MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Save this PDF as:
 WORD  PNG  TXT  JPG

Koko: px
Aloita esitys sivulta:

Download "MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt"

Transkriptio

1 MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Differentiaaliyhtälöt. osa 2 Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto / 1 R. Kangaslampi Matriisihajotelmista

2 Tarkastellaan lähemmin homogeenista vakiokertoimista yhtälöä x (t) = A x(t), missä A R n n. Olkoon λ A :n ominaisarvo ja v 0 vastaava ominaisvektori. Etsitään DY:lle ratkaisua muodossa x(t) = η(t)v, missä η on skalaarifunktio. Sijoittamalla yhtälöön saadaan η (t)v = A ( η(t)v ) = η(t)av = λη(t)v. Toisin sanoen yhtälö toteutuu, jos η on differentiaaliyhtälön η (t) = λη(t) ratkaisu. Tämä tunnetaan: η(t) = ce λt, missä c on mielivaltainen vakio. 2 / 1 R. Kangaslampi Matriisihajotelmista

3 Saatiin: Av = λv = c e λt v on DY:n ratkaisu. Olkoon A :lla ominaisarvot λ 1, λ 2,..., λ k ja ominaisvektorit v 1, v 2,..., v k. Tällöin funktiot c 1 e λ1t v 1,..., c k e λkt v k ovat yhtälön x (t) = A x(t) ratkaisuja, joten edellisen lauseen mukaan myös x(t) = c 1 e λ1t v 1 + c 2 e λ2t v c k e λkt v k on yhtälön ratkaisu. 3 / 1 R. Kangaslampi Matriisihajotelmista

4 Jos nyt k = n ja jos vektorit v 1, v 2,..., v n ovat lineaarisesti riippumattomat, niin alkuehdosta x(0) = x 0 saadaan yhtälö: c 1 v c n v n = x 0 eli c = V 1 x 0, missä c = (c 1,..., c n ), V = [ v 1 v 2... v n]. Näin saadaan ratkaisulle esitys [ ] e x(t) = V λ 1 t... V 1 x 0. e λnt Ominaisvektoreiden avulla esitetyn ratkaisun etuna on se, että siitä nähdään ratkaisun kulkusuunta, kun t. 4 / 1 R. Kangaslampi Matriisihajotelmista

5 Esimerkki 1 Differentiaaliyhtälölle x (t) = [ ] x(t), x(0) = [ ] 1 [ ] 1 saatiin aiemmin ratkaisu x(t) = e ta x(0) = 2e t e 2t. Koska matriisin A e 2t ominaisarvot ovat 1 ja 2 ja niitä vastaavat ominaisvektorit v 1 = [ 1 0 ] ja v 2 = [ 1 1 ], ratkaisu voidaan kirjoittaa myös muodossa x(t) = c 1 e t v 1 + c 2 e 2t v 2. Kertoimet c i määräytyvät alkuehdosta, mutta jo ilman alkuehtoa nähdään, että x(t), kun t, koska molemmat ominaisarvot ovat positiivisia. Ratkaisukäyrät karkaavat nopeammin v 2 :n suuntaan, koska sitä vastaa suurempi ominaisarvo. 5 / 1 R. Kangaslampi Matriisihajotelmista

6 Esimerkki 2 (Lähde) Tarkastellaan edellistä tehtävää x (t) = [ ] x(t), x(0) = [ 1 alkuarvolla x(0) = (a 1, a 2 ) T. Edellä saatiin [ ] [ ] [ ] [ e t A = V e Λt V e t e t e = e 2t = 2t e t ] e 2t 1 ]. Alkuarvotehtävän x = Ax, x(0) = (a 1, a 2 ) T ratkaisu on siten [ e t e x(t) = 2t e t ] [ ] [ a1 e 0 e 2t = t (a 1 a 2 ) + e 2t ] a 2 a 2 e 2t. a 2 = (a 1 a 2 )e t v 1 + a 2 e 2t v 2 A :n ominaisarvot ovat positiiviset, joten kaikki ratkaisut kulkevat origosta poispäin. Tätä kutsutaan lähteeksi. 6 / 1 R. Kangaslampi Matriisihajotelmista

7 Edellisen esimerkin ratkaisukäyriä eri alkuarvoilla. Huomaa pakeneminen ominaisvektorisuunnissa. x x / 1 R. Kangaslampi Matriisihajotelmista

8 Esimerkki 3 (Nielu) Matriisilla A = [ ] on ominaisarvot λ1 = 3 ja λ 2 = 1 ja ominaisvektorit v 1 = ( 1, 1 ), v 2 = ( 1, 1 ). Kuten edellisessä esimerkissä saamme e t A = [ ] [ ] [ ] 1 1 e 3t 0 1/2 1/2 1 1 = 1 0 e t 1/2 1/2 2 [ e t + e 3t e t + e 3t ] e t + e 3t ja alkuarvotehtävälle x = Ax, x(0) = (a 1, a 2 ) T ratkaisun [ x(t) = 1 e t (a 1 a 2 ) + e 3t ] (a 1 + a 2 ) 2 e t (a 1 a 2 ) + e 3t. (a 1 + a 2 ) Tällä systeemillä ominaisarvot ovat negatiiviset, joten kaikki ratkaisut kulkevat origoon päin. Tätä kutsutaan nieluksi. e t + e 3t 8 / 1 R. Kangaslampi Matriisihajotelmista

9 Edellisen esimerkin ratkaisukäyriä. Ominaisvektorisuunnissa liikutaan suoraan kohti origoa. x x / 1 R. Kangaslampi Matriisihajotelmista

