Johdatusta CLIFFORD-paketin käyttöön Maplessa
|
|
- Martti Lattu
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Johdatusta CLIFFORD-paketin käyttöön Maplessa Heikki Orelma 4. maaliskuuta 2008 Sisältö 1 Lähtöasetelma 1 2 Perusteita 1 3 Cliordin algebrojen rakenteen tutkiminen 3 4 Cliordin tulo cmulnum-algoritmilla 5 5 Asennusohje 6 6 Tehtäviä 7 1 Lähtöasetelma Tämän lyhyehkön kirjoitelman tarkoitus johdattaa lukija Maple-ympäristössä toimivan CLIFFORD-paketin käyttöön. Paketin on kehittänyt 1990-luvulla Rafal Ablamowicz Tenneseen teknillisestä yliopistosta. Pakettia kehitetään jatkuvasti ja uusia paketin versioita ilmestyy samaan tahtiin kuin Maplen uusia versioita. Tässä esityksessä keskeisimpänä lähteenä on Ablamowiczin ja Fauserin artikkeli: Mathematics of CLIFFORD - A Maple Package for Cliord and Grassmann Algebras, lähde [1]. Kuten tiedämme, keskeisimmät tietokoneohjelmilla laskentaa suorittavan henkilön työvälineet ovat kynä ja paperi. Näin on myös nyt. Niinpä tuleekin ymmärtää, että paketti on suunniteltu vain suorittamaan mekaanisia ja tylsiä laskutoimituksia. Näin vapautuu lisää aikaa varsineiselle luovalle (matemaattiselle!?) ajattelulle. 2 Perusteita Maplessa paketti käynnistyy komennolla: [>with(cliord); 1
2 Yleisesti puhuttaessa, Cliordin algebra vektoriavaruudessa V määräytyy täysin bilineaarimuodosta B. Merkitään tällöin Cl(V, B). Otetaan a, b Cl(V, B) pari 1-vektoreita, joiden tulo voidaan esittään muodossa: xy = B(x, y) + x y. Tästä näemme, että tulossa ulkotulo-osuus ei riipu bilineaarimuodosta, kun Cliordin tulo itsessään riippuu bilineaarimuodosta. Tästä syystä, CLIFFORDpaketissa lähtökohdaksi on otettu Cliordin algebran alkioiden lausuminen kantavektoreiden ulkotulojen avulla. Tästä valinnasta ei liiemmin ole ongelmia. Erityisesti jos kantamme on ortonormaali, niin tunnetusti e i e j = e i e j, kun i j. Jatkossa tarkastellaan vain vektoriavaruutta V = R n, missä 1 n 9 1, bilineaarimuotoa B p,q (x, y) = p x i y i i=1 p+q i=p+1 ja näiden generoimia Cliordin algebroja Cl p,q := Cl(R n, B p,q ). Oletetaan lisäksi, että avaruuden R n kanta on ortonormaali {e 1,..., e n }. Yleisempiä tapauksia käsitellään lähteessä [1]. Lähdetään liikkeelle. Aluksi päätetään, missä Cliordin algebrassa halutaan työskennellä. Valitaan avaruuden R 3 Cliordin algebra t.s n = p + q = 3. Kanta muodostetaan komennolla: [> cbasis(3); Kanta-alkioiden välissä w-merkintä tarkoitta ulkotuloa (wedge). Tutumpaan notaatioon päästään merkitsemällä eij=eiwej. Tätä varten paketissa on valmiina makealiases-komento. Siis tehkäämme aliakset: [> eval(makealiases(3)); Nyt olemme muodostaneet kannan laskentaa varten. Määritellään Cliordin luvut a = 5 + 5e 1 + 5e 12 7e 123 ja b = 3e 13 14e 3 kuten tavallista: [> a:=5*id+5*e1+5*e12-7*e123; ja [>b:=3*e13-14*e3; Alkioiden ulkotulo a b lasketaan: [> a &w b; Toinen tapa laskea ulkotulo on käyttää wedge-komentoa. Cliordin tulo ab lasketaan komennolla: [> a &c b; 1 Tämä rajoitus on ohjelmallinen. x i y i 2
3 Vaihtoehtoinen komento tulon laskemiseen on cmul. Kuten lukija saattoi huomata, näytölle ilmestyi lauseke, jossa esiintyy runsaasti B i,j -symboleita. Symbolit B i,j bilineaarimuotoa esittävän matriisin B alkioita B i,j B(e i, e j ). Toistaisksi emme ole ottaneet kantaa mikä on Cliordin algebramme signatuuri. Koska kantamme on ortonormaali, niin B i,j = 0, kun i j, joten B on lävistäjä matriisi. Valitaan algebraksi Cl 2,1. Siis B 1,1 = B 2,2 = 1 ja B 3,3 = 1. Kätevimmin tämä kannattanee syöttää ohjelmaan käyttämällä (esimerkiksi) linalg-pakettia ja komentamalla: [> B:=diag(1,1,-1); Tämän jälkeen tulo voidaan laskea uudelleen. Nyt olemme päässeet alkuun paketin käytössä. Seuraavaksi listataan joitakin tärkeimpiä komentoja. Lisätietoa komennoista löytyy normaalisti helpistä. Alkion a reversio a, pääinvoluutio a ja konjugaatti a lasketaan komennoilla: [> reversion(a); [> gradeinv(a); [> conjugation(a); Alkion a inverssi a 1 lasketaan (kunhan vain on olemassa) komennolla: [> cinv(a); Alkion a k-vektoriosa [a] k saadaan komennolla vectorpart. Esimerkiksi 2-vektoriosa: [> vectorpart(a,2); Alkion a skalaariosa [a] 0 saadaan komennolla vectorpart(a,0) tai [> scalarpart(a); Olkoon x vektori ja a Cliordin luku. Vasen ja oikea kontraktio x a ja a x saadaan komennoilla [> LC(a,x); ja [> RC(a,x); 3 Cliordin algebrojen rakenteen tutkiminen CLIFFORD-paketin avulla voidaan myös helposti tutkia Cliordin algebrojen rakennetta. Tähän tarvittava komento on clidata([p,q]). Komento tulostaa listan [F, N, (semi)simple, f, S, K, M]. Keskeisin informaatio listalla on kolmen ensimmäisen kohdan antama informaatio, muut kohdat voi aluksi vapaasti sivuuttaa. Listalla: 3
4 1. Kolme ensimmäistä kohtaa kertovat, Cl p,q :n kanssa isomorsesta matriisialgebrasta. F {R, C, H} sen mukaan, onko matriisesityksen matriisien alkiot reaalisia, kompleksisia vai kvaternioita. Luku N kertoo matriisiesityksen matriisien dimension, esim. N = 2 kertoo, että esitys on 2 2- matriiseina. Kolmas alkio kertoo onko esitys yksinkertainen (simple) vai puoliyksinkertainen (semisimple) t.s. onko esitys muotoa Mat(F, N) vai Mat(F, N) Mat(F, N). 2. Neljännessä kohdassa tulostuu alkio f Cl p,q joka on ns. primitiivinen idempotentti. f:n avulla muodostetaan joukko S = Cl p,q f joka on Cl p,q :n minimaalinen vasen ideaali Viidennessä kohdassa on lista [g 1,..., g k ], jossa on sellaiset alkiot, että joukko {g 1 f,..., g k f} generoivat vasemman minimaalisen ideaalin S. 4. Kuudes kohta antaa sen Cl p,q :n osajoukon R generaattorit siten, että R = F. 5. Viimeinen kohta antaa listan [c 1,..., c r ] Cliodin lukuja. Tulostus tarkoittaa sitä, että joukko {c 1 f,..., c r f} virittää S:n, kun S ajatellaan oikeana F-modulina. Matriisiesityksen generoivia matriiseita voi etsiä komennolla matkrepr. Esimerkkinä tarkastellaan Cliordin algebraa Cl 2,0. Komennetaan [> clidata([2,0]); Komento tulostaa listan [real, 2, simple, 1/2 Id + 1/2 e1, [Id, e2], [Id], [Id, e2]. Listalta voimme päätellä seuraavaa: 1. Kolmesta ensimmäisestä kohdasta nähdään, että Cl 2,0 = Mat(2, R). 2. Neljännestä listan jäsenestä nähdään, että f = e 1 on primitiivinen idempotentti ja S = Cl 2,0 ( e 1) on minimaalinen vasen Cl2,0 :n ideaali. 3. Viides jäsen kertoo, että joukko {f, e 2 f} generoi S:n. 4. Kuudes jäsen kertoo, että alkion 1 Cl 2,0 virittämä joukko on isomornen R:n kanssa. 5. Seitsemäs jäsen kertoo, että S ajateltuna oikeana R-modulina on generoitu joukosta {f, e 2 f}. Matriisiesityksen generoivat matriisit saadaan komennolla matkrepr([2,0]). 2 Primitiivisitä idempotenteista, vasemmista ideaaleista ja spinoreista kiinnostuneiden kannattaa lukea esim. Louneston kirjaa: Cliord Algebras and Spinors, jossa asiaa käsitellään syvällisemmin. 4
5 4 Cliordin tulo cmulnum-algoritmilla Tarkastellaan tässä kappaleessa nopeasti sitä, miten ohjelma laskee Cliordin tulon. Algoritmeja tulon laskemiseksi on kaksi: rekursiivinen cmulnum-algoritmi ja ns. Rota-Steinin kombinatoriaalinen algoritmi cmulrs. Tässä esitellään ainoastaan cmulnum-algoritmi. Algorimiin cmulrs voi tutustua lähteessä [1]. Yleisesti voidaan sanoa, että cmulnum-algoritmi on käyttökelpoinen kun bilineaarimuodon matriisi on harva ja vektoriavaruuden dimensio on suuri (lähteessä [1] edellä oleva suuri tarkoittaa tilannetta: dim V 5). Puolestaan cmulrs on suunniteltu symbolista laskentaa silmällä pitäen. Varsinaisesti käyttäjän ei tarvitse tietää mitään edellä olevista algoritmeista käyttääkseen pakettia. Oletuksena käytettävän algoritmin (ja kaikkea muuta paketin toiminnasta kertovaa dataa) saa esille komentamalla: [> CLIFFORD_ENV(); cmulnum-algoritmissa kehitetään tuloa alkio kerrallaan ulkotuloiksi. Algoritmi perustuu seuraavaan ideaan. Olkoon u, v Cl p,q ja x Cl 1 p,q vektori. Tällöin (v x)u = (vx)u (v x)u = v(x u + x u) (v x)u. Tästä nähdään, että identiteetti vähentää ensimmäisen alkion v x astetta yhdellä Cliordin tulossa. Välivaiheissa tarvittavaa sievennystä hoidellaan tunnetuilla kaavoilla: x (u v) = (x u) v + u (x v) ja missä x Cl 1 p,q ja u, v, w Cl p,q. (u v) w = u (v w) Toistamalla tämä uudestaa riittävän monta kertaa, saadaan tulo esitettyä kokonaisuudessaan ulkotulojen ja kontraktioiden avulla. Jäljelle jäävät kontraktiot vektoreiden välillä lasketaan bilineaarimuodon avulla: x y = x y = B(x, y). Kun merkitään Cliordin tulo symbolilla c, yksittäinen askel rekursiossa on siis: (e a1... e ak ) c (e b1... e bm ) =(e a1... e ak 1 ) c (e ak (e b1... e bm ) + e ak e b1... e bm ) ((e a1... e ak 1 ) e ak ) c (e b1... e bm ). 5
6 Lasketaan seuraavaksi alkioiden e 1 e 2 ja e 3 e 4 Cliordin tulo edellä olevalla algoritmilla. Ensimmäinen askel: (e 1 e 2 ) c (e 3 e 4 ) = e 1 c ( e 2 (e 3 e 4 ) }{{} =B(e 2,e 3)Id e 4 B(e 2,e 4)Id e 3 +e 2 e 3 e 4 ) B(e 1, e 2 )Id c (e 3 e 4 ) = e 1 c (B(e 2, e 3 )e 4 B(e 2, e 4 )e 3 + e 2 e 3 e 4 ) B(e 1, e 2 )(e 3 e 4 ) = B(e 2, e 3 )e 1 c e 4 B(e 2, e 4 )e 1 c e 3 + e 1 c (e 2 e 3 e 4 ) B(e 1, e 2 )(e 3 e 4 ). Toisessa askeleessa lasketaan jäljelle jääneet tulot (edelleen samalla algoritmilla): e 1 c e 4 = B(e 1, e 4 ) + e 1 e 4 ja sekä e 1 c e 3 = B(e 1, e 3 ) + e 1 e 3 e 1 c (e 2 e 3 e 4 ) = e 1 (e 2 e 3 e 4 ) + e 1 e 2 e 3 e 4 = B(e 1, e 2 )e 3 e 4 e 2 (e 1 (e 3 e 4 )) + e 1 e 2 e 3 e 4 = B(e 1, e 2 )e 3 e 4 B(e 1, e 3 )e 2 e 4 + B(e 1, e 4 )e 2 e 3 + e 1 e 2 e 3 e 4. Joten lopputulokseksi saadaan (e 1 e 2 ) c (e 3 e 4 ) = B(e 2, e 3 )B(e 1, e 4 ) + B(e 2, e 3 )e 1 e 4 B(e 2, e 4 )B(e 1, e 3 ) B(e 2, e 4 )e 1 e 3 + B(e 1, e 2 )e 3 e 4 B(e 1, e 3 )e 2 e 4 + B(e 1, e 4 )e 2 e 3 + e 1 e 2 e 3 e 4 B(e 1, e 2 )(e 3 e 4 ). 5 Asennusohje Tässä kappaleessa kerrotaan lyhyesti CLIFFORD-paketin asentamisesta. Tekijän taitamattomuuden johdosta keskitytään vain PC-koneisiin ja Windows-ympäristöön. Ensinnä menkäämme Rafal Ablamowiczin kotisivuille: Täältä valitaan sopiva Maplen versio ja ladataan tarvittavat kirjastot: library_mx.zip. Oletetaan, että Maplesi on asennettu hakemistoon: C:/Maple. Tallennetaan hakemistoon C:/Maple/Cliordlib edellä olevasta kirjastosta.ind,.lib ja.hbd -tiedostot. Tämän jälkeen tehdään users - kansioon maple.ini - tiedosto (tekstieditorilla), jossa rivi: libname:="c:\\maple/cliordlib",libname: Tämän jälkeen paketin pitäisi toimia Maplessa. 6
7 6 Tehtäviä Tässä joitakin tehtäviä tehtäväksi CLIFFORD-paketilla. Tehtävä 1 1. Olkoon x = e 1 + 5e 2 tason vektori. Esitä vektori x vektorien a = e 1 + e 2 ja b = 15e 2 lineaarikombinaationa. 2. Olkoon x = 4e 1 + 2e 2 + 9e 3 avaruuden vektori. Esitä vektori x vektorien a = πe 1 + 2e 2 + 4e 3, b = e 1 12e 3 ja c = 16e 1 e 2 + 4e 3 lineaarikombinaationa. Tarkista kummassakin kohdassa tuloksesi. Tehtävä 2 Miten ohjelma laskee u v, u v ja u v, kun 1. u R ja v Cl p,q? 2. u Cl k p,q ja v Clm p,q 3. u Cl k p,q ja v Clm p,q ja k < m? ja k > m? Tehtävä 3 Tarkastellaan vektoreiden x = 2e 1, y = 3e 2 e 3 ja z = 7e 1 + e e 3 virittämää tetraedria. Tällöin sivut ovat joko edellä olevia vektoreita tai niiden erotuksia. Muodosta tahkojen suunnistetut pinta-alat B 1,..., B 4. Osoita laskemalla, että tahkojen suunnistettujen pinta-alojen summa on nolla. Tehtävä 4 Tarkastellaan tasoa e 1 e 2 ja vektoreita 1. a 1 = e 1 + 4e 2, 2. a 2 = e 1 + e 3, 3. a 3 = e 1 + e 2 + e 3. Laske vektorien kohtisuorat ja tasolla olevat komponentit. Laskemalla sopiva ulkotulo, määritä mitkä vektoreista ovat tasolla (nyt ei saa nähdä suoraa...)? Tehtävä 5 Olkoon x = e 2. Kierrä vektori x tasolla e 2 e 3 kulman π/2. Kierrä näin saatua vektoria vielä kulma π/2 tasolla e 1 e 3. Tehtävä 6 Peilaa vektori x = 13e 1 tason (e 1 + e 3 ) e 2 läpi. Kierrä peilattua vektoria kulman 2π/3 verran z-akselin ympäri. Tehtävä 7 Etsi sellainen Cliordin algebran Cl 0,3 osajoukko R, että R = H. Mikä on Cl 0,3 :n matriisiesitys? Tehtävä 8 Mitkä ovat Cliordin algebrojen Cl 1,1 ja Cl 2,1 matriisiesitykset? Tehtävä 9 Paketilla voidaan käsitellä myös pelkästään kvaternioita. Kyseiset komennot alkavat q:lla, esim. q_conjug, qdisplay, qinv, qmul, qnorm. Tutustu näiden käyttöön. Ota q 1 = 5 + 4i 7j + 9k ja q 2 = i 3j k ja laske q 1 q 2, (q 1 q 1 2 ) 1. Tarkista, että kvaternioille on voimassa: q 1 q 2 = q 1 q 2. Tehtävä 10 Laske e 1 c (e 2 e 4 ) ja (e 1 e 3 ) c (e 2 e 4 ) cmulnum-algoritmilla. Tarkista vastauksesi Maplella. 7
8 Viitteet [1] R. Ablamowich and B. Fauser, Mathematics of CLIFFORD - A Maple Package for Cliord and Grassmann Algebras, Tennessee Technological University, Department of Mathematics, Technical Report No
Paulin spinorit ja spinorioperaattorit
Paulin spinorit ja spinorioperaattorit Spinoreita on useita erilaisia. Esimerkiksi Paulin, Dirackin ja Weyelin spinorit. Yhteisenä piirteenä eri spinoreilla on se, että kukin liittyy tavallisesti johonkin
LisätiedotDiracin yhtälö Björkenin ja Drellin formulaation mukaan on I 0. 0 i 1 0
Diracin spinorit. Määritelmiä Diracin yhtälö Björkenin ja Drellin formulaation mukaan on γ µ (i µ ea µ ψ = mψ, ψ C 4, missä matriisit γ µ ovat ( γ = γ = I I, γ k = γ k = ( σ k σ k missä edelleen I on 2
Lisätiedot1 Cli ordin algebra. Cli ordin algebron tai geometristen algebrojen tarkoitus on määritellä geometrinen tulo vektoriavaruudessa esim avaruudessa R n :
1 Cli ordin algebra Cli ordin algebron tai geometristen algebrojen tarkoitus on määritellä geometrinen tulo vektoriavaruudessa esim avaruudessa R n : Joukossa R voidaan määritellä summa ja tulo. Myöskin
LisätiedotKonformigeometriaa. 5. maaliskuuta 2006
Konformigeometriaa 5. maaliskuuta 006 1 Sisältö 1 Konformigeometria 1.1 Viivan esitys stereograasena projektiona............ 1. Euklidisen avaruuden konformaalinen malli........... 4 Konformikuvaukset
LisätiedotKanta ja dimensio 1 / 23
1 / 23 Kuten ollaan huomattu, saman aliavaruuden voi virittää eri määrä vektoreita. Seuraavaksi määritellään mahdollisimman pieni vektorijoukko, joka virittää aliavaruuden. Jokainen aliavaruuden alkio
LisätiedotTensorialgebroista. Jyrki Lahtonen A = A n. n=0. I n, I = n=0
Tensorialgebroista Esitysteorian kesäopintopiiri, Turun yliopisto, 2012 Jyrki Lahtonen Olkoon k jokin skalaarikunta. Kerrataan k-algebran käsite: A on k-algebra, jos se on sekä rengas että vektoriavaruus
Lisätiedot2. Geometrinen algebra dimensioissa kaksi ja kolme
. Geometrinen algebra dimensioissa kaksi ja kolme William Kingdon Cliord (1845-1879) esitteli geometrisen algebransa 1800- luvulla. Cliord yhdisti sisä- ja ulkotulot yhdeksi tuloksi, geometriseksi tuloksi.
Lisätiedot1 Kannat ja kannanvaihto
1 Kannat ja kannanvaihto 1.1 Koordinaattivektori Oletetaan, että V on K-vektoriavaruus, jolla on kanta S = (v 1, v 2,..., v n ). Avaruuden V vektori v voidaan kirjoittaa kannan vektorien lineaarikombinaationa:
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
Lisätiedotsitä vastaava Cliffordin algebran kannan alkio. Merkitään I = e 1 e 2 e n
Määritelmä 1.1 Algebran A keskus C on joukko C (A) = {a A ax = xa x A}. Lause 1. Olkoon Cl n Cliffordin algebra, jonka generoi joukko {e 1,..., e n }. Jos n on parillinen, niin C (Cl n ) = {λ λ R}. Jos
LisätiedotExcursio Cliordin analyysiin. 13. helmikuuta 2006
Excursio Cliordin analyysiin 13. helmikuuta 2006 1 Sisältö 1 Cliordin algebra 3 2 Monogeeniset funktiot 5 3 Cauchyn integraalikaava monogeenisille funktioille 9 2 1 Cliordin algebra Tutustutaan tässä kappaleessa
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
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
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:
LisätiedotPäättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1
Lineaarialgebran kertaustehtävien b ratkaisuista. Määritä jokin kanta sille reaalikertoimisten polynomien lineaariavaruuden P aliavaruudelle, jonka virittää polynomijoukko {x, x+, x x }. Ratkaisu. Olkoon
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 Tensoriavaruuksista..
1 Tensoriavaruuksista.. Käydään läpi kirjan (1) sivut 126-133. 19.02.2007 Palautetaaieleen viime kerran tärkeä määritelmä: (kirja, Määr. 5.12). Määritelmä 1.1 Olkoon T vektoriavaruus ja Φ : V 1 V 2 V m
LisätiedotKanta ja Kannan-vaihto
ja Kannan-vaihto 1 Olkoon L vektoriavaruus. Äärellinen joukko L:n vektoreita V = { v 1, v 2,..., v n } on kanta, jos (1) Jokainen L:n vektori voidaan lausua v-vektoreiden lineaarikombinaationa. (Ts. Span(V
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
LisätiedotKoodausteoria, Kesä 2014
Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos 3.5 Reedin-Mullerin koodit Olkoon tässä kappaleessa F = F2 = Z2 ja n = 2 m. Määritellään avaruuteen F n kertolasku koordinaateittain:
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
LisätiedotOppimistavoitematriisi
Oppimistavoitematriisi Lineaarialgebra ja matriisilaskenta I Arvosanaan 1 2 riittävät Arvosanaan 5 riittävät Yhtälöryhmät (YR) Osaan ratkaista ensimmäisen asteen yhtälöitä ja yhtälöpareja Osaan muokata
LisätiedotOppimistavoitematriisi
Oppimistavoitematriisi Lineaarialgebra ja matriisilaskenta I Esitiedot Arvosanaan 1 2 riittävät Arvosanaan 3 4 riittävät Arvosanaan 5 riittävät Yhtälöryhmät (YR) Osaan ratkaista ensimmäisen asteen yhtälöitä
LisätiedotOrtogonaaliset matriisit, määritelmä 1
, määritelmä 1 Määritelmä (a). Neliömatriisi Q on ortogonaalinen, jos Q T Q = I. Määritelmästä voidaan antaa samaa tarkoittavat, mutta erilaiselta näyttävät muodot: Määritelmä (b). n n neliömatriisi Q,
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
LisätiedotMS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48
MS-A3/A5 Matriisilaskenta Malliratkaisut 5 / vko 48 Tehtävä (L): a) Onko 4 3 sitä vastaava ominaisarvo? b) Onko λ = 3 matriisin matriisin 2 2 3 2 3 7 9 4 5 2 4 4 ominaisvektori? Jos on, mikä on ominaisarvo?
Lisätiedot2 Kierto yleisesti peilausten avulla
1 Rotaatioista Viime kerralla nähtiin, että jokainen R 3 rotaatio voidaan esittää kvaternien avulla kuvauksena ρ y (x) = yxy, missä y = 1. Lemma 1.1. Kuvaus ρ : S 3 SO(3), missä ρ(y) = ρ y on surjektiivinen
LisätiedotLatinalaiset neliöt ja taikaneliöt
Latinalaiset neliöt ja taikaneliöt LuK-tutkielma Aku-Petteri Niemi Matemaattisten tieteiden tutkinto-ohjelma Oulun yliopisto Kevät 2018 Sisältö Johdanto 2 1 Latinalaiset neliöt 3 1.1 Latinalainen neliö.........................
LisätiedotSisätuloavaruudet. 4. lokakuuta 2006
Sisätuloavaruudet 4. lokakuuta 2006 Tässä esityksessä vektoriavaruudet V ja W ovat kompleksisia ja äärellisulotteisia. Käydään ensin lyhyesti läpi määritelmiä ja perustuloksia. Merkitään L(V, W ) :llä
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
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
LisätiedotRatkaisuehdotukset LH 7 / vko 47
MS-C34 Lineaarialgebra, II/7 Ratkaisuehdotukset LH 7 / vko 47 Tehtävä : Olkoot M R symmetrinen ja positiividefiniitti matriisi (i) Näytä, että m > ja m > (ii) Etsi Eliminaatiomatriisi E R siten, että [
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
Lisätiedota b 1 c b n c n
Algebra Syksy 2007 Harjoitukset 1. Olkoon a Z. Totea, että aina a 0, 1 a, a a ja a a. 2. Olkoot a, b, c, d Z. Todista implikaatiot: a) a b ja c d ac bd, b) a b ja b c a c. 3. Olkoon a b i kaikilla i =
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
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
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
LisätiedotKantavektorien kuvavektorit määräävät lineaarikuvauksen
Kantavektorien kuvavektorit määräävät lineaarikuvauksen Lause 18 Oletetaan, että V ja W ovat vektoriavaruuksia. Oletetaan lisäksi, että ( v 1,..., v n ) on avaruuden V kanta ja w 1,..., w n W. Tällöin
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
Lisätiedotx = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );
LINEAARIALGEBRA Harjoituksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla
LisätiedotKuvaus. Määritelmä. LM2, Kesä /160
Kuvaus Määritelmä Oletetaan, että X ja Y ovat joukkoja. Kuvaus eli funktio joukosta X joukkoon Y on sääntö, joka liittää jokaiseen joukon X alkioon täsmälleen yhden alkion, joka kuuluu joukkoon Y. Merkintä
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 17 R. Kangaslampi Vektoriavaruudet Vektoriavaruus
LisätiedotMS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47
MS-A3/A5 Matriisilaskenta Malliratkaisut 4 / vko 47 Tehtävä 1 (L): Oletetaan, että AB = AC, kun B ja C ovat m n-matriiseja. a) Näytä, että jos A on kääntyvä, niin B = C. b) Seuraako yhtälöstä AB = AC yhtälö
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.
LisätiedotMatriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo
Matriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo Antti Rasila 2016 Vektoriavaruuden kannan olemassaolo Jos {v 1, v 2,..., v k } on äärellisulotteisen vektoriavaruuden V lineaarisesti riippumaton
LisätiedotKertausta: avaruuden R n vektoreiden pistetulo
Kertausta: avaruuden R n vektoreiden pistetulo Määritelmä Vektoreiden v R n ja w R n pistetulo on v w = v 1 w 1 + v 2 w 2 + + v n w n. Huom. Pistetulo v w on reaaliluku! LM2, Kesä 2012 227/310 Kertausta:
Lisätiedot802320A LINEAARIALGEBRA OSA II
802320A LINEAARIALGEBRA OSA II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 64 Sisätuloavaruus Määritelmä 1 Olkoon V reaalinen vektoriavaruus. Kuvaus on reaalinen
Lisätiedot1 Sisätulo- ja normiavaruudet
1 Sisätulo- ja normiavaruudet 1.1 Sisätuloavaruus Määritelmä 1. Olkoon V reaalinen vektoriavaruus. Kuvaus : V V R on reaalinen sisätulo eli pistetulo, jos (a) v w = w v (symmetrisyys); (b) v + u w = v
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 =
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.
LisätiedotRatkaisuehdotukset LH 3 / alkuvko 45
Ratkaisuehdotukset LH 3 / alkuvko 45 Tehtävä : Olkoot A, B, X R n n, a, b R n ja jokin vektorinormi. Kätetään vektorinormia vastaavasta operaattorinormista samaa merkintää. Nätä, että. a + b a b, 2. A
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
LisätiedotH = : a, b C M. joten jokainen A H {0} on kääntyvä matriisi. Itse asiassa kaikki nollasta poikkeavat alkiot ovat yksiköitä, koska. a b.
10. Kunnat ja kokonaisalueet Määritelmä 10.1. Olkoon K rengas, jossa on ainakin kaksi alkiota. Jos kaikki renkaan K nollasta poikkeavat alkiot ovat yksiköitä, niin K on jakorengas. Kommutatiivinen jakorengas
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
LisätiedotHY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina klo
HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina 10.8.2015 klo 16.15. Tehtäväsarja I Tutustu lukuun 15, jossa vektoriavaruuden
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
LisätiedotMatriiseista. Emmi Koljonen
Matriiseista Emmi Koljonen 3. lokakuuta 22 Usein meillä on monta systeemiä kuvaavaa muuttujaa ja voimme kirjoittaa niiden välille riippuvaisuuksia, esim. piirin silmukoihin voidaan soveltaa silmukkavirtayhtälöitä.
LisätiedotLineaarialgebra ja matriisilaskenta I
Lineaarialgebra ja matriisilaskenta I 23.5.2013 HY / Avoin yliopisto Jokke Häsä, 1/22 Käytännön asioita Ensimmäiset tehtävät olivat sujuneet hyvin. Kansilehdet on oltava mukana tehtäviä palautettaessa,
LisätiedotKokonaislukuoptimointi
Kokonaislukuoptimointi Algebrallisen geometrian sovelluksia Sisältö Taustaa algebrallisesta geometriasta Gröbnerin kanta Buchbergerin algoritmi Kokonaislukuoptimointi Käypyysongelma Algoritmi ratkaisun
Lisätiedottään painetussa ja käsin kirjoitetussa materiaalissa usein pienillä kreikkalaisilla
2.5. YDIN-HASKELL 19 tään painetussa ja käsin kirjoitetussa materiaalissa usein pienillä kreikkalaisilla kirjaimilla. Jos Γ ja ovat tyyppilausekkeita, niin Γ on tyyppilauseke. Nuoli kirjoitetaan koneella
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
Lisätiedotx = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );
LINEAARIALGEBRA Ratkaisuluonnoksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla
LisätiedotJohdatus lineaarialgebraan
Johdatus lineaarialgebraan Osa II Lotta Oinonen, Johanna Rämö 28. lokakuuta 2014 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 15 Vektoriavaruus....................................
Lisätiedot3 Skalaari ja vektori
3 Skalaari ja vektori Määritelmä 3.1 Skalaari on suure, jolla on vain suuruus, jota mitataan jossakin mittayksikössä. Skalaaria merkitään reaaliluvulla. Esimerkki 3.2 Paino, pituus, etäisyys, pinta-ala,
Lisätiedot(1.1) Ae j = a k,j e k.
Lineaarikuvauksen determinantti ja jälki 1. Lineaarikuvauksen matriisi. Palautetaan mieleen, mikä lineaarikuvauksen matriisi annetun kannan suhteen on. Olkoot V äärellisulotteinen vektoriavaruus, n = dim
LisätiedotLineaarialgebra b, kevät 2019
Lineaarialgebra b, kevät 2019 Harjoitusta 5 Maplella with(linearalgebra): Määritellään sääntö L L := u - 3*u[2] + 2*(u[1]-4*u[2])*x - (u[1]+2*u[3])*x^2; u := Vector([u1,u2,u3]); v := Vector([v1,v2,v3]);
Lisätiedot8 KANNAT JA ORTOGONAALISUUS. 8.1 Lineaarinen riippumattomuus. Vaasan yliopiston julkaisuja 151
Vaasan yliopiston julkaisuja 151 8 KANNAT JA ORTOGONAALISUUS KantaOrthogon Sec:LinIndep 8.1 Lineaarinen riippumattomuus Lineaarinen riippumattomuus on oikeastaan jo määritelty, mutta kirjoitamme määritelmät
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 +
LisätiedotSolmu 3/2001 Solmu 3/2001. Kevään 2001 ylioppilaskirjoitusten pitkän matematiikan kokeessa oli seuraava tehtävä:
Frégier n lause Simo K. Kivelä Kevään 2001 ylioppilaskirjoitusten pitkän matematiikan kokeessa oli seuraava tehtävä: Suorakulmaisen kolmion kaikki kärjet sijaitsevat paraabelilla y = x 2 ; suoran kulman
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.
LisätiedotOrtogonaalisen kannan etsiminen
Ortogonaalisen kannan etsiminen Lause 94 (Gramin-Schmidtin menetelmä) Oletetaan, että B = ( v 1,..., v n ) on sisätuloavaruuden V kanta. Merkitään V k = span( v 1,..., v k ) ja w 1 = v 1 w 2 = v 2 v 2,
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
Lisätiedotja jäännösluokkien joukkoa
3. Polynomien jäännösluokkarenkaat Olkoon F kunta, ja olkoon m F[x]. Polynomeille f, g F [x] määritellään kongruenssi(-relaatio) asettamalla g f mod m : m g f g = f + m h jollekin h F [x]. Kongruenssi
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
LisätiedotMääritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.
1 Lineaarikuvaus 1.1 Määritelmä Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V W on lineaarinen, jos (a) L(v + w) = L(v) + L(w); (b) L(λv) = λl(v) aina, kun v, w V ja λ K. Termejä:
LisätiedotLineaariset Lien ryhmät / Ratkaisut 6 D 381 klo
JYVÄSKYLÄN YLIOPISO MAEMAIIKAN JA ILASOIEEEN LAIOS Lineaariset Lien ryhmät 27.2.2012 / t 6 D 381 klo. 16-18. 1. Matriisiryhmällä U(n) on epätriviaali normaali aliryhmä SU(n), joka on homomorfismin det
Lisätiedot110. 111. 112. 113. 114. 4. Matriisit ja vektorit. 4.1. Matriisin käsite. 4.2. Matriisialgebra. Olkoon A = , B = Laske A + B, 5 14 9, 1 3 3
4 Matriisit ja vektorit 4 Matriisin käsite 42 Matriisialgebra 0 2 2 0, B = 2 2 4 6 2 Laske A + B, 2 A + B, AB ja BA A + B = 2 4 6 5, 2 A + B = 5 9 6 5 4 9, 4 7 6 AB = 0 0 0 6 0 0 0, B 22 2 2 0 0 0 6 5
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
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
LisätiedotMatriisialgebra harjoitukset, syksy x 1 + x 2 = a 0
MATRIISIALGEBRA, s, Ratkaisuja/ MHamina & M Peltola 22 Virittääkö vektorijoukko S vektoriavaruuden V, kun a V = R 3 ja S = {(1,0, 1,(2,0,4,( 5,0,2,(0,0,1} b V = P 2 (R ja S = {t1,t 2 1,t 2 t} ( ( 1 0 c
LisätiedotTehtävä 2. Osoita, että seuraavat luvut ovat algebrallisia etsimällä jokin kokonaislukukertoiminen yhtälö jonka ne toteuttavat.
