Professional Documents
Culture Documents
Algebra I: Daniel Hort Jifí
Algebra I: Daniel Hort Jifí
ALGEBRA I
Daniel Hort JiFí Rachůnek
i
UNIVERZIT PALACKÉHO V OLOMOUCI
P~ÍRODOVÉDECKA FAKULTA
ALGEBRA I
Olomouc
2005
Op0ncnli: doc. Dr. Radomír Halaš
doc. RNDr. Pc1r Emanovský, Ph.O.
Dotisk I. vydání
ISBN 80-244-0631-4
HORT,RACHŮNEK KAPITOLA l. ZÁKLADY MATEMATICKÉ LOGIKY
Z příkladu je vidět, že ne všechna slova nad abecedou dané teorie budou pro studovanou
teorii užitečná. Proto budeme muset vyčlenit ze systému všech slov systém „vhodných"
slov, kterým také můžeme říkat sprá:_vné utvořená slova.
Příklad 1.4 V příkladu 1.3 budeme zřej mě za „vhodná" slova považovat taková slova,
která dávají smysl v aritmetice přirozených čísel. Jsou to např. slova
X+ y = y + X, 12 + 3 = 11, 11 + 2 = 13.
Pro přesné studium dané teorie musíme také určit pravidla, kterých budeme při úvahách
používat. Základem úvah ve všech matematických teoriích je matematická logika. V ma-
tematických teoriích dále rozdělíme symboly z používané abecedy do dvou skupin, na tzv.
konstanty a QI_oměnné.
D efinice 1.1
a) Konstantou rozumíme každý jazykový výraz, který má jednoznačně určený smysl.
b) Proměnnou rozumíme každý jazykový výraz, který sám nemá smysl, ale který určuje
místo, na které je možné za něj dosazovat konstanty z daného oboru proměnnosti.
D efinice 1.2 Výrok je každé sdělení, o kterém má smysl uvažovat, zda je nebo není
p ravdivé, přičemž může nastat právě Jedna z těchto dvou možností.
Uvědomme si, že podle této definice považujeme za výroky i taková sdělení, u nichž
neumíme v daném okamžiku rozhodnout o jejich pravdivosti, tedy za výroky považujeme
i všechny hypotézy. Takže např. věta
,, Ve vesmíru existuje život i mimo Zemi. "
je výrokem.
Jak je zvykem, budeme pravdivým výrokům přiřazovat číslo 1, nepravdivým výrokům
číslo O. Číslům O a 1 říkáme pravdivostní hodnoty výroků. Z výroků m~žeme vytvářet
složitější výroky pomocí výrokových spojek. Budeme všude používat jen tzv. extenzionálních
.spojek, tj. takových spojek, pro které je pravdivostní hodnota vzniklého výroku závislá
pouze na pravdivostních hodnotách spojovaných výroků a na používané spojce.
Než přistoupíme k popisu spojek, vyslovíme následující definici.
6
KAPITOLA I. ZÁKLADY MATEMATI CKÉ LOGIKY HORT,RACHŮNEK
D efinice 1.3
a) Výrok, ve kterém neexistuje žádná jeho vlastní část, která by byla výrokem, se nazývá
atomární výrok.
b) Každý jiný výrok se nazývá složený výrok.
Příklad 1.6 Výrok „Šest je dělitelné třemi a šest je dělitelné dvěma." je složený,
zatímco výroky „Šest je dělitelné třemi. " a „Šest je dělitelné dvěma. " jsou atomární.
Nyní si připomeňme výrokové spojky, které se běžně používají na střední škole a které
budou postačovat i pro naše účely. Podle počtu spojovaných výroků rozdělíme spojky na
unární, neboli jednoargumentové, a binární, neboli dvouargumentové.
Extenzionální unární spojky jsou celkově čtyři, nám však bude postačovat jediná -
negace. Je-li A výrok, pak jeho negaci označíme ,A a pravdivostní hodnotu negace v
závislosti na daném výroku určíme takto:
A B AAB
1 1 1
1 O o
O 1 o
o o o
Konjunkci čteme „A a B", popř. ,,A a současně B ", a vidíme, že je pravdivá právě v
případě,kdy každý z výroků A a B je pravdivý.
Disjunkci výroků A a B označíme A V B a její pravdivostní hodnota je v závislosti na
pravdivostních hodnotách výroků A a B určena tabulkou:
7
HORT , RACHŮNEK KAPITOLA I. ZÁKLADY MATEMATICKÉ LOCIKY
A B AVB
1 l 1
1 O 1
O 1 1
o o o
Disj unkce A v B je tedy pravdivá, je-li alespoň jeden z výroků A, B pravdivý, a čteme
ji „A nebo B". Spojka „nebo" je tak chápána v nevylučovacím slova smyslu.
Implikace výroků A a B je označena A =} B a je dána tabulkou:
A B A=*B
1 1 1
1 O o
0 1 1
o o
podle níž je implikace nepravdivá právě tehdy, když výrok A je pravdivý a výrok B
nepravdivý. Implikaci A => B čteme „Jestliže A, pak B. ", ,,Platí-li A, pak 8. ", ,,A implikuje
B . ", ,,A je postačující podmínka pro 8. ", ,,B je nu tná podmínka pro A .", apod.
Ekvivalenci výroků A a B označíme A ~ B a je dána tabulkou:
A B A~B
1 1 1
1 O o
0 1 o
o o 1
Vidíme, že ekvivalence A ~ B je pravdivá, nabývají-li výroky A a B stejných prav-
divostních hod not, a je nepravdivá v opačném případě. čteme ji „A tehdy a jen tehdy,
když B ..", ,,A právě tehdy, když B. ",,, A je nutná a postačující podmínka pro B . ", ,,A je
ekvivalentní s B. ".
V dalším se budeme věnovat otázkám, jak závisí pravdivostní hodnota složeného výroku
na pravdivostních hodnotách skládaných výroků. Teorie, která se těmito problémy zabývá,
se nazývá. výrokový počet . Pro výrokový počet, jako pro každou formalizovanou teorii,
musíme nejdříve určit abecedu, kterou budeme používat. Zařadíme do ní tyto symboly
-,, /\,V, =>, <=>,(,) .
které budou konstantami a symboly
A,B,C, ... ,
které budou proměnnými (tzv. výrokovými proměnnými). Podle potřeby můžeme za obor
proměnnosti libovolné výrokové proměnné považovat bud' dvouprvkovou množinu {O, l}
nebo množinu všech výroků. (Uvědomme si, že výrokových proměnných jsme už vlastně
používali při popisu jednotlivých výrokových spojek.)
Správně vytvořená slova výrokové logiky nazveme / onnulemi výrokové logiky a definu-
jeme je takto:
8
KAPITOLA I. ZÁKLADY MATEMATICKI:: LOGIKY HORT ,RACHŮNEK
D efinice 1.4
a) Každá výroková proměnná je formulí výrokové logiky.
b) Jsou-li slova A a B formulemi výrokové logiky, pak jsou také slova
,(A), (A) A (B), (A) v (B), (A) =? (B), (A)# (B)
formulemi výwkové logiky.
c) Slovo je formulí výrokové logiky právě tehdy, je-li možné je získat pomocí a) a b) v
konečném počtu kroků.
Vol ně í·ečeno, platí tedy, že slovo je formulí výrokové logiky, vznikne-li z výrokových
proměnných postupným „správným" používáním výrokových spojek.
Všimněme si toho, že symboly A a Bz definice nejsou symboly výrokového počtu . Jsou
to vlastně proměnné, za které můžeme dosazovat formule výrokové logiky. Takovýmto
symbolům se říká také metasymboly dané teorie.
Dohodněme se, že při zápisu formulí výrokové logiky budeme vynechávat zbytečné
závorky, a že budeme používat také jiných typů závorek.
Příklad 1. 7 Slovo
U konkrétních formulí výrokové logiky nás bude zajímat, jakých pravdivostních hodnot
nabývají tyto formule v závislosti na pravdivostních hodnotách výrokových proměnných,
které jsou v těchto formulích obsaženy. Je zřejmé, že obsahuje-li formule výrokové logiky
n proměnných, pak existuje 2'' možností, jak dosazovat za tyto proměnné pravdivostní
hodnoty O a 1. Pro zjišťování pravdivostních hodnot formulí výrokové logiky používáme
s výhodou tzv. tabulkové metody. Tato spočívá v sestavení tabulky, která má 2n řádků
a n + 1 sloupců, kde v jednotlivých řádcích zapíšeme na prvních n místech postupně
všechny možnosti dosazení hodnot O a 1 za výrokové proměnné a v (n + 1)-ním sloupci
je odpovídající pravdivostní hodnota dané formule. Přitom pravdivostní hodnotu formule
určíme dosazením zvolených pravdivostních hodnot za jednotlivé proměnné a postupným
používáním definic výrokových spojek.
Příklad 1.8 Určete pravdivostní hodnotu formule
(A v ,B) =? [B # (A A ,C)).
Tato formule obsahuje 3 výrokové proměnné, proto k určení pravdivostních hodnot bude
užito tabulky, která bude mít 8 řádků a 4 sloupce. (Pravdivostní hodnoty dané formule
jsou zapsány pod spojkou :::}.)
9
HORT ,RACHŮNEK KAPITOLA I. ZÁKLADY MATEMATICKÉ LOGIKY
A B C (A v -, B) =} [B <=* (A I\ -, C)
l 1 l 1 l o 1 o l o 1 o o l
l 1 o 1 l o l 1 1 1 1 1 1 o
l o 1 o o 1 1 1 1 l o o 1
1 o o o o o o l 1 1 1 1 1 o
o 1 1 o o o 1 1 1 o o o o 1
o 1 o o o o 1 l l o o o 1 o
o o 1 o 1 1 o 1 o l o o o 1
o o o o 1 1 o 1 o 1 o o 1 o
Poznámka: Při určování pravdivostních hodnot formulí pomocí tabu lkové metody není
nutné vždy určovat pro každý řádek všechny postupné výsledky. S výhodou používáme
specifických vlastností některých spojek. Např. je-li jeden člen konjunkce nepravdivý, je
celá konjunkce nepravdivá, je-li jeden člen disjunkce pravdivý, je celá disjunkce pravdivá,
apod.
Zde jsme využívali zejména skutečnosti , že je-li levý člen implikace pravdivý, pak je celá
implikace pravdivá. Přitom jsme nej dříve vyhodn ocovali pravou stranu implikace, protože
je jednodušší než levá strana.
Všimněme si ještě jednou pravdivostních hodnot formulí v příkladech 1.8 a 1.9. Zatímco
formule z příkladu 1.8 nabývá pro některá dosazení za proměnné hodnotu 1 a pro některá
hodnotu O, formule z příkladu 1.9 nabývá ve všech řádcích hodnot u L Formule mající
stejnou vlastnost jako poslední formule jsou pro matematiku (a pro správné myšlení vůbec)
nejdůležitější.
Definice 1.5 Formu/i výrokové logiky, jejíž pravdivostní hodnota je rovna 1 pro každé
dosazení pravdivostních hodnot za výrokové proměnné, nazýváme tautologie-
10
KAPITOLA 1. ZÁKLADY MATEMATICKÉ LOGIKY HORT ,RACHŮNEK
D efinice 1.6
a) Jsou-li A a l3 formule výrokové logiky a je-li implikace A => l3 tautologií, pak
řekneme, že z A logicky vyplývá B.
11
HoRT,RACHŮNEK KAPITOi. A I. ZÁKI.ADY MATEMATICKÉ LOCIKY
D efinice 1. 7 Výroková forma je každé takové sdělení, které obsahuje proměnné a kteró
se stane výrokem po dosazení konstant z oborů proměnnosti za všechny proměnné.
Příklad 1.10 Následující sdčlení jsou výrokovými formami:
a) x je dělitelné pěti. (x ... přirozené číslo)
D efinice 1.8 Obecný výrok příslušný k dané výrokové formě o jedné proměnné je
výrok, který je pravdivý právě tehdy, vznikne-li po dosazení libovolné konstanty z oboru
proměnnosti za proměnnou z této výrokové formy pravdivý výrok.
Je-li V(x) výroková. forma obsahující jedinou proměnnou x, potom obecný výrok přísluš
ný k této formě označíme Vx(V(x)) a čteme jej „Pro každé x platí V(x)."
Symbol Vx nazýváme obecný kvantifikátor. Je-li a konstanta z oboru proměnnosti
proměnné x potom V(a) ozn ačuje výrok vzniklý dosa:~ením konstanty a za x do V(x).
D e.finice 1.9 Existenční výrok příslušný k dané výrokové formč V(x) je výrok, který
je pravdivý právě tehdy, existuje-li alespoň jedna konstanta a z oboru proměnnosti taková,
že V(a) je pravdivý výrok.
Existenční výrok označujeme 3x(V(x)) a čteme jej „Existuje alespoň jedno x takové,
že platí V(x)." Symbol 3:t se nazývá existenční kvantifikátor.
Poznámka: Obecný výrok Vx(V(x)) bývá také někdy zapisován ve tvaru Vx; V(x). Po-
dobně ex istenčn í výrok 3x(V(x)) se někdy zapisuje jako 3x; V(x).
je pravdivý.
12
KAPITOLA I. ZÁKLADY MATEMATICKÉ LOCIKY HORT ,RACHŮ NEK
\fy'v'x(V(x, y))
Vx3y(V(x, y))
3y'v'x(V(x, y))
3x\fy(V(x, y))
Vy3x(V(x, y))
3x3y(V(x, y))
3y3x(V(x, y))
\fx\fy(y= X+ l} ... Q
\fyVx(y = x + 1) . .. 0
V příkladu1.12 platí, že při použití jenom obecných nebo jenom existenčních kvan-
tifikátorůjsme dostali stejné pravdivostní hodnoty bez ohledu na pořadí kvantifikátorů,
zatímco pro pořadí kvantifikátorů \fx3y a 3yVx jsou pravdivostní hodnoty různé. Platí také
obecně, že vážeme-li ve výrokové formě V(x, y, ... , z) všechny proměnné x, y, ... , z buď
jen pomocí obecných nebo jen pomocí existenčních kvantifikátorů, nezáleií pravdivostní
hodnoty vzniklých výroků na pořadí užitých kvantifikátorů. Ovšem při použití různých
typů kvantifikátorů je jejich pořadí podstatné, jak je vidět v příkladu 1.12.
13
HoRT,RAcHŮNEK KAPITOLA I. ZÁKLADY MATEMATICKÉ LOCIKY
Při
práci s matematickými pojmy a větami bude často zapotřebí vytvářet negace
výrazů,ve kterých se vyskytují kvantifikátory. Musíme proto vědět, jak s takovými výrazy
pracovat.
Předpokládejme nejdříve, že V(x) je výroková forma o jedné proměnné x a že proměnná
x může nabývat konečn ého počtu hodnot a1 , a2 , ... , an. Potom obecný výrok Vx(V(x)) je
pravdivý právě tehdy, když je pravdivá konjunkce
podobně existenční výrok 3x(V(x)) je pravdivý právč tehdy, když je pravdivá disjunkce
P říklad 1.13 Pro výrokovou formu x $ y, kde x, y patří do N, jsou např. pravdivé
ekvivalence
,[\fx3y(x $ y)] *> 3x'ly(-.(x $ y)),
tj .
,[\fx3y(x $ y)] <=> 3x'ly((x > y)),
popř.
-.[3y3x(x $ y)) # Vy'lx(• (X $ y)), apod.
14
HORT,RACHŮNEK KAPITOLA I. ZÁKLADY MATEMATICKÉ l,OCIKY
16
KAPITOLA I. ZÁKLADY MATEMATICKÉ LOGIKY HORT ,RACH Ů NEK
Příklad 1 .16 Dokažte, že jsou-li a a/3 libovolná komplexní čísla, pak la+/31 :5 lal+l/31,
Označme výroky:
a to je spor s vlastnostmi druhých mocnin reálných čísel. Musí tedy platit věta A => 8,
kterou jsme chtěli dokázat.
1.5 Cvičení
17
HORT ,RACHŮNEK KAPITOLA I. ZÁKLADY MATEMATICKÉ LOG IKY
J1.4 Na základě výrokové logiky ověřte, zda následující úsudek je správný. Viníkem je Petr
nebo Pavel. Je-li viníkem Petr, pak Pavel nebyl v 11 hodin na místě činu. Je-li viníkem
Pa.vel, pak je jasný motiv činu. Tedy, jestliže byl Pavel v 11 hodin na místě činu , pak je
jasný motiv činu.
[ ano J
1.5 Zapište všechny výroky, které lze získat z dané výrokové formy vázáním proměnných
kvantifikátory, a určete jejich pravdivostní hodnoty:
a) x ::; y (x, y E N);
b) x::;y (x,yEZ);
c) x 2 + y ~ 2 (x E R, y E N).
1.6 Vytvořte k dané větě obrácenou větu, obměněnou větu a negaci a rozhodněte o prav-
divosti nebo nepravdivosti každé z těchto čtyř vět:
a) Vx E Z; (4 dělí x I\ 3 dělí x) => 12 dělí x;
b) \:/x\:/y(x-y:f;O=>x2 -y2 :j;O) (x,yEC);
c) \:/xVy(x < y => 3z (x +z= y)) (x,y,z E N).
a) 1 + 3 + 5 + · · · + (2n - 1) = n 2 ;
b) 13 +23 +3 3 + .. · +n3 = ln2 (n+ 1)2 ;
c) 1 + 31 + 32 + ... + 3n = 3n+;-1;
1 + I + 1 +
d) 'i72 + n·(n+I)
l _ n •
2·3 3-4 ·· · - n + l'
e) Číslo n 3
+ 5n je dělitelné šesti.
f) cos a+ cos 3a + · · · + cos(2n - l)a = ·~:!':, sin a:/; O.
18
HORT,RACHŮNEK KAPITOLA 2. MNOŽINY, RELACE, ZOBRAZENÍ
Definice 2.1 Průnikem množin A a. B rozumíme množinu AnB = {x; x E A/\x E B}.
Definice 2.2 Sjednocení množin A a B je množina A u B = {x;x E A V x E B}.
Definice 2.3
a) Rozdílem množin A a. B (v tomto pořadí) nazýváme množinu A \B = {x;x E A/\x r/.
B}.
b) Rozdíl A'= U\ A se také nazývá doplněk množiny A.
Příklad 2.2 Nechť A je množina všech sudých přirozených čísel, B množina všech
přirozených prvočísel. Potom A U B je množina všech takových přirozených čísel , která
22
KAPl'l'OLA 2. MNOŽINY, RELACE:, ZOBRAZENI HORT ,RACHŮNEK
Vidíme tedy, že množina A se rovná množině B tehdy jen tehdy, je-li A podmnožinou
B a současně B je podmnožinou A. Této skutečnosti budeme také při důkazech rovnosti
dvou množin často využívat.
Důkazy obou těchto vět jsou zřejmé. Ukažme si další potřebné vlastnosti zavedených
pojmů.
23
HORT ,RACHŮNEK KAPITOLA 2. MNOŽINY, RELACE, ZOBRAZENÍ
o
Věta 2 .4 Pro každé množiny A a B platí
A~ B <=> A n B =A<=> A u B = B.
o
24
l<AJ>ITOLA 2. MNOŽINY, RELACE, ZOBRAZENÍ HORT,RACHŮNEK
Definice 2.6 Jsou-li A a B množiny, pak jejich kartézským součinem (v tomto pořadí)
rozumíme množinu
A x B = {x = (a,b) ;a E A /\b E B}.
((a, b) znamená. U$pořá.danou dvojici prvků a a b.)
Dále pro množinu A budeme rozumět n-tou kartézskou mocninou (n ~ 1) této množiny
množinu A" = A x . .. x A .
.._______.,
n -krát
Ukažme si nyní, jaký je vztah mezi operací kartézského součinu a operacemi sjednocení,
průniku a rozdílu množin.
c) C x (A\ B) = (C x A)\ (C x 8) .
Dů k a z:
a) x = (a, b) E C x (A n B) # (a E C /\ b E A n B) # [a E C /\ (b E A I\ b E B)] #
[(a E CI\ a E C) I\ (b E A I\ b E B)] # [(a, b) E C x A /\ (a, b) E C x B] # x =
(a, b) E (C x A) n (C x B) (V důkazu jsme použili definice 2.6 a 2.1 a idempotentnost,
komutativnost a asociativnost logické operace konjunkce výroků.)