10 Esimerkki 4 (Satula) Matriisilla A = [ ] on erimerkkiset ominaisarvot λ1 = 2 ja λ 2 = 3 ja ominaisvektorit v 1 = ( 1, 4 ), v 2 = ( 1, 1 ). Kuten edellä, saamme [ e 2t + 4e 3t e 2t e 3t ] e t A = 1 5 4e 2t 4e 3t 4e 2t + e 3t ja alkuehto x(0) = (a 1, a 2 ) T, antaa ratkaisun [ x(t) = 1 e 2t (a 1 + a 2 ) + e 3t ] (4a 1 a 2 ) 5 e 2t (4a 1 + 4a 2 ) + e 3t. ( 4a 1 + a 2 ) Tällä systeemillä ratkaisut kulkevat origoon päin v 1 :n suuntaista suoraa pitkin ja etääntyvät asymptoottisesti v 2 :n suuntaan. 10 / 1 R. Kangaslampi Matriisihajotelmista

11 Edellisen esimerkin ratkaisukäyriä. Toisen om.vektorin suunnassa paetaan, toisen lähestytään origoa. x x / 1 R. Kangaslampi Matriisihajotelmista

12 Kompleksiset ominaisarvoparit Reaalisella matriisilla A saattaa olla kompleksisia ominaisarvoja. Ne esiintyvät liittolukupareina α ± iβ. Jos w = u + i v on ominaisarvoa λ = α + iβ vastaava ominaisvektori, niin Aw = λw, joten w = u i v vastaa ominaisarvoa λ = α iβ. Tehtävän x = Ax eräs ratkaisu on x(t) = d 1 e λt w + d 2 e λt w. 12 / 1 R. Kangaslampi Matriisihajotelmista

13 Yleensä halutaan kuitenkin reaalinen ratkaisu. Yhtälön A(u + iv) = (α + iβ)(u + iv) reaali ja imaginaariosista saadaan Au = αu βv Av = βu + αv [ ] α β eli A [u v] = [u v]. β α Tällöin ratkaisu voidaan kirjoittaa reaalisessa muodossa x(t) = d 1 e λt w + d 2 e λt w =... [ ] = e αt cos(βt) sin(βt) [u v] c sin(βt) cos(βt) jollain (alkuehdosta määräytyvällä) vakiovektorilla c. 13 / 1 R. Kangaslampi Matriisihajotelmista

14 Ratkaisusta [ ] x(t) = e αt cos(βt) sin(βt) [u v] c sin(βt) cos(βt) nähdään, että jos kompleksiset ominaisarvot α ± βi ovatkin aidosti imaginaariset, eli α = 0, niin ratkaisu jää kiertämään kehää origon ympärille. Jos taas reaaliosat ovat positiiviset, ratkaisut etääntyvät origosta. Vastaavasti ominaisarvojen reaaliosien ollessa negatiiviset, ratkaisukäyrät lähestyvät origoa. 14 / 1 R. Kangaslampi Matriisihajotelmista

15 Esimerkki 5 (Epästabiili fokus) [ ] 9 8 Matriisilla A = on kompleksinen ominaisarvopari 16 7 λ 1,2 = 1 ± 8i. Kompleksisten ominaisvektorien reaali- ja imaginaariosista muodostetut vektorit ovat u = [ 1 0 ] ja v = [ ] 1 2 ja yhtälön x (t) = Ax(t) ratkaisu on siis yleisesti [ ] [ ] x(t) = e t 1 1 cos(8t) sin(8t) c. 1 2 sin(8t) cos(8t) Alkuarvon x(0) = (a 1, a 2 ) T toteuttavaksi ratkaisuksi saadaan [ ] x(t) = e t a1 cos(8t) + (a 1 a 2 ) sin(8t). a 2 cos(8t) + (2a 1 a 2 ) sin(8t) Ratkaisut kulkevat spiraalimaisesti origosta poispäin. 15 / 1 R. Kangaslampi Matriisihajotelmista

16 Edellisen esimerkin ratkaisukäyrät kahdesta eri alkuarvosta lähtien. Systeemiä kutsutaan epästabiiliksi fokukseksi. A :n ominaisarvojen reaaliosat ovat positiiviset. x x / 1 R. Kangaslampi Matriisihajotelmista

17 Esimerkki 6 (Stabiili fokus) [ ] 3 2 Matriisilla A = on kompleksinen ominaisarvopari 1 1 λ 1,2 = 2 ± i ja ja vektorit u = [ 1 1 ] ja v = [ 1 0 ]. Alkuarvotehtävän x (t) = Ax(t), x(0) = (a 1, a 2 ) T, ratkaisu voidaan kirjoittaa muodossa [ ] x(t) = e 2t a1 cos t + ( a 1 + 2a 2 ) sin t. a 2 cos t + ( a 1 + a 2 ) sin t Tällä systeemillä ratkaisut kulkevat spiraalimaisesti origoon päin. Systeemiä kutsutaan stabiiliksi fokukseksi. Nyt A :n ominaisarvojen reaaliosat ovat negatiiviset. 17 / 1 R. Kangaslampi Matriisihajotelmista

18 Edellisen esimerkin ratkaisukäyriä 11 eri alkuarvosta lähtien. Ratkaisut kulkevat spiraalimaisesti origoon päin. 1 x x / 1 R. Kangaslampi Matriisihajotelmista

19 Huomaa, että tällä systeemillä Imλ / Reλ = 1/2 on paljon pienempi kuin edellisessä esimerkissä epästabiilille fokukselle, missä vastaava suhde oli 8. Tästä johtuen ratkaisut kiertävät vähemmän. Kerrataan sitten erilaiset tyyppitapaukset mahdollisimman yksinkertaisille matriiseille: 19 / 1 R. Kangaslampi Matriisihajotelmista

20 Tyyppitapauksia yhtälöstä x = Ax avaruudessa R 2 : Nimi A x(t) Λ(A) Kuva Lähde [ ] e t x(0) {1, 1} Nielu [ ] e t x(0) { 1, 1} 20 / 1 R. Kangaslampi Matriisihajotelmista

