Seuraava luento ti on salissa XXII. Lineaarialgebra (muut ko) p. 1/117
|
|
- Sanna Salo
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Seuraava luento ti on salissa XXII Lineaarialgebra (muut ko) p. 1/117
2 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 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. 3/117 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. 4/117 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. 5/117 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. 6/117 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. 7/117 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. 8/117 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. 9/117 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. 10/117 Parametriesitys Suoran L koordinaattimuotoinen parametriesitys x = x 0 +ta y = y 0 +tb z = z 0 +tc (t R)
11 Lineaarialgebra (muut ko) p. 11/117 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. 12/117 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. 13/117 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. 14/117 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. 15/117 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. 16/117 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. 17/117 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. 18/117 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. 18/117 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. 18/117 MATRIISIT: Johdanto { 2x+3y = 1 4x+ky = 5 Ratkaisuja 1, kun 2 k 3 4 0,
21 Lineaarialgebra (muut ko) p. 18/117 MATRIISIT: Johdanto { 2x+3y = 1 4x+ky = 5 Ei ratkaisuja, kun 2 k 3 4 = 0, eli k = 6.
22 Lineaarialgebra (muut ko) p. 19/117 MATRIISIT: Johdanto Kertoimista "matriisi" ( k ) ja "determinantti" k = 2 k 3 4
23 Lineaarialgebra (muut ko) p. 20/117 MATRIISIT: Johdanto Kertoimista "matriisi" ( k ) ja "determinantti" k = 2k 3 4 "vakiot"pystyvektorina ( 1 5 )
24 Lineaarialgebra (muut ko) p. 21/117 MATRIISIT: Johdanto Yleistyykö edellinen tarkastelu? Entä kun tuntemattomia ja yhtälöitä eri määrä? Onko yhtälöryhmää, jossa tarkalleen 17 ratkaisua?
25 Lineaarialgebra (muut ko) p. 22/117 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. 23/117 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. 24/117 Matriisien tulo Matriisitulo ( ) 2 2 ( ) 2 3 =
28 Lineaarialgebra (muut ko) p. 25/117 Matriisien tulo Matriisitulo ( ) 2 2 ( ) 2 3 = ( )
29 Lineaarialgebra (muut ko) p. 26/117 Matriisien tulo Matriisitulo ( ) 2 2 ( ) 2 3 = ( )
30 Lineaarialgebra (muut ko) p. 27/117 Matriisien tulo Yleensä ei KOMMUTOI AB BA
31 Lineaarialgebra (muut ko) p. 28/117 Matriisien tulo Kaikkien m n-matriisien joukko M m n
32 Lineaarialgebra (muut ko) p. 29/117 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. 30/117 Johdanto yhtälöryhmiin Tutkitaan ratkaisuja 5x + y + t = 1 3x y + 2z t = 2 x + y z = 0
34 Lineaarialgebra (muut ko) p. 31/117 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. 32/117 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. 33/117 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. 34/117 Esimerkiksi { 2x + 3y = 1 4x + 5y = 3
38 Lineaarialgebra (muut ko) p. 35/117 Esimerkiksi { 2x 1 + 3x 2 = 1 4x 1 + 5x 2 = 3
39 Lineaarialgebra (muut ko) p. 36/117 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. 38/117 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. 39/117 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. 40/117 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. 41/117 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. 42/117 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. 43/117 Matriisin potenssi Kun kokonaisluku k 1 A k = A A A }{{} k Lisäksi A 0 = I
47 Lineaarialgebra (muut ko) p. 44/117 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. 45/117 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. 46/117 Säännöllisyys A on säännöllinen, jos A 1 on olemassa.
