7. Aliavaruudet. Lineaariset yhtälöryhmät
|
|
- Annemari Laine
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 7 7 Aliavaruudet Lieaariset yhtälöryhmät Tässäki luvussa kerrataa ja täydeetää jo kurssilla Laaja matematiikka esiityeitä asioita Erityisesti yhtälöryhmie teoriaa ja ratkaisemisee paeudutaa perusteellisesti Aliavaruudet Havaiollise maailma geometrisia malleia voidaa pitää suoraa, tasoa ja kolmiulotteista avaruutta, jotka ovat koordiaattiavaruuksia R, R ja R 3 Koska sovelluksissa esiityy muuttujia luotevasti "mielivaltaie" määrä, o huomattu edulliseksi tarkastella asioita silloi "-ulotteisessa avaruudessa" R Tämä tarjoaa mahdollisuude kuvitella ilmiöitä havaiollisi geometrisi käsittei, jotka o laiattu, tai 3-ulotteisesta havaitomaailmasta Tiettyje olioide väliset suhteet säilyvät samakaltaisia kaikissa ulottuvuuksissa ja pystymme ymmärtämää iitä paremmi havaiolliste miellekuvie avulla Tästä syystä laiaamme ja yleistämme avaruuksista R, R ja R 3 geometrisia käsitteitä ja siirrämme e yleisee -ulotteisee avaruutee R Tällaisia käsitteitä ovat piste, vektori, suora, taso, pituus, etäisyys, kulma, pistetulo, kohtisuoruus, projektio, ulottuvuus je Kaikki käsitteet eivät yleisty, esimerkiksi vektoritulo eli ristitulo o sellaie, jolla ei ole vastietta yleisessä R :ssä Algebrallisella puolella otamme matriisit käyttöö perusolioia Avaruus R eli -ulotteie euklidie avaruus määritellää tässä kurssissa -matriisie ("vektorie") joukoksi, jossa o matriisialgebrasta periytyvät laskutoimitukset: vektorie yhteelasku ja skalaarilla kertomie, sekä vektorie välie sisätulo R T = { xx = [ x, x,, x], xi R, i=,, } Laskutoimitukset oudattavat seuraavia lakeja, jotka seuraavat jo todeetuista matriisialgebra sääöistä Luettelemme e kuiteki uudestaa tässä, koska saatuje ehtoje kokoelma määrittelee yleisemmä käsittee vektoriavaruus Avaruus R o siis esimerkki vektoriavaruudesta Muita vektoriavaruuksia ovat mm erilaiset fuktioista koostuvat fuktioavaruudet
2 8 Avaruudessa R toteutuvat seuraavat (reaalise) vektoriavaruude aksioomat: VA Joukossa R o määritelty vektoreide xy, yhteelasku: x + y R x, y R VA ( x + y) + z= x+ ( y + z), x, y R VA3 O olemassa ollavektori: x+ = + x= x, x R VA4 Jokaisella vektorilla o vastavektori: x+ ( x) =, x R VA5 x + y= y+ x, x R VA6 Joukossa R o määritelty skalaarilla kertomie: ax R, x R, a R VA7 a( x + y) = ax + ay, x, y R, a R VA8 ( a+ b) x= ax+ bx, x R, a, b R VA9 ab ( x) = ( ab) x, x R, ab, R VA x= x, x R Nämä otetaa yleisessä tapauksessa siis aksioomiksi vektoriavaruudelle, yt e ovat seurauksia matriisialgebrasta Lisäomiaisuuksia (jotka sitte ovat yleisessä tapauksessa lauseia johdettavissa yllä olevista aksioomista) ovat mm seuraavat: - a=, a R - x=, x R - ax= a= tai x=, x R, a R - ( ) x= x, x R
3 9 Sisätuloa koskevia omiaisuuksia tarkastelemme myöhemmi ortogoaalisuude yhteydessä Yleisesti vektoriavaruuksia, joissa o määritelty sisätulo, saotaa sisätuloavaruuksiksi, joista R o siis yksi esimerkki Kolmiulotteisessa avaruudessa R 3 o osajoukkoia tasoja ja suoria, jotka muistuttavat geometrisesti hyvi paljo avaruuksia R ja R Jos taso kulkee origo kautta, huomataa, että se vektoreide yhteelasku ja skalaarilla kertomie johtaa vektoreihi, jotka edellee ovat samalla tasolla Siis ämä vektorit toteuttavat vektoriavaruude aksioomat VA ja VA6, ja koska vektorit ovat toisaalta R 3 : vektoreita, laskulait VA-VA5, VA7-VA toteutuvat myös Siis origo kautta kulkeva R 3 : taso o itseki vektoriavaruus Avaruude R osajoukko H o aliavaruus, jos seuraavat ehdot ovat voimassa kaikille xy, ja kaikille skalaareille a: AA xy, H x+ y H AA AA3 a R& x H ax H H Kaksi esimmäistä ehtoa vaativat, että laskutoimituste lopputulos pysyy H:ssa, eli että yhteelasku ja skalaarilla kertomie "eivät vie ulos H:sta" Ehdot AA-AA3 voidaa esittää myös tiivistetyssä muodossa ehtoa: xy, R, ab, R: xy, H a x+ b y H ja lisäksi o vaadittava, että H o epätyhjä Avaruus R itse ja {} ovat triviaaleja aliavaruuksia Tapauksessa R ei muita aliavaruuksia olekaa Tasossa R epätriviaaleja aliavaruuksia ovat origo kautta kulkevat suorat Avaruudessa R 3 epätriviaaleja aliavaruuksia ovat origo kautta kulkevat suorat ja origo kautta kulkevat tasot Yleisessä R :ssä eri tyyppisiä aliavaruuksia o sitte eemmä
4 Huomattakoo, että esimerkiksi kolmiulotteise avaruude tasot, jotka eivät kulje origo kautta, eivät voi olla aliavaruuksia (vaatimus AA3) Ne voidaa ajatella kuiteki aliavaruuksie siirtoia eli traslaatioia Esim H = x R x + x = o R : aliavaruus { } H = x R x + x = ei ole R : aliavaruus 3 { 4} H = x R x x + x = o R 3 : aliavaruus 3 { 3 3 } Kahde taso leikkaus o suora (kuha tasot eivät ole yhdesuutaisia) ja kulkee origo kautta, jos tasotki tekevät ii Näyttää siis ilmeiseltä, että aliavaruuksie yhteisistä osista muodostuu aliavaruuksia: Aliavaruuksie H, H leikkaus H H o aliavaruus Edellä o ollut moessa kohdi jo puhetta "ulottuvuudesta", mutta käsitettä ei ole vielä tarkasti määritelty Esimerkiksi R 3 o kolmiulotteie, koska sillä o kolme katavektoria i, j, k Mutta mitä tarkoitetaa esimerkiksi edellä oleva aliavaruude H 3 kaalla? Kaalla i, j, k o seuraavat kaksi omiaisuutta ) Vektorit i, j, k "virittävät" koko avaruude R 3 : x 3 x= x = xi+ xj+ x3k, x R x 3 ) Vektoreide i, j, k joukossa ei ole yhtää turhaa, jos yhdeki jättää pois, ii loput eivät eää pysty virittämää koko avaruutta R 3
