LINEAARIALGEBRA I. Hannu Honkasalo. Helsingin yliopiston matematiikan laitos v w u ...

Koko: px
Aloita esitys sivulta:

Download "LINEAARIALGEBRA I. Hannu Honkasalo. Helsingin yliopiston matematiikan laitos v w u ..."

Transkriptio

1 LINEAARIALGEBRA I Hannu Honkasalo v w u h w A v Helsingin yliopiston matematiikan laitos 003

2 SISÄLTÖ 1 Lineaariset yhtälöryhmät ja matriisit 11 Lineaariset yhtälöryhmät 1 1 Matriisit ja matriisitoimitukset 5 13 Matriisien laskulakeja Eräitä erityisiä matriiseja Porrasmatriisit ja lineaaristen yhtälöryhmien ratkaiseminen Alkeismatriisit ja matriisin säännöllisyys 3 Reaalikertoimiset vektoriavaruudet 1 Koordinaattiavaruus R n 30 Vektoriavaruudet 33 3 Aliavaruudet 37 4 Lineaarinen riippumattomuus 46 5 Kanta ja dimensio 48 6 Menetelmiä kannan etsimiseksi 5 7 Matriisin aste 57 8 Koordinaatit ja kannanvaihto 58 3 Sisätuloavaruudet 31 Pistetulo R n :ssä 63 3 Sisätulot Gramin Schmidtin menetelmä Kohtisuora komplementti ja projektio 7 35 Ristitulo R 3 :ssa Pienimmän neliösumman menetelmä 81 4 Lineaarikuvaukset 41 Määritelmä ja esimerkkejä 86 4 Kuva ja ydin Isomorfismit Lineaarikuvaukset ja matriisit 97

3 5 Determinantit 50 Permutaatiot Determinanttifunktion konstruktio Determinanttien ominaisuuksia Kehityskaavat ja determinanttien laskeminen Determinanttien sovelluksia Ominaisarvot ja diagonalisointi 61 Ominaisarvot ja ominaisvektorit 10 6 Symmetriset lineaarikuvaukset ja matriisit Neliömuodon pääakseliesitys 19

4 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

5 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) { x1 = 7 + 3x 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 { x1 = 7 + 3x = 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 1 7 = 3 10x 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

6 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 = 7 0 = 1 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 3 = 14 3x 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 3 = 4 10x 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

7 (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 1 = 1 4 (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 a) l 1 b) l 1 l c) l 1 = l l

8 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

9 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 ] ; = 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 15 [ ] [ ] ei ole määritelty (matriisit ovat erikokoiset); [ ] [ ] [ ] [ ] = =

10 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 ( ) [ ] 4 3 = 7 3 [ ] Kahden m n -matriisin erotus on Esimerkki 18 [ ] A B = A + ( 1)B [ ] 1 3 = 3 5 [ ] Summamerkintä Kun a 1, a,, a n R, merkitään a 1 + a + + a n = n a i R i=1 Täsmällisemmin tämä merkintä määritellään rekursiivisesti: 1 a i = a 1 ; i=1 ( n+1 n ) a i = a i + a n+1 i=1 i=1 Summausindeksi i on sidottu muuttuja ; summa ei riipu sen merkintätavasta: Laskusääntöjä: n a i = i=1 n a r r=1 n ca i = c i=1 n a i Tapauksessa n = kyseessä on osittelulaki ca 1 + ca = c(a 1 + a ); yleisesti kaava todistetaan induktiolla i=1

11 8 Kaksinkertaisen summan summausjärjestyksen vaihtamissääntö: m n a ij = ( n m ) a ij i=1 j=1 j=1 i=1 Tapaus m = n = : i=1 j=1 a ij = (a i1 + a i ) = (a 11 + a 1 ) + (a 1 + a ), i=1 ( ) a ij = j=1 i=1 (a 1j + a j ) = (a 11 + a 1 ) + (a 1 + a ) j=1 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, k=1 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

12 9 Esimerkki 111 [ ] = = 1 [ 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 11 [ ] [ ] (a) = [ ] 1 ; 1 [ ] 0 1 [ ] ei ole määritelty (b) (c) [ ] [ ] 1 [ 1 ] = [ 1 ] (1 1 -matriisi), 1 [ ] [ ] 1 1 [ 1 ] = ( -matriisi) 1 1 [ ] 0 1 = 1 0 [ ] [ ] 0 1 = 1 0 [ ] [ ] 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

13 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 = 4 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 1 1 = 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

14 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 = 0 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:

15 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) = = = k=1 n ( p ) A(i, k) B(k, l) C(l, j) = k=1 l=1 p ( n ) A(i, k) B(k, l) C(l, j) = l=1 k=1 n ( p k=1 l=1 p ( n l=1 k=1 p (AB)(i, l) C(l, j) = ( (AB)C ) (i, j) i, j l=1 ) 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) + k=1 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 133 [ ] 1 4 [ ] 4 6 = 3 Transponoinnin ominaisuuksia: k=1 k i [ ] ( ) 1 ( 6) + 3 = ( ) ( 6) + 4 3

16 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) k=1 k=1 n = B T (i, k) A T (k, j) = (B T A T )(i, j) i, j k=1 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 141 [ ] 1 0, , [ ] 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

17 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 ] [ ] [ ] 1 [ ] b) R 1 0 on säännöllinen ja =, sillä c) [ ] [ ] 0 1 = 1 0 [ ] 1 0 = 0 1 [ ] 0 1 R 0 0 ei ole säännöllinen, sillä joka ei voi olla I [ ] [ ] [ ] [ ] 0 1 b11 b 1 b1 b =, 0 0 b 1 b 0 0 [ ] 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

18 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

19 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

20 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,

21 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

22 (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:

23 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,

24 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 4 = 1 1 x 5 = 1 1 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)

25 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 4 = 0 = 0 ratkaisu on x 1 = x + 5 x 3 x 4 = ( s) + 5 ( 3 s) s = 19 x = 1 3 x 3 + x 4 = 1 3 ( 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

26 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 k=1 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

