Koodausteoria, Kesä 2014
|
|
- Albert Sala
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos
2 5.2 BCH-koodin dekoodaus Tarkastellaan t virhettä korjaavaa n-pituista BCH-koodia. Olkoon α primitiivinen n:s ykkösen juuri, c = c(x) = c 0 + c 1 x + + c n 1 x n 1 = (c 0, c 1,..., c n 1 ) lähetetty sana ja r = r(x) saatu sana. Tällöin missä e(x) on virhe. Merkitään jolloin r(x) = c(x) + e(x), S i = r(α i ), i = 1, 2,..., 2t, (1) S i = c(α i ) + e(α i ) = 0 + e(α i ) = e(α i ), i = 1, 2,..., 2t. Topi Törmä Matemaattisten tieteiden laitos 2 / 1
3 Jos wt(e) = w t ja e(x) = w e jl x j l, niin l=1 S i = w e jl α ij l, i = 1, 2,..., 2t. (2) l=1 Jos potenssit α j 1,..., α j l saadaan selville, niin eksponentit j 1, j 2,..., j l ilmaisevat virhekohdat. Topi Törmä Matemaattisten tieteiden laitos 3 / 1
4 Jos wt(e) = w t ja e(x) = w e jl x j l, niin l=1 S i = w e jl α ij l, i = 1, 2,..., 2t. (2) l=1 Jos potenssit α j 1,..., α j l saadaan selville, niin eksponentit j 1, j 2,..., j l ilmaisevat virhekohdat. Merkitään x l = α j l ja y l = e jl, l = 1,..., w. Tällöin yhtälön (2) mukaan w S i = y l xl i, i = 1,..., 2t. l=1 Topi Törmä Matemaattisten tieteiden laitos 3 / 1
5 Määritellään virhekohtapolynomi σ(z), σ(z) = w (1 x i z) = i=1 w σ j z j, σ 0 = 1, jonka nollakohtien käänteisalkiot ilmaisevat virhekohdat. Suureista S i saadaan muodostettua polynomi j=0 2t 2t S(z) = S i z i = = i=1 w l=1 i=1 z i w l=1 y l x l z 1 (x lz) 2t. 1 x l z y l x i l = w 2t y l l=1 i=1 (x l z) i Topi Törmä Matemaattisten tieteiden laitos 4 / 1
6 Merkitään A l (z) = y l x l z w (1 x j z), jolloin saadaan j=1 j l S(z)σ(z) = = w w y l x l z(1 (x l z) 2t ) (1 x j z) l=1 w A l (z) l=1 j=1 j l w A l (z)(x l z) 2t. l=1 Topi Törmä Matemaattisten tieteiden laitos 5 / 1
7 Koska 1 deg A l (z) w ja deg(a l (z)(x l z) 2t ) 2t + 1, niin yllä termien z w+1, z w+2,..., z 2t kertoimet ovat 0. Nämä saadaan kertomalla tulo S(z)σ(z) = ( 2t i=1 S iz i)( w j=0 σ jz j), σ 0 = 1, tavalliseen tapaan auki. Tässä tulossa termin z w+j kerroin on S i σ j. Näin ollen tarkastelemalla termien z w+1,..., z 2w i+j=w+j kertoimia (huomaa, että 2w 2t) saadaan yhtälöryhmä σ w S 1 + σ w 1 S σ 1 S w + S w+1 = 0 σ w S 2 + σ w 1 S σ 1 S w+1 + S w+2 = 0. σ w S w + σ w 1 S w σ 1 S 2w 1 + S 2w = 0. (3) Topi Törmä Matemaattisten tieteiden laitos 6 / 1
8 Tässä x 1... x w y 1 x x 1... x w 1 1 x xw 2 0 y 2 x x 2... x w x1 w 1... xw w y w x w 1 x w... xw w 1 S 1 S 2... S w S 2 S 3... S w+1 =.... (4) S w S w+1... S 2w 1 on yhtälöryhmän (3) kerroinmatriisi. Koska x 1,..., x l ovat nollasta eroavia ja erisuuria, niin yhtälöryhmän (3) determinantti, eli det[s i ] yhtälössä (4), on nollasta eroava. Siten kertoimet σ j saadaan ratkaistua yksikäsitteisesti yhtälöryhmästä (3). Topi Törmä Matemaattisten tieteiden laitos 7 / 1
9 Jos f > w, niin suorittamalla yhtälön (4) kaltainen tekijöihinjako nähdään, että yhtälöryhmän σ f S σ 1 S f + S f +1 = 0 σ f S σ 1 S f +1 + S f +2 = 0. σ f S f + + σ 1 S 2f 1 + S 2f = 0 determinantti on nolla (Tällöin jokin y l = e jl = 0). Mikäli w t, niin oikea w (jota ei tiedetä ennakolta) saadaan seuraavasti: Valitaan w = t. Jos yhtälöryhmän (3) determinantti on 0, valitaan w = t 1 ja jatketaan samaan tapaan. Topi Törmä Matemaattisten tieteiden laitos 8 / 1
10 Varsinainen dekoodausmenettely on seuraava: 1. Lasketaan suureet S i = r(α i ) yhtälöiden (1) avulla. 2. Määrätään oikea w yllä kuvatulla tavalla. 3. Ratkaistaan alkiot σ j yhtälöryhmän (3) avulla. 4. Virhekohdat saadaan virhekohtapolynomin σ(z) nollakohtien käänteisalkioiden eksponentteina. 5. Ratkaistaan kertoimet y l eli virhearvot yhtälöryhmästä S i = w xl i y l, i = 1,..., w. l=1 Topi Törmä Matemaattisten tieteiden laitos 9 / 1