25
HoRT,RACHŮNEK KAPITOLA 2. MNOŽINY, RELACE, ZOBRAZENÍ
D efinice 2.7 Binární relací mezi množinami A a. B (v tomto pořadí) nazýváme libo-
volnou podmnožinu p kartézského součinu A x B.
Definice 2.8 Je-lip s;; A x B binární relace mezi množinami A a B, pa.k inverzní relací
k relaci p rozumíme binární relaci mezi množina.mi B a. A (p-• ~ B x A) ta.kovou, že
Příklad 2.4
a) Jsou-li A = { a, b, c}, B = {l , 2, 3}, p = {(a, 2), (b, 1), (a, 1) , (c, 2), (c, 3)} pak p- 1 =
{(2,a),(l,b),(1 , a),(2,c),(3,c)} .
b) Pro relaci,,<" na množině všech přirozených čísel N platí < - 1 =>.
po a = {(a, a), (a ,1 ), (b, /3), (b, 1 ), (c,/3), (c, -y), (d, a) , (d, -y), (b, a)}.
2fl
KAPITOLA 2. MNOŽINY, RELAC8, Z0BRAZ8NÍ HORT ,RACHŮNEK
(x,y) E> o<{::} (3u E N;x > u/\u < y) # (3u E N;u < min{x,y}),
<o>#> o<.
Na základě příkladu 2.5 vidíme, že složení binárních relací není obecně komutativní.
Podle a) může existovat složení po a a přitom složení a op existovat nemusí a podle b) z
existence obou ~ložení po a a a o p ještě neplyne jejich rovnost.
Věta 2.6 Pro libovo'lné binární relace p s;; A x B, a s;; B x C, 7 s;; C x D platí
a) (p- 1t = P,
1
.
b} po (ao7) = (poa) o 7,
c) (po a)- 1 = a- 1 o 7 - 1 .
Dů k a z:
a) Jsou-li a E A, b E B, pak
Poznámka: Podle definice je tedy každému prvku a E A přiřazen právě jeden prvek z
množiny B, který se často označuje f(a). Pokud můžeme určit nějaký „ předpis ", pomocí
kterého jsou vyjádřeny obrazy prvků z A, pak označení J : a i-+ f (a) znamená., že prvku
a je přiřazen prvek f(a) E B. Např. podle předpisu f : x -1-+ 2x můžeme určit zobrazení
f : N ~ N, které každému přirozenému číslu x přiřazuje číslo 2x.
Označme symbolem Imf podmnožinu v kooboru B takovou, že lm/= {!(a); a E A}=
{b E B; (3a E A); (a,b) E !}. Množinu lm/ budeme nazývat obraz množíny A v zobrazení
f.
Zavedeme si ještě nejdůležitější typy zobrazení.
Příklad 2 .6
a) Nechť A = {a,b, c}, B = {1, 2, 3}, p = {(a, 2), (a, 3), (b, 1)}. Relace p s;; A x B není
zobrazením A do B. (Dokonce není splněna ani jedna z podmínek z definice 2.10.)
b) Přiřadíme-li libovolnému reálnému číslu x jeho absolutní hodnotu lxl, dostaneme
zobrazení g : R ~ R, které není ani injektivní ani surjektivní.
c) Zobrazení h: N - N takové, že h : n ~ n 2 je injektivní, není ale surjektivní.
d) Označme P množinu všech trojúhelníků v rovině a Q množinu všech kružnic v téže ro-
vině. Uvažujeme zobrazení k: C ~ D , které každému trojúhelníku přiřazuje kružnici
jemu opsanou. Zobrazení k je surjektivní, ale není injektivní.
e) Zobrazení f : R+ ~ R takové, že f : x ~ logx, je bijektivní.
Poznrunka: Uvědomme si ještč, že podle definice 2.10 se dvě zobrazení f :A ~ Ba
J1 : A1 ~ B 1 sobě rovna.jí právě tehdy, platí-li A= A 1, B = B 1 a J(a) = J1(a) pro každý
prvek·a E A. S měnícím se oborem a kooborem se mohou měnit také vlastnosti zobrazení.
V příkladu 2.6b) je zobrazení g 1 : R+ ~ R, v němž obrazy prvků z R+ dostaneme
stejně jako v g, injektivní, ale není surjektivní; zobrazení 92 : R - ~ dané předpisem
92 : x ~ lxl, je surjektivní, ale není injektivní.
Protože zobra:iení jsou zvláštními typy ·binárních relací, můžeme je také skládat a
vytvářet k nim inverzní relace. Skládáme-li dvě zobrazení, dostaneme ve výsledku opět
28
KAPITOLA 2. MNOŽINY, RELACE, ZOBRAZENI HORT,RACHŮNEK
D efinice 2.12
a) Nechť A je konečná neprázdná množina. Potom každé zobrazení f : A ----t A se
nazývá transformace množiny A.
b) Každá bijektivní transformace množiny A se nazývá permutace množiny A.
Pro transformace konečných množin budeme s výhodou využívat zápisů ve tvaru dvou-
řádkových schémat. Je-li A = {a 1 , ... , a,,} množina s n prvky, J : A ----t A transformace,
pak / zapíšeme schematicky
kde v horním řádku jsou vypsány všechny prvky množiny A (každý prvek právě jednou)
a v dolním řádku jsou jejich obrazy v transformaci f.
Je vidět, že / bude permutací právě tehdy, jestliže se v dolním řádku vyskytne každý
prvek z A (samozřejmě pak také právě jednou). Výhodné je použití takovýchto schémat
při skládání transformací a při určování inverzní permutace k dané permutaci.
pak
li O h = ( 2
1 2 34 5)
4 1 4 3 'h o f1 =
(1 2 34 5)
1 3 1 5 2 '
(Např. (/1o h)(2) = 4, protože z tabulek bezprostředně vidíme, že !1 (2) = 3 a h(3) = 4.)
Protože /1 o h =/;ho !1, vidíme, že skládání transformací není obecně komutativní.
29
HORT ,RACHŮNEK KAPITOLA 2. MNOŽINY, RELACE, ZOBRAZENÍ
2 3 5 1 4) ( 1 2 3 4 5)
f1= (1 2 3 4 5 = 4 I 2 5 3 '
Příklad 2.8 Nechť je dána množina A= {1,2}. Je zřejmé, že
jsou právě
1, = G;)·12 = G n .h = G~)·14 = G;) .
transformace množiny A. Výsledky skládání těchto transformací zapíšeme pře
hledně do následující tabulky.
ofihhf4
!, Ji Í2 Í3 /4
Í2 Í2 !, j3 f4
h h 14 h /4
f4 /4 h ÍJ f4
V této tabulce je výsledek složení f. o/; transformace f; s transformací J; (i, j = 1, 2, 3, 4)
umístěn na. průsečíku i-tého řádku a j -tého sloupce.
P 2.5 Cvičení
2 .1
a) Dokažte všechny nedokázané vlastnosti množinových operací z věty 2.3.
b) Dokažte větu 2.4.
2.2 Na množině A= {1 ,2, 3,4,5, 6} jsou definovány binární relace R 1 , R 2 , R 3 , R,. po-
stupně výrokovými formami:
R1: x je násobkem y; R,z: x není násobkem y;
R3: x je dělitelem y; R,.: x není dělitelem y .
a) Určete výčtem prvků relace R1 , R2 , R3, R,..
b) Jakým vztahem jsou vázány relace R1, R 2 a relace R3 , R,.?
c) Nakreslete kartézské a uzlové grafy těchto relací.
d) Určete výčtem prvků a charakteristickou vlastností prvků relace R~1, ~·. ~l, R;j 1 .
= =
[ b) R2 A2 \ R1, R3 A 2 \ R,. )
2.3 Označme A množinu všech pravidelných n-úhelníků (n 2'. 3) a B množinu všech
trojúhelníků v rovině. Určete množiny A n B, A\ B, B \ A.
[ AnB je množina všech rovnostranných trojúhelníků, A \B je množina všech pravidelných
o-úhelníků (n 2'. 4), B \ A je množina všech nerovnostranných trojúhelníků J
30
KAPITOLA 2. MNOŽINY, RELACE, ZOBR.AZEN Í H OR.T,RACHŮNEK
2 .8 Zapište všechny binární relace na dvouprvkové množině A = {l, 2}. Určete všechny
relace ó na A, pro které platí po o= ó op, kde p = {(l, 1), (1, 2), (2, l)}.
2.9 Na m nožině A= {a,b,c,d} jsou dány binární relace R 1 = {(a,a), (a,b), (a,c), (b,d}},
R2 = {(a, b), (c, d), (c, b)}, R3 = {(a, a), (b,b), (c, c}, (d, d), (a, b), (b, a), (b, c), (c, b)} . Určete
výčtem prvků relace~ o R1, R1 o R2, R3 o R 1, R3 o R3, R1 o (R2 o R3), R 11, Rz 1 , R31,
Rijt o Hi• o R11 ·
31
Kapitola 3
Algebr~ické struktury
Tedy binární operace „o" přiřazuje ka-:ídé uspořádané dvojici (x,y) prvků z G jedno-
značně určený prvek o(x, y), který budeme značit x o y a nazývat výsledek operace „o"
provedené na prvky x a y (v tomto pořadí).
Pozn~a:
a) Budeme-li hovořit o konkrétních binárních operacích, budeme často místo symbolu „o"
používat také symboly,,+",,,·", ,,O", apod.
b) Pro libovolné číslo n E Z, n ~ O, můžeme zavést pojem n -ární operace na G jako
zobrazení kartézské mocniny an
do množiny G. Speciálně pro n = 2 dostáváme již
zavedený pojem binární operace.
c) Pokud nebude řečeno něco jiného, bude v tomto textu pod názvem „operace" rozuměna
binární operace.
Příklad 3.1
a) Sčítání je operací na množině N, zatímco odčítání na N operací není. (Např. 3+5 E N,
ale 3 - 5 !t' N.)
b) Odčítání je operací na Z , dělení na Z není operací.
c) Dělení na Q není operací (nemůžeme dělit nulou), ale dělení na Q \ {O} je operací.
33
HO!n',R.ACHŮNEK KAPITOLA 3. ALGEBRAICKÉ STRUKTURY
Definice 3.3
a) Je-li „o" binární operace na množině G ::j: 0, potom algebraická struktura g = (G, o)
se nazývá grupoid.
b) Je-li operace „o" komutativní, tj. platí-li
Definice 3.4 Pologrupou rozumíme libovolný grupoid g = (G, o), ve kterém je operace
„o" asociativní, tj. platí-li
Příklad 3.2
a) Grupoidy N = (N,+), N' = (N.-), Z= (Z,+), Z= (Z.-) jsou abelovskými polog-
rupami.
b) Pologrupami nejsou gru poidy Z" = (Z,-), Qó = (Q \{O},:) , N" = (N,D) (kde
aOb = ab).
Žádný z těchto grupoidů není ani komutativní.
c) Nechť A je konečná neprázdná množina. Označíme-li T(A) množinu všech transfor-
mací množiny A aje-li „o" operace skládání transformací, potom T (A) = (T(A),o) je
pologrupa.
V příkJadu 2.8jsme pro A= {l, 2} zapsali výsledky operací v pologrupě T(A) přehledně
do čtvercové tabulky. Podobných tabulek můžeme použít pro libovolné konečné grupoidy.
Jsou to čtvercové tabulky, jejichž řádky a sloupce jsou označeny pomocí prvků daného
grupoidu (nejlépe v témže pořadí) a na průsečíku řádku označeného prvkem a a sloupce
označeného prvkem b leží výsledek operace provedené na prvky a a b (v tomto pořadí).
I<aidou takovou tabuJku nazveme Cayleyova tabulka daného grupoidu.
34
KAPITOLA 3. ALGEBRAICKÉ STRUKTURY HORT,RACHŮNEK
EB O 1 2
O O 1 2
1 1 2 O
2 2 O 1
Definice 3,5 Řekneme, že grupoid g = (G, o) má neutrální prvek, je-li p ravdivý výrok
Věta 3.1 V grupoidu g = (G, o) může existovat nejvýše jeden neutrální prvek.
D ů k a z: Předpokládejme, že v g existují dva neutrální prvky n 1 a n 2 . Pak podle
defin ice 3.4 platí n1 o nz = nz a současně n 1 o nz = n 1 , tedy z jednoznačnosti operace v
grupoidu dostáváme n 1 = ni. D
aoa' = n=a'a.
'r/a E G3a' E G; a o a• = n = a· o a.
Komutativní grupa se také nazývá abelovská.
35
HORT,RACHŮNEK KAPITOLA 3. ALGEBRAICKÉ STRUKTURY
Poznámka: Pro binární operace budeme nejčastěji používat označení,, · " a,,+". Pokud
použijeme operaci,,·", řekneme, ž.e grupoid g = (G, ·) je multiplikativní. Výsledek operace
a· b budeme nazývat součin prvků a a b a budeme jej také zapisovat ab. Pokud existuje
neutrální prvek, označíme jej e a budeme nazývat jednotkový prvek. Pokud k prvku a
pologrupy G existuje symetrický prvek, označíme jej a- 1 a nazveme inverzní prvek k a.
Grupoid g = (G, +) nazýváme aditivní, výsledek operace a + b nazveme součet prvků a
a b, neutrální prvek označíme „o" a. nazveme nulový prvek a symetrický prvek k a označíme
-a a nazveme opačný ptvek k a.
Příklad 3.4
a) V pologrupě N = (N, +) neexistuje nulový prvek. V Z = (Z,+) je nulovým prvkem
číslo O, opačným prvkem k číslu a je číslo -a, tedy Z je komutativní grupa.
b) V pologrupě N' = (N, ·) je jednotkovým prvkem číslo 1, inverzní prvek existuje pouze
k číslu 1 (1- 1 = 1). V pologrupě Z'= (Z,·) je jednotkovým prvkem také číslo 1. inverzní
prvky existují jenom k číslům 1 a -1
c) Q = (Q, + ), n = (JR,+), C = (C, +) jsou aditivní komutativní grupy. V pologrupě
Q' = (Q, ·) je jednotkovým prvkem číslo 1, inverzním prvkem k číslu a# O je inverzní
číslo a - 1 , ale k číslu O inverzní prvek neexistuje, proto Q' není grupa.. Podobně nejsou
grupami pologrupy 7?,' =(JR,·) a C' = (C, ·).
Pokud ale uvažujeme místo množin (Ql, JR, C množiny IQ\ {O}, JR\ {O}, C \ {O} , pak
Qo = (Q \{O}, ·), no = (JR\ {O},·) , C0 = (C \{O},·) jsou multiplikativní komutativní
grupy.
d) Nechť A je konečná neprá:zdná množina, T(A) množina všech transformací a S(A)
množina všech permutací množiny A. Potom každá z pologrup 'T(A) = (T(A) , o) a
S(A) = (S(A), o) má jednotkový prvek, kterým je identita na A. Přitom S(A) je grupou,
protože inverzním prvkem k permutaci / je inverzní permutace 1- 1• Pokud má množina
A alespoň tři prvky, pak S(A) není komutativní.
A l \/a,b E M;a+ b = b + a,
A2 'ia,b,c E M;a+ (b+ c) = (a+ b) + c,
36
KAPITOLA 3. ALGBBRAICKé STRUKTURY HORT ,RACH ŮNEK
A3 3o E MVa E M; a+ o = a,
A4 Va E M:3 - a E M ; a+ (-a) = o,
M l Va, b, c E M; a(bc) = (ab)c,
D L Va, b,cE M;a(b+c) =ab+ ac,
Poznámka : Jsou-li a, b E M, pak místo a+ (-b) budeme psát také krátce a - b. Protože
pro libovolné a, b, c E M vždy platí ab = a[c+(b-c)] = ac+a(b-c), a tedy a(b-c) = ab-ac,
je násobení také distributivní zleva vzhledem k odčítá.ní.
Analogicky ba= [c+ (b- c)la = ca+ (b-c)a, tzn. (b - c)a =ba - ca, proto je násobení
distributivní vzhledem k odčítání i zprava.
Dále je-li a E M, pak
a) Víme, že (Z,+), (Q, +),(JR,+), (C,+) jsou komu ta tivní grupy a že (Z,·), (Q, ·), (!R,·),
(C, ·) jsou komutativní pologrupy. Protože násobení čísel je distributivní vzhledem ke
sčítá.ní, jsou Z = (Z, + , ·), Q = (Q,+,·), 1l = (IR, + ,·) a C = (C,+, ·) komutativní
okruhy.
b) O= ({O}. +,·) je také komutat ivní okruh.
c) Algebraická struktura N = (N, +, ·) není okruhem, protože (N, +) není grupa.
Příklad 3.6 Nechť Z 1 = {O, 1, 2, 3} . Uvažujme na Z 4 binární operace „EB" a,,®" za-
dané následujícími Cayleyovými tabulkami:
EBo 1 2 3 ® o 1 2 3
o o 1 2 3 o o o o o
1 1 2 3 o 1 o 1 2 3
2 2 3 1 o 2 o 2 o 2
3 3 o
1 2 3 o 3 2 1
Můžeme snadno ověřit, že obě tyto operace jsou asociativní a komu tativní a že násobení
.,®" je d istributivní vzhledem ke sčítání „EB". Přitom nulovým prvkem v (Z, EB) je číslo O
a platí -O = O, -1 = 3, -2 = 2, - 3 = 1, tedy ke každému prvku exist uje prvek opačný.
Proto Z 4 = (Z 4 , EB, ®) je komutativní okruh.
37
HORT,RACHŮNEK KAPITOLA 3. ALCEBRAJCK~ STRUKTURY
D efinice 3.9 Číselným okruhem rozumíme každý takový okruh M = (M, +, ·), že M
je podmnožinou množiny všech komplexních čísel C a pro libovolné prvky a, b E M je
součet a + b, resp. součin ab, roven obyčejnému součtu, resp. součinu, komplexních čísel
a, b.
Pozn~ka:
a) Okruhy Z , Q, n , C a O z příkladu 3.5 jsou číselnými okruhy, zatímco okruh 24 není
číselným okruhem, i když platí Z 4 ~ C. {Později budeme pracovat i s jinými typy
okruhů, které nebudou číselné.)
Definice 3.10
a) Prvek a# o okruhu M = (M,+,.) se nazývá levý (pravý) netriviální dělitel nuly,
existuje-li nenulový prvek b E M takový, že ab = o (ba= o).
b) Řekneme, že a # o je netriviálním děli telem nuly, je-li a současné levým i pravým
netriviálním dělitelem nuly.
D efinice 3.11 Oborem integrity budeme rozumět každý okruh :J = (J, +,·), který je
komutativní, obsalmjejednotkový prvek (vzhledem k násobení) e =fi o a ve kterém neexistují
netriviální dělitelé nuly.
Tj. kromě vlastností komutativního okruhu z definice 3.8 platí
M3 3o =fi e E Na E J; ae = a,
M4 'va, b E J ; (ab = o I\ a =fi o) '* b = o.
Příklad 3.7
a) Vzhledem k tomu, že každý číselný okruh je komutativní a že pro násobení kom-
plexních čísel neexistují netriviální dělitelé nuly, bude číselný okruh M = (M,+, ·)
oborem integrity právě tehdy, bude-li l E M. Tedy Z, Q, n, C jsou číselnými obory
integrity, zatímco O není číselným oborem integrity. Podobně, označíme-li 2Z mnoiinu
všech sudých celých čísel, pak 2Z = {2Z, +, ·) je číselným okruhem, který ale není
oborem integrity. ·
38
KAPITOLA 3. ALCE8RA!CKÉ !.'1'11.UK'l'UR.Y HORT,RACHŮNEK
D efinice 3.12
a) Okruh T = (T, +,.)se nazfvá těleso, jestliže T obsahuje alespoň dva navzájem různé
prvky aje-li (T \{O},·) grupou.
Jinými slovy, pro okruh T obsahující alespoň dva různé prvky jsou splněny podmínky
M3 3o :/- e E T'</o ,f,. a E T ;ae =a= ea,
M4 'vo :/, a E T3o :/, a- 1 E T; aa- 1 = e = a- 1a.
b) Je-li (T, ·) komutativní, pak se T nazývá komutativní těleso.
Věta 3.3
Dů k a z:
a) Nechť T = (T, +,·)je těleso. Předpokládejme, že a E T je levým netriviálním dělitelem
nuly. Tzn., že existuje o :/, b E T takový, že ab = o. Protože a je nenulový prvek,
existuje k němu v T inverzní prvek a- 1• Z rovnosti ab = o proto dostáváme rovnost
a- •(ab) = a- 1 0 tj. (a- 1 a)b = o, a odtud b =
o. Prvek b je ale podle předpokladu
nenulový, to je spor.
b) Předpokládejme, že T = (T, +,·)je komutativní těleso . Podle části a) 7 neobsahuje
netriviální dělitele nuly. Proto stačí dokázat, že pologrupa (T, ·) má jednotkový prvek.
