Käänteismatriisin ominaisuuksia

Koko: px
Aloita esitys sivulta:

Download "Käänteismatriisin ominaisuuksia"

Transkriptio

1 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 A on ortogonaalinen, jos se on reaalinen ja A T = A 1. Jos A ja B ovat ortogonaalisia n n matriiseja, niin AB on myös ortogonaalinen, sillä silloin (AB)(AB) T = ABB T A T = AIA T = AA T = I. Ortogonaalisuus voidaan yleistää myös ei-neliömatriiseille: m n-matriisi U on ortogonaalinen jos U T U = I (sarakeortogonaalinen).

2 Ositukset Esimerkki A = = = ( u 1, u 2, u 3, u 4, u 5 ) A koostuu viidestä pystyvektorista. 3 Esimerkiksi u 3 = Esimerkki jatkoa A = = = v 1 v 2 v 3 v 4 A koostuu neljästä vaakavektorista v 1 A = v 2 v 3 v 4 Esimerkiksi v 2 = (1, 2, 3, 2, 3).

3 Esimerkki jatkoa 2 Yleisemmin A = = ( ) A11 A = 12 A 21 A Matriisin A ositus. A ij matriisin A osamatriisi. Ositetut matriisit Matriiseilla suoritettavia laskuja voidaan usein yksinkertaistaa, jos matriisit voidaan jollakin luonnollisella tavalla osittaa osamatriiseiksi. x x x x x x x x x x x x A = x x x x x x x x x x x x = x x x x x x x x x x x x ( ) A11 A = 12 A 13. A 21 A 22 A 23 x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x

4 Transpononti Matriisin transponointi: Transponoidaan osamatriisien paikat. Transponoidaan osamatriisit. Esimerkki 1.6. Transponoi sopivasti osittamalla matriisi A = Ratk. Transponointi jatkoa Ositetaan A A = = A 11 A 12 A 21 A 22. A 31 A 32 ( A A T T = 11 A T 21 A T ) 31 A T 12 A T 22 A T =

5 Luvulla kertominen ja yhteenlasku 2) Matriisin kertominen luvulla: Kerrotaan osamatriisit luvulla. 3) Matriisien A ja B summa A + B: Ositetaan matriisit samalla tavalla. Lasketaan toisiaan vastaavat osamatriisit yhteen. Matriisien kertolasku 4) Matriisien A ja B tulo AB: Ositetaan matriisit "sopivasti". Suoritetaan osamatriiseilla matriisin kertolasku Lasketaan näin saatavat matriisitulot ja matriisisummat. Ositus on sopiva, kun a) A:ssa on osamatriisien sarakkeita yhtä monta kuin B:ssä on osamatriisien rivejä. b) Jokainen esiintyvä matriisien kertolasku ja yhteenlasku on määritelty.

6 Esimerkki Esimerkki 1.7. Määrää sopivasti osittaen matriisitulo Ratk. A = B = = ( A11 A 12 A 21 A 22 ), ( ) B11 B = 12 B 21 B 22 Esimerkki jatkoa A B = ( ) ( ) A11 A 12 B11 B 12 A 21 A 22 B 21 B 22 = ( ) A11 B 11 + A 12 B 21 A 11 B 12 + A 12 B 22 A 21 B 11 + A 22 B 21 A 21 B 12 + A 22 B 22 = =

7 Ositus laskutoimituksissa Lause 1.5. Olkoot matriisit A ja B ositetut seuraavasti: A 11 A 1n B 11 B 1m A =.., B =.., A p1 A pn B r1 B rm missä osamatriisi A ij on s i t j -matriisi ja B ij on u i v j -matriisi. Tällöin A T 11 A T p1 A T =.. A T 1n A T pn λa 11 λa 1n λa =.. λa p1 λa pn Jatkoa Jos p = r, n = m ja s i = u i, t j = v j kaikilla i, j, niin C 11 C 1n A + B =.. C p1 C pn missä C ij = A ij + B ij Jos n = r ja t j = u j kaikilla j niin missä C ij = n A ik B kj. k=1 Tod. Mekaaninen lasku. C 11 C 1m AB =.. C p1 C pm

8 Lineaarinen yhtälö Lineaarinen yhtälö: y + 2x = 3 Kuvaaja: Jokainen suoran piste on yhtälön ratkaisu: Esimerkki Lineaarinen yhtälöryhmä: { y + 2x = 3 y 3x = 2 Vain piste (x, y) = (1, 1) toteuttaa molemmat yhtälöt. Vain yksi ratkaisu.

