Insinöörimatematiikka D
|
|
- Riikka Nurminen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 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 Luentokalvot 2 1 of 18
2 Kertausta Gaussin-Jordanin menetelmä Gaussin-Jordanin menetelmällä (moniste s.7) saadaan rivioperaatioita käyttämällä yhtälöryhmää kuvaava augmentoitu matriisi redusoituun porrasmuotoon: M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 2 of 18
3 Kertausta Gaussin-Jordanin menetelmä Gaussin-Jordanin menetelmällä (moniste s.7) saadaan rivioperaatioita käyttämällä yhtälöryhmää kuvaava augmentoitu matriisi redusoituun porrasmuotoon: Lineaarisen yhtälöryhmän m n-kerroinmatriisin A (ei augmentoitu) aste r(a) = r on portaan aloittavien muuttujien määrä. Nämä muuttujat voidaan esittää muiden muuttujien avulla (n r kpl). M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 2 of 18
4 Kertausta Augmentoidun matriisin kerroinmatriisi on 7 13-matriisi, jonka aste r on 6 (x 3,x 4,x 5,x 8,x 9,x 13 ) ja muita muuttujia on 7 (x 1,x 2,x 6,x 7,x 10,x 11,x 12 ). M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 3 of 18
5 Kertausta Aiemmin saatiin yhtälöryhmälle x 1 ratkaisuksi (x 1,x 2,x 3,x 4,x 5 ) 4x 4 6x 5 = 2 x 2 +3x 4 = 3 x 3 +x 4 +2x 5 = 7 x 4 (4, 3, 1,1,0) +x 5 (6,0, 2,0,1) +( 2,3,7,0,0). M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 4 of 18
6 Kertausta Aiemmin saatiin yhtälöryhmälle x 1 ratkaisuksi (x 1,x 2,x 3,x 4,x 5 ) 4x 4 6x 5 = 2 x 2 +3x 4 = 3 x 3 +x 4 +2x 5 = 7 x 4 (4, 3, 1,1,0) +x 5 (6,0, 2,0,1) +( 2,3,7,0,0). Yleisesti yhtälöryhmän ratkaisut voidaan esittää muodossa x = a 1 c a n r c n r +c, missä c i,c R n ovat vakiovektoreita ja a i R. Vektoria c kutsutaan yksittäis- tai yksityisratkaisuksi. M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 4 of 18
7 Kertausta Vektorit Karteesisen potenssin A n = {(a 1,a 2,...,a n ) a i A}. alkioita kutsutaan vektoreiksi (merkintä: a = (a 1,...,a n )). M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 5 of 18
8 Kertausta Vektorit Karteesisen potenssin A n = {(a 1,a 2,...,a n ) a i A}. alkioita kutsutaan vektoreiksi (merkintä: a = (a 1,...,a n )). Vektoreiden a = (a 1,...,a n ) ja b = (b 1,...,b n ) yhteenlasku määritellään a+b = (a 1 +b 1,...,a n +b n ). ja skalaarikertolasku määritellään ca = (ca 1,...,ca n ). Nollavektori on 0 = (0,0,...,0) ja vektorin a vastavektori määritellään a = ( a 1,..., a n ). M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 5 of 18
9 Kertausta Vektoriavaruuden aksioomat V on vektoriavaruus summan + ja skalaarilla kertomisen suhteen, jos seuraavat aksioomat toteutuvat kaikilla X,Y,Z V ja a,b K: V1 X +(Y +Z) = (X +Y)+Z V2 X +Y = Y +X V3 X +0 = X, missä 0 on nolla-alkio V4 X +( X) = 0, missä X on vasta-alkio V5 a(x +Y) = ax +ay V6 (a+b)x = ax +bx V7 a(bx) = (ab)x V8 1X = X Huomaa: Vektoriavaruuden V alkioille summan ja skalaarilla kertomisen tuloksen tulee edelleen kuulua tähän vektoriavaruuteen. M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 6 of 18
10 Kertausta Vektorien lineaarikombinaatiot (K on joko R tai C): L(v 1,...,v k ) = {c 1 v c k v k c 1,...,c k K}. M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 7 of 18
11 Kertausta Vektorien lineaarikombinaatiot (K on joko R tai C): L(v 1,...,v k ) = {c 1 v c k v k c 1,...,c k K}. Vaihtoehtoinen merkintä: L(v 1,...,v k ) = v 1,...,v k. M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 7 of 18
12 Kertausta Merkitään i = (1,0,0), j = (0,1,0), k = (0,0,1), jolloin (x,y,z) = (x,0,0)+(0,y,0) +(0,0,z) = xi+yj+zk. Siis R 3 = L(i,j,k) = i,j,k. M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 8 of 18
13 Kertausta Merkitään i = (1,0,0), j = (0,1,0), k = (0,0,1), jolloin (x,y,z) = (x,0,0)+(0,y,0) +(0,0,z) = xi+yj+zk. Siis R 3 = L(i,j,k) = i,j,k. Merkitään e 1 = (1,0,...,0), e 2 = (0,1,...,0),..., e n = (0,0,...,1). Tällöin (x 1,...,x n ) = x 1 e 1 +x 2 e x n e n ja edelleen saadaan R n = L(e 1,...,e n ). M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 8 of 18