11 Esimerkki A Olkoon n = 12 ja q = 5. Nyt kunnassa F 25 on primitiivinen 12. ykkösenjuuri α = 3β + 2, missä β 2 = β 1. Tarkastellaan 12-pituista BCH-koodia C, jonka suunniteltu etäisyys on 7. Tällöin C korjaa t = 3 virhettä. Dekoodataan sana r(x) = c(x) + e(x) = = 1 + 2x + 3x 2 + x 5 + 3x 7 + 4x 8 + 3x 9 + 2x 10 + x 11. Topi Törmä Matemaattisten tieteiden laitos 10 / 1
12 1. Lasketaan suureet S i, i = 1,..., 6. Nyt α = 3β + 2, α 2 = β, α 3 = 2, α 4 = β 1, α 5 = 2β, α 6 = 1, joten S 1 = r(α) = 1 + 2α + 3α 2 + α 5 + 3α 7 + 4α 8 + 3α 9 + 2α 10 + α 11 = 1 + β β + 2β 3(3β + 2) 4β 1 2(β 1) 2β = 4β = β S 2 = r(α 2 ) = r(β) = 3β 2 S 3 = r(α 3 ) = r(2) = 1 S 4 = r(α 4 ) = 3β + 2 S 5 = r(α 5 ) = r(2β) = β 1 S 6 = r(α 6 ) = r( 1) = 0. Topi Törmä Matemaattisten tieteiden laitos 11 / 1
13 Huom! Edellä voidaan myös laskea alkiolla α alkion β sijaan, kun käytetään identiteettiä β = 2α + 1. Tällöin ja α 2 = 2α + 1, α 3 = 2, α 4 = 2α, α 5 = α + 2, α 6 = 1 S 1 = 3α 1, S 2 = α + 1, S 3 = 1, S 4 = α, S 5 = 2α, S 6 = 0. Topi Törmä Matemaattisten tieteiden laitos 12 / 1
14 2. Nyt S 1 S 2 S 3 S 2 S 3 S 4 S 3 S 4 S 5 = 3α 1 α α α 1 α 2α 3α 1 α = 3α α 2 + α 1 0 α 2 2α 1 2α 2 + 3α 0 = α 1 3α 0 2α + 2 = 2(α 1)(α + 1) = 3(α 2 1) = α 0, joten wt(e) = w = t = 3. Topi Törmä Matemaattisten tieteiden laitos 13 / 1
15 3. Ratkaistaan virhekohtapolynomin kertoimet σ j yhtälöryhmästä σ 3 S 1 + σ 2 S 2 + σ 1 S 3 + S 4 = 0 σ 3 S 2 + σ 2 S 3 + σ 1 S 4 + S 5 = 0 σ 3 S 3 + σ 2 S 4 + σ 1 S 5 + S 6 = 0 (3α 1)σ 3 + (α + 1)σ 2 σ 1 = α (α + 1)σ 3 σ 2 + ασ 1 = 2α σ 3 + ασ 2 + 2ασ 1 = 0. Ratkaisemalla yhtälöryhmä (esim. Gaussin eliminoimismenetelmällä) saadaan σ 1 = 3 α, σ 2 = 2α + 2 ja σ 3 = 3α, joten virhekohtapolynomi σ(x) on σ(x) = 1 + (3 α)x + (2α + 2)x 2 + 3αx 3. Topi Törmä Matemaattisten tieteiden laitos 14 / 1
16 4. Ratkaistaan virhekohtapolynomin σ(x) nollakohdat (esim. kokeilemalla). Nyt σ(α 3 ) = σ(2) = 1 + (3 α) 2 + (2α + 2) ( 1) + 3α 3 = α 2α 2 α = 0, σ(α 6 ) = σ( 1) = α + 2α + 2 3α = 0, σ(α 11 ) = 1 + (3 α)α 11 + (2α + 2)α α 34 = 1 3α 5 1 2α 5 2α 4 3α 4 = 0, joten virhekohtapolynomin nollakohdat ovat α 3, α 6 ja α 11. Virhekohdat saadaan näiden nollakohtien käänteisalkioiden (α 9, α 6, α) eksponenteista ja ne ovat 1, 6 ja 9. Topi Törmä Matemaattisten tieteiden laitos 15 / 1
17 5. Ratkaistaan virhearvot e i yhtälöryhmästä e 1 α + e 6 α 6 + e 9 α 9 = 3α 1 e 1 α 2 + e 6 (α 2 ) 6 + e 9 (α 2 ) 9 = α + 1 e 1 α 3 + e 6 (α 3 ) 6 + e 9 (α 3 ) 9 = 1 αe 1 e 6 + 3e 9 = 3α 1 (2α + 1)e 1 + e 6 e 9 = α + 1 2e 1 e 6 + 2e 9 = 1. Yhtälöryhmän ratkaisuna saadaan e 1 = 2, e 6 = 1 ja e 9 = 1. Näin ollen virhe polynomi on e(x) = 2x x 6 + x 9. Siispä lähetetty koodisana on c(x) = r(x) e(x) = 1 + 2x + 3x 2 + x 5 + 3x 7 + 4x 8 + 3x 9 + 2x 10 + x x + x 6 x = 1 + 4x + 3x 2 + x 5 + x 6 + 3x 7 + 4x 8 + 2x 9 + 2x 10 + x 11 = Topi Törmä Matemaattisten tieteiden laitos 16 / 1
18 5.3 Reedin-Solomonin koodit Määritelmä Reedin Solomonin koodiksi eli RS-koodiksi sanotaan BCH-koodia, jonka aakkosto on F q, lohkopituus n = q 1 ja generoija d 1 g(x) = (x α i ), i=1 missä d on suunniteltu etäisyys ja α on kunnan F q primitiivialkio. Topi Törmä Matemaattisten tieteiden laitos 17 / 1
19 Esimerkki Olkoon q = 4 ja α kunnan F 4 primitiivialkio, jolle α 2 + α + 1 = 0. Tarkastellaan RS-koodia C, jonka suunniteltu etäisyys on 2. Sen generoijapolynomi on g(x) = x α ja koodisanat ovat c(x) = (a + bx)(x α), missä a, b F 4. Sanat on esitetty allaolevassa taulukossa. Tässä esim. a b 0 1 α α α1 0α 2 α 01α 2 1 α10 αα 2 1 ααα α0α 2 α α 2 α0 α 2 01 α 2 1α α 2 α 2 α 2 α 2 1α α 1αα 2 (1 + αx)(x α) = x α + αx 2 α 2 x = α + αx + αx 2 = ααα. C on [3, 2]-koodi. Topi Törmä Matemaattisten tieteiden laitos 18 / 1
20 Lauseessa osoitettiin, että lineaarisen [n, k]-koodin minimietäisyys on korkeintaan n k + 1. Määritelmän mukaan maksimietäisyyskoodeilla on juuri tämä minimietäisyys. Topi Törmä Matemaattisten tieteiden laitos 19 / 1
