Ensi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/159
|
|
- Viljo Kinnunen
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 Ensi viikon luennot salissa X Lineaarialgebra (muut ko) p. 1/159
2 Lineaarialgebra (muut ko) p. 2/159 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v 2 ) Skalaarilla kertominen (a R): au = (au 1,au 2 ) Kommutatiivisuus Assosiatiivisuus u+v = v+u (u+v)+w = u+(v+w)
3 Lineaarialgebra (muut ko) p. 3/159 Pituus ja sisätulo Vektorin u = (u 1,u 2 ) R 2 pituus u = u 2 1 +u2 2 Vektorien u = (u 1,u 2 ) ja v = (v 1,v 2 ) sisätulo Pituudelle ax = a x (u,v) = u v = u 1 v 1 +u 2 v 2. Muistetaan, että u 2 = (u,u). Ortogonaalisuus: u v (u,v) = 0
4 Lineaarialgebra (muut ko) p. 4/159 Sisätulo Sisätulon ominaisuuksia (s.3) (u,u) 0 (u,u) = 0 u = 0 (u,v) = (v,u) (u+v,w) = (u,w)+(v,w). (au,v) = a(u,v), a R.
5 Lineaarialgebra (muut ko) p. 5/159 Sisätulo Sisätulon ominaisuuksia (s.3) (u,u) 0 (u,u) = 0 u = 0 (u,v) = (v,u) (u+v,w) = (u,w)+(v,w). (au,v) = a(u,v), a R. Myös (u,v+w) = (u,v)+(u,w) ja(u v,w) = (u,w) (v,w).
6 Lineaarialgebra (muut ko) p. 6/159 Avaruusvektorit, s. 4 Avaruusvektorien joukko R 3 = {(x,y,z) x,y,z R}. Vektoreille u = (u 1,u 2,u 3 ) ja v = (v 1,v 2,v 3 ) operaatiot Yhteenlasku: u+v = (u 1 +v 1,u 2 +v 2,u 3 +v 3 ) Skalaarilla kertominen (a R): au = (au 1,au 2,au 3 )
7 Lineaarialgebra (muut ko) p. 7/159 Avaruusvektorit Avaruusvektoreille u = (u 1,u 2,u 3 ) ja v = (v 1,v 2,v 3 ) aiemmat tulokset (1.3) (1.7) toimivat myös R 3 :ssa, kun määritellään u = u 2 1 +u2 2 +u2 3 ja (u,v) = u 1 v 1 +u 2 v 2 +u 3 v 3.
8 Lineaarialgebra (muut ko) p. 8/159 Suorat Suoran L standardiesitys L : x x 0 a = y y 0 b = z z 0 c missä P = (x 0,y 0,z 0 ) on jokin L:n piste ja s = (a,b,c) (0,0,0) on suoran suuntavektori P
9 Lineaarialgebra (muut ko) p. 9/159 Suorat Suoran L standardiesitys L : x x 0 a = y y 0 b = z z 0 c missä P = (x 0,y 0,z 0 ) on jokin L:n piste ja s = (a,b,c) (0,0,0) on suoran suuntavektori P s
10 Lineaarialgebra (muut ko) p. 10/159 Parametriesitys Suoran L koordinaattimuotoinen parametriesitys x = x 0 +ta y = y 0 +tb z = z 0 +tc (t R)
11 Lineaarialgebra (muut ko) p. 11/159 Parametriesitys Suoran L koordinaattimuotoinen parametriesitys x = x 0 +ta y = y 0 +tb z = z 0 +tc t = 1 (t R) P ts vektoreina r = r 0 +ts, t R.
12 Lineaarialgebra (muut ko) p. 12/159 Parametriesitys Suoran L koordinaattimuotoinen parametriesitys x = x 0 +ta y = y 0 +tb z = z 0 +tc (t R) P t = 2 ts vektoreina r = r 0 +ts, t R.
13 Lineaarialgebra (muut ko) p. 13/159 Erikoistapaukset (standardiesitys) Tapaus c = 0: L : Tapaus b = c = 0: x x 0 a = y y 0 b, z = z 0 L : y = y 0, z = z 0
14 Lineaarialgebra (muut ko) p. 14/159 Tasot Tason piste P = (x 0,y 0,z 0 ) ja normaalivektori n = (a,b,c) (0,0,0). Tason T koordinaattimuotoinen esitys T : ax+by +cz = d missä d = ax 0 +by 0 +cz 0.
15 Lineaarialgebra (muut ko) p. 15/159 Mitä yhtälöryhmälle saa tehdä? 1) Yhtälön voi kertoa vakiolla 0 2) Yhtälön voi lisätä toiseen vakiolla kerrottuna 3) Yhtälöiden järjestystä voi vaihtaa
16 Lineaarialgebra (muut ko) p. 16/159 n-ulotteinen avaruus, s.9 Vektorien joukko R n = {(x 1,x 2,...,x n ) x 1,x 2,...,x n R}. Vektoreille u = (u 1,u 2,...,u n ) ja v = (v 1,v 2,...,v n ) operaatiot Yhteenlasku: u+v = (u 1 +v 1,u 2 +v 2,...,u n +v n ) Skalaarilla kertominen (a R): au = (au 1,au 2,...,au n )
17 Lineaarialgebra (muut ko) p. 17/159 n-ulotteinen avaruus, s.9 Vektoreille u = (u 1,u 2,...,u n ) ja v = (v 1,v 2,...,v n ) aiemmat tulokset (1.3) (1.7) toimivat myös R n :ssa, kun määritellään u = u 2 1 +u u2 n ja (u,v) = u 1 v 1 +u 2 v 2 + +u n v n.
18 Lineaarialgebra (muut ko) p. 18/159 MATRIISIT: Johdanto (k = 20) { 2x+3y = 0 4x+ky = 0 Ratkaisuja 1, kun 2 k 3 4 0, Ratkaisuja, kun 2 k 3 4 = 0 (eli k = 6).
19 Lineaarialgebra (muut ko) p. 18/159 MATRIISIT: Johdanto (k = 7) { 2x+3y = 0 4x+ky = 0 Ratkaisuja 1, kun 2 k 3 4 0, Ratkaisuja, kun 2 k 3 4 = 0 (eli k = 6).
20 Lineaarialgebra (muut ko) p. 18/159 MATRIISIT: Johdanto { 2x+3y = 1 4x+ky = 5 Ratkaisuja 1, kun 2 k 3 4 0,
21 Lineaarialgebra (muut ko) p. 18/159 MATRIISIT: Johdanto { 2x+3y = 1 4x+ky = 5 Ei ratkaisuja, kun 2 k 3 4 = 0, eli k = 6.
22 Lineaarialgebra (muut ko) p. 19/159 MATRIISIT: Johdanto Kertoimista "matriisi" ( k ) ja "determinantti" k = 2 k 3 4
23 Lineaarialgebra (muut ko) p. 20/159 MATRIISIT: Johdanto Kertoimista "matriisi" ( k ) ja "determinantti" k = 2k 3 4 "vakiot"pystyvektorina ( 1 5 )
24 Lineaarialgebra (muut ko) p. 21/159 MATRIISIT: Johdanto Yleistyykö edellinen tarkastelu? Entä kun tuntemattomia ja yhtälöitä eri määrä? Onko yhtälöryhmää, jossa tarkalleen 17 ratkaisua?
