) Zřejmé. Jsou-li oba prostory U, V konečněrozměrné, pak se číslo dim Ker f nazývá defekt a číslo dim Im f hodnost lineárního zobrazení. Platí o nich následující tvrzení. Tvrzení. Bud f : U V homomorfismus mezi konečněrozměrnými prostory U, V.Pak dim Ker f + dim Im f = dim U. Důkaz. Označme dim U = n, dim Ker f = m a dim Im f = p. Zvolme bázi u 1,...,u m vker f, doplňme ji do báze u m+1,...,u n v U.Ověřme, že vektory f (u m+1 ),..., f (u n ) tvoří bázivim f. Zaprvé, f (u m+1 ),..., f (u n ) generují Im f.víme totiž, že u 1,...,u n generují U, načež f (u 1 ),..., f (u n ) generují fu = Im f (ověřte podrobně), ale f (u 1 ) = 0,..., f (u m ) = 0, takže je můžeme z generující množiny bez následků vyškrtnout. Zadruhé, f (u m+1 ),..., f (u n ) jsou lineárně nazávislé. Vskutku, uvažujme o nulové lineární kombinaci x m+1 f (u m+1 ) + +x n f (u n ) = 0, čili, f (x m+1 u m+1 + +x n u n ) = 0, tj. načež x m+1 u m+1 + +x n u n Ker f, x m+1 u m+1 + +x n u n = x 1 u 1 + x m u m pro vhodné koeficienty x 1,...,x m. Ale zúčastněné vektory u 1,...,u m, u m+1,...,u n jsou nezávislé, a proto jsou všechny koeficienty nulové, zejména x m+1,...,x n jsou nuly, což se mělo dokázat. Našli jsme bázi v Im f čítající n m vektorů, takže dim Im f = n m = dim U dim Ker f. Důkaz je hotov. Izomorfismy Podobně jako u jiných algebraických struktur, invertibilní homomorfismy se nazývají izomorfismy. Definice. Izomorfismus vektorových prostorů je bijektivní lineární zobrazení. Tvrzení. Bud f : U V izomorfismus. Pak je f 1 : V U též izomorfismus. 3

Důkaz. Zobrazení f 1 je bijektivní. Dokažme, že je lineární. Ověřme aditivitu, tj. rovnost f 1 (a + b) = f 1 (a) + f 1 (b).počítejme: f ( f 1 (a + b)) = a + b = f ( f 1 (a)) + f ( f 1 (b)) = f ( f 1 (a) + f 1 (b)). Požadovaná rovnost plyne z injektivnosti zobrazení f. Homogenita podobně. Definice. Vektorové prostory U, V, mezi nimiž existuje izomorfismus, se nazývají izomorfní. Zapisujeme U = V. Tvrzení. (1) Reflexivita: U = U. (2) Symetrie: je-li U = V, pak V = U. (3) Tranzitivita: je-li U = V, V = W, pak V = W. Důkaz. (1) id : U U je izomorfismus. (2) Viz předchozí tvrzení. (3) Kompozice bijekcí je bijekce, kompozice homomorfismů je homomorfismus. Cvičení. (1) Homotetie f c : a ca zpříkladu (3) je izomorfismus právě tehdy, když c 0. (2) Homomorfismus z z zpříkladu (4) je izomorfismus C = C. (3) Homomorfismus re z příkladu (5) není izomorfismus (není injektivní). (4) Otáčení je vždy izomorfismus. Rovnoběžné promítání E 3 E 2 není nikdy izomorfismus. Tvrzení. Bud te U = V dva izomorfní konečněrozměrné vektorové prostory. Pak dim U = dim V. Důkaz. Bud f : U V izomorfismus. Pak dim Ker f = 0, dim Im f = dim V, a proto dim U = dim Ker f + dim Im f = dim V. Cvičení. Bud f : U V izomorfismus konečněrozměrných prostorů. Je-li u 1,...,u n U báze prostoru U, pak f (u 1 ),..., f (u n ) V je báze prostoru V. Dokažte. Totéž pro množiny generátorů resp. množiny lineárně nezávislých vektorů. Izomorfni prostory se z hlediska lineárni algebry prakticky neliší a není mezi nimi žádný rozdíl odhalitelný prostředky lineární algebry. V konečněrozměrném případě je situace obzvlášt příjemná: každý prostor U je izomorfní sněkterým prostorem P n. Tvrzení. (1) Libovolný vektorový prostor U nad polem P je izomorfní s prostorem P dim U. (2) Konečněrozměrné vektorové prostory U, V jsou izomorfní právě tehdy, když mají stejnou dimenzi. Důkaz. (1) Necht dim U = n. Zvolme libovolněbázi e 1,...,e n v U. Pak má libovolný vektor u U souřadnice x 1,...,x n, jednoznačněurčené vztahem u = x 1 e 1 + +x n e n.zaved me zobrazení U P n předpisem u (x 1,...,x n ).Oněm je známo, že je lineární, protože při sčítání vektorů se jejich souřadnice sčítají apři násobení skalárem se násobí týmž skalárem. (2) Implikace,, již byla dokázána. Implikace,, : Je-li dim U = dim V, pak U = P dim U = P dim V = V. 4