9 Esimerkki Muut tapaukset: { 2y + x = 1 2y x = 3 Ei ratkaisuja. Esimerkki 2 { 2y + x = 1 2y x = 1 Ääretön määrä ratkaisuja.

10 3 yhtälöä 2x + 5y z = 2 3x + 7y z = 2 2x 3y z = 1 Ratkaisujen lukumäärä Lineaarisella yhtälöryhmällä: 1 ratkaisu Ei yhtään ratkaisua Ääretön määrä ratkaisuja.

11 Esimerkki. Tasajännitekytkentä Kytkentä yhtälöryhmänä Kirchoff: 4I 1 + 3(I 1 I 2 ) + 4I 1 = 30 I 2 + 1(I 2 I 3 ) + I 2 + 3(I 2 I 1 ) = 5 I 3 + I 3 + 1(I 3 I 2 ) = 5 20 eli 11I 1 3I 2 = 30 3I 1 + 6I 2 I 3 = 5 I 2 + 3I 3 = 25

12 Kytkentä matriisien avulla Myös: 11I 1 3I I 3 3I 1 + 6I 2 I 3 = 0 I 1 I 2 + 3I Yhtälöryhmä matriisimuodossa: I I 2 = I Yhtälöryhmä yleisesti Yhtälöryhmä, n:n tuntematonta ja m yhtälöä: a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2. a m1 x 1 + a m2 x a mn x n = b m eli a 11 x 1 + a 12 x 2 + a 21 x 1 + a 22 x 2 + a m1 x 1 + a m2 x a 1n x n + a 2n x n. = + a mn x n b 1 b 2. b m

13 Yhtälöryhmä matriisimuodossa Sama matriisitulon avulla: a 11 a 12 a 1n x 1 a 21 a 22 a 2n x 2... = a m1 a m2 a mn x n b 1 b 2. b m Siis missä A = A x = b, a 11 a 1n x 1.., x =., ja b = a m1 a mn x n b 1. b m. Matriisi A on yhtälöryhmän kerroinmatriisi. Kerroinmatriisin käänteismatriisi Jos kerroinmatriisin käänteismatriisi A 1 on olemassa, niin yhtälöryhmällä on täsmälleen yksi ratkaisu: A x = b A 1 A x = A 1 b x = A 1 b Siis x = A 1 b.

14 Esimerkki jatkoa Esimerkki. Tasajännitekytkentä jatkoa: I 1 30 A I 2 = 5. I 3 25 missä A = Käänteismatriisi A 1 on olemassa (laskeminen myöhemmin), ja A 1 = Esimerkki jatkoa 2 Silloin I 1 I 2 = A 1 I = I 1 I 2 = ( 25) ( 25) = I ( 25) Siis I 1 I 2 = I

15 Sijoitusmenettely Kerroinmatriisilla A ei aina ole käänteismatriisia. A 1 :n etsiminen usein työläämpää kuin yhtälöryhmän ratkaiseminen. Tarvitaan muita ratkaisumenetelmiä Sijoitusmenettely: Ratkaistaan yksi tuntematon x i yhdestä yhtälöstä ja sijoitetaan muihin Ratkaistaan toinen tuntematon jne. Jos jäljellä on yksi tuntematon, se voidaan ratkaista saadusta lineaarisesta yhtälöstä Muut tuntemattomat saadaan peräkkäisillä sijoituksilla. Esimerkki 1.8. Ratkaise yhtälöryhmä 2x 1 + 4x 2 + 6x 3 = 18 4x 1 + 5x 2 + 6x 3 = 24 3x 1 + x 2 2x 3 = 4 Ratk. Jaetaan 1. yhtälö puolittain 2:lla. x 1 + 2x 2 + 3x 3 = 9 (1) 4x 1 + 5x 2 + 6x 3 = 24 (2) 3x 1 + x 2 2x 3 = 4 (3) x 1 + 2x 2 + 3x 3 = 9 (1) 3x 2 6x 3 = 12 (2) 4 (1) 5x 2 11x 3 = 23 (3) 3 (1)

