1. LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT. 1.1 Lineaariset yhtälöryhmät
|
|
- Johanna Järvinen
- 9 vuotta sitten
- Katselukertoja:
Transkriptio
1 1 1 LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT Muotoa 11 Lineaariset yhtälöryhmät (1) a 1 x 1 + a x + + a n x n b oleva yhtälö on tuntemattomien x 1,, x n lineaarinen yhtälö, jonka kertoimet ovat luvut a 1,, a n R ja vakio on b R (1):n ratkaisut ovat ne reaalilukujonot (s 1,, s n ), joilla (1) toteutuu, kun sijoitetaan x 1 s 1,, x n s n Esimerkki 111 a) Yhtälön 6x 1 3x + 4x 3 13 eräs ratkaisu on x 1, x 3, x 3 4 b) Tapaus n : Tuntemattomia merkitään usein symboleilla x ja y Yhtälön a 1 x + a y b (a 1 0 tai a 0) ratkaisut muodostavat suoran xy-tasossa (tästä nimitys lineaarinen ) () Äärellinen jono tuntemattomien x 1,, x n lineaarisia yhtälöitä a 11 x 1 + a 1 x + + a 1n x n b 1 a 1 x 1 + a x + + a n x n b a m1 x 1 + a m x + + a mn x n b m on lineaarinen yhtälöryhmä (tässä on m yhtälöä ja n tuntematonta; m 1, n 1), jonka kertoimet ovat a ij R (1 i m, 1 j n) ja vakiot b i (1 i m) ():n i:s yhtälö a i1 x 1 + a i x + + a in x n b i kirjoitetaan joskus muodossa L i 0, missä L i a i1 x 1 + a i x + + a in x n b i Lukujono (s 1,, s n ) on ():n ratkaisu, jos se on ():n jokaisen yhtälön ratkaisu Yhtälöryhmä () on homogeeninen, jos b 1 b n 0 Homogeenisella yhtälöryhmällä on aina triviaali ratkaisu x 1 x n 0 Homogeenisen yhtälöryhmän ratkaisu, jossa jokin x i 0, on epätriviaali Kaksi tuntemattomien x 1,, x n yhtälöryhmää ovat ekvivalentit, jos niillä on täsmälleen samat ratkaisut, so sama ratkaisujoukko Tämä tarkoittaa sitä, että jokainen ensimmäisen yhtälöryhmän ratkaisu on myös toisen ratkaisu, ja kääntäen, jokainen toisen yhtälöryhmän ratkaisu on myös ensimmäisen ratkaisu
2 Yhtälöryhmän () ratkaiseminen tarkoittaa sen kaikkien ratkaisujen (ts ratkaisujoukon) määrittämistä Strategia: Muodostetaan ():n kanssa ekvivalentteja yhtälöryhmiä, joista ratkaisu voidaan helpommin lukea Seuraavat esimerkit 11 (a) (e) on tarkoitettu johdatukseksi lineaaristen yhtälöryhmien ratkaisemiseen Systemaattinen ratkaisumenetelmä esitetään kappaleessa 15 Esimerkki 11 { x1 3x 7 (a) x 1 + x 7 (1) { x1 3x 7 7x 1 () { x1 3x 7 x 3 (3) { x x x 3 (4) { x1 x 3 Yhtälöryhmällä on siis täsmälleen yksi ratkaisu, nimittäin (x 1, x ) (, 3) Selitykset: (1) Alempaan yhtälöön lisätään ylempi yhtälö kerrottuna puolittain puolittain luvulla, jolloin saadaan eliminoitua tuntematon x 1 alemmasta yhtälöstä () Alempi yhtälö kerrotaan puolittain luvulla 1 7, jolloin saadaan ratkaistua tuntematon x alemmasta (3) Ylemmästä yhtälöstä ratkaistaan tuntematon x 1 tuntemattoman x avulla (4) Sijoitetaan x 3 ylempään, jolloin saadaan x 1 Usein esitystä on tapana pelkistää yhdistämällä itsestään selviä välivaiheita Esimerkiksi vaiheet (), (3) ja (4) voidaan yhdistää: { x1 3x 7 x 1 + x 7 { x1 3x 7 7x 1 { x x x 3 8x 1 3x 7 7x 1 14 { x1 (b) 3x 1 x 0 7x 1 14 (1) 10x 1 x 14 () x 5x x 1 x 14 Saatiin siis yksikäsitteinen ratkaisu (x 1, x ) (, 3) Koska ratkaisu on sama kuin kohdassa (a), kyseiset yhtälöryhmät ovat ekvivalentit Selitykset: (1) Toiseen yhtälöön lisätään kolmas yhtälö kerrottuna puolittain luvulla 1, jolloin saadaan eliminoitua tuntematon x toisesta yhtälöstä Vastaavasti ensimmäiseen
3 yhtälöön lisätään kolmas yhtälö puolittain luvulla 3 kerrottuna, jolloin saadaan eliminoitua tuntematon x ensimmäisestä yhtälöstä () Koska ensimmäinen ja toinen yhtälö ovat samoja, voidaan toinen niistä pudottaa pois Kerrotaan ensimmäinen yhtälö luvulla 1, jolloin kyseisestä yhtälöstä 7 saadaan x 1 Ratkaistaan kolmannesta yhtälöstä x x 1 :n avulla ja sijoitetaan x 1, jolloin saadaan x 3 3 (c) { x1 3x 7 x 1 6x 7 (1) { x1 3x Koska yhtälö 0 1 ei toteudu millään parilla (x 1, x ), yhtälöparilla ei ole ratkaisua Selitykset: (1) Lisätään alempaan yhtälöön ylempi yhtälö kerrottuna puolittain luvulla, jolloin saadaan eliminoitua alemmasta tuntematon x 1 Osoittautuu, että samalla eliminoituu myös tuntematon x (d) x 1 + x + 3x 3 6 x 1 3x + x x 1 + x x 3 x 1 + x + 3x 3 6 7x 4x 3 x + x 3 4 x 1 + x + 3x 3 6 x + x x 3 30 (3) (1) (5) x 1 + x + 3x 3 6 7x 4x 3 5x 10x 3 0 x 1 + x + 3x 3 6 x + x 3 4 7x 4x 3 (4) x 1 6 x 3x 3 1 x 4 x 3 x 3 3 () Saatiin yksikäsitteinen ratkaisu (x 1, x, x 3 ) (1,, 3) Selitykset: (1) Eliminoidaan tuntematon x 1 toisesta yhtälöstä lisäämällä toiseen yhtälöön ensimmäinen yhtälö luvulla kerrottuna Vastaavasti eliminoidaan x 1 kolmannesta yhtälöstä lisäämällä kolmanteen yhtälöön ensimmäinen yhtälö luvulla 3 kerrottuna () Sievennetään kolmas yhtälö kertomalla se puolittain luvulla 1 5 (3) Vaihdetaan keskenään toinen ja kolmas yhtälö
