2005

ALGEBRA I
Daniel Hort JiFí Rachůnek
 i
UNIVERZIT PALACKÉHO V OLOMOUCI
P~ÍRODOVÉDECKA FAKULTA

Daniel Hort, Jiří Rachůnek

ALGEBRA I

Olomouc

2005
Op0ncnli: doc. Dr. Radomír Halaš
doc. RNDr. Pc1r Emanovský, Ph.O.

Publikace vycbázl za pOdpory grantu č. 3120S007 přiděleného MŠMT na projckly

Diskréml ma1ematika č. 279 a Realizace bakalál$kého studijnO.o programu
Ma1cmatika a její aplikace č. 280

Dotisk I. vydání

C Daniel Hon, Jiff RacMnek, 2003

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.

Příklad 1.5 V příkladu 1.3 jsou konstantami symboly l , 2, 3, +, (, ), = a proměnnýaů

jsou x, y.

1.2 Výroková logika

V této části si připomeneme a upřesníme základní pojmy a vztahy týkající se výrokové
logiky.

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:

Podle této tabulky je negace A pravdivého výroku A nepravdivým výrokem a naopak.

Binárních extenzionálních spojek je celkově 16.

A B T v <= A I !:'. ,B fo ,A i= .j.

=? B <=> A I<
1 1 1 1 1 1 o o o o o o o
1 1 1 1 o
1 o 1 1 1 o o o o 1 1
1 1 1 o o o o
o 1 1 1 o o 1 1 o o 1 1 o o 1 1 o o
o o 1 o 1 o 1 o 1 o 1 o 1 o 1 o 1 o
.j.-Nicodova spojka, 1-Shefferova spojka, T-tautologie, K -kontradikce

Podrobněji si popíšeme 4 nejpoužívanější.

Konjunkci výroků A a B označíme A A B a její pravdivostní hodnota je dána 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

((,(A)) v ((B) =? (C))) # ((C) =? ((,(B)) A (A)))

je podle definice 1.4 formulí výrokové logiky a budeme je zapisovat zjednodušeně ve tvaru
(,(A v (B =? C))J # (C =?(,BI\ A)).
Slovo ((A)=} ((B), V (C))) samozřejmě není formulí výrokové logiky.

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.

Příklad 1.9 Určete pravdivostní hodnotu formule

[(A=} B) I\ (B:::} C)) :::} (A:::} C).

Budeme se snažit zkrátit řešení podle předchozí poznámky.

A B C [(A :::} B) I\ (B =} C)) =} (A =} C)

1 1 1 1 1 1
1 1 o 1 1 o 1 o o 1 1 o o
1 o 1 1 1 1
1 o o 1 o o o o 1 1 1 o o
o 1 1 1 o
o 1 o 1 o 1
o o 1 1 o 1
o o o 1 o 1

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

Opakem tautologie j e kontradikce.

Tautologie jsou vlastně logickými zákony, protože dosadíme-li do nich za proměnné
libovolné výroky, bude výsledný složený výrok vždy pravdivý. Uveďme si proto několik
nejčastěji používaných tautologií.

l. AV-.A (zákon vyloučeného třetího)

2. -.( A I\ ,A) (zákon sporu)
3. -.(-.A) <=> A (zákon dvojí negace)
4. (A I\ B) <=> (BI\ A) (zákon komutativní pro konjunkci)
5. (A VB) <=> (B V A) (zákon komutativní pro disjunkci)
6. [A I\ (BI\ C)] <=> [(A II B) 11 CJ (zákon asociativní pro konjunkci)
7. [A v (B v C)] <=> [(A v B) v CJ (zákon asociativní pro disjunkci)
8. [A/\ (B v C)J <=> (A II B) v (A I\ C) (zákon distributivní - konjunkce je
distributivní vzhledem k disjunkci)
9. (A v (B /\ C)J <=> (A v B) 11 (A v C) (zákon distributivní - disjunkce je
distributivní vzhledem ke konjunkci)
10. (A=> B) <=> (-.A v B)
11. -.(A => B) <=> (A I\ -.B)
12. -.(A/\ B) <=> (-.A v -.B) (de Morganův zákon)
13. ,(A v B) <=>(-.AI\ -.B) (de Morganův zákon)
14. (A<=> B) <=> [(A=> B) I\ (B => A)]
15. {(A => B) I\ (B => C)] => (A=> C) (tranzitivita implikace)
16. (A=> B) <=> (-.B => -.A) (zákon kontrapozice)
17. A<=> A/\ (B v ,B)
18. A=> (B => C) <=> (A/\ B) => C
19. (A<=> B) <=>(,A<=> -.B)
20. (A<=> B) <=> (-.A v B) /\ (A v -.B)
21. A<=> Al\ (AV B)
22. A <=> A V (A II B)
Využijeme ještě pojmu tautologie k zavedení následujících poj mů.

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.

b) Je-li A<=> l3 tautologie, pak říkáme, že formule A a l3 jsou logicky ekvivalentní.

1.3 Predikátová logika

Ve výrokové logice jsou atomární výroky uvažovány jako celek a zajímáme se pouze o
jejich pravdivost nebo nepravdivost. V matematice ale bude pro nás důležitá i vnitřní
stavba některých typů výroků. K tomuto slouží predikátová logika, jejíž základy si nyní
připomeneme.

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)

b) x je dčlitelné y. (x, y ... přirozená čísla)

c) Bod a leží na přímce p. (a ... bod v rovině, p .. . přímka v téže rovině)

Přitom první z těchto výrokových forem obsahuje jednu promčnou a dost.aneme z ní

výrok po dosazení libovolného přirozeného čísla za tuto proměnnou, zbývající dvě výrokové
formy obsahují dvě proměnné a výrokové formy přejdou ve výroky po dosazení konstant z
příslušných oborů proměnnosti za obě proměnné.
Výrokové formy můžeme spojovat (podobně jako výroky) pomocí výrokových spojek.
Výsledkem jsou opčt výrokové formy.
Definice 1.7 současně ukazuje jednu z možností získání výroků z výrokových forem .
Výroky ale vznikají z výrokových forem také při vázání proměnných pomocí kvantifikátori1.
Všim něme si nejdříve výrokových forem s jednou promčnnou.

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).

Příklad 1.11 Uvažujme výrokovou formu

x 2'.: 5 /\ x je prvočíslo,
kde oborem proměnnosti proměnné x je množina N.
Zřejmě obecný výrok
Vx(x 2'.: 5 /\ x je prvočíslo)
je nepravdivý, zatímco existenční výrok
3x(x 2'.: 5 A x je prvočíslo)

je pravdivý.

12
KAPITOLA I. ZÁKLADY MATEMATICKÉ LOCIKY HORT ,RACHŮ NEK

Uvažujeme-li nyní obecně výrokovou formu V(x, y, ... , z) o proměnných x, y, ... , z,

potom analogicky můžeme získat z V(x, y, ... , z} výroky, budeme-li každou z proměnných
x, y, ... , z vázat pomocí některého z kvantifikátorů. Např. pro výrokové formy o dvou
proměnných existuje celkem 8 možností, jak vázat proměnné pomocí kvantifikátorů. Je-li
V(x, y) výroková forma, pak získáme výroky
\fx\fy(V(x, y))

\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))

Příklad 1.12 Uvažujeme výrokovou formu y = x+ 1, kde x, y jsou libovolná přirozená

čísla .. Zapíšeme všech 8 výroků, které dostaneme z této výrokové formy pomocí kvanti-
fikátorů a určíme jejich pravdivostní hodnoty.

\fx\fy(y= X+ l} ... Q
\fyVx(y = x + 1) . .. 0

\fx3y(y =X+ 1) ... 1

3yVx(y = x + l) ... O
3x\fy(y = X + l) ... 0

\fy3x(y =X+ 1) ... 0

3x3y(y =X+ 1) .. . 1
3y3x(y =X+ l} .. . 1

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

V(a1) I\ V(a-i) I\ ... I\ V(an),

podobně existenční výrok 3x(V(x)) je pravdivý právč tehdy, když je pravdivá disjunkce

V(ai) v V(a-i) v ... v V(an),

Použitím de Morganových pravidel tedy dostáváme následující pravdivé ekvivalence:

,[\fx(V(x))] <=> ,[V(a1) /\ V(a2 ) I\ ... I\ V(a,.)] <=>

<=> (,V(a1) V -.V(a-i) V ... V -.V(an)] <=> 3x(,V(x)],

,(3x(V(x))) <=> • [V(a1) V V(o.i) V ... V V(an)) <=>
<=> [-.V(a1) /\ -.V(a2) I\ ... .., I\ V(an)] <=> Vx(-.V(x)).
Proto jsou v tomto případě pravdivé ekvivalence

-.[Vx(V(x))] <=> 3x(-.V(x)) a

, (3x(V(x))] <=> 'tx(-.V(x)).

Tyto ekvivalence jsou však pravdivé i pro výrokové formy s nekonečnými obory proměnnosti
svých proměnných, proto je mÚžemc používat zcela obecně.
Pokud výroková forma V(x , y, ... , z) obsahuje proměnné x, y, ... , z a uvažujeme-li
něk terý z výroků, který vznikl z této formy vázáním každé z promčnných něk terým kvan-
tifikátorem, pak negace takového výroku je logicky ekvivalentní s výrokem, který vznikne
z původního výroku zámčnou všech obecných kvantifikátorů existenčními a naopak a
záměnou výrokové formy V(x, y, ... , z) její negací -.V(x, y , ... , z).

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

(A) U je vnitřní bod trojúhelníka ABC.

(A2) U neleží na žádné ze stran AB, BC, CA.

(A3 ) Pro body A , B ,C,U, platí

IAUI + IBUI > IABI,
IAUI + 1cu1> IACI,
IBU I + 1cu1> 1sc1.
(B) Pro body A, B, C, U platí
IAUI + IBUI + ICUI > s.
Máme tedy dokázat větu A => B. Položíme-li A 1 = A , A. = B, pak jsou zřejmě pravdivé
věty
A1 => A2,A2 => A3, A3 => Ai,
a proto bude pravdivá i věta A 1 => A 4 •
Zvláštním případem přímého důkazu je důkaz matematickou indukcí, který využívá
následující vlastnosti množiny všech přirozených čísel N:
Nechť V(x) je výroková forma, kde oborem proměnnosti je množina N. Je-li pro některé
přirozené číslo no pravdivý výrok V(n0 ) a vyplývá-li pro každé přirozené číslo k ~ no z
pravdivosti výroku V(k) také pravdivost výroku V(k + 1), potom je pravdivý výrok pro
každé přirozené číslo n ~ n 0 .
Příklad 1.15 Dokažte, že pro každé přirozené číslo n ~ 3 platí 2n > 2n.
Označme V(x) = (2" > 2x) . Platí
8 = 23 > 2 · 3 = 6,
tedy výrok V(3) je pravdivý.
Předpokládejme, že je pravdivý výrok V(k), kde k~ 3 je přirozené číslo. Potom platí
2k+L = 2k · 2 > 2k · 2 = 2k + 2k > 2k + 2 = 2(k + 1),
tedy je pravdivý také výrok V(k + 1). Proto V(n) je pravdivý výrok pro každé přirozené
číslo n ~ 3.

Důkaz sporem: Předpokládejme, že A a B jsou výrokové proměnné, /C je některá kon-

tradikce. J estliže pro některé dosazení pravdivostních hodnot za výrokové proměnné je
výrok
(A I\ .,B) => IC
pravdivý, pak (protože /C je vždy nepravdivá) konjunkce Al\ -,B musí být pro toto dosazení
nepravdivá. Tedy je pravdivý výrok -,(Al\ -,B), který je ale ekvivalentní s výrokem A => B.
(Podle tautologií -,(A => B) # (A I\ .,B) a -.-.A # A). Proto jsou-li A a B libovolné
formule a dojdeme-li za předpokladu Al\ .,B ke sporu s některou již dokázanou skutečností,
pak je pravdivá formule A => B.

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) a a /3 jsou komplexní čísla.

(B) la + .BI ~ lal + I.BI.

Předpokládejme, že je pravdivý výrok .A I\ -,8 , tzn., že a a .B jsou komplexní čísla a přitom
lal + I.BI < la+ .BI. Tedy platí-li a= a, + a2i, /3 = b1 + ~i (a„ 02, b1, b:ijsou reálná čísla) ,
potom podle předpokladu

Ja~ +a~ + Jb~ + b~ < J(a1 + bi}2 + (02 + ~)2.

Po snadných úpravách dojdeme k nerovnostem

a to je spor s vlastnostmi druhých mocnin reálných čísel. Musí tedy platit věta A => 8,
kterou jsme chtěli dokázat.

1.5 Cvičení

1.1 Zjistěte, je-li výraz

a) (B => -,(AI\ (C v -,B)) <=>(-,(BI\ A));
b) ,(A=> -,C) <=> (B => (C <=> ,A))
formul[ výrokové logiky.
[ a) ano; b) ne]

~ 1.2 Zjistěte, zda platí distributivita implikace vzhledem k ekvivalenci, tzn.

(X => (Y <=> Z)] <=> ((X => Y) <=> (X=> Z)J.

[ano]

1.3 Rozhodněte zda je daná formule tautologie:

, a) -,(A => B) <=> (A I\ ,B);
'b) ,(A I\ BI\ C) <=> (,A v ,B v ,C);
J c) -,(A A B) <=> (-,A I\ -,8);

Xd) ((A=> -,B) => (,C v B)] <=>[(-.BAC) =>(BI\ A)];

Je) (A=> C) => [(A=> B) => (B => C)].
[ a) ano; b) ano; c) ne; d) ano; e) ne J

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).

1.7 Dokažte pomocí přímého důkazu větu:

Tvoří-li kladná čísla a1 , a 2 , ••• , a 11 prvních n členů geometrické posloupnosti, potom

~ 1.8 Dokažte sporem větu:

a) Jestliže ax, + b 1" ax2 + b (a, b, x 1, x 2 E JR, a:/ O), pak x 1 # x 2;
b) Každá posloupnost reálných čísel má nejvýše jednu limitu.
c) Daným bodem nelze vést k dané přímce dvě různé kolmice.

1.9 Dokažte matematickou indukcí, že pro každé n E N platí:

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.

1.10 Určete, pro která n E N platí:

a) 2" > 2n + l;

18
HORT,RACHŮNEK KAPITOLA 2. MNOŽINY, RELACE, ZOBRAZENÍ

Pro množinu A z části a) platí A = {x E Z;x 2 - x - 6 = O}. Označíme-li C = {x E

Z ; 4x2 + 9 = O}, pak C je prázdná množina.
Poznámka: Uvědomme si ale, že zavedení pojmu množina pomocí pojmu „soubor prvků "
nemůžeme považovat za definici. Ukážeme si tuto skutečnost pomocí tzv. Russelova pam-
doxu.
Všechny množiny si rozdělíme do dvou skupin. Do první skupiny zařadíme všechny
takové množiny, které nejsou svými prvky. Množiny z této skupiny nazveme normální.
Všechny množiny, které nejsou normální, zařadíme do druhé skupiny. (Normální množinou
je např . množina všech obyvatel ČR, zatímco množina všech množin není normální.)
Označme symbolem A množinu všech normálních množin, tj. A = {X; X r/. X}. Předpoklá­
dejme, že množina A je normální, jinými slovy A patří do množiny všech normálních
množin, tj. A E A. Pak však A má vlastnost, pomocí níž je definována množina všech
normálních množin, tzn. A r/. A. Předpokládejme proto, že A není normální. Pak A nepatří
do množiny všech normálních množin, tj. A r/. A . To však znamená, že A má vlastnost,
pomocí níž je určena množina všech normálních množin, tedy A E A. Zjistili jsme tak, že
A je i není normální současně, což není možné.
Podobných paradoxů, jako je Russelův paradox bychom mohli najít velké množství.
Všechny tyto paradoxy mají původ v tom, že chápání množiny jako souboru prvků umožňu­
je uvažovat i tak „velké" množiny, jako je množina všech množin. Proto je zapotřebí
při studiu množin postupovat axiomaticky ta.k, aby se podobné paradoxy nevyskytovaly.
(V průběhu studia v dalších semestrech se axiomatickým přístupem k teorii množin budeme
podrobně zabývat.)
Pro naše účely však zatím bude postačovat intuitivní přistup k pojmu množina, protože
paradoxům se také vyhneme, budeme-li všechny zkoumané množiny vybírat jako části
některé tzv. univerzální množiny U.

2.2 Operace s množinami

Připomeňme si ještě jednou, že všechny množiny, které budeme uvažovat, jsou částmi
něk teré univerzální množiny .

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

jsou různá od čísla 1 a od všech lichých složených čísel, A n B je jednoprvková množina

{2}, A\ B je množina všech sudých přirozených čísel větších ne-:í 2 a B \ A je množina
všech přirozených lichých prvočísel.

Pefinice 2.4 Množina A se nazývá podmnožinou množiny B (značíme A s:; B),jestliže

'v'x(x E A=> X E B).

Jestliže A s:; B a množina A je různá od množiny B, pak říkáme, že A je vlastní pod-

množinou množiny Ba značíme A c B.

Vztah „být podmnožinou" nazýváme množinová inkluze.

D efinice 2.5 Řekneme, že množina A se rovná množině B, jestliže

'v'x(x E A <=> x E B).

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.

Věta 2.1 Jsou-li A, B , C množiny, pak platí

a) A = A, {reflexivnost)
b} A= B => B = A, (symetričnost)

c) (A= BI\ B = C) =>A= C. (tranzitivnost)

Věta 2 .2 Pro libovolné množiny A, B, C platí

a) A s:; A, (reflexivnost)
b} (A s:; BI\ B s:; A)=> A= B , (antisymetričnost)
c) (A s:; BI\ B s:; C) =>As:; C. {tranzitivnost)

Důkazy obou těchto vět jsou zřejmé. Ukažme si další potřebné vlastnosti zavedených
pojmů.

Věta 2.3 Pro libovolné množiny A, B, C platí

a) A n B = B n A, A u B = B u A, (komutativita)
b} A n (BnC) = (A n B) ne, A U (BUC)= (AUB) u C (asociativita)
c) A n A = A, A u A = A, {idempotentnost)
d} A n 0 = 0, A U 0 = A,
e) AnU = A, Au U =U,
f) A n (Bu C) = (A n B) u (A n C), A u (B n C) =(Au B) n (A u C) {distributivita)

23
HORT ,RACHŮNEK KAPITOLA 2. MNOŽINY, RELACE, ZOBRAZENÍ

g) A\0=A, A\U=0, 0\A=0, A\A=0,U\A=A',

h) C\(AnB) = (C\A)u(C\B), C\(AUB) = (C\A)n(C\B), (An B)' = (A'UB'),
(A U B)' = (A' n B').
Poznámka: Podle vlastností a) jsou průnik i sjednocení komutativní, podle b) jsou
asociativní, c) je vyjádřením toho, že průnik a sjednocení jsou idempotentní, podle f)
je průnik distributivní vzhledem ke sjednocení a sjednocení je distributivní vzhledem k
průniku . Vlastnosti h) se nazývají (analogicky jako odpovídající tautologie) de Morganovy
zákony.
D ů k a z: Dokažme jenom první z rovností v částech f) a h) . Zbývající rovnosti si
čtenář snadno ověří sám.

f) Nechť A, B, C jsou množiny. Pak

x EA n (BUC) <=> (x E A/\ x E BUC) # [x E A/\ (x E B V x E C)) #

# l(x E A/\ X E B) v (x E A!\ X E C)) # (x E A n B vX E A n C) #

<=>xE (AnB)u(AnC),
tedy podle definice rovnosti množin platí
[A n (Bu C)J = (A n B) u (A n C).
(V důkazu jsme využívali definice 2.1 a 2.2 a distributivnost konjunkce vzhledem k
disjunkci.)
h) Jsou-li A, B, C množiny, pak platí
x E c \ (A n B) <=> (x E c A x 11 A n B) # [x E c A •(X e A n B)) #

<=> [x EC/\ ,(x E A/\ x E B)] <=> [x EC/\ (x 11 ~ V x 11 B)) <=>

# [(x EC A x 11 A) V (x E C /\ :c 11 B)] # (x E C \AV :c E C \ B) #
<=>xE (C\A)u(C\B) ,
tzn., že
(C \ (AnB)J = (C \ A) U (C\ B)
(Použili jsme definici 2.3, de Morganův zákon a distributivní z~kon výrokové logiky
a definici 2.5.)

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

Nyní si zaveďme ještě jednu operaci s množinami:

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.)

Kartézský součin A x A značíme také A 2 a nazýváme kartézský čtverec neboli kartézská

mocnina (druhá) množiny A.

Příklad 2.3 . Jestliže A = {l, 2, 3}, B = {a, b}, pak

AxB = {(1 ,a),(l ,b),(2,a),(2,b),(3,a) ,(3,b)},
Bx A= {(a, 1),(a,2),(a,3),(b,1),(b,2),(b,3)}.
Poznámka: Jsou-li A 1 , ... , An množiny, pak můžeme analogicky zavést pojem kartézské-
ho součinu A1 x ... x An těchto množin jako množinu všech uspořádaných n-tic
(a1, ... , an), kde a1 E A1 , ... , an E An.

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.

Věta 2 .5 Pro každé množiny A, B, C platí

a) C X (A n B) = (C X A) n (C X B),
b} C X (A u B) = (C X A) u (C X B),

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.)

b) x = (a, b) E C x (A U B) # (a EC/\ b E A U B) # (a E CA (b E A V b E B)) # [(a E

C /\ b E A) V (a EC/\ b E B)) # [(a,b) E C x A V (a,b) EC x B) # x = (a,b) E
(C X A) u (C X B)
c) x = (a, b) E C x (A\ B) # (a E C /\ b E A\ B) # [a E CI\ (b E A/\ b (j. B)) # ((a E
CI\ a E C) I\ (b E A I\ b (j. B)] # ((a E CI\ b E A) /\ (a E CI\ b (j. B)) # [(a, b) E
C x A I\ (a, b) (j. C x B] # x = (a, b) E (C x J!.) \ (C x B)
o

25
HoRT,RACHŮNEK KAPITOLA 2. MNOŽINY, RELACE, ZOBRAZENÍ

2.3 Binární relace

Připomeňme si nyní pojem binární relace, se kterým jste se již setkali na střední škole.

