ja F =

Koko: px
Aloita esitys sivulta:

Download "ja F ="

Transkriptio

1 MATRIISIALGEBRA Harjoitustehtäviä syksy 2016 Tehtävissä 1 ja 2a käytetään seuraavia matriiseja: ( ) A =,B = ,C = ,E = ( ) ja F = Määrää 2A, A+B, 2C 3E T, BA, AB T ja ja EF. 2. a) Laske (mikäli mahdollista) AB, CE, EC ja F T E T. b) Matriisissa E on 100 riviä ja 200 pystyriviä eli saraketta. Matriisissa B on 300 pystyriviä. Tiedetään, että matriiseille B,F ja E on voimassa: BF = E. Montako riviä on matriisissa B? Montako riviä ja montako pystyriviä on matriisissa F? 3. Matriisi on permutaatiomatriisi, jos se saadaan yksikkömatriisista kahden tai useamman rivin tai sarakkeen paikkaa vaihtamalla. Olkoon permutaatiomatriisi a b c d P = ja matriisi A = e f g h i j k l m n o p a) Miten poikkeavat matriisit PA ja AP matriisista A? b) Muodosta permutaatiomatriisi, jonka avulla voidaan matriisin A ensimmäisen ja viimeisen rivin paikka vaihtaa. c) Muodosta permutaatiomatriisi, jonka avulla voidaan matriisin A toisen ja neljännen sarakkeen paikka vaihtaa. 4. Tiedetään, että putkijärjestelmä P toimii lineaarisesti, mikä merkitsee sitä, että herätettä (input) x ja vastetta (output) y sitoo toisiinsa yhtälö A x = y. Olkoon kuvion putkisysteemi P allakuvatun mukainen. x 1 x 2 P y y y Määrää (siirto)matriisi A, kun tiedetään mittausten perusteella seuraavaa: kun heräte on x 1 = 1 yksikkö ja x 2 = 0 yksikköä, niin vaste on y 1 = 1/7,y 2 = 3/7 ja y 3 = 3/7 (yksikköä) sekä kun heräte on x 1 = 0 yksikköä ja x 2 = 1 yksikkö, niin vaste on y 1 = 2/5,y 2 = 1/5 ja y 3 = 2/5 (yksikköä). Mikä on herätettä x 1 = 2,x 2 = 1 vastaava vaste? 5. Eläintarhassa on lintuja (2-jalkaisia) ja elukoita (4-jalkaisia). a) Jos siellä on 42 päätä ja 144 jalkaa, niin kuinka monta lintua ja kuinka monta elukkaa siellä on? b) Jos jalkoja on 144, niin mitkä ovat mahdolliset lintujen ja elukoiden lukumäärät? 6. Eräs yritys valmistaa kolmentyyppisiä ikkunoita ja eri tyypit vaativat ikkunaa kohti metalliosia, puuta, lasia ja työtä seuraavasti: Tyyppi metalli puu lasi työ I II III Raaka-aineiden yksikköhinnat ovat euroissa lausuttuina metalli puu lasi työ