4 (4) Eliminoidaan tuntematon x (uudesta) kolmannesta yhtälöstä lisäämällä (uusi) toinen yhtälö luvulla 7 kerrottuna kolmanteen yhtälöön (5) Ratkaistaan tuntematon x 3 kolmannesta yhtälöstä kertomalla kyseinen yhtälö puolittain luvulla 1 10 ; saadaan x 3 3 Ratkaistaan toisesta yhtälöstä tuntematon x tuntemattoman x 3 avulla ja sijoitetaan edellä saatu x 3 3; saadaan x Ratkaistaan lopuksi ensimmäisestä yhtälöstä tuntematon x 1 tuntemattomien x ja x 3 avulla ja sijoitetaan edellä saadut x ja x 3 3; saadaan x (e) { x1 + x 3x 3 4 x 1 + x 3x 3 4 (1) { x1 + x 3x 3 4 3x + 3x 3 1 () { x1 4 x + 3x 3 4 (x 3 4) + 3x 3 x x x 3 4 Ratkaisut ovat siis (x 1, x, x 3 ) (t + 4, t 4, t), missä x 3 t R on mikä tahansa reaaliluku (parametri); ratkaisuja on ääretön määrä Selitykset: (1) Eliminoidaan muuttuja x alemmasta yhtälöstä lisäämällä alempaan yhtälöön ylempi yhtälö puolittain luvulla kerrottuna () Ratkaistaan alemmasta yhtälöstä tuntematon x tuntemattoman x 3 avulla ja ylemmästä yhtälöstä tuntematon x 1 tuntemattomien x ja x 3 avulla Sijoitetaan x :n lauseke ylempään yhtälöön, jolloin saadaan x 1 pelkästään x 3 :n avulla lausuttuna Nähdään, että jokaista arvoa x 3 t R kohti saadaan ratkaisu (x 1, x, x 3 ) (t + 4, t 4, t); kaikkiaan näitä rataisuja on ääretön määrä (niiden joukko on yhtä mahtava kuin reaalilukujen t joukko) Huomautus 113 Esimerkistä 11 nähdään, että lineaarisella yhtälöryhmällä voi olla ratkaisuja (ainakin) jokin seuraavista määristä: a) tasan yksi, b) ei yhtään, c) ääretön määrä Geometrinen tulkinta yhtälöparin { a11 x 1 + a 1 x b 1 (a 11 0 tai a 1 0) a 1 x 1 + a x b (a 1 0 tai a 0) tapauksessa: x 1 x -tason kahden suoran leikkaus on a) piste, b) tyhjä, c) suora l 1 a) b) l 1 l c) l 1 l l
5 Kuvailemme lopuksi yleisesti ne operaatiot, joilla yhtälöryhmiä esimerkissä 11 manipuloitiin Tarkastellaan yhtälöryhmää () eli L i 0, i 1,, m, missä L i a i1 x 1 + a i x + + a in x n b i Muodostetaan uusi yhtälöryhmä ( ) L i 0, i 1,, m, suorittamalla jokin seuraavista toimituksista: I Olkoon r s Määritellään L r L s, L s L r ja L i L i kaikilla i r, s; siis vaihdetaan ():n yhtälöt r ja s keskenään II Olkoon r {1,,, m} ja c R, c 0 Määritellään L r c L r ja L i L i kaikilla i r; siis kerrotaan ():n yhtälö r (puolittain) vakiolla c 0 III Olkoon r, s {1,,, m}, r s ja c R Määritellään L s L s + c L r ja L i L i kaikilla i s; siis ():n yhtälöön s lisätään c (yhtälö r) Lause 114 Yhtälöryhmät () ja ( ) ovat ekvivalentit Todistus Tapaus I on selvä Tapaus II Oletetaan, että L i 0 i Tällöin L i L i 0 i r ja L r c L r c 0 0 Oletetaan kääntäen, että L i 0 i Tällöin L i L i 0 i r ja L r (1/c) L r (1/c) 0 0 (Tässä tarvitaan ehtoa c 0!) Tapaus III Oletetaan, että L i 0 i Tällöin L i L i 0 i s ja L s L s + c L r 0 + c 0 0 Oletetaan kääntäen, että L i 0 i Tällöin L i L i 0 i s ja L s L s c L r L s c L r 0 c 0 0 Myöhemmin selitetään, millaiseen yhtälöryhmään toimituksilla I - III kannattaa pyrkiä 1 Matriisit ja matriisitoimitukset Kun edellä operoitiin lineaarisilla yhtälöryhmillä, käsiteltiin itse asiassa vain yhtälöryhmien kertoimia ja vakioita; tuntemattomat olivat vain paikanpitäjinä Kootaan kertoimet ja vakiot matriiseiksi Määritelmä 11 Olkoot m 1 ja n 1 kokonaislukuja (Reaalinen) m n - matriisi on lukukaavio a 11 a 1 a 1n a A 1 a a n a m1 a m a mn (a ij R kaikilla i, j); 5
6 6 reaaliluku a ij A(i, j) on A:n (i, j)-alkio; 1 n -matriisi [ a i1 a i a in ] on A:n i:s rivi (i 1,,, m); m 1 -matriisi a 1j a j a mj on A:n j:s sarake (j 1,,, n) Jos m n, A on neliömatriisi; tällöin a 11, a,, a nn ovat A:n lävistäjäalkiot Merkitään R m n kaikkien (reaalisten) m n -matriisien joukko; siis A R m n A on m n -matriisi Usein merkitään lyhyesti A [ a ij ] Määritelmä 11 Matriisit A [ a ij ] ja B [ b ij ] ovat samankokoiset jos niillä on yhtä monta riviä ja yhtä monta saraketta (esimerkiksi molemmat ovat m n - matriiseja) Edelleen matriisit A ja B ovat samat, merkitään A B, jos ne ovat samankokoiset ja a ij b ij i, j Esimerkki 13 1 [ 1 ] ; w x 4 w 1, x 3, y 0, z y 4 z Määritelmä 14 (Yhteenlasku) m n -matriisien A [ a ij ] ja B [ b ij ] summa on m n -matriisi A + B [ c ij ], missä c ij a ij + b ij i, j Esimerkki ei ole määritelty (matriisit ovat erikokoiset);
7 Määritelmä 16 (Skalaarilla kertominen) Jos A [ a ij ] on m n -matriisi ja t R on skalaari, niin ta [ c ij ] on se m n -matriisi, jolla c ij ta ij i, j Esimerkki 17 ( ) Kahden m n -matriisin erotus on Esimerkki A B A + ( 1)B Summamerkintä Kun a 1, a,, a n R, merkitään a 1 + a + + a n n a i R i1 Täsmällisemmin tämä merkintä määritellään rekursiivisesti: 1 a i a 1 ; i1 ( n+1 n ) a i a i + a n+1 i1 i1 Summausindeksi i on sidottu muuttuja ; summa ei riipu sen merkintätavasta: Laskusääntöjä: n a i i1 n a r r1 n ca i c i1 n a i Tapauksessa n kyseessä on osittelulaki ca 1 + ca c(a 1 + a ); yleisesti kaava todistetaan induktiolla i1
8 8 Kaksinkertaisen summan summausjärjestyksen vaihtamissääntö: m n a ij ( n m ) a ij i1 j1 j1 i1 Tapaus m n : i1 j1 a ij (a i1 + a i ) (a 11 + a 1 ) + (a 1 + a ), i1 ( ) a ij j1 i1 (a 1j + a j ) (a 11 + a 1 ) + (a 1 + a ) j1 Reaalilukujen yhteenlaskun vaihdannaisuudesta ja liitännäisyydestä seuraa, että yllä olevissa yhtälöissä oikealla olevat lausekkeet ovat samat, joten kaksoissummat ovat samat Yleinen tapaus voidaan todistaa induktiolla Kysymys on siitä, että matriisin [ a ij ] rivisummien summa ja sarakesummien summa ovat yhtäsuuret; molemmat antavat tulokseksi kaikkien lukujen a ij summan Määritelmä 19 (Matriisitulo) m n -matriisin A [ a ij ] ja n p -matriisin B [ b ij ] tulo on m p -matriisi AB [ c ij ], jolla c ij n a ik b kj a i1 b 1j + a i b j + + a in b n,j, k1 i {1,, m}, j {1,, p} Huomautus 110 AB on määritelty A:n sarakkeiden lukumäärä B:n rivien lukumäärä j b 1j b j i a i1 a i a in c ij b nj c ij a i1 b 1j + a i b j + + a in b nj