21 Lauseessa osoitettiin, että lineaarisen [n, k]-koodin minimietäisyys on korkeintaan n k + 1. Määritelmän mukaan maksimietäisyyskoodeilla on juuri tämä minimietäisyys. Lause RS-koodit ovat maksimietäisyyskoodeja. Topi Törmä Matemaattisten tieteiden laitos 19 / 1
22 Lauseessa osoitettiin, että lineaarisen [n, k]-koodin minimietäisyys on korkeintaan n k + 1. Määritelmän mukaan maksimietäisyyskoodeilla on juuri tämä minimietäisyys. Lause RS-koodit ovat maksimietäisyyskoodeja. Todistus: RS-koodin, jonka generoijapolynomi on g, minimetäisyys on BCH-rajan (Lause tai Lause a) nojalla vähintään d = d = deg g + 1 = n k + 1, kun kyseessä on [n, k]-koodi. Lauseen mukaan d min = n k + 1. Topi Törmä Matemaattisten tieteiden laitos 19 / 1
23 Lauseessa osoitettiin, että lineaarisen [n, k]-koodin minimietäisyys on korkeintaan n k + 1. Määritelmän mukaan maksimietäisyyskoodeilla on juuri tämä minimietäisyys. Lause RS-koodit ovat maksimietäisyyskoodeja. Todistus: RS-koodin, jonka generoijapolynomi on g, minimetäisyys on BCH-rajan (Lause tai Lause a) nojalla vähintään d = d = deg g + 1 = n k + 1, kun kyseessä on [n, k]-koodi. Lauseen mukaan d min = n k + 1. Edellisen lauseen todistuksesta käy ilmi, että RS-koodin minimietäisyys on d min = deg g + 1 = d des. RS-koodi voidaan dekoodata kappaleen 5.2 teoriaa käyttäen. Topi Törmä Matemaattisten tieteiden laitos 19 / 1
24 Lause Olkoon C [n, k, d]-rs-koodi, jonka generoijapolynomi on g(x) = (x α)(x α 2 ) (x α d 1 ). Laajennetaan koodin C jokainen sana c = c 0 c 1 c n 1 sanaksi c 0 c 1 c n 1 c n, missä n 1 c n = c i. i=0 Näin saatu koodi on [n + 1, k, d + 1]-koodi. Topi Törmä Matemaattisten tieteiden laitos 20 / 1
25 Lause Olkoon C [n, k, d]-rs-koodi, jonka generoijapolynomi on g(x) = (x α)(x α 2 ) (x α d 1 ). Laajennetaan koodin C jokainen sana c = c 0 c 1 c n 1 sanaksi c 0 c 1 c n 1 c n, missä n 1 c n = c i. i=0 Näin saatu koodi on [n + 1, k, d + 1]-koodi. Todistus: Lyhyellä tarkastelulla nähdään, että laajennettu koodi todellakin on lineaarinen [n + 1, k]-koodi. Topi Törmä Matemaattisten tieteiden laitos 20 / 1
26 Osoitetaan, että laajennettaessa koodia C jokaisesta d-painoisesta koodisanasta tulee (d + 1)-painoinen. Olkoon c(x) = c 0 c 1... c n 1 = c C jokin d-painoinen sana. Tällöin n 1 c n = c i = c(1) i=0 ja riittää osoittaa, että c(1) 0. Nyt c(x) = a(x)g(x) jollakin a(x) F q [x], joten c(1) = a(1)g(1), missä g(1) 0. Jos c(1) = 0, niin a(1) = 0 ja (x 1) a(x). Tällöin (x 1)g(x) c(x) ja polynomilla c(x) on peräkkäiset nollakohdat 1 = α 0, α, α 2,..., α d 1. BCH-rajan nojalla wt(c) d + 1, mikä on ristiriita, sillä c oletettiin d-painoiseksi. Näin ollen c(1) 0 ja c n 0. Topi Törmä Matemaattisten tieteiden laitos 21 / 1
27 Esimerkin koodin laajennuksen sanat ovat a b 0 1 α α α1α 2 0α 2 α1 01α 2 α 1 α10α 2 αα 2 10 αααα α0α 2 1 α α 2 α01 α 2 01α α 2 1α0 α 2 α 2 α 2 α 2 α 2 1α 2 0α αα 2 1αα 2 0 Esim. jos c = ααα, niin laajennetun sanan viimeinen koordinaatti on (α + α + α) = α ja laajennettu sana on αααα. Topi Törmä Matemaattisten tieteiden laitos 22 / 1
28 Lause Olkoon P k renkaan F q [x] korkeintaan astetta k 1 olevien polynomien muodostama joukko, α kunnan F q primitiivialkio, n = q 1 ja k sellainen positiiviluku, että k n. Tällöin C = {(f (1), f (α),..., f (α n 1 )) f P k } on RS-koodi, jonka generoijapolynomi on g(x) = n k i=1 (x α i ). Topi Törmä Matemaattisten tieteiden laitos 23 / 1
29 Lause Olkoon P k renkaan F q [x] korkeintaan astetta k 1 olevien polynomien muodostama joukko, α kunnan F q primitiivialkio, n = q 1 ja k sellainen positiiviluku, että k n. Tällöin C = {(f (1), f (α),..., f (α n 1 )) f P k } on RS-koodi, jonka generoijapolynomi on g(x) = n k i=1 (x α i ). Todistus: Harjoituksen 10 tehtävän 4 mukaan C on syklinen koodi kunnan F q suhteen ja dim C = k. Koska g(x) on n-pituinen syklinen koodi, jonka dimensio on n deg g = n (n k) = k = dim C, niin riittää osoittaa, että C g(x). Topi Törmä Matemaattisten tieteiden laitos 23 / 1