27 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,

28 5 josta edelleen seuraa EA = c(i rr A) + k r I kk A Kussakin yhteenlaskettavassa on (enintään) yksi nollasta eroava rivi, ja yhteenlaskun jälkeen nähdään, että EA on matriisi, joka saadaan kertomalla A:n r:s rivi vakiolla c III Lisätään c (rivi r) riviin s (c R, r s) Tarkastellaan aluksi jälleen erikoistapausta m = 3, r =, s = 3, ts lisätään ykkösmatriisin I 3 kolmanteen riviin toinen rivi vakiolla c kerrottuna; saadaan alkeismatriisi E = = = I 3 + ci 3 0 c c 0 Tämän mukaisesti yleisessä tapauksessa E = I m + ci sr, josta seuraa EA = I m A + c(i sr A) = A + c(i sr A) Matriisin c(i sr A) s:s rivi on = c A r ja muut rivit = 0, joten EA on haluttua muotoa Seuraus 163 A R m n on riviekvivalentti matriisin B R m n kanssa on olemassa alkeismatriisit E 1, E,, E k R m m, joilla B = E k E E 1 A Todistus = Oletetaan, että A on riviekvivalentti B:n kanssa Määritelmän 154 nojalla 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) Olkoon E l+1 se alkeismatriisi, joka on saatu samalla alkeisrivitoimituksella ykkösmatriisista I m kuin A l+1 A l :stä Lemman 16 nojalla A l+1 = E l+1 A l (l = 0, 1,, k 1) Näin ollen B = E k A k 1 = = E k E E 1 A = Oletetaan, että B = E k E E 1 A, missä E 1, E,, E k R m m ovat alkeismatriiseja Merkitään A 0 = A ja A l = E l E l 1 E 1 A, kun l = 1,,, k Silloin B = A k ja A l+1 = E l+1 A l on saatu A l :stä yhdellä alkeisrivitoimituksella (l = 0, 1,, k 1), joten määritelmän 154 nojalla A on riviekvivalentti B:n kanssa

29 Lemma 164 Alkeismatriisi E R m m on säännöllinen ja E 1 on samantyyppinen (I, II tai III) alkeismatriisi Todistus E:tä vastaavalla alkeisrivitoimituksella on käänteistoimitus : I Rivien r ja s vaihtaminen (toistamiseen) II Rivin r kertominen luvulla 1/c III ( c) (rivi r):n lisääminen riviin s Olkoon E R m m tätä käänteistoimitusta vastaava alkeismatriisi Lemman 16 nojalla E E saadaan E:stä samalla alkeisrivitoimituksella kuin E saadaan I m :stä Tapauksessa I on E E näin ollen se matriisi, joka saadaan E:stä vaihtamalla rivit r ja s; koska E saatiin I m :stä vaihtamalla jo kertaalleen rivit r ja s, on E E = I m Tapauksessa II on E E se matriisi, joka saadaan kertomalla E:n r:s rivi luvulla 1/c Toisaalta E saatiin I m :stä kertomalla tämän r:s rivi luvulla c, joten tässäkin tapauksessa E E = I m (I m :n r:s rivi tulee kaikkiaan kerrottua luvulla (1/c) c = 1) Tapauksessa III on E E se matriisi, joka saadaan lisäämällä E:n s:nteen riviin E:n r:s rivi kerrottuna luvulla c Toisaalta E saatiin I m :stä lisäämällä tämän s:nteen riviin r:s rivi luvulla c kerrottuna, joten tässäkin tapauksessa E E = I m (( c) + c = 0) Vastaavasti todetaan, että EE = I m Siis E on säännöllinen ja E = E 1 Lause 165 n n -matriisilla A ovat seuraavat ehdot yhtäpitävät: i) A on säännöllinen ii) Homogeenisella yhtälöryhmällä AX = 0 on vain triviaali ratkaisu X = 0 iii) A on riviekvivalentti ykkösmatriisin I n kanssa iv) A on äärellisen monen alkeismatriisin tulo Todistus Osoitetaan, että i) = ii) = iii) = iv) = i), jolloin kaikki ekvivalenssit tulevat todistetuiksi i) = ii) Jos A on säännöllinen, on lauseen 148 nojalla yhtälöryhmällä AX = 0 yksikäsitteinen ratkaisu X = A 1 0 = 0 ii) = iii) Oletetaan, että yhtälöryhmällä AX = 0 on vain triviaali ratkaisu Lauseen 155 nojalla on olemassa redusoitu porrasmatriisi C, joka on riviekvivalentti A:n kanssa Lauseen 157 nojalla myös yhtälöryhmällä CX = 0 on vain triviaali ratkaisu Koska C on neliömatriisi, niin huomautuksen 15 nojalla joko C = I n tai C:ssä on nollarivejä Jälkimmäisessä tapauksessa homogeenisessa yhtälöryhmässä CX = 0 on epätriviaaleja yhtälöitä vähemmän kuin tuntemattomia, joten lauseen 151 nojalla kyseisellä yhtälöryhmällä on myös epätriviaaleja ratkaisuja, mikä on vastoin ehtoa ii) Siis täytyy olla C = I n 6

30 iii) = iv) Oletetaan, että A on riviekvivalentti I n :n kanssa Seurauksen 163 nojalla on olemassa alkeismatriisit E 1, E,, E k R n n, joilla I n = E k E E 1 A Koska alkeismatriisit ovat säännöllisiä (lemma 164), seuraa lauseesta 147 (ja induktiosta), että A = (E k E E 1 ) 1 I n = E 1 1 E 1 E 1 I n = E 1 Tässä A:n esityksessä tekijät E 1 j k 1 E 1 E 1 ovat 164:n nojalla alkeismatriiseja iv) = i) Oletetaan, että A = E 1 E E k, missä E i :t ovat alkeismatriiseja 147:n ja 164:n nojalla A on säännöllinen (ja A 1 = (E 1 E E k ) 1 = E 1 E 1 1 ) E 1 k Määritelmän mukaan A R n n on säännöllinen on olemassa sellainen B R n n, että AB = I n ja BA = I n Seuraavan tärkeän (ja epätriviaalin) tuloksen mukaan itse asiassa kumpi tahansa näistä kahdesta yhtälöstä riittää yksinkin: Lause 166 Jos A ja B ovat n n -matriiseja, ja AB = I n, niin A ja B ovat säännöllisiä, B = A 1 ja A = B 1 ; siis myös BA = I n Todistus Tarkastellaan homogeenista yhtälöryhmää BX = 0 Koska AB = I n, voidaan päätellä: BX = 0 = A(BX) = A0 = 0 = (AB)X = 0 = I n X = 0 = X = 0 Näin ollen yhtälöryhmällä BX = 0 on vain triviaali ratkaisu Lauseen 165 kohdan ii) nojalla B on säännöllinen, joten on olemassa B 1 Nyt AB = I n = (AB)B 1 = I n B 1 = A(BB 1 ) = B 1 = AI n = B 1 k = A = B 1 7 Siten myös A on säännöllinen ja A 1 = (B 1 ) 1 = B Käänteismatriisin etsiminen Laskumenetelmä 167 Selvitettävä, onko annettu n n -matriisi A säännöllinen, ja myönteisessä tapauksessa määritettävä käänteismatriisi A 1 Ratkaisu Lauseen 166 nojalla A on säännöllinen täsmälleen silloin, kun on olemassa n n -matriisi X = [ x ij ], jolla AX = I n ; tällöin X = A 1 Pyritään siis ratkaisemaan matriisiyhtälö AX = I n Olkoon X j = [ x 1j x j x nj ] T X:n j:s sarake ja e j ykkösmatriisin I n j:s sarake (j = 1, n; e j :n j:s alkio on 1, muut ovat nollia) Tällöin AX = I n AX j = e j kaikilla j {1,, n}