9 9 Esimerkki [ 1 ( ) ( 1) ( 3) + ( 1) 1 3 ( ) ( 3) ] Olkoon A R m n ja B R n p Tällöin siis AB R m p on määritelty Kysymys: Mitä voidaan sanoa matriisista BA? Vastaus: BA on määritelty vain, jos p m Tällöin BA R n n (ja siis AB R m p R m m ) Jos m n, AB ja BA eivät ole samankokoiset, joten AB BA Jos m n, AB ja BA ovat molemmat n n -matriiseja ja voi olla AB BA, mutta yleensä tällöinkin AB BA Esimerkki (a) ; ei ole määritelty (b) (c) [ 1 ] [ 1 ] (1 1 -matriisi), [ 1 ] ( -matriisi) Huomautus 113 Olkoon A R m n ja B R n p ; A 1,, A m R 1 n A:n rivit ja B 1,, B p R n 1 B:n sarakkeet Tällöin AB:n rivit ovat A 1 B,, A m B R 1 p ; AB:n sarakkeet ovat AB 1,, AB p R m 1 ; A i 0 B j0 [ (AB)(i 0, j 0 ) ] R 1 1 Lineaarisen yhtälöryhmän matriisiesitys Tarkastellaan lineaarista yhtälöryhmää a 11 x 1 + a 1 x + + a 1n x n b 1 a 1 x 1 + a x + + a n x n b (1) a m1 x 1 + a m x + + a mn x n b m
10 Merkitään a 11 a 1 a 1n a A 1 a a n a m1 a m a mn, X x 1 x x n, B A R m n, X R n 1, B R m 1 A on (1):n kerroinmatriisi, a 11 a 1 a 1n b 1 a [ A B ] 1 a a n b (m (n + 1) -matriisi) a m1 a m a mn sen täydennetty matriisi Tulo AX on määritelty ja a 11 x 1 + a 1 x + + a 1n x n a AX 1 x 1 + a x + + a n x n a m1 x 1 + a m x + + a mn x n Siten (x 1, x,, x n ) on (1):n ratkaisu jos ja vain jos X toteuttaa matriisiyhtälön AX B Esimerkki e):n yhtälöryhmä on matriisimuodossa 1 3 x 1 x x 3 Yhtälöryhmän (1) voi A:n sarakkeiden avulla myös kirjoittaa muodossa a 11 b 1 a x x + + x n b a 1 a b m a 1n a n b 1 b b m ; 10 a m1 a m a mn b m Transponointi Määritelmä 115 m n -matriisin A [ a ij ] transpoosi eli transponoitu matriisi on n m -matriisi A T [ c ij ], jolla c ij a ji kaikilla i, j Esimerkki 116 T Huomautus 117 Jos A i on A:n i:s rivi ja A j A:n j:s sarake, niin (A i ) T A T :n i:s sarake ja (A j ) T on A T :n j:s rivi on
11 13 Matriisien laskulakeja m n -matriisien yhteenlasku toteuttaa samanlaiset laskulait kuin reaalilukujen yhteenlasku: (1) A + (B + C) (A + B) + C kaikilla A, B, C R m n (liitännäisyys) () A + 0 A kaikilla A R m n, missä mn Rm n on m n -nollamatriisi (nollarivejä m kappaletta ja nollasarakkeita n kappaletta) Jos m n, merkitään 0 n 0 nn (3) A + ( 1)A 0 kaikilla A R m n, missä A ( 1)A on A:n vastamatriisi (4) A + B B + A kaikilla A, B R m n (vaihdantalaki) Perustelu Yllä olevat tulokset seuraavat matriisien yhteenlaskun määritelmän nojalla reaalilukujen vastaavista ominaisuuksista Esimerkiksi liitäntälaki (1) seuraa reaalilukujen liitäntälaista, sillä a ij + (b ij + c ij ) (a ij + b ij ) + c ij kaikilla i, j 11 Skalaarilla kertomisen ominaisuudet on yhtä helppo johtaa: (5) s(a + B) sa + sb kaikilla A, B R m n, s R (6) (s + t)a sa + ta kaikilla A R m n, s, t R (7) s(ta) (st)a kaikilla A R m n, s, t R (8) 1A A kaikilla A R m n Matriisia I n Rn n kutsutaan ykkösmatriisiksi; siis I n [ δ ij ], missä { 1, kun i j δ ij 0, kun i j Matriisitulon ominaisuuksia:
12 Lause 131 Jos A, A R m n, B, B R n p, C R p q ja t R, niin seuraavat kaavat pätevät (ja erityisesti niissä esiintyvät matriisit ovat määriteltyjä): (a) A(B + B ) AB + AB, (b) (A + A )B AB + A B, (c) t(ab) (ta)b A(tB), (d) A(BC) (AB)C, (e) I m A A AI n Todistus Todistetaan malliksi kohdat (d) ja (e): 1 (d) ( ) n A(BC) (i, j) A(i, k) (BC)(k, j) k1 n ( p ) A(i, k) B(k, l) C(l, j) k1 l1 p ( n ) A(i, k) B(k, l) C(l, j) l1 k1 n ( p k1 l1 p ( n l1 k1 p (AB)(i, l) C(l, j) ( (AB)C ) (i, j) i, j l1 ) A(i, k) B(k, l) C(l, j) ) A(i, k) B(k, l) C(l, j) (e) (I m A)(i, j) m δ ik A(k, j) δ ii A(i, j) + k1 m δ ik A(k, j) A(i, j) i, j, sillä δ ii 1 ja δ ik 0, kun i k Vastaavasti (AI n )(i, j) A(i, j) i, j Huomautus 13 Matriisitulolta puuttuu osa reaalilukujen kertolaskun ominaisuuksista 11:ssa todettiin, että jos A, B R n n (ja n ), niin voi olla AB BA (tulo ei ole vaihdannainen ); lisäksi voi olla AB 0, vaikka A 0 ja B 0 ( tulon nollasääntö ei päde) Esimerkki Transponoinnin ominaisuuksia: k1 k i ( ) 1 ( 6) ( ) ( 6) + 4 3
13 13 Lause 134 Olkoot A, A R m n, B R n p ja t R Tällöin (a) (A T ) T A, (b) (A + A ) T A T + A T, (c) (AB) T B T A T, (d) (ta) T ta T Todistus Todistetaan malliksi (c): n n (AB) T (i, j) (AB)(j, i) A(j, k) B(k, i) B(k, i) A(j, k) k1 k1 n B T (i, k) A T (k, j) (B T A T )(i, j) i, j k1 14 Eräitä erityisiä matriiseja Neliömatriisi A [ a ij ] R n n on lävistäjämatriisi, jos a ij 0 aina, kun i j (so lävistäjän ulkopuoliset alkiot 0); jos lisäksi a ii a R kaikilla i, A on skalaarimatriisi ( a I n ) Esimerkki , , ovat lävistäjämatriiseja; ovat skalaarimatriiseja Jokainen skalaarimatriisi on tietysti myös lävistäjämatriisi Neliömatriisi A [ a ij ] R n n on yläkolmiomatriisi, jos a ij 0 aina kun i > j, ja alakolmiomatriisi, jos a ij 0 aina, kun i < j Esimerkki 14 Lävistäjämatriisi on sekä ylä- että alakolmiomatriisi; on yläkolmiomatriisi; on alakolmiomatriisi; (Neliö)matriisi A [ a ij ] on symmetrinen, jos A T A eli a ji a ij kaikilla i, j, ja antisymmetrinen, jos A T A eli a ji a ij kaikilla i, j Antisymmetrisellä matriisilla erityisesti a ii a ii kaikilla i, joten jokainen lävistäjäalkio a ii 0
