MATRIISIALGEBRA. Harjoitustehtäviä syksy Olkoot A =, B =

Koko: px
Aloita esitys sivulta:

Download "MATRIISIALGEBRA. Harjoitustehtäviä syksy Olkoot A =, B ="

Transkriptio

1 MATRIISIALGEBRA Harjoitustehtäviä syksy Olkoot, B =, C = Määrättävä A + B, 4A 2B, A T, C T, (A T ) T. 2. Jos A, B ja C ovat kuten edellisessä tehtävässä, onko a) C + C T määritelty, b) A + C määritelty, c) ovatko A ja B symmetrisiä. Totea, että AB BA. 3. Merkitään 2, B = 3 0 2, C = Laskettava (mikäli mahdollista) a) CB, A T B, AB; b) B T CA, BCA. 4. Olkoot a c e b d 2 3 7, B = ja C = f 0 matriiseja, missä a, b, c, d, e ja f ovat reaalilukuja. Tarkastellaan matriisituloja (AB) T ja B T A T C ja C T AB. Määrää kunkin matriisitulon tulos, jos kyseinen matriisitulo on määritelty. Jos jokin matriisituloista ei ole määritelty, niin perustele miksi ei Määrää kaikki matriisit, jotka kommutoivat matriisin kanssa Keksi nollamatriisista poikkeavat 3 3-matriisit a) A ja B, joille AB = (=nollamatriisi). b) A, B ja C, joille AC = BC, mutta A B. 7. Eläintarhassa on lintuja (2-jalkaisia) ja elukoita (4-jalkaisia). a)jos siellä on 5 päätä ja 40 jalkaa, niin kuinka monta lintua ja kuinka monta elukkaa siellä on? b) Jos jalkoja on 40, niin mitkä ovat mahdolliset lintujen ja elukoiden lukumäärät? 8. Ratkaise yhtälöryhmä x 2x 2 + x 3 = 0 2x 2 8x 3 = 8 4x + 5x 2 + 9x 3 = 9 9. Eräs yritys valmistaa kolmentyyppisiä ikkunoita ja eri tyypit vaativat ikkunaa kohti metalliosia, puuta, lasia ja työtä seuraavasti: tyyppi metalli puu lasi työ I II III Raaka-aineiden yksikköhinnat ovat euroissa lausuttuina metalli puu lasi työ Kuinka paljon kunkin ikkunatyypin raaka-aineet maksavat? Eräänä päivänä on toimitettava 50 kpl tyyppiä I, 70 kpl tyypiä II ja 90 kpl tyyppiä III olevia ikkunoita. Kuinka paljon näihin kuluu raaka-aineita? Kuinka paljon raaka-aineet maksavat? Suorita laskut matriisilaskennan merkinnöin! 0. Digitaalisessa kuvankäsittelyssä kuva esitetään kuvamatriisin f avulla ja kuvan ominaisuuksia kuvataan f:n Fourier-muunnoksen F = F(f) = AfB avulla. Kun f on 4 2-matriisi, niin j j, 4 j j

2 B = 2 ( ) ja j on imaginaariyksikkö (j 2 = ). a) Osoita, että A:n käänteismatriisi A = 4Ā, missä Ā on A:n konjugaattimatriisi, ja laske B. b) Määrää alkuperäinen kuvamatriisi f, kun sen Fourier-muunnos on 3 F = 3j 2 + 3j. 8 3j 2 3j. Ratkaise seuraava yhtälöryhmä ilman matriisimerkintöjä 3s t = 4 s + 2t = 3s + 2t = 6 2. Totea, että yhtälöryhmän 2 3 x + 2 x 2 2 x 3 3 = 3 x 2 x x 3 = 2 2 x x 3 = 3 kerroinmatriisi on ortogonaalinen ja käytä tätä tietoa hyväksi yhtälöryhmän ratkaisemisessa. 3. a) Onko kaava (A B)(A + B) = A 2 B 2 aina voimassa, kun A ja B ovat samaa lajia olevia neliömatriiseja? Perustelu! b) Poista sulut lausekkeesta (A + B) Ratkaise Gaussin menetelmällä seuraavat yhtälöryhmät: a) 3x + x 2 x 3 = 4 6x + 2x 2 + 2x 3 = 20, x x 2 + 2x 3 = 7 b) 2x x 3 = + x 2 2x x 2 x 3 + 2x 4 = 2x x 3 + 2x 2 + x + x 4 5 = 0 0 = x + 3x 2 x c) x + 3x 2 + 5x 3 + 4x 4 = 0 x + 2x 2 + 6x 3 + 2x 4 =, 2x + 8x 2 + 8x 3 + 2x 4 =. d) 3x + 6x 2 + x 3 = 5 x + 3x 2 x 3 = 3. x + 2x 2 + 2x 3 = 4 5. Kalankasvatusaltaassa on kolmea eri lajia kaloja. Lajin jokainen kala tarvitsee viikossa yksikön ruokaa A, yksikön ruokaa B ja 2 yksikköä ruokaa C. Vastaavat yksikkömäärät lajin 2 kaloille ovat 3,4, ja 5 sekä lajin 3 kaloille 2, ja 5. Joka viikko altaaseen sijoitetaan yksikköä ruokaa A, yksikköä ruokaa B ja yksikköä ruokaa C. Kuinka monta kalaa kutakin lajia altaassa voi olla, jos oletetaan että kaikki ruoka tulee syödyksi ja jokainen kala syö täsmälleen tarvitsemansa yksikkömäärät? Ratkaise tehtävä sopivan yhtälöryhmän avulla käyttäen Gaussin menetelmää. 6. Ratkaise kerralla yhtälöryhmät Ax = b i, i =, 2, 3, 4, kun , b = (, 0, 0) T, b 2 = (0, 6, 26) T, b 3 = (2,, 2) T ja b 4 = (0,, 2) T

3 7. Määrää A:n käänteismatriisi vaakarivimuunnoksin matriisista (A I), kun a) b) c) 8. a) Olkoon matriisi x Määrää vaakarivimuunnoksin matriisin A käänteismatriisi kun x = 3. Millä x:n arvolla A:lla ei ole käänteismatriisia? b) Olkoon A diagonaalimatriisi, diag( x, 2 x, 3 x, 4 x,..., 70 x). Määrää A:n käänteismatriisi, kun x = 0. Millä x:n arvoilla A:lla ei ole käänteismatriisia? Laske matriisin käänteismatriisi A Ratkaise yhtälöryhmä x + x 2 2x 3 + 2x 4 = 3x + 2x 2 4x 3 + 5x 4 = 2 2x 2 + 3x 3 2x 4 = 3 x + x 2 + 3x 4 = käyttämällä hyväksi saamaasi käänteismatriisia A. 20. a) Määrää matriisin LU-hajotelma, missä matriisin L diagonaalialkiot ovat ykkösiä. b) Ratkaise yhtälöryhmä 3x 7x 2 2x 3 = 7 3x + 5x 2 + x 3 = 5 6x 4x 2 = 2 2. Olkoot kerroinmatriisin LU-hajotelman avulla. 0 0 ja b = Muodosta matriisin A QR-hajoitelma ja laske x = (A T A) A T b sekä x = R Q T b. 22. Matriisit B ja C ovat sarakeortogonaalisia. Laske A T A, kun BC