5 Tästä saadaa malli yleisee tapauksee Vektori v o vektoreide v, v,, vk lieaarikombiaatio, jos v= cv + c v + + c v k k joillaki kertoimilla (reaaliluvuilla) c, c,, c k Vektorit v, v,, vk virittävät avaruude H, jos jokaie H: vektori v voidaa esittää lieaarikombiaatioa äistä vektoreista joillaki kertoimilla c, c,, c k Esim Vektorit i ja j virittävät R : Vektori v=[,3] T o lieaarikombiaatio v=i+3j Vektorijoukkoa S = { v, v,, vk }, joka virittää H: saotaa avaruude H virittäjistöksi ja merkitää H = spas = spa{ v, v,, v } k Ilmeisesti jokaisee virittäjistöö voidaa lisätä vektoreita, ja äi laajeettu joukkoki o edellee sama tai laajemma avaruude virittäjistö Mutta voidaako virittäjistöstä poistaa vektoreita, ii että joukko säilyy edellee sama avaruude virittäjistöä? Jos voidaa, ii silloi tällaie ylimääräiste vektorie karsita yleesä tehdääki Virittämise kaalta tarpeettomia S: vektoreita ovat ilmeisesti sellaiset, jotka ovat itse joideki muide S: vektoreide lieaarikombiaatioita Jos vektorijoukossa S o tällaisia (edes yksi), ii vektorijoukkoa S = { v, v,, vk }saotaa lieaarisesti riippuvaksi (eli se vektoreita v, v,, vk lieaarisesti riippuviksi) Jos vektorit v, v,, vk ovat lieaarisesti riippuvia, ii siis aiaki yksi iistä, esimerkikis v m, o muide lieaarikombiaatio: v = av + + a v + a v + a v m m m m+ m+ k k
6 Siirtämällä kaikki vasemmalle puolelle saadaa yhtälö cv + + c v =, k k missä kertoimista c i aiaki yksi o ollasta eroava (sillä yt aiaki c = ) Tämä otetaa usei lieaarise riippuvuude määritelmäksi m Edellee voidaa todeta, että vektorijoukko S o lieaarisesti riippuva, jos ja vai jos sillä o sellaie aito osajoukko S', että spa( S') = spa( S) Toivottava omiaisuus virittäjistölle o, että siellä ei ole turhia vektoreita mukaa, eli että se ei ole lieaarisesti riippuva Vektorijoukko S = { v, v,, vk } o lieaarisesti riippumato (eli vektorit v, v,, vk lieaarisesti riippumattomia), jos ja vai jos S ei ole lieaarisesti riippuva Lieaariselle riippumattomuudelle saadaa siis seuraavia karakterisoiteja: Jouko S = { v, v,, v k } vektorit ovat lieaarisesti riippumattomia täsmällee silloi, ku alla olevat keskeää yhtäpitävät ehdot ovat voimassa: - Mikää vektoreista v, v,, vk ei ole muide lieaarikombiaatio - Ehto c v + + c k v k = toteutuu vai kaikkie kertoimie c i ollessa ollia - cv+ + c v = c= = c = k k k - S' S, S' S spa( S') spa( S)
7 3 Erityisesti ähdää, että -vektori ei voi olla mukaa missää lieaarisesti riippumattomassa vektorijoukossa Koska lieaarista riippumattomuutta pidetää toivottua ilmiöä, o hyvä olla laskeallie keio, jolla riippumattomuus tai riippuvuus voidaa selvittää Tällaise tarjoaa redusoituu riviporrasmuotoo muutamie Ajatellaa vektorit v, v,, vk laitetuksi matriisi A pystyvektoreiksi: Silloi A = v v v k [,,, ] A T = v T T v v T k, joka o muokattavissa vaakarivimuuoksilla Olkoo vektoreista joki, esimerkiksi v m, muide lieaarikombiaatio: v = a v + + a v + a v + a v T T T T T m m m m+ m+ k k T Silloi saadaa muuoksilla Em ( a),, Emk( ak ) rivi v m ollattua Käätäe, jos rref(a T ):ssä o ollarivi, se o saatu aikaa maiitu kaltaisilla muuoksilla, jote kyseie rivi o muide lieaarikombiaatio Siis vektorit v, v,, vk ovat lieaarisesti riippumattomia täsmällee T T silloi, ku matriisi A = [ v, v,, v k ] redusoitu riviporrasmuoto rref(a T ) ei sisällä ollarivejä Jos k matriisissa o k > eli vaakarivejä o eemmä kui pystyrivejä, ii matriisi redusoidussa riviporrasmuodossa o ilmeisesti porrasmaisuude takia pakko olla ollarivejä:
8 4 Tästä ähdää, että R :ssä jokaie vektorijoukko, jossa o eemmä kui vektoria, o lieaarisesti riippuva Esimerkiksi R 3 :ssa jokaie eljä vektori joukko o lieaarisesti riippuva Esim 3 Tutkitaa, ovatko R 4 : vektorit u=, v =, w = lieaarisesti riippuvia vai riippumattomia A =, T A = T Koska matriisissa rref ( A ) o ollarivi, vektorit ovat siis lieaarisesti riippuvia Ja todella äi o, sillä w = u v
9 5 Huomattakoo vielä, että kaksi ollasta eroavaa vektoria uv, R ovat lieaarisesti riippuvia täsmällee silloi, ku toie saadaa toisesta vakiolla kertomalla: uv, lieaarisesti riippuvia c R: u= cv Vektorijoukko S o avaruude H kata, jos S o H: lieaarisesti riippumato virittäjistö Silloi siis H = spa(s) ja S: vektorit ovat lieaarisesti riippumattomia eli siellä ei ole tarpeettomia vektoreita mukaa Jokaisella avaruude H vektorilla v o silloi yksikäsitteie esitysmuoto kaassa S= { v, v,, vk }: v = c v + + c k v k Jos imittäi olisi v = cv+ + ckvk = c' v+ + c' k vk, ii siirtämällä kaikki vasemmalle puolelle saataisii ( c c' ) v+ + ( ck c ' k) vk =, josta seuraa vektoreide lieaarise riippumattomuude ojalla ( c c' ) = = ( ck c ' k) = eli c = c ',, c = c ' k k Nämä yksikäsitteiset luvut c i ovat vektori v koordiaatit kaassa S Silloi vektori v voidaa esittää koordiaattivektoria c c v= v S = ck S, missä S korostaa, että o kyse kaasta S Koska vektori v o tässä kurssissa aia myös joki R : vektori, sillä o oletusarvoa esitys R : luoollisessa kaassa { e,, e }:
10 6 v v v ve v e v = = + missä e =,, e = Avaruude H jokaisessa kaassa o yhtä mota vektoria Tämä seuraa siitä, että jos jossaki kaassa o k vektoria, ii jokaie joukko, jossa o eemmä kui k vektoria, o lieaarisesti riippuva Päättely o sama kui R : yhteydessä tehtii redusoidu riviporrasmuodo avulla Nyt matriisi rakeetaa kyseise kaa koordiaattivektoreista Kaa alkioide lukumäärä o siis avaruudelle omiaie vakio Avaruude H ulottuvuus eli dimesio dim(h) o kaa vektorie lukumäärä Avaruude R dimesio o siis Triviaali avaruude {} dimesioksi sovitaa (Se o sikäli luotevaa, että {} o aioa avaruus, jolla ei ole kataa, koska -vektori o lieaarisesti riippuva Siis katavektoreide lukumäärä o ) Tasot avaruudessa R 3 ovat -ulotteisia ja suorat -ulotteisia aliavaruuksia (silloi ku kulkevat : kautta) Oheisessa kuvassa taso kaa muodostavat vektorit v, v ja iide avulla tasolle muodostuu koordiaatisto
11 7 Katoja o avaruudella erilaisia, ääretö määrä Jokaie lieaarisesti riippumato vektorijoukko, jossa o dimesio ilmoittama määrä vektoreita, käy kaaksi: Jos dimh = k, ii jokaie k: vektori lieaarisesti riippumato H: osajoukko kelpaa H: kaaksi Tämä todistamiseksi oletetaa, että U = { u,, u k } o H: lieaarisesti riippumato osajoukko Kaa vaatimuksista lieaarie riippumattomuus o siis jo kuossa, jote o äytettävä vielä, että U virittää H: Olkoo v mielivaltaie H: vektori Silloi joukko {, vu,, u k } o lieaarisesti riippuva, koska siiä o alkioita eemmä kui k kappaletta Siis o olemassa sellaiset kertoimet c, c,, ck, että c v+ cu + + c u =, ja kertoimet eivät kaikki ole ollia Myöskää ei voi olla k k c =, koska vektorit ui ovat lieaarisesti riippumattomia Siis c ck v = u uk, jote v o esitettävissä U: vektoreide c c lieaarikombiaatioa
12 8 Lieaariset yhtälöryhmät Matriisilaskea keskeisimpiä käyttökohteita ovat lieaariset yhtälöryhmät Sellaisia esiityy sovelluksissa rusaasti, esimerkiksi elemettimeetelmä (FEM) ja reuaelemettimeetelmä (BEM) lujuus-, virtaus-, akustiikka- ja mageettikettälaskeassa palauttavat lasketaogelmat lopulta suurte lieaariste yhtälöryhmie umeerisee ratkaisemisee Myös tilastotieteessä ja optimoiissa käytetää paljo lieaarisia yhtälöryhmiä Jopa epälieaariste yhtälöryhmie umeerie ratkaisu perustuu lieaariste yhtälöryhmie iteroitii Lieaarise yhtälöryhmä yleie muoto o ax + ax + + a x = b a x + a x + + a x = b a x + a x + + a x = b m m m m missä muuttujat ovat x,, x ja kertoimet a,, am ja sekä oikea puole luvut b,, b m Muuttujie lukumäärällä ja yhtälöide lukumäärällä m osoittautuu jatkossa oleva tärkeä rooli Matriisimuodossa lieaarie yhtälöryhmä o Ax = b,, missä kerroimatriisi o A = muuttujavektori x = x x x a a a a a a a a a m m, b b bm m, ja oikea puoli b =
13 9 Yhtälöryhmä Ax = b o homogeeie, jos b = ja epähomogeeie, jos b Tarkastellaa esi lieaariste yhtälöryhmie geometriaa Aluksi todetaa, että homogeeise yhtälöryhmä ratkaisuje joukko V={ x R Ax= } o avaruude R aliavaruus: AA xy, V A( x+ y) = Ax+ Ay= + = x+ y V AA a R& x V A( ax) = aa( x) = a= ax V AA3 V Tätä aliavaruutta saotaa matriisi A olla-avaruudeksi ja merkitää N(A) tai N A : N(A) = { x R Ax= } Voidaa osoittaa, että muita aliavaruuksia ei sitte olekaa: Avaruude R aliavaruuksia ovat m -matriisie olla-avaruudet (m=,, 3, ) ja vai e Epähomogeeise yhtälö Ax = b, missä siis b, ratkaisujoukko ei ole aliavaruus, koska ei kuulu siihe Mutta se voidaa ajatella ollaavaruude N(A) siirroksi eli traslaatioksi vektori x p verra: { x R Ax= b} = N( A) + x p, missä x p o joki epähomogeeise yhtälö ratkaisujouko piste eli joki yksityisratkaisu Jos siis x h o homogeeise yhtälö yleie ratkaisu, ii epähomogeeise yhtälö yleie ratkaisu x o x= x + x h p
14 3 Esim 4 Lieaarise yhtälö x x = ratkaisujoukko eli matriisi A=[ -] olla-avaruus o R : suora x = x Epähomogeeise yhtälö x x = ratkaisujoukko o suora x = + x Vektorimuodossa esitettyä: xh = t, p, t x = = + x Toie matriisii A liittyvä avaruus o se arvoavaruus eli kuvaavaruus eli sarakeavaruus R(A): m RA ( ) = { y R y = Ax, x R } Se koostuu siis imesä mukaisesti arvoista Ax ku x käy läpi kaikki R : vektorit Arvoavaruus o avaruude R m aliavaruus, kute helposti todetaa Nimitys sarakeavaruus selittyy yhteydellä x x y= Ax y= [ a, a,, a ] = xa + x a + + x a x Tästä äkyy, että matriisi A sarakkeet virittävät arvoavaruude R(A): RA= ( ) spa{ a, a,, a} Lieaarisella yhtälöllä Ax = b o siis olemassa ratkaisuja täsmällee silloi, ku b RA ( ) eli ku o olemassa sellaiset luvut x i, että xa + x a + + x a b= Sarakeavaruude dimesio o tärkeä matriisii liittyvä luku: Matriisi A aste eli ragi o rak( A) = dim RA ( )
