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



Podobné dokumenty
Soustavy lineárních rovnic

VĚTY Z LINEÁRNÍ ALGEBRY

Základy matematiky pro FEK

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

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

Soustavy linea rnı ch rovnic

1 Řešení soustav lineárních rovnic

Soustavy. Terminologie. Dva pohledy na soustavu lin. rovnic. Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová.

Matematika 2 (Fakulta ekonomická) Cvičení z lineární algebry. TU v Liberci

1/10. Kapitola 12: Soustavy lineárních algebraických rovnic

1 Determinanty a inverzní matice

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,

0.1 Úvod do lineární algebry

Operace s maticemi

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

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

Matematika B101MA1, B101MA2

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

1 Soustavy lineárních rovnic

0.1 Úvod do lineární algebry

DEFINICE Z LINEÁRNÍ ALGEBRY

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

Operace s maticemi. 19. února 2018

Soustava m lineárních rovnic o n neznámých je systém

1 Vektorové prostory.

ALGEBRA. Téma 5: Vektorové prostory

1 Linearní prostory nad komplexními čísly

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

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

7. Důležité pojmy ve vektorových prostorech

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

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava luk76/la1

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

IB112 Základy matematiky

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

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

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

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

3 Lineární kombinace vektorů. Lineární závislost a nezávislost

9 Kolmost vektorových podprostorů

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

7. Lineární vektorové prostory

(Cramerovo pravidlo, determinanty, inverzní matice)

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

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

Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008

Základy maticového počtu Matice, determinant, definitnost

Lineární algebra Operace s vektory a maticemi

vyjádřete ve tvaru lineární kombinace čtverců (lineární kombinace druhých mocnin). Rozhodněte o definitnosti kvadratické formy κ(x).

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

Řešené úlohy z Úvodu do algebry 1

Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru. Kvadratická forma v n proměnných je tak polynom n proměnných s

Fakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR

Lineární algebra. Soustavy lineárních 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

10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo

8 Matice a determinanty

Soustavy lineárních rovnic a determinanty

Úvod do lineární algebry

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

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

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)

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

Lineární algebra : Vlastní čísla, vektory a diagonalizace

HODNOST A DETERMINANT MATICE, INVERZNÍ MATICE

Matematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29

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

HODNOST A DETERMINANT MATICE, INVERZNÍ MATICE

Základní pojmy teorie množin Vektorové prostory

Lineární (ne)závislost

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

Vlastní čísla a vlastní vektory

SOUSTAVY LINEÁRNÍCH ROVNIC

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.

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

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

z textu Lineární algebra

EUKLIDOVSKÉ PROSTORY

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

f(x) = arccotg x 2 x lim f(x). Určete všechny asymptoty grafu x 2 2 =

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

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

Pavel Horák LINEÁRNÍ ALGEBRA A GEOMETRIE 1 UČEBNÍ TEXT

Báze a dimenze vektorových prostorů

Úvodní informace Soustavy lineárních rovnic. 12. února 2018

Matematika I, část I Vzájemná poloha lineárních útvarů v E 3

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

Transformace souřadnic

2. Lineární algebra 2A. Matice a maticové operace. 2. Lineární algebra

Soustavy lineárních rovnic

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

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

Pavel Horák, Josef Janyška LINEÁRNÍ ALGEBRA UČEBNÍ TEXT

VÝSLEDKY Písemný test z předmětu BI-LIN( ), varianta R. + c)det A= 3det B, d)det A= 6det B, e)det A=6detB.

Matematika 2 pro PEF PaE

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.

Vlastní čísla a vlastní vektory

1 Projekce a projektory

1 Analytická geometrie

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

Transkript:

Příklad 1. Určete všechna řešení následující soustavy rovnic nad Z 2 : 0 0 0 1 1 1 0 1 0 1 1 1 1 1 0 1 0 1 0 1 1 Gaussovou eliminací převedeme zadanou soustavu na ekvivalentní soustavu v odstupňovaném tvaru: 0 0 1 0 0 1 1 0 1 1 1 1 1 1 0 1 1 1 1 1 1 0 0 1 0 0 1 1 0 1 0 1 0 1 1 0 1 0 1 0 1 1 0 1 1 1 1 1 1 0 0 1 0 0 1 1 0 0 1 0 1 0 0 0 1 1 1 1 1 1 0 0 1 0 0 1 1 0 0 0 0 1 1 1 Označíme proměnné pořadě x 1,..., x 6. Parametry jsou x 1, x 4, x 6. Spočteme partikulární řešení, dosadíme například x 1 = x 4 = x 6 = 0. Vyjde (0, 1, 1, 0, 1, 0). Bázi prostoru řešení příslušné homogenní soustavy spočítáme volbami x 1 = x 4 = 0, x 6 = 1 (vyjde (0, 1, 1, 0, 1, 1)), x 1 = x 6 = 0, x 4 = 1 (vyjde (0, 1, 0, 1, 0, 0)) a x 4 = x 6 = 0, x 1 = 1 (vyjde (1, 0, 0, 0, 0, 0)). Báze prostoru řešení příslušné homogenní soustavy je tedy např. {(0, 1, 1, 0, 1, 1), (0, 1, 0, 1, 0, 0), (1, 0, 0, 0, 0, 0)}. Množina všech řešení je (0, 1, 1, 0, 1, 0) + (0, 1, 1, 0, 1, 1), (0, 1, 0, 1, 0, 0), (1, 0, 0, 0, 0, 0). Poznámky. I když proměnná x 1 nehraje v řešení velkou roli, nelze ji ignorovat. To, že koeficient u x 1 je v každé rovnici 0, se projevuje tím, že vektor (1, 0, 0, 0, 0, 0) je řešením příslušné homogenní soustavy. Příklad 2. V závislosti na a, b Z 3 určete dimenzi podprostoru U vektorového prostoru Z 3 3, kde U = {(a, 1, 2), (1, b, 2), (1 + a 2, 2, 1)} Hledaná dimenze je (podle definice) rovna hodnosti matice A = 1 b 2 a 1 2 1 + a 2 2 1 Hodnost matice se nemění řádkovými ani sloupcovými úpravami. Připomeňme, že hodnost matice v odstupňovaném tvaru je rovna počtu nenulových řádků. 1

Nejprve upravíme A do jednoduššího tvaru (který nebude vždy odstupňovaný): A 2 1 a 2 b 1 1 2 1 + 2 b 1 1 2 1 + 0 b + 2 2 + a 2 = B. 1 2 1 + a 2 2 1 a 0 0 1 + a + a 2 (V první úpravě jsme přeházeli sloupce, v druhé řádky a ve třetí jsme první řádek přičetli k ostatním.) Dosazením a = 0, 1, 2 zjistíme, že 1 + a + a 2 = 0 právě tehdy, když a = 1. Pokud b + 2 0 a 1 + a + a 2 0, pak je matice v odstupňovaném tvaru a má tři nenulové řádky, hodnost je tedy 3. Podmínky nastávají právě tehdy, když b 1 a a 1 (viz výše). Pokud a = 1, pak matice B má tvar B = 1 2 2 0 b + 2 0 0 0 0 Tato matice je v odstupňovaném tvaru nezávisle na b. Pokud b = 1, pak máme jeden nenulový řádek (a tedy hodnost je 1). Pokud b 1, pak máme dva nenulové řádky (hodnost je 2). Zbývá možnost a 1, b = 1. Matice B vypadá takto 1 2 1 + 0 0 2 + a 2 0 0 1 + a + a 2 Tato matice není v odstupňovaném tvaru! Protože 1 + a + a 2 0, lze matici řádkovými úpravami převést na 1 2 1 + 0 0 1 0 0 0 (rozmyslete si proč!) a hodnost je tedy 2. Pokud a = b = 1, pak dimenze U je 1; pokud a = 1 a b 1, pak dimenze U je 2; pokud a 1 a b = 1, pak dimenze U je 2; pokud a 1 a b 1, pak dimenze U je 3. Poznámky. Řada z vás si neuvědomila, že je možné provádět i sloupcové úpravy, takže převod na odstupňovaný tvar byl komplikovanější. Někteří zjišťovali hodnost tak, že dosadili všechny možné kombinace hodnot parametrů (9). To je v tomto případě vcelku časově nenáročné. Je to rozhodně lepší, než pracovat s výrazy typu 2 +1+2ab ab+2b+2. Častou chybou bylo dělením výrazem závisejícím na parametrech aniž byste zkontrolovali, že nedělíte nulou. 2