14 14 Esimerkki on symmetrinen; on antisymmetrinen Säännölliset matriisit Määritelmä 144 Neliömatriisi A R n n on säännöllinen eli kääntyvä, jos on olemassa sellainen matriisi B R n n, että AB I n ja BA I n Muussa tapauksessa A on singulaarinen Huomautus 145 Jos A R n n on säännöllinen, niin 144:ssä mainittu B R n n on yksikäsitteinen Jos nimittäin myös C R n n toteuttaa ehdot AC I n ja CA I n, niin C CI n C(AB) (CA)B I n B B Voidaan siis merkitä B A 1, säännöllisen matriisin käänteismatriisi Esimerkki 146 a) 1 1 -matriisi [ a ] R 1 1 on säännöllinen a 0; tällöin [ a ] 1 [ 1/a ] b) R 1 0 on säännöllinen ja, sillä c) R 0 0 ei ole säännöllinen, sillä joka ei voi olla I b11 b 1 b1 b, 0 0 b 1 b Kappaleessa 16 kehitämme menetelmän, jolla voi selvittää, onko annettu A R n n säännöllinen, ja myönteisessä tapauksessa määrittää A 1 :n Lause 147 Jos A, B R n n ovat säännöllisiä, niin myös A 1, AB ja A T ovat säännöllisiä ja (A 1 ) 1 A, (AB) 1 B 1 A 1, (A T ) 1 (A 1 ) T
15 Todistus A 1 :n säännöllisyyttä ja käänteismatriisia koskevat väitteet seuraavat heti käänteismatriisin määritelmästä ja yhtälöistä AA 1 I n A 1 A Muut väitteet seuraavat yhtälöistä (AB)(B 1 A 1 ) A(BB 1 )A 1 AI n A 1 AA 1 I n, (B 1 A 1 )(AB) B 1 (A 1 A)B B 1 I n B B 1 B I n ; 15 A T (A 1 ) T (A 1 A) T I T n I n (A 1 ) T A T (AA 1 ) T I T n I n, joissa käytettiin laskulakeja 131 d) ja 134 c) Lineaariset yhtälöryhmät ja käänteismatriisit Tarkastellaan lineaarista yhtälöryhmää, jossa on n yhtälöä ja n tuntematonta, matriisimuodossa AX B, missä A R n n ja X, B R n 1 Lause 148 Jos A R n n on säännöllinen, yhtälöryhmällä AX B on yksikäsitteinen ratkaisu X R n 1, nimittäin X A 1 B Todistus Jos X A 1 B, niin AX A(A 1 B) (AA 1 )B IB B, koska AA 1 I Kääntäen, jos AX B, niin X IX (A 1 A)X A 1 (AX) A 1 B, koska A 1 A I Todistuksessa tarvittiin siis molempia yhtälöitä AA 1 I ja A 1 A I Huomautus 149 Jos A R n n on säännöllinen ja B R n p, niin vastaavasti matriisiyhtälöllä AX B on yksikäsitteinen ratkaisu X A 1 B R n p 148:n tilanteessa(kin) yhtälöryhmä AX B on yleensä helpointa ratkaista suoraan 15:ssä esitettävillä menetelmillä, etsimättä käänteismatriisia A 1 15 Porrasmatriisit ja lineaaristen yhtälöryhmien ratkaiseminen Määritelmä 151 Matriisi on porrasmuotoinen eli porrasmatriisi, jos seuraavat ehdot (1), () ja (3) ovat voimassa: (1) Nollarivit (jos niitä on) ovat alimpina () Jokaisen nollasta eroavan rivin vasemmalta lukien ensimmäinen nollasta eroava alkio, ko rivin johtava alkio, on 1 (3) Alemman rivin johtavan alkion sarake sijaitsee aina ylemmän rivin johtavan alkion sarakkeen oikealla puolella Porrasmatriisi on redusoitu jos lisäksi (4) Jokainen johtava alkio on sarakkeensa ainoa nollasta eroava alkio
16 Olkoon A [ a ij ] R m n porrasmatriisi, jossa on r nollasta eroavaa riviä Ehdosta 151 (1) seuraa, että nollasta eroavat rivit ovat rivit 1,,, r ja nollarivit ovat rivit r + 1, r +,, m Olkoon i:nnen rivin johtava alkio kohdassa (i, j i ) (i 1,,, r) ():n nojalla a iji 1 kaikilla i {1,,, r} ja (3):n nojalla 1 j 1 < j < < j r n 16 Erityisesti täytyy olla 0 r min {m, n} A on muotoa a 1,j1 +1 a 1n a,j +1 a n a 3,j3 +1 a 3n a r,jr +1 a rn Jos A on redusoitu, niin lisäksi a kji 0, kun k < i (i 1,,, r) Havainto 15 Jos neliömatriisi A [ a ij ] R n n on redusoidussa porrasmuodossa, niin joko (1) A:ssa on nollarivejä, tai () A I n (Tapaukset (1) ja () eivät ole yhtä aikaa voimassa) Todistus Olkoot A:n johtavat alkiot kohdissa (1, j 1 ),,(r, j r ) kuten yllä Oletetaan, että A:ssa ei ole nollarivejä Tällöin r n Koska 1 j 1 < j < < j n n ja lukuja j 1, j,, j n on n kappaletta, niin välttämättä j 1 1, j,, j n n, ja siis a 11 a a nn 1 151:n kohtien () (4) nojalla muut A:n alkiot 0 Rivitoimitukset Olkoot A, B R m n m n -matriiseja, joiden rivit ovat rivit A 1,, A m ja B 1,, B m
17 Määritelmä 153 B on saatu A:sta yhdellä alkeisrivitoimituksella seuraavissa kolmessa tapauksessa: I Eräillä r, s {1,,, m}, r s, on B r A s, B s A r ja B i A i Kaikilla i r, s (A:n rivit r ja s on vaihdettu) II Eräillä r {1,,, m} ja c R, c 0, on B r ca r ja B i A i Kaikilla i r (A:n rivi r on kerrottu vakiolla c 0) III Eräillä r, s {1,,, m}, r s, ja c R on B s A s + c A r ja B i A i kaikilla i s (A:n riviin s on lisätty c (A:n rivi r)) Määritelmä 154 Matriisi A R m n on riviekvivalentti matriisin B R m n kanssa, jos B saadaan A:sta äärellisen monella alkeisrivitoimituksella, ts jos on olemassa sellaiset matriisit A 0, A 1,, A k, että A 0 A, A k B ja A l+1 on saatu A l :stä yhdellä alkeisrivitoimituksella (l 0, 1,, k 1) Lause 155 Jokainen m n -matriisi A on riviekvivalentti jonkin redusoidun porrasmatriisin kanssa Todistus Esitämme algoritmin, joka muuntaa A:n alkeisrivitoimituksin redusoituun porrasmuotoon Jos A 0, A on jo redusoidussa porrasmuodossa (pelkkiä nollarivejä) Olkoon siis A 0 Vaihe 1: A muunnetaan porrasmuotoon (1) Etsitään (vasemmalta lukien) A:n ensimmäinen nollasta eroava sarake ja valitaan ko sarakkeesta jokin alkio a 0 () Siirretään a:n sisältävä rivi ylimmäksi vaihtamalla (tarvittaessa) kaksi riviä keskenään (3) Kerrotaan 1 (ylin) rivi luvulla 1/a On päästy muotoon (missä mikä tahansa luku) a 0 a m (4) Lisätään i:nteen riviin ( a i ) (1 rivi), i,, m; tuloksena on matriisi A,
