Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141
|
|
- Pauli Saaristo
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Lineaarialgebra ja matriisilaskenta II LM2, Kesä /141
2 Kertausta: avaruuden R n vektorit Määritelmä Oletetaan, että n {1, 2, 3,...}. Avaruuden R n alkiot ovat jonoja, joissa on n kappaletta reaalilukuja. Toisin sanottuna R n = { (v 1, v 2,..., v n ) v 1, v 2,..., v n R }. Avaruuden R n alkioita kutsutaan vektoreiksi. Jos u 1, u 2,..., u n R, niin ū = (u 1, u 2,..., u n ) on avaruuden R n vektori ja sanotaan, että u 1, u 2,..., u n ovat vektorin ū komponentit. LM2, Kesä /141
3 Kertausta: avaruuden R n vektoreiden yhteenlasku ja skalaarikertolasku Määritelmä Oletetaan, että v = (v 1,..., v n ) R n, w = (w 1,..., w n ) R n ja c R. Vektoreiden v ja w summa on vektori v + w = (v 1 + w 1, v 2 + w 2,..., v n + w n ). Skalaarikertolasku tarkoittaa vektorin kertomista reaaliluvulla. On sovittu, että c v = (cv 1, cv 2,..., cv n ). LM2, Kesä /141
4 Kertausta: yhteenlaskun ja skalaarilla kertomisen ominaisuuksia Voidaan osoittaa, että avaruuden R n vektoreilla voidaan laskea tuttujen laskusääntöjen mukaan. Huom. Lause tarkoittaa väitettä, joka voidaan perustella todeksi nojautumalla määritelmiin ja aikaisemmin perusteltuihin väitteisiin. LM2, Kesä /141
5 Kertausta: yhteenlaskun ja skalaarilla kertomisen ominaisuuksia Alla esiintyvä vektori 0 = (0, 0,..., 0) on nimeltään nollavektori. Lause 1 Oletetaan, että v, w, ū R n ja a, c R. Tällöin (a) v + w = w + v (b) (ū + v) + w = ū + ( v + w) (c) v + 0 = v (d) v + ( v) = 0 (e) c( v + w) = c v + c w (f) (a + c) v = a v + c v (g) a(c v) = (ac) v (h) 1 v = v (vaihdannaisuus) (osittelulaki) (osittelulaki) (liitännäisyys) LM2, Kesä /141
6 Vektoriavaruus Ottamalla lähtökohdaksi avaruuden R n vektorien yhteenlaskun ja skalaarilla kertomisen ominaisuudet, voidaan määritellä abstraktimpi ja yleisempi vektoriavaruuden käsite. LM2, Kesä /141
7 Vektoriavaruus Määritelmä (eli sopimus) Oletetaan, että joukossa V on määritelty jonkinlainen yhteenlasku ja skalaarikertolasku. Jos seuraavat ehdot pätevät kaikilla v, w, ū V ja a, b R, niin joukkoa V kutsutaan vektoriavaruudeksi ja sen alkioita vektoreiksi. (1) v + w = w + v (vaihdannaisuus). (2) (ū + v) + w = ū + ( v + w) (liitännäisyys). (3) On olemassa ns. nollavektori 0 V, jolle pätee v + 0 = v. (4) Jokaista vektoria v V kohti on olemassa ns. vastavektori v V, jolle pätee v + ( v) = 0. LM2, Kesä /141
8 (5) a( v + w) = a w + a v (osittelulaki). (6) (a + b) v = a v + b v (osittelulaki). (7) (ab) v = a(b v). (8) 1 v = v. Huom. Ehdossa (6) yhtälön vasemmalla puolella on skalaarien a R ja b R summa a + b; kyseessä on siis tavallinen reaalilukujen yhteenlasku. Yhtälön oikealla puolella on vektoreiden a v V ja b v V summa a v + b v; kyseessä on siis joukossa V määritelty vektorien välinen yhteenlasku. Ehdossa (7) yhtälön vasemmalla puolella sulkujen sisällä on skalaarien a R ja b R tulo ab; kyseessä on siis tavallinen reaalilukujen kertolasku. Yhtälön oikealla puolella on vektorin b v V ja skalaarin a R skalaaritulo a(b v); siinä kaikki tulot ovat skalaarituloja. LM2, Kesä /141
9 Huom. Skalaari tarkoittaa tällä kurssilla reaalilukua, sillä tällä kurssilla käsitellään reaalikertoimisia vektoriavaruuksia. Kompleksikertoimisilla vektoriavaruuksilla skalaarit ovat kompleksilukuja. Periaatteessa skalaarit voivat olla minkä tahansa ns. kunnan alkioita. Vektoriavaruuden V nollavektoria voidaan merkitä myös 0 V. Sen ei tarvitse ulkonäöltään muistuttaa avaruuden R n nollavektoria ollenkaan. LM2, Kesä /141