25 Lineaarialgebra (muut ko) p. 22/159 Matriiseista Samaa tyyppiä olevat m n-matriisit voidaan laskea yhteen A+B Nollamatriisi O = (0) m n Transponointi A T ( ) T =
26 Lineaarialgebra (muut ko) p. 23/159 Matriisien tulo, s. 13 Matriisien A = (a ij ) m s ja B = (b ij ) s n tulo on AB = (u ij ) m n missä kaikilla i, j. u ij = a i1 b 1j +a i2 b 2j + +a is b sj
27 Lineaarialgebra (muut ko) p. 24/159 Matriisien tulo Matriisitulo ( ) 2 2 ( ) 2 3 =
28 Lineaarialgebra (muut ko) p. 25/159 Matriisien tulo Matriisitulo ( ) 2 2 ( ) 2 3 = ( )
29 Lineaarialgebra (muut ko) p. 26/159 Matriisien tulo Matriisitulo ( ) 2 2 ( ) 2 3 = ( )
30 Lineaarialgebra (muut ko) p. 27/159 Matriisien tulo Yleensä ei KOMMUTOI AB BA
31 Lineaarialgebra (muut ko) p. 28/159 Matriisien tulo Kaikkien m n-matriisien joukko M m n
32 Lineaarialgebra (muut ko) p. 29/159 Laskusääntöjä, s. 18 skalaari r R (AB)C = A(BC) A(B +C) = AB +AC (A+B)C = AC +BC r(ab) = A(rB)
33 Lineaarialgebra (muut ko) p. 30/159 Johdanto yhtälöryhmiin Tutkitaan ratkaisuja 5x + y + t = 1 3x y + 2z t = 2 x + y z = 0
34 Lineaarialgebra (muut ko) p. 31/159 Johdanto yhtälöryhmiin Tutkitaan ratkaisuja 5x 1 + x 2 + x 4 = 1 3x 1 x 2 + 2x 3 x 4 = 2 x 1 + x 2 x 3 = 0
35 Lineaarialgebra (muut ko) p. 32/159 Johdanto yhtälöryhmiin Tutkitaan ratkaisuja 5x 1 + x 2 + x 4 = 1 3x 1 x 2 + 2x 3 x 4 = 2 x 1 + x 2 x 3 = 0 Tästä matriisit , x 1 x 2 x 3 x 4, 1 2 0
36 Lineaarialgebra (muut ko) p. 33/159 Johdanto yhtälöryhmiin, s.16 Tutkitaan ratkaisuja 5x 1 + x 2 + x 4 = 1 3x 1 x 2 + 2x 3 x 4 = 2 x 1 + x 2 x 3 = 0 Tästä matriisit , 1 } 1 1 {{ 0 } kerroinmatriisi x 1 x 2 x 3 x 4, }{{} tuntemattomat }{{} vakiot
37 Lineaarialgebra (muut ko) p. 34/159 Esimerkiksi { 2x + 3y = 1 4x + 5y = 3
38 Lineaarialgebra (muut ko) p. 35/159 Esimerkiksi { 2x 1 + 3x 2 = 1 4x 1 + 5x 2 = 3
39 Lineaarialgebra (muut ko) p. 36/159 Esimerkiksi { 2x 1 + 3x 2 = 1 4x 1 + 5x 2 = 3 A = ( ) x = ( x 1 x 2 ) c = ( 1 3 ) Matriisikielellä Ax = c
40 Lineaarialgebra (muut ko) p. 37/ Lineaariset yhtälöryhmät Monisteessa (2.3) a 11 x 1 + a 12 x a 1n x n = c 1 a 21 x 1 + a 22 x a 2n x n = c 2... a m1 x 1 + a m2 x a mn x n = c m
41 Lineaarialgebra (muut ko) p. 38/159 Matriisien avulla Ax = c, missä A = a 11 a a 1n a 12 a a 2n , a m1 a m2... a mn ja x = x 1 x 2. c = c 1 c 2. x n c m
42 Lineaarialgebra (muut ko) p. 39/159 Homogeenisuus Yhtälöryhmä on homogeeninen, jos Monisteessa (2.5) a 11 x 1 + a 12 x a 1n x n = 0 a 21 x 1 + a 22 x a 2n x n = 0... a m1 x 1 + a m2 x a mn x n = 0 eli matriisimuodossa Ax = 0. Muutoin epähomogeeninen
43 Lineaarialgebra (muut ko) p. 40/159 Esimerkiksi Epähomogeeninen { 2x 1 + 3x 2 = 1 4x 1 + 5x 2 = 3 Homogeeninen { 2x 1 + 3x 2 = 0 4x 1 + 5x 2 = 0
44 Lineaarialgebra (muut ko) p. 41/159 Yhtälöryhmistä Olkoon x 0 yksittäisratkaisu epähomogeeniselle yhtälöryhmälle Ax = c. Silloin sen kaikki ratkaisut ovat muotoa x = x 0 +y missä y on homogeenisen yhtälöryhmän Ax = 0 kaikki ratkaisut.
45 Lineaarialgebra (muut ko) p. 42/159 Tulon transponointi (AB) T = B T A T Matriisi on symmetrinen, jos järjestys! A T = A Identiteettimatriisi I = I n = Neliömatriisille A: AI = IA = A
46 Lineaarialgebra (muut ko) p. 43/159 Matriisin potenssi Kun kokonaisluku k 1 A k = A A A }{{} k Lisäksi A 0 = I
47 Lineaarialgebra (muut ko) p. 44/159 Matriisiyhtälöistä (s. 20) Matriisiyhtälöitä voidaan käsitellä kuten reaalilukuyhtälöitä, kunhan ei käytetä jakolaskua eikä kommutatiivisuutta Ei siis voi yleensä supistaa AB = AC B = C
48 Lineaarialgebra (muut ko) p. 45/159 Käänteismatriisi Määritelmä neliömatriisin A käänteismatriisille eli EI MERKITÄ 1 A vaana 1 Ei aina olemassa, esim A = AB = BA = I AA 1 = A 1 A = I ( ).
