6. Vektorový počet Studijní text. 6. Vektorový počet

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

6. ANALYTICKÁ GEOMETRIE

1 Báze a dimenze vektorového prostoru 1

Vybrané kapitoly z matematiky

Dá se ukázat, že vzdálenost dvou bodů má tyto vlastnosti: 2.2 Vektor, souřadnice vektoru a algebraické operace s vektory

A[a 1 ; a 2 ; a 3 ] souřadnice bodu A v kartézské soustavě souřadnic O xyz

3. Analytická geometrie

ANALYTICKÁ GEOMETRIE V ROVINĚ

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.

6.1 Vektorový prostor

Matematika 1 MA1. 1 Analytická geometrie v prostoru - základní pojmy. 4 Vzdálenosti. 12. přednáška ( ) Matematika 1 1 / 32

Matematika B101MA1, B101MA2

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

Matematika I 12a Euklidovská geometrie

DEFINICE Z LINEÁRNÍ ALGEBRY

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:

6 Skalární součin. u v = (u 1 v 1 ) 2 +(u 2 v 2 ) 2 +(u 3 v 3 ) 2

8 Matice a determinanty

Úvod do lineární algebry

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

0.1 Úvod do lineární algebry

7. Lineární vektorové prostory

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.

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

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

ALGEBRA. Téma 4: Grupy, okruhy a pole

Operace s maticemi. 19. února 2018

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

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

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

1 Připomenutí vybraných pojmů

Základní pojmy teorie množin Vektorové prostory

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

0.1 Úvod do lineární algebry

VEKTOR. Vymyslete alespoň tři příklady vektorových a skalárních fyzikálních veličin. vektorové: 1. skalární

4. Statika základní pojmy a základy rovnováhy sil

Lineární algebra : Lineární prostor

Kapitola 11: Vektory a matice 1/19

Cílem kapitoly je opakování a rozšíření středoškolských znalostí v oblasti teorie množin.

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,

VEKTORY A ANALYTICKÁ GEOMETRIE PAVLÍNA RAČKOVÁ JAROMÍR KUBEN

1.4. VEKTOROVÝ SOUČIN

3.2. ANALYTICKÁ GEOMETRIE ROVINY

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

1 Analytická geometrie

1 Vektorové prostory.

1 Linearní prostory nad komplexními čísly

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

Základy matematiky pro FEK

Hisab al-džebr val-muqabala ( Věda o redukci a vzájemném rušení ) Muhammada ibn Músá al-chvárizmího (790? - 850?, Chiva, Bagdád),

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

Kapitola 11: Vektory a matice:

MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE

MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE

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

EUKLIDOVSKÉ PROSTORY

Euklidovské prostory. Euklidovský prostor dimense 3

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

Těleso racionálních funkcí

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

1 Řešení soustav lineárních rovnic

Střední škola automobilní Ústí nad Orlicí

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

Program SMP pro kombinované studium

Analytická geometrie ( lekce)

19 Eukleidovský bodový prostor

10. DETERMINANTY " # $!

7 Analytické vyjádření shodnosti

1 Projekce a projektory

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

ALGEBRA. Téma 5: Vektorové prostory

METRICKÉ A NORMOVANÉ 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

Algebraické struktury s jednou binární operací

14. přednáška. Přímka

Matematika B101MA1, B101MA2

Rovnice přímky. s = AB = B A. X A = t s tj. X = A + t s, kde t R. t je parametr. x = a 1 + ts 1 y = a 2 + ts 2 z = a 3 + ts 3. t R

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

Seriál II.II Vektory. Výfučtení: Vektory

Vlastní čísla a vlastní vektory

Lineární algebra : Metrická geometrie

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

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

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

10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo

Cvičení z Lineární algebry 1

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

Afinní transformace Stručnější verze

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

2. prosince velikosti symboly a, b, je b ω a b = a b cosω (1) a. ω pro ω π/2, π platí a b = b a a (3) a b = a 1 b 1 + a 2 b 2 + a 3 b 3 (5)

Základy maticového počtu Matice, determinant, definitnost

Slovo ALGEBRA pochází z arabského al-jabr, což znamená nahrazení. Toto slovo se objevilo v názvu knihy

Základní vlastnosti eukleidovského prostoru

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

Analytická geometrie lineárních útvarů

1 Lineární prostory a podprostory

Kapitola 2. o a paprsek sil lze ztotožnit s osou x (obr.2.1). sil a velikost rovnou algebraickému součtu sil podle vztahu R = F i, (2.

