-
Notifications
You must be signed in to change notification settings - Fork 2
/
lecture5.tex
683 lines (619 loc) · 22.4 KB
/
lecture5.tex
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
\section{Pátá přednáška}
\subsection{Metody pro výpočet determinantu}
Vzorec pro obecný výpočet determinantu \ref{def:determinant} vyžaduje
všechny permutace řádkových indexů, pro matici řádu $n$ je takových
permutací $n!$ a jejich počet tak roste velmi rychle s řádem matice.
Je proto komplikované tímto způsobem spočítat determinanty větších
matic.
Dost často se v praxi vyskytují matice, které jsou nějakým způsobem
speciální a to hlavně tím, že buďto obsahují řádek, případně
sloupec s hodně nulami, nebo nějakou jednoduchou úpravou můžeme
takový řádek s hodně nulami do matice dostat. V takovém případě
je možné použít následujicí metody a výpočet determinantu zefektivnit.
Pokud však takový řádek/sloupec s hodně nulami v matici neexistuje,
nebo je jich tam velice málo, aplikováním těchto metod si příliš nepomůžeme
a stále se bude jednat o problém s časovou náročností $n!$.
\subsubsection{Laplaceova metoda}
Laplaceova metoda rozvoje podle vybraného řádku, nebo podle
vybraného sloupce. Vybereme řádek/sloupec podle kterého chceme
rozvoj udělat, index tohoto řádku/sloupce označme jako $i$ a
následně pomocí tohoto řádku výpočet determninantu matice řádu $n$ rozložit na součet $n$
determninantů matice řádu $n - 1$ vynásobené hodnotami z
řádku/sloupce, podle kterého jsme rozvoj vytvářeli.
\[
|A| = (-1)^{i+1} \cdot a_{i1} \cdot M_{i1} + (-1)^{i+2}
\cdot a_{i2} \cdot M_{i2} + \ldots + (-1)^{i+n} \cdot a_{in} \cdot M_{in}
\]
\[
|A| = \sum_{j=1}^n (-1)^{i + j} \cdot a_{ij} \cdot M_{ij}
\]
Kde $M_{ij}$ představuje minor vzniklý vynecháním i-tého řádku a j-tého sloupce.
Mějme matici řádu 3:
\[
A = \begin{pmatrix}
\tikzmark{l1} a_{11} & a_{12} & a_{13} \tikzmark{r1} \\
a_{21} & a_{22} & a_{23} \\
a_{31} & a_{32} & a_{33} \\
\end{pmatrix}
\DrawBox[dashed, red, rounded corners=0.5ex ]{l1}{r1}{\textcolor{red}{}}
\]
Vyberme pro aplikaci Laplaceova rozvoje první řádek a zamysleme
se, v jakých všech součinech bude figurovat jeho první člen $a_{11}$:
$$M_{a_{11}} = a_{11} \cdot a_{22} \cdot a_{33} - a_{11} \cdot a_{23} \cdot a_{32}$$
Když z $M_{a_{11}}$ vytkneme $a_{11}$, dostáváme:
\[
M_{a_{11}} =
a_{11} \cdot (a_{22} \cdot a_{33} - a_{23} \cdot a_{32}) =
a_{11} \cdot
\begin{vmatrix}
a_{22} & a_{23} \\
a_{32} & a_{33} \\
\end{vmatrix}
\]
Totéž pro $a_{12}$:
$$M_{a_{12}} = a_{12} \cdot a_{23} \cdot a_{31} - a_{12} \cdot a_{21} \cdot a_{33}$$
\[
M_{a_{12}} =
a_{12} \cdot (a_{23} \cdot a_{31} - a_{21} \cdot a_{33}) =
- a_{12} \cdot
\begin{vmatrix}
a_{21} & a_{23} \\
a_{31} & a_{33} \\
\end{vmatrix}
\]
Proto:
\[
det(A) =
a_{11} \cdot
\begin{vmatrix}
a_{22} & a_{23} \\
a_{32} & a_{33} \\
\end{vmatrix} -
a_{12} \cdot
\begin{vmatrix}
a_{21} & a_{23} \\
a_{31} & a_{33} \\
\end{vmatrix} +
a_{13} \cdot
\begin{vmatrix}
a_{21} & a_{22} \\
a_{31} & a_{32} \\
\end{vmatrix}
\]
Znaménka u jednotlivých prvků plynou ze známének permutací ve výpočtu determinantu,
můžeme však použít pomůcku, která říka, že pokud součet indexů prvku pro který počítáme
minor bude sudý, bude mít znaménko $+$ a pokud bude součet lichý, bude mít znaménko $-$.