4 23. Mitkä seuraavista joukoista ovat vektorivaruuden R 3 aliavaruuksia: a) {(x, x 2, x 3 ) R 3 2x x 2 + x 3 + = 0} b) {(x, x 2, x 3 ) R 3 x 2 = 0, x = 2x 3 } c) {(x, x 2, x 3 ) R 3 x 2 = x 3 x 2 } 24. Mitkä seuraavista joukoista ovat reaalisten matriisien muodostaman vektoriavaruuden aliavaruuksia: a) kaikkien symmetristen matriisien joukko, b) kaikkien singulaaristen matriisien joukko? 25. Selvitä onko vektorijoukko {(4, 3, 2), (2, 3, 5), (,, )} R 3 :n vapaa (=lineaarisesti riippumaton) vektorijoukko. 26. a) Selvitä onko vektorijoukko {(,, 2, 2), (3, 2, 4, 5), (0, 2, 3, 2), (,, 0, 3)} R 4 :n vapaa (=lineaarisesti riippumaton) vektorijoukko. Jos on, niin lausu vektori (0, 0,, 0) vektorijoukon vektoreiden lineaarikombinaationa. b) Selvitä onko polynomijoukko { + t 2t 2 + 2t 3, 3 + 2t 4t 2 + 5t 3, 2t + 3t 2 2t 3, + t + 3t 3 } vapaa korkeintaan 3:tta astetta olevien reaalikertoimisten polynomien muodostamassa vektoriavaruudessa P 3 (R). Jos on, niin lausu polynomi t 2 polynomijoukon polynomien lineaarikombinaationa. c) Selvitä onko matriisijoukko {, , , 3 2 } 0 3 ( vapaa reaalisten ) 2 2 matriisien muodostamassa vektoriavaruudessa. Jos on, niin lausu matriisi 0 0 matriisijoukon matriisien lineaarikombinaationa a) Tutki, muodostavatko vektorit (0,, 0, ), (0, 0, 2, 0), (, 0,, 0) ja (0,, 0, 2) R 4 :n kannan. Jos muodostavat, niin etsi vektorin (, 2, 5, 5) koordinaatit tämän kannan suhteen. b) Olkoon P n (R) korkeintaan n:ttä astetta olevien reaalikertoimisten polynomien muodostama vektoriavaruus. Tutki muodostaako polynomijoukko { + t, t, t 2 + t 3, t 2 t 3 } polynomiavaruuden P 3 (R) kannan. Jos muodostaa, niin määrää polynomin + 2t + 3t 2 + 4t 3 koordinaatit tämän kannan suhteen. c) Määrää reaalisten 2 2 matriisien muodostaman vektoriavaruuden jokin kanta ja määrää matriisin koordinaatit tämän kannan suhteen. d) Virittävätkö matriisijoukot {, } ja {, } 7 0 saman aliavaruuden reaalisten 2 2 matriisien muodostamassa vektoriavaruudessa? 28. Vektorijoukot S = {(0,, 0), (,, 0), (, 2, 3)} ja S 2 = {(,, 0), (,, ), (, 2, )} ovat R 3 :n kantoja. a) Vektorin u koordinaatit kannassa S 2 ovat 4, 3 ja 2. Määritä tarvittava kannanvaihtomatriisi ja laske sen avulla u:n koordinaatit kannassa S. b) Vektorin v koordinaatit kannassa S ovat 3, 2 ja. Määritä tarvittava kannanvaihtomatriisi ja laske sen avulla v:n koordinaatit kannassa S Olkoon P 2 (R) korkeintaan astetta 2 olevien reaalikertoimisten polynomien muodostama vektoriavaruus. Polynomijoukot S = {t, +t, +2t t 2 } ja S 2 = {, t, t 2 } ovat polynomiavaruuden P 2 (R) kantoja. Polynomin q(t) koordinaatit kannassa S 2 ovat 2, 3 ja. Määrää tarvittava kannanvaihtomatriisi ja laske sen avulla polynomin q(t) koordinaatit kannassa S. 30. Kuvankäsittelyssä kuvia muokataan käyttämällä lineaarisia muunnoksia kuten esimerkiksi venytystä, kiertoa ja peilausta. a) Muodosta muunnoksen (kannalta E = {i, j, k} kannalle E) matriisi, kun kuvaa aluksi venytetään j-akselin suunnassa 3-kertaiseksi ja k-akselin suunnassa 2-kertaiseksi ja sitten kierretään

5 kulman π 2 verran k-akselin ympäri vastapäivään (katsottuna k-akselin positiiviselta puoliakselilta origoon päin). b) Mikä on muunnosmatriisi, jos edellisten muunnosten kuva vielä peilataan xz-tason (=ik-tason) suhteen ja sitten kierretään kulman 3 2π verran j-akselin ympäri myötäpäivään (katsottuna j- akselin positiiviselta puoliakselilta origoon päin)? 3. Kun kuvankäsittelyssä tehdään peräkkäin kaksi venytystä (esim. venytys z-akselin suunnassa ja sitten venytys x-akselin suunnassa), niin voidaanko venytysten järjestystä vaihtaa ja jos voidaan, niin miksi? Voidaanko kahden kierron (esim. kierto π 2 :n verran myötäpäivään x-akselin ympäri ja sitten π 2 :n verran myötäpäivään y-akselin ympäri) järjestystä vaihtaa ja jos voidaan niin miksi? Edelleen voidaanko kierron ja venytyksen järjestystä vaihtaa? Perustelut! 32. Määrää lineaarikuvauksen F : R 2 R 4, F (x, x 2 ) = (x + 2x 2, x 2, x x 2, 2x + 3x 2 ) matriisi a) luonnollisten kantojen suhteen b) kantojen S = {(, 2), (, 0)} ja S 2 = {(,,, 0), (, 0,, ), (,,, 0), (0, 0,, 0)} suhteen. c) Laske kohdan b) matriisin avulla vektorin F (u) koordinaatit kannassa S 2, kun u:n koordinaatit kannassa S ovat ja a) Määritä lineaarikuvauksen F : R 2 R 3, F (x, x 2 ) = (x + 2x 2, 2x x 2, x + 3x 2 ) matriisi kantojen {(, ), (0, )} ja {(, 0, ), (0,, 0), (0,, )} suhteen. b) Määrää lineaarikuvauksen F : R 4 R 2, F (x, x 2, x 3, x 4 ) = (2x 2x 2 + x 3 + 4x 4, x 2 x 3 x 4 ) matriisi kantojen S = {(,,, ), (0,,, ), (0, 0,, ), (0, 0, 0, )} ja S 2 = {(, 3), (2, 4)} suhteen. 34. a) Määritä lineaarikuvauksen F : P 3 (R) P 4 (R), F (p(t)) = tp(t 2) matriisi kantojen {, t, t 2, t 3 } ja {, t, t 2, t 3, t 4 } suhteen. b) Olkoon F sellainen lineaarikuvaus reaalisten 2 2 matriisien joukossa, että 2 F (B) = B. 3 4 Määrää lineaarikuvauksen F matriisi kannan {,, suhteen. 0, 0 0 } Määrää seuraavien matriisien aste, nulliteetti, ydin ja ytimen kanta (jokin niistä, jos mahdollista): a) 0 0, 0 b) , c)

