Matematika 2 pro PEF PaE

Podobné dokumenty
Základní pojmy teorie množin Vektorové prostory

1 Báze a dimenze vektorového prostoru 1

Báze a dimenze vektorových prostorů

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

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,

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

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

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

10. Vektorové podprostory

VĚTY Z LINEÁRNÍ ALGEBRY

DEFINICE Z LINEÁRNÍ ALGEBRY

Matematika B101MA1, B101MA2

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

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

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

ALGEBRA. Téma 5: Vektorové prostory

Pavel Horák, Josef Janyška LINEÁRNÍ ALGEBRA UČEBNÍ TEXT

Pavel Horák LINEÁRNÍ ALGEBRA A GEOMETRIE 1 UČEBNÍ TEXT

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

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

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

3 Lineární kombinace vektorů. Lineární závislost a nezávislost

Co je to univerzální algebra?

Lineární algebra Eva Ondráčková

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

(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.

Lineární algebra : Lineární prostor

7. Lineární vektorové prostory

6.1 Vektorový prostor

ALGEBRA. Téma 4: Grupy, okruhy a pole

Lineární algebra : Báze a dimenze

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

Báze konečněrozměrných vektorových prostorů, lineární zobrazení vektorových prostorů

Lineární algebra : Lineární (ne)závislost

Těleso racionálních funkcí

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

Matematika 1 pro PEF PaE

1 Lineární prostory a podprostory

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

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

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

15 Maticový a vektorový počet II

1 Vektorové prostory a podprostory

Matematika I 12a Euklidovská geometrie

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

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

Masarykova univerzita

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

EUKLIDOVSKÉ PROSTORY

Pro každé formule α, β, γ, δ platí: Pro každé formule α, β, γ platí: Poznámka: Platí právě tehdy, když je tautologie.

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

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

GEOMETRICKÁ ZOBRAZENÍ. Josef Janyška

Lineární algebra : Lineární zobrazení

9. Vektorové prostory

Soustavy lineárních rovnic

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

Matematika I Podprostory prostoru V n

Matematika 2 pro PEF PaE

Cvičení z Lineární algebry 1

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

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

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.

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

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

0.1 Úvod do lineární algebry

1 Linearní prostory nad komplexními čísly

1 Soustavy lineárních rovnic

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava luk76/la1

Primitivní funkce a Riemann uv integrál Lineární algebra Taylor uv polynom Extrémy funkcí více prom ˇenných Matematika III Matematika III Program

Lineární (ne)závislost

Úvod do lineární algebry

Kapitola 11: Vektory a matice:

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

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

1 Vektorové prostory.

Matematika 1 pro PEF PaE

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

8 Matice a determinanty

Charakteristika tělesa

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

Matematika. Kamila Hasilová. Matematika 1/34

1. Jordanův kanonický tvar

Vybrané kapitoly z matematiky

Matice lineárních zobrazení

18. První rozklad lineární transformace

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.

Matice. Přednáška MATEMATIKA č. 2. Jiří Neubauer. Katedra ekonometrie FEM UO Brno kancelář 69a, tel

7. Důležité pojmy ve vektorových prostorech

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

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

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

Lineární algebra Operace s vektory a maticemi

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

0.1 Úvod do lineární algebry

Vlastní čísla a vlastní vektory

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

z textu Lineární algebra

z = a bi. z + v = (a + bi) + (c + di) = (a + c) + (b + d)i. z v = (a + bi) (c + di) = (a c) + (b d)i. z v = (a + bi) (c + di) = (ac bd) + (bc + ad)i.

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

Transkript:

Vektorové prostory 1 / 17 Matematika 2 pro PEF PaE 8. Vektorové prostory Přemysl Jedlička Katedra matematiky, TF ČZU Vektorové prostory Vektorové prostory a podprostory 2 / 17 vektorového prostoru Množina V s operacemi + : V V V a : R V V se nazývá vektorový prostor (též lineární prostor) nad R, pokud pro všechna u, v, w z V a všechna r, s z R platí následující axiomy 1 u + v = v + u, 2 u + ( v + w) = ( u + v) + w, 3 existuje prvek o V takový, že u + o = u, 4 r ( u + v) = r u + r v, 5 (r + s) u = r u + s u, 6 (r s) u = r (s u), 7 1 u = u a 0 u = o. Prvky prostoru V se nazývají vektory, prvky z R se nazývají skaláry. Vektor o se nazývá nulový vektor.