Postup, který byl naznačen na matici řádu $3$ funguje obecně pro libovolné matice řádu $n$.
\begin{example}[Výpočet determinantu pomocí Laplaceova rozvoje]
\[
d = \begin{vmatrix}
2 & 1 & 5 & -1 & \tikzmark{l1}0 \\
3 & 2 & 4 & 0 & 0 \\
1 & 0 & -2 & 1 & 1 \\
3 & 2 & 0 & 5 & 0 \\
2 & 0 & -2 & 4 & 9 \tikzmark{r1}
\end{vmatrix}
\DrawBox[dashed, red, rounded corners=0.5ex ]{l1}{r1}{\textcolor{red}{}}
% \DrawBox[thick, red, rounded corners=2ex ]{left1}{right1}{\textcolor{red}{\footnotesize$s^1$}}
% \DrawBox[thick, blue, dashed]{left2}{right2}{\textcolor{blue}{\footnotesize$s^2$}}
\]
\[ d = 1 \cdot
\begin{vmatrix}
2 & 1 & 5 & -1 \\
\tikzmark{l1} 3 & 2 & 4 & 0 \tikzmark{r1}\\
3 & 2 & 0 & 5 \\
2 & 0 & -2 & 4
\DrawBox[dashed, red, rounded corners=0.5ex ]{l1}{r1}{\textcolor{red}{}}
\end{vmatrix}
+ 9 \cdot
\begin{vmatrix}
2 & 1 & 5 & -1 \\
\tikzmark{l1} 3 & 2 & 4 & 0 \tikzmark{r1}\\
1 & 0 & -2 & 1 \\
3 & 2 & 0 & 5
\DrawBox[dashed, red, rounded corners=0.5ex ]{l1}{r1}{\textcolor{red}{}}
\end{vmatrix}
\]
\[d =
-3 \cdot
\begin{vmatrix}
1 & 5 & -1 \\
2 & 0 & 5 \\
0 & -2 & 4
\end{vmatrix}
+ 2 \cdot
\begin{vmatrix}
2 & 5 & -1 \\
3 & 0 & 5 \\
2 & -2 & 4
\end{vmatrix}
- 4 \cdot
\begin{vmatrix}
2 & 1 & -1 \\
3 & 2 & 5 \\
2 & 0 & 4
\end{vmatrix} + 9 \cdot \Bigg (
-3 \cdot
\begin{vmatrix}
1 & 5 & -1 \\
0 & -2 & 1 \\
2 & 0 & 5
\end{vmatrix}
+ 2 \cdot
\begin{vmatrix}
2 & 5 & -1 \\
1 & -2 & 1 \\
3 & 0 & 5 \\
\end{vmatrix}
- 4 \cdot
\begin{vmatrix}
2 & 1 & -1 \\
1 & 0 & 1 \\
3 & 2 & 5
\end{vmatrix} \Bigg)
\]
\end{example}
S použitím této metody je možné také vybrat více řádků/sloupců současně, což v některých
případech může být výhodné.