18 missä A on (m 1) p -matriisi jollakin p < n (5) Jos A 0, on saatu porrasmatriisi; jos A 0, sovelletaan siihen kohtia (1) (4) Äärellisen monen askeleen jälkeen saadaan porrasmatriisi C Vaihe : Porrasmatriisi C muunnetaan redusoiduksi porrasmatriisiksi Olkoot C:n johtavat alkiot kohdissa (1, j 1 ),, (r, j r ) (1) Muutetaan kohdissa (i, j r ), i 1,,, r 1, mahdollisesti olevat nollasta eroavat alkiot nolliksi lisäämällä kyseisiin riveihin r:nnen rivin sopivat kerrannaiset () Seuraavaksi tuotetaan vastaavasti nollat kohdan (r 1, j r 1 ) yläpuolelle jne Esimerkki 156 Muunnetaan annettu 4 5 -matriisi a) porrasmatriisiksi, b) redusoiduksi porrasmatriisiksi (a) (1) Selitykset: () (3) (4) (5) (6) [ 1 3 (7) 3 4 ] [ 1 3 (8) (1) Vaihdetaan rivit 1 ja 3 keskenään ja kerrotaan sen jälkeen rivi 1 vakiolla 1 () Lisätään riviin 4 rivi 1 vakiolla kerrottuna (3) Koska rivi 1 ja sarake 1 eivät tämän jälkeen muutu, ne voidaan jättää jatkotarkasteluissa pois (4) Vaihdetaan rivit 1 ja ja kerrotaan sen jälkeen rivi 1 luvulla 1 (5) Lisätään riviin 3 rivi 1 luvulla kerrottuna ] 18
19 (6) Koska rivi 1 ja sarake 1 eivät tämän jälkeen muutu, ne voidaan jättää jatkotarkasteluissa pois (7) Kerrotaan rivi 1 luvulla 1 (8) Lisätään riviin rivi 1 luvulla kerrottuna Koska saatiin matriisi, jonka alin rivi on nollarivi, tehtävä on valmis Lopuksi yhdistetään yllä olevat vaiheet (), (5) ja (8) jolloin saadaan alkuperäisen kanssa riviekvivalentti porrasmatriisi b) Redusoidun porrasmatriisin saamiseksi jatketaan viimeksi saadusta muodosta (1) () Selitykset: (1) Koska alin johtava kerroin on kohdassa (3, 3), hävitetään aluksi kolmannelta sarakkeelta mainitun kohdan yläpuolella olevat nollasta eroavat alkiot Sitä varten lisätään toiseen riviin kolmas rivi luvulla 3 kerrottuna, ja ensimmäiseen riviin lisätään kolmas rivi luvulla 5 kerrottuna 19 () Koska seuraavaksi alin johtava kerroin sijaitsee kohdassa (, ), lisätään ensimmäiseen riviin toinen rivi luvulla 1 kerrottuna Näin saadaan alkuperäisen matriisin kanssa riviekvivalentti redusoitu porrasmatriisi Lineaarisen yhtälöryhmän ratkaiseminen Haluamme ratkaista (matriisimuotoisen) lineaarisen yhtälöryhmän AX B, A R m n, X R n 1, B R m 1 Tarkastelemme täydennettyä matriisia [ A B ] R m (n+1) Lause 157 Jos [ A B ] on riviekvivalentti [ C D ]:n kanssa, yhtälöryhmät AX B ja CX D ovat ekvivalentit (eli niillä on samat ratkaisut) Todistus Tyyppiä I, II ja III olevat alkeisrivitoimitukset (ks 153) vastaavat lineaarisille yhtälöryhmille suoritettavia toimituksia I, II ja III (sivu 5) Väite seuraa siten lauseesta :n nojalla yllä [ C D ]:ksi voidaan valita (jopa redusoitu) porrasmatriisi Tällöin CX D on helppo ratkaista:
20 Esimerkki 158 Yhtälöryhmän CX D ratkaiseminen, kun [ C D ] on a) porrasmatriisi, b) redusoitu porrasmatriisi: a) Myös C on selvästi porrasmatriisi Olkoot C:n johtavat alkiot kohdissa (1, j 1 ),, (r, j r ) Tällöin [ C D ] on muotoa c 1,j1 +1 d c,j +1 d c 3,j3 +1 d c r,jr +1 d r 0 0 d r missä d r+1 0 tai 1 (1) Jos r < m (C:ssä on nollarivejä) ja d r+1 1 0, mukana on mahdoton yhtälö 0 d r+1 1, joten yhtälöryhmällä ei ole ratkaisuja tässä tapauksessa () Oletetaan, että r m (C:ssä ei ole nollarivejä) tai d r+1 0 i) Tuntemattomat x k, k / {j 1,, j r } (n r kappaletta), ovat vapaat muuttujat, joiden arvot voidaan valita vapaasti: annetaan vapaille muuttujille x k1, x k,, x kn r, missä 1 k 1 < k < < k n r n, arvot ii) Yhtälöstä r, x k1 s 1 R, x k s R,, x kn r s n r R x jr + k l >j r c rkl s l d r, lausutaan x jr parametrien s l (k l > j r ) avulla iii) Yhtälöön r 1, x jr 1 + c r 1,jr x jr + c r 1,kl s l d r 1, k l >j r 1 sijoitetaan takaisin x jr kohdasta ii) ja lausutaan x jr 1 parametrien s l (k l > j r 1 ) avulla iv) Ratkaistaan vastaavalla tavalla muita johtavien kertoimien sarakkeita vastaavat tuntemattomat järjestyksessä x jr,, x j, x j1 0,
21 Huomautus Jos ():ssa r n, vapaita muuttujia ei ole, ja ratkaisu on yksikäsitteinen Jos r < n, jokaista parametrijonoa (s 1,, s n r ) vastaa tietty ratkaisu (x 1,, x n ) (ääretön määrä ratkaisuja) b) Olkoon [ C D ] redusoitu porrasmatriisi Menetellään kuten a)-kohdassa, paitsi että kohdan () takaisinsijoituksia ei tarvita, vaan suoraan x jp d p k l >j p c pkl s l, p 1,, r 1 Esimerkki 159 Olkoon [ [ C D ] ] Tällöin CX D on { x1 + x + x 3 5 x 5 3 x x 5 1 Vapaat muuttujat ovat x, x 3 ja x 5 Merkitään x s 1 R, x 3 s R, x 5 s 3 R, jolloin ratkaisut ovat tai matriisimuodossa X x 1 x x 3 x 4 x 5 x 1 3 x x x 5 3 s 1 s + 5 s 3 x s 1 x 3 s x x s 3 x 5 s 3, s s 1 + s ; s 1, s, s 3 R Lineaarinen yhtälöryhmä AX B voidaan siis ratkaista (mm) jommallakummalla seuraavista menetelmistä: Gaussin eliminointimenetelmä: A Etsitään (rivitoimituksin) [ A B ]:n kanssa riviekvivalentti porrasmatriisi [ C D ] B Ratkaistaan CX D takaisinsijoituksin (jos ratkaisuja on)