D efinice 2.7 Binární relací mezi množinami A a. B (v tomto pořadí) nazýváme libo-
volnou podmnožinu p kartézského součinu A x B.

Jestliže p s;; A2 , pak se p nazývá také binární relace na množině A.

Poznámka: Jestliže a E A, b E B , pak skutečnost, že (a, b) E p, budeme někdy také

zapisovat ve tvaru apb. Zejména u konkrétních běžně používaných relací je tento způsob
zápisu obvyklý. Např. je-li,,<" relace „menší než" na množině všech přirozených čísel , pak
místo (a,b) E< píšeme a< b.
Protože je každá binární relace vlastně množ.i na, nemusíme zvláště definovat pojmy
sjednocení, průniku, rozdílu, popř. doplňku relací. Ovšem binární relace jsou specifickým
případem množin, a proto můžeme zavést ještě další operace s binárními relacemi.

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

Va E A,b E B; (b,a} E p- 1 # (a,b) E p.

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 =>.

Definice 2.9 Necht! p s; A x B, rJ s; B x C. Potom složením binárních relací pa. rJ

( v tomto pořadí) nazýváme binární relaci po rJ mezi množinami A a. C (p o rJ s; A x C)
ta.kovou, že

Va E A,c EC; (a,c) E porJ ~ (:lb E B; (a,b) E pi\ (b,c) E rJ).

Příklad 2.5

a) Jestliže A = {a,b,c,d} , B = {1,2,3}, C = {a-,,8,,} , p s; A x B, rJ s; B x C,

p = {(a, 2), (b, 1), (a, 3), (c, 1), (d, 2), (b, 3)}, <7 = {(l, ,8), (1, 1 }, (2, a), (2, ,), (3, a)}, pak

po a = {(a, a), (a ,1 ), (b, /3), (b, 1 ), (c,/3), (c, -y), (d, a) , (d, -y), (b, a)}.

Přitom relace rJ op neexistuje. (Přesněji: rJ op je prázdná relace.)

b) Uvažujme relace,,<" a,,>" na množině všech přirozených čísel N. Jsou-Ji x , y E N,
pak
(x,y) E< o># (:lz E N;x <z/\ z> y) ~ (:lz E N; max{x,y} < z) ,

2fl
KAPITOLA 2. MNOŽINY, RELAC8, Z0BRAZ8NÍ HORT ,RACHŮNEK

tedy < o >= N2 a

(x,y) E> o<{::} (3u E N;x > u/\u < y) # (3u E N;u < min{x,y}),

tedy> o<= {(x,y) E N2;x > 1 /\y > l}. Takže

<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

(a,b} E (p- 1)- 1 {::} (b,a) E p- 1 {::} (a,b) E p,

tedy (p- 1) - 1 = p.
b) Nechť a E A,d E D. Pak (a,d) E po (0-07) # (3b E B;(a,b} E pi\ (b,d) E ao7) #
(3b E B3c E C; (a, b) E p I\ ((b, c) E a I\ (c, d) E 7]} # (3b E B3c E C; ((a, b) E
p I\ (b, c) E a]/\ (c, d) E 7) # (3c E C; (a, c) E po a/\ (c, d) E 7) # (a, d) E (po a) o 7,
tzn. po(uor) = (poo-) or.
c) Nechť a E A,c EC. Pak (c,a) E (poa) - 1 # (a,c) E poo- # (3b E B;(a,b) E
p I\ (b, c) E o-) # (3b E B ; (c, b) E u- 1 /\ (b, a) E p- 1) {::} (c, a) E u- 1 o p- 1 , proto
(po o-)-1 = O'- l o 7-l.
o

2.4 Zobrazení množin

V této části se budeme zabývat zobrazeními množin, která budeme chápat jako speciální
případ binárních relací mezi množinami.

D efinice 2.10 Binární relace f mezi množinami A a B se nazývá zobrazení množiny

A do množiny B (značíme f: A ~ B), platí-li
a) 't/a E A3b E B; (a,b) E f;
b) \/a E A,b1,b2 E B ; [(a,bi) E / /\ (a,bi) E /) ~ b1 = b2.
27
HORT,RACHŮNEK KAPITOl,A 2. MNOŽINY, R.El,ACE, ZOBRAZENÍ

(Množina A se také někdy nazývá obor a množina B koobor zobrazení f .)

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.

D efinice 2.11 Zobrazení f: A ~ B se nazývá

a) injektivní (nebo prosté), jestliže platí

'v'a1, a.i E A,b E B; [(ai,b) E / /\ (a2 ,b) E /] => a1 = a2;

b) surjektivní (nebo zobrazení A na B), platí-li

'v'b E B3a E A; (a, b) E f (tj. když Imf = B);

c) bijektivní (nebo vzájemně jednoznačné zobrazení A na B ), je-li současně injektivní i
surjektivní.

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

zobrazení. Přesněji: Jestliže / : A ----t B a g : B ----t C jsou zobrazení, pak relace / o g je

zóbrazení množiny A do množiny Ca platí (/ o g)(x) = g(f(x)) pro každý x E A. Podle
věty 2.6 je skládání binárních relací asociativní, proto je asociativní i skládání zobrazení.
Obecně však inverzní relace 1- 1 k zobrazení/: A ----t B nemusí být zobrazením. Např.
je-li A= {a, b},B = {0,1},/ = {(a,O),(b, O)}, pak inverzní relace 1- 1 = {(O,a),(O,b)} ~
B x A není zobrazením B do A. Je zřejmé, že aby byla splněna podmínka a) z definice
2.10 i pro relaci 1- 1, musí být :oobrazení f surjektivní, a pro platnost podmínky b) z
téže definice pro relaci 1- 1 musí být f injektivní. Proto inverzní relace 1- 1 je zobrazením
právě tehdy, je-li zobrazení / bijektivní. V takovémto pf-ípadě je 1- 1 také bijektivním
zobrazením u-• : B ----t A) a nazývá se inverzním zobrazením k zobrazení f. Označíme­
li idA = {(x,x);x E A}, pak pro bijektivní zobrazení/ platí fo J- 1 = idA. Podobně
1- 1 o J = ida.
Všimněme si ještě blíže některých zobrazení konečných množin.

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

f - ( a;, a.2 . . . a;. )

- /(<li,) f(ai.) . . . f(ai.) '

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.

Příklad 2.7 Je-li B = {1 , 2,3,4,5}, a jestliže li B ----t B,h : B ----t B jsou

transformace takové, že

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

Transformace Ji je permutací, proto k ní existuje invenní permutace f,- 1, kterou do-

staneme vzájemnou záměnou obou řádků v daném zápise, tj.

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 .4 Zjistěte, je-li pravdivý výrok

\>'A, B, C; (A\ B) n (A\ C) =A\ (B n C),

kde A,B,C jsou množiny.

[ Ne, ukažte protipříklad. J

2.5 Určete kolik binárních relací existuje

a) na množině A o m prvcích?
b) mezi prvky množin A, B, které mají postupně man prvků?
[ a) 2m\ b) 2m·n· 1

2.6 Určete inverzní relaci p- 1 k relaci p ~ A x B, platí-li

= =
a) A = {u, v, w, y, z}, B {O, 6 },p {(x, 6), (x, O), (u, O), (v, 6), (z, O)};
b) A = B = N, \>'a, b E N(apb <=> a - b = 5c, kde c je některé celé číslo).
[ a) p- 1 = {(6, x), (O, x), (O, u), (6, v), (O, z)}; b) p- 1 = p J

2.7 Nechť A= {1,2,3},B = {x, y,z}, C = {a,,8,-y,ó}, p = {(l,y),(l ,z),(2,x},(3,y)},

a= {(x,),(y,a) , (y,-y),(z,6)}. Určete relaci poa.
[ poa= {(l ,a),(l ,-y),(1,6),(2,-y),(3,a),(3,-y)} J

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 ·

2.10 Nechť R, R 1 , ~ jsou relace mezi A a B a S, S 1 , S 2 relace mezi B a G. Jaké

množinové vztahy platí pro:

a) R o (S1 u S2) RoS 1 UR0S2;

b) (R1 u R2) o S R1 oSu~oS;
c) R o (S1 n S2) RoS1 nRoS2;
d) (R 1 n R2) o S R 1 oSnR2 oS;
e) RoS1 \RoS2 Ro (S1 \ S2);
f) R1 o S\ R2 o S (R1 \ R2) o S;
[ a) =; b) =; c) ~; d) s;; e) ~; f) ~ ]
2. 11 Dokažte: Pro libovolné relace p, ó s; A x B platí p s; ó právě tehdy, když p- 1 s; ó- 1.

31
Kapitola 3

Algebr~ické struktury

S algebraickými strukturami se setkáváme od l. třídy základní školy (i když se explici tně

o tomto pojmu nehovoří) při zavádění aritmetických čísel ných operací. Důkladné studium
algebraických struktur bude obsahem přednášek v dalších semestrech. Zde budeme jenom
definovat základní pojmy, které budou potřebné pro naše účely, a. budeme je ilustrovat
zejména na číselných strukturách.

3.1 Algebraické struktury s jednou binární operací

Definice 3.1 Je-li G neprázdná množina, potom binární operací na G rozumíme libo-
volné zobrazení o : G x G -+ G.

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 3.2 Algebraickou strukturou g rozumíme některou neprázdnou množinu G

spolu s neprázdným systémem {/0 ; a E I} n -árnfcb algebraickýcl1 operací na množině G.
(Číslo n mŮže být pro rúzné operace rúzné.) Značíme g = (G, / 0 ; a E I).

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

Va, b E G; a ob= boa,

pak se g nazývá komutativní grupoid.

Definice 3.4 Pologrupou rozumíme libovolný grupoid g = (G, o), ve kterém je operace
„o" asociativní, tj. platí-li

Va,b,c E G ;ao (boe)= (aob) oc.

Komutativní pologrupu budeme také nazývat abelovskou.

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.

Příklad 3.3 Nechť Z 3 = {O, 1, 2}. Označme „EB" operaci na Z3 takovou, že

Va b E z3 . a EB b = { a+ b, pokud a+ b < 3;
• • (a+ b) - 3, pokud a+ b ~ 3.
Následující tabulka je Cayleyovou tabulkou grupoidu Z 3 = (Z3 , EB).

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

3nE GVa E G;aon= a= noa.

Každý takový prvek n nazýváme neutrálním prvkem grupoidu 9.

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

D efinice 3.6 Nechť grupoid 9 = (G, o) má neutrální prvek n a nechť a E G. Pak

a• E G se nazývá symetrickým prvkem k prvku a, platí-li

aoa' = n=a'a.

Věta 3 .2 Ke každému prvku pologrupy 9 = (G,o) s neutrálním prvkem n může exis-

tovat nejuýše jeden symetrický prvek.

D ů k a z: Předpokládejme, že a je prvek pologrupy Q a že a•, a+ jsou symetrické prvky

k a. Platí tedy a o a• = a• o a = n, a o a+ = a+ o a = n. Můžeme proto psát
a•= a· on= a• o(aoa+) = (a' oa)oa+ =noa+ = a+,
tzn. a•= a+. o

D e finice 3. 7 Pologrupa 9 = (G, o) se nazývá grupa, obsahuje-li neutrální prvek a

existuje-li v ní ke každému prvku symetrický prvek, tj. jsou-li pravdivé výroky

3n E GVa E G;aon =a= noa,

'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.

3.2 Algebraické struktury se dvěma binárními opera-

cemi
V této části budeme definovat základní typy algebraických struktur se dvěma binárními
operacemi. K jejich popisu budeme s výhodou využívat právě zavedených pojmů.

D efinice 3.8 Okruhem nazýváme algebraickou strukturu M = (M, +, ·) se dvěma

binárn.ími operacemi,,+" a,,·" takovou, že (M, +) je komutativn.í grupa, (M, ·) Je pologrupa.
a operace násobení j e zleva i zprava distributivní vzhledem k operaci sčítání, tj. platí-li

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,

Op Va, b,cE M;(a+b)c=ac+bc.

Je-li pologrupa (M, ·) komutativní, tj. platí-li
M2 Va,b E M;ab = ba,
pak se okruh M nazývá komutativní.

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(a - a)= aa - aa = o, (a - a)a = aa - aa = o,

tedy ao = o = oa.
Příklad 3.5

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.)

b) Násobení i sčítání komplexních čísel jsou komutativní a asociativní operace a násobení

je distributivní vzhledem ke sčítání. Proto pro libovolnou neprázdnou podmnožinu A
množiny C platí, že A je číselným okruhem (spolu s číselným sčítáním a násobením),
jestliže
1. "la, b E A; a+ b E A,
2. OE A,
3. 'va E A; -a E A ,
4. 'va,bEA;abEA.

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

b) Okruh Z 4 z příkladu 3.6 je komutativní, číslo 1 je jednotkovým prvkem v Z 4 a platí

• 1 :/, O. Přitom Z 4 není oborem integrity, protože platí O :/- 2, ale 2 ® 2 = O, tedy Z 1
obsahuje netriviální děli tel nuly.

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

a) Těleso nemůže obsahovat netriviální dělitele nuly.

b) Každé komutativní těleso je oborem integrity.

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

3.1 Zjistěte, je-li

a) sčítání na Zo,
b) sčítá.ní na z-,
c) sčítánína{ - 1,1},
d) sčítání na !R\ Q (tj. na množině všech iracionálních čísel),
e) násobení na Co,
f) násobení na z-,
g) násobení na R \ Q,
h) násobení na { -1, 1},
i) dělení na Qo,
j) odčítání na C,
k) umocňování na Z
binární operací na příslušné množině.
[ a),c),d),f),g) ,k) není; b),e) ,h),i)J) je]

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. ]

3.3 Nechť pro libovolná. reálná čísla a, b platí

aDb =a+ b + 1, a6b =a + b + ab.

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

je typu 2 x 3 nad Q (popř. nad JR, C), matice

je typu 2 x 2 nad R (popř. nad C).

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).

Příklad 4.2 Budeme uvažovat matice nad Q. Označme

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.

Věta 4.1 Jsou-li A , B, CE Mmxn(T) , pak plat(

1} A= A,
2) A = B => B = A,
44
KAPITOLA 4. MATICE HORT,RACHŮNEK

3} (A= BI\ B = C) =>A= C,

tzn. , že rovnost matic z množiny Mmxn(T) je reflexivní, symetrická a tranzitivní.

D ů k a z: Je zřejmý. o

Definice 4.5 Nechť A = llai;II, B = llb;;II E Mmxn(T). Potom součtem matic A

aB rozumíme matici A+ B = lle;;II E Mmxn(T) takovou, že e;; = a;;+ bi; pro každé
i= 1, ... , m, j = 1, . .. , n.

Příklad 4.3 Nechť

Potom

A +B = ( -41 39 -63) .
Věta 4.2 Množina Mmxn(T) spolu s operací sčítání matic je komutativní grupa.

D ů k a z: Jsou-li A, B E Mmxn(T), potom jejich součet A+ B patří podle definice

4.5 také do Mmxn(T), takže sčítání matic je binární operací na této množině. Tzn., že
(Mmxn(T), +) je grupoid. Nyní máme ukázat, že grupoid (Mmxn(T), +) je asociativní
a komutativní, obsahuje nulový prvek a s každým prvkem také prvek k němu opačný.
Nechť tedy A= lla;;II, B = llb,;II,C = llciill E Mmxn(T).
Pak

Protože sčítání v tělese T je asociativní, platí

(% + bi;) + C;j =a;;+ (bij+ e;;),
tedy
ll(a;; + b,;) + e;;II = lla;; + (b,; + e;;)II =
= 11%11+ llb,; + e;;II = lla.;II + (llb,;II + lle;;ID-
Proto platí (A+ B) + C =A+ (B + C).
Podobně dostaneme (využijeme-li komutativnost sčítání v tělese T)

A+ B = lla,;11 + llb;;II = lla.;; + b;;II = llbi; + a.;II = llb;;II + lla;;II = B + A.

Pro nulovou matici N typu m x na pro libovolnou matici A= lla;;II E Mmxn(T) platí

A+N = lla,;11 + IIOII = lla;; + 011 = lla;;II = A,

45
HORT,RACH ŮNEK KAPITOLA 4. MATICE

tedy N je nulovým prvkem v (Mmxn(í), +).

Označíme-li -A= li - a,;11, pak platí

A+ (-A) = lla..,11 + li - a..;11 = lla.., + (-a..;)11 = 11011 = N,

proto - A je opačným prvkem v (Mmxn(í),+) k matici A. (Matici -A budeme nazývat
opačná matice k matici A.) O

- ~ilil'11-..-~ typ e příkladem binární operace na množině Mmxn(í), protože

libovolnou dvojici matic z Mmxn(í) je určena jednoznačně další matice z této množiny.
Nyní si uká-2eme, že můžeme přiřadit jednoznačně matici z Mrnxn(r) libovolnému prvku
z T a libovolné matici z Mmxn(í). Takovému přiřazení, které používá prvků ze dvou
různých množin, budeme říkat vnějš{ operace. (Přesnou definici vyslovíme později.) Prvky
z tělesa 7 budeme ve vztahu k maticím nazývat také skaláry.

Definice 4.6 Necht! c E 7 , A = lla,;11 E Mmxn(í). Potom (levým) součinem skaláru

ca matice A rozumíme matici cA = llca..;11 E Mmxn(í).

Poznámka: Podobně je možno definovat pravý součin matice A a skaláru c vztahem

Ac = lla,;cll, Ovšem vidy platí ca.;= Cli;C, proto Ac = cA.

Příklad 4.4 Je-li c = 5,

A= ( -22 3O -14 )'
pak

Věta 4.3 Pro libovolné skaláry c, d E T a libovolné matice A, B E Mmxn platí

1) c(A + B) = cA + cB,
2) (c + d)A = cA + dA,
S} (cd)A = c(dA),
4) l ·A= A.

Dů k a z: Nechť c,d E T , A= lla;;II, B = llb,;II E Mmxn(í). Potom platí:

1) c(A =
+ B) c(lla;;II + llb,;11) = clla,; + b,;I I = llc(a;; + b;;)II = llca,J + cb,;II =
=
llca..;11 + llcb;;II clla..;11 + cllb,,11 = cA + cB;
2) (c + d)A = (c + d)IICli; II = ll(c + d)Q.;jll = IICCli; + da;;II = llca..,11 + llda..;11 = clla;;II +
dlllli;II = cA + dA;

46
KAPITOLA 4. MATICE HORT ,RACHŮNEK

3) (cd)A = (cd)lla.3 11 = ll(cd)%11 = llc(da;;)II = cJJda;;II = c(dllai;II) = c(dA);

4) 1 ·A = 1 · lla;;II =lil· a;;II = lla;;II = A.
o
V dalším budeme definovat souči n matic. Na rozdíl od sčítání matic, které bylo ope-
rací na množině matic téhož typu, při iiáiiliiiiimati~ přifazujem dyě1J18, maticím( na
jejichž typy bude dán jistý požadavek, třetí matici, jejíž typ se nemusí rovnat typu žádné
z původních matic, ale přitom bude těmito typy jednoznačně určen.
Než však přistoupíme k samotné definici součinu matic, popišme si metodu zkráceného
zapisování součtů, kterou budeme při násobení matic s výhodou používat. Této metody je
možno využít v libovolném komutativním okruhu.
Nechť M = (M, +,·)je komutativní okruh. Pro stručné zapisování vzorců a výpočtt1
bude výhodné zapisovat součty pomocí tzv. součtových znamének. Jsou-li a1, a2, ... , an
prvky z M, n E N, pak budeme psát
n
a1 + a2 + ... +a,,= L a,.
i=I

Číslo i ve výrazu a; nazveme součtový index. Symbol

:::::::---
't vyjadřuje, fo postupně máme
i=l
do a; dosazovat za index i čísla 1, ... , n a vzniklé výrazy sečíst. Číslo 1 se nazývá dolní
mez, číslo n horní mez sčítání. Vidíme tedy, že nezáleží na tom, jakého symbolu použijeme
k označení součtového indexu, protože za něj pouze dosazujeme čísla l, . .. , n. Proto platí
n n
E a;= Eak.
i= I k=I

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

Stejný součet můžeme také zapsat ve tvaru

n-m
Om+I + am+2 +,,, + an = L Om+i·
i:l

Jsou-li m, n E N, pak z asociativnosti sčítání v okruhu M platí

m n m+n
E a.+ E
i :1
a;= E a,,
i=l

47
HORT,RACHŮNEK KAPITOLA 4. MATICE

a protože sčítání v M je navíc komutativní, platí také

La;+ Lb,=L<a; + b,).

n

i=l i=I
n

i=I
n

Je-li c E M, pak píšeme

c(a1 + 02 + ... +On) =c La;,

n

i :I

a na základě distributivnosti násobení vzhledem ke sčítání platí

n n

cL a, = L ea;·
i=I i=l

V poslední rovnosti vidíme, že prvek ve výrazu za součtovým znaménkem, který nezávisí

na součtovém indexu, se v jednotlivých sčítancích nemění. Můžeme-li proto vyjádřit každý
člen součtu ve tvaru takového součinu, že jeden z jeho činitelů je pro všechny sčítance stejný
a nezávisí na součtovém indexu, můžeme tento činitel vytknout před součtové znaménko.

t
Platí tedy

(ta;)(t.b;) =t. (a;t.b,)= (t. ~b;))

(t a;)(t.bi)= (t.bi)(ta,)=
=t (b; t.a;) = t. (tb;a;)=t (ta;b;).
Můžeme proto zbytečné závorky vynechat a psát

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

a sečteme-li tyto součty, dostaneme prvek

48
KAPITOLA 4. MATICE HORT,RACHŮNEK

Podobně, vytvoříme-li součty

m
L <li;,j = 1, ... ,n,
i=l

a sečteme-Ji je, dostaneme prvek

Je zřejmé, že na základě asociativnosti a komutativnosti sčítání v okruhu M platí, že

se tyto dva. prvky sobě rovnají; můžeme tedy psát bez závorek
m n n m

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.

