sekce OSTATNÍ -
Lineární algebra a geometrie - základní pojmy a definice (VUT FEI 1.ročník-zimní
semestr)
Lineární
algebra a geometrie - Základní pojmy a definice
I. MATICE
Lineárně nezávislý systém (LNZ) Definice: Buďte a1, a2, ... an
patřící do Rn n-rozměrné vektory, řekneme, že
tvoří lineárně nezávislý systém (LNZ) nebo-li zkráceně, že jsou lineárně
nezávislé, jestliže neexistují reálné konstanty ß1, ß2,
... ßn patřící do R s výjimkou ß1=ß2=ßn=0
tak, že ß1a1+ß2a2+ ... +ßnan=0.
Hodnost matice Definice: Buď A matice typu m×n. Řádkovou hodností matice A
nazveme takové číslo h(A), které uvádí maximální počet prvků
lineárně nezávislého systému tvořeného řádky matice A. Poznámka: Řádková hodnost matice ve schodovitém tvaru je rovna počtu
nenulových řádků. Poznámka 2: Řádková i sloupcová hodnost matice si jsou rovny.
Lineární kombinace Definice: Nechť a1, a2, ... am
patřící do Rn n-rozměrné (řádkové) vektory, ß1,
ß2, ... ßm patřící do R jsou konstanty.
Výrazu ß1a1+ß2a2+ ... +ßmam
se říká lineární kombinace vektorů a1, a2, ... am.
Matice regulární Definice: Řekneme, že čtvercová matice Atypu n×n
je regulární, jestližeh(A)=n.
Matice invertibilní Definice: Buď A, B matice řádu n (typu n×n). Říkáme, že
A,B jsou navzájem inverzní, jestliže A.B=B.A=In (kde In
je jednotková matice řádu n). Píšeme A=B-1, B=A-1.
Matice, která má inverzní matici se říká invertibilní.
II. DETERMINANTY
Permutace Definice: Nechť S={1, 2, ... n}. Libovolná n-tice (i1,
i2, ... in) tvořená čísli ik patřící do S,
v níž se žádná dvě čísla neopakují (každé číslo se vyskytuje právě jednou)
se nazývá permutace množiny S.
Je-li SIGMA=(i1, i2, ... in) permutace množiny
S, říkáme, že SIGMA má inverzi (ir,is),
jestliže r<s a ir>is.
Počet inverzí permutace SIGMA=(i1, i2, ... in) se
nazývá paritou permutace SIGMA a značí se: pi(SIGMA). Permutace se nazývá sudá resp. lichá je-li sudá
resp. lichá její parita. Poznámka1: Na n-prvkové množině pro n>=2 je n!/2 sudých a
n!/2 lichých permutací. Poznámka2: Vzájemnou výměnnou 2 prvků v permutaci se změní její parita o
+1.
Příklad:
S={1, 2, 3}
SIGMA=(1, 2, 3)
permutace bez inverze
pi(SIGMA)=0
sudá
SIGMA=(3, 1, 2)
2 inverze: (3,1) a (3,2)
pi(SIGMA)=2
sudá
SIGMA=(3, 2, 1)
3 inverze: (3,2), (3,1) a (2,1)
pi(SIGMA)=3
lichá
SIGMA=(2, 1, 3)
1 inverze: (2,1)
pi(SIGMA)=1
lichá
Determinant Definice: Nechť A je čtvercová matice řádu n. Determinantem matice A
nazýváme číslo: det A = |A| = Suma[(-1)pi(i1,
i2, ... in).a1i1.a2i2.....anin]
, kde se sčítá přes všechny (i1, i2, ... in)
množiny {1, 2, ... n}. Poznámka1: Nechť A je čtvercová matice řádu 2, pak det
A = a11.a22 - a12.a21. Poznámka2: Nechť A je čtvercová matice řádu 3, pak det
A = a11.a22.a33 + a12.a23.a31
+ a13.a21.a32 - a12.a21.a33
- a11.a23.a32 - a13.a22.a31. Poznámka3: Pro čtvercovou matici řádu 4 a výš ŽÁDNÉ PODOBNÉ
PRAVIDLO NEEXISTUJE.
Vlastnosti determinantů Věta 2.1: Nechť A, B jsou čtvercové matice řádu n.
a) det A = det AT
b) Nechť B vznikne z A výměnou dvou řádků. Pak detB
= - detA c) Nechť B vznikne z A násobením jednoho řádku
konstantou c patřící do R, pak detB
= c.detA d) Nechť B vznikne z A přičtením násobku r-tého
řádku k s-tému řádku pro r různé od s (r<>s), pak detB=detA. Poznámka1: Analogická tvrzení platí i pro sloupcové úpravy. Poznámka2: Je-li A horní (resp. dolní) trojúhelníkovitá
matice, pak detA = a11.a22.....ann
(Součin prvků na diagonále). Důsledek: Determinanty lze počítat Gaussovou eliminací
(úpravou na schodovitý tvar a vypočtení součinu prvků na diagonále).
