Milan Hlad´ık
Vzorov´e Cviˇcen´ı z
Line´arn´ı Algebry 30. prosince 2016
Tento text slouˇz´ı jako podkladov´ y materi´ al ke cviˇcen´ım pro pˇredn´aˇsky Line´arn´ı algebra I a II pro prvn´ı roˇcn´ık studia informatiky na Matematicko-fyzik´aln´ı fakultˇe Univerzity Karlovy v Praze. Vˇeˇr´ım vˇsak, ˇze m˚ uˇze dobˇre poslouˇzit i student˚ um (a nejen jim) z jin´ ych ˇskol. Text je rozloˇzen do t´ematick´ ych sekc´ı a kaˇzd´ a z nich se skl´ad´ a ze dvou ˇc´ast´ı. Prvn´ı ˇc´ast je demonstrativn´ı a je v n´ı uvedeno vˇzdy nˇekolik ilustrativn´ıch uk´azek jak pracovat s pojmy a metodami pˇredveden´ ymi na pˇredn´aˇsce. Slouˇz´ı pˇredevˇs´ım pˇri samostatn´em studiu. Na zaˇc´atku tak´e b´ yv´ a obˇcas v r´ ameˇcku pˇripomenuta nejd˚ uleˇzitˇejˇs´ı vˇeta, definice ˇci metoda. Druh´ a ˇca´st obsahuje pˇr´ıklady na procviˇcen´ı. Pˇr´ıklad˚ u je dost aby pokryly cviˇcen´ı a zbylo jeˇstˇe na pˇr´ıpadn´e procviˇcen´ı doma. Hvˇezdiˇcka oznaˇcuje n´ aroˇcnˇejˇs´ı u ´lohu. Pˇr´ıklady jsou typov´e a kaˇzd´eho typu tam je vˇetˇsinou jen jeden ˇci nˇekolik m´ alo exempl´aˇr˚ u. Proto tento text neslouˇz´ı jako klasick´a sb´ırka u ´loh. Vˇetˇsina pˇr´ıklad˚ u nen´ı origin´ aln´ıch, a ani o to nebylo usilov´ano. Dˇekuji vˇsem, kteˇr´ı pˇrispˇeli pˇeknou u ´lohou, zejm´ena Jaroslavu Hor´aˇckovi za zpracov´an´ı uk´azek pro prvn´ı ˇctyˇri kapitoly. Pˇripom´ınky, chyby a zaj´ımav´e u ´lohy pros´ım zas´ılejte na adresu
[email protected].
3
Obsah Obsah
5
I
6
Od soustav rovnic, pˇ res matice a vektorov´ e prostory k line´ arn´ım zobrazen´ım 1 2 3 4 5 6 7 8 9 10 11 12 13 14
II
Analytick´a geometrie . . . . . . . . . . . . . . . . . . . . . . . . Soustavy line´ arn´ıch rovnic . . . . . . . . . . . . . . . . . . . . . Operace s maticemi . . . . . . . . . . . . . . . . . . . . . . . . Regul´arn´ı a inverzn´ı matice . . . . . . . . . . . . . . . . . . . . Grupy, tˇelesa . . . . . . . . . . . . . . . . . . . . . . . . . . . . Permutace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Vektorov´e prostory a podprostory . . . . . . . . . . . . . . . . . Line´arn´ı nez´ avislost . . . . . . . . . . . . . . . . . . . . . . . . B´aze, dimenze . . . . . . . . . . . . . . . . . . . . . . . . . . . . Maticov´e prostory . . . . . . . . . . . . . . . . . . . . . . . . . Line´arn´ı zobrazen´ı . . . . . . . . . . . . . . . . . . . . . . . . . Obraz, j´adro, isomorfismus . . . . . . . . . . . . . . . . . . . . . Afinn´ı podprostory, polynomy, . . . . . . . . . . . . . . . . . . . Opakov´an´ı Opakov´an´ı Opakov´an´ı Opakov´an´ı Opakov´an´ı Opakov´an´ı Opakov´an´ı
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
Od skal´ arn´ıho souˇ cinu, pˇ res vlastn´ı ˇ c´ısla a kvadratick´ e formy k rozklad˚ um 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Skal´arn´ı souˇcin, norma . . . . . . . . . . . . . . . . . . . . . . . Gramova–Schmidtova ortogonalizace . . . . . . . . . . . . . . . Ortogon´aln´ı doplnˇek a projekce . . . . . . . . . . . . . . . . . . Ortogon´aln´ı matice . . . . . . . . . . . . . . . . . . . . . . . . . Determinant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Adjungovan´ a matice . . . . . . . . . . . . . . . . . . . . . . . . Vlastn´ı ˇc´ısla . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Podobnost, diagonalizovatelnost, Jordanova norm´aln´ı forma . . Vlastn´ı ˇc´ısla symetrick´ ych a nez´ aporn´ ych matic . . . . . . . . . Odhady a metody na v´ ypoˇcet vlastn´ıch ˇc´ısel . . . . . . . . . . . Positivn´ı (semi-)definitnost . . . . . . . . . . . . . . . . . . . . Biline´ arn´ı a kvadratick´e formy . . . . . . . . . . . . . . . . . . . Maticov´e rozklady (QR rozklad a SVD) . . . . . . . . . . . . . Opakov´an´ı Opakov´an´ı Opakov´an´ı Opakov´an´ı Opakov´an´ı Opakov´an´ı Opakov´an´ı Humor a zaj´ımavosti . . . . . . . . . . . . . . . . . . . . . . . . Otevˇren´e ot´ azky . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
7 9 16 20 25 29 32 36 38 41 45 50 54 56
60 . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
61 67 69 74 77 86 88 93 98 102 104 108 114 119 121 122
ˇ sen´ı Reˇ
123
Znaˇ cen´ı
129
Literatura
131
5
ˇ ast I C´
Od soustav rovnic, pˇ res matice a vektorov´ e prostory k line´ arn´ım zobrazen´ım
6
Cviˇcen´ı z line´ arn´ı algebry
1
7
Analytick´ a geometrie
Uk´ azka 1.1 (Popis pˇr´ımky v rovinˇe). Parametrick´ y popis pˇr´ımky p je p : [x, y] = A + t · u,
t ∈ R,
kde A = [a1 , a2 ] je jeden pevn´ y bod pˇr´ımky, u = (u1 , u2 ) je smˇerov´ y vektor a t je parametr reprezentuj´ıc´ı libovoln´e re´ aln´e ˇc´ıslo. S t´ım, ˇze jak n´ asob´ıme parametrem t vektor u, tento vektor se prodluˇzuje jedn´ım ˇci druh´ ym smˇerem a dostaneme, tak postupnˇe vˇsechny body [x, y] na pˇr´ımce p. Pˇr´ımku m˚ uˇzeme v rovinˇe R2 definovat i s vyuˇzit´ım jej´ı norm´aly r, coˇz je vektor kolm´ y na pˇr´ımku. Zat´ım berme jako fakt, ˇze dva vektory u, v jsou navz´ajem kolm´e, pokud je jejich skal´arn´ı souˇcin u · v roven 0. Mˇejme zadan´ y bod A = [a1 , a2 ] a norm´alov´ y vektor r = (r1 , r2 ). Od libovoln´eho bodu B = [x, y], kter´ y m´ a leˇzet na pˇr´ımce chceme, aby vektor u = b − a byl kolm´ y na vektor r. Pomoc´ı skal´arn´ıho souˇcinu zaps´ ano (B − A) · r = 0. Po rozeps´an´ı skal´ arn´ıho souˇcinu dostaneme
(x − a1 )r1 + (y − a2 )r2 = 0. Po rozn´ asoben´ı dostaneme r1 x + r2 y + c = 0, kde c = −a1 r1 − a2 r2 .
Dost´av´ame takzvanou obecnou rovnici pˇr´ımky. Odtud uˇz se m˚ uˇzeme jednoduch´ ymi u ´pravami pˇresunout k smˇernicov´e rovnici ve tvaru y = px + q, za pˇredpokladu r2 6= 0. Zat´ımco z parametrick´e rovnice rovnou vid´ıme smˇerov´ y vektor, v obecn´e rovnici je pˇr´ımo vidˇet norm´ala n = (r1 , r2 ). Ve smˇernicov´e rovnici je zase vidˇet, jak n´ azev napov´ıd´ a, smˇernice pˇr´ımky. Plat´ı p = tan α, kde α je u ´hel, kter´ y pˇr´ımka sv´ır´ a s osou x. V´ yˇse zm´ınˇen´ y zp˚ usob vlastnˇe i ukazuje, proˇc obecnou rovnici pˇr´ımky m˚ uˇzeme napsat jen pokud se pohybujeme v rovinˇe R2 . Kdybychom byli v prostoru R3 , tak na norm´alu r bude kolm´ a nejen pˇr´ımka, kterou chceme popsat, ale i cel´ a rovina tvoˇren´ a pˇr´ımkami kolm´ ymi na r. Uk´ azka 1.2 (Jednoduch´ y pˇrevod popisu pˇr´ımky). Toto je konstrukce, kter´a se m˚ uˇze obˇcas hodit. Urˇcete 2 rovnici pˇr´ımky (ve R ), kter´a proch´ az´ı body A = [a1 , a2 ], B = [b1 , b2 ], kde pˇredpokl´ad´ ame a1 6= b1 . Urˇcete ji bez jak´ehokoli poˇc´ıt´ an´ı smˇerov´eho vektoru. Idea je jednoduch´ a, nejprve si uvˇedomme, ˇze rovnice pˇr´ımky obsahuje promˇenn´e x, y pouze v prvn´ı mocninˇe a souˇcasnˇe koeficienty u x, y nejsou 0. Budeme vytv´aˇret rovnici pˇr´ımky tak, aby pokud za x dosad´ıme a1 , dostaneme v´ ysledek y = a2 a podobnˇe pro x = b1 dostaneme y = b2 . Naˇse rovnice by pro zaˇc´atek mohla vypadat takto y = a 2 · . . . + b2 · . . . Nyn´ı pˇrid´ ame k a2 , b2 dalˇs´ı prvky tak, aby kdyˇz do rovnice dosad´ıme a1 , ˇclen s b2 bude nulov´ y a vypadne. Stejnˇe tak pro b1 . To se udˇel´ a jednoduˇse y = a2 · (x − b1 ) + b2 · (x − a1 ). Nyn´ı vid´ıme, ˇze po dosazen´ı a1 n´ am sice vypadne druh´ y ˇclen, ale na prav´e stranˇe jeˇstˇe poˇra´d nen´ı a2 , je tam nˇeco nav´ıc. To vyˇreˇs´ıme tak, ˇze ˇcleny jeˇstˇe vhodnˇe podˇel´ıme jin´ ym ˇclenem. Snadno m˚ uˇzeme dosazen´ım ovˇeˇrit, ˇze takto je to uˇz v poˇra´dku x − a1 x − b1 + b2 · . y = a2 · a 1 − b1 b1 − a1 Uk´ azka 1.3 (Dost´ av´ame se k rovinˇe). Je jasn´e, ˇze bod a smˇerov´ y vektor pro urˇcen´ı roviny nestaˇc´ı. Mus´ıme m´ıt smˇerov´e vektory dva. Rovinu ̺ tedy definujeme pomoc´ı dvou r˚ uzn´ ych (line´ arnˇe nez´ avisl´ ych, jeden nen´ı n´ asobek druh´eho) smˇerov´ ych vektor˚ u u, v a jednoho bodu A a dvou re´ aln´ ych parametr˚ u s, t takto ̺ : [x, y, z] = a + t · u + s · v. Rovinu m˚ uˇzeme zadat i pomoc´ı rovnice
ax + by + cz + d = 0, kde (a, b, c) je norm´alov´ y vektor a aspoˇ n jedna jeho sloˇzka je nenulov´a.
8
Analytick´ a geometrie
Uk´ azka 1.4 (Poˇc´ıt´ ame pr˚ useˇc´ık). Urˇcete pr˚ useˇc´ık roviny ̺ : 2x + 4y − 3z + 1 = 0 a pˇr´ımky p : [x, y, z] = [0, 3, −1] + t · (1, −1, 2),
t ∈ R.
ˇ sen´ı: Hled´ame bod, kter´ Reˇ y splˇ nuje obˇe rovnice. Dosad´ıme souˇradnice bodu s parametrem t z popisu pˇr´ımky do rovnice roviny a dostaneme 2 · (t) + 4 · (3 − t) − 3 · (−1 + 2t) + 1 = 0 Po vyˇreˇsen´ı rovnice dost´ av´ame t = 2. Pr˚ useˇc´ık P dostaneme tak, ˇze zpˇetnˇe parametr dosad´ıme do parametrick´e rovnice pˇr´ımky. P = [0, 3, −1] + 2 · (1, −1, 2) = [2, 1, 3].
............................................
Cviˇ cen´ı
............................................
Cv. 1.1 Jak´e jsou moˇzn´e popisy pˇr´ımky v rovinˇe? Cv. 1.2 Pˇreved’te rovnicov´ y popis na parametrick´ y a naopak. Cv. 1.3 Zjistˇete zda bod [3, 1] leˇz´ı na pˇr´ımce p definovan´e parametricky p : [x, y] = [2, 3] + t · (−1, 2). Cv. 1.4 Jak´e jsou moˇzn´e popisy roviny v prostoru? Cv. 1.5 Jak´e jsou moˇzn´e popisy pˇr´ımky v prostoru? Cv. 1.6 Najdˇete rovnicov´e vyj´adˇren´ı roviny s bodem [1, 1, 1] a smˇernicemi (1, 2, 3), (2, 0, 1). Cv. 1.7 Najdˇete parametrick´e vyj´adˇren´ı roviny 3x1 − x2 + 2x3 = 5. Cv. 1.8 Urˇcete parametrick´ y popis pˇr´ımky: −x + y + z = 1, −x + 2y = 3. Cv. 1.9 Najdˇete dvˇe rovnice popisuj´ıc´ı pˇr´ımku [2, 1, 1] + t(1, 2, 0). Cv. 1.10 Zjistˇete, zda bod D = [−1, −1, 3] leˇz´ı v rovinˇe dan´e body A = [1, 2, −1], B = [3, 1, 1], C = [−1, 1, 0]. Cv. 1.11 Urˇcete vˇsechny moˇzn´e vz´ajemn´e polohy dvou pˇr´ımek v prostoru R3 . D´ale, popiˇste, jak lze dan´e polohy zjistit, pokud jsou obˇe pˇr´ımky definov´any parametrick´ ymi rovnicemi nebo obecn´ ymi rovnicemi. Cv. 1.12 Urˇcete vz´ajemnou polohu tˇr´ı pˇr´ımek zadan´ ych bodem a smˇernic´ı p : [1, 0, 1], (1, 2, 3), q : [0, 1, 2], (0, 1, 1), r : [1, 0, 1], (0, 2, 2). Cv. 1.13 Urˇcete mnoˇzinu bod˚ u stejnˇe vzd´alen´ ych od bod˚ u [2, 1, 2] a [0, 1, 0]. Cv. 1.14 Urˇcete vzd´alenost mezi bodem A = [1, 2, 3] a rovinou ̺ : 2x + y + 2z − 6 = 0. Cv. 1.15 Na pˇr´ımce urˇcen´e rovnicemi x + y + 2z = 1, 3x + 4y − z = 29 najdˇete bod Q, kter´ y je stejnˇe vzd´alen´ y od bodu A = [3, 4, 11] jako od bodu B = [−5, −2, −13].
Cviˇcen´ı z line´ arn´ı algebry
2
9
Soustavy line´ arn´ıch rovnic
Uk´ azka 2.1 (Element´ arn´ı operace). Uvaˇzujme element´arn´ı ˇra´dkov´e operace: 1. vyn´ asoben´ı i-t´eho ˇra´dku ˇc´ıslem α 6= 0, 2. pˇriˇcten´ı j-t´eho ˇra´dku k i-t´emu, 3. pˇriˇcten´ı α-n´ asobku j-t´eho ˇra´dku k i-t´emu, i 6= j, 4. v´ ymˇena i-t´eho a j-t´eho ˇra´dku. Posledn´ı dvˇe operace se daj´ı vyj´adˇrit pomoc´ı prvn´ıch dvou. Vyj´adˇrete je. ˇ sen´ı: Tˇret´ı operaci jednoduˇse udˇel´ame n´ Reˇ asledovnˇe, pokud je α = 0 logicky nedˇel´ame nic. Pokud je nenulov´e, j-t´ y ˇra´dek vyn´ asob´ıme α, pˇriˇcteme ho k i-t´emu a pak j-t´ y ˇra´dek zp´ atky vydˇel´ıme α. ˇ Ctvrtou operaci vyj´adˇr´ıme n´ asledovnˇe: .. .. .. . . . ui j-t´y pˇriˇcteme ui + uj i-t´y odeˇcteme ui + uj .. k i-t´emu od j-t´eho .. .. ∼ ∼ . . . uj uj −ui .. .. .. . . . .. .. . . uj j-t´ y j-t´ y pˇriˇ cteme uj vyn´ a sob −1 k i-t´ emu .. .. ∼ ∼ . . . −ui ui .. .. . .
Uk´ azka 2.2. Dokaˇzte form´ alnˇe, ˇze element´arn´ı ˇra´dkov´e u ´pravy nemˇen´ı mnoˇzinu ˇreˇsen´ı soustavy. ˇ sen´ı: Necht’ (A | b) o rozmˇerech m×n je p˚ Reˇ uvodn´ı soustava, a necht’ (A∗ | b∗ ) je soustava s provedenou element´arn´ı ˇra´dkovou operac´ı. Staˇc´ı uk´azat pro prvn´ı dvˇe element´arn´ı ˇra´dkov´e u ´pravy, ˇze kdyˇz nˇejak´ y ∗ ∗ vektor x ˇreˇs´ı (A | b), tak ˇreˇs´ı i (A | b ) a naopak. Jin´ ymi slovy, ˇze mnoˇzina ˇreˇsen´ı obou soustav je stejn´ a. A tedy element´ arn´ı ˇra´dkov´e u ´pravy zachov´avaj´ı mnoˇzinu ˇreˇsen´ı. Je nutno podotknout, ˇze zat´ım jsme si neˇrekli, co vlastnˇe m˚ uˇze vˇsechno b´ yt mnoˇzina ˇreˇsen´ı soustavy rovnic, i bez takov´eho vysloven´ı bude n´ asleduj´ıc´ı d˚ ukaz korektn´ı. Uvˇedomme si d´ ale, ˇze jedin´ y ˇra´dek, kter´ y je v obou soustav´ach rozd´ıln´ y je ˇra´dek i-t´ y. Proto zkoum´ ame jen onu rovnici reprezentovanou t´ımto ˇra´dkem. 1. ⇒“ Necht’ x je ˇreˇsen´ı (A | b). Zkus´ıme zda x bude vyhovovat i pro i-t´ y ˇra´dek soustavy (A∗ | b∗ ): ” A∗i1 x1 + . . . + A∗in xn = αAi1 x1 + . . . + αAin xn = α(Ai1 x1 + . . . + Ain xn ) = α(bi ) = b∗i . Prvn´ı rovnost dostaneme z definice operace n´ asoben´ı ˇra´dku skal´arem, druhou z distributivity n´ asoben´ı re´ aln´ ych ˇc´ısel, tˇret´ı z toho, ˇze v´ıme, ˇze x ˇreˇs´ı soustavu (A | b), a tedy i jej´ı i-t´ y ˇra´dek, a posledn´ı rovnost m´ ame opˇet z definice n´ asoben´ı ˇra´dku skal´arem. ⇐“ Vektor x necht’ ˇreˇs´ı (A∗ | b∗ ). Zkus´ıme, zda ˇreˇs´ı i (A | b). ” A∗ x1 + . . . + A∗in xn b∗ αbi α = i = = bi . Ai1 x1 + . . . + Ain xn = (Ai1 x1 + . . . + Ain xn ) = i1 α α α α Prvn´ı rovnost jsme dostali jedn´ım pˇekn´ ym trikem, druhou z definice n´ asoben´ı ˇra´dku skal´arem, tˇret´ı z toho, ˇze x ˇreˇs´ı (A∗ | b∗ ) a pˇredposledn´ı opˇet z definice n´ asoben´ı ˇra´dku skal´ arem.
2. ⇒“ Necht’ x je ˇreˇsen´ı (A | b). Pak ”
A∗i1 x1 + . . . + A∗in xn = (Ai1 + Aj1 )x1 + . . . + (Ain + Ajn )xn = (Ai1 x1 + . . . + Ain xn ) + (Aj1 x1 + . . . + Ajn xn ) = bi + bj = b∗i .
10
Soustavy line´ arn´ıch rovnic ⇐“ Vektor x necht’ ˇreˇs´ı (A∗ | b∗ ). Pak ” Ai1 x1 + . . . + Ain xn = (Ai1 x1 + . . . + Ain xn ) + (Aj1 x1 + . . . + Ajn xn ) − (Aj1 x1 + . . . + Ajn xn ) = (A∗i1 x1 + . . . + A∗in xn ) − bj = b∗i − bj = bi + bj − bj = bi .
U d˚ ukaz˚ u je potˇreba si uvˇedomit, co uˇz zn´ am (uˇz v´ım, ˇze x mi nˇeco ˇreˇs´ı), a ve spr´avn´ y ˇcas to pouˇz´ıt. Uk´ azka 2.3 (Soustava rovnic). Vyˇreˇste soustavu rovnic 2x + y + z 6x + 2y + z −2x + 2y + z ˇ sen´ı: Nap´ıˇseme rozˇs´ıˇrenou matici soustavy a Reˇ 1 2 1 1 2 1 6 2 1 −1 II. −∼3×I. 0 −1 −2 2 1 −2 2 7 2 1 III. + 3×II. 0 −1 ∼ 0 0
= 1, = −1, = 7.
aplikujeme postupnˇe element´arn´ı ˇra´dkov´e u ´pravy. 1 1 1 2 1 1 III. + I. −2 −4 0 −1 −2 −4 ∼ ∼ 1 0 3 2 7 8 1 1 −2 −4 . −4 −4
Zpˇetnou substituc´ı smˇerem od posledn´ıho ˇra´dku k prvn´ımu dost´ av´ame z posledn´ıho rovnici z = 1. Z druh´e rovnice −y − 2z = −4 dost´ av´ame y = 2 a koneˇcnˇe z prvn´ı rovnice 2x + y + z = 1 dostaneme x = −1. ˇ sen´ı je tedy pouze jedno a to vektor (x, y, z) = (−1, 2, 1). Reˇ Uk´ azka 2.4 (Homogenn´ı soustava). Najdˇete vˇsechna ˇreˇsen´ı soustavy line´ arn´ıch rovnic x1 + 2x2 + 2x3 + 3x4 = 0, 2x1 + 4x2 + x3 + 3x4 = 0, 3x1 + 6x2 + x3 + 4x4 = 0. ˇ sen´ı: Nap´ıˇseme rozˇs´ıˇrenou matici soustavy a eliminujeme postupnˇe pomoc´ı element´arn´ıch ˇra´dkov´ Reˇ ych u ´prav. 1 2 2 3 0 1 2 2 3 0 1 2 2 3 0 3×I. 2 4 1 3 0 II. −∼2×I. 0 0 −3 −3 0 III. − 0 0 −3 −3 0 ∼ ∼ 3 6 1 4 0 3 6 1 4 0 0 0 −5 −5 0 1 2 2 3 0 III. − 53 ×II. 0 0 −3 −3 0 . ∼ 0 0 0 0 0
Je vidˇet, ˇze matice m´ a menˇs´ı hodnost neˇz 4, a tedy budeme m´ıt voln´e promˇenn´e, kter´e budou fungovat jako parametry. Jsou to neb´ azicke promˇenn´e x2 a x4 . Budeme s nimi prov´adˇet norm´alnˇe klasicky zpˇetnou substituci a pomoc´ı nich parametricky vyj´adˇr´ıme vˇsechna moˇzn´ a ˇreˇsen´ı. Z druh´e rovnice −3x3 − 3x4 = 0 dostaneme x3 = −x4 . A z prvn´ı rovnice x1 + 2x2 + 2x3 + 3x4 = 0 dostaneme x1 = −2x2 − 2x3 − 3x4 = ˇ sen´ı tedy je ve tvaru −2x2 − x4 . Reˇ x4 = x4 , x3 = − x4 ,
x2 = x2 ,
x1 = − 2x2 − x4 .
Cviˇcen´ı z line´ arn´ı algebry
11
Jin´ y uˇziteˇcn´ y z´ apis ˇreˇsen´ı je v n´ asleduj´ıc´ı podobˇe. Kdyˇz se pod´ıv´ame na maticov´e operace po ˇra´dc´ıch dostaneme v´ yˇse zm´ınˇen´ y z´ apis. kde x2 , x4 ∈ R.
(x1 , x2 , x3 , x4 ) = x2 · (−2, 1, 0, 0) +x4 · (−1, 0, −1, 1), | {z } {z } | h1
h2
Vˇsimnˇeme si, ˇze vˇsechna ˇreˇsen´ı t´eto soustavy jsme schopni popsat jako nˇejakou kombinac´ı dvou vektor˚ u ’ h1 a h2 . D´ale je dobr´e si povˇsimnout, ˇze h1 i h2 jsou tak´e ˇreˇsen´ımi soustavy, nebot staˇc´ı vˇzdy u jednoho parametru zvolit 0 a u druh´eho 1. Na prav´e stranˇe zadan´e soustavy jsou sam´e nuly. Takov´a soustava se naz´ yv´ a homogenn´ı. Na druhou stranu m´ ame i soustavu nehomogenn´ı, ta na prav´e stranˇe obsahuje alespoˇ n jednu nenulu. Homogenn´ı soustava m´ a vˇzdy alespoˇ n jedno ˇreˇsen´ı, jedn´a se o nulov´ y vektor, tzv. trivi´ aln´ı ˇreˇsen´ı. Uk´ azka 2.5 (Soustava se nekoneˇcnˇe ˇreˇsen´ımi). Vezmeme si nyn´ı stejnou soustavu jako v uk´azce 2.4, akor´ at nenulovou pravou stranou. x1 + 2x2 + 2x3 + 3x4 = 4, 2x1 + 4x2 + x3 + 3x4 = 5, 3x1 + 6x2 + x3 + 4x4 = 7. A aplikujeme na ni tyt´eˇz eliminaˇcn´ı kroky jako na soustavu dˇr´ıvˇejˇs´ı. 4 0 1 2 2 3 1 2 2 3 1 2 2 3 4 3×I. 2 4 1 3 5 II. −∼2×I. 0 0 −3 −3 −3 III. − 0 0 −3 −3 −3 ∼ ∼ 3 6 1 4 7 3 6 1 4 0 0 −5 −5 −5 7 1 2 2 3 0 III. − 53 ×II. 0 0 −3 −3 −3 . ∼ 0 0 0 0 0
Zpˇetnou substituc´ı dostaneme ˇreˇsen´ı
x4 = x4 , x3 = 1 − x4 ,
x2 = x2 ,
x1 = 2 − 2x2 − x4 . Po rozeps´an´ı do druh´eho tvaru m´ a ˇreˇsen´ı x = (x1 , x2 , x3 , x4 ) tvar x = (1, 0, 1, 0) +x2 · (−2, 1, 0, 0) +x4 · (−1, 0, −1, 1) , | {z } | {z } {z } | u
h1
kde x2 , x4 ∈ R.
h2
Dostali jsme zde stejn´e vektory h1 , h2 . Je vidˇet, ˇze cel´e ˇreˇsen´ı nehomogenn´ı soustavy je posunut´e oproti ˇreˇsen´ı pˇr´ısluˇsn´e homogenn´ı soustavy o nˇejak´ y nenulov´ y vektor u. Tud´ıˇz vˇsechna ˇreˇsen´ı nehomogenn´ı soustavy lze vyj´adˇrit jako jedno konkr´etn´ı ˇreˇsen´ı nehomogenn´ı soustavy plus mnoˇzina vˇsech ˇreˇsen´ı pˇr´ısluˇsn´e homogenn´ı soustavy. Uk´ azka 2.6 (Poˇc´ıt´ an´ı s omezenou pˇresnost´ı). Jak vypad´a floating point number? Odpov´ıd´ a tvaru ±d1 , d2 d3 . . . dt × β ǫ P´ısmeno t znaˇc´ı pˇresnost, neboli poˇcet ˇc´ıslic reprezentace, a p´ısmeno β pˇredstavuje z´aklad, ve kter´em ˇ ıslo reprezentujeme tak, ˇze d1 6= 0. P´ısmeno ǫ je poˇc´ıt´ame – na pap´ıˇre to b´ yv´ a 10, na poˇc´ıtaˇci 2. C´ exponent. Plat´ı 0 ≤ di ≤ β − 1 pro vˇsechna i > 1. Oznaˇcme fl (v) poˇc´ıtaˇcovou reprezentaci ˇc´ısla v ∈ R, v naˇsem pˇr´ıpadˇe uvaˇzujeme zaokrouhlen´ı k nejbliˇzˇs´ımu reprezentovateln´emu ˇc´ıslu.
12
Soustavy line´ arn´ıch rovnic
Pˇr´ıklad. Soustava −10−4 x + y = 1, x+y =2
1.0002 1 , x2 = 1.0001 . V aritmetice s pˇresnost´ı na 3 ˇc´ıslice (tj., t = 3) vˇsak Gaussova m´ a pˇresn´e ˇreˇsen´ı x1 = 1.0001 eliminace uprav´ı matici na tvar −10−4 1 1 1 −10−4 1 ∼ , 1 1 2 0 104 104
protoˇze fl (1 + 104 ) = fl(1.0001 × 104 ) = 1.00 × 104 = 104 ,
fl (2 + 104 ) = fl(1.0002 × 104 ) = 1.00 × 104 = 104 .
Zpˇetnou substituc´ı dostaneme ˇreˇsen´ı x2 = 1, x1 = 0, coˇz je hodnˇe daleko od spr´avn´eho“ ˇreˇsen´ı. ” Co s t´ım? Pomoci n´ am m˚ uˇze nˇekdy tzv. ˇc´asteˇcn´ a pivotizace, kdy v pivotn´ım sloupeˇcku hled´ am koeficient s maxim´aln´ı absolutn´ı hodnotou. T´ımto postupem dostaneme 1 1 2 1 1 2 ∼ , −10−4 1 1 0 1 1 protoˇze fl (1 + 10−4 ) = fl (1.0001 × 100 ) = 1.00 × 100 = 1,
fl (1 + 2 · 10−4 ) = fl (1.0002 × 100 ) = 1.00 × 100 = 1. To n´ am d´ av´a ˇreˇsen´ı x1 = 1, x2 = 1, coˇz uˇz je bliˇzˇs´ı spr´avn´emu ˇreˇsen´ı.
............................................
Cviˇ cen´ı
............................................
Motivace k soustav´ am rovnic Cv. 2.1 Geometrick´a interpretace soustav rovnic jako pr˚ uniku nadrovin. Cv. 2.2 Co je ˇreˇsen´ım soustavy 3 × 3? Cv. 2.3 Najdˇete kvadratickou funkci proch´ azej´ıc´ı body [0, 3], [1, 2], [3, 6]. Podot´ azka: kdy pˇri prokl´ ad´ an´ı bod˚ u polynomem existuje ˇreˇsen´ı a je jednoznaˇcn´e? Cv. 2.4 Urˇcete stˇred kruˇznice proch´ azej´ıc´ı body [0, 1], [−1, 1] a [2, 0]. Cv. 2.5 Biologick´ y laborant chov´a 100 myˇs´ı ve ˇctyˇrech komor´ ach spojen´ ych n´ asleduj´ıc´ımi pr˚ uchody: 1 − 2, 2 − 3, 2 − 4 a 3 − 4. Empiricky vypozoroval, ˇze v kaˇzd´e komoˇre z˚ ustane 40% myˇs´ı a zbytek se rovnomˇernˇe rozpt´ yl´ı do sousedn´ıch komor. Pokud na konci pokusu v komor´ ach bylo 12, 25, 26 a 37 myˇs´ı, kolik jich bylo na zaˇc´ atku? Cv. 2.6 Ethan se na vzduchu spaluje na vodu a oxid uhliˇcit´ y, coˇz se vyjadˇruje chemick´ ym vzorcem C2 H6 + O2 → CO2 + H2 O. Striktnˇe vzato, toto nen´ı chemick´a rovnice, protoˇze poˇcet jednotliv´ ych atom˚ u vod´ıku, kysl´ıku a uhl´ıku se na lev´e stranˇe liˇs´ı od tˇech napravo. Doplˇ nte poˇcty molekul, aby rovnost platila. Cv. 2.7 Uvaˇzujme neob´ yvan´ y d˚ um se ˇctyˇrmi m´ıstnostmi dle obr´ azku:
Cviˇcen´ı z line´ arn´ı algebry
13 5◦ C x1
x2
20◦ C
10◦ C x3
x4 25◦ C
Z jihu je d˚ um ohˇr´ıv´an pr˚ umˇernou teplotou 25◦ C, z v´ ychodu 10◦ C, ze z´apadu 20◦ C a ze severu ◦ 5 C. Urˇcete teplotu x1 , . . . , x4 v jednotliv´ ych m´ıstnostech pokud zn´ ame (zjednoduˇsenou) fyzik´aln´ı pouˇcku, ˇze teplota dan´e oblasti je pr˚ umˇerem teplot okol´ıch oblast´ı.
Gaussova a Gaussova–Jordanova eliminace Cv. 2.8 Definujte pojem (redukovan´ y) odstupˇ novan´ y tvar matice. Cv. 2.9 Vyˇreˇste Gaussovou a Gaussovou–Jordanovou eliminac´ı soustavy −3 2 2 1 2 3 7 3 2 −1 (a) 1 −3 2 5 , (b) 1 1 1 3 1 6 −4 Cv. 2.10 Vyˇreˇste soustavy line´ arn´ıch rovnic 5 −3 6 2 3 , (a) 1 −2 1 2 3 3 −1
2 1 2 1 (b) 3 1 3 2 , 3 2 1 3
line´ arn´ıch rovnic 7 4 . 1
2 1 3 3 (c) 4 2 2 2 . 4 2 1 1
Cv. 2.11 Vyˇreˇste soustavu line´ arn´ıch rovnic
5 −9 5 1 1 −2 1 0 . 2 −3 2 1 Co se stane s mnoˇzinou ˇreˇsen´ı kdyˇz pravou stranu zmˇen´ıme na sam´e nuly? Nebo jinak? Cv. 2.12 Urˇcete, kter´e homogenn´ı soustavy maj´ı stejn´e mnoˇziny ˇreˇsen´ı 1 3 4 1 1 1 0 2 2 2 0 0 , (b) (a) 3 1 0 2 3 2 0 −1 0 2 −2 −4 1 1 1 0 1 1 1 (c) 2 2 2 0 , (d) 2 0 1 −1 −1 −1 0 0 2 1
0 0 , 0 0 0 0 . 0
Cv. 2.13 Kolik existuje r˚ uzn´ ych REF tvar˚ u (typovˇe bex konkr´etn´ıch ˇc´ısel) pro matice 3 × 4? Cv. 2.14 Necht’ matice A je v REF tvaru. Jak´e podmatice A jsou tak´e v REF? Cv. 2.15 Proˇc se dˇelaj´ı element´ arn´ı u ´pravy na ˇra´dky a ne na sloupce?
14
Soustavy line´ arn´ıch rovnic
Cv. 2.16 Jak´e jsou obl´ıben´e neekvivalentn´ı ˇra´dkov´e u ´pravy? Cv. 2.17 Uvaˇzujme soustavu
10−3 −1 1 . 1 1 0
(a) Vyˇreˇste soustavu pˇresnˇe. (b) Vyˇreˇste soustavu s aritmetikou s omezenou pˇresnost´ı na 3 ˇc´ıslice a bez pivotizace. (c) Vyˇreˇste soustavu s aritmetikou s omezenou pˇresnost´ı na 3 ˇc´ıslice a s ˇc´asteˇcnou pivotizac´ı (pivotem je kandid´at s nejvˇetˇs´ı absolutn´ı hodnotou). Cv. 2.18 Najdˇete (a) soustavu 3 line´ arn´ıch rovnic o 4 promˇenn´ ych s ˇreˇsen´ım (x1 , x2 , x3 , x4 ) = (1, 0, 1, 0) + x2 · (−2, 1, 0, 0) + x4 · (−3, 0, 2, 1), kde x2 , x4 ∈ R. (b) ˇctvercovou soustavu s ˇreˇsen´ım (x1 , x2 , x3 , x4 ) = (1, 2, 0) + t · (2, 1, 1), kde t ∈ R. Cv. 2.19 Najdˇete soustavu 3 × 4 maj´ıc´ı za ˇreˇsen´ı (a) t · (−2, 1, 0, 0), t ∈ R,
(b) t · (−2, 1, 0, 0) + s · (−3, 0, 2, 1), t, s ∈ R, Cv. 2.20 M˚ uˇze se pˇri element´ arn´ıch ˇra´dkov´ ych u ´prav´ach matice A objevit ˇra´dek r nebo s? 1 1 1 A= , r = 3 −2 5 , s = 1 4 −1 . 4 −1 6 Cv. 2.21 Vyˇreˇste soustavu line´ arn´ıch rovnic s r˚ uzn´ ymi prav´ ymi stranami 0 2 −3 −9 0 2 −3 1 0 2 −3 −1 1 −5 4 1 , 1 −5 4 13 , 1 −5 4 5 . 3 −3 1 2 −3 −3 1 2 −3 1 2 −15 Cv. 2.22 V´ıme, ˇze A ∈ Rn×n , b ∈ Rn , n ≥ 2 a vˇsechny prvky matice (A | b) br´ any postupnˇe po ˇra´dc´ıch tvoˇr´ı aritmetickou posloupnost. V´ıme-li jeˇstˇe, ˇze ˇreˇsen´ı soustavy je jednoznaˇcn´e, m´ ate vˇsechny indicie jej nal´ezt!
Neline´ arn´ı soustavy Cv. 2.23 Vyˇreˇste soustavu neline´ arn´ıch rovnic 3 2 sin α − cos β 3 tan γ 4 sin α 2 cos β −2 tan γ 10 . 9 6 sin α −3 cos β 1 tan γ Cv. 2.24 Vyˇreˇste soustavy neline´ arn´ıch rovnic (a) xyz = 1, xy = 2, yz = 3. √ (b) xy 3 z = 12, x y = 2, yz 2 = 6.
Cviˇcen´ı z line´ arn´ı algebry
15
Soustavy s parametry Cv. 2.25 Vyˇreˇste soustavy line´ arn´ıch rovnic s parametrem a ∈ R a 1 1 a 1 a2 a a + 3 2a + 1 (a) , (b) , (c) , a 1 a 1 1 a 1 2a − 1 2a + 1 2a + 1 a 2a 1 (d) a 1 a + 1 0 . 2a 0 2a 0 Cv. 2.26 Pro jak´e parametry maj´ı soustavy ˇreˇsen´ı? 1 −3 b1 3 1 b2 (a) 1 7 b3 , 2 4 b4
1 2 3 b1 (b) 2 5 3 b2 . 1 0 8 b3
Velk´ e soustavy Cv. 2.27 Vyˇreˇste soustavu line´ arn´ıch rovnic n × n
1 0 −1 1 (a) .. .. . . −1 . . .
0 1 .. .. . . .. , 0 . −1 1 1
... .. . .. .
2
1 (b) 0 .. .
1 .. . .. . .. .
0 ...
0 ... .. .. . . .. .. . . .. .. . . 0 1
0 .. . 0
0 .. . .. .
0 1 n+1 (n + 1) 2 (−1)
.
16
3
Operace s maticemi
Operace s maticemi Maticov´ y souˇcin: A ∈ Rm×pP , B ∈ Rp×n , pak AB ∈ Rm×n a (AB)ij = pk=1 Aik Bkj .
Uk´ azka 3.1. Dokaˇzte (AB)T = B T AT . ˇ sen´ı: Aby v´ Reˇ yrazy d´ avaly smysl, mus´ı matice m´ıt rozmˇery A ∈ Rm×p , B ∈ Rp×n . Pak v´ ysledn´e matice na obou stran´ach rovnice maj´ı rozmˇer n × m, a prvek na pozici (i, j) jest roven T
((AB) )ij = (AB)ji =
p X
Ajk Bki =
k=1
p X k=1
Rn ,
Bki Ajk
p X = (B T )ik (AT )kj = (B T AT )ij . k=1
Uk´ azka 3.2. Najdˇete takov´ y vektor x ∈ aby platilo 1 1 1 ... 1 1 1 2 2 . . . 2 2 1 2 3 . . . 3 x = 3 . .. .. .. . . .. . . . . . . .. 1 2 3 ... n n
ˇ sen´ı: Je d˚ Reˇ uleˇzit´e d´ıvat se na soustavu line´ arn´ıch rovnic z pohledu maticov´eho n´ asoben´ı. Zde vlastnˇe chceme, abychom po vyn´ asoben´ı matice vektorem x = (x1 , x2 , . . . , xn )T dostali poˇzadovan´ y vektor napravo. Maticov´e n´ asoben´ı znamen´a, ˇze prvn´ı sloupec matice n´ asob´ıme x1 , druh´ y sloupec x2 aˇz n-t´ y sloupec xn , pak to vˇsechno seˇcteme a ve v´ ysledku chceme dostat vektor na prav´e stranˇe. Na ˇreˇsen´ı soustavy line´ arn´ıch rovnic se tud´ıˇz m˚ uˇzeme t´eˇz d´ıvat jako na vˇsechny moˇzn´e n-tice ˇc´ısel, kter´e, kdyˇz jimi vyn´ asob´ıme popoˇradˇe sloupce matice, n´ am daj´ı vektor na prav´e stranˇe. Zde je vidˇet, ˇze posledn´ı sloupec matice je shodn´ y s vektorem na prav´e stranˇe, takˇze jedno z moˇzn´ ych ˇreˇsen´ı bude x = (0, 0, . . . , 0, 1)T . Pokud provedeme Gaussovu eliminaci, zjist´ıme, ˇze soustava m´ a pr´ avˇe jedno ˇreˇsen´ı, a to naˇse x. Uk´ azka 3.3 (V´ ypoˇcetn´ı sloˇzitost n´ asoben´ı matic). Urˇcete kolik operac´ı + a · je potˇreba k vyn´ asoben´ı dvou matic o rozmˇerech n × n. ˇ sen´ı: Pˇredstavme si naˇse obd´eln´ıkov´e sch´ema na n´ Reˇ asoben´ı matic, v´ ysledn´ a matice m´ a rozmˇer n × n. To znamen´a, ˇze potˇrebujeme spoˇc´ıtat n2 prvk˚ u v´ ysledn´e matice. Kaˇzd´ y prvek podle definice n´ asoben´ı dostaneme vyn´ asoben´ım n pˇr´ısluˇsn´ ych prvk˚ u z pˇr´ısluˇsn´eho ˇra´dku a sloupce a (n − 1)-kr´at pouˇzijeme operaci + na seˇcten´ı tˇechto n produkt˚ u. Celkem tedy pouˇzijeme n3 n´ asoben´ı a n3 − n2 sˇc´ıt´an´ı. ˇ Pozn´ amka. Casto se operace + a · berou jako trvaj´ıc´ı stejnou dobu (coˇz ne vˇzdy mus´ı b´ yt pravda) a oznaˇcuj´ı se jako element´ arn´ı operace. Zav´ad´ı se notace O(f (n)) tzv. asymptotick´ a sloˇzitost, kter´a ˇr´ık´a, ˇze algoritmus provede zhruba“ f (n) operac´ı na vstupu o rozmˇeru n. Napˇr´ıklad pro polynomy n´ as zaj´ım´ a ” nejvyˇsˇs´ı mocnina, a to bez koeficientu. Je to rozumn´e z toho d˚ uvodu, ˇze kdyˇz za n dosad´ıme hodnˇe velk´e ˇc´ıslo, pˇrev´aˇz´ı jen ty ˇcleny s nejvˇetˇs´ı mocninou. T´ımto dok´aˇzeme algoritmy klasifikovat do tˇr´ıd podle O(f (n)). Algoritmus n´ asoben´ı matic se vstupem o rozmˇerech n vykon´ a celkem 2n3 − n2 operac´ı, coˇz je O(n3 ). Uk´ azka 3.4 (Blokov´e matice). Urˇcete, jak´e rozmˇery mus´ı m´ıt dan´e podmatice, aby mˇelo smysl blokov´e n´ asoben´ı AE + BG AF + BH E F A B . = CE + DG CF + DH G H C D
ˇ sen´ı: Vyjdeme z podm´ınek, ˇze poˇcet ˇra´dk˚ Reˇ u matic A, B je stejn´ y, a podobnˇe pro p´ ary (C, D), (E, F ) a (G, H). Analogicky, poˇcet sloupc˚ u matic A, C je stejn´ y, a podobnˇe pro ostatn´ı. D´ale, souˇciny AE, BG, . . . mus´ı d´ avat smysl. Dohromady n´ am z toho vypl´ yvaj´ı takov´eto rozmˇery: A : m1 × n 1 ,
C : m2 × n 1 ,
B : m1 × n 2 ,
D : m2 × n 2 ,
E : n 1 × p1 ,
G : n 2 × p1 ,
F : n 1 × p2 ,
H : n 2 × p2 .
Cviˇcen´ı z line´ arn´ı algebry
17
............................................
Cviˇ cen´ı
............................................
Cv. 3.1 Vyjmenujete vlastnosti maticov´eho sˇc´ıt´an´ı, n´ asoben´ı a transpozice. Cv. 3.2 Najdˇete pˇr´ıklad nekomutativnosti n´ asoben´ı ˇctvercov´ ych matic 2 × 2. Cv. 3.3 Dokaˇzte z definice: (a) (A + B)T = AT + B T , (b) α(AB) = (αA)B = A(αB), (c) A(B + C) = AB + AC, (d) In A = A. Cv. 3.4 Dokaˇzte: (a) (ABC)T = C T B T AT , (b) AT A je symetrick´a matice pro kaˇzd´e A ∈ Rm×n . Cv. 3.5 Matice A m´ a nulov´ y i-t´ y ˇra´dek. Co m˚ uˇzeme ˇr´ıci o v´ ysledku (a) AB? (b) BA? Cv. 3.6 Rozhodnˇete zda plat´ı pro ˇctvercov´e matice: (a) AB = 0 ⇔ (A = 0 ∨ B = 0).
(b) AB = AC ⇒ B = C.
Cv. 3.7 Najdˇete vˇsechny matice A ∈ R2×2 takov´e, ˇze: (a) A2 = 0. (b) A2 = I2 . Cv. 3.8 V´ ypoˇcetn´ı sloˇzitost. (a) Bud’ A matice ˇra´du 10 × 5, B matice ˇra´du 5 × 20, a C matice ˇra´du 20 × 1. Jak co nejefektivnˇeji (co do poˇctu aritmetick´ ych operac´ı) spoˇc´ıtat souˇcin ABC? (b) Bud’ A ∈ Rn×n , b ∈ Rn . Chceme-li urˇcit Ak b, je rychlejˇs´ı (=stoj´ı m´enˇe aritmetick´ ych operac´ı) spoˇc´ıtat to pomoc´ı A(A(. . . (Ab))) nebo pomoc´ı (Ak )b, kde Ak vypoˇc´ıt´ame ˇsikovn´ ym mocnˇen´ım A (tj., s vyuˇzit´ım mocnin typu A, A2 , A4 , A8 , . . . )? Existuje jeˇstˇe jin´ y, rychlejˇs´ı zp˚ usob? Zkuste konkr´etnˇe pro k = 28 a n = 30. !n n n n 211 In n1 1n a 1 7 4 1 0 1 1 . , , , , Cv. 3.9 Spoˇc´ıtejte 0 a −9 −5 a 1 0 1 0n n1 1n 0 ... 0 1 .. . . . Cv. 3.10 Co je v´ ysledkem souˇcinu . . 1 . 0. A? 0 . . . . .. 1 0
... 0
Cv. 3.11 Ukaˇzte, ˇze souˇcin horn´ıch troj´ uheln´ıkov´ ych matic je zase horn´ı troj´ uheln´ıkov´a matice. (A je horn´ı troj´ uheln´ıkov´a pokud aij = 0 pro vˇsechna i > j.)
Cv. 3.12 Co dˇelaj´ı matice element´ arn´ıch ˇra´dkov´ ych u ´prav pˇri n´ asoben´ı matice A zprava? Cv. 3.13 Hodnost. (a) Bud’ a, b ∈ Rn . Urˇcete rank(abT ).
18
Operace s maticemi (b) Rozhodnˇete zda pro kaˇzd´e A, B ∈ Rn×n je rank(AB) = rank(BA).
(c) Rozhodnˇete zda existuj´ı A, B ∈ Rn×n tak, ˇze rank(AB) < min{rank(A), rank(B)}.
Cv. 3.14 Urˇcete eTi Aej . Cv. 3.15 M´ame A, B T ∈ R4×2 takov´e, ˇze
1 0 −1 0 0 1 0 −1 . AB = −1 0 1 0 0 −1 0 1 Spoˇc´ıtejte BA. (Hint: rozdˇelen´ı matice do blok˚ u.) Cv. 3.16 Najdˇete matici Q ∈ R3×3 Je matice Q jednoznaˇcn´ a?
1 2 3 4 tak, aby QA = RREF(A) pro A = 2 4 6 7 . 1 2 3 6
Cv. 3.17 Najdˇete ˇctvercovou matici A ˇra´du n splˇ nuj´ıc´ı I − A = A2 . Cv. 3.18 Bud’te A, B ∈ Rn×n takov´e, ˇze ABAB = 0. Mus´ı pak BABA = 0? Cv. 3.19 Bud’ A ∈ Rn×n a k ≥ 1. Plat´ı vˇzdy rank(Ak ) = rank(RREF(A)k )? Cv. 3.20 Bud’ A ∈ Rn×n takov´a, ˇze A ≥ 0 a Ak > 0 pro nˇejak´e k ∈ N. Ukaˇzte, ˇze Ak+1 > 0. (Nerovnost se mysl´ı v kaˇzd´e sloˇzce matice.) Cv. 3.21 Matice A, B ∈ Rn×n spolu komutuj´ı pokud AB = BA. (a) Najdˇete vˇsechny matice A ∈ Rn×n , kter´e komutuj´ı se vˇsemi maticemi t´ehoˇz ˇra´du.
(b) Popiˇste matice A ∈ Rn×n , kter´e komutuj´ı s matic´ı sloˇzenou ze sam´ ych jedniˇcek.