Definice 4 .7 Nechť A= 11%11 E Mmxn(T), B = llb;kll E Mnxr,(T). Potom součinem

matic A a B (v tomto pořadí) rozumíme matici A· B = AB = lle;kll E Mmxr,(T) takovou,
že n
C;k = I: <li; . b;k,
j=l

pro každé i = 1, ... , m, k = 1, ... , p.

Poznámka:
a) Vidíme tedy, že matice A a B můžeme násobit jenom tehdy, je-li počet sloupců matice
A stejný jako počet řádků matice B.
b) Existence součinu AB ještě neimplikuje existenci součinu BA. Je zřejmé, že je-li A E
Mmxn(T}, B E Mnxp(T}, pak BA existuje právě tehdy, když m = p.

Příklad 4.5 Jestliže

pak součin AB existuje a platí

~
1
AB = ( ~ -~ -~)

49
HOITT,RACH Ů NEK KAPITOLA 4. MATICE

a přitom součin BA neexistuje.

Věta 4.4 Násoben( matic je asociativn(, tj. jsou-li A E Mmxn(7l, B E Mnxp(7l,

CE M„x,(71, pak
(AB)C ' A(BC). =
D ů k a z: Nechť A = lla;;llmxn, B = llb;kllnxp, C =
llckill 11 xr· Označme AB =D =
llct..1:llmxp, =
BC = F IIJ,,ll„xr· Podle definice součinu matic tedy platí
n JI

d;k = I: a;;b;k, / ;, = I: b;kckl·

j=I k: l

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

a pro matici A(BC) prvek

t. t. (t
a;;/ ,1 = 0.; b;kckl) = t. t a;;(b;kCkt) .

Protože sčítání v tělese í je komutativní a asociativní a násobení v í je asociativní,

oba tyto prvky se sobě rovnají, a proto z definice rovnosti matic dostáváme i rovnost
(AB)C = A(BC). O

Poznámka : Matici {AB)C = A(BC) můžeme proto bez obav z nedorozumění oz načovat
také ABC.

Příklad 4.6 Nechť

A=( -~i) ,s=(-; _!) ,c= (-~ -i)·.

Potom matici ABC můžeme např. určit takto:

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

A(BC) = ( -i ~) [( -; _!) ( -~ -~)] = ( - ~ ~) ( ~; _;) =

( 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

což ovšem znamená, že A(B + C) = AB + AC.

=
Rovnost (B + C)D BD + CD se dokáže analogicky. o
Věta 4.6 Je.li n E N, pak Mn(T) = (Mn(T), +, ·) je okruh s jednotkovým prvkem.
Je.li n > l, pak Mn(T) není komutativní a obsahuje netriviální dělitele nuly. Je-li n = l ,
pak Mn(T) je komutativní těleso.
D ů k a z: Podle věty 4.2 platí, že (Mn(T), +) je komutativní grupa a podle defi-
nice součinu matic a věty 4.4 je (Mn(T), ·) pologrupa. Je zřejmé, že jednotkovým prvkem
v (Mn(T), ·) je jednotková matice En. Podle věty 4.5 je násobení matic oboustranně dis-
tributivní vzhledem ke sčítání matic. To ovšem znamená, že Mn(T) = (Mn(T), +, ·) je
okrnh.
Nechť n > l. Uvažujme např. matice A 1 , A2 E Mn(T), kde

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

4.2 Aritmetické vektorové prostory

Nyní si blíže všimneme takových matic nad číselným tělesem T , které mají buď jen jeden
řádek nebo jen jeden sloupce. V analytické geometrii na střední škole se každému geo-
metrickému vektoru v rovině přiřazuje uspořádaná dvojice reálných čísel , tzv. souřadnice
tohoto vektoru. Podobně každému vektoru třírozměrného prostoru je přiřazena uspořádaná
trojice jeho souřadnic. Přitom každý vektor je svými souřadnicemi plně určen , proto každou
uspořádanou dvojici, resp. trojici, reálných čísel můžeme samu považovat za tzv. arit-
metický vektor. Podobným způsobem můžeme definovat vektory jakéhokoliv konečného
rozměru. Použijeme k tomu výsledků, které jsme obecně odvodili pro matice.

D efinice 4.8 Pro kaid6 n E N budeme (řádkovým) n-rozměrným aritmetickým vek-

torovým prostorem nad T (značíme P) rozumět komutativní grupu (Mixn(T) , + ) všech
matic typu 1 x n nad T uvažovanou spolu s násobením matic z M1xn(T) skaláry z T.
Každou matici z Mixn(T) pak nazveme n-rozměrný (řád kový) aritmetický vektor nad T.
Poznámka :
a) Pro označení vektorů budeme místo velkých písmen používaných pro matice užívat
malá podtržená písmenka, nebo standardně používanou šipku. Je-li tf = (1,1, ... , un)
n-rozměrný aritmetický vektorový vektor, pak prvky u 1, ••• , u 11 E T budeme nazývat
souřadnice vektoru tf.
b) Podobně budeme za vektory považovat ~atice LYm'_!.l x l ..nad T. Pro odlišení od
řádkových vektorů z P je budeme nazývat sloupcové aritmetické vektory nad T a k je-
jich označení použijeme zápisu užívaného pro transponované matice, např.

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

nastává právě tehdy, platí-li soustava n číselných ·rovností

v, = U11C1 + U21°-1 + + UkJCk

V7 = U12C1 + 1!22°-! + + Uk2Ck

Vn = U1nC1 + U2nC2 + + UknCk

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

tzn. zjistíme, má-li řešení soustava rovnic

a)
2Ct 3o,i + C3 4
C1 + 4o,i = -2.
- 2c 1 + 2o,i 3
Eliminační metodou vypočítáme, že tato soustava má jediné řešení c1 2, C%! - 1, c3 = = =
- 3 tedy ti= 2ut - ~ - 3~, a proto ti je lineární kombinací vektorů u!,~.~-
b)
-Sci + C2 3c3 = 2
2c1 3o.i 4c3 = -1.
Ct + 2o,i + 5c3 = 3
Snadno vypočítáme, že tato soustava nemá řešení, tzn. že vektor ti není lineární kom-
binací vektorů u!,~.~-

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.

Poznámka: Je zřejmé, že vektory iit = (uu, •. . , t1.1n), Ui = (IL2i. . .. , t1.2n), • •. , ut =

jsou lineárně závislé právě tehdy, má-li soustava číselných rovnic
(uk 1 , ..• , Ukn)

o = U11C1 + U21C2 + + Uk1Ck

o = t/.uC1 + tL2 1C2 + + Uk 1Ck

o = U1nC1 + U2nC2 + + UtnCk

aspoň jedno nenulové řešení (tj. takové řešení, v němž je alespoň jedno z čísel c 1 , ••• , ck
různé od nuly).

Příklad 4.9 Zjistěte, jsou-li lineárně závislé nebo nezávislé vektory

a) iit = (2, -3),~ = (1,4),m = (4,-17);
b) iit = (-2, 4, 1),~ = (5,0,-3).

a) Protože soustava
2c, + C2 + 4c3 = O
-3c, + 4<>.i + -17c3 = O

má např. řešení C1 = -3, C2 = 2, C3 = 1, jsou vektory ut,~' mlineárně závislé.

b) Soustava
-2c1 + 5C2 = o
4c1 = o
c, 3C2 = o
nemá řešení, v němž by c 1 nebo C2 bylo různé od nuly, tedy vektory iit, ~ jsou lineárně
Ac.-závislé.

54
KAPITOLA 4. MATICE HORT,RACHŮNEK

4 .3 Cvičení

4 .1 Nad tělesem JR jsou dány matice

Určete zda jsou definovány matice A+ B , A · B, B · A, C + D, C · D, D . C, v kladném

případě je určete.

[(! ! -~~} 1 ne; ne; ne; ( ~~ -~~ ~~ } ne J

4.2 Určete matici 2A + B - 3C, platí-li

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 ]

4.4 Nad tělesem JR řešte maticovou rovnici

2 ·. ( 2
7

9O 52) I
4.5 Vypočítejte

a)(: =! b)( ~r; ~ r

[a)(;~: =~! );b)( >.~ n>.n~~) J

4.6 Nalezněte vzorec pro výpočet An kde n E Na A je matice nad tělesem R:

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

4. 7 Určete A3 kde matice A je n-tého stupně

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 ]

4.9 Matice A, B nazýváme zaměnite.lné, existují-li oba součiny A · B a B · A a platí-li

A· B = B · A. Zřejmě zaměnitelné mátice jsou čtvercové a mají stejný stupeň. Určete
všechny matice, které jsou zaměnitelné s maticí

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 .

Tomuto tvaru budeme někdy také říkat základní tvar permutace.

Věta 5.2 Pro každou n-prvkovou množinu (n :S 1) existuje právě n! permutací.

D ů k a z: Víme, že každou permutaci můžeme zapsat v základním tvaru. To ovšem

znamená, že počet permutací na n-prvkové množině bude stejný jako počet pořadí na této
množině, protože právě tolik bude také permutací v základním tvaru. Z věty 5.1 dostáváme
tvrzení. O

Všechny zápisy téže permutace budou pro naše účely rovnocenné, protože mají stej-
nou charakteristickou vlastnost, tzv. znaménko permutace. Nejdřív ale budeme definovat
znaménko pořadí.

D efinice 5.3 Je-li rr = {k 1, k2 , . .. , kn) pořadí, pak řekneme, že prvky k; a k; tvoří

v pořadí rr inverzi, platí-Ji i < j a k; > k; .

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

{Symbol sgn 1r je zkratka latinského „signum", což je „znamení".)

60
KAPITOLA 5. DETeRMINANTY HORT,RACHŮNEK

Příklad 5 .3 Protože pořadí 7f z příkladu 5.2 má 5 inverzí, je sgn 1r = (-1)5 = -1,

a tedy 7f je liché.
Nyní se už dostáváme k pojmu znaménko permutace.
Definice 5.5 Znaménkem permutace

= (::)
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.

Příklad 5.4 Určete znaménko permutace

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.

Označme identickou permutaci (pro připomenutí, je to taková permutace, která po-

nechává všechny prvky na místě) symbolem P0 . Připomeňme, že inverzní permutací k per-
mutaci P rozumíme takovou permutaci p - 1, že PoP- 1 =Po= p-1 0P. Víme, že ke každé
permutaci P permutace p - 1 existuje a že je určena jednoznačně. ·
Věta 5 .3 Pro každou permutaci P platí sgn P = sgn p - 1•

D ů k a z: Víme, že je-li P = ( :~), pak p - 1 = ( ;~). Tvrzení tedy plyne přímo

z definice znaménka permutace. O

Pro studium permutací a determinantů mají velký význam tzv. transpozice.

61
HORT,RACHŮNEK KAPITOLA 5. DETERMI NANTY

Definice 5.6 'Transpozicí na množině A = {1, 2, ... , n} nazýváme každou takovou

permutaci P na A, pro kterou existují čísla i, j E A, i fa j, taková, že P(k) = k pro každé
k E A\ {i,j} a P(i) = j, P(j) = i.

Pokud bude zřejmý počet prvků množiny A, pak tuto transpozici budeme také stručně
označovat(i,j) .

Příklad 5.6 Permutace

p = (11 2 33 42 5)5
4
zaměňuje navzájem čísla 2 a 4 a ostatní ponechává na místě, proto P je transpozicí (2, 4)
(resp. (4, 2)).

Věta 5.4 Každá transpozice je sama k sobě inverzní.

D ů k a z: Plyne přímo z definice transpozice. o

Definice 5.7 Je-li 7í = (i1, i 2, ... , in) pořadí a P = (J1

2 ... n)
ki . . . kn permutace na
{l, 2, ... , n}, pak řekneme, že pořadí 1r' = (ki" k; 2
, ••• , k;J vznikne z pořadí 1r pomocí
permutace P.

Příklad 5. 7 Je-li n = (2, 4, 5, 1, 3) a

P=G 2 3 4 5)
4 1 2 3 I

pak pořadí 1r' = (4, 2, 3, 5, 1) vzniklo z pořadí 1r pomocí permutace P

Věta 5.5 Vznikne-li pořadí 1r' z pořadí 1r pomocí některé transpozice, pak platí

sgn 1r' = -sgn 1r.

D ů k a z: Nechť 7í = (k1, k2, ... , kn) je pořadí na množině {l , 2, ... , n }, n > 1.
a) Nechť pořadí 1r' vznikne z pořadí 1r pomocí transpozice (k;, k;+ 1) , kde i E {1, 2, ... , n -
1}. Je zřejmé, že každá dvojice prvků k;, kr (j < r) různá od ki, k;+ 1 tvoří nebo netvoří
inverzi současně v obou pořadích n a n'. Tedy v případě, že k;, k;+ 1 tvoří v 1r inverzi,
platí [n] = (n'J + 1, a pokud k 1, k;+ 1 netvoří v 1r inverzi, platí [1r] = [1r'J - 1. V každém
případě ovšem sgn 1r' = -sgn n.

b) Předpokládejme, že 1r' vznikne z 1r pomocí transpozice (ki,k;), kde i< j. Tedy je-li

7í = (k1, ... , ki- 1, ki, k;+1,, .. 1 k;- 1, k;, k;+i,.,. 1 kn),

pak
1r' = (k1, ... ,ki-1, k;,k;+1, ... ,k;-1, k; , k;+1 , . .. ,kn)·
62
KAPITOLA 5. DETERMINANTY HORT,RACHŮNEK

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

(k;, k;-d, (k;, k;-2), ... , (k;, k;+1)

už dostaneme pořadí 1r'. Celkově tedy postupně používáme (j-i)+((j - i} -1) = 2(j-i)- l
transpozic. Protože každá z transpozic sousedních prvků změní podle části a) znaménko
pořadí , platí proto
sgn 1r' = (-1) 2 0 - i)- i · sgn 1r = -sgn 1r.

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.

D ů k a z: Provedeme indukcí podle počtu n prvků množiny.

Pro n = 1 je tvrzení triviální.
Nechť tvrzení platí pro každou nejvýše (n - 1)-prvkovou množinu a uvazuJme n-
prvkovou množinu A = {l, 2, ... , n}. Vybereme libovolné pořadí (k1, k2 , ... , kn) množiny
A. Podle indukčního předpokladu můžeme požadovaným způsobem uspořádat všech (n-1)!
pořadí množiny {k2, ... , kn} počínaje pořadím (kz, k3, ... , kn) - Napíšeme-li před první pr-
vek každého z těchto pořadí množiny {k2, ... , kn} prvek k1, dostaneme posloupnost (n-1) !
pořadí množiny {1, 2, ... , n}, která postupně vznikají pomocí transpozic.
Nyní jako další prvek posloupnosti zařadíme pořadí, které vznikne z posledního pořadí
dosud konstruované posloupnosti pomocí transpozice (k 1 , k2 ) a provádíme stejné úvahy
s pořadími na množině {k1, k2, ... , kn}. Tímto způsobem post upujeme tak dlouho, až
zapíšeme do posloupnosti všechna pořadí, která začínají prvkem kn. O

Věta 5.7 J e-li n ~ 2, pak mezi všemi n! pořadími n-prvkové množiny je p1·ávě !f
sudých a ~ lichých pořadí.

D ů k a z: Uspořádáme-li všechna pořadí do konečné posloupnosti jako ve větě 5.6, pak

podle věty 5.5 platí, že znaménka dvou po sobě jdoucích pořadí v této posloupnosti jsou
různá. Odtud plyne tvrzení. O

Bez důkazu nyní uvedeme následující větu.

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.

Příklad 5.8 Rozložíme na transpozice permutaci

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.

Věta 5.9 Vznikne-li pořadí 1r z pořadí 1r pomocí permutace P, pak sgn

1
1r
1
= sgn P ·
sgn 1r.

D ů k a z: Předpokládejme, že uvažujeme pořadí na n-prvkové množině. Uvažujme

posloupnost všech n! pořadí, které začíná pořadím 1r a které má stejnou vlastnost jako
posloupnost pořadí ve větě 5.6. Má-li 1r' stejné znaménko jako 1r1 pak 1r' musí v této
posloupnosti ležet na lichém místě. Tzn., že složíme-li odpovídající sudý počet transpozic,
pomocí kterých jsme se postupně dostali od 1r k 1r' , dostaneme sudou permutaci P , pro níž
ovšem platí, že právě pomocí ní vzniklo 1r' z 1r. Analogicky pro případ sgn 1r' = -sgn 1r. O

(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,

tedy Pi o P = P; o P. Odtud dostáváme (P; o P) o p-l = (P; o P) o p- 1 a z asociativnosti

skládání permutací také Pi o (Po p- 1 ) = P; o (Po p - 1). Protože Po p- 1 je identická
permutace Po, musí platit Pi= P;.
Avšak Pi=
. n,
(1r~),
P; = (no) , a proto také ,ri = 1r;.
n,
V posloupnosti n1, n 2, . . . , 'lín! ovšem platí, že pro i t= j nastane 1ri t= n;, to je spor.
Proto v posloupnosti

jsou všechna pořadí navzájem různá. o

5.2 Základní vlastnosti determinantů

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

A = (:i: :i: :_:_: :i:)

Q.,,1 Q.,,2 ••• a...n
je čtvercová matice stupně n nad číselným tělesem T
Determinantem matice A pak rozumíme číslo detA z tělesa T takové, že

detA = ~ sgn P · a1k, · lv.!k 2. • ••• • ank.,

p

kde sčítáme přes všechny permutace

množiny {l, 2, ... , n}. Každý ze součinů

nazýváme člen determinantu detA.

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.

Tedy detA = auai2 - a12a21-

b) Podobně určíme determinant matice 3. stupně

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

Poznámka: Uvedená vyjádření determinantů současně ukazují obecnou metodou, jak

vypočíst konkrétní determinantý 2. a 3. stupně. Tato metoda se také nazývá Sarrusovo
pravidlo. Ale pozor: Sarrusovo pravidlo nemá tak přehlednou analogii pro determinanty
matic stupňů vyšších než tři .

Příklad 5.10 Určete determinanty

-2 1 4
5 2 - 1
3 1 6

Podle předchozího příkladu platí

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

(A+ Bf =AT+ sr,

(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.)

Věta 5.11 Pro každou čtvercovou matici A E Mn(T) platí

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

kde sčítáme přes všechny permutace P = (f

1
:
2
~ ) na {l, 2, ... , n}. Ovšem

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

L sgn P bk, bk,2 ... bk.n = L sgn P' bik,

p
1
P'
b2k2 ... bnk., =detAr.
Proto detAT = detA. o
Poznámka: Věta 5.11 má velký význam pro prac1 s determinanty. Budeme-li totiž
provádět úvahy týkající se sloupců matic, potom tyto úvahy jsou vlastně také úvahami
týkajícími se řádků transponovaných matic.
Takže dokážeme-li některá tvrzení o determinantech všech matic taková, že v jejich
formulaci se používají řádky matic, potom platí analogické tvrzení, ve kterých se používají
sloupce matic.

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.

D ů k a z: Je zřejmé, že součin prvků na hlavní diagonále je členem determi nant u,

který vystupuje s kladným znaménkem. (Řádkové a sloupcové indexy zde tvoří identickou
permutaci.) Je-li a1k, ~k• .. . Onk. další člen determinantu, potom alespoň pro jeden index
i (i= 1, 2, ... , n) musí platit k; < i. Pokud by totiž pro všechny indexy j (j = 1, 2, ... , n)
platilo k;;:: j, potom by
p _ (1
-
2 ...
k1 k2 .. . kn
n)
nebyla bijekce. Proto alespoň jeden prvek ze součinu au, 02k, ... Onk. různého od součinu
au a22 . .. ann je roven nule, a tedy i každý takový součin je nulový. To ovšem znamená, že
detA = au a22 . .. Onn · O

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

Dů k a z: Předpokládejme, že i< j, a uvažujme transpozici T = (i,j). Jestliže

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

detB =L sgn p b1k, b2k2 ... bik; , •. bjk; , , , bnkn =

p

= I: sgn P a1k, ... °'ik; ... ap,, ... ank. =

p

= L sgn P' aik, ... a;k, ... Ojk; .. . Onkn = -detA.

P'

Věta 5.15 Vznikne-li matice B z matice A E Mn(Í) provedením některé permutace

Pna řádky matice A, potom
detB = sgn P · detA.

D ů k a z: Tvrzení je důsledkem věty 5.14 a věty 5.9. o

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.

Příklad 5.11 Určeme algebraické doplňky A 12 a A33 prvků matice

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 = ll -+r -:-+r -+r -+r

b, , ... , b„ li, detA = lbi , ... , bn I

a
at at
A= ,detA =
~ ~
b) Jsou-li i,j E {1, ... , n} , pak označíme

ó;, = {1,o, pro i= j;

pro i# j.

Věta 5.17 (Laplaceova) Nechť A = lla.;kli E M,.(7). Potom

a) pro každé i = 1, ... , n platí
n
L
k ml
OikAik = detA;
b} pro každé i, j = 1, ... , n, i# j plat(
n
L°'ikÁjk = o.
k=I

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

D ů kaz (věty 5.17): Víme že

detA = L sgn P · a1k, . . . ank,,

p

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

kde B;k je prvek z 7.

