1.1. Määritelmiä ja nimityksiä

Save this PDF as:
 WORD  PNG  TXT  JPG

Koko: px
Aloita esitys sivulta:

Download "1.1. Määritelmiä ja nimityksiä"

Transkriptio

1 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 n C} Vektoria x = (x 1, x 2,..., x n ) merkitään usein myös x = (x 1 x 2 x n ) tai x = x 1 x 2 x n. Piiri Piiri: a1 b1 b2 b3 a2 b4 Sama informaatio: Q =

2 Matriisi Luvut ja vektorit erikoistapauksia matriisista: Matriisi= Lukusuorakulmio. a 11 a a 1n a 21 a a 2n A =.... a m1 a m2... a mn a ij on matriisin A alkio tai elementti. Huom. a ij :ssä i ilmoittaa rivin ja j sarakkeen missä ko. alkio sijaitsee. Matriisin A tyyppi (laji, dimensio) on m n. Matriisimerkintöjä: A = A m n = (a ij ) = (a ij ) m n. Jos m = n kyseessä on neliömatriisi (rivejä ja sarakkeita yhtä monta). Ylä- ja alkolmiomatriisit Yläkolmiomatriisi, jos a ij = 0, kun i > j x x x x x 0 x x x x 0 0 x x x x x x Alakolmiomatriisi, jos a ij = 0 kun i < j x x x x x x 0 0 x x x x 0. x x x x x

3 Diagonaalimatriisi Lävistäjä- eli diagonaalimatriisi, jos a ij = 0 kun i j x x x x x Vain päälävistäjän (luode-kaakko) alkiot voivat olla 0. Diagonaalimatriisia merkitään usein myös: λ λ λ λ 4 0 = diag (λ 1, λ 2, λ 3, λ 4, λ 5 ) λ 5 Yksikkö- ja nollamatriisi Tyyppiä n n oleva yksikkömatriisi I n (tai I, jos tyyppi tiedetään) on I n = diag(1, 1,..., 1) = Nollamatriisi O (tai O m n ) on matriisi, jonka kaikki alkiot ovat nollia.

4 Vaaka- ja pystyvektorit 1 m matriisi x = (x 1, x 2,..., x m ) on vaakavektori. m 1 matriisi y = y 1 y 2. y m on pystyvektori. Liityntämatriisi Kaksi piiriä: b1 b1 a1 b2 a1 b2 b3 b3 a2 b4 a2 b4 Liityntämatriisit: P = Eri piirit, joten matriisien oltava myös erisuuret. Q = ( )

5 Matriisien yhtäsuuruus m n-matriisit A = (a ij ) ja B = (b ij ) ovat yhtäsuuret: a ij = b ij kaikilla i, j. Vastinalkiot ovat samat. Merkitään A = B. Matriisien yhteenlasku ja luvulla kertominen m n-matriisien A = (a ij ) ja B = (b ij ) summa C = (c ij ), A + B = C, on m n-matriisi jonka alkiot ovat c ij = a ij + b ij. Matriisin A = (a ij ) ja luvun c tulo (skalaarilla kertominen) ca on matriisi ca = (ca ij ), (= Ac) B = ( b ij ) on matriisin B = (b ij ) vastamatriisi Matriisien erotus A B = (a ij b ij ).

6 Vektoreiden pistetulo Kahden vektorin pistetulo: (x 1, x 2,..., x n ) (y 1, y 2,..., y n ) = x 1 y 1 + x 2 y x n y n. Esimerkki. (1, 2, 3) (4, 5, 6) = ( i+2 j+3 k) (4 i+5 j+6 k) = = 32. Yleistys Sama toisin: = ( ) = (32) 6 Kertolasku voidaan yleistää Vektori Matriisi : 4 a b = ( a + 2 b + 3 c ) 6 c = 32 a + 2b + 3c

7 Matriisi Vektori : = x y z 6 = x 4 + y 5 + z 6 ( 32 ) 4x + 5y + 6z Matriisi Matriisi : 4 a b = x y z 6 c = ( ) 1 a + 2 b + 3 c 4x + 5y + 6z x a + y b + z c ( 32 ) 1a + 2b + 3c 4x + 5y + 6z xa + yb + zc Matriisien tulo Olkoon C = (c ij ) = A B ja olkooon matriisitulo A B määritelty. Silloin c ij on A:n i:nnen vaakarivin ja B:n j:nnen pystyrivin pistetulo.

