Tyyppi metalli puu lasi työ I II III
|
|
- Aapo Aho
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 MATRIISIALGEBRA Harjoitustehtäviä syksy 2014 Tehtävissä 1-3 käytetään seuraavia matriiseja: ( ) 6 2 3, B = , C = , E = ( ) ja F = Määrää 2A, A + B ja 2C 3E T. 2. Laske (mikäli mahdollista) BA, AB T ja EF. 3. Laske (mikäli mahdollista) AB, CE, EC ja F T E T. 4. Keksi nollamatriisista poikkeavat 3 3-matriisit a) A ja B, joille AB = (=nollamatriisi). b) A, B ja C, joille AC = BC, mutta A B. 5. Matriisi on permutaatiomatriisi, jos se saadaan yksikkömatriisista kahden tai useamman rivin tai sarakkeen paikkaa vaihtamalla. Olkoon permutaatiomatriisi a b c d P = ja matriisi e f g h i j k l m n o p a) Miten poikkeavat matriisit P A ja AP matriisista A? b) Muodosta permutaatiomatriisi, jonka avulla voidaan matriisin A ensimmäisen ja viimeisen rivin paikka vaihtaa. c) Muodosta permutaatiomatriisi, jonka avulla voidaan matriisin A toisen ja neljännen sarakkeen paikka vaihtaa. 6. 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! 7. Eläintarhassa on lintuja (2-jalkaisia) ja elukoita (4-jalkaisia). a) Jos siellä on 15 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 Gaussin menetelmällä seuraava yhtälöryhmä: x 1 + x 2 + x 3 = 4 x 1 + 2x 2 x 3 = 5, 2x 1 + 5x 2 + 4x 3 = 2
2 9. Ratkaise Gaussin menetelmällä seuraava yhtälöryhmä: x 1 + 2x 2 + x 3 = 1 3x 1 + 5x 2 + x 3 = 3, 2x 1 + 6x 2 + 7x 3 = Kalankasvatusaltaassa on kolmea eri lajia kaloja. Lajin 1 jokainen kala tarvitsee viikossa 1 yksikön ruokaa A, 1 yksikön ruokaa B ja 2 yksikköä ruokaa C. Vastaavat yksikkömäärät lajin 2 kaloille ovat 3,4, ja 5 sekä lajin 3 kaloille 2,1 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. 11. Ratkaise Gaussin menetelmällä seuraava yhtälöryhmä: x 1 + 4x 2 + 2x 3 = 3 2x 1 + 3x 2 + x 3 = 1, x 1 + 3x 2 + 2x 3 = 4 3x 1 + x 2 x 3 = Ratkaise Gaussin menetelmällä seuraava yhtälöryhmä: x 1 + x 2 x 3 + 2x 4 = 1 2x 1 + 2x 2 = x 3 2x x 2 + x 3 x 4 = x Määrää A:n käänteismatriisi vaakarivimuunnoksin matriisista (A I), kun Määrää matriisin käänteismatriisi. 15. Etsi matriisin ratkaisu käänteismatriisi ja määrää sen avulla yhtälöryhmän x 1 + x 2 + 3x 3 = a x 2 + 2x 3 = b 3x 1 + 5x 2 x 3 = c 16. Olkoon D = (d ij ) diagonaalimatriisi, missä d ii = ix i 3 aina kun i = 1, 2,..., 300. Määrää D:n käänteismatriisi, kun x = 0. Millä x:n arvoilla D:lla ei ole käänteismatriisia? 17. Määrää matriisin se LU-hajotelma, missä matriisin L diagonaalialkiot ovat ykkösiä.
3 18. Olkoon a) Määrää matriisin A LU-hajotelma b) Ratkaise yhtälöryhmä x 1 + 4x 2 + 5x 3 = 6 4x x x 3 = 0 3x x x 3 = 6 kerroinmatriisin LU-hajotelman avulla. c) Ratkaise A:n LU-hajotelman avulla yhtälöryhmä Ax = b, kun b = ( ) T. 19. Ovatko seuraavat joukot vektoriavaruuksia? a) Tason 1. neljänneksen vektorit, operaatioina vektoreiden yhteenlasku ja luvulla kertominen. b) Parillista astetta olevat polynomit, operaatioina polynomien yhteenlasku ja luvulla kertominen. c) 3 3 yläkolmiomatriisit operaatioina matriisien yhteenlasku ja luvulla kertominen. 20. Onko U vektoriavaruuden V aliavaruus, kun a) V = R 3 ja U = {(x 1, x 2, x 3 ) R 3 x 2 = 0, x 1 = 4x 3 } b) V = R 2 ja U = {(x, y) R 2 x 2 + y 2 = 1} c) V = P 3 ja U = {p(t) P 3 p(0) = 0} d) V = reaaliset n n matriisit ja U = reaaliset n n matriisit, joilla jokainen päälävistäjän alkio on 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 ja S = {t + 1, t 2 + 1, t 2 t} ( ) ( ) c) V = reaaliset 2 2 matriisit ja S = {,, ( ) 1 0, 1 0 ( ) 0 1 } a) Selvitä onko vektorijoukko {(1, 1, 2, 2), (3, 2, 4, 5), (0, 2, 3, 2), (1, 1, 0, 3)} R 4 :n vapaa (=lineaarisesti riippumaton) vektorijoukko. Jos on, niin lausu vektori (0, 0, 1, 0) vektorijoukon vektoreiden lineaarikombinaationa. b) Selvitä onko matriisijoukko ( ) 1 1 {, 2 2 ( ) 3 2, 4 5 ( ) 0 2, 3 2 ( ) 1 1 } 0 3 vapaa ( ) reaalisten 2 2 matriisien muodostamassa vektoriavaruudessa. Jos on, niin lausu matriisi 0 0 matriisijoukon matriisien lineaarikombinaationa Tutki, muodostavatko vektorit (0, 1, 0, 1), (0, 0, 2, 0), (1, 0, 1, 0) ja (0, 1, 0, 2) R 4 :n kannan. Jos muodostavat, niin etsi vektorin (1, 2, 5, 5) koordinaatit tämän kannan suhteen. 24. Määrää kaikki sellaiset reaaliluvut k, että vektorijoukko {(0, 1, 0, k), (1, 0, 1, 0), (0, 1, 1, 0), (k, 0, 2, 1)}. on R 4 :n kanta. 25. a) Vektorijoukko S = {(0, 1, 0, 0), (1, 0, 1, 0), (0, 1, 0, 2), (1, 0, 2, 0))} on lineaarisen vektoriavaruuden R 4 kanta. Vektorin u koordinaatit kannassa S ovat 1, 2, 5 ja 0. Määrää vektorin u koordinaatit luonnollisessa kannassa. b) Polynomijoukko {t, 1 + t 2, t + 2t 3, 1 + 2t 2 } on polynomiavaruuden P 3 kanta. Polynomin p(t) koordinaatit tässä kannassa ovat 1, 2, 5 ja 0. Määrää polynomin p(t) koordinaatit kannassa {1, t, t 2, t 3 }. 26. Vektorijoukot S 1 = {(0, 1, 1), (1, 1, 1), (0, 0, 1)} ja S 2 = {(1, 1, 0), ( 1, 0, 0), (1, 0, 1)} ovat R 3 :n kantoja. Vektorin v koordinaatit kannassa S 2 ovat 1, 1 ja 2. Määritä tarvittava kannanvaihtomatriisi ja laske sen avulla v:n koordinaatit kannassa S Vektorijoukot S 1 = {(0, 1, 0), (1, 1, 0), (1, 2, 3)} ja S 2 = {(1, 1, 0), (1, 1, 1), (1, 2, 1)} ovat R 3 :n kantoja. Vektorin u koordinaatit kannassa S 1 ovat 3, 2 ja 1. Määritä tarvittava kannanvaihtomatriisi ja laske sen avulla u:n koordinaatit kannassa S 2.