49 Lineaarialgebra (muut ko) p. 46/159 Säännöllisyys A on säännöllinen, jos A 1 on olemassa.
50 Lineaarialgebra (muut ko) p. 47/159 Säännöllisyys A on säännöllinen, jos A 1 on olemassa. Jos matriisin A = ( a b c d ) kertoimille ad bc 0, niin A 1 = 1 ad bc ( d b c a )
51 Lineaarialgebra (muut ko) p. 48/159 Laskusääntöjä Olkoot A ja B säännöllisiä matriiseja: (AB) 1 = B 1 A 1 (A T ) 1 = (A 1 ) T
52 Lineaarialgebra (muut ko) p. 49/159 Laskusääntöjä Olkoot A ja B matriiseja, missä pystyrivien avulla B = (b 1 b k ). Silloin kertolasku AB = (Ab 1 Ab k )
53 Lineaarialgebra (muut ko) p. 50/ Matriisien kertominen lohkomuodossa Lohkominen ( A B C D )( 1 0 a b 0 1 c d A B C D ) = ( ( I A O I ) AA +BC AB +BD CA +DC CB +DD ) Esimerkiksi ( I A O I )( A O I B ) = ( O AB I B )
54 Lineaarialgebra (muut ko) p. 51/159 Determinantti Neliömatriisille A: det(a) = a 11 a a 1n a 21 a a 2n a n1 a n2... a nn = kaikki permutaatiot(j 1,j 2,...,j n ) sign(j 1,j 2,...,j n )a 1j1 a 2j2...a njn
55 Lineaarialgebra (muut ko) p. 52/159 2-rivinen determinantti a b c d = ad cb
56 Lineaarialgebra (muut ko) p. 53/159 Perusominaisuuksia, s. 26 1) 2) a ca 1k... a 1n a ca 2k... a 2n a n1... ca nk... a nn det(a T ) = det(a) = c a a 1k... a 1n a a 2k... a 2n a n1... a nk... a nn vastaavasti vaakariville
57 Lineaarialgebra (muut ko) p. 54/159 Perusominaisuuksia, s. 27 3) a a 1k +b 1k... a 1n a a 2k +b 2k... a 2n a n1... a nk +b nk... a nn = a a 1k... a 1n a a 2k... a 2n a n1... a nk... a nn + a b 1k... a 1n a b 2k... a 2n a n1... b nk... a nn vastaavasti vaakariville
58 Lineaarialgebra (muut ko) p. 55/159 Perusominaisuuksia, s. 27 4) Jos pysty- tai vaakarivi on nollarivi, niin det(a) = 0. 5) Jos kaksi samaa pystyriviä (tai kaksi samaa vaakariviä), niin det(a) = 0. 6) Jos kaksi vaakariviä (tai kaksi pystyriviä) vaihdetaan keskenään, niin determinantti muuttuu vastaluvukseen. a 11 a a 1n a 21 a a 2n a n1 a n2... a nn = a 21 a a 2n a 11 a a 1n a n1 a n2... a nn
59 Lineaarialgebra (muut ko) p. 56/159 Perusominaisuuksia, s. 27 7) c + a a 1h... a 1k... a 1n a a 2h... a 2k... a 2n a n1... a nh... a nk... a nn = a a 1h... a 1k +ca 1h... a 1n a a 2h... a 2k +ca 2h... a 2n a n1... a nh... a nk +ca nh... a nn vastaavasti vaakariville
60 Lineaarialgebra (muut ko) p. 57/159 Tulon determinantti det(ab) = det(a) det(b) Jos A on säännöllinen, niin det(a 1 ) = 1 det(a)
61 Lineaarialgebra (muut ko) p. 58/159 Alkion komplementti Matriisin alkion a ij komplementti C ij = ( 1) i+j det(a ij ) missä A ij saatu poistamalla matriisista A vaakarivi i ja pystyrivi j. Deteminantin rivikehitelmät (vaakariville) det(a) = a i1 C i1 + +a in C in
62 Lineaarialgebra (muut ko) p. 59/159 Alkion komplementti Matriisin alkion a ij komplementti C ij = ( 1) i+j det(a ij ) missä A ij saatu poistamalla matriisista A vaakarivi i ja pystyrivi j. Deteminantin rivikehitelmät (vaakariville) ( = ) ( ) ( )
63 Lineaarialgebra (muut ko) p. 60/159 Alkion komplementti Matriisin alkion a ij komplementti C ij = ( 1) i+j det(a ij ) missä A ij saatu poistamalla matriisista A vaakarivi i ja pystyrivi j. Deteminantin rivikehitelmät (vaakariville) det(a) = a i1 C i1 + +a in C in = n a ik C ik k=1 ja pystyriville det(a) = n a kj C kj k=1
64 Lineaarialgebra (muut ko) p. 61/159 Käänteismatriisin kaava Matriisin A liittomatriisi adj(a) = (C ij ) T Jos A on säännöllinen, niin A 1 = 1 det(a) (C ij) T A on säännöllinen det(a) 0
65 Lineaarialgebra (muut ko) p. 62/159 Cramerin sääntö Jos yhtälöryhmän Ax = c kerroinmatriisi A on säännöllinen, niin sillä on yksikäsitteinen ratkaisu x j = det(a j) det(a) missä x = x 1 x 2. x n ja A j saadaan korvaamalla j:s pystyrivi c:llä
66 Lineaarialgebra (muut ko) p. 63/159 Ristitulo, s. 34 Tarkastelussa vain R 3 Olkoon u = (u 1,u 2,u 3 ) R 3 v = (v 1,v 2,v 3 ) R 3 u v = (C 11,C 12,C 13 ).
67 Lineaarialgebra (muut ko) p. 64/159 Ristitulo, s. 34 Tarkastelussa vain R 3 Olkoon u = (u 1,u 2,u 3 ) R 3 u v = v = (v 1,v 2,v 3 ) R 3 u 2 u 3 u 1 u 3 u 1 u 2,, v 2 v 3 v 1 v 3 v 1 v 2. }{{}}{{}}{{} C 11 C 12 C 13
68 Lineaarialgebra (muut ko) p. 65/159 Ristitulo Eli (u,u v) = u 1 C 11 +u 2 C 12 +u 3 C 13 ( ) u 2 u 3 = u 1 v 2 v 3 +u u 1 u 3 2 v 1 v 3 +u 3 u 1 u 2 v 1 v 2 ja samoin (v,u v) = v 1 C 11 +v 2 C 12 +v 3 C 13 ( ) u 2 u 3 = v 1 v 2 v 3 +v u 1 u 3 u 1 u 2 2 +v 3 v 1 v 3 v 1 v 2 Johtavat determinantteihin (kehittämällä 1. vaakarivi) u 1 u 2 u 3 v 1 v 2 v 3 u 1 u 2 u 3 u 1 u 2 u 3 v 1 v 2 v 3 v 1 v 2 v 3
69 Lineaarialgebra (muut ko) p. 66/159 Ristitulo Eli (u,u v) = u 1 C 11 +u 2 C 12 +u 3 C 13 ( ) u 2 u 3 = u 1 v 2 v 3 +u u 1 u 3 2 v 1 v 3 +u 3 u 1 u 2 v 1 v 2 ja samoin (v,u v) = v 1 C 11 +v 2 C 12 +v 3 C 13 ( ) u 2 u 3 = v 1 v 2 v 3 +v u 1 u 3 u 1 u 2 2 +v 3 v 1 v 3 v 1 v 2 Johtavat determinantteihin (kehittämällä 1. vaakarivi) u 1 u 2 u 3 v 1 v 2 v 3 u 1 u 2 u 3 = 0 = u 1 u 2 u 3 v 1 v 2 v 3 v 1 v 2 v 3
70 Lineaarialgebra (muut ko) p. 67/159 Ristitulo Siis u (C 11,C 12,C 13 ) = 0 v (C 11,C 12,C 13 ) = 0
71 Lineaarialgebra (muut ko) p. 68/159 Muistisääntö Ristitulo (vain R 3 :ssa) Vektoreille u = (u 1,u 2,u 3 ) ja v = (v 1,v 2,v 3 ) u v = i j k u 1 u 2 u 3 v 1 v 2 v 3 Jos u ja v eivät nollavektoreita ja α on niiden välinen kulma, niin u v = u v sinα. Vertaa (1.4): (u,v) = u v cosα. u u v ja v u v
72 Lineaarialgebra (muut ko) p. 69/159 Muistisääntö Ristitulo (vain R 3 :ssa) Vektoreille u = (u 1,u 2,u 3 ) ja v = (v 1,v 2,v 3 ) u v = Ei kommutatiivinen i j k u 1 u 2 u 3 v 1 v 2 v 3 u v = v u Ei myöskään assosiatiivinen eli yleensä u (v w) (u v) w.