8 Matriisitulon määritelmä Matriisien A m n = (a ik ) ja B n p = (b kj ) tulo AB (tässä järjestyksessä): m p-matriisi C = (c ij ) c ij = n a ik b kj = a i1 b 1j + a i2 b 2j + a i3 b 3j + + a in b nj. k=1 Määritelmä jatkoa Siis: = b 11 b 12 b 1p b 21 b 22 b 2p b n1 b n2 b np a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn a 11 b 11 + a 12 b a 1n b n1 a 11 b 1p + + a 1n b np a 21 b 11 + a 22 b a 2n b n1 a 21 b 1p + + a 2n b np a m1 b 11 + a m2 b a mn b n1 a m1 b 1p + + a mn b np

9 Esimerkki. Esim. Laske Ratk.... Matriisitulon olemassaolo Matriisitulo AB on määritelty vain kun: A:n vaakavektorissa ja B:n pystyvektorissa yhtä monta alkiota, eli A:n sarakkeiden lukumäärä = B:n rivien lukumäärä. Esimerkki ei ole määritelty on määritelty

10 Matriisitulot AB ja BA Luvuille a, b on voimassa ab = ba. Matriiseille yleisesti: AB BA. Jos AB = BA, niin matriisit A ja B kommutoivat. Välttämättä A ja B ovat samaa lajia olevia neliömatriiseja (n n matriiseja). Huom. Myös neliömatriiseille on yleensä AB BA. Lause 1.1. Mikäli alla esitetyt laskutoimitukset ovat määriteltyjä, niin aina kun A ja B ovat matriiseja, λ ja µ ovat lukuja, O nollamatriisi ja I yksikkömatriisi, on voimassa: 1. A + B = B + A 2. (A + B) + C = A + (B + C) 3. A + O = A 4. A + ( A) = O 5. (λµ)a = λ(µa) 6. (λ + µ)a = λa + µa 7. λ(a + B) = λa + λb 8. 1 A = A 9. (AB)C = A(BC) 10. A(B + C) = AB + AC 11. (A + B)C = AC + BC 12. λ(ab) = (λa)b = A(λB) 13. IA = A 14. AI = A

11 Merkintä Merkintä: A n = A A A A (n kpl) A 0 = I. Transponointi Matriisin transponointi = Rivien muuttaminen sarakkeiksi. Tarkasti: A m n-matriisi, A = (a ij ) Matriisin A transpoosi eli transponoitu matriisi A T on n m matriisi A T = (a ji ). A T :n rivit = A:n sarakkeet A T. :n sarakkeet = A:n rivit Esimerkki. T =

12 Symmetria A on symmetrinen, jos A T = A on symmetrinen A on vinosymmetrinen, jos A T = A on vinosymmetrinen Ominaisuuksia Lause (A T ) T = A 2. (A + B) T = A T + B T 3. (λa) T = λa T 4. (AB) T = B T A T Todistus. Suoraan transpoosin määritelmän perusteella.

13 Vektoreiden transponointi Vektoreille: x 1 x = x 2, x T = (x 1 x 2 x 3 ) = (x 1, x 2, x 3 ) x 3 y 1 y = (y 1, y 2, y 3 ), y T = y 2. y 3 Käänteismatriisi Matriisi B on matriisin A käänteismatriisi, jos AB = I ja BA = I. A:n käänteismatriisia (jos olemassa) merkitään A 1. Lause 1.3. Jos matriisilla on käänteismatriisi niin se on yksikäsitteinen. Todistus. Vastaoletus: Matriisilla A on kaksi eri käänteismatriisia, B ja B. Siis B B. Käänteismatriisin määritelmän perusteella on voimassa: AB = BA = I, Silloin Siis B = B. AB = B A = I B = IB = (B A)B = B (AB) = B I = B.