10 Esimerkkejä vektoriavaruuksista Voidaan osoittaa, että seuraavat joukot mainituilla yhteenlaskulla ja skalaarikertolaskulla varustettuina ovat vektoriavaruuksia: Joukko R n varustettuna tavallisella yhteenlaskulla ja skalaarikertolaskulla: v + w = (v 1 + w 1, v 2 + w 2,..., v n + w n ) c v = (cv 1, cv 2,..., cv n ). Joukko R varustettuna tavallisella reaalilukujen yhteenlaskulla ja kertolaskulla. Kaikkien m n -matriisien joukko M m n varustettuna matriisien tavallisella yhteenlaskulla ja skalaarikertolaskulla. LM2, Kesä /141
11 Esimerkkejä vektoriavaruuksista Kaikkien kuvausten R R joukko F, jossa yhteenlasku ja skalaarikertolasku määritellään ns. pisteittäin: Oletetaan, että f, g F ja a R. Kuvausten f : R R ja g : R R summa on kuvaus f + g : R R, jolla x f (x) + g(x). Kuvaus f : R R kerrottuna skalaarilla a on kuvaus af : R R, jolla x af (x). LM2, Kesä /141
12 Esimerkki 2 Kuvausten yhteenlasku Tarkastellaan kuvauksia f : R R, x sin x, ja g : R R, x 0,5x + 1. Niiden summa on kuvaus f + g : R R, jolla x sin x + 0,5x + 1. (x, f(x) + g(x)) (x, g(x)) (x, f(x)) g f + g (x,0) f LM2, Kesä /141
13 Esimerkki 3 Kuvauksen kertominen skalaarilla Tarkastellaan kuvausta f : R R, x sin x. Kuvaus f kerrottuna skalaarilla 2 on kuvaus 2f : R R, jolla x 2 sin x. (x, f(x)) 2f (x,0) f (x, 2f(x)) LM2, Kesä /141
14 Esimerkki 4 Osoitetaan, että kaikkien kuvausten R R joukko F, jossa yhteenlasku ja skalaarikertolasku määritellään pisteittäin, on vektoriavaruus. Oletetaan, että f, g, h F ja a, b R. Tällöin f, g ja h ovat kuvauksia eli funktioita R R. Yhteenlasku ja skalaarikertolasku on määritelty niin, että f + g F ja af F. Käydään läpi vektoriavaruuden määritelmän ehdot: LM2, Kesä /141
15 (1) Osoitetaan, että f + g = g + f. Oletetaan, että x R. Kuvausten yhteenlaskun määritelmän mukaan (f + g)(x) = f (x) + g(x) ja (g + f )(x) = g(x) + f (x). Kuvausten f ja g arvot f (x) ja g(x) ovat reaalilukuja, joten f (x) + g(x) = g(x) + f (x). Näin ollen (f + g)(x) = (g + f )(x). Kuvauksilla f + g : R R ja g + f : R R on siis samat arvot, joten ne ovat sama kuvaus; ts. f + g = g + f. LM2, Kesä /141
16 (2) Osoitetaan, että (f + g) + h = f + (g + h). Oletetaan, että x R. Kuvausten yhteenlaskun määritelmän mukaan ( (f + g) + h ) (x) = (f + g)(x) + h(x) = ( f (x) + g(x) ) + h(x) ja ( f + (g + h) ) (x) = f (x) + (g + h)(x) = f (x) + ( g(x) + h(x) ). Kuvausten f, g ja h arvot f (x), g(x) ja h(x) ovat reaalilukuja, joten ( f (x) + g(x) ) + h(x) = f (x) + ( g(x) + h(x) ). Näin ollen ( (f + g) + h ) (x) = ( f + (g + h) ) (x). Kuvauksilla (f + g) + h : R R ja f + (g + h): R R on siis samat arvot, joten ne ovat sama kuvaus; ts. (f + g) + h = f + (g + h). LM2, Kesä /141
17 (3) Osoitetaan, että nollavektoriksi kelpaa kuvaus f 0 : R R, jolla f 0 (x) = 0 kaikilla x R (eli x 0 kaikilla x R). Osoitetaan siis, että g + f 0 = g. Oletetaan, että x R. Kuvausten yhteenlaskun määritelmän mukaan (g + f 0 )(x) = g(x) + f 0 (x) = g(x) + 0 = g(x). Kuvauksilla g + f 0 : R R ja g : R R on siis samat arvot, joten ne ovat sama kuvaus; ts. g + f 0 = g. LM2, Kesä /141
18 (4) Osoitetaan, että kuvauksen h vastavektoriksi kelpaa kuvaus h : R R, jolla x h(x) kaikilla x R. Osoitetaan siis, että h + ( h) = f 0. Oletetaan, että x R. Kuvausten yhteenlaskun määritelmän mukaan (h + ( h))(x) = h(x) + ( h)(x) = h(x) + ( h(x)) = 0 = f 0 (x). Kuvauksilla h + ( h): R R ja f 0 : R R on siis samat arvot, joten ne ovat sama kuvaus; ts. h + ( h) = f 0. LM2, Kesä /141
19 (5) Osoitetaan, että a(f + g) = af + ag. Oletetaan, että x R. Kuvausten skalaarikertolaskun ja yhteenlaskun määritelmän mukaan ( a(f + g) ) (x) = a ( (f + g)(x) ) = a ( f (x) + g(x) ) ja (af + ag)(x) = (af )(x) + (ag)(x) = af (x) + ag(x). Kuvausten f ja g arvot f (x) ja g(x) ovat reaalilukuja, joten a ( f (x) + g(x) ) = af (x) + ag(x). Näin ollen ( a(f + g) ) (x) = (af + ag)(x). Kuvauksilla a(f + g): R R ja af + ag : R R on siis samat arvot, joten ne ovat sama kuvaus; ts. a(f + g) = af + ag. LM2, Kesä /141
