Univerzita Karlova v Praze Pedagogická fakulta
SEMINÁRNÍ PRÁCE Z ALGEBRY
ELEMENTY LINEÁRNÍ ALGEBRY
1999/2000
CIFRIK
PŘEHLED DEFINIC A POJMŮ
Základní pojmy Binární relace R Binární relace R mezi množinami A, B je libovolná podmnožina R kartézského součinu množin A, B . Pro dva prvky a A, b B takové, že a, b R , píšeme též aRb a čteme „(prvek) a je v relaci R s (prvkem) b “. Binární relace je: • reflexivní, jestliže platí x M : xRx • ireflexivní, jestliže platí x M : non xRx • symetrická, jestliže platí x, y M : xRy yRx • antisymetrická, jestliže platí x, y M : xRy yRx x y • tranzitivní, jestliže platí x, y, z M : xRy yRz xRz • konektivní, jestliže platí x, y M : xRy x y yRx Binární relace U na množině M se nazývá • (neostré) uspořádání na množině M , je-li reflexivní, antisymetrická a tranzitivní • ostré uspořádání na množině M , je-li ireflexivní, antisymetrická a tranzitivní • (ostré či neostré) lineární uspořádání na množině M , jestliže je (ostrým či neostrým) uspořádáním na M a je navíc konektivní. Příklad 1. Je dána množina A 1,2,3,4,5,6,7,8. a) Určeme výčtem prvků binární relaci R x, y A 2 ; x / y x y x 1 b) Určeme 1. a 2. obor binární relace R . c) Určeme výčtem prvků relaci R 1 doplňkovou k R .
ad a) R 2,4, 2,6, 2,8, 3,6, 4,8 ad b) první obor O1 R 2,3,4, druhý obor O2 R 4,6,8 ad c) x, y A 2 ; x, y R 1 y, x R To znamená, že relaci R 1 vytvoříme z relace R záměnou pořadí složek ve všech uspořádaných dvojicích relace R . Tedy R 1 4,2, 6,2, 8,2, 6,3, 8,4 Příklad 2. Nechť M je množina přímek v rovině. Definujme relaci R takto: pRq znamená, že přímka p nemá společný bod s přímkou q . Které vlastnosti má relace R ? Relace R není reflexivní, protože přímka p má sama se sebou dokonce nekonečně mnoho společných bodů. Relace R je symetrická, protože zřejmě p má společný bod s q , právě když q má společný bod s p . Relace není tranzitivní. Kdyby byla tranzitivní, znamenalo by to, že nemá-li p společný bod s q a současně nemá q společný bod s r , pak p nemá společný bod s r . Zvolme speciálně p q, pRq , tj. p q, p║q, a r p . Pak zřejmě pRq, qRp , ale p není v relaci R sama se sebou.
www.matematika.webz.cz
1
PŘEHLED DEFINIC A POJMŮ Zobrazení Def.I. Zobrazení (funkce) f množiny A do množiny B (označení f : A B ) je jakákoli relace mezi množinami A, B taková, že pro každé a A existuje právě jeden prvek b B takový, že a, b f . Prvek b nazýváme hodnotou zobrazení f v bodě a (příp. obrazem prvku a při zobrazení f ) a píšeme stručně b f a . Prvek a nazýváme vzorem prvku b při zobrazení f . Definiční obor D f zobrazení f je množina D f x A; b B : b f x . Obor hodnot H f zobrazení f je množina H f y B; x A : y f x Def.II. Zobrazením z množiny A do množiny B rozumíme takovou podmnožinu f množiny A B , pro kterou platí: (x A)(y1 , y2 A){[(x, y1 ) f ( x, y2 ) f ] y1 y2 } . Zobrazení f : A B se nazývá • prosté (injekce), jestliže pro libovolná x1 , x2 D f platí: Je-li x1 x2 , je f x1 f x2 (tj. každým dvěma různým vzorům přísluší dva různé obrazy); • na (surjekce), je-li H f B ; • vzájemně jednoznačné (bijekce), jestliže je zároveň prosté a na (tj. D f A, H f B a f je prosté). Binární operace (Binární) operací ☺ na množině M rozumíme každé zobrazení (celého) kartézského součinu M M do M. Není-li definičním oborem celá množina M M hovoříme o parciální nebo též částečné operaci. Říkáme, že operace ☺ na množině M • je komutativní, jestliže a, b M a ☺ b b ☺ a • je asociativní, jestliže a, b, c M ( a ☺ b )☺c = a ☺ ( b ☺ c ), • má neutrální prvek n , jestliže n M c M n ☺ c c ☺ n c • má agresivní prvek a , jestliže a M c M a ☺ c c ☺ a a • má inverzní prvek c 1 ke každému prvku c , jestliže existuje neutrální prvek n a platí c M c1 M c ☺ c1 c1 ☺ c n .
Grupa Grupou rozumíme uspořádanou dvojici (G,☺), kde G je neprázdná množina, tzv. nosič grupy G, a ☺ je binární operace na G, která je asociativní, má neutrální prvek a ke každému prvku i prvek inverzní. Je-li navíc operace ☺ komutativní, hovoříme o komutativní (neboli Abelově) grupě.
www.matematika.webz.cz
2
PŘEHLED DEFINIC A POJMŮ Číselné těleso Číselným tělesem rozumíme uspořádanou trojici T ,, , kde T je podmnožina množiny komplexních čísel C taková, že 0 T , 1 T a platí: (x, y T )( x y T x. y T ) (je uzavřená na sčítání a násobení) (x T )(1).x T (je uzavřená na opačné prvky) 1 (x T )( x 0 T ) (je uzavřená na převrácené hodnoty nenulových prvků) x Obecně číselným tělesem rozumíme každou uspořádanou trojici T ,, , kde T je aspoň dvouprvková množina; , jsou operace na T a platí x, y, z T : x y y x x y yx x y z x y z x y z x y z (1 T )(x) 1 x x ( 0 T )(x) 0 x x (x)( x T ) x x 0 (x 0)(x 1 T ) x x 1 1 x y z x z y z (distributivita operace vzhledem k operaci ) Aritmetický vektor
Nechť T je těleso, n přirozené číslo. Uspořádanou n-tici x x1 , x2 ,..., xn , kde xi T , i 1,2,..., n , nazveme n-rozměrným aritmetickým vektorem nad tělesem T. Prvek x i nazýváme i-tým členem aritmetického vektoru x . Množinu všech n-rozměrných aritmetických vektorů nad T budeme značit Vn T . Rovnost dvou aritmetických vektorů Dva vektory x, y se sobě rovnají, právě když xi yi , i 1, 2,..., n . Součet dvou aritmetických vektorů x y x1 y1 , x2 y 2 , ..., xn y n α-násobek
x x1 ,x2 ,...,xn
Nulový aritmetický vektor o 0, 0, ..., 0 , tj. všechny členy jsou rovny nulovému prvku tělesa T. Lineární kombinace Nechť a1 , a2 ,..., ak jsou vektory z Vn (T ) , 1 , 2 ,..., k prvky z T. Aritmetický vektor x 1 a1 2 a 2 ... k a k nazýváme lineární kombinací aritmetických vektorů a1 , a2 ,..., ak s koeficienty 1 , 2 ,..., k . triviální lineární kombinací - nazýváme lineární kombinaci, která má všechny koeficienty rovné nulovému prvku 0 z tělesa T netriviální lineární kombinaci – jestliže je aspoň jeden koeficient různý od 0 nulová lineární kombinace – jestliže pro prvky 1 , 2 ,..., k T a vektory a1 , a2 ,..., ak V (T ) platí: 1 a1 2 a 2 ... k a k o .