14 Kertausta Vektorien generoima joukko Vektorit v 1,..., v k generoivat joukon U = L(v 1,...,v k ) = {c 1 v c k v k c 1,...,c k K} M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 9 of 18
15 Lause v i L(v 1,...,v k ) M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 10 of 18
16 Lause v i L(v 1,...,v k ) Jos {v 1,...,v l } {v 1,...,v k }, on L(v 1,...,v l ) L(v 1,...,v k ) M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 10 of 18
17 Lause v i L(v 1,...,v k ) Jos {v 1,...,v l } {v 1,...,v k }, on L(v 1,...,v l ) L(v 1,...,v k ) Jos {u 1,...,u l } L(v 1,...,v k ), niin L(u 1,...,u l ) L(v 1,...,v k ) M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 10 of 18
18 Lause v i L(v 1,...,v k ) Jos {v 1,...,v l } {v 1,...,v k }, on L(v 1,...,v l ) L(v 1,...,v k ) Jos {u 1,...,u l } L(v 1,...,v k ), niin L(u 1,...,u l ) L(v 1,...,v k ) u L(v 1,...,v k ), tarkalleen silloin kun L(v 1,...,v k ) = L(v 1,...,v k,u) M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 10 of 18
19 Lause v i L(v 1,...,v k ) Jos {v 1,...,v l } {v 1,...,v k }, on L(v 1,...,v l ) L(v 1,...,v k ) Jos {u 1,...,u l } L(v 1,...,v k ), niin L(u 1,...,u l ) L(v 1,...,v k ) u L(v 1,...,v k ), tarkalleen silloin kun L(v 1,...,v k ) = L(v 1,...,v k,u) L({v 1,...,v k } {0}) = L(v 1,...,v k ). M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 10 of 18
20 Määritelmä Vektoriavaruuden V epätyhjä osajoukko U V on aliavaruus, jos c 1 v 1 +c 2 v 2 U aina kun v 1, v 2 U. M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 11 of 18
21 Määritelmä Vektoriavaruuden V epätyhjä osajoukko U V on aliavaruus, jos c 1 v 1 +c 2 v 2 U aina kun v 1, v 2 U. Merkintä: U V. M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 11 of 18
22 Määritelmä Vektoriavaruuden V epätyhjä osajoukko U V on aliavaruus, jos c 1 v 1 +c 2 v 2 U aina kun v 1, v 2 U. Merkintä: U V. Huomautus Jokaisella vektoriavaruudella V on ainakin aliavaruudet {0} ja V. M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 11 of 18
23 Määritelmä Vektoriavaruuden V epätyhjä osajoukko U V on aliavaruus, jos c 1 v 1 +c 2 v 2 U aina kun v 1, v 2 U. Merkintä: U V. Huomautus Jokaisella vektoriavaruudella V on ainakin aliavaruudet {0} ja V. Koska 0 = 0 v 1 +0 v 2, kuuluu nollavektori 0 jokaiseen aliavaruuteen. M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 11 of 18
24 Määritelmä Vektoriavaruuden V epätyhjä osajoukko U V on aliavaruus, jos c 1 v 1 +c 2 v 2 U aina kun v 1, v 2 U. Merkintä: U V. Huomautus Jokaisella vektoriavaruudella V on ainakin aliavaruudet {0} ja V. Koska 0 = 0 v 1 +0 v 2, kuuluu nollavektori 0 jokaiseen aliavaruuteen. Lause Jos v 1,..., v k V, on joukko L(v 1,...,v k ) avaruuden V aliavaruus. M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 11 of 18
25 Joukko U 1 = {(a+b,a,0) a,b R} on R 3 :n aliavaruus. Joukko U 2 = {(a+b,a,1) a,b R} ei ole R 3 :n aliavaruus. M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 12 of 18
26 Määritelmä Vektoriavaruus V on äärellisesti generoitu, jos on olemassa sellainen äärellinen joukko {v 1,...,v k } V, että V = L(v 1,...,v k ) M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 13 of 18
27 Määritelmä Vektoriavaruus V on äärellisesti generoitu, jos on olemassa sellainen äärellinen joukko {v 1,...,v k } V, että V = L(v 1,...,v k ) Vektoriavaruus R n (samoin kuin C n ) on äärellisesti generoitu: R n = L(e 1,...,e n ). M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 13 of 18
28 Määritelmä Vektoriavaruus V on äärellisesti generoitu, jos on olemassa sellainen äärellinen joukko {v 1,...,v k } V, että V = L(v 1,...,v k ) Vektoriavaruus R n (samoin kuin C n ) on äärellisesti generoitu: R n = L(e 1,...,e n ). L((1,1)) avaruudessa R 2. M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 13 of 18