2 Kuinka paljon kunkin ikkunatyypin raaka-aineet maksavat? Eräänä päivänä on toimitettava 50 kpl tyyppiä I, 70 kpl tyypiä II ja 90 kpl tyyppiä III olevia ikkunoita. Kuinka paljon näihin kuluu raaka-aineita? Kuinka paljon raaka-aineet maksavat? Suorita laskut matriisilaskennan merkinnöin! 7. Ratkaise Gaussin menetelmällä seuraava yhtälöryhmä: x 1 + x 2 + x 3 = 4 x 1 + 2x 2 x 3 = 5, 2x 1 + 5x 2 + 4x 3 = 2 8. Ratkaise Gaussin menetelmällä seuraava yhtälöryhmä: x 1 + 2x 2 + x 3 = 1 3x 1 + 5x 2 + x 3 = 3, 2x 1 + 6x 2 + 7x 3 = 1 9. Ratkaise Gaussin menetelmällä yhtälöryhmä: 2x 1 x 3 = 1+11x 2 2x 4 7+x 2 x 3 +2x 4 = 2x 1. x 3 +2x 2 +x 1 +x 4 5 = 0 0 = x 1 +3x 2 x Kalankasvatusaltaassa on kolmea eri lajia kaloja. Lajin 1 jokainen kala tarvitsee viikossa 1 yksikön ruokaa A, 1 yksikön ruokaa B ja 2 yksikköä ruokaa C. Vastaavat yksikkömäärät lajin 2 kaloille ovat 3,4, ja 5 sekä lajin 3 kaloille 2,1 ja 5. Joka viikko altaaseen sijoitetaan yksikköä ruokaa A, yksikköä ruokaa B ja yksikköä ruokaa C. Kuinka monta kalaa kutakin lajia altaassa voi olla, jos oletetaan että kaikki ruoka tulee syödyksi ja jokainen kala syö täsmälleen tarvitsemansa yksikkömäärät? Ratkaise tehtävä sopivan yhtälöryhmän avulla käyttäen Gaussin menetelmää. 11. Määrää A:n käänteismatriisi vaakarivimuunnoksin matriisista (A I), kun A = Laske matriisin A = käänteismatriisi A Ratkaise yhtälöryhmä x 1 + x 2 2x 3 + 2x 4 = 1 3x 1 + 2x 2 4x 3 + 5x 4 = 2 2x 2 + 3x 3 2x 4 = 3 x 1 + x 2 + 3x 4 = 1 käyttämällä hyväksi saamaasi käänteismatriisia A Määrää A:n käänteismatriisi vaakarivimuunnoksin matriisista (A I), kun A = Olkoon D = (d ij ) diagonaalimatriisi, missä d ii = ix + i 2 aina kun i = 1,2,...,150. Määrää D:n käänteismatriisi, kun x = 0. Millä x:n arvoilla D:lla ei ole käänteismatriisia? 15. Elektronimikroskoopilla tutkitaan kidenäytettä ja sitä käännellään erityisellä asetinlaitteistolla. Asetuskulmien a ja b määräämistä varten on matriisi T ab käännettävä. Määrää T 1 ab, kun T ab = cosb 0 sinb 0 cosa sina sina cosa sinb 0 cosb

3 Opastus: Matriisi T ab on kahden ortogonaalimatriisin tulo. 16. Määrää matriisin A = se LU-hajotelma, missä matriisin L diagonaalialkiot ovat ykkösiä. 17. Olkoon A = a) Määrää matriisin A LU-hajotelma. b) Ratkaise kerroinmatriisin LU-hajotelman avulla yhtälöryhmät x 1 +4x 2 +5x 3 = k 4x 1 +18x 2 +26x 3 = 0 3x 1 +16x 2 +30x 3 = k,. kun k = 1,2,3,..., Määrää matriisin QR-hajotelma. 19. Olkoot A = A = ja b = Muodosta matriisin A QR-hajotelma ja laske x = (A T A) 1 A T b sekä x = R 1 Q T b. 20. Ovatko seuraavat joukot vektoriavaruuksia? a) Tason 1. neljänneksen vektorit, operaatioina vektoreiden yhteenlasku ja luvulla kertominen. b) Parillista astetta olevat polynomit, operaatioina polynomien yhteenlasku ja luvulla kertominen. c) 3 3 yläkolmiomatriisit operaatioina matriisien yhteenlasku ja luvulla kertominen. 21. Onko U vektoriavaruuden V aliavaruus, kun a) V = R 2 ja U = {(x,y) R 2 x 2 +y 2 = 1} b) V = P 3 (R) ja U = {p(t) P 3 (R) p(0) = 0} c) V = reaaliset n n matriisit ja U = reaaliset n n matriisit, joilla jokainen päälävistäjän alkio on 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 = {t+1,t 2 +1,t 2 t} ( ) ( ) c) V = reaaliset 2 2 matriisit ja S = {,, ( ) 1 0, 1 0 ( ) 0 1 } Tutki, muodostavatko vektorit (1,1,0), (2,1,3) ja ( 1,1, 5) R 3 :n kannan. Jos muodostavat, niin etsi vektorin (4, 1, 5) koordinaatit tämän kannan suhteen. 24. a) Selvitä onko vektorijoukko {(1,1, 2,2), (3,2, 4,5), (0, 2,3, 2), (1,1,0,3)} R 4 :n vapaa (=lineaarisesti riippumaton) vektorijoukko. Jos on, niin lausu vektori (0, 0, 1, 0) vektorijoukon vektoreiden lineaarikombinaationa. b) Selvitä onko polynomijoukko S = {1+t 2t 2 +2t 3, 3+2t 4t 2 +5t 3, 2t+3t 2 2t 3, 1+t+3t 3 }