Z definice tělesa vyplývá, že existuje jednotkový prvek ev (T \{O},+,·). Ovšem platí
také oe = o, a proto je e jednotkovým prvkem celé pologrupy (T, ·).
o
Příklad 3.8
a) Číselný okruh, který je tělesem, budeme nazývat číselné těleso. Protože každé číselné
těleso je komutativní, je podle věty 3.3 také číselným oborem integrity. Víme, že (Z\
{O},·) není grupa, proto Z = (Z,+,·) není číselným tělesem. Každá z pologrup (Q \
=
{O},·), (JR\ {O},·), (C\ {O},·) je grupou, tedy Q (Q, +, ·), n= =
(JR,+, ·), C (C, +, .)
jsou číselná tělesa.
b) Komutativní okruh Z 4 = (Z 4 ,E9,®) není oborem integrity, proto nemůže být podle
věty 3.3 ani tělesem.
c) V příkladu 3.3 jsme uvažovali aditivní opera{:i „EB" na. množině Z 3 = {O, 1, 2}. Defi-
nujme nyní, analogicky jako pro Z 4 , také multiplikativní operaci,,®"· Obě operace jsou
dány následujícími Cayleyovými tabulkami:
39
HORT,RACHŮNEK KAPITOLA 3. ALGEBRAICKÉ STRUKTURY
EBo 1 2 0 o 1 2
o o 1 2 o o o o
1 1 2 o 1 o 1 2
2 2 o 1 2 o 2 1
Je vidět, že (Z3, EB) je komutativní grupa (nulovým prvkem je O a platí -O = O, - 1 = 2,
-2 = 1) a že (Z3 \ {O}, 0) je také komutativní grupa Uednotkovým prvkem je 1,
1- 1 = 1, 2- 1 = 2). Platí, že Z 3 = (Z3 , EB, 0) je komutativní těleso. (Platnost zbývajících
podmínek si může čtenář ověřit sám.)
3.3 Cvičení
3.2 Nechť pro libovolná a, b E N označuje aDb prvek a6 • Určete všechny takové trojice
(a, b, c) E N3, pro které platí
aD(bOc) = (aDb)Oc.
[ (1, x, y), (x, y, 1) , (x, 2, 2) kde x, y jsou libovolná čísla z N. ]
Dokažte, že
a) (JR, O) je abelovská grupa;
b) (JR, 6) je abelovská pologrupa s neutrálním prvkem, která ale není grupou.
40
HORT , RACH ŮNEK KAPITOLA 4 . MATICE
Definice 4.2 Matice Nmxn = 11"-íillmxn se láazývá nulová matice typu m x n , platí-li
n., =
O pro každé i= 1, , .. , m, j = 1, ... , n. Bude-li zřejmý typ matice, budeme psát místo
Nmxn pouze N.
Definice 4.3
a) Matici A = lla.,11 typu n x n nazveme čtvercová matice stupně n.
b) čtve,:covou matici nazveme diagonální, pokud všechny j ejí prvky, které neležť.._na
hlavni diagonále, jsou rovny Cl'.
c) Diagonální matice se Ja&Zývá skalární, jestliže všechny její prvky ležícPna hlavni dia-
gonále jsou si rovny.
d) Skaláml matice, jejíž všechny prvky na hlavni diagonále u rovny 1, se nazm
jednotková matice stupně n. Označíme ji En (popř. pokud je zřejmý typ matic, jenom
E).
A= ( ~ -~ ) , B = (~ ~) •C = ( - ~ -~ ) . E = G~) .
Platí, že A je čtvercová matice stupně 2, která není diagonální, B je diagonální, ale není
skalární, C je skalární a E je jednotková matice stupně 2.
Oznaeeni : Dohodněme se, že množinu všech matic typu m x n nad 7 ozn ačíme
Mmxn(T) a množinu všech čtvercových matic stupně n nad 7 budeme značit Mn(T).
V lineární algebře, kde budeme matice velmi často používat, se nepracuje jenom s jed-
notlivými maticemi, a le je nutno vytvářet z daných matic další matice. Definice a základní
vlastnosti operací s mat icemi budou obsahem našich dalších úvah.
Definice 4.4 Jsou-li A = 11%11, B = llb;;II dvě matice z Mmxn(T), pak řekneme, že
matice A je rovna matici B , platí-li a;; = b;; pro každé i= l , ... , m, j = 1, ... , n. Značíme
A= B.
1} A= A,
2) A = B => B = A,
44
KAPITOLA 4. MATICE HORT,RACHŮNEK
D ů k a z: Je zřejmý. o
Potom
A +B = ( -41 39 -63) .
Věta 4.2 Množina Mmxn(T) spolu s operací sčítání matic je komutativní grupa.
45
HORT,RACH ŮNEK KAPITOLA 4. MATICE
1) c(A + B) = cA + cB,
2) (c + d)A = cA + dA,
S} (cd)A = c(dA),
4) l ·A= A.
46
KAPITOLA 4. MATICE HORT ,RACHŮNEK
Protože nemusíme vždy pracovat jenom se součty, v nichž by se musel vyskytovat prvek
a 1, nemusí být dolní mez rovna jenom č íslu 1. Např. jsou-li m, n E N, m < n, pak píšeme
n
a,,.+l + Om+2 + · ·. + On = L a;.
i=m+I
47
HORT,RACHŮNEK KAPITOLA 4. MATICE
i=l i=I
n
i=I
n
i :I
cL a, = L ea;·
i=I i=l
t
Platí tedy
Nechť
součty
m , n E N. Uvažujme mn prvků a;; E T , i = 1, ... , m, i = 1, ... , n. Vytvoříme-li
n
L a,;,i = l, ... ,m,
j=I
48
KAPITOLA 4. MATICE HORT,RACHŮNEK
m
L <li;,j = 1, ... ,n,
i=l
LL<li; = I:I:
i= I j=I j=l j=l
0 ij·
Budeme proto analogické dvojnásobné součty chápat tak, že nejdříve vždy vytvoříme
vnitřní součty a potom takto získané součty sečteme v mezích vnějšího součtu. Musíme
ovšem dbát na to, aby horní a dolní mez jednoho sčítání nebyla závislá na součtovém
indexu druhého sčítání.
Nyní už můžeme součin matic definovat.
~
1
AB = ( ~ -~ -~)
49
HOITT,RACH Ů NEK KAPITOLA 4. MATICE
Vypočítejme prvky matic (AB)C a A(BC), které leží na průsečíku i-tého řádku a l-tého
sloupce.
Pro matici (AB)C dostaneme prvek
t. t. (t
a;;/ ,1 = 0.; b;kckl) = t. t a;;(b;kCkt) .
Poznámka : Matici {AB)C = A(BC) můžeme proto bez obav z nedorozumění oz načovat
také ABC.
ABC = (AB)C = [(
-15 12 ) ( - 23 -41 )] ( -3O - 21) =
( -115 -3)(
-5
O-2) =( 159 -1519) ·
-3 1
Přitom pro kontrolu spočítáme také matici A(BC). Platí
50
KAPITOLA 4. MATICE HORT , RACHŮNEK
( 159 - 19)
15 .
Věta 4.5 Násobení matic je distributivní vzhledem ke sčítání, tj. jsou.li A E Mmxn(T),
B, CE Mnxp(T), pak A(B + C) = AB + AC, a jsou·li B, CE Mnx 11 (T) a DE M„ x,(T),
=
pak (B + C)D BD + CD.
D Ů k a z: Nechť A = lla;;llmxn, B = llb;kllnxp, C = llc;kllnxp· Označme A(B + C) =
F = llfallmxp, AB +AC= G = ll9ikllmxp· Platí
n n
/;k= Ea;;(b;k + Cjk) = L (a;;b;k + a;;c;k) = 9ik,
i=I j=l
Pak platí
A, = (!: !) , (i : A, = J
o o
A,A,= (l o o o
o
!} A,A, = (l : l)
tedy A 1A2 =I= A2A 1 , a proto okruh M,.(T) není komutativní. Současně ovšem vidíme, že
A2A1 = N, což znamená, že A 2 je levým a A1 pravým netriviálním dělitelem nuly.
Nechť n = =
l. Pak llaull + llb11II =
lla11 + b11II, lla11II · llbull llaubull, takže sčítání
i násobení v M 1 (T) odpovídá těmto operacím v T (pokud matici Ilxu II ztotožníme s prv-
kem x 11 ). To znamená, že M 1(T) je také komutativní těleso. O
51
HORT,RACHŮNEK KAPITOLA 4. MATICE
Komutativ ní grupu (Mnx 1(T),+) spolu s násobením vektorů skaláry nazýváme sloup-
cový n-rozměmý aritmetický vektorový prostor nad Ta značíme jej (Pf.
c) V dalším si budeme všímat jen řádkových vektorů. Všechny pojmy a vlastnosti je možno
samozřejmě bezprostředně převést i pro případ sloupcových vektorů.
Definice 4.9 Jsou-li "il, u!, ... ,uÍ aritmetické vektory z 7n, potom ř.ekneme, že vektor
"il je lineární kombinací vektorů u't, . . . , u!, existují-li čísla c 1 , .•• , c1o E T taková, že
"
"il = c,u't + ... + ckiik = L Ci°iit-
i= I
Víme, že dvě matice Léhoí typu se sobě rovnají, pokud se na všech místech rovnají
jejich odpovídající si prvky. P roto také bude platit, že pokud tf = (v1, ... , vn), u't =
(u11 , ... , U1n), ~ = (tL21, . .. , tL2n), ... , uÍ = (uk1, ... ,Ukn), pak vektorová rovnost
"il = c,u't + 02~ + ... + cdi!
52
KAPITOL.A 4. MATICE H OR'!' , RACHŮNEK
Příklad 4.7 Zjistěte, je-li vektor ti lineární kombinací vektorů u!,~.~- (ti, u!,~.
~ E 'R3.)
a) ti= (4, -2, 3), ut = (2, 1, -2), ~ = (- 3, 4, 2), ~ = (1, O, - 3)
b) ti= (2, - 1, 3), u! = (-5, 2, l ), ~ = (1, -3, 2), ~ = (-3, -4, 5)
Máme .tedy zjistit, zdali existují reálná čísla Ci, o.i, c3 taková, aby platilo
3
ti= I:e;tt,
i: I
Poznámka:
a) Protože pro každý vektor ti E T" platí ti = 1 · ti, je každý vektor svou lineární
kombinací.
b) Nulový vektor 71 = (0,0, ... ,0) je lineární kombinací libovolných vektorů u!, ... ,iit,
protože vždy platí mj.
7J = out + o~ + ... + out
D e finice 4. 10
k
a) Lineární kombinaci I: out vektorů u!, ... ,iit na.zveme triviální nulovou kombinací
i=l
vektorů u!, ... ,iit.
53
H O!n' ,RACHŮNEK KAPITOLA 4. MATICE
k
b) Každou lineární kombinaci EC;~, která je rovna nulovému vektoru ""ď a v níž alespoň
i=I
jeden z koeficientů c 1, ••• , Ck je nenulový, nazveme netriviální nulová kombinace vektorů
ut..... ut.
P říklad 4.8 Označme iit = (-3, 1, 2), ~ = (5, 3, - 3), m = (-4, 6, 3). Potom oiit +
o~ + om je triviální nulová kombinace a 3iit + 3~ - m je netriviální nulová kombinace
těchto vektorů.
D efinice 4.11 Jsou-li 17t, ... ,ut vektory z T' , pak řekneme, že tyto vektory jsou
a) lineárně závislé, existuje-Ji alespoň j edna jejich netriviální nulová kombinace;
b) lineárně nezávislé, jestliže jedinou jejich nulovou lineární kombinací je kombinace
triviální.
aspoň jedno nenulové řešení (tj. takové řešení, v němž je alespoň jedno z čísel c 1 , ••• , ck
různé od nuly).
a) Protože soustava
2c, + C2 + 4c3 = O
-3c, + 4<>.i + -17c3 = O
54
KAPITOLA 4. MATICE HORT,RACHŮNEK
4 .3 Cvičení
A -- (28
3 -1 5)
- 4 O - 7 'B
= ( - 5 2 1
1 -10 2 =~) ,c -! 82
= ( -6
o
! ).
[( l! 2 -1
-42 20 -~) l
4.3 Nad tělesem Z 7 určete součet A + B + C matic
A= G: ;) ,B= G: !),c=G ~ O
4 6 3)
[
(4 O 3
O 2 3 ]
2 ·. ( 2
7
9O 52) I
4.5 Vypočítejte
55
HORT ,RACHŮNEK KAPITOLA 1. MATICE
A =( c?s a - sin a ) .
sma cos a
Nalezený vzorec ověřte matematickou indukcí.
[ ( c?sna -sinna) ]
sm na cos na
A= (l : : l
~ ~ ~ :::
(O O 1
ooo
4.8 Vyšetřete strukturu M = (M, +, ·) kde M = { ( ~b ab ) ; a, b E Z3 } , operace +, ·
jsou operace sčítání a násobení matic. Zapište množinu M výčtem prvků.
[ komutativní těleso ]
A= ( ~ -~) .
a 4b- 4a)
[ ( 3a _ 3b b , kde a, b E IR J
4.10 Určete všechny matice, které jsou zaměnitelné s každou diagonální maticí n-tého
stupně.
[ Právě všechny diagonální matice n-tého stupně. J
4.11 Zjistěte, je-li levým, popř. pravým, netriviálním dělitelem nuly matice
( 2 -3)
a) -6
( 52)
9 ' b) - 1 7 ·
[ a) levý i pravý dělitel nuly; b) není ani levý ani pravý dělitel nuly J
56
HORT,RACHŮNEK KAPITOLA 5. DETERMINANTY
Tedy permutaci je možno vlastně zapsat pomocí dvou pořadí, což také budeme stručně
zapisovat
Je zřejmé, že dostaneme jen jiný zápis stejné permutace, jestliže zapíšeme v některém
jiném pořadí současně prvky v prvním řádku i jejich obrazy ve druhém řádku.
Příklad 5.1
2 1 3 5 4) (3 5 4 1 32)
P= ( 3 1 5 4 2 a 5 4 2 1
jsou dva zápisy téže permutace P na množině {l, 2, 3, 4, 5}.
Nejčastěji budeme pracovat s takovými zápisy permutací, ve kterých bude horní řádek
v základním pořadí. Např. permutaci P z příkladu 5.1 pak zapíšeme ve tvaru
1 2 3 4 5)
(1 3 5 2 4 .
Všechny zápisy téže permutace budou pro naše účely rovnocenné, protože mají stej-
nou charakteristickou vlastnost, tzv. znaménko permutace. Nejdřív ale budeme definovat
znaménko pořadí.
Příklad 5.2 Je-Ji rr = (2, 4, 3, 5, 1) , pak inverze tvoří právě dvojice prvků
2,1;4,3;4,1;3,1;5,l.
Je-li rr pořadí, pak počet inverzí v rr označíme [rr].
D efinice 5.4 Znaménkem pořadí rr rozumíme číslo sgn rr = (- 1)1"1. Je-Ji sgn 1r = 1,
1r = -1, pak se rr nazývá liché.
pak se pořadí rr nazývá sudé, je-Ji sgn
60
KAPITOLA 5. DETeRMINANTY HORT,RACHŮNEK
= (::)
P = (~: ~: ::: ~:)
rozumíme číslo sgn P, které se rovná +l, platí-li sgn 1r 1 = sgn 1r2 , a rovná se -1, platí-li
sgn 1r1 = -sgn 1F2.
Permutace P se nazývá sudá, Je-Ji sgn P = 1; v opačném případě se permutace P
nazývá lichá.
p= (1 ! 1~ ;) = ( :~) ·
Vidíme, že [1r.J = 3 a [1r2 ] = 5, tzn., že sgn 1r1 = -1 , sgn 1r2 = -1. Proto sgn 1r1 = sgn 1r2,
což znamená, že sgn P = + 1.
Poznámka: Je zřejmé, že základní pořadí je sudé, proto je-li permutace P v základním
tvaru, tj.
p = (:~),
pak sgn P = sgn 1r2.
Příklad 5.5 Upravíme-li permutaci P z příkladu 5.4 do základního tvaru
p = G! ! 1~) = (:ú ·
pak [1r2) = 6, tady sgn P = sgn 1r2= 1.
61
HORT,RACHŮNEK KAPITOLA 5. DETERMI NANTY
Pokud bude zřejmý počet prvků množiny A, pak tuto transpozici budeme také stručně
označovat(i,j) .
P=G 2 3 4 5)
4 1 2 3 I
b) Předpokládejme, že 1r' vznikne z 1r pomocí transpozice (ki,k;), kde i< j. Tedy je-li
Přitom ovšem od 1r k 1r' můžeme přejít také postupným prováděním transpozic sousedních
prvků. Provedeme-li nejdříve transpozice
dostaneme pořadí
1r" = (k1,,,,, k;-1, /c;+ i, ... , k;-1, k;, kj, k;+i,. ,. , kn),
a následným použitím transpozic
Věta 5.6 Všech n! pořadí n-prvkové množiny {1, 2, ... , n} je možno uspořádat do po-
sloupnosti tak, že za první prvek posloupnosti zvolíme libovolné pořadí a každé další pořadí
v posloupnosti vznikne z předchozin.o pomocí některé transpozice.
Věta 5.7 J e-li n ~ 2, pak mezi všemi n! pořadími n-prvkové množiny je p1·ávě !f
sudých a ~ lichých pořadí.
63
HORT,RACHŮNEK KAPIT OLA S. OE'l'ERMINANTY
Věta 5.8 Každou permutaci je možno zapsat ve tvaru složení konečného počtu trans-
pozic. Přitom platí, že sudá permutace se skládá ze sudého počtu a lichá permutace z lichého
počtu transpozic.
1 2 3 4 5)
P= ( 2 3 5 4 1 .
Platí sgn P = - 1, proto podle věty 5.8 dostaneme rozklad na lichý počet transpozic.
Protože horní řádek permutace můžeme vždy psát v základním pořadí, bude postačovat,
ukážeme-li, pomocí jakých transpozic dostaneme ze základního pořadí druhý řádek per-
mutace P.
Např. použijeme-li postupně transpozice (1, 2) , (1 , 3) a (1 , 5), budeme postupně dostávat
pořadí (1, 2, 3, 4, 5), (2, 1, 3, 4, 5), (2, 3, 1, 4, 5) a (2, 3, 5, 4, 1), a tedy P = (1, 2)o(l , 3)o(l, 5).
Podobně také dostaneme P = (1, 2) o (1, 3) o (1, 4) o (1, 5) o (4, 5).
Vidíme proto, že i když bylo předem zřejmé, že permutace P se rozloží na lichý počet
transpozic, pak tento počet není určen jednoznačně.
(Na základě této věty jsme si ověřili skutečnost , že každá transpozice je lichá.)
Věta 5.10 Nechť 7ft , 1r2, •.. , 7rn! je libovolná posloupnost všech pořadí n -prnkové množi-
ny. {Každé pořadí se v ní vyskytuje právě jednou.) Nechť P j e libovolná permutace. Ozna-
číme-li 1rt pořadí, které vznikne z pořadí 1r; 1 pomocí permutace P (i = 1, 2, ... , n!), pak j e
opět 1r~ , 1r~, • • • , 7r~! posloupnost všech pořadí dané n-prvkové množiny.
D ů k a z: Označme 1ro základní pořadí a pomocí posloupnosti pořadí 1r1 , 1r2 , • .. , 'lrn!
posloupnost permutací Pi, P2, ... , Pn! takovou, že
P.,. -- (7ío) .- 1 2
1ri ,i - , , ... 1 n I..
Je zřejmé, že platí
64
KAPITOLA 5. DETERMINANTY HORT ,RACHŮNEK
Předpokládejme, že se v posloupnosti ní, n2, ... ,n~! vyskytnou dvě pořadí n:, n1taková,
že i t= j a 1r: = 1ri. To ovšem znamená, že
Pi o P = ( ::) = (:i) = P; o P,
V této části se budeme zabývat čtvercovými maticemi nad libovolným číselným tělesem T.
Každé takové matici přiřadíme číslo z tělesa T nazývané determinant matice. Jak v definici,
tak i při studiu základních vlastností determinantů budeme používat výsledků týkajících
se permutací.