20 (6) Osoitetaan, että (a + b)f = af + bf. Oletetaan, että x R. Kuvausten skalaarikertolaskun ja yhteenlaskun määritelmän mukaan ( (a + b)f ) (x) = (a + b)f (x) ja (af + bf )(x) = (af )(x) + (bf )(x) = af (x) + bf (x). Kuvauksen f arvo f (x) on reaaliluku, joten (a + b)f (x) = af (x) + bf (x). Näin ollen ( (a + b)f ) (x) = (af + bf )(x). Kuvauksilla (a + b)f : R R ja af + bf : R R on siis samat arvot, joten ne ovat sama kuvaus; ts. (a + b)f = af + bf. LM2, Kesä /141
21 (7) Osoitetaan, että (ab)f = a(bf ). Oletetaan, että x R. Kuvausten skalaarikertolaskun määritelmän mukaan ( (ab)f ) (x) = (ab)f (x) ja ( a(bf ) ) (x) = a ( (bf )(x) ) = a ( bf (x) ). Kuvauksen f arvo f (x) on reaaliluku, joten (ab)f (x) = a ( bf (x) ). Näin ollen ( (ab)f ) (x) = ( a(bf ) ) (x). Kuvauksilla (ab)f : R R ja a(bf ): R R on siis samat arvot, joten ne ovat sama kuvaus; ts. (ab)f = a(bf ). LM2, Kesä /141
22 (8) Osoitetaan, että 1f = f. Oletetaan, että x R. Kuvausten skalaarikertolaskun määritelmän mukaan (1f )(x) = 1 f (x) = f (x). Kuvauksilla 1f : R R ja f : R R on siis samat arvot, joten ne ovat sama kuvaus; ts. 1f = f. LM2, Kesä /141
23 Esimerkkejä vektoriavaruuksista Kaikkien reaalikertoimisten polynomien joukko P, jossa yhteenlasku ja skalaarikertolasku määritellään seuraavasti: yhteenlaskussa samanasteisten termien kertoimet lasketaan yhteen; esimerkiksi polynomien p = 3x 2 4x + 7 ja q = 2x 3 + 5x 2 + 4x summa on polynomi p + q = 2x 3 + (3 + 5)x 2 + ( 4 + 4)x + 7 = 2x 3 + 8x skalaarikertolaskussa jokaisen termin kerroin kerrotaan erikseen; esimerkiksi polynomi p = 3x 2 4x + 7 kerrottuna skalaarilla 2 on 2p = 6x 2 + 8x 14. LM2, Kesä /141
24 Vektoriavaruus Huom. Vektoriavaruuden määritelmässä vaaditaan, että yhteenlasku ja skalaarikertolasku on määritelty joukossa V. Tämä tarkoittaa, että jos v, w V ja a R, niin on oltava v + w V ja a v V. Esimerkki 5 Kokonaislukujen joukko Z varustettuna tavallisella yhteenlaskulla ja skalaarikertolaskulla (reaaliluvulla kertominen) ei ole vektoriavaruus. Tämä johtuu siitä, että esimerkiksi 0,5 R ja 3 Z, mutta 0,5 3 = 1,5 Z. Skalaarikertolaskun tulos ei siis välttämättä ole joukossa Z. LM2, Kesä /141
25 Esimerkki 6 Määritellään joukossa R 2 skalaarikertolasku seuraavasti: jos (v 1, v 2 ) R 2 ja a R, niin a (v 1, v 2 ) = (av 1, 0). Osoitetaan, että joukko R 2 varustettuna tavallisella yhteenlaskulla + ja skalaarikertolaskulla ei ole vektoriavaruus. Havaitaan, että esimerkiksi Näin ollen 1 (5, 9) = (5, 0). 1 (5, 9) (5, 9), joten vektoriavaruuden määritelmän ehto (8) ei täyty. LM2, Kesä /141
26 Vektoriavaruuksien ominaisuuksia Huom. Lause tarkoittaa väitettä, joka voidaan perustella todeksi nojautumalla määritelmiin ja aikaisemmin perusteltuihin väitteisiin. Lause 7 Oletetaan, että V on vektoriavaruus. Tällöin (a) nollavektoriksi sopivia vektoreita on täsmälleen yksi; ts. nollavektori 0 v on yksikäsitteinen. (b) jokaisella vektorilla v V on täsmälleen yksi vastavektori. LM2, Kesä /141
27 Lauseen 7 todistus. (a) Oletetaan, että 0, 0 V ja sekä v + 0 = v että v + 0 = v kaikilla v V. Tällöin 0 = = = 0. Tässä käytettiin järjestyksessä seuraavia tietoja: v + 0 = v kaikilla v V, yhteenlaskun vaihdannaisuus, v + 0 = v kaikilla v V. LM2, Kesä /141
28 Lauseen 7 todistus. (b) Oletetaan, että v V. Oletetaan lisäksi, että ū, w V ovat kumpikin vektorin v vastavektori eli v + ū = 0 ja v + w = 0. Tällöin ū = ū + 0 = ū + ( v + w) = (ū + v) + w = ( v + ū) + w = 0 + w = w. Tässä käytettiin järjestyksessä seuraavia tietoja: nollavektorin olemassaolo, v + w = 0, yhteenlaskun liitännäisyys ja vaihdannaisuus, v + ū = 0, nollavektorin olemassaolo. LM2, Kesä /141