29 Välillä [α, α + T] määritellyn funktion Fourier-sarjan kerroinjonon A (A n cos( 2πn T x)+b nsin( 2πn T x)) n=1 ( A 0 2,A 1,B 1,A 2,B 2,...) alkioita voidaan pitää Fourier-sarjan määrittämän funktion koordinaatteina. M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 14 of 18
30 R 2 = L(i,j) ja R 3 = L(i,j,k). M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 15 of 18
31 R 2 = L(i,j) ja R 3 = L(i,j,k). Toisaalta myös (x,y) = xi+yj+0 (i+j) M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 15 of 18
32 R 2 = L(i,j) ja R 3 = L(i,j,k). Toisaalta myös (x,y) = xi+yj+0 (i+j) ja (x,y) = 1 2 (x +y)(i+j)+ 1 (x y)(i j), 2 M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 15 of 18
33 R 2 = L(i,j) ja R 3 = L(i,j,k). Toisaalta myös (x,y) = xi+yj+0 (i+j) ja (x,y) = 1 2 (x +y)(i+j)+ 1 (x y)(i j), 2 joten R 2 = L(i,j,i+j) = L(i+j,i j). M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 15 of 18
34 R 2 = L(i,j) ja R 3 = L(i,j,k). Toisaalta myös (x,y) = xi+yj+0 (i+j) ja (x,y) = 1 2 (x +y)(i+j)+ 1 (x y)(i j), 2 joten R 2 = L(i,j,i+j) = L(i+j,i j). Huomautus i+j = 1 i+1 j L(i,j) L(i,j) = L(i,j,i+j) M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 15 of 18
35 R 2 = L(i,j) ja R 3 = L(i,j,k). Toisaalta myös (x,y) = xi+yj+0 (i+j) ja (x,y) = 1 2 (x +y)(i+j)+ 1 (x y)(i j), 2 joten R 2 = L(i,j,i+j) = L(i+j,i j). Huomautus i+j = 1 i+1 j L(i,j) L(i,j) = L(i,j,i+j) i = 1 j+1 (i+j) L(j,i+j) L(j,i+j) = L(i,j,i+j) M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 15 of 18
36 Määritelmä {v 1, v 2,..., v k } on lineaarisesti riippuva (riippuva), jos jokin sen vektoreista voidaan esittää muiden lineaarikombinaationa: v i L(v 1,...,v i 1,v i+1,...,v k ). M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 16 of 18
37 Määritelmä {v 1, v 2,..., v k } on lineaarisesti riippuva (riippuva), jos jokin sen vektoreista voidaan esittää muiden lineaarikombinaationa: v i L(v 1,...,v i 1,v i+1,...,v k ). Vastakohta: Lineaarisesti riippumaton. M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 16 of 18
38 Määritelmä {v 1, v 2,..., v k } on lineaarisesti riippuva (riippuva), jos jokin sen vektoreista voidaan esittää muiden lineaarikombinaationa: v i L(v 1,...,v i 1,v i+1,...,v k ). Vastakohta: Lineaarisesti riippumaton. Joukko {i, j} on lineaarisesti riippumaton. M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 16 of 18
39 Määritelmä {v 1, v 2,..., v k } on lineaarisesti riippuva (riippuva), jos jokin sen vektoreista voidaan esittää muiden lineaarikombinaationa: v i L(v 1,...,v i 1,v i+1,...,v k ). Vastakohta: Lineaarisesti riippumaton. Joukko {i, j} on lineaarisesti riippumaton. Joukko {i,j,i+j} on lineaarisesti riippuva. M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 16 of 18
40 Määritelmä {v 1, v 2,..., v k } on lineaarisesti riippuva (riippuva), jos jokin sen vektoreista voidaan esittää muiden lineaarikombinaationa: v i L(v 1,...,v i 1,v i+1,...,v k ). Vastakohta: Lineaarisesti riippumaton. Joukko {i, j} on lineaarisesti riippumaton. Joukko {i,j,i+j} on lineaarisesti riippuva. Jokainen vektorijoukko A = {0,v 2,...,v k } joka sisältää nollavektorin, on riippuva. (Aina 0 L(v 2,...,v k ).) M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 16 of 18
41 Lause Vektorijoukko {v 1,...,v k } on lineaarisesti riippumaton tarkalleen silloin kun c 1 v c k v k = 0 toteutuu vain ilmeisellä valinnalla jossa kaikki kertoimet ovat nollia: c 1 =... = c k = 0. M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 17 of 18
42 Lause Vektorijoukko {v 1,...,v k } on lineaarisesti riippumaton tarkalleen silloin kun c 1 v c k v k = 0 toteutuu vain ilmeisellä valinnalla jossa kaikki kertoimet ovat nollia: c 1 =... = c k = 0. Joukko {i,j,i+j} on lineaarisesti riippuva, koska 1 i+1 j+( 1) (i+j) = 0. Joukko {e 1,e 2,...,e n } on lineaarisesti riippumaton, koska c 1 e 1 + +c n e n = (c 1,...,c n ) = (0,...,0). M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 17 of 18