31 On siis saatu ratkaistavaksi n lineaarista yhtälöryhmää, joiden kaikkien kerroinmatriisi on A Nämä yhtälöryhmät voidaan ratkaista yhdellä kertaa seuraavasti: Muunnetaan n (n) -matriisi [ A In ] alkeisrivitoimituksilla redusoiduksi n (n) -porrasmatriisiksi [ C B ] Tällöin C on redusoidussa porrasmuodossa oleva neliömatriisi, joten 14:n mukaan on kaksi vaihtoehtoa: Tapaus 1: C = I n Yhtälöryhmä AX j = e j on ekvivalentti yhtälöryhmän X j = I n X j = B j (=B:n j:s sarake) kanssa Yhtälöllä AX = I n on siis ratkaisu X = B, joten A on säännöllinen ja A 1 = B Tapaus : C:ssä on nollarivejä Tässä tapauksessa A ei ole säännöllinen (ks implikaation ii) = iii) todistus 165:ssä) Huomautus 168 Jos A:ta redusoiduksi porrasmatriisiksi muunnettaessa jossain vaiheessa päädytään matriisiin, jossa on nollarivi, myös redusoidussa porrasmatriisissa C on nollarivi; siis A ei tällöin ole säännöllinen Tällaisessa tapauksessa ei siis tarvitse jatkaa redusoituun porrasmuotoon asti Esimerkki 169 Tutki, onko A säännöllinen, ja myönteisessä tapauksessa määritä A 1, kun a) A = 1 1, b) A = Ratkaisu (a) (1) () Siis tuli nollarivi A:n kohdalle, joten A ei ole säännöllinen Selitykset (1) ( 1) (1 rivi) lisätään riviin ja ( 5) (1 rivi) lisätään 3 riviin () ( 3) ( rivi) lisätään 3 riviin (b) (1) () (3) (4)

32 Siis matriisin A kohdalle saatiin ykkösmatriisi I 3, joten A on säännöllinen Lisäksi A 1 = Selitykset (1) ( 5) (1 rivi) lisätään 3 riviin rivi kerrotaan luvulla 1/ () 3 rivi kerrotaan luvulla 1/4 (3) ( 3/) (3 rivi) lisätään riviin ja ( 1) (3 rivi) lisätään 1 riviin (4) ( 1) ( rivi) lisätään 1 riviin 9

33 30 REAALIKERTOIMISET VEKTORIAVARUUDET 1 Koordinaattiavaruus R n Olkoon n N = {1,, 3, } positiivinen kokonaisluku (luonnollisten lukujen joukko on tällä kurssilla N = {0, 1,, 3, }) Merkitään R n = R n 1 = n 1 - matriisien joukko R n :n alkioita x = x 1 x x n = [ x 1 x x n ] T R n, x i R kaikilla i, kutsutaan pisteiksi tai (sarake-)vektoreiksi Yllä olevaa alkiota x R n merkitään myös x = (x 1,, x n ), järjestetty n-jono Sen sijaan x [ x 1 x x n ] R 1 n, jos n Näin on määritelty joukko R n, kun n 1 Joskus merkitään lisäksi R 0 = {0}, yksialkioinen joukko Erikoistapauksena matriisien yhteenlaskusta 14 ja skalaarilla (= reaaliluvulla) kertomisesta 16 on R n :ssä (missä n 1) määritelty yhteenlasku ja skalaarilla kertominen: x 1 y 1 x 1 + y 1 ax 1 x + y = x + y ; a x 1 x = ax x n y n x n + y n x n ax n (x 1,, x n, y 1,, y n, a R); nämä on siis määritelty komponenteittain Matriisitoimitusten ominaisuuksista saadaan seuraavat laskulait: Lause 11 Kaikilla x, y, z R n ja a, b R on i) (x + y) + z = x + (y + z); ii) x + y = y + x; iii) x + 0 = x, 0 = [ ] T ; iv) x + ( 1)x = 0;

34 31 v) a(x + y) = ax + ay; vi) (a + b)x = ax + bx; vii) a(bx) = (ab)x; viii) 1x = x Painotekninen huomautus : Käsinkirjoitetussa tekstissä usein x = x jne Geometrinen tulkinta tapauksissa n = 1,, 3 n = 1 : Joukkoina samastetaan yleensä R 1 ja R niin, että [ x ] R 1 = x R x R Tavalliseen tapaan reaaliluvut vastaavat lukusuoran pisteitä: Annetulta suoralta S valitaan piste O (origo) sekä toinen piste E 1 O (yksikköpiste) Pistettä P S vastaa tämän jälkeen x R: OP : OE 1 = x x > 0, x < 0, ( OP = janan OP pituus) jos pisteet P O ja E 1 ovat O:n samalla puolella jos pisteet P O ja E 1 ovat O:n eri puolilla P O E 1 x < 0 x > 0 Mainittu vastaavuus on kääntäen yksikäsitteinen n = : Kiinnitetään tasossa T piste O (origo) ja O:n kautta kulkevat, toisiaan vastaan kohtisuorat suorat S 1 ja S (koordinaattiakselit), sekä yksikköpisteet E i S i (i = 1, ) Tämän jälkeen samastetaan S i R:n kanssa kuten yllä Silloin jokaista pistettä P T vastaa kääntäen yksikäsitteisesti piste x = (x 1, x ) R : P S S P S 1 x O x 1 P 1 S 1 P S i S i S S 1 = P 1 x 1 R S 1 S = P x R = P x = (x 1, x ) R