Věta 2.2:Matice A řádu n je regulární,
právě když je determinant různý od nuly (det A <> 0). Věta 2.3: Pro čtvercové matice A, B řádu n platí det(A.B) = detA .
detB.
Algebraický doplněk Definice: Nechť A je čtvercová matice řádu n. Buď Mij
podmatice matice A typu (n-1)×(n-1) vzniklá z A odstraněním i-tého
řádku a j-tého sloupce. Determinant det(Mij) se nazývá minorem
prvku aij v matici A. Číslo Aij = (-1)i+j.det(Mij)
se nazývá kofaktor neboli algebraický doplněk prvku
aij v matici A. Věta 2.4: Pro matici A typu n×n platí: (1) detA = ai1.Ai1 + ai2.Ai2
+ ... + ain.Ain (2) detA = a1j.A1j + a2j.A2j
+ ... + anj.Anj
Rovnost (1) se nazývá Laplaceovým rozvojem detA podle
i-tého řádku.
Rovnost (2) se nazývá Laplaceovým rozvojem detA podle
j-tého sloupce.
Adjungovaná matice Definice: Buď A matice typu n×n, A = (aij). Adjungovanou
maticí matice A nazýváme matici adj A = (Aji). (Vlastně:
Ke každému prvku aij vypočítáme algebraický doplněk Aij a
výslednou matici doplňků transponujeme a tak dostaneme adjungovanou matici matice A.) Věta 2.5: Pro matici A typu n×n platí: A.(adj A) = (det A).In. Důsledek:Je-li A regulární (právě když detA<>0), je A-1
= (adj A)/(det A). Věta 2.6: (Cramerovo pravidlo) Nechť AX = B
je soustava lineárních rovnic a A=(aij) je
regulární matice řádu n. B je sloupcový vektor (b1, b2, ...
bn). Pak pro j = 1, 2, 3, ... n platí: xj =
(det Aj)/(det A) , kde Aj je matice, která vznikne
nahrazením j-tého sloupce matice A sloupcem B. (Pozn.:Použitelné u malých rozměrů
matic.)
III. VEKTOROVÉ PROSTORY
Grupa Definice: Buď G množina, # operace na G, splňující podmínky:
1) Pro a, b patřící do G je a # b také v
G (tzv. Operace je uzavřená.)
2) Pro a, b, c patřící do G je (a # b) # c = a # (b
# c) (Asociativní zákon)
3) Existuje e patřící do G, že pro každé a z G platí
e # a = a # e = a (e je tzv. neutrální prvek.)
4) Pro každé a z G, existuje b z G tak, že a
# b = b # a = e (a,b jsou navzájem inverzní.)
Pak se (G, #) nazývá GRUPA a G
je její nosná množina, # (grupná) operace. Grupa (G, #) se nazývá komutativní neboli
abelovská, jestliže navíc platí:
5) Pro a, b patřící do G je a # b = b # a. Příklady grup: (R, +), (R - {0}, .),
(Z, +), (Matn, +), (RegMat, .),({e}, °) ...
tzv. triviální grupa.
Poznámka k textu: V původním textu jsou odlišeny dva druhy
operací: a) vektorové (např. plus v kolečku nebo tečka v kolečku) a b) skalární
operace na R (normálně + a .). My budeme vektorové
operace podtrhávat, takže +a.jsou
vektorové operace na dané grupě a +, . jsou normální skalarní
operace na R.
Vektorový prostor Definice: Buď (V, +) abelovská grupa a nechť ke každému alfa
patřící do R a u patřící do V existuje prvek a.u
patří do V tak, že pro všechna alfa, ß patřící do R
a u,v patří do V platí:
6) alfa . (u + v) = (alfa . u) + (alfa .