43 Jos vektorijoukossa {v 1,..., v k } ei ole nollavektoria ja vektorissa v i+1 on enemmän alkunollia kuin vektorissa v i, on joukko lineaarisesti riippumaton. M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 18 of 18
44 Jos vektorijoukossa {v 1,..., v k } ei ole nollavektoria ja vektorissa v i+1 on enemmän alkunollia kuin vektorissa v i, on joukko lineaarisesti riippumaton. ( 18) M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 18 of 18
45 Jos vektorijoukossa {v 1,..., v k } ei ole nollavektoria ja vektorissa v i+1 on enemmän alkunollia kuin vektorissa v i, on joukko lineaarisesti riippumaton. ( 18) Esimerkkejä Tarkastellaan esimerkkejä monisteesta ja muualta. M. Hirvensalo V. Junnila A. Lepistö Luentokalvot 2 18 of 18
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
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
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
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
LisätiedotInsinöörimatematiikka 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
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
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
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
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
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
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.
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.
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-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
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
LisätiedotMika Hirvensalo. Insinöörimatematiikka D 2018
Mika Hirvensalo Insinöörimatematiikka D 2018 Sisältö 1 Lineaarialgebran peruskäsitteitä 5 11 Lineaariset yhtälöryhmät 5 111 Gaussin-Jordanin menetelmä 5 112 Ratkaisujoukon systemaattinen esittäminen 8
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
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
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
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,
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
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
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)
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
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
LisätiedotMika Hirvensalo. Insinöörimatematiikka D 2015
Mika Hirvensalo Insinöörimatematiikka D 2015 Sisältö 1 Lineaarialgebran peruskäsitteitä............................................... 5 1.1 Lineaariset yhtälöryhmät..................................................
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
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.
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
LisätiedotMika Hirvensalo. Insinöörimatematiikka D 2019
Mika Hirvensalo Insinöörimatematiikka D 2019 Sisältö 1 Lineaarialgebran peruskäsitteitä 3 11 Lineaariset yhtälöryhmät 3 111 Gaussin-Jordanin menetelmä 3 112 Ratkaisujoukon systemaattinen esittäminen 6
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
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
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
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:
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 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.
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
LisätiedotJohdatus lineaarialgebraan
Johdatus lineaarialgebraan Osa II Lotta Oinonen, Johanna Rämö 28. lokakuuta 2014 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 15 Vektoriavaruus....................................