4 vapaa reaalikertoimisten, korkeintaan astetta 3 olevien polynomien muodostamassa vektoriavaruudessa. Jos on, niin lausu polynomit 2 polynomijoukon polynomien lineaarikombinaationa. 25. a) Vektorijoukko S = {(0,1,0,0),(1,0,1,0),(0,1,0,2),(1,0,2,0)} on lineaarisen vektoriavaruuden R 4 kanta. Vektorin u koordinaatit kannassa S ovat 1, 2,5 ja 0. Määrää vektorin u koordinaatit luonnollisessa( kannassa. ) ( ) ( ) ( ) b) Matriisijoukko S = {,,, on reaalisten 2 2 matriisien muodostaman vektoriavaruuden kanta. Määrää matriisin koordinaatit kannassa S ( ) Määrää kaikki sellaiset reaaliluvutk, että vektorijoukkos = {(0, 1,0,k),(1,0,1,0),(0,1,1,0),(k,0,2,1)}. on R 4 :n kanta. 27. Onko kuvaus F : R 2 R 3, F(x 1,x 2 ) = (x 1 +4x 2,5x 1, x 1 +6x 2 ) lineaarinen kuvaus? Jos on, niin määrää sen matriisi luonnollisen kannan suhteen. Jos ei ole, niin perustele miksi ei. 28. Tutki onko kuvaus F, lineaarinen kuvaus. Jos on, niin määrää sen matriisi luonnollisen kannan suhteen ja määrää matriisin avulla vektorin F( u) koordinaatit luonnollisessa kannassa. Jos F ei ole lineaarinen kuvaus, niin perustele miksi ei. a) F : R 4 R 2, F(x 1,x 2,x 3,x 4 ) = (x 1 + 3x 2 + x 3,x 1 x 2 + 2x 4 ) ja vektorin u koordinaatit luonnollisessa kannassa ovat 1,2, 1 ja 0. b) F : R 4 R 2, F(x 1,x 2,x 3,x 4 ) = (x 1 +3x 2 +2x 3 +x 4,2) vektorin u koordinaatit luonnollisessa kannassa ovat 1,2, 1 ja 0. c) F : R 2 R 4, F(x 1,x 2 ) = (x 1 + 2x 2,x 2,x 1 x 2,2x 1 + 3x 2 ) ja vektorin u koordinaatit luonnollisessa kannassa ovat 2 ja Kuvankäsittelyssä kuvia muokataan käyttämällä lineaarisia muunnoksia kuten esimerkiksi venytystä, kiertoa ja peilausta. a) Muodosta muunnoksen (kannalta E = { i, j, k} kannalle E) matriisi, kun kuvaa aluksi venytetään j-akselin suunnassa 5-kertaiseksi ja k-akselin suunnassa 4-kertaiseksi ja sitten kierretään kulman π 2 verran i-akselin ympäri myötäpäivään (katsottuna i-akselin positiiviselta puoliakselilta origoon päin). b) Mikä on muunnosmatriisi, jos kohdan a muunnosten kuva vielä peilataan yz-tason (=jk-tason) suhteen ja sitten kierretään kulman 3 2π verran i-akselin ympäri vastapäivään (katsottuna i- akselin positiiviselta puoliakselilta origoon päin)? 30. Kuvankäsittelyssä kuvia muokataan käyttämällä lineaarisia muunnoksia kuten esimerkiksi venytystä, kiertoa ja peilausta.muodosta muunnoksen (kannalta E = { i, j, k} kannalle E) matriisi, kun kuvaa aluksi peilataan xy-tason (=ij-tason) suhteen, venytetään k-akselin suunnassa 4-kertaiseksi ja lopuksi kierretään kulman π 2 verran i-akselin ympäri myötäpäivään (katsottuna i-akselin positiiviselta puoliakselilta origoon päin). 31. Kun kuvankäsittelyssä tehdään peräkkäin kaksi venytystä (esim. venytys z-akselin suunnassa ja sitten venytys x-akselin suunnassa), niin voidaanko venytysten järjestystä vaihtaa ja jos voidaan, niin miksi? Voidaanko kahden kierron (esim. kierto π 2 :n verran myötäpäivään x-akselin ympäri ja sitten π 2 :n verran myötäpäivään y-akselin ympäri) järjestystä vaihtaa ja jos voidaan niin miksi? Edelleen voidaanko kierron ja venytyksen järjestystä vaihtaa? Perustelut! 32. a) Määritä lineaarikuvauksen F : R 3 R 2, F(x 1,x 2,x 3 ) = (2x 1 +x 2 3x 3, x 1 2x 2 +x 3 ) matriisi kantojen S 1 = {(1,0,1),(0,1,0),(0,1,1)} ja S 2 = {(0, 1),( 1,1)} suhteen ja laske sen avulla vektorin F( u) koordinaatit kannassa S 2, kun vektori u = 2 i + 3 j k, missä i = (1,0,0), j = (0,1,0) ja k = (0,0,1). b) Olkoon F sellainen lineaarikuvaus reaalisten 2 2 matriisien joukossa, että ( ) 1 2 F(B) = B. 3 4

