2.1.4 har:linyryhmat03. Octavella. Katso ensin esimerkit???? esim:yroctave01 Octaven antamat vastausehdotukset.
|
|
- Jarmo Tuominen
- 5 vuotta sitten
- Katselukertoja:
Transkriptio
1 Vaasan yliopiston julkaisuja, opetusmonisteita 49 har:linyryhmat03 Tehtävä 2.3 Ratkaise lineaariset yhtälörymät x + y z 5 x + 2y + 4z 16 a x + 2y + 2z 0 2x + z 14 b x + y z 5 x + 2y + 4z 16 x + 2y + 2z 1 2x + z 14. Tehtävä 2.4 Ratkaise tehtävien har:linyryhmat har:linyryhmat03 Octavella. Katso ensin esimerkit???? esim:yroctave01 ja tarkista Octaven antamat vastausehdotukset. tarkista viittaust niikka Sec:la1-Matriisit Sec:la1-MatLaskut 2.2 Matriisit Matriisi ja matriisilaskut Matriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: a b,, x1 x x 3 ja c d Matriiseihin perehtyminen voidaan perustella useilla järkisyillä. 1. Matriisien avulla voidaan suuria lukujoukkoja esittää mahdollisimman pienellä vaivalla ja kokonaisille lukukaavioille voidaan antaa nimiä A, B,... jne. Tämä helpottaa suuresti asioiden esittämistä. Eräissä tilanteissa matriisi on hyvin onnistunut ja havainnollinen tapa esittää lukuryhmiä. Esimerkiksi yhtälöryhmän { 2x 5y 1 oleelliset osat tiivistyvät matriiseihin 2 5 A 3 7 3x + 7y 13, x x y, ja 1 b Matriiseille voidaan määritellä yhteen- ja kertolasku. Matriiseilla voidaan siis laskea. Näiden laskutoimitusten avulla on kehitetty menetelmiä eräiden matriisien avulla kuvattavien ongelmien ratkaisemiseen. Esimerkkinä mainittakoon yhtälöryhmän ratkaiseminen. 3. Vaikka itse et koskaan harrastaisikaan matriisilaskentaa, niin varmaa on, että tietokoneesi harrastaa. Jos tietokone esimerkiksi ei löydä ratkaisua yhtälöryhmälle se yleensä antaa virheilmoituksen, jossa se kertoo mitä vikaa oli kerroinmatriisissa. Virheilmoituksen ymmärtäminen edellyttää matriisilaskennan perusteiden osaamista.. la1matriisit.tex
2 50 Vaasan yliopiston julkaisuja, opetusmonisteita 4. Matematiikassa tarkastellaan struktuureja, jotka muodostuvat olioista ja niille määritellyistä laskutoimituksista. Struktuureja luokitellessa on tapana sanoa, että tietyt ehdot täyttävä struktuuri on ryhmä tarkemmin luvussa III, tietyt ehdot täyttävä ryhmä on rengas ja tietyt ehdot täyttävä rengas on kunta. Reaaliluvut muodostavat kunnan, ja kompleksiluvut muodostavat kunnan. Opiskelija on peruskoulussa ja lukiossa harjoitellut laskutoimitusten suorittamista reaalilukukunnassa. Kun sääntönä voidaan pitää, että reaalilukuja ja kompleksilukuja lukuunottamatta mikään mielenkiintoinen struktuuri ei ole kunta, saatta peruskoulussa hankittu sujuva laskutaito aiheuttaa kitkaa tutustuttaessa uusiin matemaattisiin struktuureihin. Neliömatriisit muodostavat renkaan mutta eivät kuntaa. Niillä laskettaessa tulee muistaa, että matriisilla ei saa jakaa eikä supistaa sillä kertolaskun käänteisalkiota ei aina ole olemassa ja kertolasku ei ole vaihdannainen AB BA. Tätä kautta matriisilaskenta kehittää teoreettisessa ajattelussa tarvittavaa tarkkuutta ja joustavuutta. Määritelmä Suorakulmainen lukukaavio, jossa on m vaakariviä ja n pystysaraketta on m n-matriisi. Tyyppiä m 1 oleva matriisi on pystyvektori ja tyyppiä 1 n oleva matriisi on vaakavektori. Kaaviossa esiintyviä lukuja sanomme matriisialkioiksi Merkintäsopimuksia: 1 Tulemme kirjoittamaan lukukaavion aina isojen sulkeiden sisään. On myös luvallista käyttää hakasulkumerkintää, mutta tässä monisteessa käytämme systemaattisesti kaarisulkeita. 2 Matriisia merkitsemme kirjaimella iso, vahvennettu ja kursiivi ja matriisissa olevia alkioita merkitsemme samalla kirjaimella pieni, vahventamaton ja kursiivi varustettuna alaindeksein, jotka ilmaisevat millä rivillä ja missä sarakkeessa alkio on. Esimerkiksi a 12 on matriisin A rivillä 1 sarakkeessa 2 oleva alkio. a 11 a 12 a 1n a 21 a 22 a 2n A a m1 a m2 a mn 3 Vaakavektoria merkitään samoin kuin matriisia, mutta usein valitaan pieni kirjain, ja riviindeksi voidaan jättää pois. Pystyvektorin tapauksessa sarakeindeksi voidaan jättää pois. s 11 s 1 r s 21 r 11 r 12 r 1n r1 r 2 r n, s. s 2. s m1 s m la1matriisit.tex
3 Vaasan yliopiston julkaisuja, opetusmonisteita 51 4 Fysiikassa ja tekniikassa on tapan merkitä vektoreita vahventamattomalla, kursiivilla vektorilla, jonka päällä on nuoli. s 1 r s 2 r 1 r 2 r n, s. s m 5 Tulemme käyttämään kumpaakin merkintää 3 ja 4 vektorille. On tärkeätä, että opiskelija tottuu siihen, että eri tilanteissa käytetään hieman erilaisia merkintöjä. Määritelmä Usein käytämme matriisille merkintää A a ij. Vastaavasti matriisin A alkiolle käytetään joskus merkintää A ij. Määritelmä a Matriisit A a ij ja B b ij ovat samat identtiset, engl. equal, jos ne ovat saman kokoiset ja, a ij b ij kaikilla i, j. Tällöin merkitään A B. b Kahden m n-matriisin A a ij ja B b ij summa on matriisi A + B a ij + b ij c Reaaliluvun λ ja m n-matriisin A a ij tulo λa on m n-matriisi λ a ij. Kaikki alkiot kerrotaan λ:lla. d Sovimme lisäksi merkintätavoista 1A A, A B A + 1B A + B Esimerkki Samankokoisten matriisien yhteen- ja vähennyslasku ja vähennyslasku ovat melko selviä asioita. Seuraavaksi määrittelemme matriisin kertomisen matriisilla. Koulussa olet todennäköisesti oppinut kahden vektorin pistetulon u v u 1 v 1 + u 2 v u n v n. Kertaamme asian ensin la1matriisit.tex