(c) Bud’ D ∈ Rn×n diagon´ aln´ı matice s r˚ uzn´ ymi prvky na diagon´ ale. Ukaˇzte, ˇze D komutuje jen s diagon´ aln´ımi maticemi. P (d) Pro A, B ∈ Rn×n komutuj´ıc´ı dokaˇzte maticovou binomickou vˇetu: (A+B)n = nk=0 nk Ak B n−k .
Cv. 3.22 Ukaˇzte, ˇze souˇcin matic A ∈ Rm×k , B ∈ Rk×n je moˇzn´e vyj´adˇrit jako AB = a1 bT1 + . . . + ak bTk , kde ai = A∗i , bi = Bi∗ . Cv. 3.23 Matice A ∈ Rn×n je stochastick´ a (nebo t´eˇz markovsk´ a, srov. Sekce 23) pokud prvky leˇz´ı v intervalu [0, 1] a souˇcet kaˇzd´eho sloupce je 1. Dokaˇzte, ˇze souˇcin markovsk´ ych matic je markovsk´ a matice. Cv. 3.24 Matice A ∈ Rn×n je dvojitˇe stochastick´ a pokud prvky leˇz´ı v intervalu [0, 1] a souˇcet kaˇzd´eho ˇra´dku i sloupce je 1. Dokaˇzte, ˇze dvojitˇe stochastick´e matice jsou uzavˇren´e (a) na souˇcin, n×n dvojitˇ (b) na e stochastick´e, α1 , . . . , αk ≥ 0, Pkkonvexn´ı kombinace Pk (tj., jsou-li A1 , . . . , Ak ∈ R e stochastick´a). i=1 αk = 1, pak i=1 αk Ak je dvojitˇ
Cv. 3.25 Reprezentujte komplexn´ı ˇc´ısla spolu se sˇc´ıt´ an´ım a n´ asoben´ım pomoc´ı re´ aln´ ych matic 2 × 2. Cv. 3.26 Symetrick´e matice. (a) Je v´ ysledkem souˇcinu symetrick´ ych matic symetrick´a matice? (b) Bud’ AB = C a matice B, C symetrick´e. Mus´ı pak b´ yt A tak´e symetrick´a?
Cviˇcen´ı z line´ arn´ı algebry
19
(c) Komutuj´ı symetrick´e matice? To jest, plat´ı AB = BA pro A, B ∈ Rn×n symetrick´e?
(d) Bud’te A, B ∈ Rn×n symetrick´e. Ukaˇzte, ˇze C := AB − BA je antisymetrick´a (tj., C T = −C). P Cv. 3.27 Stopa matice A ∈ Rn×n je ˇc´ıslo trace(A) = ni=1 Aii . (a) Dokaˇzte trace(A + B) = trace(A) + trace(B) pro libovoln´e A, B ∈ Rn×n .
(b) Dokaˇzte trace(AB) = trace(BA) pro libovoln´e A ∈ Rm×n a B ∈ Rn×m . (c) Ukaˇzte, ˇze trace(ABC) = trace(CBA) obecnˇe neplat´ı.
(d) Dokaˇzte trace(AB T ) = trace(AT B) pro libovoln´e A, B ∈ Rm×n . (e) Dokaˇzte trace(AT A) = 0 pr´ avˇe tehdy kdyˇz A = 0. (f) Najdˇete A, B ∈ R2×2 takov´e, aby AB − BA = I2 .
(g) Bud’ A ∈ Rn×n antisymetrick´a, tj. AT = −A. Specifikujte co nejv´ıc hodnotu trace(A) a trace(A2 ). (h) Bud’te A, B ∈ Rn×n symetrick´e. Ukaˇzte, ˇze trace(AB)2 ≤ trace(A2 B 2 ). (Hint: Uvaˇzuj trace(AB− BA)2 .) Cv. 3.28 Matice A ∈ Rn×n se naz´ yv´ a involutorn´ı pokud A2 = In , idempotentn´ı pokud A2 = A, a k nilpotentn´ı pokud A = 0 pro nˇejak´e k ∈ N. (a) Rozhodnˇete, zda involutorn´ı, idempotentn´ı a nilpotentn´ı matice jsou uzavˇren´e na souˇcin. (b) Dokaˇzte, ˇze A je involutorn´ı pr´ avˇe tehdy kdyˇz 12 (A + I) je idempotentn´ı. (c) Najdˇete nˇejakou netrivi´ aln´ı tˇr´ıdu involutorn´ıch matic. (d) Dokaˇzte, ˇze A je idempotentn´ı pr´ avˇe tehdy kdyˇz In − A je idempotentn´ı. P k (e) Bud’ A nilpotentn´ı matice. Dokaˇzte (In − A)−1 = ∞ k=0 A .
(f) Dokaˇzte, ˇze komutuj´ıc´ı nilpotentn´ı matice jsou uzavˇren´e na souˇcin i souˇcet.
20
4
Regul´ arn´ı a inverzn´ı matice
Regul´ arn´ı a inverzn´ı matice
Uk´ azka 4.1 (Inverze matice – obecn´ y postup). Uk´ aˇzeme si jak vypoˇc´ıtat inverzn´ı matici a dvˇe zd˚ uvodnˇen´ı proˇc to plat´ı. Zaˇc´ın´ ame s matic´ı (A | In ), kde A je matice, kterou chceme invertovat a In je jednotkov´a matice odpov´ıdaj´ıc´ıch rozmˇer˚ u. Prov´ad´ıme ˇra´dkov´e u ´pravy na celou velkou matici dokud ji nepˇrevedeme do RREF tvaru. Pokud v lev´e ˇc´ asti je jednotkov´a matice, na prav´e stranˇe pak stoj´ı inverzn´ı matice k A. Proˇc to ale plat´ı? Uk´ aˇzeme dvˇe vysvˇetlen´ı: 1) V´ıme, ˇze ˇra´dkov´e u ´pravy jdou reprezentovat jako n´ asoben´ı p˚ uvodn´ı matice zleva odpov´ıdaj´ıc´ımi element´arn´ımi (regul´ arn´ımi) maticemi. Budeme je znaˇcit Ei pro i-tou ˇra´dkovou operaci. V matici to pak bude vypadat takto Ek . . . E2 E1 A Ek . . . E2 E1 I {z } {z } . | A | In ∼ E1 A | E1 In ∼ E2 E1 A | E2 E1 In ∼ | B
B
Posledn´ı matice odpov´ıd´ a tvaru (In | B), kde B = Ek . . . E2 E1 In . Lev´a ˇc´ast t´eto matice je In = BA. Pokud bychom chtˇeli b´ yt d˚ usledn´ı, ˇrekli bychom, ˇze to plyne z asociativity n´ asoben´ı matic a sice, ˇze plat´ı Ek (. . . (E2 (E1 A)) . . .) = (Ek . . . E2 E1 )A.
Protoˇze souˇcin BA d´ av´a jednotkovou matici, B = A−1 je tedy hledan´a inverzn´ı matice. 2) P˚ uvodn´ı u ´lohu rozdˇel´ıme na n pod´ uloh podle jednotliv´ ych sloupc´ıch. V i-t´e pod´ uloze budeme hledat ˇ i-t´ y sloupeˇcek inverzn´ı matice B k matici A. Reˇs´ıme rovnici Axi = ei , kde ei je i-t´ y jednotkov´ y vektor a xi je nezn´ am´ y vektor. Soustavu budeme ˇreˇsit Gaussovou–Jordanovou eliminac´ı. Pokud je p˚ uvodn´ı matice A regul´ arn´ı, tak po proveden´ı eliminace m´ ame na lev´e stranˇe jednotkovou matici a na prav´e stranˇe se n´ am rovnou objev´ı ˇreˇsen´ı soustavy. Je vidˇet, ˇze kdyˇz tento postup provedeme pro vˇsechny sloupce i spoˇc´ıt´ ame postupnˇe inverzn´ı matici. Bude n´ am platit | | | | · x1 . . . xn = e1 . . . en . A | | | |
Co n´ am ale br´ an´ı, abychom Gaussovu–Jordanovu eliminaci provedli pro vˇsechny sloupce prav´ ych stran najednou? Nic, protoˇze postup eliminace z´ avis´ı jen na matici A. M˚ uˇzeme uvaˇzovat soustavu, kter´a bude m´ıt nˇekolik prav´ ych stran – vˇsechny jednotkov´e vektory z jednotkov´e matice. Rozˇs´ıˇrenou matice (A | In ), pokud to lze, eliminujeme na (In | B) a nyn´ı by jiˇz mˇelo b´ yt jasn´e, proˇc B je inverzn´ı matice k A. Uk´ azka 4.2 (Inverze matice). Najdˇete inverzn´ı matici k matici 1 1 1 3 3 A = 2 −1 −3 −2 ˇ sen´ı: Reˇ 1 2 −1 1 ∼ 0 0 1 ∼ 0 0
Element´ arn´ımi ˇra´dkov´ ymi u ´pravami pˇrevedeme (A | I3 ) na redukovan´ y odstupˇ novan´ y tvar 1 1 1 0 0 1 0 0 1 0 0 1 1 1 1 1 1 3 3 0 1 0 ∼ 0 1 1 −2 1 0 ∼ 0 1 1 −2 1 0 ∼ −3 −2 0 0 1 −1 −3 −2 0 0 1 0 −2 −1 1 0 1 1 1 1 1 1 1 0 4 −2 −1 1 1 1 0 0 0 0 1 1 −2 1 0 ∼ 0 1 0 1 −1 −1 ∼ 0 1 0 1 −1 −1 ∼ 0 1 −3 2 1 0 0 1 −3 2 1 0 0 1 −3 2 1 0 0 3 −1 0 1 0 1 −1 −1 . 0 1 −3 2 1
Cviˇcen´ı z line´ arn´ı algebry
M´ame tedy A−1
21
3 −1 0 = 1 −1 −1 a spr´avnost ovˇeˇr´ıme vyn´ asoben´ım AA−1 . −3 2 1
Uk´ azka 4.3 (Maticov´e v´ yrazy). S vyuˇzit´ım vlastnost´ı matic m˚ uˇzeme s maticov´ ymi v´ yrazy pracovat skoro tak dobˇre jako s klasick´ ymi aritmetick´ ymi v´ yrazy. Napˇr´ıklad, mˇejme A, B, X ∈ Rn×n , kde A je regul´ arn´ı. Vyj´adˇrete nezn´ amou matici X z v´ yrazu (AX)T = B. ˇ sen´ı: Obˇe strany rovnice transponujeme a dostaneme Reˇ AX = B T . Nyn´ı rovnici vyn´ asob´ıme zleva matic´ı A−1 a dostaneme X = A−1 B T . Zde je nutn´e nahl´ednout, ˇze n´ asoben´ı regul´ arn´ı matic´ı (coˇz A−1 jest) je ekvivalentn´ı u ´pravou – zpˇet se mohu dostat vyn´ asoben´ım rovnice matic´ı A. Druh´ a vˇec, kter´a vyˇzaduje pozornost, je ta, ˇze jsme n´ asobili A−1 zleva. Maticov´e n´ asoben´ı nen´ı komutativn´ı, proto z´aleˇz´ı na poˇrad´ı n´ asoben´ı. Pˇri n´ asoben´ım zleva dostane lev´a strana rovnice tvar A−1 AX = In X = X, kde m´ ame hledanou matici X. Naopak, pˇri n´ asoben´ı zprava by lev´a strana rovnice mˇela tvar AXA−1 , coˇz obecnˇe nen´ı rovno X.
............................................
Cviˇ cen´ı
............................................
Regul´ arn´ı matice Cv. 4.1 Necht’ A ∈ Rn×n m´ a jeden nulov´ y sloupec. Je singul´arn´ı nebo regul´ arn´ı? A co kdyˇz A ∈ Rn×n m´ a jeden nulov´ y ˇra´dek?
Cv. 4.2 Bud’ A, B ∈ Rn×n , kde A je regul´ arn´ı a B singul´arn´ı. Jak´ y je souˇcin AB? Cv. 4.3 Ukaˇzte, ˇze pokud A2 − A + In = 0, pak matice A je regul´ arn´ı. Cv. 4.4 Bud’ A ∈ Rn×n regul´ arn´ı a a ∈ Rn . Rozhodnˇete, zda A + aaT je tak´e regul´ arn´ı. Cv. 4.5 Rozhodnˇete, pro kter´a a, b ∈ R je matice ˇra´du n ≥ 2 a b ... b a . . . A= .. . . .. . . . b ... b
regul´ arn´ı b .. . . b a
Cv. 4.6 Matice A ˇra´du n m´ a na diagon´ ale lich´ a ˇc´ısla a jinde sud´a ˇc´ısla. M˚ uˇze b´ yt matice singul´arn´ı? ∗ Cv.
4.7 (Souboj o regularitu) Ren´e a Simona hraj´ı hru s matic´ı ˇra´du n ≥ 2. Ren´e pˇriˇrad´ı nˇejak´emu pol´ıˇcku libovoln´e re´ aln´e ˇc´ıslo, pak Simona pˇriˇrad´ı jin´emu pol´ıˇcku ˇc´ıslo atd. dokud se nezapln´ı cel´ a matice. Ren´e vyhraje, pokud je matice regul´ arn´ı, a Simona vyhraje, pokud je singul´arn´ı. M´a nˇekdo v´ıtˇeznou strategii? A jak´ a bude situace, kdyˇz zaˇcne Simona?
22
Regul´ arn´ı a inverzn´ı matice
Inverzn´ı matice Cv. 4.8 Spoˇc´ıtejte
2 1 1 3
−1 −1 cos ϕ − sin ϕ , . sin ϕ cos ϕ
−1 −1 −1 −2 −1 3 1 2 1 1 2 3 1 −1 , 3 −1 5 . Cv. 4.9 Spoˇc´ıtejte 3 2 −1 , 1 2 1 −2 −1 5 −3 −1 0 1
d1 Cv. 4.10 Spoˇc´ıtejte 0
0 ..
. dn
Cv. 4.11 Upravte:
−1
.
(a) (ABC)−1 , (b) A(B T A)−1 (AB)T . Cv. 4.12 Invertujte matice element´ arn´ıch ˇra´dkov´ ych u ´prav. Cv. 4.13 Matice A, B se liˇs´ı z´ amˇenou 2. a 3. ˇra´dku. Jak se liˇs´ı matice A−1 , B −1 ? Cv. 4.14 Bud’ A symetrick´a regul´ arn´ı matice. Bude A−1 tak´e symetrick´a? −1 Cv. 4.15 Jak co nejefektivnˇeji urˇcit A−1 ∗j , Ai∗ ?
Cv. 4.16 Jak co nejefektivnˇeji urˇcit hodnotu A−1 Bd + A−1 Cd? Cv. 4.17 Bud’ A, B, C, D, X ∈ Rn×n , kde A, B, C jsou regul´ arn´ı. Vyj´adˇrete nezn´ amou matici X ze vztahu (a) A(BX)T C = D, (b) ((X −1 A−1 )T − (B T )−1 )B −1 = 0. Cv. 4.18 Souˇcet kaˇzd´eho sloupce regul´ arn´ı matice A ∈ Rn×n je roven α. Ukaˇzte, ˇze souˇcet kaˇzd´eho sloupce −1 A je roven 1/α. Cv. 4.19 Bud’ A ∈ Rn×n regul´ arn´ı s kladn´ ymi ˇc´ısly. Dokaˇzte, ˇze poˇcet nul v A−1 je nanejv´ yˇs n(n − 2). Cv. 4.20 Spoˇc´ıtejte
1 0 .. . . . . (a) .. . 1 ...
... .. . .. . ...
1 1 1 ... 1 2 2 . . . (d) 1 2 3 . . . .. .. .. . . . . . . 1 2 3 ...
Cv. 4.21 Bud’ α 6= 0. Spoˇc´ıtejte
−1 0 .. . , 0 1
1 2 .. . . . . (b) .. . 1 ... −1 1 1 a1 2 ∗ 3 , ( e) a1 .. .. . . n a1
αIn In In αIn
−1
... .. . .. . ...
−1 2 .. . , 2 1
1 ... .. .. . . .. . a2 .. . . . . a2 . . .
... .. ..
.
. an−1
0
1 . 1 . . (c) .. . . . . 1 ... −1 1 .. . .. . . 1 1
.
Cv. 4.22 Dokaˇzte, ˇze pro A, B ∈ Rn×n , A regul´ arn´ı, plat´ı (ABA−1 )n = AB n A−1 .
... .. . .. . 1
−1 1 .. . , 1 0
Cviˇcen´ı z line´ arn´ı algebry
23
Cv. 4.23 Dokaˇzte A(In − A)−1 = (In − A)−1 A. Cv. 4.24 Bud’ A ∈ Rn×n tak, ˇze A4 = 0. Dokaˇzte, ˇze (I − A)−1 = I + A + A2 + A3 . Cv. 4.25 Necht’ A2 m´ a inverzn´ı matici B. Dokaˇzte, ˇze A je regul´ arn´ı a vyj´adˇrete jej´ı inverzi. Cv. 4.26 Dokaˇzte pro matici A ∈ Rn×n : (a) Je-li A2 = 0, pak In − A je regul´ arn´ı.
(b) Je-li Ak = 0 pro nˇejak´e k ∈ N, pak In − A je regul´ arn´ı. (c) Je-li Ak = 0 pro nˇejak´e k ∈ N, pak In + A je regul´ arn´ı.
Cv. 4.27 Bud’ A ∈ Rn×n tvaru A = In − B, kde bij = 0 pro i ≤ j. (a) Ukaˇzte, ˇze B n = 0. (b) Ukaˇzte, ˇze A−1 = I + B + B 2 + . . . + B n−1 . (c) Spoˇc´ıtejte podle pˇredchoz´ıho vztahu A−1 pro matici
1 0 0 A = −2 1 0 . 0 −3 1 ∗ Cv.
4.28 Bud’ A, B ∈ Rn×n splˇ nuj´ıc´ı AB + A + B = 0. Dokaˇzte AB = BA, tedy matice spolu komutuj´ı.
Cv. 4.29 Jak´e jsou hodnoty v matici A−1 kdyˇz prvky A jsou z oboru Z (resp. Q, R, C)? Cv. 4.30 Porovnejte mnoˇziny ˇreˇsen´ı soustavy Ax = b a soustavy (QA)x = Qb. Cv. 4.31 Najdˇete netrivi´ aln´ı matici A ∈ Rn×n splˇ nuj´ıc´ı: (a) A = A−1 (b) A = −A−1 Cv. 4.32 Dokaˇzte trace(A) = trace(BAB −1 ). Cv. 4.33 Rozhodnˇete zda plat´ı (AB)−1 = A−1 B −1 pro matice
1 0 2 A = 2 3 1 , 4 1 0
4 2 2 B = 2 0 2 . 1 3 4
Blokov´ e matice Cv. 4.34 Vyj´adˇrete: −1 A 0 (a) pro A ∈ Rm×m , B ∈ Rn×n regul´ arn´ı. 0 B −1 A C pro A ∈ Rm×m , B ∈ Rn×n regul´ arn´ı. (b) 0 B −1 I A C (c) 0 I B pro A, B, C ˇctvercov´e. 0 0 I
24
Regul´ arn´ı a inverzn´ı matice (d) Jak vypad´a n´ asleduj´ıc´ı matice s α 6= 0 po jedn´e iteraci Gaussovy eliminace? α aT β . c A b
Cv. 4.35 Pro matici A ∈ Rn×n definujme A+ , A− , |A| ∈ Rn×n s prvky (A+ )ij := (aij )+ , (A− )ij := (aij )− , (|A|)ij := |aij | jako matice kladn´ ych ˇc´ ast´ı, z´aporn´ ych ˇc´ast´ı a absolutn´ıch hodnot. Dokaˇzte, ˇze obˇe matice A, |A| jsou z´ aroveˇ n regul´ arn´ı pr´ avˇe tehdy, kdyˇz je regul´ arn´ı matice + A A− ˜ . A := A− A+ Hint: Vyuˇzijte vlastnosti r = r + − r − a |r| = r + + r − pro libovoln´e r ∈ R.
Shermanova–Morrisonova formule (A + bcT )−1 = A−1 −
1 A−1 bcT A−1 . 1+cT A−1 b
Cv. 4.36 Jak se zmˇen´ı inverzn´ı matice k A pokud k prvku aij pˇriˇcteme α ∈ R? Cv. 4.37 Najdˇete vzoreˇcek pro (In + abT )−1 , kde a, b ∈ Rn jsou takov´e, ˇze aT b 6= −1. Cv. 4.38 Invertujte matici ˇra´du n s dvojkami na 1 2 0 −1 Cv. 4.39 V´ıme A = −1 1 1 , A−1 = 0 1 −1 0 1
diagon´ ale a jedniˇckami jinde. 0 1 1 −1 . Bez pˇr´ım´eho v´ ypoˇctu urˇcete 0 2
−1 2 0 −1 (a) −1 1 1 , −1 2 1
−1 2 0 −1 (b) −1 1 1 . −1 2 2
Cviˇcen´ı z line´ arn´ı algebry
5
25
Grupy, tˇ elesa
Uk´ azka 5.1. Dokaˇzte, ˇze v grupˇe s operac´ı · a neutr´aln´ım prvkem 1 plat´ı: Pokud a · b = c · a = 1, pak b = c. ˇ sen´ı: Reˇ c
[neutr´ aln´ı prvek 1]
=
c·1
[ze zad´ an´ı]
=
c · (a · b)
[asociativita ·]
=
(c · a) · b
[za zad´ an´ı]
=
1·b
[neutr´ aln´ı prvek 1]
=
b.
Uk´ azka 5.2 (Poˇc´ıt´ an´ı v Zp ). Spoˇc´ıt´ ame 4 + 4, 3 ∗ 2, 2 − 3, 4−1 , 3/4 v tˇelese Z5 . Kaˇzd´ a operace v Z5 se poˇc´ıt´a modulo 5 (zbytek po dˇelen´ı 5), aby v´ ysledek opˇet patˇril do mnoˇziny {0, 1, 2, 3, 4}. Neofici´aln´ı kroky znaˇc´ıme do uvozovek – jsou zde uvedeny pro pˇredstavu, jak doj´ıt k v´ ysledku. 4+4=
8 mod 5“ = 3, ” 3 · 2 = 6 mod 5“ = 1, ” 2 − 3 = 2 + (−3) = 2 + 2 = 4, 3−1 = 2, nebot’ 2 · 3 = 1, 3/4 = 3 · 4−1 = 3 · 4 = 2.
Uk´ azka 5.3. Spoˇc´ıtejte 22011 v Z5 ˇ sen´ı: Staˇc´ı si vˇsimnout, ˇze Reˇ 20 = 1, 21 = 1, 22 = 4, 23 = 8 mod 5 = 3, 24 = 16 mod 5 = 1. Tedy 22011 = 22008 · 23 = 1 · 3 = 3. Druh´ a moˇznost je vyuˇz´ıt Malou Fermatovu vˇetu, kter´a ˇr´ık´a: Pro ” kaˇzd´e prvoˇc´ıslo p a kaˇzd´e a ∈ {1, . . . , p − 1} plat´ı ap−1 = 1 v tˇelese Zp .“ Pak dostaneme hned, ˇze 24 = 1 v Z5 . ˇ ste n´ Uk´ azka 5.4 (Soustava rovnic nad Zp ). Reˇ asleduj´ıc´ı soustavu nad Z3 bez prohazov´an´ı ˇra´dk˚ u. 2 1 0 2 1 0 2 1 . 0 2 1 0
ˇ sen´ı: Prov´ad´ıme klasickou Gaussovu eliminaci, pouze s t´ım rozd´ılem, ˇze operace jsou nad tˇelesem Reˇ Z3 . Nav´ıc si m˚ uˇzeme uvˇedomit, ˇze prvky pod pivotem lze vynulovat pˇriˇcten´ım vhodn´eho n´ asobku ˇra´dku s pivotem. 2 1 0 2 2 1 0 2 2 1 0 2 1 0 2 1 ∼ 0 1 2 0 ∼ 0 1 2 0 . 0 2 1 0 0 2 1 0 0 0 0 0
Po proveden´ı zpˇetn´e substituce dost´ av´ame ˇreˇsen´ı (1, 0, 0)T + x3 · (1, 1, 1)T . Matice m´ a hodnost menˇs´ı neˇz 3, avˇsak nedost´av´ame nekoneˇcnˇe mnoho ˇreˇsen´ı, nebot’ parametr x3 m˚ uˇze nab´ yvat pouze hodnot ze Z3 , tedy 0, 1, 2. Celkovˇe tedy m´ ame tˇri ˇreˇsen´ı (1, 0, 0)T , (2, 1, 1)T , (0, 2, 2)T .
............................................
Cviˇ cen´ı
............................................
26
Grupy, tˇelesa
Grupy Cv. 5.1 Zjistˇete zda je grupou (a) (Q, ·),
(b) (Q, −),
(c) (Q \ {0}, ◦), kde a ◦ b = |ab|,
(d) (Q, ◦), kde ◦ je pr˚ umˇer ˇc´ısel a, b (aritmetick´ y, . . . ), (e) (Q, ◦), kde ◦ je definov´ano: a ◦ b := a + b + 3,
(f) mnoˇzina re´ aln´ ych funkc´ı f : R → R se sˇc´ıt´an´ım (F, +),
(g) mnoˇzina otoˇcen´ı v R2 podle poˇc´ atku se skl´ad´ an´ım, (h) mnoˇzina posunut´ı v R2 se skl´ad´ an´ım. Cv. 5.2 Najdˇete vlastn´ı pˇr´ıklady grup a negrup.
Cv. 5.3 Bud’ (G, ◦) grupa a x ∈ G pevn´e. Rozhodnˇete zda je grupou (G, ⋆) s operac´ı a ⋆ b := a ◦ x ◦ b. Cv. 5.4 Rozhodnˇete, zda je (Abelovou) grupou: (a) mnoˇzina {( 10 1z ); z ∈ Z} s maticov´ ym n´ asoben´ım.
(b) mnoˇzina {( aa aa ); a ∈ R \ {0}} s maticov´ ym n´ asoben´ım. C 0 −1 k×k (c) mnoˇzina S 0 0 S ; C ∈ R je regul´ arn´ı s maticov´ ym n´ asoben´ım, kde S ∈ Rn×n , n ≥ k, je pevn´a regul´ arn´ı matice. Cv. 5.5 Bud’ IR mnoˇzina re´ aln´ ych uzavˇren´ ych interval˚ u s operacemi [a1 , a2 ] + [b1 , b2 ] = [a1 + b1 , a1 + b2 ], [a1 , a2 ] · [b1 , b2 ] = [min(a1 b1 , a1 b2 , a2 b1 , a2 b2 ), max(a1 b1 , a1 b2 , a2 b1 , a2 b2 )]. Vyˇsetˇrete algebraick´e struktury (IR, +), (IR, ·). Cv. 5.6 V grupˇe (G, ◦) s neutr´aln´ım prvkem e a inverzn´ım a−1 k a proved’te: (a) najdˇete e−1 , (b) upravte (a ◦ b)−1 .
(c) dokaˇzte z definice, ˇze pokud ab = a, tak nutnˇe b = e,
(d) rozhodnˇete zda a4 = b4 implikuje a = b, (e) rozhodnˇete zda a3 = b3 implikuje a = b. Cv. 5.7 Zjistˇete zda je podgrupou (a) (R \ Q, +) ≤ (R, +),
(b) (Q+ , ·) ≤ (Q \ {0}, ·), kde Q+ = {q ∈ Q | q > 0}, (c) (sud´a cel´ a ˇc´ısla, +) ≤ (Z, +),
(d) (lich´ a cel´ a ˇc´ısla, +) ≤ (Z, +), (e) (Zn , +) ≤ (Z, +).
Cv. 5.8 Najdˇete nejmenˇs´ı podgrupu (Z, +) obsahuj´ıc´ı prvky 6 a 15. Cv. 5.9 Ukaˇzte, ˇze vˇsechny podgrupy (Z, +) jsou tvaru {az; z ∈ Z} pro urˇcit´e a ∈ Z. Plat´ı tot´eˇz i o podgrup´ach (R, +)? Cv. 5.10 Bud’ (G, ◦) grupa. Ukaˇzte, ˇze ∅ = 6 H ⊆ G je podgrupou pr´ avˇe tehdy, kdyˇz ab−1 ∈ H pro kaˇzd´e a, b ∈ H.
Cviˇcen´ı z line´ arn´ı algebry
27
Cv. 5.11 Najdˇete nˇejakou netrivi´ aln´ı podgrupu grupy funkc´ı (F, +). Cv. 5.12 Najdˇete nˇejakou netrivi´ aln´ı podgrupu grupy matic (Rn×n , +). Cv. 5.13 Najdˇete nˇejakou netrivi´ aln´ı podgrupu grupy regul´ arn´ıch matic (GLn , ·). Cv. 5.14 Najdˇete nˇejakou operaci, kter´a je komutativn´ı, ale ne asociativn´ı. Cv. 5.15 Bud’te H1 , H2 podgrupy grupy (G, ◦). Ukaˇzte, ˇze (a) H1 ∩ H2 je tak´e podgrupa,
(b) H1 ∪ H2 je podgrupa pr´ avˇe tehdy, kdyˇz H1 ⊆ H2 nebo H1 ⊇ H2 ,
(c) nejmenˇs´ı podgrupa obsahuj´ıc´ı H1 ∪ H2 je tvoˇrena vˇsemi prvky a1 ◦ b1 ◦ . . . ◦ an ◦ bn pro vˇsechna a1 , . . . , an ∈ H1 , b1 , . . . , bn ∈ H2 , n ∈ N.
Tˇ elesa Cv. 5.16 Rozhodnˇete, zda je tˇelesem mnoˇzina (a) {−1, 0, 1} s klasick´ ym sˇc´ıt´ an´ım a n´ asoben´ım. √ √ (b) Z( 2) := {p + 2q; p, q ∈ Z} s klasick´ ym sˇc´ıt´an´ım a n´ asoben´ım. √ √ ym sˇc´ıt´an´ım a n´ asoben´ım. (c) Q( 2) := {p + 2q; p, q ∈ Q} s klasick´ (d) Q(i) := {p + iq; p, q ∈ Q} s klasick´ ym sˇc´ıt´an´ım a n´ asoben´ım.
(e) Z5 (i) := {p + iq; p, q ∈ Z5 } s klasick´ ym sˇc´ıt´an´ım a n´ asoben´ım.
(f) Kart´ezsk´ y souˇcin Z2 × Z3 , kde operace +, · jsou po souˇradnic´ıch.
(g) (2M , △, △′ ), kde A△B := (A\B)∪(B \A) je symetrick´ y rozd´ıl mnoˇzin, a A△′ B := M \(A△B) je jeho doplnˇek. Cv. 5.17 Procviˇcka v tˇelese Zp . Napˇr´ıklad: (a) spoˇc´ıtejte v Z5 hodnoty 4 + 3, −3, 4 · 3, 3−1 , 4/3,
(b) spoˇc´ıtejte v Z11 hodnoty 6 + 7, −7, 6 · 7, 7−1 , 6/7. ˇ ste soustavy rovnic Cv. 5.18 Reˇ 2 (a) 1 1
bez prohazov´an´ı ˇra´dk˚ u 0 1 1 1 1 1 0 0 2 1 nad Z3 , (b) 1 0 1 1 nad Z2 a Z5 . 1 2 2 1 1 0 1
Cv. 5.19 Spoˇc´ıtejte v Z7 mocninu matice
100 3 2 . 1 4
Cv. 5.20 Invertujete matici (a)
2 1 2 2
nad Z3 a Z5 ,
(b)
5 2 3 1
Cv. 5.21 Pro kter´a prvoˇc´ısla p je matice nad Zp singul´arn´ı? 2 4 1 2 3 0 5 4 4 0 2 3 . 3 5 1 4
nad Z7 a Z11 .
28
Grupy, tˇelesa
Cv. 5.22 Urˇcete poˇcet regul´ arn´ıch matic ˇra´du 2 nad tˇelesem Zp . Cv. 5.23 Najdˇete polynom p(x) = a3 x3 + a2 x2 + a1 x + a0 nad Z5 takov´ y, aby p(1) = 1 a p(2) = p(3) = p(4) = 2. Cv. 5.24 V Z5 najdˇete vˇsechna ˇreˇsen´ı rovnice x4 + 3x3 + 2x + x−1 = 0. Cv. 5.25 Spoˇc´ıtejte: (a) 22010 v Z5 , (b) 32008 v Z7 , (c) (87 + 78 )12 v Z17 , (d) 244 + 322 211 v Z17 , (e) zbytek pˇri dˇelen´ı 37n+2 + 16n+1 + 23n ˇc´ıslem 7, (f) 52008 v Z31 . Cv. 5.26 Proˇc nem˚ uˇze b´ yt charakteristika tˇelesa rovna 1? Cv. 5.27 Najdˇete co nejv´ıce tˇeles charakteristiky 2. Cv. 5.28 Jde v kaˇzd´em tˇelese T rozloˇzit kaˇzd´ y prvek a ∈ T na souˇcet jedniˇcek? Cv. 5.29 Ukaˇzte, ˇze komutativitu sˇc´ıt´ an´ı v tˇelese lze odvodit z ostatn´ıch vlastnost´ı.
Mal´ a Fermatova vˇ eta ap−1 = 1 v Zp , kde p je prvoˇc´ıslo, a 6= 0. Cv. 5.30 Jak naj´ıt a−1 pro a ∈ Zp ? Cv. 5.31 Spoˇc´ıtejte: (a) 203332 v Z31 , (b) 22008 v Z11 , (c) 260 + 730 v Z13 .
Cviˇcen´ı z line´ arn´ı algebry
6
29
Permutace skl´ad´ an´ı: znam´enko:
(q ◦ p)(i) = q(p(i)) u = (−1)poˇ cet transpozic sgn(p) = (−1)n−poˇcet cykl˚
Uk´ azka 6.1 (Cykly, znam´enko, a skl´ad´ an´ı permutac´ı). Mˇejme permutace 1 2 3 4 5 6 1 2 3 4 5 6 p= , q= . 2 3 4 1 6 5 1 3 2 5 6 4 Najdˇete jejich cykly, znam´enka, inverze a sloˇzte je mezi sebou. ˇ sen´ı: Permutace p zobrazuje 1 7→ 2, d´ Reˇ ale 2 7→ 3, 3 7→ 4 a 4 7→ 1. Tud´ıˇz jeden cyklus je (1, 2, 3, 4), a analogicky najdeme druh´ y cyklus (5, 6). Cykly permutace p jsou proto (1, 2, 3, 4)(5, 6) a podobnˇe permutace q m´ a cykly (1)(2, 3)(4, 5, 6). Permutace p je zadan´ a na n = 6 prvn´ıch a skl´ad´ a se z c = 2 cykl˚ u, proto m´ a znam´enko sgn(p) = n−c 6−2 6−3 (−1) = (−1) = 1. Podobnˇe spoˇc´ıt´ ame sgn(q) = (−1) = −1. Inverzn´ı permutaci k p m˚ uˇzeme naj´ıt nˇekolika zp˚ usoby. Pokud vyjdeme z tabulkov´eho zad´ an´ı p, tak staˇc´ı prohodit oba ˇra´dky, ˇc´ımˇz se ze vzor˚ u stanou obrazy a naopak, a pak jen setˇr´ıdit sloupce od nejmenˇs´ıho. Dostaneme p−1 vyj´adˇren´e tabulkou 1 2 3 4 5 6 . p= 4 1 2 3 6 5 Pokud vyuˇzijeme z´ apisu p pomoc´ı cykl˚ u, staˇc´ı pouze prohodit poˇrad´ı ˇc´ısel v kaˇzd´em cyklu, tj. p−1 = (4, 3, 2, 1)(6, 5). Zde si m˚ uˇzeme uvˇedomit, ˇze cykly d´elek 1 a 2 nemus´ıme invertovat, protoˇze jsou sami sobˇe inverz´ı. Permutace skl´ad´ ame jako kaˇzd´e jin´e zobrazen´ı, tedy p ◦ q zobraz´ı prvek i na p(q(i)). Tabulkovˇe vyj´adˇreno, 1 q ↓ 1 p ↓ 2 ˇcili p◦q =
2 ↓ 3 ↓ 4
3 ↓ 2 ↓ 3
4 ↓ 5 ↓ 6
5 ↓ 6 ↓ 5
6 ↓ 4 ↓ 1
1 2 3 4 5 6 . 2 4 3 6 5 1
Podobnˇe m˚ uˇzeme postupovat pˇres cykly a dospˇejeme k vyj´adˇren´ı p ◦ q = (1, 2, 4, 6)(3)(5). Pro srovn´an´ı, sloˇzen´ı v opaˇcn´em poˇrad´ı je q ◦ p = (1, 3, 5, 4)(2)(6). To ilustruje, ˇze skl´ad´ an´ı permutac´ı nen´ı komutativn´ı.
............................................
Cviˇ cen´ı
............................................
Cv. 6.1 Mˇejme permutace p=
1 2 3 4 5 6 , 2 1 3 6 4 5
q=
1 2 3 4 5 6 . 3 4 5 2 1 6
Spoˇc´ıtejte q ◦ p, p ◦ q, sgn(p), p−1 , sgn(p−1 ). Tabulkou i pˇres cykly.
30
Permutace
Cv. 6.2 Mˇejme permutaci p = (1, 3, 4)(2, 5)(6, 11, 10, 9, 8, 7). Spoˇc´ıtejte p9 a p−14 . Pro jakou nejmenˇs´ı mocninu k ≥ 1 dostaneme pk = id? Cv. 6.3 Najdˇete permutaci p ∈ S10 aby pi 6= id pro i = 1, 2, . . . , 29. Cv. 6.4 Rozloˇzte (1, 2, 3, 4, 5) na sloˇzen´ı transpozic. Rozloˇzte to jeˇstˇe jin´ ym zp˚ usobem. Jak´ y je nejmenˇs´ı moˇzn´ y poˇcet transpozic? Cv. 6.5 Dokaˇzte, ˇze kaˇzdou permutaci p ∈ Sn lze sloˇzit z n − 2 nebo n − 1 transpozic. Cv. 6.6 Dokaˇzte, ˇze pro kaˇzdou permutaci p a index i takov´ y, ˇze i < p(i) existuje j tak, ˇze j > p(j). Cv. 6.7 Dokaˇzte, ˇze sloˇzen´ım permutac´ı dostaneme permutaci. Cv. 6.8 Bud’ q ∈ Sn pevn´e. Dokaˇzte, ˇze zobrazen´ı p 7→ p ◦ q na bijekce na Sn . Jak se mˇen´ı znam´enka permutac´ı p pˇri tomto zobrazen´ı? Cv. 6.9 Urˇcete znam´enko permutace p=
1 2 3 ... n n − 1 n − 2 ...
n−1 n . 2 1
Cv. 6.10 Urˇcete znam´enko n´ asleduj´ıc´ıch permutac´ı: (a) (1, 3, 5, . . . , 2n − 1, 2, 4, 6, . . . , 2n),
(b) (1, 4, 7, . . . , 3n − 2, 2, 5, 8, . . . , 3n − 1, 3, 6, 9, . . . , 3n), (c) (2, 5, 8, . . . , 3n − 1, 3, 6, 9, . . . , 3n, 1, 4, 7, . . . , 3n − 2),
(d) (3, 6, 9, . . . , 3n, 2, 5, 8, . . . , 3n − 1, 1, 4, 7, . . . , 3n − 2).
Cv. 6.11 Dokaˇzte, ˇze znam´enko permutace p lze ekvivalentnˇe definovat jako sgn(p) = (−1)s , kde s je cykl˚ u p sud´e d´elky. Cv. 6.12 Ukaˇzte, ˇze pro n ≥ 2 je poˇcet lich´ ych a sud´ ych permutac´ı v Sn stejn´ y. Cv. 6.13 Bud’ p ∈ Sn a uvaˇzujme relaci R na mnoˇzinˇe {1, . . . , n} definovanou vztahem (x, y) ∈ R pr´ avˇe i tehdy, kdyˇz x = p (y) pro nˇejak´e i ∈ N. Ukaˇzte, ˇze relace R je ekvivalence a jej´ı tˇr´ıdy jsou cykly permutace p. Cv. 6.14 Najdˇete vˇsechny permutace komutuj´ıc´ı s (a) p = (1, 2)(3). (b) p = (1, 2)(3, 4). Cv. 6.15 Najdˇete vˇsechny permutace splˇ nuj´ıc´ı: (a) p ∈ S10 a p2 = (1, 3)(2, 4)(7, 8, 9, 10),
(b) p ∈ S10 a p5 = (1, 3, 4, 7, 8, 9, 10)(2, 6),
(c) p ∈ S2n a p2 = (a1 , . . . , an )(b1 , . . . , bn ), kde a1 , . . . , an , b1 , . . . , bn jsou navz´ajem r˚ uzn´ a ˇc´ısla z {1, . . . , 2n},
(d) p ∈ S2n a p2 = (a1 , b1 )(a2 , b2 ) . . . (an , bn ). (Staˇc´ı n´ am jen jejich poˇcet.)
Cviˇcen´ı z line´ arn´ı algebry
31
Cv. 6.16 Spoˇc´ıtejte p27 ◦ q −27 pro p = (1, 3, 5, 7) ◦ (2, 5, 8, 1) ◦ (9, 10),
q = (6, 4, 1) ◦ (9, 10, 8) ◦ (4, 8, 7, 1, 5).
Cv. 6.17 Najdˇete co nejv´ıce permutac´ı p ∈ S6 splˇ nuj´ıc´ıch p = p−1 . Cv. 6.18 Kolem stolu sed´ı kolektiv matfyz´ ak˚ u. Z dan´eho rozesazen´ı (A) se pˇrem´ıst´ı do rozesazen´ı (B) pomoc´ı 17 vz´ajemn´ ych v´ ymˇen dvou lid´ı. Lze pˇrej´ıt zpˇet pomoc´ı 31, 26, resp. 13 v´ ymˇen? Cv. 6.19 Spoˇc´ıtejte pr˚ umˇern´ y poˇcet cykl˚ u v n-prvkov´e permutaci. Cv. 6.20 Urˇcete pravdˇepodobnost, ˇze n´ ahodnˇe zvolen´ a permutace p ∈ Sn m´ a cyklus obsahuj´ıc´ı prvek 1 dlouh´ y pˇresnˇe k.
Symetrick´ a grupa permutac´ı Cv. 6.21 Rozhodnˇete, zda je (Abelovou) grupou (Sn , ◦). Cv. 6.22 Najdˇete vˇsechny symetrie obd´eln´ıku, popiˇste je permutacemi a ovˇeˇrte, ˇze tvoˇr´ı podgrupu (S4 , ◦). 1
2
3
4
Cv. 6.23 Najdˇete vˇsechny symetrie ˇctverce, popiˇste je permutacemi a ovˇeˇrte, ˇze tvoˇr´ı podgrupu (S4 , ◦). 1
2
3
4
Cv. 6.24 Ukaˇzte, ˇze postupn´ ym skl´ad´ an´ım mohu z transpozic (1, 2), (2, 3), . . . , (n − 1, n) vygenerovat cel´e Sn . Cv. 6.25 Ukaˇzte, ˇze pokud n je prvoˇc´ıslo, tak postupn´ ym skl´ad´ an´ım a invertov´an´ım mohu z jedn´e transpozice a cyklu na n prvc´ıch vygenerovat cel´e Sn .
32
7
Vektorov´e prostory a podprostory
Vektorov´ e prostory a podprostory
Uk´ azka 7.1 (Podprostory). Rozhodnˇete, zda n´ asleduj´ıc´ı mnoˇziny jsou podprostory prostoru Rn nad R (a) A = {(2s, s, |s|); s, t ∈ R}, (b) B = {(s, 5t, 2s − t); s, t ∈ R}. ˇ sen´ı: V z´asadˇe, mus´ıme ovˇeˇrit, jestli mnoˇziny obsahuj´ı nulov´ Reˇ y vektor a jsou uzavˇren´e na sˇc´ıt´ an´ı a n´ asobky. (a) Trivi´alnˇe 0 ∈ A, staˇc´ı volit s = 0. Uzavˇrenost na souˇcty ani n´ asobky ale neplat´ı (pouze na nez´ aporn´e n´ asobky), coˇz prok´ aˇzeme protipˇr´ıkladem. Vezmˇeme napˇr. vektor (2, 1, 1), kter´ y n´ aleˇz´ı do A d´ıky volbˇe s = 1. Jeho opaˇcn´ y vektor −(2, 1, 1) = (−2, −1, −1) ale do A nen´ aleˇz´ı, protoˇze tˇret´ı sloˇzka vektoru v A nem˚ uˇze b´ yt z´ aporn´ a. (b) Opˇet zˇrejmˇe 0 ∈ B. Ukaˇzme uzavˇrenost na souˇcty vektor˚ u. Vezmˇeme si libovoln´e dva vektory z B, ty se daj´ı obecnˇe vyj´adˇrit jako (s, 5t, 2s − t) a (s′ , 5t′ , 2s′ − t′ ) pro vhodn´e volby s, s′ , t, t′ ∈ R. Jejich souˇcet je (s, 5t, 2s − t) + (s′ , 5t′ , 2s′ − t′ ) = (s + s′ , 5(t + t′ ), 2(s + s′ ) − (t + t′ )), coˇz je opˇet vektor n´ aleˇz´ıc´ı do mnoˇziny B. Podobnˇe se uk´aˇze uzavˇrenost na n´ asobky. Bud’ α ∈ R a (s, 5t, 2s − t) ∈ B. Pak α(s, 5t, 2s − t) = ((αs), 5(αt), 2(αs) − (αt)) m´ a tak´e vyj´adˇren´ı z definice B a proto do mnoˇziny n´ aleˇz´ı. Uk´ azka 7.2 (Line´arn´ı obal). Rozhodnˇete, zda vektor (4, −1, 1) n´ aleˇz´ı do line´ arn´ıho obalu vektor˚ u (2, 1, 1) (1, 2, 1). ˇ sen´ı: Line´arn´ı obal koneˇcn´e mnoˇziny je charakterizov´an jako mnoˇzina vˇsech line´ Reˇ arn´ıch kombinac´ı vektor˚ u t´eto mnoˇziny. Tedy vektor n´ aleˇz´ı do dan´eho line´ arn´ıho obalu pr´ avˇe tehdy, kdyˇz lze vyj´adˇrit jako line´ arn´ı kombinace techto vektor˚ u. Konkr´etnˇe, hled´ ame α, β ∈ R aby (4, −1, 1) = α(2, 1, 1) + β(1, 2, 1). Toto vyjadˇruje soustavu tˇr´ı rovnic o dvou nezn´ am´ ych 4 2 1 1 2 −1 . 1 1 1
Soustavu vyˇreˇs´ıme a najdeme ˇreˇsen´ı α = 3, β = −2, tud´ıˇz odpovˇed’ zn´ı: Ano“. ”
............................................
Cviˇ cen´ı
............................................
Vektorov´ e prostory Cv. 7.1 Jmenujte pˇr´ıklady vektorov´ ych prostor˚ u. Cv. 7.2 Rozhodnˇete, zda tvoˇr´ı vektorov´ y prostor: (a) Rn nad Q, (b) Rn nad C, (c) Znp nad Zp , (d) Rn nad R s operacemi x ⊕ y = x + y, α ⊙ x = −α · x, (e) Rn nad R s operacemi x ⊕ y = x + y, α ⊙ x = |α| · x, (f) R∞ nad R, tedy posloupnosti re´ aln´ ych ˇc´ısel.
Cv. 7.3 Rozhodnˇete, zda tvoˇr´ı vektorov´ y prostor:
Cviˇcen´ı z line´ arn´ı algebry
33
(a) 2M nad tˇelesem Z2 , kde M je dan´ a mnoˇzina, souˇcet mnoˇzin A, B ⊆ M je definov´an A + B = (A \ B) ∪ (B \ A), a n´ asobek mnoˇziny jako 0A = ∅ a 1A = A.
(b) V n nad T, kde V je vektorov´ y prostor nad T, sˇc´ıt´an´ı a n´ asobky jsou definov´any po sloˇzk´ach.
(c) U × V nad T, kde U, V jsou vektorov´e prostory nad T, sˇc´ıt´an´ı a n´ asobky jsou definov´any po sloˇzk´ach. (d) mnoˇzina vˇsech zobrazen´ı f : M → V nad tˇelesem T, kde M je dan´ a mnoˇzina a V vektorov´ y prostor nad T. (e) Zn5 nad Z2 s pˇrirozen´ ym souˇctem a n´ asobky. (f) mnoˇzina V = {0, 1, . . . , 6} nad Z5 s operacemi souˇcet x ⊕ y = (x + y) mod 6 a n´ asobek α ⊙ x = (αx) mod 6.
(g) kladn´ a re´ aln´ a ˇc´ısla R+ nad R, je-li x ⊕ y = xy a α ⊙ x = xα .
Cv. 7.4 Rozhodnˇete, zda tvoˇr´ı vektorov´ y prostor R3 nad R s pˇredefinovan´ ymi operacemi: (a) x ⊕ y = o, α ⊙ x = αx
(b) x ⊕ y = (x1 + y1 , x2 , y3 ), α ⊙ x = αx
(c) x ⊕ y = x + y, α ⊙ x = (αx1 , αx2 , x3 )
(d) x ⊕ y = x + y, α ⊙ x = (αx1 , 2αx2 , 3αx3 ) Cv. 7.5 Najdˇete vektorov´ y prostor s pr´ avˇe 25 vektory. Najdˇete jeˇstˇe dalˇs´ı dva. Cv. 7.6 Dokaˇzte, ˇze v kaˇzd´em vektorov´em prostoru V nad T plat´ı (a) αo = o,
∀α ∈ T,
(b) (−1)v = −v,
∀v ∈ V .
Cv. 7.7 Mˇejme U, V prostory nad tˇelesem T. M˚ uˇze U ∩ V = ∅?
Podprostory Cv. 7.8 Rozhodnˇete, zda n´ asleduj´ıc´ı tvoˇr´ı podprostor R2 : (a) {(s, s2 ); s ∈ R},
(b) {(s + t, 1); s, t ∈ R}, (c) {(s − 2, 3s); s ∈ R},
(d) {(s − t, 2t); s, t ∈ R}, (e) {(s, 5s); s ∈ R},
(f) {(s, t) ∈ R2 ; |s| = |t|}.