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
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
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
Lisätiedot802120P 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
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
Lisätiedot1. Lineaarinen yhtälöryhmä ja matriisi
I LINEAARISET YHTÄLÖRYHMÄT 1 Lineaarinen yhtälöryhmä ja matriisi Tällä kurssilla käytämme kirjainta K tarkoittamaan reaalilukuja R, kompleksilukuja C tai rationaalilukuja Q (aluksi K = R) Nämä lukujoukot
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
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 )
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
LisätiedotYleiset lineaarimuunnokset
TAMPEREEN YLIOPISTO Pro gradu -tutkielma Kari Tuominen Yleiset lineaarimuunnokset Matematiikan ja tilastotieteen laitos Matematiikka Toukokuu 29 Tampereen yliopisto Matematiikan ja tilastotieteen laitos
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 30.5.2013 HY / Avoin yliopisto Jokke Häsä, 1/19 Käytännön asioita Kurssi on suunnilleen puolessa välissä. Kannattaa tarkistaa tavoitetaulukosta, mitä on oppinut ja
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
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
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
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
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.....................
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
Lisätiedot1 Sisätulo- ja normiavaruudet
1 Sisätulo- ja normiavaruudet 1.1 Sisätuloavaruus Määritelmä 1. Olkoon V reaalinen vektoriavaruus. Kuvaus : V V R on reaalinen sisätulo eli pistetulo, jos (a) v w = w v (symmetrisyys); (b) v + u w = v
LisätiedotLineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg
Vaasan yliopisto, syksy 218 Lineaarialgebra II, MATH124 Matti laaksonen, Lassi Lilleberg Tentti T1, 284218 Ratkaise 4 tehtävää Kokeessa saa käyttää laskinta (myös graafista ja CAS-laskinta), mutta ei taulukkokirjaa
Lisätiedot802320A LINEAARIALGEBRA OSA II
802320A LINEAARIALGEBRA OSA II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 64 Sisätuloavaruus Määritelmä 1 Olkoon V reaalinen vektoriavaruus. Kuvaus on reaalinen
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,
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
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
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
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
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:
Lisätiedot110. 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
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
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
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
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,
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)
Lisätiedotx 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
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
LisätiedotEnsi 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
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
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
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 }.
LisätiedotInsinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut
Insinöörimatematiikka D, 29.3.2016 4. laskuharjoituksien esimerkkiratkaisut 1. Olkoon u (4,0,4,2) ja v ( 1,1,3,5) vektoreita vektoriavaruudessa R 4. Annetun sisätulon (x,y) indusoima normi on x (x,x) ja
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
LisätiedotMuistutus: 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
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 +
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
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 =
LisätiedotSisätuloavaruudet. 4. lokakuuta 2006
Sisätuloavaruudet 4. lokakuuta 2006 Tässä esityksessä vektoriavaruudet V ja W ovat kompleksisia ja äärellisulotteisia. Käydään ensin lyhyesti läpi määritelmiä ja perustuloksia. Merkitään L(V, W ) :llä
LisätiedotMatemaattinen Analyysi, s2016, L2
Matemaattinen Analyysi, s2016, L2 riippumattomuus, 1 Esimerkkejä esimerkki Dieetti-välipala 1: Opiskelija Ken Obi on dieetillä. Lenkin jälkeen Ken pysähtyy välipalalle. Dieetin mukaan hänen pitäisi saada
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 +
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
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
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
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
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
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
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
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
LisätiedotSuorat ja tasot, L6. Suuntajana. Suora xy-tasossa. Suora xyzkoordinaatistossa. Taso xyzkoordinaatistossa. Tason koordinaattimuotoinen yhtälö.
Suorat ja tasot, L6 Suora xyz-koordinaatistossa Taso xyz-koordinaatistossa stä stä 1 Näillä kalvoilla käsittelemme kolmen laisia olioita. Suora xyz-avaruudessa. Taso xyz-avaruudessa. Emme nyt ryhdy pohtimaan,
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........................
LisätiedotLineaarialgebra Kerroinrenkaat. Kevät Kerkko Luosto Informaatiotieteiden yksikkö, Tampereen yliopisto
Lineaarialgebra 2 Kevät 2014 Kerkko Luosto Informaatiotieteiden yksikkö, Tampereen yliopisto Á Ë Ð Ö Ø Ú ØÓÖ Ø 1. Kerroinrenkaat 1.1. Määritelmä. Yhden laskutoimituksen rakenne(g, + on Abelin ryhmä, jos
Lisätiedot