www.matematika.webz.cz
3
PŘEHLED DEFINIC A POJMŮ Lineární závislost a nezávislost vektorů závislé – existuje nulová netriviální lineární kombinace nezávislé – existuje pouze triviální lineární kombinace Příklad 3. Rozhodněme, zda následující vektory z aritmetického vektorového prostoru R3 nad R jsou lineárně závislé nebo nezávislé. u 3,2,7, v 1,1,1, w 2,0,3 Rozhodnout, zda vektory u, v, w jsou lineárně závislé resp. nezávislé, znamená rozhodnout, zda rovnice c1 u c 2 v c3 w 0 má nenulové resp. pouze nulové řešení. Tuto rovnici lze přepsat na soustavu 3c1 c 2 2c 3 0
2c1 c 2
0.
7c1 c 2 3c 3 0 Tato soustava má pouze triviální řešení c1 c 2 c3 0 , takže vektory u, v, w jsou LN. Pozn. O nezávislosti vektorů u, v, w lze rozhodnout též na základě výpočtu determinantu matice soustavy. (Soustava rovnic má pouze triviální řešení právě tehdy, když determinant matice soustavy není 0). 3 1 2 2 1 0 9 4 0 14 0 6 7 0 lineárně nezávislé 7 1 3 Příklad 4. Určeme reálné číslo b tak, aby vektory u, v, w z aritmetického vektorového prostoru R 3 nad R byly lineárně závislé. u 1,2,3, v 3,1,4, w b,4,11 Aby vektory u, v, w byly lineárně závislé, musí existovat čísla c1 , c 2 , c3 R , z nichž aspoň jedno je nenulové, a platí c1 u c 2 v c3 w 0 . Zkoumáme tedy, pro které hodnoty parametru b má soustava c1 3c 2 b c 3 0
2c1 c 2 4c 3 0 3c1 4c 2 11c 3 0 nulové řešení. Odečtením 1. a 2. rovnice od 3. rovnice dostaneme 7 b c3 0 . Snadno zjistíme, že pro b 7 je c3 c1 c 2 0 a pro b 7 má soustava nekonečně mnoho řešení, tedy pro b 7 jsou vektory u, v, w lineárně závislé.
www.matematika.webz.cz
4
PŘEHLED DEFINIC A POJMŮ Příklad 5. Určeme všechny hodnoty a R , pro které je vektor v lineární kombinací vektorů u 1 , u 2 , u 3 . u 1 3,2,5, u 2 2,4,7, u 3 5,6, a , v 1,3,5 Vektor v je lineární kombinací vektorů u 1 , u 2 , u 3 právě tehdy, když existují c1 , c 2 , c3 R taková, že v c1 u 1 c 2 u 2 c3 u 3 , tzn., když soustava rovnic 3c1 2c 2 5c 3 1
2c1 4c 2 6c 3 3 5c1 7c 2 a c 3 5 má aspoň jedno řešení. Podle Frobeinovy věty je tato soustava řešitelná právě tehdy, když je hodnost matice soustavy 3 2 5 A 2 4 6 5 7 a rovna hodnosti rozšířené matice soustavy 3 2 5 1 A' 2 4 6 2 . 5 7 a 5 Matici A' upravíme na trojúhelníkový tvar:
3 2 5 1 3 2 5 1 3 2 5 1 6 2 0 8 8 7 0 8 8 7 2 4 0 1 a 11 1 0 1 a 11 1 0 0 a 12 1 8 Vidíme, že pro a 12 je h A h A' 3 , tedy soustava je řešitelná (protože hodnost matice soustavy je rovna počtu neznámých, je toto řešení právě jedno). To znamená, že vektor v je lineární kombinací vektorů u 1 , u 2 , u 3 pro libovolné reálné a 12 . 3 2 5 A' 2 4 6 5 7 a
1 2 5
Pamatujme:
Neexistuje ani jedna oblast matematiky, a to ať je jakkoli abstraktní, která by se jednou nedala aplikovat na jevy reálného světa. N.I. Lobačevskij
www.matematika.webz.cz
5
PŘEHLED DEFINIC A POJMŮ
Matice Nechť T je těleso. Obdélníkovou tabulku prvků z T sestavených do m řádků a n sloupců nazýváme matici typu m, n nad tělesem T. Je-li m n , hovoříme o čtvercové matici n-tého řádu. Matice A přiřazuje každé dvojici i, k , i 1,2,..., m, k 1,2,..., n prvek z T, který označujeme aik a nazýváme prvkem matice A v i-tém řádku a k-tém sloupci. Matici A zapisujeme a11 , a12 ,..., a1n a 21 , a 22 ,..., a 2 n A ........... a , a ,..., a mn m1 m 2
nebo zkráceně
A aik i 1,...,m . k 1,...,n
pokud je z textu známo m, n , píšeme pouze A aik . Aritmetický vektor ai1 , ai 2 ,..., ain se nazývá i-tý řádek, aritmetický vektor a1k , a2 k ,..., amk k-tý sloupec matice A . Diagonála a diagonální matice Nechť A aik je matice typu m, n . Aritmetický vektor a11 , a22 ,..., arr , kde r min m, n , se nazývá (hlavní) diagonála matice A . Prvky aii , i 1,2, ,..., r , se nazývají diagonální prvky. Matice A aik , která má mimo hlavní diagonálu samé 0, tj. a ik 0 pro i k , se nazývá diagonální. Jednotková matice Jednotkovou matici A n-tého řádu nazýváme diagonální matici E eik n-tého řádu, pro níž platí eii 1 pro všechna i 1,2, ..., n . (Jednotková matice stupně n je čtvercová matice E eik stupně n mající v hlavní diagonále všude prvek 1 a všude jinde prvek 0.) Transponovaná matice Transponovaná matice k matici A aik typu m, n je matice B bik typu n, m , pro T
T
kterou platí aik bik , i 1,2,..., m, k 1,2,..., n . (Transponovanou matici A dostaneme z matice A tak, že vzájemně vyměníme řádky a sloupce v matici A ). Příklad 6. Určeme transponované matice k maticím 4 1 2 A 5 2 3 , 4 0 1
2 3 1 B 0 2 1 3 6 3
5 4 2 A 4 2 0 , 1 3 1
0 3 1 B 2 2 6 3 1 3
T
www.matematika.webz.cz
T
6
PŘEHLED DEFINIC A POJMŮ Matice symetrická a antisymetrická Matice A se nazývá symetrická (antisymetrická), jestliže platí T
A A
A A . T