30 Olkoon c(x) = n 1 j=0 c jx j C. Silloin c j = f (α j ), j = 0, 1,..., n 1, eräällä f (x) = k 1 l=0 f lx l P k, missä f l F q. Jokaisella i = 1,..., n k pätee n 1 n 1 n 1 k 1 k 1 c(α i ) = c j α ij = f (α j )α ij = f l α lj α ij = j=0 j=0 missä 1 l + i n 1. j=0 l=0 l=0 α (l+i)j, f l n 1 j=0 Topi Törmä Matemaattisten tieteiden laitos 24 / 1
31 Olkoon c(x) = n 1 j=0 c jx j C. Silloin c j = f (α j ), j = 0, 1,..., n 1, eräällä f (x) = k 1 l=0 f lx l P k, missä f l F q. Jokaisella i = 1,..., n k pätee n 1 n 1 n 1 k 1 k 1 c(α i ) = c j α ij = f (α j )α ij = f l α lj α ij = j=0 j=0 j=0 l=0 l=0 α (l+i)j, f l n 1 missä 1 l + i n 1. Koska α on primitiivinen n:s ykkösen juuri, niin α i+l 1 ja n 1 α (l+i)j = 1 α(l+i)n 1 α l+i = 0. j=0 Siis c(α i ) = 0 kaikilla i = 1,..., n k eli kaikki polynomin g(x) nollakohdat ovat myös polynomin c(x) nollakohtia. Näin ollen c(x) g(x) ja saatiin väite. j=0 Topi Törmä Matemaattisten tieteiden laitos 24 / 1
32 Olkoon C [n, k, d]-rs-koodi kunnan F q, q = p m, suhteen. Kunnan F q alkio voidaan korvata m-pituisella F p -kertoimisella vektorilla seuraavasti. Olkoon {β 1,..., β m } laajennuksen F q /F p kanta, jolloin saadaan yksikäsitteinen vastaavuus γ = m b i β i F q (b 1, b 2,..., b m ). i=1 Topi Törmä Matemaattisten tieteiden laitos 25 / 1
33 Olkoon C [n, k, d]-rs-koodi kunnan F q, q = p m, suhteen. Kunnan F q alkio voidaan korvata m-pituisella F p -kertoimisella vektorilla seuraavasti. Olkoon {β 1,..., β m } laajennuksen F q /F p kanta, jolloin saadaan yksikäsitteinen vastaavuus γ = m b i β i F q (b 1, b 2,..., b m ). i=1 Korvaamalla sanassa γ = (γ 0, γ 1,..., γ n 1 ) C kukin kirjain vastaavalla m-pituisella vektorilla γ i = (b i1, b i2,..., b im ) saadaan avaruuden F mn p vektori (b 01,..., b (n 1)m ). Näin saadaan kunnan F p suhteen oleva koodi {(b 01,..., b (n 1)m ) γ = (γ 0, γ 1,..., γ n 1 ) C, γ i = (b i1, b i2,..., b im )} Tämä on [mn, mk, d]-koodi (minimietäisyys on vähintään d). Topi Törmä Matemaattisten tieteiden laitos 25 / 1
34 Esimerkin kunnan F 4 suhteen olevasta [3, 2]-koodista saadaan kunnan F 2 suhteen oleva [6, 4]-koodi käyttämällä vastaavuutta γ = a 0 + a 1 α (a 0, a 1 ). Tämä koodi on C = {(a 00, a 01, a 10, a 11, a 20, a 21 ) (γ 0, γ 1, γ 2 ) C, γ i = a i0 + a i1 α}. Esim. koodin C sanaa ααα vastaa koodin C sana ja sanaa 1α 2 0 vastaa sana Topi Törmä Matemaattisten tieteiden laitos 26 / 1
Koodausteoria, Kesä 2014
Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos 5 BCH-, RS- ja Goppa-koodit Topi Törmä Matemaattisten tieteiden laitos 2 / 15 5.1 BCH-koodien määrittely Olkoon jälleen F = F q, syt(n,
LisätiedotKoodausteoria, Kesä 2014
Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos 4.7 Syklisen koodin jälkiesitys Olkoon F = F q ja K = F q m kunnan F laajennuskunta. Määritelmä 4.7.1. Kuntalaajennuksen K/F jälkifunktioksi
LisätiedotKoodausteoria, Kesä 2014
Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos 5.6 Alternanttikoodin dekoodaus, kun esiintyy pyyhkiytymiä ja virheitä Joissakin tilanteissa vastaanotetun sanan kirjainta ei saa tulkittua
LisätiedotKoodausteoria, Kesä 2014
Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos 6. Ryöppyvirheitä korjaavat koodit Topi Törmä Matemaattisten tieteiden laitos 2 / 34 6.1 Peruskäsitteitä Aiemmin on implisiittisesti
LisätiedotKoodausteoria, Kesä 2014
Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos 3.5 Reedin-Mullerin koodit Olkoon tässä kappaleessa F = F2 = Z2 ja n = 2 m. Määritellään avaruuteen F n kertolasku koordinaateittain:
LisätiedotKoodausteoria, Kesä 2014
Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos 3. Lineaariset koodit Topi Törmä Matemaattisten tieteiden laitos 2 / 22 3.1 Lineaarisen koodin määrittely Olkoon F äärellinen kunta.