4 52 Vaasan yliopiston julkaisuja, opetusmonisteita Määritelmä Kahden samanmittaisen vektorin u u i ja v v i pistetulo on u v u 1 v 1 + u 2 v u n v n Määritelmä m n-matriisin A a ij ja n p-matriisin B b jk matriisitulo AB on m p-matriisi AB ij a ik b kj a i b j k1 Siis: AB:n rivillä i sarakkeessa j oleva luku on A:n i:nnen rivin ja B:n j:nnen sarakkeen pistetulo. Esimerkki Seuraavassa esimerkissä on lisätty sarakkeita ja rivejä erottavat viivat joihinkin kaavioihin. Tämä ei ole kovin tavallista, mutta tässä tapauksessa saattaa helpottaa kaavion lukemista c3s1esim1 Huomaa tyyppien yhteensopivuus 3 2-matriisi2 3-matriisi3 3-matriisi! Edeltävä määritelmä ja esimerkki kannattaa tiivistää seuraavalla tavalla: Kun ollaan laskemassa matriisia C AB, niin laskettaessa lukua riville i sarakkeeseen j, tarvitaan ensimmäisestä matriisista i:s rivi ja toisesta matriisista j:s sarake. Rivin ja sarakkeen pistetulo antaa alkion tulo-kaavion vastaavaan paikkaan. Alla taulukossa c3s1taulu1 2.1 sivu c3s1taulu1 62 on esitetty edeltävän esimerkin tulokaavion kaikkien alkioiden lasku ja erityisesti mistä luvut tulevat?. la1matriisit.tex
5 Vaasan yliopiston julkaisuja, opetusmonisteita 53 Esimerkki Seuraavassa välimuotoja on vähemmän. Saatko saman tuloksen? Huomaa taas tyyppien yhteensopivuus 4 3-matriisi3 2-matriisi4 2-matriisi! Esimerkki Olkoon 2 0 A 1 3, B ja C Laskemalla tulot nähdään, että a tulo AB on hyvin määritelty ja laskettavissa, mutta tuloa BA ei voi laskea. b Tulot BC ja CB voidaan laskea, mutta niistä saadaan eri tulokset. Siis BC CB. Esimerkki Huomaa, että vektoreiden u 2 3 ja v Matriisitulo ja pistetulo ovat tarkasti tulkittuina eri asiat 5 6 uv u v Esimerkki Luvun alussa esiintyi yhtälöryhmä ja siihen liittyvät matriisit { 2x 5y 1 A x + 7y 13 x, x y 1, ja b 13 Matriisikertolaskun määritelmästä ja matriisien yhtäsuuruuden määritelmästä seuraa, että seuraavat kolme riviä sanovat saman asian:. Ax b x y 13 { 2x 5y x + 7y 13 la1matriisit.tex
6 54 Vaasan yliopiston julkaisuja, opetusmonisteita Määritelmä Nollamatriisi O on matriisi, jonka kaikki alkiot ovat nollia. Jos matriisissa on sarakkeita yhtä monta kuin riviä, se on neliömatriisi. n n-neliömatriisin a ij päälävistäjä muodostuu alkioista a kk, 1 < k < n. Neliömatriisi on diagonaalinen, jos sen ainoat nollasta eroavat alkiot ovat päälävistäjällä. Neliömatriisi I on yksikkömatriisi, jonka päälävistäjän alkiot ovat ykkösiä ja muut alkiot ovat nollia. O , I , Seuraava määritelmä saattaa tuntua keinotekoiselta, mutta määritelmäässä esitelty Kroneckerin delta on paljon käytössä teknisessa laskennassa. Asia on ulkoa opettelun arvoinen. Määritelmä Kroneckerin delta on { 1, kun i j δ ij 0, kun i j Siis I δ ij. Seuraavilla lauseilla on täsmällinen matemaattiseen käsitteistöön liittyvä merkitys, johon th_matplus:yhteenlaskun th_matkerto:kertolaskun ominaisuudet ominaisuudet palataan opetuksessa myöhemmin. Lauseet ja luettelevat matriiseille voimassa olevia tavallisesta laskemisesta tuttuja ominaisuuksia. Esimerkki kertoo mis- c3s1esim2:mik\iec {\"a} matlaskussa on sä suhteessa matriiseilla laskeminen poikkeaa reaaliluvuilla laskemisesta. Tässä vaiheessa c3s1esim2:mik\iec {\"a} matlaskussa on outoa on tärkeätä muistaa esimerkin antama viesti. Lauseet on koottu peräkkäin, jotta kaavat olisivat helposti silmäiltävissä. Todistukset on esitetty esimerkin jälkeen. Seuraavassa merkinnät + m ja m tarkoittavat matriisien laskutoimituksia. minaisuudet Lause Olkoon A, B ja C m n-matriiseja ja α, β R reaalilukuja. Silloin 1 A + B + C A + B + C 2 A + O A 3 A + A O 4 A + B B + A 5 1 A A 6 αβa αβa 7 α + βa αa + βa 8 αa + B αa + αa Kommentteja: 1 + m on liitännäinen eli assosiatiivinen, 2 nollamatriisi on + m :n neutraalialkio, 3 A on A:n käänteisalkio, 4 + m on vaihdannainen eli kommutatiivinen la1matriisit.tex
7 Vaasan yliopiston julkaisuja, opetusmonisteita 55 skun ominaisuudet Lause Olkoon A, B ja C matriiseja ja α R reaaliluku. Jos matriisien tyypit ovat sellaiset, että seuraavat tulot ovat olemassa, niin silloin 1 ABC ABC 2 AB + C AB + AC 3 A + BC AC + BC 4 αab αab AαB 5 IA AI A Kommentteja: 1 m on liitännäinen assosiatiivinen, 2,3 + m ja m noudattavat osittelulakeja, 5 I on matriisikertolaskun m neutraalialkio. laskussa on outoa Esimerkki Olkoon A, B ja C matriiseja. Jos matriisien tyypit ovat sellaiset, että seuraavat tulot ovat olemassa, niin on mahdollista, että 1 AB BA 2 AC BC vaikka A B 3 AB O vaikka A O ja B O th_matplus:yhteenlaskun th_matkerto:kertolaskun ominaisuudet ominaisuudet c3s1esim2:mik\iec {\ Lauseiden ja osalta todistamme vain muutaman kohdan ja esimerkin väitteet osoitetaan oikeiksi antamalla esimerkki jokaiseen kohtaan. th_matplus:yhteenlaskun ominaisuudet Todistuksia: Lause väite 1 i, j : A + B + C ij a ij + B + C ij a ij + b ij + c ij A + B ij + c ij A + B + C ij th_matkerto:kertolaskun ominaisuudet Lause väite 1 Olkoot A, B ja C tyyppejä m n, n p ja p r olevia matriiseja. Silloin matriisit ABC ja ABC ovat kumpikin tyyppiä m r ja AB ij a ik b kj ja BC st k1 p a sq b qt q1 la1matriisit.tex