21 Nimi A x(t) Λ(A) Kuva Satula [ ] [ e t 0 0 e t ] x(0) { 1, 1} Degener.lähde [ ] [ e t te t 0 e t ] x(0) {1, 1} 21 / 1 R. Kangaslampi Matriisihajotelmista

22 Nimi A x(t) Λ(A) Keskus [ 0 1 ] [ ] cos(t) sin(t) 1 0 x(0) { i, i} sin(t) cos(t) Epästab. fokus Stabiili fokus [ 1 1 ] 1 1 [ 1 1 ] 1 1 sin(t) sin(t) cos(t) e t [ cos(t) sin(t) sin(t) cos(t) e t [ cos(t) ] x(0) {1 ± i} ] x(0) { 1 ± i} 22 / 1 R. Kangaslampi Matriisihajotelmista

23 Keskus Epästab. fokus Stabiili fokus 23 / 1 R. Kangaslampi Matriisihajotelmista

24 Ratkaisujen luonne määräytyy siis A :n ominaisarvoista. Erityisesti: Reaaliset ominaisarvot: Ovatko positiiviset, negatiiviset vai erimerkkiset? Onko ei-triviaaleja Jordan lohkoja? Kompleksiset ominaisarvot: Onko reaaliosa positiivinen, negatiivinen vai nolla? 24 / 1 R. Kangaslampi Matriisihajotelmista

25 Tarkemmin: Tarkastellaan yleistä 2 2 matriisia A. Tämän ominaisarvot saadaan yhtälöstä λ 2 (a 11 +a 22 )λ+a 11 a 22 a 12 a 21 = 0 eli λ 2 tr(a)λ+det(a) = 0, missä tr(a) = a 11 + a 22 on A :n jälki (trace) = A :n lävistäjäalkioiden summa = A :n ominaisarvojen summa ja det(a) = a 11 a 22 a 12 a 21 on A :n determinantti = A :n ominaisarvojen tulo. 25 / 1 R. Kangaslampi Matriisihajotelmista

26 Ominaisarvot ovat siis λ 1,2 = 1 2 tr(a) ± 1 4 tr(a)2 det(a). Ominaisarvot ovat kompleksiset, kun diskriminantti D = 1 4 tr(a)2 det(a) on negatiivinen, muuten reaaliset. Ominaisarvo on kaksinkertainen, kun D = 0. Matriisin determinantin ja jäljen avulla voidaan siis luokitella yhtälön x (t) = Ax(t) ratkaisuiden käytöstä. Seuraava kuva pyrkii selittämään näiden yhteyksiä. Stabiili tarkoittaa tässä, että ratkaisut eivät pakene origosta. 26 / 1 R. Kangaslampi Matriisihajotelmista

27 Ratkaisuiden luonne determinantin ja jäljen avulla: det(a) D=0 stabiili fokus epastabiili fokus D<0 nielu stabiili epastabiili lahde tr(a) D>0 satula 27 / 1 R. Kangaslampi Matriisihajotelmista

28 Otetaan vielä yksi esimerkki, tällä kertaa avaruudessa R 3. Esimerkki 7 Tutki differentiaaliyhtälön x (t) = Ax(t) ratkaisuiden käyttäytymistä, kun A = / 1 R. Kangaslampi Matriisihajotelmista

29 Ratkaisu: Matriisilla A on kompleksinen ominaisarvopari λ 1,2 = 6 ± 180i, joita vastaavia kompleksisia ominaisvektoreita kuvaavat reaaliset vektorit u = ( 1, 1, 1) ja v = (1, 1, 0), sekä yksi reaalinen ominaisarvo λ 3 = 3 ja vastaava ominaisvektori w = (0, 1, 4). Voidaan siis arvata, että ratkaisut lähestyvät origoa w:n suunnassa ja pyörivät u:n ja v:n määräämän ominaistason suunnassa. Yhtälö voidaa ratkaista esim. tekemällä A:lle Jordan-hajotelma ja laskemalla e At sen avulla. Alkuarvolla x(0) = (a 1, a 2 ) tehtävän ratkaisuksi x(t) = e At x(0) saadaan x(t) = [ a 1 e 6t ( cos(180t) sin(180t))+a 2 e 6t (cos(180t) sin(180t)) a 1 e 6t (cos(180t) sin(180t))+a 2 e 6t (cos(180t)+sin(180t)) a 3 e 3t e 6t (a 1 cos(180t)+a 2 sin(180t))+4a 3 e 3t ]. 29 / 1 R. Kangaslampi Matriisihajotelmista

30 Ratkaisut käyttäytyvätkin spiraalin tavoin: 30 / 1 R. Kangaslampi Matriisihajotelmista

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Differentiaaliyhtälöt, osa 1 Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto DY-teoriaa DY-teoriaa Käsitellään seuraavaksi

Lisätiedot

17. Differentiaaliyhtälösysteemien laadullista teoriaa.

17. Differentiaaliyhtälösysteemien laadullista teoriaa. 99 17. Differentiaaliyhtälösysteemien laadullista teoriaa. Differentiaaliyhtälön x'(t) = f(x(t),t), x(t) n määrittelemän systeemin sanotaan olevan autonominen, jos oikea puoli ei eksplisiittisesti riipu

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Differentiaaliyhtälöt, osa 1 Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 20 R. Kangaslampi Matriisihajotelmista

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Differentiaaliyhtälöt, osa 3 Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 28 R. Kangaslampi Matriisihajotelmista

Lisätiedot

Vakiokertoiminen lineaarinen normaaliryhmä

Vakiokertoiminen lineaarinen normaaliryhmä 1 MAT-1345 LAAJA MATEMATIIKKA 5 Tampereen teknillinen yliopisto Risto Silvennoinen Kevät 29 Vakiokertoiminen lineaarinen normaaliryhmä Todetaan ensin ilman todistuksia (tulos on syvällinen) ratkaisujen