4 28. Onko kuvaus F : R 2 R 3, F (x 1, x 2 ) = (x 1 + 4x 2, 5x 1, x 1 + 6x 2 ) lineaarinen kuvaus? Jos on, niin määrää sen matriisi luonnollisen kannan suhteen. Jos ei ole, niin perustele miksi ei. 29. Tutki onko kuvaus F : R 4 R 3 lineaarinen kuvaus. Jos on, niin määrää sen matriisi luonnollisen kannan suhteen ja määrää matriisin avulla vektorin F (u) koordinaatit luonnollisessa kannassa, kun vektorin u koordinaatit luonnollisessa kannassa ovat 1, 2, 1 ja 0. Jos kuvaus ei ole lineaarinen kuvaus, niin perustele miksi ei. a) F (x 1, x 2, x 3, x 4 ) = ( x 1 2x 2 + 4x 3, 6x 1 2x 2 + x 4, x 3 ) b) F (x 1, x 2, x 3, x 4 ) = (3x 1 x 2 + 4x 3 + x 4, 2, x 1 3x 2 ) 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 5-kertaiseksi ja k-akselin suunnassa 4-kertaiseksi ja sitten kierretään kulman π 2 verran i-akselin ympäri myötäpäivään (katsottuna i-akselin positiiviselta puoliakselilta origoon päin). b) Mikä on muunnosmatriisi, jos kohdan a muunnosten kuva vielä peilataan yz-tason (=jk-tason) suhteen ja sitten kierretään kulman 3 2π verran i-akselin ympäri vastapäivään (katsottuna i- akselin positiiviselta puoliakselilta origoon päin)? 31. Kuvankäsittelyssä kuvia muokataan käyttämällä lineaarisia muunnoksia kuten esimerkiksi venytystä, kiertoa ja peilausta. Muodosta muunnoksen (kannalta E = {i, j, k} kannalle E) matriisi, kun kuvaa aluksi venytetään i-akselin suunnassa 3-kertaiseksi, peilataan xz-tason (=ik-tason) suhteen ja ja lopuksi kierretään kulman π 2 verran k-akselin ympäri vastapäivään (katsottuna k-akselin positiiviselta puoliakselilta origoon päin). 32. 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! 33. Määritä lineaarikuvauksen F : R 3 R 2, F (x 1, x 2, x 3 ) = (2x 1 + x 2 3x 3, x 1 2x 2 + x 3 ) matriisi kantojen S 1 = {(1, 0, 1), (0, 1, 0), (0, 1, 1)} ja S 2 = {(0, 1), ( 1, 1)} suhteen ja laske sen avulla vektorin F (u) koordinaatit kannassa S 2, kun vektori u = 2i + 3j k, missä i = (1, 0, 0), j = (0, 1, 0) ja k = (0, 0, 1). 34. a) Määrää lineaarikuvauksen F : R 3 R 2, F (x 1, x 2, x 3 ) = (x 1 3x 3, 2x 1 + x 2 2x 3 ) matriisi A kantojen S 1 = {(1, 0, 0), (1, 1, 0), (1, 1, 1)} ja S 2 = {(1, 1), (2, 1)} suhteen. Määrää A:n avulla vektorin F (u) koordinaatit kannassa S 2, kun u:n koordinaatit kannassa S 1 ovat 3, 3 ja 2. b) Määrää lineaarikuvauksen F : P 2 R 2, F (a + bt + ct 2 ) = (a 3c, 2a + b 2c) matriisi A kantojen S 1 = {1, 1 + t, 1 + t + t 2 } ja S 2 = {(1, 1), (2, 1)} suhteen. Määrää A:n avulla vektorin F (p(t)) koordinaatit kannassa S 2, kun polynomin p(t) koordinaatit kannassa S 1 ovat 3, 3 ja Olkoon matriisi , Onko vektori ( 2, 4, 0) T a) A:n ytimen, b) A:n kuva-avaruuden vektori?
5 36. Olkoon matriisi , Onko vektori (1, 5, 2, 1, 3) T a) A:n ytimen, b) A:n kuva-avaruuden vektori? 37. Määrää seuraavien matriisien aste, nulliteetti, ydin ja ytimen kanta (jokin niistä, jos mahdollista): a) , b) , Määrää matriisin aste, nulliteetti, ydin, ytimen kanta ja kuva-avaruuden kanta. 39. Määrää matriisin B = aste, nulliteetti, ydin, ytimen kanta ja kuva-avaruuden kanta. 40. Tutki onko allaolevalla yhtälöryhmällä ratkaisuja. x 1 + x 2 x 3 = 7 4x 1 x 2 + 5x 3 = 4 6x 1 + x 2 + 3x 3 = Tarkastellaan 6 8 matriiseja. Mikä on pienin arvo, mikä tällaisen matriisin nulliteetilla voi olla? Mikä on suurin? Konstruoi esimerkki matriisista, jolla on pienin mahdollinen nulliteetti ja esimerkki matriisista, jolla on suurin mahdollinen nulliteetti. 42. Määrää Määrää det(a), kun Määrää kaikki sellaiset k:n arvot, että yhtälöryhmällä x 1 + kx 2 = 2 kx 1 + x 2 + x 3 = 1 x 1 + x 2 + x 3 = 1 on yksikäsitteinen ratkaisu.