8 56 Vaasan yliopiston julkaisuja, opetusmonisteita joten ABC ij p p AB iq c qj a ik b kq c qj q1 q1 k1 a i1 b 11 + a i2 b a in b n1 c 1j +a i1 b 12 + a i2 b a in b n2 c 2j a i1 b 1p + a i2 b 2p + + a in b np c 1p a i1 b 11 c 1j + b 12 c 2j + + b 1p c pj +a i2 b 21 c 1j + b 22 c 2j + + b 2p c pj a in b n1 c 1j + b n2 c 2j + + b np c pj a ik k1 q1 p b kq c qj a ik BC kj k1 ABC ij th_matkerto:kertolaskun ominaisuudet Lause väite 2 AB + C ij a ik B + C kj k1 a ik b kj + c kj k1 a i1 b 1j + c 1j + a i2 b 2j + c 2j + + a in b nj + c nj a i1 b 1j + a i2 b 2j + + a in b nj + a i1 c 1j + a i2 c 2j + + a in c nj a ik b kj + a ik c kj AB + AC ij k1 k1 th_matkerto:kertolaskun ominaisuudet Lause väite 5 Tutkitaan m n-matriisin A a ij, m m-yksikkömatriisin I δ ij ja n n-yksikkömatriisin J δ ij tuloja. IA ij AJ ij m δ ik a kj δ i1 a 1j + δ i2 a 2j + + δ im a mj a ij A ij k1 a ik δ kj a i1 δ 1j + a i2 δ 2j + + a in δ nj a ij A ij k1 c3s1esim2:mik\iec {\"a} matlaskussa on outoa Esimerkki Olkoon A 1 2, B , C , D , E 1 1 la1matriisit.tex
9 Vaasan yliopiston julkaisuja, opetusmonisteita 57 Silloin suora lasku osoittaa, että: 1 AB BA, 2 AC BC, vaikka A B, 3 DE O, vaikka D O ja E O. Sec:la1-MatTransp Transponointi Seuraavassa määriteltävää transpoosimerkintää käytetään paljon. Vaikka asia on yksinkertainen, sen pitää tulla täydellisen tutuksi. Määritelmä m n-matriisin A a ij transponoitu matriisi eli transpoosi on n m-matriisi A T jolle A T ij a ji. Matriisi A T saadaan siis A:sta vaihtamalla vaakarivit pystysarakkeiksi. Esimerkki T , T x 1 x 2. x n T x 1 x 2 x n Huomaa: vasen ylänurkka pysyy paikallaan, ensimmäisestä rivistä tulee ensimmäinen sarake, toisesta rivistä tulee toinen sarake,... Lause Jos matriisien A ja B väliset laskutoimitukset ovat määriteltyjä ja λ R, niin 1 A T T A 2 A + B T A T + B T 3 λa T λa T 4 AB T B T A T ««TÄRKEÄ! Todistus: Kohdat 1-3 nähdään välittömästi. 4: AB T ij AB ji a jk b ki B T ik A T kj B T A T ij k1 k1 la1mattransp.tex 2.2. Transponointi
10 58 Vaasan yliopiston julkaisuja, opetusmonisteita Esimerkki Olkoon A , ja B 7 8 Lasketaan ensin väitteen 4 mukaiset lausekkeet AB T B T A T T T Seuraavaksi kirjaamme uudelleen samat laskut, mutta nyt merkitsemme erityisesti mistä tulevat ne luvut joista laskemme tulosmatriisin rivillä yksi sarakkeessa kaksi olevan alkion 43. AB T B T A T T T Määritelmä Neliömatriisi A on symmetrinen, jos A T A eli a ij a ji, i, j ja antisymmetrinen, jos A T A eli a ij a ji, i, j Jokainen matriisi voidaan esittää symmetrisen ja antisymmetrisen matriisin summana A A + + A missä A A + AT on symmetrinen, ja A 1 2 A AT on antisymmetrinen. Jos esimerkiksi 1 2 A A A A + + A , niin A , ja la1matdeterminantti.tex 2.2. Determinantti
11 Vaasan yliopiston julkaisuja, opetusmonisteita 59 Sec:la1-MatDeterm Determinantti Jokaiseen neliömatriisiin liitetään reaaliluku, jota sanomme matriisin determinantiksi. Tässä kurssissa käsittelemme vain pienehköja, 2 2 ja 3 3, matriiseja. Seuraavalla kurssilla tulemme käyttämään isompiakin matriiseja ja niiden determinantteja. Kaksirivinen determinantti Määritelmä matriisin A determinantti on luku deta a 11 a 12 a 21 a 22 a 11a 22 a 12 a a 11 a 12 a 21 a 22 Esimerkki a b c Pari huomiota: Determinantin arvo voi olla negatiivinen, vaikka kaaviossa ei ole yhtään negatiivista lukua. Determinantti-merkinnän pystyviivoilla ei ole mitään tekemistä itseisarvon kanssa. Jos kaaviossa on kaksi saman laista riviä, niin determinantin arvo on nolla. Opettele erottamaan heti kaavion matriisi-merkintä ja kaavion determinantin merkintä toisistaan 2 6 on matriisi eli suorakulmainen luku-kaavio on luku Tärkeä determinantin sovellus on seuraava lause: la1matdeterminantti.tex 2.2. Determinantti
12 60 Vaasan yliopiston julkaisuja, opetusmonisteita Lause Jos yhtälöryhmän kerroinkaavio on 2 2 matriisi, jonka determinantti on nollasta eroava, niin yhtälöryhmällä on yksi ja vain yksi ratkaisu. Todistus: Tarkastellaan yhtälöryhmää { a11 x + a 12 y b 1 a 21 x + a 22 y b 2 Emme nyt anna a-luvuile, emmekä b-luvuille, mitään erityisiä arvoja, vaan tarkastelemme yhtälöryhmää tässä yleisessä muodossa. Kerromme ensimmäisen yhtälön a 22 :lla ja toisen yhtälön a 12 :lla. Kun näin saadut yhtälöt lasketaan yhteen, syntyy yhtälö josta voimme ratkaista muuttujan x arvon. { a11 x + a 12 y b 1 a 22 a 21 x + a 22 y b 2 a 12 a 11 a 22 x + a 12 a 22 y a 22 b 1 a 12 a 21 x a 12 a 22 y a 12 b 2 a 11 a 22 a 12 a 21 x a 22 b 1 a 12 b 2 x ratkeaa viimeisestä yhtälöstä, sillä a 11 a 22 a 12 a 21 DetA 0. kolmirivinen determinantti Määritelmä matriisin A determinantti on luku a 11 a 12 a 13 deta a 21 a 22 a 23 a 31 a 32 a 33 a 11 a 22 a 33 + a 12 a 23 a 31 + a 13 a 21 a 32 a 13 a 22 a 31 a 11 a 23 a 32 a 12 a 21 a a 11 a 12 a 13 a 11 a 12 a 21 a 22 a 23 a 21 a 22 a 31 a 32 a 33 a 31 a 32 Esimerkki a la1matdeterminantti.tex 2.2. Determinantti
13 Vaasan yliopiston julkaisuja, opetusmonisteita b <><><> Adjungaatti ja Cramerin kaavat la1matdeterminantti.tex 2.3. Determinantti
Matriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi
Matriisit, L20 Merkintöjä 1 Matriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: ( 2 0.4 8 0 2 1 ) ( 0, 4 ), ( ) ( 1 4 2, a 11 a 12 a 21 a 22 ) Merkintöjä 1 Matriisi on suorakulmainen lukukaavio.