Lisätiedot

6. Differentiaaliyhtälösysteemien laadullista teoriaa.

6. Differentiaaliyhtälösysteemien laadullista teoriaa. 1 MAT-13450 LAAJA MATEMATIIKKA 5 Tampereen teknillinen yliopisto Risto Silvennoinen Kevät 2010 6. Differentiaaliyhtälösysteemien laadullista teoriaa. Olemme keskittyneet tässä kurssissa ensimmäisen kertaluvun

Lisätiedot

MS-A0004/A0006 Matriisilaskenta

MS-A0004/A0006 Matriisilaskenta 4. MS-A4/A6 Matriisilaskenta 4. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto..25 Tarkastellaan neliömatriiseja. Kun matriisilla kerrotaan vektoria, vektorin

Lisätiedot

Differentiaaliyhtälöt II, kevät 2017 Harjoitus 5

Differentiaaliyhtälöt II, kevät 2017 Harjoitus 5 Differentiaaliyhtälöt II, kevät 27 Harjoitus 5 Heikki Korpela 26. huhtikuuta 27 Tehtävä 2. Määrää seuraavan autonomisen systeemin kriittiset pisteet, ratakäyrät ja luonnostele systeemin aikakehitys: (t)

Lisätiedot

Matriisin eksponenttifunktio ja differentiaaliyhtälöryhmät

Matriisin eksponenttifunktio ja differentiaaliyhtälöryhmät Matriisin eksponenttifunktio ja differentiaaliyhtälöryhmät Petra Maaskola Matematiikan pro gradu Jyväskylän yliopisto Matematiikan ja tilastotieteen laitos Kevät 203 Tiivistelmä: Petra Maaskola, Matriisin

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

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

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

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

Ominaisarvo-hajoitelma ja diagonalisointi

Ominaisarvo-hajoitelma ja diagonalisointi Ominaisarvo-hajoitelma ja a 1 Lause 1: Jos reaalisella n n matriisilla A on n eri suurta reaalista ominaisarvoa λ 1,λ 2,...,λ n, λ i λ j, kun i j, niin vastaavat ominaisvektorit x 1, x 2,..., x n muodostavat

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisihajotelmat: Schur ja Jordan Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 18 R. Kangaslampi Matriisihajotelmat:

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Ominaisarvoteoriaa Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 22 R. Kangaslampi matriisiteoriaa Kertaus: ominaisarvot

Lisätiedot

Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit

Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit Antti Rasila 2016 Ominaisarvot ja ominaisvektorit 1/5 Määritelmä Skalaari λ C on matriisin A C n n ominaisarvo ja vektori v C n sitä

Lisätiedot

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Ominaisarvoteoriaa Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Ominaisarvot Kertaus: ominaisarvot Määritelmä

Lisätiedot

5 OMINAISARVOT JA OMINAISVEKTORIT

5 OMINAISARVOT JA OMINAISVEKTORIT 5 OMINAISARVOT JA OMINAISVEKTORIT Ominaisarvo-ongelma Käsitellään neliömatriiseja: olkoon A n n-matriisi. Luku on matriisin A ominaisarvo (eigenvalue), jos on olemassa vektori x siten, että Ax = x () Yhtälön

Lisätiedot

5 Differentiaaliyhtälöryhmät

5 Differentiaaliyhtälöryhmät 5 Differentiaaliyhtälöryhmät 5.1 Taustaa ja teoriaa Differentiaaliyhtälöryhmiä tarvitaan useissa sovelluksissa. Toinen motivaatio yhtälöryhmien käytölle: Korkeamman asteen differentiaaliyhtälöt y (n) =

Lisätiedot

5 DIFFERENTIAALIYHTÄLÖRYHMÄT

5 DIFFERENTIAALIYHTÄLÖRYHMÄT 5 DIFFERENTIAALIYHTÄLÖRYHMÄT 5. Ensimmäisen kl:n DY-ryhmät Differentiaaliyhtälöryhmiä tarvitaan useissa sovelluksissa. Useimmat voidaan mallintaa ensimmäisen kertaluvun DY-ryhmien avulla. Ensimmäisen kl:n

Lisätiedot

Differentiaaliyhtälösysteemit sekä niiden tasapainopisteiden stabiilisuus

Differentiaaliyhtälösysteemit sekä niiden tasapainopisteiden stabiilisuus TAMPEREEN YLIOPISTO Luonnontieteiden Pro gradu -tutkielma Ilkka Niemi-Nikkola Differentiaaliyhtälösysteemit sekä niiden tasapainopisteiden stabiilisuus Luonnontieteiden tiedekunta Matematiikka Tammikuu

Lisätiedot

Harjoitus Tarkastellaan luentojen Esimerkin mukaista työttömyysmallinnusta. Merkitään. p(t) = hintaindeksi, π(t) = odotettu inflaatio,

Harjoitus Tarkastellaan luentojen Esimerkin mukaista työttömyysmallinnusta. Merkitään. p(t) = hintaindeksi, π(t) = odotettu inflaatio, Differentiaaliyhtälöt, Kesä 06 Harjoitus 3 Kaikissa tehtävissä, joissa pitää tarkastella kriittisten pisteiden stabiliteettia, jos kyseessä on satulapiste, ilmoita myös satulauraratkaisun (tai kriittisessä

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

y (0) = 0 y h (x) = C 1 e 2x +C 2 e x e10x e 3 e8x dx + e x 1 3 e9x dx = e 2x 1 3 e8x 1 8 = 1 24 e10x 1 27 e10x = e 10x e10x

y (0) = 0 y h (x) = C 1 e 2x +C 2 e x e10x e 3 e8x dx + e x 1 3 e9x dx = e 2x 1 3 e8x 1 8 = 1 24 e10x 1 27 e10x = e 10x e10x BM0A5830 Differentiaaliyhtälöiden peruskurssi Harjoitus 4, Kevät 017 Päivityksiä: 1. Ratkaise differentiaaliyhtälöt 3y + 4y = 0 ja 3y + 4y = e x.. Ratkaise DY (a) 3y 9y + 6y = e 10x (b) Mikä on edellisen