16 Jaetaan keskimmäinen yhtälö puolittain luvulla 3. x 1 + 2x 2 + 3x 3 = 9 x 2 + 2x 3 = 4 (4) 5x 2 11x 3 = 23 (5) x 1 + 2x 2 + 3x 3 = 9 x 2 + 2x 3 = 4 x 3 = 3 (5) + 5 (4) Siis x 1 + 2x 2 + 3x 3 = 9 (6) x 2 + 2x 3 = 4 (7) x 3 = 3 (8) Taaksepäin sijoitus: Yhtälöstä (8): x 3 = 3 Sijoitetaan yhtälöön (7): x = 4 eli x 2 = 2. Sijoitetaan yhtälöön (6): x ( 2) = 9 eli x 1 = 4. Vastaus: x 1 = 4, x 2 = 2 ja x 3 = 3.

17 Yhtälöryhmä matriisiksi Gaussin menetelmä: Yhtälöryhmä: a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2. a m1 x 1 + a m2 x a mn x n = b m Laajennettu kerroinmatriisi eli Lisätty kerroinmatriisi a 11 a 12 a 1n b 1 a 21 a 2n b 2... a m1 a mn b m Molemmissa sama tieto. Ekvivalentti yhtälöryhmä Kun yhtälöryhmässä a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 a m1 x 1 + a m2 x 2 + 1) vaihdetaan kahden yhtälön paikkaa, 2) kerrotaan jokin yhtälö vakiolla c 0 ja/tai. + a mn x n = b m 3) lisätään vakiolla c 0 kerrottu yhtälö toiseen yhtälöön niin saadaan alkuperäisen kanssa samat ratkaisut omaava (=ekvivalentti) yhtälöryhmä.

18 Ekvivalentti matriisi Matriisille a 11 a 12 a 1n b 1 a 21 a 2n b 2... a m1 a mn b m vastaavat muunnokset ovat 1) rivien paikan vaihtaminen, 2) rivin jokaisen alkion kertominen vakiolla c 0 ja 3) vakiolla c kerrotun rivin lisääminen toiseen riviin. Muunnokset 1)-3) ovat vaakarivialkeismuunnokset. Gaussin menetelmä 1) Muunnetaan yhtälöryhmä laajennetuksi kerroinmatriisiksi a 11 a 12 a 1n b 1 a 21 a 2n b 2... a m1 a mn b m 2) Muutetaan matriisi vaakarivialkeismuunnoksilla yläkolmiomuotoon. 3) Muunnetaan saatu matriisi takaisin yhtälöryhmäksi. 4)Ratkaistaan tuntemattomat yhtälöryhmästä peräkkäisillä sijoituksilla.

19 Esimerkki 1.8.(jatkoa). Ratkaise yhtälöryhmä Gaussin menetelmällä. 2x 1 + 4x 2 + 6x 3 = 18 4x 1 + 5x 2 + 6x 3 = 24 3x 1 + x 2 2x 3 = 4 Ratk. Oleellinen tieto yhtälöryhmästä on matriisissa: Muunnetaan laajennettu kerroinmatriisi yläkolmiomuotoon vaakarivialkeismuunnoksilla: ( 4) ( 4) ( 4) ( 4) ( 3) ( 3) ( 3) ( 3)

20 ( 5) ( 1) 11 + ( 5) ( 2) 23 + ( 5)( 4) x 1 + 4x 2 + 6x 3 = 18 4x 1 + 5x 2 + 6x 3 = 24 3x 1 + x 2 2x 3 = 4 x 1 + 2x 2 + 3x 3 = 9 x 2 + 2x 3 = 4 x 3 = 3.