22 Gaussin-Jordanin eliminointimenetelmä: A Etsitään (rivitoimituksin) [ A B ]:n kanssa riviekvivalentti redusoitu porrasmatriisi [ C D ] B Luetaan suoraan yhtälöryhmän CX D ratkaisut (jos niitä on) Esimerkki 1510 Ratkaise Gaussin menetelmällä x + 3x 3 4x 4 1 x 3 + 3x 4 4 x 1 + x 5x 3 + x 4 4 x 1 6x 3 + 9x 4 7 Ratkaisu [ A B ] muunnettiin rivitoimituksin porrasmuotoon [ C D ] 156 a):ssa Yhtälöryhmän CX D eli x 1 + x 5 x 3 + x 4 x + 3 x 3 x 4 1 x x ratkaisu on x 1 x + 5 x 3 x 4 ( s) + 5 ( 3 s) s 19 x 1 3 x 3 + x ( 3 s) + s s x 3 3 x 4 3 s x 4 s R 9s Huomautus 1511 Porrasmuotoon pyrkiminen ei aina ole nopein ratkaisumenetelmä Esimerkiksi yhtälöryhmästä x 1 1 x 1 1 x 1 x 3 0 saadaan heti x 1 + x 1 + x 3 1 x 1 x + x 3 1 x 3 x 1 1, vaikka matriisi ei ole porrasmuotoinen Homogeeniset yhtälöryhmät Tarkastellaan homogeenista ryhmää AX 0, A R m n, X R n 1 (m yhtälöä ja n tuntematonta) Tällä on aina triviaali ratkaisu X 0
23 Lause 151 Jos m < n (eli yhtälöitä on vähemmän kuin tuntemattomia), yhtälöryhmällä AX 0 on myös epätriviaaleja ratkaisuja Todistus Täydennetyn matriisin [ A 0 ] kanssa riviekvivalentti porrasmatriisi on muotoa [ C 0 ], eli siinäkin vakiot ovat nollia Kun yhtälöryhmää CX 0 ratkaistaan kuten 158 a):ssa, tapaus (1) ei näin ollen ole mahdollinen, joten yhtälöryhmällä on ratkaisuja joko tasan yksi tai ääretön määrä sen mukaan, onko vapaiden muuttujien lukumäärä n r nolla vai positiivinen Koska m < n, on r min {m, n} m < n; siis vapaita muuttujia on n r > 0 kappaletta, ja ratkaisuja on ääretön määrä Ratkaisuista yksi on triviaali ja muut (joita on ääretön määrä) epätriviaaleja Tarkastellaan lopuksi yleistä lineaarista yhtälöryhmää AX B, A R m n, X R n 1, B R m 1 Lause 1513 Olkoon S 0 R n 1 yhtälöryhmän AX B eräs ratkaisu Silloin S R n 1 on ko ryhmän (yleinen) ratkaisu S S 0 + T, missä T R n 1 on homogeenisen ryhmän AX 0 (yleinen) ratkaisu Todistus Olkoon S S 0 + T, missä AT 0 Koska AS 0 B, on AS A(S 0 + T ) AS 0 + AT B + 0 B Olkoon AS B Tällöin S S 0 + (S S 0 ) S 0 + T, missä AT A(S S 0 ) AS AS 0 B B 0 16 Alkeismatriisit ja matriisin säännöllisyys Kun r, s {1,,, m}, määritellään neliömatriisi I rs [ e ij ] R m m asettamalla { 1, kun (i, j) (r, s) e ij 0, muulloin Siis I rs :n (r, s)-alkio 1, kaikki muut alkiot 0 (Samalla tavalla voidaan yleisemmin määritellä m n -matriisi I rs, kun r {1,, m}, s {1,, n}) Olkoon A [ a ij ] R m n m n -matriisi Lasketaan I rs A: m (I rs A)(i, j) e ik a kj k1 Kun i r, e ik a kj 0 a kj 0 kaikilla k; kun i r, { 1 asj a sj, kun k s e rk a kj 0 a kj 0, kun k s Näin ollen { asj, kun i r (I rs A)(i, j) 0, kun i r, ts I rs A:n r:s rivi A:n s:s rivi ja I rs A:n muut rivit 0 3
24 Määritelmä 161 m m -matriisi E on alkeismatriisi, jos se saadaan ykkösmatriisista I m yhdellä alkeisrivitoimituksella Lemma 16 Olkoon A R m n m n -matriisi, ja olkoon alkeismatriisi E R m m saatu I m :stä tietyllä alkeisrivitoimituksella Tällöin EA saadaan A:sta samalla alkeisrivitoimituksella Todistus Tutkitaan alkeisrivitoimitusten tyypit I, II ja III erikseen rivit A 1, A,, A m R 1 n 4 Olkoot A:n I Vaihdetaan rivit r ja s (r s) Tarkastellaan ensin erikoistapausta m 3, r, s 3, eli kolmirivisessä ykkösmatriisissa vaihdetaan toinen ja kolmas rivi Tällöin saadaan alkeismatriisi E I 3 + I 3 + I Yleisessä tapauksessa saadaan tämän erikoistapauksen mukaisesti E I rs + I sr + I kk, josta edelleen seuraa Edellä todetun mukaan k r,s EA I rs A + I sr A + (1) I rs A:n r:s rivi A s ; muut rivit 0 () I sr A:n s:s rivi A r ; muut rivit 0 k r,s I kk A (3) I kk A:n k:s rivi A k ; muut rivit 0 (k r, s) Näin ollen EA:n r:s rivi A s, s:s rivi A r, k:s rivi A k (k r, s) II Kerrotaan rivi r luvulla c, c 0 Tarkastellaan jälleen ensin erikoistapausta m 3, r 3, ts kerrotaan ykkösmatriisin I 3 kolmas rivi vakiolla c, jolloin saadaan alkeismatriisi E ci 33 + I 11 + I 0 0 c 0 0 c Tämän mukaisesti yleisessä tapauksessa E ci rr + k r I kk,
LINEAARIALGEBRA I. Hannu Honkasalo. Helsingin yliopiston matematiikan laitos v w u ...
LINEAARIALGEBRA I Hannu Honkasalo v w u h w A v Helsingin yliopiston matematiikan laitos 003 SISÄLTÖ 1 Lineaariset yhtälöryhmät ja matriisit 11 Lineaariset yhtälöryhmät 1 1 Matriisit ja matriisitoimitukset
LisätiedotOrtogonaalinen ja ortonormaali kanta
Ortogonaalinen ja ortonormaali kanta Määritelmä Kantaa ( w 1,..., w k ) kutsutaan ortogonaaliseksi, jos sen vektorit ovat kohtisuorassa toisiaan vastaan eli w i w j = 0 kaikilla i, j {1, 2,..., k}, missä
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.
LisätiedotMatriisipotenssi. Koska matriisikertolasku on liitännäinen (sulkuja ei tarvita; ks. lause 2), voidaan asettaa seuraava määritelmä: ja A 0 = I n.