73 Lineaarialgebra (muut ko) p. 70/159 Skalaarikolmitulo Skalaarikolmitulo vektoreille u = (u 1,u 2,u 3 ), v = (v 1,v 2,v 3 ) ja w = (w 1,w 2,w 3 ): u (v w) = u 1 u 2 u 3 v 1 v 2 v 3 w 1 w 2 w 3 Vektorien määräämän suuntaissärmiön (kts. kuva alla) tilavuus saadaan itseisarvosta u (v w) u w v
74 Lineaarialgebra (muut ko) p. 71/159 Aliavaruus Aliavaruudelle U R n kolme ehtoa: 1) U 2) u,v U u+v U 3) a R, u U au U.
75 Lineaarialgebra (muut ko) p. 72/159 Aliavaruus Aliavaruudelle U R n kolme ehtoa: 1) U 2) u,v U u+v U 3) a R, u U au U.
76 Lineaarialgebra (muut ko) p. 73/159 Aliavaruus Aliavaruudelle U R n kolme ehtoa: 1) U 2) u,v U u+v U 3) a R, u U au U. 0 kuuluu aina aliavaruuteen! U = {x R n Ax = 0} on R n :n aliavaruus Triviaalit aliavaruudet: {0} ja R n.
77 Lineaarialgebra (muut ko) p. 74/159 Ratkaisuavaruus (Lause 4.1.8) Lineaarisen homogeenisen yhtälöryhmän a 11 x 1 + a 12 x a 1n x n = 0 a 21 x 1 + a 22 x a 2n x n = 0... a n1 x 1 + a n2 x a nn x n = 0 ratkaisut x = x 1. x n muodostavat aliavaruuden (ns. ratkaisuavaruuden)
78 Lineaarialgebra (muut ko) p. 75/159 Ratkaisuavaruus (Lause 4.1.8) Lineaarisen homogeenisen yhtälöryhmän Ax = 0 ratkaisut x = x 1. x n muodostavat aliavaruuden (ns. ratkaisuavaruuden)
79 Lineaarialgebra (muut ko) p. 76/159 AliavaruudetR 3 :ssa {0} origon kautta kulkevat suorat origon kautta kulkevat tasot R 3
80 Lineaarialgebra (muut ko) p. 77/159 Viritetty aliavaruus vektorien x 1,x 2,...,x k R n lineaarikombinaatio vektorien virittämä aliavaruus c 1 x 1 +c 2 x c k x k L(x 1,x 2,...,x k ) = {c 1 x 1 +c 2 x c k x k c 1,c 2,...,c k R}
81 Lineaarialgebra (muut ko) p. 78/159 Viritetty aliavaruus vektorien x 1,x 2,...,x k R n lineaarikombinaatio vektorien virittämä aliavaruus c 1 x 1 +c 2 x c k x k L(x 1,x 2,...,x k ) = {c 1 x 1 +c 2 x c k x k c 1,c 2,...,c k R} Esimerkiksi a(1,1)+b(1,0) ja L((1,1),(1,0)) sisältää mm. vektorit (0,0),(1,1),(1,0),(2,1),(0,1),( 2,0),...
82 Lineaarialgebra (muut ko) p. 79/159 Matriisien avulla Pystyrivien lineaarikombinaatio A = (a 1 a 2... a n ) Ac = c 1 a 1 + +c n a n
83 Lineaarialgebra (muut ko) p. 80/159 Matriisien avulla matriisin pystyriveille A = (a 1 a 2... a n ) m n Lause 4.2.8: neliömatriisille L(a 1,a 2,...,a n ) = {Ac c R n } L(a 1,a 2,...,a n ) = R n A on säännöllinen
84 Lineaarialgebra (muut ko) p. 81/159 Matriisien avulla matriisin pystyriveille A = (a 1 a 2... a n ) m n Lause 4.2.8: neliömatriisille L(a 1,a 2,...,a n ) = {Ac c R n } L(a 1,a 2,...,a n ) = R n A on säännöllinen Esimerkiksi L((1,1),(1,0)) = R 2, sillä
85 Lineaarialgebra (muut ko) p. 82/159 Johdanto: Lineaarinen riippumattomuus Olkoot x = (1,1,0) ja y = ( 2, 2,0). Näille lineaarikombinaatioina 0 x+0 y = (0,0,0) 2 x+1 y = (0,0,0) 20 x+10 y = (0,0,0).
86 Lineaarialgebra (muut ko) p. 83/159 Lineaarinen riippumattomuus Lineaarinen riippuvuus c 1 x c m x m = 0 missä jokin c j 0 Lineaarinen riippumattomuus c 1 x c m x m = 0 = c 1 = c 2 =... = c m = 0
87 Lineaarialgebra (muut ko) p. 84/159 Matriisien avulla Lause : Neliömatriisin A = (a 1 a 2... a n ) pystyriveille: Pystyrivit ovat lin. riippumattomia A on säännöllinen
88 Lineaarialgebra (muut ko) p. 85/159 Lineaarinen riippumattomuus Lause sanoo: Vektorit ovat lineaarisesti riippuvia jokin niistä saadaan muiden lineaarikombinaationa x j = c 1 x 1 + +c j 1 x j 1 +c j+1 x j+1 + +c m x m
89 Lineaarialgebra (muut ko) p. 86/159 Lineaarinen riippumattomuus Kaksi vektoria ovat lineaarisesti riippuvia toinen on toisen skalaarimonikerta Varoitus: ei toimi useammalla vektorilla: (1,1,0),(1,0,0),(0,1,0) vaikka t (1,0,0) (0,1,0) s (1,0,0) (1,1,0) r (0,1,0) (1,1,0) kaikilla t,r,s R, niin silti lin. riippuvuus (1,1,0) = (1,0,0)+(0,1,0)
90 Lineaarialgebra (muut ko) p. 87/159 Johdanto: kanta Jokainen vektori lin.kombinaationa? (x,y) = c 1 (2,2)
91 Lineaarialgebra (muut ko) p. 88/159 Johdanto: kanta Jokainen vektori lin.kombinaationa? (x,y) = c 1 (2,2)
92 Lineaarialgebra (muut ko) p. 89/159 Johdanto: kanta Jokainen vektori lin.kombinaationa: (x,y) = c 1 (2,2)+c 2 ( 4,2) = 12 0
93 Lineaarialgebra (muut ko) p. 90/159 Johdanto: kanta Jokainen vektori lin.kombinaationa: (x,y) = c 1 (2,2)+c 2 ( 4, 4)
94 Lineaarialgebra (muut ko) p. 91/159 Johdanto: kanta Jokainen vektori lin.kombinaationa (yksikäsitteisesti): (1, 2) = 1 2 (2,2) 1 2 ( 4,2)+0 (1, 2) (1, 2) = 0 (2,2)+0 ( 4,2)+1 (1, 2)
95 Lineaarialgebra (muut ko) p. 92/159 Kanta Vektorit u 1,...,u k muodostavat aliavaruuden U kannan, jos (i) ovat lineaarisesti riippumattomia, (ii) virittävät koko U:n.