21 x 1 + 2x 2 + 3x 3 = 9 (1) x 2 + 2x 3 = 4 (2) x 3 = 3 (3) Yhtälöstä (3): x 3 = 3 Sijoitetaan yhtälöön (2): x = 4. Siis x 2 = 2. Sijoitetaan yhtälöön (1): x ( 2) = 4 Siis x 1 = 4. Ratkaisu: x 1 = 4, x 2 = 2 ja x 3 = 3. Porrasmuoto Matriisi on perusmuodossa (porrasmuodossa), jos 1) jokainen vain nollia sisältävä rivi on minkä tahansa muitakin kuin nollia sisältävän rivin alapuolella, 2) jos ensimmäinen nollasta poikkeava alkio rivillä r 1 on sarakkeessa c 1 ja rivillä r 2 sarakkeessa c 2 ja r 1 < r 2, niin c 1 < c 2. 3) jokaisen rivin ensimmäinen nollasta poikkeavan alkion alapuolella olevat vastaavan sarakkeen alkiot ovat nollia. Perusmuodossa olevia matriiseja: , ,

22 Redusoitu porrasmuoto Matriisi on redusoidussa porrasmuodossa, (redusoidussa perusmuodossa)jos se on porrasmuotoinen ja jokaisen rivin ensimmäinen nollasta eriävä alkio on 1 ja kaikki muut tämän sarakkeen alkiot ovat 0:ia Redusoidussa porrasmuodossa oleva matriisi: Huom. Jokainen matriisi voidaan saattaa porrasmuotoon ja redusoituun porrasmuotoon vaakarivialkeismuunnoksilla. Huom. Jokaista matriisia vastaa täsmälleen yksi redusoidussa porrasmuodossa oleva matriisi (osoitetaan myöhemmin). Gauss ja porrasmuoto Gaussin menetelmässä: Yhtälöryhmän laajennettu kerroinmatriisi muutetaan porrasmuotoon vaakarivialkeismuunnoksilla. Saadaan alkuperäisen yhtälöryhmän kanssa ekvivalentti yhtälöryhmä. Tästä yhtälöryhmästä ratkaistaan tuntemattomat peräkkäisillä sijoituksilla.

23 Esimerkki Ratkaise yhtälöryhmä Gaussin menetelmällä. Ratk. x 1 x 2 + x 3 = 1 3x 1 + 5x 2 + 3x 3 = 7 2x 1 x 2 + 5x 3 = 4 x 2 + 3x 3 = 2 x 1 + 4x 2 + 8x 3 = 7 Laajennettu kerroinmatriisi: x 1 x 2 + x 3 = 1 2x 2 + 6x 3 = 4 0 = 4 0 = 0 0 = Ei ratkaisuja

24 Esimerkki Ratkaise yhtälöryhmä x 1 x 2 2x 3 + x 4 = 1 3x 1 + 5x 2 + 8x 3 + 3x 4 = 7 2x 1 x 2 5x 3 + 5x 4 = 4 x 2 + x 3 + 3x 4 = 2 x 1 + 4x 2 + 5x 3 + 8x 4 = 7 Gaussin menetelmällä. Ratk Esimerkki jatkoa

25 Esimerkki jatkoa 2 Vastaava yhtälöryhmä: x 1 x 2 2x 3 +x 4 = 1 (1) x 2 + x 3 +3x 4 = 2 (2) 2x 3 = 4 (3). Yhtälöstä (3): x 3 = 2 Sijoitetaan yhtälöön (2): x 2 + ( 2) + 3x 4 = 2, eli x 2 = 4 3x 4. Sijoitetaan yhtälöön (1): x 1 = 1 4x 4. x 1 (4 3x 4 ) 2( 2) + x 4 = 1, eli Ei rajoituksia x 4 :lle. Ääretön määrä ratkaisuja. Esimerkki jatkoa 3 Ratkaisut: x 1 = 1 4x 4 x 2 = 4 3x 4 x 3 = 2 x 4 R Usein merkitään: x 1 = 1 4t x 2 = 4 3t x 3 = 2 x 4 = t, t R

26 Erikoistapauksia Gaussin menetelmästä Huom. Jos se matriisin alkio, jolla saraketta on tarkoitus siivota (=tukialkio) on 0, niin vaihdetaan rivien (yhtälöiden) järjestystä. Voidaan vaihtaa myös tuntemattomien (eli sarakkeiden) järjestystä, mutta silloin näistä vaihdoista tulee pitää kirjaa jotta lopuksi saadaan oikea ratkaisu. Myös yläkolmioryhmä voidaan ratkaista rivimuunnoksilla.