6 45. Olkoon (a ij ) = Laske matriisin A alkion a 12 kofaktori. Laske adjungoitu matriisi adj A ja määrää sen avulla matriisin A käänteismatriisi. 46. Etsi matriisin A ominaisarvot ja -vektorit, kun 47. Laske matriisin ominaisarvot ja kaikki ominaisvektorit. ( ) Etsi matriisin A ominaisarvot ja -vektorit, kun Laske matriisin ominaisarvot ja kaikki ominaisvektorit Olkoon A tehtävän 47 matriisi. Määrää matriisien A 3, A 1 ja A + 5I ominaisarvot ja ominaisvektorit. 51. Matriisin A ominaisarvot ovat 4 ja 1 ja vastaavat ominaisvektorit ovat u 1 = ( 2, 3) ja u 2 = (1, 5). Määrää vektori A( 2u 1 + 5u 2 ). 52. Olkoon Tutki, onko A diagonalisoituva. Perustelu! Olkoon A tehtävän 47 matriisi. Onko A diagonalisoituva? Jos on, niin määrää matriisi D = T 1 AT ja siihen liittyvä matriisi T. 54. Matriisin A ominaisarvot ovat 2, 1 ja 2 sekä vastaavat ominaisvektorit ( 1, 0, 1), ( 1, 4, 0) ja (1,2,1). Määrää A. 55. Matriisi A on nollamatriisista eroava reaaliset ominaisarvot omaava diagonalisoituva n n matriisi, jolle on voimassa A 8 = A. Mitkä luvut voivat olla A:n ominaisarvoja? Määrää A:n itseisarvoltaan suurin ominaisarvo. 56. Ratkaise matriisiyhtälö AX + I = A 101, missä ( )
7 57. Kahden kilpailevan populaation S 1 ja S 2 yksilöiden lukumäärät x 1 (t) ja x 2 (t) hetkellä t (t mitattu vuosina) toteuttavat differentiaaliyhtälöryhmän { x 1 (t) = 3x 1(t) x 2 (t) x 2 (t) = 2x 1(t) + 2x 2 (t) Ratkaise x 1 (t) ja x 2 (t) (käyttämällä hyväksi kerroinmatriisin diagonalisointia), kun alkuhetkellä t = 0 ensimmäisen populaation koko on 150 ja toisen 60. Millä ajan t hetkellä populaatio S 2 häviää? 58. Ratkaise differentiaaliyhtälöryhmä x 1 (t) = 2x 1(t) + x 2 (t) x 2(t) = x 1 (t) 2x 2 (t) + x 3 (t) x 3 (t) = x 2(t) 2x 3 (t) alkuehdoilla x 1 (0) = 2, x 2 (0) = 0, x 3 (0) = 2 käyttämällä hyväksi kerroinmatriisin diagonalisointia. 59. Kahden kilpailevan populaation S 1 ja S 2 yksilöiden lukumäärät x 1 (t) ja x 2 (t) hetkellä t (t mitattu vuosina) toteuttavat differentiaaliyhtälöryhmän { x 1(t) = x 1 (t) 2x 2 (t) x 2 (t) = 2x 1(t) + x 2 (t) Ratkaise x 1 (t) ja x 2 (t) käyttämällä hyväksi joko siirtomatriisia tai kerroinmatriisin diagonalisointia, kun alkuhetkellä t = 0 ensimmäisen populaation koko on 30 ja toisen Arvioi Gershgorinin ympyröiden avulla matriisin j j ominaisarvojen sijaintia. Piirrä kuva ja määrää kuvan perusteella väli, johon A:n jokaisen ominaisarvon reaaliosa kuuluu sekä väli, johon A:n jokaisen ominaisarvon imaginaariosa kuuluu. 61. Laske matriisin itseisarvoltaan suurimmalle ominaisarvolle likiarvo iteratiivisesti lähtien vektorista y 0 = (1, 1, 1). Likiarvo λ (3) riittää. Mikä on vastaava ominaisvektori? 62. Laske matriisin ( ) itseisarvoltaan suurimmalle ominaisarvolle likiarvo iteratiivisesti lähtien vektorista y 0 = (0, 1). Likiarvo λ (4) riittää. Mikä on vastaava ominaisvektori?
8 63. Laske 1-, - ja Frobenius normi matriisille Laske e A, kun ( ) Onko matriisi ( ) diagonalisoituva? Jos on, niin laske siirtomatriisi e At. Jos ei, niin perustele miksi ei. 66. Olkoon matriisi Laske siirtomatriisi e ta Kahden symbioosissa elävän populaation S 1 ja S 2 yksilöiden lukumäärät x 1 (t) ja x 2 (t) toteuttavat differentiaaliyhtälöryhmän { x 1(t) = 1 2 x 1(t) x 2(t) x 2 (t) = x 1(t) 1 2 x 2(t). Laske populaatioiden koot hetkellä t, kun x 1 (0) = 100 ja x 2 (0) = 400. Käytä ratkaisukaavaa missä siirtomatriisi e At lasketaan kaavalla x(t) = e At x(0), e t T e td T 1, e td = diag (e λ1t, e λ2t ). 68. Sähköisen piirin kondensaattorin C 1 jännitteelle v 1 (t) ja kondensaattorin C 2 jännitteelle v 2 (t) on voimassa differentiaaliyhtälöryhmä: { v 1(t) = 3 2 v 1(t) v 2(t) v 2 (t) = v 1(t) v 2 (t) Ratkaise differentiaaliyhtälöryhmä alkuehdoilla v 1 (0) = 5 ja v 2 (0) = 4 käyttämällä hyväksi joko siirtomatriisia e ta tai kerroinmatriisin diagonalisointia. 69. Ratkaise differentiaaliyhtälöryhmä x 1(t) = 3x 1 (t) + 2x 2 (t) + 2x 3 (t) x 2 (t) = 2x 1(t) + 2x 2 (t) x 3 (t) = 2x 1(t) + 4x 3 (t) käyttämällä hyväksi siirtomatriisia. 70. Ratkaise alkuarvotehtävä y + y 2y = 0, y(0) = 1, y (0) = 0 palauttamalla se 1. kertaluvun differentiaaliyhtälöryhmäksi ja käyttämällä hyväksi joko siirtomatriisia tai kerroinmatriisin diagonalisointia.