96 Lineaarialgebra (muut ko) p. 93/159 Kanta Vektorit u 1,...,u k muodostavat aliavaruuden U kannan, jos (i) ovat lineaarisesti riippumattomia eli c 1 u 1 + +c m u k = 0 c 1 = = c k = 0, (ii) virittävät koko U:n eli L(u 1,...,u k ) = {c 1 u 1 + +c k u k c 1,...,c k R} = U.
97 Lineaarialgebra (muut ko) p. 94/159 Kannan merkitys Yksikäsitteinen kantaesitys vektorille u U R 4 :n luonnollinen kanta u = c 1 u 1 + +c k u k. {e 1,e 2,e 3,e 4 } = Jos U = R n, niin determinantit käteviä, mutta U R n eivät yleensä sovellu.
98 Lineaarialgebra (muut ko) p. 95/159 Kannan merkitys Yksikäsitteinen kantaesitys vektorille u U R 4 :n luonnollinen kanta u = c 1 u 1 + +c k u k. {e 1,e 2,e 3,e 4 } = {(1,0,0,0),(0,1,0,0),(0,0,1,0),(0,0,0,1)}. Jos U = R n, niin determinantit käteviä, mutta U R n eivät yleensä sovellu.
99 Lineaarialgebra (muut ko) p. 96/159 Perusominaisuuksia s. 45 1) Jokaisella aliavaruudella U on kanta. 2) Jokaisessa U:n kannassa on sama määrä vektoreita. 3) Lineaarisesti riippumaton U:n joukko {u 1,...,u k } voidaan täydentää U:n kannaksi {u 1,...,u k,u k+1,...u m }. 4) Jos L(u 1,...,u t ) = U, niin tästä saadaan kanta U:lle jättämällä ylimääräiset pois (kunnes lin. riippumaton).
100 Lineaarialgebra (muut ko) p. 97/159 Dimension ominaisuuksia s. 46 Olkoot U,V R n aliavaruuksia: 1) dimu n 2) Jos U V, niin dimu dimv. 3) Jos U V, niin dimu < dimv. 4) Jos u 1,...,u k U ja k < dimu, niin eivät viritä U:ta. 5) Jos u 1,...,u k U ja k > dimu, niin ovat lineaarisesti riippuvia.
101 Lineaarialgebra (muut ko) p. 98/159 Dimension ominaisuuksia s. 46 6) Vektorit u 1,...,u k U muodostavat kannan, jos kaksi seuraavista voimassa: (i) u 1,...,u k ovat lineaarisesti riippumattomia, (ii) U = L(u 1,...,u k ), (ii) k = dimu.
102 Lineaarialgebra (muut ko) p. 99/159 Dimension ominaisuuksia s. 46 7) Olkoon u 1,...,u k kanta U:lle ja vektoreiden v 1,...,v k U kantaesitykset v j = k a ij u i (j = 1,...,k). i=1 Vektorit v 1,...v k muodostavat kannan, jos on säännöllinen. A = (a ij ) k k
103 Lineaarialgebra (muut ko) p. 100/159 Tunnettuja dimensioita Aliavaruuden U R n dimensio dim U = kantavektoreiden lukumäärä Koko avaruudelle dimr n = n. Tasolle (origon kautta) T R 3 dimt = 2. Suoralle (origon kautta) L R 3 diml = 1.
104 Lineaarialgebra (muut ko) p. 101/159 Vaaka- ja pystyriviavaruus Matriisin A = vaakariviavaruus ja pystyriviavaruus V(A) = L((1,3),(0,1),(1,2)) P(A) = L((1,0,1),(3,1,2))
105 Lineaarialgebra (muut ko) p. 102/159 Vaaka- ja pystyriviavaruus Nähtiin dimv(a) = 2 = dimp(a) Pitääkö yleisesti paikkansa kaikille A?
106 Lineaarialgebra (muut ko) p. 103/159 Vaaka- ja pystyriviavaruus P(AB) P(A) V(AB) V(B) jos C ja C ovat säännöllisiä, niin P(AC) = P(A) V(C A) = V(A)
107 Lineaarialgebra (muut ko) p. 104/159 Hajotelma Matriisi A M m n saadaan hajotettua A = }{{} B }{{} C m r r n Esimerkiksi
108 Lineaarialgebra (muut ko) p. 105/159 Hajotelma Matriisi A M m n saadaan hajotettua A = }{{} B }{{} C m r r n Esimerkiksi kanta
109 Lineaarialgebra (muut ko) p. 106/159 Hajotelma Matriisi A M m n saadaan hajotettua A = }{{} B }{{} C m r r n Esimerkiksi kanta = ( )
110 Lineaarialgebra (muut ko) p. 107/159 Hajotelma Matriisi A M m n saadaan hajotettua A = }{{} B }{{} C m r r n Esimerkiksi kanta = ( ) V(A) = V(BC) V(C) Saadaan dimv(a) dimp(a) ja dimv(a) = dimp(a)
111 Lineaarialgebra (muut ko) p. 108/159 Matriisin aste Matriisin aste r(a) = dimv(a) = dimp(a) Lause r(ab) r(a) r(ab) r(b) A säännöllinen r(ab) = r(b) B säännöllinen r(ab) = r(a) A = }{{} B }{{} C m r(a) r(a) n r(a T ) = r(a)
112 Lineaarialgebra (muut ko) p. 109/159 Alideterminantti, s. 56 Matriisin A M m n alideterminantti on determinantti det(b), missä B on neliömatriisi, joka saadaan A:sta pyyhkimällä pois jotkin sen vaaka- ja pystyriveistä. Alideterminantin riviluku on B:n riviluku Lause r(a) = A:n nollasta eroavien alideterminanttien suurin riviluku
113 Lineaarialgebra (muut ko) p. 110/159 Alkeismuunnokset matriisille, sivu 57 AM1: Kahden vaakarivin vaihto AM2: Vaakarivin kertominen skalaarilla c 0 AM3: Vaakarivin lisääminen toiseen skalaarilla c kerrottuna
114 Lineaarialgebra (muut ko) p. 111/159 Käänteismuunnokset AM1: Kahden vaakarivin vaihto Käänteismuunnos: Vaihdetaan vaakarivit takaisin AM2: Vaakarivin kertominen skalaarilla c 0 Käänteismuunnos: Kerrotaan vaakarivi skalaarilla 1/c AM3: Vaakarivin lisääminen toiseen skalaarilla c kerrottuna Käänteismuunnos: Lisätään vaakarivi toiseen skalaarilla c kerrottuna
115 Lineaarialgebra (muut ko) p. 112/159 Riviekvivalenssi ( ) ( ) ( ) ( )
116 Lineaarialgebra (muut ko) p. 113/159 Riviekvivalenssi ( ) ( ) ( ) ( ) vastaavat alkeismatriisit E 1 = ( ), E 2 = ( ), E 3 = ( ) eli E 3 E 2 E 1 ( ) = ( ).