35 3 Yhteenlasku geometrisesti: P T x = (x 1, x ) R Q T y = (y 1, y ) R R T x + y R = R saadaan suunnikassäännöllä, so OP RQ on suunnikas O P R x Q y x 1 y 1 Skalaarilla kertominen geometrisesti: P T x R, P O (ts x 0) ja R T ax R = R on suoralla OP ; R ja P ovat O:n samalla puolella, kun a > 0 R ja P ovat O:n vastakkaisilla puolilla, kun a < 0 OR : OP = a R, (a < 0) O P R, (a > 1) R, (0 < a < 1) n = 3 : Kiinnitetään avaruudessa A origo O, kolme toisiaan vastaan kohtisuoraa koordinaattiakselia S 1, S ja S 3, ja yksikköpisteet E i S i (i = 1,, 3) Tämän jälkeen jokaista pistettä P A vastaa kääntäen yksikäsitteisesti x = (x 1, x, x 3 ) R 3, summa P + Q muodostetaan A:ssa suunnikassäännöllä (tasossa OP Q) ja skalaarilla kertominen tapahtuu kuten kohdassa n = Siis on saatu vastaavuudet tason pisteet R :n pisteet avaruuden pisteet R 3 :n pisteet Nämä riippuvat koordinaatiston (so pisteiden 0, E 1, E, ) valinnasta Tason tai avaruuden pisteparia P, Q vastaa vektori P Q = Q P P Q

36 33 Kahta eri pisteparia voi vastata sama vektori: P Q = RS Q P = S R P + S = Q + R ( vektori = suuntajanojen ekvivalenssiluokka) Erityisesti on olemassa yksikäsitteinen piste X, nimittäin X = Q P, jolla P Q = OX on pisteen X paikkavektori Saadaan vastaavuus P Q X x R tai x R 3 tason (vast avaruuden) vektorien ja R :n (vast R 3 :n) vektorien eli pisteiden välille Erityisesti P Q = OQ OP, joten OQ = OP + P Q, ja yleisemmin P R = P Q+ QR (koska (Q P ) + (R Q) = R P ) P Q R Vektoriavaruudet Edellä nähtiin, että R n :n vektorien yhteenlaskulla ja skalaarilla kertomisella on perusominaisuudet 11 i) viii) Vastaavat ominaisuudet ovat voimassa monissa muissakin tilanteissa (esimerkkejä alla) Kannattaa siis ottaa käyttöön yleinen määritelmä, jossa ko ominaisuudet asetetaan perusoletuksiksi (aksioomiksi); tällöin kehitettävä yleinen teoria soveltuu sellaisenaan jokaiseen erikoistapaukseen Määritelmä 1 Joukko V on (R-kertoiminen) vektoriavaruus, jos kaikkiin v, w V ja a R on liitetty yksikäsitteiset summa v + w V ja tulo av V niin, että seuraavat ominaisuudet ovat voimassa: i) (u + v) + w = u + (v + w) kaikilla u, v, w V ii) v + w = w + v kaikilla v, w V iii) On olemassa sellainen 0 = 0 V, että v + 0 = v kaikilla v V iv) Jokaiseen v V liittyy sellainen v V, että v + ( v) = 0 v) a(v + w) = av + aw kaikilla a R, v, w V vi) (a + b)v = av + bv kaikilla a, b R, v V vii) a(bv) = (ab)v kaikilla a, b R, v V viii) 1v = v kaikilla v V Tässä V :n alkioita kutsutaan vektoreiksi, R:n alkioita skalaareiksi

37 Huomautus a) laskutoimitukset + ja kuuluvat vektoriavaruuden struktuuriin Tarkkaan ottaen vektoriavaruus ei siis ole pelkkä joukko V vaan kolmikko (V, +, ) b) iii):ssä nollavektori 0 on yksikäsitteinen Jos nimittäin myös z V toteuttaa ehdon v + z = v kaikilla v V, niin z iii = z + 0 ii = 0 + z = 0 34 c) iv):ssä vektorin v vastavektori v on v:n yksikäsitteisesti määräämä Jos nimittäin myös w toteuttaa ehdon v + w = 0, niin w iii = w + 0 iv = w + (v + ( v)) i = (w + v) + ( v) ii = (v + w) + ( v) = 0 + ( v) = ii ( v) + 0 = iii ( v) Esimerkki 3 a) 11:n mukaan sarakevektorien joukko R n = R n 1 (n 1) on vektoriavaruus, laskutoimituksina n 1 -matriisien yhteenlasku ja skalaarilla kertominen Vastaavasti tulee rivivektorien eli 1 n -matriisien [ x 1 x x n ] (x i R) joukosta R n = R 1 n vektoriavaruus, kun laskutoimituksiksi valitaan 1 n - matriisien yhteenlasku ja skalaarilla kertominen Yleisemmin on kaikkien m n -matriisien joukko R m n (m 1, n 1) matriisien yhteenlaskulla ja skalaarilla kertomisella varustettuna vektoriavaruus Myös R 0 = {0} on vektoriavaruus, kun määritellään = 0 ja a 0 = 0 kaikilla a R b) Olkoon X joukko ja R X = {f f on kuvaus X R} kaikkien X:ssä määriteltyjen reaalifunktioiden joukko Kun f, g R X ja a R, määritellään f + g R X ja af R X (siis f + g ja af ovat kuvauksia X R) asettamalla (f + g)(x) = f(x) + g(x) (af)(x) = a f(x) kaikilla x X, missä yhtälöiden oikealla puolella + ja tarkoittavat R:n laskutoimituksia Tällöin R X :stä tulee vektoriavaruus Todistetaan esimerkiksi aksiooma i): Olkoot f, g, h R X ja x X Tällöin ((f + g) + h)(x) = (f + g)(x) + h(x) = (f(x) + g(x)) + h(x) = f(x) + (g(x) + h(x)) = f(x) + (g + h)(x) = (f + (g + h))(x);