Vektorové prostory Vektorové prostory a podprostory 3 / 17 y vektorových prostorů y R V n : (a 1,..., a n ) + (b 1,..., b n ) = (a 1 + b 1,..., a n + b n ) r (a 1, a 2,..., a n ) = (ra 1, ra 2,..., ra n ) o = (0,..., 0) F (R) = množina všech reálných funkcí (R +,, ): a b = a b r a = a r o = 1 Vektorové prostory Vektorové prostory a podprostory 4 / 17 vektorového podprostoru Mějme vektorový prostor V. Podmnožina W vektorového prostoru V se nazývá vektorový podprostor prostoru V, pokud je uzavřená na sčítání a na násobení skalárem, tj. pokud platí v W w W ( v + w) W a pokud W obsahuje nulový vektor. v V (r v) W pro libovolné r R. Fakt Každý vektorový prostor V má podprostory V a { o}.

Vektorové prostory Vektorové prostory a podprostory 5 / 17 y vektorových podprostorů y Podmnožina {(a 1, a 2,..., a n 1, 0); a 1,..., a n 1 R} je vektorový podprostor prostoru V n. Podmnožina {(r, 2r); r R} je vektorový podprostor prostoru V 2. Množina C(R) všech spojitých reálných funkcí je vektorový podprostor prostoru F (R). Množina P(R) všech reálných polynomů je vektorový podprostor prostoru C(R), a tedy i podprostor prostoru F (R). Vektorové prostory Lineární kombinace, závislost a nezávislost 6 / 17 Lineární kombinace vektorů Řekneme, že vektor v je lineární kombinací vektorů u 1, u 2,..., u k prostoru V, pokud existují skaláry c 1,..., c k takové, že v = c 1 u 1 + c 2 u 2 + + c k u k. Množina všech vektorů z V, která lze vyjádřit jako lineární kombinace vektorů z množiny A se nazývá lineární obal množiny A a značí se L(A).

Vektorové prostory Lineární kombinace, závislost a nezávislost 7 / 17 Koeficienty lineární kombinace Úloha Nalezněte jakou lineární kombinací vektorů (3, 2) a ( 1, 5) je vektor ( 5, 1). Řešení: ( 5, 1) = c 1 (3, 2) + c 2 ( 1, 5) ( 5, 1) = (3c 1, 2c 1 ) + ( c 2, 5c 2 ) ( 5, 1) = (3c 1 c 2, 2c 1 5c 2 ) 3c 1 c 2 = 5 2c 1 5c 2 = 1 c 1 = 2 c 2 = 1 Vektorové prostory Lineární kombinace, závislost a nezávislost 8 / 17 Lineární závislost a nezávislost Řekneme, že je množina u 1,..., u k vektorů je lineárně nezávislá, pokud c 1 u 1 + + c k u k = o nutně znamená c 1 = c 2 = = c k = 0. V opačném případě je množina lineárně závislá. Množina { u} je lineárně závislá právě když u = o. Množina { u, v} je lineárně závislá právě když u = r v anebo v = r u pro nějaké r R.

Vektorové prostory Lineární kombinace, závislost a nezávislost 9 / 17 Jednoznačné určení koeficientů lineární kombinace Tvrzení Mějme vektory u 1,..., u k a vektor v, který je jejich lineární kombinací. Pak jsou koeficienty lineární kombinace určeny jednoznačně právě tehdy, když jsou vektory u 1,... u k lineárně nezávislé. Důkaz. v = c 1 u 1 + + c k u k = d 1 u 1 + + d 1 u k o = (c 1 d 1 ) u 1 + + (c k d k ) u k Vektory jsou lineárně nezávislé právě tehdy, když c i = d i, pro všechna i. Vektorové prostory Generátory vektorových prostorů 10 / 17 Podprostor generovaný podmnožinou Tvrzení Průnik libovolné množiny podprostorů prostoru V je opět podprostor prostoru V. Podprostor prostoru V generovaný množinou A se definuje jakožto průnik všech podprostorů, které obsahují A. Podprostor prostoru V generovaný množinou A je roven L(A).