117 Lineaarialgebra (muut ko) p. 114/159 Redusoitu porrasmuoto Matriisin redusoitu porrasmuoto
118 Lineaarialgebra (muut ko) p. 115/159 Redusoitu porrasmuoto Matriisin redusoitu porrasmuoto aste r(a) =porrasluku ja V(A):n kanta on portaiden vaakarivit.
119 Lineaarialgebra (muut ko) p. 116/159 Redusoitu porrasmuoto Eli aste r(a) = 2 ja vaakariviavaruuden V(A) kanta {(1,1,0,2),(0,0,1,1)}.
120 Lineaarialgebra (muut ko) p. 117/159 Redusoitu porrasmuoto Myös I on redusoitu porrasmuoto Lause A on säännöllinen A I
121 Lineaarialgebra (muut ko) p. 118/159 Käänteismatriisi alkeismuunnoksilla Alkeismuunnoksilla (A I) (I A 1 )
122 Lineaarialgebra (muut ko) p. 119/159 Ratkaisuavaruuden dimensio Yhtälöryhmän (n tuntematonta) Ax = 0 ratkaisuavaruuden dimensio n r(a)
123 Lineaarialgebra (muut ko) p. 120/159 Johdanto: Kannanvaihto Vektori (2,3) = c 1 (1,0)+c 2 (0,1) Luonnollinen kanta E = {(1,0),(0,1)}
124 Lineaarialgebra (muut ko) p. 121/159 Johdanto: Kannanvaihto Vektori (2,3) = 2 (1,0)+3 (0,1) Luonnollinen kanta E = {(1,0),(0,1)}
125 Lineaarialgebra (muut ko) p. 122/159 Johdanto: Kannanvaihto Vektori (2,3) = c 1 ( 1, 1)+c 2 (3,2) Toinen kanta B = {( 1, 1),(3,2)}
126 Lineaarialgebra (muut ko) p. 123/159 Johdanto: Kannanvaihto Vektori (2,3) = ( 5) ( 1, 1)+( 1) (3,2) Toinen kanta B = {( 1, 1),(3,2)}
127 Lineaarialgebra (muut ko) p. 124/159 Johdanto: Kannanvaihto Eli samalla vektorilla x = (2,3) on luonnollisen kannan suhteen (2,3) = 2 (1,0)+3 (0,1) ja kannan B suhteen (2,3) = ( 5) ( 1, 1)+( 1) (3,2) eli X E = ( 2 3 ) ja X B = ( 5 1 )
128 Lineaarialgebra (muut ko) p. 125/159 Koordinaattivektori Kanta B = {b 1,...,b n } avaruudelle R n. Vektorin x R n koordinaattivektori X B = r 1 r 2. r n missä kantaesitys x = r 1 b 1 + +r n b n.
129 Lineaarialgebra (muut ko) p. 126/159 Koordinaattivektori Olkoon x = (1,2,3) R 3 :n luonnollisen kannan suhteen 1 X E = 2 3 Kannan B = {(1,1,1),(1,0,2),( 1,2,1)} suhteen X B = 4/5 4/5 3/5
130 Lineaarialgebra (muut ko) p. 127/159 Kannanvaihdon matriisi Toinen kanta C = {c 1,...,c n }. Kannanvaihdon B C matriisi: c 1 = p 11 b 1 + +p n1 b n. c n = p 1n b 1 + +p nn b n. P B C = p 11 p 1n..... p n1 p nn Muista transponointi!
131 Lineaarialgebra (muut ko) p. 128/159 Kannanvaihdon matriisi X C = P C B X B P B C = (P C B ) 1
132 Lineaarialgebra (muut ko) p. 129/159 Kuvauksista Kuvaus f : A B A B f x y A = määrittelyjoukko B = maalijoukko Yleensä A = R n ja B = R m
133 Lineaarialgebra (muut ko) p. 130/159 Kuvauksista Kuvaus f : A B A B f x u z y Ei ole kuvaus!
134 Lineaarialgebra (muut ko) p. 131/159 Kuvauksista Kuvaus f : A B A f B Im(f) = {f(a) a A} kuvajoukko
135 Lineaarialgebra (muut ko) p. 132/159 Kuvauksista Kuvaus f : A B A f B B B 0 f 1 (B 0 ) = {a A f(a) B 0 } alkukuva
136 Lineaarialgebra (muut ko) p. 133/159 Kuvauksista Kuvaus f : A B A f B f on surjektio, jos Im(f) = B
137 Lineaarialgebra (muut ko) p. 134/159 Kuvauksista Kuvaus f : A B A B f a y b Kuvauksessa voi olla
138 Lineaarialgebra (muut ko) p. 135/159 Kuvauksista Kuvaus f : A B A B f a y b z f on injektio, jos a b f(a) f(b) a,b A Bijektio, jos surjektio ja injektio
139 Lineaarialgebra (muut ko) p. 136/159 Kuvauksista Kuvaus f : A B ja kuvaus g : A B ovat yhtäsuuret, jos f(a) = g(a) a A Merkitään f = g
140 Lineaarialgebra (muut ko) p. 137/159 Kuvauksista Kuvaus f : A B ja g : B C A B C f g x g(f(x)) f(x) Yhdistetty kuvaus g f : A C, (g f)(x) = g(f(x))
141 Lineaarialgebra (muut ko) p. 138/159 Kuvauksista Kuvaus f : A B ja g : B A A B f x y g Käänteiskuvauksia, jos f g = id B ja g f = id A. f 1 olemassa f on bijektio
142 Lineaarialgebra (muut ko) p. 139/159 Lineaarikuvaus Kuvaus f : R n R m on lineaarinen, jos L1: f(x 1 +x 2 ) = f(x 1 )+f(x 2 ) x 1,x 2 R n L2: f(ax) = af(x) x R n,a R. Muista f(0) = 0.
143 Lineaarialgebra (muut ko) p. 140/159 Lineaarikuvaus Kuvaus f : R n R m on lineaarinen, jos L1: f(x 1 +x 2 ) = f(x 1 )+f(x 2 ) x 1,x 2 R n L2: f(ax) = af(x) x R n,a R. Muista f(0) = 0. Kantavektorien kuvien avulla f(b i ) = y i määräytyy koko f(x) yksikäsitteisesti.
144 Lineaarialgebra (muut ko) p. 141/159 Lineaarikuvaus Kuvaus f : R 2 R 2,f(x,y) = (x y,x+y) on lineaarinen.
145 Lineaarialgebra (muut ko) p. 142/159 Lineaarikuvaus Matriisi A M m n indusoi lineaarikuvauksen f : R n R m,f(x) = Ax.