Lisätiedot

1 Di erentiaaliyhtälöt

1 Di erentiaaliyhtälöt Taloustieteen mat.menetelmät syksy 2017 materiaali II-5 1 Di erentiaaliyhtälöt 1.1 Skalaariyhtälöt Määritelmä: ensimmäisen kertaluvun di erentiaaliyhtälö on muotoa _y = F (y; t) oleva yhtälö, missä _y

Lisätiedot

MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42

MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42 MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42 Tehtävät 1-4 lasketaan alkuviikon harjoituksissa ryhmissä, ja ryhmien ratkaisut esitetään harjoitustilaisuudessa (merkitty kirjaimella L = Lasketaan).

Lisätiedot

13. Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä

13. Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä 187 13. Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä Yksi tavallisimmista luonnontieteissä ja tekniikassa esiintyvistä matemaattisista malleista on differentiaaliyhtälö. Se on yleisessä muodossaan

Lisätiedot

10. Toisen kertaluvun lineaariset differentiaaliyhtälöt

10. Toisen kertaluvun lineaariset differentiaaliyhtälöt 37. Toisen kertaluvun lineaariset differentiaalihtälöt Tarkastelemme muotoa () ( x) + a( x) ( x) + a( x) ( x) = b( x) olevia htälöitä, missä kerroinfunktiot ja oikea puoli ovat välillä I jatkuvia. Edellisen

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

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhtälöryhmä 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 =

Lisätiedot

13. Ratkaisu. Kirjoitetaan tehtävän DY hieman eri muodossa: = 1 + y x + ( y ) 2 (y )

13. Ratkaisu. Kirjoitetaan tehtävän DY hieman eri muodossa: = 1 + y x + ( y ) 2 (y ) MATEMATIIKAN JA TILASTOTIETEEN LAITOS Differentiaaliyhtälöt, kesä 00 Tehtävät 3-8 / Ratkaisuehdotuksia (RT).6.00 3. Ratkaisu. Kirjoitetaan tehtävän DY hieman eri muodossa: y = + y + y = + y + ( y ) (y

Lisätiedot

6. Toisen ja korkeamman kertaluvun lineaariset

6. Toisen ja korkeamman kertaluvun lineaariset SARJAT JA DIFFERENTIAALIYHTÄLÖT 2003 51 6. Toisen ja korkeamman kertaluvun lineaariset differentiaaliyhtälöt Määritelmä 6.1. Olkoon I R avoin väli. Olkoot p i : I R, i = 0, 1, 2,..., n, ja q : I R jatkuvia

Lisätiedot

3 Toisen kertaluvun lineaariset differentiaaliyhtälöt

3 Toisen kertaluvun lineaariset differentiaaliyhtälöt 3 Toisen kertaluvun lineaariset differentiaaliyhtälöt 3.1 Homogeeniset lineaariset differentiaaliyhtälöt Toisen kertaluvun differentiaaliyhtälö on lineaarinen, jos se voidaan kirjoittaa muotoon Jos r(x)

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

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

2. kl:n DY:t. Lause. Yleisesti yhtälöllä ẍ = f(ẋ, x, t) on (sopivin oletuksin) aina olemassa 1-käs. ratkaisu. (ẋ dx/dt, ẍ d 2 x/dt 2.

2. kl:n DY:t. Lause. Yleisesti yhtälöllä ẍ = f(ẋ, x, t) on (sopivin oletuksin) aina olemassa 1-käs. ratkaisu. (ẋ dx/dt, ẍ d 2 x/dt 2. 2. kl:n DY:t Yleisesti yhtälöllä ẍ = f(ẋ, x, t) on (sopivin oletuksin) aina olemassa 1-käs. ratkaisu. (ẋ dx/dt, ẍ d 2 x/dt 2.) Lause Olkoon f(x 2, x 1, t) funktio, ja oletetaan, että f, f/ x 1 ja f/ x

Lisätiedot

Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä

Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä 1 MAT-1345 LAAJA MATEMATIIKKA 5 Tampereen teknillinen yliopisto Risto Silvennoinen Kevät 9 Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä Yksi tavallisimmista luonnontieteissä ja tekniikassa

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

Matemaattinen Analyysi

Matemaattinen Analyysi Vaasan yliopisto, 009-010 / ORMS1010 Matemaattinen Analyysi 8. harjoitus 1. Ratkaise y + y + y = x. Kommentti: Yleinen työlista ratkaistaessa lineaarista, vakiokertoimista toisen kertaluvun differentiaaliyhtälöä

Lisätiedot

Lineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / Ratkaisut

Lineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / Ratkaisut MS-C34 Lineaarialgebra ja differentiaaliyhtälöt, IV/26 Lineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / t Alkuviikon tuntitehtävä Hahmottele matriisia A ( 2 6 3 vastaava vektorikenttä Matriisia A

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

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos

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

Matematiikka B3 - Avoin yliopisto

Matematiikka B3 - Avoin yliopisto 2. heinäkuuta 2009 Opetusjärjestelyt Luennot 9:15-11:30 Harjoitukset 12:30-15:00 Tentti Lisäharjoitustehtävä Kurssin sisältö (1/2) 1. asteen Differentiaali yhtälöt (1.DY) Separoituva Ratkaisukaava Bernoyulli

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

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisinormi, häiriöalttius Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Matriisinormi Matriisinormi Matriiseille

Lisätiedot

4. Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä

4. Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä 1 Laaja matematiikka 5 Kevät 010 4. Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä Yksi tavallisimmista luonnontieteissä ja tekniikassa esiintyvistä matemaattisista malleista on differentiaaliyhtälö.