JOHDATUS LUKUTEORIAAN syksy 017) HARJOITUS 6, MALLIRATKAISUT Tehtävä 1. Etsi Pellin yhtälön x Dy = 1 pienin positiivinen ratkaisu kun D {,, 5, 6, 7, 8, 10}. Ratkaisu 1. Tehtävässä annetuilla D:n arvoilla
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.
LisätiedotGROUPS AND THEIR REPRESENTATIONS - FIFTH PILE. Olemme jo (harjoituksissa!) löytäneet Lien ryhmälle SL 2 (R) seuraavat redusoitumattomat esitykset:
GROUPS AND THEIR REPRESENTATIONS - FIFTH PILE KAREN E. SMITH 32. Ryhmän SL 2 (R) esitykset Example 32.1. Palautamme mieleen, että { x y SL 2 (R) = A = det A = xw yz = 1} ja z w { a b sl 2 (R) = A = Tr
Lisätiedot815338A Ohjelmointikielten periaatteet Harjoitus 6 Vastaukset
815338A Ohjelmointikielten periaatteet 2015-2016. Harjoitus 6 Vastaukset Harjoituksen aiheena on funktionaalinen ohjelmointi Scheme- ja Haskell-kielillä. Voit suorittaa ohjelmat osoitteessa https://ideone.com/
LisätiedotJohdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten. Ratkaisuehdotelma
Johdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten Ratkaisuehdotelma Tehtävä 1 1. Etsi lukujen 4655 ja 12075 suurin yhteinen tekijä ja lausu se kyseisten lukujen lineaarikombinaationa ilman laskimen
LisätiedotBijektio. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin jokaiselle alkiolle kuvautuu tasan yksi lähdön alkio.
Määritelmä Bijektio Oletetaan, että f : X Y on kuvaus. Sanotaan, että kuvaus f on bijektio, jos se on sekä injektio että surjektio. Huom. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin
Lisätiedot9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista
29 9 Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista Tarkastelemme kertalukua n olevia lineaarisia differentiaaliyhtälöitä y ( x) + a ( x) y ( x) + + a ( x) y( x) + a ( x) y= b( x) ( n) ( n
LisätiedotOnko kuvaukset injektioita? Ovatko ne surjektioita? Bijektioita?
Matematiikkaa kaikille, kesä 2017 Avoin yliopisto Luentojen 2,4 ja 6 tehtäviä Päivittyy kurssin aikana 1. Olkoon A = {0, 1, 2}, B = {1, 2, 3} ja C = {2, 3, 4}. Luettele joukkojen A B, A B, A B ja (A B)
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
LisätiedotOminaisvektoreiden lineaarinen riippumattomuus
Ominaisvektoreiden lineaarinen riippumattomuus Lause 17 Oletetaan, että A on n n -matriisi. Oletetaan, että λ 1,..., λ m ovat matriisin A eri ominaisarvoja, ja oletetaan, että v 1,..., v m ovat jotkin
LisätiedotYleiset lineaarimuunnokset
TAMPEREEN YLIOPISTO Pro gradu -tutkielma Kari Tuominen Yleiset lineaarimuunnokset Matematiikan ja tilastotieteen laitos Matematiikka Toukokuu 29 Tampereen yliopisto Matematiikan ja tilastotieteen laitos
Lisätiedot3x + y + 2z = 5 e) 2x + 3y 2z = 3 x 2y + 4z = 1. x + y 2z + u + 3v = 1 b) 2x y + 2z + 2u + 6v = 2 3x + 2y 4z 3u 9v = 3. { 2x y = k 4x + 2y = h
HARJOITUSTEHTÄVIÄ 1. Anna seuraavien yhtälöryhmien kerroinmatriisit ja täydennetyt kerroinmatriisit sekä ratkaise yhtälöryhmät Gaussin eliminointimenetelmällä. { 2x + y = 11 2x y = 5 2x y + z = 2 a) b)
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 +
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
LisätiedotSuorista ja tasoista LaMa 1 syksyllä 2009
Viidennen viikon luennot Suorista ja tasoista LaMa 1 syksyllä 2009 Perustuu kirjan Poole: Linear Algebra lukuihin I.3 - I.4 Esko Turunen esko.turunen@tut.fi Aluksi hiukan 2 ja 3 ulotteisen reaaliavaruuden
Lisätiedoty z = (x, y) Kuva 1: Euklidinen taso R 2
Kompleksiluvut. Määritelmä Tarkastellaan euklidista tasoa R = {(, y), y R}. y y z = (, y) R Kuva : Euklidinen taso R Suorakulmaisessa koordinaatistossa on -akseli ja y-akseli. Luvut ja y ovat pisteen z
LisätiedotJohdatus matemaattiseen päättelyyn
Johdatus matemaattiseen päättelyyn Maarit Järvenpää Oulun yliopisto Matemaattisten tieteiden laitos Syyslukukausi 2015 1 Merkintöjä 2 Todistamisesta 2 3 Joukko-oppia Tässä luvussa tarkastellaan joukko-opin
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
LisätiedotLineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi
Lineaarikuvaukset aiheita ten ten 1 Matematiikassa sana lineaarinen liitetään kahden lineaariavaruuden väliseen kuvaukseen. ten Määritelmä Olkoon (L, +, ) ja (M, ˆ+, ˆ ) reaalisia lineaariavaruuksia, ja
Lisätiedot