146 Lineaarialgebra (muut ko) p. 143/159 Lineaarikuvaus Matriisi A M m n indusoi lineaarikuvauksen f : R n R m,f(x) = Ax. Matriisi A = ( ) indusoi lineaarikuvauksen ( 1 1 f(x,y) = 1 1 )( x y ) = ( x y x+y ) eli f : R 2 R 2,f(x,y) = (x y,x+y)
147 Lineaarialgebra (muut ko) p. 144/159 Lineaarikuvaus Matriisi A M m n indusoi lineaarikuvauksen f : R n R m,f(x) = Ax. Lineaarikuvauksen f : R n R m matriisi M B,C (f) B = {b 1,...,b n } kanta R n :ssä C = {c 1,...,c m } kanta R m :ssä
148 Lineaarialgebra (muut ko) p. 145/159 Lineaarikuvauksen matriisi kuvien kantaesitykset f(b 1 ) = a 11 c 1 + +a m1 c m.. f(b n ) = a 1n c 1 + +a mn c m M B,C (f) = a 11. a 1n.... a m1 a mn Muista transponointi!
149 Lineaarialgebra (muut ko) p. 146/159 Lineaarikuvaus y = f(x) Y C = M B,C (f) X B
150 Lineaarialgebra (muut ko) p. 147/159 Lineaarikuvaus y = f(x) Y C = M B,C (f) X B Jos B = E ja C = E, niin y = f(x) y = M E,E (f) x
151 Lineaarialgebra (muut ko) p. 148/159 Lineaarikuvaus y = f(x) Y C = M B,C (f) X B Jos B = E ja C = E, niin y = f(x) y = M(f) x
152 Lineaarialgebra (muut ko) p. 149/159 Lineaarikuvaus y = f(x) Y C = M B,C (f) X B Jos B = E ja C = E, niin y = f(x) y = M E,E (f) x Jos sama lähtö- ja maaliavaruus f : R n R n, niin yleensä sama kanta molemmilla puolilla ja merkitään M B (f) = M B,B (f).
153 Lineaarialgebra (muut ko) p. 150/159 Indusoidulle lineaarikuvaukselle Matriisin A M m n indusoima lineaarikuvaus f : R n R m,f(x) = Ax. Tällöin A = M E,E (f).
154 Lineaarialgebra (muut ko) p. 151/159 Lineaarikuvaus Lause 2.4.8: Jos f : R n R m ja g : R m R k ovat lineaarisia, niin g f on lineaarinen ja sen matriisi saadaan M B,D (g f) = M C,D (g)m B,C (f).
155 Lineaarialgebra (muut ko) p. 152/159 Lineaarikuvaus Lause 2.4.8: Jos f : R n R m ja g : R m R k ovat lineaarisia, niin g f on lineaarinen ja sen matriisi saadaan M B,D (g f) = M C,D (g)m B,C (f). Matriisien kertolasku
156 Lineaarialgebra (muut ko) p. 153/159 Lineaarikuvaus ja kannanvaihto Lineaarikuvauksen matriisin muuttuminen kannanvaihdossa B B ja C C : R n m R f M
157 Lineaarialgebra (muut ko) p. 154/159 Lineaarikuvaus ja kannanvaihto Lineaarikuvauksen matriisin muuttuminen kannanvaihdossa B B ja C C : R n m R f M M B,C (f) = P C CM B,C (f)p B B
158 Lineaarialgebra (muut ko) p. 155/159 Miksi kannanvaihto? Lineaarikuvauksen matriisi M E (f) =
159 Lineaarialgebra (muut ko) p. 156/159 Miksi kannanvaihto? Vaihtamalla E B matriisiksi M B (f) =
160 Lineaarialgebra (muut ko) p. 157/159 Miksi kannanvaihto? Vaihtamalla E B matriisiksi M B (f) = Onnistuuko? Mistä kanta B? Mitkä luvut diagonaalilla?
161 Lineaarialgebra (muut ko) p. 158/159 Miksi kannanvaihto? Vaihtamalla E B matriisiksi M B (f) = Onnistuuko? Mistä kanta B? Mitkä luvut diagonaalilla? Näihin vastaaminen on loppukurssin tavoite!
162 Lineaarialgebra (muut ko) p. 159/159 Ydin ja kuva Lineaarikuvauksen ydin ja kuva-avaruus f 0 0 Ker(f) Im(f) Ker(f) = {x R n f(x) = 0} Im(f) = {f(x) x R n }
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
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
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
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 )
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
LisätiedotTällä viikolla viimeiset luennot ja demot. Lineaarialgebra (muut ko) p. 1/162
Tällä viikolla viimeiset luennot ja demot Lineaarialgebra (muut ko) p. 1/162 Lineaarialgebra (muut ko) p. 2/162 Kertausta Vektorin u = (u 1,u 2 ) R 2 pituus u = u 2 1 +u2 2 Vektorien u ja v = (v 1,v 2
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
LisätiedotAlkeismuunnokset 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
LisätiedotDemorastitiedot saat demonstraattori Markus Niskaselta Lineaarialgebra (muut ko) p. 1/104
Lineaarialgebra (muut ko) p. 1/104 Ensi viikolla luennot salissa X Torstaina 7.12. viimeiset demot (12.12. ja 13.12. viimeiset luennot). Torstaina 14.12 on välikoe 2, muista ilmoittautua! Demorastitiedot
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
LisätiedotJohdatus 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
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
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
LisätiedotMatematiikka 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
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
LisätiedotMatematiikka 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
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
Lisätiedot802320A LINEAARIALGEBRA OSA III
802320A LINEAARIALGEBRA OSA III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 56 Määritelmä Määritelmä 1 Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V
LisätiedotMatriisien 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
LisätiedotMääritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.
1 Lineaarikuvaus 1.1 Määritelmä Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V W on lineaarinen, jos (a) L(v + w) = L(v) + L(w); (b) L(λv) = λl(v) aina, kun v, w V ja λ K. Termejä:
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
Lisätiedot3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset
32 Idea: Lineaarikuvausten laskutoimitusten avulla määritellään vastaavat matriisien laskutoimitukset Vakiolla kertominen ja summa Olkoon t R ja A, B R n m Silloin ta, A + B R n m ja määritellään ta ta
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
Lisätiedot3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset
31 MS-A0004/A0006 Matriisilaskenta 3 Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2292015 Lineaariset yhtälöt ovat vektoreille luonnollisia yhtälöitä, joita
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.
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
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.
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 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
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
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,
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
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
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
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
LisätiedotVille Turunen: Mat Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007
Ville Turunen: Mat-1.1410 Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007 Materiaali: kirjat [Adams R. A. Adams: Calculus, a complete course (6th edition), [Lay D. C. Lay: Linear
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
LisätiedotLineaarialgebra. Osa 2. Turun yliopisto. Markku Koppinen
Lineaarialgebra Osa 2 Turun yliopisto Markku Koppinen Sisältö 1 Koordinaattivektorit ja kannan vaihdot 1 11 Koordinaattivektorit 1 12 Kannan vaihdot 2 2 Lineaarikuvaukset 6 21 Kuvauksista 6 22 Lineaarikuvaukset
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 +
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.