15 3 Matriisi aste rak(a) kertoo se, kuika mota lieaarisesti riippumatota saraketta A:lla o Jos esimerkiksi rak(a)=k<, ii joukosta { a, a,, a} löytyy k: vektori osajoukko, joka riittää virittämää R(A): ja käy siis se kaaksi Voidaa osoittaa, että aste ilmoittaa myös lieaarisesti riippumattomie vaakarivie lukumäärä Siis m -matriisi A asteelle pätee rak(a) m ja rak(a) Esimerkiksi 3 5-matriisi aste voi olla korkeitaa 3 Matriisi aste rak(a) ähdää redusoidusta riviporrasmuodosta rref(a) ollasta eroavie rivie lukumäärää eli siis johtavie ykköste lukumäärää Esim 5 Matriisi M 3 = aste rak(m)= Jos A o eliömatriisi kokoa, ii se ragi o täysi eli täsmällee silloi, ku deta eli ku se o käätyvä Lieaarise yhtälöryhmä Ax=b ratkaisemie perustuu kokoaismatriisi [A b] käsittelyy Kute yllä todettii, yhtälöllä o olemassa ratkaisu(ja) täsmällee silloi, ku oikea puoli b kuuluu sarakeavaruutee Kokoaismatriisi o sarakkeittai esitettyä [ A b] = [ a, a,, a b] Jos siis b kuuluu sarakeavaruutee, se o vektoreide a, a,, a lieaarikombiaatio, eikä lieaarisesti riippumattomie sarakkeide lukumäärä kasva siitä, mitä se o A:ssa Siis rak[a b]=raka Jos taas b ei kuluu sarakeavaruutee, se o lieaarisesti riippumato A: sarakkeista, ja ragi kasvaa yhdellä Lieaarisella yhtälöryhmällä Ax = b o olemassa ratkaisuja, jos ja vai jos rak[a b]=raka
16 3 Tätä ehtoa saotaa myös lyhyesti "ragiehdoksi" Tarkastellaa sitte ratkaisuje hakemista, homogeeie ja epähomogeeie tapaus eriksee Homogeeise yhtälö ratkaisemie Ragiehdosta ähdää heti, että homogeeisella yhtälöryhmällä o aia ratkaisu, sillä ei pysty muuttamaa ragia Tämä o tietysti itsestää selvää, koska triviaali ratkaisu eli o aia homogeeise yhtälö ratkaisu Vaakarivimuuokset kokoaismatriisii [A ] eivät ilmeisesti muuta yhtälöryhmä ratkaisuje joukkoa, toisi saoe yhtälöryhmillä Ax= ja (rrefa)x= o samat ratkaisut Jos raka=, ii homogeeisella yhtälöllä Ax= o vai triviaali ratkaisu Tämä seuraa siitä, että silloi A: sarakkeet ovat lieaarisesti riippumattomia, jote yhtälö Ax= eli xa+ xa+ + xa= ei voi toteutua kui muuttujie xi ollessa= Redusoidusta riviporrasmuodosta katsomalla asia o myös selvä: rref [A ]=, joka vastaa yhtälöä x = x = x3 = Koska eliömatriisi tapauksessa täyde ragi tilae voidaa ilmaista determiatilla, saadaa: Jos A o eliömatriisi ja deta, ii homogeeisella yhtälöllä Ax= o vai triviaali ratkaisu
17 33 Tämä ähdää myös kääteismatriisilla kertomalla: A A A A A x= & käätyvä x= x= = Redusoitu riviporrasmuoto o yt seuraavaäköie: Jos sitte raka <, ii matriisi A sarakkeet ovat lieaarisesti riippuvia, jote yhtälö xa+ xa+ + xa= toteutuu ollasta eroavillaki kertoimilla Koska yhtälö voidaa kertoa mielivaltaisella luvulla, ratkaisuja o siis ääretö määrä Koska redusoidussa riviporrasmuodossa o johtavia ykkösiä raka=k kappaletta, voidaa iitä vastaavat muuttujat ratkaista muide ollessa parametreia Näitä vapaita parametreja o silloi -k kappaletta Jos raka=k<, ii homogeeisella yhtälöllä Ax= o äärettömä mota ratkaisua Ratkaisujoukossa o -k vapaata parametria Erityisesti äi käy aia, ku m< Jos m< eli yhtälöitä o vähemmä kui muuttujia, ii homogeeisella yhtälöllä Ax= o äärettömä mota ratkaisua
18 34 Redusoidusta riviporrasmuodosta katsottua (raka==k<=3, -k=) a b, eli x x ax =, josta + bx = 3 3 x = at x = bt x3 = t a eli x = t b, t R Tapaus m< (m=, =3): a b, eli sama ratkaisu kui yllä Edellä maiittu parametrie lukumäärä tarkoittaa myös sitä, että yhtälöryhmä kerroimatriisi A olla-avaruude dimesio o -k Tämä tosiasia tuetaa imellä Dimesiolause: Jos A o m -matriisi, ii se olla-avaruude dimesio ja astee summa o : dim N( A) + rak( A) = Epähomogeeise yhtälöryhmä ratkaisemie Nytki ratkaisemie perustuu kokoaismatriisi [A b] käsittelyy Vaakarivimuuokset eivät muuta ratkaisujoukkoa, jote yhtälöillä Ax=b ja (rrefa)x=b o samat ratkaisut Tässä b o kokoaismatriisi redusoidu riviporrasmuodo rref[a b] viimeie sarake eli se vektori, joksi b o muuttuut (Tässä kohtaa o eroa homogeeisee yhtälöö, siellähä oikea puoli o eikä muutu vaakarivimuuoksissa) Ragiehdo mukaisesti saadaa: Jos raka<rak[a b], ii epähomogeeisella yhtälöllä Ax=b ei ole ratkaisua
19 35 Redusoidu riviporrasmuodo kautta tilae o esimerkiksi seuraava: a b rref[a b]=[rrefa b ]= c d, eli äkyy x ax3 = b x + cx3 = d x3 = josta ristiriita = Geometrisesti tilae o oheise kuva kaltaie Kuki taso edustaa yhtä ryhmä yhtälöä, ja tasoilla ei ole yhteistä pistettä Toie mahdollisuus o, että b ei osta ragia, eli että raka=rak[a b] Silloi ratkaisuja siis o olemassa, ja tilae jakaatuu kahtee eri tapauksee: ratkaisuja o tasa yksi tai sitte ratkaisuja o äärettömä mota (Lieaarisilla yhtälöryhmillä ei siis voi esiityä tilateita, joissa ratkaisuja olisi esimerkiksi tai 3 Tämä o yksi huomattava ero lieaariste ja epälieaariste yhtälöide välillä) Jos raka=rak[a b]=, ii epähomogeeisella yhtälöllä Ax=b o täsmällee yksi ratkaisu