29 Vektoriavaruuksien ominaisuuksia Lause 8 Oletetaan, että V on vektoriavaruus ja v V, a R. Tällöin (a) 0 v = 0 (b) a 0 = 0 (c) ( 1) v = v (d) jos a v = 0, niin a = 0 tai v = 0 (tulon nollasääntö). LM2, Kesä /141
30 Lauseen 8 todistus. (b) Oletetaan, että a R. Tällöin a 0 = a( 0 + 0) = a 0 + a 0. Lisäämällä tämän yhtälön molemmille puolille vektori (a 0) saadaan 0 = a 0. Perustellussa tarvittiin vektoriavaruuden määritelmän ehtoja (2), (3), (4) ja (6). LM2, Kesä /141
31 Lauseen 8 todistus. (d) Oletetaan, että a v = 0. Jos a = 0, niin väite pätee. Oletetaan, että a 0. Tällöin on olemassa käänteisluku 1/a ja v = 1 v = ( 1 a a ) v = 1 a (a v) = 1 a 0 = 0. Tässä käytettiin vektoriavaruuden määritelmän ehtoja (8) ja (7) sekä oletusta ja b-kohdan tulosta. LM2, Kesä /141
32 Vektoreiden erotus ja lineaarikombinaatio Määritelmä Oletetaan, että V on vektoriavaruus ja v, w V. Vektoreiden v ja w erotus v w tarkoittaa summaa v + ( w). Määritelmä Oletetaan, että V on vektoriavaruus ja v 1, v 2,..., v k V. Vektoreiden v 1, v 2,..., v k lineaarikombinaatio tarkoittaa summaa a 1 v 1 + a 2 v a k v k, missä kertoimet a 1, a 2,..., a k R. LM2, Kesä /141
33 Aliavaruus Määritelmä Oletetaan, että V on vektoriavaruus. Sen osajoukko W on aliavaruus, jos seuraavat ehdot pätevät kaikilla ū, w W ja a R: (a) ū + w W (b) a w W (c) 0 V W. (W on suljettu yhteenlaskun suhteen). (W on suljettu skalaarikertolaskun suhteen). LM2, Kesä /141
34 Aliavaruus Esimerkki 9 Tarkastellaan n n -matriisien muodostamaa vektoriavaruutta M n n. Olkoon W symmetristen n n -matriisien joukko; ts. W = { C M n n C T = C }. Osoitetaan, että W on vektoriavaruuden M n n aliavaruus. Ensinnäkin W on määritelmänsä mukaan joukon M n n osajoukko. Oletetaan, että A, B W ja c R. Tällöin A T = A ja B T = B. LM2, Kesä /141
35 Käytetään transpoosin laskusääntöjä: (a) Tutkitaan summaa A + B: (A + B) T = A T + B T = A + B, joten A + B W. (b) Tutkitaan skalaarimonikertaa ca: (ca) T = ca T = ca, joten ca W. (c) Nollavektori on n n -nollamatriisi O: O T = O, joten O W. LM2, Kesä /141
36 Aliavaruus Esimerkki 10 Tarkastellaan enintään kolmatta astetta olevien polynomien muodostamaa vektoriavaruutta Merkitään P 3 = { a + bx + cx 2 + dx 3 a, b, c, d R }. W = { a + bx bx 2 + ax 3 a, b R }. Osoitetaan, että W on vektoriavaruuden P 3 aliavaruus. Ensinnäkin W on määritelmänsä mukaan joukon P 3 osajoukko. LM2, Kesä /141
37 Oletetaan, että p, q W ja r R. Tällöin voidaan merkitä p = a + bx bx 2 + ax 3 ja q = c + dx dx 2 + cx 3, missä a, b, c, d R. (a) Lasketaan summa p + q: p + q = = (a + c) + (b + d)x (b + d)x 2 + (a + c)x 3. Siten p + q W, sillä se on oikeaa muotoa. (b) Lasketaan skalaarimonikerta rp: rp = = ra + rbx rbx 2 + rax 3. Siten rp W, sillä se on oikeaa muotoa. (c) Nollavektori on nollapolynomi 0: 0 = 0 + 0x + 0x 2 + 0x 3. Siten 0 W, sillä se on oikeaa muotoa. LM2, Kesä /141
38 Esimerkki 11 Merkitään W = { [ ] } a a b a, b R. Onko W vektoriavaruuden M 2 2 aliavaruus? Havaitaan, että nollavektori eli nollamatriisi [ ] 0 0 O = W, 0 0 joten aliavaruuden määritelmän ehto (c) ei täyty. Siis W ei ole vektoriavaruuden M 2 2 aliavaruus. LM2, Kesä /141
39 Esimerkki 12 Merkitään W = { A M 2 2 det(a) = 0 }. Onko W vektoriavaruuden M 2 2 aliavaruus? Valitaan esimerkiksi A = [ ] ja B = [ ] Tällöin det(a) = 0 ja det(b) = 0, joten A, B W. Kuitenkin A + B = [ ] ja siten det(a + B) = 2 0. Näin A + B W. Siis W ei ole vektoriavaruuden M 2 2 aliavaruus. LM2, Kesä /141
40 Vektoreiden virittämä aliavaruus Määritelmä Oletetaan, että V on vektoriavaruus ja v 1,..., v k V. Näiden vektoreiden virittämä aliavaruus span( v 1,..., v k ) tarkoittaa kyseisten vektoreiden kaikkien lineaarikombinaatioiden joukkoa; ts. span( v 1,..., v k ) = { a 1 v a k v k a 1,..., a k R }. Lause 13 Jos v 1,..., v k V, niin span( v 1,..., v k ) on vektoriavaruuden V aliavaruus. Lisäksi span( v 1,..., v k ) on pienin aliavaruus, joka sisältää vektorit v 1,..., v k. LM2, Kesä /141
