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.

Podobné dokumenty
Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

6 Lineární geometrie. 6.1 Lineární variety

Lineární algebra : Metrická geometrie

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.

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

Soustavy linea rnı ch rovnic

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ

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

1 Soustavy lineárních rovnic

3 Lineární kombinace vektorů. Lineární závislost a nezávislost

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

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,

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

1 Báze a dimenze vektorového prostoru 1

6. ANALYTICKÁ GEOMETRIE

Základní pojmy teorie množin Vektorové prostory

14. přednáška. Přímka

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

Lineární algebra : Lineární prostor

2. kapitola: Euklidovské prostory

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

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

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

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

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

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

1 Analytická geometrie

Josef Janyška Anna Sekaninová ANALYTICKÁ TEORIE KUŽELOSEČEK A KVADRIK

10 Přednáška ze

Cvičení z Lineární algebry 1

1 Řešení soustav lineárních rovnic

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

Obecná úloha lineárního programování

ALGEBRA. Téma 5: Vektorové prostory

KMA/G1 GEOMETRIE 1 Pomocn y uˇ cebn ı text Miroslav L aviˇ cka Plzeˇ n, z aˇ r ı 2008

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

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

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

VZÁJEMNÁ POLOHA DVOU PŘÍMEK

9 Kolmost vektorových podprostorů

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava luk76/la1

7. Důležité pojmy ve vektorových prostorech

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

Lineární algebra : Změna báze

AB = 3 CB B A = 3 (B C) C = 1 (4B A) C = 4; k ]

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.

Drsná matematika III 3. přednáška Funkce více proměnných: Inverzní a implicitně definovaná zobrazení, vázané extrémy

Matematika B101MA1, B101MA2

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

1 Připomenutí vybraných pojmů

0.1 Úvod do lineární algebry

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

Úvod do lineární algebry

Rovnice přímky v prostoru

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

Lineární algebra : Báze a dimenze

ZÁKLADNÍ ZOBRAZOVACÍ METODY

Matematika I 12a Euklidovská geometrie

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

Josef Janyška Anna Sekaninová ANALYTICKÁ TEORIE KUŽELOSEČEK A KVADRIK

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

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

Lineární algebra : Skalární součin a ortogonalita

Základy matematiky pro FEK

Arnoldiho a Lanczosova metoda

Vlastní čísla a vlastní vektory

IB112 Základy matematiky

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

Projektivní prostor a projektivní zobrazení

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

1 Vektorové prostory.

10. Vektorové podprostory

11. VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ

Euklidovský prostor. Euklides. Euklidovy postuláty (axiomy)

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

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

Těleso racionálních funkcí

1 Lineární prostory a podprostory

6 Samodružné body a směry afinity

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

Základní vlastnosti eukleidovského prostoru

Matematika B101MA1, B101MA2

Lineární programování

1 Topologie roviny a prostoru

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

Vlastní číslo, vektor

UNIVERZITA PALACKÉHO V OLOMOUCI

VZÁJEMNÁ POLOHA DVOU PŘÍMEK V ROVINĚ

Lingebraické kapitolky - Analytická geometrie

Matice lineárních zobrazení

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

GEOMETRIE PRO INFORMATIKY

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

Afinní transformace Stručnější verze

Aritmetické vektory. Martina Šimůnková. Katedra aplikované matematiky. 16. března 2008

6. Lineární nezávislost a báze p. 1/18

VĚTY Z LINEÁRNÍ ALGEBRY

Drsná matematika III 1. přednáška Funkce více proměnných: křivky, směrové derivace, diferenciál

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.

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.

Transkript:

1. Afinní podprostory 1.1. Motivace. Uvažujme R 3. Jeho všechny vektorové podprostory jsou počátek, přímky a roviny procházející počátkem a celé R 3. Chceme-li v R 3 dělat geometrii potřebujeme i jiné body, přímky a roviny. Všechny tyto útvary budou zahrnuty v pojmu afinní podprostor. 1.2. Afinní podprostor vektorového prostoru. Nechť U je vektorový prostor nad polem K. Afinní podprostor prostoru U je neprázdná množina M tvaru: M = A + V = {A + v, v V}, kde A U a V U je nějaký vektorový podprostor. Příklad. U = R 2. Každý bod v R 2 je tvaru A+{ 0 } a je tedy afinní podprostor. Každá přímka M v R 2 je tvaru: x 1 = a 1 + tv 1 tedy x 2 = a 2 + tv 2 (a 1, a 2 ) T + [(v 1, v 2 )] T A + V Příklad. U = R n neprázdná množina řešení soustavy Ax = b. R(A, b) = {x R n, Ax = b} je afinní podprostor, neboť je tvaru kde x 0 je nějaké řešení a je vektorový podprostor. R(A, b) = x 0 + R(A, 0) R(A, 0) = {y R n, Ay = 0} Příklad. U = R 2 [x] M = {p R 2 [x], p (1) = 2} je afinní podprostor, neboť M = {x 2 N + {q R 2 [x], q (1) = 0} Věta. Vektorový podprostor V v definici afinního podprostoru M je určen jednoznačně. Důkaz. Nechť M = A 1 + V 1 = A 2 + V 2, kde A 1, A 2 U a V 1, V 2 jsou vektorové podprostory v U. Potom existuje w 2 V 2 tak, že A 1 = A 2 +w 2 Tedy A 1 A 2 = w 2 V 2 Nechť v 1 V 1. Pak existuje v 2 V 2 tak, že A 1 + v 1 = A 2 + v 2 v 1 = (A 2 A 1 ) + v 2 = (A 1 A 2 ) + v 2 V 2 V 2 V 2 Dostáváme V 1 V 2 a analogicky V 2 V 1. 1

2 Definice. V v definici M nazýváme zaměření afinního podprostoru M, píšeme dim M = dim V Z(M) = V 1.3. Afinní kombinace bodů. A, B U určují přímku Lineární kombinace A + t(b A) = (1 t)a + tb sa + tb, t + s = 1 se nazývá afinní kombinace bodů. Nechť A 0, A 1,..., A k U. Afiní kombinace bodů A 0, A 1,..., A k je bod Tento bod lze pasát t i A i, kde t i = 1 (1 t 1 t k )A 0 +t 1 A 1 + +t k A k = A 0 +t 1 (A 1 A 0 )+t 2 (A 2 A 0 )+ +t k (A k A 0 ) Věta. Jestliže M U je afinní podprostor, pak s každými (k+1) body A 0, A 1,..., A k M leží v M i jejich afinní kombinace. Důkaz. M = A + V, A i = A + v i t i (A + v i ) = ( t i )A + t i v i = A + t i v i V neboť k t i = 1. Obrácená věta. Nechť M je neprázdná podmnožina ve vektorovém prostoru U, kdes každými dvěma body leží i jejich afinní kombinace. Pak je M afinní podprostor. Důkaz. Nechť A M. potom M = A + {B A, B M} Dokážeme, že V = {B A, B M} je vektorový podprostor. Nechť B A V, B M. Potom násobek tohoto vektoru t(b A) = (tb + (1 t)a) A V Nechť B A V, C A V, B, C M. Potom součet těchto vektorů M {}}{ 1 (B A) + (C A) = (B + C A) A = {2( 2 B + 1 2 C) A} A V M