LisätiedotKoodausteoria, Kesä 2014
Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos 3.3 Lineaarisen koodin dekoodaus Oletetaan, että lähetettäessä kanavaan sana c saadaan sana r = c + e, missä e on häiriön aiheuttama
LisätiedotKoodausteoria, Kesä 2014
Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos Koodausteoria 10 op Kontaktiopetusta 50 h, 26.5. - 26.6. ma 10-14, ti 10-13, to 10-13 Aloitusviikolla poikkeuksellisesti ke 10-13 torstain
Lisätiedot802320A LINEAARIALGEBRA OSA I
802320A LINEAARIALGEBRA OSA I Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 72 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä
Lisätiedot1 Lineaariavaruus eli Vektoriavaruus
1 Lineaariavaruus eli Vektoriavaruus 1.1 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä V epätyhjä joukko. Oletetaan, että joukossa V on määritelty laskutoimitus
LisätiedotKannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:
8 Kanta Tässä luvussa tarkastellaan aliavaruuden virittäjävektoreita, jotka muodostavat lineaarisesti riippumattoman jonon. Merkintöjen helpottamiseksi oletetaan luvussa koko ajan, että W on vektoreiden
LisätiedotAvaruuden R n aliavaruus
Avaruuden R n aliavaruus 1 / 41 Aliavaruus Esimerkki 1 Kuva: Suora on suljettu yhteenlaskun ja skalaarilla kertomisen suhteen. 2 / 41 Esimerkki 2 Kuva: Suora ei ole suljettu yhteenlaskun ja skalaarilla
LisätiedotMääritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.
1 Lineaarikuvaus 1.1 Määritelmä Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V W on lineaarinen, jos (a) L(v + w) = L(v) + L(w); (b) L(λv) = λl(v) aina, kun v, w V ja λ K. Termejä:
LisätiedotGaussin ja Jordanin eliminointimenetelmä
1 / 25 : Se on menetelmä lineaarisen yhtälöryhmän ratkaisemiseksi. Sitä käytetään myöhemmin myös käänteismatriisin määräämisessä. Ideana on tiettyjä rivioperaatioita käyttäen muokata yhtälöryhmää niin,
LisätiedotReedin ja Solomonin koodit Katariina Huttunen
Pro Gradu Reedin ja Solomonin koodit Katariina Huttunen Jyväskylän yliopisto Matematiikan laitos Lokakuu 2016 Tiivistelmä Huttunen Katariina, Reedin ja Solomonin koodit, matematiikan pro gradututkielma,
LisätiedotLineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus
Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus 1 / 51 Lineaarikombinaatio Johdattelua seuraavaan asiaan (ei tarkkoja määritelmiä): Millaisen kuvan muodostaa joukko {λv λ R, v R 3 }? Millaisen
Lisätiedotominaisvektorit. 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)
Lisätiedot802320A LINEAARIALGEBRA OSA III
802320A LINEAARIALGEBRA OSA III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 56 Määritelmä Määritelmä 1 Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V
Lisätiedot802118P 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
LisätiedotLineaarinen yhtälöryhmä
Lineaarinen yhtälöryhmä 1 / 39 Lineaarinen yhtälö Määritelmä 1 Lineaarinen yhtälö on muotoa a 1 x 1 + a 2 x 2 + + a n x n = b, missä a i, b R, i = 1,..., n ovat tunnettuja ja x i R, i = 1,..., n ovat tuntemattomia.
LisätiedotVapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.
Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +
LisätiedotLiittomatriisi. Liittomatriisi. Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä. 1) i+j det A ij.
Liittomatriisi Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä (cof A) ij =( 1) i+j det A ij kaikilla i, j = 1,...,n. Huomautus 8 Olkoon A 2 M(n, n). Tällöin kaikilla
LisätiedotJAKSO 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
Lisätiedot7 Vapaus. 7.1 Vapauden määritelmä
7 Vapaus Kuten edellisen luvun lopussa mainittiin, seuraavaksi pyritään ratkaisemaan, onko annetussa aliavaruuden virittäjäjoukossa tarpeettomia vektoreita Jos tällaisia ei ole, virittäjäjoukkoa kutsutaan
LisätiedotKäänteismatriisi 1 / 14
1 / 14 Jokaisella nollasta eroavalla reaaliluvulla on käänteisluku, jolla kerrottaessa tuloksena on 1. Seuraavaksi tarkastellaan vastaavaa ominaisuutta matriiseille ja määritellään käänteismatriisi. Jokaisella
Lisätiedot3 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
LisätiedotLineaarikuvauksen R n R m matriisi
Lineaarikuvauksen R n R m matriisi Lauseessa 21 osoitettiin, että jokaista m n -matriisia A vastaa lineaarikuvaus L A : R n R m, jolla L A ( v) = A v kaikilla v R n. Osoitetaan seuraavaksi käänteinen tulos:
LisätiedotOminaisarvot ja ominaisvektorit 140 / 170
Ominaisarvot ja ominaisvektorit 140 / 170 Seuraavissa luvuissa matriisit ja vektori ajatellaan kompleksisiksi, ts. kertojakuntana oletetaan olevan aina kompleksilukujoukko C Huomaa, että reaalilukujoukko
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 17 R. Kangaslampi Vektoriavaruudet Vektoriavaruus
LisätiedotKanta ja dimensio 1 / 23
1 / 23 Kuten ollaan huomattu, saman aliavaruuden voi virittää eri määrä vektoreita. Seuraavaksi määritellään mahdollisimman pieni vektorijoukko, joka virittää aliavaruuden. Jokainen aliavaruuden alkio
LisätiedotMS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Idea Lineaarisen systeemin ratkaiseminen Olkoon
LisätiedotLineaarialgebra ja matriisilaskenta II. LM2, Kesä /141
Lineaarialgebra ja matriisilaskenta II LM2, Kesä 2012 1/141 Kertausta: avaruuden R n vektorit Määritelmä Oletetaan, että n {1, 2, 3,...}. Avaruuden R n alkiot ovat jonoja, joissa on n kappaletta reaalilukuja.