9 71. Määrää ylideterminoidun systeemin x 1 6x 2 = 1 x 1 2x 2 = 2 x 1 + x 2 = 1 x 1 + 7x 2 = 6 pienimmän neliösumman ratkaisu. Laske jäännösvektorin r normi r Tarkastellaan ylideterminoitua systeemiä x 1 2x 2 = 3 x 1 + 2x 2 = 1 3x 2 = 4 2x 1 + 5x 2 = 2 a) Määrää systeemin kerroinmatriisi A ja laske sen normit A 1 ja A. b) Laske systeemin pienimmän neliösumman ratkaisu. Laske jäännösvektorin r normi r F r. 73. Laske Cayley-Hamiltonin lauseen avulla A 5, kun a) Olkoon Laske Cayley-Hamiltonin lauseen avulla A 1. b) Olkoon A n n matriisi, jolla on n erisuurta ominaisarvoa. Osoita, että matriisin A determinantti on A:n ominaisarvojen tulo. 75. Laske e A Cayley - Hamiltonin lauseen perusteella, kun ( ) Olkoon Laske Cayley-Hamiltonin lauseen avulla A 1 ja sin( π 2 A) matriisin A ominaisarvot ovat 2, 1 ja 2 sekä A Laske A:n käänteismatriisi ja determinantti sekä tan( π 4 A 1 ).
10 MATRIISIALGEBRA 1. Välikoe VÄLIVAIHEET JA PERUSTELUT NÄKYVIIN, KIITOS! 1. Olkoot ( a b c d ), B = ( ) matriiseja, missä a, b, c ja d ovat reaalilukuja. a) Tarkastellaan laskutoimituksia A T +B ja B T A. Määrää kunkin laskutoimituksen tulos, jos kyseinen laskutoimitus on määritelty. Jos jokin laskutoimituksista ei ole määritelty, niin perustele miksi ei. (3p) b) Olkoon B ylläoleva matriisi. Matriisissa C on 4 riviä ja 2 saraketta. Onko matriisitulo BC määritelty? Jos on, niin määritä montako riviä ja saraketta on matriisissa BC. Jos ei ole, niin perustele miksi ei. (3p) 2. Olkoon matriisi x Määrää vaakarivimuunnoksin matriisin A käänteismatriisi kun x = 1 2. Millä x:n arvolla A:lla ei ole käänteismatriisia? 3. a) Polynomijoukko {t, 1 + t 2, t + 2t 3, 1 + 2t 2 } on polynomiavaruuden P 3 kanta. Polynomin p(t) koordinaatit tässä kannassa ovat 1, 2, 5 ja 0. Määrää polynomin p(t) koordinaatit kannassa {1, t, t 2, t 3 }. (2p) b) Kuvankäsittelyssä kuvia muokataan käyttämällä lineaarisia muunnoksia kuten esimerkiksi venytystä, kiertoa ja peilausta.muodosta muunnoksen (kannalta E = {i, j, k} kannalle E) matriisi, kun kuvaa aluksi venytetään i-akselin suunnassa 3-kertaiseksi, peilataan xz-tason (=iktason) suhteen ja ja lopuksi kierretään kulman π 2 verran k-akselin ympäri vastapäivään (katsottuna k-akselin positiiviselta puoliakselilta origoon päin). (4p) 4. Määrää matriisin aste, nulliteetti, ydin ja ytimen kanta Kaavoja: q 1 = a 1 a 1, q = v k k v k, k = 2, 3,..., n, v k = a k (q T a 1 k )q 1 (qt a k 1 k )q, k = 2, 3,..., n. k 1
11 MATRIISIALGEBRA Välikoe Laske matriisin VÄLIVAIHEET JA PERUSTELUT NÄKYVIIN, KIITOS! ominaisarvot ja kaikki ominaisvektorit Kahden kilpailevan populaation S 1 ja S 2 yksilöiden lukumäärät x 1 (t) ja x 2 (t) hetkellä t (t mitattu vuosina) toteuttavat differentiaaliyhtälöryhmän { x 1 (t) = x 1 (t) 2x 2 (t) x 2 (t) = 2x 1(t) + x 2 (t) Ratkaise x 1 (t) ja x 2 (t) käyttämällä hyväksi joko siirtomatriisia tai kerroinmatriisin diagonalisointia, kun alkuhetkellä t = 0 ensimmäisen populaation koko on 30 ja toisen Tarkastellaan ylideterminoitua systeemiä x 1 2x 2 = 3 x 1 + 2x 2 = 1 3x 2 = 4 2x 1 + 5x 2 = 2 a) Määrää systeemin kerroinmatriisi A ja laske sen normit A 1 ja A. (2p) b) Laske systeemin pienimmän neliösumman ratkaisu. Laske jäännösvektorin r normi r F r. (4p) 4. Arvioi Gershgorinin ympyröiden avulla matriisin j j ominaisarvojen sijaintia. Piirrä kuva ja määrää kuvan perusteella väli, johon A:n jokaisen ominaisarvon reaaliosa kuuluu sekä väli, johon A:n jokaisen ominaisarvon imaginaariosa kuuluu. 5. a) Olkoon Kaavat Laske Cayley-Hamiltonin lauseen avulla A 1. (2p) b) Olkoon A n n matriisi, jolla on n erisuurta ominaisarvoa. Osoita, että matriisin A determinantti on A:n ominaisarvojen tulo. (4p) D = T 1 AT y k y k+1 y = λ (k) 1 k y k m A 1 = max 1 j n a ij i=1 n A = max 1 i m a ij j=1 A 2 = λ, A Fr = a ij 2 i j κ(a) = A A 1 x(t) = e ta x 0 f(a) = d 0 I + d 1 A + d 2 A d n 1 A n 1 q 1 = a 1 a 1, q = v k, k = 2, 3,..., n, k v k v k = a k (q T a 1 k )q 1 (qt a k 1 k )q, k = 2, 3,..., n. k 1
12 MATRIISIALGEBRA 1. Välikoe VÄLIVAIHEET JA PERUSTELUT NÄKYVIIN, KIITOS! 1. Ratkaise Gaussin menetelmällä yhtälöryhmä { 2x1 x 2 + 3x 3 x 4 = 3 3x 1 + 2x 2 + x 3 5x 4 = 6 x 1 2x 2 + 3x 3 + x 4 = Olkoon matriisi Määrää vaakarivimuunnoksin matriisin A käänteismatriisi. 3. Kuvankäsittelyssä kuvia muokataan käyttämällä lineaarisia muunnoksia kuten esimerkiksi venytystä, kiertoa ja peilausta. Muodosta muunnoksen (kannalta E = {i, j, k} kannalle E) matriisi, kun kuvaa aluksi kierretään kulman π verran j-akselin ympäri vastapäivään (katsottuna j-akselin positiiviselta puoliakselilta origoon päin), sen jälkeen kierretään kulman π 2 verran k-akselin ympäri myötäpäivään (katsottuna k-akselin positiiviselta puoliakselilta origoon päin) ja lopuksi venytetään j-akselin suunnassa 3-kertaiseksi. 4. a) Olkoon U vektorijoukon S = {(1, 1, 1), (2, 5, 2), (3, 11, 5)} virittämä R 3 :n aliavaruus. Eli U = L(S). Onko vektorijoukko S aliavaruuden U kanta? Jos on, niin perustele miksi on. Jos ei ole, niin määrää jokin U:n kanta. (3p) b) Olkoon P n (R) korkeintaan astetta n olevien polynomien muodostama vektoriavaruus. Olkoon polynomin p(t) derivaatta polynomi p (t). Määrää yhtälöllä F (p(t)) = p (t) määritellyn lineaarikuvauksen F : P 4 (R) P 3 (R) matriisi kantojen {1, t, t 2, t 3, t 4 } ja {1, t, t 2, t 3 } suhteen.(3p) Kaavoja: q 1 = a 1 a 1, q = v k k v k, k = 2, 3,..., n, v k = a k (q T a 1 k)q 1 (q T a k 1 k)q k 1, k = 2, 3,..., n.