5 Määrää lineaarikuvauksen F matriisi kannan ( ) ( ) {,, ( ) 1 0, 1 0 ( ) 0 1 } 0 2 suhteen. 33. a) Määrää lineaarikuvauksen F : R 3 R 2, F(x 1,x 2,x 3 ) = (x 1 +x 2,x 2 +x 3 ) matriisi A kantojen S 1 = {(1,1,1),(0,1,1),(0,0,1)} ja S 2 = {(1,1),(1, 1)} suhteen. Määrää A:n avulla vektorin F( u) koordinaatit kannassa S 2, kun u:n koordinaatit kannassa S 1 ovat 4, 1 ja 5. b) Määrää lineaarikuvauksen F : P 2 (R) R 2, F(a+bt+ct 2 ) = (a 3c,2a+b 2c) matriisi A kantojen S 1 = {1,1+t,1+t+t 2 } ja S 2 = {(1, 1),(2,1)} suhteen. Määrää A:n avulla vektorin F(p(t)) koordinaatit kannassa S 2, kun polynomin p(t) koordinaatit kannassa S 1 ovat 3, 3 ja Olkoon matriisi A = , Onko vektori ( 2, 4,0) T a) A:n ytimen, b) A:n kuva-avaruuden vektori? 35. Olkoon matriisi A = , Onko vektori (1, 5,2,1, 3) T a) A:n ytimen, b) A:n kuva-avaruuden vektori? 36. Määrää seuraavien matriisien aste, nulliteetti, ydin ja ytimen kanta (jokin niistä, jos mahdollista): a) A = , b) 37. Määrää matriisin A = , A = aste, nulliteetti, ydin, ytimen kanta ja kuva-avaruuden kanta. 38. Määrää matriisin A = aste, nulliteetti, ydin, ytimen kanta ja kuva-avaruuden kanta.

6 39. Tutki onko allaolevalla yhtälöryhmällä ratkaisuja. x 1 + x 2 x 3 = 7 4x 1 x 2 + 5x 3 = 4 6x 1 + x 2 + 3x 3 = Määrää kaikki sellaiset k:n arvot, että yhtälöryhmällä x 1 + kx 2 = 2 kx 1 + x 2 + x 3 = 1 x 1 + x 2 + x 3 = 1 on yksikäsitteinen ratkaisu. 41. Osoita, että jokaiselle 5 7 matriisille A on 2 dimn(a) 7, missä dimn(a) on A:n nulliteetti. Konstruoi esimerkki 5 7 matriisista, jonka nulliteetti on 2 ja 5 7 matriisista, jonka nulliteetti on Jokaiselle matriisille B vektoriavaruus row(b) on matriisin B rivien (eli rivivektoreiden) virittämä vektoriavaruus ja R(B) on B:n kuva-avaruus. Olkoon A säännöllinen n n matriisi ja olkoon a) Selvitä onko row((a ) 1 ) = R(A). b) Määrää matriisin A nulliteetti. A = (A 1 ) T. 43. Vektorijoukot S 1 = {(1,1,0),( 1,0,0),(1,0, 1)} ja S 2 = {(0,1,1),(1,1,1),(0,0,1)} ja ovat R 3 :n kantoja. Vektorin v koordinaatit kannassa S 1 ovat 1, 1 ja 2. Määritä kannanvaihtomatriisi P(S 2 S 1 ) ja laske sen avulla v:n koordinaatit kannassa S Vektorijoukot S 1 = {(1,1,0),(1,1,1),(1,2,1)} ja S 2 = {(0,1,0),(1,1,0),(1,2,3)} ja ovat R 3 :n kantoja. a) Vektorin u koordinaatit kannassa S 1 ovat 4,3 ja 2. Määritä tarvittava kannanvaihtomatriisi ja laske sen avulla u:n koordinaatit kannassa S 2. b) Vektorin v koordinaatit kannassa S 2 ovat 3,2 ja 1. Määritä tarvittava kannanvaihtomatriisi ja laske sen avulla v:n koordinaatit kannassa S Määrää det(a), kun A = Määrää seuraavien matriisien determinantit: a) b) , c) i 1 i i 1 i