41 Lauseen 13 todistus Oletetaan, että ū, w span( v 1,..., v k ) ja c R. Tällöin ū = a 1 v a k v k ja w = b 1 v b k v k joillakin a 1,..., a k, b 1,..., b k R. (a) Lasketaan summa ū + w: ū + w = = (a 1 + b 1 ) v (a k + b k ) v k, joten ū + w span( v 1,..., v k ). LM2, Kesä /141
42 (b) Lasketaan skalaarimonikerta cū: joten cū span( v 1,..., v k ). cū = = ca 1 v ca k v k, (c) Nollavektori voidaan lauseen 8 a-kohdan nojalla kirjoittaa muodossa 0 = 0 v v k, joten 0 span( v 1,..., v k ). Siis span( v 1,..., v k ) on vektoriavaruuden V aliavaruus. LM2, Kesä /141
43 Vektorit v 1,..., v k kuuluvat aliavaruuteen V, sillä v 1 = 1 v v v k v 2 = 0 v v v k. v k = 0 v v v k LM2, Kesä /141
44 Osoitetaan, että span( v 1,..., v k ) on pienin aliavaruus, joka sisältää vektorit v 1,..., v k. Oletetaan, että W on vektoriavaruuden V jokin sellainen aliavaruus, että v 1,..., v k W. Koska W on aliavaruus, se sisältää kaikkien vektoriensa summat ja skalaarimonikerrat. Siis a 1 v a k v k W kaikilla a 1,..., a k R. Näin ollen span( v 1,..., v k ) W. LM2, Kesä /141
45 Vektoreiden virittämä aliavaruus Esimerkki 14 Osoitetaan, että joukko W = { (r, s, r) r, s R } on vektoriavaruuden R 3 aliavaruus. Havaitaan, että W = { (r, s, r) r, s R } = { r(1, 0, 1) + s(0, 1, 0) r, s R } = span ( (1, 0, 1), (0, 1, 0) ). Siis W on vektoreiden (1, 0, 1) ja (0, 1, 0) virittämä vektoriavaruuden R 3 aliavaruus. LM2, Kesä /141
46 Vektoreiden virittämä aliavaruus Esimerkki 15 Merkitään W = { [ ] } a b a, b, c R. 0 c Osoitetaan, että W on 2 2 -matriisien muodostaman vektoriavaruuden M 2 2 aliavaruus. LM2, Kesä /141
47 Havaitaan, että W = = { [ ] } a b a, b, c R 0 c { a [ ] b 0 0 ([ ] 1 0 = span, 0 0 [ ] c 0 0 [ ] 0 1, 0 0 [ ] } 0 0 a, b, c R 0 1 [ ]) Siis W on vektoreiden (matriisien) [ ] 1 0, 0 0 [ ] ja [ ] virittämä vektoriavaruuden M 2 2 aliavaruus. LM2, Kesä /141
48 Esimerkki 16 Merkitään Vektoreiden virittämä aliavaruus A = [ ] 1 1, B = 1 0 Määritetään span(a, B, I). [ ] ja I = [ ] Jokainen vektoreiden (matriisien) A, B ja I lineaarikombinaatio on muotoa [ ] x + z x + y xa + yb + zi = =, x + y z missä x, y, z R. Havaitaan, että tällainen lineaarikombinaatio on symmetrinen matriisi. Siten span(a, B, I) { C M 2 2 C T = C }. LM2, Kesä /141
49 Osoitetaan, että jokainen symmetrinen matriisi voidaan kirjoittaa vektoreiden A, B ja I lineaarikombinaationa: Oletetaan, että C on symmetrinen matriisi. Tällöin [ ] d e C =, e f missä d, e, f R. Ratkaisemalla yhtälö xa + yb + zi = C eli yhtälöä [ ] [ ] x + z x + y d e = x + y z e f vastaava yhtälöryhmä havaitaan, että ratkaisu on aina olemassa (x = d f, y = e d + f ja z = f ). Siis jokainen symmetrinen matriisi on vektoreiden A, B ja I lineaarikombinaatio. Näin span(a, B, I) = { C M 2 2 C T = C }. LM2, Kesä /141
50 Aliavaruus Jokainen aliavaruus on itsekin pieni vektoriavaruus: Lause 17 Oletetaan, että V on vektoriavaruus, jolla on aliavaruus W. Tällöin myös aliavaruus W on vektoriavaruus. Todistus. Vektoriavaruuden yhteenlaskua ja skalaarikertolaskua koskevat ehdot (1) (2) ja (5) (8) pysyvät voimassa, vaikka rajoitutaan tarkastelemaan alkuperäisen vektoriavaruuden V osajoukkoa W. Ehdot (3) ja (4) seuraavat aliavaruuden määritelmän ehdoista (c) ja (b), sillä v = ( 1) v. Aliavaruuden määritelmän ehdot (a) ja (b) takaavat, että yhteenlasku ja skalaarikertolasku ovat joukon W laskutoimituksia. LM2, Kesä /141
Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /310
Lineaarialgebra ja matriisilaskenta II LM2, Kesä 2012 1/310 Kertausta: avaruuden R n vektorit Määritelmä Oletetaan, että n {1, 2, 3,...}. Avaruuden R n alkiot ovat jonoja, joissa on n kappaletta reaalilukuja.