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ

Transkript:

6. Vektorový počet Budeme se pohybovat v prostoru R n, což je kartézská mocnina množiny reálných čísel R; R n = R R. Obvykle nám bude stačit omezení na případy n = 1, 2, 3; nicméně teorie je platná obecně. Prvky R n budeme nazývat body a značit např. A = [a 1,..., a n ], reálná čísla a 1,..., a n pak nazýváme souřadnice bodu. Poznámka 6.1. Polohu obecného bodu P v R 3 charakterizujeme nejčastěji trojicí souřadnic x, y, z a znázorňujeme jej v pravotočivé soustavě Oxyz, viz. Obrázek 6.1. Obr. 6.1: Význam trojice souřadnic [x, y, z] charakterizujících polohu bodu P (x, y, z) v trojrozměrné pravotočivé soustavě pravoúhlých souřadnic Oxyz. Definice 6.2. Uspořádanou dvojici bodů A, B nazveme vázaný vektor v R n s počátkem v A a s koncem v B. Značíme AB = ([a 1,..., a n ], [b 1,..., b n ]). Je zřejmé, že vázaný vektor AB lze zadat i tak, že zadáme bod A a spolu s ním uspořádanou n-tici reálných čísel (b 1 a 1,..., b n a n ). Samotnou tuto n-tici pak nazýváme volný vektor a značíme u = AB; je ovšem jasné, že u body A, B neurčuje, protože i jiné body C, D mohou vést k témuž volnému vektoru u (přesněji, definujeme zde binární relaci mezi vázanými vektory: řekneme, že dva vázané vektory AB, CD patří do relace R, jestliže (b 1 a 1,..., b n a n ) = (d 1 c 1,..., d n c n ); tato relace (protože je ekvivalence) určuje rozklad množiny vázaných vektorů na třídy zvané volné vektory). Dále se budeme zabývat volnými vektory. Poznámka 6.3. Při vyšetřování vztahů mezi vektorovými veličinami s užitím kartézské soustavy souřadnic se zavádějí některé další pojmy a operace. Kolmé průměty vektorové veličiny a do souřadnicových os se značí a x, a y, a z (viz Obr. 6.2) a jsou definovány vztahy a x = a cos α, a y = a cos β, a z = a cos γ. (6.1) ÚM FSI VUT v Brně 22

Obr. 6.2: Vyjádření vektorů a a b pomocí jejich složek a x, a y, a z (resp. b x (= 0), b y, b z ) a jednotkových vektorů ı, j, k. V obrázku jsou rovněž vyznačeny úhly, které svírá vektor a se souřadnicovými osami. Tyto veličiny se nazývají rovněž souřadnice vektoru a. Ze vztahu (6.1) plyne a x > 0 pro 0 α π/2, a x = 0 pro α = π/2, a x < 0 pro π/2 < α π. Užívá se zápisu a = (a x, a y, a z ). Vektor a a jeho souřadnice mají stejné jednotky. Je-li dán vektor svými souřadnicemi, např. a = (a x, a y, a z ), lze určit jeho velikost a úhly, které svírá se souřadnicovými osami, s užitím vztahů plynoucích z Obrázku 6.2: a = a = a 2 x + a 2 y + a 2 z; cos α = a x a, cos β = a y y, cos γ = a z a. Definice 6.4. (Součet a násobení skalárem) Pro volné vektory nyní definujeme operaci součet u + v = w vztahem (w 1,..., w n ) = (u 1 + v 1,..., u n + v n ) a operaci násobení skalárem c u = v (c R) vztahem (v 1,..., v n ) = (cu 1,..., cu n ). Množinu volných vektorů na R n spolu s těmito operacemi pak nazýváme vektorový prostor a značíme V n (poznamenáváme zde, že vůbec není naším cílem budovat obecnou teorii algebraických struktur zvaných vektorové prostory; název vektorový prostor zde tedy užíváme vědomě jen pro právě uvedený příklad). Povšimněme si, že volné vektory spolu s binární operací sčítání jsou dalším příkladem grupy, která byla definována v tématu Relace, zobrazení, operace a algebraické struktury. Neutrálním prvkem je zde tzv. nulový vektor o = (0,..., 0). Definice 6.5. Řekneme, že vektor v je lineární kombinací vektorů u 1,..., u k, jestliže ho pro nějaká c 1,..., c k R lze vyjádřit jako v = c1 u 1 + + c k u k. Poznámka 6.6. Povšimněme si, že nulový vektor o je vždy triviální lineární kombinací (tj. s c 1 = = = c k = 0) libovolných vektorů u 1,..., u k. Někdy je také jejich netriviální kombinací, tzn. alespoň jedno z čísel c 1,..., c k je nenulové (je-li např. k = 2, u 1 = u a u 2 = u, vztah je splněn pro libovolné c 1 = c 2 = c R). ÚM FSI VUT v Brně 23