Cv. 7.9 Bud’ A ∈ Rm×n . Rozhodnˇete, zda {x ∈ Rn ; Ax = 0} tvoˇr´ı podprostor Rn . Cv. 7.10 Rozhodnˇete zda jsou podprostorem Rn×n nad Rn : (a) magick´e ˇctverce (tj. matice u nichˇz souˇcet libovoln´eho ˇra´dku, sloupce i obou diagon´ al d´ a stejn´e ˇc´ıslo), (b) latinsk´e ˇctverce (tj. matice, u nichˇz je v kaˇzd´em ˇra´dku i sloupci kaˇzd´e z ˇc´ısel 1, 2, . . . , n pr´ avˇe jednou), (c) singul´arn´ı matice, (d) regul´ arn´ı matice, (e) horn´ı troj´ uheln´ıkov´e matice, (f) matice X ∈ Rn×n komutuj´ıc´ı s danou A ∈ Rn×n , tj. AX = XA.
34
Vektorov´e prostory a podprostory
Cv. 7.11 Rozhodnˇete, zda matice A ∈ Rn×n splˇ nuj´ıc´ı trace(A2 ) = trace(A)2 tvoˇr´ı podprostor Rn×n . Cv. 7.12 Rozhodnˇete, zda n´ asleduj´ıc´ı tvoˇr´ı podprostor prostoru re´ aln´ ych posloupnost´ı R∞ : (a) posloupnosti tvaru (a, b, c, a, b, c, a, b, c, . . . ) pro a, b, c ∈ R,
(b) posloupnosti s nekoneˇcnˇe mnoha nulami, (c) posloupnosti s koneˇcnˇe mnoha nenulami
(d) rostouc´ı, neklesaj´ıc´ı, monot´ onn´ı posloupnosti, (e) konvergentn´ı posloupnosti, (f) omezen´e posloupnosti, (g) aritmetick´e posloupnosti (xi − xi−1 = konst.),
(h) fibonacciovsk´e posloupnosti (xi+1 = xi + xi−1 ). Cv. 7.13 Rozhodnˇete zda {p ∈ P 3 ; p(2) = p(7)} tvoˇr´ı podprostor P 3 . Cv. 7.14 Rozhodnˇete, zda n´ asleduj´ıc´ı tvoˇr´ı podprostor prostoru re´ aln´ ych funkc´ı F: (a) po ˇc´astech line´ arn´ı funkce, (b) periodick´e re´ aln´e funkce.
Line´ arn´ı obal Cv. 7.15 Bud’ V vektorov´ y prostor a M, N ⊆ V . Rozhodnˇete zda plat´ı: (a) span(span(M )) = span(M ), (b) M ⊆ N ⇒ span(M ) ⋐ span(N ),
(c) M ⊆ N ⇐ span(M ) ⋐ span(N ),
(d) M ⊆ N ⊆ span(M ) ⇒ span(M ) = span(N ), (e) span(M ∩ N ) = span(M ) ∩ span(N ), (f) span(V \ M ) = span(V \ span(M )).
Cv. 7.16 Rozhodnˇete zda vektory (1, 2)T , (3, 4)T generuj´ı R2 . Cv. 7.17 Vyj´adˇrete 7x − 7 jako souˇcet n´ asobk˚ u polynom˚ u x2 + x, x + 2 a x2 − x + 3. Cv. 7.18 Rozhodnˇete zda existuje line´ arn´ı kombinace zadan´ ych vektor˚ u d´ avaj´ıc´ı vektor x = (1, 2, 3) a pokud ano, tak ji najdˇete: (a) (1, 0, 0), (0, 0, −2),
(b) (1, 0, 0), (0, 2, 0), (0, 0, −3), (c) (1, 1, 1), (2, 1, 3), (3, 1, 5),
(d) (2, 1, 3), (3, 1, 2), (1, 1, 1), (e) (2, 1, 3), (3, 1, 4), (1, 1, 2). Cv. 7.19 Rozhodnˇete zda vektory (1, 1, 0, 1), (0, 1, 0, 1), (0, 1, 1, 0), (1, 1, 1, 0), (0, 0, 1, 1) generuj´ı R4 resp. Z42 . Cv. 7.20 Rozhodnˇete, zda U = V pro (a) U = span{(1, 2, 0), (0, 1, −1)}, V = span{(2, 1, 3), (−1, 0, −2)},
(b) U = span{(1, 2, −1), (2, 1, 1)}, V = span{(0, 3, −3), (3, 3, −1)}.
Cv. 7.21 Bud’ M = {a, b, c, d, e} a uvaˇzujme vektorov´ y prostor 2M vˇsech podmnoˇzin mnoˇzny M nad tˇelesem Z2 , kde sˇc´ıt´ an´ı je ch´ ap´ ano jako v´ yluˇcn´ a disjunkce a n´ asobky pˇrirozenˇe.
Cviˇcen´ı z line´ arn´ı algebry
35
(a) najdˇete nulov´ y vektor o, (b) urˇcete opaˇcn´ y vektor −v k vektoru v = {a, b, c},
(c) vyhodnot’te line´ arn´ı kombinaci u+v−w−z, kde u = {a, d}, v = {b, e}, w = {c, e} a z = {a, b, c}.
(d) rozhodnˇete, zda vektor {a, b, c, d, e} lze vyj´adˇrit jako line´ arn´ı kombinaci vektor˚ u u, v, w, z, (e) Nahl´ednˇete, ˇze vektorov´ y prostor se chov´a podobnˇe jako prostor Z52 nad Z2 .
Cv. 7.22 Bud’ V vektorov´ y prostor a M ⊆ V mnoˇzina vektor˚ u (koneˇcn´ a ˇci nekoneˇcn´ a). Dokaˇzte, ˇze span(M ) je tvoˇren´ y vˇsemi koneˇcn´ ymi line´ arn´ımi kombinacemi vektor˚ u z M.
36
8
Line´ arn´ı nez´ avislost
Line´ arn´ı nez´ avislost
Uk´ azka 8.1 (Line´arn´ı nez´ avislost). Rozhodnˇete, zda vektory (1, 3, 2), (2, 5, 3), (2, 3, 1) jsou line´ arnˇe nez´ avisl´e. ˇ sen´ı: Vektory jsou line´ Reˇ arnˇe nez´ avisl´e pokud pouze jejich jedin´a line´ arn´ı kombinace d´ a nulov´ y vektor, a to trivi´aln´ı, kdy vˇsechny koeficienty jsou nulov´e. Hledejme tedy line´ arn´ı kombinace d´ avaj´ıc´ı nulov´ y vektor: α(1, 3, 2) + β(2, 5, 3) + γ(2, 3, 1) = (0, 0, 0), coˇz vede na soustavu line´ arn´ıch rovnic
1 2 2 0 3 5 3 0 . 2 3 1 0
Soustavu vyˇreˇs´ıme upraven´ım matice na tvar
1 0 −4 0 0 1 3 0 . 0 0 0 0
Soustava m´ a nekoneˇcnˇe mnoho ˇreˇsen´ı a urˇcitˇe najdeme nˇejak´e nenulov´e, napˇr. α = 4, β = −3, γ = 1. To znamen´a, ˇze dan´e vektory jsou line´ arnˇe z´ avisl´e.
............................................
Cviˇ cen´ı
............................................
Cv. 8.1 Je pod/nadsyst´em line´ arnˇe (ne)z´ avisl´eho syst´emu vektor˚ u line´ arnˇe (ne)z´ avisl´ y? Cv. 8.2 Diskutujte, kdy je syst´em jednoho resp. dvou resp. tˇr´ı vektor˚ u line´ arnˇe z´avisl´ y. Cv. 8.3 Zjistˇete zda jsou vektory line´ arnˇe nez´ avisl´e: (a) (2, 3, −5), (1, −1, 1), (3, 2, −2),
(b) (2, 0, 3), (1, −1, 1), (0, 2, 1),
Cv. 8.4 Rozhodnˇete, zda vektory (0, 1, 1, 1), (1, 0, 1, 1), (1, 1, 0, 1), (1, 1, 1, 0) jsou line´ arnˇe z´avisl´e v R4 resp. v Z43 . Cv. 8.5 Najdˇete mnoˇzinu aritmetick´ ych vektor˚ u se sloˇzkami z {0, 1, 2} tak, aby (a) byly line´ arnˇe z´ avisl´e v Rn i v Zn3 , (b) byly line´ arnˇe nez´ avisl´e v Rn i v Zn3 , (c) byly line´ arnˇe nez´ avisl´e v Rn , ale z´ avisl´e v Zn3 , (d) byly line´ arnˇe z´ avisl´e v Rn , ale nez´ avisl´e Zn3 . Cv. 8.6 Pro kter´e hodnoty parametru a ∈ R jsou vektory (1, a, 1), (1, 1, 1) a (2, 2, a) line´ arnˇe nez´ avisl´e? Cv. 8.7 Najdˇete ˇctyˇri line´ arnˇe z´ avisl´e vektory z R4 tak, aby: (a) pr´ avˇe jeden vektor byl line´ arnˇe z´ avisl´ y na ostatn´ıch, (b) pr´ avˇe dva vektory byly line´ arnˇe z´ avisl´e na ostatn´ıch, (c) pr´ avˇe tˇri vektory byly line´ arnˇe z´ avisl´e na ostatn´ıch, (d) kaˇzd´ y z nich byl line´ arnˇe z´ avisl´ ych na ostatn´ıch, Cv. 8.8 Bud’te u, v, w line´ arnˇe nez´ avisl´e vektory z prostoru V nad R. Rozhodnˇete zda jsou line´ arnˇe nez´ avisl´e:
Cviˇcen´ı z line´ arn´ı algebry
37
(a) o, u, v (b) u, 2u, w, (c) w, v, u, (d) u, v + w, (e) u + v, u − v, u + w, u − w,
(f) u − v, 2v + w, −u − v + 3w,
Cv. 8.9 Ukaˇzte, ˇze vektory v1 , . . . , vn ∈ V jsou line´ arnˇe nez´ avisl´e pr´ avˇe tehdy, kdyˇz v1 , v1 +v2 , . . . , jsou line´ arnˇe nez´ avisl´e.
Pn
i=1 vi
Cv. 8.10 Bud’te u1 , . . . , un line´ avisl´e vektory z prostoru V nad R. Rozhodnˇete kdy jsou line´ arnˇe Panrnˇe nez´ nez´ avisl´e vektory vi = j=1 aij uj . Cv. 8.11 Zjistˇete zda jsou vektory z prostoru re´ aln´ ych funkc´ı F line´ arnˇe nez´ avisl´e: (a) 2x − 1, x − 1, 3x,
(b) sin x, cos x,
Cv. 8.12 Bud’te U, V podprostory prostoru W . Dokaˇzte, ˇze U ∩ V = {o} pr´ avˇe tehdy, kdyˇz kaˇzd´ y vektor x ∈ U + V se d´ a jednoznaˇcnˇe zapsat jako x = u + v, kde u ∈ U , v ∈ V . ∗ Cv.
8.13 Dokaˇzte, ˇze sloupce A ∈ Rm×n jsou line´ arnˇe nez´ avisl´e pr´ avˇe tehdy, kdyˇz AT A je regul´ arn´ı.
Cv. 8.14 Dokaˇzte, ˇze n´ asleduj´ıc´ı tvrzen´ı jsou ekvivalentn´ı pro nekoneˇcnou mnoˇzinu vektor˚ u M prostoru V : (a) M je line´ arnˇe nez´ avisl´a, (b) existuje v ∈ M , kter´ y je line´ arn´ı kombinac´ı nˇekolika jin´ ych vektor˚ u z M, (c) neexistuje koneˇcn´ a netrivi´ aln´ı line´ arn´ı kombinace vektor˚ u z M rovna o,
(d) pro kaˇzdou vlastn´ı podmnoˇzinu N $ M je span(N ) $ span(M ).
38
9
B´ aze, dimenze
B´ aze, dimenze
Uk´ azka 9.1 (B´aze, souˇradnice). Rozhodnˇete, zda vektory (1, 2, 1), (2, 5, 1), (3, 2, 1) tvoˇr´ı b´ azi prostoru R3 nad R, a pokud ano, najdˇete souˇradnice vektoru v = (5, 1, 2) vzhledem k t´eto b´ azi. ˇ sen´ı: Nejprve ovˇeˇr´ıme, ˇze vektory jsou line´ Reˇ arnˇe nez´ avisl´e. Protoˇze jsou tˇri a dimenze R3 je rovnˇeˇz tˇri, mus´ı tvoˇrit b´ azi. Souˇradnice hled´ ame tak, ˇze najdeme line´ arn´ı kombinaci b´ azick´ ych vektor˚ u, kter´a je rovna v α(1, 2, 1) + β(2, 5, 1) + γ(3, 2, 1) = (5, 1, 2). Pˇrep´ıˇseme to jako soustavu rovnic
1 2 3 5 2 5 2 1 . 1 1 1 2
Soustava mus´ı m´ıt jedin´e ˇreˇsen´ı, a skuteˇcnˇe, po vyˇreˇsen´ı dostaneme α = 1, β = −1, γ = 2. Tedy souˇradnice vektoru v vzhledem k b´ azi jsou (1, −1, 2). Uk´ azka 9.2 (B´aze). Bud’ V podprostor R2×2 tvoˇren´ y maticemi, jejichˇz oba ˇra´dky maj´ı stejn´ y souˇcet prvk˚ u. Najdˇete b´ azi a spoˇc´ıtejte dimenzi V . ˇ sen´ı: Matice tohoto podprostoru maj´ı tvar Reˇ a c−a , b c−b kde a, b, c ∈ R jsou libovoln´e. Takto je souˇcet prvn´ıho i druh´eho ˇra´dku roven c, a pˇritom takto pop´ıˇseme vˇsechny poˇzadovan´e matice. Obecn´ y tvar si rozloˇz´ıme a c−a 1 −1 0 0 0 1 =a +b +c . b c−b 0 0 1 −1 0 1 0 0 01 Nyn´ı je vidˇet, ˇze matice 10 −1 ı V . Vzhledem k tomu, ˇze ˇz´adn´ a z tˇechto matic se 0 , 1 −1 , ( 0 1 ) generuj´ ned´ a vygenerovat z ostatn´ıch (m´ a na urˇcit´e pozici nenulu, kde ostatn´ı maj´ı nuly), matice jsou line´ arnˇe nez´ avisl´e a tud´ıˇz pˇredstavuj´ı b´ azi V . T´ım p´ adem dim V = 3.
............................................
Cviˇ cen´ı
............................................
B´ aze Cv. 9.1 Najdˇete b´ azi a urˇcete dimenzi prostor˚ u: (a) R2 nad R, (b) C2 nad C, (c) C2 nad R, (d) P 2 ,
(e) R2×2 nad R, (f) Rm×n nad R,
(g) symetrick´e matice v R2×2 nad R. Cv. 9.2 Tvoˇr´ı vektory (1, 0, 2), (2, 1, 3), (0, 0, 2), (0, 1, 0) b´ azi prostoru R3 ? Cv. 9.3 Najdˇete b´ azi prostoru R4 obsahuj´ıc´ı vektor (1, 2, 3, 4).
Cviˇcen´ı z line´ arn´ı algebry
39
Cv. 9.4 Zjistˇete zda (−1, 5, 3) ∈ span{(1, 2, 2), (4, 1, 3)} a pokud ano tak urˇcete souˇradnice vektoru vzhledem k dan´e b´ azi. Cv. 9.5 V prostoru P 2 najdˇete souˇradnice vektoru x2 + 2 vzhledem k b´ azi x2 + 1, x − 2, 2x2 + x − 1. Cv. 9.6 Najdˇete b´ azi prostoru {p ∈ P 5 ; p(x) = −p(−x) ∀x ∈ R}. Cv. 9.7 Najdˇete b´ azi prostoru {x ∈ R5 ; x1 + x3 = x2 + 2x4 = x5 }. Cv. 9.8 Najdˇete pˇr´ıklad vektorov´eho prostoru jehoˇz b´ azi tvoˇr´ı on s´ am. Cv. 9.9 Bud’ B b´ aze vektorov´eho prostoru V . Dokaˇzte, ˇze v1 , . . . , vn ∈ V jsou line´ arnˇe nez´ avisl´e pr´ avˇe tehdy, kdyˇz jejich souˇradnice [v1 ]B , . . . , [vn ]B ∈ V jsou line´ arnˇe nez´ avisl´e. Cv. 9.10 Souˇradnice vektoru u vzhledem k b´ azi B = {v1 , v2 , v3 , v4 } jsou [v]B = (a1 , a2 , a3 , a4 ). Urˇcete souˇradnice vektoru u vzhledem k b´ azi (a) B ′ = {v4 , v3 , v2 , v1 }.
(b) B ′ = {v1 + v4 , v2 , v3 , v4 }.
(c) B ′ = {v1 + v4 , v2 + v3 , v4 , v2 }.
Cv. 9.11 Upravov´an´ım pouze jedin´e matice rozhodnˇete, zda vektory (2, 3, 2), (1, 1, −1) tvoˇr´ı b´ azi prostoru span{(1, 2, 3), (5, 8, 7), (3, 4, 1)}. Cv. 9.12 Uvaˇzme b´ aze R2 : B = {(1, 1), (1, 2)} a B ′ = {(3, 4), (2, 3)}. V´ıme-li, ˇze pro jist´e u, v ∈ R2 je [u]B = (1, 1) a [v]B = (2, 1), tak najdˇete b´ azi B ′′ aby [u]B ′ = [v]B ′′ a [v]B = [u]B ′′ . Cv. 9.13 Bud’ B b´ aze prostoru matic Rn×n . Ukaˇzte, ˇze vˇsechny matice z B nemohou navz´ajem komutovat (mohou jen nˇekter´e). Cv. 9.14 Ukaˇzte, ˇze prostor re´ aln´ ych posloupnost´ı R∞ nem´ a spoˇcetnou b´ azi.
Dimenze dim U + dim V = dim(U + V ) + dim(U ∩ V ) Cv. 9.15 Najdˇete vˇsechny podprostory R2 nad R. Cv. 9.16 Urˇcete poˇcet podprostor˚ u Z2p nad Zp . Cv. 9.17 Bud’ V = {v1 , . . . , vn } mnoˇzina vektor˚ u nˇejak´eho prostoru nad R, dim (span V ) = n − 1, n ≥ 3. Kolika zp˚ usoby lze z V vybrat b´ azi span(V ) pokud v´ıme, ˇze (a) v1 = o (b) v1 = 2v2 (c) v1 = u2 − u3 Cv. 9.18 Bud’te U, V podprostory W a necht’ dim U = 7, dim V = 8, dim W = 13. (a) Odhadnˇete zdola a shora hodnotu dim (U + V ) a najdˇete konkr´etn´ı pˇr´ıklad kdy se nabydou meze. (b) Odhadnˇete zdola a shora hodnotu dim (U ∩ V ). Cv. 9.19 Oznaˇcme U prostor symetrick´ ych matic ˇra´du 3 a V prostor horn´ıch troj´ uheln´ıkov´ ych matic ˇra´du 3. (a) Najdˇete b´ azi a urˇcete dimenzi prostoru U a V ,.
40
B´ aze, dimenze (b) Co pˇredstavuje prostor U ∩ V a jak´ a je jeho dimenze?
(c) Co pˇredstavuje prostor U + V a jak´ a je jeho dimenze?
Cv. 9.20 Bud’te U ⋐ V prostory takov´e ˇze, 1 + dim U = dim V , a bud’ B b´ aze U . Dokaˇzte, ˇze B ∪ {x} je b´ aze V pr´ avˇe tehdy kdyˇz x ∈ V \ U . Cv. 9.21 Spoˇc´ıtejte dim(U ∩ V ) pro (a) U = span{(1, 2, 0, 0), (1, 0, 0, −1)}, V = span{(0, 1, 1, 0), (1, 1, −1, 1)} podprostory R4 ,
(b) U = span{(0, 1, 0), (1, 1, 0)}, V = span{(0, 1, 1), (1, 0, 1), (1, 1, 0)} podprostory R3 , (c) pˇredchoz´ı br´ ano v Z32 .
Cv. 9.22 Rozhodnˇete, zda kaˇzd´ y polynom stupnˇe nanejv´ yˇs 2 (sic! ) lze vyj´adˇrit jako line´ arn´ı kombinaci polynom˚ u x3 − x2 + 2, 2x2 + x, x3 + x2 − x a x3 + x2 + 1. Cv. 9.23 Najdˇete b´ azi a urˇcete dimenzi prostoru R2 × P 2 . Cv. 9.24 Bud’ M prostor re´ aln´ ych matic 3×3 takov´ ych, ˇze souˇcty v ˇra´dk´ach a sloupc´ıch se rovnaj´ı. Urˇcete dimenzi tohoto prostoru a najdˇete libovolnou b´ azi. Cv. 9.25 Bud’ u1 , . . . , um b´ aze U , a bud’ v1 , . . . , vn b´ aze V . Najdˇete b´ azi a urˇcete dimenzi prostoru U ×V . Cv. 9.26 Urˇcete dimenzi prostor˚ u nad tˇelesem Q √ √ √ √ (a) Q( 2, 3) = {a + 2b + 3c; a, b, c ∈ Q}. √ √ √ √ (b) Q( 2 + 3) = {a + 2b + 3b; a, b ∈ Q}. Cv. 9.27 Rozhodnˇete zda plat´ı zobecnˇen´ı vˇety o dimenzi a spojen´ı na 3 podprostory U, V, W : dim (U + V + W ) = dim U + dim V + dim W − dim (U ∩ V ) − dim (U ∩ W ) − dim (V ∩ W ) + dim (U ∩ V ∩ W ).
Cv. 9.28 Bud’ (G, +) grupa takov´a, ˇze a + a = e pro kaˇzd´e a ∈ G. Ukaˇzte, ˇze poˇcet prvk˚ u grupy je 2n pro urˇcit´e n ∈ N. (Hint: Uvˇedomte si, proˇc je pˇr´ıklad zaˇrazen v t´eto sekci.) Cv. 9.29 Bud’ x1P , . . . , xm ∈ V , dim(V ) = P n a bud’ m ≥ n + 2. Ukaˇzte, ˇze existuje netrivi´aln´ı line´ arn´ı m m kombinace i=1 αi xi = o takov´a, ˇze i=1 αi = 0.
Direktn´ı souˇ cet
Cv. 9.30 Dokaˇzte: Je-li U ∩ V = {o}, pak kaˇzd´ y vektor w ∈ U + V lze zapsat jedin´ ym zp˚ usobem ve tvaru w = u + v, kde u ∈ U a v ∈ V . Cv. 9.31 Bud’ W direktn´ım souˇctem sv´ ych podprostor˚ u U, V . Je-li u1 , . . . , um b´ aze U a v1 , . . . , vn b´ aze V , pak u1 , . . . , um , v1 , . . . , vn je b´ aze W . Cv. 9.32 Bud’ U podprostor Rn . Ukaˇzte, ˇze z vektor˚ u e1 , . . . , en lze vybrat b´ azi prostoru V tak, ˇze Rn = U ⊕V. Cv. 9.33 Bud’te B1 , . . . , Bn b´ aze podprostor˚ u V1 , . . . , Vn prostoru V . Ukaˇzte, ˇze V = V1 ⊕ V2 ⊕ . . . ⊕ Vn pr´ avˇe tehdy, kdyˇz b´ aze B1 , . . . , Bn jsou po dvou disjunktn´ı a jejich sjednocen´ım dostaneme b´azi V . D´ale rozhodnˇete, zda Vi ∩ Vj = {o} pro vˇsechna i 6= j implikuje, ˇze V = V1 ⊕ V2 ⊕ . . . ⊕ Vn . Cv. 9.34 Bud’te U, V podprostory stejn´e dimenze v prostoru Z. Ukaˇzte, ˇze existuje podprostor W takov´ y, ˇze Z = U ⊕ W = V ⊕ W .
Cviˇcen´ı z line´ arn´ı algebry
10
41
Maticov´ e prostory
Uk´ azka 10.1 (V´ ybˇer b´ aze). Uvaˇzujme vektory z R5 (1, 2, 3, 4, 5), (1, 1, 1, 1, 1), (1, 3, 5, 7, 9), (2, 1, 1, 0, 0). Najdˇete dimenzi a urˇcete dimenzi prostoru V , generovan´eho zadan´ ymi vektory. ˇ sen´ı: Sestav´ıme matici A, jej´ıˇz sloupce pˇredstavuj´ı dan´e vektory. Nyn´ı m´ Reˇ ame V = S(A). Pˇrevedeme matici na RREF tvar: 1 0 2 0 1 1 1 2 2 1 3 1 RREF 0 1 −1 0 A = 3 1 5 1 ∼ 0 0 0 1 0 0 0 0 4 1 7 0 0 0 0 0 5 1 9 0 RREF tvar matice m´ a 3 b´ azick´e sloupce (3 pivoty), proto m´ a hodnost 3, a tud´ıˇz i dim(V ) = 3. B´azick´e sloupce jsou prvn´ı, druh´ y a ˇctvrt´ y, coˇz n´ am ˇr´ık´a, kter´e z p˚ uvodn´ıch vektor˚ u tvoˇr´ı b´ azi – je to: (1, 2, 3, 4, 5)T , T T (1, 1, 1, 1, 1) , (2, 1, 1, 0, 0) . Pˇr´ımo z ˇra´dk˚ u ˇci sloupc˚ u matice RREF(A) b´ azi nevyˇcteme! Mimochodem, tˇret´ı z vektor˚ u je z´ avisl´ y na ostatn´ıch a z RREF tvaru vid´ıme, ˇze je roven dvojn´asobku prvn´ıho minus druh´ y. Jin´ y postup je naopak vloˇzit zadan´e vektory do ˇra´dk˚ u do matice B a opˇet upravit na RREF tvar (nyn´ı m´ ame V = R(A)):
1 1 B= 1 2
2 1 3 1
3 1 5 1
4 1 7 0
5 1 9 0
RREF
∼
1 0 0 0
0 1 0 0
0 −1 −1 0 1 0 1 1 2 0 0 0
Hodnost matice je 3, tud´ıˇz ve shodˇe s pˇredchoz´ım je dim(V ) = 3. Nyn´ı ale b´ azi vyˇcteme pˇr´ımo ze ˇra´dk˚ u v´ ysledn´e matice: (1, 0, 0, −1, −1)T , (0, 1, 0, 1, 0)T , (0, 0, 1, 1, 2)T . Na druhou stranu, RREF tvar zde nic neˇr´ık´a o tom, kter´e z p˚ uvodn´ıch vektor˚ u lze vybrat do b´ aze. Uk´ azka 10.2 (J´ adro matice). Urˇcete dimenzi a najdˇete b´ azi j´adra matice
2 4 4 4 A = −3 −4 2 0 . 5 7 −2 1
ˇ sen´ı: Uprav´ıme matici na RREF tvar Reˇ
2 4 4 4 A = −3 −4 2 0 5 7 −2 1
RREF
∼
1 0 −6 −4 0 1 4 3 0 0 0 0
Hodnost matice je 2, tud´ıˇz dle vzorce dim Ker(A) = n − rank(A), kde n je poˇcet sloupc˚ u matice A, spoˇc´ıt´ame dim Ker(A) = 4 − 2 = 2. B´azi Ker(A) z´ısk´ame vyˇreˇsen´ım soustavy Ax = o, k ˇcemuˇz vyuˇzijeme RREF tvaru nahoˇre. Staˇc´ı si jen pˇredstavit nulovou pravou stranu (kterou nemus´ıme ps´ at, protoˇze se nezmˇen´ı), neb´ azick´e promˇenn´e x3 , x4 za parametry a vyj´adˇrit ˇreˇsen´ı ve tvaru (6x3 + 4x4 , −4x3 − 3x4 , x3 , x4 )T = x3 (6, −4, 1, 0)T + x4 (4, −3, 0, 1)T . B´azi j´adra A tvoˇr´ı tedy napˇr. vektory (6, −4, 1, 0)T , (4, −3, 0, 1)T . Tento postup funguje pro kaˇzdou matici, protoˇze neb´ azick´ ych promˇenn´ ych je pˇresnˇe tolik jak´ a je dimenze j´adra, a proto vektory u tˇechto promˇenn´ ych (v naˇsem pˇr´ıpadˇe (6, −4, 1, 0)T , (4, −3, 0, 1)T ) mus´ı d´ at b´ azi Ker(A).
42
Maticov´e prostory
A ∈ Rm×n : rank(A) = dim S(A) = dim R(A) = n − dim Ker(A)
Cviˇ cen´ı
............................................
............................................
Cv. 10.1 Postupnˇe nad tˇelesy R, Z5 a Z7 rozhodnˇete zda pro A =
1 2 plat´ı 3 1
(a) (1, 2)T ∈ Ker(A)
(b) (1, 2)T ∈ S(A)
Cv. 10.2 Urˇcete a, b, c ∈ R tak, aby
1 −a 1 (1, 2, 3)T ∈ b 1 −1 . 2 −1 c
Cv. 10.3 Najdˇete matici A takovou, ˇze R(A) obsahuje vektory (1, 1), (1, 2) a S(A) obsahuje (1, 0, 0)T , (0, 0, 1)T . Cv. 10.4 Najdˇete matici A takovou, ˇze R(A) = R4 a S(A) = R3 . Cv. 10.5 Pro matici
1 2 2 3 A = 2 4 1 3 3 6 1 4
najdˇete b´ aze prostor˚ u S(A), R(A), Ker(A).
Cv. 10.6 Bud’ A ∈ Rm×n , b ∈ Rm a v ∈ R(A). Ukaˇzte, ˇze v T x je konstantn´ı pro vˇsechna ˇreˇsen´ı soustavy Ax = b. Cv. 10.7 Urˇcete dimenzi prostoru generovan´eho vektory (a) (1, 3, 5, 6), (3, 9, 15, 18), (0, 0, 0, 0) (b) (1, 2, 3, 4), (1, 5, 1, 2), (1, 1, 2, 3) (c) (1, 2, 2, −2), (2, 1, 1, 1), (0, 3, 3, −5)
(d) (1 + i, 1 − i, i), (1 − i, 1 + 3i, 1 + i), (1 + i, 1 − i, 1) Cv. 10.8 Urˇcete dimenzi prostoru V = {x ∈ Rn ; x1 + . . . + xn = 0}. Cv. 10.9 Urˇcete dimenzi a b´ azi prostoru V = {x ∈ R4 ; x1 + x2 = x3 + x4 = x1 + x3 = x2 + x4 }. Cv. 10.10 Pˇripomeˇ nme, ˇze e = (1, . . . , 1)T . Urˇcete dimenzi prostoru {A ∈ R3×3 ; ∃α ∈ R : Ae = αe}. Dok´ aˇzet zobecnit v´ ysledek pro ˇctvercov´e matice ˇra´du n? A dok´aˇzete zobecnit v´ ysledek pro obecn´e tˇeleso T? Cv. 10.11 Najdˇete matici A takovou, aby b´ aze R(A) i S(A) byla (1, 1, 1)T a b´ aze Ker(A) byla (1, −2, 1)T . Cv. 10.12 Rozˇsiˇrte vektory (1, 2, 1), (2, −2, −1) na b´ azi R3 . Cv. 10.13 Z vektor˚ u vyberte b´ azi a pro ostatn´ı najdˇete souˇradnice v˚ uˇci t´eto b´ azi:
Cviˇcen´ı z line´ arn´ı algebry
43
(a) v1 = (1, 2, −1), v2 = (−1, 8, −1), v3 = (−4, 2, 2),
(b) v1 = (1, 0, 2, −3), v2 = (3, 2, 1, −5), v3 = (−1, 2, 1, −2), v4 = (−3, 0, 2, 0), (c) v1 = (3, 1, 5, 4), v2 = (2, 2, 3, 3), v3 = (1, −1, 2, 1), v4 = (1, 3, 1, 2).
Cv. 10.14 V prostoru Z37 urˇcete kter´ y z vektor˚ u (2, 5, 5), (4, 4, 0), (4, 1, 2) je z´avisl´ y na ostatn´ıch. Cv. 10.15 Zjistˇete zda se rovnaj´ı prostory U = span{(1, 2, 0), (0, 1, −1)} a V = span{(2, 1, 3), (1, 0, 2)}.
Cv. 10.16 Najdˇete vˇsechny symetrick´e matice A ∈ R3×3 s jedniˇckami na diagon´ ale a vektorem (1, 2, 3)T v j´adru A. Cv. 10.17 Bud’ A ∈ Rm×n hodnosti k. Ukaˇzte, ˇze existuj´ı B ∈ Rm×k , C ∈ Rk×n takov´e, ˇze A = BC. Cv. 10.18 B´aze j´adra matice A ∈ Rm×n , m ≤ n. (a) Necht arn´ımi ˇra´dkov´ ymi u ´pravami na tvar (Im | B). Ukaˇzte, ˇze Ker(A) = ’ A jde pˇrev´est element´ −B R I , tedy sloupce matice vpravo tvoˇr´ı j´adro matice A. n−m
(b) Ukaˇzte, ˇze kaˇzd´ a matice A lze pˇrev´est na tvar (Im | B) po vhodn´e permutaci sloupc˚ u a po vynech´ an´ı line´ arnˇe z´ avisl´ ych ˇra´dk˚ u. Jak se pak zmˇen´ı jej´ı j´adro? A BT n×n m×n Cv. 10.19 Bud’ A ∈ R regul´ arn´ı a B ∈ R . Spoˇc´ıtejte rank . B BA−1 B T Cv. 10.20 Jak´ y je vztah mezi prostory Ker(AB) a Ker(B)? Cv. 10.21 Rozhodnˇete zda plat´ı pro matice A, B ∈ Rm×n : (a) S(A) = S(B) a R(A) = R(B) implikuje A = B.
(b) S(A) = S(B) a R(A) = R(B) implikuje A = QB pro nˇejakou regul´ arn´ı matici Q. (c) R(A) = R(B) pr´ avˇe tehdy kdyˇz RREF(A) = RREF(B).
(d) S(A) = S(B) pr´ avˇe tehdy kdyˇz RREF(A) = RREF(B). Cv. 10.22 Rozhodnˇete zda plat´ı pro matici A ∈ Rn×n : (a) R(A) ∩ Ker(A) = {o}.
(b) S(A) ⊆ Ker(A) ⇒ A2 = 0.
(c) Ker(A) = Ker(A2 ) ⇔ S(A) = S(A2 ).
Cv. 10.23 Bud’ A ∈ Rm×n hodnosti r. Navrhnˇete postup jak sestojit matice B ∈ Rm×r a C ∈ Rr×n tak, aby A = BC. Jak´e hodnosti mohou matice B, C nab´ yvat? Cv. 10.24 Rozhodnˇete zda plat´ı: rank(A + B) ≤ rank(A) + rank(B). Cv. 10.25 Bud’te A, B ˇctvercov´e matice ˇra´du 2n + 1 takov´e, ˇze AB = 0. Ukaˇzte, ˇze (a) aspoˇ n jedna z matic A, B m´ a hodnost nanejv´ yˇs n, (b) aspoˇ n jedna z matic A + AT , B + B T je singul´arn´ı. Cv. 10.26 Dokaˇzte (v tomto poˇrad´ı), ˇze pro A ∈ Rm×n , B ∈ Rn×p , C ∈ Rp×q plat´ı ∗ (a)
dim Ker(AB) ≤ dim Ker(A) + dim Ker(B).
(b) rank(AB) ≥ rank(A) + rank(B) − n.
44
Maticov´e prostory (c) rank(ABC) ≥ rank(AB) + rank(BC) − rank(B). (Hint: Rozloˇzte B = B1 B2 , kde B1 ∈ Rn×r , B2 ∈ Rr×p a r = rank(B)).
Cv. 10.27 Bud’ A ∈ Rn×n a k ∈ N. Dokaˇzte rank(Ak ) − rank(Ak+1 ) ≥ rank(Ak+1 ) − rank(Ak+2 ). (Hint: Pouˇzijte j´adro matice.) Speci´alnˇe, bud’ A ∈ R5×5 takov´a, ˇze A3 = 0 a A2 6= 0. Jak´e jsou moˇznosti pro rank(A) a rank(A2 )? ∗ Cv.
10.28 (a) Mˇesto Lichosudov m´ a n obyvatel a m klub˚ u. Kaˇzd´ y klub m´ a lich´ y poˇcet ˇclen˚ u, ale kaˇzd´e dva kluby maj´ı v pr˚ uniku sud´ y poˇcet ˇclen˚ u. Dokaˇzte m ≤ n.
(b) V tichomoˇrsk´em souostrov´ı Darwinlandia roste m druh˚ u kvˇetin na n ostrovech. Nav´ıc je zn´ amo, ˇze kaˇzd´ y druh rostliny se vyskytuje pr´ avˇe na k ostrovech a kaˇzd´e dva druhy rostlin se spolu vyskytuj´ı pr´ avˇe na ℓ 6= k ostrovech. Dokaˇzte m ≤ n.
Cviˇcen´ı z line´ arn´ı algebry
11
45
Line´ arn´ı zobrazen´ı
Uk´ azka 11.1 (Test linearity zobrazen´ı). Dokaˇzte, ˇze zobrazen´ı f : R3 → R2 zadan´e pˇredpisem f (x, y, z) = (x − y, z) je line´ arn´ı. ˇ sen´ı: Staˇc´ı ovˇeˇrit dvˇe podm´ınky z definice. Reˇ • Bud’te (x1 , y1 , z1 ), (x2 , y2 , z2 ) ∈ R3 libovoln´e. Pak f ((x1 , y1 , z1 ) + (x2 , y2 , z2 )) = f (x1 + x2 , y1 + y2 , z1 + z2 ) = (x1 + x2 − (y1 + y2 ), z1 + z2 ), f (x1 , y1 , z1 ) + f (x2 , y2 , z2 ) = (x1 − y1 , z1 ) + (x2 − y2 , z2 ) = (x1 + x2 − y1 − y2 , z1 + z2 ).
Obˇe hodnoty se rovnaj´ı, tedy f (u + v) = f (u) + f (v) pro vˇsechna u, v ∈ R3 . • Bud’te α ∈ R a (x, y, z) ∈ R3 libovoln´e. Pak f (α(x, y, z)) = f (αx, αy, αz) = (αx − αy, αz), αf (x, y, z) = α(x − y, z) = (αx − αy, αz).
Obˇe hodnoty se rovnaj´ı, tedy f (αu) = αf (u) pro vˇsechna α ∈ R a v ∈ R3 . Uk´ azka 11.2 (Matice otoˇcen´ı). Najdˇete matici line´ arn´ıho zobrazen´ı f : R2 → R2 vzhledem ke kanonick´e b´ azi, representuj´ıc´ı otoˇcen´ı podle poˇc´ atku v rovinˇe o u ´hel α proti smˇeru hodinov´ ych ruˇciˇcek. T T ˇ Reˇsen´ı: Prvn´ı kanonick´ y vektor (1, 0) se otoˇc´ı na (cos α, sin α) , a druh´ y kanonick´ y vektor (0, 1)T se T otoˇc´ı na (− sin α, cos α) . Matice je tedy cos α − sin α . sin α cos α Uk´ azka 11.3 (Matice pˇrechodu). Najdˇete matici pˇrechodu v R3 od b´ aze B1 = {(1, 1, −1), (3, −2, 0), (2, −1, 1)} k b´ azi B2 = {(8, −4, 1), (−8, 5, −2), (3, −2, 1)}.
ˇ sen´ı: Bez poˇc´ıt´ Reˇ an´ı m´ ame d´ılˇc´ı matice matic jsou tvoˇreny dan´ ymi vektory b´ aze: 1 3 1 −2 kan [id]B1 = −1 0
pˇrechodu od dan´e b´ aze ke kanonick´e b´ azi, protoˇze sloupce 2 −1 , 1
kan [id]B2
8 −8 3 = −4 5 −2 . 1 −2 1
Hledanou matici pˇrechodu pak m˚ uˇzeme spoˇc´ıtat napˇr´ıklad ze vztahu B2 [id]B1
=
B2 [id]kan kan [id]B1
=
−1 kan [id]B2 kan [id]B1
.
Efektivn´ı zp˚ usob jak vzoreˇcek aplikovat je upravit do RREF tvaru rozˇs´ıˇrenou matici ( kan [id]B2 | tedy 1 3 2 8 −8 3 1 0 0 2 −1 1 RREF −4 1 −2 −1 ∼ 0 1 0 3 −4 3 . 5 −2 1 −2 1 −1 0 0 1 3 −7 6 0 1
Prav´a ˇc´ast v´ ysledn´e matice je hledan´a matice pˇrechodu, 2 −1 1 3 −4 3 . B2 [id]B1 = 3 −7 6
kan [id]B1 ),
46
Line´ arn´ı zobrazen´ı
Uk´ azka 11.4 (Matice zobrazen´ı s obecnou b´ az´ı). Mˇejme d´ anu matici line´ arn´ıho zobrazen´ı f : U → V vzhledem k b´ az´ım B1 , B2 , tj. B2 [f ]B1 , a mˇejme d´ any b´ aze B3 , B4 prostor˚ u U, V . Navrhnˇete postup jak naj´ıt matici f vzhledem k b´ az´ım B3 , B4 , tj. B4 [f ]B3 . ˇ sen´ı: Podle vˇety o matici sloˇzen´eho zobrazen´ı, kdy skl´ad´ Reˇ ame id ◦ f ◦ id = f s vhodn´ ymi b´ azemi, dostaneme B4 [f ]B3 = B4 [id]B2 B2 [f ]B1 B1 [id]B3 . Tedy veˇskerou pr´ aci vykonaj´ı matice pˇrechodu mezi b´ azemi. ............................................
Cviˇ cen´ı
............................................
Line´ arn´ı zobrazen´ı Cv. 11.1 Rozhodnˇete zda n´ asleduj´ıc´ı zobrazen´ı f : R2 → R2 jsou line´ arn´ı: (a) (b) (c) (d)
f (x, y) = (x, y + 3), f (x, y) = (0, 0), f (x, y) = (x + 2y, y), f (x, y) = (x2 , y),
Cv. 11.2 Rozhodnˇete zda n´ asleduj´ıc´ı zobrazen´ı F → F jsou line´ arn´ı (F je prostor re´ aln´ ych funkc´ı): (a) (b) (c) (d) (e) (f)
f (x) 7→ α · f (x), kde α ∈ R je pevn´e, f (x) 7→ x · f (x), f (x) 7→ x2 · f (x), f (x) 7→ f (x) − 7x, f (x) 7→ f (x) − 7α, kde α ∈ R je pevn´e, f (x) 7→ f (x − sin x),
Cv. 11.3 Rozhodnˇete zda n´ asleduj´ıc´ı zobrazen´ı z prostoru Rn×n jsou line´ arn´ı: (a) (b) (c) (d) (e) (f) (g)
f (A) = AT , f (A) = trace(A), f (A) = A + B, kde B ∈ Rn×n je pevn´a, f (A) = In , f (A) = A2 , f (A) = a11 , f (A) = RREF(A),
Cv. 11.4 Rozhodnˇete zda je zobrazen´ı f : Cn → Cn s pˇredpisem f (x1 , . . . , xn ) = (x1 , . . . , xn ) line´ arn´ı. Cv. 11.5 Rozhodnˇete zda zobrazen´ı (x1 , x2 , x3 , . . . ) 7→ (x2 , x3 , . . . ) na prostoru re´ aln´ ych posloupnost´ı je line´ arn´ı. Cv. 11.6 Rozhodnˇete zda zobrazen´ı log : R+ 7→ R je line´ arn´ı pro prostor ze Cv. 7.3(g). Cv. 11.7 Cha,bi je prostor spojit´ ych re´ aln´ ych funkc´ı na intervalu ha, bi. Rozhodnˇete zda n´ asleduj´ıc´ı zobrazen´ı F : Cha,bi → R jsou line´ arn´ı: (a) F (f ) = maxx∈ha,bi f (x), (b) F (f ) = f (c), kde c ∈ ha, bi je pevn´e. Cv. 11.8 Bud’ V vektorov´ y prostor nad T, dimenze n a B = {v1 , . . . , vn } nˇejak´ a jeho b´ aze. Ukaˇzte, ˇze zobrazen´ı f : V → Tn definovan´e pˇredpisem f (x) = [x]B je line´ arn´ı, a vymyslete nˇejak´ y pˇr´ıklad tohoto zobrazen´ı.
Cviˇcen´ı z line´ arn´ı algebry
47
Matice line´ arn´ıho zobrazen´ı vzhledem ke kanonick´ e b´ azi Cv. 11.9 Najdˇete obraz vektoru (−1, 1, 2) pˇri line´ arn´ım zobrazen´ı definovan´em: f (1, 0, 0) = (1, 1), f (0, 1, 0) = (−1, 2), f (0, 0, 1) = (0, 0).
Cv. 11.10 Najdˇete matici n´ asleduj´ıc´ıch line´ arn´ıch zobrazen´ı v rovinˇe vzhledem ke kanonick´e b´ azi: (a) Otoˇcen´ı o 90◦ proti smˇeru hodinov´ ych ruˇciˇcek. (b) Pˇreklopen´ı podle osy (1, 1). (c) Projekce na pˇr´ımku sv´ıraj´ıc´ı s osou x u ´hel α proti smˇeru hodinov´ ych ruˇciˇcek. Cv. 11.11 Bud’ V ⋐ F s b´ az´ı B = {sin x, cos x, sin 2x, cos 2x, cos2 x}. Urˇcete matici zobrazen´ı derivace vzhledem k b´ azi B.
Matice pˇ rechodu Cv. 11.12 Najdˇete matici pˇrechodu od b´ aze v1 , v2 , v3 , v4 k b´ azi v2 , v4 , v1 , v3 . Cv. 11.13 Bud’ A ∈ Rn×n a d´ıvejme se na n´ı jako na matici pˇrechodu. (a) Jakou b´ azi pˇrev´ad´ı A na kanonickou? (b) Na jakou b´ azi pˇrev´ad´ı A kanonickou b´ azi? Cv. 11.14 V R3 uvaˇzujme dvˇe b´ aze: B = {(1, 1, 1), (0, 1, −1), (2, 0, 1)},
B ′ = {(3, 2, 2), (1, 0, 1), (1, 2, 2)}.
(a) Sestrojte matici pˇrechodu od b´ aze B do kanonick´e. (b) Sestrojte matici pˇrechodu od kanonick´e b´ aze do B. (c) Urˇcete souˇradnice vektoru (1, 2, 0) vzhledem k b´ azi B. (d) Sestrojte matici pˇrechodu od b´ aze B ′ do B. Cv. 11.15 Urˇcete matici pˇrechodu od b´ aze B do b´ aze B ′ prostoru P 2 , je-li B = {x2 + 1, x2 − 3x + 1, x2 + x + 3},
B ′ = {x2 + 2x + 1, 2x2 + 1, x2 − x}.
Cv. 11.16 Bud’ 1 0 −1 A = 0 1 0 , 1 1 0
B ′ = {(1, 1, 0)T , (1, 0, 0)T , (0, 1, −1)T }.
(a) Najdˇete b´ azi B, tak aby A byla matic´ı pˇrechodu od b´ aze B do b´ aze B ′ , tj.
B ′ [id]B .
B′
(b) Najdˇete b´ azi B, tak aby A byla matic´ı pˇrechodu od b´ aze do b´ aze B, tj. B [id]B ′ . aze B1 = {u, v} do b´ aze B2 = {x, y}. Najdˇete Cv. 11.17 Bud’ B2 [id]B1 = 13 24 matice pˇrechodu od b´ matici pˇrechodu (a) od b´ aze {v, u} do b´ aze {x, y},
(b) od b´ aze {5u, 2v} do b´ aze {x, y},
(c) od b´ aze {u + v, v} do b´ aze {x, y}.
Cv. 11.18 Bud’ B = {(0, −1, 2), (−2, 2, −1), (−1, 2, 1)}. Najdˇete b´ azi B ′ tak, aby pro kaˇzd´ y vektor x ∈ R3 platilo x + [x]B + [x]B ′ = o.
48
Line´ arn´ı zobrazen´ı
Matice line´ arn´ıho zobrazen´ı – obecn´ y tvar Cv. 11.19 Najdˇete matici line´ arn´ıho zobrazen´ı (vzhledem ke kanonick´e b´ azi) zobrazuj´ıc´ı: (a) (1, 3) na (4, −1),
(b) (1, 3) na (1, 1), a (2, −1) na (−1, −1), (c) (1, 3) na (1, 1), a (2, 6) na (−1, −1),
Cv. 11.20 Uvaˇzujme line´ arn´ı zobrazen´ı f : R2 → R3 zadan´e: f (e1 ) = (1, −1, 1), f (e2 ) = (0, 1, 1). Mˇejme b´ aze B1 = {(1, −1), (1, 1)} a B2 = {(1, −1, 1), (1, 0, 1), (0, 0, 1)}. Spoˇc´ıtejte: (a) matici zobrazen´ı vzhledem ke kanonick´ ym b´ az´ım, tj. (b) matici zobrazen´ı od B1 ke kanonick´e b´ azi, tj. (c) matici zobrazen´ı od kanonick´e b´ aze k B2 , tj. (d) matici zobrazen´ı od B1 k B2 , tj.
kan [f ]kan ,
kan [f ]B1 , B2 [f ]kan ,
B2 [f ]B1 .
Cv. 11.21 Matice line´ arn´ıho zobrazen´ı f : R3 → R2 vzhledem k b´ az´ım B = {(1, 1, 0), (1, 0, 1), (0, 1, 1)} a ′ B = {(1, 1), (2, 0)} m´ a tvar 1 0 −1 . A= 1 2 3 Urˇcete obraz vektoru (x, y, z). Cv. 11.22 Uvaˇzujme line´ arn´ı zobrazen´ı f : P 2 → P 2 zadan´e 1 2 3 0 1 2 B [f ]B = 1 0 0 vzhledem k b´ azi B = {1, 1 + x, x2 }. Najdˇete
B ′ [f ]B ′ ,
je-li B ′ = {1, x, 1 + x2 }.