LisätiedotMatriisit, kertausta. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi
Matriisit, kertausta Merkintöjä 1 Matriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: ( 2 0.4 8 0 2 1 ) ( 0, 4 ), ( ) ( 1 4 2, a 11 a 12 a 21 a 22 ) Kaavio kirjoitetaan kaarisulkujen väliin
LisätiedotMatriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi
Matriisit, L20 Merkintöjä 1 Matriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: ( 2 0.4 8 0 2 1 ( 0, 4, ( ( 1 4 2, a 11 a 12 a 21 a 22 Kaavio kirjoitetaan kaarisulkujen väliin (amer. kirjoissa
Lisätiedot1.1. Määritelmiä ja nimityksiä
1.1. Määritelmiä ja nimityksiä Luku joko reaali- tai kompleksiluku. R = {reaaliluvut}, C = {kompleksiluvut} R n = {(x 1, x 2,..., x n ) x 1, x 2,..., x n R} C n = {(x 1, x 2,..., x n ) x 1, x 2,..., x
LisätiedotBM20A0700, Matematiikka KoTiB2
BM20A0700, Matematiikka KoTiB2 Luennot: Matti Alatalo, Harjoitukset: Oppikirja: Kreyszig, E.: Advanced Engineering Mathematics, 8th Edition, John Wiley & Sons, 1999, luku 7. 1 Kurssin sisältö Matriiseihin
LisätiedotMatriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: ,, x1 x. Matriiseihin perehtyminen voidaan perustella useilla järkisyillä.
Vaasa yliopisto julkaisuja 71 4 MATRIISIT JA MATRIISILASKUT Ch:Matrix Sec:MatLaskut 4.1 Matriisi ja matriisilaskut Matriisi o suorakulmaie lukukaavio. Matriiseja ovat esimerkiksi: 2 0.4 8 0 a b,, x1 x
LisätiedotTalousmatematiikan perusteet: Luento 9. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Transponointi Matriisitulo
Talousmatematiikan perusteet: Luento 9 Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Transponointi Matriisitulo Viime luennolta Esim. Yritys tekee elintarviketeollisuuden käyttämää puolivalmistetta,
LisätiedotMatriisit. Määritelmä 1 Reaaliluvuista a ij, missä i = 1,..., k ja j = 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A =
1 / 21 Määritelmä 1 Reaaliluvuista a ij, missä i 1,..., k ja j 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A... a k1 a k2 a kn sanotaan k n matriisiksi. Usein merkitään A [a ij ]. Lukuja
LisätiedotTalousmatematiikan perusteet: Luento 10. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Matriisitulo Determinantti
Talousmatematiikan perusteet: Luento 1 Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Matriisitulo Determinantti Viime luennolta Esim. Yritys tekee elintarviketeollisuuden käyttämää puolivalmistetta,
LisätiedotLineaarialgebra ja matriisilaskenta I
Lineaarialgebra ja matriisilaskenta I 30.5.2013 HY / Avoin yliopisto Jokke Häsä, 1/19 Käytännön asioita Kurssi on suunnilleen puolessa välissä. Kannattaa tarkistaa tavoitetaulukosta, mitä on oppinut ja
LisätiedotKaksirivisen matriisin determinantille käytämme myös merkintää. a 11 a 12 a 21 a 22. = a 11a 22 a 12 a 21. (5.1) kaksirivine
Vaasan yliopiston julkaisuja 97 5 DETERMINANTIT Ch:Determ Sec:DetDef 5.1 Determinantti Tämä kappale jakautuu kolmeen alakappaleeseen. Ensimmäisessä alakappaleessa määrittelemme kaksi- ja kolmiriviset determinantit.
LisätiedotOrtogonaalinen ja ortonormaali kanta
Ortogonaalinen ja ortonormaali kanta Määritelmä Kantaa ( w 1,..., w k ) kutsutaan ortogonaaliseksi, jos sen vektorit ovat kohtisuorassa toisiaan vastaan eli w i w j = 0 kaikilla i, j {1, 2,..., k}, missä
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
Lisätiedot9 Matriisit. 9.1 Matriisien laskutoimituksia
9 Matriisit Aiemmissa luvuissa matriiseja on käsitelty siinä määrin kuin on ollut tarpeellista yhtälönratkaisun kannalta. Matriiseja käytetään kuitenkin myös muihin tarkoituksiin, ja siksi on hyödyllistä
LisätiedotEnnakkotehtävän ratkaisu
Ennakkotehtävän ratkaisu Ratkaisu [ ] [ ] 1 3 4 3 A = ja B =. 1 4 1 1 [ ] [ ] 4 3 12 12 1 0 a) BA = =. 1 + 1 3 + 4 0 1 [ ] [ ] [ ] 1 0 x1 x1 b) (BA)x = =. 0 1 x 2 x [ ] [ ] [ 2 ] [ ] 4 3 1 4 9 5 c) Bb
LisätiedotMatriisipotenssi. Koska matriisikertolasku on liitännäinen (sulkuja ei tarvita; ks. lause 2), voidaan asettaa seuraava määritelmä: ja A 0 = I n.
Matriisipotenssi Koska matriisikertolasku on liitännäinen (sulkuja ei tarvita; ks. lause 2), voidaan asettaa seuraava määritelmä: Määritelmä Oletetaan, että A on n n -matriisi (siis neliömatriisi) ja k
LisätiedotJohdatus tekoälyn taustalla olevaan matematiikkaan
Johdatus tekoälyn taustalla olevaan matematiikkaan Informaatioteknologian tiedekunta Jyväskylän yliopisto 5. luento.2.27 Lineaarialgebraa - Miksi? Neuroverkon parametreihin liittyvät kaavat annetaan monesti
LisätiedotMatriisilaskenta. Harjoitusten 3 ratkaisut (Kevät 2019) 1. Olkoot AB = ja 2. Osoitetaan, että matriisi B on matriisin A käänteismatriisi.