Lisätiedot

1 Avaruuksien ja lineaarikuvausten suora summa

1 Avaruuksien ja lineaarikuvausten suora summa MAT-33500 Differentiaaliyhtälöt, kevät 2006 Luennot 27.-28.2.2006 Samuli Siltanen 1 Avaruuksien ja lineaarikuvausten suora summa Tämä asialöytyy myös Hirschin ja Smalen kirjasta, luku 3, pykälä 1F. Olkoon

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C340 Lineaarialgebra ja differentiaaliyhtälöt Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 205 / 3 R. Kangaslampi Matriisihajotelmista Differentiaaliyhtälöitä ratkaistaessa

Lisätiedot

4 Korkeamman kertaluvun differentiaaliyhtälöt

4 Korkeamman kertaluvun differentiaaliyhtälöt Differentiaaliyhtälöt c Pekka Alestalo 2015 Tässä monisteessa käydään läpi tavallisiin differentiaaliyhtälöihin liittyviä peruskäsitteitä ja ratkaisuperiaatteita. Luennolla lasketaan esimerkkitehtäviä

Lisätiedot

2v 1 = v 2, 2v 1 + 3v 2 = 4v 2.. Vastaavasti ominaisarvoa λ 2 = 4 vastaavat ominaisvektorit toteuttavat. v 2 =

2v 1 = v 2, 2v 1 + 3v 2 = 4v 2.. Vastaavasti ominaisarvoa λ 2 = 4 vastaavat ominaisvektorit toteuttavat. v 2 = TKK, Matematiikan laitos Pikkarainen/Tikanmäki Mat-1.1320 Matematiikan peruskurssi K2 Harjoitus 12, A=alku-, L=loppuviikko, T= taulutehtävä, P= palautettava tehtävä, W= verkkotehtävä 21. 25.4.2008, viikko

Lisätiedot

x = 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 );

x = 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

Lisätiedot

4 Korkeamman kertaluvun lineaariset differentiaaliyhtälöt

4 Korkeamman kertaluvun lineaariset differentiaaliyhtälöt 4 Korkeamman kertaluvun lineaariset differentiaaliyhtälöt 4.1 Homogeeniset lineaariset differentiaaliyhtälöt Homogeeninen yhtälö on muotoa F(x, y,, y (n) ) = 0. (1) Yhtälö on lineaarinen, jos se voidaan

Lisätiedot

x = 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 );

x = 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

Lisätiedot

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016 Antti Rasila

Lisätiedot

Lineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi

Lineaarikuvausten. 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

1.1 Vektorit. MS-A0004/A0006 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n.

1.1 Vektorit. MS-A0004/A0006 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. ja kompleksiluvut ja kompleksiluvut 1.1 MS-A0004/A0006 Matriisilaskenta 1. ja kompleksiluvut Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 8.9.015 Reaalinen

Lisätiedot

Päättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1

Päättelyn 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

Lisätiedot

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on? Harjoitus 1, kevät 007 1. Olkoon [ ] cos α sin α A(α) =. sin α cos α Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?. Olkoon a x y A = 0 b z, 0 0 c missä a, b, c 0. Määrää käänteismatriisi

Lisätiedot

4. Lasketaan transienttivirrat ja -jännitteet kuvan piiristä. Piirielimien arvot ovat C =

4. Lasketaan transienttivirrat ja -jännitteet kuvan piiristä. Piirielimien arvot ovat C = BMA58 Funktiot, lineaarialgebra ja vektorit Harjoitus 6, Syksy 5. Olkoon [ 6 6 A =, B = 4 [ 3 4, C = 4 3 [ 5 Määritä matriisien A ja C ominaisarvot ja ominaisvektorit. Näytä lisäksi että matriisilla B

Lisätiedot

. Mitä olisivat y 1 ja y 2, jos tahdottaisiin y 1 (0) = 2 ja y 2 (0) = 0? x (1) = 0,x (2) = 1,x (3) = 0. Ratkaise DY-ryhmä y = Ay.

. Mitä olisivat y 1 ja y 2, jos tahdottaisiin y 1 (0) = 2 ja y 2 (0) = 0? x (1) = 0,x (2) = 1,x (3) = 0. Ratkaise DY-ryhmä y = Ay. BMA583 Differentiaaliyhtälöiden peruskurssi Harjoitus 6, Kevät 7. Oletetaan että saaliskalapopulaation lisääntymisnopeus (ilman kuolemia on suoraan verrannollinen kalapopulaation (merkataan tätä symbolilla

Lisätiedot

MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 11: Lineaarinen differentiaaliyhtälö

MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 11: Lineaarinen differentiaaliyhtälö MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 11: Lineaarinen differentiaaliyhtälö Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos

Lisätiedot

MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö

MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin

Lisätiedot

Esimerkki 4.4. Esimerkki jatkoa. Määrää matriisin ominaisarvot ja -vektorit. Ratk. Nyt

Esimerkki 4.4. Esimerkki jatkoa. Määrää matriisin ominaisarvot ja -vektorit. Ratk. Nyt Esimerkki 4.4. Määrää matriisin 2 2 1 A = 1 3 1 2 4 3 ominaisarvot ja -vektorit. Ratk. Nyt det(a λi ) = 1 + 2 λ 2 1 + 1 λ 1 λ 1 3 λ 1 = 1 3 λ 1 2 4 3 λ 2 4 3 λ 1 λ = 1 4 λ 1 = (1 λ)( 1)1+1 4 λ 1 2 6 3