Pokud zaměníme v matici A j-tý řádek i-tým řádkem (např. i < j), platí podle věty
5.16

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

a11Bq = L sgn P a11a2.1; 2 ••• Unk,.,

p

kde sčítáme přes všechny permutace

To t edy znamená, že
Bu = L sgn P' 02k,a3k3 ... Unk,.,
P'

71
HORT,RACHŮNEK KAPITOLA 5. DETERM INANTY

kde P' je libovolná permutace množiny {2, 3, ... , n} ve tvaru

p _ (2 3 ... n)
-/cik3 ... kn.
Protože platí sgn P = sgn P', je Bu = Mu , a protože Au= (-1) 2 Mu, platí také
Bu = Au .
b) Nyní dokážeme obecně, že B;; = A;; pro každé i, j = 1, ... , n. Proveďme nejdříve

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

C= lle;kll = a;- 1.; a,-1,1 a;-1.;- 1 a;-1.;+1 ai-1,n

a;+1.; Oi+!,I a;+1.;- 1 a,+1,;+1 ai+l,n

On; Oni Onj-1 anJ+I Onn

Protože je podle věty 5.8 sgn P1 = (- l)i- l a sgn P2 = (-t)i- 1, platí podle vět 5.15
a 5.11, že
detC = (-1)i- 1 (-1)HdetA = (-1)i+idetA.
Označme (analogicky jako pro matici A) symbolem Cilc minor matice C příslušný
k prvku Cik a 'D;k prvek z T vzniklý sečtením členů detC obsahujících Cik uvažovaných
se znaménky po vytknutí prvku Cik (i, k= 1, ... , n). Platí Cu= aik, Cu = Mu, a
n
detC = L e; (D;i.,
1 i = 1, . .. , n.
k=I

Podle části a) důkazu přitom platí 'D11 = C11 • Proto dostáváme

+ a;;Bi; + ... + a.nBin = detA = (-t)i+idetC = (-l)i+i(c11'D11 + ... +
ail Bil + ...
C1n'D1n) = (-l)i+i(a;;M;; + a;ťD12 + ... + a;.;-1'D;; + Oi.;+t'Di,i+i + ... + C!in'Din),
a přitom Vik = (-l)i+j Bi,k- 1, k = 2, ... ,j, 'Du = (- l)i+j Bil, l = j + 1, ... , n. Platí
proto

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.

D ů k a z: Nechť i = 1, ... , n, A = ar a B = c- ar Potom podle Laplaceovy

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

ar= E ai.1:Ák=L(~+ck)Á.1:=Lb.1:A;k +L~Aik =6 +?

k=I k=I k= l k=I

73
HO!tr ,RACHŮNEK KAPITOLA~ DETERMIJIIA!'ITY

Věta 5,20 Nechť A E Mn(í). Vznikne-li matice B E Mn(í) z matice A tak, že

k nékterému řádku matice A přičteme libovolnou lineární kombinaci ost.atn{ch řádků této
matice, pak plat<
detB = detA.
D ů k a z: Bez újmy na obecnosti můžeme předpok ládat, že k prvnímu řádku <it matice
A přičteme lineární kombinaci

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<

Předchozích vět budeme využívat k praktickému výpočtu determinantů matic vyšších

stupňů. Podle Laplaceovy věty můžeme výpočet determinantů matic n-tého stupně převést
vždy na výpočet n determinantů (n - l )-ho stupně. Přitom každý z těchto determinantů
(n - 1)-ho stupně je vynásoben (kromě znaménka) prvkem určitého řádku (nebo sloupce)
dané matice.
Proto převedeme-li danou matici na takovou matici, která má stejný determinant jako
původní matice, ale má v řádku některé prvky rovny O, nemusíme při rozvoji podle Lapla-
ceovy věty počítat v nové matici algebraické doplňky nulových prvků používaného i·ádku.
V některých případech můžeme dokonce dosáhnou toho, že v jistém řádku (nebo sloupci)
budou rovny nule všechny prvky s výjimkou jednoho. Pak můžeme převést výpočet deter-
minantu matice n-tého stupně na výpočet jednoho determinantu (n - 1) stupně. V každém
případě ale můžeme u konkrétních matic postupně snižovat stupeň tak dlouh o, dokud
nedosáhneme matice třetího nebo druhého stupně, a pak použít Sarrusovo pravidlo.

Příklad 5.12 Vypočítejte determinant

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

kde v b) je determinant matice n-tého stupně.

-2 3 -1 2 O - 1 -1 10
-1 - 1 10
a) 1 -2 O 4 1 -2 O 4 =l·(-l) 2+ 1 • o
2 -4 - 2 5 O O -2 -3 2 -3 =
-4 1 7
-3 2 1 -5 O -4 1 7

= (- 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

5.3 Determinant součinu matic

Hlavním obsahem této části je důkaz tvrzení o tom, jak spočítat determinant součinu dvou
čtvercových matic téhož stupně. Toto tvrzení bude mít zásadní význam např. při studiu
vlastností množiny tzv. regulárních matic.

Věta 5.22 Nechť A= lla;;II E Mn(T) , n > 1, je taková matice, že platí

kde B je čtvercová. matice stupně r a C je čtvercová matice stupně s. (Samozřejm ě r + s =

n.) Potom platí
detA = detB · detC.
D ů k a z: Provedeme indukcí podle stupně matice A.
a) Je-li A E Mn(T}, pak A je tvaru

a platí detA = a11a22.

b) Nechť tvrzení platí pro všechny matice typu nejvýše n - 1 (n > 2). Uvažujme matici
n-tého stupně, pro kterou platí

kde B E M,(T) , CE M,(T).

Podle Laplaceovy věty pak platí
n n
detA =I :01;A1; = ~)- 1) 1+ia1; M 1;.
j: l j=I

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

M1; = detM1; = detB1; · detC (j = 1, ... , r).

Ovšem matice M1,r+1, ... , M1,n můžeme rozložit na takový tvar, že levá horní čtvercová
matice je stupně r-tého, a tedy má v posledním řádku samé nuly. Determinant každé
z těchto matic je ovšem také roven nule, proto podle indukčního předpokladu platí také
detM1,r+.1: = O (k = 1, ... , s).

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,

D ů k a z: Nechť A = lla;;II, B = llb;;II E Mn(n. Uvažujme čtvercovou matici u

2n-tého stupně takovou, že

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

o o - 1 b„1 bn2 bnn

Vzhledem k tomu,že determinant matice transponované je roven determinantu původní

matice a vzhledem k větě 5.22, platí potom

detU = detA · detB.

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

o o -1 bn1 bn2 bnn

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

= (-1)" I:n 0n1b11 I:n an;b;2 L

n
On;b;n o o o
i =I j=l J=I
bu b12 bin -1 o o
~I ~2 b2n o -1 o

bnl bn2 bnn o o -1

Podle věty 5.22 tedy dostáváme

detA · detB = I -~I=

(- 1r A~

= (-l)"detAB · det(-E) = (-l)"detAB · (-1)" = detAB.

o

78
lltAPITOLA 5. DETERMINANTY HORT,RACHUNEK

5.4 Cvičení

5.1 Určete znaménko pořadí (permutace)

1 2 3 4 5 6 7) (2 1 4 5 3\
a) ( 4 7 5 1 6 2 3 ; b} 4 3 1 2 5 / ;
c) (1, 9, 6, 3, 2, 5, 4, 7, 8);
d) (1, 3, 5, ... , 2n - 1, 2, 4, 6, ... , 2n) ;
e) (2,4,6, .. . , 2n, 1,3,5, ... , 2n- l);
f) (2, 5,8, ... ,3n- l,3,6,9, . . . ,3n, 1,4, 7, ... ,3n - 2);
g) (2, 5, 8, ... , 3n - 1, 1, 4, 7, .. . , 3n - 2, 3, 6, 9, ... , 3n).
[ a)•j h}+; C)-; d)(- l)"(n2-I); e)(-l)n(nt') j f} (-1)"(3~+t)j g) (-l)n(•~-I) l
5.2 Vypočítejte permutaci
a) A2 b) B 3 c) c 100 d) X z rovnice DXE =F
A= G; ! ;) 'B = G! : i ~) 'C = (! ~ ! i ~ 6
10 ~ : ~ i}
1 2 3 4 5 6 7) (1 2 3 4 5 6 7)
D= ( 7 3 2 1 6 5 4 ,E= 3 1 2 7 4 5 6 '

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 ]

5.4 Vypočítejte determinant

2 -1 8 a b C

a) 11 -51·
2 , b) 4
1
1 -2
4 3
c) C
b
a
C a
b .

[ a) 26; b) 156; c) a 3 + b3 + 2 - 3abc)

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 ]

5.6 Vypočítejte determinant n-tého stupně

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

5.7 Vypočítejte následující determinanty

~-i-i 4
i -1 3 -3 1 2 2 2
A= -t3 -3I -3} ~~6
-4 3 5 -6
B = ~
:i
-i
- 3
7 -8 -4 -5
-~

-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.

Poznámka: Protože není nebezpečí nedorozumění, označujeme v definici stejným sym-

bolem,,+" operací sčítání v grupě ("V,+) i sčítání čísel v tělese T. Pro jednoduchost budeme
také levou vnější operaci „o" označovat stejně j ako násobení čísel v T a budeme ji také
nazývat násobení vektoru skalárem.

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

a tedy aj je lineární kombinací zbývajících vektorů.

b) Jest l1·-ze ve ktor u; . 1·mearm
-t Je ' ' komb'mac1' ve ktoru• -t ,,.......+ , ... , -t
,,.......+1, ti;+
u 1, .. . , u;- 1
.s t UJt"
uk, pak ex1
čísla c 1, ... , c;-1, C;+1, ... , Ck E T taková, že

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.

Definice 6.5 Řekneme, že vektorový prostor W = (W, EB, 7 , o) je podprostorem vek-

torového prostoru V= (V, +, T , ·), platí-li
a) W ~ V,
b) 'r:/?Í, tf E W;-.J EB tf= -.J + 11,
c) VcET,°itEW;co°it=c°it.
(Je-li W podprostorem prostoru V, pak píšeme W ~~ V .)

Poznámka: Znamená to, že prostor W je podprostorem prostoru V , je-li W neprázdnou

podmnožinou množiny V a vzniknou-li operace sčítání vektorů a vnější operace násobení
vektorů skaláry z T v prostoru W z odpovídajících operací ve V omezením se na množinu
w.
Příklad 6 .2

a) Vektorový prostor geometrických vektorů v rovině je podprostorem vektorového pro-

storu geometrických vektorů v třírozměrném prostoru.
b) Označme Dn(T) množinu všech diagonálnich matic stupně n nad T Je zřejmé, že
D .. (T) spolu se sčítáním matic a s násobením matic skaláry z T je vektorovým prostorem
nad T (Označíme jej Vn(T).) Přitom platí, že Vn(T) ~~ M .. (T).
c) Je zřejmé, že pro každý vektorový prostor V je {°d} podprostorem ve V. Vzhledem
k tomu, že nulový vektor d musí patřit do každého podprostoru W prostoru V, platí
vždy {°d} ~~ V.

Věta 6.4 Podmnožina W # 0 vektorového prostoru V je polem podprostoru W ~~ V

právě tehdy, platí-li
J. 'r:J?Í, tf E W; -.J + tf E W,
2. Ve E T, -.JE W;c-.J E W.

84
KAPI'ťOLA 6. VEK'ťOROVÉ PROSTORY HORT,RACHŮNEK

D ů k a z: Jestliže platí podmínky 1 a 2, pak ,,+" omezená na W je operací na W.

Tato operace je asociativní a komutativní, protože tyto vlastnosti má sčítání na V. Je-li
tf E W , pak podle 2 platí - tf= (-l)it E W, a podle 1 také "i! = it + (-tf) E W.
To znamená, že (W, +) je komutativní grupa. Dále podle 2 platí, že násobení vektorů z W
skaláry z T je levou vnější operací nad T a V, a proto podmínky 1-4 z definice 6.2 jsou
opět splněny triviálně. Tedy W je vektorovým prostorem nad Ta protože W c:; V, platí
wc:;c:;v.
Obrácená implikace je zřejmá. o

Věta 6.5 Průnik libovolného systému {W.,; a E I} podprostorů vektorového prostoru

V je podprostorem V.

O ů k a z: Označme W = íl W.,. "i! E W.,, je W # 0.

Protože pro každé a E J platí
oE/
Nechť tf, 'VE W. Pak tf, 'VE W0 pro každé a E J, a proto také 1Í + -:;f E W0 pro každé
it E W, pak tf E W0 pro každé
a E J, tedy 1Í + -:;f E W. Analogicky, jestliže c E T,
a tedy cit E W 0 pro každé a E J, což znamená, že cit E W. Podle věty 6.4 je tedy
a E J,
W polem podprostoru W vektorového prostoru V. O

Poznámka: Podprostor W = íl W 0 je tedy největším podprostorem v prostoru V,

oer
který je obsažen ve všech podprostorech W0 , o E J.

Definice 6.6 Je-li M podmnožina vektorovél10 prostoru V, pak lineárním obalem

množiny M ve V rozumíme průnik všech podprostorů prostoru V obsahujících množinu
M. (Lineární obal množiny M označíme [M].)

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.)

Věta 6.6 Nechť M je podmnožina vektorového prostoru V nad T. Pak platí

a} Jestliže M # 0, pak [MJ = {"i!}.

b} Jestli'že M # 0, pak [MJ = {-:;I E V; 'V = tc;"i4,k E N,c;. E T, ut E M,i =

i= l
l, ... , k}.

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

Jsou-li "'it,-;;J E W, pak existují k,m E N, e;,d; E T, ~.'iij E M, i = l, ... ,k,

j = 1, ... , m tak, že
k m
"'il= :E e;~. -;;t = Ld;'iij.
i= l j= I

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

c"'it = c · L Ci~ = L(ce;)~.

i=l i= l

a protože ce; E T, iit E.M (i= 1; ... , n), platí c"'it E W.

Tedy W je polem podprostoru W prostoru V. Přitom pro každý 1Í E M platí tf =
1 · 1Í E W, proto M s;; W. Jestliže je W' libovolný podprostor prostoru V, který
obsahuje množinu M, pak pro každý iit E M platí ~ E W' . Protože W je prostor,
platí e;~ E W', a tedy také
k

'°it= L C;~EW' (e; E T, ~ E M, i= l , ... , k).

i:: l

To ovš~m znamená, že W s;;s;; W', proto platí W = !MJ.

o
Poznámka: Podle předchozí věty je pro neprázdnou podmnožinu M prostoru V jejím
lineárním obalem !MJ podprostor ve V, který se skládá právě ze všech konečných lineárních
kombinací vektorů z množiny M.

Nechť nyní W 1 a W2 jsou dva podprostory vektorového prostoru V. Ukažme, že v ta-

kovém případě můžeme určit nejmenší podprostor ve V, který obsahuje oba podprostory
W, a W2 (tedy lineární obal množiny W1 U W2) jednodušeji, než umožňuje věta 6.6.

Věta 6.7 Jsou-li W 1 a W2 podprostory vektorového prostoru V nad T , potom polem

nejmenši'ho podprostoru, který obsahuje W 1 a W2 je množina W1 + W 2 = {-;;! E V; -;;J =
Ví + ~, kde Ví E W,, ~ E W2}.
D ů k a z: Podle věty 6.6 je zřejmé, že W 1 + W2 s;; [W1 u W2]. Přitom pro libovolný
vektor VÍ E W1 platí Ví= Ví+ cf, a protože cf E W 2, musí platit, že Ví E W 1 +W 2. Proto
W1 s;; W 1 + W 2. Analogicky můžeme dokázat, ~ W2 s;; W1 + W2.

86
KAPlTOl,A 6'. VEKTO/lOVÉ PllOSTOllY HoRT,RACHŮNSK

K důkazu tvrzení tedy stačí ověřit, že W 1 + W2 je polem podprostoru v prostoru V.

Nechť tf, 1' E W 1 + W2 • Pak existují uŤ, V[ E w„ u°i, Vi E W 2 takové, že tf = uŤ + ii"i,
1' = Ví + Vi. Protože (V,+) je komutativní grupa, platí
TI+ tf= (u!+ iii) +(vf+ ui) =(u! + vt) + (iii + ih),
a podle věty 6.4 je u!+ vf E W„ u"i + Vi E W2. Tedy TI+ 1' E W1 + W2 .
Předpokládejme nyní, že c E T, tf = uŤ + u"i E W 1 + W2 . Pak

ctf = c(uŤ + iii) = cu! + ciii,

a odtud opět podle věty 6.4 dostáváme, že cTI E W 1 + W2. o

Definice 6. 7 Podprostor ve V, jehož polem je množina W 1 + W 2 , označíme W1 + W2

a nazveme jej součet podprostorů W1 a W2.

D efinice 6.8 .Platí-li pro podprostory W1 a W2 vektorového prostoru V , že W1 + W2 =

V a W1 n W2 = {d}, pak řekneme, že prostor V je přímým součtem svých prostorů W1
a W 2 . (Značíme V = Wi -l-W2.J

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

6.2 Vektorové prostory konečné dimenze

Definice 6.9 Ned1ť V je vektorový prostor nad číselným tělesem T. Platí-li pro pod-
množinu M f= 0 prostoru V, že [MJ = V, pak M se nazývá množina generátorů prostoru
V. (Říkáme také, že množina M generuje prostor V).

87
HORT ,RACHUNEK KAPITOLA 6. VEKTOROVÉ PROSTORY

Poznámka: Každý vektor z V se dá tedy vyjádřit ve tvaru lineární kombinace vektorů

z množiny generátorů.
D efinice 6.10 Řekneme, že vektorový prostor V je konečné dimenze, jestliže existuje
alespoň jedna jeho konečná množina generátorů.
Definice 6.11 Bází vektorového prostoru V konečné dimenze rozumíme libovolnou
lineárně nezávislou množinu {Ui, ... , u;.}
jeho generátorů.
Poznámka:
a) Je zřejmé, že množina {Ui, ... , u;.}
je bází vektorového prostoru V právě tehdy, je-li
maximální lineárně nezávislou podmnožinou ve V.
b) Všude v dalším se budeme věnovat pouze vektorovým prostorům konečné dimenze.
Věta 6.9 Nech( M = {Ui, ... , u;.}
je báze vektorového prostoro V. Pak každý vektor
11 E V je možno vyjádřit právě jedním způsobem ve tvaru, lineární kombinace vektorů
ut .... ,u;..
O ů k a z: Protože M je množina generátorů vektorového prostoru V, můžeme každý
vektor 11 E V zapsat alespoň jedním způsobem ve tvaru lineární kombinace
n
11 = E e;ut
i=l

vektorů Ui, ... ,u;.. Je-li

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

tedy [{vf,~ •... ,~}]= V. Přitom zřejmě platí 1 ::; n.

b) Nechť k > 1. Předpokládejme, že tvrzení platí pro všechna čísla 1, ... , k-1. Protože vek-
tory vf, ... , tik jsou podle předpokladu lineárně nezávislé, jsou podle věty 6.2 lineárně
nezávislé také vektory vf, ... ,~. Proto podle indukčního předpokladu platí k-1 ::; n,
a po vhodném očíslování vektorů u!, ... ,~ je {vf, ... ,~. tik, ... ,~} množinou ge-
nerátorů prostoru V. Musí tedy existovat c 1 , .•. , C1<- 1, dk, ... , dn E T taková, že
k- I n
tik= I: e;vt + I:djUj·
i=I j=k

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

vyplývá k S n a přitom platí

tedy [{Ví, ... , iik, u;;t, ... ,~})=V.

o

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.

D ů k a z: Tvrzení je bezprostředním důsledkem Steinitzovy věty, protože pokud by

vektory Ví, ..., Uk byly lineárně nezávislé, pak by muselo platit k ::; n. O

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. ·

Analogicky pro libovolné n 2: 1 platí, že dím nn = n, protože jednu z bází tohoto

prostoru tvoří množina složená z vektorů

et = (1, O, ... , O), ě! = (O, 1, . .. , O), ... ,~ = (O, O, . .. , 1).

Věta 6.14 Nechť [{iit, ... ,~}] = V . Potom platí dím V S n.

90
 KAPITOLA 6. VEKTOROVÉ PROSTORY HORT,RACHŮ NEK

D ů k a z: Tvrzení bezprostředně vyplývá z definice dimenze a ze Steinitzovy věty. O

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

[{Ui, ... '~}) = [{Vi, ... 'v;.}] = v.

b~c: Jestliže ({u;, ... ,~})= V, pak vektory u;,... ,~

musí být lineárně nezávislé,
protože jinak by podle věty 6.14 platilo n = <lim V < n , spor.

c ~ a: Tato implikace plyne přimo z definice báze.

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 .

D ů k a z: Víme, že k ~ n. Jestliže k = n, pak množina {Ui, ... , ~ } je podle předchozí

věty bází ve V.
Nechť k < n. Uvažujme libovolnou bázi {Vi, ... , v;.} prostoru V. Pak podle Steinitzovy
věty po vhodném očíslování platí, že [{Ui, . .. , iik, v;.;!, ... , v;.}) = V, a podle věty 6.15 je
proto množina {'Ui, ... ,iik, ii;.i:i, ... ,~} bází prostoru V. O

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

Věta 6.18 Nechť W 1 a W2 jsou podprostory konečné dimenze vektorového prostoru V.

Potom platí
<lim W 1 + <lim W2 = dim(W1 + W2) + dim(W1 n W2).
D ů k a z: Nechť dim W1 = k,dim W2 = l, dim(W1 n W_tl = m. Zřejmě platí, že
m ::; k, m $ l. Vyberme bázi {iit, ... ,i:ik} ve W1, bázi {v 1 , ... , Vi} ve W2 a báú
{iLJt, ... , ~} ve W1 n W2. Podle Steinitzovy věty a podle věty 6.15 nyní platí, že po
vhodném očíslování iit, ... ,Ui a Vi,... ,Vl je množina {iLJt, ... ,~. Um+t, ... , Uk} bází ve
W1 a množina {ivt, ... ,~. Vm+t, ... , Vi} je bází ve W2.
Ukažme, že množina M = {Wi, ... , ~. Um+i, ... , Uk, Vm+i, ... , Vi} je bází prostoru
W1+W2.
Nechť 7 E W, + W2 , tedy 7 = zt
+ Zi, kde zt
E W1, Zi E W2. Potom je zt
lineární kombinací vektorů inj, ... , ~. Um+t, ... , iik a vektor ~ je lineární kombinací vek-
torů inj, ... , ~. Vm+i, ... , Vi,
a to znamená, že vektor 7 je lineární kombinací vektorů
z množiny M.
Stačí proto dokázat, že vektory z množiny M jsou lineárně nezávislé. Předpokládejme,
že
m , k I
EC;~+
i=I
E d;u!+ E
.s=m+ l
b,v!=ct.
j = m+I
Pak
m k I

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

E c.~ + E d;i4 = ct.

i= I j=m+I

92
KAPITOLA 6. VEKTOROVÉ PROSTORY HORT ,RACHŮNEK

Z lineární ne-závislosti vektorů iiit, ... , w.;., ... ,

Um+1, . .. , tik odtud plyne, že c 1 = . . . =
Cm= dm+1 = .. , = dk = O.Proto platí, že vektory iiit, ... ,w,;.,Um+t, ... ,Uk,Vm+t, ... , 'vt
jsou lineárně nezávislé, což znamená, že M je bází podprostoru W 1 + W2 .
Podle definice dimenze tím dostáváme tvrzení. O

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 .