Mějme matici $A$ řádu $n$ a indexy $$i, j = 1, \ldots n$$
Potom vybereme řádky $$i_1 \ldots i_q, 1 \leq q \leq n$$
Potom:
$$det(A) =(-1)^{i_1 + \ldots i_q + 1 + \ldots + q}
A_{i_1, \ldots, i_q; 1,\ldots, q} M_{i_1, \ldots, i_q; 1,\ldots, q} + \ldots +
(-1)^{i_1, \ldots, i_q; n - q + 1,\ldots, n} \cdot
A_{i_1, \ldots, i_q; n - q + 1,\ldots, n} M_{i_1, \ldots, i_q; n - q + 1,\ldots, n}
$$
\begin{example}[Laplaceova metoda s výběrem více řádků/sloupců]
\[d =
\begin{vmatrix}
2 & 1 & 0 & 1 & 5 \\
\tikzmark{l1}0 & 0 & 2 & 0 & 7 \tikzmark{r1}\\
3 & 1 & 5 & 2 & -2 \\
\tikzmark{l2} 1 & 0 & 0 & 0 & 0 \tikzmark{r2}\\
2 & 5 & 2 & 3 & -8
\end{vmatrix}
\DrawBox[dashed, red, rounded corners=0.5ex ]{l1}{r1}{\textcolor{red}{}}
\DrawBox[dashed, red, rounded corners=0.5ex ]{l2}{r2}{\textcolor{red}{}}
\]
\[d =
(-1)^{2 + 4 + 1 + 2} \cdot
\begin{vmatrix}
0 & 0\\
1 & 0
\end{vmatrix}
\cdot
\begin{vmatrix}
0 & 1 & 5\\
5 & 2 & -2\\
2 & 3 & -8
\end{vmatrix}
\ldots
\]
Takových členů bude obecně $\binom{n}{q}$, kde $q$ označuje počet vybraných řádků/sloupců
v tomto případě tedy $\binom{5}{2}$. Díky vhodně vybraným řádkům pro vytvoření rozvoje však velká
část těchto členů bude ve výsledku nulová a ty můžeme tedy stejně jako v předchozím příkladu rovnou
vynechat a psát pouze ty nenulové a stejně tak můžeme rovnou vyjádřit hodnotu subdeterminantu,
pokud je zřejmá.
\[d =
-2 \cdot
\begin{vmatrix}
1 & 1 & 5 \\
1 & 2 & -2 \\
5 & 3 & -8
\end{vmatrix}
-7 \cdot
\begin{vmatrix}
1 & 0 & 1 \\
1 & 5 & 2 \\
5 & 2 & 3 \\
\end{vmatrix}
\]
\end{example}
\subsection{Inverzní matice}
\begin{definition}[Algebraický doplňek]
Algebraický doplněk prvku $a_{ij}$ je $(-1)^{i+j}\cdot M_{ij}$.
\end{definition}
\begin{definition}[Adjungovaná matice]
Adjungovaná matice $A^*$ vznikne z matice $A$ tak, že každý prvek
nahradíme jeho algebraickým doplňkem.
\end{definition}
\begin{definition}[Inverzní matice]
Inverzní matice, je matice k dané matici A, která splňuje:
$$A \cdot A^{-1} = E = A^{-1} \cdot A$$
Inverzní matici můžeme spočítat jako:
$$A^{-1} = \frac{1}{|A|}\cdot (A^*)^{T}$$
Z Cauchyho věty o součinu \ref{the:cauchy} vyplývá, že determinant A musí být nenulový\footnote{Matice s nenulovým determinantem
nazýváme regulární, a naopak matice s nulovým determinantem nazýváme singulární.}.
\end{definition}
\begin{example}[Výpočet inverzní matice]
Spočítejte inverzní matici $A^{-1}$ k matici $A$:
\[A =
\begin{pmatrix}
1 & 2 & 0\\
2 & -1 & 3 \\
3 & 0 & 4 \\
\end{pmatrix}
\]
Prvním krokem je zjistit, zda je $A$ vůbec regulární matice, tedy spočítat determinant $A$.