LisätiedotTalousmatematiikan perusteet: Luento 10. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Matriisitulo Determinantti
Talousmatematiikan perusteet: Luento 1 Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Matriisitulo Determinantti Viime luennolta Esim. Yritys tekee elintarviketeollisuuden käyttämää puolivalmistetta,
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
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
LisätiedotInformaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen
Informaatiotieteiden yksikkö Lineaarialgebra 1A Pentti Haukkanen Puhtaaksikirjoitus: Joona Hirvonen . 2 Sisältö 1 Matriisit, determinantit ja lineaariset yhtälöryhmät 4 1.1 Matriisit..............................
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 Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
LisätiedotTalousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi
Talousmatematiikan perusteet: Luento 11 Lineaarikuvaus Matriisin aste Käänteismatriisi Viime luennolla Käsittelimme matriisien peruskäsitteitä ja laskutoimituksia Vakiolla kertominen, yhteenlasku ja vähennyslasku
LisätiedotKäänteismatriisin ominaisuuksia
Käänteismatriisin ominaisuuksia Lause 1.4. Jos A ja B ovat säännöllisiä ja luku λ 0, niin 1) (A 1 ) 1 = A 2) (λa) 1 = 1 λ A 1 3) (AB) 1 = B 1 A 1 4) (A T ) 1 = (A 1 ) T. Tod.... Ortogonaaliset matriisit
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
Lisätiedot802320A LINEAARIALGEBRA OSA III
802320A LINEAARIALGEBRA OSA III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO Syksy 2017 LINEAARIALGEBRA 1 / 59 Määritelmä Määritelmä 1 Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V
Lisätiedot3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. Olkoot A 2 := AA =
3 3 Olkoot 9 8 B 7 6 ja A 5 4 [ 3 4 Nyt A + B, AB ja BB eivät ole mielekkäitä (vastaavilla lineaarikuvauksilla menisivät dimensiot solmuun tällaisista yhdistelmistä) Kuitenkin voidaan laskea BA ja 9( )
Lisätiedot1 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
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
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 }.
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
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
Lisätiedot802320A LINEAARIALGEBRA OSA III
802320A LINEAARIALGEBRA OSA III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO KEVÄT 2019 LINEAARIALGEBRA 1 / 60 Määritelmä Määritelmä 1 Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V
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
Lisätiedot802320A LINEAARIALGEBRA OSA III LINEAR ALGEBRA PART III
802320A LINEAARIALGEBRA OSA III LINEAR ALGEBRA PART III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2017 Contents 1 Lineaarikuvaus 2 1.1 Määritelmä............................ 2 1.2 Matriisiesitys/Matrix
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
LisätiedotLineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi
Lineaarikuvaukset aiheita ten ten 1 Matematiikassa sana lineaarinen liitetään kahden lineaariavaruuden väliseen kuvaukseen. ten Määritelmä Olkoon (L, +, ) ja (M, ˆ+, ˆ ) reaalisia lineaariavaruuksia, ja
Lisätiedot4. LINEAARIKUVAUKSET
86 4 LINEAARIKUVAUKSET 41 Määritelmä ja esimerkkejä Olkoot V ja V vektoriavaruuksia Tarkastellaan kuvausta L : V V Tällöin jokaiseen vektoriin v V liittyy tietty, L:n ja v:n yksikäsitteisesti määräämä
Lisätiedot2.8. 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
LisätiedotInformaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen
Informaatiotieteiden yksikkö Lineaarialgebra 1A Pentti Haukkanen Puhtaaksikirjoitus: Joona Hirvonen . 2 Sisältö 1 Matriisit, determinantit ja lineaariset yhtälöryhmät 4 1.1 Matriisin määritelmä.......................
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
LisätiedotInformaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen
Informaatiotieteiden yksikkö Lineaarialgebra 1A Pentti Haukkanen Puhtaaksikirjoitus: Joona Hirvonen . 2 Sisältö 1 Matriisit, determinantit ja lineaariset yhtälöryhmät 4 1.1 Matriisin määritelmä.......................
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
LisätiedotMS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47
MS-A3/A5 Matriisilaskenta Malliratkaisut 4 / vko 47 Tehtävä 1 (L): Oletetaan, että AB = AC, kun B ja C ovat m n-matriiseja. a) Näytä, että jos A on kääntyvä, niin B = C. b) Seuraako yhtälöstä AB = AC yhtälö
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
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
LisätiedotLineaarialgebra b, kevät 2019
Lineaarialgebra b, kevät 2019 Harjoitusta 4 Maplella with(linearalgebra); (1) Tehtävä 1. Lineaarisia funktioita? a) Asetelma on kelvollinen: lähtö- ja maalijoukko on R-kertoiminen lineaariavaruus ja L
LisätiedotTalousmatematiikan perusteet: Luento 9. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Transponointi Matriisitulo
Talousmatematiikan perusteet: Luento 9 Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Transponointi Matriisitulo Viime luennolta Esim. Yritys tekee elintarviketeollisuuden käyttämää puolivalmistetta,
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:
Lisätiedot3.1 Lineaarikuvaukset. MS-A0007 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset
3 MS-A7 Matriisilaskenta 3 Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 925 Lineaariset yhtälöt ovat vektoreille luonnollisia yhtälöitä, joita ratkotaan
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.
LisätiedotTalousmatematiikan 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
LisätiedotMatriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?
Harjoitus 1, kevät 007 1. Olkoon [ ] cos α sin α A(α) =. sin α cos α Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?. Olkoon a x y A = 0 b z, 0 0 c missä a, b, c 0. Määrää käänteismatriisi
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
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
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
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
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
LisätiedotJohdatus tekoälyn taustalla olevaan matematiikkaan
Johdatus tekoälyn taustalla olevaan matematiikkaan Informaatioteknologian tiedekunta Jyväskylän yliopisto 5. luento.2.27 Lineaarialgebraa - Miksi? Neuroverkon parametreihin liittyvät kaavat annetaan monesti
Lisätiedot1. 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,,
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)
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.....................
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
LisätiedotDeterminantti. 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)
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
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-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 differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 17 R. Kangaslampi Vektoriavaruudet Vektoriavaruus
LisätiedotInformaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen
Informaatiotieteiden yksikkö Lineaarialgebra 1A Pentti Haukkanen Puhtaaksikirjoitus: Joona Hirvonen . 2 Sisältö 1 Matriisit, determinantit ja lineaariset yhtälöryhmät 4 1.1 Matriisin määritelmä.......................
LisätiedotJohdatus lineaarialgebraan
Johdatus lineaarialgebraan Osa II Lotta Oinonen, Johanna Rämö 28. lokakuuta 2014 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 15 Vektoriavaruus....................................
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
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
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
Lisätiedot(1.1) Ae j = a k,j e k.
Lineaarikuvauksen determinantti ja jälki 1. Lineaarikuvauksen matriisi. Palautetaan mieleen, mikä lineaarikuvauksen matriisi annetun kannan suhteen on. Olkoot V äärellisulotteinen vektoriavaruus, n = dim
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
Lisätiedot