Matriisilaskenta Harjoitusten ratkaisut (Kevät 9). Olkoot ja A = B = 5. Osoitetaan, että matriisi B on matriisin A käänteismatriisi. Tapa Käänteismatriisin määritelmän nojalla riittää osoittaa, että AB
LisätiedotMatriisien tulo. Matriisit ja lineaarinen yhtälöryhmä
Matriisien tulo Lause Olkoot A, B ja C matriiseja ja R Tällöin (a) A(B + C) =AB + AC, (b) (A + B)C = AC + BC, (c) A(BC) =(AB)C, (d) ( A)B = A( B) = (AB), aina, kun kyseiset laskutoimitukset on määritelty
LisätiedotNeliömatriisin adjungaatti, L24
Neliömatriisin adjungaatti, L24 1 2 1 3 Matriisi = A = 7 4 6 5 2 0 ( ) 7 6 Alimatriisi = A 12 = 5 0 Minori = det(a 12 ) = 7 6 5 0 = 30 Kofaktori = ( 1) 1+2 det(a 12 ) = 30 2 Määritelmä n n neliö-matriisin
LisätiedotKäänteismatriisi 1 / 14
1 / 14 Jokaisella nollasta eroavalla reaaliluvulla on käänteisluku, jolla kerrottaessa tuloksena on 1. Seuraavaksi tarkastellaan vastaavaa ominaisuutta matriiseille ja määritellään käänteismatriisi. Jokaisella
LisätiedotDeterminantti 1 / 30
1 / 30 on reaaliluku, joka on määritelty neliömatriiseille Determinantin avulla voidaan esimerkiksi selvittää, onko matriisi kääntyvä a voidaan käyttää käänteismatriisin määräämisessä ja siten lineaarisen
LisätiedotMatematiikka B2 - TUDI
Matematiikka B2 - TUDI Miika Tolonen 3. syyskuuta 2012 Miika Tolonen Matematiikka B2 - TUDI 1 Kurssin sisältö (1/2) Matriisit Laskutoimitukset Lineaariset yhtälöryhmät Gaussin eliminointi Lineaarinen riippumattomuus
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö
LisätiedotKäänteismatriisin ominaisuuksia
Käänteismatriisin ominaisuuksia Lause 1.4. Jos A ja B ovat säännöllisiä ja luku λ 0, niin 1) (A 1 ) 1 = A 2) (λa) 1 = 1 λ A 1 3) (AB) 1 = B 1 A 1 4) (A T ) 1 = (A 1 ) T. Tod.... Ortogonaaliset matriisit
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M Hirvensalo mikhirve@utufi V Junnila viljun@utufi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M Hirvensalo mikhirve@utufi V Junnila viljun@utufi Luentokalvot 5 1
Lisätiedot3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset
32 Idea: Lineaarikuvausten laskutoimitusten avulla määritellään vastaavat matriisien laskutoimitukset Vakiolla kertominen ja summa Olkoon t R ja A, B R n m Silloin ta, A + B R n m ja määritellään ta ta
LisätiedotKäänteismatriisin. Aiheet. Käänteismatriisin ominaisuuksia. Rivioperaatiot matriisitulona. Matriisin kääntäminen rivioperaatioiden avulla
Käänteismatriisi, L5 1 Tässä kalvosarjassa käsittelemme neliömatriiseja. Ilman asian jatkuvaa toistamista oletamme seuraavassa, että kaikki käsittelemämme matriisit ovat neliömatriiseja. Määritelmä. Olkoon
LisätiedotMatikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/81
Matikkapaja keskiviikkoisin klo 14-16 Lineaarialgebra (muut ko) p. 1/81 Lineaarialgebra (muut ko) p. 2/81 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v 2 )
LisätiedotMatematiikka B2 - Avoin yliopisto
6. elokuuta 2012 Opetusjärjestelyt Luennot 9:15-11:30 Harjoitukset 12:30-15:00 Tentti Kurssin sisältö (1/2) Matriisit Laskutoimitukset Lineaariset yhtälöryhmät Gaussin eliminointi Lineaarinen riippumattomuus
LisätiedotA = a b B = c d. d e f. g h i determinantti on det(c) = a(ei fh) b(di fg) + c(dh eg). Matriisin determinanttia voi merkitä myös pystyviivojen avulla:
11 Determinantti Neliömatriisille voidaan laskea luku, joka kertoo muun muassa, onko matriisi kääntyvä vai ei Tätä lukua kutsutaan matriisin determinantiksi Determinantilla on muitakin sovelluksia, mutta
LisätiedotYhteenlaskun ja skalaarilla kertomisen ominaisuuksia
Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia Voidaan osoittaa, että avaruuden R n vektoreilla voidaan laskea tuttujen laskusääntöjen mukaan. Huom. Lause tarkoittaa väitettä, joka voidaan perustella
Lisätiedot1 Matriisit ja lineaariset yhtälöryhmät
1 Matriisit ja lineaariset yhtälöryhmät 11 Yhtälöryhmä matriisimuodossa m n-matriisi sisältää mn kpl reaali- tai kompleksilukuja, jotka on asetetettu suorakaiteen muotoiseksi kaavioksi: a 11 a 12 a 1n
LisätiedotLineaarialgebra ja matriisilaskenta I
Lineaarialgebra ja matriisilaskenta I 29.5.2013 HY / Avoin yliopisto Jokke Häsä, 1/26 Kertausta: Kanta Määritelmä Oletetaan, että w 1, w 2,..., w k W. Vektorijono ( w 1, w 2,..., w k ) on aliavaruuden
Lisätiedot3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä
3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä Lineaarinen m:n yhtälön yhtälöryhmä, jossa on n tuntematonta x 1,, x n on joukko yhtälöitä, jotka ovat muotoa a 11 x 1 + + a 1n x n = b 1 a 21
LisätiedotKurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa.