$$|A| = 1 \cdot (-1) \cdot 4 + 3 \cdot 2 \cdot 3 - (4 \cdot 2 \cdot 2) = -2$$
Následně potřebujeme vyjádřit adjungovanou matici $A^*$
\[A^*=
\begin{pmatrix}
\begin{vmatrix}
-1 & 3 \\
0 & 4
\end{vmatrix} &
- \begin{vmatrix}
2 & 3 \\
3 & 4
\end{vmatrix} &
\begin{vmatrix}
2 & -1 \\
3 & 0
\end{vmatrix} \\
- \begin{vmatrix}
2 & 0 \\
0 & 4
\end{vmatrix} &
\begin{vmatrix}
1 & 0 \\
3 & 4
\end{vmatrix} &
- \begin{vmatrix}
1 & 2 \\
3 & 0
\end{vmatrix} \\
\begin{vmatrix}
2 & 0 \\
-1 & 3
\end{vmatrix} &
- \begin{vmatrix}
1 & 0 \\
2 & 3
\end{vmatrix} &
\begin{vmatrix}
1 & 2 \\
2 & -1
\end{vmatrix}
\end{pmatrix}
= \begin{pmatrix}
-4 & 1 & 3 \\
-8 & 4 & 6 \\
6 & -3 & -5
\end{pmatrix}
\]
\[
A^{-1} = \frac{1}{|A|} \cdot {A^*}^T = \frac{1}{-2} \cdot
\begin{pmatrix}
-4 & -8 & 6\\
1 & 4 & -3 \\
3 & 6 & -5
\end{pmatrix}
= \begin{pmatrix}
2 & 4 & -3 \\
\frac{-1}{2} & -2 & \frac{3}{2} \\
\frac{-3}{2} & -3 & \frac{5}{2}
\end{pmatrix}
\]
Pro ověření:
\[
A \cdot A^{-1} =
\begin{pmatrix}
1 & 0 & 0\\
0 & 1 & 0\\
0 & 0 & 1
\end{pmatrix}
\]
\end{example}
Pro každou regulární matici jsme schopni tímto způsobem najít matici inverzní.
Vezmeme li množinu regulárních matic řádu n a operaci násobení matic, zjistíme,
že toto násobení je asociativní, ke každé matici existuje matice inverzní a vzhledem
k násobení máme i neutrální prvek, kterým je jednotková matice. Regulární matice nad
polem $F$ řádu $n$ s operací násobení matic tvoří grupu! Tuto grupu značíme jako:
$$GL(n, F)$$
\begin{example}[Počet prvků grupy GL nad konečným polem]
Kolik prvků má $GL(n, \mathbb{F}_{2^k})$?
\end{example}
\begin{example}[Nad polem $F_7$ řešte maticovou rovnici]
$$X\cdot A = B$$
Pro neznámou matici $X$ a
\[
A = \begin{pmatrix}
2 & 3 \\
5 & 1
\end{pmatrix}, \;
B = \begin{pmatrix}
3 & 0 \\
5 & 6
\end{pmatrix}
\]
Je nutné pamatovat na to, že násobení matic není komutativní a správně vynásobit obě
strany korektně inverzní maticí.
\begin{align*}
X \cdot A &= B \\
X \cdot A \cdot A^{-1} &= B \cdot A^{-1}\\
X &= B \cdot A^{-1}
\end{align*}
Vyjádříme inverzní matici $A^{-1}$:
\[A^{-1} =\frac{1}{|A|} \cdot {A^*}^T = \frac{1}{1} \cdot
\begin{pmatrix}
1 & 2 \\
4 & 2
\end{pmatrix}^T = \begin{pmatrix}
1 & 4 \\
2 & 2
\end{pmatrix}
\]
A dosadíme do dříve získaného vztahu:
\begin{align*}
X &=
\begin{pmatrix}
3 & 0 \\
5 & 6
\end{pmatrix} \cdot
\begin{pmatrix}
1 & 4 \\
2 & 2
\end{pmatrix} \\
X &=
\begin{pmatrix}
3 & 5 \\
3 & 4
\end{pmatrix}
\end{align*}
\end{example}
\subsection{Hodnost matice}
Z definice \ref{def:lin_nezavislost} víme co je lineární nezávislost vektorů. V každé
matici můžeme řádky (případně sloupce) uvažovat jako vektory. Může nás zajímat, kolik je v
matici lineárně nezávislých řádků (případně sloupců).