To nás vede k následující definici. Řekneme, že vektory u 1,..., u k jsou lineárně závislé, pokud je nulový vektor jejich netriviální lineární kombinací. Pokud tomu tak není, tedy nulový vektor lze obdržet pouze jako triviální lineární kombinaci vektorů u 1,..., u k, nazveme tyto vektory lineárně nezávislé. V prostoru V n lze vybrat nejvýše n lineárně nezávislých vektorů; množina n lineárně nezávislých vektorů se nazývá báze V n. Lze sice vybrat nekonečně mnoho bází V n, jednu však preferujeme: je to tzv. kanonická báze: e 1 = (1, 0, 0,..., 0) e 2 = (0, 1, 0,..., 0) e 3 = (0, 0, 1,..., 0)... e n = (0, 0, 0,..., 1) Povšimněme si, že vektory kanonické báze e 1,..., e n zapsané jako řádky matice dávají jednotkovou matici E; obecně, vektory libovolné báze představují vždy regulární matici. Poznámka 6.7. Jednotkové vektory ve směru souřadnicových os Ox, Oy, Oz v R 3 budeme obvykle značit ı, j, k. Tyto vektory jsou navzájem kolmé (viz Obrázek 6.2) a platí pro ně ı = j = k = 1. Vektory a x ı, a y j, a z k o velikostech ax, a y, a z se nazývají složky vektoru a v souřadnicových osách. Platí pro ně tzv. semikartézské vyjádření vektoru a a = a x ı + a y j + a z k. Předpokládejme, že vektor u má souřadnice v obvyklé, tedy kanonické bázi. Uvažujme jinou bázi a 1,..., a n, zapsanou řádkově do matice ji označme A. Vektor u v této bázi budeme označovat u A. Zřejmě platí (vektory u, u A píšeme sloupcově) A u A = E u a tedy u A = A 1 u. Ještě obecněji, předpokládejme, že vektor u B je vyjádřen v bázi (maticově) B a chceme jej vyjádřit v bázi A. Postupem analogickým předchozímu odstavci zjistíme, že u A = A 1 B u B. Matici A 1 B nazýváme matice přechodu od báze B k bázi A (v této důležité úloze aplikujeme tedy jak výpočet inverzní matice, tak součin matic). Definice 6.8. (Skalární součin) Na V n lze zavést další operaci: skalární součin u v = c (c R) definujeme vztahem c = u 1 v 1 + + u n v n. Vektorový prostor V n s takto zavedeným skalárním součinem nazýváme euklidovský prostor a značíme E n (skalární součin lze zavést i jiným způsobem, tomu se ale zde nevěnujeme). Geometrický význam skalárního součinu. Skalární součin a b dvou (libovolných) vektorových veličin a, b je skalární veličina c daná vztahem kde α je dutý nebo přímý úhel sevřený vektory a, b (viz Obrázek 6.3). c(= a b) = ab cos α, (6.2) ÚM FSI VUT v Brně 24

Obr. 6.3: Geometrický význam skalárního součinu a b = a b cos α(= a b b = b a a). Příklad 6.9. Vagón je tažen na přímém úseku délky s = 20 m lanem, které svírá se směrem rychlosti vagonu úhel α = 20 a které je napínáno silou o velikosti F = 800 N. Vyjádřete práci W vykonanou silou F pomocí skalárního součinu a vypočtěte ji. Řešení. Zavedeme vektor s podle Obrázku 6.4. Pak W = F s s = F cos α) s = F s, W = F s = F s cos α = 800 N 20 m cos 20 = 1,50 10 4 J. Obr. 6.4: K příkladu 6.9. Definice 6.10. (Vektorový součin) Dále, definujme pro n > 1 na V n tzv. vektorový součin jako (n 1)-ární operaci přiřazující vektorům u 1 = (u 11,..., u 1n ),..., u n 1 = (u (n 1)1,..., u (n 1)n ) vektor w = u 1 u n 1 jako determinant kde e 1,..., e n jsou vektory kanonické báze. u 11 u 12... u 1n u 21 u 22... u 2n w =... u (n 1)1 u (n 1)2... u (n 1)n e 1 e 2... e n Pro n = 2 jde o unární operaci, která vektoru u = (u 1, u 2 ) přiřadí vektor w = u 1 (0, 1) u 2 (1, 0) = ( u 2, u 1 ). Pro n = 3 jde o binární operaci, která vektorům u = (u 1, u 2, u 3 ), v = (v 1, v 2, v 3 ) přiřadí vektor w = u 1 v 2 (0, 0, 1) + u 2 v 3 (1, 0, 0) + u 3 v 1 (0, 1, 0) u 1 v 3 (0, 1, 0) u 2 v 1 (0, 0, 1) u 3 v 2 (1, 0, 0) = (u 2 v 3 u 3 v 2, u 3 v 1 u 1 v 3, u 1 v 2 u 2 v 1 ). Poznámka 6.11. Doporučujeme čtenáři hlouběji se seznámit s vlastnostmi operace vektorového součinu (tato operace je mj. pro n = 3 antikomutativní: u v = v u ). Důležitým výsledkem (dokáže se přímým výpočtem) dále je, že skalární součin vektoru w = u 1 u n 1 s libovolným z vektorů u 1,..., u n 1 je vždy nulový., Geometrický význam vektorového součinu. Vektorový součin a b dvou (libovolných) vektorových veličin a, b je vektorová veličina c, kterou je graficky možno znázornit tak, že oba vektory a, b umístíme do jednoho (libovolného) bodu (bod P v Obrázku 6.5). ÚM FSI VUT v Brně 25