20 36 Sillä A: pystyrivit ovat yt kaikki lieaarisesti riippumattomia, jote e muodostavat R : kaa, jossa b: esitys xa+ xa+ + xa=b o yksikäsitteie Redusoidu riviporrasmuodo avulla: Tapaus, jossa m>: a b rref[a b]=[rrefa b ]=, eli c x = a x = b x3 = c Tapaus, jossa m=: a rref[a b]=[rrefa b ]= b, eli c x = a x = b x3 = c Geometrisesti: Tasot leikkaavat yhdessä pisteessä:
21 37 Jos A o eliömatriisi eli m=, ii silloi raka= merkitsee, että deta eli matriisi o käätyvä Silloi yllä oleva lause voidaa ilmaista myös seuraavasti: Jos A o eliömatriisi ja deta, ii epähomogeeisella yhtälöllä Ax=b o täsmällee yksi ratkaisu x= A b Jäljellä o tapaus, jossa raka=rak[a b]< Silloi b o matriisi A sarakkeista lieaarisesti riippuva, mutta ämä sarakkeet a, a,, a eivät ole lieaarisesti riippumattomia Siis esitys b= x a + x a + + x a ei ole yksikäsitteie Jos raka=k<, ii A:lla o k lieaarisesti riippumatota saraketta, jolloi loput ovat äide lieaarikombiaatioita Esimerkiksi jos A=[ a, a, a 3 ] ja a3 = a+ a, ii b= xa+ xa + x3( a+ a) = ( x+ x3) a+ ( x+ x3) a = b a + b a Tässä b ja b ovat yksikäsitteisiä Siis jos x3 otetaa parametriksi t, ii yhtälö ratkaisuja ovat kaikki vektorit x, joilla x = b t, x = b t, t R Helpommi ratkaisuje äärettömä määrä äkee homogeeise yhtälö kautta Tapauksessa raka< homogeeisella yhtälöryhmällä o äärettömä mota ratkaisua Silloi myös vastaavalla epähomogeeisella o, koska x= xh + x p o epähomogeeise yhtälö ratkaisu aia, ku x h o homogeeise yhtälö ratkaisu ja x p o epähomogeeise yhtälö ratkaisu: Ax= A( x + x ) = A( x ) + A( x ) = + b= b h p h h O siis voimassa: Jos raka=rak[a b]=k<, ii epähomogeeisella yhtälöllä Ax=b o äärettömä mota ratkaisua Ratkaisujoukossa o -k vapaata parametria
22 38 Parametrie lukumäärä ja ratkaisu rakee selviää redusoidusta riviporrasmuodosta: a b c d rref[a b ]=, eli x + ax3 = b x + cx3 = d eli x = b at x = c dt, josta saadaa x3 = t b a x = c + t d, t R (Kyseessä o siis suora avaruudessa R 3 ) Geometrisesti tilae äyttää seuraavakaltaiselta: Tasoilla o yhteiseä leikkauksea suora Esim 6 Yhtälöryhmä o x+ x = x+ x = 3x+ 3x =
23 39 Viimeisestä matriisista ähdää jo, että yhtälöryhmä o ristiriitaie, koska toie ja kolmas rivi vastaavat yhtälöitä -3x = ja -3x = Siis ratkaisua ei ole (Redusoituu riviporrasmuotoo laittamie voitii myös keskeyttää) Esim 7 x+ y = x + y + z = 3x y + z = 3 /3 / /3 /3 /3 /3 3/ /3 /3 /3 /3 3/ /3 /3 / / Siis yksikäsitteie ratkaisu o x=-3/, y=3/, z=/ Esim 8 x x3 = x 3x3 = x 3x3 = 3 3, jota vastaa yhtälöryhmä 3 x x3 = x 3x3 = x = + t Siis ratkaisu o x = + 3t x3 = t Kyseessä suora eli vektorimuodossa x = + t 3, t parametri
24 4 Esim Ax = b, A= 3, b = =rref[a b] 3 3 Tästä ähdää, että yhtälö voidaa esittää muodossa x - x3 x5 = x + x3 x5 = 4 x4 + x5 = 3 Siis x 3 ja x 5 voidaa ottaa parametreiksi ja loput ratkeavat iide avulla Siitä ähdää ratkaisu myös vektorimuodossa x = + s -t x = -4 - s + t x3 = s x4 = 3 - t x5 = t x = s + t, s,t R
25 4 Lopuksi yhteeveto, jossa eri tapaukset o luokiteltu muuttujie lukumäärä ja yhtälöide lukumäärä m mukaisesti: Lieaarise yhtälöryhmä ratkaisuje lukumäärä: yhteeveto Lieaarie yhtälöryhmä Ax = b, A = a a am a a a m a a a m x b x b, x =, b = x b m o homogeeie, jos b = ja epähomogeeie, jos b Ratkaisuje lukumäärät määräytyvät silloi oheise tauluko mukaisesti muuttujie lukumäärä ja yhtälöide lukumäärä m perusteella Neliömatriisi tapauksessa ( = m) ehto rak(a) = voidaa ilmaista determiattiehdolla det(a) ja vastaavasti rak(a) < ehdolla det(a) = Ku ratkaisuja o määrä, e riippuvat vapaista muuttujista (parametreista), joide lukumäärä o - rak(a) Homogeeie yhtälöryhmä Muuttujat yhtälöt Ragiehto Ratkaisuje lukumäärä < m rak(a) = < m rak(a) < 3 = m rak(a) = 4 = m rak(a) < 5 > m (ei ehtoa) Yllä ratkaisuje lukumäärä tarkoittaa, että yhtälöllä o vai triviaali ratkaisu x =
26 4 Epähomogeeie yhtälöryhmä Muuttujat yhtälöt Ragiehto Ratkaisuje lukumäärä 6 < m rak(a) < rak[a b] 7 < m rak(a) = rak[a b] = 8 < m rak(a) = rak[a b] < 9 = m rak(a) = rak[a b] = = m rak(a) = rak[a b] < = m rak(a) < rak[a b] > m rak(a) = rak[a b] 3 > m rak(a) < rak[a b] Yllä ratkaisuje lukumäärä tarkoittaa, että yhtälöllä o täsmällee yksi eli yksikäsitteie ratkaisu Harjoitustehtävä Mihi tapauksii sivuilla -3 lasketut esimerkit -4 kuuluvat?
27 43 Esimerkkitilateet jokaisesta tapauksesta -3: Homogeeise yhtälö tapauksissa oletetaa kaoie muoto rref(a) lasketuksi (oikea puole ollasaraketta ei ole merkitty) Epähomogeeise yhtälö tapauksissa oletetaa rref [A b] lasketuksi:
9. 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
LisätiedotMat Lineaarinen ohjelmointi
Mat-2.340 Lieaarie ohjelmoiti 20.9.2007 Lueto 2 Lieaarialgebraa ja geometriaa (kirja.5, 2.) S ysteemiaalyysi Tekillie korkeakoulu Lieaarie ohjelmoiti - Syksy 2007 / Lieaarialgebraa Notaatiota Kääteismatriisi
LisätiedotAvaruuden 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
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
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
Lisätiedot( ) k 1 = a b. b 1) Binomikertoimen määritelmän mukaan yhtälön vasen puoli kertoo kuinka monta erilaista b-osajoukkoa on a-joukolla.