6 36. Määrää matriisien ja B = aste, nulliteetti, ydin, ytimen kanta ja kuva-avaruuden kanta. 37. a) Tutki onko allaolevilla yhtälöryhmillä ratkaisuja. x + x 2 x 3 = 7 4x x 2 + 5x 3 = 4 6x + x 2 + 3x 3 = 20 x 2x 2 + x 3 + x 4 = 2 3x + 2x 3 2x 4 = 8 4x 2 x 3 x 4 = 5x + 3x 3 x 4 = 3 b) Olkoon A 5 7 matriisi, jonka aste on 5. Osoita, että yhtälöryhmällä Ax = b on ainakin yksi ratkaisu jokaisella 5 sarakevektorilla b. 38. Määrää seuraavien matriisien determinantit: a) b) c) , B = , C = j j. 4 j j 39. Tarkastellaan edellisen tehtävän matriiseja. a) Mitkä matriiseista A, B, C ovat säännöllisiä? b) Mitä voit sanoa matriisin B asteesta? Mikä on matriisin C ydin? c) Sisältääkö matriisin A ydin nollasta eroavan vektorin? 40. Määrää determinantin avulla a) pisteiden (2,3,), (2,, ) ja (,2,) kautta kulkevan tason yhtälö, b) pisteiden (2,6), (2,0) ja (5,3) kautta kulkevan ympyrän yhtälö. 4. Sievennä pisteiden (0, 0, ), (, 0, ), (,, ) ja (2, 2, 2) kautta kulkevan pallopinnan yhtälö x 2 + y 2 + z 2 x y z =

7 muotoon c (x 2 + y 2 + z 2 ) + c 2 x + c 3 y + c 4 z + c 5 = 0 laskemalla yhtälön vasemmalla puolella olevan determinantin arvo. 42. Etsi seuraavien matriisien ominaisarvot ja -vektorit a) b) c) d) Laske matriisin ominaisarvot ja ominaisvektorit a) Olkoon A neliömatriisi, jolle pätee A 2 = A. Osoita, että jos λ on A:n ominaisarvo, niin λ = tai λ = 0. b) Olkoon x matriisin B ominaisarvoon λ liittyvä ominaisvektori. Määrää vektori ( 00 i= Bi )x. 45. Olkoon a) 2 2 b) Onko matriisi A diagonalisoituva? Jos on, niin määrää matriisi D = T AT ja siihen liittyvä matriisi T. 46. Olkoon Tutki, onko A diagonalisoituva. Perustelu! Matriisin A ominaisarvot ovat, ja 2 sekä vastaavat ominaisvektorit (,, ), (, 4, ) ja (,2,). Määrää A. 48. n n neliömatriisin (a ij ) jälki tr(a) määritellään yhtälöllä tr(a) = n a ii. Olkoon A diagonalisoituva n n neliömatriisi, jonka ominaisarvot ovat λ, λ 2,..., λ n. Lausu tr(a) A:n ominaisarvojen avulla. Aputulos: tr(bc) = tr(cb) aina kun B ja C ovat n n neliömatriiseja. i=

8 49. Ratkaise matriisiyhtälö AX + I = A 0, missä Olkoon A tehtävän 46 matriisi. Määrää ainakin yksi matriisi B, joka toteuttaa ehdon B 2 = A. 5. Ratkaise dierentiaaliyhtälöryhmä x 2(t) = x (t) + 2x 2 (t) + x 3 (t) x (t) = x (t) + x 2 (t) 2x 3 (t) x 3(t) = x 2 (t) x 3 (t) alkuehdolla x (0) = 3, x 2 (0) = 2, x 3 (0) = käyttämällä hyväksi kerroinmatriisin diagonalisointia. 52. Kahden kilpailevan populaation S ja S 2 yksilöiden lukumäärät x (t) ja x 2 (t) hetkellä t (t mitattu vuosina) toteuttavat dierentiaaliyhtälöryhmän { x (t) = 3x (t) x 2 (t) x 2(t) = 2x (t) + 2x 2 (t) Ratkaise x (t) ja x 2 (t) (käyttämällä hyväksi kerroinmatriisin diagonalisointia), kun alkuhetkellä t = 0 ensimmäisen populaation koko on 50 ja toisen 60. Millä ajan t hetkellä populaatio S 2 häviää? 53. Kahden symbioosissa elävän populaation S ja S 2 yksilöiden lukumäärät x (t) ja x 2 (t) toteuttavat dierentiaaliyhtälöryhmän { x (t) = 2 x (t) + 4 x 2(t) x 2(t) = x (t) 2 x 2(t). Laske populaatioiden koot hetkellä t, kun x (0) = 00 ja x 2 (0) = 400. Käytä ratkaisukaavaa missä siirtomatriisi e At lasketaan kaavalla x(t) = e At x(0), e At = T e Dt T, e Dt = diag (e λ t, e λ 2t ). 54. (Saalis-saalistaja-malli) Kahden populaation S ja S 2 yksilöiden lukumäärät x (t) ja x 2 (t) toteuttavat dierentiaaliyhtälöryhmän { x (t) = x (t) + x 2 (t) x 2(t) = x (t) + x 2 (t). (S syö S 2 :n). Laske populaatioiden koot hetkellä t käyttämällä siirtomatriisia, kun alkuhetkellä x (0) = x 2 (0) = 000. Milloin populaatio S 2 on syöty kokonaan pois? 55. Ratkaise alkuarvotehtävä y + y 2y = 0, y(0) =, y (0) = 0 palauttamalla se. kertaluvun dierentiaaliyhtälöryhmäksi ja käyttämällä hyväksi joko siirtomatriisia tai kerroinmatriisin diagonalisointia. 56. Arvioi Gershgorinin ympyröiden avulla matriisin 2 j 2 2j 0 j 2 ominaisarvojen sijaintia. Piirrä kuva. 57. a) Osoita, että jos λ on matriisin