Cv. 11.23 Mˇejme line´ arn´ı zobrazen´ı f : P 2 → P 2 zadan´e f (2x2 + x − 3) = x + 1, f (x2 + 2x + 1) = x2 − 2x, f (−3x3 − 2x + 4) = −x2 − x a b´ azi B = {2x2 + x − 2, −2x + 1, x2 − 1}. Najdˇete matici zobrazen´ı v˚ uˇci b´ azi B a kanonick´e, tj. [f ] . kan B Cv. 11.24 Zvolte si b´ azi B prostoru R2×2 a pro line´ arn´ı zobrazen´ı f : R2×2 → R2×2 zadan´e f (X) = T 1 0 1 1 ( 1 0 ) X + ( 1 1 ) X urˇcete matici vzhledem k B. Cv. 11.25 Bud’ f : R3 → R3 line´ arn´ı zobrazen´ı zadan´e f : a(1, 1, 3) + b(2, 0, 2) + c(2, 3, 1) → a(1, 1, 1) + b(1, 2, 2, ) + c(1, 1, 0). Najdˇete matici inverzn´ıho zobrazen´ı vzhledem ke kanonick´e b´ azi. Cv. 11.26 Bud’ f : R3 → R3 line´ arn´ı zobrazen´ı zadan´e f (1, 1, 1) = (2, 1, 0), f (2, 0, 5) = (1, 2, 3), f (3, 1, 3) = (0, 1, 2), a bud’ V podprostor R3 s b´ az´ı B = {(5, 3, 2), (1, 1, 4)}. Najdˇete matici zobrazen´ı f s omezen´ ym definiˇcn´ım oborem na podprostor V vzhledem k b´ azi B a kanonick´e b´ azi. Cv. 11.27 Bud’ f line´ arn´ı zobrazen´ı a B1 , B2 , B3 , B4 odpov´ıdaj´ıc´ı b´ aze. (a) M˚ uˇze
B2 [f ]B1
=
B4 [f ]B3
pro B1 6= B3 a B2 6= B4 ?
Cviˇcen´ı z line´ arn´ı algebry
(b) M˚ uˇze
B2 [f ]B1
=
49
B4 [f ]B1
pro B2 6= B4 ?
(c) Ovlivn´ı nˇejak pˇredchoz´ı ot´ azky situace, kdy f je isomorfismus? Cv. 11.28 Ukaˇzte, ˇze pro line´ arn´ı zobrazen´ı f : U → V existuj´ı b´ aze prostor˚ u U a V takov´e, ˇze matice f vzhledem k tˇemto b´ az´ım m´ a tvar Ir 0 . 0 0 Cv. 11.29 Urˇcete
kan [f
◦ g]kan pro line´ arn´ı zobrazen´ı f, g : R3 → R3 zadan´ a f (a, b, c) = (a − c, b − a, b + c)T , g(a, b, c) = (a + b + c, b + c, c)T .
Cv. 11.30 Uvaˇzujme line´ arn´ı zobrazen´ı f, g : R3 → R3 zadan´ a maticemi 1 1 1 3 1 3 1 2 1 , 1 0 1 . B [f ]kan = B [g]kan = 1 1 3 2 1 2 kde B = {(1, 0, −1)T , (1, 1, 0)T , (1, −2, 1)T }. Urˇcete
kan [f
◦ g]kan .
Cv. 11.31 Uvaˇzujme line´ arn´ı zobrazen´ı f, g : R3 → R3 zadan´ a maticemi 1 2 0 2 1 1 1 1 1 , 1 2 1 . B [f ]kan = kan [g]B = 3 1 1 1 1 2 kde B = {(2, 1, 1)T , (1, 0, 1)T , (0, 0, 1)T }. Urˇcete
kan [f
+ g]kan .
50
12
Obraz, j´ adro, isomorfismus
Obraz, j´ adro, isomorfismus
Uk´ azka 12.1 (Obraz a j´adro line´ arn´ıho zobrazen´ı). Mˇejme line´ arn´ı zobrazen´ı f : R3 → P 2 dan´e matic´ı 1 1 1 3 2 0 , B2 [f ]B1 = A = 0 1 3 kde uvaˇzovan´e b´ aze R3 a P 2 jsou
B1 = {(1, 2, 1), (0, 1, 1), (1, 2, 4)},
B2 = {x2 − 2x + 3, x − 1, 2x2 + x}.
Urˇcete dimenzi obrazu a j´adra f , a najdˇete jejich b´ aze. ˇ sen´ı: Dimenze obrazu je rovna hodnosti matice zobrazen´ı, tedy dim f (R3 ) = rank(A) = 2. Dimenzi Reˇ j´adra spoˇc´ıt´ame ze vzoreˇcku dim U = dim Ker(f )+dim f (U ), podle kter´eho dim Ker(f ) = 3−rank(A) = 1. Abychom urˇcili b´ azi obrazu, najdeme nejprve b´ azi sloupcov´eho prostoru matice A; tu tvoˇr´ı napˇr´ıklad prvn´ı dva sloupce. Tyto dva vektory pˇredstavuj´ı souˇradnice hledan´e b´ aze vzhledem k b´ azi B2 , takˇze staˇc´ı uˇz jen vyj´adˇrit odpov´ıdaj´ıc´ı line´ arn´ı kombinace 1(x2 − 2x + 3) + 3(x − 1) + 0(2x2 + x) = x2 + x,
1(x2 − 2x + 3) + 2(x − 1) + 1(2x2 + x) = 3x2 + x + 1, a b´ azi obrazu tvoˇr´ı vektory x2 +x, 3x2 +x+1. Zd˚ uvodnˇen´ı postupu je n´ asleduj´ıc´ı: Podle z´akladn´ı vlastnosti matice zobrazen´ı je pro kaˇzd´e x ∈ R3 [f (x)]B2 =
B2 [f ]B1 [x]B1
= A[x]B1 .
Tud´ıˇz souˇradnice vˇsech obraz˚ u jsou ve sloupcov´em prostoru matice A a naopak. Podobnˇe postupujeme pˇri hled´ an´ı b´ aze j´adra f . Nejprve najdeme b´ azi j´adra matice A, coˇz je jeden T vektor (2, −3, 1) . Tento vektor pˇredstavuje souˇradnice hledan´eho vektoru b´ azi vzhledem k b´ azi B1 , tedy odpov´ıdaj´ıc´ı line´ arn´ı kombinace 2(1, 2, 1) − 3(0, 1, 1) + 1(1, 2, 4) = (3, 3, 3) n´ am d´ av´a vektor (3, 3, 3)T jakoˇzto b´ azi j´adra f . Zd˚ uvodnˇen´ı postupu je n´ asleduj´ıc´ı: Vektor x ∈ Ker(f ) mus´ı splˇ novat f (x) = o, tedy i [f (x)]B2 = o. Podle z´akladn´ı vlastnosti matice zobrazen´ı je o = [f (x)]B2 =
B2 [f ]B1 [x]B1
= A[x]B1 .
Tud´ıˇz souˇradnice vektor˚ u z j´adra f jsou v j´adru A a naopak. Uk´ azka 12.2 (Isomorfismus). Rozhodnˇete, zda zobrazen´ı s pˇredpisem f (x, y, z) = (x+y −2z, y −z, x−y) je isomorfismem na prostoru R3 . ˇ sen´ı: Sestav´ıme matici zobrazen´ı f vzhledem ke kanonick´e b´ Reˇ azi 1 0 1 1 1 −1 . kan [f ]kan = −2 −1 0 Pˇrevodem na odstupˇ novan´ y tvar zjist´ıme, ˇze jej´ı hodnost je 2, a proto f neni isomorfismem (matice by musela b´ yt regul´ arn´ı). Nav´ıc to ukazuje, ˇze f nen´ı ani prost´a, ani na.
............................................
Cviˇ cen´ı
............................................
Cviˇcen´ı z line´ arn´ı algebry
51
Isomorfismus Cv. 12.1 Najdˇete isomorfismus mezi prostory: (a) R4 a R2×2 , (b) R4 a P 3 ,
(c) Rm×n a Rn×m,
(d) Rn nad R a Cn nad C, Cv. 12.2 Rozhodnˇete, zda jsou isomorfn´ı: (a) prostor R2 a prostor {x ∈ R4 ; x1 + x2 = x3 + x4 = 0}.
(b) prostor polynom˚ u P a re´ aln´ ych posloupnost´ı R∞ .
Cv. 12.3 Bud’te f : U → V , g : V → W isomorfismy. Dokaˇzte, ˇze g ◦ f je isomorfismus, speci´alnˇe: (a) Jsou-li f, g prost´e, pak g ◦ f je prost´e.
(b) Jsou-li f, g na, pak g ◦ f je na.
Cv. 12.4 Dokaˇzte, ˇze isomorfismus v Rn zobrazuje pˇr´ımky na pˇr´ımky. Cv. 12.5 Bud’ f : U → V isomorfismus a x1 , . . . , xn ∈ U . Dokaˇzte: (a) Jsou-li x1 , . . . , xn line´ arnˇe nez´ avisl´e, pak i f (x1 ), . . . , f (xn ) jsou line´ arnˇe nez´ avisl´e. (b) Jsou-li x1 , . . . , xn gener´ atory U , pak f (x1 ), . . . , f (xn ) jsou gener´ atory V . (c) Jsou-li f (x1 ), . . . , f (xn ) line´ arnˇe nez´ avisl´e, pak i x1 , . . . , xn jsou line´ arnˇe nez´ avisl´e. Cv. 12.6 Ukaˇzte, ˇze pro dan´ y vektorov´ y prostor V mnoˇzina vˇsech isomorfism˚ u f : V → V s operac´ı skl´ad´ an´ı tvoˇr´ı grupu. Cv. 12.7 Ukaˇzte, ˇze line´ arn´ı zobrazen´ı f : U → V je isomorfismus pr´ avˇe tehdy, kdyˇz existuje line´ arn´ı zobrazen´ı g : V → U takov´e, ˇze g ◦ f a f ◦ g jsou identity. Nav´ıc, g je isomorfismus a je jednoznaˇcn´e.
Line´ arn´ı zobrazen´ı: obraz, j´ adro Cv. 12.8 Pro line´ arn´ı zobrazen´ı f : P 3 → P 4 dan´e pˇredpisem p(x) 7→ x · p(x) rozhodnˇete, kter´e vektory patˇr´ı do j´adra a kter´e do obrazu: (a) 0, (b) 123, (c) x2 , (d) x2 − 2x + 1. Cv. 12.9 Pro line´ arn´ı zobrazen´ı f : R2×2 → R2×2 dan´e pˇredpisem A 7→ A − AT rozhodnˇete, kter´e vektory patˇr´ı do j´adra a kter´e do obrazu: (a) I2 . (b) 0. 1 1 (c) , 1 1 0 1 (d) . −1 0 Cv. 12.10 Jak pozn´ ame ze zadan´e matice A ∈ Tm×n line´ arn´ıho zobrazen´ı f : U → V , ˇze f je prost´e resp. na“? ”
52
Obraz, j´ adro, isomorfismus
Cv. 12.11 Rozhodnˇete zda line´ arn´ı zobrazen´ı je prost´e a zda je na“: ” (a) f : R2×2 → R3 s pˇredpisem f ac db = (a + b + c, a + b, a). (b) f : R2×2 → R4 s pˇredpisem f ac db = (a + b + c + d, a + b + c, a + b, a). (c) f : R2×2 → P 2 s pˇredpisem f ac db = (a + b)x2 + (c + d)x + c.
(d) f : P 2 → R4 s pˇredpisem f (ax2 + bx + c) = (a − b + c, b + c, a + 2c, a − c). (e) f : P 2 → R3 s pˇredpisem f (ax2 + bx + c) = (a + b, 2b − c, a − b + c).
(f) f : P 2 → R3 s pˇredpisem f (ax2 + bx + c) = (a + b, 2b − c, a − b + 2c).
Cv. 12.12 Bud’ A ∈ Rm×n a uvaˇzme line´ arn´ı zobrazen´ı f (x) = Ax. Co pˇredstavuje Ker(f ) a f (Rn )? Cv. 12.13 Uvaˇzujme line´ arn´ı zobrazen´ı f : P 2 → P 3 dan´e pˇredpisem f : p(x) → xp(x). Popiˇste obraz f (P 2 ) a j´adro Ker (f ). Cv. 12.14 Co je obrazem prostoru span{sin x, cos x} pˇri zobrazen´ı s matic´ı ( 01 00 ) vzhledem k b´ az´ım {cos x− sin x, sin x} a {cos x + sin x, cos x}? Cv. 12.15 Bud’ f : R3 → R2 line´ arn´ı zobrazen´ı zadan´e f (1, 0, 1) = (0, 1), f (0, 1, 1) = (−1, 0), f (1, 1, 0) = (1, 0). (a) Urˇcete dim f (R3 ) a dim Ker (f ). (b) Najdˇete b´ azi f (R3 ) a Ker (f ). Cv. 12.16 Bud’ f : R3 → P 2 line´ arn´ı zobrazen´ı zadan´e f (1, 0, 1) = 2x2 + 2x + 2, f (0, 1, 1) = 3x2 + 4x + 1, f (1, 1, 0) = 2x2 + x + 4. (a) Urˇcete dim f (R3 ) a dim Ker (f ). (b) Najdˇete b´ azi f (R3 ) a Ker (f ). Cv. 12.17 Najdˇete j´adro a obraz line´ arn´ıch zobrazen´ı (a) f (x1 , x2 , x3 ) = (x1 + x2 , x2 − x3 , x1 + x3 , 2x1 + x3 ),
(b) f (x1 , x2 , x3 , x4 ) = (x1 + 2x2 + x4 , x2 − 2x3 , x1 + 4x3 + x4 ), Cv. 12.18 Najdˇete j´adro a obraz line´ arn´ıch zobrazen´ı (a) f : R2×2 → P 2 dan´e pˇredpisem f ac db = ax2 + b + c + d. (b) f : R2×2 → P 2 dan´e pˇredpisem f ac db = (a + c)x2 + (a + c)x + (a + c).
Cv. 12.19 Uvaˇzujme line´ arn´ı zobrazen´ı F → F dan´e pˇredpisem dole. Najdˇete j´adro a obraz (a) f (x) 7→ f (x) + f (−x),
(b) f (x) 7→ f (x) − f (−x), Cv. 12.20 O line´ arn´ım zobrazen´ı f : R3 → R2 je zn´ amo, ˇze vektory (1, 2, 0) a (2, 0, 1) n´ aleˇz´ı do j´adra a f (1, 1, 1) = (3, 6). (a) Zjistˇete, zda je f urˇceno jednoznaˇcnˇe. (b) Urˇcete dim(f (R3 )). (c) Najdˇete matici vzhledem ke kanonick´e b´ azi. Cv. 12.21 Najdˇete j´adro a obraz line´ arn´ıho zobrazen´ı A ∈ Rn×n 7→ A + AT . Cv. 12.22 Najdˇete j´adro a obraz line´ arn´ıho zobrazen´ı P n → P n pˇredstavuj´ıc´ı druhou derivaci, n ≥ 2.
Cviˇcen´ı z line´ arn´ı algebry
53
Cv. 12.23 Uvaˇzujme line´ arn´ı zobrazen´ı x 7→ Dx, kde D ∈ Rn×n je regul´ arn´ı. (a) Co je obrazem mnoˇziny {x ∈ Rn ; aT x = β}, kde a ∈ Rn a β ∈ R?
(b) Co je obrazem mnoˇziny {x ∈ Rn ; Ax = b}, kde A ∈ Rm×n a b ∈ Rm ? (c) Co se zobraz´ı na mnoˇzinu {x ∈ Rn ; Ax = b}?
(d) Jak se zmˇen´ı pˇredchoz´ı v´ ysledky kdyˇz D nebude regul´ arn´ı? Cv. 12.24 Ukaˇzte, ˇze pro matice A ∈ Rm×p , B ∈ Rp×n plat´ı: dim(Ker(A) ∩ S(B)) = rank(B) − rank(AB). Cv. 12.25 Bud’ f : U → V line´ arn´ı zobrazen´ı a W podprostor f (U ). Dokaˇzte, ˇze {x ∈ U ; f (x) ∈ W } je podprostor U . Cv. 12.26 Dokaˇzte, ˇze line´ arn´ı zobrazen´ı f : U → V je (a) prost´e pr´ avˇe tehdy, kdyˇz existuje line´ arn´ı zobrazen´ı g : V → U takov´e, ˇze g ◦ f = id (na U ).
(b) prost´e pr´ avˇe tehdy, kdyˇz kdyˇz pro libovoln´ a line´ arn´ı zobrazen´ı h1 , h2 : W → U s vlastnost´ı f ◦ h1 = f ◦ h2 plat´ı h1 = h2 .
(c) na“ pr´ avˇe tehdy, kdyˇz existuje line´ arn´ı zobrazen´ı g : V → U takov´e, ˇze f ◦ g = id (na V ). ” (d) na“ pr´ avˇe tehdy, kdyˇz pro libovoln´ a line´ arn´ı zobrazen´ı h1 , h2 : V → W s vlastnost´ı h1 ◦ f = ” h2 ◦ f plat´ı h1 = h2 .
Du´ aln´ı prostory Pˇripomeˇ nme, ˇze je-li v1 , . . . , vn b´ aze V , pak du´ aln´ı b´ aze je f1 , . . . , fn ∈ V ∗ , kde fi (vi ) = 1 a fi (vj ) = 0 pro i 6= j. Cv. 12.27 Bud’ v1 , . . . , v4 b´ aze prostoru V nad R a bud’ f1 , . . . , f4 du´ aln´ı b´ aze. Najdˇete du´ aln´ı b´ azi pro b´ azi (a) v2 , v1 , v4 , v3 , (b) v1 , 2v2 , 12 v3 , v4 , (c) v1 + v2 , v2 + v3 , v3 + v4 , v4 , Cv. 12.28 Bud’ B = {v1 , . . . , vn } b´ aze prostoru V a B ∗ = {f1 , . . . , fn } du´ aln´ı b´ aze du´ aln´ıho prostoru V ∗ . Ukaˇzte, ˇze pro kaˇzd´e v ∈ V a f ∈ V ∗ je [f ]B ∗ = (f (v1 ), . . . , f (vn ))T , [v]B = (f1 (v), . . . , fn (v))T .
∗ Cv.
12.29 Ukaˇzte, ˇze pro b´ azi B ∗ = {f1 , . . . , fn } du´ aln´ıho prostoru V ∗ existuje pr´ avˇe jedna b´ aze B = ∗ {v1 , . . . , vn } prostoru V takov´a, ˇze B je du´ aln´ı k B.
Cv. 12.30 Bud’ g : V → V line´ arn´ı zobrazen´ı na prostoru V a definujme du´ aln´ı zobrazen´ı g∗ na du´ aln´ım ∗ ∗ ∗ ∗ prostoru V pˇredpisem (g (f ))(v) = f (g(v)). Ukaˇzte, ˇze g je line´ arn´ı zobrazen´ı na V . Cv. 12.31 Bud’ A matice line´ arn´ıho zobrazen´ı g : V → V vzhledem k b´ azi B. Ukaˇzte, ˇze AT je matice du´ aln´ıho line´ arn´ıho zobrazen´ı g ∗ vzhledem k du´ aln´ı b´ azi B ∗ . Cv. 12.32 Zobecnˇete Cv. 12.30 a Cv. 12.31 na pˇr´ıpad line´ arn´ıho zobrazen´ı g : U → V . Cv. 12.33 Bud’ g : V → V line´ arn´ı zobrazen´ı na prostoru V . Ukaˇzte, ˇze g je isomorfismus pr´ avˇe tehdy, kdyˇz du´ aln´ı zobrazen´ı g ∗ je isomorfismus na du´ aln´ım prostoru V ∗ .
54
13
Afinn´ı podprostory, polynomy, . . .
Afinn´ı podprostory, polynomy, . . .
Uk´ azka 13.1 (Afinn´ı nez´ avislost). Rozhodnˇete, zda vektory x0 = (1, 2, 3), x1 = (2, 3, 1), x2 = (1, 3, 2), x3 = (2, 1, 3) jsou afinnˇe nez´ avisl´e. ˇ Reˇsen´ı: Spoˇc´ıt´ame si vektory x1 − x0 = (1, 1, −2), x2 − x0 = (0, 1, −1), x3 − x0 = (1, −1, 0). Tyto tˇri vektory jsou line´ arnˇe z´ avisl´e (generuj´ı dvou-dimenzion´aln´ı podprostor), proto jsou p˚ uvodn´ı vektory afinnˇe z´avisl´e (geometricky leˇz´ı v jedn´e rovinˇe).
............................................
Cviˇ cen´ı
............................................
Afinn´ı podprostory Cv. 13.1 Ukaˇzte, ˇze mnoˇzina ˇreˇsen´ı re´ aln´e soustavy Ax = b je afinn´ı, a to tak, ˇze je uzavˇren´ a na afinn´ı kombinace. Cv. 13.2 Necht’ mnoˇzina ˇreˇsen´ı Ax = b je 2-dimenzion´aln´ı afinn´ı podprostor. Co m˚ uˇzeme ˇr´ıct o mnoˇzinˇe ˇreˇsen´ı Ax = b′ ? Najdˇete pˇr´ıklady ilustruj´ıc´ı tu kterou situaci. Cv. 13.3 Bud’ M = V + a afinn´ı podprostor. Dokaˇzte, ˇze prostor V je d´ an jednoznaˇcnˇe. Cv. 13.4 Bud’ M afinn´ı podprostor ve V . Ukaˇzte, ˇze M − M = {u − v; u, v ∈ M } je vektorov´ y podprostor ve V . Cv. 13.5 Dokaˇzte: (a) U + a = U + b pr´ avˇe tehdy, kdyˇz a − b ∈ U ,
(b) U + a = V + b pr´ avˇe tehdy, kdyˇz a − b ∈ U a U = V . Cv. 13.6 Bud’ S = {a, v1 , . . . , vn } souˇradn´ y syst´em re´ aln´eho afinn´ıho podprostoru M = a + V , a oznaˇcme B = {v1 , . . . , vn }. Dokaˇzte: (a) Pro kaˇzd´e u, v ∈ M je [u − v]B = [u]S − [v]S .
(b) Pro kaˇzd´e u ∈ M a kaˇzd´e v ∈ V je [u + v]S = [u]S + [v]B . Cv. 13.7 Ukaˇzte, ˇze afinn´ı podprostory U + a a U + b jsou bud’to shodn´e, nebo disjunktn´ı. Cv. 13.8 Ukaˇzte, ˇze pr˚ unik afinn´ıch podprostor˚ u je zase afinn´ı podprostor nebo pr´ azdn´ a mnoˇzina. Cv. 13.9 Bud’te U +a, W +b rovnobˇeˇzn´e. Ukaˇzte, ˇze pak jsou disjunktn´ı pr´ avˇe tehdy kdyˇz a−b 6∈ U ∪W . Cv. 13.10 Bud’te U + a, W + b nerovnobˇeˇzn´e. Ukaˇzte, ˇze pak jsou r˚ uznobˇeˇzn´e pr´avˇe tehdy kdyˇz a − b ∈ U + W. Cv. 13.11 Ukaˇzte, ˇze dvˇe pˇr´ımky a + span{u}, b + span{v} jsou mimobˇeˇzn´e pr´ avˇe tehdy, kdyˇz vektory a − b, u, v jsou line´ arnˇe nez´ avisl´e. Cv. 13.12 Bud’ f : U → V line´ arn´ı zobrazen´ı a U + a afinn´ı podprostor U . Ukaˇzte, ˇze jeho obraz je afinn´ı podprostor V a najdˇete jeho popis. Cv. 13.13 (Analogie vˇet o isomorfismu vektorov´ ych prostor˚ u.) Ukaˇzte, ˇze afinn´ı prostory U + a, W + b maj´ı stejnou dimenzi pr´ avˇe tehdy, kdyˇz existuje prost´e afinn´ı zobrazen´ı U + a na W + b.
Cviˇcen´ı z line´ arn´ı algebry
55
Cv. 13.14 Dokaˇzte: (a) Obraz prostoru pˇri afinn´ım zobrazen´ı je afinn´ı podprostor. (b) Sloˇzen´ım dvou afinn´ıch zobrazen´ı dostaneme opˇet afinn´ı zobrazen´ı. (c) Bud’ f : U → V line´ arn´ı zobrazen´ı a v ∈ V . Pak vzor vektoru v f −1 (v) := {u ∈ U ; f (u) = v}
je afinn´ı podprostor v U . Cv. 13.15 Rozhodnˇete, zda U = V pro (a) U = (1, 1) + span{(1, 2)}, V = (2, 3) + span{(2, 4)}, (b) U = (1, 0, 0) + span{(1, 2, 1), (2, 1, 0)}, V = (2, −1, −1) + span{(0, 3, 2), (3, 0, −1)}. Cv. 13.16 Bud’ U podprostor V . Ukaˇzte, ˇze V se d´ a vyj´adˇrit jako disjunktn´ı sjednocen´ı afinn´ıch podprostor˚ u urˇcen´ ych posunut´ ym podprostorem U . Dok´ aˇzete toto sjednocen´ı vyj´adˇrit explicitnˇe? Cv. 13.17 Bud’ U podprostor V . Na afinn´ıch podprostorech V zadefinujme operace sˇc´ıt´an´ı a n´ asoben´ı skal´arem takto: (U + a) + (U + b) = U + (a + b),
α(U + a) = U + αa.
(a) Ukaˇzte, ˇze mnoˇzina vˇsech afinn´ıch podprostor˚ u V /U = {U + a; a ∈ V }, urˇcen´ ych posunut´ ym podprostorem U , tvoˇr´ı se zv´ yˇse zm´ınˇen´ ymi operacemi vektorov´ y prostor. (b) Urˇcete dimenzi V /U . (c) Kdy je W/Z podprostorem V /U ? (d) Uvaˇzujme zobrazen´ı f : V → V /U definovan´e f (a) = U + a. Ukaˇzte, ˇze f je line´ arn´ı zobrazen´ı a urˇcete jeho j´adro a obraz. (e) Bud’ U ⋐ W ⋐ V . Dokaˇzte, ˇze (V /U )/(W/U ) je isomorfn´ı s V /W . Je (V /U )/(V /W ) je isomorfn´ı s W/U ? (f) Bud’ U, W ⋐ V . Dokaˇzte, ˇze U/(U ∩ W ) je isomorfn´ı s (U + W )/W .
Polynomy Cv. 13.18 Dokaˇzte: je-li z koˇrenem re´ aln´eho polynomu p(x) pr´ avˇe tehdy kdyˇz (x − z) dˇel´ı p(x), tj. p(x) se d´ a vyj´adˇrit p(x) = (x − z)q(x), kde q(x) je polynom niˇzˇs´ıho stupnˇe. Cv. 13.19 Urˇcete n´ asobnost koˇrene 1 v polynomu p(x) = x4 + 3x3 − 3x2 − 7x + 6 a dopoˇc´ıtejte zb´ yvaj´ıc´ı koˇreny. Cv. 13.20 Najdˇete koˇreny n´ asleduj´ıc´ıch polynom˚ u a rozloˇzte polynomy na koˇrenov´e ˇcinitele: (a) x4 + 1, (b) x3 + 8, (c) x5 + x4 − 12x3 + 32x2 − 36x + 20, (zde prozrad´ıme, ˇze 1 + i je jeho dvojn´asobn´ ym koˇrenem). Cv. 13.21 Najdˇete n´ asleduj´ıc´ı polynom˚ u a rozloˇzte polynomy na koˇrenov´e ˇcinitele: (a) x4 + 1, (b) x3 + 8. Cv. 13.22 Dokaˇzte: p(x) je re´ aln´ y polynom s koˇrenem z ∈ C, pak i z je koˇrenem p(x). Cv. 13.23 Ukaˇzte, ˇze dˇelen´ı dvou polynom˚ u se zbytkem je jednoznaˇcn´e. Cv. 13.24 Ukaˇzte, ˇze polynomy p(x), q(x) stupˇ n˚ u m, n maj´ı spoleˇcn´ y koˇren pr´ avˇe tehdy, kdyˇz existuj´ı polynomy r(x), s(x) stupˇ n˚ u nanejv´ yˇs n − 1, m − 1 takov´e, ˇze r(x)p(x) + s(x)q(x) = 0.
56
14
Opakov´ an´ı Opakov´an´ı Opakov´an´ı Opakov´an´ı Opakov´an´ı Opakov´an´ı
Opakov´ an´ı Opakov´an´ı
Opakov´ an´ı Opakov´ an´ı
Opakov´ an´ı
Opakov´ an´ ı
Opakov´ an´ı
Opakov´ an´ ı
V t´eto sekci uv´ad´ıme rekapitulaˇcn´ı u ´lohy pro pˇredeˇsl´e sekce 2–13. Cv. 14.1 Karel mˇel na fyzik´aln´ıch praktik´ach za u ´kol mˇeˇrit z´avislost v´ yˇsky hozen´eho m´ıˇcku na ˇcase. Vybral si k tomu vysokou budovu, z jej´ıˇz stˇrechy hodil m´ıˇcek (v´ıcekr´at mu to kv˚ uli bezpeˇcnosti chodc˚ u nedovolili) a jeho kamar´ ad Jenda mˇeˇril v jednotliv´ ych ˇcasov´ ych u ´sec´ıch v´ yˇsku nad zem´ı. V ˇcase 0 s, 1 s, 2 s, 3 s, 4 s mu vyˇsla v´ yˇska 99 m, 110 m, 93 m, 60 m, a 7 m. Jednou ale udˇelal chybu. Objev´ıte kdy? Cv. 14.2 Uvaˇzujme n´ asleduj´ıc´ı zp˚ usob ˇsifrov´an´ı textov´ ych zpr´ av. Kaˇzd´emu p´ısmenu A aˇz Z pˇriˇrad´ıme postupnˇe ˇc´ısla 1 aˇz 26 A→1 B→2 C→3 D→4 E→5 F→6 G→7
H→8 I→9 J → 10 K → 11 L → 12 M → 13 N → 14
O → 15 P → 16 Q → 17 R → 18 S → 19 T → 20 U → 21
V → 22 W → 23 X → 24 Y → 25 Z → 26
T´ım p´ adem m´ısto vstupn´ıho textu m´ ame posloupnost ˇc´ısel. Nyn´ı rozdˇel´ıme posloupnost do n-tic. ˇ Kaˇzd´ a n-tice odpov´ıd´ a vektoru v = (v1 , . . . , vn )T ∈ Rn . Sifrov´ an´ı prob´ıh´ a potom tak, ˇze vekn×n tor pˇren´ asob´ıme pˇredem danou matic´ı A ∈ R . Tedy kaˇzd´ a n-tice v se zaˇsifruje na n-tici Av. Zaˇsifrovanou posloupnost ˇc´ısel poˇsleme a pˇr´ıjemce deˇsifruje zpr´ avu jednoduˇse tak, ˇze rozdˇel´ı posloup−1 nost ˇc´ısel do n-tic a kaˇzdou n-tici w vyn´ asob´ı matic´ı A a dostane A−1 w. Z tabulky pak pˇreloˇz´ı ˇc´ısla zpˇet na znaky. Konkr´etnˇe, deˇsifrujte posloupnost ˇc´ısel 15, 29, 49, 80, 9, 14, 15, 29, 30, 55, 15, 29, 38, 67, 53, 85, za pˇredpokladu, ˇze n = 2 a podaˇrilo se v´am odhalit, ˇze slovo PIVO“ se zaˇsifruje jako 34, 59, 52, ” 89. Cv. 14.3 Pˇet pir´ at˚ u uloˇzilo nahromadˇen´ y lup do trezoru Banky de Tortuga. Trojˇc´ıseln´e heslo si nechali zajat´ ym matematikem zak´odovat do ˇreˇsen´ı soustavy 1 1 1 18 1 1 −1 6 1 2 −3 0 2 0 −1 6 1 2 2 30 tak, aby ˇz´adn´ı dva pir´ ati se nemohli dostat k lupu, ale libovoln´ a trojice uˇz ano. Odvedl matematik poˇzadovanou pr´ aci? Najdete podobnou ˇsifru pro 6 pir´ at˚ u? Cv. 14.4 M´ame tˇrin´ act minc´ı a v´ıme, ˇze kaˇzd´ a mnoˇzina dvan´ acti z nich lze rozdˇelit na dvˇe ˇsestice tak, ˇze souˇcet hodnot obou ˇc´ ast´ı je stejn´ y. Ukaˇzte, ˇze vˇsechny mince maj´ı stejnou hodnotu. (Hint: Sestavte vhodnou soustavu a dle Cv. 4.6 nahl´ednˇete, ˇze matice m´ a hodnost 12.) Cv. 14.5 Necht’ obd´eln´ık o stran´ach a, b ∈ R je rozdˇelen´ y na ˇctverce o stran´ach x1 , . . . , xn ∈ R. Dokaˇzte, ˇze xai , xbi ∈ Q pro vˇsechna i. Cv. 14.6 Uvaˇzujme ˇsachovnici n×n n´ ahodnˇe obarvenou ˇcern´ ymi a b´ıl´ ymi pol´ıˇcky. Pˇr´ıpustn´ y tah je zmˇenit barvu vybran´eho pol´ıˇcka a jeho ˇctyˇr soused˚ u. Vymyslete postup jak pomoc´ı sekvence tah˚ u dospˇet k b´ıl´e ˇsachovnici nebo rozhodnout, ˇze to nen´ı moˇzn´e.
Cviˇcen´ı z line´ arn´ı algebry
57
Cv. 14.7 Dokaˇzte, ˇze soustava Ax = b m´ a ˇreˇsen´ı pr´ avˇe tehdy kdyˇz AT y = 0, bT y = 1 nem´ a ˇreˇsen´ı. Cv. 14.8 Bud’ A ∈ Rn×n a definujme dvˇe mnoˇziny matic: C = {B ∈ Rn×n ; AB = BA},
P = {ak Ak + . . . + a1 A + a0 In ; k ∈ N, a0 , a1 , . . . , ak ∈ R}.
(a) Ukaˇzte, ˇze C, P jsou podprostory Rn×n . (b) Ukaˇzte, ˇze P ⊆ C.
(c) Najdˇete co nejvˇetˇs´ı tˇr´ıdu matic z C.
Cv. 14.9 Bud’ x1 , . . . , xn b´ aze Rn a bud’ A, B ∈ Rn×n . Ukaˇzte, ˇze A = B pr´ avˇe tehdy, kdyˇz xTi Axj = T xi Bxj pro vˇsechna i, j. Cv. 14.10 Popiˇste vˇsechny matice A takov´e, ˇze A i A−1 obsahuj´ı pouze nez´ aporn´ a ˇc´ısla. A B ( x ) = ( c ). Cv. 14.11 Uvaˇzujme blokovou soustavu C y d D
(a) Upravte matici do blokovˇe odstupˇ novan´eho tvaru. Jak vypad´a matice representuj´ıc´ı tuto u ´pravu?
(b) Jak byste nyn´ı vypoˇc´ıtali ˇreˇsen´ı x, y? Cv. 14.12 Najdˇete vˇsechna ˇreˇsen´ı soustavy λ1 + . . . + λn = 0, λ21 + . . . + λ2n = 0, .. . λn1 + . . . + λnn = 0. (Hint: Vandermondova matice a uvaˇzujte navz´ajem r˚ uzn´ a ˇreˇsen´ı nejprve.) P Cv. 14.13 Necht’ vektory v1 , . . . , vn generuj´ı prostor Rn . Dokaˇzte, ˇze matice ni=1 vi viT je regul´ arn´ı. Cv. 14.14 Dokaˇzte, ˇze hodnost matice A ∈ Tm×n se d´ a ekvivalentnˇe definovat jako:
(a) velikost nejvˇetˇs´ı regul´ arn´ı podmatice (podmatice vznikne odstranˇen´ım urˇcit´eho poˇctu, i nulov´eho, ˇra´dk˚ u a sloupc˚ u). (b) nejmenˇs´ı z rozmˇer˚ u matic B, C ze vˇsech moˇzn´ ych rozklad˚ u A = BC. Cv. 14.15 (a) Jak moc jde zjednoduˇsit“ matice A ∈ Tm×n jsou-li povoleny nejenom element´arn´ı ˇra´dkov´e, ” ale i sloupcov´e u ´pravy? (b) Bud’te A, B ∈ Tm×n . Dokaˇzte, ˇze rank(A) = rank(B) pr´ avˇe tehdy, kdyˇz existuj´ı regul´ arn´ı S ∈ Tm×m a R ∈ Tn×n tak, ˇze A = SBR. Hint: Ukaˇzte, ˇze vlastnost A = SBR matic A, B je relace ekvivalence a zkuste naj´ıt vhodn´eho reprezentanta tˇr´ıd ekvivalence. ∗ (c) Bud’ A ∈ Rm×n , B ∈ Rm×k , C ∈ Rℓ×n . Ukaˇ zte, ˇze maticov´a soustava A = BXC je ˇreˇsiteln´ a pr´ avˇe tehdy, kdyˇz jsou ˇreˇsiteln´e soustavy A = BY a A = ZC (pro nezn´ am´e matice Y, Z). Hint: Pouˇzijte ˇreˇsen´ı (a). Cv. 14.16 Ukaˇzte, ˇze matice A ∈ Tn×n je regul´ arn´ı pr´ avˇe tehdy, kdyˇz rank(AB) = rank(B) pro kaˇzdou n×n matici B ∈ T . (A analogicky pro n´ asoben´ı zleva.) Cv. 14.17 Ukaˇzte, ˇze pro matici A ∈ Tm×n hodnosti r lze naj´ıt vektory x1 , . . . , xr ∈ S(A) a y1 , . . . , yr ∈ R(A) tak, ˇze A = x1 y1T + . . . + xr yrT . (Srov. Cv. 3.22) Nav´ıc, vektory x1 , . . . , xr lze volit pˇr´ımo jako vhodn´e sloupce A, nebo vektory y1 , . . . , yr jako ˇra´dky A, ale ne z´ aroveˇ n.
58
Opakov´ an´ı Opakov´an´ı Opakov´an´ı Opakov´an´ı Opakov´an´ı Opakov´an´ı
Opakov´ an´ı
Cv. 14.18 Matice incidence IG ∈ Rn×m orientovan´eho grafu G = (V, E) s |V | = n vrcholy a |E| = m hranami je definov´ana jako (IG )ie = 1 pokud e = (i, j) ∈ E, (IG )ie = −1 pokud e = (j, i) ∈ E a (IG )ie = 0 jinak (i 6∈ e). (a) Urˇcete hodnost IG . (Hint: Zaˇcnˇete se stromem, pak zobecnˇete na souvisl´ y graf a nakonec uvaˇzujte obecn´ y graf.) (b) Najdˇete j´adro IG . Cv. 14.19 Matice sousednosti AG ∈ Rn×n neorientovan´eho grafu G = (V, E) s |V | = n vrcholy a |E| = m hranami je definov´ana jako (AG )ij = 1 pokud {i, j} ∈ E a (AG )ij = 0 jinak. (a) Interpretujte prvky v matic´ıch (AG )k a (In + AG )k pro pˇrirozen´e k. (b) Urˇcete jak souvis´ı prvky matic (In + AG )n−1 a (AG )n−2 + (AG )n−1 se souvislost´ı grafu G, tj., zda kaˇzd´e dva vrcholy grafu jsou spojeny posloupnost´ı na sebe navazuj´ıc´ıch hran. (c) Ukaˇzte, ˇze matice sousednosti cesty lich´e d´elky je singul´arn´ı. Cv. 14.20 Dokaˇzte, ˇze prostor W je direktn´ım souˇctem podprostor˚ u U, V (tj., U ∩ V = {o} a U + V = W ) pr´ avˇe tehdy, kdyˇz kaˇzd´ y vektor w ∈ W lze jedin´ ym zp˚ usobem vyj´adˇrit jako souˇcet w = u + v, kde u∈U a v ∈V. Cv. 14.21 Vymyslete alternativn´ı d˚ ukaz identity dim Ker(A) + rank(A) = n pro A ∈ Tm×n s vyuˇzit´ım RREF tvaru matice A. Cv. 14.22 Bud’ V vektorov´ y prostor dimenze n nad tˇelesem Zp . (a) Urˇcete poˇcet vektor˚ u V. (b) Urˇcete poˇcet b´ az´ı V . (c) Urˇcete poˇcet isomorfism˚ u f: V →V.
(d) Urˇcete poˇcet k-dimenzion´aln´ıch podprostor˚ u ve V . Cv. 14.23 Cirkulant ˇra´du n je libovoln´ a matice A ∈ Rn×n tvaru aij = pi−j mod n , kde p0 , . . . , pn−1 jsou nˇejak´ a re´ aln´ a ˇc´ısla. Dokaˇzte, ˇze cirkulanty ˇra´du n tvoˇr´ı vektorov´ y prostor, najdˇete jeho b´ azi a dimenzi. Cv. 14.24 Bud’ V vektorov´ y prostor nad R a zaved’me mnoˇzinu uspoˇra´dan´ ych dvojic vektor˚ u V 2 := {(u, v); u, v ∈ V }. Na V2 d´ ale zaved’me operace (a) Ukaˇzte, ˇze V 2 je vektorov´ y prostor nad C s operacemi • sˇc´ıt´ an´ı: (u1 , v1 ) + (u2 , v2 ) = (u1 + u2 , v1 + v2 ), • n´ asoben´ı komplexn´ım skal´ arem a + bi ∈ C: (a + bi) · (u, v) = (au − bv, bu + av).
(b) Urˇcete dimenzi V 2 . (c) Bud’te V, W vektorov´e prostory nad R a bud’ f : V → W line´ arn´ı zobrazen´ı. Ukaˇzte, ˇze zobrazen´ı f ′ : V 2 → W 2 definovan´e pˇredpisem f ′ (u, v) = (f (u), f (v)) je line´ arn´ı. D´ale ukaˇzte, ˇze ′ 2 Ker(f ) = Ker(f ) . Cv. 14.25 Mˇejme line´ arn´ı zobrazen´ı x 7→ norm´aly pˇr´ımky?
1 1 −2 4
x. Kam se zobraz´ı pˇr´ımka 2x − y = 5? Lze vyuˇz´ıt obraz
Cv. 14.26 Bud’ v ∈ Rn dan´e a uvaˇzme zobrazen´ı f : Rn → Rn s pˇredpisem f (x) = vxT v. (a) Ukaˇzte, ˇze f je line´ arn´ı. (b) Najdˇete matici f vzhledem ke kanonick´e b´ azi. (c) Urˇcete j´adro a obraz f . (d) Najdˇete b´ azi B tak, aby
B [f ]B
obsahovala co nejv´ıce nul.
Cviˇcen´ı z line´ arn´ı algebry
59
Cv. 14.27 Bud’ A ∈ Rn×n idempotentn´ı, tj. A2 = A, bud’ x1 , . . . , xk b´ aze S(A) a xk+1 , . . . , xn b´ aze Ker(A). Pro line´ arn´ı zobrazen´ı f (x) = Ax a b´ azi B = {x1 , . . . , xn } (a) najdˇete matici f vzhledem k b´ azi B, (b) dokaˇzte, ˇze rank(A) = trace(A). Cv. 14.28 Bud’ V vektorov´ y prostor a L mnoˇzina vˇsech isomorfism˚ u f : V → V . Rozhodnˇete, zda L je tˇeleso s operac´ı sˇc´ıt´ an´ı a skl´ad´ an´ı. Cv. 14.29 (a) Ukaˇzte, ˇze GF(2n ) je nad Z2 vektorov´ y prostor. (b) Ukaˇzte, ˇze GF(2n ) nad Z2 je isomorfn´ı s Zn2 nad Z2 . Cv. 14.30 Co by se stalo, kdybychom z definice vektorov´eho prostoru vypustili podm´ınku 1 · v = v? Cv. 14.31 Bud’ EA = R, kde E je regul´ arn´ı a R je RREF tvar matice A ∈ Rm×n hodnosti r. Ukaˇzte, ˇze posledn´ıch m − r ˇra´dk˚ u matice E tovˇr´ı b´ azi Ker(AT ). Cv. 14.32 LU rozklad je rozklad matice A ∈ Rn×n na souˇcin A = LU , kde L ∈ Rn×n je doln´ı troj´ uheln´ıkov´a matice s jedniˇckami na diagon´ ale a U ∈ Rn×n horn´ı troj´ uheln´ıkov´a matice. Bud’ Ai lev´a horn´ı podmatice A velikosti i (tj. vznikne z A odstranˇen´ım posledn´ıch n − i ˇra´dk˚ u a sloupc˚ u). (a) Ukaˇzte, ˇze LU rozklad existuje pokud matice A1 , . . . , An jsou regul´ arn´ı. (b) Ukaˇzte, ˇze regul´ arn´ı matice A nem˚ uˇze m´ıt LU rozklad pokud nˇejak´e Ai je singul´arn´ı. (c) Ukaˇzte, ˇze LU rozklad existuje pr´ avˇe tehdy, kdyˇz matice A1 , . . . , An jsou regul´ arn´ı. (d) Bud’ A regul´ arn´ı. Ukaˇzte, ˇze existuje permutaˇcn´ı matice P ∈ Rn×n takov´a, ˇze (P A)i jsou regul´ arn´ı pro vˇsechna i = 1, . . . , n. (Hint: Matematick´a indukce.) (e) Bud’ A regul´ arn´ı. Ukaˇzte, ˇze existuje permutaˇcn´ı matice P ∈ Rn×n takov´a, ˇze P A m´ a LU rozklad.
Softwarov´ e pˇ r´ıklady Pro v´ ypoˇcet m˚ uˇzete pouˇz´ıt napˇr´ıklad Matlab, Octave, ˇci jin´ y vhodn´ y program. Cv. 14.33 Bud’ A ∈ Rn×n , b ∈ Rn . Navrhnˇete co nejefektivnˇejˇs´ı zp˚ usob v´ ypoˇctu Ak b. Pro jednoduchost mˇeˇrme efektivitu poˇctem souˇcin˚ u re´ aln´ ych ˇc´ısel. Konkr´etnˇe, kolik operac´ı mus´ıme vykonat kdyˇz k = 1024 a n = 3000? Vyzkouˇsejte si r˚ uzn´e zp˚ usoby numericky a porovnejte re´ aln´ y v´ ypoˇcetn´ı ˇcas. Prvky matice A a 1 1 vektoru b volte n´ ahodnˇe v intervalu [− 30 , 30 ]. Cv. 14.34 Bud’ H Hilbertova matice ˇra´du 15, tj. jej´ı prvky jsou Hij = souˇctem sloupc˚ u matice H.
1 i+j−1 .
D´ale bud’ b vektor vznikl´ y
(a) Numericky spoˇc´ıtejte ˇreˇsen´ı soustavy Hx = b a porovnejte ho se skuteˇcn´ ym. K v´ ypoˇctu pouˇz´ıvejte v´ yhradnˇe Gaussovu–Jordanovu eliminaci, a ˇz´adnou jinou sofistikovanˇejˇs´ı methodu. (b) Alternativnˇe, spoˇc´ıtejte pˇribliˇzn´e ˇreˇsen´ı pomoc´ı iterac´ı x := b; A := I − H;
for i = 1 : 1000 do x := Ax + b; P i D˚ uvod za tˇemito iteracemi spoˇc´ıv´a ve vzorci H −1 = ∞ y plat´ı pro urˇcitou tˇr´ıdu i=0 A , kter´ matic, zahrnuj´ıc´ı i Hilbertovu.
(c) Porovnejte obˇe metody co do pˇresnosti ˇreˇsen´ı a v´ ypoˇcetn´ıho ˇcasu.
ˇ ast II C´
Od skal´ arn´ıho souˇ cinu, pˇ res vlastn´ı ˇ c´ısla a kvadratick´ e formy k rozklad˚ um
60
Cviˇcen´ı z line´ arn´ı algebry
15
61
Skal´ arn´ı souˇ cin, norma
Uk´ azka 15.1 (Nestandardn´ı skal´ arn´ı souˇcin). Ovˇeˇrte, ˇze hx, yi = 2x1 y1 − x1 y2 − x2 y1 + 2x2 y2 definuje re´ aln´ y skal´ arn´ı souˇcin na R2 a pro x = (1, 2)T , y = (3, 4)T spoˇc´ıtejte (a) hx, yi, (b) kxk, (c) vzd´alenost x od y, ˇ sen´ı: Ovˇeˇr´ıme axiomy z definice skal´arn´ıho souˇcinu: Reˇ 1. hx, xi = 2x1 x1 − x1 x2 − x2 x1 + 2x2 x2 = 2x21 − 2x1 x2 + 2x22 = x21 + x22 + (x1 − x2 )2 ≥ 0, a rovnost nastane pouze kdyˇz x1 = x2 = 0. 2. hx + z, yi = 2(x1 + z1 )y1 − (x1 + z1 )y2 − (x2 + z2 )y1 + 2(x2 + z2 )y2 = (2x1 y1 − x1 y2 − x2 y1 + 2x2 y2 ) + (2z1 y1 − z1 y2 − z2 y1 + 2z2 y2 ) = hx, yi + hz, yi, 3. hαx, yi = 2αx1 y1 − αx1 y2 − αx2 y1 + 2αx2 y2 = α(2x1 y1 − x1 y2 − x2 y1 + 2x2 y2 ) = αhx, yi, 4. hx, yi = 2x1 y1 − x1 y2 − x2 y1 + 2x2 y2 = 2y1 x1 − y1 x2 − y2 x1 + 2y2 x2 = hy, xi. Poznamenejme, ˇze ovˇeˇren´ı prvn´ı vlastnosti nemus´ı b´ yt vˇzdy tak snadn´e jako v tomto pˇr´ıpadˇe. Obecn´ y postup si uk´aˇzeme pozdˇeji (sekce 26). Nyn´ı staˇc´ı dosadit do pˇredpisu skal´arn´ıho souˇcinu a spoˇc´ıtat poˇzadovan´e hodnoty: (a) hx, yi = 12, (b) kxk =
p
hx, xi =
√
6,
(c) vzd´alenost x od y je d´ ana kx − yk =
√
8.
Uk´ azka 15.2 (Cauchyho–Schwarzova nerovnost). Dokaˇzte, ˇze pro libovoln´ a ˇc´ısla x, y, z ∈ R plat´ı: x 2
+
y z x2 y 2 z 2 ≤ + + + . 3 6 2 3 6
ˇ sen´ı: Nab´ız´ı se pouˇz´ıt Cauchyho–Schwarzovu nerovnost. Pro vektory u, v ∈ R3 m´ Reˇ a tato nerovnost tvar |hu, vi|2 ≤ hu, uihv, vi, neboli rozepsanˇe (u1 v1 + u2 v2 + u3 v3 )2 ≤ (u21 + u22 + u23 )(v12 + v22 + v32 ). Abychom dostali poˇzadovanou nerovnost, nab´ız´ı se zde zase volit za vektor u konkr´etnˇe u = ( √12 x, √13 y, √16 z)T , av´ame poˇzadovanou nerovnost. z ˇcehoˇz pak vych´ az´ı i volba v = ( √12 , √13 , √16 )T . Po dosazen´ı skuteˇcnˇe dost´
............................................
Cviˇ cen´ı
............................................