Kombiatoriikka, kesä 2010 Harjoitus 2 Ratkaisuehdotuksia (RT) (5 sivua) Käytä tehtävissä 1-3 kombiatorista päättelyä. 1. Osoita, että kaikilla 0 b a pätee ( ) a a ( ) k 1 b b 1 kb Biomikertoime määritelmä
LisätiedotEsimerkki 2 (Kaupparatsuongelma eli TSP)
10 Esimerkki 2 (Kaupparatsuogelma eli TSP) Kauppamatkustaja o kierrettävä kaupukia site, että hä lähtee kaupugista 1 ja palaa sie sekä käy jokaisessa muussa kaupugissa täsmällee kerra. Matka kaupugista
LisätiedotLineaarikombinaatio, 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
Lisätiedot5. Lineaarisen optimoinnin perusprobleemat
2 5. Lieaarise optimoii perusprobleemat Optimoitiprobleema o lieaarise optimoii tehtävä, jos kohdefuktio o lieaarie fuktio ja rajoitusehdot ovat lieaarisia yhtälöitä tai lieaarisia epäyhtälöitä. Yleisessä
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 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.
LisätiedotLineaarialgebra ja matriisilaskenta II. LM2, Kesä /141
Lineaarialgebra ja matriisilaskenta II LM2, Kesä 2012 1/141 Kertausta: avaruuden R n vektorit Määritelmä Oletetaan, että n {1, 2, 3,...}. Avaruuden R n alkiot ovat jonoja, joissa on n kappaletta reaalilukuja.
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
LisätiedotHY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.
HY, MTL / Matemaattiste tieteide kadiohjelma Todeäköisyyslasketa IIb, syksy 08 Harjoitus 3 Ratkaisuehdotuksia Tehtäväsarja I Olkoot X ja X riippumattomia satuaismuuttujia, joille ja olkoo X EX, EX, var
Lisätiedot4 KORKEAMMAN KERTALUVUN LINEAARISET DIFFERENTIAALIYHTÄLÖT. Kertaluvun n lineaarinen differentiaaliyhtälö ns. standardimuodossa on
4 4 KORKEAAN KERTAUVUN INEAARISET DIFFERENTIAAIYHTÄÖT Kertalukua olevassa differetiaalihtälössä F(x,,,, () ) = 0 esiit :e kertaluvu derivaatta () = d /dx ja mahdollisesti alempia derivaattoja, :tä ja x:ää.
Lisätiedot5.3 Matriisin kääntäminen adjungaatilla
Vaasa yliopisto julkaisuja 08 Sec:MatIvAdj 53 Matriisi käätämie adjugaatilla Määritelmä 3 -matriisi A adjugaatti o -matriisi adj(a) (α i j ), missä α i j ( ) i+ j det(a ji ) (, joka o siis alkioo a ji
LisätiedotLuku 1. Euklidinen avaruus
1 MA-13440 LAAJA MAEMAIIKKA 4 amperee tekillie liopisto Risto Silveoie Helmi-maaliskuu 010 Luku 1 Euklidie avaruus 1 Avaruus sisätuloavaruutea Kertaamme sks puolelta vektoreide ja -ulotteise avaruude peruskäsitteitä
LisätiedotInsinöörimatematiikka IA
Isiöörimatematiikka IA Harjoitustehtäviä. Selvitä oko propositio ( p q r ( p q r kotradiktio. Ratkaisu: Kirjoitetaa totuustaulukko: p q r ( p q r p q r ( p q r ( p q r 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
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
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
LisätiedotKertausta: avaruuden R n vektoreiden pistetulo
Kertausta: avaruuden R n vektoreiden pistetulo Määritelmä Vektoreiden v R n ja w R n pistetulo on v w = v 1 w 1 + v 2 w 2 + + v n w n. Huom. Pistetulo v w on reaaliluku! LM2, Kesä 2012 227/310 Kertausta:
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
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.
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
LisätiedotMatikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/210
Matikkapaja keskiviikkoisin klo 14-16 Lineaarialgebra (muut ko) p. 1/210 Lineaarialgebra (muut ko) p. 2/210 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v 2
LisätiedotMatriisilaskenta, 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
LisätiedotKanta 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
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
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
LisätiedotOrtogonaalisuus ja projektiot
MA-3450 LAAJA MAEMAIIKKA 5 amperee teillie yliopisto Risto Silveoie Kevät 2007 äydeämme Lama 2: lieaarialgebraa oheisella Ortogoaalisuus ja projetiot Olemme aiaisemmi jo määritelleet, että asi vetoria
LisätiedotEX1 EX 2 EX =
HY, MTL / Matemaattiste tieteide kadiohjelma Todeäköisyyslasketa IIb, syksy Harjoitus Ratkaisuehdotuksia Tehtäväsarja I. Olkoot X ja X riippumattomia satuaismuuttujia, joille ja olkoo X EX, EX, var X,
LisätiedotMATEMATIIKAN JA TILASTOTIETEEN LAITOS
f ( ) JYVÄSKYLÄN YLIOPISTO Harjoituste 3 ratkaisut MATEMATIIKAN JA TILASTOTIETEEN LAITOS Topologiset vektoriavaruudet 3.1. Jokaie kompakti joukko K R määrää fuktioavaruudessa E = C(R ) = {f : R R f o jatkuva}
LisätiedotMS-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
LisätiedotLineaarialgebra (muut ko)
Lineaarialgebra (muut ko) p. 1/103 Lineaarialgebra (muut ko) Tero Laihonen Lineaarialgebra (muut ko) p. 2/103 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
LisätiedotLineaarialgebra 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,
LisätiedotLineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo.
Lineaariavaruudet aiheita 1 määritelmä Nelikko (L, R, +, ) on reaalinen (eli reaalinen vektoriavaruus), jos yhteenlasku L L L, ( u, v) a + b ja reaaliluvulla kertominen R L L, (λ, u) λ u toteuttavat seuraavat
LisätiedotJohdatus lineaarialgebraan
Johdatus lineaarialgebraan Osa II Lotta Oinonen, Johanna Rämö 28. lokakuuta 2014 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 15 Vektoriavaruus....................................