Dů k a z: Tvrzení je přímým důsledkem věty 6.18. o

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

6.5 Zjistěte dimenzi prostoru W1 n W2 jestliže:

a) W1 = [(1, 2, O, O), (1, O, O, -1)], W2 = ((O, 1, 1, O), (1, 1, -1, 1)];

b) W1 = ((1, 2, 3, 4)] , W2 = ((1 , 5, 1, 2), (1, 1, 2, 3)];
c) W1 = ((1, O, 2, -3) , (3, 2, 1, - 5) , (-1, 2, 1, -2)], W2 = [(-3, O, 2, O)] ;
d) W1 = [(3, 1, 5, 4) , (2, 2, 3, 3)], W2 = 1(1, -1, 2, 1), (1, 3, 1, 2)];
e) W1 = [(5, 7, -1, 3) , (1, -3, 8, 2), (- 2, 6, -16, -4)], W2 = ((9, 17, -10, 4)].
[ a) O; b) O; c) l; d) 2; e) 1 J

6 .6 Určete dimenzi průniku a součtu podprostorů v 'R} generovaných vektory

Ui = (I, 1, 1, 1), ~ = (1, -1, 1, -1), i.i;= (1, 3, 1, 3)

a vektory
Ví= (1, 2, o, 2), Vi = (1, 2, 1, 2), li!= (3, 1, 3, 1).
[ Dimenze průniku je 2, dimenze součtu je 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

6 .8 Rozhodněte, je-Li podprostorem daného vektorového prostoru množina (není-li uve-

deno jinak, vychází vektory z počátku) :

a) všechny vektory v rovině, jejichž konce leží na dané přímce;

b) všechny vektory v rovině, jejichž začátky i konce leží na dané přímce;
c) všechny vektory v troj rozměrném prostoru, jejichž konce neleží na dané přímce;
d) všechny vektory v rovině, jejichž konce leží v I. kvadrantu;
e) všech vektorů z nn, jejichž složky jsou celá čísla;
f) všech vektorů v rovině ležících na souřadnicových osách;
g) všech vektorů °=it = (ut, U2, ... , Un) Z nn, pro které platí UJ + ~ + ... + Un = O;
94
HORT , RACHŮNEK KAPITOLA 7. SOUSTAVY LINEÁRNÍCH ROVNIC

D ů k a z: Zřejmě stačí dokázat, ie použitím kterékoliv elementární řádkové trans-

formace dostaneme matici, která určuje stejný řádkový podprostor jako původní matice.
Připomeňme si, ie řádkový podprostor [{cii, ... , a;}) určený maticí

A=

se skládá právě ze všech vektorů z T', které jsou ve tvaru

m

kde Ct, .. . , Cm jsou libovolná čísla z T. Přitom provedení elementární řádkové transformace
na matici A znamená v jednotlivých případech

l. výměnu vektoru čit s vektorem cij (i# j),

2. .nahrazení vektoru čit vektorem elit (O# eE T),
3. nahrazení vektoru cij vektorem cij + dčit (i# j, d E T).
V 1. případě je zřejmé, ie se řádkový podprostor nezmění, protože sčítání vektorů je ko-
mutativní.
Ve 2. případě máme ověřit, ie se sobě rovnají řádkové podprostory určené maticemi

at at
A= cit a A,= elit

a; a;
Je-li
m
-;;1 = I>kat,
k= I

pak ti= e,a'i + ... +~(elit)+ ... + c.na;, tedy

[{ci'i,. ··,čit,· .. ,a;}J f f ({ci'i, ... , elit, ... ,a;}J.
Obráceně, platí-li

pak můžeme psát

98
KAPITOLA 7. SOUSTAVY LINEÁRNÍCH ROVNIC HORT ,RACHŮNEK

a tedy
[{ai, ... ,ca;, ... ,~})~~ [{lit, ... , a;, ... ,~}).
To ovšem znamená, že

[{lit, ... , a;, ... ,~})= [{cit, ... , ca;, ... ,a;;;}).

Ve 3. případě budeme uvažovat řádkové podp~ostory určené maticemi

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

tt = d1(1it + d~) + I:d;at.

i=2

Pak "'i/ = d1 cit+ (d + d-i)~ + d3aj + ... +dm~, tedy

[{cit + dat~ •.. . •~}I~~ [{lit.~ •... ,a;;;}J.

Platí proto, že řádkové podprostory určené maticemi A a B se sobě rovnají. o

Definice 7 .4 Je-li A E Mmxn(T), pak vedoucím prvkem nenulového řádku a; matice

A rozumíme první nenulový prvek v "at.

Definice 7 .5 Řekneme, že matice A je redukovaná, je-li vedoucí prvek každého nenu-

lového řádku v A roven 1 a jestliže v každém sloupci matice A, který obsahuje vedoucí
prvek některého řádku, jsou všechny zbývající prvky rovny O.

99
HORT,RACHŮNEK KAPITOLA 7. SOUSTAVY LINEÁRNÍCH ROVNIC

Příklad 7.1 Matice

- 1
6
o
2
j)
je redukovaná.

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.

D úkaz: Nechť A= lla;ill E Mmxn(T). Předpokládejme, že první řádek v A je nenu-

lový a že jeho vedoucí prvek je a1k. (Pokud by byl první řádek nulový, prováděli bychom
následující úvahy analogickým způsobem s prvním nenulovým řádkem.) Vynásobením
řádku cit prvkem a;-f bude vedoucí prvek prvního řádku roven 1. Nyní pro každé i f 1
přičteme k i-tému řádku (-CLik)-tý násobek prvního řádku. Dostaneme tak v k-tém sloupci
s výjimkou prvního prvku všechny zbývající prvky rovny nule. Analogický postup pak
provádíme s ostatními nenulovými řádky. Ve výsledku dostaneme redukovanou matici,
která je s původní maticí A vskutku řádkově ekvivalentní. D

Poznámka: Pokud navíc použijeme ještě transformace typu 1, můžeme od libovolné

matice přejít k matici následujícího tvaru:
a) všechny nulové řádky jsou umístěny až za všemi nenulovými řádky;
b) jsou-li aj, i < j, nenulové řádky, které mají své vedoucí prvky ve sloupcích k;, k; ,
"at,
pak k.< ki.

D efinice 7.6 Redukovanou matici, která splňuje podmínky a) a b) , nazýváme redu-

kovaná trojúhelníková matice.

Příklad 7.2 Redukovanou trojúhelníkovou maticí je matice

1 O O 3 - 2 )
O O 1 4 0 ,
(
oooo o
zatímco redukovaná matice z příkladu 7.1 není trojúhelníková. ·

Platí:

Věta 7.3 Každá matice je řádkově ekvivalentní s některou redukovanou trojúhelnťkovou

maticí. O

100
KAPITOLA 7. SOUSTAVY LINEÁRNÍCH ROVN IC HORT ,RACHŮNEK

Věta 7.4 Nechť A E Mmxn(í) je redukovaná matice s nenulovými řádky aŤ, .. . , ~,

které mají vedoucí prvky ve sloupcích k i, ... , kr. Potom pro každý vektor
r

tt = I: e;at
i=I

řádkového podprostoru určeného maticí A platí, že koeficient C; je roven k;-té .souřadnici

vektoru tf.
D ů k a z: V k;-tém sloupci jsou podle definice redukované matice všechny prvky
s výjimkou i-tého místa rovny O a na i-tém místě je číslo 1. Odtud přímo dostáváme
tvrzení. O

Věta 7 .5 Nenulové řádky redukované matice jsou lineárně nezávislé.

D ů k a z: Tvrzení je důsledkem věty 7.4. o

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 .

D ů k a z: Věta je důsledkem věty 7.5 a 7.1. o

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.

Definice 7.8 Je-li A E Mmxn(T) , pak subdeterminantem k-tého stupně matice A

(kde k $ min(m, n)) rozumíme determinant libovolné čtvercové matice k-tého stupně,
která vznikne z prvků matice A ležících na pnisečících daných k řádku a k sloupců.

101
H ORT,.H.ACHÚNEK KAPITOLA 7. SOUSTAVY LINEÁRNiCH ROVNIC

Příklad 7.3 Pro matici

5 2 -1 O)
A=
( -26 -83 O1 - 91
jsou jejími subdeterminanty 2.stupně např. determinanty

a subdeterminantem 3, stupně např. determinant

5 2 O
-2 3 -1 =119.
6 -8 9

Věta 7. 7 Hodnost matice A je rovna maximálnímu stupni nenulového subdeterminantu

matice A.

D ů k a z: Uvažujme matici

A= E Mmxn(r).

a) Předpokládejme, že maximální stupeň nenulového subdeterminantu matice A je roven

h a determinant

# o.

(Předpoklad nenulovosti právě subdeterminantu Áh není na úkor obecnosti, protože

záměny řádků a sloupců mají vliv jenom na znaménko determinantu, ale ne na jeho
nulovost.)
Dokážeme, že
[{cit, ... ,~})= [{cit, ... , %}) .
Uvažujeme libovolný řádek ai, kde i= h+ 1,. .. , m . Je-lij= h+ 1, ... , n, potom podle
předpokladu platí

au a12 a1h a1;

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.

Podle předchozí části důkazu pak platí

.,-+ .,-+ .,-+ .,-t
[{ b1 , ... , &"} J = I{b1 , ... , bh} J,

- 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.

D ů k a z: Tvrzení vyplývá z poznámky za definicí 7.7 (část a)), ze skutečnosti, že

determinant čtvercové matice je roven determinantu matice transponované a z věty 7.7.0

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.

Příklad 7.4 Určete hodnost matice

a) Nejdříve vypočítáme h(A) pomocí elementárních řádkových transformací. Platí

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

J e zřejmé, že poslední matice má hodnost rovnu 2, proto také h(A) = 2.

(Pro určení hodnost i stačilo převést matici A na tvar, který se liší od redukovaného
tvaru tím, že vedoucí prvky nenulových řádků mohou být různé od 1.)

104
KAPITOLA 7. SOUSTAVY LINEÁRNÍCH ROVNIC HORT , RACHŮNEK

b) Určíme h(A) vroubením subdeterminantů (minorů) . Vybereme si např. prvek 2 na

průsečíku l. řádku a l. sloupce. Ten je vrouben nenulovým subdeterminantem 2. stupně

tedy h(A) ;?. 2. Subdeterminant A 2 je vrouben subdeterminanty 3. stupně

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.

7 .3 Řešení soustav lineárních rovnic

Definice 7.9 Je-li T číselné těleso, pak lineárním polynomem on proměnnýcl1 nad T
rozumíme každé zobrazení f : Tn --t T takové, že
n
f(x,, ... ,xn) = a,x, + ... + anXn = E a,x,,
i= l

kde a,, . . . , an E 7.

Definice 7.10 Nechť

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=)

se nazývá. řešení této rovnice.

Definice 7.11 Nechť

n n
E aiiXi,·· · ,LamiXi
i=l i= L

105
HORT ,RACHŮNEK KAPITOLA 7. SOUSTAVY LINEÁRNICH ROVNIC

jsou lineární polynomy nad T, b1, ... , bm E T . Pak úloha určit všechny uspořádané n -tice

pro které platí

se nazývá soustava m lineárních rovnic o n neznámých nad T.

Pokud platí b; = O pro každé i = 1, . . . , m, pak se soustava nazývá homogenní,
v opačném případě se nazývá nehomogenní.

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

A = ( :: ::: .. · :;: ) , resp. ( :~: :::

~l am2 ··: a~n Umt am2

nazýváme maticí soustavy (S), resp. rozšířenou maticí soustavy (S).

Poznámka:
a) Soustava (S) je jednoznačně určena (až na označení neznámých) pomocí své rozšířené
matice.
b) Řádky rozšířené matice jsou vektory z aritmetického vektorového prostoru p + 1, proto
i pro rovnice budeme používat terminologii, která se týká vektorů. (Např. budeme
hovořit o lineární kombinaci rovnic, apod.)

c) Označíme-li

pak soustavu (S)

ÍT =
můžeme maticově
m a 6T = (
zapsat ve tvaru
::J
A1r = 1r.
Řešením této soustavy pak bude každý vektor '"it E T" , pro který platí A'"itT = 1r.

106
KAPITOLA 7. SOUSTAVY LINEÁRNfCH ROVNIC HORT,RACHŮNEK

Pro označení rozšířené matice soustavy (S) budeme také používat symbolu (A, -+
br).

Definice 7 .13 Dvě soustavy lineárních rovnic on ne-.tnámých A{T = 1r a Br/T =

"ifT nad T se nazývají ekvivalentní, mají-li stejné množiny řešení.
Definice 7.14 Soustava lineárních rovnic A{r = 1r nad T se nazývá řešitelná,
alespoň jedno její řešení.
existuje-Ji
Věta 7.9 Nehomogenní soustava lineárních rovnic A { T = fiT je řešitelná právě
-+2•
tehdy, j e-li vektor b lineární kombinací sloupců matice A .
O ů k a z: Nechť A= lllr, ... , d!r11. Zřejmě pak můžeme soustavu A 1r = fiT zapsat
ve tvaru

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

Přitom ale platí, že

-+r -+r -+r -+r -+r
({d1 , ... ,d,, }) ~~ [{d1 , ... ,d,. 1 b }),
proto podle věty 6.17 platí
-+r -+r
[{d1 , .. . ,dn }] = [{-t7- ~'I' --,-'/.r}]
d1 , ... ,d,, , b .
To ovšem znamená, že
-+r -+1', ... , dn
b E I{ d1 -+r}) ,
a proto podle věty 7.9 je daná soustava řešitelná. o

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.

D ů k a z: Připomeňme, že dvě matice jsou řádkově ekvivalentní, je-li možno přejít

od jedné z nich k druhé pomocí konečného počtu elementárních řádkových t ransformací.
Proto stačí ověřit tvrzení pro takové soustavy rovnic, u kterých se jejich rozšířené matice
liší o jedinou elementární řádkovou t ransformaci.
a) Nechť A 1r = 1r je soust ava m lineárních rovnic o n nezná.mých. Je zřejmé, že
-+
záměnou dvou řádků v matici (A, b T) dostaneme rozšířenou matici soustavy ekviva-
lentní s původní soustavou, protože množina řešení každé soustavy rovnic je průnikem
množin řešení jednotlivých rovnic.
-+
b) Vynásobíme-li např. k-tý řádek (k E {1, ... , m}) matice (A, b T) nenulovým prvkem
c E T, je získaná matice rozšířenou maticí soustavy rovnic, která se liší od soustavy
-+ -+ .
A eT = b T jenom t ím, že místo k-té rovnice
n
I: akli =bk
i:I

původní soustavy je její k-tá rovnice ve tvaru

n

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

zatímco v nové soustavě je to rovnice

n n
L %(; + d L a;;(; = bk + db;.)
i=I 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

pro každé p = 1, ... , m, proto platí také

n n

L akiui + dLaii'Ui = bk + dbj,

i= l i=l

tedy -:;J je řešením soustavy (S7').

Předpokládejme obráceně, že ,1 = (v 1, .•. , Vn) je i·ešením soustavy (S'). Protože obecně
platí

t aki<i = ( t aki<i + d ta;;<;) - d ta;;<;

a protože podle předpokladu
n n n
L ak;V; + dL aj;V; = bk + db; a dL a;;v; = db;,
-i=l i=l i=l
platí také

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

kde h :S n a všechny prvky a 11 , a 22 , .. . , CM na hlavní diagonále jsou nenulové.

Z rovnice

která odpovídá poslednímu řádku výsledné matice, vyjádříme neznámou (h pomocí

neznámých (h+1, ... , ~n· Z předposlední rovnice pak analogicky vyjádříme neznámou
~h-li atd., až z první rovnice vypočítáme neznámou ( 1 .
Přitom je zřejmé, že pokud h =
n, pak má soustava odpovídající poslední mat ici (a tedy
--t ~
podle věty 7.11 i původní soustava A, ~ r = b T) jediné řešení, zatímco v případě
h < n mají tyto soustavy nekon ečně mnoho řešení, která závisejí na n - h parametrech
(h+i, ... , ~n- (Za tyto parametry můžeme dosazovat libovolná čísla z T.)

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

Příklad 7.5 Určete množinu řešení soustavy

{1 + 2{2 + 56 = - 9, 3{1 - 56 + 2{3 + 4{4 = 2,

a) {1 - 6 + 3{3 = 2, b)7{1 - 4{2 + {,,3 + 3{4 = 5,
3{1 - 6(2 - 6 = 25. 5{1 + 7{2 - 46 - 6{4 = 3.
6{1 - 2{2 + 2{3 + 5{4 + 7{s = O,
c)9{1 - 3{2 + 4{3 + 8{4 + 9{~ = O,
6{1 - 2{2 + 6{3 + 7{4 + {5 = O,.
3{1 - {2 + 4{3 + 4{4 - {5 = o,
a) Soustavu budeme řešit pomocí Gaussovy metody:

( '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

{4 = -2{3 + 3{s, 6 = 3{1 - 46 + 11{5.

Obecně tedy můžeme zapsat řešení ve tvaru vektoru
(6, 36 - 46 + ll{s, 6, - 26 + 3{s, {s).
Konkrétní řešení pak dostaneme dosazením za neznámé {i,{3,{5. Např. pro {1 = 2,{3 =
- 1,{5 = -1 dostaneme řešení {2,-1,-1,-1,-1}, pro {i = {3 5 5 dostaneme ={ =
{O, O, O, O, O).
{Nulový vektor je řešením každé homogenní soustavy, proto takové řešení budeme
nazývat triviální.)
Nyní se budeme věnovat jiné metodě řešení soustav lineárních rovnic, která má hlavní
použití tehdy, když nemusíme znát celé řešení, ale jenom některou jeho složku.

Věta 7.12 {Cramer ovo pravidlo) Nechť A {r = 1r je soustava n lineárních rovnic

on neznámých (n 2 1} nad í taková, že detA f O. Potom pro každé j = l , ... , n platí
d.1}A- ;CO - detA;
5.( - )A·~ ~'- wJv,,u hl...... M' {; = detA'
~
kde A; je matice, která vznikne z A nahrazením j-tého sloupce vektorem br.
D ů k a z: Vynásobíme-li 1. rovnici algebraickým doplňkem A 1; prvku a 1;, 2. rovnici
algebraickým doplňkem A2; prvku ~;, atd. až n-tou rovnici algebrai~kým doplňkem A n;
prvku ani a získané rovnice sečteme, dostaneme rovnici
n n n

I: Ái; I: a;k{k =I: b;Ái; .

..____,_.,
i=I k: I
L

Potom platí
n n
L =L {k L a;kA ij,
k= I i=I

112
KAPITOLA 7. SOUSTAVY LINEÁRNÍCH ROVNIC HORT , RACHŮNEK

tedy podle Laplaceovy věty dostaneme

L = L {kó;kdetA = {;detA.
k= I

Podle Laplaceovy věty také obdržíme P = detA;. Celkově proto platí

{;detA = detA;,
a protože podle předpokladu detA :/= O, dostáváme rovnost
{·1 = detA;
detA.
o

Příklad 7.6 Vypočítejte neznámou E4 ze soustavy

2€1 + 36 + 116 + 5E4 = 2,
€1 + 6 + 56 + 2{4 = 1,
26 + €2 + 3E3 + 2E4 = -3,
€1 + 6 + 36 + 4{4 = -3.
Protože determinant matice soustavy je roven 14, můžeme použít Gramerovo pravidlo.
Determinant matice A4 (vzniklé nahrazením 4. sloupce p1ivodní matice vektorem pravých
stran rovnic) je roven -14, proto {4 = -1.
Vraťme se nyní k obecnému řešení soustav lineárních rovn ic.

Věta 7.13 Je-li A (T = rfT homogenní soustava lineárních rovnic on neznámých

nad 'T taková, že h(A) = h, pak řešení této soustavy tvofí podprostor v aritmetickém
vektorovém prostoru T'. Dimenze tohoto podprostoru je n - h.
Dů k a z:
a) P rotože homogenní soustava má vždy alespoň triviální řešení, je množina řešení této
soustavy neprázdná. Nechť ,1, tf jsou řešení soustavy, tj. A,iT = rJT a AtfT = rtr.
Potom platí A(,i + tff = A(,iT + tfr) = A,iT + Atf1' = <11' + rfT = rfT. Je-li
dále c E T, pak A(c'°itf = A(c'°itT) = (Ac)'°itT = (cA)'°itT = c(A'°itT) = crfT = rfT_
Tedy "it + ?} a c"it jsou také řešeními dané soustavy, proto podle věty 6.4 tvoří řešení
soustavy A1r = 7tr podprostor v T'.
b) Nechť h(A) = h < n. Pak existuje h lineárně nezávislých řádků matice A a každý
další je jejich lineární kombinací. Můžeme předpokládat pro jednoduchost, že prvních
h řádků je lineárně nezávislých a že platí

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

Matice složená z koeficientů na levých stranách rovnic této soustavy má determinant

A„ 'FO. proto můžeme podle Gramerova pravidla.jednoznačně určit obecné řešení, které
je závislé na n - h parametrech {h+ 1, . . . , {n·
Dosaďme za tyto parametry postupně takto:

{h+ I = 1, {h+2 = o, ..., {n = O,

{11+1 = o, {h+2 = 1, .. ., {n = O,
... , ... , ... , ...,
{11+ 1 =O, {h+2 = o, ... , {n = 1,
tedy vždy za právě jeden z parametrů dosazujeme číslo 1 a za ostatní číslo O.
Uvažujme odpovídající řešení soustavy:

u!= (u11, u12, ... , U11u 1, O, . . . , O),

~ = (u21, u22, ... , u2h, O, 1, .. . , O),
'Un- h = ('Un-h,I , Un-h.2, • • • , Un- h ,h , O, O, ... , 1).
Je zřejmé, že vektory u!,~ .... ,u,,- h jsou lineárně nezávislé, a přitom každé další řešení
soustavy je jejich lineární kombinací. Tedy podprostor řešení v T' dané homogenní
soustavy má dimenzi n - h.
V případě h(A) = n je počet neznámých v upravované soustavě stejný jako počet
zbylých rovnic, proto uvažované obecné řešení nezávisí na parametrech, a existuje tedy
jediné (a to triviální) řešení soustavy. Toto triviální řešení tvoří podprostor v T' di-
menze O.
o

Definice 7.15 Fundamentálním systémem řešení homogenní soustavy lineárních rov-

nic rozumíme libovolnou bázi prostoru řešení této soustavy.

