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



Podobné dokumenty
Lineární algebra : Lineární (ne)závislost

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

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

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,

3 Lineární kombinace vektorů. Lineární závislost a nezávislost

Lineární algebra : Lineární prostor

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

Základní pojmy teorie množin Vektorové prostory

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

1 Lineární prostory a podprostory

6.1 Vektorový prostor

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

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

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

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

10. Vektorové podprostory

Lineární algebra Operace s vektory a maticemi

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

Vlastní číslo, vektor

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

1 Báze a dimenze vektorového prostoru 1

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

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)

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

Matematika 2 pro PEF PaE

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

6. ANALYTICKÁ GEOMETRIE

Matematika B101MA1, B101MA2

7. Důležité pojmy ve vektorových prostorech

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

Lineární algebra : Úvod a opakování

ANALYTICKÁ GEOMETRIE V ROVINĚ

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

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

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

1 Linearní prostory nad komplexními čísly

Lineární algebra : Báze a dimenze

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

10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo

Kapitola 11: Vektory a matice:

transformace je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím [1]

Báze a dimenze vektorových prostorů

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

10 Přednáška ze

6 Lineární geometrie. 6.1 Lineární variety

Afinní transformace Stručnější verze

Poznámka. V některých literaturách se pro označení vektoru také používá symbolu u.

[1] Definice 1: Polynom je komplexní funkce p : C C, pro kterou. pro všechna x C. Čísla a 0, a 1,..., a n nazýváme koeficienty polynomu.

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

Základy matematiky pro FEK

VĚTY Z LINEÁRNÍ ALGEBRY

Kapitola 11: Vektory a matice 1/19

DEFINICE Z LINEÁRNÍ ALGEBRY

Číselné vektory, matice, determinanty

METRICKÉ A NORMOVANÉ PROSTORY

[1] Důkaz: Necht p(x) = a n x n a 1 x + a 0 = 0 pro všechna x C,

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.

Těleso racionálních funkcí

7 Konvexní množiny. min c T x. při splnění tzv. podmínek přípustnosti, tj. x = vyhovuje podmínkám: A x = b a x i 0 pro každé i n.

Pavel Horák, Josef Janyška LINEÁRNÍ ALGEBRA UČEBNÍ TEXT

1 Řešení soustav lineárních rovnic

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

Operace s maticemi

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

Operace s maticemi. 19. února 2018

9 Kolmost vektorových podprostorů

1 Mnohočleny a algebraické rovnice

Základy matematiky pro FEK

Derivace funkcí více proměnných

Vybrané kapitoly z matematiky

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

0.1 Úvod do lineární algebry

[1] samoopravné kódy: terminologie, princip

Teorie informace a kódování (KMI/TIK) Reed-Mullerovy kódy

Lineární algebra : Metrická geometrie

Věta o dělení polynomů se zbytkem

Soustavy linea rnı ch rovnic

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava luk76/la1

MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE

MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE

Lineární algebra : Skalární součin a ortogonalita

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

Vlastní čísla a vlastní vektory

1 Soustavy lineárních rovnic

0.1 Úvod do lineární algebry

ALGEBRA. Téma 5: Vektorové prostory

Dosud jsme se zabývali pouze soustavami lineárních rovnic s reálnými koeficienty.

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

Pavel Horák LINEÁRNÍ ALGEBRA A GEOMETRIE 1 UČEBNÍ TEXT

Úvod do lineární algebry

Matematika I 12a Euklidovská geometrie

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

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

Matematika 3. Úloha 1. Úloha 2. Úloha 3

1 Vektorové prostory.

7 Analytické vyjádření shodnosti

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

Matice. a m1 a m2... a mn

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

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

Transkript:

Lineární (ne)závislost [1] Odečítání vektorů, asociativita BI-LIN, zavislost, 3, P. Olšák [2] Místo, abychom psali zdlouhavě: x + ( 1) y, píšeme stručněji x y. Vektoru y = ( 1) y říkáme opačný vektor k vektoru y. Pozorování: x x = o, protože x x = 1 x + ( 1) x = (1 + ( 1)) x = 0 x = o. Skupiny, resp. množiny, vektorů mohou být lineárně závislé nebo lineárně nezávislé... Další zkrácení zápisu: Protože ( x + y )+ z = x +( y + z ), tj. nezáleží na pořadí provádění operací, budeme nadále závorky vynechávat a psát jen x + y + z. a) zavislost, 3, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010, g)ä. Viz p. d. 4/2010 Lineární kombinace BI-LIN, zavislost, 3, P. Olšák [3] Triviální lineární kombinace BI-LIN, zavislost, 3, P. Olšák [4] Vše, co s vektory můžeme dělat je: násobit je konstantou sčítat je mezi sebou, neboli: tvořit lineární kombinace. Definice: Linární kombinace vektorů x 1, x 2,..., x n je vektor: α 1 x 1 + α 2 x 2 + + α n x n Reálná čísla α 1, α 2,..., α n se nazývají koeficienty lineární kombinace. Definice: Má-li lineární kombinace všechny koeficienty nulové, říkáme ji triviální. Triviální lineární kombinace vypadá takto: 0 x 1 + 0 x 2 + + 0 x n Má-li lineární kombinace aspoň jeden koeficient nenulový, říkáme ji netriviální. Pozorování: Triviální lineární kombinace je rovna nulovému vektoru. Plyne to z axiomu (7) a z tvrzení, že x + o = x.

BI-LIN, zavislost, 3, P. Olšák [5] Lineární závislost, lineární nezávislost Příklady BI-LIN, zavislost, 3, P. Olšák [6] Definice: Skupina vektorů x 1, x 2,..., x n je lineárně závislá, pokud existuje jejich netriviální lineární kombinace rovna nulovému vektoru. Skupina vektorů x 1, x 2,..., x n je lineárně nezávislá, pokud neexistuje jejich netriviální lineární kombinace rovna nulovému vektoru, tedy pokud jedině jejich triviální lineární kombinace je rovna nulovému vektoru, neboli pokud z rovnosti α 1 x 1 + α 2 x 2 + + α n x n = o nutně plyne α 1 = α 2 = = α n = 0. v R 3 jsou vektory (1, 2, 3), (5, 7, 8), (3, 3, 2) lineárně závislé v R 3 jsou vektory (1, 2, 3), (4, 7, 8), (3, 4, 2) lineárně nezávislé. v prostoru reálných funkcí jsou vektory sin(x), cos(x), e x lineárně nezávislé. v prostoru reálných funkcí jsou vektory sin 2 x, cos 2 x, 3 lineárně závislé. v prostoru polynomů jsou vektory x 2 + x + 1, x + 2, x 2 1 lienárně závislé. Všechny příklady si ověřte podle definice. Jiný pohled na lineární závislost BI-LIN, zavislost, 3, P. Olšák [7] Tvrzení: Vektory x 1, x 2,..., x n jsou lineárně závislé právě když existuje aspoň jeden z nich, který je lineární kombinací ostatních. Důkaz. 1. necht jsou lin. závislé. Pak existuje jejich netriviální lin. kombinace rovna nulovému vektoru, tj. aspoň jeden koeficient je nenulový, vydělením tímto koeficientem a přenosem vektoru na druhou stranu rovnosti zjišt ujeme, že vektor je lineární kombinací ostatních. 2. necht existuje jeden vektor, který je lineární kombinací ostatních. Přeneseme jej na druhou stranu rovnosti (odečteme jej) a máme netriviální lineární kombinaci rovnou nulovému vektoru. Procvičování pochopení definice BI-LIN, zavislost, 3, P. Olšák [8] Lineární (ne)závislost není podmíněna pořadím vektorů ve skupině. Skupina vektorů, v níž se některý vektor opakuje, je lineárně závislá. Skupina vektorů obsahující nulový vektor je lineárně závislá. Skupina dvou vektorů je lineárně závislá právě když jeden je násobkem druhého. Přidáním vektoru do lineárně závislé skupiny se její závislost nezmění. Odebráním vektoru z lineárně nezávislé skupiny se její nezávislost nezmění.