Velmi častou chybou bylo užití tvrzení následujícího typu: Matice X = 1 0 2 a 3 b 0 0 c je v odstupňovaném tvaru, tedy její hodnost je počet nenulových řádků. Toto není pravda! Matice X nemusí být v odstupňovaném tvaru! Např. pokud a = 0, b, c 0, matice X v odstupňovaném tvaru není (a její hodnost je 2). Příklad 3. Uvažujme následující matici nad Z 5 A = 1 2 3 4 1 2 3 3 3 (a) (4 body) Spočítejte A 1 (pokud existuje) (b) (1 bod) Pomocí výsledku v (a) najděte všechna řešení soustavy rovnic s maticí 1 2 3 2 4 1 2 1 3 3 3 1 (a) Řádkovými úpravami převedeme matici (A E) na tvar (E A 1 ): 1 2 3 1 0 0 1 2 3 1 0 0 4 1 2 0 1 0 0 3 0 1 1 0 3 3 3 0 0 1 0 2 4 2 0 1 1 0 3 2 1 0 0 3 0 1 1 0 0 0 4 3 1 1 1 0 0 1 4 3 0 1 0 2 2 0 0 0 1 2 4 4 1 0 0 1 4 3 0 3 0 1 1 0 0 0 4 3 1 1 (V první úpravě jsme 1. řádek přičetli k 2. a dvojnásobek 1. řádku přičetli k 3.; v druhé úpravě jsme 2. řádek přičetli k 1. a 3.; ve třetí úpravě jsme trojnásobek třetího řádku přičetli k 1.; v poslední úpravě jsme 2. řádek vynásobili dvěmi a 3. řádek čtyřmi.) Takže A 1 = 1 4 3 2 2 0 2 4 4 3

(b) Hledáme všechna řešení rovnice Ax T = b T, kde b = (2, 1, 1). Vynásobením zleva maticí A 1 dostaneme po úpravě x T = A 1 b T. Tato rovnice je ekvivalentní původní (např. proto, že vynásobením maticí A zleva dostaneme původní rovnici). Daná soustava má tedy jediné řešení x, kde x T = A 1 b T = 1 4 3 2 2 0 2 4 4 Jediným řešením soustavy je x = (4, 1, 2). 2 1 1 = 4 1 2 Příklad 4. Uvažujme následující dvě permutace π, ρ S 10 ( ) 1 2 3 4 5 6 7 8 9 10 π : 4 5 3 10 9 8 1 6 2 7 ρ : ( 1 2 3 4 5 6 7 8 9 10 2 10 4 9 6 8 7 5 3 1 (a) (1 body) Napište permutace π, ρ, πρ a π 1 ρ 1 v zápisu pomocí nezávislých cyklů. (b) (1 bod) Určete znaménka permutací π, ρ, πρ a π 50 ρ 121 π 13 ρ 4. (c) (2 body) Spočítejte π 100. ) (a) π = (1 4 10 7)(2 5 9)(6 8) ρ = (1 2 10)(3 4 9)(5 6 8) πρ = (1 5 8 9 3 10 4 2 7) π 1 ρ 1 = (1 4 3 5 6 2 7 10 9) (b) Permutace je sudá právě tehdy, když má sudý počet nezávislých cyklů sudé délky. Permutace π má dva cykly sudé délky, permutace ρ žádný, tedy obě permutace jsou sudé, sgn(π) = sgn(ρ) = 1. Protože sgn(αβ) = sgn(α)sgn(β) (pro libovolné permutace α, β), máme a sgn(πρ) = sgn(π)sgn(ρ) = 1 sgn(π 50 ρ 121 π 13 ρ 4 ) = sgn(π) 50 sgn(ρ) 121 sgn(π) 13 sgn(ρ) 4 = 1. Všechny čtyři zadané permutace jsou sudé. 4