Počet lineárně nezávislých řádků se nazývá hodnost matice. Hodnost matice je tedy počet jejich
lineárně nezávislých řádků, což je totéž jako počet lineárně nezávislých sloupců. Hodnost
matice $A$ značíme:
$$h(A)$$
Nejmenší hodnost matice může být 0, hodnost 0 má pouze nulová matice, protože nulový vektor
není nezávislý ani sám o sobě. A maximální možná hodnost pro matici o rozměrech
$m \times n$ je $min(m, n)$.
$$0 \leq h(A) \leq min(m, n)$$
\subsubsection{Výpočet hodnosti matice}
Pro jednotlivé řádky by bylo možné využít vztahu z definice \ref{def:lin_nezavislost},
pomocí něj sestavit soustavu lineárních rovnic a vypočítat její řešení. To však může být
zbytečně zdlouhavé, budeme tedy používat tzv. ekvivalentní (elementární) úpravy matice,
které nemění hodnost matice.
Ekvivalentními úpravami matice jsou:
\begin{enumerate}
\label{ekv_upravy}
\item Přičtení k-násobku řádku k jinému řádku.
\item Vynásobení řádku nějakým nenulovým číslem $l$.
\item Výměna řádků\footnote{Výměna řádků jde relizovat pomocí prvních dvou úprav,
její uvádění zde tedy není nutné.}.
\end{enumerate}
Pomocí těchto ekvivalentních úprav upravíme matici na schodovitou. A hodnost schodovité
matice je velice snadné spočítat, protože u schodovité matice je její hodnost počet nenulových
řádků (vektorů).
Maximální hodnost matice označujeme jako plnou hodnost.
\begin{example}[Výpočet hodnosti matice]
Vypočtěte hodnost matice $Q$.
\[Q =
\begin{pmatrix}
1 & 2 & 0 & 5 \\
2 & -1 & 2 & -3\\
2 & 1 & -3 & 6\\
6 & -1 & 1 & 0
\end{pmatrix}
\]
Pomocí elementárních úprav převedeme matici $Q$ do schodovítého tvaru.
\begin{align*}
Q \sim
\begin{pmatrix}
1 & 2 & 0 & 5 \\
0 & -5 & 2 & -13\\
0 & -3 & -3 & -4\\
0 & -13 & 1 & -30
\end{pmatrix} \sim
\begin{pmatrix}
1 & 2 & 0 & 5 \\
0 & -5 & 2 & -13\\
0 & 15 & 15 & 20\\
0 & 65 & -5 & 150
\end{pmatrix} \sim
\begin{pmatrix}
1 & 2 & 0 & 5 \\
0 & -5 & 2 & -13\\
0 & 0 & 21 & -19\\
0 & 0 & 21 & -19
\end{pmatrix} \sim
\begin{pmatrix}
1 & 2 & 0 & 5 \\
0 & -5 & 2 & -13\\
0 & 0 & 21 & -19\\
0 & 0 & 0 & 0
\end{pmatrix} = R
\end{align*}
Z upravené matice vidímě, že:
$$h(R) = 3 = h(Q)$$
\end{example}
\subsection{Výpočet determinantu pomocí ekvivalentních úprav}
S využitím ekvivalentních úprav \ref{ekv_upravy} můžeme matici převést na
schodovitý tvar a jednoduše spočítat determinant schodovité matice jako
součin prvků na hlavní diagonále.
Při aplikaci úprav však musíme dávat pozor na to, jakým způsobem která úprava mění
determinant upravené matice:
\begin{enumerate}
\item Přičtení k-násobku řádku k jinému řádku. \hfill Determinant se nemění.
\item Vynásobení řádku nějakým nenulovým číslem $l$. \hfill Determinant bude $l$ krát větší.
\item Výměna řádků.\hfill Změní se znaménko determinantu.
\end{enumerate}
Vliv těchto úprav na determinant je lehké ukázat na matici řádu 2. Platí však obecně pro
jakoukoliv matici řádu $n$.