7 Matriisilaskenta Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa. 7.1 Lineaariset yhtälöryhmät Yhtälöryhmät liittyvät tilanteisiin, joissa on monta tuntematonta
LisätiedotLineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg
Vaasan yliopisto, syksy 218 Lineaarialgebra II, MATH124 Matti laaksonen, Lassi Lilleberg Tentti T1, 284218 Ratkaise 4 tehtävää Kokeessa saa käyttää laskinta (myös graafista ja CAS-laskinta), mutta ei taulukkokirjaa
Lisätiedot802118P Lineaarialgebra I (4 op)
802118P Lineaarialgebra I (4 op) Tero Vedenjuoksu Oulun yliopisto Matemaattisten tieteiden laitos 2012 Lineaarialgebra I Yhteystiedot: Tero Vedenjuoksu tero.vedenjuoksu@oulu.fi Työhuone M206 Kurssin kotisivu
Lisätiedot3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä
1 3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä Lineaarinen m:n yhtälön yhtälöryhmä, jossa on n tuntematonta x 1,, x n on joukko yhtälöitä, jotka ovat muotoa a 11 x 1 + + a 1n x n = b 1 a
Lisätiedot3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset
31 MS-A0004/A0006 Matriisilaskenta 3 Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2292015 Lineaariset yhtälöt ovat vektoreille luonnollisia yhtälöitä, joita
LisätiedotVille Turunen: Mat Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007
Ville Turunen: Mat-1.1410 Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007 Materiaali: kirjat [Adams R. A. Adams: Calculus, a complete course (6th edition), [Lay D. C. Lay: Linear
Lisätiedot5 Ominaisarvot ja ominaisvektorit
5 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin A
LisätiedotLineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo.
Lineaariavaruudet aiheita 1 määritelmä Nelikko (L, R, +, ) on reaalinen (eli reaalinen vektoriavaruus), jos yhteenlasku L L L, ( u, v) a + b ja reaaliluvulla kertominen R L L, (λ, u) λ u toteuttavat seuraavat
Lisätiedot2.8. Kannanvaihto R n :ssä
28 Kannanvaihto R n :ssä Seuraavassa kantavektoreiden { x, x 2,, x n } järjestystä ei saa vaihtaa Vektorit ovat pystyvektoreita ( x x 2 x n ) on vektoreiden x, x 2,, x n muodostama matriisi, missä vektorit
Lisätiedotx 2 x 3 x 1 x 2 = 1 2x 1 4 x 2 = 3 x 1 x 5 LINEAARIALGEBRA I Oulun yliopisto Matemaattisten tieteiden laitos 2014 Esa Järvenpää, Hanna Kiili
6 4 2 x 2 x 3 15 10 5 0 5 15 5 3 2 1 1 2 3 2 0 x 2 = 1 2x 1 0 4 x 2 = 3 x 1 x 5 2 5 x 1 10 x 1 5 LINEAARIALGEBRA I Oulun yliopisto Matemaattisten tieteiden laitos 2014 Esa Järvenpää, Hanna Kiili Sisältö
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö
LisätiedotMatikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/210
Matikkapaja keskiviikkoisin klo 14-16 Lineaarialgebra (muut ko) p. 1/210 Lineaarialgebra (muut ko) p. 2/210 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v 2
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D Mika Hirvensalo mikhirve@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2014 Mika Hirvensalo mikhirve@utu.fi Luentokalvot 3 1 of 16 Kertausta Lineaarinen riippuvuus
LisätiedotH = : a, b C M. joten jokainen A H {0} on kääntyvä matriisi. Itse asiassa kaikki nollasta poikkeavat alkiot ovat yksiköitä, koska. a b.
10. Kunnat ja kokonaisalueet Määritelmä 10.1. Olkoon K rengas, jossa on ainakin kaksi alkiota. Jos kaikki renkaan K nollasta poikkeavat alkiot ovat yksiköitä, niin K on jakorengas. Kommutatiivinen jakorengas
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
LisätiedotJohdatus lineaarialgebraan. Juha Honkala 2017
Johdatus lineaarialgebraan Juha Honkala 2017 Sisällysluettelo 1 Lineaariset yhtälöryhmät ja matriisit 11 Lineaariset yhtälöryhmät 12 Matriisit 13 Matriisien alkeismuunnokset ja porrasmatriisit 14 Yhtälöryhmien
LisätiedotLineaarialgebra (muut ko)
Lineaarialgebra (muut ko) p. 1/103 Lineaarialgebra (muut ko) Tero Laihonen Lineaarialgebra (muut ko) p. 2/103 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
Lisätiedot1. LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT. 1.1 Lineaariset yhtälöryhmät
1 1 LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT Muotoa 11 Lineaariset yhtälöryhmät (1) a 1 x 1 + a x + + a n x n b oleva yhtälö on tuntemattomien x 1,, x n lineaarinen yhtälö, jonka kertoimet ovat luvut a 1,,
LisätiedotALGEBRA KEVÄT 2013 JOUNI PARKKONEN
ALGEBRA KEVÄT 2013 JOUNI PARKKONEN Algebra käsittelee laskemista. Osin tämä tarkoittaa numeroilla laskemista lukualueissa N, Z, Q, R, C laskutoimituksilla + ja ja niiden käänteisoperaatioilla ja / siinä
Lisätiedot802328A LUKUTEORIAN PERUSTEET Merkintöjä ja Algebrallisia rakenteita
802328A LUKUTEORIAN PERUSTEET Merkintöjä ja Algebrallisia rakenteita Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LUKUTEORIA 1 / 25 Lukujoukkoja N = {0, 1, 2,..., GOOGOL 10,...} = {ei-negatiiviset
LisätiedotLU-hajotelma. Esimerkki 1 Matriisi on yläkolmiomatriisi ja matriisi. on alakolmiomatriisi. 3 / 24
LU-hajotelma 1 / 24 LU-hajotelma Seuravassa tarkastellaan kuinka neliömatriisi voidaan esittää kahden kolmiomatriisin tulona. Käytämme alkeismatriiseja tälläisen esityksen löytämiseen. Edellä mainittua
LisätiedotOminaisarvo ja ominaisvektori
Ominaisarvo ja ominaisvektori Määritelmä Oletetaan, että A on n n -neliömatriisi. Reaaliluku λ on matriisin ominaisarvo, jos on olemassa sellainen vektori v R n, että v 0 ja A v = λ v. Vektoria v, joka
LisätiedotTiivistelmä matriisilaskennasta
Tiivistelmä matriisilaskennasta v 35, 2122008, Ossi Pasanen Nimityksiä ja merkintätapoja m n -matriisi on reaali- tai kompleksiluvuista koostuva lukukaavio, jossa on m vaakariviä ja n saraketta pystyriviä)
LisätiedotLineaariset kongruenssiyhtälöryhmät
Lineaariset kongruenssiyhtälöryhmät LuK-tutkielma Jesse Salo 2309369 Matemaattisten tieteiden laitos Oulun yliopisto Sisältö Johdanto 2 1 Kongruensseista 3 1.1 Kongruenssin ominaisuuksia...................
LisätiedotDeterminantti. Määritelmä
Determinantti Määritelmä Oletetaan, että A on n n-neliömatriisi. Merkitään normaaliin tapaan matriisin A alkioita lyhyesti a ij = A(i, j). (a) Jos n = 1, niin det(a) = a 11. (b) Muussa tapauksessa n det(a)
LisätiedotLineaarialgebra ja matriisilaskenta II. LM2, Kesä /141
Lineaarialgebra ja matriisilaskenta II LM2, Kesä 2012 1/141 Kertausta: avaruuden R n vektorit Määritelmä Oletetaan, että n {1, 2, 3,...}. Avaruuden R n alkiot ovat jonoja, joissa on n kappaletta reaalilukuja.