Závislost orientovaných úseček BI-LIN, zavislost, 3, P. Olšák [9] BI-LIN, zavislost, 3, P. Olšák [10] Závislost nekonečných množin vektorů Dvě orientované úsečky jsou lineárně závislé právě když leží ve společné přímce. Tři orientované úsečky jsou lineárně závislé právě když leží ve společné rovině. Čtyři orientované úsečky jsou závislé vždy. Pravidlo: V algebře pracujeme jen s konečnými lineárními kombinacemi, tj. sčítanců je vždy konečně mnoho. Nekonečná množina M vektorů je lineárně závislá, pokud existuje jejich konečná lineárně závislá podmnožina, tj. existují vektory x 1, x 2,..., x n z množiny M tak, že jsou lineárně závislé. Nekonečná množina M vektorů je lineárně nezávislá, pokud každá její konečná podmnožina je lineárně nezávislá, jinými slovy neexistuje lineárně závislá konečná podmnožina. Ještě jinak: neexistuje žádný vektor z M, který by se rovnal konečné lineární kombinaci ostatních vektorů. BI-LIN, zavislost, 3, P. Olšák [11] Příklad nekonečné lin. nezávislé množiny Lineární obal BI-LIN, zavislost, 3, P. Olšák [12] Množina polynomů {1, x, x 2, x 3, x 4,...} je lineárně nezávislá. Definice: Lineární obal vektorů x 1, x 2,..., x n je množina všech jejich lineárních kombinací, tedy {α 1 x 1 + α 2 x 2 + + α n x n ; α 1, α 2,..., α n R} Lineární obal vektorů x 1, x 2,..., x n značíme x 1, x 2,..., x n. Lineární obal (konečné nebo nekonečné) množiny vektorů M je množina všech konečných lineárních kombinací vektorů z množiny M. Lineární obal množiny M značíme M. Pozorování: M M.

BI-LIN, zavislost, 3, P. Olšák [13] Geometrická představa lineárního obalu Obal obalu BI-LIN, zavislost, 3, P. Olšák [14] Předpokládejme vektory z množiny orientovaných úseček se společným počátkem O. Lineární obal jednoho nenulového vektoru je množina všech vektorů ležících ve společné přímce. Lineární obal dvou lineárně nezávislých vektorů je množina všech vektorů ležících ve společné rovině. Lineární obal tří lineárně nezávislých vektorů je množina všech orientovaných úseček. Lineární obal (libovolně mnoha) vektorů ležícich ve společné rovině je množina všech vektorů ležících v této rovině. Věta: M = M, neboli: lineární obal lineárního obalu už není větší než původní lineární obal. Důkaz: Lineární kombinace lineárních kombinací vektorů z M je po využití distributivního zákona rovna přímo lineární kombinaci vektorů z M (rozepište si to). Obal je podprostor BI-LIN, zavislost, 3, P. Olšák [15] Rozšíření lineárně nezávislé množiny BI-LIN, zavislost, 3, P. Olšák [16] (1) Je-li P lineárním obalem nějaké množiny M, je P lineární podprostor. (2) P je lineární podprostor právě tehdy, když P = P. (3) Lineární obal množiny M je nejmenší lineární podprostor obsahující M. Důkazy: (1) Součet prvků z obalu zůstává v obalu a α-násobek také. Protože lineární kombinace lin. kombinací je přímo lin. kombinace. (2) Je-li P lineární podprostor, pak všechny lineární kombinace prvků z P zůstávají v P, takže P = P. Obráceně: viz (1), stačí zvolit M = P. (3) Necht P = M a Q je podprostor obsahující M, tedy M Q. Je P = M Q = Q, takže je P nejmenší. Věta: Je-li N lineárně nezávislá množina vektorů a z N, pak N { z } je lineárně nezávislá. Důkaz: Sporem. Necht N { z } je lineárně závislá. Pak existuje konečně mnoho x 1, x 2,..., x n N tak, že α 1 x 1 + α 2 x 2 + + α n x n + α n+1 z = o, a přitom aspoň jedno α i je nenulové. Kdyby byla α n+1 = 0, máme netriviální lin. kombinaci vektorů nezávislé množiny N rovnu nulovému vektoru a to není možné. Takže musí α n+1 0. Po vydělení α n+1 a převedení z na druhou stranu rovnosti je z lineární kombinací vektorů z N, což je ve sporu s tím, že z N.

Redukce lin. nezávislé množiny BI-LIN, zavislost, 3, P. Olšák [17] Věta: Množina N je lineárně nezávislá právě tehdy, když každá její vlastní podmnožina má menší obal. Důkaz: Necht N je nezávislá. Necht N N. Vektor z N \ N není lin. kombinací prvků z N, protože jinak by N byla závislá. Nemůže tedy N = N, protože v takovém případě je z N. Necht N je závislá. Existuje jeden vektor z, který je lin. kombinací ostatních. Jeho odebráním vzniká N, která má stejný lin. obal.