Z těchto pravidel lze také vyvodit, že každá čtvercová matice řádu $n$ s plnou hodností
je regulární a s jakoukoliv menší než plnou hodností je singulární.
\begin{example}[Výpočet determinantu pomocí ekvivalentních úprav]
Pomocí ekvivalentních úprav spočtěte determinant matice M.
\[M=
\begin{pmatrix}
1 & 2 & 3 & 4 \\
2 & 4 & 6 & 2 \\
0 & 0 & 5 & 6 \\
0 & 1 & 10 & 1
\end{pmatrix}
\eqop{r_2 \cdot \frac{1}{2}}
\begin{pmatrix}
1 & 2 & 3 & 4 \\
1 & 2 & 3 & 1 \\
0 & 0 & 5 & 6 \\
0 & 1 & 10 & 1
\end{pmatrix} \eqop{r_2 - r_1}
\begin{pmatrix}
1 & 2 & 3 & 4 \\
0 & 0 & 0 & -3 \\
0 & 0 & 5 & 6 \\
0 & 1 & 10 & 1
\end{pmatrix} \eqop{r_2 \leftrightarrow r_4}
\begin{pmatrix}
1 & 2 & 3 & 4 \\
0 & 1 & 10 & 1 \\
0 & 0 & 5 & 6 \\
0 & 0 & 0 & -3
\end{pmatrix} = N
\]
\begin{align*}
det(N) &= -15\\
det(N) &= \frac{1}{2} \cdot (-1) \cdot det(M)\\
det(M) &= -2 \cdot det(N) = 30
\end{align*}
\end{example}
\begin{definition}[Symetrická matice]
Matice $A$ je symetrická, pokud platí:
$$A^T = A$$
Pro jednotlivé prvky matice musí tedy platit:
$$a_{ij} = a_{ji}$$
Symetrickou matici značíme s dolním indexem $sym$, např. $A_{sym}$
\end{definition}
\begin{definition}[Antisymetrická matice]
Matice $A$ je antisymetrická, pokud platí:
$$A^T = -A$$
Pro jednotlivé prvky matice musí tedy platit:
$$a_{ij} = -a_{ji}$$
Antisymetrickou matici značíme s dolním indexem $alt$, např. $A_{alt}$
\end{definition}
\begin{theorem}[Rozklad čtvercové matice na symetrickou a antisymetrickou matici]
Každou čtvercovou matici lze rozložit na součet matice symetrické a antisymetrické.
$$A = A_{sym} + A_{alt}$$
\end{theorem}
\begin{proof}
Matice $A_{sym}$ a $A_{alt}$ můžeme vždy zkonstruovat následovně:
$$A_{sym} = \frac{1}{2} \cdot (A + A^T)$$
Takto zvolená matice $A_{sym}$ je určitě symetrická, protože:
$$(A_{sym})^T = \frac{1}{2}(A^T + (A^T)^T) = A_{sym}$$
Podobně pro $A_{alt}$:
$$A_{alt} = \frac{1}{2}\cdot (A - A^T)$$
Takto zvolená matice $A_{alt}$ je určitě antisymetrická, protože:
$$(A_{alt})^T = \frac{1}{2} \cdot (A^T - (A^T)^T) = - A_{alt}$$
Zároveň vidíme, že výsledkem součtu těchto dvou matic je opravdu původní matice:
$$A_{sym} + A_{alt} = \frac{1}{2} \cdot (A + A^T) + \frac{1}{2}\cdot (A - A^T) = A$$
\end{proof}
\subsection{Soustavy linearních rovnic}
Soustavy lineárních rovnic můžeme řešit elementárně (vyjadřovat neznámé a dosazovat
do ostatních rovnic, případně sečíst dvě rovnice a tím nějakou neznámou eliminovat). Tento
způsob však má nevýhodu, že není algoritmický.
Proto budeme používat postupy pomocí matic, které jsou jednoduše algoritmizovatelné.
Soustava lineárních rovnic obecně:
\begin{align*}
a_{11} \cdot x_1 + \ldots a_{1n} \cdot x_n &= b_1\\
\vdots\\
a_{m1} \cdot x_1 + \ldots a_{mn} \cdot x_n &= b_m\\
\end{align*}
Proměnným $a_{ij}$ říkáme koeficienty, které tvoří obdélníkovou matici
o $m$ řádcích a $n$ sloupcích. Proměnné $x_1, \ldots, x_n$ nazýváme neznámé, ty budeme
počítat. A proměnné $b_1, \ldots, b_m$ nazýváme absolutní členy.