Lisätiedot

Differentiaali- ja integraalilaskenta 1 Ratkaisut 6. viikolle /

Differentiaali- ja integraalilaskenta 1 Ratkaisut 6. viikolle / Differentiaali- ja integraalilaskenta 1 Ratkaisut 6. viikolle / 16. 18.5. Lineaariset differentiaaliyhtälöt, homogeeniset differentiaaliyhtälöt Tehtävä 1: a) Määritä differentiaaliyhtälön y 3y = 14e 4x

Lisätiedot

MS-A0102 Differentiaali- ja integraalilaskenta 1

MS-A0102 Differentiaali- ja integraalilaskenta 1 MS-A0102 Differentiaali- ja integraalilaskenta 1 Kompleksiluvut Riikka Korte (muokannut Riikka Kangaslammen materiaalin pohjalta) Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.11.2015 1 /

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

Oletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U

Oletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 018 Harjoitus 4 Ratkaisuehdotukset Tehtävä 1. Olkoon U R avoin joukko ja ϕ = (ϕ 1, ϕ, ϕ 3 ) : U R 3 kaksiulotteisen C 1 -alkeispinnan

Lisätiedot

Seuraavaksi tarkastellaan ensimmäisen kertaluvun lineaarista, vakiokertoimista differentiaaliyhtälösysteemiä

Seuraavaksi tarkastellaan ensimmäisen kertaluvun lineaarista, vakiokertoimista differentiaaliyhtälösysteemiä Differentiaaliyhtälösysteemit 1 (Kreyszig 40-2 Mat-11132/1332, 8/2013, Kari Eloranta Seuraavaksi tarkastellaan ensimmäisen kertaluvun lineaarista, vakiokertoimista differentiaaliyhtälösysteemiä dx 1 dt

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisinormi, häiriöalttius Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 14 R. Kangaslampi matriisiteoriaa Matriisinormi

Lisätiedot

Mat Dynaaminen optimointi, mallivastaukset, kierros Vaimennetun heilurin tilanyhtälöt on esitetty luennolla: θ = g sin θ r θ

Mat Dynaaminen optimointi, mallivastaukset, kierros Vaimennetun heilurin tilanyhtälöt on esitetty luennolla: θ = g sin θ r θ Mat-48 Dynaaminen optimointi, mallivastaukset, kierros Vaimennetun heilurin tilanyhtälöt on esitetty luennolla: θ = g sin θ r θ L ẋ = x ẋ = g L sin x rx Epälineaarisen systeemin tasapainotiloja voidaan

Lisätiedot

a 1 y 1 (x) + a 2 y 2 (x) = 0 vain jos a 1 = a 2 = 0

a 1 y 1 (x) + a 2 y 2 (x) = 0 vain jos a 1 = a 2 = 0 6. Lineaariset toisen kertaluvun yhtälöt Toisen kertaluvun differentiaaliyhtälöt ovat tuntuvasti hankalampia ratkaista kuin ensimmäinen. Käsittelemmekin tässä vain tärkeintä erikoistapausta, toisen kertaluvun

Lisätiedot

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg Vaasan yliopisto, syksy 218 Lineaarialgebra II, MATH124 Matti laaksonen, Lassi Lilleberg Tentti T1, 284218 Ratkaise 4 tehtävää Kokeessa saa käyttää laskinta (myös graafista ja CAS-laskinta), mutta ei taulukkokirjaa

Lisätiedot

DI matematiikan opettajaksi: Täydennyskurssi, kevät 2010 Luentorunkoa ja harjoituksia viikolle 13: ti klo 13:00-15:30 ja to 1.4.

DI matematiikan opettajaksi: Täydennyskurssi, kevät 2010 Luentorunkoa ja harjoituksia viikolle 13: ti klo 13:00-15:30 ja to 1.4. DI matematiikan opettajaksi: Täydennyskurssi, kevät Luentorunkoa ja harjoituksia viikolle 3: ti 33 klo 3:-5:3 ja to 4 klo 9:5-: Käydään läpi differentiaaliyhtälöitä Määritelmä Olkoon A R n n (MatLab:ssa

Lisätiedot

Matriisialgebra harjoitukset, syksy 2016

Matriisialgebra harjoitukset, syksy 2016 Matriisialgebra harjoitukset, syksy 6 MATRIISIALGEBRA, s. 6, Ratkaisuja/ M.Hamina & M. Peltola 8. Olkoon 4 A 6. 4 Tutki, onko A diagonalisoituva. Jos on, niin määrää matriisi D T AT ja siihen liittyvä

Lisätiedot

3 TOISEN KERTALUVUN LINEAARISET DY:T

3 TOISEN KERTALUVUN LINEAARISET DY:T 3 TOISEN KERTALUVUN LINEAARISET DY:T Huomautus epälineaarisista. kertaluvun differentiaaliyhtälöistä Epälineaarisen DY:n ratkaisemiseen ei ole yleismenetelmää. Seuraavat erikoistapaukset voidaan ratkaista

Lisätiedot

Lineaarinen toisen kertaluvun yhtälö

Lineaarinen toisen kertaluvun yhtälö Lineaarinen toisen kertaluvun yhtälö Keijo Ruotsalainen Mathematics Division Lineaarinen toisen kertaluvun differentiaaliyhtälö Toisen kertaluvun täydellinen lineaarinen yhtälö muotoa p 2 (x)y + p 1 (x)y

Lisätiedot

1 Peruskäsitteet. Dierentiaaliyhtälöt

1 Peruskäsitteet. Dierentiaaliyhtälöt Teknillinen korkeakoulu Matematiikka Dierentiaaliyhtälöt Alestalo Tässä monisteessa käydään läpi tavallisiin dierentiaaliyhtälöihin liittyviä peruskäsitteitä ja ratkaisuperiaatteita. Esimerkkejä luennoilla