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

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

1.1. Määritelmiä ja nimityksiä

1.1. 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

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

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

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

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

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

Lisätiedot

Insinöörimatematiikka D

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

Lisätiedot

Matematiikka B2 - TUDI

Matematiikka B2 - TUDI Matematiikka B2 - TUDI Miika Tolonen 3. syyskuuta 2012 Miika Tolonen Matematiikka B2 - TUDI 1 Kurssin sisältö (1/2) Matriisit Laskutoimitukset Lineaariset yhtälöryhmät Gaussin eliminointi Lineaarinen riippumattomuus

Lisätiedot

1. LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT. 1.1 Lineaariset yhtälöryhmät

1. LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT. 1.1 Lineaariset yhtälöryhmät 1 1 LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT Muotoa 11 Lineaariset yhtälöryhmät (1) a 1 x 1 + a x + + a n x n b oleva yhtälö on tuntemattomien x 1,, x n lineaarinen yhtälö, jonka kertoimet ovat luvut a 1,,

Lisätiedot

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

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

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

Numeeriset menetelmät

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

Lisätiedot

Ortogonaalinen ja ortonormaali kanta

Ortogonaalinen ja ortonormaali kanta Ortogonaalinen ja ortonormaali kanta Määritelmä Kantaa ( w 1,..., w k ) kutsutaan ortogonaaliseksi, jos sen vektorit ovat kohtisuorassa toisiaan vastaan eli w i w j = 0 kaikilla i, j {1, 2,..., k}, missä

Lisätiedot

BM20A0700, Matematiikka KoTiB2

BM20A0700, Matematiikka KoTiB2 BM20A0700, Matematiikka KoTiB2 Luennot: Matti Alatalo, Harjoitukset: Oppikirja: Kreyszig, E.: Advanced Engineering Mathematics, 8th Edition, John Wiley & Sons, 1999, luku 7. 1 Kurssin sisältö Matriiseihin

Lisätiedot

Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa.

Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa. 7 Matriisilaskenta Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa. 7.1 Lineaariset yhtälöryhmät Yhtälöryhmät liittyvät tilanteisiin, joissa on monta tuntematonta

Lisätiedot

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä Matriisien tulo Lause Olkoot A, B ja C matriiseja ja R Tällöin (a) A(B + C) =AB + AC, (b) (A + B)C = AC + BC, (c) A(BC) =(AB)C, (d) ( A)B = A( B) = (AB), aina, kun kyseiset laskutoimitukset on määritelty

Lisätiedot

802118P Lineaarialgebra I (4 op)

802118P Lineaarialgebra I (4 op) 802118P Lineaarialgebra I (4 op) Tero Vedenjuoksu Oulun yliopisto Matemaattisten tieteiden laitos 2012 Lineaarialgebra I Yhteystiedot: Tero Vedenjuoksu tero.vedenjuoksu@oulu.fi Työhuone M206 Kurssin kotisivu

Lisätiedot

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

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

Lisätiedot

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

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

9 Matriisit. 9.1 Matriisien laskutoimituksia

9 Matriisit. 9.1 Matriisien laskutoimituksia 9 Matriisit Aiemmissa luvuissa matriiseja on käsitelty siinä määrin kuin on ollut tarpeellista yhtälönratkaisun kannalta. Matriiseja käytetään kuitenkin myös muihin tarkoituksiin, ja siksi on hyödyllistä

Lisätiedot

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

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

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

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

Lisätiedot

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

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

Lisätiedot

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

5 Lineaariset yhtälöryhmät

5 Lineaariset yhtälöryhmät 5 Lineaariset yhtälöryhmät Edellisen luvun lopun esimerkissä päädyttiin yhtälöryhmään, jonka ratkaisemisesta riippui, kuuluuko tietty vektori eräiden toisten vektorien virittämään aliavaruuteen Tämäntyyppisiä