LisätiedotKertausta: avaruuden R n vektoreiden pistetulo
Kertausta: avaruuden R n vektoreiden pistetulo Määritelmä Vektoreiden v R n ja w R n pistetulo on v w = v 1 w 1 + v 2 w 2 + + v n w n. Huom. Pistetulo v w on reaaliluku! LM2, Kesä 2012 227/310 Kertausta:
LisätiedotKertausta: avaruuden R n vektoreiden pistetulo
Kertausta: avaruuden R n vektoreiden pistetulo Määritelmä Vektoreiden v R n ja w R n pistetulo on v w = v 1 w 1 + v 2 w 2 + + v n w n. Huom. Pistetulo v w on reaaliluku! LM2, Kesä 2014 164/246 Kertausta:
LisätiedotJohdatus lineaarialgebraan
Johdatus lineaarialgebraan Osa II Lotta Oinonen, Johanna Rämö 28. lokakuuta 2014 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 15 Vektoriavaruus....................................
LisätiedotYhteenlaskun ja skalaarilla kertomisen ominaisuuksia
Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia Voidaan osoittaa, että avaruuden R n vektoreilla voidaan laskea tuttujen laskusääntöjen mukaan. Huom. Lause tarkoittaa väitettä, joka voidaan perustella
LisätiedotHY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina klo
HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina 10.8.2015 klo 16.15. Tehtäväsarja I Tutustu lukuun 15, jossa vektoriavaruuden
LisätiedotJohdatus lineaarialgebraan
Johdatus lineaarialgebraan Osa II Lotta Oinonen, Johanna Rämö 25. lokakuuta 2015 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 15 Vektoriavaruus... 111 16 Aliavaruus... 117 16.1 Vektoreiden
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
LisätiedotLineaarialgebra 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
LisätiedotLineaarialgebra 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
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:
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 +
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
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
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 differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 17 R. Kangaslampi Vektoriavaruudet Vektoriavaruus
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 I. LM1, Kesä /218
Lineaarialgebra ja matriisilaskenta I LM1, Kesä 2012 1/218 Avaruuden R 2 vektorit Määritelmä (eli sopimus) Avaruus R 2 on kaikkien reaalilukuparien joukko; toisin sanottuna R 2 = { (a, b) a R ja b R }.
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 +
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
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
LisätiedotOrtogonaalinen ja ortonormaali kanta
Ortogonaalinen ja ortonormaali kanta Määritelmä Kantaa ( w 1,..., w k ) kutsutaan ortogonaaliseksi, jos sen vektorit ovat kohtisuorassa toisiaan vastaan eli w i w j = 0 kaikilla i, j {1, 2,..., k}, missä
Lisätiedot9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista
29 9 Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista Tarkastelemme kertalukua n olevia lineaarisia differentiaaliyhtälöitä y ( x) + a ( x) y ( x) + + a ( x) y( x) + a ( x) y= b( x) ( n) ( n
LisätiedotOrtogonaalisen kannan etsiminen
Ortogonaalisen kannan etsiminen Lause 94 (Gramin-Schmidtin menetelmä) Oletetaan, että B = ( v 1,..., v n ) on sisätuloavaruuden V kanta. Merkitään V k = span( v 1,..., v k ) ja w 1 = v 1 w 2 = v 2 v 2,
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 +
LisätiedotVektorien virittämä aliavaruus
Vektorien virittämä aliavaruus Esimerkki 13 Mikä ehto vektorin w = (w 1, w 2, w 3 ) komponenttien on toteutettava, jotta w kuuluu vektoreiden v 1 = (3, 2, 1), v 2 = (2, 2, 6) ja v 3 = (3, 4, 5) virittämään
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
Lisätiedot9 Matriisit. 9.1 Matriisien laskutoimituksia
9 Matriisit Aiemmissa luvuissa matriiseja on käsitelty siinä määrin kuin on ollut tarpeellista yhtälönratkaisun kannalta. Matriiseja käytetään kuitenkin myös muihin tarkoituksiin, ja siksi on hyödyllistä
LisätiedotLineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo.
Lineaariavaruudet aiheita 1 määritelmä Nelikko (L, R, +, ) on reaalinen (eli reaalinen vektoriavaruus), jos yhteenlasku L L L, ( u, v) a + b ja reaaliluvulla kertominen R L L, (λ, u) λ u toteuttavat seuraavat
LisätiedotMatriisipotenssi. Koska matriisikertolasku on liitännäinen (sulkuja ei tarvita; ks. lause 2), voidaan asettaa seuraava määritelmä: ja A 0 = I n.
Matriisipotenssi Koska matriisikertolasku on liitännäinen (sulkuja ei tarvita; ks. lause 2), voidaan asettaa seuraava määritelmä: Määritelmä Oletetaan, että A on n n -matriisi (siis neliömatriisi) ja k
LisätiedotJohdatus lineaarialgebraan
Johdatus lineaarialgebraan Lotta Oinonen ja Johanna Rämö 6. joulukuuta 2012 Helsingin yliopisto Matematiikan ja tilastotieteen laitos 2012 Sisältö 1 Avaruus R n 4 1 Avaruuksien R 2 ja R 3 vektorit.....................