38 koska siis ((f +g)+h)(x) = (f +(g+h))(x) kaikilla x X, on (f +g)+h = f +(g+h) (määritelmän mukaan kaksi kuvausta f 1, f : X R ovat samat täsmälleen silloin, kun f 1 (x) = f (x) kaikilla x X) R X :n nollavektori on nollakuvaus Alkion f R X vasta-alkio on 0 : X R, 0(x) = 0 kaikilla x X f : X R, ( f)(x) = (( 1)f)(x) = ( 1) f(x) = f(x) kaikilla x X (Lisäksi sovitaan, että R = {0} = R 0 ) c) Useat R X :n osajoukot (sopivalla joukolla X) ovat kiintoisia vektoriavaruuksia; ks 3 Esimerkki 4 Kun x, y, a R, määritellään x y = x y, missä on tavallinen erotus, ja a x = a x, missä on tavallinen tulo Mitkä aksioomista i) viii) ovat voimassa (R,, ):ssä? Onko (R,, ) vektoriavaruus? Ratkaisu i) ei ole voimassa; esimerkiksi (0 0) 1 = (0 0) 1 = 1 ja 0 (0 1) = 0 (0 1) = 1, joten (0 0) 1 0 (0 1) Siten (R,, ) ei ole vektoriavaruus ii) ei ole voimassa; esimerkiksi iii) on voimassa; x 0 = x 0 = x x 0) 0 1 = 0 1 = 1 1 = 1 0 = x R (Sen sijaan 0 x = x x, kun iv) on voimassa; x kelpaa x:n vasta-alkioksi, koska x x = x x = 0 x R v) on voimassa; a (x y) = a(x y) = ax ay = (a x) (a y) vi) ei ole voimassa; esimerkiksi (1 + 1) 1 = 1 = ja (1 1) (1 1) = 1 1 = 0, joten (1 + 1) 1 (1 1) (1 1) vii) ja viii) ovat voimassa Olkoon V vektoriavaruus Silloin kahden vektorin v 1 ja v summa on määritelty kaikilla v 1, v V Useamman vektorin summa määritellään rekursiivisesti: kun n ja v 1, v,, v n V, on v 1 + v + + v n = (v v n 1 ) + v n

39 Liitännäisyydestä 1 i) seuraa yleinen liitännäisyys eli sulut voi asettaa mielivaltaisesti Tarkastellaan esimerkkinä tapausta n = 4 Rekursiivisen määritelmän mukaisesti (M) v 1 + v + v 3 + v 4 = ((v 1 + v ) + v 3 ) + v 4 Toisaalta sulut voidaan asettaa myös seuraavilla tavoilla: 1) (v 1 + (v + v 3 )) + v 4 ) (v 1 + v ) + (v 3 + v 4 ) 3) v 1 + (v + (v 3 + v 4 )) 4) v 1 + ((v + v 3 ) + v 4 ) Koska v 1 +(v +v 3 ) = (v 1 +v )+v 3, summa 1) on sama kuin (M) Samalla tavalla päätellään, että summat 3) ja 4) ovat keskenään samat Jos merkitään v = v 1 +v, on ((v 1 + v ) + v 3 ) + v 4 = (v + v 3 ) + v 4 = v + (v 3 + v 4 ) = (v 1 + v ) + (v 3 + v 4 ), joten summa ) on sama kuin (M) Toisaalta, jos merkitään u = v + v 3, on v 1 + ((v + v 3 ) + v 4 ) = v 1 + (u + v 4 ) = (v 1 + u) + v 4 = (v 1 + (v + v 3 )) + v 4, joten summat 4) ja 1) ovat keskenään samat Siis kaikki neljä summaa ovat samat kuin (M) Näin ollen merkinnän v 1 + v + v 3 + v 4 voidaan ajatella tarkoittavan juuri sitä, että sulut voidaan asettaa mielivaltaisesti Liitännäisyydestä 11 i) ja vaihdannaisuudesta 11 ii) seuraa myös yleinen vaihdannaisuus eli yhteenlaskettavien järjestys summassa (M) voidaan valita mielivaltaisesti Osittelulaeista 1 v) ja vi) seuraavat yleiset osittelulait a(v v n ) = av av n (a R, v 1,, v n V ) (a a n )v = a 1 v + + a n v (a 1,, a n R, v V ) Yleisen liitäntälain, vaihdantalain ja yleisten osittelulakien täsmälliset todistukset (induktiolla) sivuutetaan Vektorien v, w V erotus on v w = v + ( w) V Siis z = v w on se yksikäsitteinen V :n vektori, jolla z + w = v Mm seuraavat laskusäännöt seuraavat vektoriavaruuden aksioomista i) viii): Lause 5 Olkoot v, w V, a, b R Silloin a) av = 0 a = 0 tai v = 0; b) ( 1)v = v; c) a(v w) = av aw; d) (a b)v = av bv 36

1. LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT. 1.1 Lineaariset yhtälöryhmät

1. LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT. 1.1 Lineaariset yhtälöryhmät 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,,

Lisätiedot

Ortogonaalinen ja ortonormaali kanta

Ortogonaalinen ja ortonormaali kanta Ortogonaalinen ja ortonormaali kanta Määritelmä Kantaa ( w 1,..., w k ) kutsutaan ortogonaaliseksi, jos sen vektorit ovat kohtisuorassa toisiaan vastaan eli w i w j = 0 kaikilla i, j {1, 2,..., k}, missä

Lisätiedot

Ennakkotehtävän ratkaisu

Ennakkotehtävän ratkaisu Ennakkotehtävän ratkaisu Ratkaisu [ ] [ ] 1 3 4 3 A = ja B =. 1 4 1 1 [ ] [ ] 4 3 12 12 1 0 a) BA = =. 1 + 1 3 + 4 0 1 [ ] [ ] [ ] 1 0 x1 x1 b) (BA)x = =. 0 1 x 2 x [ ] [ ] [ 2 ] [ ] 4 3 1 4 9 5 c) Bb

Lisätiedot

Lineaariset yhtälöryhmät ja matriisit

Lineaariset 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

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot

Lisätiedot

10 Matriisit ja yhtälöryhmät

10 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

Lisätiedot

2. REAALIKERTOIMISET VEKTORIAVARUUDET

2. REAALIKERTOIMISET VEKTORIAVARUUDET 30 REAALIKERTOIMISET VEKTORIAVARUUDET 1 Koordinaattiavaruus R n Olkoon n N = {1,, 3, } positiivinen kokonaisluku (luonnollisten lukujen joukko on tällä kurssilla N = {0, 1,, 3, }) Merkitään R n = R n 1

Lisätiedot

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141 Lineaarialgebra ja matriisilaskenta II LM2, Kesä 2012 1/141 Kertausta: avaruuden R n vektorit Määritelmä Oletetaan, että n {1, 2, 3,...}. Avaruuden R n alkiot ovat jonoja, joissa on n kappaletta reaalilukuja.