13 MATRIISIALGEBRA Välikoe Määrää matriisin VÄLIVAIHEET JA PERUSTELUT NÄKYVIIN, KIITOS! aste, nulliteetti, ydin ja ytimen kanta. 2. Laske matriisin ominaisarvot ja kaikki ominaisvektorit. 3. Ratkaise differentiaaliyhtälöryhmä { x 1 (t) = 3x 1 (t) + x 2 (t) x 2 (t) = x 1(t) + 3x 2 (t) alkuehdoilla x 1 (0) = 1, x 2 (0) = 0 käyttämällä hyväksi joko siirtomatriisia tai kerroinmatriisin diagonalisointia. 4. Määrää ylideterminoidun systeemin x 1 x 3 = 4 x 1 3x 3 = 6 x 2 + x 3 = 1 x 2 + x 3 = 2 pienimmän neliösumman ratkaisu. Laske residuaalivektorin r normi r. 5. a) Laske Cayley-Hamiltonin lauseen avulla cos (πa), kun ( ) Kaavat b) Vektorijoukko {x, y} on sidottu, eli lineaarisesti riippuva täsmälleen silloin kun on olemassa sellainen luku a, että x = ay. Olkoon A n n matriisi, n 2, jolla on kaksi erisuurta ominaisarvoa λ 1 ja λ 2. Olkoon x 1 ominaisarvoon λ 1 ja x 2 ominaisarvoon λ 2 liittyvä matriisin A ominaisvektori. Osoita, että vektorijoukko {x 1, x 2 } ei ole sidottu vektorijoukko. D = T 1 AT y k y k+1 y = λ (k) 1 k y k m A 1 = max 1 j n a ij i=1 n A = max 1 i m a ij j=1 A 2 = λ, A Fr = a ij 2 i j κ(a) = A A 1 x(t) = e ta x 0 f(a) = d 0 I + d 1 A + d 2 A d n 1 A n 1 q 1 = a 1 a 1, q = v k, k = 2, 3,..., n, k v k v k = a k (q T a 1 k )q 1 (qt a k 1 k )q, k = 2, 3,..., n. k 1
14 MATRIISIALGEBRA Loppukoe a) Ratkaise Gaussin menetelmällä yhtälöryhmä x 1 x 2 x 3 = 4 2x 1 5x 2 + 4x 3 = 4 3x 1 x 2 7x 3 = 20 x 1 2x 2 + x 3 = 0 b) Laske a)-kohdan yhtälöryhmän kerroinmatriisin aste, nulliteetti ja ydin. 2. a) Määrää lineaarikuvauksen F : R 2 R 3, F (x 1, x 2 ) = (2x 1 x 2, x 2, x 1 + 3x 2 ) LASKUT NÄKYVIIN! matriisi kantojen {(0, 1), (1, 1)} ja {(1, 0, 1), (0, 0, 1), (0, 1, 0)} suhteen a) b) Polynomijoukko {t, 1 + t 2, t + 2t 3, 1 + 2t 2 } on polynomiavaruuden P 3 kanta. Polynomin p(t) koordinaatit tässä kannassa ovat 1, 2, 5 ja 0. Määrää polynomin p(t) koordinaatit kannassa {1, t, t 2, t 3 }. 3. Kahden kilpailevan populaation S 1 ja S 2 yksilöiden lukumäärät x 1 (t) ja x 2 (t) hetkellä t (t mitattu vuosina) toteuttavat differentiaaliyhtälöryhmän { x 1 (t) = x 1 (t) 2x 2 (t) x 2 (t) = 2x 1(t) + x 2 (t) Ratkaise x 1 (t) ja x 2 (t) käyttämällä hyväksi joko siirtomatriisia tai kerroinmatriisin diagonalisointia, kun alkuhetkellä t = 0 ensimmäisen populaation koko on 30 ja toisen matriisin A ominaisarvot ovat 2, 1 ja 2 sekä A Kaavoja: Laske A:n käänteismatriisi ja determinantti sekä tan( π 4 A 1 ). D = T 1 AT y k y k+1 y = λ (k) 1 k y k m A 1 = max 1 j n a ij i=1 n A = max 1 i m a ij j=1 A 2 = λ, A Fr = a ij 2 i j κ(a) = A A 1 x(t) = e ta x 0 f(a) = d 0 I + d 1 A + d 2 A d n 1 A n 1 q 1 = a 1 a 1, q = v k, k = 2, 3,..., n, k v k v k = a k (q T a 1 k )q 1 (qt a k 1 k )q, k = 2, 3,..., n. k 1
15 MATRIISIALGEBRA Loppukoe Ratkaise Gaussin menetelmällä yhtälöryhmä x y z + 4 = 0 2x 5y + 4z 4 = 0 3x y 7z + 20 = 0 x 2y + z = 0 LASKUT NÄKYVIIN! 2. a) Määrää lineaarikuvauksen F : R 3 R 2, F (x 1, x 2, x 3 ) = (x 1 + x 2, x 2 + x 3 ) matriisi A kantojen S 1 = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} ja S 2 = {(1, 1), (1, 1)} suhteen. Määrää A:n avulla vektorin F (u) koordinaatit kannassa S 2, kun u:n koordinaatit kannassa S 1 ovat 4, 1 ja 5.(3p) b) Vektorijoukot S 1 = {(0, 1, 0), (1, 1, 0), (1, 2, 3)} ja S 2 = {(1, 1, 0), (1, 1, 1), (1, 2, 1)} ovat R 3 :n kantoja. Vektorin v koordinaatit kannassa S 1 ovat 3, 2 ja 1. Määritä tarvittava kannanvaihtomatriisi ja laske sen avulla v:n koordinaatit kannassa S Kappaleeseen vaikuttaa sellainen voimakenttä, että kappaleen x ja y koordinaatit ( z koordinaatti jätetään huomiotta) toteuttavat ajan t suhteen differentiaaliyhtälöryhmän: { x (t) = 4x(t) 5y(t) y (t) = 2x(t) + y(t) Ratkaise differentiaaliyhtälöryhmä, kun alkuhetken koordinaatit olivat x(0) = 2 ja y(0) = 1. Käytä hyväksi joko siirtomatriisia tai kerroinmatriisin diagonalisointia. 4. a) Arvioi Gershgorinin ympyröiden avulla matriisin j j ominaisarvojen sijaintia. Piirrä kuva ja määrää kuvan perusteella väli, johon A:n jokaisen ominaisarvon reaaliosa kuuluu sekä väli, johon A:n jokaisen ominaisarvon imaginaariosa kuuluu. b) Määrää pienimmän neliösumman ratkaisu yhtälöryhmälle x 1 + 2x 2 = 1 x 1 2x 2 = 2 2x 1 + 3x 2 = 1. Kaavoja: D = T 1 AT y k y k+1 y = λ (k) 1 k y k m A 1 = max 1 j n a ij i=1 n A = max 1 i m a ij j=1 A 2 = λ, A Fr = a ij 2 i j κ(a) = A A 1 x(t) = e ta x 0 f(a) = d 0 I + d 1 A + d 2 A d n 1 A n 1 q 1 = a 1 a 1, q = v k, k = 2, 3,..., n, k v k v k = a k (q T a 1 k )q 1 (qt a k 1 k )q, k = 2, 3,..., n. k 1