9 ominaisarvo, niin 0 < λ < 4. b) Reaalisen symmetrisen matriisin ominaisarvot ovat reaalisia. Olkoon a reaaliluku. Osoita, että jos λ on matriisin a a 0 0 a a ominaisarvo, niin a 3 λ a Laske matriisin itseisarvoltaan suurimmalle ominaisarvolle likiarvo iteratiivisesti lähtien vektorista y 0 = (,, ). Likiarvo λ (3) riittää. Mikä on vastaava ominaisvektori? 59. Laske -, - ja Frobenius normi matriiseille ja B = + j 0 2j + 3j 3j j j j j 60. Laske tehtävän 59 matriisin A normi A 2 iteratiivisesti lähtien vektorista y 0 = (0,,, ). 6. Laske matriisin A häiriöalttius (ehtoluku) -normin ja -normin tapauksessa, kun Laske e A, kun a), b) Laske matriisin spektraalisäde Tarkastellaan dierentiaalisäätöjärjestelmää, jonka tilamalli on x (t) = Ax(t) + Bu(t) y(t) = Cx(t) (missä u(t) on sisäänmeno- ja y(t) ulostulosignaali ja x(t) tilafunktio). Alkuehdon x(0) vallitessa tilafunktion ratkaisuksi saadaan x(t) = e At x(0) + e At t e Ap Bu(p)dp, missä e At :tä kutsutaan siirtomatriisiksi. x Määrää järjestelmän x = ( 2 x(0) = ( 0 2 ) ja u(t) = kun t 0. ) ( x x 2 ) Ratkaise yhtälöryhmä x 5x 2 + x 3 = 6 8x + x 2 + x 3 = x + x 2 4x 3 = u siirtomatriisi ja tilafunktio, kun a) Jacobin menetelmällä b) Gauÿ - Seidelin menetelmällä (3 iteraatiokierrosta). Määrää a)-kohdan iteraatiomatriisi G ja tutki, onko sen jokin normi <. Opastus: Vaihda ensin yhtälöryhmän yhtälöiden järjestystä, jotta saat lävistäjävaltaisen kerroinmatriisin.

10 66. Yhtälöryhmän { 2x + y + z = 4 x + 2y + z = 4 x + y + 2z = 4. kerroinmatriisi ei ole lävistäjävaltainen. Sovella yhtälöryhmään a) Jacobin b) Gauss - Seidelin menetelmää laskemalla iteraatio x (3) lähtien vektorista x (0) = 0. Määrää molempien menetelmien iteraatiomatriisi G sekä tutki matriisin G avulla menetelmien suppenemista/hajaantumista. 67. Ratkaise yhtälöryhmä { 3x + x 3 = 4 x x 2 + 3x 3 = x + 2x 2 = 3 järkevästi Gauss - Seidelin menetelmällä. Valitse x (0) = 0 ja lopeta iterointi, kun x (k) x (k ) < Ratkaise yhtälöryhmä x 3x 2 + 2x 3 = 3 4x + x 2 x 3 = 3 2x + 7x 2 + x 3 = 9 järkevästi Jacobin menetelmällä lähtien vektorista x (0) = 0. Laske kolmas iteraatio x (3). Määrää Jacobin iteraatioiden iteraatiomatriisi G ja laske G Määrää ylideterminoidun systeemin x 6y + = 0 x 2y 2 = 0 x + y = 0 x + 7y 6 = 0 pienimmän neliösumman ratkaisu. Laske jäännösvektorin (=residuaalivektorin) r normi r. 70. Määrää ylideterminoidun systeemin x x 3 = 4 x 3x 3 = 6 x 2 + x 3 = x 2 + x 3 = 2 pienimmän neliösumman ratkaisu. Laske residuaalivektorin r normi r 2. Laske kerroinmatriisin A pseudoinverssi A. 7. a) Totea että matriisi toteuttaa karakteristisen yhtälönsä. Laske A 5 käyttämällä hyväksi Cayley-Hamiltonin lausetta. b) Osoita, että diagonalisoituva n n matriisi toteuttaa karakteristisen yhtälönsä. 72. Laske Cayley-Hamiltonin lauseen avulla cos (πa), kun Laske e A Cayley - Hamiltonin lauseen perusteella, kun a), b) Määrää matriisin

11 käänteismatriisi Cayley - Hamiltonin lauseen perusteella A:n karakteristisesta yhtälöstä. Määrää det(a). 75. Olkoon A 3 3 matriisi, jonka karakteristinen polynomi p(λ) = (λ )(λ 2 3λ+2). Lausu matriisi sin ( π 2 A) matriisien I, A ja A2 avulla. 76. Olkoon Laske Cayley-Hamiltonin lauseen avulla sin( π 2 A) matriisin A ominaisarvot ovat 2, ja 2 sekä A Laske A:n käänteismatriisi ja determinantti sekä tan( π 4 A ).

tyyppi metalli puu lasi työ I II III metalli puu lasi työ

tyyppi metalli puu lasi työ I II III metalli puu lasi työ MATRIISIALGEBRA Harjoitustehtäviä syksy 29 ( 7 1 1 4 1 1. Olkoot, B = 1 5 2 5 3 Määrää 2A, B 2A, A T, ( 2A) T, (A T ) T. ), C = ( 1 ) 4 4 ja E = 7. 3 2. Olkoot A, B, C ja E kuten edellisessä tehtävässä.