Matriisipotenssi Koska matriisikertolasku on liitännäinen (sulkuja ei tarvita; ks. lause 2), voidaan asettaa seuraava määritelmä: Määritelmä Oletetaan, että A on n n -matriisi (siis neliömatriisi) ja k
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
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
Lisätiedot9 Matriisit. 9.1 Matriisien laskutoimituksia
9 Matriisit Aiemmissa luvuissa matriiseja on käsitelty siinä määrin kuin on ollut tarpeellista yhtälönratkaisun kannalta. Matriiseja käytetään kuitenkin myös muihin tarkoituksiin, ja siksi on hyödyllistä
LisätiedotLineaariset yhtälöryhmät ja matriisit
Lineaariset yhtälöryhmät ja matriisit Lineaarinen yhtälöryhmä a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2. a m1 x 1 + a m2 x 2 + + a mn x n = b m, (1) voidaan esittää
LisätiedotGaussin ja Jordanin eliminointimenetelmä
1 / 25 : Se on menetelmä lineaarisen yhtälöryhmän ratkaisemiseksi. Sitä käytetään myöhemmin myös käänteismatriisin määräämisessä. Ideana on tiettyjä rivioperaatioita käyttäen muokata yhtälöryhmää niin,
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
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
Lisätiedot1.1. Määritelmiä ja nimityksiä
1.1. Määritelmiä ja nimityksiä Luku joko reaali- tai kompleksiluku. R = {reaaliluvut}, C = {kompleksiluvut} R n = {(x 1, x 2,..., x n ) x 1, x 2,..., x n R} C n = {(x 1, x 2,..., x n ) x 1, x 2,..., x
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
LisätiedotKurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa.
7 Matriisilaskenta Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa. 7.1 Lineaariset yhtälöryhmät Yhtälöryhmät liittyvät tilanteisiin, joissa on monta tuntematonta
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
Lisätiedot10 Matriisit ja yhtälöryhmät
10 Matriisit ja yhtälöryhmät Tässä luvussa esitellään uusi tapa kirjoittaa lineaarinen yhtälöryhmä matriisien avulla käyttäen hyväksi matriisikertolaskua sekä sarakevektoreita Pilkotaan sitä varten yhtälöryhmän
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
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
Lisätiedot5 Lineaariset yhtälöryhmät
5 Lineaariset yhtälöryhmät Edellisen luvun lopun esimerkissä päädyttiin yhtälöryhmään, jonka ratkaisemisesta riippui, kuuluuko tietty vektori eräiden toisten vektorien virittämään aliavaruuteen Tämäntyyppisiä
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
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
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
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
LisätiedotLineaariset kongruenssiyhtälöryhmät
Lineaariset kongruenssiyhtälöryhmät LuK-tutkielma Jesse Salo 2309369 Matemaattisten tieteiden laitos Oulun yliopisto Sisältö Johdanto 2 1 Kongruensseista 3 1.1 Kongruenssin ominaisuuksia...................
LisätiedotMatikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/81
Matikkapaja keskiviikkoisin klo 14-16 Lineaarialgebra (muut ko) p. 1/81 Lineaarialgebra (muut ko) p. 2/81 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v 2 )
LisätiedotMatematiikka B2 - Avoin yliopisto
6. elokuuta 2012 Opetusjärjestelyt Luennot 9:15-11:30 Harjoitukset 12:30-15:00 Tentti Kurssin sisältö (1/2) Matriisit Laskutoimitukset Lineaariset yhtälöryhmät Gaussin eliminointi Lineaarinen riippumattomuus
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
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
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
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 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
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,
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
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.
LisätiedotYhteenlaskun ja skalaarilla kertomisen ominaisuuksia
Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia Voidaan osoittaa, että avaruuden R n vektoreilla voidaan laskea tuttujen laskusääntöjen mukaan. Huom. Lause tarkoittaa väitettä, joka voidaan perustella
LisätiedotKäänteismatriisin. Aiheet. Käänteismatriisin ominaisuuksia. Rivioperaatiot matriisitulona. Matriisin kääntäminen rivioperaatioiden avulla
Käänteismatriisi, L5 1 Tässä kalvosarjassa käsittelemme neliömatriiseja. Ilman asian jatkuvaa toistamista oletamme seuraavassa, että kaikki käsittelemämme matriisit ovat neliömatriiseja. Määritelmä. Olkoon
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
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
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
LisätiedotA = a b B = c d. d e f. g h i determinantti on det(c) = a(ei fh) b(di fg) + c(dh eg). Matriisin determinanttia voi merkitä myös pystyviivojen avulla:
11 Determinantti Neliömatriisille voidaan laskea luku, joka kertoo muun muassa, onko matriisi kääntyvä vai ei Tätä lukua kutsutaan matriisin determinantiksi Determinantilla on muitakin sovelluksia, mutta
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
LisätiedotYhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.
2. MS-A4/A6 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.9.25 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x + x 2
LisätiedotMatriisit. Määritelmä 1 Reaaliluvuista a ij, missä i = 1,..., k ja j = 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A =
1 / 21 Määritelmä 1 Reaaliluvuista a ij, missä i 1,..., k ja j 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A... a k1 a k2 a kn sanotaan k n matriisiksi. Usein merkitään A [a ij ]. Lukuja
LisätiedotLiittomatriisi. Liittomatriisi. Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä. 1) i+j det A ij.
Liittomatriisi Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä (cof A) ij =( 1) i+j det A ij kaikilla i, j = 1,...,n. Huomautus 8 Olkoon A 2 M(n, n). Tällöin kaikilla
LisätiedotJohdatus tekoälyn taustalla olevaan matematiikkaan
Johdatus tekoälyn taustalla olevaan matematiikkaan Informaatioteknologian tiedekunta Jyväskylän yliopisto 5. luento.2.27 Lineaarialgebraa - Miksi? Neuroverkon parametreihin liittyvät kaavat annetaan monesti
LisätiedotYhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.
2. MS-A000 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2..205 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x x 2 =
LisätiedotMatikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/210
Matikkapaja keskiviikkoisin klo 14-16 Lineaarialgebra (muut ko) p. 1/210 Lineaarialgebra (muut ko) p. 2/210 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v 2
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D 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
Lisätiedot7 Vapaus. 7.1 Vapauden määritelmä
7 Vapaus Kuten edellisen luvun lopussa mainittiin, seuraavaksi pyritään ratkaisemaan, onko annetussa aliavaruuden virittäjäjoukossa tarpeettomia vektoreita Jos tällaisia ei ole, virittäjäjoukkoa kutsutaan
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
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:
LisätiedotLU-hajotelma. Esimerkki 1 Matriisi on yläkolmiomatriisi ja matriisi. on alakolmiomatriisi. 3 / 24
LU-hajotelma 1 / 24 LU-hajotelma Seuravassa tarkastellaan kuinka neliömatriisi voidaan esittää kahden kolmiomatriisin tulona. Käytämme alkeismatriiseja tälläisen esityksen löytämiseen. Edellä mainittua
LisätiedotTalousmatematiikan perusteet: Luento 10. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Matriisitulo Determinantti
Talousmatematiikan perusteet: Luento 1 Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Matriisitulo Determinantti Viime luennolta Esim. Yritys tekee elintarviketeollisuuden käyttämää puolivalmistetta,
LisätiedotLineaarialgebra (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 A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö
LisätiedotMatriisit, kertausta. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi
Matriisit, kertausta Merkintöjä 1 Matriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: ( 2 0.4 8 0 2 1 ) ( 0, 4 ), ( ) ( 1 4 2, a 11 a 12 a 21 a 22 ) Kaavio kirjoitetaan kaarisulkujen väliin
Lisätiedot1 Kertaus. Lineaarinen optimointitehtävä on muotoa:
1 Kertaus Lineaarinen optimointitehtävä on muotoa: min c 1 x 1 + c 2 x 2 + + c n x n kun a 11 x 1 + a 12 x 2 + + a 1n x n b 1 a 21 x 1 + a 22 x 2 + + a 2n x n b 2 (11) a m1 x 1 + a m2 x 2 + + a mn x n
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
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
LisätiedotOsittaistuenta Gaussin algoritmissa: Etsitään 1. sarakkeen itseisarvoltaan suurin alkio ja vaihdetaan tämä tukialkioiksi (eli ko. rivi 1. riviksi).