LisätiedotMääritelmä Olkoon T i L (V i, W i ), 1 i m. Yksikäsitteisen lineaarikuvauksen h L (V 1 V 2 V m, W 1 W 2 W m )
Määritelmä 519 Olkoon T i L V i, W i, 1 i m Yksikäsitteisen lineaarikuvauksen h L V 1 V 2 V m, W 1 W 2 W m h v 1 v 2 v m T 1 v 1 T 2 v 2 T m v m 514 sanotaan olevan kuvausten T 1,, T m indusoima ja sitä
LisätiedotEnnakkotehtävän 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
Lisätiedot5 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
LisätiedotOminaisarvo 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
Lisätiedot7. Olemassaolo ja yksikäsitteisyys Galois n kunta GF(q) = F q, jossa on q alkiota, määriteltiin jäännösluokkarenkaaksi
7. Olemassaolo ja yksikäsitteisyys Galois n kunta GF(q) = F q, jossa on q alkiota, määriteltiin jäännösluokkarenkaaksi Z p [x]/(m), missä m on polynomirenkaan Z p [x] jaoton polynomi (ks. määritelmä 3.19).
Lisätiedotei ole muita välikuntia.
ALGEBRA II 41 Lause 4.15. F q m on polynomin x qm x hajoamiskunta kunnan F q suhteen. Todistus. Olkoon α kunnan F q m primitiivialkio. Nyt F qm =< α > muodostuu täsmälleen polynomin x qm 1 1nollakohdistajatäten
LisätiedotKuvaus. Määritelmä. LM2, Kesä /160
Kuvaus Määritelmä Oletetaan, että X ja Y ovat joukkoja. Kuvaus eli funktio joukosta X joukkoon Y on sääntö, joka liittää jokaiseen joukon X alkioon täsmälleen yhden alkion, joka kuuluu joukkoon Y. Merkintä
Lisätiedotja jäännösluokkien joukkoa
3. Polynomien jäännösluokkarenkaat Olkoon F kunta, ja olkoon m F[x]. Polynomeille f, g F [x] määritellään kongruenssi(-relaatio) asettamalla g f mod m : m g f g = f + m h jollekin h F [x]. Kongruenssi
LisätiedotOminaisvektoreiden lineaarinen riippumattomuus
Ominaisvektoreiden lineaarinen riippumattomuus Lause 17 Oletetaan, että A on n n -matriisi. Oletetaan, että λ 1,..., λ m ovat matriisin A eri ominaisarvoja, ja oletetaan, että v 1,..., v m ovat jotkin
Lisätiedot2 1/ /2 ; (a) Todista, että deg P (x)q(x) = deg P (x) + deg Q(x). (b) Osoita, että jos nolla-polynomille pätisi. deg 0(x) Z, Z 10 ; Z 10 [x];
802656S ALGEBRALLISET LUVUT Harjoituksia 2017 1. Näytä, että (a) (b) (c) (d) (e) 2 1/2, 3 1/2, 2 1/3 ; 2 1/2 + 3 1/2 ; 2 1/3 + 3 1/2 ; e iπ/m, m Z \ {0}; sin(π/m), cos(π/m), tan(π/m), m Z \ {0}; ovat algebrallisia
LisätiedotMatriisilaskenta, 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
Lisätiedot3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä
3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä Lineaarinen m:n yhtälön yhtälöryhmä, jossa on n tuntematonta x 1,, x n on joukko yhtälöitä, jotka ovat muotoa a 11 x 1 + + a 1n x n = b 1 a 21
Lisätiedotw + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1.
Kotitehtävät, tammikuu 2011 Vaikeampi sarja 1. Ratkaise yhtälöryhmä w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1. Ratkaisu. Yhtälöryhmän ratkaisut (w, x, y, z)
Lisätiedotx = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );
LINEAARIALGEBRA Harjoituksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla
LisätiedotBijektio. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin jokaiselle alkiolle kuvautuu tasan yksi lähdön alkio.
Määritelmä Bijektio Oletetaan, että f : X Y on kuvaus. Sanotaan, että kuvaus f on bijektio, jos se on sekä injektio että surjektio. Huom. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin
LisätiedotMS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Lineaarikuvaukset Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Lineaarikuvaukset Lineaarikuvaus Olkoot U ja V
LisätiedotOsoita, 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,
LisätiedotKokonaislukuoptimointi
Kokonaislukuoptimointi Algebrallisen geometrian sovelluksia Sisältö Taustaa algebrallisesta geometriasta Gröbnerin kanta Buchbergerin algoritmi Kokonaislukuoptimointi Käypyysongelma Algoritmi ratkaisun
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Lineaarikuvaukset Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 16 R. Kangaslampi Vektoriavaruudet Lineaarikuvaus
LisätiedotMiten osoitetaan joukot samoiksi?
Miten osoitetaan joukot samoiksi? Määritelmä 1 Joukot A ja B ovat samat, jos A B ja B A. Tällöin merkitään A = B. Kun todistetaan, että A = B, on päättelyssä kaksi vaihetta: (i) osoitetaan, että A B, ts.