LisätiedotMAT Algebra 1(s)
8. maaliskuuta 2012 Esipuhe Tämä luentokalvot sisältävät kurssin keskeiset asiat. Kalvoja täydennetään luennolla esimerkein ja todistuksin. Materiaali perustuu Jyväskylän, Helsingin ja Turun yliopistojen
LisätiedotOminaisarvo-hajoitelma ja diagonalisointi
Ominaisarvo-hajoitelma ja a 1 Lause 1: Jos reaalisella n n matriisilla A on n eri suurta reaalista ominaisarvoa λ 1,λ 2,...,λ n, λ i λ j, kun i j, niin vastaavat ominaisvektorit x 1, x 2,..., x n muodostavat
Lisätiedot[a] ={b 2 A : a b}. Ekvivalenssiluokkien joukko
3. Tekijälaskutoimitus, kokonaisluvut ja rationaaliluvut Tässä luvussa tutustumme kolmanteen tapaan muodostaa laskutoimitus joukkoon tunnettujen laskutoimitusten avulla. Tätä varten määrittelemme ensin
LisätiedotJohdatus tekoälyn taustalla olevaan matematiikkaan
Johdatus tekoälyn taustalla olevaan matematiikkaan Informaatioteknologian tiedekunta Jyväskylän yliopisto 4. luento 24.11.2017 Neuroverkon opettaminen - gradienttimenetelmä Neuroverkkoa opetetaan syöte-tavoite-pareilla
Lisätiedot1 Ominaisarvot ja ominaisvektorit
1 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) 1 missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin
Lisätiedotjonka laskutoimitus on matriisien kertolasku. Vastaavasti saadaan K-kertoiminen erityinen lineaarinen ryhmä
4. Ryhmät Tässä luvussa tarkastelemme laskutoimituksella varustettuja joukkoja, joiden laskutoimitukselta oletamme muutamia yksinkertaisia ominaisuuksia: Määritelmä 4.1. Laskutoimituksella varustettu joukko
LisätiedotLineaariset yhtälöryhmät ja matriisit
Lineaariset yhtälöryhmät ja matriisit Lineaarinen yhtälöryhmä a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2. a m1 x 1 + a m2 x 2 + + a mn x n = b m, (1) voidaan esittää
LisätiedotLineaarialgebra ja matriisilaskenta I
Lineaarialgebra ja matriisilaskenta I 6.6.2013 HY / Avoin yliopisto Jokke Häsä, 1/22 Kertausta: Kääntyvien matriisien lause Lause 1 Oletetaan, että A on n n -neliömatriisi. Seuraavat ehdot ovat yhtäpitäviä.
LisätiedotDeterminantti. Määritelmä
Determinantti Määritelmä Oletetaan, että A on n n-neliömatriisi Merkitään normaaliin tapaan matriisin A alkioita lyhyesti a ij = A(i, j) (a) Jos n = 1, niin det(a) = a 11 (b) Muussa tapauksessa n det(a)
LisätiedotOrtogonaaliset matriisit, määritelmä 1
, määritelmä 1 Määritelmä (a). Neliömatriisi Q on ortogonaalinen, jos Q T Q = I. Määritelmästä voidaan antaa samaa tarkoittavat, mutta erilaiselta näyttävät muodot: Määritelmä (b). n n neliömatriisi Q,
LisätiedotSovitaan ensin merkintätavoista. Ratkaisemme ensin yksinkertaisen yhtälöparin. 5y = 10. x = 3 x = 1
Vaasan yliopiston julkaisuja, opetusmonisteita 31 2 MATRIISILASKENTAA Matriisilaskentaa 2.1 Yhtälöryhmät Sec:la1-YhtRyhmat 2.1.1 Rivioperaatiot Ssec:la1-Rivioper Sovitaan ensin merkintätavoista. Ratkaisemme
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 4 To 15.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 4 To 15.9.2011 p. 1/38 p. 1/38 Lineaarinen yhtälöryhmä Lineaarinen yhtälöryhmä matriisimuodossa Ax = b
LisätiedotMatriiseista. Emmi Koljonen
Matriiseista Emmi Koljonen 3. lokakuuta 22 Usein meillä on monta systeemiä kuvaavaa muuttujaa ja voimme kirjoittaa niiden välille riippuvaisuuksia, esim. piirin silmukoihin voidaan soveltaa silmukkavirtayhtälöitä.
LisätiedotAx, y = x, A y. A = A A hermiittinen. Jokainen reaalinen ja symmetrinen matriisi on määritelmän mukaan myös hermiittinen. A =, HARJOITUSTEHTÄVIÄ
X.. Matriisialgebra Esimerkki 4 Jos niin x =[i, +i, 2 i ] T C 3, y =[ 2i, 2i, i ] T C 3, x, x = x 2 =+(+)+(4+)=8, y, y =(+4)+4+(+)=, x, y = i( + 2i)+(+i)( 2i)+(2 i)( +i) = +3i. Matriisia A = ĀT sanotaan
Lisätiedot3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. Olkoot A 2 := AA =
3 3 Olkoot 9 8 B 7 6 ja A 5 4 [ 3 4 Nyt A + B, AB ja BB eivät ole mielekkäitä (vastaavilla lineaarikuvauksilla menisivät dimensiot solmuun tällaisista yhdistelmistä) Kuitenkin voidaan laskea BA ja 9( )
Lisätiedot8 KANNAT JA ORTOGONAALISUUS. 8.1 Lineaarinen riippumattomuus. Vaasan yliopiston julkaisuja 151
Vaasan yliopiston julkaisuja 151 8 KANNAT JA ORTOGONAALISUUS KantaOrthogon Sec:LinIndep 8.1 Lineaarinen riippumattomuus Lineaarinen riippumattomuus on oikeastaan jo määritelty, mutta kirjoitamme määritelmät
LisätiedotMS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Idea Lineaarisen systeemin ratkaiseminen Olkoon
LisätiedotRistitulolle saadaan toinen muistisääntö determinantin avulla. Vektoreiden v ja w ristitulo saadaan laskemalla determinantti
14 Ristitulo Avaruuden R 3 vektoreille voidaan määritellä pistetulon lisäksi niin kutsuttu ristitulo. Pistetulosta poiketen ristitulon tulos ei ole reaaliluku vaan avaruuden R 3 vektori. Ristitulosta on
LisätiedotTalousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi
Talousmatematiikan perusteet: Luento 11 Lineaarikuvaus Matriisin aste Käänteismatriisi Viime luennolla Käsittelimme matriisien peruskäsitteitä ja laskutoimituksia Vakiolla kertominen, yhteenlasku ja vähennyslasku
LisätiedotMatriisilaskenta Luento 8: LU-hajotelma
Matriisilaskenta Luento 8: LU-hajotelma Antti Rasila 2016 Matriisihajotelmat 1/2 Usein matriisiyhtälön Ax = y ratkaiseminen on epäkäytännöllistä ja hidasta. Siksi numeerisessa matriisilaskennassa usein
Lisätiedot(1.1) Ae j = a k,j e k.