D e finice 5.8 Nechť
65
HORT ,RACHŮNEK KAPITOLA 5. DETERMINANTY
Poznámka:
a) Uvědomme si, že permutace je bijekcí množiny na sebe. Proto determinant matice A
můžeme také popsat slovy takto: Je to prvek z T, který je součtem n! takových součinů
on prvcích matice A, ve kterých je z každého řádku a z každého sloupce matice A právě
jeden prvek, přičemž každý ze součinů je vynásoben znaménkem permutace určené
řádkovými a sloupcovými indexy prvků tohoto součinu.
b) Pro označení čísla detA budeme také používat označení IAI, popř.
A=
Příklad 5 .9
a) Určeme determinant matice 2. stupně
Jako členy determinantu detA budou vystupovat součiny aua22 a a 12eti 1. Určíme jejich
znaménka. Pro první z nich je to
sgn G~) = 1
a pro druhý
sgn (; i)= -1.
Definici členu determinantu vyhovují součiny a11 a22a33, a12a23a3 1, a21 a32a13, a13eti2a31,
Snadno určíme znaménka permutací sestavených z sloupcových
a12021a33, eti3a32au .
a řádkových indexů těchto členů, která současně určují, s jakým znaménkem budou
členy v determinantu vystupovat. Zjistíme, že první tři č.leny budou mít znaménko ,, +"
a. zbývající znaménko,, - ". Platí tedy
66
KAPITOLA 5. DETERMINANTY HORT ,RACHŮNEK
-2 1 4
5 2 - 1
3 1 6
3 51 = 21 - 20 .= 1.
14 7
-2 1 4
Analogicky 5 2 -1 = -24 - 3 + 20 - 24 - 2 - 30 = -63.
3 1 6
Definice 5.9 Je-Ji A= lla;;II matice typu m x n, potom maticí transponovanou k ma-
tici A nazýváme matici AT = lla;;II typu n x m, která vznikne z matice A vzájemnou
záměnou řádku a sloupců (tj. překlopením matice A podle hlavní diagonály).
Poznámka: V dalším textu budeme bez dalšího komentáře používat některých zřejmých
vlastností operace transponování matic, zejména
(cA)" = cAT ,
(ACf =ďAr,
kde A, B E Mmxn(T), C E Mnxp(T), c E T. (Čtenář si může sám ověřit platnost uve-
dených rovností.)
detAT = detA.
D ů k a z: Nechť A = lla;;II E Mn(T). Označíme-li AT = llg,AI, pak platí b;; = a;;,
i = 1, 2, ... , n, j = 1, 2, ... , n. Podle definice determinantu platí
detA = L sgn p a,k, a2k, .. . ankn = L sgn p bk, 1bk,2 · · · bknn,
p p
67
HORT,RACHŮNEK KAPITOLA S. DE'l'BRMINANTY
proběhne-li P = (kl
I
2
k · · · kn ) všechny permutace na {1 , 2, ... , n}, potom P' =
2 ··· n
(;
1
~ ::: ~ ) proběhne také všechny permutace na {1, 2, ... , n} a platí sgn P' =
sgn p - • = sgn P. Platí tedy
Věta 5.12 Má-li čtvercová matice A v některém řádkv. samé nuly, pak detA = O.
D ů k a z: Nechť A E M,.(T) je matice, která má v i-tém řádku samé nuly. Protože
podle definice determinantu se v každém členu determinantu vyskytuje právě jeden prvek
z i-tého řádku, musí být každý člen determinantu roven nule, a proto je i celý determinant
roven nule. O
Věta 5.13 Má-li matice A E Mn(T) všechny prvky pod hlavní diagonálou rovny nule,
potom detA je roven součinu a 11 a22 . .. Onn prvků na hlavní diagonále.
Věta 5 .14 Vznikne-li matice B ze čtvercové matice A stupně n záměnou i-tého aj-
tého řádku, kde i t, j, potom detB = -detA.
68
KAPITOLA 5. DETERMINANTY HORT,RACHŮNEK
P= (;1 :2 ::: ~)
je permutace z Sn = S( {l, 2, ... , n} ), potom
P'=ToP=( 1 ... i .. . j .. . n)
k1 , , . k1 · . . ki .. · kn
je opět permutace z Sn a podle věty 5.9 platí, že proběhne-li P všechny permutace z Sn,
proběhne P' také všechny permutace z Sn, Přitom podle věty 5.4 platí, že sgn P' = -sgn P.
Proto dostáváme
Věta 5.16 Jestliže se v matici A E Mn(í) rovnají i-tý a j -tý řádek {i -=f j), pak
detA = O.
D ů k a z: Zaměníme-li i-tý a j-tý řádek v matici A, dostaneme opět matici A, ovšem
podle věty 5.14 pak platí detA = -detA. Tedy detA = O. O
Definice 5 .10
a) Nechť A = IIO-i;II je matice typu m x n. Potom každou matici, která vznikne z matice
A vynecháním některých řádků a některých sloupců, nazýváme dílčí maticí matice A.
b) Je-Ji dílčí matice matice A čtvercová, potom její determinant nazýváme subdetermi-
nantem matice A.
69
HOITT,RACHŮNEK KAPITOLA 5. DETERMINANTY
Definice 5.11
a) Je-Ji A = lla;;II E Mn(r), potom subdeterminant dílčí matice A;; stupně n - 1
vzniklé vynecháním i-tého řádku a j -tébo sloupce A nazýváme minor matice A příslušný
k prvku a.;; a značíme jej M ;;.
b) Algebraickým doplňkem prvku a.;; rozumíme prvek A;; = (- 1)i+i M;j.
A~o-: -D
Platí M, 2 = 1~ -! I= - 10, M 33 =I~ -~ I= 2
- 12, tedy A 12 = (-1)1+ (- 10) = 10,
A33 = (-1)3+ (-12) = -12.
Pozná.Inka:
a) Nechť cit, ... ,~ jsou řádkové vektory a b;T,... ,~T sloupcové vektory matice A E
M,.(71- Potom budeme také zkráceně zapisovat
a
at at
A= ,detA =
~ ~
b) Jsou-li i,j E {1, ... , n} , pak označíme
70
KAPITOLA 5. DETERMINANTY HORT,RACH ŮNEK
Poznámka: Laplaceova větu můžeme stručně zapsat takto: Jestliže i,j = 1, ... , n, p o-
tom platí
n
L a;k.Ajk = Ó;;detA.
k= I
kde P je libovolná permutace z Sn= S({l , 2, .. . ,n}). Tedy každý člen determinantu
matice A obsahuje právě jeden prvek z i-tého řádku (i= 1, ... , n), proto můžeme psát
n
detA = =L a;kBik,
~ k= I
n
0= = La;kBik·
cit k=I
Abychom dokázali tvrzení, stačí dokázat, že B;k = .A;k pro každá i, k = 1, 2, ... , n.
a) Nejdříve dokážeme, že B 11 = .A 11 . J e zřejmé, že součet všech členů determinantu matice
A obsahujících a 11 můžeme zapsat ve tvaru
To t edy znamená, že
Bu = L sgn P' 02k,a3k3 ... Unk,.,
P'
71
HORT,RACHŮNEK KAPITOLA 5. DETERM INANTY
u
permutaci
Pi=
2
1
i-1 i i+ 1
i- 2 i - 1 i+l ~)
na řádky a potom permutaci
P2= G 2
1
j-1 j j+ l
j-2 j-1 j+l ~)
na sloupce matice A.
Ve výsledku dostaneme matici
a.; ail ai.;-1 aiJ+I G.;n
a1; au a1.;-1 a1.;+1 a1n
72
KAPITOLA 5. OETER.MlNANTY HORT,RACHŮNEK
Věta 5.18 Vznikne-li matice B vynásoben{m i-tého řádku matice A E Mn(T) prvkem
c E T, potom platí
detB = c · detA.
věty platí
n n
detB = L ca;.1:Ák = cL a;.1:Ák = c detA.
k= l k= l
o
Důsledek: Jestliže A E Mn(T), c E T, potom
det(cA) = cndetA.
o
Věta 5.19 Jestliže A E Mn(T), a platí-li, že i-tý řádek ar matice A je roven součtu
vektorů 6 a "t, potom
D ů k a z: Nechť ar = (aii, 0;2, ... 1 ain), 1 = (b i, b2, . .. 'bn), 'Z = (c1, C2, ... 'Cn).
Potom platí
n n n n
73
HO!tr ,RACHŮNEK KAPITOLA~ DETERMIJIIA!'ITY
i=2
ostatních hidků. (Jinak bychom mohli podle věty 5.15 řádky v obou maticích současnč
;:aměni t.) Pak ale platí
-+
o:t
+ b ~ o:t ~
~ ~ ~ ~
= +<>.i +··· +
~ ~ ~ ~
Na pravé straně této rovnosti dostáváme součet determinantů, které jsou (s eventuální
výjimkou prvního) determinanty matic, ve kterých se rovnají dva různé řádky. Podle věty
5.16 jsou takové determinanty rovny O, a proto platí
o:t+1 o:t
~ ~
= = detA.
o
Věta 5.21 Jsou-li řádkové vektory matice A E Mn(í) lineárně závislé, potom
detA = O.
D ů k a z: Předpokládejme, že řádkové vektory matice A jsou lineárně závislé. Pak je ale
jeden z nich lineární kombinací ostatních, např. platí (bez újmy na obecnosti)
n
o:t= E e;at.
i=2
Potom podle vět 5.18, 5.18 a 5.16 dostáváme
o:t
~
detA = a! + .. ·+c,,
o
74
KAPITOLA S. DETERM1NANTY HORT,RACHŮNEI<
X y o o o o
-2 3 -1 2 oX y o o o
1 -2 o 4 o o X y o o
a) 2 -4 -2 5
b)
-3 2 1 - 5 o o o o X y
y ooo o X
= (- 1)
-1 O O
o - 2 -3 = (-1)(-1)(-1)1+ 1
-4 5 -33
1-~ -~~ I= 66 + 15 = 81
X y O O O 0
Oxy O 00
X y 0 oo
O Oxy 00
0 X y oo
b) =x·(- 1) 1+1 +
0 Q O X y
o o oo X y
0 0 0 0 X
y o oo o X
y oo oo
X y o oo
+y. (- l t+i O X y O O =X ·xn-1+(-It+l. y,yn-l =xn+ (-lt+l. yn.
o o o X y
75
HORT,RACHŮNEK KAPITOLA 5 . DETERMI NANTY
Přitom M 1; = detM1;, kde matice M1; vznikne z A vynecháním prvního řádku aj-tébo
sloupce. Ovšem každá z matic M 1; (j = 1, ... , n) je stupně n - 1 a přitom typu, který
je uvažován ve větě, proto na ni můžeme použít indukční předpoklad.
Označme Bu matici, která vznikne z matice B vynecháním prvního řádku a. j-tého
sloupce (j = 1, ... , r). Pa.k platí
76
KAPITOLA 5. DETER.MINANTY HORT,RACH ŮNEK
Takže platí
Věta 5.23 Nechť A a B jsou čtvercové matice stupně n -tého nad číselným tělesem T.
Pak platí
detA · B = detA · detB,
tj. IABI = IAI · IBI,
au a 12 a 1n o o o
11:!1 a22 a2n o o o
A=
ani a..2 Clnn o o o
-1 o o b11 b12 bin
o - 1 o bit bi2 bin
K prvnímu řádku matice U přičteme nyní lineární kombinaci řádků (n+ 1)-ho, ... , 2n-tého
s koeficienty au, a12, ... , a1n·
Analogicky přičteme k druhému řádku lineární kombinaci týchž řádků s koeficienty
11:!1 , a:i2, .•. , a2,., atd., až k n-tému řádku přičteme lineární kombinaci opět týchž řádků
s koeficienty ani, a,,2, ... , a,.,..
Podle věty 5.20 a vět 5.14 a 5.11 potom platí
detA · detB =
77
HORT,RACHŮNEK KAPITOLA 5. DETER.MrNANTY
n n n
o o o I: a1;b;1 I: a,;b;2 L a11b;n
j=l j=l j=I
n n n
o o o I: 021b;, I: 021b;2 I: a2;b;n
j=l j=l j: J
=
-1
o o
o
n
o I: an;b;1 I: an;b;2
o
j:l j=l
n
j=I
L
n
an;b;n =I-~ B I.
AB
bu b12 bin
o -1 o ~l ~2 b2n
Zaměníme-li nyní první sloupec matice s (n+ 1)-ním sloupcem, druhý sloupec s (n+ 2)-hýrn
sloupcem, atd., až n-tý sloupec s 2n-tým sloupcem, dostaneme matici, pro kterou platí
detA · detB =
n n n
I: a1;b;1 j=I
j=l
I: a1;b;2 L a1;b;n o o o
J=I
n n n
I: a2;b;1 j=l
j=I
I: a2;b;2 I: a2;b;n o o o
j=l
78
lltAPITOLA 5. DETERMINANTY HORT,RACHUNEK
5.4 Cvičení
F=G~~:~~D·
[ a) (! ! ~ ;} G; ~ : ~} c) c
b)
100
= C; d) X = n~ ;: ~ : ~)
5.3 Zjistěte, je-li následující součin členem determinantu přísl ušného stupně. Pokud je
členem , určete jeho znaménko.
a) a13a:z2a34a:z4a41as6i b) a32a51a13<l45024
( a) není; b) je +1 ]
a) 11 -51·
2 , b) 4
1
1 -2
4 3
c) C
b
a
C a
b .
5.5 Vypočítejte
determinant
9
5 2 7 2 -5 4 3
4 - 5 -3 2 3 -4 7 5
a) b)
-3 5 1 -4 4 -9 8 5
5 4 3 5 -3 2 -5 3
[ a) -560; b) 4 ]
79
HORT,RACHŮNEK KAPITOLA 5. DETERMINANTY
2 5 o o oo o 1 1 1 1
2 7 5 o oo 1 o X X X
a)
o2 7 5 oo 1 X o X X
. ' b)
oooo 7 5 1 X X o X
oooo 2 7 1 X X X o
[ a) 2n; b) (-w- 1 · (n- 1) · xn-2 1
-3
-1
=! 1
3
C
=2
2
2
2
2 2
3 2'
2 2 2 4
2 1 OOO O 1 1 1
3 2 2 2
1 2 1 O O 1 O 1 1
D=01210 ; E= 2 3 2 2 'F = 1 1 O 1.
2 2 3 2' '
O O 1 2 1
2 2 2 3
OOO1 2 1 1 1 o
1 n n ··· n 1 1 1 1 1 a1
n 2 n .. · n l O 1 1 1 b1 + a1
G= n n 3 n ; H= 1 1 O 1 ; I= 1 a1
n n n · ·· n 1 1 1 o
1 1 1 -n
1 1 -n 1
J =
1 -n 1 1
-n 1 1 1
[ detA = l; detB = l ; detC = -4; detD = 6; detE = 9; detF = (-1)n- 1 (n - 1);
= =
detG (-l)n- ln!; detH (-l)n-l; det/ = b1~ .. . bn; detJ = (-l)"'n.+l)(n+ l)n-l J
5.8 Nechť
a2 + 1 ab
ac )
A= ab b2 + 1 bc .
(
ac bc 2
c +1
Vypočítejte determinant matice A2 •
[ (a2 + b2 + c2 + 1)2 ]
80
HORT,RACHŮNEK KAPITOLA 6. VEKTOROVt PROSTORY
Prvky z komutativní grupy (V,+) budeme nazývat vektory, čís/a z tělesa T skaláry,
množinu V nazveme pole vektorového prostoru V.
Příklad 6.1
a) Ve větě 4.3 je vlastnč dokázáno, že množina Mnxm(n uvažovaná spolu se sčítán ím
matic skaláry z T , je vektorovým prostorem nad T. Proto také každý aritmetický
vektorový prostor nad T je vektorovým prostorem nad T.
b) Označme V3 (n) množinu všech vektorů třírozměrného geometrického vektorového
prostoru spolu s operací sčítání vektorů as násobením vek torů reálnými čísly. Je zřejm é,
že V3 (n ) je vektorovým prostorem nad tělesem n .
Nyní budeme obecně definovat některé pojmy, se kterými jsme se již setkali (a s kterými
jsme již pracovali) ve speciálním případě aritmetických vektorových prostorů.
Definice 6.3 Je-Ji V vektorový prostor nad číselným tělesem T a jsou-li tf, iit, ...,
iit, ... ,iiÍ, exi.5tují-li čísla
uÍ E V , pak řekneme, že vektor -:;J je lineární kombinací vektorů
Ct, ... , c„ E T taková, že platí
k
-:;j = I: e;u!.
i=I
Poznámka: Obdobně jako pro aritmetické vektory, také pro vektory iit, ... ,uÍ z Libo-
volného vektorového prostoru V nad T platí, že existuje alespoň jedna jejich nulová lineární
kombinace (tj. taková.jejich lineární kombinace, která je rovna nulovém vektoru °"it). Vždy
totiž můžeme uvažovat jejich triviální nulovou kombinaci
-;; = o. ut + .. . + o. u.t.
I<aždou jejich jinou nulovou lineární kombinaci budeme opět nazývat netriviální nuJová
kombinace.
Definice 6.4 Vektory iit, ... ,uÍ z vektorového prostoru V se nazývají lineárnč závislé,
existuje-li alespoň jed11a j ejich netriviální nulová kombinace.
V opačném případč se vektory iit, ... ,uÍ nazývají lineárně nezávislé.
Poznámka: Je-li tf vektor z V , pak tf je lineárně nezávislý právě tehdy, když "tt =/: ""it.
Věta 6.1 Jsov.-li mezi vektory iit, .. .,~ z vektorového prostor-v. některé vektory line-
árně závislé, pak jsou také vektory iit, .. .,~ lineárně závislé.
R2
KAPITOLA 6. VEKTOROVÉ PROSTORY HORT ,RACHŮNEK
O ů k a z: Předpokládejme bez újmy na obecnosti, že vektory iit, ... ,uI (k< m) jsou
lineárně závislé. Potom musí existovat c1 , ... , Ck E T taková, že
k
Ee;ut = <1,
i~ I
a přitom alespoň jedno z čísel c1 , ... , Ck je různé od nuly. Pak ale také platí
k m
E e;iit + L O·aj=<l,
i=I j=k+I
tedy eJtistuje také netriviální nulová lineární .kombinace vektorů iit, ... ,ii;!, ... , ~ . tzn.,
že tyto vektory jsou také lineárně závislé. O
Na základě zákona kontrapozice z výrokové logiky platí proto také věta obměněná
k větě
6.1:
Věta 6.2 Jsou-li vektonJ ii't, ... ,~ lineárně nezávislé a je-li {ut, ... , uj'!} podmnoži-
nou množiny {iit, ... ,~}, potom jsou lineárně nezávislé také vektory O ut, ... ,ut.
Věta 6.3 Jsou-li ii't,. .. ,ii;!
vektory z vektorového prostoru V, pak jsou tyto vektory
lineárně závislé právě tehdy, je-li alespoň jeden z těchto vektorů lineární kombinací os-
tatních vektorů.
O ů k a z:
a) Nechť iit, ... ,ii;! jsou lineárně závislé. Pak existují čísla c1, ... , ck E T taková, že
k
E e;ut = <I,
i=l
a přitom můžeme najít j E {1, ... , k}, pro které platí c1 =J O. Pak ale platí
k
aj= ~
L.,
(-:!.)ut,
C
i=l,icfj J
aj= :z=
i=l,i,/aj
e;ut,
83
HOR.T , RACHŮNEK KAPITOLA 6. VEKTOROVÉ PROSTORY
tj. platí
j-1 k
Lc;ut + (-1>~ + L
i=I p=j+ I
c,,~ = i1,
a tato nulová lineární kombinace vektorů iit, ... ,iik je netriviální, proto jsou vektory
iit, ... ,iik lineárně závislé.
o
Uvažujme podmnožinu A= {(x,y,O);x,y E JR} kartézské mocniny JR3 • Je zřejmé, že
vzhledem ke sčítání uspořádaných trojic z A a vzhledem k násobení těchto trojic reálnými
čísly tvoří A vek torový prostor nad n. Přitom každý z vektorů tohoto prostoru je také
vektorem z aritmetického vektorového prostoru n 3 . Nyní se obecně budeme věnovat ana-
logickým vztahům mezi vektorovými prostory.