LisätiedotTehtävä 2. Osoita, että seuraavat luvut ovat algebrallisia etsimällä jokin kokonaislukukertoiminen yhtälö jonka ne toteuttavat.
JOHDATUS LUKUTEORIAAN syksy 017) HARJOITUS 6, MALLIRATKAISUT Tehtävä 1. Etsi Pellin yhtälön x Dy = 1 pienin positiivinen ratkaisu kun D {,, 5, 6, 7, 8, 10}. Ratkaisu 1. Tehtävässä annetuilla D:n arvoilla
Lisätiedot1 Kertaus. Lineaarinen optimointitehtävä on muotoa:
1 Kertaus Lineaarinen optimointitehtävä on muotoa: min c 1 x 1 + c 2 x 2 + + c n x n kun 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 (11) a m1 x 1 + a m2 x 2 + + a mn x n
LisätiedotYhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.
2. MS-A4/A6 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.9.25 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x + x 2
LisätiedotMatriisiteoria 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[E : F ]=[E : K][K : F ].
ALGEBRA II 35 Lause 4.4 (Astelukulause). Olkoot E/K/Fäärellisiä kuntalaajennuksia. Silloin [E : F ]=[E : K][K : F ]. Todistus. Olkoon {α 1,...,α n } kanta laajennukselle E/K ja {β 1,...,β m } kanta laajennukselle
LisätiedotMitään muita operaatioita symbolille ei ole määritelty! < a kaikilla kokonaisluvuilla a, + a = kaikilla kokonaisluvuilla a.
Polynomit Tarkastelemme polynomirenkaiden teoriaa ja polynomiyhtälöiden ratkaisemista. Algebrassa on tapana pitää erillään polynomin ja polynomifunktion käsitteet. Polynomit Tarkastelemme polynomirenkaiden
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö
LisätiedotMS-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
LisätiedotMS-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
LisätiedotAlgebra I, harjoitus 5,
Algebra I, harjoitus 5, 7.-8.10.2014. 1. 2 Osoita väitteet oikeiksi tai vääriksi. a) (R, ) on ryhmä, kun asetetaan a b = 2(a + b) aina, kun a, b R. (Tässä + on reaalilukujen tavallinen yhteenlasku.) b)
LisätiedotMatriisilaskenta. 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
LisätiedotVille 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
LisätiedotOminaisarvo 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
LisätiedotYhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.
2. MS-A000 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2..205 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x x 2 =
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
LisätiedotMS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45
MS-A3/A5 Matriisilaskenta Laskuharjoitus 2 / vko 45 Tehtävä (L): Hahmottele kompleksitasoon ne pisteet, jotka toteuttavat a) z 2i = 2, b) z 2i < 2, c) /z
Lisätiedot6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio
6 Vektoriavaruus R n 6.1 Lineaarikombinaatio Määritelmä 19. Vektori x œ R n on vektorien v 1,...,v k œ R n lineaarikombinaatio, jos on olemassa sellaiset 1,..., k œ R, että x = i v i. i=1 Esimerkki 30.
LisätiedotLineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44
Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44 Tehtävät 1-3 lasketaan alkuviikon harjoituksissa, verkkotehtävien dl on lauantaina aamuyöllä. Tehtävät 4 ja 5 lasketaan loppuviikon harjoituksissa.
LisätiedotKanta ja Kannan-vaihto
ja Kannan-vaihto 1 Olkoon L vektoriavaruus. Äärellinen joukko L:n vektoreita V = { v 1, v 2,..., v n } on kanta, jos (1) Jokainen L:n vektori voidaan lausua v-vektoreiden lineaarikombinaationa. (Ts. Span(V
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö
LisätiedotPäättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1
Lineaarialgebran kertaustehtävien b ratkaisuista. Määritä jokin kanta sille reaalikertoimisten polynomien lineaariavaruuden P aliavaruudelle, jonka virittää polynomijoukko {x, x+, x x }. Ratkaisu. Olkoon
LisätiedotKantavektorien kuvavektorit määräävät lineaarikuvauksen
Kantavektorien kuvavektorit määräävät lineaarikuvauksen Lause 18 Oletetaan, että V ja W ovat vektoriavaruuksia. Oletetaan lisäksi, että ( v 1,..., v n ) on avaruuden V kanta ja w 1,..., w n W. Tällöin
LisätiedotEsko Turunen Luku 3. Ryhmät
3. Ryhmät Monoidia rikkaampi algebrallinen struktuuri on ryhmä: Määritelmä (3.1) Olkoon joukon G laskutoimitus. Joukko G varustettuna tällä laskutoimituksella on ryhmä, jos laskutoimitus on assosiatiivinen,
LisätiedotTodistus. Eliminoidaan Euleideen algoritmissa jakojäännökset alhaaltaylöspäin.