Lisätiedot

2, E = Määrää 3A, B 2A ja E + F. 2. Laske (mikäli mahdollista) AB, BA, A 2, BC, CB ja F = 1 0 0

2, E = Määrää 3A, B 2A ja E + F. 2. Laske (mikäli mahdollista) AB, BA, A 2, BC, CB ja F = 1 0 0 MATRIISIALGEBRA Harjoitustehtäviä syksy 2012 Tehtävissä 1-2 käytetään seuraavia matriiseja: A = 1 2 ( ) 0 5 1 2 4, B =, C = 1 2, E = 1 0 0 0 1 0 ja F = 1 0 0 0 1 0. 3 7 2 4 3 3 1 3 4 2 2 3 0 1. Määrää

Lisätiedot

Tyyppi metalli puu lasi työ I 2 8 6 6 II 3 7 4 7 III 3 10 3 5

Tyyppi metalli puu lasi työ I 2 8 6 6 II 3 7 4 7 III 3 10 3 5 MATRIISIALGEBRA Harjoitustehtäviä syksy 2014 Tehtävissä 1-3 käytetään seuraavia matriiseja: ( ) 6 2 3, B = 7 1 2 2 3, C = 4 4 2 5 3, E = ( 1 2 4 3 ) 1 1 2 3 ja F = 1 2 3 0 3 0 1 1. 6 2 1 4 2 3 2 1. Määrää

Lisätiedot

ja F =

ja F = MATRIISIALGEBRA Harjoitustehtäviä syksy 2016 Tehtävissä 1 ja 2a käytetään seuraavia matriiseja: ( ) 6 2 3 A =,B = 7 1 2 2 3,C = 4 4 2 5 3,E = ( 1 2 4 3 ) 1 1 2 3 ja F = 1 2 3 0 3 0 1 1. 6 2 1 4 2 3 2 1.

Lisätiedot

Matriisialgebra harjoitukset, syksy 2016

Matriisialgebra harjoitukset, syksy 2016 MATRIISIALGEBRA, s, Ratkaisuja/ MHamina & M Peltola 7 Onko kuvaus F : R R, F(x 1,x = (x 1 +x,5x 1, x 1 +6x lineaarinen kuvaus? Jos on, niin määrää sen matriisi luonnollisen kannan suhteen Jos ei ole, niin

Lisätiedot

Matriisialgebra harjoitukset, syksy x 1 + x 2 = a 0

Matriisialgebra harjoitukset, syksy x 1 + x 2 = a 0 MATRIISIALGEBRA, s, Ratkaisuja/ MHamina & M Peltola 22 Virittääkö vektorijoukko S vektoriavaruuden V, kun a V = R 3 ja S = {(1,0, 1,(2,0,4,( 5,0,2,(0,0,1} b V = P 2 (R ja S = {t1,t 2 1,t 2 t} ( ( 1 0 c

Lisätiedot

Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja

Neliömatriisi 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

6 MATRIISIN DIAGONALISOINTI

6 MATRIISIN DIAGONALISOINTI 6 MATRIISIN DIAGONALISOINTI Ortogonaaliset matriisit Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja A - = A T Muistutus: vektorien a ja b pistetulo (skalaaritulo,

Lisätiedot

3x + y + 2z = 5 e) 2x + 3y 2z = 3 x 2y + 4z = 1. x + y 2z + u + 3v = 1 b) 2x y + 2z + 2u + 6v = 2 3x + 2y 4z 3u 9v = 3. { 2x y = k 4x + 2y = h

3x + y + 2z = 5 e) 2x + 3y 2z = 3 x 2y + 4z = 1. x + y 2z + u + 3v = 1 b) 2x y + 2z + 2u + 6v = 2 3x + 2y 4z 3u 9v = 3. { 2x y = k 4x + 2y = h HARJOITUSTEHTÄVIÄ 1. Anna seuraavien yhtälöryhmien kerroinmatriisit ja täydennetyt kerroinmatriisit sekä ratkaise yhtälöryhmät Gaussin eliminointimenetelmällä. { 2x + y = 11 2x y = 5 2x y + z = 2 a) b)

Lisätiedot

Lineaarikuvauksen R n R m matriisi

Lineaarikuvauksen R n R m matriisi Lineaarikuvauksen R n R m matriisi Lauseessa 21 osoitettiin, että jokaista m n -matriisia A vastaa lineaarikuvaus L A : R n R m, jolla L A ( v) = A v kaikilla v R n. Osoitetaan seuraavaksi käänteinen tulos:

Lisätiedot

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Ominaisarvoteoriaa Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Ominaisarvot Kertaus: ominaisarvot Määritelmä

Lisätiedot

Matriisialgebra harjoitukset, syksy 2016

Matriisialgebra harjoitukset, syksy 2016 Matriisialgebra harjoitukset, syksy 6 MATRIISIALGEBRA, s. 6, Ratkaisuja/ M.Hamina & M. Peltola 8. Olkoon 4 A 6. 4 Tutki, onko A diagonalisoituva. Jos on, niin määrää matriisi D T AT ja siihen liittyvä

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Ominaisarvoteoriaa Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 22 R. Kangaslampi matriisiteoriaa Kertaus: ominaisarvot

Lisätiedot

Ominaisarvo ja ominaisvektori

Ominaisarvo 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

Lisätiedot

Matemaattinen Analyysi / kertaus

Matemaattinen Analyysi / kertaus Matemaattinen Analyysi / kertaus Ensimmäinen välikoe o { 2x + 3y 4z = 2 5x 2y + 5z = 7 ( ) x 2 3 4 y = 5 2 5 z ) ( 3 + y 2 ( 2 x 5 ( 2 7 ) ) ( 4 + z 5 ) = ( 2 7 ) yhteys determinanttiin Yhtälöryhmän ratkaiseminen

Lisätiedot

MS-A0004/A0006 Matriisilaskenta

MS-A0004/A0006 Matriisilaskenta 4. MS-A4/A6 Matriisilaskenta 4. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto..25 Tarkastellaan neliömatriiseja. Kun matriisilla kerrotaan vektoria, vektorin

Lisätiedot

5 Ominaisarvot ja ominaisvektorit

5 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

Lisätiedot

Ominaisarvoon 4 liittyvät ominaisvektorit ovat yhtälön Ax = 4x eli yhtälöryhmän x 1 + 2x 2 + x 3 = 4x 1 3x 2 + x 3 = 4x 2 5x 2 x 3 = 4x 3.

Ominaisarvoon 4 liittyvät ominaisvektorit ovat yhtälön Ax = 4x eli yhtälöryhmän x 1 + 2x 2 + x 3 = 4x 1 3x 2 + x 3 = 4x 2 5x 2 x 3 = 4x 3. Matematiikan ja tilastotieteen laitos Lineaarialgebra ja matriisilaskenta II Ylimääräinen harjoitus 6 Ratkaisut A:n karakteristinen funktio p A on λ p A (λ) det(a λi ) 0 λ ( λ) 0 5 λ λ 5 λ ( λ) (( λ) (

Lisätiedot

Ominaisarvo ja ominaisvektori

Ominaisarvo ja ominaisvektori Määritelmä Ominaisarvo ja ominaisvektori 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

Lisätiedot

1 Ominaisarvot ja ominaisvektorit

1 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

Lisätiedot

Lineaarialgebra, kertausta aiheita

Lineaarialgebra, kertausta aiheita Lineaarialgebra, kertausta aiheita Matriisitulo käänteismatriisi determinantin kehittäminen determinantin ominaisuudet adjungaatti ja Cramerin kaavat yhtälöryhmän eri esitystavat Gauss-Jordan -algoritmi

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47 MS-A3/A5 Matriisilaskenta Malliratkaisut 4 / vko 47 Tehtävä 1 (L): Oletetaan, että AB = AC, kun B ja C ovat m n-matriiseja. a) Näytä, että jos A on kääntyvä, niin B = C. b) Seuraako yhtälöstä AB = AC yhtälö

Lisätiedot

2.5. Matriisin avaruudet ja tunnusluvut

2.5. Matriisin avaruudet ja tunnusluvut 2.5. Matriisin avaruudet ja tunnusluvut m n-matriisi A Lineaarikuvaus A : V Z, missä V ja Z ovat sopivasti valittuja, dim V = n, dim Z = m (yleensä V = R n tai C n ja Z = R m tai C m ) Kuva-avaruus ja

Lisätiedot

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa. LINEAARIALGEBRA Harjoituksia 2016 1. Olkoon V = R 2 varustettuna tavallisella yhteenlaskulla. Määritellään reaaliluvulla kertominen seuraavasti: λ (x 1, x 2 ) = (λx 1, 0) (x 1, x 2 ) R 2 ja λ R. Osoita,

Lisätiedot

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44 Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44 Tehtävät 1-3 lasketaan alkuviikon harjoituksissa, verkkotehtävien dl on lauantaina aamuyöllä. Tehtävät 4 ja 5 lasketaan loppuviikon harjoituksissa.

Lisätiedot

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

Lineaarialgebra 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

Lisätiedot

5 OMINAISARVOT JA OMINAISVEKTORIT

5 OMINAISARVOT JA OMINAISVEKTORIT 5 OMINAISARVOT JA OMINAISVEKTORIT Ominaisarvo-ongelma Käsitellään neliömatriiseja: olkoon A n n-matriisi. Luku on matriisin A ominaisarvo (eigenvalue), jos on olemassa vektori x siten, että Ax = x () Yhtälön

Lisätiedot

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on? Harjoitus 1, kevät 007 1. Olkoon [ ] cos α sin α A(α) =. sin α cos α Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?. Olkoon a x y A = 0 b z, 0 0 c missä a, b, c 0. Määrää käänteismatriisi

Lisätiedot

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain Matriisilaskenta LH4 24 ratkaisut 1 Hae seuraavien R 4 :n aliavaruuksien dimensiot jotka sisältävät vain a) Kaikki muotoa (a b c d) olevat vektorit joilla d a + b b) Kaikki muotoa (a b c d) olevat vektorit

Lisätiedot

Matriisialgebra harjoitukset, syksy 2015

Matriisialgebra harjoitukset, syksy 2015 Matriisialgebra harjoitukset, syksy 25 MATRIISIALGEBRA, s. 25, Ratkaisuja/ M.Hamina 2. Virittääkö vektorijoukko S vektoriavaruuden V seuraavissa tapauksissa. a V = R 3 ja S = {(, 4,3,(,3,,(3, 5,,(,2, 2}.

Lisätiedot

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Idea Lineaarisen systeemin ratkaiseminen Olkoon

Lisätiedot

Kanta ja Kannan-vaihto

Kanta 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

Lisätiedot

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

MS-A0003/A Matriisilaskenta Laskuharjoitus 6 MS-A3/A - Matriisilaskenta Laskuharjoitus 6 Ratkaisuehdotelmia. Diagonalisointi on hajotelma A SΛS, jossa diagonaalimatriisi Λ sisältää matriisin A ominaisarvot ja matriisin S sarakkeet ovat näitä ominaisarvoja

Lisätiedot

(1.1) Ae j = a k,j e k.

(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

Lisätiedot

Esimerkki 4.4. Esimerkki jatkoa. Määrää matriisin ominaisarvot ja -vektorit. Ratk. Nyt

Esimerkki 4.4. Esimerkki jatkoa. Määrää matriisin ominaisarvot ja -vektorit. Ratk. Nyt Esimerkki 4.4. Määrää matriisin 2 2 1 A = 1 3 1 2 4 3 ominaisarvot ja -vektorit. Ratk. Nyt det(a λi ) = 1 + 2 λ 2 1 + 1 λ 1 λ 1 3 λ 1 = 1 3 λ 1 2 4 3 λ 2 4 3 λ 1 λ = 1 4 λ 1 = (1 λ)( 1)1+1 4 λ 1 2 6 3

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka 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

Lisätiedot

Matematiikka B2 - TUDI

Matematiikka 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

Lisätiedot

Matematiikka B2 - Avoin yliopisto

Matematiikka 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

Lisätiedot

5.1. Normi ja suppeneminen Vektoriavaruus V on normiavaruus, jos siinä on määritelty normi : V R + = [0, ) jolla on ominaisuudet:

5.1. Normi ja suppeneminen Vektoriavaruus V on normiavaruus, jos siinä on määritelty normi : V R + = [0, ) jolla on ominaisuudet: 5.. Normi ja suppeneminen Vektoriavaruus V on normiavaruus, jos siinä on määritelty normi : V R + = [, ) jolla on ominaisuudet: x = x = x + y x + y, x, y V a x = a x, x V, a K (= R tai C) Esimerkki 5..

Lisätiedot

3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset

3.1 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

Lisätiedot

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

3 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

Lisätiedot

MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42

MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42 MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42 Tehtävät 1-4 lasketaan alkuviikon harjoituksissa ryhmissä, ja ryhmien ratkaisut esitetään harjoitustilaisuudessa (merkitty kirjaimella L = Lasketaan).

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka 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

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka 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

Lisätiedot

Ortogonaaliset matriisit, määritelmä 1

Ortogonaaliset 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,

Lisätiedot

Ortogonaalisen kannan etsiminen

Ortogonaalisen 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,

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 / MS-A3/A5 Matriisilaskenta, II/27 MS-A3/A5 Matriisilaskenta Laskuharjoitus 3 / 3. 7..27 Tehtävä (L): Etsi kaikki yhtälön Ax = b ratkaisut, kun 3 5 4 A = 3 2 4 ja b = 6 8 7 4. Ratkaisu : Koetetaan ratkaista

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka 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

Lisätiedot

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

3 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

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka 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

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra 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.

Lisätiedot

Ominaisarvo-hajoitelma ja diagonalisointi

Ominaisarvo-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

Kuvaus. Määritelmä. LM2, Kesä /160

Kuvaus. Määritelmä. LM2, Kesä /160 Kuvaus Määritelmä Oletetaan, että X ja Y ovat joukkoja. Kuvaus eli funktio joukosta X joukkoon Y on sääntö, joka liittää jokaiseen joukon X alkioon täsmälleen yhden alkion, joka kuuluu joukkoon Y. Merkintä

Lisätiedot

ominaisvektorit. Nyt 2 3 6

ominaisvektorit. Nyt 2 3 6 Esimerkki 2 6 8 Olkoon A = 40 0 6 5. Etsitäänmatriisinominaisarvotja 0 0 2 ominaisvektorit. Nyt 2 0 2 6 8 2 6 8 I A = 40 05 40 0 6 5 = 4 0 6 5 0 0 0 0 2 0 0 2 15 / 172 Täten c A ( )=det( I A) =( ) ( 2)

Lisätiedot

Determinantti 1 / 30

Determinantti 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

Lisätiedot

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset

3.2 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

Lisätiedot

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 ); LINEAARIALGEBRA Harjoituksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla

Lisätiedot

Ratkaisuehdotukset LH 7 / vko 47

Ratkaisuehdotukset LH 7 / vko 47 MS-C34 Lineaarialgebra, II/7 Ratkaisuehdotukset LH 7 / vko 47 Tehtävä : Olkoot M R symmetrinen ja positiividefiniitti matriisi (i) Näytä, että m > ja m > (ii) Etsi Eliminaatiomatriisi E R siten, että [

Lisätiedot

Similaarisuus. Määritelmä. Huom.

Similaarisuus. Määritelmä. Huom. Similaarisuus Määritelmä Neliömatriisi A M n n on similaarinen neliömatriisin B M n n kanssa, jos on olemassa kääntyvä matriisi P M n n, jolle pätee Tällöin merkitään A B. Huom. Havaitaan, että P 1 AP

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra 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

Lisätiedot

2.8. Kannanvaihto R n :ssä

2.8. 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

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka 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

Lisätiedot

9 Matriisit. 9.1 Matriisien laskutoimituksia

9 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

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45 MS-A0003/A0005 Matriisilaskenta Laskuharjoitus / vko 5 Tehtävä 1 (L): Hahmottele kompleksitasoon ne pisteet, jotka toteuttavat a) z 3 =, b) z + 3 i < 3, c) 1/z >. Yleisesti: ehto z = R, z C muodostaa kompleksitasoon

Lisätiedot

110. 111. 112. 113. 114. 4. Matriisit ja vektorit. 4.1. Matriisin käsite. 4.2. Matriisialgebra. Olkoon A = , B = Laske A + B, 5 14 9, 1 3 3

110. 111. 112. 113. 114. 4. Matriisit ja vektorit. 4.1. Matriisin käsite. 4.2. Matriisialgebra. Olkoon A = , B = Laske A + B, 5 14 9, 1 3 3 4 Matriisit ja vektorit 4 Matriisin käsite 42 Matriisialgebra 0 2 2 0, B = 2 2 4 6 2 Laske A + B, 2 A + B, AB ja BA A + B = 2 4 6 5, 2 A + B = 5 9 6 5 4 9, 4 7 6 AB = 0 0 0 6 0 0 0, B 22 2 2 0 0 0 6 5

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra ja matriisilaskenta I Lineaarialgebra ja matriisilaskenta I 13.6.2013 HY / Avoin yliopisto Jokke Häsä, 1/12 Käytännön asioita Kesäkuun tentti: ke 19.6. klo 17-20, päärakennuksen sali 1. Anna palautetta kurssisivulle ilmestyvällä

Lisätiedot

5 Differentiaaliyhtälöryhmät

5 Differentiaaliyhtälöryhmät 5 Differentiaaliyhtälöryhmät 5.1 Taustaa ja teoriaa Differentiaaliyhtälöryhmiä tarvitaan useissa sovelluksissa. Toinen motivaatio yhtälöryhmien käytölle: Korkeamman asteen differentiaaliyhtälöt y (n) =

Lisätiedot

Päättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1

Päättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1 Lineaarialgebran kertaustehtävien b ratkaisuista. Määritä jokin kanta sille reaalikertoimisten polynomien lineaariavaruuden P aliavaruudelle, jonka virittää polynomijoukko {x, x+, x x }. Ratkaisu. Olkoon

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka 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

Lisätiedot

Käänteismatriisi 1 / 14

Käänteismatriisi 1 / 14 1 / 14 Jokaisella nollasta eroavalla reaaliluvulla on käänteisluku, jolla kerrottaessa tuloksena on 1. Seuraavaksi tarkastellaan vastaavaa ominaisuutta matriiseille ja määritellään käänteismatriisi. Jokaisella

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra ja matriisilaskenta I Lineaarialgebra ja matriisilaskenta I 4.6.2013 HY / Avoin yliopisto Jokke Häsä, 1/19 Käytännön asioita Viimeiset harjoitukset on palautettava torstaina 13.6. Laskaripisteensä ja läsnäolonsa voi kukin tarkistaa

Lisätiedot

Ennakkotehtävän ratkaisu

Ennakkotehtävän 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

Lisätiedot

6. OMINAISARVOT JA DIAGONALISOINTI

6. OMINAISARVOT JA DIAGONALISOINTI 0 6 OMINAISARVOT JA DIAGONALISOINTI 6 Ominaisarvot ja ominaisvektorit Olkoon V äärellisulotteinen vektoriavaruus, dim(v ) = n ja L : V V lineaarikuvaus Määritelmä 6 Skalaari λ R on L:n ominaisarvo, jos

Lisätiedot

1 Matriisit ja lineaariset yhtälöryhmät

1 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

Lisätiedot

JAKSO 2 KANTA JA KOORDINAATIT

JAKSO 2 KANTA JA KOORDINAATIT JAKSO 2 KANTA JA KOORDINAATIT Kanta ja dimensio Tehtävä Esittele vektoriavaruuden kannan määritelmä vapauden ja virittämisen käsitteiden avulla ja anna vektoriavaruuden dimension määritelmä Esittele Lause

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 17 R. Kangaslampi Vektoriavaruudet Vektoriavaruus

Lisätiedot

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät Matematiikan peruskurssi K3/P3, syksy 25 Kenrick Bingham 825 Toisen välikokeen alueen ydinasioita Alla on lueteltu joitakin koealueen ydinkäsitteitä, joiden on hyvä olla ensiksi selvillä kokeeseen valmistauduttaessa

Lisätiedot

Oppimistavoitematriisi

Oppimistavoitematriisi Oppimistavoitematriisi Lineaarialgebra ja matriisilaskenta I Arvosanaan 1 2 riittävät Arvosanaan 5 riittävät Yhtälöryhmät (YR) Osaan ratkaista ensimmäisen asteen yhtälöitä ja yhtälöpareja Osaan muokata

Lisätiedot

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 ); LINEAARIALGEBRA Ratkaisuluonnoksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla

Lisätiedot

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

Matriisien 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

Lisätiedot

Ominaisvektoreiden lineaarinen riippumattomuus

Ominaisvektoreiden lineaarinen riippumattomuus Ominaisvektoreiden lineaarinen riippumattomuus Lause 17 Oletetaan, että A on n n -matriisi. Oletetaan, että λ 1,..., λ m ovat matriisin A eri ominaisarvoja, ja oletetaan, että v 1,..., v m ovat jotkin

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka 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

Lisätiedot

Alkeismuunnokset matriisille, sivu 57

Alkeismuunnokset matriisille, sivu 57 Lineaarialgebra (muut ko) p. 1/88 Alkeismuunnokset matriisille, sivu 57 AM1: Kahden vaakarivin vaihto AM2: Vaakarivin kertominen skalaarilla c 0 AM3: Vaakarivin lisääminen toiseen skalaarilla c kerrottuna

Lisätiedot

Lineaarialgebra ja matriisilaskenta II Syksy 2009 Laskuharjoitus 1 ( ) Ratkaisuehdotuksia Vesa Ala-Mattila

Lineaarialgebra ja matriisilaskenta II Syksy 2009 Laskuharjoitus 1 ( ) Ratkaisuehdotuksia Vesa Ala-Mattila Lineaarialgebra ja matriisilaskenta II Syksy 29 Laskuharjoitus (9. - 3..29) Ratkaisuehdotuksia Vesa Ala-Mattila Tehtävä. Olkoon V vektoriavaruus. Todistettava: jos U V ja W V ovat V :n aliavaruuksia, niin

Lisätiedot

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus 1 / 51 Lineaarikombinaatio Johdattelua seuraavaan asiaan (ei tarkkoja määritelmiä): Millaisen kuvan muodostaa joukko {λv λ R, v R 3 }? Millaisen

Lisätiedot

Tehtäväsarja I Kerrataan lineaarikuvauksiin liittyviä todistuksia ja lineaarikuvauksen muodostamista. Sarjaan liittyvät Stack-tehtävät: 1 ja 2.

Tehtäväsarja I Kerrataan lineaarikuvauksiin liittyviä todistuksia ja lineaarikuvauksen muodostamista. Sarjaan liittyvät Stack-tehtävät: 1 ja 2. HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2016 Harjoitus 3 Ratkaisut palautettava viimeistään maanantaina 29.8.2016 klo 13.15. Tehtäväsarja I Kerrataan lineaarikuvauksiin liittyviä

Lisätiedot

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28 Numeeriset menetelmät TIEA381 Luento 5 Kirsi Valjus Jyväskylän yliopisto Luento 5 () Numeeriset menetelmät 3.4.2013 1 / 28 Luennon 5 sisältö Luku 4: Ominaisarvotehtävistä Potenssiinkorotusmenetelmä QR-menetelmä

Lisätiedot

C = {(x,y) x,y R} joiden joukossa on määritelty yhteen- ja kertolasku seuraavasti

C = {(x,y) x,y R} joiden joukossa on määritelty yhteen- ja kertolasku seuraavasti Vaasan yliopiston julkaisuja 189 9 OMINAISARVOTEHTÄVÄ Ch:EigSystem Sec:CMatrix 9.1 Kompleksinen lineaariavaruus 9.1.1 Kompleksiluvut Pian tulemme tarvitsemaan kompleksisen lineaariavaruuden alkeita. Tätä

Lisätiedot

Avaruuden R n aliavaruus

Avaruuden R n aliavaruus Avaruuden R n aliavaruus 1 / 41 Aliavaruus Esimerkki 1 Kuva: Suora on suljettu yhteenlaskun ja skalaarilla kertomisen suhteen. 2 / 41 Esimerkki 2 Kuva: Suora ei ole suljettu yhteenlaskun ja skalaarilla

Lisätiedot

Matikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/81

Matikkapaja 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 )

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48 MS-A3/A5 Matriisilaskenta Malliratkaisut 5 / vko 48 Tehtävä (L): a) Onko 4 3 sitä vastaava ominaisarvo? b) Onko λ = 3 matriisin matriisin 2 2 3 2 3 7 9 4 5 2 4 4 ominaisvektori? Jos on, mikä on ominaisarvo?

Lisätiedot

Demorastitiedot saat demonstraattori Markus Niskaselta Lineaarialgebra (muut ko) p. 1/104

Demorastitiedot saat demonstraattori Markus Niskaselta Lineaarialgebra (muut ko) p. 1/104 Lineaarialgebra (muut ko) p. 1/104 Ensi viikolla luennot salissa X Torstaina 7.12. viimeiset demot (12.12. ja 13.12. viimeiset luennot). Torstaina 14.12 on välikoe 2, muista ilmoittautua! Demorastitiedot

Lisätiedot

BM20A0700, Matematiikka KoTiB2

BM20A0700, 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

Lisätiedot

Käänteismatriisin ominaisuuksia

Käänteismatriisin 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

Lisätiedot

Oppimistavoitematriisi

Oppimistavoitematriisi Oppimistavoitematriisi Lineaarialgebra ja matriisilaskenta I Esitiedot Arvosanaan 1 2 riittävät Arvosanaan 3 4 riittävät Arvosanaan 5 riittävät Yhtälöryhmät (YR) Osaan ratkaista ensimmäisen asteen yhtälöitä

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra 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

Lisätiedot

Ax, y = x, A y. A = A A hermiittinen. Jokainen reaalinen ja symmetrinen matriisi on määritelmän mukaan myös hermiittinen. A =, HARJOITUSTEHTÄVIÄ

Ax, 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

Lisätiedot

Matikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/210

Matikkapaja 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

Lisätiedot

Tällä viikolla viimeiset luennot ja demot. Lineaarialgebra (muut ko) p. 1/162

Tällä viikolla viimeiset luennot ja demot. Lineaarialgebra (muut ko) p. 1/162 Tällä viikolla viimeiset luennot ja demot Lineaarialgebra (muut ko) p. 1/162 Lineaarialgebra (muut ko) p. 2/162 Kertausta Vektorin u = (u 1,u 2 ) R 2 pituus u = u 2 1 +u2 2 Vektorien u ja v = (v 1,v 2

Lisätiedot

BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 5, Syksy 2015

BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 5, Syksy 2015 BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 5, Syksy 205 Päivityksiä: 4.0.205 klo 5:0. Tehtävässä 3b vektorin x lauseke korjattu. 5.0.205 klo 3:20. Tehtävässä 8d viittaus väärään tehtävään

Lisätiedot