Lisätiedot

Insinöörimatematiikka D

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

Lisätiedot

9 Matriisit. 9.1 Matriisien laskutoimituksia

9 Matriisit. 9.1 Matriisien laskutoimituksia 9 Matriisit Aiemmissa luvuissa matriiseja on käsitelty siinä määrin kuin on ollut tarpeellista yhtälönratkaisun kannalta. Matriiseja käytetään kuitenkin myös muihin tarkoituksiin, ja siksi on hyödyllistä

Lisätiedot

1 Matriisit ja lineaariset yhtälöryhmät

1 Matriisit ja lineaariset yhtälöryhmät 1 Matriisit ja lineaariset yhtälöryhmät 11 Yhtälöryhmä matriisimuodossa m n-matriisi sisältää mn kpl reaali- tai kompleksilukuja, jotka on asetetettu suorakaiteen muotoiseksi kaavioksi: a 11 a 12 a 1n

Lisätiedot

Lineaarinen yhtälöryhmä

Lineaarinen 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.

Lisätiedot

802118P Lineaarialgebra I (4 op)

802118P Lineaarialgebra I (4 op) 802118P Lineaarialgebra I (4 op) Tero Vedenjuoksu Oulun yliopisto Matemaattisten tieteiden laitos 2012 Lineaarialgebra I Yhteystiedot: Tero Vedenjuoksu tero.vedenjuoksu@oulu.fi Työhuone M206 Kurssin kotisivu

Lisätiedot

Matriisipotenssi. 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: 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

Lisätiedot

Käänteismatriisin ominaisuuksia

Käänteismatriisin ominaisuuksia Käänteismatriisin ominaisuuksia Lause 1.4. Jos A ja B ovat säännöllisiä ja luku λ 0, niin 1) (A 1 ) 1 = A 2) (λa) 1 = 1 λ A 1 3) (AB) 1 = B 1 A 1 4) (A T ) 1 = (A 1 ) T. Tod.... Ortogonaaliset matriisit

Lisätiedot

1 Lineaariavaruus eli Vektoriavaruus

1 Lineaariavaruus eli Vektoriavaruus 1 Lineaariavaruus eli Vektoriavaruus 1.1 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä V epätyhjä joukko. Oletetaan, että joukossa V on määritelty laskutoimitus

Lisätiedot

802320A LINEAARIALGEBRA OSA I

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

Lisätiedot

A = 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:

A = 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

Lisätiedot

1.1. Määritelmiä ja nimityksiä

1.1. Määritelmiä ja nimityksiä 1.1. Määritelmiä ja nimityksiä Luku joko reaali- tai kompleksiluku. R = {reaaliluvut}, C = {kompleksiluvut} R n = {(x 1, x 2,..., x n ) x 1, x 2,..., x n R} C n = {(x 1, x 2,..., x n ) x 1, x 2,..., x

Lisätiedot

Vektoreiden virittämä aliavaruus

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

Lisätiedot

5 Lineaariset yhtälöryhmät

5 Lineaariset yhtälöryhmät 5 Lineaariset yhtälöryhmät Edellisen luvun lopun esimerkissä päädyttiin yhtälöryhmään, jonka ratkaisemisesta riippui, kuuluuko tietty vektori eräiden toisten vektorien virittämään aliavaruuteen Tämäntyyppisiä

Lisätiedot

2.5. Matriisin avaruudet ja tunnusluvut

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

Lisätiedot

Insinöörimatematiikka D

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

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

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

Lisätiedot

Matematiikka B2 - TUDI

Matematiikka B2 - TUDI Matematiikka B2 - TUDI Miika Tolonen 3. syyskuuta 2012 Miika Tolonen Matematiikka B2 - TUDI 1 Kurssin sisältö (1/2) Matriisit Laskutoimitukset Lineaariset yhtälöryhmät Gaussin eliminointi Lineaarinen riippumattomuus

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra ja matriisilaskenta I Lineaarialgebra ja matriisilaskenta I 6.6.2013 HY / Avoin yliopisto Jokke Häsä, 1/22 Kertausta: Kääntyvien matriisien lause Lause 1 Oletetaan, että A on n n -neliömatriisi. Seuraavat ehdot ovat yhtäpitäviä.

Lisätiedot

Johdatus lineaarialgebraan

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

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra ja matriisilaskenta I Lineaarialgebra ja matriisilaskenta I 30.5.2013 HY / Avoin yliopisto Jokke Häsä, 1/19 Käytännön asioita Kurssi on suunnilleen puolessa välissä. Kannattaa tarkistaa tavoitetaulukosta, mitä on oppinut ja

Lisätiedot

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä Matriisien tulo Lause Olkoot A, B ja C matriiseja ja R Tällöin (a) A(B + C) =AB + AC, (b) (A + B)C = AC + BC, (c) A(BC) =(AB)C, (d) ( A)B = A( B) = (AB), aina, kun kyseiset laskutoimitukset on määritelty

Lisätiedot

Matriisilaskenta. Harjoitusten 3 ratkaisut (Kevät 2019) 1. Olkoot AB = ja 2. Osoitetaan, että matriisi B on matriisin A käänteismatriisi.

Matriisilaskenta. 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

Lisätiedot

Gaussin ja Jordanin eliminointimenetelmä

Gaussin 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,

Lisätiedot

x 2 x 3 x 1 x 2 = 1 2x 1 4 x 2 = 3 x 1 x 5 LINEAARIALGEBRA I Oulun yliopisto Matemaattisten tieteiden laitos 2014 Esa Järvenpää, Hanna Kiili

x 2 x 3 x 1 x 2 = 1 2x 1 4 x 2 = 3 x 1 x 5 LINEAARIALGEBRA I Oulun yliopisto Matemaattisten tieteiden laitos 2014 Esa Järvenpää, Hanna Kiili 6 4 2 x 2 x 3 15 10 5 0 5 15 5 3 2 1 1 2 3 2 0 x 2 = 1 2x 1 0 4 x 2 = 3 x 1 x 5 2 5 x 1 10 x 1 5 LINEAARIALGEBRA I Oulun yliopisto Matemaattisten tieteiden laitos 2014 Esa Järvenpää, Hanna Kiili Sisältö

Lisätiedot

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä 1 3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä Lineaarinen m:n yhtälön yhtälöryhmä, jossa on n tuntematonta x 1,, x n on joukko yhtälöitä, jotka ovat muotoa a 11 x 1 + + a 1n x n = b 1 a

Lisätiedot

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

Matikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/81 Matikkapaja keskiviikkoisin klo 14-16 Lineaarialgebra (muut ko) p. 1/81 Lineaarialgebra (muut ko) p. 2/81 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v 2 )

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra ja matriisilaskenta I Lineaarialgebra ja matriisilaskenta I 29.5.2013 HY / Avoin yliopisto Jokke Häsä, 1/26 Kertausta: Kanta Määritelmä Oletetaan, että w 1, w 2,..., w k W. Vektorijono ( w 1, w 2,..., w k ) on aliavaruuden

Lisätiedot

BM20A0700, Matematiikka KoTiB2

BM20A0700, Matematiikka KoTiB2 BM20A0700, Matematiikka KoTiB2 Luennot: Matti Alatalo, Harjoitukset: Oppikirja: Kreyszig, E.: Advanced Engineering Mathematics, 8th Edition, John Wiley & Sons, 1999, luku 7. 1 Kurssin sisältö Matriiseihin

Lisätiedot

MS-C1340 Lineaarialgebra ja

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

Lisätiedot

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä 3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä Lineaarinen m:n yhtälön yhtälöryhmä, jossa on n tuntematonta x 1,, x n on joukko yhtälöitä, jotka ovat muotoa a 11 x 1 + + a 1n x n = b 1 a 21

Lisätiedot

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

Talousmatematiikan perusteet: Luento 9. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Transponointi Matriisitulo Talousmatematiikan perusteet: Luento 9 Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Transponointi Matriisitulo Viime luennolta Esim. Yritys tekee elintarviketeollisuuden käyttämää puolivalmistetta,

Lisätiedot

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

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

Lisätiedot

Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa.

Kurssin 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

Lisätiedot

Johdatus lineaarialgebraan

Johdatus 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........................

Lisätiedot

Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218

Lineaarialgebra 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 }.

Lisätiedot

Matematiikka B2 - Avoin yliopisto

Matematiikka B2 - Avoin yliopisto 6. elokuuta 2012 Opetusjärjestelyt Luennot 9:15-11:30 Harjoitukset 12:30-15:00 Tentti Kurssin sisältö (1/2) Matriisit Laskutoimitukset Lineaariset yhtälöryhmät Gaussin eliminointi Lineaarinen riippumattomuus

Lisätiedot

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

Matikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/210 Matikkapaja keskiviikkoisin klo 14-16 Lineaarialgebra (muut ko) p. 1/210 Lineaarialgebra (muut ko) p. 2/210 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v 2

Lisätiedot

Insinöörimatematiikka D

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

Lisätiedot

Käänteismatriisi 1 / 14

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

Lisätiedot

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia Voidaan osoittaa, että avaruuden R n vektoreilla voidaan laskea tuttujen laskusääntöjen mukaan. Huom. Lause tarkoittaa väitettä, joka voidaan perustella

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D Mika Hirvensalo mikhirve@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2014 Mika Hirvensalo mikhirve@utu.fi Luentokalvot 3 1 of 16 Kertausta Lineaarinen riippuvuus

Lisätiedot

Johdatus lineaarialgebraan

Johdatus lineaarialgebraan Johdatus lineaarialgebraan Osa I Jokke Häsä, Lotta Oinonen, Johanna Rämö 11. syyskuuta 2016 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 1 Vektoriavaruuksien R 2 ja R 3 vektorit........................

Lisätiedot

Lineaarikuvauksen R n R m matriisi

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

Lisätiedot

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

Talousmatematiikan perusteet: Luento 10. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Matriisitulo Determinantti Talousmatematiikan perusteet: Luento 1 Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Matriisitulo Determinantti Viime luennolta Esim. Yritys tekee elintarviketeollisuuden käyttämää puolivalmistetta,

Lisätiedot

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

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset 32 Idea: Lineaarikuvausten laskutoimitusten avulla määritellään vastaavat matriisien laskutoimitukset Vakiolla kertominen ja summa Olkoon t R ja A, B R n m Silloin ta, A + B R n m ja määritellään ta ta

Lisätiedot

Insinöörimatematiikka D

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

Lisätiedot

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

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

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

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

Lisätiedot

Johdatus lineaarialgebraan

Johdatus 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

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot

Lisätiedot

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

Lineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo. Lineaariavaruudet aiheita 1 määritelmä Nelikko (L, R, +, ) on reaalinen (eli reaalinen vektoriavaruus), jos yhteenlasku L L L, ( u, v) a + b ja reaaliluvulla kertominen R L L, (λ, u) λ u toteuttavat seuraavat

Lisätiedot

JAKSO 2 KANTA JA KOORDINAATIT

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

Lisätiedot

LU-hajotelma. Esimerkki 1 Matriisi on yläkolmiomatriisi ja matriisi. on alakolmiomatriisi. 3 / 24

LU-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

Lisätiedot

Johdatus tekoälyn taustalla olevaan matematiikkaan

Johdatus tekoälyn taustalla olevaan matematiikkaan Johdatus tekoälyn taustalla olevaan matematiikkaan Informaatioteknologian tiedekunta Jyväskylän yliopisto 5. luento.2.27 Lineaarialgebraa - Miksi? Neuroverkon parametreihin liittyvät kaavat annetaan monesti