84
KAPI'ťOLA 6. VEK'ťOROVÉ PROSTORY HORT,RACHŮNEK
Poznámka: Podle věty 6.5 platí, že (MJ je podprostorem prostoru V. Přitom je zřejmé,
že je to nejmenší podprostor prostoru V, který obsahuje M. (Tzn., jestliže M c:; W , pak
[MJ <;<;W.)
D ů k a z: Případ a) je zřejmý.
b) Nechť 0 # M c:; V. Označme
k
W= {tÍ E V;tÍ = E e;ut,kE N,e; ET,ut E M,i= l, ... ,k}.
i= l
85
HORT,RACHŮNEK KAPITOLA 6. VEKTOROVÉ PROSTORY
Tedy
k m
"'it + -;;1 = L Ci~ + :E d;'iij,
i: I j=I
a proto 1Í + -;;JE W.
Jestliže c E T, "'it = í:::1=• e;~ E W, pak
k k
86
KAPlTOl,A 6'. VEKTO/lOVÉ PllOSTOllY HoRT,RACHŮNSK
Věta 6.8 Je-li vektorový prostor V přímým součtem podprostorů W1 a W2 , pak každý
vektor -;f E V je možno vyjádřít právě jedním způsobem ve tvam 1' = vf + Vi,
kde
Vi E W1, Vi E W2.
D ti k a z: Jestliže V= W1 -l-W2 , pak platí mj . V = W 1 + W2 , a proto podle věty 6.7
každý vektor 1' E V je možno vyjádřit alespoň jedním způsobem v požadovaném tvaru
1' = vf + Vi. Ukažme, že takové vyjádření je jednoznačné.
Nechť -;f =Ví+ Vi, -;f = uŤ + tii,
kde Ui, Vi E W1, tii,
~ E W2 . Pak
a tedy
vt - ut = tj - ~-
Ovšem platí vf -u! E W 1, tj - ~ E W2 , a protože V = W1-l-W2 (tedy W1 n W2 = {<1}),
musí nastat Ví - u! = d, tj - Vi = d. Odtud vf= u! a. Vi = u"i- O
87
HORT ,RACHUNEK KAPITOLA 6. VEKTOROVÉ PROSTORY
i= l
další takové vyjádření vektoru V, pak platí
n n n
7t = 11 - 11 = E e;ut - E c4ut = E (e; - d;)ut,
i=I i=l i= I
u;.
a protože vektory Ui, ... , jsou lineárně nezávislé, musí nastat e; - d; = O pro každé
e;
i = 1, ... , n, a to znamená, že = d; pro každé i= l, ... , n . o
Příklad 6.3 Nechť ef = (1, O, 0,.2t, ~ = (O, 1, O, O), et = (O, O, 1, O), e;t = (O, O, O, 1).
Platí, že množina M = {"er, ~, et, e4 } je bází aritmetického vektorového prostoru n 4,
tedy každý z vektorů z 7?.4 můžeme jednoznačně vyjádřit jako lineární kombinaci vektorů
této báze.
Je-li?= {x1,X2,X3, X4} E 'R.4, pak platí
? =x1"er +x2~ +x3'ěj +x4x!.
Přitom ovšem M není jedinou bází prostoru 7?.4; brzy uvidíme, že bázi v 7?.4 je nekonečně
mnoho.
88
KAPITOLA 6. VEKTOROVÉ PR.OSTOR.Y HORT,RACHŮNEK
Věta 6.10 Je-li M = {u!,... ,~} množina generáton.! vektorového prostoru V, pak
existuje podmnožina M' f M, která je bází prostoru V.
D ů k a z: Předpokládejme, že M = {u!, ... ,~} je množina generátorů prostoru V,
tj., že platí [MJ = V. Není-li M bází prostoru V, pak jsou vektory u!, .. . ,~ lineárně
závislé, a tedy podle věty 6.3 existuje alespoň jeden vektor tit (i E {l, ... ,n}), který je
lineární kombinací zbývajících vektorů . Pak ale můžeme ve~tor tit vynechat, protože pro
množinu M1 = M\ {tit} také platí, že (Mi] =V.Je-li mnpžina M 1 lineárně závislá, můžeme
s ní provést analogický proces, který opakujeme do té doby, dokud nedostaneme lineárně
nezávislou podmnožinu M', která je pak bází prostoru V. O
Věta 6.11 Steinitzova věta Nechť {u!, ... ,~} je množina generátoru vektorového
prostoru V# {d} a nechť tj, ... , Vk jsou lineárně nezávislé vektory z V. Potom platí, že
k ::; n a že po vhodném očíslování vektoru u!, ... ,~ je množina {vf, ... , u;.;1, ... ,~} uZ,
mriožinou generátoru prostoru V.
D ů k a z: Budeme dokazovat indukcí podle počtu k vektorů vf, ... , ul.
a) Nechť k= 1. Protože vektor vf je lineárně nezávislý, platí v 1 -f; d. Podle předpokladu
platí ({u!, ... ,~}] = V a protože vf E V, existují c1 , . . . , Cn E T tak, že
i=I
Přitom alespoň jedno z čísel c 1 , ... , c,. je různé od nuly, neboť jinak by platilo vf = d.
Lze předpokládat, že c1 -:/: O. (Jinak bychom vektory u!, ... ,~ vhodně přečíslovali.)
Pa.k platí
,-4
u,= l,-4
-v1 +~ C;~
L..,(--)u,,
C1 i= 2 C1
Přitom alespoň jedno z čísel dk, ... , dn je nenulové, protože jinak by platilo
k- 1
vt = I:e;vi,
i=l
89
HORT ,RACHŮNEK KAPITOl,A 6. VEKTOROVÉ PROSTORY
a tedy vektory Ví, ... , 1ik by nebyly lineárně nezávislé. Vektory tik, ... ,~ nyní vhodně
očíslujeme tak, aby platilo dk f; O. Potom z rovnosti
k -I n
vt = I:eivt + I: d;tij
i=l i=k
Věta 6.12 Je-li V f; {d} vektorový prostor konečné dimenze, potom každé dvě jeho
báze mají stejný počet prvků. ·
D ů k a z: Nechť {iit, ... , ~} a {Ví, ... ,Uk} jsou dvě báze vektorového prostoru V.
Potom podle Steinitzovy věty platí současně k S n a n ::; k, tedy n = k. O
Věta 6.13 Nechť [{u't, ... ,~}) =Va nechť V(, ... ,'vt EV. Je-li k> n, pak jsov.
vektory Ví, ... , Vk lineárně závislé.
Definice 6.12
a.) Je-li V =f' {d} vektorový prostor konečné dimenze, pa.k počet prvků jeho libovolné
báze nazýváme dimenze prostoru V a značíme dim V.
b) Je-Ji V= {d}, pa.k dim V= O.
Příklad 6.4 Podle příkladu 6.3 víme, že množina M = {ě'i, ~, et, 'et} je bází aritme-
tického vektorového prostoru R\ tedy platí dim R 4 =4. ·
90
KAPITOLA 6. VEKTOROVÉ PROSTORY HORT,RACHŮ NEK
Věta 6 .15 Nechť dim V = n a nechť u;, ... ,~ E V . Pak jsou následující podmínky
ekvivalentní:
a) u;, ... ,
~ jsou lineárně nezávislé;
b) [{u;, .. .,~})= V;
c) {Ui, ... , ~ } je báze prostoru V.
Dů k a z:
a~ b: Je-li {Vi, ... , v;.} libovolná báze prostoru V , potom podle Steinitzovy věty platí
Věta 6.16 Je-li V vektoro111) prostor konečné dimenze n , pak každá množina Ui, ... ,Uk
lineámě nezávislých vektorů prostoru V je obsažena v některé bázi prostoru V .
Věta 6.17 Je-li W podprostor vektorového prostoru V konečné dimenze, pak dim W ~
V. Přitom platí dím W = dim V právě tehdy, když W = V.
D ů k a z: Je zřej mé, že pokud jsou některé vektory z W lineárně nezávislé ve W ,
pak jsou lineárně nezávislé také v celém prostoru V. Je-li tedy dim V = n, pa.k každá
lineárně nezávislá množina. vektorů podprostoru W má podle věty 6.13 nejvýše n prvků ,
což znamená, že dim W ~ dim V.
Druhá část tvrzení je přímým důsledkem věty 6.15. O
91
HORT ,RACHŮNEK KAPITOLA 6. VEKTOROVÉ PROSTORY
E C;~+
i=l
I:: d;i4 = E (-b,)v! .
j=m+I
Přitom platí, že
m k
L e;i?; + L
i=I j=m+l
d;t4 E W1,
I
E (-b,)v! E W2,
s=m+ I
a proto vektor
I
E (- b.)v!
~=m+l
patří do W1 n W2. To znamená, že existují a 1 , ... , am E T takové, že
I m
E (- b.)v! = Ea;ut;.
s= ·m +I i=l
Ovšem vektory iLJt, ... , ~. Vm+t, ... , Vl jsou lineárně nezávislé, proto a 1 = ... = am
bm+I = ... = b1 = O, a tedy
1n k
92
KAPITOLA 6. VEKTOROVÉ PROSTORY HORT ,RACHŮNEK
Věta 6.19 Je-li vektorový prostor konečné dimenze V přímým součtem svých podpros-
torů W 1 a W2, pak
dim V = dim W1 + dim W 2 .
6.3 Cvičení
6.1 Rozhodněte jsou-li následující vektory vektorového prostoru 'R} mezi sebou lin. závislé
nebo lin. nezávislé. -+
a) cii=(l,2,0,0) b) ~ = (4,7,1,0) c) Či=( l , -1 , 1 ,2)
~=(0, 1,1,0) bi = (2, 3,-l,2) ~ = (1,8, 7, -7)
aí = (1.0, 0,-1) E= (1,2,1,- 1) "cj = (1,2,3,-1)
ii:t = (1, l , -1, 1) b4 = (5, 7, -4, 7) tj = (1, 5, 5, -4)
d) t = (2, l, 1, l) e) e; = (1,0, 1, 1) ~
f) /1 = (1, 2, - 1, 1)
~
; = (1,2,-1,-2) ei = (0, 1,2,3) ÍJ = (2, -1, 4, 10)
~ = (1, -1,-1,1) 'eÍ = (1, 2,3,0) ÍJ = (1, o, 3, -5)
d4 = (1, 2, 2, -2) ět = (1, 1, o, 2) /4 = (2, 5, 2, 2)
[ a), d), e), f) lineárně nezávislé; b),c) lineárně závislé]
6.2 Určete všechny hodnoty>. E JR, prn které je vektor tf lineární kombinací vektorů iiT,
Ui, ~:
a) ur ·=(3,2,5) b) iit=(4,4,3) c) iiT = (3, 2, 6)
Ui=(2,4, 7) Ui=(7, 2, l) Ui = (7,3,9)
~=(5,6, >.) ~=(4, 1, 6) ~ = (5, 1, 3)
u:t = (1, 3, 5) Ui = (5, 9, >.) ~ = (>., 2,5)
[ a) >. =f 12; b) >. E JR; c) takové >. neexistuje ]
6.3 Zj istěte lineární závislost či nezávislost následujících vektorů prostoru nn v závislosti
na parametrech.
-+
a) cii = (a,b,c,d) b) b1 = (2, 3,-1) c) cT = (1, 1, 1)
~ = (b, - a, d, - c) ~ = (a,4,2) 'c! = (1,a, 1)
tiÍ = (c, - d, - a, b) "cj = (2, 2,a)
a!= (d,c, - b, -a)
[ a) a= b = c = d =O závislé; b) nezávislé; c) a = l , a =.2 závislé]
93
HORT,RACHŮNEK KAPITOLA 6. VEKTOROVÉ PROSTORY
6.4 Najděte dimenzi lineárního obalu množin vektorů uvedených v předešlém cvičení
v závislosti na parametrech.
[ a) a= b = c = d = O dimenze O, jinak 4; b) 2; c) a= 1, a= 2 dimenze 2, jinak 3 J
6.7 Uveďte příklad podprostoru W prostoru 7?.6 , který je přímým součtem dvou podpros-
torů
a) dimenze 3,
b) dimenze 4,
[ a) např. [(1, O, O, O, O, O), (O, 1, O, O, O, O), (O, O, 1, O, O, O)] +[(O, O, O, 1, O, O), (O, O, O, O, 1, O) ,
{O, O, O, O, 1, O)]; b) nelze J
A=
kde Ct, .. . , Cm jsou libovolná čísla z T. Přitom provedení elementární řádkové transformace
na matici A znamená v jednotlivých případech
at at
A= cit a A,= elit
a; a;
Je-li
m
-;;1 = I>kat,
k= I
98
KAPITOLA 7. SOUSTAVY LINEÁRNÍCH ROVNIC HORT ,RACHŮNEK
a tedy
[{ai, ... ,ca;, ... ,~})~~ [{lit, ... , a;, ... ,~}).
To ovšem znamená, že
[{lit, ... , a;, ... ,~})= [{cit, ... , ca;, ... ,a;;;}).
lit ai+d~
~ ~
A= a B=
~ ~
(Bez újmy na obecnosti můžeme uvažovat tento případ, kdy k prvnímu řádku přičítáme
násobek druhého řádku; jinak bychom mohli pomocí transformací typu 1 řádky zaměnit.)
Nechť
m
Pak platí
proto
[{cit.~ •...• ~})~~ [{at +d~.~ •. ..• ~}].
Obráceně, nechť
m
99
HORT,RACHŮNEK KAPITOLA 7. SOUSTAVY LINEÁRNÍCH ROVNIC
Věta 7.2 Každá matice A je řádkově ekvivalentní s některou. redukovanou maticí, kte-
rou můžeme získat z A pomocí elementárních řádkových trans/ormací typu 2 a 3.
1 O O 3 - 2 )
O O 1 4 0 ,
(
oooo o
zatímco redukovaná matice z příkladu 7.1 není trojúhelníková. ·
Platí:
100
KAPITOLA 7. SOUSTAVY LINEÁRNÍCH ROVN IC HORT ,RACHŮNEK
tt = I: e;at
i=I
Věta 7.6 Je-li matice A řádkově ekvivalentní s redukovanou maticí B, pak nenulové
řádky matice B tvoří bázi řádkového podprostoru určeného maticí A .
7 .2 Hodnosti matic
D efinice 7.7 Hodností matice A E Mmxn(í) rozumíme dimenzi řádkového podpros-
toru v T' určeného maticí A. (Hodnost matice A budeme značit h(A).)
Poznámka:
a) Podle definice řádkového podprostoru určeného maticí A je zřejmé, že hodnost matice A
je rovna maximálnímu počtu jejích lineárně nezávislých řádků. Mj. tedy platí h(A) $ m.
b) Řádkově ekvivalentní matice mají stejnou hodnost.
c) Hodnost matice A je rovna počtu nenulových řádků libovolné trojúhelníkové matice,
která je řádkově ekvivalentní s A.
101
H ORT,.H.ACHÚNEK KAPITOLA 7. SOUSTAVY LINEÁRNiCH ROVNIC
5 2 -1 O)
A=
( -26 -83 O1 - 91
jsou jejími subdeterminanty 2.stupně např. determinanty
5 2 O
-2 3 -1 =119.
6 -8 9
D ů k a z: Uvažujme matici
A= E Mmxn(r).
# o.
A= = 0.
ahl ah2 0M ah;
a;1 a;2 Oih a;;
102
KAPťfOLA 7. SOUSTAVY LINEÁRNiCH ROVNIC HORT , RACH ŮNEK
Tato rovnost platí i pro každé j = 1, ... , h, protože se pak jedná o determinant matice,
která má stejné dva sloupce. Pomocí Laplaceovy věty (rozvinutím podle posledního
sloupce) můžeme získanou rovnost zapsat ve tvaru
Přitom pro každé j =1, ... , n dostáváme stejné prvky B1 , ... , Bh , Ah· Proto můžeme
těchto n rovností přepsat vektorově (přejdeme-li od transponovaných vektorů k řádko
vým vektorům matice A) ve tvaru rovnosti
Tedy
-::t B1 ~ B2~ Bh~
a; = --a1 - - a2 - · · · - - ah,
Ah A„ Ah
což znamená, že aI je lineární kombinací vektorů iii, ... ,ak (i= h + 1, ... , m). Proto
opravdu platí
[{at .... . ~}] = [{at, ... ,ak}J.
Zbývá dokázat, že řádky iii, ... , ak jsou lineárně nezávislé. Dokažme obecně, že je-li
bu b1n b;
B= = E Mn(T),
bnl b,.,. t
.,-+ ~
pak detB = O právě tehdy, když b1 , . •• , bh jsou lineárně závislé. Dokážeme implikaci
,,===}". (Implikaci ,,<=" jsme již dokázali ve větě 5.21.)
Nechť detB = O. Je-li B nulová matice, pak jsou její řádky samozřejmě lineárně závislé.
Nechť tedy v B existuje nenulový subdeterminant stupně h ~ 1 a nechť všechny sub-
determinanty stupňů vyšších než h jsou rovny nule. Předpokládejme, že
#0.
- h < n , Jsou
a protozc . ve k tory .,-t n 1·mearne
b· 1 , ... , .,-tb ' • zaVls
' . le.
'
Vrátíme-li se tedy k původní matici A, pak na základě předpokladu Ah # O dostáváme,
že vektory iiŤ, ... , ak jsou lineárně nezávislé. Proto dim( {iiŤ, ... , ~}J = h, tedy také
h(A) = h.
103
HORT , RACHŮNEK KAPITOI,A 7. SOUSTAVY LINEÁRNÍCH ROVNIC
b) Nechť h(A) = h, tj. dim[{i:ii, ... • ~}] = h. Pak pro každých h' > h řádků matice
A platí, že tyto řádky jsou lineárně závislé, a proto podle věty 5.21 jsou všechny
subdeterminanty stupně h' rovny O. Přitom však alespoň jeden subdeterminant ma-
tice A stupně h musí být nenulový, protože jinak by podle části a) důkazu platilo, že
dim{{i:it, ... ,~}) < h. O
Věta 7.8 Hodnost matice A je mvna maximálnímu počtu lineárně nezávislých sloupců
matice A.
Poznámka: Na základě důkazu věty 7.7 můžeme vypočítat hodnost mat ice A také
následujícím způsobem, který se nazývá také „metoda vroubení minorů ":
Nechť je dána nenulová matice A E Mmxn(n. Protože existuje alespoň jeden její ne-
nulový prvek, platí h(A) 2'.: 1. Zvolme si jeden z těchto nenulových prvků. Uvažujme nyní
všechny subdeterminanty 2. stupně matice A, které obsahují zvolený prvek. Jsou-li všechny
tyto subdeterminanty rovny O, pak h(A) = 1, v opačném případě h(A) 2'.: 2. V druhém
z případů vybereme jeden z uvažovaných nenulových subdeterminantů a počítáme sub-
determinanty 3. stupně, které obsahují tento vybraný subdeterminant 2. stupně. Pokud
je alespoň jeden z těchto subdeterminantů 3. stupně nenulový, pak h(A) ~ 3, jinak je
h(A) = 2.
Takto postupujeme do té doby, dokud nedostaneme nenulový subdeterminant h-tého
stupně takový, že buď všechny subdeterminanty (h+ 1)-ho stupně, které jej obsahují, jsou
rovny O, nebo h = min{m, n}. Pak platí h(A) = h.
2 3 -2 1) ( 2 3 -2 1)
A..t. O -4 5 -5 ..t. O - 4 5 -5 .
( O 8 - 10 10 O O O O
104
KAPITOLA 7. SOUSTAVY LINEÁRNÍCH ROVNIC HORT , RACHŮNEK
2 3 -2 2 3 1
4 2 1 a 4 2 -3
-2 5 - 8 -2 5 9
Protože jsou oba tyto subdeterminanty rovny O, platí h(A) = 2.
kde a,, . . . , an E 7.
i=I
je lineární polynom nad tělesem T, b E T. Potom úloha určit všechny uspořádané n-tice
(6, ... ,~n) E 'I"', pro které platí
n
E a;~; =b,
se nazývá lineární rovnice o n nezná.mých nad T.