7 47. Ratkaise tehtävä 40 kerroinmatriisin determinantin avulla. 48. Olkoon A = (a ij ) = Laske matriisin A alkion a 12 kofaktori. Laske adjungoitu matriisi adj A ja määrää sen avulla matriisin A käänteismatriisi. 49. Olkoon A = (a ij ) = Laske matriisin A alkion a 23 kofaktori. Laske adjungoitu matriisi adj A ja määrää sen avulla matriisin A käänteismatriisi. 50. Määrää determinantin avulla a) pisteiden (2, 3, 1), (2, 1, 1) ja (1, 2, 1) kautta kulkevan tason yhtälö, b) pisteiden (2,6), (2,0) ja (5,3) kautta kulkevan ympyrän yhtälö. 51. Sievennä pisteiden (0, 0, 1),(1, 0, 1),(1, 1, 1) ja (2, 2, 2) kautta kulkevan pallopinnan yhtälö x 2 +y 2 +z 2 x y z = muotoon c 1 (x 2 +y 2 +z 2 )+c 2 x+c 3 y+c 4 z+c 5 = 0 laskemalla yhtälön vasemmalla puolella olevan determinantin arvo. 52. Etsi matriisin A ominaisarvot ja -vektorit, kun ( ) 1 2 A = Laske matriisin A = ominaisarvot ja kaikki ominaisvektorit. 54. Etsi matriisin A ominaisarvot ja -vektorit, kun A = Etsi matriisin A ominaisarvot ja -vektorit, kun a) A = b) A = MatriisinAominaisarvot ovat4ja 1 ja vastaavat ominaisvektorit ovat u 1 = ( 2,3) ja u 2 = (1,5). Määrää vektori A( 2 u 1 +5 u 2 ). 57. Olkoon A tehtävän 53 matriisi. Määrää matriisien A 3, A 1 ja A+5I ominaisarvot ja ominaisvektorit. 58. Olkoon A = Tutki, onko A diagonalisoituva. Jos on, niin määrää matriisi D = T 1 AT ja siihen liittyvä matriisi T. Jos ei ole, niin perustele miksi ei.

8 59. OlkoonA tehtävän 53 matriisi. OnkoAdiagonalisoituva? Jos on, niin määrää matriisid = T 1 AT ja siihen liittyvä matriisi T.Jos ei ole, niin perustele miksi ei. 60. Matriisin A ominaisarvot ovat -1, 1 ja 0 sekä vastaavat ominaisvektorit ovat ( 1, 1, 1), ( 1, 4, 1) ja (1, 2, 1). Määrää A. 61. Matriisin A ominaisarvot ovat 2,1 ja 2 sekä vastaavat ominaisvektorit ( 1,0,1), ( 1,4,0) ja (1,2,1). Määrää A. 62. Matriisi A on nollamatriisista eroava reaaliset ominaisarvot omaava diagonalisoituva n n matriisi, jolle on voimassa A 6 = A. Määrää A:n itseisarvoltaan suurin ominaisarvo. 63. Olkoon matriisi A = ( ) a) Määrää matriisi A 100. b) Ratkaise matriisiyhtälö AX +I = A 101. ( ) Olkoon matriisi A =. Onko A diagonalisoituva? Jos A on diagonalisoituva, niin määrää 2 4 matriisi A 555 matriisin A diagonalisoinnin avulla. Jos A ei ole diagonalisoituva, niin perustele miksi ei ole. 65. Olkoon A tehtävän 58 matriisi. Määrää ainakin yksi matriisi B, joka toteuttaa ehdon B 2 = A. 66. Olkoon A n n matriisi, jolla on n erisuurta ominaisarvoa. Osoita, että matriisin A determinantti on A:n ominaisarvojen tulo. 67. Arvioi Gershgorinin ympyröiden avulla matriisin 2 i i 0 i 1 2 ominaisarvojen sijaintia. 68. Arvioi Gershgorinin ympyröiden avulla matriisin A = i i ominaisarvojen sijaintia. Piirrä kuva ja määrää kuvan perusteella väli, johon A:n jokaisen ominaisarvon reaaliosa kuuluu sekä väli, johon A:n jokaisen ominaisarvon imaginaariosa kuuluu. 69. Reaalisen symmetrisen matriisin ominaisarvot ovat reaalisia. Olkoon a reaaliluku. Osoita, että jos λ on matriisin a a a a ominaisarvo, niin a 3 λ a Osoita, että jos λ on matriisin ominaisarvo, niin 0 < λ < Laske matriisin A = ( ) itseisarvoltaan suurimmalle ominaisarvolle likiarvo iteratiivisesti lähtien vektorista y 0 = (0,1) T. Likiarvo λ (4) 1 riittää. Mikä on vastaava ominaisvektori?