18 ALGEBRA II missä r n (x) =syt(f(x),g(x)). Lause 2.7. Olkoot f(x),g(x) K[x]. Silloin syt(f(x),g(x)) = a(x)f(x)+b(x)g(x), joillakin a(x),b(x) K[x]. Todistus. Eliminoidaan Euleideen algoritmissa jakojäännökset
LisätiedotMS-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
LisätiedotTOOLS. Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO TOOLS 1 / 28
TOOLS Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO 2018 TOOLS 1 / 28 Merkintöjä ja algebrallisia rakenteita Lukujoukkoja N = {0, 1, 2,..., GOOGOL 10,...} = {ei-negatiiviset kokonaisluvut}. TOOLS
LisätiedotMS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Ominaisarvoteoriaa Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Ominaisarvot Kertaus: ominaisarvot Määritelmä
Lisätiedot2 Renkaat ja kunnat. toteutuvat: 1. pari (K, +) on Abelin ryhmä, jonka neutraalialkio on 0 K,
1 Ryhmät Olkoot S on joukko ja X S. Jos kuvaus : S S S, (x, y) x y toteuttaa ehdon x y X kaikilla x, y X, niin sanotaan, että binäärinen operaatio on suljettu joukon X suhteen. Määritelmä 1. Olkoot G joukko
Lisätiedotk=1 b kx k K-kertoimisia polynomeja, P (X)+Q(X) = (a k + b k )X k n+m a i b j X k. i+j=k k=0
1. Polynomit Tässä luvussa tarkastelemme polynomien muodostamia renkaita polynomien ollisuutta käsitteleviä perustuloksia. Teemme luvun alkuun kaksi sopimusta: Tässä luvussa X on muodollinen symboli, jota
LisätiedotVapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee:
Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +
Lisätiedotx j x k Tällöin L j (x k ) = 0, kun k j, ja L j (x j ) = 1. Alkuperäiselle interpolaatio-ongelmalle saadaan nyt ratkaisu
2 Interpolointi Olkoon annettuna n+1 eri pistettä x 0, x 1, x n R ja n+1 lukua y 0, y 1,, y n Interpoloinnissa etsitään funktiota P, joka annetuissa pisteissä x 0,, x n saa annetut arvot y 0,, y n, (21)
LisätiedotMatriisialgebra harjoitukset, syksy x 1 + x 2 = a 0
MATRIISIALGEBRA, s, Ratkaisuja/ MHamina & M Peltola 22 Virittääkö vektorijoukko S vektoriavaruuden V, kun a V = R 3 ja S = {(1,0, 1,(2,0,4,( 5,0,2,(0,0,1} b V = P 2 (R ja S = {t1,t 2 1,t 2 t} ( ( 1 0 c
LisätiedotLU-hajotelma. Esimerkki 1 Matriisi on yläkolmiomatriisi ja matriisi. on alakolmiomatriisi. 3 / 24
LU-hajotelma 1 / 24 LU-hajotelma Seuravassa tarkastellaan kuinka neliömatriisi voidaan esittää kahden kolmiomatriisin tulona. Käytämme alkeismatriiseja tälläisen esityksen löytämiseen. Edellä mainittua
LisätiedotVapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.
Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +
Lisätiedot2.5. Matriisin avaruudet ja tunnusluvut
2.5. Matriisin avaruudet ja tunnusluvut m n-matriisi A Lineaarikuvaus A : V Z, missä V ja Z ovat sopivasti valittuja, dim V = n, dim Z = m (yleensä V = R n tai C n ja Z = R m tai C m ) Kuva-avaruus ja
Lisätiedotk=0 saanto jokaisen kolmannen asteen polynomin. Tukipisteet on talloin valittu
LIS AYKSI A kirjaan Reaalimuuttujan analyysi 1.6. Numeerinen integrointi: Gaussin kaavat Edella kasitellyt numeerisen integroinnin kaavat eli kvadratuurikaavat Riemannin summa, puolisuunnikassaanto ja
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö
LisätiedotMS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisinormi, häiriöalttius Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Matriisinormi Matriisinormi Matriiseille
Lisätiedot802328A LUKUTEORIAN PERUSTEET OSA III BASICS OF NUMBER THEORY PART III. Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO
8038A LUKUTEORIAN PERUSTEET OSA III BASICS OF NUMBER THEORY PART III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 016 Sisältö 1 Irrationaaliluvuista Antiikin lukuja 6.1 Kolmio- neliö- ja tetraedriluvut...................
LisätiedotPolynomien suurin yhteinen tekijä ja kongruenssi
Polynomien suurin yhteinen tekijä ja kongruenssi Pro gradu -tutkielma Outi Aksela 2117470 Matemaattisten tieteiden laitos Oulun yliopisto Syksy 2016 Sisältö Johdanto 2 1 Renkaat 3 1.1 Rengas...............................
LisätiedotLaajennetut Preparata-koodit
Laajennetut Preparata-koodit Pro gradu -tutkielma Petri Eklund 1512717 Matemaattisten tieteiden laitos Oulun yliopisto Kevät 2016 Sisältö 1 Esitietoja 1.1 Yleistä.................................. 1.2
Lisätiedotd Z + 17 Viimeksi muutettu
5. Diffien ja Hellmanin avaintenvaihto Miten on mahdollista välittää salatun viestin avaamiseen tarkoitettu avain Internetin kaltaisen avoimen liikennöintiväylän kautta? Kuka tahansahan voi (ainakin periaatteessa)
LisätiedotDeterminantti 1 / 30
1 / 30 on reaaliluku, joka on määritelty neliömatriiseille Determinantin avulla voidaan esimerkiksi selvittää, onko matriisi kääntyvä a voidaan käyttää käänteismatriisin määräämisessä ja siten lineaarisen
LisätiedotMS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt QR-hajotelma ja pienimmän neliösumman menetelmä Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto PNS-ongelma PNS-ongelma
LisätiedotOrtogonaaliprojektio äärellisulotteiselle aliavaruudelle
Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle Olkoon X sisätuloavaruus ja Y X äärellisulotteinen aliavaruus. Tällöin on olemassa lineaarisesti riippumattomat vektorit y 1, y 2,..., yn, jotka
Lisätiedot802328A LUKUTEORIAN PERUSTEET OSA III BASICS OF NUMBER THEORY PART III
802328A LUKUTEORIAN PERUSTEET OSA III BASICS OF NUMBER THEORY PART III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LUKUTEORIA 1 / 77 Irrationaaliluvuista Määritelmä 1 Luku α C \ Q on
Lisätiedotx = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );
LINEAARIALGEBRA Ratkaisuluonnoksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt ja pienimmän neliösumman menetelmä Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 18 R. Kangaslampi QR ja PNS PNS-ongelma
Lisätiedot