LisätiedotVektoreiden virittämä aliavaruus
Vektoreiden virittämä aliavaruus Määritelmä Oletetaan, että v 1, v 2,... v k R n. Näiden vektoreiden virittämä aliavaruus span( v 1, v 2,... v k ) tarkoittaa kyseisten vektoreiden kaikkien lineaarikombinaatioiden
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.
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
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
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
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
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
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
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,
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
LisätiedotLineaarialgebra ja matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä)
Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe 26.10.2017 Ratkaisuehdotus 1. (35 pistettä) (a) Seuraavat matriisit on saatu eräistä yhtälöryhmistä alkeisrivitoimituksilla. Kuinka monta ratkaisua yhtälöryhmällä
LisätiedotLineaarialgebra ja matriisilaskenta I
Lineaarialgebra ja matriisilaskenta I 23.5.2013 HY / Avoin yliopisto Jokke Häsä, 1/22 Käytännön asioita Ensimmäiset tehtävät olivat sujuneet hyvin. Kansilehdet on oltava mukana tehtäviä palautettaessa,
LisätiedotJohdatus lineaarialgebraan
Johdatus lineaarialgebraan Osa I Jokke Häsä, Lotta Oinonen, Johanna Rämö 27. marraskuuta 2015 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 1 Vektoriavaruuksien R 2 ja R 3 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
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D 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
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
Lisätiedot5 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
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)
Lisätiedot2 / :03
file:///c:/users/joonas/desktop/linis II Syksy /Ratkaisuehdotukse / 8 76 3:3 Kysymys Pisteet,, Määritellään positiivisten reaalilukujen joukossa R + = {x R x > } yhteenlasku ja skalaarikertolasku seuraavasti:
LisätiedotLineaarialgebra ja matriisilaskenta II Syksy 2009 Laskuharjoitus 1 ( ) Ratkaisuehdotuksia Vesa Ala-Mattila
Lineaarialgebra ja matriisilaskenta II Syksy 29 Laskuharjoitus (9. - 3..29) Ratkaisuehdotuksia Vesa Ala-Mattila Tehtävä. Olkoon V vektoriavaruus. Todistettava: jos U V ja W V ovat V :n aliavaruuksia, niin
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
LisätiedotSimilaarisuus. Määritelmä. Huom.
Similaarisuus Määritelmä Neliömatriisi A M n n on similaarinen neliömatriisin B M n n kanssa, jos on olemassa kääntyvä matriisi P M n n, jolle pätee Tällöin merkitään A B. Huom. Havaitaan, että P 1 AP
Lisätiedot1 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
LisätiedotHavainnollistuksia: Merkitään w = ( 4, 3) ja v = ( 3, 2). Tällöin. w w = ( 4) 2 + ( 3) 2 = 25 = 5. v = ( 3) = 13. v = v.
Havainnollistuksia: Merkitään w = ( 4, 3) ja v = ( 3, 2). Tällöin w = w w = ( 4) 2 + ( 3) 2 = 25 = 5 v = v v = ( 3) 2 + 2 2 = 13. w =5 3 2 v = 13 4 3 LM1, Kesä 2014 76/102 Normin ominaisuuksia I Lause
LisätiedotJohdatus lineaarialgebraan
Johdatus lineaarialgebraan Osa I Jokke Häsä, Lotta Oinonen, Johanna Rämö 9 heinäkuuta 2013 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 1 Avaruuksien R 2 ja R 3 vektorit 4 11 Kaksiulotteisen
LisätiedotMatikkapaja 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 )
Lisätiedot1 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
LisätiedotLineaarialgebra 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
LisätiedotMatemaattinen 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
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
LisätiedotYleiset lineaarimuunnokset
TAMPEREEN YLIOPISTO Pro gradu -tutkielma Kari Tuominen Yleiset lineaarimuunnokset Matematiikan ja tilastotieteen laitos Matematiikka Toukokuu 29 Tampereen yliopisto Matematiikan ja tilastotieteen laitos
LisätiedotOminaisarvoon 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) (
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.
Lisätiedot3x + y + 2z = 5 e) 2x + 3y 2z = 3 x 2y + 4z = 1. x + y 2z + u + 3v = 1 b) 2x y + 2z + 2u + 6v = 2 3x + 2y 4z 3u 9v = 3. { 2x y = k 4x + 2y = h
HARJOITUSTEHTÄVIÄ 1. Anna seuraavien yhtälöryhmien kerroinmatriisit ja täydennetyt kerroinmatriisit sekä ratkaise yhtälöryhmät Gaussin eliminointimenetelmällä. { 2x + y = 11 2x y = 5 2x y + z = 2 a) b)
LisätiedotJohdatus lineaarialgebraan
Johdatus lineaarialgebraan Osa I Jokke Häsä, Lotta Oinonen, Johanna Rämö 11. syyskuuta 2016 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 1 Vektoriavaruuksien R 2 ja R 3 vektorit........................