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
Lisätiedot1. osa, ks. Solmu 2/ Kahden positiivisen luvun harmoninen, geometrinen, aritmeettinen ja + 1 u v 2 1
Epäyhtälötehtävie ratkaisuja. osa, ks. Solmu 2/200. Kahde positiivise luvu harmoie, geometrie, aritmeettie ja kotraharmoie keskiarvo määritellää yhtälöillä H = 2 +, G = uv, A = u + v 2 u v ja C = u2 +
LisätiedotVektorien virittämä aliavaruus
Vektorien virittämä aliavaruus Esimerkki 13 Mikä ehto vektorin w = (w 1, w 2, w 3 ) komponenttien on toteutettava, jotta w kuuluu vektoreiden v 1 = (3, 2, 1), v 2 = (2, 2, 6) ja v 3 = (3, 4, 5) virittämään
LisätiedotMS-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
Lisätiedot8. Ortogonaaliprojektiot
44 8 Ortogoaaliprojetiot Avaruus R o eemmäi ui pelä vetoriavaruus, osa siiä o mahdollisuus määritellä vetoreide pituus, välie ulma ja erityisesti ohtisuoruus ähä päästää ottamalla äyttöö vetoreide välie
LisätiedotLIITTEET Liite A Stirlingin kaavan tarkkuudesta...2. Liite B Lagrangen kertoimet...3
LIITTEET... 2 Liite A Stirligi kaava tarkkuudesta...2 Liite B Lagrage kertoimet... 2 Liitteet Liitteet Liite A Stirligi kaava tarkkuudesta Luoollista logaritmia suureesta! approksimoidaa usei Stirligi
LisätiedotSeuraava luento ti on salissa XXII. Lineaarialgebra (muut ko) p. 1/117
Seuraava luento ti 31.10 on salissa XXII Lineaarialgebra (muut ko) p. 1/117 Lineaarialgebra (muut ko) p. 2/117 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v
Lisätiedot****************************************************************** ****************************************************************** 7 Esim.
8.3. Kombiaatiot MÄÄRITELMÄ 6 Merkitä k, joka luetaa yli k:, tarkoittaa lause- ketta k = k! ( k)! 6 3 2 1 6 Esim. 1 3 3! = = = = 3! ( 3)! 3 2 1 3 2 1 3 2 1 Laskimesta löydät äppäime, jolla kertomia voi
LisätiedotMATP153 Approbatur 1B Harjoitus 1, ratkaisut Maanantai
MATP53 Approbatur B Harjoitus, ratkaisut Maaatai..05. (Lämmittelytehtävä.) Oletetaa, että op = 7 tutia työtä. Kuika mota tutia Oili Opiskelija työsketelee itseäisesti kurssilla, joka laajuus o 4 op, ku
LisätiedotLaaja matematiikka 2 Kertaustehtäviä Viikko 17/ 2005
7303045 Laaja matematiikka Kertaustehtäviä Viikko 7/ 005 Tehtävät ovat Laaja matematiikka : ja : alueelta olevia etisiä välikoe- ja tettitehtäviä. Alkupää tehtävät liittyvät yleesä kurssii ja loppupää
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
LisätiedotVapaus. 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 +
LisätiedotJohdatus 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.....................
LisätiedotTalousmatematiikan perusteet: Luento 8. Vektoreista ja matriiseista Vektorien peruslaskutoimitukset Lineaarinen riippumattomuus Vektorien sisätulo
Talousmatematiikan perusteet: Luento 8 Vektoreista ja matriiseista Vektorien peruslaskutoimitukset Lineaarinen riippumattomuus Vektorien sisätulo Motivointi Esim. Herkkumatikka maksaa 50 /kg. Paljonko
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
LisätiedotMatriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: ,, x1 x. Matriiseihin perehtyminen voidaan perustella useilla järkisyillä.
Vaasa yliopisto julkaisuja 71 4 MATRIISIT JA MATRIISILASKUT Ch:Matrix Sec:MatLaskut 4.1 Matriisi ja matriisilaskut Matriisi o suorakulmaie lukukaavio. Matriiseja ovat esimerkiksi: 2 0.4 8 0 a b,, x1 x
LisätiedotAlgebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 5 (6 sivua)
Algebra I Matematiika ja tilastotietee laitos Ratkaisuehdotuksia harjoituksii 5 (6 sivua) 14.2. 17.2.2011 1. Määritellää kuvaus f : S 3 S 3, f(α) = (123) α. Osoita, että f o bijektio. Mikä o se kääteiskuvaukse
LisätiedotTalousmatematiikan perusteet: Luento 9
Talousmatematiikan perusteet: Luento 9 Vektorien peruslaskutoimitukset Lineaarinen riippumattomuus Vektorien sisätulo ja pituus Vektorien välinen kulma Motivointi Tähän asti olemme tarkastelleet yhden
Lisätiedot4.3 Signaalin autokorrelaatio
5 4.3 Sigaali autokorrelaatio Sigaali autokorrelaatio kertoo kuika paljo sigaali eri illä korreloi itsesä kassa (josta imiki). Se o Fourier-muuokse ohella yksi käyttökelpoisimmista sigaalie aalysoitimeetelmistä.
LisätiedotKannan 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
LisätiedotVektoreiden 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
LisätiedotMatematiikan tukikurssi
Matematiika tukikurssi Kurssikerta 1 Iduktiotodistus Iduktiotodistukse logiikka Tutkitaa tapausta, jossa haluamme todistaa joki väittee P() site, että se pätee kaikilla luoollisissa luvuilla. Eli halutaa
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 )
LisätiedotSeuraavat peruslauseet 1-8 voidaan helposti todistaa integraalin määritelmästä. Integroimisjoukko R oletetaan rajoitetuksi Jordanmitalliseksi
Laaja matematiikka 5 Kevät 200 2. Itegraali omiaisuuksia Seuraavat peruslauseet -8 voidaa helposti todistaa itegraali määritelmästä. Itegroimisjoukko oletetaa rajoitetuksi Jordamitalliseksi joukoksi. Lause
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
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
LisätiedotAlkeismuunnokset 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
LisätiedotTehtävä 1. Voidaanko seuraavat luvut esittää kahden neliön summina? Jos voidaan, niin kuinka monella eri tavalla? (i) n = 145 (ii) n = 770.
JOHDATUS LUKUTEORIAAN (syksy 07) HARJOITUS 0, MALLIRATKAISUT Tehtävä. Voidaako seuraavat luvut esittää kahde eliö summia? Jos voidaa, ii kuika moella eri tavalla? (i) = 45 (ii) = 770. Ratkaisu. (i) Jaetaa
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
LisätiedotMatematiikan tukikurssi
Matematiika tukikurssi Kurssikerta 3 1 Lisää iduktiota Jatketaa iduktio tarkastelua esimerki avulla. Yritetää löytää kaava : esimmäise (positiivise) parittoma luvu summalle eli summalle 1 + 3 + 5 + 7 +...