62
Skal´ arn´ı souˇcin, norma
Standardn´ı skal´ arn´ı souˇ cin Cv. 15.1 Komplexn´ı ˇc´ısla. (a) Pˇripomeˇ nte si definici komplexn´ıch ˇc´ısel, absolutn´ı hodnotu komplexn´ıho ˇc´ısla a komplexn´ı rovinu. (b) Pˇripomeˇ nte si aritmetick´e operace. Spoˇc´ıtejte (3 − 4i) + (1 + 2i),
(3 − 4i) · (1 + 2i),
(3 − 4i)2 ,
3 − 4i . 1 + 2i
(c) Pˇripomeˇ nte si komplexnˇe sdruˇzen´e ˇc´ıslo u ke komplexn´ımu ˇc´ıslu u = a + bi. Rozhodnˇete, zda plat´ı u = u,
u + v = u + v,
uv = u v.
Cv. 15.2 Pˇripomeˇ nte si standardn´ı skal´ arn´ı souˇcin nad R a nad C, vztah skal´arn´ıho souˇcinu a u ´hlu mezi vektory, a eukleidovskou normu vektoru. Cv. 15.3 Spoˇc´ıtejte: (a) hx, yi, (b) jsou x, y na sebe kolm´e? (c) kxk, kyk, (d) vzd´alenost x od y, pro (a) x = (2, 1, 4, −1), y = (4, −1, 0, 2), (b) x = (1, 2, 1, −2i), y = (i, 2i, i − 1, 2). Cv. 15.4 Urˇcete u ´hel mezi: (a) vektory x = (0, 0, 1) a y = (1, 0, −1). (b) hlavn´ı diagon´ alou krychle a jej´ı podstavou. Cv. 15.5 Najdˇete vˇsechny vektory jednotkov´e d´elky kolm´e na (3, −2). Cv. 15.6 Bud’
1 2 1 A = 2 4 3 . 3 6 4
Najdˇete nenulov´ y vektor v (pˇr´ıp. vˇsechny), kter´ y je kolm´ y na (a) vˇsechny ˇra´dky matice A, (b) vˇsechny vektory z R(A), (c) vˇsechny vektory z S(A). Cv. 15.7 Jak´e jsou vlastnosti kolmosti jako relace? (reflexivita, symetrie, transitivita, . . . )
Cviˇcen´ı z line´ arn´ı algebry
63
Obecn´ y skal´ arn´ı souˇ cin 1. hx, xi ≥ 0 ∀x ∈ V , a rovnost nastane pouze pro x = 0, 2. hx + y, zi = hx, zi + hy, zi ∀x, y, z ∈ V , 3. hαx, yi = αhx, yi ∀x, y ∈ V , ∀α ∈ R,
4. hx, yi = hy, xi ∀x, y ∈ V . Cv. 15.8 Proˇc poˇzadujeme ve 4. vlastnosti hx, yi = hy, xi, a ne hx, yi = hy, xi? Cv. 15.9 Ukaˇzte, ˇze: (a) hx, yi = xT y je skal´ arn´ı souˇcin na Rn ,
arn´ı souˇcin na Cn , (b) hx, yi = xT y je skal´
(c) hx, yi = xT y nen´ı skal´ arn´ı souˇcin na Cn .
Cv. 15.10 Rozhodnˇete zda n´ asleduj´ıc´ı je skal´arn´ı souˇcin v R2 (a) hx, yi = 3x1 y1 + 2x1 y2 + x2 y1 + 3x2 y2 ,
(b) hx, yi = x1 y1 + x1 y2 + x2 y1 + x2 y2 ,
(c) hx, yi = x1 y1 + x1 y2 + x2 y1 + 2x2 y2 .
Cv. 15.11 Bud’ D ∈ Rn×n diagon´ aln´ı. Za jak´ ych podm´ınek je hx, yi = xT Dy re´ aln´ ym skal´arn´ım souˇcinem? Cv. 15.12 Zaved’te v prostoru R2 skal´ arn´ı souˇcin tak, aby u ⊥ v pro (a) u = (1, 2) a v = (2, 3). (b) u = (−5, 2) a v = (10, −4). Cv. 15.13 Definujte re´ aln´ y skal´ arn´ı souˇcin (pokud to jde) pro prostory: (a) Cn nad tˇelesem R. (b) Zn2 nad tˇelesem Z2 . Cv. 15.14 Dokaˇzte, ˇze nad R je x − y ⊥ x + y pr´ avˇe tehdy kdyˇz kxk = kyk. Jak je to nad C? Cv. 15.15 Nad R dokaˇzte obˇe implikace Pythagorova vˇety, tj. x ⊥ y pr´ avˇe tehdy kdyˇz kx + yk2 = kxk2 + kyk2 . Najdˇete protipˇr´ıklad nad C, kdy Pythagorova vˇeta neplat´ı obr´ acenˇe, tj. x, y nejsou kolm´e a pˇresto 2 2 2 kx + yk = kxk + kyk . Cv. 15.16 Jsou-li vektory q1 , . . . , qn ∈ Rn ortogon´ aln´ı ve standardn´ım skal´arn´ım souˇcinu, pak matice I − T T q1 q1 , . . . , I − qn qn navz´ajem komutuj´ı. Dokaˇzte. Cv. 15.17 Bud’ u, v ∈ Rn a A = uv T . Najdˇete nutnou a postaˇcuj´ıc´ı podm´ınku pro A2 = 0. Cv. 15.18 Pro skal´ arn´ı souˇcin hx, yi = 5x1 y1 + x2 y2 + 11x3 y3 + x1 y3 + x3 y1 spoˇc´ıtejte: (a) hx, yi,
(b) jsou x, y na sebe kolm´e?
64
Skal´ arn´ı souˇcin, norma (c) kxk, kyk, (d) vzd´alenost x od y, pro (a) x = (2, 2, 1), y = (1, 1, −1), (b) x = (2, 1, 1), y = (1, 0, −1).
Cv. 15.19 Dokaˇzte, ˇze pro x, y ∈ V existuje α ∈ C a z ∈ V tak, ˇze y = αx + z a z ⊥ x. Cv. 15.20 Bud’ V vektorov´ y prostor nad R a B nˇejak´ a jeho b´ aze. Ukaˇzte, ˇze hx, yi := [x]TB [y]B definuje skal´arn´ı souˇcin. Cv. 15.21 Bud’ V prostor nad R a bud’te x1 , . . . , xm ∈ V takov´e, ˇze hxi , xj i < 0 pro i 6= j. P (a) Necht’ m zte, ˇze vˇsechna αi maj´ı stejn´a znam´enka. i=1 αi xi = o pro αi ∈ R \ {0}. Ukaˇ (b) Je-li m = n + 1, pak kaˇzd´ a n-tice vektor˚ u z x1 , . . . , xm tvoˇr´ı b´ azi V . (c) Ukaˇzte, ˇze m ≤ n + 1.
Cauchyho–Schwarzova nerovnost Obecnˇe: |hx, yi| ≤ kxk · kyk. qP qP P n n 2 2 x Speci´ alnˇe v Rn : | ni=1 xi yi | ≤ i=1 i i=1 yi . p Cv. 15.22 Dokaˇzte, ˇze pro kaˇzd´e a1 , a2 , a3 , a4 ∈ R plat´ı: 5a1 + a2 + 3a3 + a4 ≤ 6 a21 + a22 + a23 + a24 .
Cv. 15.23 Dokaˇzte vztah mezi aritmetick´ ym a kvadratick´ ym pr˚ umˇerem, tj. pro kaˇzd´e a1 , . . . , an ∈ R : r a1 + . . . + an a21 + . . . + a2n ≤ . n n
Cv. 15.24 Dokaˇzte, ˇze pro kaˇzd´e x, y, z ∈ R plat´ı: xy + yz + zx ≤ x2 + y 2 + z 2 .
−1 Cv. 15.25 Dokaˇzte, ˇze pro kaˇzd´e a1 , . . . , an ∈ R \ {0} plat´ı: n2 ≤ (a1 + . . . + an )(a−1 1 + . . . + an ).
Cv. 15.26 Dokaˇzte, ˇze pro kaˇzd´e a1 , . . . , an ∈ R \ {0} plat´ı: a1 + . . . an ≤ a21 /a2 + a22 /a3 + . . . + a2n /a1 . Cv. 15.27 Dokaˇzte, ˇze pro kaˇzd´e p, r, s, t ∈ R plat´ı:
(1 + prst)4 ≤ (1 + p4 )(1 + r 4 )(1 + s4 )(1 + t4 ).
Cv. 15.28 Dokaˇzte |hx, yi| ≤ 12 (kxk2 + kyk2 ). Pn Cv. 15.29 Pˇripomeˇ nme, ˇze trace(A) := zte, ˇze plat´ı trace(AB) = trace(BA) pro vˇsechny i=1 aii . Ukaˇ A, B T ∈ Rm×n . Proˇc to nen´ı skal´ arn´ı souˇcin? P Pn ’ V Rm×n uvaˇzujme skal´ arn´ı souˇcin hA, Bi := trace (AT B) = m zte: i=1 j=1 aij bij . Proved te/dokaˇ (a) (b) (c) (d) (e)
Ovˇeˇrte, ˇze jde o skal´ arn´ı souˇcin. Speci´alnˇe, ˇze plat´ı trace(AT B) = trace(B T A). Zformulujete Cauchyho–Schwarzovu nerovnost. trace(A)2 ≤ n trace(AT A), trace(A2 ) ≤ trace(AT A), trace(AT B) ≤ 21 (trace(AT A) + trace(B T B)).
Cviˇcen´ı z line´ arn´ı algebry
65
Norma Cv. 15.30 Pro r˚ uzn´e druhy norem na R2 si nakreslete jednotkovou kruˇznici {x ∈ R2 ; kxk = 1}. Cv. 15.31 Ovˇeˇrte, ˇze kxk := |x1 − x2 | + |x2 | je normou na R2 . Cv. 15.32 Porovnejte hodnoty r˚ uzn´ ych druh˚ u norem na R2 , napˇr. p-normy pro p ∈ {1, 2, ∞}. Cv. 15.33 Proˇc nen´ı p-norma normou pro p ∈ (0, 1)? Kter´e axiomy jsou poruˇseny? Cv. 15.34 Dokaˇzte, ˇze vzd´alenost od x k y je stejn´a jako od y k x, tj. kx − yk = ky − xk. Cv. 15.35 Dokaˇzte: kuk − kvk ≤ ku − vk. Cv. 15.36 Bud’ k · k norma nad R a A ∈ Rn×n regul´ arn´ı matice. Dokaˇzte, ˇze kxkA := kAxk je tak´e norma. Cv. 15.37 Bud’te k ≤ n pevn´e. Rozhodnˇete, zda je normou na Rn zobrazen´ı, kter´e vektoru x ∈ Rn pˇriˇrad´ı souˇcet k nejvˇetˇs´ıch hodnot z |x1 |, . . . , |xn |. Co dostaneme pro k = 1 a pro k = n? Cv. 15.38 Rozhodnˇete, kter´e pr˚ umˇery (aritmetick´ y, geometrick´ y, harmonick´ y, kvadratick´ y) pˇredstavuj´ı normu. Cv. 15.39 Rozhodnˇete, zda pro kaˇzdou normu na Rn resp. Cn plat´ı: kxk = k|x|k. Cv. 15.40 Norma je monot´ onn´ı pokud pro vˇsechny x, y ∈ Rn nerovnost (po sloˇzk´ach) |x| ≤ |y| implikuje kxk ≤ kyk. (a) Rozhodnˇete, zda p-norma je monot´ onn´ı pro p ∈ {1, 2, ∞}.
(b) Rozhodnˇete, zda je monot´ onn´ı norma kxk := |x1 − x2 | + |x2 | na R2 . Cv. 15.41 Bud’ kxk norma na Rn a definujme tzv. du´ aln´ı normu kxkD := maxkyk≤1 xT y. (a) Ukaˇzte, ˇze du´ aln´ı norma je skuteˇcnˇe normou. −1 (b) Zavedeme-li normu kxkα := αkxk, pak kxkD α = α kxk.
(c) Vyj´adˇrete du´ aln´ı normu k p-normˇe s p ∈ {1, 2, ∞}.
Pozn´ amka. Plat´ı (kxkD )D = kxk pro kaˇzdou normu na Rn resp. Cn . Na nekoneˇcnˇedimension´ aln´ıch prostorech uˇz to neplat´ı. qP P m n 2 Cv. 15.42 Ukaˇzte, ˇze tzv. Frobeniova norma kAkF := i=1 j=1 aij je normou na prostoru matic Rm×n .
Cv. 15.43 Ukaˇzte, ˇze norma je spojit´a funkce. Cv. 15.44 Dokaˇzte kxk∞ = limp→∞ kxkp . Cv. 15.45 Jednotkov´a koule obecn´e normy. (a) Ukaˇzte, ˇze pro kaˇzdou normu je jednotkov´a koule {x ∈ Rn ; kxk ≤ 1} mnoˇzina symetrick´a dle poˇc´ atku a konvexn´ı (tj., s kaˇzd´ ymi dvˇema body obsahuje i jejich spojnici). (b) Bud’ o 6= x ∈ Rn . Ukaˇzte, ˇze polopˇr´ımka {αx; α ≥ 0} protne jednotkovou kruˇznici pr´ avˇe jednou. (c) Kolik stˇen a vrchol˚ u m´ a polyedr jednotkov´e kruˇznice v 1-normˇe a ∞-normˇe?
(d) Urˇcete jednotkovou kruˇznici normy kxk := |x1 − x2 | + |x2 | na R2 . ∗ (e) Bud’ B konvexn´ ı uzavˇren´ a mnoˇzina v Rn a symetrick´a dle poˇc´atku. Necht’ poˇc´atek neleˇz´ı na hranici B. Ukaˇzte, ˇze B je jednotkovou koul´ı pro urˇcitou normu. Cv. 15.46 Pro danou normu na Rn nazveme matici A ∈ Rn×n isometri´ı pokud kAxk = kxk pro vˇsechna x ∈ Rn .
66
Skal´ arn´ı souˇcin, norma
(a) Ukaˇzte, ˇze isometrie mus´ı b´ yt regul´ arn´ı matic´ı. (b) Ukaˇzte, ˇze mnoˇzina isometri´ı tvoˇr´ı grupu s operac´ı maticov´ y souˇcin. (c) Najdˇete vˇsechny isometrie pro 2-normu (tj., eukleidovskou normu). (d) Najdˇete vˇsechny isometrie pro 1-normu a ∞-normu. Cv. 15.47 Pro normu k · k na Rn a dva vektory x, y ∈ Rn oznaˇcme C := {z ∈ Rn ; kx − zk + kz − yk = kx − yk}. (a) Co representuje C pro eukleidovskou normu?
(b) Bud’ x = (1, 0)T a y = (0, 1)T . Urˇcete C pro 1-normu a ∞-normu.
(c) Bud’ x = (1, 1)T a y = (1, −1)T . Urˇcete C pro 1-normu a ∞-normu.
(d) Ukaˇzte, ˇze C je konvexn´ı mnoˇzina.
Cviˇcen´ı z line´ arn´ı algebry
16
67
Gramova–Schmidtova ortogonalizace
Uk´ azka 16.1 (Gramova–Schmidtova ortogonalizace). Pˇri standardn´ım skal´arn´ım souˇcinu najdˇete ortonorm´aln´ı b´ azi prostoru generovan´eho vektory x1 = (1, 0, 1, 0)T , x2 = (1, 1, 1, 1)T , x3 = (1, 0, 0, 1)T . ˇ sen´ı: Postupujeme pˇresnˇe podle algoritmu: Reˇ y1 := x1 ,
√ 2 1 z1 := y1 = (1, 0, 1, 0)T , ky1 k 2
√
√
2 (1, 0, 1, 0)T = (0, 1, 0, 1)T , y2 := x2 − hx2 , z1 iz1 = (1, 1, 1, 1) − 2 2 √ 2 1 y2 = (0, 1, 0, 1)T , z2 := ky2 k 2 y3 := x3 − hx3 , z1 iz1 − hx3 , z2 iz2 √ √ √ √ 1 2 2 2 2 T T (1, 0, 1, 0) − (0, 1, 0, 1)T = (1, −1, −1, 1)T , = (1, 0, 0, 1) − 2 2 2 2 2 1 1 T z3 := y3 = (1, −1, −1, 1) . ky3 k 2 T
V´ ysledn´ a ortonorm´aln´ı b´ aze se skl´ad´ a z vektor˚ u z1 , z2 , z3 .
1: for k := 1 to n do 2: 3:
yk := xk − zk :=
4: end for
............................................
k−1 X j=1
hxk , zj izj ,
1 yk , kyk k
Cviˇ cen´ı
............................................
Cv. 16.1 Co se stane, kdyˇz Gramova–Schmidtova ortogonalizace (a) dostane na vstup line´ arnˇe z´ avisl´e vektory? (b) dostane na vstup ortogon´ aln´ı vektory? (c) dostane na vstup ortonorm´aln´ı vektory? (d) dostane na vstup −xi nam´ısto xi ? Jak se zmˇen´ı v´ ystup? Cv. 16.2 Bud’ x1 = (1, 1, 0), x2 = (1, 1, 1): (a) ortogonalizujte vektory x1 , x2 , (b) ortogonalizujte vektory v opaˇcn´em poˇrad´ı, (c) najdˇete projekci x = (0, 1, 1) do podprostoru U = span{x1 , x2 }. Jak´a je vzd´alenost x od U ?
68
Gramova–Schmidtova ortogonalizace
Cv. 16.3 Bud’
1 1 1 1 A = 4 1 4 1 . 1 2 3 4
Najdˇete ortonorm´aln´ı b´ azi R(A) a urˇcete projekci x = (2, 2, 1, 5) do R(A). Cv. 16.4 najdˇete dvˇe r˚ uzn´e (nemaj´ı spoleˇcn´ y vektor ani v 2 1 A = 0 1 2 0
n´ asobku) ortogon´ aln´ı b´ aze R(A) pro 0 2 . −2
Cv. 16.5 Nad C3 ortogonalizujte (i, i, i), (0, i, i), (0, 0, i). Cv. 16.6 Pro skal´arn´ı souˇcin hx, yi := 2x1 y1 + x2 y2 + x3 y3 + x4 y4 zortogonalizujte (1, 0, 1, 0), (1, 1, 1, 1), (0, 1, 1, 0). Cv. 16.7 V aritmetice s omezenou pˇresnost´ı na 3 ˇc´ıslice ortonormalizujte vektory: (1, 10−3 , 10−3 ), (1, 10−3 , 0), (1, 0, 10−3 ).
Cv. 16.8 Zortonormalizujte b´ azi: (a) podprostoru R3 popsan´eho rovnic´ı x − y + z = 0,
(b) podprostoru R4 popsan´eho soustavou x − y + u + v = 0, x + u = 0, Cv. 16.9 Ukaˇzte, ˇze matice In − q1 q1T , . . . , In − qk qkT komutuj´ı, pokud vektory q1 , . . . , qk ∈ Rn jsou ortogon´ aln´ı. Cv. 16.10 Bud’ h·, ·i skal´ arn´ı souˇcin a (1, 0, 1)T , (1, 2, 0)T , (0, 1, 1)T jeho ortonorm´aln´ı b´ aze. Spoˇc´ıtejte T T hodnotu h(3, 1, 1) , (2, 1, 6) i.
Cviˇcen´ı z line´ arn´ı algebry
17
69
Ortogon´ aln´ı doplnˇ ek a projekce
Uk´ azka 17.1 (Ortogon´aln´ı doplnˇek v Rn ). Pˇri standardn´ım skal´arn´ım souˇcinu najdˇete ortogon´aln´ı doplnˇek prostoru V generovan´emu vektory (1, 2, 3)T a (1, −1, 0)T . ˇ sen´ı: Sestav´ıme matici Reˇ 1 2 3 A= . 1 −1 0 Nyn´ı V = R(A), a protoˇze V ⊥ = Ker(A), staˇc´ı nal´ezt b´ azi j´adra matice A, kterou tvoˇr´ı napˇr. vektor T (1, 1, −1) . Uk´ azka 17.2 (Ortogon´aln´ı projekce). Najdˇete projekci vektoru x = (1, 2, 4, 5)T do podprostoru V generovan´eho vektory x1 = (1, 0, 1, 0)T , x2 = (1, 1, 1, 1)T , x3 = (1, 0, 0, 1)T , a urˇcete vzd´alenost x od V pˇri standardn´ım skal´arn´ım souˇcinu. ˇ sen´ı: Nejprve najdeme ortonorm´aln´ı b´ Reˇ azi V pomoc´ı Gramovy–Schmidtovy ortogonalizace. To jsme jiˇz uˇcinili v uk´azce 16.1, a ortonorm´aln´ı b´ az´ı jest √ √ 2 2 1 T z1 = (1, 0, 1, 0) , z2 = (0, 1, 0, 1)T , z3 = (1, −1, −1, 1)T . 2 2 2 Nyn´ı najdeme projekci dle vzorce 3 X 1 hx, zi izi = (5, 7, 5, 7)T . xU = 2 i=1
Hledan´a vzd´alenost je kx − xU k = k 12 (−3, −3, 3, 3)T k = 3. Protoˇze pracujeme se standardn´ım skal´arn´ım souˇcinem, m˚ uˇzeme projekci spoˇc´ıtat alternativnˇe i takto: Sestav´ıme matici 1 1 1 0 1 0 A= 1 1 0 , 0 1 1
jej´ıˇz sloupce jsou tvoˇreny vektory x1 , x2 , x3 , a projekce se spoˇc´ıt´a dle vzorce 1 xU = A(AT A)−1 AT x = (5, 7, 5, 7)T . 2 Poznamenejme, ˇze zde
3 −1 1 1 1 −1 3 1 1 P = A(AT A)−1 AT = 1 3 −1 4 1 1 1 −1 3
pˇredstavuje matici projekce jakoˇzto line´ arn´ıho zobrazen´ı do podprostoru U . Takˇze pokud ji m´ ame takto explicitnˇe vyj´adˇrenou, tak projekce xU vektoru x se spoˇc´ıt´a jako xU = P x. Uk´ azka 17.3 (Metoda nejmenˇs´ıch ˇctverc˚ u a line´ arn´ı regrese). Mˇejme data v´ yvoje svˇetov´e populace: rok populace (mld.)
1950 2,519
1960 2,982
1970 3,692
1980 4,435
1990 5,263
2000 6,070
70
Ortogon´ aln´ı doplnˇek a projekce
Najdˇete line´ arn´ı z´avislost velikosti populace na ˇcase, a odhadnˇete velikost populace pro rok 2009. ˇ sen´ı: Chceme data proloˇzit co nejl´epe pˇr´ımkou y = px + q: Reˇ 2, 519 = p · 1950 + q .. . 6, 070 = p · 2000 + q To odpov´ıd´ a pˇreurˇcen´e soustavˇe Ax = b, 1950 1960 1970 A= 1980 1990 2000
kde 1 1 1 , 1 1
2.519 2.982 3.692 b= 4.43 , 55.263
1
x=
p . q
6.070
Sestav´ıme si soustavu norm´aln´ıch rovnic (AT A)x = AT b, a jej´ı ˇreˇsen´ı x = (p, q)T = (0, 0724, −138, 84)T je ˇreˇsen´ı metodou nejmenˇs´ıch ˇctverc˚ u. Grafick´e zn´ azornˇen´ı z´avislosti: y 6 5 4 y = 0, 0724x − 138, 84
3
1950 1960 1970 1980 1990 2000
x
Predikci pro rok 2009 zjist´ıme jednoduˇse jako 2009 · p + q = 6, 6943. ............................................
Cviˇ cen´ı
............................................
Ortogon´ aln´ı doplnˇ ek M ⊆ V , pak M ⊥ := {x ∈ V ; hx, yi = 0 ∀y ∈ M }. Cv. 17.1 V prostoru V urˇcete V ⊥ , {o}⊥ a {}⊥ . Cv. 17.2 Bud’ M, N ⊆ V . Ukaˇzte: (a) M ∩ M ⊥ ⊆ {o}
(dokaˇzte z definice),
(b) (M ⊥ )⊥ = span(M ), (c) M ⊆ N ⇒ N ⊥ ⊆ M ⊥ , ale ne naopak,
(d) (M ∪ N )⊥ = M ⊥ ∩ N ⊥ ,
(e) (M + N )⊥ = M ⊥ ∩ N ⊥ .
Cv. 17.3 Najdˇete podprostor U ⋐ R5 takov´ y, ˇze dim U = dim U ⊥ .
Cv. 17.4 Spoˇc´ıtejte ortogon´ aln´ı doplnˇek vektoru u = (1, 0, 0, −2) do prostoru V = span{v, w} = span{(1, 2, 4, 0), (0, 1, 2
Cviˇcen´ı z line´ arn´ı algebry Cv. 17.5 Bud’ V ⋐ R3×3 prostor antisymetrick´ ych matic v skal´arn´ım souˇcinu ze Cv. 15.29 najdˇete b´ azi prostoru 1 0 W = −1 0 3 −2
71 R3×3 , tj. matic A splˇ nuj´ıc´ıch AT = −A. Pˇri ⊥ −3 2 . 0
Cv. 17.6 Bud’ A ∈ Rn×n takov´a, ˇze pro kaˇzdou matici X ∈ Rn×n , trace(X) = 0, plat´ı trace(AX) = 0. Ukaˇzte, ˇze A = λIn pro urˇcit´e λ ∈ R. (Hint: Cv. 15.29.) Cv. 17.7 Bud’ U podprostor V a bud’te a, b ∈ V . Ukaˇzte, ˇze afinn´ı podprostory a + U , b + U ⊥ se prot´ınaj´ı v jedin´em bodˇe.
Projekce Projekce x do podprostoru s ortonorm´aln´ı b´ az´ı z1 , . . . , zn : xU =
Pn
i=1 hx, zi izi .
Cv. 17.8 Dokaˇzte, ˇze projekce je line´ arn´ı zobrazen´ı. Cv. 17.9 Uvaˇzujme standardn´ı skal´ arn´ı souˇcin v Rn a pˇr´ımku p = span{a}. (a) Najdˇete bod x′ na pˇr´ımce p, kter´ y je nejbliˇzˇs´ı bodu x ∈ Rn . (b) Najdˇete projekci b = (3, −2, 5) na pˇr´ımku se smˇernic´ı a = (2, 1, 1). (c) Porovnejte velikost projekce x′ s vektorem x. Dok´ aˇzete zobecnit v´ ysledek pro projekci do libovoln´eho podprostoru? (d) Sestrojte matici line´ arn´ıho zobrazen´ı reprezentuj´ıc´ı pˇreklopen´ı podle pˇr´ımky p. Cv. 17.10 Rozloˇzte: (a) u = (3, 2, 6) na souˇcet u = v + w, kde v ∈ V = span{(1, 0, 0), (0, 1, 1)} a w ∈ V ⊥ . (b) u = (1, 2, 4, 6) na souˇcet u = v + w, kde v ∈ V = span{(1, 0, 1, 1), (1, 1, 0, 1)} a w ∈ V ⊥ . Cv. 17.11 Urˇcete vzd´alenost bodu a = (5, 5, 3, 3) od nadroviny obsahuj´ıc´ı o, b = (8, −1, 1, −2) a c = (4, −2, 2, −1). Cv. 17.12 Urˇcete vzd´alenost bodu X : (6, 6, 4, 4) od nadroviny obsahuj´ıc´ı body A : (1, 1, 1, 1), B : (9, 1, 1, −1), C : (5, −1, 3, 0). Cv. 17.13 Urˇcete vzd´alenost pˇr´ımek (a) p = (9, −2, 0) + span{(4, −3, 1)} a q = (0, −7, 2) + span{(−2, 9, 2)}. (b) p = (−3, 2, 3, 3) + span{(−1, 1, 1, 0)} a q = (6, 5, 7, 3) + span{(0, 0, −1, 2)}. (c) p = (7, 5, 8, 1) + span{(2, 0, 3, 1)} a q = {x ∈ R4 ; x1 − 4x3 = −7, x2 + 2x3 = 5, x4 = 3}. Cv. 17.14 Bud’ P matice projekce do U ⋐ Rn . Najdˇete matici projekce do U ⊥ . Cv. 17.15 Bud’ U podprostor V a mˇejme x ∈ V vyj´adˇreno jako x = u + v, kde u ∈ U a v ∈ U ⊥ . Dokaˇzte, ˇze u je projekce x do U a v je projekce x do U ⊥ . Cv. 17.16 Bud’ o 6= a ∈ Rn . Najdˇete matici projekce do V = span{a}⊥ a dokaˇzte, ˇze je singul´arn´ı. Cv. 17.17 Bud’ Snn prostor symetrick´ ych a Tnn prostor antisymetrick´ ych matic v Rn×n . ⊥ =T , (a) Ukaˇzte Snn nn (b) Ukaˇzte, ˇze projekce A ∈ Rn×n do Snn je d´ ana 21 (A + AT ).
Cv. 17.18 Ukaˇzte, ˇze projekce vektoru x do podprostoru U se d´ a vyj´adˇrit jako jednoznaˇcn´ y bod v pr˚ uniku ⊥ podprostoru U a afinn´ıho podprostoru U + x.
72
Ortogon´ aln´ı doplnˇek a projekce
Doplnˇ ek v Rn R(A)⊥ = Ker(A). Cv. 17.19 Bud’ A=
1 2 . −1 −2
Najdˇete R(A), Ker(A) a nakreslete je do obr´ azku. Cv. 17.20 Najdˇete ortogon´ aln´ı doplnˇek k prostor˚ um: (a) V = {x ∈ R3 ; x1 + x2 + 2x3 = 0}.
(b) U = span{(1, 0, 1, 1), (1, 1, 1, 0)}.
Cv. 17.21 Bud’ v ∈ Rn takov´ y, ˇze vi 6= 0 pro vˇsechna i. Ukaˇzte, ˇze {v}⊥ obsahuje vektory ze vˇsech ortant˚ u kromˇe tˇech obsahuj´ıch v a −v. Cv. 17.22 Bud’ A ∈ Rm×n a uvaˇzujme dvˇe zobrazen´ı f : x → Ax, g : y → AT y. Ukaˇzte, ˇze pro libovoln´ y podprostor U ⋐ Rn plat´ı f (U ) ⊆ U ⇒ g(U ⊥ ) ⊆ U ⊥ . Cv. 17.23 Bud’ A ∈ Rm×n , B ∈ Rk×n . Ukaˇzte, ˇze pokud pro kaˇzd´e x ∈ Rn plat´ı Ax = 0 ⇒ Bx = 0, tak potom B = CA pro nˇejak´e C ∈ Rk×m .
Projekce v Rn Matice projekce do S(A): A(AT A)−1 AT . Cv. 17.24 Najdˇete matici projekce (a) do U = span{(2, 1, 1)}, (b) do roviny souˇradn´ ych os x1 , x2 v prostoru Rn . (c) do U = span{(0, 1, 1), (1, 0, −1), (0, 0, 1)}. Cv. 17.25 Bud’ P matice projekce. (a) Do jak´eho prostoru U a jak´e dimenze projektuje? (b) Bud’ P matice projekce. Dokaˇzte: S(A) = {x; P x = x}. (c) Dokaˇzte: x ∈ U ⊥ ⇔ P x = o.
Cv. 17.26 Bud’te sloupce matice A ∈ Rm×n ortonorm´aln´ı. Ukaˇzte, ˇze projekce vektoru x ∈ Rn do S(A) pomoc´ı matice projekce odpov´ıd´ a dˇr´ıvˇejˇs´ımu vyj´adˇren´ı projekce do podprostoru s ortonorm´aln´ı b´ az´ı. Cv. 17.27 Urˇcete vzd´alenost c ∈ Rn od (a) podprostoru aT x = 0, kde o 6= a ∈ Rn .
(b) podprostoru aT x = b, kde o 6= a ∈ Rn a b ∈ R. Cv. 17.28 Urˇcete projekci bodu x ∈ Rn na pˇr´ımku p = b + span{a}. Cv. 17.29 Urˇcete vzd´alenost: (a) bodu x ∈ Rn od pˇr´ımky p = span{a}, a 6= o.
Cviˇcen´ı z line´ arn´ı algebry
73
(b) poˇc´ atku od pˇr´ımky p = b + span{a}, a 6= o, v prostoru R2 . (c) bodu x ∈ Rn od pˇr´ımky p = b + span{a}, a 6= o.
Cv. 17.30 Bud’ P matice projekce. Dokaˇzte rank(P ) = trace(P ). Cv. 17.31 Bud’te P, Q matice projekce v Rn . Dokaˇzte S(P ) = S(Q) pr´ avˇe tehdy, kdyˇz P Q = P a QP = Q. Pokud plat´ı jedna z tˇechto podm´ınek, mus´ı P = Q?
Cv. 17.32 Bud’ P matice projekce do U ⋐ Rn a Q matice projekce do V ⋐ Rn . Dokaˇzte P + Q je matice projekce do U + V pr´ avˇe tehdy, kdyˇz P Q = QP = 0. Cv. 17.33 Bud’ A = RC, kde A ∈ Rm×n , R ∈ Rm×r , C ∈ Rr×n , a vˇsechny matice maj´ı hodnost r. Ukaˇzte, ˇze RT AC T je regul´ arn´ı. Cv. 17.34 Odvod’te analogii vztahu R(AT A) = R(A) pro sloupcov´e prostory matice A ∈ Rm×n . Cv. 17.35 V´ıme, ˇze pro matici A ∈ Rm×n hodnosti n je AT A regul´ arn´ı. Zobecnˇete tvrzen´ı pro komplexn´ı matice.
Metoda nejmenˇ s´ıch ˇ ctverc˚ u Cv. 17.36 Metodou nejmenˇs´ıch ˇctverc˚ u spoˇc´ıtejte pˇribliˇzn´e ˇreˇsen´ı soustav (a) Ax = b, kde A = (1, 2, 1, 2)T a b = (5, 5, 5, 5)T , (b) Ax = b, kde A = (1, . . . , 1)T se skl´ad´ a ze sloupce jedniˇcek a b ∈ Rn , 2 −1 4 1 1 −1 1 (c) 1 −1 −1 1 1
T T Cv. 17.37 Ukaˇzte, ˇze ˇreˇsen´ı metodou nejmenˇs´ıch rovnic, eˇsen´ tj. jakoˇr ı norm´ aln´ıch rovnic A Ax = A b, je I A y b stejn´e jako druh´a ˇc´ ast vektoru ˇreˇsen´ı soustavy = . AT 0 x 0
Cv. 17.38 Hook˚ uv z´ akon vyjadˇruje line´ arn´ı u ´mˇernost pruˇzn´e deformace materi´ alu na pouˇzit´e s´ıle. N´asleduj´ıc´ı tabulka obsahuje hodnoty pr˚ utahu pruˇziny (v palc´ıch) v z´avislosti na s´ıle/hmotnosti (v libr´ ach). Odhadnˇete koeficient u ´mˇernosti. s´ıla pr˚ utah
5 11.1
7 15.4
8 17.5
10 22
12 26.3
Cv. 17.39 Rakovinn´e buˇ nky se mnoˇz´ı exponenci´ alnˇe rychle v ˇcase. Urˇcete konkr´etn´ı vztah ve tvaru y = a eb t pˇri n´ asleduj´ıc´ıch datech. t (ˇcas) y (poˇcet bunˇek)
1 16
2 27
3 45
4 74
5 122
Cv. 17.40 Urˇcete nejlepˇs´ı aproximaci (metodou nejmenˇs´ıch ˇctverc˚ u) funkce ex na intervalu [−1, 1] pomoc´ı line´ arn´ı funkce y = ax + b. Cv. 17.41 Uvaˇzujme soustavu rovnic Ax = b, kde A ∈ Rm×n m´ a hodnost m. Existuje tedy vˇzdy aspoˇ n jedno ˇreˇsen´ı. Najdˇete to ˇreˇsen´ı, kter´e je v eukleidovsk´e normˇe nejbl´ıˇze poˇc´atku.
74
Ortogon´ aln´ı matice
18
Ortogon´ aln´ı matice
Uk´ azka 18.1 (Unit´arn´ı matice). Ovˇeˇrte, ˇze matice Q je ortogon´ aln´ı a U je unit´ arn´ı, √ √ 2 −1 1 7 1 + 2i 1 − i , U= . Q= 1 + i 2i − 1 2 −1 −1 7 ˇ sen´ı: Jednoduˇse ovˇeˇr´ıme z definice Reˇ √ √ 2 −1 −1 2 −1 1 1 0 T Q Q= = = I2 , 1 −1 2 −1 −1 0 1 2 √ √ 7 1 − 2i 7 1 + 2i 1 − i 1−i 1 0 T U U= = = I2 . 1 + i −2i − 1 7 1 + i 2i − 1 0 1 7 Uk´ azka 18.2 (Householderova matice). Ukaˇzte, ˇze Householderova matice je symetrick´a. ˇ sen´ı: Householderova matice je tvaru H(u) = In − T2 uuT , u 6= o. Ovˇeˇr´ıme Reˇ u u H(u)T =
In −
2 uT u
uuT
T
= InT −
2 2 (uuT )T = In − T uuT = H(u), uT u u u
tud´ıˇz je H(u) symetrick´a.
Q ∈ Rn×n ortogon´ aln´ı: QT Q = In . T
Q ∈ Cn×n unit´ arn´ı: Q Q = In .
............................................
Cviˇ cen´ı
............................................
Cv. 18.1 Necht’ P, Q ∈ Rn jsou ortogon´ aln´ı. Je P + Q ortogon´ aln´ı? Cv. 18.2 Dokaˇzte, ˇze G=
cos α − sin α sin α cos α
je ortogon´ aln´ı. Cv. 18.3 Najdˇete matici otoˇcen´ı v R3 kolem osy x o u ´hel α = 45◦ proti smˇeru hodinov´ ych ruˇciˇcek. Cv. 18.4 Bud’ p ∈ Sn permutace a P ∈ Rn odpov´ıdaj´ıc´ı permutaˇcn´ı matice, tj. Pij = 1 pokud p(i) = j a nula jinak. (a) Dokaˇzte, ˇze P je ortogon´ aln´ı matice. (b) Dokaˇzte, ˇze P T odpov´ıd´ a permutaci p−1 . (c) Dokaˇzte, ˇze P Q odpov´ıd´ a permutaci p ◦ q, jestliˇze Q je matice permutace q. Cv. 18.5 Bud’ H(u) = In −
2 uuT , uT u
u 6= o, Householderova matice.
(a) Najdˇete vˇsechny Householderovy matice ˇra´du 1. (b) Dokaˇzte, ˇze H(u) je ortogon´ aln´ı. (c) Ukaˇzte, ˇze −I2 nen´ı Householderova matice.
(d) Rozhodnˇete, zda In je Householderovou matic´ı.
Cviˇcen´ı z line´ arn´ı algebry
75
(e) Najdˇete vˇsechny diagon´ aln´ı Householderovy matice. Im 0 je tak´e Householderova matice. (f) Rozhodnˇete, zda 0 H(u) A 0 (g) Jsou-li A, B Householderovy matice, rozhodnˇete, zda i je Householderova matice. 0 B P 0 m×m n×n Cv. 18.6 Necht’ P ∈ R ,Q∈R jsou ortogon´ aln´ı. Je blokov´a matice ortogon´ aln´ı? 0 Q Cv. 18.7 Najdˇete vˇsechny diagon´ aln´ı ortogon´ aln´ı matice ˇra´du n. Kolik jich je? Cv. 18.8 Najdˇete vˇsechny diagon´ aln´ı unit´ arn´ı matice ˇra´du n. Kolik jich je? Cv. 18.9 Najdˇete vˇsechny ortogon´ aln´ı matice ˇra´du 1 a 2. Cv. 18.10 Kter´e z matic element´ arn´ıch u ´prav jsou ortogon´ aln´ı? Cv. 18.11 Pro kter´e a, b ∈ R je matice A ortogon´ aln´ı? a+b b−a A= . a−b a+b Co pˇredstavuje za u ´tvar mnoˇzina vˇsech v´ ysledn´ ych dvojic (a, b)? Cv. 18.12 Rozhodnˇete, zda matice je ortogon´ aln´ı: cos(x) sin(x) cos(y) sin(x) sin(y) − sin(x) cos(x) cos(y) cos(x) sin(y) . 0 − sin(y) cos(y) Cv. 18.13 Rozhodnˇete, zda matice je unit´ arn´ı: 1+i √ 3 √i 3
1+i √ 6 −2i √ 6
!
.
Cv. 18.14 Ukaˇzte, ˇze matice A ∈ Rn×n ortogon´ aln´ı pr´ avˇe tehdy, kdyˇz kAxk = kxk pro vˇsechna x ∈ Rn (pˇri eukleidovsk´e normˇe). Cv. 18.15 Norma je ortogon´ alnˇe invariantn´ı pokud kxk = kQxk pro kaˇzd´e x ∈ Rn a kaˇzdou ortogon´ aln´ı n×n matici Q ∈ R . Ukaˇzte, ˇze eukleidovsk´ a norma je jedin´a ortogon´ alnˇe invariantn´ı norma splˇ nuj´ıc´ı ke1 k = 1. Cv. 18.16 Bud’ A ∈ Rn×n ortogon´ aln´ı. Ukaˇzte, ˇze matice B ∈ Rn×n s prvky bij = a2ij je dvojitˇe stochastick´a (viz Cv. 3.24). Cv. 18.17 Ukaˇzte, ˇze mnoˇzina ortogon´ aln´ıch matic v Rn×n je kompaktn´ı. Cv. 18.18 Cayleyho transformace C : Rn×n → Rn×n je definovan´ a takto C(A) = (I − A)(I + A)−1 . Ukaˇzte: (a) Je-li A antisymetrick´a (tj. AT = −A), pak C(A) je ortogon´ aln´ı.
(b) Je-li A ortogon´ aln´ı a A + I regul´ arn´ı, pak C(A) je antisymetrick´a. Cv. 18.19 Bud’ A ∈ Rn×n a bud’ z1 , . . . , zn ortonorm´aln´ı b´ aze Rn . Ukaˇzte, ˇze trace(A) = standardn´ım skal´ arn´ım souˇcinu (Hint: lze vyuˇz´ıt Cv. 4.32).
Pn
i=1 hAzi , zi i
pˇri
ˇ ık´ame, ˇze zobrazen´ı f je unit´ Cv. 18.20 R´ arn´ı, pokud hf (x), f (y)i = hx, yi pro vˇsechna x, y (tj., zachov´av´a skal´arn´ı souˇcin). Ukaˇzte, ˇze
76
Ortogon´ aln´ı matice (a) zobrazen´ı f : V → Rn definovan´e f (v) = [v]B , kde B je ortonorm´aln´ı b´ aze, je unit´ arn´ı.
(b) sloˇzen´ı dvou unit´ arn´ıch zobrazen´ı je unit´ arn´ı zobrazen´ı,
(c) inverze k unit´ arn´ımu isomorfismu je unit´ arn´ı isomorfismus, (d) mnoˇzina vˇsech unit´ arn´ıch isomorfism˚ u na prostoru tvoˇr´ı grupu, (e) dva koneˇcnˇe generovan´e re´ aln´e (resp. komplexn´ı) prostory se skal´arn´ım souˇcinem maj´ı stejnou dimenzi pr´ avˇe tehdy, kdyˇz mezi nimi existuje unit´ arn´ı isomorfismus, (f) jsou-li x1 , . . . , xn a y1 , . . . , yn dvˇe b´ aze takov´e, ˇze hxi , xj i = hyi , yj i pro vˇsechna i, j, pak existuje unit´ arn´ı zobrazen´ı f takov´e, ˇze f (xi ) = yi pro vˇsechna i.
Cviˇcen´ı z line´ arn´ı algebry
19
77
Determinant
Uk´ azka 19.1 (V´ ypoˇcet deteminantu z definice). Matice ˇra´du 2: a11 a12 a21 a22 = a11 a22 − a21 a12 .
Matice ˇra´du 3: a11 a12 a13 a21 a22 a23 = a11 a22 a33 + a21 a32 a13 + a31 a12 a23 − a31 a22 a13 − a11 a32 a23 − a21 a12 a33 . a31 a32 a33
Pro v´ ypoˇcet determinantu matice ˇra´du 3 (pouze! ) lze pouˇz´ıt mnemotechnickou pom˚ ucku, tzv. Sarrusovo pravidlo. Pokud si matici zvˇetˇs´ıme zkop´ırov´an´ım prvn´ıch dvou ˇra´dk˚ u pod p˚ uvodn´ı matici, pak tˇri kladn´e ˇcleny v permutaˇcn´ım rozvoji odpov´ıdaj´ı souˇcinu tˇr´ı diagon´ al a11 a12 a13 a11 a12 a13 a11 a12 a13 a21 a22 a23 a21 a22 a23 a21 a22 a23 a31 a32 a33 , a31 a32 a33 , a31 a32 a33 , a11 a12 a13 a11 a12 a13 a11 a12 a13 a21 a22 a23 a21 a22 a23 a21 a22 a23 a tˇri z´aporn´e ˇcleny v permutaˇcn´ım rozvoji odpov´ıdaj´ı souˇcinu tˇr´ı ˇsikm´ ych diagon´ al, dle obr´ azku: a11 a12 a13 a11 a12 a13 a11 a12 a13 a21 a22 a23 a21 a22 a23 a21 a22 a23 a31 a32 a33 , a31 a32 a33 , a31 a32 a33 . a11 a12 a13 a11 a12 a13 a11 a12 a13 a21 a22 a23 a21 a22 a23 a21 a22 a23
Uk´ azka 19.2 (V´ ypoˇcet deteminantu pomoc´ı element´arn´ıch u ´prav). Determinant matice m˚ uˇzeme spoˇc´ıtat pomoc´ı Gaussovy eliminace s t´ım, ˇze si uvˇedom´ıme jak jednotliv´e element´arn´ı u ´pravy ovlivˇ nuj´ı v´ ysledn´ y determinant (a) vyn´ asoben´ı ˇra´dku ˇc´ıslem α zvˇetˇs´ı determinant α-kr´at, (b) prohozen´ı dvou ˇra´dk˚ u mˇen´ı znam´enko determinantu, (c) pˇriˇcten´ı n´ asobku ˇra´dku k jin´emu ˇra´dku determinant nemˇen´ı. Konkr´etnˇe, spoˇc´ıtejte determinant 1 1 2 0
ˇ sen´ı: Reˇ 1 1 2 0
2 3 4 2 1 3 5 5 5 2 −3 −4
1 2 3 4 1 2 3 4 0 2 1 3 0 0 −2 −1 = = − 0 5 5 5 0 1 −1 −3 0 2 −3 −4 0 2 −3 −4 1 2 3 1 4 0 1 −1 −3 = 2 0 = 2 0 0 0 1 0.5 0 0 −1 2 0
1 2 3 4 0 1 −1 −3 = − 0 0 −2 −1 0 2 −3 −4 2 3 4 1 −1 −3 = 5. 0 1 0.5 0 0 2.5
2 3 4 1 −1 −3 0 −2 −1 0 −1 2
78
Determinant
Uk´ azka 19.3 (Laplace˚ uv rozvoj determinantu). Laplace˚ uv rozvoj d´ av´a rekurentn´ı pˇredpis pro poˇc´ıt´ an´ı determinantu. Rozvoj podle i-t´eho ˇra´dku jest det(A) =
n X (−1)i+j aij det(Aij ). j=1
Zde, det(Aij ) je determinant matice A bez i-t´eho ˇra´dku a j-t´eho sloupce. Determinanty tˇechto menˇs´ıch matic spoˇc´ıt´ame opˇet rozvojem, nebo pˇr´ımo, nebo element´arn´ımi u ´pravami, z´aleˇz´ı na n´ as. Konkr´etnˇe, spoˇc´ıtejte determinant Laplaceov´ ym rozvojem podle posledn´ıho ˇra´dku 1 1 2 0
ˇ sen´ı: Reˇ 1 1 2 0
2 3 4 2 1 2 . 5 5 5 2 −4 −4
2 3 4 2 3 4 1 3 4 2 1 2 = (−1)4+1 · 0 · 2 1 2 + (−1)4+2 · 2 · 1 1 2 5 5 5 5 5 5 2 5 5 2 −4 −4 1 2 4 1 2 3 + (−1)4+3 · (−4) · 1 2 2 + (−1)4+4 · (−4) · 1 2 1 2 5 5 2 5 5 = 0+2·4+4·2−4·2 = 8
Uk´ azka 19.4 (Cramerovo pravidlo). Cramerovo pravidlo d´ av´a explicitn´ı vzoreˇcek na v´ ypoˇcet ˇreˇsen´ı soustav line´ arn´ıch rovnic Ax = b s regul´ arn´ı matic´ı. Sloˇzka xi ˇreˇsen´ı x se vyj´adˇr´ı jako xi =
det(A + (b − A∗i )eTi ) , det(A)
i = 1, . . . , n.
Konkr´etnˇe, Cramerov´ ym pravidlem ˇreˇste soustavu rovnic 1 2 3 1 1 2 1 3 . 2 5 5 4 ˇ sen´ı: Reˇ 1 3 4 x1 = 1 1 2
2 3 2 1 5 5 4 = = 2, 2 2 3 2 1 5 5
1 1 2 x2 = 1 1 2
............................................
1 3 3 1 4 5 2 = = 1, 2 2 3 2 1 5 5
Cviˇ cen´ı
1 1 2 x3 = 1 1 2
2 1 2 3 5 4 −2 = = −1. 2 2 3 2 1 5 5
............................................