Afinní podprostory 3 Geometrická interpretace předchozích vět. Neprázdná množina M je afinní podprostor, právě když s každými dvěma body A, B, leží v M i přímka jimi určená. 1.4. Parametrický popis afinního podprostoru M U Nechť M = A + V Nechť v 1, v 2,..., v k je báze vektorového podprostoru V. Potom každý vektor v V lze psát jednoznačně ve tvaru v = t 1 v 1 + t 2 v 2 + + t k v k Tedy daždý bod X M lze psát jednoznačně ve tvaru X = A + v = A + t 1 v 1 + t 2 v 2 + + t k v k k-tici (t 1, t 2,..., t k ) T nazýváme souřadnice bodu X v afinní bázi (A, v 1, v 2,..., v k ) afinního podprostoru M. Popis bodů afinního podprostoru ve tvaru ( ) se nazývá parametrický popis. Bod A se nazývá počátek souřadnic. Každý bod B B M může být počátkem souřadnic, neboť M = A + V = B + V Příklad. p: X = A + tv 1 - přímka Příklad. ρ: X = A + tv 1 + t 2 v 2 - rovina 1.5. Popis pomocí soustavy lineárních rovnic (implicitní popis) Nechť U máme nějakou bázi (u 1, u 2,..., u n ) = α se souřadnicemi (x 1, x 2,..., x n ) T. Nechť A je matice r+n. Potom množinu bodů X U jejichž souřadnice splňují soustavu lineárních rovnic Ax = b, označme ji R(A, b), je, pokud je neprázdná, afinní podprostor v U. Nechť M U má souřadnice z, které splňují rovnici Az = b. Nechť R(A, 0) = {v U, A(v) α = 0}. To je vektorový podprostor a platí R(A, b) = M + R(A, 0) Popis afinního podprostoru pomocí soustavy rovnic se nazývá někdy implicitní popis Příklad. Rovnice 2x 1 3x 2 + 5x 3 = 4 popisuje rovinu v R 3. Soustava 2x 1 3x 2 + 5x 3 = 4 x 1 + x 2 x 3 = 3 popisuje přímku v R 3. Přesvědčíme se o tom tak, že soustavu vyřešíme. Řešení napsané pomocí parametrů dává parametrický popis afinního podprostoru. Závěr. Soustava rovnic Ax = b zadává afinní podprostor právě když h(a) = h(a b). Pokud je tato podmínka splněna, pak dimenze tohoto podprostoru je n h(a), kde n je počet neznámých. Použijí se věty o řešení soustav rovnic. Věta. Každý afinní podprostor M v U je zadán jako množina bodů, jejichž souřadnice x 1, x 2,..., x n v bázi α = (u 1, u 2,..., u n ) prostoru U splňují nějakou soustavu lineárních rovnic Ax = b. Důkaz. M = M + t 1 v 1 + t 2 v 2 + + t k v k, kde (v 1, v 2,..., v k ) je báze zaměření V. Pro souřadnice bodů X M tedy platí x = m + Ct, ( )

4 kde x = (x 1, x 2,..., x n ) T, m = (m 1, m 2,..., m n ) T, C je matice souřadnic vektorů v 1, v 2,..., v k, t = (t 1, t 2,..., t k ) T. Algoritmus Ex = Ct + m (E C m) elementární rádkové operace ( ) A1 C 1 b 1 A 0 b Operace provádíme tak, aby C přešla do schodovitého tvaru, všechny řádky C 1 jsou nenulové. Ex = Ct + m <=> A 1 x = C 1 t + b 1 Ax = b Tedy souřadnice x každého bodu X M splňují rovnice Ax = b. Nechť y je řešením výše uvedené rovnice. Položme C 1 1 (A 1y b 1 ) = t Pro toto t jsou splněny obě rovnice vpravo. Tedy y jsou souřadnice bodu z M. 1.6. Vzájemná poloha afinních podprostorů M a N (1) Jeden je podprostorem druhého M N, pokud M N a Z(M) Z(N ) (2) Rovnoběžné M N = a Z(M) Z(N ) nebo Z(N ) Z(M) (3) Různoběžné M N a neplatí ani Z(M) Z(N ) ani Z(N ) Z(M) (4) Mimoběžné M N = a neplatí ani Z(M) Z(N ) ani Z(N ) Z(M) 1.7. Operace s afinními podprostory M a N (1) Průnik M N je afinní podprostor, pokud je neprázdný, se zaměřením Z(M) Z(N ). (2) Spojení M N = nejmenší afinní podprostor obsahující afinní podprostory M a N. Pokud M = M + V N = N + Z pak M N = M + [N M] + V + Z vekt. podprostor Používá se takto: rovina určená bodem a přímkou je spojením těchto dvou afinních podprostorů. 1.8. Úkoly, které je třeba umět řešit přechod od implicitního popisu k parametrickému a obráceně průnik afinních podprostorů spojení afinních podprostorů vzájemná poloha afinních podprostorů

Afinní podprostory 5 nalezení afinního podprostoru daných vlastností (např.: najít přímku p procházející danám bodem A, protínající danou přímku q a danou rovinu ρ, mimoběžnou s q.) 1.9. Afinní zobrazení mezi podprostory M U a N V je zobrazení φ : M N tvaru, že φ(m +u) = N +ϕ(u) kde M M, u Z(M), N N a ϕ : Z(M) Z(N ) je lineární. Příklad. M = R n, N = R k. Zobrazení φ(x) = Ax + b kde A je matice k n a b = (b 1, b 2,..., b k ) T, je afinní, neboť φ(0 + x) = b + Ax lin. zobr.