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

Příklad 7.7 Určete fundamentální systém řešení soustavy

{, + 26 - 6 + 3/;,4 - 21;,s = O,
2{1 + 6 + {4 - {s = O,
51;,, + 46 - 6 + 5(,4 - 8/;,5 = o,
36 - 26 + 5e4 - es = o.
Nejdříve určíme obecné řešení soustavy:

;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.

Dů k a z: Platí-li A-;;)T = -;tr, pak A(!+ -;;)_4" = A"iJT + A'itT = 6T + -;tr = 6r ,

tedy vektor ti+ 'it je řešením soustavy A I;, T = br.
Obráceně, nechť A7r = 61'. Pak pro -;;J = 7 - 1Í platí A'itT = A(? - "itf =
A?r - Aur = 1 r - 1r = dr, tedy 'it je řešením soustavy A(r = -;tr, a přitom
7 = "it+-;;J. o

115
HORT ,RACHŮNEK KAPITOLA 7. SOUSTAVY LINEÁRNfCH ROVNIC

Věta 7 .15 Nechť A E Mn(T) ,

'-'t
6 E-,+T". Pak soustava A?T = má jediné řešení,
1r
právě když detA :/: O. Soustava A { T = b T má nekonečně mnoho řešení nebo nemá žádné
řešení právě tehdy, když detA = O.
Dů k a z: Tvrzení je přímým důsledkem věty 7.14 a poznámky b) za definicí 7.15. O

7.4 Cvičení

7.1 Vypočítejte hodnost matice

-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

7.3 Vypočítejte hodnost matice

1 ). -1 2 )
2 -1 ). 5
( 1 10 - 6 1

v závislosti na parametru >..

( Pro ). = 3 je hodnost rovna 2, pro ostatní hodnoty ). je hodnost rovna 3. J

7.4 Rozhodněte, je-li řešitelná následující soustava lineárních rovnic. V kladném případě
určete
obecné řešení.

2{1 - 3{2 + 56 + 7{4 = 1, ~I + 56 - 86 = 8,

a) 4{1 - 66 + 26 + 3{4 = 2, b)4{i+ 3{2 - 96 = 9,
2{1 - 36 - ll{a - 15{4 = l; 2{1 + 36 - 56 = 7,
{1 + 8{2 - 7{3 = 12;
116
KAPITOLA 7. SOUSTAVY LINEÁRNÍCH ROVNIC HORT,RACHŮNEl<

26 - f.2 + 3f,3 - 2f,4 = 4,

c) 8f,1 + 56 + 96 = -2,
5f,1 + 26 + 6f,3 - f,4 = -3.
[ a) řeši telná, obecné řešení např. (36 -f,4 + !, 26, -22f,4, 16f, 4 ); b) řešitelná, jediné řešení
(3, 2, 1); c) není řeši telná J

7.5 Následující systémy rovnic řešte Gaussovou eliminační metodou:

f.1 + 26 + f,3 + f,4 = 3, lOf.t + 23f,2 + 176 + 44f,4 = 25,
f.1 + 4f,2 + 56 + 2f,4 = 2, b) 15f.1 + 35f,2 + 266 + 69f,4 = 40,
a)2f.1 + 96 + 86 + 3f,1 = 7, 25f,1 + 57f,2 + 426 + 108f,4 = 65,
3f.1 + 7f,2 + 7f,3 + 2f,4 = 12, 30f,1 + 696 + 516 + 133f,4 = 95.
5f,1 + 7f,2 + 9f,3 + 2f,4 = 20.
[ a)f.1 = !f.4 + ~,f.2 = ~;6 =- !f.1 - ~; b) nemá řešení J

7 .6 Najděte obecné řešení a fundamentální systém řešení homogenních soustav:

f.t -6 = O,
3f.1 + 2f,2 + 6 + 3f,4 + 5f.s =O, 6-f,4 = O,
a)6f.1 + 46 + 36 + 5f,1 + 7f,5 =O, b)-f,1 + 6 - f.s = O,
9{1 + 6{2 + 56 + 7f,4 + 9f,s =0, - 6 + f,4 - f.6 o, =
36 + 26 + 4f,4 + 8f.s =0. - 6 +f.s = O,
-f,4+f,5 =0.
( a) f,4 = 9<,+6~2 +8<3 , f,5 = 3
1
{,+2 2 +4(3; (1,0,0,-~,~), (0,1,0,-~,!), (0,0,1,-2,1); b)
pouze jediné (nulové) řešení J

7 .7 Určete množinu řešení soustavy

>.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.]

7 .8 Najděte obecné řešení v závislosti na parametru >..

5f.1 - 36 + 26 + 4f.1 =
3,
a) 4f.1 - 26 + 36 + 7f,4 = 1,
8f,1 - 66 - 6 - Sf,1 = 9,
76 - 36 + 76 + 17f,4 =
>..
[ a)>. # O nemá i-ešení, >. = O 6 =
). :fi 1 f.1 =4::s8
} - 16, f.2 = 4_54A + !6, f,4 = A~l j
2f,1 + 56 + 6 + 3f,4 = 2,
b)4f,1 + 66 + 36 + Sf,4 = 4,
4f,1 + 146 + 6 + 7f,4 = 4,
2{1 - 36 + 3f,3 + >.f,4 7. =
3
-s<,-i
<•-3 , f.2 = - 7 9{•-7 ; b){3-i >. = 1 nemá řešení,

117
HOR.T ,RACHŮNEK KAPITOLA 8. OKRUH ČTVERCOVÝCH MATIC

D ů k a z: Nulová matice N (která má determinant roven O) je vždy levým i pravým

dělitelem nuly. Proto si v důkazu budeme všímat pouze netriviálních dělitelů nuly.
a) Nechť N =f A E Mn(T) je levý netriviální dělitel nuly. Pak existuje N =f B E Mn(71
-+ -4
tak, že AB = N. V matici B = llbť, ... , bn'II potom existuje alespoň jeden nenu-
-+ -+ -+
loj sloupec b;'. Platí tedy Ab;' = o',
a proto je bi netriviálním řešením soustavy
A(' = o'.
To ovšem znamená (podle poznámky za definicí 7.15, že detA = O, tj. A je
singulární.
b) Nechť A E Mn(11 a nechť detA = O. Pak má soustava A1'
= <l'alespoň jedno
netriviální řešení, např. b;. Uvažujme potom matici B = llbi', <l', ... , <7'11, která je
různá od N. Protože platí AB = N, je A levým netriviálním dělitelem nuly.
c) Nechť A E Mn(T) je levý netriviální dělitel nuly. Pak detA7' = detA = O, takže AT je
podle části b) také levý netriviální dělitel nuly. Proto v okruhu M. (T) existuje matice
DT =f N taková, že AT Dr= N, tedy DA= N'1' = N. Proto je A také pravý netriviální
dělitel nuly.
D

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.

Věta 8.4 Je-li A matice z Mn(T), potom k ní existuje inverzní matice A- 1

tehdy a jen
tehdy, je-li matice A regulární.

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 =

ani a..2 Onn A,,. A2n Ann

a12
detA
=
Cf o
120
d.u = adjA · A.
KAPITOLA 8. OKRUH ČTVERCOVÝCH MATIC HORT,RACHŮNEK

Proto platí také

A · (de~A adjA) = E = (de~A adjA) · A.
To ovšem znamená, že matice A- 1 existuje a že platí

A- 1 1 ad'A
= detA J .

Věta 8.5 Regulární matice stupně n-tého tvoří multiplikativní grupu.

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

Věta 8.6 Jsou-li A , B regulární matice z Mn(T), pak platí

Dů k a z: Platí (AB)(B- 1 A- 1) = A(BB- 1 )A- 1 = AEA- 1 = AA- 1 = E a podobně

(B- 1A- 1)(AB) = E. O

Příklad 8 .1 Určeme inverzní matici k matici

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

Nyní už vypočítáme inverzní matici.

1

adjA-1 = _ ! adjA = f!
-__ _-_1)1_ _-11- ) .
2 (
2 2 2

8.2 Výpočet inverzní mat ice pomocí elem ent árních

transformací
Nyní si ukážeme jiný způsob výpočtu inverzní matice k dané regulární matici, který si
nevyžaduje výpočet adjungované matice.

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.

O ů k a z: Nechť A= lla.; 11 E Mn(T) .

a) Předpokládejme, že jsme zaměnili první a druhý řádek , a vynásobme matici A maticí
této transformace zleva. Dostaneme

O 1 O ··· O) (au1 a122 ··· a,n) (a21 022 ··· a.zn)

~ ~ ~ ·.:: ~ a: a: ·.·.: a;" = a;1 a;2 ·.·.: at .
(
O O O ·· · 1 On i an2 ··· ann a,,1 Cln2 ··· ann
b) Předpokládejme, že jsme vynásobili první řádek prvkem c E T, c -::/; O. Přitom po
vynásobení matice A příslušnou maticí elementární řádkové transformace zleva dosta-
neme

c O · ·· O) (a.u a1.
O 1 ··· O 0222 ······ O.Zn
a.z1
a1n) (ca11 ca12
a22 ······ ca1n.) a21 a2n

( : : · .. : : : · .. : - : : ·.. : .

O O ··· 1 On I Cln2 ··· Clnn Gn1 Cln2 ··• Gnn

c) Konečně předpokládejme, že jsme ke druhému řádku přičetli c-násobek prvního řádku.

Po vynásobení maticí příslušné elementární t ransformace zleva dostaneme

122
KAPITOLA 8. OKRUH ČTVERCOVÝCH MATIC HORT,RACHŮNEK

1 O··· O) (au a12 ··· a1n) ( au

~ ~ ·. ·.: ~ a;1 a~ ·.:: a;n = ca, 1~ a21 ca,n 7~n .
a1n )

(O O ··· 1 a„1 an2 ··· a,m Oni ann

(Přitom omezení v bodech a), b), c) nejsou vůbec na úkor obecnosti.) o

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

cích maticím B 1 , • •. , B,. O

Příklad 8.2 Vypočítejme pomocí elementárních řádkových transformací inverzníma-

tici A- 1 ke stejné matici

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

9.1 Základní vlastnosti

Definice 9.1 Nechť V= (V,+, 7, ·) a V' = (V',+, 7, ·) jsou vektorové prostory nad
číselným tělesem T. Potom zobrazení J : V -4 V' nazveme homomorfizmus vektorového
prostoru V do vektorového prostoru V' , jestliže

1. VtÍ, "iJ EV; J(tÍ + "if) = /(tÍ) + /("if),

2. Ve E T, tÍ E V; /(ctÍ) = c/(tl).
Definice 9.2
a) Bijektivní homomorfizmus V na V' se nazývá izomorfizmus V na V'.
b} Řekneme, že vektorový prostor V' je izomorfní s vektorovým prostorem V , existuje-li
alespoň jeden izomorfizmus V na V'.

D efinice 9.3 Je-Ji f homomorfizmus vektorového prostoru V do vektorového prostoru

V' , pak jádrem homomorfizmu / nazýváme množinu Ker/ = {tl E V; /(tl) = cl'}.
(Symbol <f 1 označuje nulový vektor ve V'.)

Obrazem homomorfizmu I rozumíme množinu !mf = {J(u); tÍ EV}.

Věta 9.1 Je-li J homomorfizmus V do V', pak

a) f je injektivní, právě když Ker/= {cl};
b} f j e surjektivní, právě když lm/= V';
c) f j e izomorfizmus, právě když Ker/= {cl} a lm/= V' .
HORT,IRACH ŮN EK KAPITOLA 9. HOMOMORFIZMY A IZOMORFIZMY VEKTOROVÝCH PROSTORŮ

D ů k a z: Stačí dokázat část a), ostatní části jsou pak zřejmé .

a) Je-li "it EV, pak 7i = O· "it, tedy 'J("'ď) = J(O · "it) =O · J(°it) = "'ď', proto vždy 7i E
Ker]. J e-li f injektivní, pak každý prvek z V' má nejvýše jeden vzor v homomorfizmu
f, tedy Ker/= {"'ď} .
Obráceně, nechť Ker/= {"'ď } a nechť existují "it, if E V , "it -1- if, takové, že J("iÍ) =
f (-;;/). Potom '"ď' = f ("iÍ) - f (if) = f (U - if), což znamená, re U - if E Ker/.
Ovšem u- if-:/: 7i, to je spor.
o

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" .

D ů k a z: Máme ověřit, že zobrazení fo g splňuje podmínky 1 a 2 z definice 9.1.

l. Jsou-li U, if E V, pak

u o g)("it + if) = g(J("it + if)) = g(J(°it) + f (if)) =

= g(J("iÍ)) + g(/(if)) = (I o g)("iÍ) +(Jo g)(if).

2. Nechť c E T , U EV. Pak

(Jo g)(cu) = g(J(c°it)) = g(c(J("iÍ))) = c(g(J("iÍ))) = c((/ o g)(u)J.
o

Věta 9.3 Je-li f izomorfizmus V na V' pak zobrazení 1- 1 : V'-> V je izomorfizmem

V' na V.

D ů k a z: Pro každý u E V budeme symbolem u'

označovat vektor J(u) E V' (pro
který platí také 1- 1("it 1 ) = u).
Nechť U', if 1 E V'. Pak J- 1(°it 1 + if') = J- 1(J("iÍ) + f(if)) = J- 1(J(u + if)) =
'"i! + "if = 1- 1('"il') + 1- 1(if').
Dále předpokládejme, že c E T, '"i!' E V'. Pak 1- 1 (c'"il') = 1- 1(cf('"il)) = J- 1(/(c'"il)) =
C = cf-I (tÍ'),
"iÍ
Tím jsme ověřili, že 1- 1 je homomorfizmus, a protože je bijektivní, je také izomorfiz-
mem. O

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

-=t = J(-=ít) = f (te;ut) = t.e;J(ui),

tedy [{!(u!), ... ,/(~)})= V' .
Zbývá dokázat, že množina {!(i.i!), ... ,/(~)} je lineárně nezávislá. Nechť d 1 , ... , dn E
T jsou taková čísla, že

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

Z lineární nezávislosti vektorů u!, ... ,~ dostáváme d 1 = · · · = dn = O, proto jsou také

vektory /(i.i!), ... ,/{~) lineárně nezávislé. O

V následujících příkladech budeme zkoumat zobrazení kartézských mocnin množiny

reálných čísel IR do dalších kartézských mocnin množiny R Naším úkolem bude ověřit, že
každé z těchto zobrazení je homomorfizmem příslušných aritmetických vektorových pro-
storů nad n, a dále budeme zjišťovat, zda jsou tyto homomorfizmy injektivní, surjektivní,
popř. jsou-li izomorfizmy. '

Příklad 9.1 Uvažujme zobrazení J: n 2 ~ n 2 takové, že pro každý vektor (xl,x 2) E

2
n platí /((x1 ,x2)) = (2x1 +x2 ,x1 +x2)-
Pro libovolné (x 1 ,x2 ), (y1,Y2) E n 2 a c E n platí J((x 1,x2) + (y1,y2)) = f((x1 +
Yt, x2 + Y2)) = (2{x1 + Y1) + (x2 + Yz), (x1 + yi) + (x2 + Y2)) = ((2x1 + x2) + (2y1 +
Y2), (xi+ xz) + (Yi + Y2)) = (2x1 + X2, X1 +x2) + (2y1 +yz, Y1 + y2) = f ((xi , x2)) + J((Y1Y2)),
J(c(xi , xz)) = J((cx1, cx2)) = (2cx, + cx2, ex,+ cx2) = c(2x1 + x2, X1+ x2) = cf ((xi, x2)),
tedy f je homomorfizmus n 2 do n 2
•

127
HORT,RACHŮNEK KAPITOLA 9. HOMOMORFIZMY A IZOMORFIZMY VEK'l'OROVÝCH PROSTORŮ

Nechť (x1,x2) E 'R-2 je takový vektor, že /((x 1 ,x2)) = ď, tj. platí

2x1 + X2 = 0, X1 + X2 = 0.

Potom X1 = x 2 = O, tedy (x1, x2) = <Í, a to znamená, že Ker/ = {<Í}, neboli že f je

injektivní.
Ukážeme ještě, že pro každý vektor (y 1, y 2 ) E R 2 existuje (x 1 , x 2 ) E R 2 , který je jeho
vzorem v homomorfizmu/. Pro takový (x 1 ,x2 ) musí platit J((x 1 , x 2 )) = (y1,y2 ), tedy

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 •

Příklad 9.2 Označme g zobrazení R 3 do R 4 takové, že pro každý vektor (x 1 , x 2 , x 3) E

R 3 platí g((X1,X2,X3)) = (X1,X1,X2,X3).
Podobně jako v příkladu 9.1 snadno dokážeme, že g je homomorfizmus R 3 do n 1 .
Jestliže pro (x1,X2,X3) E R 3 platí g((x1,x2,x 3)) = ď, pak x 1 = x 2 = x 3 = O, tedy
(x 1,x2,X3) = ď. To znamená, že Ker/= {<Í}, neboli že g je injektivní.
Dále platí, že 1mg = {(x 1 ,xi,x2 ,x3 }; (x 1 ,x2 ,x3 ) E R 3 }, tedy 1mg je vlastní pod-
množinou R 1 . Proto g není surjektivní, což znamená, že není ani izomorfizmus.

Příklad 9.3 Uvažujme zobrazení h: R 2 -+ n takové, že h((x 1 ,x2 ) ) = (x 1 + x2 ).

Přímým výpočtem mtižeme ověřit, že h je homomorfizmus 2 do n n.
Jestliie pro (x1,x 2 ) E R 2 platí h((x 1 ,x 2 )) = ď, pak x 1 + x 2 = O, neboli Kerh =
{(x1,x2) E R 2;x1 = -x2} , a tedy h není injektivní, proto není ani izomorfizmem.
Homomorfizmus h je ale surjektivní, protože pro každý x E n platí (x) = h((x, O}).

9.2 Transformace souřadnic

D efinice 9.4 Nechť V je vektorový prostor nad T takový, že dim V = n. Je-li M =

{Ui, ... ,~} báze prostoru V a

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

{tf+ ef}M = {tf}M + {ef}M, {ctf}M = c{tf}M,

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'.

D ů k a z: Nechť tf, ,i E V, c E T. Pak

J(u + °'it) ={tf+ °'it}M = {tf}M + {v}M = /(tÍ) + J("it) ,

J(c-:;l) = {c-:;l}M = c{tt}M = cJ(-:;f),
tedy / je homomorfizmus V do I'.
Je-li /(U)= <f, potom {tf}M = <f, COŽ znamená
n
u =I:out = <1.
i=l

Platí tedy Ker/= {<!} , a proto / je injektivní.

Jestliže (c1 , . . . ,Cn) E T", pak

(c1, ... , c,.) = f (t e;ut) ,

•=l
tedy / je surjektivní. o

Věta 9.7 Každý vektorový prostor nad 'T dimenze .n je izomorfní s aritmetickým vek-
torovým prostorem í".

D ů k a z: Tvrzení je přímým důsledkem věty 9.6. o

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

Věta 9.10 Jestliže M = {iLt, ... ,ii!},

M' = {iLt1 , ••• ,ii!1 } a M" = {tŤ 11 , ••• ,ii!11 }
. jsou báze vektorového prostoru V, A= lla.;;11 je matice přechodu od M k M' a B = llb;ill
je matice přechodu od M' k M", pak BA je matice přechodu od M k M".

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

je bází prostoru V a A je maticí přechodu od M k M'.

D ů k a z: Ukažme, že vektory iLt', ... ,~, jsou lineárně nezávislé. Nechť

n
L Ciut' = -t.
i= L

131
HORT,RACHŮNEK KAPITOLA 9. HOMOMORFIZMY A IZOMORFIZMY VEKTOROVÝCH PROSTORŮ

Potom

tC.t %ii} t (tc.a;;)= u} = ~.

Protože množina M je lineárně nezávislá, platí
n
L c.a;; = O, pro každé j = 1, . .. , n.
i=I

Označme A- 1 = llb;;II a vynásobme každou z rovností

I:c.a; = o
n

i= l

prvkem b;k matice A- 1 (j = 1, ... , n). Vzniklé rovnosti sečteme a dostaneme

n n n n
o= I:I: c.a;;b;k = I: c. I: a;;b;k·
j=l i=l i=l j=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

Budeme tedy řešit 3 soustavy rovnic o 3 neznámých. Vzhledem k tomu, že matice

soustav jsou stejné, můžeme řešit všechny tři soustavy najednou. K zápisu použijeme
rozšířenou matici se třemi pravými stranami.

(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 ) ~

~( 001 001 021 -~ ~ ~ ) ~( ~ ~ ~

5 -2 1 O O 1

"o:1=i -: -n

133
Kapitola 10

Eukleidovské vektorové prostory

10.1 Definice a základní vlastnosti

Definice vektorového prostoru nad čísel ným tělesem 7, která je založena na operaci sčítání
vektorú a na vnější operaci násobení vektorů skaláry, umožňuje zavést pojmy lineárně
závislých a nezávislých vektorů a pojem dimenze vektorového prostoru. Víme, že tyto po-
jmy jsou invariantní vzhJedem k izomorfizmům vektorových prostorů. Základními příklady
vektorových prostorů jsou však aritmetické vektorové prostory, ve kterých je možno navíc
velice jednoduchým způsobem definovat délku vektorů a úhel mezi vektory. Připomeňme
si to např. pro aritmetický vektorový prostor 'R,2 .
Jsou-li ti= (u1, u2) a tf= (v 1 , v2 ) vektory z R2, označme
(tl, tf)= U1V1 +tt2V2,

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

11-:;111 = /u.r + u~.