Lineaarikuvauksen determinantti ja jälki 1. Lineaarikuvauksen matriisi. Palautetaan mieleen, mikä lineaarikuvauksen matriisi annetun kannan suhteen on. Olkoot V äärellisulotteinen vektoriavaruus, n = dim
LisätiedotSeuraava luento ti on salissa XXII. Lineaarialgebra (muut ko) p. 1/117
Seuraava luento ti 31.10 on salissa XXII Lineaarialgebra (muut ko) p. 1/117 Lineaarialgebra (muut ko) p. 2/117 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v
LisätiedotInformaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen
Informaatiotieteiden yksikkö Lineaarialgebra 1A Pentti Haukkanen Puhtaaksikirjoitus: Joona Hirvonen . 2 Sisältö 1 Matriisit, determinantit ja lineaariset yhtälöryhmät 4 1.1 Matriisin määritelmä.......................
Lisätiedotrenkaissa. 0 R x + x =(0 R +1 R )x =1 R x = x
8. Renkaat Tarkastelemme seuraavaksi rakenteita, joissa on määritelty kaksi assosiatiivista laskutoimitusta, joista toinen on kommutatiivinen. Vaadimme näiltä kahdella laskutoimituksella varustetuilta
LisätiedotInformaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen
Informaatiotieteiden yksikkö Lineaarialgebra 1A Pentti Haukkanen Puhtaaksikirjoitus: Joona Hirvonen . 2 Sisältö 1 Matriisit, determinantit ja lineaariset yhtälöryhmät 4 1.1 Matriisit..............................
LisätiedotEsko Turunen Luku 3. Ryhmät
3. Ryhmät Monoidia rikkaampi algebrallinen struktuuri on ryhmä: Määritelmä (3.1) Olkoon joukon G laskutoimitus. Joukko G varustettuna tällä laskutoimituksella on ryhmä, jos laskutoimitus on assosiatiivinen,
LisätiedotMatemaattinen Analyysi, k2012, L1
Matemaattinen Analyysi, k22, L Vektorit Merkitsemme koulumatematiikasta tuttua vektoria v = 2 i + 3 j sarake matriisilla ( ) 2 v = v = = ( 2 3 ) T 3 Merkintätavan muutos helpottaa jatkossa siirtymistä
LisätiedotKanta ja Kannan-vaihto
ja Kannan-vaihto 1 Olkoon L vektoriavaruus. Äärellinen joukko L:n vektoreita V = { v 1, v 2,..., v n } on kanta, jos (1) Jokainen L:n vektori voidaan lausua v-vektoreiden lineaarikombinaationa. (Ts. Span(V
LisätiedotInformaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen
Informaatiotieteiden yksikkö Lineaarialgebra 1A Pentti Haukkanen Puhtaaksikirjoitus: Joona Hirvonen . 2 Sisältö 1 Matriisit, determinantit ja lineaariset yhtälöryhmät 4 1.1 Matriisin määritelmä.......................
Lisätiedot802120P Matriisilaskenta (5 op)
802120P Matriisilaskenta (5 op) Marko Leinonen Matemaattiset tieteet Syksy 2016 1 / 220 Luennoitsija: Marko Leinonen marko.leinonen@oulu.fi MA333 Kurssilla käytetään Noppaa (noppa.oulu.fi) Luentomoniste
LisätiedotMääritelmä Olkoon T i L (V i, W i ), 1 i m. Yksikäsitteisen lineaarikuvauksen h L (V 1 V 2 V m, W 1 W 2 W m )
Määritelmä 519 Olkoon T i L V i, W i, 1 i m Yksikäsitteisen lineaarikuvauksen h L V 1 V 2 V m, W 1 W 2 W m h v 1 v 2 v m T 1 v 1 T 2 v 2 T m v m 514 sanotaan olevan kuvausten T 1,, T m indusoima ja sitä
LisätiedotLineaarialgebra a, kevät 2019 Harjoitus 6 (ratkaisuja Maple-dokumenttina) > restart; with(linalg): # toteuta ihan aluksi!
Lineaarialgebra a, kevät 2019 Harjoitus 6 (ratkaisuja Maple-dokumenttina) restart; with(linalg): # toteuta ihan aluksi! Tehtävä 1. Säännöllisyys yhdellä yhtälöllä Koska matriisit A ja B ovat neliömatriiseja
Lisätiedot9. Vektorit. 9.1 Skalaarit ja vektorit. 9.2 Vektorit tasossa
9. Vektorit 9.1 Skalaarit ja vektorit Skalaari on koon tai määrän mitta. Tyypillinen esimerkki skalaarista on massa. Lukumäärä on toinen hyvä esimerkki skalaarista. Vektorilla on taas suuruus ja suunta.
Lisätiedot1 Lineaariavaruus eli Vektoriavaruus
1 Lineaariavaruus eli Vektoriavaruus 1.1 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä V epätyhjä joukko. Oletetaan, että joukossa V on määritelty laskutoimitus
Lisätiedot3. Kirjoita seuraavat joukot luettelemalla niiden alkiot, jos mahdollista. Onko jokin joukoista tyhjä joukko?
HY / Avoin yliopisto Johdatus yliopistomatematiikkaan, kesä 2015 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I Seuraavat tehtävät liittyvät luentokalvoihin 1 14. Erityisesti esimerkistä 4 ja esimerkin
LisätiedotLineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi
Lineaarikuvaukset aiheita ten ten 1 Matematiikassa sana lineaarinen liitetään kahden lineaariavaruuden väliseen kuvaukseen. ten Määritelmä Olkoon (L, +, ) ja (M, ˆ+, ˆ ) reaalisia lineaariavaruuksia, ja
LisätiedotOrtogonaalisen kannan etsiminen
Ortogonaalisen kannan etsiminen Lause 94 (Gramin-Schmidtin menetelmä) Oletetaan, että B = ( v 1,..., v n ) on sisätuloavaruuden V kanta. Merkitään V k = span( v 1,..., v k ) ja w 1 = v 1 w 2 = v 2 v 2,
LisätiedotNeliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja
7 NELIÖMATRIISIN DIAGONALISOINTI. Ortogonaaliset matriisit Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja A - = A T () Muistutus: Kokoa n olevien vektorien
Lisätiedot