14 Säännölliset matriisit Käänteismatriisin olemassaolo luokittelee kaikki neliömatriisit kahteen luokkaan: Jos A 1 on olemassa, niin A on säännöllinen. Jos A:lle ei ole käänteismatriisia niin A on singulaarinen. Jos A on säännöllinen, niin matriisitulot AA 1 ja A 1 A ovat määriteltyjä. Siis A on neliömatriisi. Neliömatriiseille A ja B on voimassa: Jos AB = I, niin BA = I. Matriisin B osoittamiseksi matriisin A käänteismatriisiksi riittää siis osoittaa, että AB = I. Esimerkki 1.4. Etsi matriisin A = käänteismatriisi. Ratk....

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

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

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

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

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 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

Matriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi

Matriisit, 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.

Lisätiedot

Matriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi

Matriisit, 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 Kaavio kirjoitetaan kaarisulkujen väliin (amer. kirjoissa

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

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

Matriisit, kertausta. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi

Matriisit, 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Tiivistelmä matriisilaskennasta

Tiivistelmä matriisilaskennasta Tiivistelmä matriisilaskennasta v 35, 2122008, Ossi Pasanen Nimityksiä ja merkintätapoja m n -matriisi on reaali- tai kompleksiluvuista koostuva lukukaavio, jossa on m vaakariviä ja n saraketta pystyriviä)

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

9.2 Lineaarikuvaus Olkoon A kuvaus (funktio) vektoriavaruudesta V vektoriavaruuteen U: jos nyt

9.2 Lineaarikuvaus Olkoon A kuvaus (funktio) vektoriavaruudesta V vektoriavaruuteen U: jos nyt 9 Lineaarikuvaukset, matriisit 9 Vektoriavaruudet Aiemmin olemmme puhuneet tason (R 2 ja kotiavaruuden (R 3 vektoreista Nämä (kuten mös pelkkä R ovat esimerkkejä reaalisista vektoriavaruuksista Yleisesti

Lisätiedot

Osittaistuenta Gaussin algoritmissa: Etsitään 1. sarakkeen itseisarvoltaan suurin alkio ja vaihdetaan tämä tukialkioiksi (eli ko. rivi 1. riviksi).

Osittaistuenta Gaussin algoritmissa: Etsitään 1. sarakkeen itseisarvoltaan suurin alkio ja vaihdetaan tämä tukialkioiksi (eli ko. rivi 1. riviksi). Liukuluvut Tietokonelaskuissa käytetään liukulukuja: mikä esittää lukua ± α α α M β k ± ( M α i β i )β k, i= β on järjestelmän kantaluku, α α M liukuluvun mantissa, α,, α M lukuja,,,, β, siten että α Esimerkki

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

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

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

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

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

Jouni Sampo. 4. maaliskuuta 2013

Jouni Sampo. 4. maaliskuuta 2013 B2 Jouni Sampo 4. maaliskuuta 2013 Sisältö 1 Johdanto 2 1.1 Matriisin käsite.................................... 2 1.2 Mihin matriiseja tarvitaan?............................. 2 1.3 Matriiseihin liittyvät

Lisätiedot

Matriisit ja optimointi kauppatieteilijöille P

Matriisit ja optimointi kauppatieteilijöille P Matriisit ja optimointi kauppatieteilijöille 802160P Luentomoniste Kari Myllylä Niina Korteslahti Topi Törmä Oulun yliopisto Matemaattisten tieteiden laitos Kevät 2017 Sisältö 1 Matriisialgebra 3 11 Määritelmä

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 Matriisin 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

Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja

Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja 7 NELIÖMATRIISIN DIAGONALISOINTI. Ortogonaaliset matriisit Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja A - = A T () Muistutus: Kokoa n olevien vektorien

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

Matriiseista. Emmi Koljonen

Matriiseista. 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.

Lisätiedot

Numeeriset menetelmät

Numeeriset menetelmät Numeeriset menetelmät Luento 4 To 15.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 4 To 15.9.2011 p. 1/38 p. 1/38 Lineaarinen yhtälöryhmä Lineaarinen yhtälöryhmä matriisimuodossa Ax = b

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 Matriisin määritelmä.......................