Lisätiedot

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

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

Lisätiedot

4.6 Matriisin kääntäminen rivioperaatioilla

4.6 Matriisin kääntäminen rivioperaatioilla Vaasan liopiston julkaisuja 9 kuva.plot(,n, k-o,,n, k-s,,n3, k-d ); kuva.set_label( kausi ); kuva.set_label( lkm ); kuva.ais([,,,8]); kuva = fig.add_subplot(); kuva.plot(,tulo, k-o ); kuva.set_label( kausi

Lisätiedot

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5. 2. MS-A4/A6 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.9.25 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x + x 2

Lisätiedot

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

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

Lisätiedot

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

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

Lisätiedot

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

Matriisilaskenta Luento 8: LU-hajotelma

Matriisilaskenta Luento 8: LU-hajotelma Matriisilaskenta Luento 8: LU-hajotelma Antti Rasila 2016 Matriisihajotelmat 1/2 Usein matriisiyhtälön Ax = y ratkaiseminen on epäkäytännöllistä ja hidasta. Siksi numeerisessa matriisilaskennassa usein

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

2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio

2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio x = x 2 = 5/2 x 3 = 2 eli Ratkaisu on siis x = (x x 2 x 3 ) = ( 5/2 2) (Tarkista sijoittamalla!) 5/2 2 Tämä piste on alkuperäisten tasojen ainoa leikkauspiste Se on myös piste/vektori jonka matriisi A

Lisätiedot

Insinöörimatematiikka D

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

Lisätiedot

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

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

A = a b B = c d. d e f. g h i determinantti on det(c) = a(ei fh) b(di fg) + c(dh eg). Matriisin determinanttia voi merkitä myös pystyviivojen avulla:

A = a b B = c d. d e f. g h i determinantti on det(c) = a(ei fh) b(di fg) + c(dh eg). Matriisin determinanttia voi merkitä myös pystyviivojen avulla: 11 Determinantti Neliömatriisille voidaan laskea luku, joka kertoo muun muassa, onko matriisi kääntyvä vai ei Tätä lukua kutsutaan matriisin determinantiksi Determinantilla on muitakin sovelluksia, mutta

Lisätiedot

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

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

x 2 x 3 x 1 x 2 = 1 2x 1 4 x 2 = 3 x 1 x 5 LINEAARIALGEBRA I Oulun yliopisto Matemaattisten tieteiden laitos 2014 Esa Järvenpää, Hanna Kiili

x 2 x 3 x 1 x 2 = 1 2x 1 4 x 2 = 3 x 1 x 5 LINEAARIALGEBRA I Oulun yliopisto Matemaattisten tieteiden laitos 2014 Esa Järvenpää, Hanna Kiili 6 4 2 x 2 x 3 15 10 5 0 5 15 5 3 2 1 1 2 3 2 0 x 2 = 1 2x 1 0 4 x 2 = 3 x 1 x 5 2 5 x 1 10 x 1 5 LINEAARIALGEBRA I Oulun yliopisto Matemaattisten tieteiden laitos 2014 Esa Järvenpää, Hanna Kiili Sisältö

Lisätiedot

Lineaariset kongruenssiyhtälöryhmät

Lineaariset kongruenssiyhtälöryhmät Lineaariset kongruenssiyhtälöryhmät LuK-tutkielma Jesse Salo 2309369 Matemaattisten tieteiden laitos Oulun yliopisto Sisältö Johdanto 2 1 Kongruensseista 3 1.1 Kongruenssin ominaisuuksia...................

Lisätiedot

Seuraava luento ti on salissa XXII. Lineaarialgebra (muut ko) p. 1/117

Seuraava luento ti on salissa XXII. Lineaarialgebra (muut ko) p. 1/117 Seuraava luento ti 31.10 on salissa XXII Lineaarialgebra (muut ko) p. 1/117 Lineaarialgebra (muut ko) p. 2/117 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v

Lisätiedot

LINEAARIALGEBRA I. Hannu Honkasalo. Helsingin yliopiston matematiikan laitos v w u ...