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
Lisätiedottyyppi 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.
Lisätiedotja 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.
LisätiedotMATRIISIALGEBRA. Harjoitustehtäviä syksy Olkoot A =, B =
MATRIISIALGEBRA Harjoitustehtäviä syksy 2008 0 3 2 3. Olkoot, B =, C =. 3 2 3 2 4 0 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,
LisätiedotMatriisialgebra 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
LisätiedotMatriisialgebra 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
Lisätiedot3x + 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)
Lisätiedot6 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,
LisätiedotMatematiikka B2 - Avoin yliopisto
6. elokuuta 2012 Opetusjärjestelyt Luennot 9:15-11:30 Harjoitukset 12:30-15:00 Tentti Kurssin sisältö (1/2) Matriisit Laskutoimitukset Lineaariset yhtälöryhmät Gaussin eliminointi Lineaarinen riippumattomuus
Lisätiedot2.8. Kannanvaihto R n :ssä
28 Kannanvaihto R n :ssä Seuraavassa kantavektoreiden { x, x 2,, x n } järjestystä ei saa vaihtaa Vektorit ovat pystyvektoreita ( x x 2 x n ) on vektoreiden x, x 2,, x n muodostama matriisi, missä vektorit
LisätiedotMatematiikka B2 - TUDI
Matematiikka B2 - TUDI Miika Tolonen 3. syyskuuta 2012 Miika Tolonen Matematiikka B2 - TUDI 1 Kurssin sisältö (1/2) Matriisit Laskutoimitukset Lineaariset yhtälöryhmät Gaussin eliminointi Lineaarinen riippumattomuus
LisätiedotMatriisialgebra 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
Lisätiedot5 Ominaisarvot ja ominaisvektorit
5 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin A
LisätiedotLineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / Ratkaisut
MS-C34 Lineaarialgebra ja differentiaaliyhtälöt, IV/26 Lineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / t Alkuviikon tuntitehtävä Hahmottele matriisia A ( 2 6 3 vastaava vektorikenttä Matriisia A
LisätiedotNeliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja
7 NELIÖMATRIISIN DIAGONALISOINTI. Ortogonaaliset matriisit Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja A - = A T () Muistutus: Kokoa n olevien vektorien
LisätiedotOsoita, 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,
LisätiedotMS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Ominaisarvoteoriaa Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Ominaisarvot Kertaus: ominaisarvot Määritelmä
Lisätiedot110. 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
LisätiedotLineaarikuvauksen 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:
LisätiedotOminaisarvo 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
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
Lisätiedotominaisvektorit. 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)
LisätiedotMS-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
LisätiedotMS-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
Lisätiedot1 Ominaisarvot ja ominaisvektorit
1 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) 1 missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin
Lisätiedot3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä
3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä Lineaarinen m:n yhtälön yhtälöryhmä, jossa on n tuntematonta x 1,, x n on joukko yhtälöitä, jotka ovat muotoa a 11 x 1 + + a 1n x n = b 1 a 21
LisätiedotLineaarialgebra 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
LisätiedotMS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Idea Lineaarisen systeemin ratkaiseminen Olkoon
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
Lisätiedot3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset
31 MS-A0004/A0006 Matriisilaskenta 3 Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2292015 Lineaariset yhtälöt ovat vektoreille luonnollisia yhtälöitä, joita
LisätiedotLineaarialgebra 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.