Každá n-tice (~1, ... ,~n) E Tn, pro kterou nastane rovnost
n
E a.~; =b,
i=)
105
HORT ,RACHŮNEK KAPITOLA 7. SOUSTAVY LINEÁRNICH ROVNIC
jsou lineární polynomy nad T, b1, ... , bm E T . Pak úloha určit všechny uspořádané n -tice
Poznámka: Jsou-li M1 , ... , Mm f 'I"' množiny řešení rovnic (Rt), ... , (R,,.) , pak pro
množinu M řešení soustavy (S) platí
M = íl M;.
ja:I
D efinice 7. 12 Je-li (S) soustava lineárních rovnic z definice 7.11, potom matici
c) Označíme-li
106
KAPITOLA 7. SOUSTAVY LINEÁRNfCH ROVNIC HORT,RACHŮNEK
Pro označení rozšířené matice soustavy (S) budeme také používat symbolu (A, -+
br).
i= l
Tedy je-li daná soustava řešitelná, pak existují ( 1 , ... ,(n, která vyhovují poslední rovnosti,
a proto je fiT lineární kombinací vektorů
~T -+r -+r
tr, ... ,;tr
s koeficienty {i, ... , (n- Je-li naopak
b lineární kombinací vektorů d 1 , ... , dn , pak koeficienty této lineární kombinace jsou
složkami vektoru, který je řešením dané soustavy. O
-t
Věta 7.10 (Frobeniova věta) Nehomogenní soustava lineárních rovnic A ( T = -t
bT
-+
je řešitelná tehdy a jen tehdy, platí-li h(A) = h((A, b T)).
D ů k a z: Podle věty 7.8 víme, že hodnost mat ice je rovna maximálnímu počtu lineárně
nezávislých sloupců této matice, jinými slovy, hodnost matice typu m x n je dimenze
podprostoru v Tm_Jenerovaného sloupcovými vektory té matice.
Nechť A = lld1
-+
r, ... ,d!T1]
a nechť je soustava A
-+
1r
= fiT řešitelná. Potom podle
předchozí věty platí b T E [{d1T, . .. , d,?}J. To ovšem znamená, že
h (A ) -_ d1m
. [{-+r
d1 , ••• ,
-+r}) -_ d1m
d,, . [{-+r
d 1 , .•. , -+r
d,, , -+r}J
b -_ h (( A, -+r))
b .
-+
Obráceně, předpokládejme, že h(A) = h((A, b T)), tj.
. -+r , ... ,dn
d1m({d1 -+r}J=d1m({d1
· -+r , ... ,d,
-+r , -+r
b }).
1
107
HORT ,RACHŮNEK KAPITOLA 7. SOUSTAVY LINEÁRNÍCH ROVNIC
Věta 7.11 Jsou-li A(T = 1r a B(T = cfT dvě soustavy (nehomogenních} lineár-
~
ních rovnic on neznámých nad T takové, že jejich rozšířené matice (A, b T) a (B, cfT)
jsou řádkově ekvivalentní, pak jsou tyto soustavy ekvivalentní.
c L akiťi = cbk.
i-=l
Ovšem množiny řešení těchto dvou rovnic jsou stejné. Proto vzhledem k tomu, že ostatní
rovnice obou soustav se sobě rovnají, jsou tyto soustavy rovnic ekvivalent ní.
c) Konečně předpokládejme, že jsme ke k-tému řádku matice (A, -+T b ) přičetli d-násobek
j -tého řádku této matice (k =I j) . Vzniklá matice je maticí soustavy (S') rovnic, která se·
-+ -+
e
liší od soustavy A r = br jenom v k-té rovnici. (Původní soustava má k-tou rovnici
n
Lakie,= bk,
i= l
Nechť -:;t = (u,, ... , un) je řešením soust avy A (T = 1r. Pak platí
n
I: ap,Ui = bp
i=l
108
KAPITOLA 7. SOUSTAVY LINEÁRNiCH ROVNIC HORT ,RACHŮNEK
i=l
(
;
n
akiVi + d;
n
a;;V;
)
-
n
d ~ a;;v; = (bk + db;) - db; = bk,
tedy ,1 je řešením rovnice
n
I: a1c;<; = b1c.
i= I
Protože všechny ostatní rovnice obou soustav jsou stejné, je V řešením soustavy A "tr =
1r.
o
Poznámka:
a) Právě dokázaná včta platí samozřejmě i pro homogenní soustavy lineárních rovnic,
protože pravé strany všech jejich rovnic zůstávaj í při všech transformacích nulové.
Můieme zde navíc pravé strany v úvahách vynechat a místo rozšířené matice pouiívat
matici soustavy.
b) Z každé soustavy můžeme vypustit každou rovnici tvaru O = O, protože její množinou
řešení je T".
c) Na základě věty 7.11 je zaloiena také metoda řešení soustav lineárních rovnic zvaná
Gaussova eliminační metoda. Popíšeme si ji podrobněji:
Nechť A "tr 1r m
= je soustava lineárních rovnic neznámých, jejíž rozšířená matice on
je
a1n
O:!n
am2
109
HORT ,RACHŮNEK KAPITOLA 7. SOUSTAVY LINEÁRNiCFT ROVNIC
Předpokládejme, že a 11 -:j; O. (Pokud by tomu tak nebylo, můžeme toho dosáhnout podle
věty 7.11 záměnou řádků.) Pro každé k = 2, ... , m přičteme ke k-tému řádku matice
(-~)-násobek l . řádku této matice. Ve vzniklé matici jsou všechny prvky 1. sloupce
s výjimkou 1. řádku rovny nule. Podle částí b) můžeme vynechat všechny eventuální
řádky obsahující samé nuly. Výsledná matice je potom ve tvaru
Cť n
a12 a1n
a22 a;,.
a~2 a~n
kde r :S m.
Předpokládejme, že a22 i O. (Jestliže tomu tak není a je-li alespoň jedno z čísel
a~2 , • . . , a~2 nenulové, pak toho opět můžeme dosáhnout záměnou řádků. Jsou-li všechna
čísla a22 , . .. , a~2 rovna nu1e, pak můžeme přečíslovat sloupce, ovšem ve výsledku se
musíme vrátit k původnímu označení.) Pro každé j = 3, ... , r přičteme ( - ..~
'. 2 )-násobek
druhého řádku nové matice k j-tému řádku této matice. Opět vynecháme všechny ''
řádky, které obsahují samé nuly. Ve výsledku dostaneme matici, v jejímž 2. sloupci jsou
všechny prvky počínaje 3. řádkem rovny nule.
Tímto způsobem pokračujeme tak dlouho, až dojdeme k matici tvaru
d) Podle Frobeníovy vě.ty platí, že daná soustava není řeši telná, právě když hodnost její
rozšíření matice je větší než hodnost její matice. Proto pokud soustava nemá řešení,
nutně v průběhu výpočtu pomocí Gaussovy metody dostaneme takovou matici, v níž
alespoň jeden její řádek odpovídá rovnici typu O= b, kde b je nenulové číslo.
110
KAPITOLA 7. SOUSTAVY LINEÁRNÍCH ROVNIC HORT ,RACHŮNEK
( '1 -1
5
2 3 2 -9) ('O -32 -25 -9 )
,.i 11 ,.t,
~o
3 -6 -1 25 O -12 -16 52
2 5
3 2 -11 -9) ,.t., ('O 2 5
3 2 -11 -9)
3 4 -13 O o 2 -2
Z poslední matice je vidět, že hodnost matice i hodnost její rozšířené matice je rovna
3, tedy soustava je řešitelná, a protože počet řádků v poslední matici je stejný jako počet
neznámých (tj. společná hodnost obou matic je rovna počtu neznámých), má tato soustava
jediné řešení. Tímto řešením je uspořádaná trojice (2, -3, -1).
b) Analogicky
( 3 -5 2 4
7 -4 1 3 5
5 7 -4 -6 3
2) (7 _,
,.t., 3 -5
5
1
2
3
4
7 -4 -6
n~
~ (_,;33 -9
-4
3 o
o
1 3
-2
6 23
_;) ~ (-,;
O
-4
3
o o o
1
O -2
3
_;
-1
)
Vidíme, že hodnost matice poslední soustavy je 2, zatímco hodnost rozšířené matice
je 3. Podle Frobeniovy věty proto poslední soustava (a tedy také původní soustava) nemá
řešení.
c) Protože se jedná o homogenní soustavu, budeme místo s rozšířenou maticí pracovat
s maticí dané soustavy.
(
6
9
6
3
-2 2 5
-3 4 8
-2 6 7
-1 4 4
_o ~u ~i
111
4 4
2 5
4 8
6 7
-1)7
9
1
f
,v
HORT,RACHŮNEK KAPITOLA 7. SOUSTAVY LINEÁRNÍCH ROVNIC
-1
O -6 -3
O -8 -4
4 4
-1 ) (3-1 4 4-1)
9
12
,./.,
O
O
O -2 -1
O O O
3
O .
O -2 -1 3 O O O O O
Vynecháme-li poslední dva řádky, {které odpovídají rovnicím ve tvaru O = O), dostaneme
rovnici
3 - 1 4 4 -1 )
( O O -2 - 1 3 .
Protože tato matice má hodnost 2, má soustava nekonečně mnoho řešení závislých na 3 pa-
rametrech. Pomocí neznámých 6, 6, { 5 vyjádříme z 2. rovnice výsledné soustavy neznámou
{ 4 a z první rovnice neznámou {2. Platí
Potom platí
n n
L =L {k L a;kA ij,
k= I i=I
112
KAPITOLA 7. SOUSTAVY LINEÁRNÍCH ROVNIC HORT , RACHŮNEK
L = L {kó;kdetA = {;detA.
k= I
Ah = :/= o.
113
HORT,RACHŮNEK KAPITOLA 7. SOUSTAVY LINEÁRNfCH ROVNIC
_.
Protože se za.jímáme právě o množinu řešení, můžeme místo sousta.vy A { r = dr
uva.žova.t s ní ekviva.lentní soustavu skládající se z prvních h rovnic, kterou ještě upraví-
me na tvar
h n
Lťtik{k =- L Oip{p, i = 1, . .. ,h.
k= l p= k+I
Poznámka:
a) Protože každá báze prostoru generuje tento prostor, je fundamentálním systémem řešení
jednoznačné určena celá množina řešení dané homogenní soustavy lineárních rovnic.·
b) Je-li matice soustavy A {T = P čtvercová, pak má soustava jen triviální řešení právě
tehdy, když detA # O.
114
KAPITOLA 7. SOUSTAVY UNEÁRNÍCH ROVNIC HORT,RACHŮNEK
;3-2)
=~ ~ (1~ ~2-1~ 3~ -~
-2 ).
-1
1 2 - 1 3 -2 ) ( 1 2
2 1 O 1 -3 , 2 1 o
( 5 4 - 1 5 -8 - 4 2 o
O 3 -2 5 -1 -2 -1 o -1 3 OO OO O
Vidíme, že h(A} = 2, proto obecné řešení bude obsahovat 3 parametry. Zvolme za para-
metry neznámé e1, e2, es. (Samozřejmě to není jediná možná volba. Jinou volbu parametrů
dostaneme jiný tvar obecného řešení, které ale určuje stejnou množinu řešení.) Postupně
z druhé a první rovnice vypočítáme zbývající neznámé:
e4 = -26 - 6 + 31;,s,
6 = -5e, - e2 + 1es.
Obecné řešení je tedy ve tvaru ({1, e2, -5e1 -6 + 1es, -2{1 - 6 + 3es,{s). Fundamentální
systém řešení pak získáme např. podle důkazu věty 7.13 postupnou volbou parametrů
l;,1 = l,l;,2 ={s= O;
{1 = O,l;,2 = 1,1;,s = O;
I;,,= l;,2 = o, es= l.
Dostaneme tak vektory u't = (1, O, - 5, - 2, O), ut = (O, I, -1, - 1, O}, u;= (O, O, 7, 3, 1).
Ukážeme si j eště vztah mezi množinami řešení homogenních a nehomogenních soustav
lineárních rovnic.
D efin ice 7 .16 Je-Ji A (T = 1r nehomogenní soustava lineárních rovnic, pak řekne-
-+ -+ -+
me, že homogenní soustava A er = -;tr je přiřazená soustavě A I;, r = br.
-+ -+
Věta 7.14 Nechť 1Í je (pevné) řešení nehomogenní soustavy A I;, T = b T lineárních
rovnic o n neznámých nad í. Potom množina všech řešení této soustavy j e tvořena právě
všemi vektory tvaru 1Í + -;;J, E T', kde -;;J je libovolné řešení přiřazené homogenní soustavy.
115
HORT ,RACHŮNEK KAPITOLA 7. SOUSTAVY LINEÁRNfCH ROVNIC
7.4 Cvičení
-3 2 3
[ a) 3; b) 3 J
·f! 1
-4 -7
5
4
1 - 11
-3
4
-}·>Cl
-2 1 8
-3 5 1
1 3 2 -3
!)
7.2 Určete hodnoty >., pro které má matice
nejmenší hodnost.
[).=o l
1 ). -1 2 )
2 -1 ). 5
( 1 10 - 6 1
7.4 Rozhodněte, je-li řešitelná následující soustava lineárních rovnic. V kladném případě
určete
obecné řešení.
>.F,1 + 6 + 6 + f,4 = 1,
f.1 + >.f.2 + f,3 + f,4 = 1,
f.1 + 6 + >.6 + f,4 = 1,
f,1 + f.2 + f,3 + >.f,4 = l.
v závislosti na parametru >..
[ Jestliže>.-/; 1 a>.-/; -3, pak má. soustava jediné řešení C.!3, A!3, A! A!
3, 3). Pro>.= 1,
má soustava obecné řešení (1-6-6-f,4 ,f,2,f,3, f,4 ). Pro>.= -3 není soustava řešitelná.]
117
HOR.T ,RACHŮNEK KAPITOLA 8. OKRUH ČTVERCOVÝCH MATIC
D efin ice 8.2 Jestliže k matici A E Mn(T) existuje inverzní prvek A- 1 v pologrupě
(Mn(T), ·), pak se matice A- 1 nazývá inverzní matice k matici A.
Dů k a z:
a) Nechť detA = O. Existuje-li matice B E Mn(T) taková, že AB = E (inverzní matice
A- 1 k matici A musí splňovat AA- 1 = E = A- 1 A), potom podle věty 5.23 platí
detA · detB = detE, tj. O · detB = 1, což je spor. Proto taková matice B nemůže
existovat, a tedy nemůže existovat ani matice A- 1•
b) Nechť A= lla;kll E Mn(71 , detA =f O. Označme adjA = IIAk;II, kterou nazveme matice
adjungovaná k matici A. (Matice adjA je tedy transponovaná matice k matici sestavené
z algebraických doplňků prvků matice A.) Podle Laplaceovy věty nyní platí
A· adjA =
(""
a21
:
a12
a22
...
.. .
· ·)C
ain ~.) A21
A12 A22
...
A:n2 =
a12
detA
=
Cf o
120
d.u = adjA · A.
KAPITOLA 8. OKRUH ČTVERCOVÝCH MATIC HORT,RACHŮNEK
A- 1 1 ad'A
= detA J .
O ů k a z: Podle věty 8.1 víme, že množina všech regulárních matic stupně n je mul-
tiplikativní pologrupou s jednotkovým prvkem. Zbývá tedy dokázat, že inverzní matice
k regulární matici A (která existuje počlle věty 8.4) je také regulární.
Ovšem kdyby platilo, že matice A- 1 je singulární (tj. detA- 1 = O), pak by platilo
(protože detA · detA- 1 = detE), že detA ·O = l, což je spor. To ovšem znamená, že matice
A- 1 je také regulární, a proto je inverzním p~vkem k matici A v pologrupě (Mn(T) , ·). O
A=
( 2-1 3)
-3
1 -1 -2
2 1
.
Protože <let = -2, je A regulární, a proto inverzní matice A- 1 existuje. U rčíme nejdříve
matici adjA.
Au = -1
2
-21 1= 3, A12
I -21 1= 5,
= - _3I A13 I
= _31 -1
2
I= -1,
A21
1
= -
1
-12 3
1 1= 7, A22
I I
= _32 3l = 11 , A23 I
= - _32 -12 = -1, I
A31= -1
_ _ 31 =5, A32 =- 2 _ 3 I = 7, A33 = I 12 _ I = -1,
-1
1 1 2 11 2 1
121
HORT,RACHŮNEK KAPITOLA 8. OKRUH Č1'VERCOVÝCH MATIC
adjA-1 = _ ! adjA = f!
-__ _-_1)1_ _-11- ) .
2 (
2 2 2
Definice 8.3 Nechť je dána libovolná elementární řádková transformace čtvercové ma-
tice n-tého stupně. Potom maticí této elementární transformace rozumíme matici, která
vznikne z jednotkové matice n-tého stupně použitím této transformace.
Věta 8.7 Je-li A E Mn(T), pak jsou si rovny matice, které dostaneme z matice A
a) provedením dané elementární řádkové transformace na A;
b) vynásobením matice A maticí této trans/ormace zleva.
c O · ·· O) (a.u a1.
O 1 ··· O 0222 ······ O.Zn
a.z1
a1n) (ca11 ca12
a22 ······ ca1n.) a21 a2n
( : : · .. : : : · .. : - : : ·.. : .
122
KAPITOLA 8. OKRUH ČTVERCOVÝCH MATIC HORT,RACHŮNEK
Věta 8.8 Je-li A E Mn(T) regulární, pak je možno přejít pomocí elementárních řádko
vých transformací od matice A k matici E. Pf"itom pomocí stejných transformací přejdeme
od matice E k matici A- 1 •
Dů k a z: Je zřejmé (podle věty 7.7), že pro každou regulární matici A n-tého stupně
platí h(A) = n. Proto podle vět 7.1 a 7.3 je regulární matice řádkově ekvivalentní s jed-
notkovou maticí, a tedy je možno přejít pomocí elementárních řádkových transformací od
matice A k matici E. Nechť B, .... , B, jsou matice použitých elementárních řádkových
transformací, tj. platí
Potom
tedy
A- 1 = B,,., B1E,
proto A- dostaneme z matice E pomocí elementárních řádkových transformací odpovídají-
1
A= ( ~ =!2 -~)
-3 1
jako v příkladě 8.1. Jednotlivé elementární řádkové transformace budeme v obou případech
provádět soui'.asně, což schematicky zapíšeme použitím matic typu n x 2n. Platí tedy
( 2 -1 a 1 0 O ) ( 1 -1 -2 o 1 o
1 -1 -2 0 1 Q , . ! , Q l 7 1 -2 o
-3 2 1 O O 1 O -1 -5 o 3 1
)~
~u n~u -1 -2
1 7
o -1
o
I
2
1
1 -2
I
2
123
-1 -2
1 o
o 1 -?
o
5
2
-2
1
li
I
2
)~
o
7
-i
2
Kapitola 9
Homomorfizmy a izomorfizmy
vektorových prostorů
Věta 9.2 Nechť V , V', V" jsou vektorové prostonJ nad T , f homomorfizmus V do
V', g homomorfizmus V' do V". Potom složené zobrazení fo g : V -> V" (tj. '<IU E
V; (Jo g)("iÍ) = g(J("iÍ))) je homomorfizmus V do V" .
l. Jsou-li U, if E V, pak
Poznámka: Ověřil i jsme tak, že vektorový prostor V' je izomorfní s vektorovým prosto-
rem V, právě když V je izomorfní s V'. V takovém případě budeme také říkat, že V a V'
jsou izomorfní. V dalším uvidíme, že z algebraického hlediska nemusíme rozlišovat mezi
prostory, které jsou navzájem izomorfní.
126
KAPITOLA 9. HOMOMORFIZMY A IZOMORFIZMY VEKTOROVÝCH PROSTORŮ HORT ,RACHŮNEK
Věta 9.4 Jsou-li V a V' vektorové prostory nad T , je-li f izomorfizmus V na V' a je-li
{u!, ... ,~} báze prostoru V, pak množina {!(u!), . .. , J(~)} je bází p1-ostoru V'.
D ů k a z: Ukažme nejdříve, že {!(u!), ... ,/(~)} je množina generátorů vektorového
prostoru V'. Nechť -=ít1 EV'. Protože J je surjektivní, existuje -=ít E V takový, že J(-=ít) = -=ít'.
Podle předpokladu platí [{i.i!, ... ,~}J = V, proto existují c1 , ... , c,, E T tak, že
-=t = I:e;ut.
n
i=I
Potom
I: i =l
n
dd(ut) = 71'.
Pak
71' = J (td.ut),
a protože podle věty 9.1 Ker/= {71}, platí
I:c4ut = 71.
n
i=l
127
HORT,RACHŮNEK KAPITOLA 9. HOMOMORFIZMY A IZOMORFIZMY VEK'l'OROVÝCH PROSTORŮ
2x1 + X2 = 0, X1 + X2 = 0.