v) (analogie distributivního zákona) 7)(alfa + ß) . u = (alfa . u) +
(ß . u) (Pokud uvažujeme, že .má
přednost před+ lze vynechat závorky)
8) alfa . (ß . u) = (alfa . ß) . u 9) 1 . u = u (kvůli měřítku
R a V) (Vlastně: alfa,ß...skaláry; u,v...vektory)
Pak (V, +, .) se nazývá VEKTOROVÝ
PROSTOR nad tělesem R. Neutrální prvek grupy (V, +) se značí o
nebo 0 s vektorem (s šipečkou nad nulou) a nazývá se nulovým
vektorem. Poznámka: Nahradíme-li množinu R množinou C,
dostaneme vektorový prostor nad tělesem komplexních čísel C. Příklady vektorových prostorů: (R, +, .), (C,
+, .), (Rn, +, .), (Cn,
+, .), (Matn, +, .), (Pn(x), +, .),
(C<0,1>, +, .) Věta 3.1: Je-li (V, +, .) vektorový prostor, pak:
a) 0 . u = o pro každý vektor u patřící do
V (poznámka k textu: 0....nula, o....nulový
vektor)
b) alfa . o = o pro každý skalár alfa
patřící do R c) Jestliže alfa . u = o pak
buď alfa = 0 nebo u = o.
d) (-1) . u = -u pro každé vektor u
patřící do V
Vektorový podprostor Definice: Nechť V je vektorový prostor s operacemi +, .
a W je podmnožina V. Jestliže (W, +, .) je
vektorový prostor (tj. splňuje axiomy 1) až 9) ), nazývá se vektorovým
podprostorem prostoru V. Příklad1: Je-li (V, +, .) vektorový prostor, pak
({o}, +, .) je tzv. triviální vektorový
podprostor prostoru (V, +, .). Operace + a
. zde fungují takto: o + o = o,
alfa . o = o pro libovolné alfa
patřící do R. Příklad2: Dále (V, +, .) je sám svým
vektorovým podprostorem. Věta 3.2: ... Věta 3.3: ...
Poznámka k textu: V původním textu bylo nutné odlišit dva
druhy vektorů:
a) řádkové např. e = (e1, e2, ... en) = e ... řádkový
vektor se podtrhává.
b) sloupcové např.
(x1)
x=(x2)= x nadtrženo ... my musíme odlišovat sloupcový vektor x
přešktnutím.
(xn)
Dimenze vektorového prostoru a báze Definice: Nechť V je vektorový prostor, vektory v1, v2,
... vk patřící do V se nazývají lineárně nezávislé, jestliže pro
každé alfa1, alfa2, ... alfak patřící do R
platí: alfa1.v1 + alfa2.v2 + ...+
alfak.vk = o => alfa1=alfa2=...=alfak=0. Definice: Maximální lineárně nezávislý systém vektorů ve vektorovém
prostoru V se nazývá BÁZE. Počet prvků báze se nazývá DIMENZE
prostoru V a značí se dim V. Poznámka: Nechť S je podmnožina nebo rovna V a nechť každý vektor v
patřící do V lze vyjádřit ve tvaru v=alfa1.v1 +
alfa2.v2 + ...+ alfan.vn , kde v1,
v2, ... vn patří do S. Pak S nazýváme systém
generátorů prostoru V. Píšeme: V = <S>. Je zřejmé,
že každá báze prostoru V je systém generátorů, ale obecně NIKOLIV obráceně. Věta 3.4: Libovolný vektor lze jednoznačně vyjádřit jako lineární kombinaci
báze (v konečně rozměrném vektorovém prostoru). Poznámka1: Je-li x = x1.e1 + x2.e2
+ ...+ xn.en , píšeme maticově x = (e1,e2,...en).(sloupcově(x1,...xn))
= e . x. Čísla x1,...xn se
nazývají souřadnice vektoru (sloupcového) x v bázi e. Poznámka2: Jsou-li e = (e1,e2,...en), f
= (f1,f2,...fn) dvě báze ve vektorovém prostoru V, pak
lze prvky f vyjádřit pomocí e takto:
f1=t11e1+t21e2+...+tn1en
f2=t12e1+t22e2+...+tn2en
=> f = (f1,f2,...fn)
= (e1,e2,...en).(čtevrcová matice
t11 až tnn) = e . T
...
fn=t1ne1+t2ne2+...+tnnen
, kde T je čtercová matice (t11, t12, ...t1n; t21,
t22, ...t2n; ...; tn1, tn2, ...tnn)
(kde středník odděluje jednotlivé řádky matice).
Pak pro vektor x patřící do V platí (x je např. polynom): x = e.x
= f.x' = e.T.x'
Máme tedy dvojí vyjádření vektoru x v bázi e: x = e.x
a x = e.T.x
Z věty 3.4 plyne x = T.x', nebo
naopak x' = T-1.x
Matici T se říká matice přechodu od báze e k bázi f. Transformační vztahy: x = e . x = f . x'
báze se transformuje takto: f = e . T, e = f
. T-1.
souřadnice se transformují takto: x' = T-1.x,
x = T.x'
Vektorové prostory se skalárním součinem Definice: Buď V vektorový prostor nad R (resp. nad C).