Lisätiedot

Lineaarialgebra I. Oulun yliopisto Matemaattisten tieteiden laitos Esa Järvenpää Kirjoittanut Tuula Ripatti

Lineaarialgebra I. Oulun yliopisto Matemaattisten tieteiden laitos Esa Järvenpää Kirjoittanut Tuula Ripatti Lineaarialgebra I Oulun yliopisto Matemaattisten tieteiden laitos 2011 Esa Järvenpää Kirjoittanut Tuula Ripatti 2 1 Lineaarinen yhtälöryhmä 11 Esimerkki (a) Ratkaise yhtälö 5x = 7 Kerrotaan yhtälö puolittain

Lisätiedot

Matriisinormeista. Sanni Carlson. Matematiikan pro gradu

Matriisinormeista. Sanni Carlson. Matematiikan pro gradu Matriisinormeista Sanni Carlson Matematiikan pro gradu Jyväskylän yliopisto Matematiikan ja tilastotieteen laitos Kevät 2015 Tiivistelmä: Sanni Carlson, Matriisinormeista (engl On matrix norms), matematiikan

Lisätiedot

3.1 Lineaarikuvaukset. MS-A0007 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset

3.1 Lineaarikuvaukset. MS-A0007 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset 3 MS-A7 Matriisilaskenta 3 Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 925 Lineaariset yhtälöt ovat vektoreille luonnollisia yhtälöitä, joita ratkotaan

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

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

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

Ax, y = x, A y. A = A A hermiittinen. Jokainen reaalinen ja symmetrinen matriisi on määritelmän mukaan myös hermiittinen. A =, HARJOITUSTEHTÄVIÄ

Ax, y = x, A y. A = A A hermiittinen. Jokainen reaalinen ja symmetrinen matriisi on määritelmän mukaan myös hermiittinen. A =, HARJOITUSTEHTÄVIÄ X.. Matriisialgebra Esimerkki 4 Jos niin x =[i, +i, 2 i ] T C 3, y =[ 2i, 2i, i ] T C 3, x, x = x 2 =+(+)+(4+)=8, y, y =(+4)+4+(+)=, x, y = i( + 2i)+(+i)( 2i)+(2 i)( +i) = +3i. Matriisia A = ĀT sanotaan

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47

MS-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

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

Ville Turunen: Mat Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007

Ville Turunen: Mat Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007 Ville Turunen: Mat-1.1410 Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007 Materiaali: kirjat [Adams R. A. Adams: Calculus, a complete course (6th edition), [Lay D. C. Lay: Linear

Lisätiedot

Muistutus: Matikkapaja ke Siellä voi kysyä apua demoihin, edellisen viikon demoratkaisuja, välikoetehtävien selitystä, monisteesta yms.

Muistutus: Matikkapaja ke Siellä voi kysyä apua demoihin, edellisen viikon demoratkaisuja, välikoetehtävien selitystä, monisteesta yms. Lineaarialgebra (muut ko) p. 1/139 Ensi viikon luennot salissa X Muistutus: Matikkapaja ke 14-16 Siellä voi kysyä apua demoihin, edellisen viikon demoratkaisuja, välikoetehtävien selitystä, monisteesta

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

Kaksirivisen matriisin determinantille käytämme myös merkintää. a 11 a 12 a 21 a 22. = a 11a 22 a 12 a 21. (5.1) kaksirivine

Kaksirivisen matriisin determinantille käytämme myös merkintää. a 11 a 12 a 21 a 22. = a 11a 22 a 12 a 21. (5.1) kaksirivine Vaasan yliopiston julkaisuja 97 5 DETERMINANTIT Ch:Determ Sec:DetDef 5.1 Determinantti Tämä kappale jakautuu kolmeen alakappaleeseen. Ensimmäisessä alakappaleessa määrittelemme kaksi- ja kolmiriviset determinantit.

Lisätiedot

Ositetuista matriiseista

Ositetuista matriiseista TAMPEREEN YLIOPISTO Pro gradu -tutkielma Anja Kuronen Ositetuista matriiseista Matematiikan ja tilastotieteen laitos Matematiikka Joulukuu 2010 Tampereen yliopisto Matematiikan ja tilastotieteen laitos

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

Matriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: ,, x1 x. Matriiseihin perehtyminen voidaan perustella useilla järkisyillä.

Matriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: ,, x1 x. Matriiseihin perehtyminen voidaan perustella useilla järkisyillä. Vaasa yliopisto julkaisuja 71 4 MATRIISIT JA MATRIISILASKUT Ch:Matrix Sec:MatLaskut 4.1 Matriisi ja matriisilaskut Matriisi o suorakulmaie lukukaavio. Matriiseja ovat esimerkiksi: 2 0.4 8 0 a b,, x1 x

Lisätiedot

Ensi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/159

Ensi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/159 Ensi viikon luennot salissa X Lineaarialgebra (muut ko) p. 1/159 Lineaarialgebra (muut ko) p. 2/159 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v 2 ) Skalaarilla

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

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

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

Matriisihajotelmat. MS-A0007 Matriisilaskenta. 5.1 Diagonalisointi. 5.1 Diagonalisointi

Matriisihajotelmat. MS-A0007 Matriisilaskenta. 5.1 Diagonalisointi. 5.1 Diagonalisointi MS-A0007 Matriisilaskenta 5. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 25.11.2015 Laskentaongelmissa käsiteltävät matriisit ovat tyypillisesti valtavia.

Lisätiedot

MATRIISIN HESSENBERGIN MUOTO. Niko Holopainen

MATRIISIN HESSENBERGIN MUOTO. Niko Holopainen MATRIISIN HESSENBERGIN MUOTO Niko Holopainen Matematiikan pro gradu Jyväskylän yliopisto Matematiikan ja tilastotieteen laitos Syksy 2013 Tiivistelmä: Niko Holopainen, Matriisin Hessenbergin muoto Matematiikan

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

Determinantit. Kaksirivinen determinantti. Aiheet. Kaksirivinen determinantti. Kaksirivinen determinantti. Kolmirivinen determinantti

Determinantit. Kaksirivinen determinantti. Aiheet. Kaksirivinen determinantti. Kaksirivinen determinantti. Kolmirivinen determinantti Determinantit 1 2 2-matriisin ( A = on det(a) = a 11 a 12 a 21 a 22 a 11 a 12 a 21 a 22 ) = a 11a 22 a 12 a 21. 1 2 2-matriisin on det(a) = Esim. Jos A = ( a 11 a 12 a 21 a 22 A = a 11 a 12 a 21 a 22 )

Lisätiedot

Ortogonaaliset matriisit, määritelmä 1

Ortogonaaliset 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,

Lisätiedot

FUNKTIOT JA MATRIISIT

FUNKTIOT JA MATRIISIT FUNKTIOT JA MATRIISIT Matti Vaarma 6. heinäkuuta 017 B SISÄLTÖ 1. Funktiot ja yhtälöt 1 1.1 Funktion määritelmä ja merkinnät................... 1 1. Yhdistetty funktio............................. 1.3

Lisätiedot

H = : a, b C M. joten jokainen A H {0} on kääntyvä matriisi. Itse asiassa kaikki nollasta poikkeavat alkiot ovat yksiköitä, koska. a b.

H = : 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

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

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.

Määritelmä 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:

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

Tällä viikolla viimeiset luennot ja demot. Lineaarialgebra (muut ko) p. 1/162

Tällä viikolla viimeiset luennot ja demot. Lineaarialgebra (muut ko) p. 1/162 Tällä viikolla viimeiset luennot ja demot Lineaarialgebra (muut ko) p. 1/162 Lineaarialgebra (muut ko) p. 2/162 Kertausta Vektorin u = (u 1,u 2 ) R 2 pituus u = u 2 1 +u2 2 Vektorien u ja v = (v 1,v 2

Lisätiedot

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi Talousmatematiikan perusteet: Luento 10 Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi Lineaarikuvaus Esim. Yritys tekee elintarviketeollisuuden käyttämää puolivalmistetta, jossa käytetään

Lisätiedot

jonka laskutoimitus on matriisien kertolasku. Vastaavasti saadaan K-kertoiminen erityinen lineaarinen ryhmä

jonka laskutoimitus on matriisien kertolasku. Vastaavasti saadaan K-kertoiminen erityinen lineaarinen ryhmä 4. Ryhmät Tässä luvussa tarkastelemme laskutoimituksella varustettuja joukkoja, joiden laskutoimitukselta oletamme muutamia yksinkertaisia ominaisuuksia: Määritelmä 4.1. Laskutoimituksella varustettu joukko

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

Determinantti. Määritelmä

Determinantti. Määritelmä Determinantti Määritelmä Oletetaan, että A on n n-neliömatriisi. Merkitään normaaliin tapaan matriisin A alkioita lyhyesti a ij = A(i, j). (a) Jos n = 1, niin det(a) = a 11. (b) Muussa tapauksessa n det(a)

Lisätiedot

802320A LINEAARIALGEBRA OSA III

802320A 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

Lisätiedot

Aiheet. Kvadraattinen yhtälöryhmä. Kvadraattinen homogeeninen YR. Vapaa tai sidottu matriisi. Vapauden tutkiminen. Yhteenvetoa.