Trojúhelníková matice zobecněná: právě když matice A aik typu m, n a má pouze nenulové řádky, b jsou-li aik , a rs vedoucí prvky takové, že i r , pak k s . redukovaná: právě když je u zobecněné trojúhelníková matice A aik typu m, n a každý vedoucí prvek je roven 1, b nad každým vedoucím prvkem jsou ve sloupci pouze 0. Čtvercové matice: regulární singulární Čtvercovou matici A n-tého řádu nazveme regulární jestliže hod A n , čtvercovou matici A n-tého řádu nazveme singulární jestliže hod A n . (Regulární maticí nazýváme čtvercovou matici n-tého řádu, jejíž hodnost je rovna n . V opačném případě mluvíme o singulární matici.) Matice A je regulární je-li determinant det A 0. K regulární matici existuje inverzní matice. Řádkový prostor Řádkovým prostorem matice A rozumíme podprostor vektorového prostoru Vn (T ) generovaný všemi řádky matice A . Hodnost matice Hodností matice A aik typu n, m nazýváme dimenzi jejího řádkového prostoru. Elementární úpravy Elementární řádkové (sloupcové) úpravy: a změna pořadí řádků (resp. sloupců) matice A b nahrazení řádku (resp. sloupce) matice A jeho α-násobkem, kde T , 0 . c nahrazení řádku (resp. sloupce) matice A jeho součtem s α-násobkem, T , jiného řádku matice A . d vynechání řádku (resp. sloupce), který je lineární kombinací ostatních řádků (resp. sloupců) Dvě matice jsou ekvivalentní, právě když lze jednu z druhé získat konečným počtem elementárních úprav řádků. Příklad 7. Určeme hodnost matice A
www.matematika.webz.cz
3 2 1 0 4 0 2 3 . 11 4 13 1 2 1 5 1
7
PŘEHLED DEFINIC A POJMŮ Pomocí elementárních řádkových a sloupcových úprav převedeme matici A na ekvivalentní zobecněnou trojúhelníkovou matici: 0 1 2 5 1 1 2 5 1 3 2 1 0 2 3 2 3 1 0 0 1 9 2 4 11 4 13 1 0 4 2 3 0 4 2 3 2 1 5 4 11 13 1 0 5 11 1 1 5 1 1 2 1 2 5 1 0 1 9 2 0 1 9 2 0 0 34 11 0 0 34 11 0 0 34 11 Hodnost matice A je 3.
Rovnost matic
Matice A aik typu m, n a B bik typu r, s se sobě rovnají, právě když platí: m = r, n = s, aik bik pro všechna i 1,2,..., m, k 1,2,..., n . Součet matic Nechť jsou dány matice A aik , B bik téhož typu m, n nad týmž tělesem T. Součtem matic A a B nazýváme matici C cik typu m, n definovanou předpisem
cik aik bik , i 1,2, ..., m, k 1,2, ..., n . Píšeme C A B . Platí: a A B B A
b
A ( B C ) ( A B) C
A B A B A0 0 A A e A aik , kde aik je opačný prvek k aik v tělese T, A je matice opačná k matici A, tj. platí A A 0 . c
d
T
T
T
(Z a,b,c,e plyne, že množina matic daného typu (m,n) nad tělesem T tvoří komutativní grupu.) Příklad 8. Sečtěme matice A a B . 4 1 2 A 5 2 3 , 4 0 1
2 3 1 B 0 2 1 3 6 3
4 2 1 3 3 6 2 2 1 A B 5 0 2 2 3 1 5 4 2 43 06 1 3 1 6 2
www.matematika.webz.cz
8
PŘEHLED DEFINIC A POJMŮ α-násobek matice Nechť A aik je matice typu m, n nad tělesem T. Součinem prvků T a matice A nazýváme matici C cik typu m, n definovanou předpisem
cik aik , i 1,2, ...., m, k 1,2, ..., n . Píšeme C A . Příklad 9. Určeme matici D 2 A 3B . 4 1 2 A 5 2 3 , 4 0 1
2 3 1 B 0 2 1 3 6 3
2.4 2.(1) 3.1 3.2 3.3 2.2 D 2.5 2.(2) 2.(3) 3.0 3.(2) 3.1 2.4 2.0 2.1 3.(3) 3.6 3.(3) 2 4 8 10 4 6 8 0 2
6 9 3 3 0 6 9 18 9
11 1 2 9 10 2 17 18 11
Příklad 10. Vypočítejme matici X z rovnice
6 5 1 3 X 4 3 7 2 Rovnice je ve tvaru A X B a budeme ji řešit vynásobením obou stran rovnice inverzní maticí A
1
1
1
1
zleva: A A X A B , takže X A B . 1
Určíme tedy matici A :
6 5 4 3
1 0 6 5 1 0 1 0 3
1 0 6 0 2 1 1 0 3 3
9 15 1 0 2 1 0 1 3
3 2 2
5 2 3
3 5 A 2 2 2 3 1 3 5 1 3 1 19 X A B 2 2 2 7 2 2 3 23 0 1
Zkouška:
6 5 19 1 1 3 B A X 2 4 3 23 0 7 2
www.matematika.webz.cz
9
PŘEHLED DEFINIC A POJMŮ Součin matic Nechť je dána matice A aik typu m, n a matice B bik typu n, p , obě nad týmž tělesem T. Součinem matic A , B (v tomto pořadí!) nazýváme matici C cik typu m, p definovanou předpisem n
cik ai1b1k ai 2 b2 k ... ain bnk aij b jk , i 1,2, ..., m, k 1,2, ..., p . j 1
Píšeme C A B . (Podmínku pro typy matic při násobení si můžeme zapamatovat pomocí formálního vztahu (m,n)(n,p) = (m,p).) !!! Násobení matic není komutativní !!! Příklad 11. Určeme součin matic C A B 4 1 2 A 5 2 3 , 4 0 1
a11 A B a 21 a 31
a12 a 22 a 32
2 3 1 B 0 2 1 3 6 3
a13 a 23 , kde a 33
a11 2.1 4.0 (1).(3) 5 a12 2.2 4.(2) (1).6 10 a13 2.3 4.1 (1).(3) 13 a 21 5.1 (2).0 (3).(3) 14 a 22 5.2 (2).(2) (3).6 4 a 23 5.3 (2).1 (3).(3) 22 a 31 4.1 0.0 1.(3) 1 a 32 4.2 0.(2) 1.6 14 a 33 4.3 0.1 1.(3) 9 , tedy 5 10 13 A B 14 4 22 1 14 9 Záměnné matice Jsou matice A, B , pro které platí AB B A . Frobeinova věta
* * , soustava rovnic je řešitelná právě tehdy, když hodnost matice soustavy A * * * * * . je rovna hodnosti matice rozšířené A r * * *
www.matematika.webz.cz
10
PŘEHLED DEFINIC A POJMŮ Adjungované matice Příklad 12. Určeme adjungovanou matici adj A k matici A. 4 1 2 A 5 2 3 4 0 1 Adjungovanou matici adj A vypočítáme tak, že každý prvek matice A nahradíme jeho algebraickým doplňkem a takto získanou matici transponujeme:
2 0 4 adj A 0 4 2
3 1 1 1 1 3
5 3 4 1 2 1 4 1 2 1 5 3
5 2 4 0 2 4 4 0 2 4 5 2
T
T 8 2 17 2 4 14 4 6 16 17 6 1 14 8 16 24 1 24
Inverzní matice Buďte A, B čtvercové regulární matice stupně n. Řekneme, že B je inverzní matice k matici A nebo že A je inverzní maticí k matici B , jestliže A B B A E , kde E je jednotková matice. Příklad 13. Určeme inverzní matici A-1 k matici A. 2 3 0 A 0 1 1 1 2 0
2 0 1 2 0 0
3 0 1 1 2 0 3 0 7 0 0 7
1 0 0 0 1 0 0 0 1
1 0 0 2 0 1 0 0 0 0 1 0 1 0 0 14 1 0 2 0 1 7 2 0 2 7 1 7 1 7
0 0
www.matematika.webz.cz
7 7
3 7 2 7 2 7
3 0 1 1 7 0 0 0 7 0 0 7
A
1
1 0 0 2 0 1 0 0 1 0 2 0 4 0 6 7 1 0 2 0 1 7 2 0
3 0 1 1 0 7 0 0 7 0 0 7
1 0 0 0 1 0 1 7 2 2 0 3 1 0 2 1 7 2
0 3 2 1 1 0 2 7 2 1 7
11
PŘEHLED DEFINIC A POJMŮ Příklad 14. Určeme inverzní matici A-1 k matici A.