Lisätiedot

Avaruuden R n aliavaruus

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

Lisätiedot

Johdatus lineaarialgebraan. Juha Honkala 2017

Johdatus lineaarialgebraan. Juha Honkala 2017 Johdatus lineaarialgebraan Juha Honkala 2017 Sisällysluettelo 1 Lineaariset yhtälöryhmät ja matriisit 11 Lineaariset yhtälöryhmät 12 Matriisit 13 Matriisien alkeismuunnokset ja porrasmatriisit 14 Yhtälöryhmien

Lisätiedot

Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä)

Lineaarialgebra 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

Lisätiedot

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

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

Lisätiedot

Lineaarialgebra (muut ko)

Lineaarialgebra (muut ko) Lineaarialgebra (muut ko) p. 1/103 Lineaarialgebra (muut ko) Tero Laihonen Lineaarialgebra (muut ko) p. 2/103 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v

Lisätiedot

802120P Matriisilaskenta (5 op)

802120P Matriisilaskenta (5 op) 802120P Matriisilaskenta (5 op) Marko Leinonen Matemaattiset tieteet Syksy 2016 1 / 220 Luennoitsija: Marko Leinonen marko.leinonen@oulu.fi MA333 Kurssilla käytetään Noppaa (noppa.oulu.fi) Luentomoniste

Lisätiedot

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

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

Lisätiedot

Johdatus lineaarialgebraan

Johdatus lineaarialgebraan Johdatus lineaarialgebraan Osa II Lotta Oinonen, Johanna Rämö 28. lokakuuta 2014 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 15 Vektoriavaruus....................................

Lisätiedot

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

Seuraava luento ti on salissa XXII. Lineaarialgebra (muut ko) p. 1/117 Seuraava luento ti 31.10 on salissa XXII Lineaarialgebra (muut ko) p. 1/117 Lineaarialgebra (muut ko) p. 2/117 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v

Lisätiedot

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

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

Lisätiedot

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

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

Lisätiedot

9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista

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

Lisätiedot

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

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

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-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

Lisätiedot

802120P MATRIISILASKENTA (5 op)

802120P MATRIISILASKENTA (5 op) 802120P MARIIILAKENA (5 op) Oulun yliopisto Matemaattiset tieteet 2015 ero Vedenjuoksu 1 Alkusanat ämä luentomoniste pohjautuu osaksi Esa Järvenpään (2011) ja osaksi Hanna Kiilin (2014) kurssin Lineaarialgebra

Lisätiedot

5 Ominaisarvot ja ominaisvektorit

5 Ominaisarvot ja ominaisvektorit 5 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin A

Lisätiedot

Ortogonaalisen kannan etsiminen

Ortogonaalisen kannan etsiminen Ortogonaalisen kannan etsiminen Lause 94 (Gramin-Schmidtin menetelmä) Oletetaan, että B = ( v 1,..., v n ) on sisätuloavaruuden V kanta. Merkitään V k = span( v 1,..., v k ) ja w 1 = v 1 w 2 = v 2 v 2,

Lisätiedot

6. OMINAISARVOT JA DIAGONALISOINTI

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

Lisätiedot

Lineaariset kongruenssiyhtälöryhmät

Lineaariset kongruenssiyhtälöryhmät Lineaariset kongruenssiyhtälöryhmät LuK-tutkielma Jesse Salo 2309369 Matemaattisten tieteiden laitos Oulun yliopisto Sisältö Johdanto 2 1 Kongruensseista 3 1.1 Kongruenssin ominaisuuksia...................

Lisätiedot

Kertausta: avaruuden R n vektoreiden pistetulo

Kertausta: 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:

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

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

Lisätiedot

Oppimistavoitematriisi

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

Lisätiedot

Alkeismuunnokset matriisille, sivu 57

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

Lisätiedot

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

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

Lisätiedot

1 Ominaisarvot ja ominaisvektorit

1 Ominaisarvot ja ominaisvektorit 1 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) 1 missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin

Lisätiedot

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

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

Lisätiedot

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt QR-hajotelma ja pienimmän neliösumman menetelmä Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto PNS-ongelma PNS-ongelma

Lisätiedot

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

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

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot

Lisätiedot

ominaisvektorit. Nyt 2 3 6

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

Lisätiedot

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

Informaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen Informaatiotieteiden yksikkö Lineaarialgebra 1A Pentti Haukkanen Puhtaaksikirjoitus: Joona Hirvonen . 2 Sisältö 1 Matriisit, determinantit ja lineaariset yhtälöryhmät 4 1.1 Matriisit..............................

Lisätiedot

2.8. Kannanvaihto R n :ssä

2.8. Kannanvaihto R n :ssä 28 Kannanvaihto R n :ssä Seuraavassa kantavektoreiden { x, x 2,, x n } järjestystä ei saa vaihtaa Vektorit ovat pystyvektoreita ( x x 2 x n ) on vektoreiden x, x 2,, x n muodostama matriisi, missä vektorit

Lisätiedot

Insinöörimatematiikka D

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

Lisätiedot

Talousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi

Talousmatematiikan 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

Lisätiedot

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

3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset 31 MS-A0004/A0006 Matriisilaskenta 3 Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2292015 Lineaariset yhtälöt ovat vektoreille luonnollisia yhtälöitä, joita

Lisätiedot

Matriisit. Määritelmä 1 Reaaliluvuista a ij, missä i = 1,..., k ja j = 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A =

Matriisit. Määritelmä 1 Reaaliluvuista a ij, missä i = 1,..., k ja j = 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A = 1 / 21 Määritelmä 1 Reaaliluvuista a ij, missä i 1,..., k ja j 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A... a k1 a k2 a kn sanotaan k n matriisiksi. Usein merkitään A [a ij ]. Lukuja

Lisätiedot

Ominaisarvo ja ominaisvektori

Ominaisarvo ja ominaisvektori Ominaisarvo ja ominaisvektori Määritelmä Oletetaan, että A on n n -neliömatriisi. Reaaliluku λ on matriisin ominaisarvo, jos on olemassa sellainen vektori v R n, että v 0 ja A v = λ v. Vektoria v, joka

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

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

Lisätiedot