Odtud dostáváme
X1 = Yi - Y2, X2 = 2y2 - yi,
a snadno se přesvědčíme, že opravdu platí (y 1, y2 ) = J(y 1 - Y2, 2y2 -y1). Homomorfizmus
je tedy surjektivní.
Celkově proto dostáváme, že/ je izomorfizmem R 2 na R 2 •
i=l
vektor z V , potom koeficienty c1 , ... , c,. nazýváme souřadnice vektoru tf vzhledem k bázi
M a píšeme
{tf} M = (Ci, .. . , c,.) .
Věta 9.5 Je-li M = {Ui, ... ,~} báze prostoru V a jsou-li tf, "'i! EV, c E T, pak
128
KAPITOLA 9. HOMOMORFIZMY A lZOMOR.FlZMY VEKTOROVÝCH PROSTORŮ HORT,RACHŮNEK
Dů k a z: Nechť {tŤ}M = (c1, ... , c,.), {1Ť}M = (d1, ... , d,.). Pak
n n
tt = I:e;ut, "if = Ed;ut,
i=l i: 1
proto
n n
u+ v = I:(e; + d;)u!,cu = I:(cc,)u!.
i= l i::I
Věta 9.6 Jestliže M ={u!, ... ,~} je báze vektorového prostoru V dimenze n nad 'T,
potom zobrazení f : V --+ T" takové, že pro každý vektor U E V platí f (tf) = {tf} M je
izomorfizmem vektorového prostoru V na aritmetický vektorový prostor I'.
Věta 9.7 Každý vektorový prostor nad 'T dimenze .n je izomorfní s aritmetickým vek-
torovým prostorem í".
Věta 9.8 Dva vektorové prostory V a V' konečné dimenze nad 'T jsou izomorfní právě
tehdy, mají-li stejnou dimenzi.
129
HORT,RACHŮNEK KAPITOLA 9. HOMOMORFIZMY A IZOMORFIZMY VEKTOROVÝCH PROSTORŮ
D ů k a z: Nechť dim V = dim V' = n. Pak existují podle věty 9.7 izomorfizmy f :
V -t T' a g : V' -t T'. Protože podle věty 9.3 je g- 1 izomorfizmus T' na V', je fo g- 1
izomorfizmem V na V'.
Obráceně, nechť f je izomorfizmus V na V'. Je-li {irt, ... , ~} báze prostoru V, pak
podle věty 9.4 je {f(irt), ... , !(~)} báze prostoru V' , tedy dim V= dim V'. O
Definice 9.5 Nechť M = {irt, ... , ~} a M' = {irt', ... , ~'} jsou dvě báze vekto-
rového prostoru V a nechť {iit'} M = (0;1, a;2, ... , a;n), i = 1, ... , n. Potom matici A = lla;; 11
nazýváme maticí přechodu od báze M k bázi M'.
Věta 9.9 Nechť M = {irt, ...• ~} a M' = {irt', ... ,~'} jsou báze vektorového pro-
storu V a nechť A je matice přechodu od báze M k bázi M'. Potom pro každý vektor ,t E V
platí
{,l}M = {,l}M, · A .
Dů k a z: Nechť A= lla;;II, {,l}M = (ci, .. . , Cn), {,l}M, = (c'1, ... ,c'n). Potom
n n
,1 = I::e;ut = I::saj'
i=l j=l
Tedy
n n n
,t = ~ciaj' = ~ c1~ a;;~ =~ ~cia;; ~.
n (n )
Protože vektor ,i je možno vyjádřit právě jedním způsobem ve tvaru lineární kombinace
vektorů báze M, dostáváme z rovnosti
že
n
C; = I::saji,
i =l
pro každé i = 1, . . . , n. To ovšem znamená, že
a1n)
~n
. ,
Onn
130
KAPITOLA 9. HOMOMORFIZMY A IZOMORFIZMY VEKTOROVÝCH PROSTORŮ HORT,RACHŮNEK
D ů k a z: P latí
n
iiť = Lak;Uj,k = 1, ... ,n,
i=I
n
ti.i
-:-:tlf = " ' bikUk
'~ "'' , i. = 1, ... , n.
k=I
Tedy
kde
n
Ci; = L b;kakj.
k=l
proto matice C = IICi;II, která je maticí přechodu od M k M", je rovna matici BA. O
Věta 9.11 Jestliže M = {ut, ... ,~} a M' = {iLt', ... ,u!'} jsou báze vektorového
prostoru V a je-li A matice přechodu od M k M', potom platí, že matice A je regulámí a že
A - 1 je maticí přechodu od M' k M.
D ů
k a z: Je zřejmé, že matice přechodu od kterékoliv báze k téže bázi je jednotková.
Označme B matici přechodu od M' k M. Potom podle věty 9.10 platí BA = AB = E,
tedy B = A-1 • O
Věta 9.12 Nechť M = {ut, ... ,~} je báze vektorového prostoru V. Je-li A= lla;;II
regulární čtver~vá matice stupně n, potom množina M' {iii', ... , ~'} kde =
n
-:-:t,
Ui ~
-:-:t i. = 1
= '"' tl;jUj n,
I 1 ••• ,
j=l
131
HORT,RACHŮNEK KAPITOLA 9. HOMOMORFIZMY A IZOMORFIZMY VEKTOROVÝCH PROSTORŮ
Potom
I:c.a; = o
n
i= l
Víme, že součin i-tého řádku mat ice A s k-tým sloupcem inverzní matice A - 1 je roven 1
pro i = k a je roven O pro i f k. P roto dostáváme
n n
L C. L a.;b;k = Ck,
i=I j: l
a tedy ck = O. Protože k je kterékoliv číslo z množiny {1, ... , rÍ} , platí c 1 = ... = Cn = O,
a proto jsou vektory irt', ... ,~, lineárně nezávislé.
Skutečnost, že [M'J = V, dokazovat nemusíme, protože podle věty 6.15 je každá n,.
prvková. lineárně nezávislá množina vektorového prostoru dimenze n bází tohoto prostoru.O
Příklad 9.4
a) Určete matici přechodu od báze M = {irt,iii, UÍ} = {(2, 3, l), (O, 1, 2), (1, 2, l)} k bázi
M' = {irt',ii;'. ~'} = {(3, 5, 2), (6, 11, 6) , (-1, l , 4)} vektorového prostoru 'R.3 .
b) Určete vztah mezi souřadnicemi libovolného vektoru ti E 'R.3 vzhledem k bázím M
aM'.
K řešení použijeme předchozích vět:
a) Nechť {u;'}M = (n.1,a;2,a;3), i= 1,2, 3. Pak
3
c-7/
U; = """' c-7
L.., a;;U;.
j: l
132
KAPITOLA 9. HOMOMORFLZMY A IZOMORFIZMY VEKTOROVÝCH PROSTORŮ HORT, RACHŮNEK
(l o
2
1
1 3
2 5
1 2
6
11
6
-1)! C
~ ~
2 1 2 6
-4 -1 -1 - 6
-5 - 1 -1 -7 -11
_: )"
"o D
2 1 2 6
4 1 1 6
1 o o 1
Odtud dostáváme
a11 = l, a12 = O, a 13 = 1,
a21 = 2, a22 = l, ~3 = 2,
a31 = - 1, a 32 = 2, a33 = 1.
uD
Tedy
o
A= 1
2
je maticí přechodu od M k M'.
b) Víme, že maticí přechodu od M' k M je inverzní matice A- 1 k matici A. Určeme
tedy nejdříve A - 1
( -1
~ ~2 ~1 O~ O~ ~1 ) ~ ( O~ ~2 2~ - ~ ~
1 O
~l ) ~
"o:1=i -: -n
133
Kapitola 10
Je zřejmé, že (tl, tf) je reálné číslo. Toto číslo se nazývá skalárním součinem vektorů -:;J
a tf. Víme, že v analytické geometrii je délka 11-:;JII definována jako číslo
pak J je izomorfizmem 7?.2 na n2, ale délka vektoru J(-:;}) je rovna čísl u 211 -:;tll, tedy pro
izomorfizmus vektorových prostorů může platit, že délka vektoru je různá od délky jeho
obrazu.
Podobně izomorfizmus vektorových prostorů nemusí zachovávat ani velikost úhlů mezi
vektory. Např. regulární matice
A=(lO -12)
je matic.í přechodu od báze {ef,~} k bázi {ef', ~'}, kde ef' = (1,2), ~, = (0, - 1), a tedy
určuje izomorfizmus J: n 2 --t n2, pro který mj. platí J(ef) = ef', !(~) = eÍ'.
Přitom ale
(Í.,t)
= l ·0+2· (- 1) = -2,
tedy kolmé vektory ef a Ci se zobrazí na vektory 1i
a ~, které nejsou kolmé.
J e tedy zi·ejmé, že chceme-li obecně definovat pojmy délky vektoru a úhlu dvou vektorů,
musíme strukturu vektorových prostorů dále rozšířit. Přitom se omezíme na vektorové
prostory nad tělesem reálných čísel n.
D efi nice 10.1 Eukleidovský vektorový prostor j e každý vektorový prostor[, nad těle
sem n uvažovaný spolu se zobrazením g: Ex E -t R, pro které platí:
Bude-li zřejmé, který skalární součin uvažujeme, budeme místo g(-:;}, tf) psát zkráceně
a místo označení (l,g) použijeme také stručněj ší[.
(°"it, ef)
136
KAPl1' 0LA IO. EUKLEIDOVSKÉ VEKTOROVÉ PROSTORY HORT,RAC HUNEI<
Příklad 10.2 Označme C[O, 1] množinu všech spojitých reálných funkcí definovaných
na intervalu [O, l]. Potom C = C[O, I] spolu se sčítáním funkcí a s násobením funkcí
reálnými čísly tvoří vektorový prostor C, který není konečné dimenze. Pro libovolné funkce
<p, '1/J E C položme
Definice 10.2 Je-Ji t: eukleidovský vektorový prostor, "it E E, pak délkou vektoru "it
budeme rozumět číslo
D ů k a z:
a) Platí {c"it,c"it) = él(tf, "it), proto llctfll = jel· lltfll.
b) Plyne přímo z podmínky 4 z definice eukleidovského vektorového prostoru.
c) Pro "it = d nebo t7 = d dostáváme pravdivou nerovnost O ~ O. Předpokládejme
v dalším, že "it =f da tf i d . Potom pro libovolné c E JR platí
o~ ("it - ev, "it - ev)= (tf, "it - ev)+ (-ev, "it - ev)=
= ("it, "it) + ("it, - ev)+ (-ev, "it) + (- ev, - ev)=
= ("it, tf) - c(tf, t7) - c(tf, t7) + é2(v, v),
tedy platí
Výraz na levé straně můžeme uvažovat jako kvadratický trojčlen vzhledem k c. Tento
trojčlen nemůže mít dva různé reálné kořeny, proto pro jeho diskriminant platí
Odtud dostáváme
a tedy
Proto platí
l{"it, '1)1:::; ll°itll · 11t111.
d) Jsou-li "it, if E E, pak platí podle definice skalárního součinu a podle právě dokázaného
vztahu c)
11tt + if 11 2 = {"it + -;;j' "it + ""il) = {"it' "it) + 2{"it' if) + (""il' ""il) :::;
:::; 11tt112 + 2 · ll°itll . ll""illl + 11'1112 = (ll°itll + ll""il11)2,
tzn.
11-:;t + ""illl :::; 11tt11 + 11t111.
o
Definice 10.3 Úhlem mezi vektory "it =I= d, ""il =I= d eukleidovského vektorového
prostoru f; nazveme číslo
("it' ""il)
cp = arccos ll'ttll . ll'if li .
Platí tedy, že
{"it' if)
cos cp = ll'ttlI . ll'if 11' kde o :::; rp :::; 1r.
Jestliže -:;t = d nebo ""il = d , pak kladem e cos rp = O.
(Na základě Schwarzovy nerovnosti je zřejmé , že pojem úhlu mezi vektory je určen
jednoznačně . )
Definice 10.4 Vektory "it a ef nazveme ortogonální (neboli kolmé) (značíme "it .lef ),
platí-li, že úhel cp mezí vektory "it a,! je roven ~-
Tzn., že "it .l.. ,! právě tehdy, když cos cp = O, a to plat/ tehdy a jen tehdy, když {-:;J, i!) =
o.
Věta 10.2 .Jsou-li -:;J, V[, tj, ... , ~ vektory eukleidovského prostoru E: a platí-li "it .l v;
pr·o každé i = 1, 2, ... , m, potom je vektor -:;J ortogonální ke každému vektoru z podprostoru.
[{Vi, tj , .... ~}].
(Budeme také řfkat, že "it je orlogonální k podprostoru [{Vi, tj, ... ,~}].)
138
KAP[TOLA IO. EUKLEIDOVSKÉ VEKTOROVÉ PROSTORY HORT ,RACHŮNEK
Dů k a z: Nechť?!= ({v!,~ •... ,V.:}], tj. existují čísla c1,c2, ... ,Cm E JR tak, že
"'
?! = :Ee;vt.
i=l
Potom
m m
= :Ee;(°tt, Vi) = L Ci. o= O,
i=l i=l
tedy platí "it .lVi. o
Definice 10.5 Jsou-li u!,~, ... ,~ vektory eukleidovského vektorového prostoru E:,
pak řekneme, že jsou (vzájemně) ortogonální, platí-li u!.Lt4
pro každé i =p j, i,j E
{1,2, ... ,m}.
Věta 10.3 Nenulové vzájemně ortogonální vektory u!,~.... ,~ jsou lineárně nezá-
vislé.
Ovšem podle předpokladu iit =p "it, tedy (iit, iit) > O, a proto ck = O. o
Věta 10.4 Jestliže množina nenulových vzájemně ortogonálních vektorů {u!, .. .,~}
generuje prostor t:, pak je bází prostoru t:.
139
HORT , RACHŮNEK KAPITOLA 10. EUKLEIDOVSKÉ VEKTOROVÉ PROSTORY
V další větě si ukážeme metodu, pomocí které budeme moci ortogonalizovat každou
bázi eukleidovského vektorového prostoru.
k=I
kde
140
KAPITOLA 10. EUKLEIDOVSKÉ VEKTOROVÉ PROSTORY HORT,RACH ŮNEK
dostaneme
Tedy
m- 1
~=~- Í: dmktik,
k= I
tzn., že je vyjádřen v požadovaném tvaru. Navíc je zřejmé, že~ i= <I, protože jinak by
vektory "iit, ... ,~ byly lineárně závislé.
Z. předpokladu
[{ut, ... ,Um-t}] = [{vt, ... ,Vm-t}]
a z toho, že u,;. E [{vI, ... , ~}], dostaneme
[{ut, . ··,Um- I,~})= ({íiI, · · ·, Vm- 1, ~}] s;;s;; [{íiI, · · · ,Vm-1, ~}].
Analogicky dostaneme, že
141
HORT ,RACHŮ N EK KAPITOLA 10. EUKLEIDOVSKÉ VEKTOROVÉ PROSTORY
pro každé i = 1, ... , m. Platí, že {Zi, ... ,~} je také ortogonální bází prostoru :F a že
ll°ztll = 1 pro každé i= l, .. . , m. O
Shrneme j eště jednou postup, který umožňuje přejít od libovolné báze eukleidovského
vektorového prostoru & konečné dimenze n 2: 1 k ortonormální bázi.
Nechť {ii[, ... , V.:} je báze prostoru t:. Položme
ut = vt,
i?2 -- ?2 -
i?3 -- ?3 -
{i'ti}i?i? - <~·fil> i?
u u
v :..
I,
(u ,u2) 2 (u ,u ) t,
ut = vt,
~=~- 11:a!ut = (1, -2, O, O) - --} (1, 1, O, 1) = (~. -~. O,~) = k(4, -5, 0, l)
~= ~- (: :~ )~ - /~UHut = (1,0,-1,2) - 1H{4,-5,0,l) - Hi, 1,0, 1) =
= (1, o, -1, 2) - t(4, -5, o, 1) - (l, 1, o, 1) = (-l,-~. -1, i)= t{-4, - 2, - 7, 6}.
Získané ortogonální vektory budeme normalizovat
Zi = : li = ~{l, l, o, 1),
~ = 11: li = -fhi(4, -5, o, 1) = *2(4, -5, o, 1),
~ = 11: li = *5t(-4, - 2,-7,6} = *5(-4,-2,-7,6).
142
KAPITOLA 10. EUl<.LEIOOVSKÉ VEKTOROVÉ PROSTORY HORT ,RACHŮNEK
D ů k a z: Platí
protože podle předpokladu ("iit, "iit} = 1, i= 1, ... , n, {"iit, u1} = O, i ,j = 1, ... , n, i -laj. O
Při studiu vek torových prostorů (bez skalárního součinu) jsme dokázali, že všechny
vektorové prostory konečné dimenze n (nad stejným číselným tělesem T) jsou navzájem
izomorfní, tedy že mají stejné algebraické vlastnosti. Nyní za.vedeme pojem iz-omorfizmu
i pro eukleidovské vektorové prostory.
Definice 10.7 Eukleidovské vektorové prostory (t:, g) a (&', g') se nazýva.jí izomorfní,
existuje-li takový izomorfizmus <p vektorového prostoru & na vektorový prostor ť, že
tt = E e;ut, 11 = E diut·
i= l i=l
Potom platí, že
n „
cp(U) = I: e;"iit',cp(°"it) = L d;"iit'.
i=I i= l
143
Kapitola 11
Připomeňme si, že jsou-li V a V' vektorové prostory nad číselným tělesem 7, pak zobrazení
/ : V-+ V' se nazývá homomorfizmus V do V', jestliže f „přenáší" operaci sčítání vektorů
a vnější operaci násobení vektorů skalárem, tj. f (ti + v) = f (ti) + f (v) a / (cti) =
cf (ti), pro každé ti, V E V a c E T. Obě podmínky lze také ekvivalentně nahradit
=
jedinOUJ podmínkou: f (c"it + dV) cf (ti) + df(v), pro každé ti' v E v a c, d E T.
Jestliže homomorfizmus f je zároveň bijektivním zobrazením V na V', pak J se nazývá
izomorfizmus V na V'.
Místo názvu homomorfizmus vektorových prostorů se také používá název „lineární
zobrazení".
Jestliže V na V' jsou libovolné vektorové prostory nad 7 , pak zobrazení o : V --t V'
takové, že o(tl) = -J1 , kde -J• je nulový vektor prostoru V', je homomorfizmus V do V'.
Identické zobrazení ev : V --t V je izomorfizmem V na V.
Dů k a z:
a) Nechť ?, y E /(V) = lm/. Pak existují vektory ?, y E V takové, že /(u) =
?,/(v)= Tedyy.
-t + 11 = 1ctt) + 1ctt) = 1ctt + v),
proto?+ y E Imf. Podobně c? = c ·/(U)= /(cu) a tedy také c? E Imf.
b) Nechť u, tf E Ker/. Pak /(u)=(!'= /(v) , proto
1ctt + tf)= J(u) + 1ctt) = (!' + (!' = (!',
tedy U+ if E Ker/. Podobně proc E Ta UE Ker/ dostáváme
f(cU) = cf("'iÍ) = C • d = d
1 1
,
D ů k a z: Nechť dim Kerf = r, nechť {ef, ... , e;} je báze prostoru Kerf a nechť
{ef, .. ., e;, e;::;!, .. . , ~} je báze prostoru V. Ukážeme, že množina {/(ě;+t), ... , f(~)} je
bází prostoru Imf.
Nechť Cr+1/ (ě;+t) + ... + c,.f (~) = d'. Pak f(Cr+1e;::;! + ... + c,.~) = ď', tedy podle
definice já<fra platí Cr+1ě;+t + ... + c,.~ E Kerf. Proto existují c 1, ••• , c,. E T takové, že
146
KAPITOLA ll. HOMOMORFIZMY VEKTOROVÝCH PROSTORŮ KONEČNÉ DIMENZE HORT,RACHŮNEK
Přitom podle předpokladu e"í, ... ,et E Ker/, proto /(ei) = ... = J(et) = cf', a tedy
11 = d,+if(ě;j) + ... +d,J(en)- To znamená, že 11 E ({/(e;:j), ... , /(e;t)}], a protože
11 je libovolný vektor z lm/, dostáváme, že [{/(e;:j), ... ,/(e;t)}J = lm/, neboli, že
{/(e;::;:t), ... , /(ti)} je množina generátorů prostoru lm/. Proto je také jeho bází.
Odtud vyplývá, že <lim lm/= n - r = n - Ker/. O
1. Ker/= {cf}.
2. dimimf = <lim V.