Pak skalárním (resp. unitárním) součinem na V nazýváme funkci (., .) : V × V --> R a) (u, u) > 0 pro u patřící do V, u <> o
(<> znamená nerovnost)
b) (u, v) = (v, u), resp. (u, v) = (v, u)* nad C pro
libobolné u,v patřící do V
c) (u+v, w) = (u, w) + (v, w) pro každé u,v,w patřící do V
d) (alfa . u, v) = alfa .
(u, v) pro libovolné u,v patřící do V a skalár alfapatřící
doR (resp. C) Příklad 1: V = R3, (u, v) = u1v1+u2v2+u3v3
je tzv. standardní skalární součin v R3. Příklad 2: V = C<0,1>, (u, v) = určitý
integrál<meze od 0 do 1> z [u(x).v(x).dx] je skalární součin na C<0,1>. Definice:
.....
IV. PROBLÉM VLASTNÍCH HODNOT
Nechť A je matice řádu n. Hledáme vektor xpatřící
doRn, aby A.x=lambda.x,
kde lambda je vhodné reálné nebo komplexní číslo. Pak: (Poznámka: In
je jednotková matice řádu n, x je vektor x, 0 je
nulový vektor) lambda.x - A.x = 0 lambda.In.x - A.x = 0
(lambda.In - A).x = 0
Zajímají nás nenulové vektory, pro které tato rovnice platí.
Vzniká homogenní soustava rovnic vzhledem k x. Ta má netriviální řešení
právě když det(lambda.In - A)=0 (aby matice byla
singulární). Výraz det(lambda.In - A) se nazývá charakteristický
polynom matice A s jeho kořeny lambda1, lambda2,
...lambdan tzv. charakteristické resp. vlastní hodnoty
matice A. Řešení x se nazývá vlastní vektor matice
A, příslušný vlastní hodnotě lambdai.
Množina vlastních vektorů, příslušná dané vlastní hodnotě lambdai,
tvoří vektorový podprostor v Rn, tzv. vlastní
podprostor, příslušný hodnotě lambdai. Definice: Buďte A,B čtvercové matice řádu n. Řekneme, že A,B jsou podobné
matice, existuje-li regulární matice řádu n, řekneme P, taková že B
= P-1.A.P (i naopak A = P.B.P-1). Věta 4.1: Podobné matice mají stejné vlastní hodnoty. Věta 4.2: Vlastní vektory symetrické matice, příslušné různým vlastním
hodnotám jsou ortogonální (vzhledem ke standardnímu skalárnímu součinu). Věta 4.3: Reálná symetrická matice řádu n má právě n reálných vlastních
hodnot (včetně násobností). Věta 4.4: Nechť A je symetrická reálná matice řádu n. Pak v Rn
existuje ortonormální báze tvořená vlastními vektory matice A. Důsledek věty 4.4: Každou symetrickou matici A lze převést ortogonální
podobnostní transformací na diagonální tvar. (Matice obsahující na diagonále lambda1,
lambda2, ...lambdan se nazývá kanonický
Jordanův tvar symetrické matice A. Definice:Jordanovým blokem řádu k příslušným
hodnotě lambda rozumíme čtvercovou matici řádu k:
Jk(lambda) = (lambda,1,0,0,...,0;
0,lambda,1,0,...,0;...; 0,...,0,lambda,1;
0,...,0,0,lambda). Jordanovou maticí nazýváme libovolnou matici J, která má
v diagonále Jordanovy bloky a jinde samé nuly. Například tohle je Jordanova matice se
3 bloky (vyznačeny různou barvou):
(2 1 0 0 0 0)
(0 2 1 0 0 0)
(0 0 2 0 0 0)
(0 0 0 3 1 0)
(0 0 0 0 3 0)
(0 0 0 0 0 2)
Věta 4.5: Každá čtvercová matice A je podobná nějaké Jordanově matici, která je
určena jednoznačně až na pořadí bloků. Tato matice se nazývá Jordanův kanonický
tvar matice A. Matice, které mají stejné Jordanovy bloky ve svém kanonickém tvaru
(ale mohou se lišit pořadím) jsou podobné.
Zdroj informací: Přednášky na VUT FEI z Lineární
algebry a geometrie pro 1.ročním zimní semestr pana profesora Kovára.
Hot Tip:
Podívejte se na stránky humorného školního časopisu PRD (Pravidelný Redakční
Drb):
Pokud chcete sledovat tyto stránky
(kdy budou změněny, tak se zaregistrujte sem: