Insinöörimatematiikka D

Save this PDF as:
 WORD  PNG  TXT  JPG

Koko: px
Aloita esitys sivulta:

Download "Insinöörimatematiikka D"

Transkriptio

1 Insinöörimatematiikka D Mika Hirvensalo Matematiikan ja tilastotieteen laitos Turun yliopisto 2014 Mika Hirvensalo Luentokalvot 3 1 of 16

2 Kertausta Lineaarinen riippuvuus Vektorijoukko {v 1, v 2,..., v k } on lineaarisesti riippumaton, jos vektoreiden v 1,..., v k lineaarikombinaationa voidaan nollavektori muodostaa vain ilmeisellä tavalla 0 v v v k = 0. Mika Hirvensalo Luentokalvot 3 2 of 16

3 Kertausta Lineaarinen riippuvuus Vektorijoukko {v 1, v 2,..., v k } on lineaarisesti riippumaton, jos vektoreiden v 1,..., v k lineaarikombinaationa voidaan nollavektori muodostaa vain ilmeisellä tavalla 0 v v v k = 0. Jos on muitakin tapoja, on joukko lineaarisesti riippuva. Mika Hirvensalo Luentokalvot 3 2 of 16

4 Kertausta Lineaarinen riippuvuus Vektorijoukko {v 1, v 2,..., v k } on lineaarisesti riippumaton, jos vektoreiden v 1,..., v k lineaarikombinaationa voidaan nollavektori muodostaa vain ilmeisellä tavalla 0 v v v k = 0. Jos on muitakin tapoja, on joukko lineaarisesti riippuva. Lineaarinen riippuvuus jokin joukon vektoreista voidaan esittää muiden avulla: v i = c 1 v c i 1 v i 1 + c i+1 v i c k v k Mika Hirvensalo Luentokalvot 3 2 of 16

5 Kertausta Lineaarinen riippuvuus Vektorijoukko {v 1, v 2,..., v k } on lineaarisesti riippumaton, jos vektoreiden v 1,..., v k lineaarikombinaationa voidaan nollavektori muodostaa vain ilmeisellä tavalla 0 v v v k = 0. Jos on muitakin tapoja, on joukko lineaarisesti riippuva. Lineaarinen riippuvuus jokin joukon vektoreista voidaan esittää muiden avulla: v i = c 1 v c i 1 v i 1 + c i+1 v i c k v k L(v 1,..., v k ) = L(v 1,..., v i 1, v i+1,..., v k ) Mika Hirvensalo Luentokalvot 3 2 of 16

6 Kertausta Esimerkkejä Esimerkit Mika Hirvensalo Luentokalvot 3 3 of 16

7 Vektoriavaruudet Lause Olkoot v 1,..., v k R n ja A k n matriisi: A = v 1. v k. Jos A B ja niin B = u 1. u k, L(v 1,..., v k ) = L(u 1,..., u k ) Mika Hirvensalo Luentokalvot 3 4 of 16

8 Vektoriavaruudet Seuraus Olkoon S = {v 1,..., v k } ja A matriisi, jonka riveinä ovat nämä vektorit. Olkoon A B, missä B on redusoitu porrasmatriisi. Vektorijoukko S on lineaarisesti riippuva tarkalleen silloin kun matriisissa B on nollarivi. Mika Hirvensalo Luentokalvot 3 5 of 16

9 Vektoriavaruudet Seuraus Olkoon S = {v 1,..., v k } ja A matriisi, jonka riveinä ovat nämä vektorit. Olkoon A B, missä B on redusoitu porrasmatriisi. Vektorijoukko S on lineaarisesti riippuva tarkalleen silloin kun matriisissa B on nollarivi. Esimerkki 24 Olkoon S = {(1, 2, 1), ( 2, 3, 1), (4, 1, 3)}. Koska on S lineaarisesti riippuva , Mika Hirvensalo Luentokalvot 3 5 of 16

10 Vektoriavaruudet Seuraus Olkoon S = {v 1,..., v k } ja A matriisi, jonka riveinä ovat nämä vektorit. Olkoon A B, missä B on redusoitu porrasmatriisi. Vektorijoukko S on lineaarisesti riippuva tarkalleen silloin kun matriisissa B on nollarivi. Esimerkki 24 Olkoon S = {(1, 2, 1), ( 2, 3, 1), (4, 1, 3)}. Koska on S lineaarisesti riippuva. Lisäksi , L((1, 2, 1), ( 2, 3, 1), (4, 1, 3)) = L((1, 0, 5 7 ), (0, 1, 1 7 )). Mika Hirvensalo Luentokalvot 3 5 of 16

11 Vektoriavaruudet Joukko B on vektoriavaruuden V kanta, jos V = L(B). B on lineaarisesti riippumaton. Mika Hirvensalo Luentokalvot 3 6 of 16

12 Vektoriavaruudet Joukko B on vektoriavaruuden V kanta, jos V = L(B). B on lineaarisesti riippumaton. Jos B = {v 1,..., v k } on äärellinen, sanotaan että V on k-ulotteinen. Mika Hirvensalo Luentokalvot 3 6 of 16

13 Vektoriavaruudet Joukko B on vektoriavaruuden V kanta, jos V = L(B). B on lineaarisesti riippumaton. Jos B = {v 1,..., v k } on äärellinen, sanotaan että V on k-ulotteinen. Merkintä: dim(v ) = k. Mika Hirvensalo Luentokalvot 3 6 of 16

14 Vektoriavaruudet Joukko B on vektoriavaruuden V kanta, jos V = L(B). B on lineaarisesti riippumaton. Jos B = {v 1,..., v k } on äärellinen, sanotaan että V on k-ulotteinen. Merkintä: dim(v ) = k. Vektoriavaruuden V = {0} kannaksi sovitaan tyhjä joukko; dim({0}) = 0 Mika Hirvensalo Luentokalvot 3 6 of 16

15 Vektoriavaruudet Joukko B on vektoriavaruuden V kanta, jos V = L(B). B on lineaarisesti riippumaton. Jos B = {v 1,..., v k } on äärellinen, sanotaan että V on k-ulotteinen. Merkintä: dim(v ) = k. Vektoriavaruuden V = {0} kannaksi sovitaan tyhjä joukko; dim({0}) = 0 Jos vektoriavaruudella V ei ole äärellistä kantaa, sanotaan, että V on ääretönulotteinen; dim(v ) = Mika Hirvensalo Luentokalvot 3 6 of 16

16 Vektoriavaruudet Lause Vektoriavaruuden kaikissa kannoissa on yhtä monta vektoria. Mika Hirvensalo Luentokalvot 3 7 of 16

17 Vektoriavaruudet Lause Vektoriavaruuden kaikissa kannoissa on yhtä monta vektoria. Lause Jos B = {b 1,..., b n } on avaruuden V kanta, niin jokaisella x V on yksikäsitteinen esitys kantavektoreiden lineaarikombinaationa: x = x 1 b x n b n Mika Hirvensalo Luentokalvot 3 7 of 16

18 Vektoriavaruudet Lause Vektoriavaruuden kaikissa kannoissa on yhtä monta vektoria. Lause Jos B = {b 1,..., b n } on avaruuden V kanta, niin jokaisella x V on yksikäsitteinen esitys kantavektoreiden lineaarikombinaationa: Esimerkki x = x 1 b x n b n {e 1, e 2,..., e n } on R n :n kanta, ns. luonnollinen kanta. Mika Hirvensalo Luentokalvot 3 7 of 16

19 Vektoriavaruudet Olkoon x V ja B = {b 1,..., b n } on avaruuden V (reaalinen tai kompleksinen) kanta ja x = x 1 b x n b n. lukuja x 1,..., x n kutsutaan vektorin x koordinaateiksi kannan B suhteen. Mika Hirvensalo Luentokalvot 3 8 of 16

20 Vektoriavaruudet Olkoon x V ja B = {b 1,..., b n } on avaruuden V (reaalinen tai kompleksinen) kanta ja x = x 1 b x n b n. lukuja x 1,..., x n kutsutaan vektorin x koordinaateiksi kannan B suhteen. Vektoria x B = (x 1,..., x n ) ( R n tai C n ) sanotaan x:n koordinaattivektoriksi kannan B suhteen. Mika Hirvensalo Luentokalvot 3 8 of 16

21 Vektoriavaruudet Olkoon x V ja B = {b 1,..., b n } on avaruuden V (reaalinen tai kompleksinen) kanta ja x = x 1 b x n b n. lukuja x 1,..., x n kutsutaan vektorin x koordinaateiksi kannan B suhteen. Vektoria x B = (x 1,..., x n ) ( R n tai C n ) sanotaan x:n koordinaattivektoriksi kannan B suhteen. Esimerkkejä Esimerkit Mika Hirvensalo Luentokalvot 3 8 of 16

22 Vektoriavaruudet Huomautus Jos V = L(v 1,..., v k ), mutta S = {v 1,..., v k } ei ole avaruuden V, kanta, on S välttämättä lineaarisesti riippuva. Mika Hirvensalo Luentokalvot 3 9 of 16

23 Vektoriavaruudet Huomautus Jos V = L(v 1,..., v k ), mutta S = {v 1,..., v k } ei ole avaruuden V, kanta, on S välttämättä lineaarisesti riippuva. Tällöin jokin vektori, esim. v k L(v 1,..., v k 1 ) ja siksi V = L(v 1,..., v k 1 ). Poistamista voidaan jatkaa, kunnes saadaan kanta. Mika Hirvensalo Luentokalvot 3 9 of 16

24 Vektoriavaruudet Huomautus Jos V = L(v 1,..., v k ), mutta S = {v 1,..., v k } ei ole avaruuden V, kanta, on S välttämättä lineaarisesti riippuva. Tällöin jokin vektori, esim. v k L(v 1,..., v k 1 ) ja siksi V = L(v 1,..., v k 1 ). Poistamista voidaan jatkaa, kunnes saadaan kanta. Esimerkki Esimerkki 32 Mika Hirvensalo Luentokalvot 3 9 of 16

25 Vektoriavaruudet Huomautus Jos V = L(v 1,..., v k ), mutta S = {v 1,..., v k } ei ole avaruuden V, kanta, on S välttämättä lineaarisesti riippuva. Tällöin jokin vektori, esim. v k L(v 1,..., v k 1 ) ja siksi V = L(v 1,..., v k 1 ). Poistamista voidaan jatkaa, kunnes saadaan kanta. Esimerkki Esimerkki 32 Lause Jos V on äärellisesti generoitu, ja U V, voidaan U:n kanta täydentää V :n kannaksi. Mika Hirvensalo Luentokalvot 3 9 of 16

26 Vektoriavaruudet Huomautus Jos V = L(v 1,..., v k ), mutta S = {v 1,..., v k } ei ole avaruuden V, kanta, on S välttämättä lineaarisesti riippuva. Tällöin jokin vektori, esim. v k L(v 1,..., v k 1 ) ja siksi V = L(v 1,..., v k 1 ). Poistamista voidaan jatkaa, kunnes saadaan kanta. Esimerkki Esimerkki 32 Lause Jos V on äärellisesti generoitu, ja U V, voidaan U:n kanta täydentää V :n kannaksi. Mika Hirvensalo Luentokalvot 3 9 of 16

27 Vektoriavaruudet Seuraus Jos U V, on dim(u) dim(v ) Mika Hirvensalo Luentokalvot 3 10 of 16

28 Vektoriavaruudet Seuraus Jos U V, on dim(u) dim(v ) Jos n = dim(v ), on jokainen V :n osajoukko, jossa on enemmän kuin n vektoria, lineaarisesti riippuva. Mika Hirvensalo Luentokalvot 3 10 of 16

29 Matriisit Matriisi A on kaavio A = A 11 A A 1n A 21 A A 2n A m1 A m2... A mn. Mika Hirvensalo Luentokalvot 3 11 of 16

30 Matriisit Matriisi A on kaavio A = A 11 A A 1n A 21 A A 2n A m1 A m2... A mn. Tyyppi m n: m riviä, n saraketta. Mika Hirvensalo Luentokalvot 3 11 of 16

31 Matriisit Matriisi A on kaavio A = A 11 A A 1n A 21 A A 2n A m1 A m2... A mn. Tyyppi m n: m riviä, n saraketta. A ij : matriisin alkiot Mika Hirvensalo Luentokalvot 3 11 of 16

32 Matriisit Matriisi A on kaavio A = A 11 A A 1n A 21 A A 2n A m1 A m2... A mn. Tyyppi m n: m riviä, n saraketta. A ij : matriisin alkiot A ij R: reaalinen matriisi Mika Hirvensalo Luentokalvot 3 11 of 16

33 Matriisit Matriisi A on kaavio A = A 11 A A 1n A 21 A A 2n A m1 A m2... A mn. Tyyppi m n: m riviä, n saraketta. A ij : matriisin alkiot A ij R: reaalinen matriisi A ij C: kompleksinen matriisi Mika Hirvensalo Luentokalvot 3 11 of 16

34 Matriisit 1 n-matriisia A = (A 11 A A 1n ) kutsutaan vaakavektoriksi tai rivivektoriksi. Mika Hirvensalo Luentokalvot 3 12 of 16

35 Matriisit 1 n-matriisia A = (A 11 A A 1n ) kutsutaan vaakavektoriksi tai rivivektoriksi. A 11 A 21 m 1-matriisia A = kutsutaan pystyvektoriksi tai. sarakevektoriksi. A m1 Mika Hirvensalo Luentokalvot 3 12 of 16

36 Matriisit 1 n-matriisia A = (A 11 A A 1n ) kutsutaan vaakavektoriksi tai rivivektoriksi. A 11 A 21 m 1-matriisia A = kutsutaan pystyvektoriksi tai. sarakevektoriksi. Huomautus A m1 Sekä pysty- että vaakavektori voidaan tulkita avaruuden R n (tai C n ) alkioksi. Näissä käytetään yleensä vain yksinkertaista indeksointia. Mika Hirvensalo Luentokalvot 3 12 of 16

37 Matriisit Nollamatriisi O on matriisi, jonka kaikki alkiot ovat nollia Mika Hirvensalo Luentokalvot 3 13 of 16

38 Matriisit Nollamatriisi O on matriisi, jonka kaikki alkiot ovat nollia Neliömatriisi on matriisi, jossa rivien määrä on sama kuin sarakkeiden määrä Mika Hirvensalo Luentokalvot 3 13 of 16

39 Matriisit Nollamatriisi O on matriisi, jonka kaikki alkiot ovat nollia Neliömatriisi on matriisi, jossa rivien määrä on sama kuin sarakkeiden määrä Diagonaalimatriisi on neliömatriisi D, jolle pätee i j D ij = 0. Mika Hirvensalo Luentokalvot 3 13 of 16

40 Matriisit Nollamatriisi O on matriisi, jonka kaikki alkiot ovat nollia Neliömatriisi on matriisi, jossa rivien määrä on sama kuin sarakkeiden määrä Diagonaalimatriisi on neliömatriisi D, jolle pätee i j D ij = 0. Identiteettimatriisi I n on diagonaalimatriisi, jonka kaikki diagonaalialkiot ovat ykkösiä. Mika Hirvensalo Luentokalvot 3 13 of 16

41 Matriisit Nollamatriisi O on matriisi, jonka kaikki alkiot ovat nollia Neliömatriisi on matriisi, jossa rivien määrä on sama kuin sarakkeiden määrä Diagonaalimatriisi on neliömatriisi D, jolle pätee i j D ij = 0. Identiteettimatriisi I n on diagonaalimatriisi, jonka kaikki diagonaalialkiot ovat ykkösiä. Transpoosi (A T ) ij = A ji. Mika Hirvensalo Luentokalvot 3 13 of 16

42 Matriisit Nollamatriisi O on matriisi, jonka kaikki alkiot ovat nollia Neliömatriisi on matriisi, jossa rivien määrä on sama kuin sarakkeiden määrä Diagonaalimatriisi on neliömatriisi D, jolle pätee i j D ij = 0. Identiteettimatriisi I n on diagonaalimatriisi, jonka kaikki diagonaalialkiot ovat ykkösiä. Transpoosi (A T ) ij = A ji. Neliömatriisi A on symmetrinen, jos A T = A. Mika Hirvensalo Luentokalvot 3 13 of 16

43 Matriisit Nollamatriisi O on matriisi, jonka kaikki alkiot ovat nollia Neliömatriisi on matriisi, jossa rivien määrä on sama kuin sarakkeiden määrä Diagonaalimatriisi on neliömatriisi D, jolle pätee i j D ij = 0. Identiteettimatriisi I n on diagonaalimatriisi, jonka kaikki diagonaalialkiot ovat ykkösiä. Transpoosi (A T ) ij = A ji. Neliömatriisi A on symmetrinen, jos A T = A. Matriisin A:n vastamatriisi A määritellään asettamalla ( A) ij = A ij. Mika Hirvensalo Luentokalvot 3 13 of 16

44 Matriisit Skalaarikertolasku Jos A on m n-matriisi ja c joko kompleksi- tai reaaliluku, on ca m n-matriisi, jolle pätee (ca) ij = ca ij (kertolasku alkioittain). Mika Hirvensalo Luentokalvot 3 14 of 16

45 Matriisit Skalaarikertolasku Jos A on m n-matriisi ja c joko kompleksi- tai reaaliluku, on ca m n-matriisi, jolle pätee (ca) ij = ca ij (kertolasku alkioittain). Matriisien yhteenlasku Jos A on m n-matriisi ja B r s-matriisi, summa A + B määritellään vain jos m = r ja n = s. Tällöin (A + B) ij = A ij + B ij Mika Hirvensalo Luentokalvot 3 14 of 16

46 Matriisit Skalaarikertolasku Jos A on m n-matriisi ja c joko kompleksi- tai reaaliluku, on ca m n-matriisi, jolle pätee (ca) ij = ca ij (kertolasku alkioittain). Matriisien yhteenlasku Jos A on m n-matriisi ja B r s-matriisi, summa A + B määritellään vain jos m = r ja n = s. Tällöin (A + B) ij = A ij + B ij Huomautus m n-matriisit muodostavat vektoriavaruuden yhteenlaskun ja skalaarikertolaskun suhteen. Mika Hirvensalo Luentokalvot 3 14 of 16

47 Matriisit Esimerkki 33 ( ) A = on 2 3-matriisi, Mika Hirvensalo Luentokalvot 3 15 of 16

48 Matriisit Esimerkki 33 ( ) A = on 2 3-matriisi, 5A = ( ) Mika Hirvensalo Luentokalvot 3 15 of 16

49 Matriisit Esimerkki 33 ( ) A = on 2 3-matriisi, 5A = Esimerkki 34 ( ) A = on 2 3-matriisi ja B = matriisi. Summaa A + B ei ole määritelty. ( ) Mika Hirvensalo Luentokalvot 3 15 of 16

50 Matriisit Esimerkki 35 ( A = matriisi. ) on 2 3-matriisi ja B = ( ) on Mika Hirvensalo Luentokalvot 3 16 of 16

51 Matriisit Esimerkki 35 ( ) A = on 2 3-matriisi ja B = matriisi. ( ) ( ) A + B = + = ( ( ) on ) Mika Hirvensalo Luentokalvot 3 16 of 16

52 Matriisit Esimerkki 35 ( ) A = on 2 3-matriisi ja B = matriisi. ( ) ( ) A + B = + = Esimerkki 36 ( ( ) on ) ( x + 3, x 1, x) = ( x, x, x) + (3, 1, 0) Mika Hirvensalo Luentokalvot 3 16 of 16

53 Matriisit Esimerkki 35 ( ) A = on 2 3-matriisi ja B = matriisi. ( ) ( ) A + B = + = Esimerkki 36 ( ( ) on ) ( x + 3, x 1, x) = ( x, x, x) + (3, 1, 0) = x( 1, 1, 1) + (3, 1, 0) Mika Hirvensalo Luentokalvot 3 16 of 16

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

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

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 A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö

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@utufi V Junnila viljun@utufi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M Hirvensalo mikhirve@utufi V Junnila viljun@utufi Luentokalvot 5 1

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

Liittomatriisi. Liittomatriisi. Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä. 1) i+j det A ij.

Liittomatriisi. Liittomatriisi. Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä. 1) i+j det A ij. Liittomatriisi Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä (cof A) ij =( 1) i+j det A ij kaikilla i, j = 1,...,n. Huomautus 8 Olkoon A 2 M(n, n). Tällöin kaikilla

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

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

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

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

Kanta ja dimensio 1 / 23

Kanta ja dimensio 1 / 23 1 / 23 Kuten ollaan huomattu, saman aliavaruuden voi virittää eri määrä vektoreita. Seuraavaksi määritellään mahdollisimman pieni vektorijoukko, joka virittää aliavaruuden. Jokainen aliavaruuden alkio

Lisätiedot

1.1. Määritelmiä ja nimityksiä

1.1. 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

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 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

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

1 Lineaariavaruus eli Vektoriavaruus

1 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

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

Talousmatematiikan perusteet: Luento 10. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Matriisitulo Determinantti

Talousmatematiikan 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,

Lisätiedot

802320A LINEAARIALGEBRA OSA I

802320A LINEAARIALGEBRA OSA I 802320A LINEAARIALGEBRA OSA I Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 72 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä

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@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

Bijektio. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin jokaiselle alkiolle kuvautuu tasan yksi lähdön alkio.

Bijektio. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin jokaiselle alkiolle kuvautuu tasan yksi lähdön alkio. Määritelmä Bijektio Oletetaan, että f : X Y on kuvaus. Sanotaan, että kuvaus f on bijektio, jos se on sekä injektio että surjektio. Huom. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin

Lisätiedot

Mika Hirvensalo. Insinöörimatematiikka D 2015

Mika Hirvensalo. Insinöörimatematiikka D 2015 Mika Hirvensalo Insinöörimatematiikka D 2015 Sisältö 1 Lineaarialgebran peruskäsitteitä............................................... 5 1.1 Lineaariset yhtälöryhmät..................................................

Lisätiedot

Talousmatematiikan perusteet: Luento 9. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Transponointi Matriisitulo

Talousmatematiikan 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,

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 (muut ko)

Lineaarialgebra (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

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

Johdatus tekoälyn taustalla olevaan matematiikkaan

Johdatus 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

Lisätiedot

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

Yhteenlaskun 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

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

Ortogonaalinen ja ortonormaali kanta

Ortogonaalinen 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

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

Sisätuloavaruudet. 4. lokakuuta 2006

Sisätuloavaruudet. 4. lokakuuta 2006 Sisätuloavaruudet 4. lokakuuta 2006 Tässä esityksessä vektoriavaruudet V ja W ovat kompleksisia ja äärellisulotteisia. Käydään ensin lyhyesti läpi määritelmiä ja perustuloksia. Merkitään L(V, W ) :llä

Lisätiedot

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus. 1 Lineaarikuvaus 1.1 Määritelmä Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V W on lineaarinen, jos (a) L(v + w) = L(v) + L(w); (b) L(λv) = λl(v) aina, kun v, w V ja λ K. Termejä:

Lisätiedot

Matriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi

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.

Lisätiedot

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio 6 Vektoriavaruus R n 6.1 Lineaarikombinaatio Määritelmä 19. Vektori x œ R n on vektorien v 1,...,v k œ R n lineaarikombinaatio, jos on olemassa sellaiset 1,..., k œ R, että x = i v i. i=1 Esimerkki 30.

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

Seuraava luento ti on salissa XXII. Lineaarialgebra (muut ko) p. 1/117

Seuraava 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

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Lineaarikuvaukset Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 16 R. Kangaslampi Vektoriavaruudet Lineaarikuvaus

Lisätiedot

802320A LINEAARIALGEBRA OSA III

802320A LINEAARIALGEBRA OSA III 802320A LINEAARIALGEBRA OSA III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 56 Määritelmä Määritelmä 1 Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V

Lisätiedot

Matriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi

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 Kaavio kirjoitetaan kaarisulkujen väliin (amer. kirjoissa

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

Matriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo

Matriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo Matriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo Antti Rasila 2016 Vektoriavaruuden kannan olemassaolo Jos {v 1, v 2,..., v k } on äärellisulotteisen vektoriavaruuden V lineaarisesti riippumaton

Lisätiedot

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /310

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /310 Lineaarialgebra ja matriisilaskenta II LM2, Kesä 2012 1/310 Kertausta: avaruuden R n vektorit Määritelmä Oletetaan, että n {1, 2, 3,...}. Avaruuden R n alkiot ovat jonoja, joissa on n kappaletta reaalilukuja.

Lisätiedot

Matriisit, kertausta. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi

Matriisit, 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

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

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

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

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

Matriisit. 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 =

Matriisit. 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

Lisätiedot

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

Lineaarialgebra 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.

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

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra ja matriisilaskenta I Lineaarialgebra ja matriisilaskenta I 23.5.2013 HY / Avoin yliopisto Jokke Häsä, 1/22 Käytännön asioita Ensimmäiset tehtävät olivat sujuneet hyvin. Kansilehdet on oltava mukana tehtäviä palautettaessa,

Lisätiedot

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Lineaarikuvaukset Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Lineaarikuvaukset Lineaarikuvaus Olkoot U ja V

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

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

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

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

802120P Matriisilaskenta (5 op)

802120P 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

Lisätiedot

Muistutus: Matikkapaja ke Siellä voi kysyä apua demoihin, edellisen viikon demoratkaisuja, välikoetehtävien selitystä, monisteesta yms.

Muistutus: Matikkapaja ke Siellä voi kysyä apua demoihin, edellisen viikon demoratkaisuja, välikoetehtävien selitystä, monisteesta yms. Lineaarialgebra (muut ko) p. 1/139 Ensi viikon luennot salissa X Muistutus: Matikkapaja ke 14-16 Siellä voi kysyä apua demoihin, edellisen viikon demoratkaisuja, välikoetehtävien selitystä, monisteesta

Lisätiedot

8 KANNAT JA ORTOGONAALISUUS. 8.1 Lineaarinen riippumattomuus. Vaasan yliopiston julkaisuja 151

8 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

Lisätiedot

1 Sisätulo- ja normiavaruudet

1 Sisätulo- ja normiavaruudet 1 Sisätulo- ja normiavaruudet 1.1 Sisätuloavaruus Määritelmä 1. Olkoon V reaalinen vektoriavaruus. Kuvaus : V V R on reaalinen sisätulo eli pistetulo, jos (a) v w = w v (symmetrisyys); (b) v + u w = v

Lisätiedot

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos: 8 Kanta Tässä luvussa tarkastellaan aliavaruuden virittäjävektoreita, jotka muodostavat lineaarisesti riippumattoman jonon. Merkintöjen helpottamiseksi oletetaan luvussa koko ajan, että W on vektoreiden

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

1. Lineaarinen yhtälöryhmä ja matriisi

1. Lineaarinen yhtälöryhmä ja matriisi I LINEAARISET YHTÄLÖRYHMÄT 1 Lineaarinen yhtälöryhmä ja matriisi Tällä kurssilla käytämme kirjainta K tarkoittamaan reaalilukuja R, kompleksilukuja C tai rationaalilukuja Q (aluksi K = R) Nämä lukujoukot

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

Ensi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/66

Ensi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/66 Ensi viikon luennot salissa X Lineaarialgebra (muut ko) p. 1/66 Lineaarialgebra (muut ko) p. 2/66 Redusoitu porrasmuoto 1 1 2 4 1 1 4 6 2 2 5 9 1 1 0 2 0 0 1 1 0 0 0 0 Eli aste r(a) = 2 ja vaakariviavaruuden

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

Vektoreiden virittämä aliavaruus

Vektoreiden virittämä aliavaruus Vektoreiden virittämä aliavaruus Määritelmä Oletetaan, että v 1, v 2,... v k R n. Näiden vektoreiden virittämä aliavaruus span( v 1, v 2,... v k ) tarkoittaa kyseisten vektoreiden kaikkien lineaarikombinaatioiden

Lisätiedot

HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina klo

HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina klo HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina 10.8.2015 klo 16.15. Tehtäväsarja I Tutustu lukuun 15, jossa vektoriavaruuden

Lisätiedot

Johdatus lineaarialgebraan. Juha Honkala 2017

Johdatus 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

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

802118P Lineaarialgebra I (4 op)

802118P 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

Lisätiedot

Yleiset lineaarimuunnokset

Yleiset lineaarimuunnokset TAMPEREEN YLIOPISTO Pro gradu -tutkielma Kari Tuominen Yleiset lineaarimuunnokset Matematiikan ja tilastotieteen laitos Matematiikka Toukokuu 29 Tampereen yliopisto Matematiikan ja tilastotieteen laitos

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

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

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

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

7 Vapaus. 7.1 Vapauden määritelmä

7 Vapaus. 7.1 Vapauden määritelmä 7 Vapaus Kuten edellisen luvun lopussa mainittiin, seuraavaksi pyritään ratkaisemaan, onko annetussa aliavaruuden virittäjäjoukossa tarpeettomia vektoreita Jos tällaisia ei ole, virittäjäjoukkoa kutsutaan

Lisätiedot

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0. Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +

Lisätiedot

Informaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen

Informaatiotieteiden 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.......................

Lisätiedot

Matemaattinen Analyysi, s2016, L2

Matemaattinen Analyysi, s2016, L2 Matemaattinen Analyysi, s2016, L2 riippumattomuus, 1 Esimerkkejä esimerkki Dieetti-välipala 1: Opiskelija Ken Obi on dieetillä. Lenkin jälkeen Ken pysähtyy välipalalle. Dieetin mukaan hänen pitäisi saada

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

Lineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo.

Lineaariavaruudet. 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

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

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut Insinöörimatematiikka D, 06 laskuharjoituksien esimerkkiratkaisut Alla olevat esimerkkiratkaisut ovat melko ksitiskohtaisia Tenttivastauksissa ei leensä tarvitse muistaa lauseiden, määritelmien, esimerkkien

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

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

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

x 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

x 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

Lisätiedot

Johdatus lineaarialgebraan

Johdatus lineaarialgebraan Johdatus lineaarialgebraan Osa II Lotta Oinonen, Johanna Rämö 25. lokakuuta 2015 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 15 Vektoriavaruus... 111 16 Aliavaruus... 117 16.1 Vektoreiden

Lisätiedot

Ensi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/159

Ensi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/159 Ensi viikon luennot salissa X Lineaarialgebra (muut ko) p. 1/159 Lineaarialgebra (muut ko) p. 2/159 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v 2 ) Skalaarilla

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

Johdatus lineaarialgebraan

Johdatus lineaarialgebraan Johdatus lineaarialgebraan Lotta Oinonen ja Johanna Rämö 6. joulukuuta 2012 Helsingin yliopisto Matematiikan ja tilastotieteen laitos 2012 Sisältö 1 Avaruus R n 4 1 Avaruuksien R 2 ja R 3 vektorit.....................

Lisätiedot

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5. 2. MS-A4/A6 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.9.25 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x + x 2

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

Lineaarialgebra I. Oulun yliopisto Matemaattisten tieteiden laitos Esa Järvenpää Kirjoittanut Tuula Ripatti

Lineaarialgebra I. Oulun yliopisto Matemaattisten tieteiden laitos Esa Järvenpää Kirjoittanut Tuula Ripatti Lineaarialgebra I Oulun yliopisto Matemaattisten tieteiden laitos 2011 Esa Järvenpää Kirjoittanut Tuula Ripatti 2 1 Lineaarinen yhtälöryhmä 11 Esimerkki (a) Ratkaise yhtälö 5x = 7 Kerrotaan yhtälö puolittain

Lisätiedot