9 72. Laske matriisin A = itseisarvoltaan suurimmalle ominaisarvolle likiarvo iteratiivisesti lähtien vektorista y 0 = (1,1,1) T. Likiarvo λ (3) 1 riittää. Mikä on vastaava ominaisvektori? 73. Laske 1-, - ja Frobenius normi matriisille A = Ratkaise yhtälöryhmä x 1 5x 2 + x 3 = 16 8x 1 + x 2 + x 3 = 1 x 1 + x 2 4x 3 = 7 Jacobin menetelmällä (3 iteraatiokierrosta). Määrää iteraatiomatriisi G ja tutki, onko sen jokin normi < Ratkaise yhtälöryhmä x 1 3x x 3 = 31 4x 1 + x 2 x 3 = 3 2x 1 + 7x 2 + x 3 = 19 järkevästi Jacobin menetelmällä lähtien vektorista x (0) = 0. Laske toinen iteraatio x (2). Määrää Jacobin iteraatioiden iteraatiomatriisi G ja laske G Yhtälöryhmän 2x 1 +x 2 +x 3 = 4 x 1 +2x 2 +x 3 = 4 x 1 +x 2 +2x 3 = 4 kerroinmatriisi ei ole lävistäjävaltainen. Sovella yhtälöryhmään Jacobin menetelmää laskemalla iteraatio x (3) lähtien vektorista x (0) = 0. Määrää Jacobin iteraatioiden iteraatiomatriisi G sekä tutki matriisin G avulla iteraatioiden suppenemista/hajaantumista. 77. Ratkaise yhtälöryhmä { 2x 1 +4x 2 = 3 5x 1 x 2 = 7 Gauss - Seidelin menetelmällä lähtien vektorista x (0) = 0 ja laske toinen iteraatio x (2). 78. Ratkaise yhtälöryhmä x 1 + 4x 2 x 3 = 21 3x 1 + 4x 2 + 8x 3 = 16 6x 1 + x 2 x 3 = 10 järkevästi Gauss-Seidelin menetelmällä lähtien vektorista x (0) = (1,1,1). Laske toinen iteraatio x (2). 79. Ratkaise yhtälöryhmä 3x 1 +x 3 = 4 x 1 x 2 +3x 3 = 1 x 1 +2x 2 = 3 järkevästi Gauss - Seidelin menetelmällä. Valitse x (0) = 0 ja lopeta iterointi, kun x (k) x (k 1) < 0,1.