LisätiedotLineaarialgebra ja matriisilaskenta I
Lineaarialgebra ja matriisilaskenta I 29.5.2013 HY / Avoin yliopisto Jokke Häsä, 1/26 Kertausta: Kanta Määritelmä Oletetaan, että w 1, w 2,..., w k W. Vektorijono ( w 1, w 2,..., w k ) on aliavaruuden
Lisätiedot5 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
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö
LisätiedotOminaisarvoon 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) (
Lisätiedot1 Lineaariavaruus eli Vektoriavaruus
1 Lineaariavaruus eli Vektoriavaruus 1.1 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä V epätyhjä joukko. Oletetaan, että joukossa V on määritelty laskutoimitus
Lisätiedotx = 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
Lisätiedot2.5. 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
LisätiedotOminaisvektoreiden 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
Lisätiedot3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä
1 3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä Lineaarinen m:n yhtälön yhtälöryhmä, jossa on n tuntematonta x 1,, x n on joukko yhtälöitä, jotka ovat muotoa a 11 x 1 + + a 1n x n = b 1 a
LisätiedotYleiset lineaarimuunnokset
TAMPEREEN YLIOPISTO Pro gradu -tutkielma Kari Tuominen Yleiset lineaarimuunnokset Matematiikan ja tilastotieteen laitos Matematiikka Toukokuu 29 Tampereen yliopisto Matematiikan ja tilastotieteen laitos
LisätiedotOminaisarvo-hajoitelma ja diagonalisointi
Ominaisarvo-hajoitelma ja a 1 Lause 1: Jos reaalisella n n matriisilla A on n eri suurta reaalista ominaisarvoa λ 1,λ 2,...,λ n, λ i λ j, kun i j, niin vastaavat ominaisvektorit x 1, x 2,..., x n muodostavat
LisätiedotOminaisarvo ja ominaisvektori
Ominaisarvo ja ominaisvektori Määritelmä Oletetaan, että A on n n -neliömatriisi. Reaaliluku λ on matriisin ominaisarvo, jos on olemassa sellainen vektori v R n, että v 0 ja A v = λ v. Vektoria v, joka
LisätiedotLineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg
Vaasan yliopisto, syksy 218 Lineaarialgebra II, MATH124 Matti laaksonen, Lassi Lilleberg Tentti T1, 284218 Ratkaise 4 tehtävää Kokeessa saa käyttää laskinta (myös graafista ja CAS-laskinta), mutta ei taulukkokirjaa
LisätiedotEsimerkki 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
Lisätiedot1 Avaruuksien ja lineaarikuvausten suora summa
MAT-33500 Differentiaaliyhtälöt, kevät 2006 Luennot 27.-28.2.2006 Samuli Siltanen 1 Avaruuksien ja lineaarikuvausten suora summa Tämä asialöytyy myös Hirschin ja Smalen kirjasta, luku 3, pykälä 1F. Olkoon
Lisätiedot802320A 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
LisätiedotMatriisialgebra 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}.
LisätiedotMS-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
Lisätiedotx = 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
LisätiedotJAKSO 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
LisätiedotMatemaattinen 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
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M Hirvensalo mikhirve@utufi V Junnila viljun@utufi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M Hirvensalo mikhirve@utufi V Junnila viljun@utufi Luentokalvot 5 1
LisätiedotMatriisiteoria 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
LisätiedotPäättelyn 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
LisätiedotOrtogonaaliset matriisit, määritelmä 1
, määritelmä 1 Määritelmä (a). Neliömatriisi Q on ortogonaalinen, jos Q T Q = I. Määritelmästä voidaan antaa samaa tarkoittavat, mutta erilaiselta näyttävät muodot: Määritelmä (b). n n neliömatriisi Q,
LisätiedotLineaarialgebra, kertausta aiheita
Lineaarialgebra, kertausta aiheita Matriisitulo käänteismatriisi determinantin kehittäminen determinantin ominaisuudet adjungaatti ja Cramerin kaavat yhtälöryhmän eri esitystavat Gauss-Jordan -algoritmi
LisätiedotLineaarialgebra ja matriisilaskenta I
Lineaarialgebra ja matriisilaskenta I 6.6.2013 HY / Avoin yliopisto Jokke Häsä, 1/22 Kertausta: Kääntyvien matriisien lause Lause 1 Oletetaan, että A on n n -neliömatriisi. Seuraavat ehdot ovat yhtäpitäviä.
LisätiedotOminaisarvot ja ominaisvektorit 140 / 170
Ominaisarvot ja ominaisvektorit 140 / 170 Seuraavissa luvuissa matriisit ja vektori ajatellaan kompleksisiksi, ts. kertojakuntana oletetaan olevan aina kompleksilukujoukko C Huomaa, että reaalilukujoukko
LisätiedotMS-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
LisätiedotEnnakkotehtävän ratkaisu
Ennakkotehtävän ratkaisu Ratkaisu [ ] [ ] 1 3 4 3 A = ja B =. 1 4 1 1 [ ] [ ] 4 3 12 12 1 0 a) BA = =. 1 + 1 3 + 4 0 1 [ ] [ ] [ ] 1 0 x1 x1 b) (BA)x = =. 0 1 x 2 x [ ] [ ] [ 2 ] [ ] 4 3 1 4 9 5 c) Bb
Lisätiedot(1.1) Ae j = a k,j e k.
Lineaarikuvauksen determinantti ja jälki 1. Lineaarikuvauksen matriisi. Palautetaan mieleen, mikä lineaarikuvauksen matriisi annetun kannan suhteen on. Olkoot V äärellisulotteinen vektoriavaruus, n = dim
LisätiedotHY / 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
LisätiedotNeliömatriisin adjungaatti, L24
Neliömatriisin adjungaatti, L24 1 2 1 3 Matriisi = A = 7 4 6 5 2 0 ( ) 7 6 Alimatriisi = A 12 = 5 0 Minori = det(a 12 ) = 7 6 5 0 = 30 Kofaktori = ( 1) 1+2 det(a 12 ) = 30 2 Määritelmä n n neliö-matriisin
Lisätiedot5 Differentiaaliyhtälöryhmät
5 Differentiaaliyhtälöryhmät 5.1 Taustaa ja teoriaa Differentiaaliyhtälöryhmiä tarvitaan useissa sovelluksissa. Toinen motivaatio yhtälöryhmien käytölle: Korkeamman asteen differentiaaliyhtälöt y (n) =
LisätiedotMilloin A diagonalisoituva?