Cviˇcen´ı z line´ arn´ı algebry
79
Determinant – definice a element´ arn´ı u ´ pravy det (A) =
X
sgn(p)
n Y
ai,p(i) .
i=1
p∈Sn
Cv. 19.1 Spoˇc´ıtejte determinanty: (a) det(−In ), 0 . . . 0 1 .. . . . . . . . 0 (b) .. , . . . . 0 . . . 1 0 . . . 0 1 2 −1 1 2 3 2 (c) 0 1 2 , 4 5 6 , 3 1 2 1 7 8 9 2 1 1 0 2 −2 1 −1 −1 0 −1 2 2 , (d) 1 2 1 3 0 0 2 −1 −1 1 4 1 a11 a12 a13 a14 a15 a21 0 0 0 a 25 0 0 a35 , (e) a31 0 a41 0 0 0 a45 a51 a52 a53 a54 a55 52147 64492 . (f) 52146 64491
4 1 3 2 4 , 1 3 2 2 0 0 1 2 3 2 , 3 3 3 3 2 4
1 4 5 9 , 6 5 2 3 4 3
3 4 3 2
1 a a2 a3 a 1 a a2 a2 a 1 a , a3 a2 a 1
4 3 , 2 1
ˇ ste nad R, Z2 , Z3 . Cv. 19.2 Pro jak´e a je matice regul´ arn´ı? Reˇ a −1 −1 a − 1 1 1 a+1 1 0 Cv. 19.3 Bud’ A ∈ Rm×m , B ∈ Rn×n . Dokaˇzte det
A 0 0 B
= det(A) det(B). C = det(A) det(B). Cv. 19.4 Bud’ A ∈ Rm×m , B ∈ Rn×n , C ∈ Rm×n . Dokaˇzte det A0 B A B = det(A) det(D) − det(B) det(C). Cv. 19.5 Bud’ A, B, C, D ∈ Rn×n . Dokaˇzte ˇci vyvrat’te det C D
Cv. 19.6 Matice A ∈ Rn×n je antisymetrick´a pokud AT = −A. Dokaˇzte, ˇze pro lich´e n je antisymetrick´a matice singul´arn´ı. Cv. 19.7 Jak se zmˇen´ı determinant matice A ∈ Rn×n , kdyˇz jeho ˇra´dky zpermutujeme podle permutace p ∈ Sn , tj. ˇra´dek i se pˇresune na m´ısto p(i)? Cv. 19.8 Bud’ A ∈ Cn×n . Dokaˇzte det(A) = det(A). Cv. 19.9 V´ıme, ˇze ˇc´ısla 697, 476, 969 jsou 6 9 je dˇeliteln´ y tak´e determinant 4 7 9 6
dˇ a ˇc´ıslem 17. Dokaˇzte bez v´ ypoˇctu determinantu, ˇze 17 eliteln´ 7 6 . 9
80
Determinant
Cv. 19.10 Ukaˇzte, ˇze determinant matice ˇra´du n s prvky ±1 je dˇeliteln´ y ˇc´ıslem 2n−1 . Cv. 19.11 Bez v´ ypoˇctu determinantu urˇcete koeficient u x4 a x3 ve v´ ysledn´em determinantu x 1 3 1
2 x 3 1
1 1 x 2
x 3 . x x
Cv. 19.12 Bez v´ ypoˇctu determinant˚ u dokaˇzte 1 a bc 1 a a2 1 b ca = 1 b b2 . 1 c ab 1 c c2 Cv. 19.13 Bud’ c 6= 0. Jak se zmˇen´ı determinant matice A ∈ Rn×n pokud kaˇzd´e aij vyn´ asob´ıme ˇc´ıslem ci−j . Cv. 19.14 Bud’ A ∈ R4×4 . Kolik (minim´alnˇe) nul a na jak´ ych pozic´ıch matice A zajist´ı, aby determinant byl zaruˇcenˇe nulov´ y? Cv. 19.15 Bud’ A ∈ Rn×n . Kolik maxim´ alnˇe nul m˚ uˇze matice obsahovat, aby v permutaˇcn´ım rozvoji byly aspoˇ n dva ˇcleny nenulov´e? Cv. 19.16 Ukaˇzte, ˇze pro re´ alnou matici ˇra´du n ≥ 3 nemohou b´ yt v permutaˇcn´ım rozvoji vˇsechny ˇcleny kladn´e. Cv. 19.17 Urˇcete souˇcet determinant˚ u vˇsech matic ˇra´du 3 obsahuj´ıc´ı prvky 1, 2, . . . , 9, a kaˇzd´ y z nich pr´ avˇe jednou. Cv. 19.18 Bud’ S mnoˇzina vˇsech matic ˇra´du n obsahuj´ıc´ıch pouze prvky 0 a 1. Ukaˇzte, ˇze pr˚ umˇern´ y determinant matice z S je roven 0. ∗ Cv.
19.19 Najdˇete matici ˇra´du 3 obsahuj´ıc´ı prvky 1, 2, . . . , 9, a kaˇzd´ y z nich pr´ avˇe jednou, tak, aby mˇela maxim´aln´ı moˇzn´ y determinant. (zdroj: American Mathematical Monthly)
Multiplikativnost determinantu Cv. 19.20 Rozhodnˇete zda plat´ı det(AB) = det(BA). Cv. 19.21 Jak´ y je determinant ortogon´ aln´ı matice? Cv. 19.22 V´ıme A ∈ R3×3 a det(A) = 2. Spoˇc´ıtejte det(2A−2 AT ). Cv. 19.23 Najdˇete A ∈ R3×3 takovou, aby A2 = −I3 . Cv. 19.24 Bud’ A ∈ Rm×m , B, C T ∈ Rm×n , a D ∈ Rn×n . Dokaˇzte:
= det(A) det(D−CA−1 B) = det(D) det(A−BD −1 C). A B = det(AD − CB). (b) Je-li A regul´ arn´ı, m = n, a AC = CA, pak det C D (a) Je-li A resp. D regul´ arn´ı, pak det
A B C D
Cviˇcen´ı z line´ arn´ı algebry
81
Laplace˚ uv rozvoj det(A) =
n X
(−1)i+j aij det(Aij ).
j=1
Cv. 19.25 Spoˇc´ıtejte
1 0 0 1
4 2 3 2
3 0 1 2
4 5 . 5 3
Cv. 19.26 Spoˇc´ıtejte determinant matice ˇra´du n (na pr´ azdn´ ych . . . 1 a1 . . . ai . . . 1
pozic´ıch jsou nuly): an . . . .
Cv. 19.27 Vektorov´ y souˇcin vektor˚ u x, y ∈ R3 je definov´an jako x2 x3 x1 x3 , x×y = , − y2 y3 y1 y3
x1 x2 y1 y2 .
S pouˇzit´ım determinantu urˇcit´e matice ˇra´du 3 dokaˇzte, ˇze x × y je kolm´e na oba vektory x, y.
Determinant nad tˇ elesy Cv. 19.28 Nad tˇelesem Z5 spoˇc´ıtejte determinanty 1 2 1 2 3 2 3 2 , 0 2 2 1 3 2 1 0 3 Cv. 19.29 Nad tˇelesem C spoˇc´ıtejte determinanty i 1 0 1 i i A= 2 1 1 2i 0 i
3 0 4 2
4 1 , 1 3
−1 2 3 4 1 −2 3 4 . 1 2 −3 4 1 2 3 −4
matic 2 1 i 1 , B = 2 0 1 2i
i 2 1 i
2 i 1 2i . i 2i 4 i
Cramerovo pravidlo Cv. 19.30 Pomoc´ı Cramerova pravidla ˇreˇste 1 2 (a) 4 5 7 8
soustavy rovnic −1 2 3 1 3 1 6 1 , (b) 1 −2 3 2 . 0 1 1 2 −3 3
82
Determinant
Cv. 19.31 M˚ uˇzeme nˇeco ˇr´ıci o existenci ˇreˇsen´ı kdyˇz det(A) = 0? ˇ ste soustavu s parametry a, b, c 6= 0 Cv. 19.32 Reˇ a b 0 c 0 c a b c 0 b a
Geometrick´ y v´ yznam determinantu Cv. 19.33 Urˇcete objem ˇctyˇrstˇenu urˇcen´eho body A : [1, 1, 0], B : [4, 2, 2], C : [3, 4, 4] a D : [3, 2, 2]. Cv. 19.34 Urˇcete objem elipsiodu, kter´ y vznikne obrazem jednotkov´e koule pˇri zobrazen´ı x 7→ Ax, kde 2 3 2 A = 5 2 1 . 4 3 1 Cv. 19.35 Urˇcete objem elipsoidu vzniknuvˇs´ıho obrazem jednotkov´e koule pˇri line´ arn´ım zobrazen´ı definovan´em f (1, 3, 1) = (3, 1, 0), f (1, 0, 3) = (1, 0, 2), f (1, 1, 1) = (4, 1, 5).
Cv. 19.36 Determinanty v geometrii. (a) Bez rozepisov´an´ı determinantu ukaˇzte, ˇze pˇr´ımka v rovinˇe proch´ azej´ıc´ı body (x1 , y1 ), (x2 , y2 ) m´ a popis x y 1 x1 y1 1 = 0. x2 y2 1 Konkr´etnˇe, najdˇete pˇr´ımku proch´ azej´ıc´ı body (0, 1), (−2, 3).
(b) Bez rozepisov´an´ı determinantu ukaˇzte, ˇze kruˇznice v rovinˇe proch´ azej´ıc´ı body (x1 , y1 ), (x2 , y2 ), (x3 , y3 ) m´ a popis 2 x + y 2 x y 1 2 x + y 2 x1 y1 1 1 1 x2 + y 2 x2 y2 1 = 0. 2 2 x2 + y 2 x3 y3 1 3 3 Konkr´etnˇe, najdˇete kruˇznici proch´ azej´ıc´ı body (0, 1), (2, 3), (2, −1).
(c) Bez rozepisov´an´ı determinantu ukaˇzte, (x2 , y2 , z2 ), (x3 , y3 , z3 ) m´ a popis x x1 x2 x3
ˇze rovina v prostoru proch´ azej´ıc´ı body (x1 , y1 , z1 ), y z y1 z1 y2 z2 y3 z3
1 1 = 0. 1 1
Konkr´etnˇe, najdˇete rovinu proch´ azej´ıc´ı body (0, 1, 2), (1, −1, −2), (3, 1, 0).
Cviˇcen´ı z line´ arn´ı algebry
83
Cv. 19.37 Ukaˇzte, ˇze plocha troj´ uheln´ıku s vrcholy (x1 , y1 ), (x2 , y2 ), (x3 , y3 ) ∈ R2 je rovna |d|/2, kde x1 y1 1 d = x2 y2 1 . x3 y3 1 (Hint: Vnoˇrte troj´ uheln´ık do 3-deminzion´aln´ıho prostoru.)
Cv. 19.38 Bud’te (x1 , y1 ), (x2 , y2 ), (x3 , y3 ) ∈ R2 nekoline´ arn´ı body leˇz´ıc´ı na kruˇznici po smˇeru hodinov´ ych ruˇciˇcek. Pro libovoln´e b ∈ R2 oznaˇcme 2 b1 + b22 b1 b2 1 2 x1 + y12 x1 y1 1 . d= 2 2 x y 1 + y x 2 2 2 2 x2 + y 2 x3 y3 1 3 3
Ukaˇzte, ˇze d > 0 pokud b leˇz´ı uvnitˇr kruˇznice, d = 0 pokud b leˇz´ı na kruˇznici, a d < 0 pokud b leˇz´ı vnˇe kruˇznice.
Cv. 19.39 Odvod’te z´ akladn´ı vlastnosti determinantu na z´akladˇe jeho geometrick´e interpretace. To jest, v´ıme-li, ˇze zobrazen´ı x 7→ Ax mˇen´ı objem s koeficientem det(A) (aˇz na znam´enko), ukaˇzte hlavn´ı myˇslenku pro (a) multiplikativitu, (b) charakterizaci regularity, (c) ˇra´dkovou linearitu, (d) interpretaci definice.
Determinant velk´ ych matic Cv. 19.40 Spoˇc´ıtejte determinant
Cv. 19.41 Spoˇc´ıtejte determinant
Cv. 19.42 Spoˇc´ıtejte determinant
2 1 1 . . . .. . . . . 1 . . .
1 .. . . 1 2
... .. . .. . 1
1 −1 0 . . . 1 1 −1 . . . .. Dn = 0 1 . 1 .. . . . . .. .. . . 0 . . . 0 1 x y 0 x .. . . . . 0 . . . y 0
0 y .. .
... .. . .. .
0 ...
x 0
0 . −1 1 0 .. .
0 .. . . 0 y x
84
Determinant
Cv. 19.43 Vyˇreˇste v promˇenn´e x ∈ R 1 1 x . . . (a) 1 . . . .. . . . . 1 . . .
... .. . .. . .. . 1
... ..
.
..
. x
1 .. . .. = 0, . 1 1
a0 a1 a2 .. . x (b) ... a1 . . . .. .. . . a0 a1 . . .
...
..
. an−1
an .. . .. = 0. . an x
Cv. 19.44 Spoˇc´ıtejte determinanty
I n A= T a 1 + x1 y 1 . . . .. B= . 1 + xn y1 . . .
1 0 .. . 0 b = ... . . . c 0 ... a1 a2
1 + x1 yn .. , . 1 + xn y n
... .. . .. . 0 ...
C2n
0 .. . 0 1 an
b1 b2 .. , . bn c
a b .. . . . . a b . = b a . . . . . . b a
Cv. 19.45 Spoˇc´ıtejte determinanty 1 2 3 . . . n 2 3 n n 3 n n n , A= .. .. . . .. . n ... n 1 n n 2 C = . . .. .. n . . .
... .. . .. . n
n .. . , n n
1 2 B = 2 .. . 2
2 2 2 , .. . n 1 2 3 4 . . . n −1 0 3 4 n −1 −2 0 4 n D= . . .. . . .. .. .. . −1 −2 −3 . . . 0 2 2 ... 2 2 2 3 .. . 2 2 ...
Cv. 19.46 Dokaˇzte pro a 6= b a + b ab .. 1 . .. 0 . .. . .. . 0 ...
0 ... .. .. . . .. .. . . .. .. . . 0 1
an+1 − bn+1 . 0 = a−b ab a + b 0 .. .
Cviˇcen´ı z line´ arn´ı algebry
85
Cv. 19.47 Oznaˇcme
Dokaˇzte, ˇze
a1 1 . −1 . . D(a1 , . . . , an ) := 0 . . . .. .. . . 0 ... D(a1 , . . . , an ) = a1 + D(a2 , . . . , an )
0 . . . 0 . .. .. . . .. .. .. . . 0 . .. .. . . 1 0 −1 an 1
.
1
a2 + a3 +
1 ··· +
1 an
ˇ adkov´ R´ a linearita determinantu P Cv. 19.48 Ukaˇzte, ˇze det(A+B) = C∈D det(C), kde D je mnoˇzina vˇsech matic C takov´ ych, ˇze pro kaˇzd´e i je Ci∗ = Ai∗ nebo Ci∗ = Bi∗ . Cv. 19.49 Spoˇc´ıtejte determinanty 1+a1 a 1 + a1 1 . . . 1 a2 1 1+a2 1 a1 . . . 1 1 + a2 a2 A= . , B = .. . . . . .. .. .. .. .. . 1+an 1 a1 a2 1 ... an a1 b . . . a b . . . b . .. b a . . . .. . , D = b a2 C = . . . . . . . . b .. . . . . . . .. b ... b . . . b b a
... ... .. . ... b .. . . b an
, 1 + an an an .. .
Cv. 19.50 Bud’ A ∈ Rn×n hodnosti 1. Ukaˇzte, ˇze det(A + In ) = trace(A) + 1.
Cv. 19.51 (a) Bud’ a, b ∈ Rn . Spoˇc´ıtejte det(In − abT ).
(b) Bud’ a, b ∈ Rn a A ∈ Rn×n regul´ arn´ı. Spoˇc´ıtejte det(A − abT ). Cv. 19.52 Ukaˇzte, ˇze pro kaˇzdou matici A ∈ Rn×n existuje diagon´ aln´ı matice D s prvky ±1 na diagon´ ale a takov´a, ˇze A + D je regul´ arn´ı. (Hint: Matematick´a indukce a ˇra´dkov´a linearita.)
86
Adjungovan´ a matice
20
Adjungovan´ a matice
Uk´ azka 20.1 (Adjungovan´ a matice). Najdˇete adjungovanou matici k 1 2 3 A = 1 2 1 . 2 5 5 ˇ sen´ı: Podle definice adjungovan´e matice poˇc´ıt´ame postupnˇe Reˇ 1+2 2 3 adj(A)12 = (−1) 5 5 = 5, . . .
Nakonec dostaneme
adj(A) =
!
5 5 −4 −3 −1 2 . 1 −1 0
A jako d˚ usledek m´ ame rovnˇeˇz A−1
! 5 −4 1 5 1 −3 −1 2 . adj(A) = = det(A) 2 1 −1 0
Definice: adj(A)ij = (−1)i+j det(Aji ). Vˇeta: A adj(A) = det(A)In .
............................................
Cviˇ cen´ı
............................................
Cv. 20.1 Spoˇc´ıtejte adjungovanou matici k zadan´ ym 1 0 2 1 2 (a) A = , B = 1 2 0 , 3 4 0 1 1 a 1 1 1 a b (b) C = 0 a 1 , D = 0 1 c , 0 0 a 0 0 1 (c) zrcadlovˇe pˇreklopen´ a jednotkov´a matice,
(d) permutaˇcn´ı matice P definovan´ a: Pij = 1 pokud p(i) = j a nula jinak, kde p ∈ Sn je dan´ a permutace. Cv. 20.2 Vyj´adˇrete adj ac db . −1 . Cv. 20.3 Vyj´adˇrete ac db
Cv. 20.4 Spoˇc´ıtejte adj(In ).
Cv. 20.5 Spoˇc´ıtejte adj(diag (d1 , . . . , dn )). Cv. 20.6 Urˇcete det(adj(A)).
Cviˇcen´ı z line´ arn´ı algebry
87
Cv. 20.7 Bud’te A, B ∈ Rn×n regul´ arn´ı. Doplˇ nte rovnost: adj(AB) = . . . . Jak to bude pro A singul´arn´ı? adj(A) 0 . Cv. 20.8 Bud’te A, B ∈ Rn×n . Rozhodnˇete zda plat´ı adj A0 B0 = 0 adj(B) Cv. 20.9 Jak vypad´a adjungovan´ a matice k horn´ı troj´ uheln´ıkov´e?
Cv. 20.10 Bud’ A ∈ Rn×n antisymetrick´a, tj. A = −AT . Jak´a je adj(A)? Cv. 20.11 Rozhodnˇete zda plat´ı adj(A−1 ) = adj(A)−1 . Cv. 20.12 Bud’ A regul´ arn´ı a AB = BA. Ukaˇzte, ˇze adj(A)B = B adj(A). Cv. 20.13 Pro libovoln´e n najdˇete matici A ∈ Rn×n takovou, aby adj(A) mˇela jedin´ y nenulov´ y prvek na pozici i, j. Cv. 20.14 Najdˇete co nejv´ıce matic A ∈ Rn×n splˇ nuj´ıc´ıch A = adj(A). Cv. 20.15 Necht’ matice
m´ a determinant 1. Urˇcete A−1 .
a b 0 A = c 0 d . 0 e f
Cv. 20.16 Bude inverzn´ı matice k polynomi´aln´ı matici 1 x x2 A = 0 2 0 . 0 2x 3 zase polynomi´ aln´ı matice? A jak bude vypadat?
Cv. 20.17 Bud’ A ∈ Zn×n . Ukaˇzte, ˇze A m´ a celoˇc´ıselnou inverzi pr´ avˇe tehdy, kdyˇz jde upravit na jednotkovou matici pouze s vyuˇzit´ım element´arn´ı u ´pravy vyn´ asoben´ı ˇra´dku −1 a pˇriˇcten´ı ˇra´dku k jin´emu. Cv. 20.18 Bud’ a, b ∈ Zn . Dokaˇzte, ˇze (In − 2abT )−1 je celoˇc´ıseln´ a pr´ avˇe tehdy, kdyˇz aT b je nula nebo jedna. Cv. 20.19 Bud’ a, b ∈ Rn . Zjednoduˇste adj(In + abT ). (Hint: Cv. 19.51(a).) Cv. 20.20 Bud’ x, y ∈ Rn a A ∈ Rn×n regul´ arn´ı. Dokaˇzte A x det T = −y T adj(A)x. y 0 Cv. 20.21 Pomoc´ı Cramerova pravidla odvod’te vzorec pro inverzn´ı matici a porovnejte jej s adjungovanou matic´ı. Cv. 20.22 Pomoc´ı vˇety o adjungovan´e matici odvod’te Cramerovo pravidlo. Cv. 20.23 Uvaˇzujme determinant jako funkci Rn×n → R. Urˇcete parci´ aln´ı derivaci det(A) podle aij a sestavte matici parci´ aln´ıch derivac´ı.
88
Vlastn´ı ˇc´ısla
21
Vlastn´ı ˇ c´ısla
Uk´ azka 21.1 (Vlastn´ı ˇc´ısla a vlastn´ı vektory). Najdˇete vlastn´ı ˇc´ısla a vlastn´ı vektory matice 0 −1 A= . 1 0 ˇ sen´ı: Urˇc´ıme charakteristick´ Reˇ y polynom
−λ −1 pA (λ) = det(A − λIn ) = det 1 −λ
= λ2 + 1.
Koˇreny polynomu, a tedy vlastn´ımi ˇc´ısly matice A, jsou hodnoty λ1 = i, λ2 = −i. Vlastn´ı vektory, pˇr´ısluˇsej´ıc´ı vlastn´ımu vektoru λ1 , najdeme jako b´ azi j´adra matice −i −1 A − λ1 I = . 1 −i B´azi Ker(A − λ1 I) tvoˇr´ı napˇr. vektor x1 = (1, −i)T . Podobnˇe vlastn´ı vektory k λ2 jsou b´ azick´e vektory j´adra matice i −1 A − λ2 I = , 1 i
coˇz je napˇr´ıklad vektor x2 = (1, i)T .
Uk´ azka 21.2 (Souˇcet a souˇcin vlastn´ıch ˇc´ısel). Bez poˇc´ıt´an´ı vlastn´ıch ˇc´ısel, urˇcete, ˇcemu se rovn´a jejich souˇcet a jejich souˇcin, pro matici 0 −1 A= . 1 0
ˇ sen´ı: Souˇcet vlastn´ıch ˇc´ısel je roven souˇctu diagon´ Reˇ aln´ıch prvk˚ u matice A, tedy 0, Souˇcin vlastn´ıch ˇc´ısel je roven determinantu A, coˇz je 1. M˚ uˇzeme pak ovˇeˇrit v´ ypoˇctem vlastn´ıch ˇc´ısel λ1 = i, λ2 = −i (uk´azka 21.1). Uk´ azka 21.3 (Vlastn´ı ˇc´ısla a vlastn´ı vektory pˇri inverzi). Jak se zmˇen´ı vlastn´ı ˇc´ısla a vlastn´ı vektory regul´ arn´ı matice A ∈ Cn×n pokud ji invertujeme? ˇ sen´ı: Bud’ λ ∈ C libovoln´e vlastn´ı ˇc´ıslo a x ∈ Cn odpov´ıdaj´ıc´ı vlastn´ı vektor matice A. Pak plat´ı Reˇ Ax = λx. Pˇren´ asoben´ım A−1 dostaneme x = λA−1 x, a vydˇelen´ım λ 6= 0 pak m´ ame A−1 x = λ−1 x. Tud´ıˇz vlastn´ı ˇc´ısla budou pˇrevr´ acen´e hodnoty tˇech p˚ uvodn´ıch a vlastn´ı vektory z˚ ustanou stejn´e.
............................................
Cviˇ cen´ı
............................................
Vlastn´ı ˇ c´ısla, vlastn´ı vektory
Vlastn´ı ˇc´ıslo a vektor: Ax = λx, x 6= o.
Cv. 21.1 Spoˇc´ıtejte vlastn´ı ˇc´ısla a odpov´ıdaj´ıc´ı vlastn´ı vektory n´ asleduj´ıc´ıch matic: −8 −6 0 1 0 0 1 2 . E= , C = In , D = , B= A= 12 10 −2 2 0 0 0 1
Cviˇcen´ı z line´ arn´ı algebry
Cv. 21.2 Spoˇc´ıtejte vlastn´ı ˇc´ısla 5 A = 6 4
89
a odpov´ıdaj´ıc´ı vlastn´ı vektory n´ asleduj´ıc´ıch matic: −3 2 −3 5 −2 0 1 1 −4 4 , B = 5 −3 2 , C = 1 0 1 . −4 5 −2 2 −1 1 1 0
Cv. 21.3 Bud’ λ vlastn´ı ˇc´ıslo a x odpov´ıdaj´ıc´ı vlastn´ı vektor matice 0 1 0 ... 0 1 . . . . . . . . . ... . . . . . . A = 0 . . . . 0 .. . . . . .. . . . . 1 0 ... 0 1 0
Ukaˇzte, ˇze pokud vektoru v zmˇen´ıme na sud´ ych pozic´ıch znam´enka, poˇra´d z˚ ustane vlastn´ım vektorem. Jak´emu vlastn´ımu ˇc´ıslu bude pˇr´ısluˇset?
Cv. 21.4 Spoˇc´ıtejte spektr´aln´ı polomˇer matic A, B, A + B, je-li 1−a 1 1+a 1 A= , B= . a(1 − a) − 1 a −a(1 + a) − 1 −a Co tento pˇr´ıklad ilustruje? Cv. 21.5 A m´ a vlastn´ı ˇc´ıslo λ a vlastn´ı vektor x. Jak´a vlastn´ı ˇc´ısla a vektory maj´ı matice: (a) αA, (b) A2 , (c) AT , (d) A + αIn . Cv. 21.6 Najdˇete nejmenˇs´ı ˇc´ıslo α ∈ R tak, ˇze A + βIn je regul´ arn´ı pro vˇsechna β > α. Cv. 21.7 Bud’ A ∈ Rn×n singul´arn´ı. Dokaˇzte, ˇze existuje posloupnost regul´ arn´ıch matic Ai , i = 1, . . . , konverguj´ıc´ı po sloˇzk´ach k A. Cv. 21.8 Ukaˇzte, ˇze jeden vlastn´ı vektor matice A ∈ Rm×n nem˚ uˇze pˇr´ısluˇset r˚ uzn´ ym vlastn´ım ˇc´ısl˚ um. Cv. 21.9 Zn´ ame-li vlastn´ı ˇc´ısla a vektory matic A ∈ Rn×n , B ∈ Rm×m , jak je spoˇc´ıtat pro M = A0 B0 ?
Cv. 21.10 Jak´a vlastn´ı ˇc´ısla m´ a ortogon´ aln´ı matice Q ∈ Rn×n ?
Cv. 21.11 Najdˇete vlastn´ı ˇc´ısla a vlastn´ı vektory permutaˇcn´ı matice 0 1 0 ... 0 .. . . .. 0 . .. . .. A = ... . . . . . . . . . 0 . .. . .. 0 . .. . 1 1 0 ... 0 0 Cv. 21.12 Pro jak´ a n ∈ N m´ a rotace n-dimenzion´aln´ı sf´ery kolem poˇc´atku pevn´ y bod (bod, kter´ y se zobraz´ı na sebe)? Cv. 21.13 Bud’ P ∈ Rn×n projekˇcn´ı matice. Jak´a m´ a vlastn´ı ˇc´ısla a vlastn´ı vektory?
90
Vlastn´ı ˇc´ısla
Cv. 21.14 (a) Bud’ c, d ∈ Rn . Jak´ a vlastn´ı ˇc´ısla a vektory m´ a matice cdT ?
(b) Bud’te h1 , . . . , hn ∈ R\{0}. Urˇcete vlastn´ı ˇc´ısla a vektory matice A ∈ Rn×n s prvky aij = hi /hj . Cv. 21.15 Bud’te a, b ∈ Z. Najdˇete vlastn´ı ˇc´ısla a vlastn´ı vektory matice ab ab . Kdy budou vlastn´ı ˇc´ısla celoˇc´ıseln´ a? Cv. 21.16 Bud’te a, b, c, d ∈ R tak, ˇze a + b = c + d. Najdˇete vlastn´ı ˇc´ısla matice ac db . Cv. 21.17 Kdy jsou vlastn´ı ˇc´ısla matice 0b a0 re´ aln´ a? Cv. 21.18 Najdˇete nenulovou (vˇsude nenulovou) matici jeˇz m´ a vˇsechna vlastn´ı ˇc´ısla nulov´a. Cv. 21.19 Najdˇete matici ˇra´du 3 s jedin´ ym vlastn´ım vektorem. Cv. 21.20 Bud’ b vlastn´ı vektor regul´ arn´ı matice A ∈ Rn×n . Vyˇreˇste soustavu Ax = b. Cv. 21.21 Necht’ Ak = 0. Co lze ˇr´ıci o vlastn´ıch ˇc´ıslech matice A? Cv. 21.22 Bud’te A, B ∈ Rn×n . Dokaˇzte, ˇze AB a BA maj´ı stejn´a vlastn´ı ˇc´ısla. Cv. 21.23 Dokaˇzte: Je-li λ ∈ C vlastn´ı ˇc´ıslo re´ aln´e matice A, pak i λ je jej´ım vlastn´ım ˇc´ıslem. Jak to bude s vlastn´ımi vektory? Cv. 21.24 Bud’te λ, µ r˚ uzn´ a vlastn´ı ˇc´ısla matice A ∈ Rn×n . Necht’ x je vlastn´ı vektor A pˇr´ısluˇsn´ y λ, a necht’ T y je vlastn´ı vektor A pˇr´ısluˇsn´ y µ. Ukaˇzte, ˇze x ⊥ y. Cv. 21.25 Bud’ A ∈ Rn×n takov´a, ˇze aii = 1 pro vˇsechna i. Dokaˇzte ρ(A) ≥ 1.
Charakteristick´ y polynom
Charakteristick´ y polynom: pA (λ) = det(A − λIn ).
Cv. 21.26 Rozhodnˇete o platnosti: A, B ∈ Rn×n maj´ı stejn´e charakteristick´e polynomy ⇒ A, B maj´ı stejn´ a vlastn´ı ˇc´ısla. Co naopak: A, B ∈ Rn×n maj´ı stejn´e charakteristick´e polynomy ⇐ A, B maj´ı stejn´a vlastn´ı ˇc´ısla. Cv. 21.27 Bud’ pA (λ) = (−1)n λn + an−1 λn−1 + . . . + a1 λ + a0 . Vyj´adˇrete hodnotu an−1 , a0 . Cv. 21.28 Matice
10 4 A= 16 30
M´a vlastn´ı ˇc´ısla 3, −4, 5. Dopoˇc´ıtejte zbyl´e.
0 7 −7 5 2 −2 4 15 −8 4 26 −19
Cv. 21.29 Najdˇete a, b ∈ R tak, aby 1, 2, 3 byla vlastn´ı ˇc´ısla matice
2 −1 1 A = −1 2 a . 1 −1 b
Cviˇcen´ı z line´ arn´ı algebry
91
Cv. 21.30 Najdˇete a ∈ R tak, aby 2 bylo jedno z vlastn´ıch ˇc´ısel matice −1 4 −2 A = −4 8 −3 . −4 a −1 Cv. 21.31 Bud’ A ∈ Rn×n . Dokaˇzte, ˇze pA−1 (λ) = pA (0)−1 (−λ)n pA (λ−1 ). Cv. 21.32 Bud’ A ∈ Rn×n ortogon´ aln´ı. Dokaˇzte, ˇze pA (λ) = ±λn pA (λ−1 ). (Hint: Pro z ∈ C s vlastnost´ı |z| = 1 je z = 1/z.) ∗ Cv.
21.33 Dokaˇzte, ˇze vlastn´ı ˇc´ısla jsou spojit´e funkce vzhledem k prvk˚ um matice. Pˇresnˇe ˇreˇceno, bud’ d´ ana matice A ∈ Rn×n a λ jej´ı vlastn´ı ˇc´ıslo. Pak pro kaˇzd´e ε > 0 existuje δ > 0 tak, ˇze kaˇzd´ a matice n×n B∈R splˇ nuj´ıc´ı |aij − bij | < δ m´ a nˇejak´e vlastn´ı ˇc´ıslo µ splˇ nuj´ıc´ı |µ − λ| < ε.
Cv. 21.34 Bud’ A ∈ Rn×n a x ∈ Rn . Necht’ matice S := (x | Ax | A2 x | . . . | An−1 x) je regul´ arn´ı. Ukaˇzte, ˇze −1 −1 X AX je matice spoleˇcnice charakteristick´eho polynomu matice A, tj. X AX = C(pA ).
Cayleyho–Hamiltonova vˇ eta Cv. 21.35 Bud’ A = ( 13 24 ). (a) Ovˇeˇrte Cayleyho–Hamiltonovu vˇetu, (b) Vyj´adˇrete A−1 jako line´ arn´ı kombinaci I2 a A. (c) Vyj´adˇrete A4 jako line´ arn´ı kombinaci I2 a A.
Invariantn´ı podprostory Cv. 21.36 Najdˇete nˇekter´e obecn´e invariantn´ı podprostory matice A ∈ Rm×n . Cv. 21.37 Bud’
4 4 4 A = −2 −2 −5 , 1 2 5
x = (2, −1, 0)T ,
y = (−1, 2, −1)T .
Ukaˇzte, ˇze V = span{x, y} je invariantn´ı podprostor, tj. Ax ∈ V pro vˇsechna x ∈ V . 0 1 . Cv. 21.38 Najdˇete vˇsechny invariantn´ı podprostory pro A = −2 3
Cv. 21.39 Bud’ B = {u1 , . . . , ur , v1 , . . . , vs } b´ aze re´ aln´eho prostoru V , bud’ f : V → V line´ arn´ı zobrazen´ı r×r s×s A 0 s matic´ı B [f ]B = 0 B , kde A ∈ R , B ∈ R . Ukaˇzte, ˇze span{u1 , . . . , ur } a span{v1 , . . . , vs } jsou invariantn´ı podprostory V . Cv. 21.40 Bud’ U ⊆ Rn invariantn´ı podprostor ortogon´ aln´ı matice Q ∈ Rn×n . Ukaˇzte, ˇze U ⊥ je tak´e invariantn´ı podprostor. Cv. 21.41 Dokaˇzte, ˇze kaˇzd´ a matice A ∈ Rn×n m´ a invariantn´ı podprostor dimenze 1 nebo 2. (Hint: Cv. 21.23)
Vlastn´ı ˇ c´ısla line´ arn´ıch zobrazen´ı Cv. 21.42 Najdˇete vlastn´ı ˇc´ısla a vektory line´ arn´ıho zobrazen´ı: (a) f : P 2 → R definovan´eho f (a + bx + cx2 ) = (7a + 2b + 3c) + (7b)x + (2b + c)x2 . 2a+5b . (b) f : R2×2 → R definovan´eho f ac db = a+2c c+2d 3d
Cv. 21.43 Najdˇete vlastn´ı ˇc´ısla a vlastn´ı vektory zobrazen´ı A 7→ 12 (A + AT ) na prostoru matic Rn×n .
92
Vlastn´ı ˇc´ısla
Cv. 21.44 Na prostoru re´ aln´ ych posloupnost´ı R∞ uvaˇzujme line´ arn´ı zobrazen´ı x1 , x2 , x3 , x4 , . . . 7→ 0, x1 , x2 , x3 , . . . Najdˇete vlastn´ı ˇc´ısla a vlastn´ı vektory. Co jin´eho n´ am ˇreˇsen´ı ukazuje? Cv. 21.45 Na prostoru re´ aln´ ych posloupnost´ı R∞ uvaˇzujme line´ arn´ı zobrazen´ı x1 , x2 , x3 , x4 , . . . 7→ x2 , x1 , x4 , x3 , . . . Najdˇete vlastn´ı ˇc´ısla a vlastn´ı vektory. Cv. 21.46 Na prostoru konvergentn´ıch re´ aln´ ych posloupnost´ı uvaˇzujme line´ arn´ı zobrazen´ı {xi }∞ i=1 7→ {xi − ∞ limn→∞ xn }i=1 . Najdˇete vlastn´ı ˇc´ısla a vlastn´ı vektory. Cv. 21.47 Bud’ f : V → V line´ arn´ı zobrazen´ı a bud’ A = Ukaˇzte, ˇze
B [f ]B
matice f vzhledem k b´ azi B = {w1 , . . . , wn }.
(a) vlastn´ı ˇc´ısla zobrazen´ı f a matice A jsou stejn´a, (b) vektor v ∈ V je vlastn´ım vektorem f pr´ avˇe tehdy, kdyˇz [v]B je vlastn´ım vektorem A.
Cviˇcen´ı z line´ arn´ı algebry
22
93
Podobnost, diagonalizovatelnost, Jordanova norm´ aln´ı forma
Uk´ azka 22.1 (Diagonalizace). Diagonalizujte matici 3 1 A= . 1 3 ˇ sen´ı: Nejprve spoˇc´ıt´ Reˇ ame vlastn´ı ˇc´ısla a vlastn´ı vektory A. Vlastn´ı ˇc´ısla jsou 4 a 2 a pˇr´ısluˇsn´e vlastn´ı vektory (1, 1)T a (−1, 1)T . Necht’ matice S m´ a ve sloupc´ıch tyto vlastn´ı vektory (v uveden´em poˇrad´ı!). Pak A = S ( 40 02 ) S −1 . Uk´ azka 22.2 (Nediagonalizace). Dokaˇzte, ˇze matice 0 1 A= . 0 0 nen´ı diagonalizovateln´ a. ˇ Reˇsen´ı: Matice A m´ a obˇe vlastn´ı ˇc´ısla nulov´a. Pokud by byla diagonalizovateln´ a, tak by byla podobn´a nulov´e matici: A = S0S −1 = 0, coˇz je spor. Uk´ azka 22.3 (Jordanova norm´aln´ı forma). Urˇcete Jordanovu norm´aln´ı formu matice 5 −2 2 −2 0 0 6 −1 3 2 A= 2 2 7 −2 −2 2 3 1 2 −4 −2 −2 −2 6 11
ˇ sen´ı: Matice m´ Reˇ a vlastn´ı ˇc´ıslo 5 n´ asobnosti 2, a 7 n´ asobnosti 3. D´ale rank(A − 5I5 ) = 3, tedy k vlastn´ımu ˇc´ıslu 5 existuj´ı dva vlastn´ı vektory. Proto 5 bude ve dvou Jordanov´ ych buˇ nk´ach, kter´e nutnˇe mus´ı m´ıt velikost 1 (souˇcet velikost´ı d´ a n´ asobnost ˇc´ısla 5). Analogicky, rank(A − 7I5 ) = 3, tedy i k ˇc´ıslu 7 existuj´ı dva vlastn´ı vektory a tak 7 bude t´eˇz ve dvou Jordanov´ ych buˇ nk´ach. Jedin´a moˇznost je, ˇze jedna buˇ nka bude m´ıt velikost 1 a druh´a velikost 2. V´ ysledn´ y Jordan˚ uv norm´aln´ı tvar je: 5 0 0 0 0 0 5 0 0 0 0 0 7 0 0. 0 0 0 7 1 0 0 0 0 7 ............................................
Cviˇ cen´ı
............................................
Podobnost A ∼ B pokud ∃S : A = SBS −1 . Cv. 22.1 Vyˇsetˇrete vlastnosti podobnosti jakoˇzto relace. Cv. 22.2 Najdˇete vˇsechny matice podobn´e matici In .
94
Podobnost, diagonalizovatelnost, Jordanova norm´ aln´ı forma
Cv. 22.3 Rozhodnˇete zda matice jsou si podobn´e 1 0 0 A = 0 1 0 , 1 1 1
−1 0 1 B = 1 0 0 . −1 0 2
Cv. 22.4 V´ıme, ˇze podobn´e matice maj´ı stejn´a vlastn´ı ˇc´ısla. Plat´ı to i naopak? Pˇr´ıpadnˇe, za jak´ ych pˇredpoklad˚ u? Cv. 22.5 Jak se mˇen´ı vlastn´ı vektory podobn´ ych matic? Cv. 22.6 Rozhodnˇete o platnosti: A ∼ B ⇒ A2 ∼ B 2 . Co naopak: A ∼ B ⇐ A2 ∼ B 2 ?
Cv. 22.7 Bud’ p(x) polynom a A ∼ B. Rozhodnˇete, zda p(A) ∼ p(B). Cv. 22.8 Bud’ A ∈ Rn×n , B ∈ Rm×m . Dokaˇzte, ˇze A0 B0 je podobn´a Cv. 22.9 Najdˇete vˇsechny matice podobn´e jen sam´ ym sobˇe.
B 0 0 A
.
Cv. 22.10 Dokaˇzte, ˇze idempotentn´ı matice stejn´eho rozmˇeru a hodnosti jsou si podobn´e. (Hint: Cv. 14.27.) Cv. 22.11 Jak se na matici A ∈ Rn×n projev´ı podobnostn´ı transformace SAS −1 , kde S je matice element´arn´ı ˇra´dkov´e u ´pravy? Cv. 22.12 Ukaˇzte, ˇze neexistuj´ı line´ arn´ı zobrazen´ı f, g : V → V takov´e, aby g ◦ f − f ◦ g = id. Cv. 22.13 Ukaˇzte, ˇze jsou-li A, B ∈ Rn×n podobn´e skrze komplexn´ı matici P + iQ, P, Q ∈ Rn×n , pak jsou podobn´e skrze re´ alnou matici (Hint: Nahl´ednˇete, ˇze je-li P + iQ regul´ arn´ı, pak P + λQ je regul´ arn´ı pro nˇejak´e λ ∈ R). Cv. 22.14 Ukaˇzte, ˇze algebraick´a n´ asobnost vlastn´ıho ˇc´ısla je vˇzdy vˇetˇs´ı nebo rovna geometrick´e n´ asobnosti. (Hint: Doplˇ nte vlastn´ı vektory do matice a uvˇedomte si, proˇc je u ´loha v t´eto sekci.) Cv. 22.15 Bud’te A, B ∈ Rn×n podobn´e. Ukaˇzte, ˇze maticov´a soustava AX −XB = 0 m´ a ˇreˇsen´ı X ∈ Rn×n . Cv. 22.16 Matice C ∈ Rn×n se naz´ yv´ a komut´ ator pokud se d´ a vyj´adˇrit ve tvaru C = AB − BA pro vhodn´e matice A, B ∈ Rn×n . (a) Ukaˇzte, ˇze stopa komut´ atoru je 0. (Hint: Cv. 3.27.) (b) Ukaˇzte, ˇze komut´ atory jsou uzavˇren´e na podobnost.
Diagonalizovatelnost Cv. 22.17 Najdˇete pˇr´ıklad nediagonalizovateln´e matice ˇra´du 2, a to jednak a by byla singul´arn´ı a jednak aby byla regul´ arn´ı. Cv. 22.18 Diagonalizujete (nebo ukaˇzte, ˇze to nen´ı moˇzn´e) matice z Cv. 21.1 a Cv. 21.2. 2 2 Cv. 22.19 Rozhodnˇete, zda je matice A = −2 a. −2 diagonalizovateln´ Cv. 22.20 Diskutujte jednoznaˇcnost diagonalizace.
Cv. 22.21 Necht’ A = SΛS −1 je diagonalizaˇcn´ı rozklad matice A. Urˇcete vlastn´ı vektory AT . Cv. 22.22 Bud’ A ∈ Rn×n diagonalizovateln´ a a λ jej´ı libovoln´e vlastn´ı ˇc´ıslo. Ukaˇzte, ˇze existuj´ı x, y ∈ Rn tak, ˇze Ax = λx, AT y = λy, xT y = 1. Jak je to pro nediagonalizovateln´e matice?
Cviˇcen´ı z line´ arn´ı algebry
95
Cv. 22.23 Jsou diagonalizovateln´e matice uzavˇren´e na: (a) n´ asobky? (b) souˇcty? (c) souˇciny? Cv. 22.24 Bud’ A ∈ Rn×n diagonalizovateln´ a. Ukaˇzte, ˇze A ∼ AT . m×m , B ∈ Rn×n . Plat´ ’ Cv. 22.25 Bud ı, ˇze A, B jsou obˇe diagonalizovateln´e pr´ avˇe tehdy, kdyˇz te A ∈ R A 0 je diagonalizovateln´ a ? 0 B
Cv. 22.26 Bud’ c, d ∈ Rn . Kdy je matice cdT diagonalizovateln´ a?
Cv. 22.27 Dokaˇzte pˇr´ımo Cayleyho–Hamiltonovu vˇetu pro diagonalizovateln´e matice. Cv. 22.28 Najdˇete vˇsechny diagonalizovateln´e matice A ∈ R2×2 splˇ nuj´ıc´ı A2 + 4A + 4I2 = 0. nˇejak´e nediagonalizovateln´e? Cv. 22.29 Odvod’te pˇredpis pro Cv. 22.30 Urˇcete limn→∞
−3 1 k . −4 2
7/5 1/5 −1 1/2
n
, limn→∞
1/2 1/2 1/4 3/4
n
Najdete i
.
Cv. 22.31 Spoˇc´ıtejte vlastn´ı ˇc´ısla matice (Hint: Cv. 21.9)
2 3 0 2 0 0 0 0 0 0 3 −2 1 4 0 . 0 −1 0 1 0 −3 2 1 2 −3 Cv. 22.32 Diagonalizovatelnost koso-diagon´aln´ı matice. (a) Zjistˇete, kdy je diagonalizovateln´ a matice
0 c2 c1 0
(b) Zjistˇete, kdy je diagonalizovateln´ a matice
0 ... .. . ... 0 c2 c1 0
.
0 . .. . .. ...
cn
0 .. . .
0
Cv. 22.33 (a) Urˇcete vlastn´ı ˇc´ısla matice otoˇcen´ı G(ϕ) =
cos ϕ − sin ϕ . sin ϕ cos ϕ
(b) Bud’ A ∈ R2×2 matice s komplexn´ımi vlastn´ımi ˇc´ısly λ ± µi. Ukaˇzte, ˇze je podobn´a kladn´emu n´ asobku matice G(ϕ). (c) Ukaˇzte, ˇze kaˇzd´ a diagonalizovateln´ a matice A ∈ Rn×n je podobn´a blokovˇe diagon´ aln´ı matici, jej´ıˇz bloky jsou velikosti 1 nebo 2, a kaˇzd´ y blok velikosti 2 je tvaru kladn´eho n´ asobku G(ϕ) pro nˇejak´e ϕ.
96
Podobnost, diagonalizovatelnost, Jordanova norm´ aln´ı forma
Jordanova norm´ aln´ı forma Cv. 22.34 Najdˇete matici ˇra´du 3 s jedin´ ym vlastn´ım vektorem. Najdˇete takovou matici, aby t´ım jedin´ ym vlastn´ım vektorem byl v = (1, 1, 1)T . Cv. 22.35 V kolika Jordanov´ ych buˇ nk´ach matice A ∈ R16×16 je vlastn´ı ˇc´ıslo 8 pokud v´ıme rank(A−8I16 ) = 9? Cv. 22.36 Najdˇete Jordanovu norm´aln´ı formu matic 1 1 1 1 0 1 A = 0 1 1 , B = 0 1 1 , 0 0 2 0 0 2 1 −1 3 0 0 −3 5 0 0 , E = 0 D= .. 2 −2 3 −1 . 3 4 1 1 0 Cv. 22.37 Najdˇete Jordanovu norm´aln´ı formu matice 6 −3 A= 2 −3 M˚ uˇzete vyuˇz´ıt toho, ˇze pA (λ) = (λ2 − 1)2 .
2 2 −1 C = −1 −1 1 , −1 −2 2 ... ... 1 .. .. . . . . .. .. . . .. ... 0 1
4 4 7 3 4 −3 . −4 −5 2 0 0 −4
Cv. 22.38 Kolik je tˇr´ıd ekvivalence podobnosti pro: (a) matice ˇra´du 4 s vlastn´ımi ˇc´ısly 7, (b) matice ˇra´du 3 s vlastn´ımi ˇc´ısly 5 a 7. (c) matice ˇra´du 4 s vlastn´ımi ˇc´ısly 5 a 7. Cv. 22.39 Bud’ A ∈ R3×3 matice s jedin´ ym vlastn´ım vektorem. Existuje A−1 ? Cv. 22.40 Bud’ A ∈ Rn×n hodnosti k. Jak´ a je n´ asobnost vlastn´ıho ˇc´ısla 0? Cv. 22.41 O kolik ˇci kolikr´at se maxim´ alnˇe zmenˇs´ı hodnost matice A ∈ Rn×n kdyˇz ji umocn´ıme A2 ? Jinak: v´ıme rank(A2 ) ≤ rank(A). Dokaˇzte rank(A2 ) ≥ rank(A) − n2 .
Cv. 22.42 Rozhodnˇete, zda plat´ı pro A, B ∈ Rn×n : (a) rank(Ak ) = rank(Ak+1 ) implikuje rank(Ak ) = rank(Ak+2 ), (b) rank(B) = rank(BA) implikuje rank(B) = rank(BA2 ). Cv. 22.43 Ukaˇzte, ˇze n´ asleduj´ıc´ı tvrzen´ı jsou ekvivalentn´ı pro A ∈ Rn×n : (a) A je nilpotentn´ı, tj. Ak = 0 pro nˇejak´e k, (b) An = 0, (c) ρ(A) = 0, tj. vˇsechna vlastn´ı ˇc´ısla jsou nulov´a, (d) pA (λ) = (−1)n λn . (e) trace(Ak ) = 0 pro vˇsechna k = 1, . . . , n. Cv. 22.44 Bud’ A, B ∈ Rn×n a necht’ A + λB je nilpotentn´ı pro n + 1 r˚ uzn´ ych hodnot λ ∈ R. Ukaˇzte, ˇze A, B jsou nilpotentn´ı.
Cviˇcen´ı z line´ arn´ı algebry
97
Cv. 22.45 Pro λ 6= 0 odvod’te Jn (λ)−1 . Zkuste vyuˇz´ıt Cv. 3.28(e), a toho, ˇze Jn (0) je nilpotentn´ı. Cv. 22.46 Ukaˇzte, ˇze kaˇzd´ a matice A ∈ Rn×n se d´ a vyj´adˇrit jako souˇcet diagonalizovateln´e a nilpotentn´ı matice. Cv. 22.47 Dokaˇzte Cayleyho–Hamiltonovu vˇetu za pouˇzit´ı Jordanovy norm´aln´ı formy. Cv. 22.48 Ukaˇzte vztah vlastn´ıch ˇc´ısel a stopy matice za pouˇzit´ı Jordanovy norm´aln´ı formy. Cv. 22.49 Najdˇete vˇsechny matice X ∈ Rn×n splˇ nuj´ıc´ı danou rovnost. (a) X 2 = In , (b) X 2 − 4X + 4In = 0, Cv. 22.50 Umocˇ nov´an´ı Jordanovy buˇ nky. (a) Spoˇc´ıtejte Jn (0)k pro k = 0, 1, . . . P (b) Ukaˇzte, ˇze Jn (λ)k = ki=0 ki λi B k−i , kde B := λIn − Jn (λ).
∗ (c)
Ukaˇzte, ˇze Jn (λ)k → 0 pro k → ∞ pr´ avˇe tehdy, kdyˇz |λ| < 1. (Hint: B je nilpotentn´ı.)
Cv. 22.51 Dokaˇzte, ˇze (a) kaˇzd´ a matice A ∈ Rn×n se d´ a vyj´adˇrit jako souˇcin dvou symetrick´ ych matic.