10 80. Tarkastellaan ylideterminoitua systeemiä x 1 2x 2 = 3 x 1 + 2x 2 = 1 3x 2 = 4 2x 1 + 5x 2 = 2 a) Määrää systeemin kerroinmatriisi A ja laske sen normit A 1 ja A. b) Laske systeemin pienimmän neliösumman ratkaisu. Laske jäännösvektorin r normi r Fr. 81. Määrää ylideterminoidun systeemin x 1 6x 2 = 1 x 1 2x 2 = 2 x 1 + x 2 = 1 x 1 + 7x 2 = 6 pienimmän neliösumman ratkaisu. Laske jäännösvektorin r normi r Määrää ylideterminoidun systeemin x 1 x 3 = 5 x 1 3x 3 = 7 x 2 + x 3 = 2 x 2 + x 3 = 1 pienimmän neliösumman ratkaisu. 83. Määrää matriisin A = käänteismatriisi Cayley - Hamiltonin lauseen perusteella A:n karakteristisesta yhtälöstä. Määrää det(a). 84. Olkoon A = Laske Cayley-Hamiltonin lauseen avulla A Laske Cayley-Hamiltonin lauseen avulla A 5, kun A = matriisin A ominaisarvot ovat 2, 1 ja 2 sekä A 2 A = Laske A:n käänteismatriisi ja determinantti.

tyyppi metalli puu lasi työ I II III metalli puu lasi työ

tyyppi metalli puu lasi työ I II III metalli puu lasi työ MATRIISIALGEBRA Harjoitustehtäviä syksy 29 ( 7 1 1 4 1 1. Olkoot, B = 1 5 2 5 3 Määrää 2A, B 2A, A T, ( 2A) T, (A T ) T. ), C = ( 1 ) 4 4 ja E = 7. 3 2. Olkoot A, B, C ja E kuten edellisessä tehtävässä.

Lisätiedot

2, E = Määrää 3A, B 2A ja E + F. 2. Laske (mikäli mahdollista) AB, BA, A 2, BC, CB ja F = 1 0 0

2, E = Määrää 3A, B 2A ja E + F. 2. Laske (mikäli mahdollista) AB, BA, A 2, BC, CB ja F = 1 0 0 MATRIISIALGEBRA Harjoitustehtäviä syksy 2012 Tehtävissä 1-2 käytetään seuraavia matriiseja: A = 1 2 ( ) 0 5 1 2 4, B =, C = 1 2, E = 1 0 0 0 1 0 ja F = 1 0 0 0 1 0. 3 7 2 4 3 3 1 3 4 2 2 3 0 1. Määrää

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

MATRIISIALGEBRA. Harjoitustehtäviä syksy Olkoot A =, B =

MATRIISIALGEBRA. Harjoitustehtäviä syksy Olkoot A =, B = MATRIISIALGEBRA Harjoitustehtäviä syksy 2008 0 3 2 3. Olkoot, B =, C =. 3 2 3 2 4 0 Määrättävä A + B, 4A 2B, A T, C T, (A T ) T. 2. Jos A, B ja C ovat kuten edellisessä tehtävässä, onko a) C + C T määritelty,

Lisätiedot

Matriisialgebra harjoitukset, syksy 2016

Matriisialgebra harjoitukset, syksy 2016 MATRIISIALGEBRA, s, Ratkaisuja/ MHamina & M Peltola 7 Onko kuvaus F : R R, F(x 1,x = (x 1 +x,5x 1, x 1 +6x lineaarinen kuvaus? Jos on, niin määrää sen matriisi luonnollisen kannan suhteen Jos ei ole, niin

Lisätiedot

Matriisialgebra harjoitukset, syksy x 1 + x 2 = a 0

Matriisialgebra 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

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

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

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

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

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

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

Matemaattinen Analyysi / kertaus

Matemaattinen Analyysi / kertaus Matemaattinen Analyysi / kertaus Ensimmäinen välikoe o { 2x + 3y 4z = 2 5x 2y + 5z = 7 ( ) x 2 3 4 y = 5 2 5 z ) ( 3 + y 2 ( 2 x 5 ( 2 7 ) ) ( 4 + z 5 ) = ( 2 7 ) yhteys determinanttiin Yhtälöryhmän ratkaiseminen

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

2.8. Kannanvaihto R n :ssä

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

Lisätiedot

Insinöörimatematiikka D

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

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

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

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain Matriisilaskenta LH4 24 ratkaisut 1 Hae seuraavien R 4 :n aliavaruuksien dimensiot jotka sisältävät vain a) Kaikki muotoa (a b c d) olevat vektorit joilla d a + b b) Kaikki muotoa (a b c d) olevat vektorit

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

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

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

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

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

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

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

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

Lisätiedot

ominaisvektorit. Nyt 2 3 6

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

Lisätiedot

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

Matriisialgebra harjoitukset, syksy 2015

Matriisialgebra harjoitukset, syksy 2015 Matriisialgebra harjoitukset, syksy 25 MATRIISIALGEBRA, s. 25, Ratkaisuja/ M.Hamina 2. Virittääkö vektorijoukko S vektoriavaruuden V seuraavissa tapauksissa. a V = R 3 ja S = {(, 4,3,(,3,,(3, 5,,(,2, 2}.