Vidíme, že počítání s vektory v souřadnicích je vlastně výpočtem v izomorfním prostoru U = P n. Na druhé straně, tento izomorfismus závisí na volbě souřadnic, a to je důvod, proč není vhodné prostory U a P n ztotožňovat. Každé lineární zobrazení je jednoznačně určeno obrazy vektorů libovolné báze a tyto obrazy lze volit libovolně: Tvrzení. Zvolme bázi u 1,...,u n v konečněrozměrném prostoru U. Pak ke každé n-tici vektorů v 1,...,v n V existuje právě jedno lineární zobrazení f : U V takové, že f (u 1 ) = v 1,..., f (u n ) = v n. Důkaz. Zvolme n-tici vektorů v 1,...,v n V. Obecný prvek u U je tvaru x 1 u 1 + +x n u n. Položme f (u) = x 1 v 1 + +x n v n.ověřte samostatně, že (a) zobrazení f : U V je lineární a f (u i ) = v i ; (b) je-li f : U V lineární zobrazení takové, že f (u i ) = v i, pak f = f. Přitom lze snadno rozeznat injektivní a surjektivní homomorfismy: Tvrzení. Bud f : U V zobrazení z předchozího tvrzení (1) f je injektivní právě tehdy, když jsou vektory v 1,...,v n V nezávislé; (2) f je surjektivní právě tehdy, když vektory v 1,...,v n generují V. Důkaz. Cvičení. Důsledek. Zobrazení fzpředchozího tvrzení je izomorfismus právě tehdy, když v 1,...,v n je báze. Přímý součet vektorových prostorů Již dříve jsme zavedli přímé součty podprostorů. Nyní uvedeme konstrukci přímého součtu libovolných prostorů, pokud mají společné pole skalárů. Definice. Bud te U 1,...,U n libovolné vektorové prostory nad polem P. Na kartézském součinu U 1 U n zaved me strukturu vektorového prostoru předpisem (u 1,...,u n ) + (v 1,...,v n ) = (u 1 + v 1,...,u n + v n ), r(u 1,...,u n ) = (ru 1,...,ru n ) pro libovolné prvky (u 1,...,u n ), (v 1,...,v n ) U V. Vektorový prostor U 1 U n s touto algebraickou strukturou se značí U 1 U n a nazývá sepřímý součet vektorových prostorů U 1,...,U n. Cvičení. Ověřte, že U 1 U n skutečně splňuje všechny axiomy vektorového prostoru. Tvrzení. Jsou-li U 1,...,U n konečněrozměrné vektorové prostory, pak platí dim(u 1 U n ) = dim U 1 + +dim U n. 5

Důkaz. Je-li e i 1,...,ei m i báze prostoru U i, pak je (e 1 1, 0,...,0),...,(e1 m 1, 0,...,0),...,(e n 1, 0,...,0),...,(en m n, 0,...,0) báze prostoru U 1 U n (cvičení). Jsou-li U 1,...,U n podprostory nějakého vektorového prostoru U, pak mohou existovat dva různé přímé součty, U 1 + + U n a U 1 U n. První z nich je podprostor v U, kdežto druhý není. Nicméně, oba přímé součty jsou izomorfní. Plyne to z následujícího tvrzení. Tvrzení. Bud te U 1,...,U n podprostory konečněrozměrného vektorového prostoru U. Pak jsou následující výroky ekvivalentní: (1) součet U 1 + +U n je přímý; (2) zobrazení p : U 1 U n U 1 + +U n, (u 1,...,u n ) u 1 + +u n, je izomorfismus prostoru U 1 U n na prostor U 1 + +U n. (3) dim U 1 + +dim U n = dim(u 1 + +U n ). Důkaz. (1) (2). Zobrazení p je lineární (cvičení). Dále, ke každému u U 1 + +U n existuje rozklad u = u 1 + +u n, kde u i U i pro každé i = 1,...,n. Je-li součet U 1 + +U n přímý, potom je rozklad u = u 1 + +u n jedinýau (u 1,...,u n ) je zobrazení U 1 + +U n U 1 U n, inverzní k p. Potom je p bijektivní, a tedy izomorfismus. (2) (3). Je-li U 1 + +U n = U1 U n, pak dim(u 1 + +U n ) = dim(u 1 U n ) = dim U 1 + +dim U n. (3) (2). Necht dim U 1 + +dim U n = dim(u 1 + +U n ). Homomorfismus p je surjektivní (cvičení). Máme pak dim Ker p = dim(u 1 U n ) dim Im p = dim U 1 + +dim U n dim(u 1 + +U n ) = 0. Tudíž, p je injektivní, a proto izomorfismus, načež je náš součet přímý podle předchozího tvrzení. (2) (1). Cvičení. Cvičení. Dokažte, že zobrazení p zpředchozího tvrzení je opravdu lineární. Cvičení. Pro každé i = 1,...,n máme zobrazení π i : U 1 U n U i, zadané předpisem (u 1,...,u n ) u i. Nazývásei-tá projekce. Pro každé i = 1,...,n máme též zobrazení ι i : U i U 1 U n, zadané předpisem u (0,...,0, u,,0...,0), kde u stojí na i-tém místě. Nazývá sevložení i-tého sčítance. Ukažte, že projekce π i a vložení ι i jsou lineární zobrazení. Spočtěte π i ι j. 6