(c) Pokud α, β jsou nezávislé cykly, pak zřejmě (αβ) n = α n β n pro libovolné celé číslo n. Pokud α je cyklus délky k, pak α k = id z čehož snadno plyne, že α n = α n mod k. π 100 = [(1 4 10 7)(2 5 9)(6 8)] 100 = (1 4 10 7) 100 (2 5 9) 100 (6 8) 100 = = (1 4 10 7) 100 mod 4 (2 5 9) 100 mod 3 (6 8) 100 mod 2 = = (1 4 10 7) 0 (2 5 9) 1 (6 8) 0 = (2 5 9) Chybná odpověď na některou z následujíchích otázek znamená nepochopení nějaké zásadní definice nebo trvrzení. Proto vám doporučuji si odpovědi důkladně promyslet. Příklad 5. ANO NE Množina {(1, 6, 10), (3, 1, 5), (2, 2, 2), (1, 3, 4)} je lineárně nezávislá v R 3. ANO NE Množina {(2, 1, 2, 1, 1), (1, 1, 0, 1, 2), (2, 1, 0, 1, 2), (0, 0, 1, 1, 1)} generuje Z 5 3. ANO NE Nechť U = (1, 2, 3), (1, 1, 1) R 3. Prostor U má dimenzi 2. NE. Vektorů je moc : Každá lineárně nezávislá množina se dá doplnit na bázi. Každá báze R 3 je tříprvková. NE. Vektorů je málo : Z libovolné množiny generátorů lze vybrat bázi. Každá báze Z 5 má pět prvků. ANO. Množina M = {(1, 2, 3), (1, 1, 1)} zřejmě generuje U. Snadno nahlédneme, že M je lineárně nezávislá. M je proto báze U a tedy dimenze U (=počet prvků libovolné báze U) je 2. Příklad 6. ANO NE Existuje soustava rovnic nad R, která má právě osm řešení. ANO NE Pro libovolné podprostory U a V prostoru R 7, množina U V je podprostorem R 7. ANO NE Nechť U a V jsou podprostory prostoru R 7 a dim U = dim V = 5. Pak U = V. Zde došlo k nepřesnosti v zadání. Mělo být soustava lineárních rovnic. Pro obecnou soustavu rovnic (ne nutně lineárních) je odpověď ANO. Pro soustavu lineárních rovnic je odpověď NE: Množina všech řešení soustavy lin. rovnic je tvaru partikulární řešení + všechna řešení příslušné homogenní soustavy. Počet řešení je tedy roven počtu řešení příslušné homogenní soustavy. Množina ˇvšech řešení homogenní soustavy lin. rovnic 5

nad R je podprostorem R n (kde n je počet proměnných). Velikost libovolného podprostoru vektorového prostoru R n je buď 1 (v případě, že podprostor obsahuje pouze nulový vektor), nebo je nekonečná pokud podprostor obsahuje nenulový vektor v, pak i celou přímku {rv : r R}. NE. Například dva různé jednodimenzionální podprostory. Jejich sjednocení (dvě přímky) není uzavřené na sčítání. NE. Např. U = v 1, v 2,..., v 5, V = v 2,..., v 6, kde {v 1,..., v 6 } je libovolná lineárně nezávislá množina vektorů. Příklad 7. ANO NE Existují matice A, B typu 2 2 nad R, pro které A B B A. ANO NE Existují matice A, B typu 2 2 nad R, pro které A 0, B 0 a A B = 0. ANO NE Existují matice A, B typu 2 2 nad R, pro které A (B A) (A B) A ANO. Příkladem je téměř libovolná dvojice matic. ( ) ( ) 6 0 0 0 ANO. Např. A =, B =. 9 0 5 8 NE. Násobení matic je asociativní. Příklad 8. ANO NE Jednotková matice typu 4 4 nad Z 11 je regulární ANO NE Matice typu 4 4 nad R je regulární právě tehdy, když každá dvojice jejích řádků je lineárně nezávislá. ANO NE Matice typu 2 2 nad R je regulární právě tehdy, když řádky jsou lineárně nezávislé. ANO. Plyne z libovolné definice regulárnosti. NE. Např. pokud řádky matice jsou (1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (1, 1, 0, 0). Viz též poslední poznámka k řešení druhého domácího úkolu. ANO. To je jedna z definic regulárnosti. Příklad 9. ANO NE Pro libovolnou permutaci π S 10 platí: Pokud π 2 = id, pak π je transpozice. 6

ANO NE Pro libovolné permutace π, ρ S 10 existuje právě jedno ν S 10, pro které π ν = ρ. ANO NE Pro libovolnou permutaci π S 10 platí: Pokud π 3 = id, pak π je sudá. NE. Např. π = (1 2)(3 4) ANO. Vynásobením rovnice permutací π 1 zleva dostaneme ν = π 1 ρ a toto ν zřejmě rovnost splňuje. ANO. 1 = sgn(id) = sgn(π 3 ) = (sgn(π)) 3, čili nutně sgn(π) = 1. 7