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

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2016 1 Perustuu

Lisätiedot

DIFFERENTIAALIYHTÄLÖIDEN JATKOKURSSI SYKSY 2014

DIFFERENTIAALIYHTÄLÖIDEN JATKOKURSSI SYKSY 2014 DIFFERENTIAALIYHTÄLÖIDEN JATKOKURSSI SYKSY 2014 JOUNI PARKKONEN Tämä teksti sisältää syksyn 2014 kurssien Differentiaaliyhtälöiden jatkokurssi 1 ja 2 materiaalin. Ensimmäisellä jatkokurssilla tutustutaan

Lisätiedot

Numeeriset menetelmät

Numeeriset menetelmät Numeeriset menetelmät Luento 6 To 22.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 6 To 22.9.2011 p. 1/38 p. 1/38 Ominaisarvotehtävät Monet sovellukset johtavat ominaisarvotehtäviin Yksi

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 / MS-A3/A5 Matriisilaskenta, II/27 MS-A3/A5 Matriisilaskenta Laskuharjoitus 3 / 3. 7..27 Tehtävä (L): Etsi kaikki yhtälön Ax = b ratkaisut, kun 3 5 4 A = 3 2 4 ja b = 6 8 7 4. Ratkaisu : Koetetaan ratkaista

Lisätiedot

1.1 Vektorit. MS-A0007 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. 1. Vektorit ja kompleksiluvut

1.1 Vektorit. MS-A0007 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. 1. Vektorit ja kompleksiluvut ja kompleksiluvut ja kompleksiluvut 1.1 MS-A0007 Matriisilaskenta 1. ja kompleksiluvut Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 26.10.2015 Reaalinen

Lisätiedot

Paikannuksen matematiikka MAT

Paikannuksen matematiikka MAT TA M P E R E U N I V E R S I T Y O F T E C H N O L O G Y M a t h e m a t i c s Paikannuksen matematiikka MAT-45800 4..008. p.1/4 Käytännön järjestelyt Kotisivu: http://math.tut.fi/courses/mat-45800/ Luennot:

Lisätiedot

Sisätuloavaruudet. 4. lokakuuta 2006

Sisätuloavaruudet. 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

Lisätiedot

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28 Numeeriset menetelmät TIEA381 Luento 5 Kirsi Valjus Jyväskylän yliopisto Luento 5 () Numeeriset menetelmät 3.4.2013 1 / 28 Luennon 5 sisältö Luku 4: Ominaisarvotehtävistä Potenssiinkorotusmenetelmä QR-menetelmä

Lisätiedot

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa. LINEAARIALGEBRA Harjoituksia 2016 1. Olkoon V = R 2 varustettuna tavallisella yhteenlaskulla. Määritellään reaaliluvulla kertominen seuraavasti: λ (x 1, x 2 ) = (λx 1, 0) (x 1, x 2 ) R 2 ja λ R. Osoita,

Lisätiedot

Lineaariset differentiaaliyhtälöryhmät

Lineaariset differentiaaliyhtälöryhmät Lineaariset differentiaaliyhtälöryhmät Antti Kosonen Matematiikan kandidaatintutkielma Jyväskylän yliopisto Matematiikan ja tilastotieteen laitos Kevät 204 Sisältö Johdanto 2 Differentiaaliyhtälöryhmät

Lisätiedot

6 MATRIISIN DIAGONALISOINTI

6 MATRIISIN DIAGONALISOINTI 6 MATRIISIN DIAGONALISOINTI Ortogonaaliset matriisit Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja A - = A T Muistutus: vektorien a ja b pistetulo (skalaaritulo,

Lisätiedot

Tyyppi metalli puu lasi työ I 2 8 6 6 II 3 7 4 7 III 3 10 3 5

Tyyppi metalli puu lasi työ I 2 8 6 6 II 3 7 4 7 III 3 10 3 5 MATRIISIALGEBRA Harjoitustehtäviä syksy 2014 Tehtävissä 1-3 käytetään seuraavia matriiseja: ( ) 6 2 3, B = 7 1 2 2 3, C = 4 4 2 5 3, E = ( 1 2 4 3 ) 1 1 2 3 ja F = 1 2 3 0 3 0 1 1. 6 2 1 4 2 3 2 1. Määrää

Lisätiedot

3x + 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

3x + 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)

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

Ratkaisuehdotukset LH 10 / vko 48

Ratkaisuehdotukset LH 10 / vko 48 MS-C134 Lineaarialgebra, II/017 Ratkaisuehdotukset LH 10 / vko 48 Tehtävä 1: Olkoot A R n n symmetrinen ja positiividefiniitti matriisi. Näytä, että (i T A n (λ iα i (ii A n (λ i α i jossa α i on siten,

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45 MS-A0003/A0005 Matriisilaskenta Laskuharjoitus / vko 5 Tehtävä 1 (L): Hahmottele kompleksitasoon ne pisteet, jotka toteuttavat a) z 3 =, b) z + 3 i < 3, c) 1/z >. Yleisesti: ehto z = R, z C muodostaa kompleksitasoon

Lisätiedot

Similaarisuus. Määritelmä. Huom.

Similaarisuus. Määritelmä. Huom. Similaarisuus Määritelmä Neliömatriisi A M n n on similaarinen neliömatriisin B M n n kanssa, jos on olemassa kääntyvä matriisi P M n n, jolle pätee Tällöin merkitään A B. Huom. Havaitaan, että P 1 AP

Lisätiedot

DIFFERENTIAALIYHTÄLÖIDEN JATKOKURSSI SYKSY 2010

DIFFERENTIAALIYHTÄLÖIDEN JATKOKURSSI SYKSY 2010 DIFFERENTIAALIYHTÄLÖIDEN JATKOKURSSI SYKSY 1 JOUNI PARKKONEN Kurssi 1 1. Johdanto Olkoon U R n ja I R avoimia joukkoja ja f : U I R n (jatkuva) kuvaus. Tällä kurssilla tarkastelemme dierentiaaliyhtälöryhmiä

Lisätiedot