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

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

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

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

Ominaisarvo ja ominaisvektori

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

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

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

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

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

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-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

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

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

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

Kuvaus. Määritelmä. LM2, Kesä /160

Kuvaus. 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

Lisätiedot

(1.1) Ae j = a k,j e k.

(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

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

Kanta ja Kannan-vaihto

Kanta 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

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

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

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

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

Ratkaisuehdotukset LH 7 / vko 47

Ratkaisuehdotukset 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 [

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

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

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

Ennakkotehtävän ratkaisu

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

Lisätiedot

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

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

Lisätiedot

Insinöörimatematiikka D

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

Lisätiedot

110. 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

110. 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

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

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

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

Lisätiedot

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

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

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-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

Kanta ja dimensio 1 / 23

Kanta 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

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

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

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

Tehtäväsarja I Kerrataan lineaarikuvauksiin liittyviä todistuksia ja lineaarikuvauksen muodostamista. Sarjaan liittyvät Stack-tehtävät: 1 ja 2.

Tehtäväsarja I Kerrataan lineaarikuvauksiin liittyviä todistuksia ja lineaarikuvauksen muodostamista. Sarjaan liittyvät Stack-tehtävät: 1 ja 2. HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2016 Harjoitus 3 Ratkaisut palautettava viimeistään maanantaina 29.8.2016 klo 13.15. Tehtäväsarja I Kerrataan lineaarikuvauksiin liittyviä

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

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

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

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

MS-A0003/A Matriisilaskenta Laskuharjoitus 6 MS-A3/A - Matriisilaskenta Laskuharjoitus 6 Ratkaisuehdotelmia. Diagonalisointi on hajotelma A SΛS, jossa diagonaalimatriisi Λ sisältää matriisin A ominaisarvot ja matriisin S sarakkeet ovat näitä ominaisarvoja

Lisätiedot

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

Matriisilaskenta. Harjoitusten 3 ratkaisut (Kevät 2019) 1. Olkoot AB = ja 2. Osoitetaan, että matriisi B on matriisin A käänteismatriisi. Matriisilaskenta Harjoitusten ratkaisut (Kevät 9). Olkoot ja A = B = 5. Osoitetaan, että matriisi B on matriisin A käänteismatriisi. Tapa Käänteismatriisin määritelmän nojalla riittää osoittaa, että AB

Lisätiedot

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

JAKSO 2 KANTA JA KOORDINAATIT

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

Lisätiedot

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

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

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

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

Bijektio. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin jokaiselle alkiolle kuvautuu tasan yksi lähdön alkio.

Bijektio. 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

Lisätiedot

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. Olkoot A 2 := AA =

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. Olkoot A 2 := AA = 3 3 Olkoot 9 8 B 7 6 ja A 5 4 [ 3 4 Nyt A + B, AB ja BB eivät ole mielekkäitä (vastaavilla lineaarikuvauksilla menisivät dimensiot solmuun tällaisista yhdistelmistä) Kuitenkin voidaan laskea BA ja 9( )

Lisätiedot

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

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

Lisätiedot

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

5.1. Normi ja suppeneminen Vektoriavaruus V on normiavaruus, jos siinä on määritelty normi : V R + = [0, ) jolla on ominaisuudet:

5.1. Normi ja suppeneminen Vektoriavaruus V on normiavaruus, jos siinä on määritelty normi : V R + = [0, ) jolla on ominaisuudet: 5.. Normi ja suppeneminen Vektoriavaruus V on normiavaruus, jos siinä on määritelty normi : V R + = [, ) jolla on ominaisuudet: x = x = x + y x + y, x, y V a x = a x, x V, a K (= R tai C) Esimerkki 5..

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

Insinöörimatematiikka D

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

Lisätiedot

6. OMINAISARVOT JA DIAGONALISOINTI

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

Lisätiedot

Vektoreiden virittämä aliavaruus

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

Lisätiedot

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

Lineaarialgebra ja matriisilaskenta I

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

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

MS-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?

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

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

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

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

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