Platí tedy, že
11-:;tlI = V (-:;i, 'it)
a že pro úhel I{) dvou nenulových vektorů -:;J, tf je
(-:;i, tf)
COSI{)= J(tf, 'fl)(f/, f/).
(To ovšem znamená, že vektory -:;J a tf jsou pak navzájem kolmé (neboli ortogonální)
právě tehdy, platí-li (-:;i, tf)= O.)
Pro tyto výsledky však bylo podstatné, že bází prostoru 'R-2 byla množina {e;, ~}, kde
e; = (I , O),~ = (O, 1). Přitom však platí, že je-li/ : 'R,
2 -4 'R,2 takové zobrazení, že pro

každý vektor -:;J = (Ui, u 2 ) E 'R-2

J("it) = (2tt1, 2u2 ) = 2-:;J,

HOR'I' ,RACHŮNEK KAPITOLA 10. EUKLEIDOVSKé VEKTOROVé PROSTORY

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:

1. Víl, tf E E; g(-:;l, tf)= g(t!, -:;l),

2. v-:;t, ""iJ, tJ E E; g(°"it + t!, tJ) = g(°"it, tJ) + g(""iJ, tJ),

3. 've E IR, "it, ""iJ E E ; g(c°"it, tf)= cg(°"it, t!),

4. v7J :/; °"it E E ; g(°"it, °"it) > O.,

Zobrazení g budeme nazývat skalární součin . Eukleidovský prostor[, se skalárním součinem
g označíme (l,g).

Bude-li zřejmé, který skalární součin uvažujeme, budeme místo g(-:;}, tf) psát zkráceně
a místo označení (l,g) použijeme také stručněj ší[.
(°"it, ef)

Příklad 10.1 Je-li n E N, pak v aritmetickém vektorovém prostoru nn můžeme zavést

skalární součin g tak, že pro libovolné vektory tl = (1.11, 1!7, ... , un), ""iJ = (v1, t/2,. .. , vn)
položíme
n
(-:;}, tl} = L U;V;.
i=I

Tomuto skalárnímu součinu budeme také říkat „obyčejný skalám{ součin".

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

(<fJ, 1/J) = [ <.p(x),p(x)dx.

Můžeme se snadno přesvědčit, že takto definované zobrazeni C x C -t JR je skalárním

součinem .

Definice 10.2 Je-Ji t: eukleidovský vektorový prostor, "it E E, pak délkou vektoru "it
budeme rozumět číslo

Věta IO.I V eukleidovském pr·ostoru t: platí

a) Ve E JR, "it E E; lic"itll = icl · ii"itll,
b) V"it E E, "it # d; ll"itii > O,
e) v"it, v E E; i("it, V)I ~ ii"itll · llvll (Schwarzova nerovnost},
d} 1-f"it"'it E E; ll"it + tlll ~ ll"itll + ll°'ifll {trojúhelníková nerovnost).

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

to znamená, že použitím definice eukleidovského vektorového prostoru dostaneme

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

4("it, -v>2 - 4("it, tf) <v, v> ~ o.

137
HORT ,RACHŮNEK KAPITOLA 10. EUKLEIDOVSKÉ VEKTOROVÉ PROSTORY

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.

D ů k a z: Nechť c 1, C2, ... , c,,. jsou taková čísla z JR, že

"'
:Ee;u! = "it.
i=l

Pro libovolné k E {l, .. . , m} pak platí

o= (°it,ut) = (t.e;ut.ut) = t.e;(u!,ut).

Protože "it .l iit pro každé i =p k, platí
m
o= :Ee;(u!.ut) = ck(ut.ut).
i= l

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:.

D ů k a z: Věta je bezprostředním důsledkem předchozí věty. o

139
HORT , RACHŮNEK KAPITOLA 10. EUKLEIDOVSKÉ VEKTOROVÉ PROSTORY

10.2 Schmidtova ortogonalizační m etoda

D efinice 10.6
a.) Je-li báze M = {u;, ... ,~} eukleidovského vektorového prostoru V složena. z orto-
gonálních vektorů, pa.k M se nazývá ortogonální báze.
b) Báze M = {u;, ... ,~} se nazývá ortonormální, je-li ortogonální a platí-li pro každé
i= 1, ... ,n, že ll"iitll = 1.

V další větě si ukážeme metodu, pomocí které budeme moci ortogonalizovat každou
bázi eukleidovského vektorového prostoru.

Věta 10.5 Schmidtova ortogonalizační m et o d a Je-li eukleidovský vektoťový pr·o-

stor é konečné dimenze, pak z každé konečné posloupnosti Ví, iii, ... ,
~ {m 2'. 1) lineárně
nezávislých vektorů pťostoru é je možno vytvořit ortogonální posloupnost nenulových vek-
torů Ui,Ui, ... ,u,;., kde
i- l
ut = vt- I >ikvI,i = 1, 2, ... ,m,
k=I

pro kterou platí

[{u;, ii'i, ... 'u,;.})= [{tii, Vi, ... '~}I.
O ů k a z: Budeme dokazovat indukcí podle m.
Pro m = 1 je tvrzení triviální.
Předpokládejme, že m > 1 a že jsme již sestrojili posloupnost nenulových ortogonálních
vektorů u;, ... ,Um-1, které jsou v žádaném tvaru a pro které platí

[{ut, ... ,'Um- d] = [{ii;, ... ,Vm- 1}].

Položme
m- l
:-+
Um ~-
= Vm ""' ~
~ CmkUk,

k=I

kde

Potom pro každé j = 1, 2, ... , m - 1 platí

m-1

<U.:., 14) = <~. 14) - I: Cmk(ut, 14) =

k=l

= (~, 14) - Cm;(14, 14).

(Poslední rovnost jsme dostali ze skutečnosti, že podle předpokladu platí iitj_u} pro
každé k E {1, ... , m - l}, k =f j, a tedy (iik, 14) = O.)

140
KAPITOLA 10. EUKLEIDOVSKÉ VEKTOROVÉ PROSTORY HORT,RACH ŮNEK

Pro Cmi platí (podle konstrukce ~), že

Cmj(u"}, iij) = (~. 14),

tedy (~, iij) = O, tzn. ~.liij.
Vzhledem k tomu, že pro každé k= 1, ... , m - 1 platí

dostaneme

~ = ~ - 'f Cmkut =~ - 'f Cmk (vt- ťdé1) =

k=l k: I j=I

m-1 m- 1k- 1 m-l

=~ - E CmkVk + E E Cmkdi:;vt = ~ - E dmkvt,

k=I k=l j=l k= I

kde pro každé k = 1, ... , m - 1

dmk = c.ni: - E c.n;d;k·

k<j<m

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

[{íiI, · · ·, Vm-1, ~ }] s;;s;; [{ut, · · ·, 'Um-1, ~}],

tedy vektory u!, ... ,~ a "iit, ... ,~ generují stejné· podprostory. o

Věta 10 .6 Každý nenulový podprostor eukleidovského vektorového prostoru E konečné

dimenze má ortonormální bázi. Tedy speciálně: Každý nenulový eukleidovský vektorový
prostor E konečné dimenze má ortonormální bázi.

141
HORT ,RACHŮ N EK KAPITOLA 10. EUKLEIDOVSKÉ VEKTOROVÉ PROSTORY

D ů k a z: Nechť :F je podprostor prostoru t:, dim :F = m ~ l. Uvažujme li bovolnou bázi

M = {ii[, ... , ~} prostoru :F. Pak podle předchozí věty můžeme z M vytvořit ortogonální
bázi M' = {u"t,... ,~} tohoto prostoru. Označme

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,

Potom {u"t,... ,~} je ortogonální báze.

Abychom získali ortonormální bázi, stačí přejít od vektorů u"t, .. .,~ k vektorům
ut ~
lltf li' .... llt!II"
Příklad 10.3 U rčete ortonormální bázi podprostoru v R 4 uvažovaného s obyčejným
skalárním součinem generovaného vektory ii[, ~.~.kde vf= (1, 1,0, 1), ~ = (1,-2, 0,0),
~ = (1,0,-1,2).
Platí, že vektory vT, ~,~ jsou lineárně nezávislé, tedy tvoří bázi prostoru [{ii[, ~, ~}).
Na tuto bázi použijme Schmidtovu ortogonalizační metodu.

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

Platí, že {zT. Zi, žÍ} je hledaná ortonormální báze.

Věta 10.7 Jestliže M = {Ui, ... , ~} je ortonormální báze eukleidovského prostoru t:
a jsou-li
n n
tf= I: e;ut. ""it = í: ct;"ut
i= l i=1

libovolné vektory z t: potom pro skalární součin vektorů tf a ""it platí

n
{tl, °"it) = Í:: e;d;.
i=l

D ů k a z: Platí

{tl, °"it) = ( t t itl

e;"iit, d;"iit) = e;d;{"iit, u1> = t e;d;,

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

"ltt, ""it E E;g((u. °"it )) = g'((cp(u),cp(°"it))).

(Není-li n ebezpečí nedorozumění, můžeme tuto podmínku také zapsat ve tvaru)

vu. ""it e E; <u,""it> = (cp(u),cp(°"it)).)

Věta 10.8 Každé dva eukleidovské vektorové prostory dimenze n jsou izomorfní.
Dů k a. z: Nechť {u't, ... ,~} je ortonormální báze prostoru (t:,g) , {Ui', ... ,~ '} or-
tonormální báze prostoru (ť,g'). Pak existuje právě jeden izomorfizmus <p vektorového
prostoru t: na. vektorový prostor ť takový, že "iit' = cp("iit), i = 1, ... , n . Ukážeme, že cp je
izomorfizmus eukleidovského prostoru (t:,g) na eukleidovský prostor (ť, g').
Nechť tl, °"it E E, „ n

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

Homomorfizmy vektorových prostorů

konečné dimenze

V této kapitole budeme studovat vlastnosti homomorfizmů vektorových prostorů. Bu-

deme si všímat zejména homomorfizmů prostorů, které mají konečnou dimenzi. V ta-
kovém případě existují úzké vztahy mezi homomorfizmy a maticemi, takže vlastnosti ho-
momorfizmů budeme také popisovat pomocí vlastností matic.

11.1 Vlastnosti homomorfizmů

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.

Věta 11.1 Nechť V a V' jsou vektorové prostory nad 7 a f je homomorfizmus V do

V'. Pak
a) Obraz !mf homomorfizmu f je podprostorem prostoru V'.
b} Jádro Kerf homomorfizmu J je podprostorem prostoru V.
HORT,RACHŮNEK KAPITOLA ti. HOMOMORFIZMY VEKTOROVÝCH PROSTORŮ KONEČNÉ DIMENZE

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
,

proto c"'il E Ker/.

o
Nechť nyní V je vektorový prostor konečné dimenze a f je homomorfizmus V do V'.
Pak prostory Kerf a lmf mají také konečnou dimenzi.

D efinice II.I Jestliže f je homomorfizmus V do V' a V má konečnou dimenzí, pak

dim Kerf se nazývá defekt homomorfizmu a dim lmf se nazývá hodnost homomorfizmu f.

Věta 11.2 Jestliže f je homomorfizmus vektorového prostoru V do vektorového pro-

storu V' a jestliže dim V = n, pak
dim Kerf + dim lm/ = n.

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

C1 et + · · · + c,.'e; = Cr+1e;::;t + · · · + C...~,

neboli
C1 et + .. · + C,.°e; - Cr+1ě;+t - , .. - C,,~ = d'.
Protože {e 1, . .. , en} je báze prostoru V, musí platit c1 = ... = c,. = O, tedy vektory
/ (ě;+t), .. . , f (~) jsou lineárně nezávislé.
Nechť nyní if E lm/. Pak existuje vektor u E V takový, že f(tÍ) = tf. Nechť
tf= I;f=t d,°et, kde d,, .. . ,d,. E T. Pak
if = J(u) = d1J(et) + · · · + d,f(e;) + dr+ if(ě;+t) + , ,, + dnf(~) .

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

Následující věta je bezprostředním důsledkem.

Věta 11.3 Nechť f je homomorfizmus V do V' a nechť V má konečnou dimenzi. Pak

f je injektivní, právě když je splněna některá z následujících podmínek.

1. Ker/= {cf}.

2. dimimf = <lim V.

Připomeňme, že složením dvou homomorfizmů vektorových prostorů získáme opět ho-

momorfizmus. Nyní zavedeme dvě další operace s homomorfizmy.

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.

D ů k a z: Vždy existuje alespoň nulový homomorfizmus o : Vn - Wm, proto

Hom(V,., W111 ) =/= O.

147
HORT,RACHŮNEK KAPITOLA l i. HOMOMORFIZMY VEKTOROVÝCH PROSTORŮ KONEČNÉ DIMENZE

l. Podle věty 11.4 je (Hom(Vn, W,,,), + ) grupoid. Komutativnost a asociativnost sčítání

vyplývá přímo z definice. Homomorfizmus o je nulovým prvkem a. jestliže J : Vn ---t
Wm je homomorfizmus, pa.k jeho opačným prvkem je zobrazení - ! : Vn ---t Wm
takové, že (- f)(°t) = - J(°t) pro každý vektor "t E Vn.
Tedy (Hom(Vn, W,,,), +) je abelovská grupa.

2. Nechť např. c, d E Ta f ,g E Hom(Vn , Wm)- Jestliže 7 E Vn, pak ((c + d)J)(?) =

(c + d)J(?) =cf(?)+ df(?) =(cf)(?) + (dl)(?) . Tedy platí (c + d)f =cf + df.
Podobně se ověří zbývající axiómy pro násobení vektorů skalárem z definice vekto-
rového prostoru.

3. Nyní dokážeme tvrzení o dimenzi vektorového prostoru homomorfizmů.

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

pro některá a;; E T. Tzn., že

n m

í: I: Uíj/Pji(J!) = d
j=I i = l

pro každý vektor 7 E Vn.

Nechť "t = eT. Pak pro libovolné i = 1, .. . , m platí <p;;(ei) = O· ai = d , jestliže
j # 1, a lf)1;(ei) = 1 · ai = ai. Tedy
n m

LL ~lf);;(eY} = a111P11(ei) + · ·· + a1m'P1m(~) = aua'i + ... + a1m~ = ~

j =I i =l

Přitom vektory a;,... ,

~ jsou podle předpokladu lineárně nezávislé, proto a 11 =
... = a1m = O. Podobně pro 7 = "ej (j = 2, ... , n) dostaneme a; 1 = .. . = a;m =
O, a tedy vektory 'P;;, i = 1, .. . , m, j =
1, ... , n tvoří lineárně nezávislou množinu.
b) Zbývá dokázat, že ta.to množina také generuje prostor Hom(Vn, Wm)- Nechť f :
Vn ---t Wm je li bovolný homomorfizmus a. ? = X1 eT + ... + Xn~ E Vn , Pak
f (7) = xif(e 1) + ... Xnf(~)- Protože J(eT), ... , J(~) E W,,,, existují a;; E T

148
KAPITOLA li. HOMOMORFIZMY VEKTOROVÝCH PROSTORŮ KONEČNÉ DIMENZE HORT,RACHŮNEK

(i= 1, ... ,n,j = l, ... ,m) taková, že

f (er) = a11 ai + ... + a1ma:;;t,

/{ě;t) = <2ntai + · · · + anma;;t,

a proto

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

[{cp;;, i= 1, . .. , n,j = 1, .. . , m}] = Hom(Vn, Wm).

o

11.2 Matice homomorfizmů

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

Jako důsledek dostáváme následující tvrzení

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.

Všude v dalším se budeme věnovat homomorfizmům, které zobrazují daný vektorový

prostor V opět do V.

Definice 11.3 Endomorfizmem (nebo také lineární transformací) vektorového pro-

storu V rozumíme libovolný homomorfizmus prostoru V do V.

149
HORT,RACHŮNEK KAPITOLA ll. HOMOMORFIZMY VEKTOROVÝCH PROSTORŮ KONEČNÉ DIMENZE

Ukážeme si nyní, jak je možné k zadání endomorfizmů vektorových prostorů a k práci s

nimi využít matic. Nebude-li poznamenáno něco jiného, V bude vždy označovat vektorový
prostor dimenze n.

Definice 11.4 Nechť f je endomorfizmus vektorového prostoru V. Jestliže je M =

{eT, . .. , ~} báze ve V a jestliže
" n
J(et) = I>1iet, .. .. 1(~) = I:a...et.
i= l i= I

pak matice A= lla;;II se nazývá matice endomorfizmu/ vzhledem k bázi M.

Věta 11.8 Existuje vzájemně jednoznačná korespondence mezi všemi endomorfizmy

vektoťového prostoru V a všemi čtvercovými maticemi z Mn(T).

D ů k a z: Zvolme některou bázi M = {eT, . . . , ~} ve V. Libovolnému endomorfizmu

prostoru V přiřadíme jeho matici vzh ledem k M.
-t n
Obráceně, nechť A = lla;;II L a;;'ej, i = l, ... , n,
E Mn(T). Pak pro vektory bi =
j=I
existuje podle věty 11.7 jediný endomorfizmus/ na V takový, že J(ět) = b;. Z vyjádření
-t -t
vektorů b1, ... , b„ ve tvaru lineárních kombinací vektorů báze M je vidět, že maticí endo-
morfizmu f vzhledem k M je právě matice A. O

=
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

J(?t) = ~xd(ět) = ~x, ~a;;ej = ~ ~x,a;; 'ej,

n n n n ( " )

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

Věta 11.10 Jestliže J je endomorfizmus vektorového prostoru V a M a M' jsou báze

ve V, pak matice endomorfizmu J vzhledem k bázím M a M' jsou podobné.

O ů k a z: Nechť M a M' jsou báze ve V, nechť T je matice přechodu od báze M k

bázi M' a. nechť A, resp. A', je matice endomorfizmu f vzhledem k M, resp. M'. Podle
předchozí věty platí pro každý -t E V

{f(-t)}M = {-t}M. A, {J(-t)}M' = {-t}M'. A'.

Dále podle věty o transformacích souřadnic dostáváme

{-t}M = {-t}M' · T, {J(-t)}M = {f(X)}M, · T.

Proto
{-t}M. A= {-t}M• · T. A.
a také
{-t}M. A= {J(-t)}M = U(-t)}M'. T = { ?}M' . A'. T.
Pro libovolný vektor 7 E V tak dostáváme, že {?},w · T · A = {?} M' ·A'· T , proto platí
TA = A'T. Matice T je jako matice přechodu regulární, takže dostáváme
A' =TAT- 1 .

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'.

Věta 11.11 Nechť f a g jsou endomorfizmy vektorového prostoru V s maticemi A a B

vzhledem k bázi M. Pak endomorfizmy f og, J +g a cf(c E T) mají vzhledem k M postupně
matice AB, A+ B a cA.

O ů k a z: Nechť 7 EV. Pak platí:

=
a) {(! o g)(?.)}M = {g(J(?))}M {f(?)}M · B = {?}M · AB.
b) {(/+g)(?)}M = {J(?)+g(?)}M = {f(?)}M+{g(?)}M = {?}wA+{?}M·B =
{?}M(A + B).
c) Analogicky dokážeme, že {(cf)(?)}M = {? }M · cA.
o

Věta 11.12 Nechť f je endomorfizmus ve V a nechť A je jeho matice vzhledem k

některé bázi prostoru V. Pak hodnost matice A je rovna hodnosti endomorfizmu f.

151
HORT,RACHŮNEK KAPITOLA li. HOMOMORFLZMY VEKTOROVÝCH PROSTORŮ KONECNÉ DTMENZE

Dů k a z: Nechť M = {"ei, .. . , ~} je báze ve V a nechť A= lla.;II- Pak

n n
1(m = I::O,;ěJ, .... 1(~) = I: a.,;ěJ .
j= I j=I

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

11.3 Charakte ristické kořeny, vlastní čísla a vlastní

vektory endomorfizmů
Definice 11.6 Nechť A = lla.;11E Mn(T). Pak matice A - >.E E Mn(T), kde ).. je
parametr, se nazývá charakteristická matice k matici A.

Poznámka: Matice A - >.E je tedy ve tvaru

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.

Definice 11.7 Polynom det(A - >.E) se nazývá charakteristický polynom matice A a

jeho kořeny se nazývají charakteristické kořeny matice A.

Věta 11.13 Jestliže A a B jsou podobné matice, pak A a B mají stejný charakteristický
polynom (a tedy i stejné charakteristické kořeny).

D ů k a z: Nechť B = QAQ- 1 • Pak det(QAQ- 1 - >.E) = det(QAQ- 1 - Q>.EQ- 1) =

detQ · det(A - >.E) · detQ-1 = detQ · det(A - >.E). (detQ) - 1 = det(A - >.E) . O

D efinice 11.8 Nechť f je e11domorfizmus vektorového prostor u V a nechť A j e jeho

matice vzhledem k 11ěkteré bázi. Pak charakteristickými kořeny endomorfizmu f budeme
rozumět charakteristické kořeny matice A .

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

Definice 11.9 Nechť f je endomorfizmus vektorového prostoru V a A je ieho matice

-+ -+ -f -+
vzhledem k některé bázi. Nechť <I ::/ b E V a >. 0 E T. Jestliže b A = >.0 b , pak b se
nazývá vlastní vektor a. >. 0 se nazývá vlastní číslo endomorfizmu f (a také vlastní vektor a
• -+
vlastní číslo matice A). Rikáme pak, že vlastni' vektor b přísluší k vlastnímu číslu >. 0 •

Poznámka: Protože li ::/ <I, je číslo >.0 vektorem li určeno jednoznačně.

Věta 11.14 Vlastními čísly endomorfizmu. f jsou právě všechny charakteristické kořeny
endomorfizmu f.