4 1 2 A 5 2 3 4 0 1 Řešení 1 Zjistíme determinant dané matice a matici adjungovanou. Je-li determinant nenulový, platí vztah adj A 1 . A det A det A vypočteme snadno pomocí Sarrusova pravidla: 2 4 1 det A 5 2 3 4 0 48 8 0 20 80 , 4 0 1
výpočet adj A je uveden v předchozím příkladě, proto 2 4 14 1 1 A 17 6 1 . 80 8 16 24 Řešení 2
Pomocí jednotkové matice:
2 4 1 5 2 3 4 0 1
1 0 0 2 4 1 1 0 0 0 1 0 0 24 1 5 2 0 0 0 1 0 8 3 2 0 1 2 4 1 1 0 0 20 40 0 9 2 3 0 24 1 5 2 0 0 240 0 51 18 3 0 0 10 1 2 3 0 0 10 1 2 3 3 6 21 120 120 120 120 0 0 3 6 21 1 0 0 51 18 3 0 240 0 51 18 3 0 1 0 240 240 240 0 0 10 1 2 3 0 0 1 1 2 3 10 10 10 6 21 3 120 120 2 4 14 120 51 18 3 1 1 17 A 6 1 240 240 240 80 1 2 3 8 16 24 10 10 10 1 1 Zkoušku správnosti lze provést ověřením platnosti vztahu A A A A E , kde E je jednotková matice. www.matematika.webz.cz
12
PŘEHLED DEFINIC A POJMŮ Příklad 15. Řešme soustavu rovnic
2 x1 x1
3x 2 x2 2x2
x3
1 1 2
Jedná se o soustavu tří rovnic o třech neznámých, přičemž determinant matice soustavy 2 3 0 det A 0 1 1 7 0 , 1 2
0
takže soustava má právě jedno řešení. Řešení 1
Úpravou rozšířené matice soustavy (Gaussova eliminační metoda): 2 3 0 1 0 7 0 5 1 2 0 2 A 0 1 1 1 0 1 1 1 0 1 1 1 1 2 0 2 1 2 0 2 0 0 7 12
Znovu jsme se přesvědčili, že soustava je řešitelná, neboť h A h A' 3 (Frobeinova věta; A' je matice rozšířená) a h A n ( n počet neznámých), takže řešení je právě jedno. 5 4 12 Z poslední upravené rovnice vidíme, že 7 x 3 12 , takže x 3 . Podobně x2 , x1 . 7 7 7 Řešení 2
Užitím Cramerova pravidla:
det A i , det A kde matice A i vznikne z A nahrazením i-tého sloupce pravými stranami soustavy. Takže 1 3 0 1 1 1 2 2 0 4 x1 7 7 2 1 0 0 1 1 1 2 0 5 x2 7 7 2 3 1 0 1 1 1 2 2 12 x3 7 7 xi
www.matematika.webz.cz
13
PŘEHLED DEFINIC A POJMŮ 1
Řešení 3 Pomocí inverzní matice A k matici soustavy A : Danou soustavu lze přepsat ve tvaru rovnice: 2 3 0 x1 1 0 1 1 x2 1 1 2 0 x 2 3 Řešení této rovnice určíme tak, že vynásobíme zleva obě strany rovnice maticí A matici A . Známým způsobem (inverzní matice) zjistíme, že 0 3 2 1 1 A 1 0 2 . 7 2 1 7 Proto po dosazení do rovnice: 3 2 0 7 1 1 0 0 x1 7 1 2 0 1 0 1 0 x2 7 0 0 1 x 7 1 2 2 3 1 7 7 x1 4 1 x2 5 x 7 12 3 Odsud vidíme, že
1
inverzní k
4 5 12 x1 , x2 , x3 . 7 7 7
Pamatujme:
„Matematika je jen tehdy mocným nástrojem, když spolu s ní se zavádí něco nového, když vůbec do hloubky vnímá jak fyziku, tak i matematiku, když užívá právě ty metody, které jsou pro daný případ nutné. Zkouší-li bezmyšlenkovitě aplikovat matematický aparát a snaží-li se kompenzovat nedostatek pochopení podstaty věci matematickými formulemi, pak má stejně malou pravděpodobnost, že se dobere výsledku, jako má dítě začínající mluvit, že napíše báseň.“ A.N. Krylov
www.matematika.webz.cz
14
PŘEHLED DEFINIC A POJMŮ
Permutace, determinanty a jejich užití Pořadí prvků Buď n přirozené číslo. Pořadím prvků 1,2,...., n rozumíme každou uspořádanou n-tici i1 , i2 ,..., in prvků 1,2,...., n , kde se každý z prvků 1,2,...., n vyskytuje právě jednou. Inverze v pořadí Inverzí v pořadí i1 , i2 ,..., in rozumíme každou dvojici čísel ir , i s takovou , že r s a zároveň ir is (tj. větší číslo se v pořadí vyskytuje před menším číslem). Permutace Permutací množiny 1,2,..., n rozumíme každou bijekci množiny 1,2,..., n. Permutací zapisujeme pomocí matice typu 2, n tvaru i1 , i 2 ,..., i n , j1 , j 2 ,..., j n ve které první řádek nazýváme pořadím vzorů, druhý řádek pořadím obrazů a pro každé x 1,2,..., nje (i x ) j x . Množinu všech permutací množiny 1,2,..., n značíme S n . Inverzní zobrazení 1 k permutaci nazýváme inverzní permutací k permutaci . Říkáme, že permutace je v základním tvaru, jestliže pořadí vzorů je 1,2,..., n . Inverzní permutace Inverzní permutaci vytvoříme výměnou řádků. Znaménko permutace π Znaménkem permutace rozumíme celé číslo 1 , kde k je počet všech inverzí v pořadí vzorů a m počet všech inverzí v pořadí obrazů. Znaménko permutace značíme sign . Je-li sign 1 řekneme, že permutace je sudá, pokud sign 1 je permutace lichá. k m
Příklad 16.