Vektorové prostory Generátory vektorových prostorů 11 / 17 Báze vektorových prostorů Báze vektorového podprostoru V je lineárně nezávislá množina, která generuje vektorový prostor V. Vektorové prostory Generátory vektorových prostorů 12 / 17 Dimenze vektorových prostorů Bud V vektorový prostor. Potom existuje M, báze vektorového prostoru. Je-li N jiná báze vektorového prostoru, pak M = N. Dimenze vektorového prostoru V je počet prvků jeho (libovolné) báze. Značí se dim V. Množina P n (R) všech reálných polynomů stupně nanejvýš n tvoří vektorový podprostor prostoru C(R). Báze tohoto prostoru je {x n, x n 1,..., x 2, x, 1}. Prostor P n (R) má tedy dimenzi n + 1. Úmluva U prostoru { o} říkáme, že má bázi a dimenzi 0.

Vektorové prostory Generátory vektorových prostorů 13 / 17 Vztah dimenze, lineární závislosti a generátorů Necht je V vektorový prostor dimenze n a necht u 1,..., u m jsou vektory z V. Jsou-li u 1,..., u m lineárně nezávislé, pak je m n. Generují-li u 1,..., u m prostor V, pak m n. Je-li W podprostor prostoru V, pak dim W dim V, přičemž dim W = dim V právě tehdy, když W = V. Bud te u 1,..., u n vektory z prostoru V dimenze n. Pak jsou následující podmínky ekvivalentní: 1 vektory u 1,..., u n jsou lineárně nezávislé; 2 vektory u 1,..., u n generují V; 3 vektory u 1,..., u n tvoří bázi V. Vektorové prostory Homomorfismy vektorových prostorů 14 / 17 Homomorfismus vektorových prostorů Zobrazení ϕ z vektorového prostoru V do vektorového prostoru W se nazývá homomorfismus (též lineární zobrazení), když pro všechna u, v z V a všechna r z R platí ϕ( u + v) = ϕ( u) + ϕ( v) a ϕ(r u) = r ϕ( u) Zobrazení z prostoru C(R) do prostoru C(R) je homomorfismus vektorových prostorů. Platí totiž (f (x) + g(x)) = f (x) + g (x) a (r f (x)) = r f (x).

Vektorové prostory Homomorfismy vektorových prostorů 15 / 17 Izomorfismus vektorových prostorů Bud ϕ homomorfismus z prostoru V do prostoru W. Pokud je ϕ prostý homomorfismus (platí ϕ( u) ϕ( v) kdykoliv u v) a pokud je ϕ na prostor W (pro každé w W existuje v, takové, že ϕ( v) = w), pak říkáme, že ϕ je izomorfismus prostorů V a W. Zobrazení ϕ(a) = 2 a je izomorfismus prostorů R a (R +,, ). Totiž ϕ(a + b) = 2 a+b = 2 a 2 b = ϕ(a) ϕ(b) ϕ(r a) = 2 r a = ( 2 a)r = r ϕ(a) a ϕ je homomorfismus. Je evidentně prostý. Máme c = 2 log 2 c, neboli c = ϕ(log 2 c), pro všechna c R +, takže ϕ je na. Vektorové prostory Homomorfismy vektorových prostorů 16 / 17 Jednoznačné určení homomorfismu na bázi Bud ϕ homomorfismus z V do W, bud M báze prostoru V a bud f zobrazení z M do W. Pak existuje právě jeden homomorfismus ϕ z V do W takový, že ϕ( u) = f ( u) pro všechny vektory u M. Zadáme homomorfismus ψ z V 2 do V 3 dvěma způsoby: na bázi a předpisem. Zvolíme bázi {(1, 0), (0, 1)} prostoru V 2. (1, 0) (2, 3, 1) (0, 1) (1, 2, 4) Lze spočítat, kam se homomorfismem zobrazí obecný prvek (a, b). ψ((a, b)) = ψ(a (1, 0) + b (0, 1)) = a (2, 3, 1) + b (1, 2, 4) = (2a + b, 3a 2b, a 4b).

Vektorové prostory Homomorfismy vektorových prostorů 17 / 17 Izomorfismus prostorů konečné dimenze Každé dva prostory stejné konečné dimenze jsou navzájem izomorfní. Důkaz. Bud v 1,..., v n báze prostoru V a bud w 1,..., w n báze prostoru W. Zavedeme homomorfismus ϕ : V W předpisem ϕ( v i ) = w i. Snadno se ověří, že tento homomorfismus je prostý a na.