(b) kaˇzd´ a antisymetrick´a matice A ∈ Rn×n (tj., AT = −A) se d´ a vyj´adˇrit jako A = ST − T S, kde S, T jsou symetrick´e matice. Cv. 22.52 Najdˇete Jordanovu norm´aln´ı formu matice Jn (λ)T . Plat´ı, ˇze kaˇzd´ a matice je podobn´a svoj´ı transpozici? Cv. 22.53 Ukaˇzte, ˇze hodnost matice A ∈ Rn×n je vˇetˇs´ı nebo rovna poˇctu nenulov´ ych vlastn´ıch ˇc´ısel. Najdˇete pˇr´ıklad, kdy je vˇetˇs´ı. Cv. 22.54 Bud’ A ∈ Rn×n . Ukaˇzte, ˇze rank(A) = rank(A2 ) pr´ avˇe tehdy, kdyˇz geometrick´a a algebraick´a n´ asobnost 0 jako vlastn´ıho ˇc´ısla je stejn´a. Cv. 22.55 Bud’ A = Jn (λ). Ukaˇzte, ˇze existuje vektor z ∈ Rn takov´ y, ˇze z, Az, A2 z, . . . , An−1 z tvoˇr´ı n b´ azi R . Cv. 22.56 Ukaˇzte, ˇze idempotentn´ı matice (tj. A2 = A) jsou diagonalizovateln´e. Jak je to s maticemi splˇ nuj´ıc´ımi Ak = A pro k > 2? Cv. 22.57 Bud’te λ1 , . . . , λn vlastn´ı ˇc´ısla A ∈ Rn×n . Urˇcete vlastn´ı ˇc´ısla adj(A).
98
Vlastn´ı ˇc´ısla symetrick´ ych a nez´ aporn´ ych matic
23
Vlastn´ı ˇ c´ısla symetrick´ ych a nez´ aporn´ ych matic
Uk´ azka 23.1 (Spektr´aln´ı rozklad). Najdˇete spektr´aln´ı rozklad matice 3 1 A= . 1 3 ˇ sen´ı: Nejprve spoˇc´ıt´ Reˇ ame vlastn´ı ˇc´ısla a vlastn´ı vektory A. Vlastn´ı ˇc´ısla jsou 4 a 2 a pˇr´ısluˇsn´e vlastn´ı T T vektory (1, 1) a (−1, 1) . Nyn´ı mus´ıme vlastn´ı vektory zortonormalizovat. Protoˇze odpov´ıdaj´ ı r˚ uzn´ ym √ √ 2 2 T vlastn´ ım ˇc´ısl˚ um, jsou na sebe kolm´e, proto je staˇc´ı jen znormovat na jednotkovou velikost ( 2 , 2 ) a √ √
(−
2 2 T 2 , 2 )
a d´ at je do sloupc˚ u matice Q v tomto poˇrad´ı. Spektr´aln´ı rozklad pak je √ √ ! √ ! √2 2 2 2 − 4 0 2√ √2 √2 A = QΛQT = √2 . 2 2 2 2 0 2 − 2 2 2 2
Uk´ azka 23.2 (Markovovy ˇretˇezce). Migrace obyvatel USA mˇesto–pˇredmˇest´ı–venkov prob´ıh´ a podle empiricky zjiˇstˇen´eho pravidla: z mˇesta: z pˇredmˇest´ı: z venkova:
96% z˚ ustane, 3% do pˇredmˇest´ı, 1% na venkov 1% do mˇesta, 98% z˚ ustane, 1% na venkov 1.5% do mˇesta, 0.5% do pˇredmˇest´ı, 98% z˚ ustane
Poˇc´ateˇcn´ı stav je: 58 mil. obyvatel ve mˇestˇe, 142 mil. na bude situace vyv´ıjet v ˇcase a zda se ˇcasem ust´ al´ı. ˇ Reˇsen´ı: Sestavme matici 0.96 0.01 := A 0.03 0.98 0.01 0.01
pˇredmˇest´ı, a 60 mil. na venkovˇe. Urˇcete jak se 0.015 0.005. 0.98
Je-li x0 = (58, 142, 60)T poˇc´ ateˇcn´ı rozloˇzen´ı obyvatelstva, pak v´ yvoj v ˇcase prob´ıh´ a takto: Ax0 , A2 x0 , 3 ∞ A x0 , . . . ,A x0 . Abychom rozhodli o pˇr´ıpadn´em ust´ alen´ı, spoˇc´ıtejme diagonalizaˇcn´ı rozklad 1 0 0 0 Q−1 . A = Q 0 0.95 0 0 0.97 Nyn´ı spoˇc´ıt´ame
A∞
1 0 0 0.23 0.23 0.23 0.43 0.43 0.43 . = Q 0 0 0 Q−1 = Q∗1 Q−1 1∗ = 0 0 0 0.33 0.33 0.33
Protoˇze vˇsechny sloupce A∞ jsou stejn´e, v´ ysledn´e rozloˇzen´ı nez´ avis´ı v˚ ubec na poˇc´ateˇcn´ım rozloˇzen´ı obyvatelstva (jen na jejich poˇctu) a bude: 23% ve mˇestˇe, 43% na pˇredmˇest´ı, a 33% na venkovˇe. V ˇradˇe pˇr´ıpad˚ u jde v´ ypoˇcet zjednoduˇsit. Zab´ yvejme se ted’ situac´ı, kdy 1 je jednoznaˇcn´e dominantn´ı vlastn´ı ˇc´ıslo A. Vlastn´ım ˇc´ıslem je urˇcitˇe, nebot’ AT e = e, kde e = (1, . . . , 1)T . Dominantn´ı je tak´e, to vyplyne pozdˇeji z Gerschgorinov´ ych disk˚ u. Jednoznaˇcnost nastane d´ıky Perronovˇe vˇetˇe kdyˇz A > 0. V tomto pˇr´ıpadˇe podle odvozen´ı nahoˇre m´ ame A∞ = Q∗1 Q−1 ı vektor A k ˇc´ıslu 1, a 1∗ , kde Q∗1 je vlastn´ −1 T k ˇ ∞ budou stejn´ Q−1 je vlastn´ ı vektor A c ´ ıslu 1. V´ ıme jiˇ z , ˇ z e Q = e, tedy opˇ e t sloupce A e a v´ ysledn´e 1∗ 1∗ rozloˇzen´ı odpov´ıd´ a sloˇzk´am vlastn´ıho vektoru Q∗1 (ty jsou kladn´e, opˇet podle Perronovy vˇety). Takˇze v pˇr´ıpadˇe A > 0 staˇc´ı jen spoˇc´ıtat kladn´ y vektor z Ker(A − In ), coˇz odpov´ıd´ a intuici, ˇze ust´ alen´e rozloˇzen´ı representovan´e vektorem v m´ a splˇ novat Av = v. Nicm´enˇe, uveden´ y rozbor analyzuje kdy a za jak´ ych podm´ınek rovnov´aˇzn´ a situace nast´ av´a.
............................................
Cviˇ cen´ı
............................................
Cviˇcen´ı z line´ arn´ı algebry
99
Symetrick´ e matice Cv. 23.1 Ukaˇzte, ˇze rozklad A = QΛQT , kde Λ je diagon´ aln´ı a Q ortogon´ aln´ı, existuje pouze pro symetrick´e matice. Cv. 23.2 Najdˇete symetrickou komplexn´ı matici s ryze komplexn´ımi vlastn´ımi ˇc´ısly. Cv. 23.3 Dokaˇzte, ˇze pro libovolnou matici A ∈ Rm×n m´ a matice AT A vˇsechna vlastn´ı ˇc´ısla nez´ aporn´ a. Kdy budou kladn´ a? A plat´ı vˇeta i naopak? Cv. 23.4 (a) Dokaˇzte z definice, ˇze vlastn´ı vektory pro r˚ uzn´ a vlastn´ı ˇc´ısla symetrick´e matice jsou na sebe kolm´e. (b) S pomoc´ı pˇredchoz´ıho bodu dokaˇzte vˇetu o spektr´aln´ım rozkladu pˇr´ımo pro symetrick´e matice s r˚ uzn´ ymi vlastn´ımi ˇc´ısly. Cv. 23.5 Bud’ v vlastn´ı vektor symetrick´e matice A ∈ Rn×n . Dokaˇzte: w ∈ {v}⊥ ⇒ Aw ∈ {v}⊥ . Pozn´ amka: Pomoc´ı t´eto vlastnosti se d´ a tak´e dok´azat vˇeta o spektr´aln´ım rozkladu. Zaˇcne se s jedn´ım vlastn´ım vektorem v a pak se pouˇzije indukce na podprostor {v}⊥ . Cv. 23.6 Dokaˇzte z definice, ˇze vlastn´ı ˇc´ısla re´ aln´e symetrick´e matice ˇra´du 2 jsou re´ aln´ a. 1 1 1 Cv. 23.7 Najdˇete tˇri ortonorm´aln´ı vektory matice 1 1 1. 1 1 1 √ 6 2 Cv. 23.8 Najdˇete odmocninu A pro matici A = . 3 7 Cv. 23.9 Bud’ A ∈ Rn×n symetrick´a a necht’ Ak = In pro nˇejak´e k ≥ 1. Ukaˇzte, ˇze A2 = In . Cv. 23.10 Bud’ A ∈ Rn×n symetrick´a s vlastn´ımi ˇc´ısly 0 a 1. Ukaˇzte, ˇze je to matice projekce. Cv. 23.11 Uvaˇzujme matici
a1
−c1 An = 0 .. . 0
−b1 .. . .. . .. .
0 .. . .. . .. .
...
0
... .. . .. . an−1 −cn−1
0 .. .
, 0 −bn−1 an
kde bi , ci > 0. Dokaˇzte, ˇze m´ a re´ aln´ a vlastn´ı ˇc´ısla (dokonce maj´ı n´ asobnost 1). Hint: Jist´a symetrick´a matice m´ a shodn´ y charakteristick´ y polynom. Cv. 23.12 Ukaˇzte, ˇze pro symetrickou matici A plat´ı rank(A) ≥ trace(A)2 / trace(A2 ). (Hint: Cv. 15.23.) Cv. 23.13 Rozhodnˇete, zda A 7→ λmax (A) je line´ arn´ı zobrazen´ı na prostoru symetrick´ ych matic, kde λmax (A) je nejvˇetˇs´ı vlastn´ı ˇc´ıslo A. P P Cv. 23.14 Ukaˇzte, ˇze pro vlastn´ı ˇc´ısla λ1 , . . . , λn symetrick´e matice A ∈ Rn×n plat´ı ni=1 λ2i = ni,j=1 a2ij . (Hint: Prozkoumejte A2 .) Cv. 23.15 Pˇripomeˇ nme, ˇze matice A je antisymetrick´a pokud AT = −A. Dokaˇzte: (a) Vlastn´ı ˇc´ısla antisymetrick´e matice jsou ryze imagin´ arn´ı. (b) Inverzn´ı matice k regul´ arn´ı antisymetrick´e je opˇet antisymetrick´a. (c) Pokud A je antisymetrick´a, pak I + A je regul´ arn´ı. (d) Vlastn´ı vektory, odpov´ıdaj´ıc´ı r˚ uzn´ ym nenulov´ ym vlastn´ım ˇc´ısl˚ um, jsou na sebe kolm´e.
100
Vlastn´ı ˇc´ısla symetrick´ ych a nez´ aporn´ ych matic (e) A je diagonalizovateln´ a do tvaru A = U DU ∗ , kde D ∈ Cn×n je diagon´ aln´ı a U ∈ Cn×n je unit´ arn´ı. 0 1 . (f) Najdˇete vlastn´ı ˇc´ısla a vlastn´ı vektory matice −1 0
(g) Ukaˇzte, ˇze antisymetrick´a matice A ∈ Rn×n je podobn´a blokovˇe diagon´ aln´ı matici s bloky 0 λ . velikosti 1 nebo 2, pˇriˇcemˇz bloky velikosti 1 jsou nulov´e a bloky velikosti 2 jsou tvaru −λ 0 Jak´a jsou pak vlastn´ı ˇc´ısla matice A?
Cv. 23.16 Bud’ A ∈ Rn×n antisymetrick´a matice, tj. AT = −A. Dokaˇzte, ˇze jej´ı vlastn´ı ˇc´ısla jsou ryze imagin´ arn´ı. Cv. 23.17 Bud’ A ∈ Cn×n ne nutnˇe symetrick´a (!). Ukaˇzte, ˇze jde rozloˇzit na tvar A = U T U ∗ , kde T ∈ Cn×n je horn´ı troj´ uheln´ıkov´a a U ∈ Cn×n unit´ arn´ı (tzv. Schurova vˇeta). Hint: Upravte d˚ ukaz spektr´aln´ıho rozhladu symetrick´ ych matic. ∗ Cv.
23.18 Bud’ Q ∈ Rn×n ortogon´ aln´ı a ne nutnˇe symetrick´a (!). Dokaˇzte, ˇze skrze ortogon´ aln´ı matici pˇrechodu je podobn´a blokovˇe diagon´ aln´ı matici, pˇriˇcemˇz bloky velikosti jedna jsou ±1 a velikosti 2 2 dva jsou matice rotace tvaru ( sc −s c ), c + s = 1. (Hint: Cv. 18.9 a Cv. 21.41.)
Cv. 23.19 To, ˇze m´ a matice re´ aln´ a vlastn´ı ˇc´ısla se nˇekdy d´ a nahl´ednou tak, ˇze je podobn´a symetrick´e matici. Uvaˇzujme matici A ∈ Rn×n , kter´a je tridiagon´aln´ı, tj. aij = 0 pro |i − j| > 1. Pˇredpokl´adejme, ˇze symetrick´e p´ ary sloˇzek matice maj´ı stejn´e znam´eko, tedy ai,i+1 ai+1,i > 0 pro i = 1, . . . , n−1. Ukaˇzte, ˇze A je podobn´a symetrick´e matici skrze diagon´ aln´ı matici, tj. DAD −1 = S, kde D je diagon´ aln´ı a S symetrick´a.
Courantova–Fischerova vˇ eta λ1 = max xT Ax, x:kxk2 =1
λn =
min xT Ax.
x:kxk2 =1
Cv. 23.20 Bud’te A, B ∈ Rn×n symetrick´e. Dokaˇzte λ1 (A + B) ≤ λ1 (A) + λ1 (B). Cv. 23.21 Bud’ A ∈ Rn×n symetrick´a matice s vlastn´ımi ˇc´ısly λ1 ≥ . . . ≥ λn . Dokaˇzte, ˇze λ1 ≥ aii ≥ λn pro kaˇzd´e i = 1, . . . , n. Cv. 23.22 Bud’ A ∈ Rn×n symetrick´a matice, jej´ıˇz prvek aii zvˇetˇs´ıme o ε > 0. (a) Zvˇetˇs´ı se nejvˇetˇs´ı vlastn´ı ˇc´ıslo λ1 ? Pˇr´ıpadnˇe jak noc se m˚ uˇze zv´ yˇsit? (b) Zvˇetˇs´ı se nejmenˇs´ı vlastn´ı ˇc´ıslo λn ? Pˇr´ıpadnˇe jak noc se m˚ uˇze zv´ yˇsit? Cv. 23.23 Bud’ A ∈ Rn×n symetrick´a matice, λ1 jej´ı nejvˇetˇs´ı vlastn´ı ˇc´ıslo, odpov´ıdaj´ıc´ı vlastn´ımu vektoru x1 . Dokaˇzte vztah pro druh´e nejvˇetˇs´ı vlastn´ı ˇc´ıslo λ2 = max{xT Ax; kxk2 = 1, x ⊥ x1 }. (Hint: Vyuˇzijte vhodn´e formy spektr´aln´ıho rozkladu A.) Cv. 23.24 Uvaˇzujme line´ arn´ı zobrazen´ı x 7→ Ax, kde A ∈ Rn×n . Jak moc m˚ uˇze zobrazen´ı prodlouˇzit vektor x v eukleidovsk´e normˇe? Uvaˇzujme dva pˇr´ıpady kdy A je obecn´ a a kdy A je symetrick´a. Cv. 23.25 V ˇreˇci vlastn´ıch ˇc´ısel vyj´adˇrete maxim´aln´ı hodnotu v´ yrazu a1 a2 + a2 a3 + . . . + an−1 an + an a1 pokud a1 , . . . , an ∈ R mus´ı splˇ novat
Pn
i=1 ai
=0a
Pn
2 i=1 ai
= 1. (Hint: Cv. 23.23.)
Cviˇcen´ı z line´ arn´ı algebry
101
Nez´ aporn´ e a markovsk´ e matice Cv. 23.26 Difuze l´eˇcebn´e l´ atky mezi dvˇema buˇ nkami prob´ıh´ a podle pravidla: 50% l´atky z prvn´ı buˇ nky pˇrejde do druh´e, ale jen 25% l´ atky z druh´e pˇrejde do prvn´ı. V jak´em pomˇeru se mnoˇzstv´ı l´ atky ust´ al´ı? Cv. 23.27 Ve mˇestˇe Matfiz´akovˇe funguj´ı tˇri lok´aln´ı politick´e strany: Anarchist´e (A), Bl´ahov´ı (B) a C´ılevˇedom´ı (C). Volby se ˇr´ıd´ı n´ asleduj´ıc´ım pravidlem. Z voliˇc˚ u A vol´ı opˇet tuto stranu 75% jej´ıch voliˇc˚ u, ale k B pˇrejde 5% a k C dokonce 20%. Z voliˇc˚ u B pˇrejde k A rovn´ ych 20% a k C tak´e 20%. Nakonec, z voliˇc˚ u C z˚ ustane jen 80%, zbytek se rovnomˇernˇe rozdˇel´ı mezi A a B. Jak´e je rozdˇelen´ı podpory stran za delˇs´ı ˇcasov´ y horizont? Cv. 23.28 Uvaˇzujme tˇri genotypy AA, Aa, aa. Kˇr´ıˇz´ıme-li AA s AA, tak se stejnou pravdˇepodobnost´ı dostaneme typ AA jako Aa. Kˇr´ıˇz´ıme-li AA s Aa, tak s poloviˇcn´ı pravdˇepodobnost´ı dostaneme Aa a se ˇctvrtinov´ ymi ostatn´ı genotypy. Koneˇcnˇe, kˇr´ıˇz´ıme-li AA s aa, tak s poloviˇcn´ı pravdˇepodobnost´ı dostaneme Aa i aa. Je-li na zaˇc´ atku pomˇer genotyp˚ u vyrovnan´ y, jak´ y bude za ˇcas, prov´ad´ıme-li kˇr´ıˇzen´ı pouze s genotypem AA? Cv. 23.29 Dokaˇzte ˇc´ ast Perronovy vˇety: Pro kaˇzd´e A > 0 v´ıme, ˇze ρ(A) je vlastn´ım ˇc´ıslem n´ asobnosti 1, a pˇr´ısluˇs´ı mu kladn´ y vlastn´ı vektor. Dokaˇzte, ˇze ˇz´adn´emu jin´emu vlastn´ımu ˇc´ıslu nepˇr´ısluˇs´ı nez´ aporn´ y vlastn´ı vektor. Cv. 23.30 Ukaˇzte, ˇze vlastnosti kladn´e matice z Perronovy vˇety neplat´ı pro nez´ apornou matici. Konkr´etnˇe, najdˇete takovou matici A ≥ 0, ˇze plat´ı postupnˇe vlastnosti (a) ρ(A) = 0, (b) ρ(A) je v´ıcen´ asobn´e vlastn´ı ˇc´ıslo, (c) existuje vlastn´ı ˇc´ıslo λ 6= ρ(A) takov´e, ˇze |λ| = ρ(A). Cv. 23.31 Bud’ A > 0 a oznaˇcme r := ρ(A). Ukaˇzte, ˇze limk→∞
k 1 rA
existuje a zjistˇete jej´ı hodnost.
102
24
Odhady a metody na v´ ypoˇcet vlastn´ıch ˇc´ısel
Odhady a metody na v´ ypoˇ cet vlastn´ıch ˇ c´ısel
Uk´ azka 24.1 (Gerschgorinovy disky). Pomoc´ı Gerschgorinov´ ych disk˚ u spoˇc´ıtejte odhad vlastn´ıch ˇc´ısel matice 2 1 0 A = −2 5 1 . −1 −2 −3
ˇ sen´ı: Z prvn´ıho ˇra´dku A urˇc´ıme v komplexn´ı rovinˇe disk se stˇredem v 2 a polomˇerem 1, z druh´eho Reˇ ˇra´dku disk se stˇredem v 5 a polomˇerem 3 a ze tˇret´ıho ˇra´dku disk se stˇredem v −3 a polomˇerem 3, viz obr´ azek. Kaˇzd´e vlastn´ı ˇc´ıslo tedy n´ aleˇz´ı do aspoˇ n jednoho disku. Naopak to neplat´ı, coˇz snadno ovˇeˇr´ıme spoˇc´ıt´an´ım skuteˇcn´ ych vlastn´ıch ˇc´ısel λ1 = −2.78, λ2 = 3.39 + 0.6 i, λ3 = 3.39 − 0.6 i. ℑ
3 2
λ2
1
λ1
−7 −6 −5 −4 −3 −2 −1 −1
1
2
3
4
λ3
5
6
7
8
9
ℜ
−2 −3
............................................
Cviˇ cen´ı
............................................
Gerschgorinovy disky Cv. 24.1 Aniˇz byste je poˇc´ıtali, rozhodnˇete zda matice 1 0 −2 0 0 12 0 −4 A= −1 0 −1 0 0 5 0 0 m´ a aspoˇ n dvˇe re´ aln´ a vlastn´ı ˇc´ısla.
Cv. 24.2 Je n´ asleduj´ıc´ı matice regul´ arn´ı? 10 −1 5 2 2 −7 1 2 A= 0 3 −5 1 2 −1 3 7 Cv. 24.3 Jak´e je nejvˇetˇs´ı vlastn´ı ˇc´ıslo markovsk´e matice? Cv. 24.4 Mˇejme matici A ˇra´du n = 11 a pˇredpokl´adejme, ˇze nˇejak´ a metoda tuto matici uprav´ı na podobnou B, jej´ıˇz mimodiagon´ aln´ı prvky jsou v absolutn´ı hodnotˇe nanejv´ yˇs 10−10 . S jakou pˇresnost´ı diagon´ aln´ı prvky B aproximuj´ı vlastn´ı ˇc´ısla A?
Cviˇcen´ı z line´ arn´ı algebry
103
Metody Cv. 24.5 Aplikujte vˇetu o deflaci nejvˇetˇs´ıho vlastn´ıho 1 2 A= 1 2
ˇc´ısla na matici 2 1 2 1 2 1 2 1 2 1 2 1
Cv. 24.6 Aplikujte vˇetu o deflaci nejvˇetˇs´ıho vlastn´ıho ˇc´ısla 1 3 A = 3 1 1 1
na matici 1 1 3
104
Positivn´ı (semi-)definitnost
25
Positivn´ı (semi-)definitnost
Uk´ azka 25.1 (Cholesk´eho rozklad). Najdˇete Cholesk´eho 4 −2 A = −2 10 4 1
rozklad matice 4 1 . 6
ˇ sen´ı: Schematicky si m˚ Reˇ uˇzeme zn´ azornit postup takto
LT L
A
≡
· · ·
0 · ·
0 0 ·
· 0 0
· · 0
4 −2 −2 10 4 1
· · ·
4 1 6
Nejprve urˇc´ıme prvek L11 z vlastnosti L1∗ LT∗1 = A11 , neboli L211 = A11 = 4, tud´ıˇz L11 = 2 (hodnota L11 = −2 nen´ı pˇr´ıpustn´a, protoˇze poˇzadujeme, aby L mˇela kladnou diagon´ alu). Nyn´ı spoˇc´ıt´ame L21 z vlastnosti L2∗ LT∗1 = A21 , neboli L21 L11 = A21 = −2, tud´ıˇz L21 = −1. Podobnˇe spoˇc´ıt´ame L31 = 2. V dalˇs´ı f´azi urˇc´ıme prvky L ve druh´em sloupci shora: L22 = 2, L32 = 1. A koneˇcnˇe ve tˇret´ım sloupci: L33 = 1. Takˇze m´ ame hledan´ y rozklad: 2 −1 2 0 3 1 T 0 0 1 L ≡ L A 2 0 0 4 −2 4 −1 3 0 −2 10 1 2 1 1 4 1 6 Positivn´ı definitnost:
Positivn´ı semi-definitnost:
1. xT Ax > 0, ∀x 6= 0,
1. xT Ax ≥ 0, ∀x ∈ Rn ,
2. vlastn´ı ˇc´ısla A jsou kladn´ a,
2. vlastn´ı ˇc´ısla A jsou nez´ aporn´ a,
3. ∃U ∈ Rm×n hodnosti n: A = U T U .
3. ∃U ∈ Rm×n : A = U T U .
............................................
Cviˇ cen´ı
............................................
Cv. 25.1 Ukaˇzte z definice, ˇze matice A = ( 11 11 ) je positivnˇe semidefinitn´ı. Cv. 25.2 Necht’ A, B ∈ Rn×n jsou positivnˇe definitn´ı. Ukaˇzte, ˇze A + B je tak´e positivnˇe definitn´ı. Jak to bude se souˇctem positivnˇe semidefinitn´ıch matic?
Jak to bude se souˇctem positivnˇe semidefinitn´ı a positivnˇe definitn´ı matice? Jak to bude s n´ asobkem positivnˇe definitn´ı matice? Cv. 25.3 Otestuje (a) rekurentn´ım vzoreˇckem,
Cviˇcen´ı z line´ arn´ı algebry
105
A=
α aT ˜ a A
je pos. def. ⇔ α > 0 a A˜ − α1 aaT je pos. def.
(b) Cholesk´eho rozkladem, A = LLT , kde L je doln´ı troj´ uheln´ıkov´a s kladnou diagon´ alou. (c) Gaussovou eliminac´ı, Odstupˇ novan´ y tvar A m´ a kladnou diagon´ alou, pouˇzijeme-li jen pˇriˇc´ıt´ an´ı n´ asobku ˇra´dku s pivotem k jin´emu, co je pod n´ım. (d) Sylvestrov´ ym kriteriem det(A1 ) > 0, . . . , det(An ) > 0, kde Ai vznikne z A odstranˇen´ım posledn´ıch n − i ˇra´dk˚ u a sloupc˚ u. positivn´ı definitnost matic 4 −2 4 A = −2 10 −2 , 4 −2 8
1 −1 2 B = −1 5 −4 , 2 −4 6
1 2 −3 C = 2 4 1 . −3 1 2
Cv. 25.4 Najdˇete pˇr´ıklad matice ilustruj´ıc´ı, ˇze nefunguje pˇr´ımoˇcar´e zobecnˇen´ı na testov´an´ı positivn´ı semidefinitnosti pomoc´ı rekurentn´ıho vzoreˇcku, Gaussovy eliminace, Sylvestrova kriteria pro positivn´ı definitnost resp. Cholesk´eho rozkladu. Cv. 25.5 Najdˇete vˇsechny matice A ∈ Rn×n takov´e, ˇze A a −A jsou positivnˇe semidefinitn´ı. Cv. 25.6 Najdˇete regul´ arn´ı matici, kter´a je positivnˇe semidefinitn´ı, ale ne positivnˇe definitn´ı. Cv. 25.7 Bud’ A ∈ Rn×n positivnˇe definitn´ı a S ∈ Rn×n regul´ arn´ı. Dokaˇzte dvˇema zp˚ usoby, ˇze S T AS je positivnˇe definitn´ı. Cv. 25.8 Ukaˇzte, ˇze kaˇzd´ a symetrick´a matice se d´ a zapsat jako rozd´ıl dvou positivnˇe semidefinitn´ıch matic A = P − R. (D´a se jednoduˇse zobecnit na rozd´ıl dvou positivnˇe definitn´ıch.) Cv. 25.9 Urˇcete, pro kter´e a ∈ R je matice positivnˇe definitn´ı a 1 0 A = 1 a 1 . 0 1 a Cv. 25.10 Najdˇete Cholesk´eho rozklad matice
In In . In 5In
106
Positivn´ı (semi-)definitnost
Cv. 25.11 Pomoc´ı Cholesk´eho rozkladu invertujte matici 1 2 −1 A= 2 5 −2 . −1 −2 2 Cv. 25.12 Porovnejte poˇcet aritmetick´ ych operac´ı (nejhorˇs´ı pˇr´ıpad) potˇrebn´ ych k dan´ ym transformac´ım. Staˇc´ı ˇra´dovˇe jako n´ asobek rozmˇeru n dan´e positivnˇe definitn´ı matice. (a) Gaussova eliminace a Cholesk´eho rozklad, (b) inverze matice klasick´ ym zp˚ usobem a pomoc´ı Cholesk´eho rozkladu. Cv. 25.13 Bud’ A ∈ Rn×n positivnˇe definitn´ı matice tvaru p´ asov´e matice o ˇs´ıˇrce k, tj. aij = 0 pro vˇsechna i, j takov´a, ˇze |i − j| > k. (a) Ukaˇzte, ˇze matice L z Cholesk´eho rozkladu A = LLT je tak´e p´ asov´a matice o ˇs´ıˇrce k. (b) Urˇcete poˇcet aritmetick´ ych operac´ı k v´ ypoˇctu L. Cv. 25.14 Rozhodnˇete r˚ uzn´ ymi zp˚ usoby zda matice ˇra´du n je positivnˇe definitn´ı 2 −1 0 . . . 0 .. −1 . . . . . . . . . . 0 ... ... ... 0 . .. .. .. .. . . . . −1 0 . . . 0 −1 2 Cv. 25.15 Bud’ A positivnˇe semidefinitn´ı a aii = 0 pro jist´e i. Ukaˇzte, ˇze i-t´ y ˇra´dek a sloupec matice A jsou nulov´e. Cv. 25.16 Bud’ A positivnˇe semidefinitn´ı. Ukaˇzte, ˇze xT Ax = 0 pro nˇejak´e x 6= o implikuje Ax = o. Cv. 25.17 Ukaˇzte, ˇze A positivnˇe semidefinitn´ı pr´ avˇe tehdy, kdyˇz plat´ı implikace xT Ax ≤ 0
⇒
Ax = 0.
Cv. 25.18 Ukaˇzte, ˇze A je positivnˇe semidefinitn´ı pokud pro jej´ı hlavn´ı vedouc´ı matice plat´ı det(A1 ) > 0, . . . , det(An−1 ) > 0, det(An ) ≥ 0. Cv. 25.19 Bud’ A je positivnˇe definitn´ı a necht’ R je matice v odstupˇ novan´em tvaru, pokud v Gaussovˇe eliminaci pouˇz´ıv´ame jen operaci pˇriˇcten´ı n´ asobku ˇra´dku s pivotem k jin´emu pod n´ım. Necht’ A1 , . . . , An det(Ai ) znaˇc´ı hlavn´ı vedouc´ı podmatice. Dokaˇzte, ˇze pro pivoty plat´ı vztah rii = det(A , i = 2, . . . , n. i−1 ) Cv. 25.20 Bud’ A ∈ Rn×n je positivnˇe semidefinitn´ı a hodnosti r. Ukaˇzte, ˇze A m´ a hlavn´ı podmatici ˇra´du r, kter´a je positivnˇe definitn´ı. Cv. 25.21 Bud’ A positivnˇe semidefinitn´ı a p(λ) polynom takov´ y, ˇze p(λ) ≥ 0 pro λ ≥ 0. Ukaˇzte, ˇze p(A) je positivnˇe semideinitn´ı. Cv. 25.22 Bud’ A ∈ Rn×n positivnˇe semidefinitn´ı a B ∈ Rn×n symetrick´a. Ukaˇzte, ˇze AB je diagonalizovateln´ a. Cv. 25.23 Ukaˇzte, ˇze kaˇzd´ a diagonalizovateln´ a matice s re´ aln´ ymi vlastn´ımi ˇc´ısly se d´ a vyj´adˇrit jako souˇcin positivnˇe definitn´ı a symetrick´e matice.
Cviˇcen´ı z line´ arn´ı algebry
107
Cv. 25.24 Bud’te A, B ∈ Rn×n symetrick´e a λmin (A) > λmax (B). Dokaˇzte, ˇze A − B je positivnˇe definitn´ı. Cv. 25.25 Bud’ A symetrick´a matice jej´ıˇz vlastn´ı ˇc´ısla jsou vˇetˇs´ı neˇz 1. Ukaˇzte, ˇze A − A−1 je positivnˇe definitn´ı. A B T je positivnˇ e definitn´ı pr´ avˇe tehdy, kdyˇz Cv. 25.26 Dokaˇzte, ˇze symetrick´a matice v blokov´em tvaru B C −1 obˇe matice A a C − BA B jsou positivnˇe definitn´ı. Cv. 25.27 Ukaˇzte, ˇze positivnˇe semidefinitn´ı odmocnina z positivnˇe semidefinitn´ı matice je jednoznaˇcn´ a. ∗ Cv.
25.28 Bud’ A ∈ Rn×n positivnˇe definitn´ı. Ukaˇzte, ˇze Aii (A−1 )ii ≥ 1, i = 1, . . . , n. (Hint: Cauchyho– Schwarzova nerovnost.)
Cv. 25.29 Bud’ A ∈ Rn×n symetrick´a a b ∈ Rn . Ukaˇzte, ˇze n´ asleduj´ıc´ı jsou ekvivalentn´ı: (a) A je positivnˇe semidefinitn´ı na podprostoru Ker(bT ), to jest xT Ax ≥ 0 pro vˇsechna x ∈ Rn takov´a, ˇze bT x = 0. (b) Matice U AU m´ a nez´ aporn´ a vlastn´ı ˇc´ısla, kde U je matice projekce na Ker(bT ). Pozn´ amka. Matice U AU reprezentuje zobrazen´ı x 7→ Ax kdyˇz se omez´ıme na podprostor Ker(bT ). ∗ (c)
Existuje α > 0 takov´e, ˇze A + αbbT je positivnˇe semidefinitn´ı.
Cv. 25.30 Nad symetrick´ ymi maticemi z Rn×n definujme relace ≺ a pˇredpisem A ≺ B pokud B − A je positivnˇe definitn´ı a A B pokud B − A je positivnˇe semidefinitn´ı. (a) Ukaˇzte, ˇze je relace ˇc´ asteˇcn´eho uspoˇra´d´ an´ı.
(b) Necht’ 0 ≺ A. Rozhodnˇete, zda 0 ≺ A−1 .
(c) Necht’ 0 ≺ A. Rozhodnˇete, zda 2In ≺ A + A−1 .
(d) Necht’ A B. Rozhodnˇete, zda U T AU U T BU . (e) Necht’ 0 ≺ A, B. Rozhodnˇete, zda 0 ≺ AB + BA. (f) Necht’ 0 A B. Rozhodnˇete, zda A2 B 2 .
*(g) Necht’ 0 ≺ A B. Rozhodnˇete, zda B −1 A−1 . √ √ *(h) Necht’ 0 ≺ A B. Rozhodnˇete, zda A B. ∗ Cv.
25.31 Stopa a positivn´ı semidefinitnost (Hint: viz Cv. 3.27 a Cv. 15.29). (a) Bud’te A, B ∈ Rn×n positivnˇe semidefinitn´ı a trace (AB) = 0. Ukaˇzte, ˇze pak AB = 0.
(b) Bud’ A ∈ Rn×n . Dokaˇzte, ˇze A je positivnˇe semidefinitn´ı pr´ avˇe tehdy, kdyˇz trace(AX) ≥ 0 pro n×n vˇsechny positivnˇe semidefinitn´ı X ∈ R .
108
26
Biline´ arn´ı a kvadratick´e formy
Biline´ arn´ı a kvadratick´ e formy
Uk´ azka 26.1 (Biline´ arn´ı forma). Uvaˇzme biline´ arn´ı formu na R2 b(x, y) = x1 y1 + 2x1 y2 + 4x2 y1 + 10x2 y2 . Najdˇete maticov´e vyj´adˇren´ı formy vzhledem ke kanonick´e b´ azi. ˇ Reˇsen´ı: Protoˇze matice A formy je definovan´ a aij = b(ei , ej ), dost´ av´ame A=
1 4 , 2 10
tedy b(x, y) = xT Ay = x1 x2 Tuto matici lze nahl´ednout i pˇr´ımo z rozpisu.
1 4 y1 . 2 10 y2
Uk´ azka 26.2 (Kvadratick´a forma). Uvaˇzme kvadratickou formu na R2 f (x) = x21 + 6x1 x2 + 10x22 . Najdˇete symetrickou biline´ arn´ı formu indukuj´ıc´ı f a maticov´e vyj´adˇren´ı forem. ˇ sen´ı: Formu si vyj´adˇr´ıme Reˇ f (x) =
x21
+ 6x1 x2 +
10x22
= x1
1 3 x1 x2 . 3 10 x2
Nyn´ı m´ ame matici vzhledem ke kanonick´e b´ azi A=
1 3 , 3 10
a symetrick´a biline´ arn´ı forma indukuj´ıc´ı f je b(x, y) = xT Ay. Uk´ azka 26.3 (Diagonalizace kvadratick´e formy). Urˇcete signaturu matice
1 2 −1 5 −3 . A= 2 −1 −3 2 ˇ sen´ı: Na matici aplikujeme stˇr´ıdavˇe element´arn´ı ˇra´dkov´e a analogick´e sloupcov´e u Reˇ ´pravy a pˇrevedeme na diagon´ aln´ı tvar takto:
1 2 −1 1 2 −1 1 0 −1 2 5 −3 ∼ 0 1 −1 ∼ 0 1 −1 −1 −3 2 −1 −3 2 −1 −1 2 1 0 −1 1 0 0 1 0 0 ∼ 0 1 −1 ∼ 0 1 −1 ∼ 0 1 0 . 0 −1 1 0 −1 1 0 0 0 Matice m´ a tud´ıˇz signaturu dvˇe jedniˇcky a jedna nula, takˇze je positivnˇe semidefinitn´ı.
Cviˇcen´ı z line´ arn´ı algebry
109
Uk´ azka 26.4 (Diagonalizace kvadratick´e formy a pol´arn´ı b´ aze). Najdˇete b´ azi, v˚ uˇci n´ıˇz je diagon´ aln´ı matice kvadratick´e formy f (x) = xT Ax, kde 1 2 −1 A= 2 5 −3 . −1 −3 2
ˇ sen´ı: Na matici A aplikujeme stˇr´ıdavˇe element´arn´ı ˇra´dkov´e a analogick´e sloupcov´e u Reˇ ´pravy a pˇrevedeme T na diagon´ aln´ı tvar, souhrnnˇe S AS = In . Pol´arn´ı b´ aze je skryt´a ve sloupc´ıch matice S, kter´a pˇredstavuje matici pˇrechodu od pol´ arn´ı do kanonick´e b´ aze. Matici S lze z´ıskat tak, ˇze souˇcasnˇe s u ´pravami matice A aplikujeme na jednotkovou matici In pouze sloupcov´e u ´pravy: 1 2 −1 1 0 0 1 0 −1 1 −2 0 1 2 −1 1 0 0 2 1 0 ∼ 5 −3 0 1 0 ∼ 0 1 −1 0 1 0 ∼ 0 1 −1 0 0 1 −1 −3 2 0 0 1 −1 −3 2 0 0 1 −1 −1 2 0 1 0 −1 1 −2 0 1 0 0 1 −2 1 1 0 0 1 −2 1 ∼ 0 1 −1 0 1 −1 0 1 0 ∼ 0 1 0 ∼ 0 1 −1 0 1 0 ∼ 0 1 0 1 0 1 0 −1 1 0 0 −1 1 0 0 0 0 0 1 0 0 1 −2 −1 1 1 . ∼ 0 1 0 0 0 0 0 0 0 1
Hledan´a b´ aze je tvoˇren´ a posledn´ımi tˇremi sloupeˇcky, tedy jsou to vektory (1, 0, 0)T , (−2, 1, 0)T , (−1, 1, 1)T .
Biline´ arn´ı forma: b : V 2 → T b(αu + βv, w) = αb(u, w) + βb(v, w), b(w, αu + βv) = αb(w, u) + βb(w, v),
∀α, β ∈ T, ∀u, v, w ∈ V,
∀α, β ∈ T, ∀u, v, w ∈ V.
Matice A formy b vhledem k b´ azi u1 , . . . , un : aij = b(ui , uj ). Kvadratick´a forma: f (u) = b(u, u).
............................................
Cviˇ cen´ı
............................................
Biline´ arn´ı a kvadratick´ e formy a jejich matice Cv. 26.1 Ukaˇzte, ˇze pro kaˇzdou biline´ arn´ı formu b plat´ı b(u, o) = b(o, u) = 0. Cv. 26.2 Je n´ asleduj´ıc´ı biline´ arn´ı formou R2 × R2 → R? (a) b(x, y) = x21 + y12 + 2x2 y1 , (b) b(x, y) = x1 y2 + x2 y1 , (c) b(x, y) = x1 y2 + x2 . Cv. 26.3 Je biline´ arn´ı formou zobrazen´ı b : Rm×p × Rp×n → Rm×n definovan´e b(A, B) = AB? Cv. 26.4 Bud’ V vektorov´ y prostor nad T a f1 , f2 : V → T line´ arn´ı zobrazen´ı. Ukaˇzte, ˇze (a) b(x, y) := f1 (x) · f2 (y) je biline´ arn´ı forma,
110
Biline´ arn´ı a kvadratick´e formy (b) f (x) := f1 (x) · f2 (x) je kvadratick´a forma.
Cv. 26.5 Najdˇete matici biline´ arn´ı formy b(x, y) = x1 y1 − x1 y2 + 3x2 y1 + 2x2 y2 − 2x3 y2 vzhledem ke kanonick´e b´ azi. Cv. 26.6 Najdˇete matici kvadratick´e formy f (x) = x21 + 2x1 x2 + 2x22 − 2x2 x3 vzhledem ke kanonick´e b´ azi. D´ale, najdˇete symetrickou biline´ arn´ı formu b(x, y), kter´a indukuje f (x). Cv. 26.7 Najdˇete kvadratickou formu f nad R2 tak aby f ((2, 1)T ) = 7, a nav´ıc (a) f byla jak´ akoli, (b) f byla positivnˇe definitn´ı, (c) f byla indefinitn´ı. Cv. 26.8 Najdˇete matici kvadratick´e formy f (x) = x21 − 2x1 x3 + x2 x3 vzhledem ke kanonick´e b´ azi a postupnˇe nad tˇelesy R, Z2 a Z3 . Cv. 26.9 Najdˇete matici kvadratick´e formy f (x) = 2x21 + 2x1 x2 − 2x1 x3 − 2x2 x3 + x23 vzhledem ke kanonick´e b´ azi a vzhledem k b´ azi B = {(1, 1, 1)T , (1, 1, 0)T , (1, 0, 0)T }. Cv. 26.10 Necht’ kvadratick´a forma f m´ a vzhledem k b´ azi B = {(0, 0, 1)T , (0, 1, 2)T , (1, 2, 3)T } matici 1 2 0 A = 2 2 1 . 0 1 3 Najdˇete analytick´e vyj´adˇren´ı f .
Cv. 26.11 Pro zobrazen´ı b : P 2 × P 2 → R definovan´e b(p, q) = p(0)q(2) ukaˇzte: (a) b je biline´ arn´ı forma, (b) najdˇete matici formy vzhledem k b´ azi B = {1, 1 + x, (1 − x)2 }, (c) vyˇc´ıslete b(1 − x, x2 − 2x + 2) dvˇema zp˚ usoby,
(d) najdˇete matici formy vzhledem k b´ azi B ′ = {1, x, x2 } s vyuˇzit´ım t´e star´e. Cv. 26.12 Bud’ b : V 2 → T biline´ arn´ı forma a tˇeleso T charakteristiky r˚ uzn´e od 2. Pak b se naz´ yv´ a antisymetrick´ a pokud splˇ nuje b(u, v) = −b(v, u) pro kaˇzd´e u, v ∈ V . (a) Ukaˇzte, ˇze kaˇzd´ a biline´ arn´ı forma lze rozloˇzit na souˇcet symetrick´e a antisymetrick´e. (b) Aplikujte postup na biline´ arn´ı formu b(x, y) = x1 y1 − 2x1 y2 + 4x1 y3 − 6x2 y3 , a najdˇete matice vˇsech forem vzhledem ke kanonick´e b´ azi. (c) Bud’ f (u) = b(u, u) kvadratick´a forma indukovan´ a antisymetrickou biline´ arn´ı formou b. Ukaˇzte, ˇze f je nulov´a. Cv. 26.13 Vektorov´ y prostor, tvoˇren´ y formami.
Cviˇcen´ı z line´ arn´ı algebry
111
(a) Ukaˇzte, ˇze biline´ arn´ı formy, symetrick´e biline´ arn´ı formy a antisymetrick´e biline´ arn´ı formy na prostoru V tvoˇr´ı vektorov´e prostory a urˇcete jejich dimenze. (b) Ukaˇzte, ˇze prostor biline´ arn´ıch forem je direktn´ım souˇctem prostoru symetrick´ ych a antisymetrick´ ych biline´ arn´ıch forem. (c) Ukaˇzte, ˇze kvadratick´e formy na prostoru V tvoˇr´ı vektorov´ y prostor a urˇcete jeho dimenzi. Cv. 26.14 Bud’ V vektorov´ y prostor nad tˇelesem T charakteristiky r˚ uzn´e od 2. Ukaˇzte, ˇze kaˇzd´ a symetrick´a biline´ arn´ı forma b : V 2 → T je urˇcena hodnotami b(v, v), v ∈ V . To v d˚ usledku znamen´a, ˇze ze znalosti kvadratick´e formy jsme schopni zrekonstruovat jednoznaˇcnou symetrickou biline´ arn´ı formu, kter´a ji indukuje. Cv. 26.15 Jednoznaˇcnost kvadratick´e formy. (a) Necht’ A, B ∈ Tn×n jsou symetrick´e a necht’ xT Ax = xT Bx pro vˇsechna x ∈ Tn . Rozhodnˇete, zda A = B. (b) Rozhodnˇete, zda matice kvadratick´e formy vzhledem k dan´e b´ azi je jednoznaˇcn´ a. (c) Rozhodnˇete, zda kvadratick´a forma je jednoznaˇcnˇe urˇcena obrazy b´ aze.
Sylvestr˚ uv z´ akon setrvaˇ cnosti Cv. 26.16 Diagonalizujte kvadratick´e formy s maticemi 2 −1 1 3 −3 −1 3 −1 −1 (a) A = −1 1 1, B = −3 3 1 , C = −1 5 −2. 1 1 5 −1 1 5 −1 −2 5 0 1 2 1 −1 2 0 1 . (b) D = 1 1 1, E = −1 −1 0 , F = 1 0 2 1 0 2 0 −1 Cv. 26.17 Diagonalizujte kvadratickou formu s matic´ı 1 0 1 A = 0 2 1 , 1 1 −1 a urˇcete b´ azi, v˚ uˇci n´ıˇz je matice formy diagon´ aln´ı.
Cv. 26.18 Diagonalizujte kvadratickou formu s matic´ı Im B= AT
A , 0n
kde A ∈ Rm×n m´ a hodnost n. Cv. 26.19 Rozhodnˇete, zda matice A ∈ Rn×n definovan´ a aij := min{i, j} je positivnˇe definitn´ı. Cv. 26.20 Uvaˇzme relaci kongruence, kdy A, B ∈ Rn×n jsou v relaci pokud existuje regul´ arn´ı S tak, ˇze T B = S AS. (a) Jak´e vlastnosti m´ a relace kongruence? (b) Kolik existuje tˇr´ıd ekvivalence? Cv. 26.21 Vyj´adˇrete kvadratickou formu f (x) = xT Ax jako souˇcet ˇctverc˚ u line´ arn´ıch forem, kde 1 −2 1 (a) A = −2 5 −3 , 1 −3 2
112
Biline´ arn´ı a kvadratick´e formy
2 −2 2 (b) A = −2 5 1 . 2 1 5
Cv. 26.22 Ukaˇzte, ˇze dan´ a rovnice popisuje elipsu v R2 a zjistˇete jej´ı charakteristiky (postupem z pˇredn´aˇsky). (a) 5x2 + 8xy + 5y 2 = 1, (b) 13x2 + 10xy + 13y 2 = 72. P Cv. 26.23 Mˇ ejme n pozorov´an´ı x1 , . . . , xn ∈ R. Pr˚ umˇer je definov´an jako x ¯ = n1 ni=1 xi a rozptyl jako P σ 2 = ni=1 (xi − x ¯)2 . Ukaˇzte, ˇze σ 2 je kvadratick´a forma, najdˇete jej´ı matici a urˇcete signaturu.
Cv. 26.24 Ukaˇzte, ˇze pro kaˇzdou re´ alnou kvadratickou formu existuje matice A t´eto formy, kter´a je blokovˇe 0 diagon´ aln´ı s prvky 0, 1 a ( 1 10 ), nebo −A m´ a tuto vlastnost.
Cv. 26.25 Pˇripomeˇ nme, ˇze matice A je antisymetrick´a pokud AT = −A. (a) Bud’ A antisymetrick´a. Dokaˇzte, ˇze A2 je symetrick´a negativnˇe semidefinitn´ı. (b) Bud’ A antisymetrick´a. Dokaˇzte, ˇze trace(A2 ) ≤ 0.
(c) Ukaˇzte, ˇze xT Ax = 0 pro vˇsechna x ∈ Rn pr´ avˇe tehdy, kdyˇz A je antisymetrick´a.
T , kde S je regul´ (d) Ukaˇzte, ˇze antisymetrick´a matice A lze vyj´adˇrit ve tvaru SJS arn´ı a J blokovˇe 0 1 ’ diagon´ aln´ı a jej´ı bloky jsou bud nuly nebo maj´ı tvar −1 0 .
(e) Ukaˇzte, ˇze hodnost antisymetrick´e matice je sud´e ˇc´ıslo.