Liukuluvut Tietokonelaskuissa käytetään liukulukuja: mikä esittää lukua ± α α α M β k ± ( M α i β i )β k, i= β on järjestelmän kantaluku, α α M liukuluvun mantissa, α,, α M lukuja,,,, β, siten että α Esimerkki
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
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 }.
Lisätiedotx 2 x 3 x 1 x 2 = 1 2x 1 4 x 2 = 3 x 1 x 5 LINEAARIALGEBRA I Oulun yliopisto Matemaattisten tieteiden laitos 2014 Esa Järvenpää, Hanna Kiili
6 4 2 x 2 x 3 15 10 5 0 5 15 5 3 2 1 1 2 3 2 0 x 2 = 1 2x 1 0 4 x 2 = 3 x 1 x 5 2 5 x 1 10 x 1 5 LINEAARIALGEBRA I Oulun yliopisto Matemaattisten tieteiden laitos 2014 Esa Järvenpää, Hanna Kiili Sisältö
LisätiedotTalousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi
Talousmatematiikan perusteet: Luento 11 Lineaarikuvaus Matriisin aste Käänteismatriisi Viime luennolla Käsittelimme matriisien peruskäsitteitä ja laskutoimituksia Vakiolla kertominen, yhteenlasku ja vähennyslasku
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 3 Ti 13.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 1/37 p. 1/37 Epälineaariset yhtälöt Newtonin menetelmä: x n+1 = x n f(x n) f (x n ) Sekanttimenetelmä:
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.
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 +
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
LisätiedotNumeeriset menetelmät TIEA381. Luento 3. Kirsi Valjus. Jyväskylän yliopisto. Luento 3 () Numeeriset menetelmät / 45
Numeeriset menetelmät TIEA381 Luento 3 Kirsi Valjus Jyväskylän yliopisto Luento 3 () Numeeriset menetelmät 20.3.2013 1 / 45 Luennon 3 sisältö Luku 2: Epälineaarisen yhtälön ratkaiseminen Polynomin reaaliset
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
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
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
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
Lisätiedot2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio
x = x 2 = 5/2 x 3 = 2 eli Ratkaisu on siis x = (x x 2 x 3 ) = ( 5/2 2) (Tarkista sijoittamalla!) 5/2 2 Tämä piste on alkuperäisten tasojen ainoa leikkauspiste Se on myös piste/vektori jonka matriisi A
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 4 To 15.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 4 To 15.9.2011 p. 1/38 p. 1/38 Lineaarinen yhtälöryhmä Lineaarinen yhtälöryhmä matriisimuodossa Ax = b
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
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
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.
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
LisätiedotDeterminantti 1 / 30
1 / 30 on reaaliluku, joka on määritelty neliömatriiseille Determinantin avulla voidaan esimerkiksi selvittää, onko matriisi kääntyvä a voidaan käyttää käänteismatriisin määräämisessä ja siten lineaarisen
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) (
LisätiedotMatriisilaskenta (TFM) MS-A0001 Hakula/Vuojamo Ratkaisut, Viikko 47, 2017
Matriisilaskenta (TFM) MS-A1 Hakula/Vuojamo Ratkaisut, Viikko 47, 17 R Alkuviikko TEHTÄVÄ J1 Mitkä matriisit E 1 ja E 31 nollaavat sijainnit (, 1) ja (3, 1) matriiseissa E 1 A ja E 31 A kun 1 A = 1. 8
LisätiedotApprobatur 3, demo 1, ratkaisut A sanoo: Vähintään yksi meistä on retku. Tehtävänä on päätellä, mitä tyyppiä A ja B ovat.
Approbatur 3, demo 1, ratkaisut 1.1. A sanoo: Vähintään yksi meistä on retku. Tehtävänä on päätellä, mitä tyyppiä A ja B ovat. Käydään kaikki vaihtoehdot läpi. Jos A on rehti, niin B on retku, koska muuten
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 Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt ja pienimmän neliösumman menetelmä Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 18 R. Kangaslampi QR ja PNS PNS-ongelma
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
LisätiedotDeterminantit. Kaksirivinen determinantti. Aiheet. Kaksirivinen determinantti. Kaksirivinen determinantti. Kolmirivinen determinantti
Determinantit 1 2 2-matriisin ( A = on det(a) = a 11 a 12 a 21 a 22 a 11 a 12 a 21 a 22 ) = a 11a 22 a 12 a 21. 1 2 2-matriisin on det(a) = Esim. Jos A = ( a 11 a 12 a 21 a 22 A = a 11 a 12 a 21 a 22 )
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
LisätiedotDeterminantti. Määritelmä
Determinantti Määritelmä Oletetaan, että A on n n-neliömatriisi Merkitään normaaliin tapaan matriisin A alkioita lyhyesti a ij = A(i, j) (a) Jos n = 1, niin det(a) = a 11 (b) Muussa tapauksessa n det(a)
LisätiedotLineaarialgebra ja 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.
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
LisätiedotMatriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi
Matriisit, L20 Merkintöjä 1 Matriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: ( 2 0.4 8 0 2 1 ) ( 0, 4 ), ( ) ( 1 4 2, a 11 a 12 a 21 a 22 ) Merkintöjä 1 Matriisi on suorakulmainen lukukaavio.
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 matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä)
Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe 26.10.2017 Ratkaisuehdotus 1. (35 pistettä) (a) Seuraavat matriisit on saatu eräistä yhtälöryhmistä alkeisrivitoimituksilla. Kuinka monta ratkaisua yhtälöryhmällä
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
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
Lisätiedot802120P Matriisilaskenta (5 op)
802120P Matriisilaskenta (5 op) Marko Leinonen Matemaattiset tieteet Syksy 2016 1 / 220 Luennoitsija: Marko Leinonen marko.leinonen@oulu.fi MA333 Kurssilla käytetään Noppaa (noppa.oulu.fi) Luentomoniste
LisätiedotMääritelmä Olkoon T i L (V i, W i ), 1 i m. Yksikäsitteisen lineaarikuvauksen h L (V 1 V 2 V m, W 1 W 2 W m )
Määritelmä 519 Olkoon T i L V i, W i, 1 i m Yksikäsitteisen lineaarikuvauksen h L V 1 V 2 V m, W 1 W 2 W m h v 1 v 2 v m T 1 v 1 T 2 v 2 T m v m 514 sanotaan olevan kuvausten T 1,, T m indusoima ja sitä
LisätiedotKaksirivisen matriisin determinantille käytämme myös merkintää. a 11 a 12 a 21 a 22. = a 11a 22 a 12 a 21. (5.1) kaksirivine
Vaasan yliopiston julkaisuja 97 5 DETERMINANTIT Ch:Determ Sec:DetDef 5.1 Determinantti Tämä kappale jakautuu kolmeen alakappaleeseen. Ensimmäisessä alakappaleessa määrittelemme kaksi- ja kolmiriviset determinantit.
Lisätiedot