Aiheet. Kvadraattinen yhtälöryhmä. Kvadraattinen homogeeninen YR. Vapaa tai sidottu matriisi. Vapauden tutkiminen. Yhteenvetoa. Yhtälöryhmän ratkaisujen lukumäärä, L8 Esimerkki kvadraattinen Haluamme ratkaista n 4x + y z = x + y + z = 5 x + y + z = 4 4 x 4 + y x y z = + z 5 4 = 5 4 Esimerkki kvadraattinen Yhtälöryhmä on kvadraattinen,

Lisätiedot

Numeeriset menetelmät

Numeeriset menetelmät Numeeriset menetelmät Luento 3 Ti 13.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 1/37 p. 1/37 Epälineaariset yhtälöt Newtonin menetelmä: x n+1 = x n f(x n) f (x n ) Sekanttimenetelmä:

Lisätiedot

Demorastitiedot saat demonstraattori Markus Niskaselta Lineaarialgebra (muut ko) p. 1/104

Demorastitiedot saat demonstraattori Markus Niskaselta Lineaarialgebra (muut ko) p. 1/104 Lineaarialgebra (muut ko) p. 1/104 Ensi viikolla luennot salissa X Torstaina 7.12. viimeiset demot (12.12. ja 13.12. viimeiset luennot). Torstaina 14.12 on välikoe 2, muista ilmoittautua! Demorastitiedot

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

Numeeriset menetelmät TIEA381. Luento 3. Kirsi Valjus. Jyväskylän yliopisto. Luento 3 () Numeeriset menetelmät / 45

Numeeriset menetelmät TIEA381. Luento 3. Kirsi Valjus. Jyväskylän yliopisto. Luento 3 () Numeeriset menetelmät / 45 Numeeriset menetelmät TIEA381 Luento 3 Kirsi Valjus Jyväskylän yliopisto Luento 3 () Numeeriset menetelmät 20.3.2013 1 / 45 Luennon 3 sisältö Luku 2: Epälineaarisen yhtälön ratkaiseminen Polynomin reaaliset

Lisätiedot

Harjoitusten 5 vastaukset

Harjoitusten 5 vastaukset Harjoitusten 5 vastaukset 1. a) Regressiossa (1 ) selitettävänä on y jaselittäjinävakiojax matriisin muuttujat. Regressiossa (1*) selitettävänä on y:n poikkeamat keskiarvostaan ja selittäjinä X matriisin

Lisätiedot

Determinantti. Määritelmä

Determinantti. Määritelmä Determinantti Määritelmä Oletetaan, että A on n n-neliömatriisi Merkitään normaaliin tapaan matriisin A alkioita lyhyesti a ij = A(i, j) (a) Jos n = 1, niin det(a) = a 11 (b) Muussa tapauksessa n det(a)

Lisätiedot

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät Matematiikan peruskurssi K3/P3, syksy 25 Kenrick Bingham 825 Toisen välikokeen alueen ydinasioita Alla on lueteltu joitakin koealueen ydinkäsitteitä, joiden on hyvä olla ensiksi selvillä kokeeseen valmistauduttaessa

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

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 Vektoreista ja matriiseista

4 Vektoreista ja matriiseista 4 Vektoreista ja matriiseista Matriiseja ja niiden erikoistapauksia vektoreita tarvitaan - moniulotteisten funktioiden käsittelyssä pitämässä osat koossa - olioina, joihin voidaan pakata empiiristen muuttujien

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

Lineaarialgebra, kertausta aiheita

Lineaarialgebra, kertausta aiheita Lineaarialgebra, kertausta aiheita Matriisitulo käänteismatriisi determinantin kehittäminen determinantin ominaisuudet adjungaatti ja Cramerin kaavat yhtälöryhmän eri esitystavat Gauss-Jordan -algoritmi

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