O ů k a z: Nechť M = {'ei, ... ,~ } je báze prostoru V a nechť A = 1la..ill je matice

endomorfizmu f vzhledem k M. Předpokládejme, že 7l # li E V, >.0 E T , a že b A = >.0li.
Pak (A - >.oE) = 71, proto homogenní soustava {(A - >.0 E) = 7l má netriviální řešení
li
-4
b, a to znamená, že >.0 je charakteristický kořen endomorfizmu f. (V předcházejících kapi·
tolách jsme pro soustavy lineárních rovnic používali maticový zápis ve tvaru B (T = ctr.
Pokud bychom chtěli použít i zde takový zápis, museli bychom přejít k transponovaným
:...+ '--+ -4
maticím, tj. soustavu { (A - >.0 E) = 71 bychom zapsali ve tvaru (AT - >.0 E) ( r = o r.
Stejně i v dalším textu.)
Obráceně , nechť >. 0 je charakteristický kořen J, tedy také charakteristický kořen matice
A. Proto det(A- >.0 E ) = O, neboli matice A- >.0 E je singulární, a tedy homogenní soustava
-4 -4 -4 -+ -4
{ (A - >.0 E) má nenulové řešení. Nechť b :/; o je takové řešení. Pak b (A - >.0 E) = o,
neboli li li
A - >.o E = <I, a odtud dostáváme A = >.0 6 li. Proto Ao je vlastním číslem
endomorfizmu f. O

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

Věta 11.16 Jestliže f je endomorfizmus vektorového prostoru V a >. 0 E T , pak >. 0 je

-+-+ .....4-+
vlastním číslem endomorfizmu J právě tehdy, když f ( b ) = >.o b pro některy o ::/ b E V.
Vlastními vektory endomorfizmu f příslušnými k >.0 jsou právě všechny vektory d =I E li
V, které splňují uvedenou rovnost.

153
HORT,RACHŮNEI< KAPITOLA 11. HOMOMORFIZMY VEKTOROVÝCH PROSTORŮ KONEČNÉ DIMENZE

O ů k a z: Nechť / je endomorfizmus ve V, M je báze prostoru V, A je matice endo-

morfizmu/ vzhledem k M a 71 =/= 1 EV. Nechť /(6) = >. 0 Platí 1.
-t -t
{f( b)}M = {b }M ·A,
{>.o1}M = Ao{li}M = {6}M. XaE,
-t -t
proto { b } M • A = {b } M • AoE, a tedy
{li}(A - >-oE) = 71.
Pak také platí
(AT - AoE) [iT = 71r,
-t -t
tedy soustava lineárních rovnic (AT - >.0 E) ( T = 71r má netriviální řešení b . Dostáváme
tak, že det(AT - >. 0 E) = O, a odtud také det(A - >. 0 E) = O. Proto >..0 je vlastním číslem
endomorfizmu /.
Obráceně, nechť >.0 je vlastním číslem/. Pak det{A->..0 E) = O, proto existuje netriviální
-t -t -t -t -t -t
řešení b soustavy (AT - >. 0 E) ( T = o r. Tj. (AT - >.0 E) br = o T, neboli AT br =
-t -t -t -t -t -t -t
)..0 E br. Tedy b A= b ,)..0 E , a proto { b }M·A = >.o{ b }M· Ovšem { b }M'A = {!( b )}M,
takže dostáváme 1(1) = >..0 6. O

Věta 11.17 Jestliže f je endomorfizmus pmstoru V , pak vlastní vektory endomorfizmu

f, které odpovídají jeho ťŮzným vlastním číslům, jsou lineárně nezávislé.

-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

Dosazením do 11.2 tak získáme rovnost

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

Příklad 11.1 Nechť f je endomorfizmus aritmetického vektorového prostoru 'R,3 , který

má vzhledem k některé bázi v 'R,3 matici

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

11.1 Určete defekty a hodnosti následujících homomorfizmů vektorových prostorů

a) j: 7?,2 -+ 7?,2, f((X1, X2)) = (2x1 + X2, X1 + X2).
b) /: 7?,3 -+ 1?,\f((X1,X2,X3)) = (X1 ,X1,X1,X1).
c) /: 7?-4 -+ n, f((xi, x2, X3, X4)) = (x1 + X2 + X3 + X4).
d) f: T 2 -+ Tn,J((x 1,x2)) = (x1,x2,x1 , x2, .. .).
[ a) dimKerf = O, dimlm/ = 2; b) dimKer/ = 2, dimlm/ = l; c) dimKerf = 3,
dimimf = 1; c) dimKerf = O, dimimf = 2 J

11.2 Určete matici endomorfizmu f aritmetického vektorového prostoru n3 takového, že

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

11.3 Je dána báze M = {a"t, ~ . iiÍ} prostoru n3 taková, že

lit= (2, 1, 3} , ~ = (1, - 1, 2), iiÍ = {l, O, 2).
Nechť

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

11.4 Nechť f je endomorfizmus prostoru n3 s maticí

1 3 -1O)
A=
(3O -2
-1 1
vzhledem k některé bázi v n 3 . Určete vlastní čísla a vlastní vektory endomorfizmu f.
[ >-1 = -4, "2 = 3, ,\3 = 1, w,\, = ({(-3,5,1)}], w,\ = ({(3,2,-1)}] , w,\3 = [{(1,0,3)}] J
2

156
Kapitola 12

Endomorfizmy eukleidovských
vektorových prostorů

Připomeiime si, že eukleidovským vektorovým prostorem rozumíme libovolný vektorový

prostor V nad tělesem reálných čísel n uvažovaný spolu s některým skalárním součinem.
Jestliže 7, y E V, pak jejich skalární součin Ci, y) budeme v dalším textu zapisovat
jednodušeji ve tvaru "t · y. Jestliže V = nn pak budeme předpokládat , že používáme
obyčejný skalární součin, tj. pro "t = (x1, ... , Xn), Y = (Yi, . . . , Yn) je 7 · Y = I: x; · y;.
i= I

12.1 Ortogonální matice a ortogonální endomorfizmy

eukleidovských vektorových prostorů
Definice 12.1 Jestliže A E Mn(R), pak matice A se nazývá ortogonální, platí-li

A . AT = E =AT. A.

Poznámka: A je tedy ortogonální matice právě tehdy, když AT = A- 1 • Odtud také

dostáváme, že každá ortogonální matice je regulární.

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..

D ů k a z: 1 <=> 2: Jestliže matice A je ortogonální, pak A· AT= E. Tedy jsou-li cit a aj

i-tý a j-tý řádek v A, platí ai · aj = 1 pro i = j a ai · aj = O pro i =I= j. Stejně snadno je
vidět obrácená implikace.
1 <=> 3: Zde se analogicky využije rovnost AT · A = E z definice ortogonální matice. O
HORT,RACHŮNEK KAPITOLA 12. ENDOMORFIZMY EUKLEIDOVSKÝCH VEKTOROVÝCH PROSTORŮ

Věta 12.2

a) Inverzní matice k or·togonální matici je ortogonální.

b} Součin ortogonálních matic je ortogonální matice.
c) Matice přechodu od ortonormální báze k ortonormální bázi je ortogonální.

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

AB · (ABf = ABBTAT= E = (ABf · AB.

c) Nechť M = {ě(, . . . , ~} a M' = {ě(' , ... , ~'} jsou dvě ortonormální báze ve V a nechť
A = lla;;II je matice přechodu od M k M'. Pak

'ei' · ej' = (t a;kek) · (ta;,et) = t a;ka;,ěk"ěi = t a;ka;k,

k= l l= l k ,l=l k= l

tedy e;' ·'ěj' = 1 pro i = j , a e;' · 'ěj' = O pro i f j.

o

Definice 12.2 Endomorfizmus J eukleidovského vektorového prostoru V se nazývá

ortogonální, jestliže pro libovolné vektory :i:, y E V platí J(?) · J(:i:) =:i:· y . (Později
ukážeme, že každý ortogonální endomorfizmus j e bijektivní, a že je to tedy izomorfizmus
eukleidovského vektorového prostoru V do V.)

Věta 12.3 Endomorfizmus f eukleidovského vektorového prostoru V j e ortogonální,

právě když pro každý vektor? E V platí, že J(?) · J(?) = 7 · :i:, tedy když f zachovává
délky vektorů.

D i't k a z: Jestliž.e f je ortogonální endomorfizmus, pak zachovává skalární součiny,

a proto f zachovává také délky vektorů.
Dokážeme proto obrácenou implikaci. Nechť endomorfizmus f zachovává délky vekton'.1
a nechť 7t, 6 E V. Jestliže J(cl) = cl1 a /(6) 6'
= pak J(7t + = cl1 + Podle6) li'.
předpokladu tedy platí (7t +li)· (7t + 6) = (7t' + 1 ) • (cl 1 + 6'), a odtud
6
7t . 7t + 27t. 6 + 6 •li= 7t'. 7t' + 27t'. 6 + 6 1 1
• 6'.
Protože -a4·- 4
a = -a'·
4-4
a' a -+-+
b · b = -+-+
b'· b', ''
dostavame -4-4
a· b -4 -+ .
a' · b ', neboh
7t. li = f (7t) . f (li). o

160
KAPITOLA 12. ENDOMORFIZMY EUKLEIDOVSKÝCH VEKTOR.OVÝCU PR.OSTOR.Ů HO!ťI',RACHUNEK

Věta 12.4 Nechť f je endomorfizmus eukleidovského vektorového prostoru V a riechť

M = {'ěi , ... , ě;} je libovolná báze ve V . Pak f je ortogonální, právě když f(el) · J(ej) =
t · eJpro každé i,j E {l, ... , n}.

D ů k a z: Nechť endomorfizmus / splňuje podmínku na pravé straně dokazované

ekvivalence, tedy nechť zachovává skalárn í součin pro vektory z M. Předpokládejme, že
cf E V a že 7t = f, O!;eT. Pak
i:I

n n

I (cf)· I (71) = L O!;O!;/ (el) · f (ej) = L Cl!iO!j · etet =7t · 7t.

iJ=I iJ= I

Tedy f zachovává délky vektorů, a proto podle věty 12.4 / je ortogonální endomorfizmus
prostoru V.
Obrácená implikace je triviální. O

V dalších větách ukáieme těsné vztahy mezi ortogonálními endomorfizmy, ortogonální-

mi maticemi a ortonormálními bázemi.

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:

a) Nechť f je endomorfizmus, M = {e"t, .. . , ě°!} ortonormální báze a nechť A = lla;;II je

matice f vzhledem k M. Pak

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

pro libovolný endomorfizmus f. Proto pokud matice A je ortogonální, platí <p(ei) ·

ip(ej) = Opro i =I= j a cp("ěl)·cp(ej) = 1 pro i = j , tzn., že vždy dostáváme cp("ěl) ·cp(e}) =
"ěl · e}. Podle věty 12.4 tak platí, že endomorfizmus 'j. je ortogonální.
~ o
Poznámka: Protože každá ortogonální matice je regulární, dostáváme tak, že každý
ortogonální endomorfizmus je vlastně izomorfizmus eukleidovských vektorových prostorů.

12.2 Symetrické matice a symetrické endomorfizmy

eukleidovských vektorových prostorů
D efinice 12.3 Endomorfizmus f eukleidovského vektorového prostoru V se nazývá
symetrický, jestliže pro libovolné? , y EV platí

I(?)· v=? · I (y).

Definice 12.4 Jestliže A E M,.(n), pak A se nazývá symetrická matice, platí-li Ar=
A.

Věta 12. 7 Endomorfizmus f eukleidovského prostoru V je symetrický právě tehdy,

když pro některou bázi M = {e"t, ... , ~} prostoru V platí

f ("ěl). e} = et. J(ej) ,

pro každéi,j E {1, ... ,n}.

162
KAPITOLA 12. ENDOMORFIZMY EU KLEIDOVSKÝCH VEKTOR.OVÝCH PR.OSTOR.Ů HORT,RACHŮNEK

D ů k a z: Jestliže f je symetrický, pak samozřej mě splň uje podmínku z věty.

Nechť tedy obráceně f splňuje uvedenou podmínku pro některou bázi M = {e'í, . .. , ě;}
ve V a nechť 7t a 6 jsou libovolné vektory z V . Předpokládejme, že 7t = 't, a,'et, 6 =
i= I
n -+
í:: /3;e; . Pak
i=I

J(7t) -1 = (t a;f(e;)) (t/3/eJ)= it o:i/3;/(e;) · = it e} a;f3; · e; · f(e}) ,

7t · t (6) = (t et) (t (e})) = t ů;/3; et ·

=I
O:;
J=I
/3;!
•J= l
· J(e}),
-4 -+ = 7t · f (-+b ), a proto endomorfizmus f
tedy f (a) · b je symetrický. o

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

f ('et) . e} = (t O:;ket) .e} =

k=l
Oi;,

'et · f (e}) = e; · (t et;ket) = a;;,

k= l

dostáváme a;; = o:;;, tedy matice A je symetrická.

b) Jestliže endomorfizmus f prostoru V má vzhledem k některé ortonormální bázi symet,
rickou ma tici A= llet;;II, pak a;; = o:;;
pro každá i,j E {l, ... , n}, a proto z rovností
odvozených v a) dostáváme, že vždy

f ('et) . e} = et. f (e}).

Tedy podle věty 12.7 platí, že endomorfizmus f je symetrický. o

163
HORT,RACHŮNEK KAPITOLA 12. ENDOMORFIZMY EUKLEIDOVSKÝCH VEKTOROVÝCH PROSTORŮ

Připomeňme, že je-Ji V vektorový prostor nad číselným tělesem T a/ je endomorfizmus

prostoru V, pak vlastní čísla endomorfizmu / jsou čísla z T , která jsou kořeny charakteris-
tického polynomu endomorfizmu /. Přitom každý polynom n-tého stupně s koeficienty z
7 má v T nejvýše n kořenů (počítaných s násobností).
Vidčli jsme např. , že endomorfizm us aritmetického vektorového prostoru 1?,3 může mít
méně než tři vlastní čísla. Platí ale, že každý polynom n-tého stupně (n 2:: 1) s koeficienty z
číselného tělesa 7 má v tělese komplexních čísel C právě n kořenů počítaných s násobností.
Proto budeme obecněji za vlastní číslo endomorfizmu vektorového prostoru nad 7
považovat každý z komplexních kořenů charakteristického polynomu toho endomorfizmu.
Pak pro symetrické endomorfizmy eukleidovských vektorových prostorů platí následující
věta.

Věta 12.9 Všechna vlastní čísla symetrického endomorfizmu eukleidovského vektorové-

ho prostoru jsou reálná.

O ů k a z: Nechť V je eukleidovský vektorový prostor, J je jeho symetrický endomorfiz-

mus a nechť A= llo.i;II E Mn(R ) je matice f vzhledem k některé ortonormální bázi ve V.
Podle věty 12.8 platí, že matice A je symetrická. Předpokládejme že >. 0 E IC je vlastní číslo
endomorfizmu/. Pak det(A - >.0 E) = O, a tedy homogenní soustava (A - >.0 E) (r = 7Jr
má nad C netriviální řešení, např. y
= (Yi , . .. , Yn). Tedy
n

L %Yi = >-ov,,'ti E {1, ... ,n}.

i =I

Vynásobíme obě strany i-té rovnosti (i = 1, . .. , n) číslem y; komplexně sdruženým s y;.

Po sečtení všech vynásobených rovností dostaneme
n n
L %YiYí = >.o L YiYí·
i ,j=I i= l

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

[l] Bečvář, J. Sbírka tí.loh z lineární algebry {skriptum}, (1975 Praha).

[2] Bican, L. Lineární algebra, (1979 Praha)

[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

abeceda, 5 formule výrokové logiky, 8

algebraická struktura, 34 Frobeniova věta, 107
algebraický doplněk prvku, 70
Gaussova eliminační metoda, 109
báze vektorového prostoru, 88 grupa, 35
ortogonální, 140 abelovská, 35
ortonormální, 140 grupoid, 34
aditivní, 36
Cayleyova tabulka, 34 komutativní, 34
charakteristická matice, 152 multiplikativní, 36
charakteristické kořeny, 152
charakteristický polynom, 152 hodnost
Gramerovo pravidlo, 112 homomorfizmu, 146
matice, 101
délka vektoru, 137 homomorfizmus, 125, 145
důkaz c-násobek, 147
přímý, 15 defekt, 146
sporem, 16 jádro, 125
defekt homomorfizmu, 146 obraz, 125
determinant matice, 65 skalární násobek, 147
diagonála součet, 147
hlavní, 43 horní mez, 47
vedlejší, 43
dimenze prostoru, 90 implikace, 8
disjunkce, 7 index
dolní mez, 47 řádkový, 43
doplněk, 22 sloupcový, 43
inverze, 60
ekvivalence, 8 izomorfizmus, 125, 143, 145
endomorfizmus, 149
ortogonální, 160 jádro homomorfizmu, 125
symetrický, 162
vlastní číslo, 153, 164 kartézská mocnina, 25
vlastní vektor, 153 kolmé vektory, 138
Eukleidovský vektorový prostor, 136 kombinace vektorů
lineární, 52, 82
formalizovaný jazyk, 5 netriviální nulová, 54
INDEX HORT,RACHŮNEK

triviální nulová, 53 opačná, 46

konjunkce, 7 ortogonální, 159
konstanta, 6 přechodu, 130
kontradikce, 7, 11 podobné, 150
kvantifikátor redukovaná, 99
existenční, 12 redukovaná trojúhelníková, 100
obecný, 12 regulární, 119
rovnost, 44
Laplaceova věta, 70 rozšířená (soustavy), 106
levý singulární, 119
dělitel nuly, 38 skalární, 44
součin skaláru a matice, 46 součet, 45
lineární součin, 49
kombinace vektorů, 52, 82 soustavy, 106
obal množiny, 85 subdeterminant, 69
polynom, 105 symetrická, 162
transformace, 149 transponovaná, 67
zobrazení, 145 vedoucí prvek nenulového řádku , 99
lineárně metasymboly, 9
nezávislé vektory, 82 minor matice, 70
závislé vektory, 82 množina, 21
logicky generátorů prostoru, 87
ekvivalentní, 11 konečná, 21
vyplývá, 11 nekonečná, 21
normální, 22
matice, 43 prázdná, 21
čtvercová, 44 univerzální, 22
řádkový podprostor, 97 množiny
řádkově ekvivalentní, 97 inkluze, 23
adjungovaná, 120 kartézská mocnina, 25
algebraický doplněk prvku, 70 kartéi,gký čtverec, 25
charakteristická k matici, 152 kartézský součin, 25
charakteristické kořeny, 152 průnik, 22
charakteristický polynom, 152 rovnost, 23
dílčí matice, 69 rozdíl, 22
diagonální, 44 sjednocení, 22
elementární transformace, 122
násobení vektoru skalárem, 82
endomorfizmu, 150
negace, 7
hodnost, 101
netriviální
inverzní, 120
dělitelé nuly, 38
jednotková, 44
nulová kombinace, 54
minor, 70
nulová, 44 obor integrity, 38

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

souřadnice vektoru, 128 věta

soustava lineárních rovnic, 106 Frobeniova, 107
řešitelná, 107 kontraponovaná, 15
ekvivalentní, 107 Laplaceova, 70
fundamentální řešení, 114 obměněná, 15
homogenní, 106 obrácená, 15
nehomogenní, 106 Steinitzova, 89
při řazená homogenní soustava, 115 vedoucí prvek nenulového řádku matice,
triviální řešení, 112 99
spojka vektor
binární, 7 řádkový n-rozměrný aritmetický, 52
dvouargumentová, 7 délka, 137
extenzionální, 6 sloupcový n-rozměrný aritmetický, 52
jednoargumentová, 7 souřadnice, 52
Nicodova, 7 vektorové prostory
Shefferova, 7 homomorfizmus, 125, 145
unární, 7 izomorfizmus, 125
výroková, 6 vektorový prostor, 81
Steinitzova věta, 89 řádkový n-rozměrný aritmetický, 52
subdeterminant báze, 88
k-tého stupně, 101 endomorfizmus, 149
matice, 69 Eukleidovský, 136
symboly, 5 konečné dimenze, 88
lineární transformace, 149
těleso, 39 sloupcový n-rozměrný aritmetický, 52
číselné, 39 vektory, 82
komutativní, 39 úhel mezi vektory, 138
tabulková metoda, 9 kolmé, 138
tautologie, 7, 10 lineární kombinace, 52, 82
transformace lineárně nezávislé, 54, 82
elementární, 122 lineárně závislé, 54, 82
lineární, 149 násobení skalárem, 82
souřadnic, 128 ortogonální, 138
transpozice, 62 vzájemně ortogonální, 139
triviální nulová kombinace, 53 vlastní
číslo endomorfizmu, 153, 164
výrok, 6 podmnožina, 23
atomární, 7 vektor endomorfizmu, 153
existenční, 12 vlastnosti
obecný, 12 charakteristické, 21
složený, 7 vzájemně ortogonální vektory, 139
výroková forma, 12
výrokový počet, 8 základní tvar permutace, 60

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

1 Základy matematické logiky 5

1.1 Formalizace jazyka 5
1.2 Výroková logika . . . . . . . 6
1.3 Predikátová logika . . . . . 11
1.4 Důkazy matematických vět . 15
1.5 Cvičení . . . . . . . . . . . 17

2 Množiny, relace, zobrazení 21

2.1 Pojem množiny . . . . 21
2.2 Operace s množinami . 22
2.3 Binární relace . . 26
2.4 Zobrazení množin 27
2.5 Cvičení . . . . . . 30

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

12 Endomorfizmy eukleidovských vektorových prostorů 159

12.1 Ortogonální matice a ortogonální endomorfizmy eukleidovských vektorových
prostorů . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
12.2 Symetrické matice a symetrické endomorfizmy eukleidovských vektorových
prostorů . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162

Výběr z literatury 165

Index 166

172
RNDr. Daniel Hort, Ph.D.
Prof. RNDr. Jiří Rachůnek, DrSc.

Algebra I
Určeno pro posluchače Přírodovědecké fakulty UP v Olomouci

Výkonný redaktor prof. RNDr. Juraj Ševčík, Ph.O.

Odpovědný redaktor Jarmila Kopečková, Mgr. Jana Kreiselová
Technický redaktor RNDr. Daniel Hort, Ph.O.

Publikace neprošla ve vydavatelství redakční jazykovou úpravou.

Vydala a vytiskla Univerzita Palackého v Olomouci,

Křížkovského 8, 771 47 Olomouc
www.upol.cz/vup
e-mail: vup@upol.cz

Olomouc 2005

Dotisk l. vydání

Ediční řada - Skripta

ISBN 80-244.0631-4