D efinice 11.2
a) Nechť fa g jsou homomorfizmy vektorového prostoru V do vektorového prostoru V'.
Pak součtem homomorfizmů J a g rozumíme zobrazení/ + g : V - V' takové, že pro
každý 7 EV
U+ g)(3!) = I (3!) + g(°t).
b) Jestliže f je homomorfizmus V do V' a c E T, pak c-násobkem (skalárním násobkem)
homomorfizmu f nazýváme zobrazení cf : V - V' takové, že pro každý "t E V
(cf)(7) = C · f (3f).
Věta 11.4 Součet, skalární násobek a složení homomorfizmů jsou homomorfizmy vek-
torových prostorů.
Všude v dalším budeme uvažovat vektorové prostory nad tělesem T. Jestliže V je vek-
torový prostor aje konečné dimenze n , pak k jeho označení budeme také používat symbolu
Vn.
Nechť Vn a Wm jsou vektorové prostory. Označme Hom(Vn, Wm) množinu všech homo-
morfizmů prostoru Vn do prostoru Wm.
Věta 11.5 Pro libovolné vektorové prostory Vn a Wn nad T je (Hom(Vn , Wm) , +, T, ·),
kde + je sčítání homomorfizmů a · je levá vnější operace skalárního násobku homomorfizmů,
vektorovým prostorem nad T . Přitom platí, že dim Hom(Vn , Wm) = n · m.
147
HORT,RACHŮNEK KAPITOLA l i. HOMOMORFIZMY VEKTOROVÝCH PROSTORŮ KONEČNÉ DIMENZE
Nechť {ef, ... , ~ } je báze prostoru Vn a {a;, ... •~} je báze prostoru Wm, Defi-
nujme zobrazení /{)ji: Vn ---t Wm (i= 1, ... , m,j = 1, ... , n) takové, že je-li 7 E Vn
a. "t = x 1e{ + ... + Xn~ , pak<{);;(?) = x/a;. Dostáváme tak n · m homomorfizmů
prostoru Vn a Wm. Dokážeme, že {ip;;;i = 1, .. . , m,j = l, ... ,n} je bází prostoru
Hom(Vn, Wm)-
a) Nejdříve ukážeme, že vektory <{);; jsou lineárně nezávislé. Nechť
n m
I: I: a;,<p;; = o
i=l i=l
í: I: Uíj/Pji(J!) = d
j=I i = l
148
KAPITOLA li. HOMOMORFIZMY VEKTOROVÝCH PROSTORŮ KONEČNÉ DIMENZE HORT,RACHŮNEK
n m n m
LLa;;x;a; = L X; í:: a;,a; = !(?).
j=I i=l j:1 i= I
" m
Tedy / = L L a;;<p;;. Protože / byl libovolný homomorfizmus (tj. vektor)
j=li= l
z Hom(Vn, Wm), dostáváme, že
Věta 11.6 Jestliže V = Vn a W jsou vektorové prostory nad T , pak každý homo-
morfizmus prostoru V do prostoru W je jednoznačně určen obrazy libovolné báze pmstoru
v.
Dů k a z: Nechť {'ei, ... , ~} je báze ve V a/ je homomorfizmus V do W. Jestliže ?=
f:x;ei je libovolný vektor z V, pak cp(?) = f:xd(ei), tedy množina {J{et) , ... ,/(~)}
i= l i=l
jednoznačně určuje zobrazení /. O
t
Věta 11.7 Jestliže~ •. .. , jsou libovolné vektory z W a {ei, ... , ~} je báze ve V,
pak existuje jediný homomorfizmus f prostoru V do prostoru W takový, že f("ei) = ť.
i= l, . .. ,n.
149
HORT,RACHŮNEK KAPITOLA ll. HOMOMORFIZMY VEKTOROVÝCH PROSTORŮ KONEČNÉ DIMENZE
=
Věta 11.9 Nechť M {eT, ... , ~} je báze ve V a nechť f je endomorfizmus prostoru
V , který má matici A= llaull vzhledem k M . Pak pro každý vektor ?t E V platí
{J(?!)}M = {"?t}M · A.
Důkaz: Nechť {?t}M = (x1, ... ,x,.), tzn. ?t = txiět. Pak
i= I
a tedy
D efinice 11.5 Jestliže A, B E Mn(T), pak A a.B se nazývají podobné matice, existuje-
/i regulární matice Q E Mn(T) taková, že A= QBQ- 1•
150
KAPITOLA 11. HOMOMORFIZMY VEKTOROVÝCH PROSTORŮ KONEČNÉ DIMENZE HORT ,RACHŮNEK
o
Poznámka: Maticová rovnost odvozená v důkazu současně dává návod, jak určit matici
J vzhledem k M', známe-li matici/ vzhledem k M a matici přechodu od M k M'.
151
HORT,RACHŮNEK KAPITOLA li. HOMOMORFLZMY VEKTOROVÝCH PROSTORŮ KONECNÉ DTMENZE
Protože vektory f ("ei) , ... , f (~) generují prostor Imf, je jeho dimenze (tj. hodnost f)
rovna maximálnímu počtu lineárně nezávislých vek torů mezi vektory f ("ei), ... , f (~).
Přitom řádky matice A jsou tvořeny právě souřadnicemi těchto vektorů vzhledem k M, a
proto h(A) = dim lmf. O
au - >. a12
021 a22 - >. a1n )
A - >.E = .. ... a~n I
( .
ani an2 llnn - >.
proto její determinant je polynomem v proměnné >., který má stupeň n. Jeho koeficient u
>." je (-l)n>.n, koeficient u >.(n- l) je (-1)(n- 1)(a11 + ... +a.in) a absolutní člen je roven
detA.
Věta 11.13 Jestliže A a B jsou podobné matice, pak A a B mají stejný charakteristický
polynom (a tedy i stejné charakteristické kořeny).
Poznámka: Podle vět 11.10 a 11.13 nezáleží v definici 11.8 na tom, vzhledem ke které
bázi známe matici endomorfizmu f.
152
KAPITOLA 11. HOMOMORFIZMY VEKTOROVÝCH PROSTORŮ KONEČNÉ DIMENZt:: HORT ,RACHŮNEK
Poznámka: Právě dokázaná věta také říká, že v definici vlastních vektorů a vlastních
číselendomorfizmu/ nebyl podstatný výběr báze ve V .
Věta 11.15 Množina všech vlastních vektorů matice A (popř. endomorfizmu f } , které
jsou příslušné k vlastnímu číslu. >.0 , spolu s nulovým vektorem, je podprostorem WA0 prostoru.
V. Jeho dimenze jen - h(A - >.0 E).
Dů k a z: Pi'i dokazování věty 11.14 jsme zjist,ili, že vlastní vektory matice A jsou právě
nenulová řešeni homogenní soustavy (AT ->.0E) "tr = 7Jr. Přitom z teorie o homogenních
soustavách lineárních rovnic je známo, že pro libovolnou homogenní soustavu B -+1· ~ = o
--+r
platí, že její řešení tvoří vektorový prostor, který má dimenzi n - h(B). O
153
HORT,RACHŮNEI< KAPITOLA 11. HOMOMORFIZMY VEKTOROVÝCH PROSTORŮ KONEČNÉ DIMENZE
-t
Dů ,--tk a z: Nechť >. 1, ... , Am jsou navzájem různá vlastní čísla endomorfizmu/ a nechť
b1, ... , bm jsou vlastní vektory, které jim postupně přísluší.
Důkaz povedeme matematickou indukcí. Prom = 1 je situace zřejmá. Předpokládejme
-t --=-t
proto, že m > I a že už platí, že vektory b1 , •• • , b,,._1 jsou lineárně nezávislé. Nechť
a1, ... , ll!m E T jsou takové, že
(11.1)
Pak, protože / je endomorfizmus, platí
-t ~ -t
,--t
0'1 / ( b1) + ... + O!m-tf (bm-1) + a,,.J (b,,.) = J(o) = -to,
tedy
-t ~ ,--t
a1A1b1 + ... + O'.m-1Am- 1bm-1 +amAmbm = 71. (11.2)
Po vynásobení rovnosti 11.1 číslem >-m dostáváme
154
KAPITOLA 11. HOMOMORFIZMY VEKTOROVÝCH PROSTORŮ KONECNÉ OfMENZE HORT,RACHUNEK
tedy
tedy
.,--t -+
ů1(A1 - Am)b1 + .. . + Ům-1(Am-l - Am)bm-1 =d .
.,--t-+
Ovšem vektory bt,··· ,bm-1 jsou podlepředpokladu lineárně nezávislé a A1, •.. ,Am-t jsou
navzájem různá čísla, proto dostáváme, že a 1 = ... = Om - l = O. Tedy podle 11.1 platí
C:Xm~ = d, a protože ~ =/:- d, musí platit také Clm O. Proto jsou vektory b;, ... ,~
=
lineárně nezávislé. O
3 3 2)
A=
( -31 -11 - O2 .
Určete vlastní čísla a vlastní vektory endomorfizmu f.
Nejdříve najdeme charakteristický polynom.
3 - >. 3 2 3 - >. 3 2
det(A - AE) = 1 1 - >. -2 = 4->. 4->. o
-3 -1 ->. -3 -1 -A
-A 3 2
= o 4 - A O =(4-A)(A 2 +4).
-2 -1 -A
Prostor 'R3je vektorovým prostorem nad tělesem 'R a charakteristický polynom má jediný
reálný kořen >. 1 = 4, proto také f má jediné vlastní číslo >.1 = 4.
Podprostor vlastních vektorů příslušných k >.1 získáme jako množinu řešení homogenní
6
soustavy lineárních rovnic (A - 4E) = d, kterou můžeme také přepsat do tvaru (AT -
4E)1r = dr. Dostáváme soustavu
( -; =l =: ) (~ ) = ( !)'
která má obecné řešení ve tvaru (b 1,b1 ,0) , kde b1 E JR. Tedy W>., = [{(l, 1, 0)}].
155
HORT ,RACHŮNEK KAPITOLA 11. ROMOMORFIZMY VEKTOROVÝCH PROSTORŮ KONEČNÉ DIMENZE
11.4 Cvičení
vzhledem
a) ke kanonické bázi;
b) k bázi M = {iiL~,~}, kde iit = (1,-1, 1), ~ = (2,1,-1), ~ = (-3, -2, 1).
[ a)
1 O1) ; b} ( f -i -12) . I
1 1 o
l - !Q -
(O 1 1 -2 3 3
A=
(1 -1 2)
-2
-1
3
2
-1
2
je matice endomorfizmu f prostoru n3 vzhledem k bázi M. Určete / (°it) , jestliže
a) "it = (1, 3, 5};
b} °it = (5, 1, 4).
[ a) (29, - 15, 62); b) (-16, 23, - 40) J
156
Kapitola 12
Endomorfizmy eukleidovských
vektorových prostorů
A . AT = E =AT. A.
Věta 12.1 Pro libovolnou matici A E Mn(R) jsou následující podmínky ekvivalentní.
a) A je ortogonální.
b} Řádky matice A tvoří v nn ortonormální systém vektorů.
c) Sloupce matice A tvořÍ v (nn)7' ortonormální systém vektorů..
Věta 12.2
Dů k a z:
a) Nechť A je ortogonální matice. Pak (A- 1f · A- = (Aťt• · A-
1 1
= (AArt 1 = E,
a podobně A- 1 . (A- 1)T = E.
b) Nechť A a B jsou ortogonální matice. Pak
160
KAPITOLA 12. ENDOMORFIZMY EUKLEIDOVSKÝCH VEKTOR.OVÝCU PR.OSTOR.Ů HO!ťI',RACHUNEK
n n
Tedy f zachovává délky vektorů, a proto podle věty 12.4 / je ortogonální endomorfizmus
prostoru V.
Obrácená implikace je triviální. O
Věta 12.5
a) Ortogonální endomorfizmus převádí libovolnou ortonormální bázi na ortonormální
bázi.
b} Jestliže endomorfizmus f převádí některou ortonormální bázi na ortonormální bázi,
pak f je ortogonální.
Dů k a z:
a) Nechť/ je ort~onální endomorfizmus a nechť M = {'ěi, ... , e;!} je ortonormální báze.
eJ
Pak / (el) · / ( e;) = "et · pro každé i,j E {1 , ... , n}. proto M' = {J('ěi), ... , f (e!)}
je ortonormální báze.
b) Nechť/ je endomorfizmus a nechť existuje ortonormální báze M = {'ěi, . .. , e;t} taková,
že M' = {/{'ěi), ... , f {e!)} je ortonormální báze. Pak J("et) · J(et) = "et · et pro každé
i,j E {l, ... , n}, a proto podle věty 12.4 / je ortogonální.
o
Věta 12.6
a) Matice ortogonálni110 endomorfizmu vzhledem k libovolné ortonormální bázi je 01-to-
gonální.
b) Jestliže matice endomorfizmu f je vzhledem k některé ortonormální bázi ortogonální,
pak f je ortogonální endomorfizmus.
161
HORT,RACHŮNEK KAPITOLA 12. ENDOMORFIZMY EUKLEIDOVSKÝCH VEKTOROVÝCH PROSTORŮ
Dů k a z:
Tedy jestliže f je ortogonální, platí J("ěl) · f (ej) = "ěl · eJ, proto J("ěl) · J(t}) = O pro
i =I= j a f ("ěl) · f (t}) = 1 pro i= j.
b} Podle části a) důkazu platí
n
f ("ěl) · J("ej} = E a;ieajk
k= I
162
KAPITOLA 12. ENDOMORFIZMY EU KLEIDOVSKÝCH VEKTOR.OVÝCH PR.OSTOR.Ů HORT,RACHŮNEK
Věta 12.8
a) Symetrický endomorfizmus má vzhledem k libovolné ortonormální bázi symetrickou
matici.
b} Má-li endomorfizmus f eukleidovského prostoru vzhledem k některé ortonormální bázi
symetrickou matici, pak f je symetrický.
Dů k a z:
a) Nechť V je eukleidovský prostor, f jeho symetrický endomorfizmus, M = {ei, ... , ě;}
ortonormální báze ve V a nechť A= llo:i;IJ je matice endomorfizmu/ vzhledem k M.
Pak pro libovolná i, j E {1, .. . , n} platí / ('et) · e} = e; ·
f (e}), a protože
163
HORT,RACHŮNEK KAPITOLA 12. ENDOMORFIZMY EUKLEIDOVSKÝCH VEKTOROVÝCH PROSTORŮ
n
Platí, že O < I; YiYi E IR. Proto k důkazu toho, že >.0 E JR, stačí ověřit , že také levá strana
i= l
v poslední rovnosti patří do IR. Dostáváme postupně:
n rt n n n n
L %YiYí = L
i j=l ij=l
a;;Y;Y; = L %Y;Y;
ij=l
= L O.j;Y;Y; = L
ij=l ij=l
%'!7iYi = L
i j= I
o.;;Y/i/i,
n
tedy číslo I; O.;;Y/iii se rovná číslu, které je s ním kompl exně sdružené, a proto patří do
ij=l
JR. Tedy ,\0 E !R. O
164
Výběr z literatury
[3] Birkhoff, G., Mac Lane, S. Prehl'ad modernej algebry, (1979 Bratislava).
[4] Blažek, J ., Calda, E., Koman, M., Kussová, B. Algebra a teoretická aritmetika I, (1983
Praha).
[5] Blažek, J., Koman, M., Vojtášková, B. Algebra a teoretická aritmetika II, (1985 Praha).
[6] Katriňák, T. a kol. Algebra a teoretická aritmetika {1}, (1985 Bratislava).
{7] Proskurjakov, I. V. Sborník zadač po linějnoj algebre, (1970 Moskva).
{8] Šalát, T. a kol. Algebra a teoretická aritmetika {2}, (1986 Bratislava).
[9) Šik, F. Lineární algebra zaměřená na numerickou analýzu, (1998 Brno).
Index
167
HORT ,RACHŮNEK INDEX
číselný, 38 proměnná, 6
obraz homomorfizmu, 125 výroková, 8
okruh, 36 prvek, 21
číselný, 38 inverzní, 36
komutativní, 37 jednotkový, 36
operace levý dělitel nuly, 38
n-ární, 33 neutrální, 35
binární, 33 nulový, 36
levá vnější, 81 opačný, 36
výsledek, 33 pravý dělitel nuly, 38
vnější, 46 skalár, 46
ortogonální symetrický k prvku, 35
báze, 140
endomorfizmus, 160 relace
vektory, 138 binární mezi množinami, 26
ortonormální báze, 140 binární na množině, 26
inverzní, 26
přímý součet podprostorů, 87 složení, 26
permutace rovnice
lichá, 61 řešení, 105
sudá, 61 lineární o n neznámých, 105
základní tvar, 60 rovnost matic, 44
znaménko, 61 Russelův paradox, 22
pořadí
inverze, 60 Sarrusovo pravidlo, 67
liché, 60 skalár, 46
množiny, 59 skalární součin, 136
sudé, 60 obyčejný, 136
vzniklé pomocí permutace, 62 skaláry, 82
základní, 59 skládání binárních relací, 26
znaménko, 60 slova
podobné matice, 150 nad danou abecedu, 5
podprostor vektorového prostoru, 84 správně utvořená, 6
podprostory vytvořená v dané abecedě, 5
přímý součet, 87 součet
součet, 87 homomorfizmů, 147
pole vektorového prostoru, 82 podprostorů , 87
pologrupa, 34 součin
abelovská, 34 matic, 49
pravý prvků, 36
dělitel nuly, 38 skalární, 136
součin skaláru a matice, 46 součtová znaménka, 47
pravdivostní hodnoty, 6 součtový index, 47
168
INDEX HORT,RACHŮNBK
169
HORT,RACHŮNEK INDEX
zobrazení
bijektivní, 28
do, 27
injektivní, 28
inverzní, 29
koobor, 28
na, 28
obor, 28
obraz množiny, 28
prosté, 28
surjektivní, 28
vzájemně jednoznačné na, 28
170
Obsah
Předmluva 3
3 Algebraické struktury 33
3.1 Algebraické struktury s jednou binární operací .. 33
3.2 Algebraické struktury se dvě!lla binárními operacemi 36
3.3 Cvičení . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4 Matice 43
4.1 Operace s maticemi . . . . . .. 43
4.2 Aritmetické vektorové prostory 52
4.3 Cvičení . . . . . . . . . . . . . . 55
5 Determinanty 59
5.1 Pořadí, permutace . .. . . . . . 59
5.2 Základní vlastnosti determinantů 65
5.3 Determinant součinu matic . 76
5.4 Cvičení . . . . . . . . . . . .. . 79
171
HORT,RACHŮNEK OBSAH
6 Vektorové prostory 81
6.1 Vektorové prostory a podprostory 81
6.2 Vektorové prostory konečné dimenze 87
6.3 Cvičení . . . . . . . . . . . 93
7 Soustavy lineárních rovnic 97
7.1 Elementární transformace 97
7.2 Hodnosti matic . . . . . . 101
7.3 Řešení soustav lineárních rovnic 105
7.4 Cvičení . . . . . . . .. . 116
8 Okruh čtvercových matic 119
8.1 Regulární a singulární matice . . . . . . . . . . . . . . . . . 119
8.2 Výpočet inverzní matice pomocí elementárních transformací 122
8.3 Cvičení . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
9 Homomorfizmy a izomorfizmy vektorových prostorů 125
9.1 Základní vlastnosti . . . 125
9.2 Transformace souřadnic 128
9.3 Cvičení . . . . . . . . . . 134
10 Eukleidovské vektorové prostory 135
10.1 Definice a základní vlastnosti . 135
10.2 Schmidtova ortogonalizační metoda 140
10.3 Cvičení . . . . . . . . . . . . . . . . 144
11 Homomorfizmy vektorových prostorů konečné dimenze 145
11.l Vlastnosti homomorfizmů . . . . . . . .. . . . . . . . . . 145
11.2 Matice homomorfizmů . . . . . . . . . . . . . . . . . . . . . . . . . 149
11.3 Charakteristické kořeny, vlastní čísla a vlastní vektory endomorfizmů 152
11.4 Cvičení. . . . . . . . . . . . . . . . . . . . . . . . . . . 156
Index 166
172
RNDr. Daniel Hort, Ph.D.
Prof. RNDr. Jiří Rachůnek, DrSc.
Algebra I
Určeno pro posluchače Přírodovědecké fakulty UP v Olomouci
Olomouc 2005
Dotisk l. vydání
ISBN 80-244.0631-4