Milloin A diagonalisoituva? ) Oletus: A on diagonalisoituva eli D = TAT, jollakin D = diag(λ, λ 2,..., λ n ). A:n ja D:n ominaisarvot ovat samat λ, λ 2,..., λ n ovat myös A:n ominaisarvot... D e i = D
LisätiedotLineaarialgebra ja matriisilaskenta I
Lineaarialgebra ja matriisilaskenta I 30.5.2013 HY / Avoin yliopisto Jokke Häsä, 1/19 Käytännön asioita Kurssi on suunnilleen puolessa välissä. Kannattaa tarkistaa tavoitetaulukosta, mitä on oppinut ja
LisätiedotKanta ja Kannan-vaihto
ja Kannan-vaihto 1 Olkoon L vektoriavaruus. Äärellinen joukko L:n vektoreita V = { v 1, v 2,..., v n } on kanta, jos (1) Jokainen L:n vektori voidaan lausua v-vektoreiden lineaarikombinaationa. (Ts. Span(V
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
LisätiedotOrtogonaalisen kannan etsiminen
Ortogonaalisen kannan etsiminen Lause 94 (Gramin-Schmidtin menetelmä) Oletetaan, että B = ( v 1,..., v n ) on sisätuloavaruuden V kanta. Merkitään V k = span( v 1,..., v k ) ja w 1 = v 1 w 2 = v 2 v 2,
LisätiedotTehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin lukuun 7 eli vapauden käsitteeseen ja homogeenisiin
HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta I, kesä 2015 Harjoitus 4 Ratkaisut palautettava viimeistään maanantaina 862015 klo 1615 Tehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö
LisätiedotDemorastitiedot 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
Lisätiedot3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset
32 Idea: Lineaarikuvausten laskutoimitusten avulla määritellään vastaavat matriisien laskutoimitukset Vakiolla kertominen ja summa Olkoon t R ja A, B R n m Silloin ta, A + B R n m ja määritellään ta ta
LisätiedotMääritelmä 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:
Lisätiedot802320A 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
LisätiedotKäänteismatriisin ominaisuuksia
Käänteismatriisin ominaisuuksia Lause 1.4. Jos A ja B ovat säännöllisiä ja luku λ 0, niin 1) (A 1 ) 1 = A 2) (λa) 1 = 1 λ A 1 3) (AB) 1 = B 1 A 1 4) (A T ) 1 = (A 1 ) T. Tod.... Ortogonaaliset matriisit
LisätiedotMS-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).
LisätiedotMatriisi-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
LisätiedotTehtäväsarja 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
LisätiedotMatriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit
Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit Antti Rasila 2016 Ominaisarvot ja ominaisvektorit 1/5 Määritelmä Skalaari λ C on matriisin A C n n ominaisarvo ja vektori v C n sitä
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D Mika Hirvensalo mikhirve@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2014 Mika Hirvensalo mikhirve@utu.fi Luentokalvot 3 1 of 16 Kertausta Lineaarinen riippuvuus
LisätiedotTehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin lukuun 7 eli vapauden käsitteeseen ja homogeenisiin
HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta I, kesä 2014 Harjoitus 4 Ratkaisujen viimeinen palautuspäivä: pe 662014 klo 1930 Tehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin lukuun
LisätiedotLineaarialgebra 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
Lisätiedot1 Ominaisarvot ja lineaariset di erenssiyhtälöt
Taloustieteen mat.menetelmät syksy 27 materiaali II-4 Ominaisarvot ja lineaariset di erenssiyhtälöt. Idea a b Ajatellaan di erenssiyhtälöä z k+ Az k, A : Jos A olisi diagonaalimatriisi, eli b c, niin muuttujat
LisätiedotMatikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/81
Matikkapaja keskiviikkoisin klo 14-16 Lineaarialgebra (muut ko) p. 1/81 Lineaarialgebra (muut ko) p. 2/81 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v 2 )
LisätiedotMS-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
Lisätiedot9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista
29 9 Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista Tarkastelemme kertalukua n olevia lineaarisia differentiaaliyhtälöitä y ( x) + a ( x) y ( x) + + a ( x) y( x) + a ( x) y= b( x) ( n) ( n
LisätiedotKäänteismatriisi 1 / 14
1 / 14 Jokaisella nollasta eroavalla reaaliluvulla on käänteisluku, jolla kerrottaessa tuloksena on 1. Seuraavaksi tarkastellaan vastaavaa ominaisuutta matriiseille ja määritellään käänteismatriisi. Jokaisella
LisätiedotMatriisilaskenta. Harjoitusten 3 ratkaisut (Kevät 2019) 1. Olkoot AB = ja 2. Osoitetaan, että matriisi B on matriisin A käänteismatriisi.
Matriisilaskenta Harjoitusten ratkaisut (Kevät 9). Olkoot ja A = B = 5. Osoitetaan, että matriisi B on matriisin A käänteismatriisi. Tapa Käänteismatriisin määritelmän nojalla riittää osoittaa, että AB
LisätiedotMatriisien tulo. Matriisit ja lineaarinen yhtälöryhmä
Matriisien tulo Lause Olkoot A, B ja C matriiseja ja R Tällöin (a) A(B + C) =AB + AC, (b) (A + B)C = AC + BC, (c) A(BC) =(AB)C, (d) ( A)B = A( B) = (AB), aina, kun kyseiset laskutoimitukset on määritelty
LisätiedotBM20A0700, Matematiikka KoTiB2
BM20A0700, Matematiikka KoTiB2 Luennot: Matti Alatalo, Harjoitukset: Oppikirja: Kreyszig, E.: Advanced Engineering Mathematics, 8th Edition, John Wiley & Sons, 1999, luku 7. 1 Kurssin sisältö Matriiseihin
Lisätiedot802118P Lineaarialgebra I (4 op)
802118P Lineaarialgebra I (4 op) Tero Vedenjuoksu Oulun yliopisto Matemaattisten tieteiden laitos 2012 Lineaarialgebra I Yhteystiedot: Tero Vedenjuoksu tero.vedenjuoksu@oulu.fi Työhuone M206 Kurssin kotisivu
LisätiedotKuvaus. 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
Lisätiedot1 Di erentiaaliyhtälöt
Taloustieteen mat.menetelmät syksy 2017 materiaali II-5 1 Di erentiaaliyhtälöt 1.1 Skalaariyhtälöt Määritelmä: ensimmäisen kertaluvun di erentiaaliyhtälö on muotoa _y = F (y; t) oleva yhtälö, missä _y
LisätiedotMS-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
Lisätiedot1 Matriisit ja lineaariset yhtälöryhmät
1 Matriisit ja lineaariset yhtälöryhmät 11 Yhtälöryhmä matriisimuodossa m n-matriisi sisältää mn kpl reaali- tai kompleksilukuja, jotka on asetetettu suorakaiteen muotoiseksi kaavioksi: a 11 a 12 a 1n
Lisätiedot3.1 Lineaarikuvaukset. MS-A0007 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset
3 MS-A7 Matriisilaskenta 3 Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 925 Lineaariset yhtälöt ovat vektoreille luonnollisia yhtälöitä, joita ratkotaan
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö
Lisätiedot