LisätiedotMatikkapaja 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
Lisätiedotjonka laskutoimitus on matriisien kertolasku. Vastaavasti saadaan K-kertoiminen erityinen lineaarinen ryhmä
4. Ryhmät Tässä luvussa tarkastelemme laskutoimituksella varustettuja joukkoja, joiden laskutoimitukselta oletamme muutamia yksinkertaisia ominaisuuksia: Määritelmä 4.1. Laskutoimituksella varustettu joukko
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
LisätiedotVektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on
13 Pistetulo Avaruuksissa R 2 ja R 3 on totuttu puhumaan vektorien pituuksista ja vektoreiden välisistä kulmista. Kuten tavallista, näiden käsitteiden yleistäminen korkeampiulotteisiin avaruuksiin ei onnistu
Lisätiedot2. REAALIKERTOIMISET VEKTORIAVARUUDET
30 REAALIKERTOIMISET VEKTORIAVARUUDET 1 Koordinaattiavaruus R n Olkoon n N = {1,, 3, } positiivinen kokonaisluku (luonnollisten lukujen joukko on tällä kurssilla N = {0, 1,, 3, }) Merkitään R n = R n 1
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D Mika Hirvensalo mikhirve@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2014 Mika Hirvensalo mikhirve@utu.fi Luentokalvot 3 1 of 16 Kertausta Lineaarinen riippuvuus
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö
Lisätiedot1.1. Määritelmiä ja nimityksiä
1.1. Määritelmiä ja nimityksiä Luku joko reaali- tai kompleksiluku. R = {reaaliluvut}, C = {kompleksiluvut} R n = {(x 1, x 2,..., x n ) x 1, x 2,..., x n R} C n = {(x 1, x 2,..., x n ) x 1, x 2,..., x
LisätiedotVastaavasti, jos vektori kerrotaan positiivisella reaaliluvulla λ, niin
1 / 14 Lukiossa vektori oli nuoli, jolla oli suunta ja suuruus eli pituus. Tarkastellaan aluksi tason vektoreita (R 2 ). Siirretään vektori siten, että sen alkupää on origossa. Tällöin sen kärki on pisteessä
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
LisätiedotBM20A0700, Matematiikka KoTiB2
BM20A0700, Matematiikka KoTiB2 Luennot: Matti Alatalo, Harjoitukset: Oppikirja: Kreyszig, E.: Advanced Engineering Mathematics, 8th Edition, John Wiley & Sons, 1999, luku 7. 1 Kurssin sisältö Matriiseihin
LisätiedotLaskutoimitusten operaattorinormeista
Laskutoimitusten operaattorinormeista Rami Luisto 27. tammikuuta 2012 Tiivistelmä Tässä kirjoitelmassa määrittelemme vektoriavaruuksien väliselle lineaarikuvaukselle normin ja laskemme sen eksplisiittisesti
LisätiedotLineaarialgebra (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
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
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
Lisätiedotrenkaissa. 0 R x + x =(0 R +1 R )x =1 R x = x
8. Renkaat Tarkastelemme seuraavaksi rakenteita, joissa on määritelty kaksi assosiatiivista laskutoimitusta, joista toinen on kommutatiivinen. Vaadimme näiltä kahdella laskutoimituksella varustetuilta
LisätiedotSeuraava luento ti on salissa XXII. Lineaarialgebra (muut ko) p. 1/117
Seuraava luento ti 31.10 on salissa XXII Lineaarialgebra (muut ko) p. 1/117 Lineaarialgebra (muut ko) p. 2/117 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v
LisätiedotToispuoleiset raja-arvot
Toispuoleiset raja-arvot Määritelmä Funktiolla f on oikeanpuoleinen raja-arvo a R pisteessä x 0 mikäli kaikilla ɛ > 0 löytyy sellainen δ > 0 että f (x) a < ɛ aina kun x 0 < x < x 0 + δ; ja vasemmanpuoleinen
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
LisätiedotLineaarialgebra ja matriisilaskenta I
Lineaarialgebra ja matriisilaskenta I 4.6.2013 HY / Avoin yliopisto Jokke Häsä, 1/19 Käytännön asioita Viimeiset harjoitukset on palautettava torstaina 13.6. Laskaripisteensä ja läsnäolonsa voi kukin tarkistaa
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)
LisätiedotTehtäväsarja 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
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,
Lisätiedot1. Normi ja sisätulo
Kurssimateriaalia K3/P3-kursille syksyllä 3 83 Heikki Apiola Sisältää otteita Timo Eirolan L3-kurssin lineaarialgebramonisteesta, jonka lähdekoodin Timo on ystävällisesti antanut käyttööni Normi ja sisätulo
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)
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
LisätiedotTehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin lukuun 7 eli vapauden käsitteeseen ja homogeenisiin
HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta I, kesä 2015 Harjoitus 4 Ratkaisut palautettava viimeistään maanantaina 862015 klo 1615 Tehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin
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
LisätiedotLineaarialgebra II P
Lineaarialgebra II 89P Sisältö Vektoriavaruus Sisätuloavaruus 8 3 Lineaarikuvaus 5 4 Ominaisarvo 5 Luku Vektoriavaruus Määritelmä.. Epätyhjä joukko V on vektoriavaruus, jos seuraavat ehdot ovat voimassa:.
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
LisätiedotTalousmatematiikan perusteet: Luento 9
Talousmatematiikan perusteet: Luento 9 Vektorien peruslaskutoimitukset Lineaarinen riippumattomuus Vektorien sisätulo ja pituus Vektorien välinen kulma Motivointi Tähän asti olemme tarkastelleet yhden
LisätiedotLineaarialgebra ja matriisilaskenta I
Lineaarialgebra ja matriisilaskenta I 6.6.2013 HY / Avoin yliopisto Jokke Häsä, 1/22 Kertausta: Kääntyvien matriisien lause Lause 1 Oletetaan, että A on n n -neliömatriisi. Seuraavat ehdot ovat yhtäpitäviä.
Lisätiedot