√ Cv. 26.26 Bud’ A ∈ Rn×n positivnˇe definitn´ı a definujme B ∈ Rn×n po sloˇzk´ach bij := aij / aii ajj . Ukaˇzte, ˇze B je positivnˇe definitn´ı, na diagon´ ale m´ a jedniˇcky a mimo diagon´ alu m´ a ˇc´ısla v absolutn´ı hodnotˇe menˇs´ı neˇz 1. Cv. 26.27 Plat´ı Sylvestr˚ uv z´ akon setrvaˇcnosti na komplexn´ım prostoru? Cv. 26.28 Ukaˇzte, ˇze pro symetrick´e A, B ∈ Rn×n stejn´e hodnosti existuje S ∈ Cn×n takov´a, ˇze S T AS = B. Cv. 26.29 Uvaˇzujme kvadratick´e formy na Rn . (a) Ukaˇzte, ˇze formy tvoˇr´ı vektorov´ y prostor. (b) Urˇcete dimenzi tohoto prostoru. Cv. 26.30 Zvolte si kvadratickou formu f nad R4 se signaturou (1, 1, −1, −1), a najdˇete podprostor V ⋐ R4 dimenze 2 splˇ nuj´ıc´ı f (x) = 0 pro vˇsechna x ∈ V . Cv. 26.31 Bud’ f : V → R kvadratick´a forma a h : V → V isomorfismus. (a) Ukaˇzte, ˇze f ◦ h je kvadratick´a forma na V .
(b) Ukaˇzte, ˇze obˇe kvadratick´e formy f , f ◦ h maj´ı stejnou signaturu. Cv. 26.32 Bud’ A ∈ Rn×n positivnˇe semidefinitn´ı a B ∈ Rn×n symetrick´a. Ukaˇzte, ˇze AB m´ a stejn´ y poˇcet re´ aln´ ych kladn´ ych, z´ aporn´ ych a nulov´ ych vlastn´ıch ˇc´ısel jako B (srov. Cv. 25.22). D´ale ukaˇzte, ˇze kaˇzd´ a diagonalizovateln´ a matice M ∈ Rn×n s re´ aln´ ymi vlastn´ımi ˇc´ısly se d´ a vyj´adˇrit jako souˇcin positivnˇe definitn´ı a symetrick´e matice. Cv. 26.33 Simult´ ann´ı diagonalizovatelnost. (a) Bud’ A ∈ Rn×n positivnˇe semidefinitn´ı a B ∈ Rn×n symetrick´a. Ukaˇzte, ˇze existuje re´ aln´ aC∈ n×n T T R takov´a, ˇze obˇe matice C AC a C BC jsou diagon´ aln´ı. Tud´ıˇz A, B m˚ uˇzeme simult´ annˇe diagonalizovat. (Hint: Odmocnina z A.) (b) Bud’te A, B ∈ Rn×n positivnˇe semidefinitn´ı. Ukaˇzte, ˇze det(A + B) ≥ det(A) + det(B).
Cviˇcen´ı z line´ arn´ı algebry ∗ Cv.
113
26.34 Bud’ A ∈ Rn×n symetrick´a a Ai necht’ znaˇc´ı levou horn´ı podmatici A velikosti i, tj. vznikne z A odstranˇen´ım posledn´ıch n − i ˇra´dk˚ u a sloupc˚ u. Pˇredpokl´adejme, ˇze det(Ai ) 6= 0 pro vˇsechna i = 1, . . . , n. Ukaˇzte, ˇze signatura A neobsahuje nuly a poˇcet −1 je roven poˇctu zmˇen znam´enka posloupnosti det(A1 ), . . . , det(An ). (Hint: Analyzujte vliv element´arn´ıch ˇra´dkov´ ych a sloupcov´ ych u ´prav.)
114
27
Maticov´e rozklady (QR rozklad a SVD)
Maticov´ e rozklady (QR rozklad a SVD)
Uk´ azka 27.1 (QR rozklad). Najdˇete QR rozklad matice 0 −20 −14 A = 3 27 −4 . 4 11 −2
ˇ sen´ı: Nejprve si sestav´ıme Householderovu matici, kter´a pˇrevede prvn´ı sloupec matice A na vektor Reˇ (kA∗1 k, 0, 0)T = (5, 0, 0)T . Definujme u1 := A∗1 − kA∗1 ke1 = (−5, 3, 4)T ,
pak hledanou matic´ı je Q1 := I3 −
u uT 2 T1 1 u1 u1
Po pˇren´ asoben´ı matice A dostaneme
0 15 20 1 = 15 16 −12 . 25 20 −12 9
5 25 −4 R1 := Q1 A = 0 0 −10 . 0 −25 −10
Tedy skuteˇcnˇe se eliminuj´ı vˇsechny prvky pod prvn´ım pivotem. Podobnˇe postupujeme v druh´e iteraci pro podmatici 0 −10 A2 = . −25 −10 Definujme
u2 := (0, −25)T − 25e1 = (−25, −25)T , a sestav´ıme se Householderovu matici u uT Q2 = I2 − 2 2T 2 = u2 u2
0 −1 . −1 0
Pˇren´ asoben´ım dost´ av´ame R2 := Q1 A1 =
25 10 . 0 10
Ted’ uˇz m˚ uˇzeme iterace ukonˇcit, protoˇze R2 uˇz je horn´ı troj´ uheln´ıkov´a matice Nyn´ı dopoˇc´ıt´ame k´ yˇzen´ y QR rozklad A = QR takto 0 −20 −15 5 25 1 1 0 Q = Q1 = 15 12 −16 , R = 0 25 0 Q2 25 20 −9 12 0 0
s nez´ apornou diagon´ alou. −4 10 . 10
Matice Q tedy vznikla souˇcinem vˇsech Householderov´ ych matic pouˇzit´ ych bˇehem iterac´ı, s t´ım, ˇze je mus´ıme rozˇs´ıˇrit na rozmˇer n × n. Matice R zase vznikla z R1 nahraˇzen´ım bloku vpravo dole matic´ı R2 ; ve vyˇsˇs´ıch dimenz´ıch by se nahrazovalo postupnˇe.
............................................
Cviˇ cen´ı
............................................
Cviˇcen´ı z line´ arn´ı algebry
115
Householderova matice Householderova matice: H(u) = In − uT2 u uuT , u 6= o. Householderova transformace y = H(x − y)x, kde x 6= y, kxk2 = kyk2 . Cv. 27.1 Ukaˇzte, ˇze kaˇzd´ a Householderova matice je tvaru In − 2vv T , kde kvk2 = 1. Cv. 27.2 Ukaˇzte, ˇze kaˇzd´ a Householderova matice H splˇ nuje H −1 = H. Cv. 27.3 Doplnˇen´ı na ortonorm´aln´ı b´ azi. (a) Bud’ u ∈ Rn , kuk2 = 1. Sestrojte ortogon´ aln´ı matici Q s prvn´ım sloupcem rovn´ ym u. (Jin´ ymi slovy: doplˇ nte u na ortonorm´aln´ı b´ azi Rn .) (b) Doplˇ nte u = 21 (1, 1, 1, 1)T na ortonorm´aln´ı b´ azi R4 . Cv. 27.4 Necht’ H(u)x = x pro jist´e u, x ∈ Rn Dokaˇzte u ⊥ x. Cv. 27.5 Urˇcete vlastn´ı ˇc´ısla, vlastn´ı vektory a determinant H(u).
QR rozklad Cv. 27.6 Najdˇete netrivi´ aln´ı pˇr´ıklad, kdy QR rozklad nen´ı jednoznaˇcn´ y. Cv. 27.7 Necht’ A = QR je QR rozklad. Urˇcete QR rozklad matice αA pro α ∈ R. Cv. 27.8 Sestrojte QR rozklady matic: (a) ei , (b) ( 11 11 ), (c) ( 34 34 ),
1 1 Cv. 27.9 Pro matici A = 1 1
2 0 2 0
(a) najdˇete QR rozklad,
(b) najdˇete ortonorm´aln´ı b´ azi S(A),
(c) najdˇete matici projekce do S(A).
Cv. 27.10 Blokov´ y rozklad: (a) Pokud A1 = Q1 R1 a A2 = Q2 R2 jsou QR rozklady, najdˇete QR rozklad A01 A02 . Jak´e mus´ı m´ıt matice A1 , A2 rozmˇery? A3 . (b) Pokud A1 = Q1 R1 a A2 = Q2 R2 jsou QR rozklady, najdˇete QR rozklad A01 A 2
Cv. 27.11 Pomoc´ı QR rozkladu (nejl´epe jen jednoho) vhodn´e matice popiˇste vˇsechna ˇreˇsen´ı soustavy Ax = b, kde A m´ a line´ arnˇe nez´ avisl´e ˇra´dky. Cv. 27.12 Urˇcete ortonorm´aln´ı b´ azi Ker(1, 2, 2, 4). Cv. 27.13 Za pouˇzit´ı software na pomocn´e v´ ypoˇcty urˇcete:
116
Maticov´e rozklady (QR rozklad a SVD) (a) ortonorm´aln´ı b´ azi S(A) pro
(b) projekci v = (3, 3, 3)T do S(A).
−4 −2 −4 −2 1 , A = 2 −2 2 −4 1 −4 −2
Cv. 27.14 Pomoc´ı QR rozkladu dokaˇzte vˇetu o Cholesk´eho rozkladu (nebo jej´ı variantu ˇci zobecnˇen´ı) pro matici tavru A = B T B, kde B ∈ Rn×n .
SVD rozklad SVD rozklad: A = U ΣV T , kde S = diag (σ1 , . . . , σr , 0, . . . , 0), U, V ortogon´ aln´ı, Redukovan´ y SVD rozklad: A = U1 S V1T kde S = diag (σ1 , . . . , σr ), Pseudoinverze: A† = V1 S −1 U1T .
Cv. 27.15 Urˇcete singul´arn´ı ˇc´ısla matic: (a) ( 00 10 ), (b) ( 11 11 11 11 ), (c) a = (a1 , . . . , an )T , (d) a = (a1 , . . . , an ), (e) a = diag (a1 , . . . , an ), (f) symetrick´e matice s vlastn´ımi ˇc´ısly λ1 , . . . , λn . (g) positivnˇe 0 0 (h) A = ... 0 an
definitn´ı matice s vlastn´ımi ˇc´ısly λ1 , . . . , λn . a1 0 . . . 0 .. .. .. .. . . . . .. .. .. . . . . 0 .. .. .. . . . an−1 0 ... 0 0
Cv. 27.16 Bud’ A = xy T , kde x, y ∈ Rn . Urˇcete σ1 (A), ρ(A) a porovnejete je. Kdy se rovnaj´ı? Cv. 27.17 Ukaˇzte, ˇze matice A ∈ Rn×n m´ a nulov´e singul´arn´ı ˇc´ıslo pr´ avˇe tehdy, kdyˇz m´ a nulov´e vlastn´ı ˇc´ıslo. Cv. 27.18 Necht’ matice A ∈ Rn×n m´ a singul´arn´ı ˇc´ısla σ1 ≥ . . . ≥ σn . Dokaˇzte: (a) σn ≤ kAi∗ k2 pro libovoln´e i = 1, . . . , n.
(b) ρ(A) ≤ σ1 .
Cv. 27.19 Necht’ vˇsechna singul´arn´ı ˇc´ısla matice A ∈ Rn×n jsou stejn´a. Ukaˇzte, ˇze A je n´ asobek ortogon´ aln´ı matice. Cv. 27.20 Necht’ regul´ arn´ı matice A ∈ Rn×n m´ a singul´arn´ı ˇc´ısla σ1 ≥ . . . ≥ σn . Najdˇete singul´arn´ı ˇc´ısla T −1 matic A , A a adj(A).
Cviˇcen´ı z line´ arn´ı algebry
117
Cv. 27.21 Necht’ matice A ∈ Rm×n m´ a singul´arn´ı ˇc´ısla σ1 ≥ . . . ≥ σr > 0. Ukaˇzte, ˇze matice za nenulov´a vlastn´ı ˇc´ısla σ1 , . . . , σr , −σ1 , . . . , −σr .
0m A AT 0n
m´ a
Cv. 27.22 V´ıme, ˇze matice AB a BA maj´ı stejn´a (nenulov´a) vlastn´ı ˇc´ısla. Co singul´arn´ı ˇc´ısla? Cv. 27.23 Pol´ arn´ı rozklad matice A ∈ Rn×n je rozklad A = P Q, kde P je positivnˇe semidefinitn´ı a Q ortogon´ aln´ı. (a) Ukaˇzte, ˇze kaˇzd´ a matice A ∈ Rn×n m´ a pol´arn´ı rozklad.
(b) Ukaˇzte, ˇze matice P je jednoznaˇcnˇe urˇcen´ a tak, ˇze vyj´adˇr´ıte P =
√ AAT .
(c) Zobecnˇete tvrzen´ı na obd´eln´ıkov´e matice: Kaˇzd´ a matice A ∈ Rm×n , m ≥ n, m´ a rozklad A = P Q, kde P je positivnˇe semidefinitn´ı a Q m´ a ortogon´ aln´ı sloupce. (d) Najdˇete pol´ arn´ı rozklad matice a ∈ Rn .
(e) Ukaˇzte, ˇze pol´ arn´ı rozklad a SVD rozklad jsou ekvivalentn´ı v tom smyslu, ˇze jeden lze snadno odvodit z druh´eho.
Pseudoinverze Cv. 27.24 Urˇcete SVD rozklad a psudoinverzi pro (a) A = 0m,n , (b) A = diag (a1 , . . . , an ), a1 ≥ . . . ≥ an ≥ 0. (c) A = diag (a1 , . . . , an ).
Cv. 27.25 Dokaˇzte: (a) AA† je symetrick´a, (b) A = (A† )T AT A, Cv. 27.26 Bud’ A ∈ Rm×n . Ukaˇzte, ˇze (a) AA† je matice projekce do S(A),
(b) A† A je matice projekce do R(A),
(c) In − A† A je matice projekce do Ker(A),
(d) Ker(A) = S(In − A† A).
Cv. 27.27 Bud’ A ∈ Rm×n , b ∈ Rm a pro soustavu Ax = b ukaˇzte, ˇze (a) m´ a (aspoˇ n jedno) ˇreˇsen´ı pr´ avˇe tehdy, kdyˇz AA† b = b, (b) m´ a nanejv´ yˇs jedno ˇreˇsen´ı pr´ avˇe tehdy, kdyˇz AA† = In , (c) m´ a pr´ avˇe jedno ˇreˇsen´ı pr´ avˇe tehdy, kdyˇz AA† b = b a AA† = In , (d) m´ a-li aspoˇ n jedno ˇreˇsen´ı, pak vˇsechna ˇreˇsen´ı jsou vyj´adˇrit jako A† b + y = A† Ay, kde y ∈ Rn je libovoln´e. Cv. 27.28 Ukaˇzte, ˇze pokud plat´ı C = AX = Y B, potom existuje matice Z takov´a, ˇze C = AZB. (Jin´ ymi slovy, pokud sloupce matice C jsou z prostoru S(A) a ˇra´dky z prostoru R(B), pak matici C m˚ uˇzeme vyj´adˇrit nar´ az jako kombinaci sloupc˚ u A i ˇra´dk˚ u B.) ∗ Cv.
27.29 Ukaˇzte, ˇze maticov´a soustava rovnic AXB = C s libovoln´ ymi maticemi vhodn´ ych rozmˇer˚ u m´ a ˇreˇsen´ı pr´ avˇe tehdy, kdyˇz AA† CB † B = C. Nav´ıc, mnoˇzina ˇreˇsen´ı je tvaru X = A† CB † + Y − A† AY BB † , kde Y je libovoln´ a matice pˇr´ısluˇsn´ ych rozmˇer˚ u.
118
Maticov´e rozklady (QR rozklad a SVD)
Maticov´ e normy Cv. 27.30 Proˇc nen´ı spektr´aln´ı polomˇer maticovou normou? Cv. 27.31 Dokaˇzte, ˇze pro P matici projekce do netrivi´aln´ıho vlastn´ıho podprostoru plat´ı kP k2 = kI −P k2 . Cv. 27.32 Ukaˇzte, ˇze pro libovolnou matici A ∈ Rm×n je maxi,j |aij | ≤ kAk2 . Cv. 27.33 Ukaˇzte, ˇze Frobeniova a p-norma jsou skuteˇcnˇe maticov´ ymi normami. √ Cv. 27.34 Bud’ A ∈ Rn×n . Dokaˇzte kAk2 ≤ kAkF ≤ nkAk2 a ukaˇzte, ˇze meze nelze zlepˇsit. Cv. 27.35 Bud’ A ∈ Rn×n regul´ arn´ı a λ jej´ı vlastn´ı ˇc´ıslo. Dokaˇzte kA−1 k−1 2 ≤ |λ| ≤ kAk2 . Cv. 27.36 Ukaˇzte, ˇze pro Frobeniovu a maticovou 2-normu plat´ı kAk = kAT k. Plat´ı tvrzen´ı i pro jin´e normy?
Cv. 27.37 Ukaˇzte, ˇze pro kaˇzdou matici A ∈ Rn×n a pro kaˇzd´e ε > 0 existuje diagonalizovateln´ a matice ′ n×n ′ A ∈R takov´a, ˇze kA − A k2 ≤ ε. (Tedy libovolnˇe bl´ızko k matici se nach´ az´ı diagonalizovateln´ a matice.) Cv. 27.38 Bud’ A ∈ Rn×n . Dokaˇzte, ˇze ze vˇsech symetrick´ ych matic je matice 21 (A+AT ) nejbl´ıˇze k matici A ve Frobeniovˇe a maticov´e 2-normˇe.
Cviˇcen´ı z line´ arn´ı algebry
28
Opakov´ an´ı Opakov´an´ı
119
Opakov´ an´ı Opakov´ an´ı
Opakov´ an´ı
Opakov´ an´ ı
Opakov´ an´ ı
V t´eto sekci uv´ad´ıme rekapitulaˇcn´ı u ´lohy pro pˇredeˇsl´e sekce 15–27. Cv. 28.1 Pro standardn´ı skal´ arn´ı souˇcin v Rn dokaˇzte pouˇcku hx, yi = kxk · kyk cos (ϕ), kde ϕ je u ´hel mezi vektory x, y. Cv. 28.2 Bud’te U, V dva re´ aln´e vektorov´e prostory se skal´arn´ım souˇcinem. Line´arn´ı zobrazen´ı f : U → V a g : V → U jsou navz´ ajem adjungovan´e pokud pro vˇsechna u ∈ U a v ∈ V plat´ı hf (u), vi = hu, g(v)i. Zde pˇrirozenˇe hf (u), vi je skal´ arn´ı souˇcin ve V a hu, g(v)i zase v U . Ukaˇzte: (a) Ke kaˇzd´emu line´ arn´ımu zobrazen´ı f : U → V existuje nejv´ yˇse jedno adjungovan´e zobrazen´ı g: V → U.
(b) Uvaˇzujme line´ arn´ı zobrazen´ı f1 , f2 : U → V a g1 , g2 : V → U . Jsou-li f1 a g1 adjungovan´e a f2 a g2 adjungovan´e, pak f1 + f2 a g1 + g2 jsou tak´e adjungovan´e.
(c) Jsou-li f : U → V a g : V → U adjungovan´e, pak αf a αg jsou adjungovan´e pro libovoln´e α ∈ R.
(d) Jsou-li f1 : U → V a g1 : V → U adjungovan´e, a jsou-li f2 : V → W a g2 : W → V adjungovan´e, pak f2 ◦ f1 a g1 ◦ g2 jsou tak´e adjungovan´e.
(e) Bud’te f : U → V a g : V → U line´ arn´ı zobrazen´ı a A resp. B jejich matice vzhledem k ortonorm´aln´ım b´ az´ım B1 , B2 resp. B2 , B1 . Pak f, g jsou navz´ajem adjungovan´e pr´ avˇe tehdy, kdyˇz A = B T . (f) Jsou-li U, V koneˇcnˇe generovan´e, pak pro kaˇzd´e line´ arn´ı zobrazen´ı f : U → V existuje pr´ avˇe jedin´e s n´ım adjungovan´e.
(g) Bud’te U, V koneˇcnˇe generovan´e a f : U → V line´ arn´ı zobrazen´ı. Pak j´adro adjungovan´eho ⊥ ⊥ zobrazen´ı tvoˇr´ı f (U ) a obraz tvoˇr´ı Ker(f ) . a b nebo a b , kde a2 + b2 = 1. Cv. 28.3 Ukaˇzte, ˇze ortogon´ aln´ı matice ˇra´du 2 mus´ı b´ yt tvaru −b a b −a Cv. 28.4 Najdˇete line´ arn´ı zobrazen´ı f : Rn×n → Rn×n takov´e, aby det(f (X)) = 211 det(X) a nav´ıc: (a) f (In ) = A, kde A ∈ Rn×n je dan´e,
(b) f (A) = B, kde A, B ∈ Rn×n jsou dan´e a A regul´ arn´ı,
(c) najdˇete co nejvˇetˇs´ı tˇr´ıdu takov´ ych line´ arn´ıch zobrazen´ı.
Cv. 28.5 Pro line´ arn´ı zobrazen´ı f (x) = Ax, kde A ∈ Rm×n ukaˇzte, ˇze pokud definiˇcn´ı obor omez´ıme pouze na prostor R(A), tak dostaneme isomorfismus mezi R(A) a f (Rn ). Cv. 28.6 Dokaˇzte, ˇze v kaˇzd´em kroku Gaussovy–Jordanovy eliminace se kaˇzd´ y nenulov´ y prvek matice d´ a vyj´adˇrit bud’ jako determinant, nebo pod´ıl dvou determinant˚ u podmatic p˚ uvodn´ı matice. Cv. 28.7 Pro jak´e hodnoty x je matice A regul´ arn´ı? x + a1 a2 ... a1 x + a 2 ... A= . . .. .. .. . a1 a2 ...
an an .. . x + an
.
Cv. 28.8 Bud’ A ∈ Rn×n diagonalizovateln´ a a λ1 , . . . , λk jej´ı vlastn´ı ˇc´ısla (bez n´ asobnost´ı). Ukaˇzte, ˇze existuj´ı matice A1 , . . . , Ak ∈ Rn×n splˇ nuj´ıc´ı najednou vˇsechny n´ asleduj´ıc´ı vlastnosti P (a) A = ki=1 λi Ai . (b) A2i = Ai ,
120
Opakov´ an´ı Opakov´an´ı Opakov´an´ı Opakov´an´ı Opakov´an´ı Opakov´an´ı
Opakov´ an´ı
(c) Ai Aj = 0n,n , Pk (d) i=1 Ai = In ,
(e) rank(Ai ) = n´ asobnost vlastn´ıho ˇc´ısla λi .
Cv. 28.9 Matice sousednosti AG ∈ Rn×n (neorientovan´eho) grafu G = (V, E) je definov´ana jako (AG )ij = 1 pokud {i, j} ∈ E a (AG )ij = 0 jinak (srov. Cv. 14.19). (a) Urˇcete vlastn´ı ˇc´ısla a vektory matice sousednosti u ´pln´eho grafu Kn . (b) Urˇcete vlastn´ı ˇc´ısla a vektory matice sousednosti u ´pln´eho bipartitn´ıho grafu Km,n . (c) Urˇcete spektr´aln´ı polomˇer matice sousednosti cyklu Cn . (d) Urˇcete spektr´aln´ı polomˇer matice sousednosti hyperkrychle Qn . Ta je definovan´ a tak, ˇze vrcholy tvoˇr´ı bin´ arn´ı vektory d´elky n a hrany vedou mezi vrcholy liˇs´ıc´ı se v pr´ avˇe jednom bitu. (e) Urˇcete nejvˇetˇs´ı vlastn´ı ˇc´ıslo matice sousednosti d-regul´ arn´ıho grafu (vˇsechny stupnˇe rovny d). (f) Uvaˇzme d-regul´ arn´ı graf G. Dokaˇzte, ˇze G je bipartitn´ı pr´ avˇe tehdy, kdyˇz nejmenˇs´ı vlastn´ı ˇc´ıslo AG je rovno −d.
(g) Uvaˇzme d-regul´ arn´ı graf G. Dokaˇzte, ˇze G je nesouvisl´ y pr´ avˇe tehdy, kdyˇz druh´e nejvˇetˇs´ı vlastn´ı ˇc´ıslo AG je rovno d. Cv. 28.10 Bud’ A ∈ Rm×n hodnosti m. (a) Spoˇc´ıtejte projekci do Ker(A). (b) Dokaˇzte, ˇze projekce se d´ a ekvivalentnˇe spoˇc´ıtat jako u-sloˇzka ˇreˇsen´ı soustavy u b In AT = . A 0m v 0 Cv. 28.11 Bud’ P ∈ Rn×n positivnˇe definitn´ı a A ∈ Rm×n hodnosti m. Dokaˇzte, ˇze matice regul´ arn´ı.
P AT A 0
je
m×n hodnosti m. Dokaˇ Cv. 28.12 Bud’ P ∈ Rn×n positivnˇe semidefinitn´ı a A ∈ R zte, ˇze n´ asleduj´ıc´ı P AT . podm´ınky jsou ekvivalentn´ı s regularitou matice M = A 0
(a) Ax = o, x 6= o ⇒ xT P x > 0.
(b) Ker(P ) ∩ Ker(A) = {o}.
(c) F T P F je positivnˇe definitn´ı, kde F ∈ Rn×(n−m) je matice splˇ nuj´ıc´ı R(F ) = Ker(A).
(d) P + AT RA je positivnˇe definitn´ı pro nˇejakou positivnˇe semidefinitn´ı matici R.
D´ale ukaˇzte, ˇze je-li M regul´ arn´ı, pak m´ a n kladn´ ych a m z´aporn´ ych vlastn´ıch ˇc´ısel. Cv. 28.13 Bud’te A, B ∈ Rn×n symetrick´e a A positivnˇe definitn´ı. Ukaˇzte, ˇze existuje matice R takov´a, ˇze RART = In a RT BR je diagon´ aln´ı (tedy tak trochu diagonalizujeme obˇe matice najednou!). Cv. 28.14 Bud’ V re´ aln´ y vektorov´ y prostor se skal´arn´ım souˇcinem a w1 , . . . , wm ∈ V . Pˇripomeˇ nme, ˇze m×m Gramova matice G ∈ R je definovan´ a Gij = hwi , wj i. Ukaˇzte: (a) G je positivnˇe semidefinitn´ı. (b) Jsou vektory w1 , . . . , wm line´ arnˇe nez´ avisl´e, tak G je positivnˇe definitn´ı. (c) rank(G) = dim(span{w1 , . . . , wm }). (d) Bud’ V = Rn a W := (w1 | · · · | wm ). Pak existuje positivnˇe definitn´ı matice A ∈ Rn×n takov´a, ˇze G = W T AW .
Cviˇcen´ı z line´ arn´ı algebry
29
121
Humor a zaj´ımavosti
Humor Cv. 29.1 Doplˇ nte posledn´ı ˇra´dek: Nem´am r´ ad permutace. Permutace nem´ am r´ ad. R´ ad nem´ am permutace. Nem´am permutace r´ ad. R´ ad permutace nem´ am. ... Cv. 29.2 Proˇc je sb´ırka u ´loh z line´ arn´ı algebry neˇst’astn´ a? Cv. 29.3 Co je to dilemma? Cv. 29.4 Zjistˇete, proˇc m´ a Turecko na 10 lirov´e bankovce naps´ano Arf (q) =
n X i=1
q(ai )q(bi ) ∈ Z2 ∀ai , bi , i = 1, . . . , n
a co to znamen´a.
Zaj´ımavosti Cv. 29.5 Bud’ C ∈ Rn×n . Pak C = AB − BA pro nˇejak´e A, B ∈ Rn×n pr´ avˇe tehdy, kdyˇz trace(C) = 0. Cv. 29.6 Bud’ C ∈ Rn×n . Pak C = ABA−1 B −1 pro nˇejak´e regul´ arn´ı A, B ∈ Rn×n pr´ avˇe tehdy, kdyˇz det(C) = 1. Cv. 29.7 Bud’ A ∈ Rm×n , B ∈ Rp×q , C ∈ Rm×q . Pak C = AX − Y B pro nˇejak´e X ∈ Rm×q a Y ∈ Rn×p C = rank A 0 . pr´ avˇe tehdy, kdyˇz rank A0 B 0 B
Cv. 29.8 (Frobenius, 1897) Kaˇzd´e line´ arn´ı zobrazen´ı f : Rn×n → Rn×n splˇ nuj´ıc´ı det(f (X)) = c det(X) pro dan´e c 6= 0 mus´ı b´ yt bud’ tvaru f (X) = AXB nebo f (X) = AX T B, kde A, B ∈ Rn×n jsou pevn´e matice takov´e, ˇze det(AB) = c. Cv. 29.9 Kaˇzd´ a matice A ∈ Rn×n s kladn´ ym determinantem se d´ a vyj´adˇrit jako souˇcin pˇeti positivnˇe definitn´ıch matic. (Zkuste to pro A = −I2 .)
122
30
Otevˇ ren´ e ot´ azky
Cv. 30.1 Je kaˇzd´ a kladn´ a matice A ∈ Rn×n diagonalizovateln´ a (z pohledu teorie vlastn´ıch ˇc´ısel)?
ˇ sen´ı Reˇ ˇ ast I C´ Cv. 1.3 Ano.
Cv. 3.6 (a) Ne, (b) Ne.
Cv. 1.10 Ano.
Cv. 3.13 (a) 0 nebo 1, (b) Ne, (c) Ano.
Cv. 1.13 Rovina x + z = 2.
Cv. 3.18 Ne.
Cv. 1.14 2.
Cv. 3.19 Ne.
Cv. 1.15 Q = [2, 5, −3].
Cv. 3.26 (a) Ne, (b) Ne, (c) Ne.
Cv. 2.3 y = x2 − 2x + 3.
Cv. 4.1 Singul´arn´ı.
Cv. 2.4 (−1/2, −5/2).
Cv. 4.2 Singul´arn´ı.
Cv. 2.5 (10, 20, 30, 40).
Cv. 4.4 Nemus´ı.
Cv. 2.9 (a) (1, 0, 2), (b) (1, 2, 3).
Cv. 4.5 Pro a 6= b, a 6= (1 − n)b. cos ϕ sin ϕ 3 −1 Cv. 4.8 51 −1 2 , − sin ϕ cos ϕ .
Cv. 2.10 (a) ∅, (b) (2, −1, −1), (c) (1, −2, 1) + t(1, −2, 0).
Cv. 2.11 (2, 1, 0) + t(−1, 0, 1), t ∈ R. Cv. 2.12 Jen (a), (b).
Cv. 2.20 Ano.
1000 1000 1001 , − 1001
1 2
1 −1 −4 −1 2 5 , 1 −1 −2
1 −1
2 0 2 −1 1 0 1
Cv. 4.11 C −1 B −1 A−1 , AT .
Cv. 2.13 15. Cv. 2.17 (a)
Cv. 4.9
, ∄.
Cv. 4.14 Ano. , (b) (0, −1), (c) (1, −1).
Cv. 2.21 (2, 1, 1), (1, 0, 3), (4, −1, −1). Cv. 2.22 (−1, 2).
Cv. 2.23 Nem´a ˇreˇsen´ı. Cv. 2.24 (a) x = 1/3, y = 6, z = 1/2, (b) x = 16/9, y = 3/2, z = 2. Cv. 2.25 (b) pro a = −1 : ∅, pro a = 1 : [1, 0] + t(−1, 1), t ∈ R, 1 (1 + a + a2 , −a), pro a 6= ±1 : 1+a (c) pro a = 3/4 : ∅, 1 jinak: 3−4a (3a2 + a + 1, 1 − 3a2 ), (d) pro a = −1 : ∅, pro a = 0 : [1, 0, 0] + t(0, 1, −1), t ∈ R, 1 (1, 1, −1). jinak: 1+a
Cv. 2.26 (a) pro b = (t, s, −2t + s, −t + s), t, s ∈ R, (b) pro kaˇzd´e b ∈ R3 . Cv. 2.27 (a) (1, 2, 4, . . . , 2n−1 ), (b) (1, −2, 3, −4, . . . , (−1)n−1 n).
Cv. 4.17 (a) X = B −1 (A−1 DC −1 )T , (b) A−1 B. 2 2−n 1 ... 1 −1 . . . . .. . . 1 1 . Cv. 4.20 (c) n−1 . , (d) 0 .. . . . . . . 1 . .. 1 ... 1 2−n 0
Cv. 4.21
1 α2 −1
αIn −In −In αIn
.
Cv. 4.33 Ne. 1 2 −1 Cv. 4.39 (a) 0 −1 1 , (b) 1 4 −2
0 −2 1 1 3 −1 −1 −4 2
.
Cv. 5.3 Ano. Cv. 5.4 (a) Ano, (b) Ano, (c) Ano. Cv. 5.6 (d) Ne, (e) Ne. Cv. 5.16 (a) Ne, (b) Ne, (c) Ano, (d) Ano, (e) Ne, (f) Ne, (g) Ne. Cv. 5.17 (a) 2, 2, 2, 2, 3, (b) 2, 4, 9, 8, 4. 123
X = −1 0
...
0
. . . . .. . . . .. .. .. . . . 0 .. .. . . 2 −1 2
...
0 −1 1
ˇ sen´ı Reˇ
124 Cv. Cv. Cv. Cv. Cv. Cv. Cv. Cv. Cv.
5.18 5.19 5.21 5.22 5.23 5.24 5.25 5.28 5.31
(b) ∅ a (3, 3, 3). 2I. Jen pro p = 7 a p = 11. p4 − p3 − p2 + p. Jen p(x) = x3 + x2 + x + 3. 3 a 4. (c) 4, (d) 0, (e) 0, (f) 5. Ne. (a) 28, (b) 3, (c) 0.
Cv. 10.22 (a) Ano, (b) Ano, (c) Ano. Cv. 10.24 Ano. Cv. 11.2 (a)–(c) Ano, (d) Ne, (e)–(f) Ano. Cv. 11.3 (a)–(b) Ano, (c)–(e) Ne, (f) Ano, (g) Ne. Cv. 11.4 Ano. Cv. 11.5 Ano.
n Cv. 6.9 (−1)⌊ 2 ⌋ .
Cv. 6.10 (a)
(−1)
Cv. 11.6 Ano. n(n−1) 2
,
n(3n+1) 2
Cv. 6.14 Cv. 6.15 Cv. 6.16 Cv. 6.17
(b)
(−1)
n(n−1) 2
,
n(n+1) 2
, (d) (−1) . (−1) (a) Jen id a p. (a) ∄, (b) p = (1, 7, 10, 4, 9, 3, 8)(2, 6), (c) je jich n. (1, 5)(4, 8)(6, 9, 7, 10). ≥ 76.
Cv. 7.3 (a) Ano, (b) Ano, (c) Ano, (d) Ano, (e) Ne, (f) Ne, (g) Ano. Cv. 7.4 Ne, ˇz´adn´ y. Cv. 7.7 Ano. Cv. 7.9 Ano. Cv. 7.11 Ne. Cv. 7.13 Ano. Cv. 7.16 Ano. Cv. 7.19 R4 ano, Z42 ne. Cv. 7.20 (a) Ano, (b) Ne. Cv. 8.6 Pro a 6∈ {1, 2}.
(c)
Cv. 11.7 (a) Ne, (b) Ano. Cv. 11.9 (−2, 1)T . −1 −4 −4 2 5 7 . Cv. 11.15 −2 −5 −9
Cv. 11.16 (a) (1, 2, −1)T , (1, 1, −1)T , (−1, −1, 0)T , (b) (0, −1, 1)T , (0, −2, 1)T , (1, 2, −1)T . Cv. 11.18 (7, 6, −5)T , (5, 3, −3)T , (−1, −1, 0)T . 3 Cv. 11.19 (b) 17 −2 −2 3 , (c) ∄.
Cv. 11.21 (x + 2y + 3z, x − z). 0 3 5 Cv. 11.22 0 1 2 . 1 −1 1 −2 −10 −3 0 −1 0 . Cv. 11.23 05 2 18−1 6 Cv. 11.25 2 1 −2 . 4 −3 2 1 5 Cv. 11.26 1 3 . 111 1 0 Cv. 11.29 −1 0 0 . 0 12 1 −2 1 Cv. 11.30 −1 −2 −1 . −2 0 −2 3 6 2 Cv. 11.31 2 0 1 . 454
Cv. 9.2 Cv. 9.4 Cv. 9.5 Cv. 9.8 Cv. 9.21 Cv. 9.22 Cv. 9.24 Cv. 9.26 Cv. 10.2 Cv. 10.7 Cv. 10.8 Cv. 10.9 Cv. 10.10 Cv. 10.11 Cv. 10.15 Cv. 10.19 Cv. 10.21
Ne. Ano. (3, 1, −1). ∄. (a) 0, (b) 2, (c) 1. Ne. dim = 5. (a) 3, (b) 2. a = 2, b = 1, c = 0. (a) 1, (b) 3, (c) 2, (d) 2. n − 1. dim = 2. 7. ∄. Ano. n. (a) Ne, (b) Ano, (c) Ano, (d) Ne.
Cv. 12.11 (a) na, neprost´e, (b) na, prost´e, (c) na, neprost´e, (d) ne na, prost´e, (e) ne na, neprost´e, (f) na, prost´e Cv. 12.15 (a) 2 a 1. Cv. 12.16 (a) 2 a 1. Cv. 13.19 koˇreny 1, 1, −2, −3. √ √ i 2/2, Cv. 13.20 (a) ± 2/2 ±√ (b) −2, 1 ± i 3, (c) 1 ± i, 1 ± i, −5. √ √ i 2/2, Cv. 13.21 (a) ± 2/2 ±√ (b) −2, 1 ± i 3. Cv. 14.1 2.
Cv. 14.23 dim = n. Cv. 14.25 2x − y = 10.
Cviˇcen´ı z line´ arn´ı algebry
125
ˇ ast II C´ Cv. 15.1 (b) 4 − 2i, 11 + 2i, −7 − 24i, −1 − 2i, (c) ano. √ ◦ Cv. 15.4 (a) arccos(− √ 2/2) = 135 ◦, (b) arccos( 6/3) ≈ 35.26 . Cv. 15.6 (a) (2, −1, 0)T , (b) (1, 1, −1)T .
Cv. 18.13 Ano. n Cv. 19.1 (a) (−1)n , (b) (−1)⌊ 2 ⌋ , (c) 2, 0, −3 a −90 (d) 3, −9, 20, (e) 0 a (1 − a2 )3 .
Cv. 19.11 x4 − 3x4 + . . .
Cv. 15.10 (a) Ne, (b) Ne, (c) Ano.
Cv. 19.13 Nezmˇen´ı.
Cv. 15.17 u ⊥ v.
Cv. 19.14 4.
Cv. 16.2 Projekce ( 12 , 12 , 1), vzd´alenost
√
2 2 .
Cv. 19.15 n2 − n − 2.
Cv. 19.17 0. Cv. 16.7 (1, 10−3 , 10−3 ), (0, 0, −1), (0, −0.709, −0.709). Cv. 19.19 412. Cv. 17.3 ∄.
Cv. 19.20 Ne.
Cv. 17.4 B´aze (2, 5, 10, 1).
Cv. 19.21 ±1.
Cv. 17.10 (a) v = (3, 4, 4), w = (0, −2, 2), (b) v = Cv. 19.22 4. (4, 1, 3, 4), w = (−3, 1, 1, 2). Cv. 19.25 3. Cv. 17.11 7. Cv. 19.26 ai . Cv. 17.12 7.
Cv. 19.28 2, 1, 1.
Cv. 17.13 (a) 7, (b) 10, (c) 6.
Cv. 19.29 det(A) = −6, det(B) = 5i.
Cv. 17.14 In − P . 1 422 2 1 1 Cv. 17.24 (a) 6 , (b) e1 eT1 + e2 eT2 , (c) I3 .
Cv. 19.30 (a) (−1, 1, 0)T , (b) ( 52 , 1, 21 )T .
211
Cv. 17.25 (a) S(P ). Cv. 17.27 (a)
|aT c| kak ,
Cv. 19.32 ((a2 + c2 − b2 )/(2ac), (b2 + c2 − a2 )/(2bc), (a2 + b2 − c2 )/(2ab))T . Cv. 19.33
(b)
|aT c−b| kak .
1 3.
Cv. 19.35 π.
Cv. 17.38 2.1961.
Cv. 19.36 (a) x+y−1 = 0, (b) x2 +y 2 −4x−2y+1 = 0.
Cv. 17.39 y = 9.731 e0.507 t .
Cv. 19.40 n + 1. Cv. 19.42 xn + (−1)n+1 y n .
Cv. 18.1 Ne. Cv. 18.6 Ano. Cv. 18.7 2n . Cv. 18.8 ∞. Cv. 18.12 Ano.
Cv. 19.43 (a) x = 1, (b) Pro a0 = 0 je x ∈ R, jinak x ∈ {a1 , . . . , an }. Cv. 19.44 A = c − aT b, B = 0 pro n > 2, C = (a2 − b2 )n . Cv. 19.45 A = (−1)n(n+1)/2 , B = (−2)(n − 2)!, C = n!(−1)n−1 , D = n!.
ˇ sen´ı Reˇ
126
Cv. 19.49 A =
Pn Pn 1+ Qn i=1 ai , B = 1 + i=1 ai , a i i=1 n n−1 (a − b) + nb(a − b) ,
Cv. 21.46 Vlastn´ı ˇc´ısla 0 a 1.
C=Q P Q D = ni=1 (ai − b) + ni=1 b j6=i (aj − b).
Cv. 19.51 1 − aT b.
Cv. 20.1 adj(A) =
4 −2 −3 1
adj(C) = 1 −a ac−b . 0 1 −c 0 0
Cv. 20.2 Cv. 20.3
2 2 −4 −1 1 2 , 1 −1 2
, adj(B) = −a 1−a 2 0 a −a , adj(D)
a2 0
0
a2
=
1
d −b −c a .
1 ad−bc
d −b −c a
Cv. 20.4 In .
Cv. 22.4 Ne. Cv. 22.6 Ano, ne. Cv. 22.19 Ne. Cv. 22.23 Ano, ne, ne. Cv. 22.28 A = −2I2 . 5 2 , 1 ( 1 2 ). Cv. 22.30 −10 −4 3 12 Cv. 22.31 0, 1, 1, 2, −3.
pro ad 6= bc.
Cv. 20.8 Ne. Cv. 20.11 Ano.
Cv. 22.32 (a) c1 = c2 = 0 nebo c1 , c2 6= 0. Cv. 22.35 7. Cv. 22.38 (a) 5, (b) 4, (c) 10. Cv. 22.39 Jak kdy. Cv. 22.40 Nˇekde v [n − k, n].
Cv. 21.1 (b) 0 : (1, 0)T , (0, 1)T , (d) 1 ± i : (1, 1 ± i)T , Cv. 22.41 Max. dvakr´at. (e) −2 : (1, −1)T , 4 : (1, −2)T . Cv. 21.2 (a) 1 : (1, 2, 1)T , 2 : (1, 1, 0)T , 3 : (1, 2, 2)T , (b) 0 : (−1, 1, 4)T , 2 : (1, 1, 0)T , −9 : (2, −2, 1)T , (c) 2 : (1, 1, 1)T , −1 : (1, −1, 0)T , (1, 0, −1)T .
Cv. 23.7 Napˇr. (1, 1, 1)T , (1, −1, 0)T , (1, 1, −2)T . 2 Cv. 23.8 ± ( 03 21 ) nebo ± 15 ( 12 3 13 ).
Cv. 23.13 Ne.
Cv. 21.13 0 a 1.
Cv. 23.22 (a)–(b) Ano, max. o ε.
Cv. 21.14 (a) vlastn´ı ˇc´ısla 0 a cT d, (b) vlastn´ı ˇc´ısla 0 a n.
Cv. 23.26 1 : 2. Cv. 23.27 2 : 1 : 3.
Cv. 21.16 a + b, a − c.
Cv. 23.28 1 : 2 : 1.
Cv. 21.17 ab ≥ 0.
Cv. 23.30 (a) ( 00 10 ), (b) ( 00 10 ), (c) ( 01 10 ).
Cv. 21.26 Ano. Cv. 21.28 7.
Cv. 24.1 Ano.
Cv. 21.29 a = 1, b = 2.
Cv. 24.2 Ano.
Cv. 21.30 a = 6. Cv. 21.35 (b) 21 A − 25 I2 , (c) 145A − 54I2 .
Cv. 24.3 1. Cv. 24.4 10−9 .
Cv. 21.43 0 a 1.
Cv. 25.5 Jen A = 0.
ˇ adn´ Cv. 21.44 Z´ a nem´ a.
Cv. 25.6 ∄.
Cv. 21.45 Vlastn´ı ˇc´ısla −1 a 1.
Cv. 25.9 a >
√
2.
Cviˇcen´ı z line´ arn´ı algebry
Cv. 25.10 L =
In on In 2In
127
.
E ∼ diag (1, −1, −1), F ∼ diag (1, −1).
Cv. 26.2 (a) Na, (b) Ano, (c) Ne. Cv. 26.3 Ne. 1 0 Cv. 26.8
0 −1 0 1/2 −1 1/2 0
Cv. 26.11 (b)
1 3 1 131 131
1 0 2 , ∄, 0 0 2 . 220
, (c) 2.
Cv. 26.16 (a) A, B ∼ diag (1, 1, 0), C ∼ diag (1, 1, 1), (b) D ∼ diag (1, −1, 0),
Cv. 26.20 (b)
n+2 2 .
Cv. 27.5 det(H(u)) = −1. √ Cv. 27.15 (a) 0 a 1, (b) 0 a 8, (c)–(d) kak2 , pokud a 6= o. Cv. 28.7 x 6= 0 a x 6= −
Pn
i=1 ai .
128
ˇ sen´ı Reˇ
Znaˇ cen´ı Mnoˇ ziny
N, Z, Q, R, C Zn U +V U ×V 2M
mnoˇzina pˇrirozen´ ych, cel´ ych, racion´ aln´ıch, re´ aln´ ych a komplexn´ıch ˇc´ısel mnoˇzina {0, 1, . . . , n − 1}, sˇc´ıt´an´ı a n´ asoben´ı modulo n souˇcet mnoˇzin (tj. i prostor˚ u), U + V = {u + v; u ∈ U, v ∈ V } kart´ezsk´ y souˇcin mnoˇzin, U × V = {(u, v); u ∈ U, v ∈ V } mnoˇzina vˇsech podmnoˇzin mnoˇziny M
Matice a vektory Ei (α) Eij (α) Eij rank (A) trace (A) AT A∗ A† kAk pA (λ) ρ(A) C(p) REF RREF Ai∗ A∗j diag(v) Jk (λ) 0n , 0 1n In , I ei e kxkp kxk2
element´ arn´ı matice pro vyn´ asoben´ı i-t´eho ˇra´dku ˇc´ıslem α 6= 0 element´ arn´ı matice pro pˇriˇcten´ı α-n´ asobku j-t´eho ˇra´dku k i-t´emu element´ arn´ı matice pro prohozen´ı dvou ˇra´dk˚ u i, j hodnost matice A P stopa matice A, trace(A) = ni=1 Aii transpozice matice A T Hermitovsk´ a transpozice matice, A∗ = A pseudoinverze matice A norma matice A charakteristick´ y polynom matice A spektr´aln´ı polomˇer matice A, nejvˇetˇs´ı absolutn´ı hodnota z vlastn´ıch ˇc´ısel matice spoleˇcnice polynomu p(x) odstupˇ novan´ y tvar matice redukovan´ y odstupˇ novan´ y tvar matice i-t´ y ˇra´dek matice A j-t´ y sloupec matice A diagon´ aln´ı matice s diagon´ aln´ımi prvky v1 , . . . , vn Jordanova buˇ nka nulov´a matice (vˇsechny sloˇzky jsou rovny 0) jedniˇckov´a matice (vˇsechny sloˇzky jsou rovny 1) jednotkov´a matice (diagon´ aln´ı s jedniˇckami na diagon´ ale) T jednotkov´ y vektor, ei = I∗i = (0, . . . , 0, 1, . . . , 0) vektor ze sam´ ych jedniˇcek, e = (1, . . . , 1)T 1 Pn p p p-norma vektoru x, kxkp = i=1 |xi | q Pn 2 eukleidovsk´ a norma vektoru x, kxk2 = i=1 xi 129
130
Znaˇcen´ı
Prostory kan S(A) R(A) Ker(A) Pn Cha,bi ⋐ span(W ) [v]B
kanonick´a b´ aze, e1 , . . . , en sloupcov´ y prostor matice A ˇra´dkov´ y prostor matice A j´adro matice A prostor re´ aln´ ych polynom˚ u promˇenn´e x stupnˇe nanejv´ yˇs n prostor spojit´ ych re´ aln´ ych funkc´ı na intervalu ha, bi podprostor line´ arn´ı obal mnoˇziny vektor˚ uW souˇradnice vektoru v vzhledem k b´ azi B
Zobrazen´ı sgn(p) Sn g◦f f (U ) Ker(f ) B2 [f ]B1
znam´enko permutace p mnoˇzina vˇsech permutac´ı na {1, . . . , n} sloˇzen´e zobrazen´ı, (g ◦ f )(x) = g(f (x)) obraz mnoˇziny U pˇri zobrazen´ı f j´adro zobrazen´ı f matice line´ arn´ıho zobrazen´ı f vzhledem k b´ azi B1 , B2
ˇ ısla C´ r+ r− ℜ(z) ℑ(z) z
kladn´ a ˇc´ ast re´ aln´eho ˇc´ısla, r + = max(r, 0) z´aporn´ a ˇc´ ast re´ aln´eho ˇc´ısla, r − = max(−r, 0) re´ aln´ a ˇc´ ast komplexn´ıho ˇc´ısla z imagin´ arn´ı ˇc´ ast komplexn´ıho ˇc´ısla z komplexnˇe sdruˇzen´e ˇc´ıslo, z = a + bi = a − bi
Literatura J. Beˇcv´aˇr. Sb´ırka u ´loh z line´ arn´ı algebry. St´ atn´ı pedagogick´e nakladatelstv´ı, Praha, 1975. L. Bican. Line´ arn´ı algebra v u ´loh´ ach. St´ atn´ı pedagogick´e nakladatelstv´ı, Praha, 1979. J. Fiala. Sb´ırka u ´loh z matematiky. Elektronick´a sb´ırka, http://kam.mff.cuni.cz/~sbirka/. J. Hefferon. Linear algebra, 2011. http://joshua.smcvt.edu/linearalgebra/. C. D. Meyer. Matrix Analysis and Applied Linear Algebra (incl. CD-ROM and solutions manual). SIAM, Philadelphia, PA, 2000. http://www.matrixanalysis.com/DownloadChapters.html. V. V. Prasolov. Problems and Theorems in Linear Algebra. American Mathematical Society, USA, 1994. http://www2.math.su.se/~mleites/books/prasolov-1994-problems.pdf. K. V´ yborn´ y and M. Zahradn´ık. Pouˇz´ıv´ ame line´ arn´ı algebru. Karolinum, Praha, 2002. http://www.kolej.mff.cuni.cz/~lmotm275/skripta/sbirka/html/ramy.html.
131