Pro vektor c = a b platí: 1. Velikost: Obr. 6.5: Geometrický význam vektorového součinu a b. c = ab sin α, tj. platí, že velikost vektoru c je rovna plošnému obsahu kosodélníka vyšrafovaného v Obrázku 6.5, kde α je tupý nebo přímý úhel sevřený vektory a, b. 2. Směr je kolmý na rovinu danou vektory a, b tak, že vektory a, b, c (v uvedeném pořadí) tvoří pravotočivý trojhran (nebo: pravotočivý šroub otáčení kolem přímky p od a do b nejkratší cestou, vektor c má směr postupu šroubu) viz Obrázek 6.5. Příklad 6.12. Síla F působící na těleso v bodě P vyvozuje vzhledem k počátku souřadnic otáčivý moment M = r F, kde r je polohový vektor bodu P (viz Obrázek 6.6). Obr. 6.6: Příklad užití vektorového součinu: otáčivý moment M síly F působící na těleso v bodě P, jehož polohový vektor je r, je roven M = r F. Příklad 6.13. Na konci tyče délky l působí síla F Ox podle Obrázku 6.7. Určete otáčivý moment síly F vzhledem k počátku O. (Pozn.: symbolem a b vyjadřujeme, že vektory a, b jsou souhlasně rovnoběžné, tj. paralelní. Symbol a b vyjadřuje, že vektory a, b jsou nesouhlasně rovnoběžné, tj. antiparalelní). Řešení. M = r F. Vektor M zakreslíme v bodě O, směr je zřejmý z Obrázku 6.7. Platí M = r F sin 90 = 1 2 lf. ÚM FSI VUT v Brně 26

Obr. 6.7: K příkladu 6.13. Definice 6.14. Pro n > 1 na V n definujeme také tzv. vnější součin jako n-ární operaci přiřazující vektorům u 1 = (u 11,..., u 1n ),..., u n = (u n1,..., u nn ) determinant (tedy číslo) u 11 u 12... u 1n u 21 u 22... u 2n.... u n1 u n2... u nn Absolutní hodnota vnějšího součinu vyjadřuje objem n-rozměrného rovnoběžnostěnu s vrcholy O (počátek), O + u 1, O + u 1 + u 2,..., O + u 1 + u 2 + + + u n. V prostoru V 2 jde o obsah rovnoběžníka. V prostoru V 3 jde o objem rovnoběžnostěnu (pro úplnost ještě uveďme alternativní možnost: pokud v prostoru V 3 vynásobíme dva vektory u, v vektorově a výsledek pak s třetím vektorem w skalárně, obdržíme tzv. smíšený součin tří vektorů; ten splývá s vnějším součinem: tedy jeho absolutní hodnota udává objem rovnoběžnostěnu s hranami představovanými vektory u, v a w ). Definice 6.15. Na E n dále definujeme velikost u vektoru u vztahem u = u u (odmocnina skalárního součinu vektoru se sebou samým). Takto zavedená velikost mj. splňuje tzv. trojúhelníkovou nerovnost u + v u + v. Definice 6.16. pro něž Můžeme dále na E n zavést úhel dvou nenulových vektorů u a v jako číslo φ [0, π), cos φ = u v u v. Zřejmě φ = π 2 nastává právě tehdy, když skalární součin u a v je nulový; takové vektory tedy nazýváme kolmé (a viz nyní znovu Poznámka 6.11). Pro vektory u a v v E 3 svírající úhel φ pak např. platí u v = u v sin φ, jak si čtenář může nyní dokázat. ÚM FSI VUT v Brně 27