Tuto obecnou soustavu lineárních rovnic můžeme zapsat maticově:
\[
\begin{pmatrix}
a_{11} & \ldots & a_{1n} \\
\vdots & \ddots & \vdots\\
a_{m1} & \ldots & a_{mn}
\end{pmatrix}
\begin{pmatrix}
x_1 \\
\vdots \\
x_m
\end{pmatrix}
=
\begin{pmatrix}
b_1 \\
\vdots \\
b_m
\end{pmatrix}
\]
Někdy také zapisujeme jako:
$$A \cdot \vec{x} = \vec{b}$$
V případě, že je vektor absolutních členů $\vec{b}$ nulový vektor, tedy:
$$\vec{b} = \vec{o}$$
Nazýváme takovou soustavu homogenní. Homogenní soustava lineárních rovnic je vždy řešitelná.
Obecně řešení homogenní soustavy lineárních rovnic tvoří vektorový podprostor.
A v případě nehomogenních soustav se nejedná o vektorový podprostor, ale o affinní podprostor.
\subsubsection{Gaussova eliminační metoda}
Matici soustavy\footnote{Tuto matici tvoří jednotlivé koeficienty.} $A$ a vektor absolutních členů
$\vec{b}$ zapíšeme do jedné rozšířené matice následovně:
\begin{align*}
\begin{pmatrix}[c|c]
A & \vec{b}
\end{pmatrix} =
\begin{pmatrix}[ccc|c]
a_{11} & \ldots & a_{1n} & b_1\\
\vdots & \ddots & \vdots & \vdots \\
a_{m1} & \ldots & a_{mn} & b_m
\end{pmatrix}
\end{align*}
Tuto rozšířenou matici poté pomocí elementárních úprav upravujeme do vhodného (schodovitého) tvaru,
ze kterého dokážeme lehce zjistit řešení celé soustavy. Ze schodovité matice pak jednoduše dostaneme
řešení celé soustavy "zpětným chodem" od posledního řádku, kdy postupně zjišťujeme hodnoty neznámých.
Soustava rovnice je řešitelná právě tehdy, když:
\[
h(A) = h\Bigg (
\begin{pmatrix}[c|c]
A & \vec{b}
\end{pmatrix} \Bigg )
\]
V opačném případě matice řešitelná není.
V případě, že se hodnosti rovnají, a soustava je tedy řešitelná, mohou nastat dva případy:
\begin{enumerate}
\item $h(A) = n$, kde n je počet neznámých \hfill Rovnice má právě jedno řešení.
\item $h(A) = k < n$ \hfill Rovnice má nekonečně mnoho řešení\footnote{A tato řešení jsou
závislá na $n-k$ libovolných parametrech. V případě, že navíc pracujeme nad konečným polem, není jich
tedy nekonečně mnoho}.
\end{enumerate}
Mohou tedy nastat pouze 3 případy:
\begin{enumerate}
\item Soustava není řešitelná.
\item Soustava je řešitelná a má právě jedno řešení.
\item Soustava je řešitelná a má parametrické řešení.
\end{enumerate}
\begin{example}[Příklad neřešitelné soustavy]
Řešte následujicí soustavu rovnic:
\begin{align*}
x + y + z &= 2 \\
2x - y + 2z &= 1 \\
7x + 4y + 7z &= -3
\end{align*}
Tuto soustava přepíšeme do matice a upravíme do schodovitého tvaru:
\[
\begin{pmatrix}[ccc|c]
1 & 1 & 1 & 2 \\
2 & -1 & 2 & 1 \\
7 & 4 & 7 & -3
\end{pmatrix} \eqop{r_2 - 2\cdot r_1, r_3 - 7\cdot r_1}
\begin{pmatrix}[ccc|c]
1 & 1 & 1 & 2 \\
0 & -3 & 0 & -3 \\
0 & -3 & 0 & -17
\end{pmatrix} \eqop{r_3 - r_2}
\begin{pmatrix}[ccc|c]
1 & 1 & 1 & 2 \\
0 & -3 & 0 & -3 \\
0 & 0 & 0 & -14
\end{pmatrix}
\]
Hodnost základní matice je v tomto případě zjevně 2 a hodnost
celé rozšířené matice je zjevně 3. Hodnosti se nerovnají a soustava tedy nemá řešení.
\end{example}