LINEAARIALGEBRA I. Hannu Honkasalo. Helsingin yliopiston matematiikan laitos v w u ... LINEAARIALGEBRA I Hannu Honkasalo v w u h w A v Helsingin yliopiston matematiikan laitos 003 SISÄLTÖ 1 Lineaariset yhtälöryhmät ja matriisit 11 Lineaariset yhtälöryhmät 1 1 Matriisit ja matriisitoimitukset

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra ja matriisilaskenta I Lineaarialgebra ja matriisilaskenta I 6.6.2013 HY / Avoin yliopisto Jokke Häsä, 1/22 Kertausta: Kääntyvien matriisien lause Lause 1 Oletetaan, että A on n n -neliömatriisi. Seuraavat ehdot ovat yhtäpitäviä.

Lisätiedot

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

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

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

Matriisipotenssi. Koska matriisikertolasku on liitännäinen (sulkuja ei tarvita; ks. lause 2), voidaan asettaa seuraava määritelmä: ja A 0 = I n.

Matriisipotenssi. Koska matriisikertolasku on liitännäinen (sulkuja ei tarvita; ks. lause 2), voidaan asettaa seuraava määritelmä: ja A 0 = I n. Matriisipotenssi Koska matriisikertolasku on liitännäinen (sulkuja ei tarvita; ks. lause 2), voidaan asettaa seuraava määritelmä: Määritelmä Oletetaan, että A on n n -matriisi (siis neliömatriisi) ja k

Lisätiedot

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

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia Voidaan osoittaa, että avaruuden R n vektoreilla voidaan laskea tuttujen laskusääntöjen mukaan. Huom. Lause tarkoittaa väitettä, joka voidaan perustella

Lisätiedot

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

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

Lisätiedot

ax + y + 2z = 0 2x + y + az = b 2. Kuvassa alla on esitetty nesteen virtaus eräässä putkistossa.

ax + y + 2z = 0 2x + y + az = b 2. Kuvassa alla on esitetty nesteen virtaus eräässä putkistossa. BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 7, Syksy 206 Tutkitaan yhtälöryhmää x + y + z 0 2x + y + az b ax + y + 2z 0 (a) Jos a 0 ja b 0 niin mikä on yhtälöryhmän ratkaisu? Tulkitse ratkaisu

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

802120P Matriisilaskenta (5 op)

802120P Matriisilaskenta (5 op) 802120P Matriisilaskenta (5 op) Marko Leinonen Matemaattiset tieteet Syksy 2016 1 / 220 Luennoitsija: Marko Leinonen marko.leinonen@oulu.fi MA333 Kurssilla käytetään Noppaa (noppa.oulu.fi) Luentomoniste

Lisätiedot

Vapaus. 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. 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 +

Lisätiedot

BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 5, Syksy 2015

BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 5, Syksy 2015 BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 5, Syksy 205 Päivityksiä: 4.0.205 klo 5:0. Tehtävässä 3b vektorin x lauseke korjattu. 5.0.205 klo 3:20. Tehtävässä 8d viittaus väärään tehtävään

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

Johdatus lineaarialgebraan. Juha Honkala 2017

Johdatus lineaarialgebraan. Juha Honkala 2017 Johdatus lineaarialgebraan Juha Honkala 2017 Sisällysluettelo 1 Lineaariset yhtälöryhmät ja matriisit 11 Lineaariset yhtälöryhmät 12 Matriisit 13 Matriisien alkeismuunnokset ja porrasmatriisit 14 Yhtälöryhmien

Lisätiedot

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

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

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

Johdatus lineaarialgebraan

Johdatus 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.....................

Lisätiedot

MS-C1340 Lineaarialgebra ja

MS-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

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-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

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

Jouni Sampo. 4. maaliskuuta 2013

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

Lisätiedot

Matriiseista. Emmi Koljonen

Matriiseista. Emmi Koljonen Matriiseista Emmi Koljonen 3. lokakuuta 22 Usein meillä on monta systeemiä kuvaavaa muuttujaa ja voimme kirjoittaa niiden välille riippuvaisuuksia, esim. piirin silmukoihin voidaan soveltaa silmukkavirtayhtälöitä.