3,4,1,2 . Určeme znaménko permutace 1,4,3,2 Můžeme postupovat dvěma způsoby. Buď určíme počet inverzí v pořadí vzorů a v pořadí obrazů (a), nebo nejprve zapíšeme permutaci v základním tvaru (b). Tedy a) inverze v pořadí vzorů: 3,4,1,2 2 2 0 0 4 inverze v pořadí obrazů 1,4,3,2 0 2 1 0 3 Znaménko permutace je 1
43
1
1,2,3,4 . Inverzí v pořadí vzorů je tedy 0 a b) permutace zapsaná v základním tvaru je 3,2,1,4 3 v pořadí obrazů 2 1 0 0 3 , proto znaménko permutace je 1 1 .
www.matematika.webz.cz
15
PŘEHLED DEFINIC A POJMŮ
Determinant matice A Buď A aij čtvercová matice n-tého řádu nad tělesem T . Determinantem matice A rozumíme prvek (číslo) det A z tělesa T , pro který platí: det A
1, 2,..., n a1s1 a 2 s2 ...a nsn . 1 2 ,..., s n
sign s , s S n
Jsou-li a1, a 2 ,..., a n řádkové (resp. sloupcové) vektory matice A , píšeme místo det A též det a1 , a 2 ,..., a n . Jinak definováno: Determinantem n-tého stupně matice a11 , a12 ,..., a1n a 21 , a 22 ,..., a 2 n A ..................... a , a ,..., a nn n1 n 2 nazýváme číslo r det A 1 a1k1 a 2k 2 ...a nkn ,
kde se sčítá přes všechny permutace k1 , k 2 ,..., k n čísel 1,2,..., n a kde r udává počet inverzí v permutaci k1 , k 2 ,..., k n . Determinant matice A je součet součinů; v každém součinu se vyskytuje z každého řádku i sloupce právě jeden prvek. Na druhé straně každý prvek řádku či sloupce se vyskytuje aspoň v jednom sčítanci. Determinant trojúhelníkové matice je roven součinu prvků na diagonále. Vznikne-li matice B ze čtvercové matice A n-tého řádu výměnou dvou řádků, resp. sloupců, potom det B det A . Platí det A = det AT. Věta o součtu determinantů: det a 1 , a 2 ,..., a i 1 , a i b i , a i 1 ,..., a n det a 1 ,..., a i ,..., a n det a 1 ,..., b i ,..., a n Věta o vytýkání konstanty ze řádku: det a1 , a 2 ,..., a i 1 , a i , a i 1 ,..., a n det a1 , a 2 ,..., a i 1 , a i , a i 1 ,..., a n Buď A čtvercová matice stupně n . Jestliže matice B vznikne z matice A vynásobením libovolného řádku prvkem c T , pak det B c det A . Věta o součinu dvou determinantů det AB det A det B Hodnota determinantu se nezmění, jestliže k danému řádku, resp. sloupci přičteme libovolnou lineární kombinaci ostatních řádků, resp. sloupců. Determinant regulární (singulární) matice je vždy různý od nuly (roven nule).
www.matematika.webz.cz
16
PŘEHLED DEFINIC A POJMŮ Příklad 17. Spočtěme determinant pátého stupně
2 4 3 2 1 2 4 3 2 1
1 1 2 1 3 2 1 1 5 2 1 2 2 1 3 1 2 3 1 3
1 1 2 1 0 3 2 1 1 10 1 5 2 1 2 7 2 1 3 1 2 2 3 1 3 5 2 1 1 0 5
1 3 5 2 2
0 0 0 10 5 7 5 7 4 2 7 3 9 3 9 3 2 1 1 1 1 1 5 5 3 5 3 5
4 3 1 1 5
1 3 4 2 1 3 0 6 3 1 6 1 0 6 28 0 0 1 5 2 5 0 2 0 2 5
1. elementární transformace sloupců matice 2. (Lapleceův) rozvoj podle prvního řádku Minor (subdeterminant) Minorem (subdeterminantem) M ij z čtvercové matice A příslušným prvku a ij rozumíme determinant matice, která vznikne z matice A vynecháním i-tého řádku a j-tého sloupce. Buď A a ij matice typu m, n . Každou matici B , která vznikne z A vynecháním některých (libovolných) řádků a některých sloupců, nazýváme dílčí maticí matice A . Determinant každé čtvercové dílčí matice nazýváme subdeterminantem matice A .Je-li A čtvercová matice stupně n , pak vynecháním libovolných k řádků, k n , a libovolných k sloupců z matice A dostaneme dílčí čtvercovou matici stupně n k . Determinant každé takové dílčí matice nazýváme subdeterminantem matice A stupně n k . Subdeterminant stupně n 1 vzniklý vynecháním i-tého řádku a j-tého sloupce označíme M ij . Prvek Aij 1
i j
M ij nazýváme
algebraickým doplňkem prvku a ij . Cramerovo pravidlo Je-li matice A regulární, pak rozšířená matice má právě jedno řešení, jež se vypočítá det Ai xi , det A kde matice Ai vznikne z matice A nahrazením i-tého sloupce pravými stranami.
www.matematika.webz.cz
17
PŘEHLED DEFINIC A POJMŮ Příklad 18. Pomocí Cramerova pravidla řešme soustavu 2 x1 2 x 2 x3 4 x1 3x 2 x3 8 x1 5 x 2 3x 3 3x1 3x 2 2 x 3
2 4 det A 8 3
2 1 3 1 5 3 3 2
1 1 4 6 det A1 12 6
3 1
1 3
1 1 1 3 2 3 1
1
1 4 2 1 2 6 3 1 4 12 5 3 2 0 0 1
1 4 2 1 4 2 1 2 43 1 1 6 3 2 2 1 0 4 12 5 4 4 3 0 0
2 1 64 2 4 3
2 4 1 4 6 1 det A 2 8 12 3 3 6 2 1 1
4 6 12 6
1 2 2 1 1 0 1 1 2 0 1 1 0 1 4 1 1 0 3 1 4 0 3 1 0 1 1 0 2 1 1 0 0
2 1 3 1 5 3 3 2
1 1
x4 2x4 4x4 2x4
1 3
1 2 4 1 1 0 2 1 2 0 2 1 0 1 4 1 1 0 4 1 4 0 4 1 0 1 2 0 2 1 2 0 0
1
2 1 2 4 2 4 1
2 1 4 3 1 6 2 5 3 12 3 2 6 det A3 det A 4 x3 1 , x4 1 det A det A
2 2 4 1 4 3 6 2 det A 3 2; det A 4 8 5 12 4 3 3 6 2 det A1 2 det A 2 2 x1 1 , x2 1, det A 2 det A 2
2 4 8 3
Zkouška: L1 2 1 2 1 1 1 4 ,
L2 4 1 3 1 1 2 1 6,
L3 8 1 5 1 3 1 4 1 12,
L4 3 1 3 1 2 1 2 1 6,
www.matematika.webz.cz
P1 4 ,
L1 P2
P2 6 ,
L2 P2
P3 12 , P4 6 ,
L3 P3 L4 P4
18
PŘEHLED DEFINIC A POJMŮ
Vektorový prostor Vektorový prostor Nechť T je těleso, V množina. Uspořádanou trojici V ,, , kde + je vnitřní operace na V (tj. zobrazení V V V ), vnější operace na V nad T (tj. zobrazení T V V ), nazveme vektorovým prostorem nad tělesem T , jestliže: a V , je komutativní grupa, b vnější operace splňuje tyto podmínky: T a, b V : .(a b) .a .b,
, T a V : ( ).a .a .a, , T a V : ( . ).a .( .a), a V : 1.a a (1 je jednotkový prvek z T) Ve vektorovém prostoru V T platí: a a V : 0 a 0 (0 je nulový skalár) b T : 0 0 c a 0 0 a 0 d a V : a 1 a • Nejjednodušším příkladem vektorového prostoru je tzv. triviální nebo nulový vektorový prostor 0 , skládající se pouze z nulového vektoru. Příklad 19. Příklady vektorových prostorů 1. Těleso T spolu s operacemi sčítání a násobení definovanými na T je vektorový prostor nad T . 2. Speciálně těleso reálných čísel je vektorový prostor nad R (reálný vektorový prostor) 3. Množina P všech kladných reálných čísel spolu s operacemi a , kde r u v uv, r u u , u, v P, r R , je reálný vektorový prostor 4. Na množině T n všech uspořádaných n-tic prvků z T definujeme operace a1 , a 2 ,..., a n b1 , b2 ,..., bn a1 b1 , a 2 b2 ,..., a n bn
r a1 , a 2 ,..., a n ra1 , ra 2 ,..., ra n
Množina T n je pak vektorovým prostorem nad T , který nazýváme aritmetickým vektorovým prostorem nad T . Vektorový podprostor Nechť W je neprázdná podmnožina vektorového prostoru V ,, . Uspořádanou trojici W ,, nazveme (vektorovým) podprostorem prostoru V T , jestliže platí: a a, b W : a b W b T a W : a W Průnik libovolného neprázdného systému podprostorů vektorového prostoru V je opět podprostorem prostoru V .
www.matematika.webz.cz
19
PŘEHLED DEFINIC A POJMŮ Lineární obal Def.I Nechť a1 , a 2 ,..., a n jsou vektory z vektorového prostoru V (T ) . Množinu
M 1a1 2a2 .... n an ;1,2 ,..., n T nazýváme podprostorem (lineárním obalem) generovaným vektory a1 , a2 ,..., an a značíme a1, a2 ,..., an . O množině a1, a2 ,..., an říkáme, že generuje množinu M nebo že je to množina generátorů podprostoru M. Def.II Buď M podmnožina vektorového prostoru V . Průnik všech podprostorů prostoru V , obsahujících množinu M , nazýváme lineárním obalem množiny M a značíme M . • Buď M podmnožina vektorového prostoru V . Pak platí: a je-li M 0 , je M 0 b
je-li M 0 , pak M je množina všech lineárních kombinací
n
r u i 1
i
i
, kde
u i M , i 1,2,..., n . Úpravy generátorů Nechť a1 , a 2 ,..., a n jsou vektory z vektorového prostoru Vn T , M a1 , a2 ,..., an . Provedeme-li na skupinu vektorů a1 , a 2 ,..., a n některou z následujících změn, dostaneme novou skupinu vektorů, která generuje stejný podprostor M : a změna pořadí vektorů, b nahrazení libovolného vektoru z M jeho α-násobkem, kde T , 0 , c nahrazení libovolného vektoru z M jeho součtem s lineární kombinací ostatních vektorů z M , d vynechání vektoru, který je lineární kombinací ostatních vektorů, e přidání vektoru, který je lineární kombinací vektorů z M . Steinitzova věta Nechť vektory a1 , a2 ,..., an generují vektorový prostor V T . Nechť vektory b1 , b2 ,..., bk z V T jsou lineárně nezávislé. Pak platí: a kn b existuje n k vektorů a i z a1 , a2 ,..., an , které spolu s vektory b1 , b2 ,..., bk generují
V T .
Konečněrozměrný vektorový prostor Jestliže existují vektory a1 , a2 ,..., ak V (T ) takové, že V (T ) a1 , a2 ,..., an , je tento prostor konečněrozměrný. Báze Nechť V (T ) je konečněrozměrný prostor. Podmnožinu a1 , a2 ,..., an V (T ) nazveme bází vektorového prostoru V (T ) , jestliže platí: a a1 , a 2 ,..., a n jsou lineárně nezávislé, b a1 , a2 ,..., an V (T ) , tj. generují V (T )
www.matematika.webz.cz
20
PŘEHLED DEFINIC A POJMŮ
Dimenze Nechť V (T ) je konečněrozměrný vektorový prostor. Dimenzí nenulového prostoru V (T ) nazýváme počet prvků některé jeho báze. Dimenze nulového vektorového prostoru je 0. Dimenze nekonečněrozměrného vektorového prostoru je . Dimenzi vektorového prostoru V (T ) značíme dim V (T ) . Souřadnice vektoru vzhledem k bázi Označme skupinu vektorů a1 , a2 ,..., an v tomto pořadí a nechť je báze vektorového prostoru V (T ), a V (T ) . Uspořádanou n-tici skalárů 1 , 2 ,..., n takovou, že platí
a 1 a1 2 a 2 ... n a n , nazýváme souřadnicemi vektoru a vzhledem k bázi . Píšeme a 1 , 2 ,..., n Součet podprostorů Nechť U , W jsou podprostory vektorového prostoru V T . Podprostor U W nazýváme lineárním součtem podprostorů U ,W . b Nechť U W 0. Potom lineární součet U W nazýváme direktním součtem podprostorů U , W a píšeme U W . Nechť U a1 , a 2 ,..., a n , W b1 , b2 ,..., bk jsou podprostory vektorového prostoru V T . Pak platí: U W a1 , a 2 ,..., a n , b1 , b2 ,..., bk a
Nechť U , W jsou podprostory konečněrozměrného vektorového prostoru V T . Pak platí: dim U dim W dim U W dim U W
Příklad 20. Rozhodněme, zda množina W tvoří podprostor vektorového prostoru V3 R . W x, y,1 V3 R Musíme ověřit podmínky vektorového podprostoru. 0,0,0 W W 0 x1 , y1 ,1 x1 , y1 ,1 x1 x 2 , y1 y 2 ,2 W
x, y,1 x, y, W
tedy W netvoří podprostor vektorového prostoru V3 R .
www.matematika.webz.cz
21
PŘEHLED DEFINIC A POJMŮ Příklad 21. Určeme bázi a dimenzi vektorového prostoru generovaného vektory u 1 2,0,1,3,1, u 2 1,1,0,1,1, u 3 0,2,1,5,3, u 4 1,3,2,9,5 z aritmetického vektorového prostoru R 5 . Nejprve zjistíme, zda vektory u 1 , u 2 , u 3 , u 4 nejsou lineárně nezávislé, tj. zda netvoří bázi daného vektorového prostoru. Řešíme tedy rovnici c1 u 1 c 2 u 2 c3 u 3 c 4 u 4 0 , kterou lze přepsat na soustavu 2c1 c 2 c4 0 c 2 2c 3 3c 4 0 c1 c 3 2c 4 0 3c1 c 2 5c 3 9c 4 0 c1 c 2 3c 3 5c 4 0 Užitím Gaussovy eliminační metody zjistíme, že tato soustava je ekvivalentní se soustavou c1 c 2 3c 3 5c 4 0 c 2 2c 3 3c 4 0 která má zřejmě nekonečně mnoho řešení závislých na 2 parametrech. Množinu všech řešení soustavy lze zapsat např. ve tvaru c3 2c 4 ,2c3 3c 4 , c3 , c 4 ; c3 , c 4 R. To znamená, že např. pro c3 c 4 1 je 3,5,1,1 jedním z řešení soustavy, takže
3u 1 5u 2 u 3 u 4 0 . Vektory u 1 , u 2 , u 3 , u 4 jsou tedy lineárně závislé a bází daného vektorového prostoru netvoří. Podobně i vektory u 1 , u 2 , u 4 jsou lineárně závislé, neboť 2u 1 3u 2 u 4 0 . Vektory u 1 , u 2 jsou již lineárně nezávislé, protože k1 u 1 k 2 u 2 0 právě tehdy, když k1 k 2 0 . Množina u 1 , u 2 2,0,1,3,1, 1,1,0,1,1je tedy bází daného vektorového prostoru a jeho dimenze je rovna 2. Jinou bázi téhož vektorového prostoru určíme jednodušším způsobem úpravou matice 0 1 3 1 1 1 0 1 1 u1 2 1 0 1 1 0 2 1 5 3 u2 1 A u3 0 2 1 5 3 0 2 1 5 3 u 1 3 2 9 5 0 4 2 10 6 4
1 0 1 1 1 A 0 2 1 5 3 Řádky matice A jsou lineárně nezávislé vektory, které tvoří bázi daného vektorového prostoru.
www.matematika.webz.cz
22
PŘEHLED DEFINIC A POJMŮ
Euklidovské vektorové prostory Euklidovský vektorový prostor Vektorový prostor E,, nad R nazýváme euklidovským vektorovým prostorem, jestliže existuje zobrazení g : E E R takové, že pro libovolné vektory a, b, c E a libovolné reálné číslo platí: a g a, b g b, a b g a b, c g a, c g b, c c g a, c g a, c d g a, a 0, g a, a 0 a 0 Zobrazení g nazýváme skalárním součinem. Úmluva: Euklidovský vektorový prostor E,, se skalárním součinem g budeme v dalším textu značit E, g . V euklidovském vektorovém prostoru E, g platí: a a a b
a 0;
c
a 0a0
g a, b a b (Schwartzova nerovnost)
d
a b a b (trojúhelníková nerovnost)
Velikost vektorů a jimi sevřeného úhlu Nechť E, g je euklidovský vektorový prostor, a, b E . Délkou (velikostí, normou) vektoru a nazýváme reálné číslo a g a, a . Velikost úhlu mezi vektory a, b definujeme takto: g a, b pro a 0, b 0, 0, cos a b cos 0 pro a 0 nebo b 0 . Jestliže platí cos 0 , nazýváme vektory a, b kolmými (ortogonálními) a píšeme a b . Ortogonální doplněk Nechť E, g je euklidovský vektorový prostor, M podmnožina E . Ortogonálním doplňkem množiny M nazýváme množinu M a E; b M : a b Vektory ortogonální a ortonormální Nechť a1 , a 2 ,..., a k jsou vektory z euklidovského vektorového prostoru E, g . Vektory a1 , a 2 ,..., a k nazýváme ortogonálními, jestliže a i a j pro všechna i j . Vektory
a1 , a 2 ,..., a k nazýváme ortonormální, jestliže jsou navzájem ortogonální a a i 1 , 1 i k .
www.matematika.webz.cz
23
PŘEHLED DEFINIC A POJMŮ Ortogonální (ortonormální) báze Nechť E, g je n-rozměrný euklidovský vektorový prostor, a1 , a 2 ,..., a n jeho báze. Jsouli vektory a1 , a 2 ,..., a n navzájem ortogonální, resp. ortonormální, nazýváme ortogonální, resp. ortonormální bází. Příklad 22. Nechť V je podprostor aritmetického vektorového prostoru R 3 se skalárním součinem takový, že V 2,1,3, 4,2,0 . a Určeme: ortogonální bázi ve V , která není ortonormální b ortogonální doplněk V v prostoru R 3 c ortonormální bázi ve V d ortonormální bázi ve V . Vektory u1 2,1,3 a u 2 4,2,0 , které generují vektorový prostor V , jsou zřejmě lineárně nezávislé, takže množina u1 ,u 2 je bází tohoto podprostoru. Tato báze však není ortogonální, neboť u1 u 2 2.4 1.2 3.0 10 0 . Abychom dostali ortogonální bázi, nahradíme např. vektor u 2 vektorem w V takovým, že u1 w 0 . Protože w V , musí existovat čísla a1 , a2 R taková, že w a1u1 a2 u 2 . Platí tedy u1 a1u1 a2 u 2 0 , takže a1. u1 u1 a2 . u1 u 2 0 . K určení vektoru w stačí najít libovolné nenulové řešení této rovnice . Proto zvolíme např. a2 1. u1 u 2 2,1,3 4,2,0 5 . Potom a1 ; po dosazení a1 2,1,3 2,1,3 u1 u 1 7 5 18 9 15 Hledaný vektor w 2,1,3 4,2,0 , , . 7 7 7 7 a
18 9 15 Množina u1 , w 2,1,3, , , je tedy ortogonální bází prostoru V , která není 7 7 7 ortonormální, neboť např. u1 u1 14 1. Jinou ortogonální bází prostoru V , která není ortonormální je množina ' 2,1,3, 6,3,5. Ortogonálním doplňkem V podprostoru V v prostoru R 3 , je množina všech vektorů z R 3 ortogonálních na vektory u1 ,u 2 . b
Tedy V u u1 , u 2 , u 3 R 3 ; u 2,1,3 0 u 4,2,0 0 . Pro každý vektor u V tedy musí platit 2u1 u 2 3u 3 0
.
4u1 2u 2 0 Tato soustava má nekonečně mnoho řešení závislých na jednom parametru. Množinu řešení lze zapsat například ve tvaru u1 ,2u2 ,0, u1 R . 3 Tedy V u R ; u u1 ,2u 2 ,0 .
www.matematika.webz.cz
24
PŘEHLED DEFINIC A POJMŮ c
Ortonormální bázi vektorového prostoru V získáme např. z báze ' u1 , w' 2,1,3, 6,3,5, která je pouze ortogonální tak, že z vektorů u 1 , w' vytvoříme vektory jednotkové: u1 1 1 u1 2,1,3 u1 14 u1 u1 w1 w1
1 1 w1 6,3,5 w1 w1 70
1 1 Množina 2,1,3, 6,3,5 je tedy ortonormální bází vektorového prostoru V . 70 14 Vzhledem k tomu, že dimenze vektorového prostoru R 3 je rovna 3 a dimenze jejího podprostoru V je rovna 2, musí být dimenze podprostoru V rovna 3 2 1 . To znamená, že libovolný nenulový vektor z V tvoří bázi V . Uvažujme např. bázi 1,2,0 . Tato báze zřejmě není ortonormální, neboť 1,2,0 1,2,0 5 1. Ortonormální bázi bude tvořit d
jednotkový vektor z V , tedy vektor 1
1 2 1,2,0´ , ,0 . 1,2,0 1,2,0 5 5
1 2 Ortonormální bází prostoru V je tedy množina , ,0 . 5 5
Pamatujme:
„I kdyby byl naším údělem dlouhý život, bylo by nutné šetrně si rozdělit čas, aby stačil na nezbytné záležitosti. Jaké šílenství učit se zbytečnosti v tak velké časové tísni, v níž jsme.“ Seneca
www.matematika.webz.cz
25
PŘEHLED DEFINIC A POJMŮ
Lineární zobrazení, isomorfismus vektorových prostorů Lineární zobrazení Nechť V (T ) , V ' (T ) jsou vektorové prostory nad týmž tělesem T . Zobrazení : V V ' se nazývá lineární zobrazení, jestliže pro libovolné a, b V , T platí: a a b a b (zobrazení se nazývá aditivní) b a a (zobrazení je homogenní) • Obraz lineární kombinace vektoru z V je roven lineární kombinaci jejich obrazů se stejnými koeficienty. Jádro a obraz zobrazení ρ Nechť : V T V ' T je lineární zobrazení. Množina ker a V ; a o se nazývá jádro zobrazení , množina Im b V ' ; a V : a b se nazývá obraz zobrazení . • ker je podprostor prostoru V (T ) , Im je podprostor prostoru V ' (T ) . • Nechť : V T V ' T je lineární zobrazení a V je konečně rozměrný prostor. Pak platí: dimker dimIm dim V • Nechť : V T V ' T je lineární zobrazení a V je konečně rozměrný prostor. Pak jsou následující podmínky ekvivalentní: a) je prosté b) ker o c) dim (Im ) dim V
Takto lineární algebra rozhodně nekončí, končí jen má práce.
Použitá literatura Bican, L.: Lineární algebra, Praha 1979 Bican, L.: Lineární algebra v úlohách, Praha 1979 Kopecký, M. - Emanovský, P.: Sbírka řešených příkladů z algebry, Olomouc 1990 Liebl, P.: Maticová algebra, Praha 1977 Novotná, J. - Trch, M.: Algebra a teoretická aritmetika (Lineární algebra), Praha 1995 Novotná, J. - Trch, M.: Algebra a teoretická aritmetika (Základy algebry), Praha 1993
www.matematika.webz.cz
26
PŘEHLED DEFINIC A POJMŮ
OBSAH ELEMENTY LINEÁRNÍ ALGEBRY ..................................................................................... 0 Základní pojmy ........................................................................................................................ 1 Binární relace R ................................................................................................................... 1 Zobrazení ............................................................................................................................. 2 Binární operace .................................................................................................................... 2 Grupa ................................................................................................................................... 2 Číselné těleso ....................................................................................................................... 3 Aritmetický vektor ............................................................................................................... 3 Rovnost dvou aritmetických vektorů .................................................................................... 3 Součet dvou aritmetických vektorů....................................................................................... 3 α-násobek............................................................................................................................. 3 Nulový aritmetický vektor .................................................................................................... 3 Lineární kombinace .............................................................................................................. 3 Lineární závislost a nezávislost vektorů................................................................................ 4 Matice ...................................................................................................................................... 6 Diagonála a diagonální matice .............................................................................................. 6 Jednotková matice ................................................................................................................ 6 Transponovaná matice.......................................................................................................... 6 Matice symetrická a antisymetrická ...................................................................................... 7 Trojúhelníková matice.......................................................................................................... 7 Čtvercové matice: regulární singulární ............................................................................. 7 Řádkový prostor ................................................................................................................... 7 Hodnost matice .................................................................................................................... 7 Elementární úpravy .............................................................................................................. 7 Rovnost matic ...................................................................................................................... 8 Součet matic ........................................................................................................................ 8 α-násobek matice ................................................................................................................. 9 Součin matic ...................................................................................................................... 10 Záměnné matice ................................................................................................................. 10 Frobeinova věta.................................................................................................................. 10 Adjungované matice........................................................................................................... 11 Inverzní matice .................................................................................................................. 11 Permutace, determinanty a jejich užití .................................................................................... 15 Pořadí prvků ...................................................................................................................... 15 Inverze v pořadí ................................................................................................................. 15 Permutace .......................................................................................................................... 15 Inverzní permutace ............................................................................................................. 15 Znaménko permutace π ...................................................................................................... 15 Determinant matice A ........................................................................................................ 16 Minor (subdeterminant) ...................................................................................................... 17 Cramerovo pravidlo ........................................................................................................... 17 Vektorový prostor .................................................................................................................. 19 Vektorový prostor .............................................................................................................. 19 Vektorový podprostor ........................................................................................................ 19 Lineární obal ...................................................................................................................... 20 Úpravy generátorů.............................................................................................................. 20 Steinitzova věta .................................................................................................................. 20 Konečněrozměrný vektorový prostor.................................................................................. 20 www.matematika.webz.cz
27
PŘEHLED DEFINIC A POJMŮ Báze ................................................................................................................................... 20 Dimenze ............................................................................................................................. 21 Souřadnice vektoru vzhledem k bázi .................................................................................. 21 Součet podprostorů ............................................................................................................ 21 Euklidovské vektorové prostory ............................................................................................. 23 Euklidovský vektorový prostor........................................................................................... 23 Velikost vektorů a jimi sevřeného úhlu............................................................................... 23 Ortogonální doplněk........................................................................................................... 23 Vektory ortogonální a ortonormální ................................................................................... 23 Ortogonální (ortonormální) báze ........................................................................................ 24 Lineární zobrazení, isomorfismus vektorových prostorů......................................................... 26 Lineární zobrazení.............................................................................................................. 26 Jádro a obraz zobrazení ρ ................................................................................................... 26 Použitá literatura .................................................................................................................... 26 OBSAH ................................................................................................................................. 27
www.matematika.webz.cz
28