LisätiedotS Laskennallinen systeemibiologia
S-4250 Laskeallie systeemibiologia Harjoitus Mittaustuloksea o saatu havaitoparia (x, y ),, (x, y ) Muuttuja y käyttäytymistä voidaa selittää muuttuja x avulla esimerkiksi yksikertaise lieaarise riippuvuude
LisätiedotJohdatus lineaarialgebraan
Johdatus lineaarialgebraan Osa I Jokke Häsä, Lotta Oinonen, Johanna Rämö 9 heinäkuuta 2013 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 1 Avaruuksien R 2 ja R 3 vektorit 4 11 Kaksiulotteisen
LisätiedotSuorista ja tasoista LaMa 1 syksyllä 2009
Viidennen viikon luennot Suorista ja tasoista LaMa 1 syksyllä 2009 Perustuu kirjan Poole: Linear Algebra lukuihin I.3 - I.4 Esko Turunen esko.turunen@tut.fi Aluksi hiukan 2 ja 3 ulotteisen reaaliavaruuden
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
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)
LisätiedotJohdatus lineaarialgebraan
Johdatus lineaarialgebraan Osa I Jokke Häsä, Lotta Oinonen, Johanna Rämö 27. marraskuuta 2015 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 1 Vektoriavaruuksien R 2 ja R 3 vektorit........................
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
LisätiedotLineaarinen yhtälöryhmä
Lineaarinen yhtälöryhmä 1 / 39 Lineaarinen yhtälö Määritelmä 1 Lineaarinen yhtälö on muotoa a 1 x 1 + a 2 x 2 + + a n x n = b, missä a i, b R, i = 1,..., n ovat tunnettuja ja x i R, i = 1,..., n ovat tuntemattomia.
LisätiedotLineaarialgebra ja matriisilaskenta I. LM1, Kesä /218
Lineaarialgebra ja matriisilaskenta I LM1, Kesä 2012 1/218 Avaruuden R 2 vektorit Määritelmä (eli sopimus) Avaruus R 2 on kaikkien reaalilukuparien joukko; toisin sanottuna R 2 = { (a, b) a R ja b R }.
LisätiedotRATKAISUT x 2 3 = x 2 + 2x + 1, eli 2x 2 2x 4 = 0, joka on yhtäpitävä yhtälön x 2 x 2 = 0. Toisen asteen yhtälön ratkaisukaavalla saadaan
RATKAISUT 8 17 8 a) Paraabelie y x ja y x + x + 1 leikkauspisteet saadaa määritettyä, ku esi ratkaistaa yhtälö x x + x + 1, eli x x, joka o yhtäpitävä yhtälö x x. Toise astee yhtälö ratkaisukaavalla saadaa
LisätiedotVille Turunen: Mat Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007
Ville Turunen: Mat-1.1410 Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007 Materiaali: kirjat [Adams R. A. Adams: Calculus, a complete course (6th edition), [Lay D. C. Lay: Linear
LisätiedotTehtäviä neliöiden ei-negatiivisuudesta
Tehtäviä epäyhtälöistä Tehtäviä eliöide ei-egatiivisuudesta. Olkoo a R. Osoita, että 4a 4a. Ratkaisu. 4a 4a a) a 0 a ) 0.. Olkoot a,, R. Osoita, että a a a. Ratkaisu. Kerrotaa molemmat puolet kahdella:
LisätiedotTarkastelemme sitten epähomogeenista toisen kertaluvun yhtälöä
45. Epähomogeeiset yhtälöt Tarkastelemme sitte epähomogeeista toise kertaluvu yhtälöä (8) Ly= y + ay + ay= b. Kute edellä olevasta teoriasta o selviyt, riittää yleise ratkaisu löytämiseksi tutea vastaava
LisätiedotÄärettämän sarjan (tai vain sarjan) sanotaan suppenevan eli konvergoivan, jos raja-arvo lims
75 4 POTENSSISARJOJA 4.1 ÄÄRETTÖMÄT SARJAT Lukujoo { a k } summaa S a a a a a k 0 1 k k0 saotaa äärettömäksi sarjaksi. Summa o s. osasumma. S a a a a a k 0 1 k0 Äärettämä sarja (tai vai sarja) saotaa suppeeva
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
LisätiedotVektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on
13 Pistetulo Avaruuksissa R 2 ja R 3 on totuttu puhumaan vektorien pituuksista ja vektoreiden välisistä kulmista. Kuten tavallista, näiden käsitteiden yleistäminen korkeampiulotteisiin avaruuksiin ei onnistu
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
LisätiedotAvaruuden kolme sellaista pistettä, jotka eivät sijaitse samalla suoralla, määräävät
11 Taso Avaruuden kolme sellaista pistettä, jotka eivät sijaitse samalla suoralla, määräävät tason. Olkoot nämä pisteet P, B ja C. Merkitään vaikkapa P B r ja PC s. Tällöin voidaan sanoa, että vektorit
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
Lisätiedot3 Skalaari ja vektori
3 Skalaari ja vektori Määritelmä 3.1 Skalaari on suure, jolla on vain suuruus, jota mitataan jossakin mittayksikössä. Skalaaria merkitään reaaliluvulla. Esimerkki 3.2 Paino, pituus, etäisyys, pinta-ala,
LisätiedotSMG-4200 Sähkömagneettisten järjestelmien lämmönsiirto Ehdotukset harjoituksen 6 ratkaisuiksi
SMG-400 Sähkömageettiste järjestelmie lämmösiirto Ehdotukset harjoitukse 6 ratkaisuiksi Tarkastellaa suljetu järjestelmä tehotasaaioa joka o P + P P = P i g out st Oletetaa että verkotetussa alueessa jossa
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
Lisätiedot1. 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
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
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,
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
LisätiedotTalousmatematiikan perusteet: Luento 9. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Transponointi Matriisitulo
Talousmatematiikan perusteet: Luento 9 Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Transponointi Matriisitulo Viime luennolta Esim. Yritys tekee elintarviketeollisuuden käyttämää puolivalmistetta,
LisätiedotEpäyhtälöoppia matematiikkaolympialaisten tehtäviin
Epäyhtälöoppia matematiikkaolympialaiste tehtävii Jari Lappalaie ja Ae-Maria Ervall-Hytöe 0 Johdato Epäyhtälöitä reaaliluvuille Cauchy epäyhtälö Kaikille reaaliluvuille a, a,, a ja b, b,, b pätee Cauchy
Lisätiedot9.7 Matriisinormit. Vaasan yliopiston julkaisuja 225. Ei siis lainkaan ongelmia defektiivisyydestä.
Vaasa yliopisto julkaisuja 225 U = 0.1213-0.9359-0.3307-0.1005-0.3430 0.9339 0.9875 0.0801 0.1357 S = V = >> 4.5221 0 0 0 2.2793 0 0 0 1.1642 0.0537-0.8212-0.5681 0.4414-0.4908 0.7512 0.8957 0.2911-0.3361
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
LisätiedotDiskreetin Matematiikan Paja Ratkaisuja viikolle 4. ( ) Jeremias Berg. n(n + 1) 2. k =
Diskreeti Matematiika Paja Ratkaisuja viikolle 4. (7.4-8.4) Jeremias Berg. Osoita iduktiolla että k = ( + ) Ratkaisu: Kute kaikissa iduktiotodistuksissa meidä täytyy siis osoittaa asiaa. Ns. perustapaus,
LisätiedotJohdatus 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