Lisätiedot

Liittomatriisi. 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. 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

Lisätiedot

Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218

Lineaarialgebra 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 }.

Lisätiedot

Ensi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/66

Ensi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/66 Ensi viikon luennot salissa X Lineaarialgebra (muut ko) p. 1/66 Lineaarialgebra (muut ko) p. 2/66 Redusoitu porrasmuoto 1 1 2 4 1 1 4 6 2 2 5 9 1 1 0 2 0 0 1 1 0 0 0 0 Eli aste r(a) = 2 ja vaakariviavaruuden

Lisätiedot

1 Kertaus. Lineaarinen optimointitehtävä on muotoa:

1 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

Lisätiedot

Tehtäväsarja I Kertaa tarvittaessa materiaalin lukuja 1 3 ja 9. Tarvitset myös luvusta 4 määritelmän 4.1.

Tehtäväsarja I Kertaa tarvittaessa materiaalin lukuja 1 3 ja 9. Tarvitset myös luvusta 4 määritelmän 4.1. HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta I, kesä 2015 Harjoitus 2 Ratkaisut palautettava viimeistään maanantaina 25.5.2015 klo 16.15. Tehtäväsarja I Kertaa tarvittaessa materiaalin lukuja

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

FUNKTIOT JA MATRIISIT

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

Lisätiedot

7 Vapaus. 7.1 Vapauden määritelmä

7 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

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

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

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

ja piirrä sitä vastaavat kaksi käyrää ja tarkista ratkaisusi kuvastasi.

ja piirrä sitä vastaavat kaksi käyrää ja tarkista ratkaisusi kuvastasi. Harjoituksia yhtälöryhmistä ja matriiseista 1. Ratkaise yhtälöpari (F 1 ja F 2 ovat tuntemattomia) cos( ) F 1 + cos( ) F 2 = 0 sin( ) F 1 + sin( ) F 2 = -1730, kun = -50 ja = -145. 2. Ratkaise yhtälöpari

Lisätiedot

Determinantti. Määritelmä

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

Lisätiedot

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

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

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

Lisätiedot

Johdatus lineaarialgebraan

Johdatus 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........................

Lisätiedot

Johdatus lineaarialgebraan

Johdatus 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........................

Lisätiedot

1. Normi ja sisätulo

1. 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

Lisätiedot

Valintakoe

Valintakoe Valintakoe 7.3.05 Kokeessa saa käyttää kirjoitusvälinewiden lisäksi ainoastaan kokeessa jaettavaa funktiolaskinta ja taulukkoa Pisteytys 8*3p=4p. Tehtävien alakohtien pistemäärät voivat poiketa toisistaan..

Lisätiedot

Johdatus lineaarialgebraan

Johdatus 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

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

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

Matriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi Matriisit, L20 Merkintöjä 1 Matriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: ( 2 0.4 8 0 2 1 ( 0, 4, ( ( 1 4 2, a 11 a 12 a 21 a 22 Kaavio kirjoitetaan kaarisulkujen väliin (amer. kirjoissa

Lisätiedot

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

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

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

Kannan 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

Lisätiedot

Matriisit ja optimointi kauppatieteilijöille P

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

Lisätiedot

Inversio-ongelmien laskennallinen peruskurssi Luento 2

Inversio-ongelmien laskennallinen peruskurssi Luento 2 Inversio-ongelmien laskennallinen peruskurssi Luento 2 Kevät 2012 1 Lineaarinen inversio-ongelma Määritelmä 1.1. Yleinen (reaaliarvoinen) lineaarinen inversio-ongelma voidaan esittää muodossa m = Ax +

Lisätiedot

Ratkaisuehdotukset LH 3 / alkuvko 45

Ratkaisuehdotukset LH 3 / alkuvko 45 Ratkaisuehdotukset LH 3 / alkuvko 45 Tehtävä : Olkoot A, B, X R n n, a, b R n ja jokin vektorinormi. Kätetään vektorinormia vastaavasta operaattorinormista samaa merkintää. Nätä, että. a + b a b, 2. A

Lisätiedot