50 Lineaarialgebra (muut ko) p. 47/117 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. 48/117 Laskusääntöjä Olkoot A ja B säännöllisiä matriiseja: (AB) 1 = B 1 A 1 (A T ) 1 = (A 1 ) T
52 Lineaarialgebra (muut ko) p. 49/117 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. 51/117 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. 52/117 2-rivinen determinantti a b c d = ad cb
56 Lineaarialgebra (muut ko) p. 53/117 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. 54/117 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. 55/117 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. 56/117 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. 57/117 Tulon determinantti det(ab) = det(a) det(b) Jos A on säännöllinen, niin det(a 1 ) = 1 det(a)
61 Lineaarialgebra (muut ko) p. 58/117 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. 59/117 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. 60/117 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. 61/117 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. 62/117 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. 63/117 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. 64/117 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. 65/117 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. 66/117 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. 67/117 Ristitulo Siis u (C 11,C 12,C 13 ) = 0 v (C 11,C 12,C 13 ) = 0
71 Lineaarialgebra (muut ko) p. 68/117 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. 69/117 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. 70/117 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. 71/117 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. 72/117 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. 73/117 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. 74/117 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. 75/117 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. 76/117 AliavaruudetR 3 :ssa {0} origon kautta kulkevat suorat origon kautta kulkevat tasot R 3
80 Lineaarialgebra (muut ko) p. 77/117 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. 78/117 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. 79/117 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. 80/117 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. 81/117 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. 82/117 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. 83/117 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. 84/117 Matriisien avulla Lause : Neliömatriisin A = (a 1 a 2... a n ) pystyriveille: Pystyrivit ovat lin. riippumattomia A on säännöllinen
88 Lineaarialgebra (muut ko) p. 85/117 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. 86/117 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. 87/117 Johdanto: kanta Jokainen vektori lin.kombinaationa? (x,y) = c 1 (2,2)
91 Lineaarialgebra (muut ko) p. 88/117 Johdanto: kanta Jokainen vektori lin.kombinaationa? (x,y) = c 1 (2,2)
92 Lineaarialgebra (muut ko) p. 89/117 Johdanto: kanta Jokainen vektori lin.kombinaationa: (x,y) = c 1 (2,2)+c 2 ( 4,2) = 12 0
93 Lineaarialgebra (muut ko) p. 90/117 Johdanto: kanta Jokainen vektori lin.kombinaationa: (x,y) = c 1 (2,2)+c 2 ( 4, 4)
94 Lineaarialgebra (muut ko) p. 91/117 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. 92/117 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. 93/117 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. 94/117 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. 95/117 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. 96/117 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. 97/117 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. 98/117 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. 99/117 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. 100/117 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. 101/117 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. 102/117 Vaaka- ja pystyriviavaruus Nähtiin dimv(a) = 2 = dimp(a) Pitääkö yleisesti paikkansa kaikille A?
106 Lineaarialgebra (muut ko) p. 103/117 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. 104/117 Hajotelma Matriisi A M m n saadaan hajotettua A = }{{} B }{{} C m r r n Esimerkiksi
108 Lineaarialgebra (muut ko) p. 105/117 Hajotelma Matriisi A M m n saadaan hajotettua A = }{{} B }{{} C m r r n Esimerkiksi kanta
109 Lineaarialgebra (muut ko) p. 106/117 Hajotelma Matriisi A M m n saadaan hajotettua A = }{{} B }{{} C m r r n Esimerkiksi kanta = ( )
110 Lineaarialgebra (muut ko) p. 107/117 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. 108/117 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. 109/117 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. 110/117 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. 111/117 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. 112/117 Riviekvivalenssi ( ) ( ) ( ) ( )
116 Lineaarialgebra (muut ko) p. 113/117 Riviekvivalenssi ( ) ( ) ( ) ( ) vastaavat alkeismatriisit E 1 = ( ), E 2 = ( ), E 3 = ( ) eli E 3 E 2 E 1 ( ) = ( ).
117 Lineaarialgebra (muut ko) p. 114/117 Redusoitu porrasmuoto Matriisin redusoitu porrasmuoto
118 Lineaarialgebra (muut ko) p. 115/117 Redusoitu porrasmuoto Matriisin redusoitu porrasmuoto aste r(a) =porrasluku ja V(A):n kanta on portaiden vaakarivit.
119 Lineaarialgebra (muut ko) p. 116/117 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. 117/117 Redusoitu porrasmuoto Myös I on redusoitu porrasmuoto Lause A on säännöllinen A I
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
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
LisätiedotEnsi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/159
Ensi viikon luennot salissa X Lineaarialgebra (muut ko) p. 1/159 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
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
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
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
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. 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
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
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
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
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@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 - 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 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
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
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
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 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 Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
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)
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
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 +
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
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,
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
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..............................
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
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.
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
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 }.
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
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
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö
Lisätiedot1 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
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
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.......................
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
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.......................
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.
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,
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
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
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
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
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
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
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.
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
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
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
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
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
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)
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
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
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
Lisätiedot802320A LINEAARIALGEBRA OSA I
802320A LINEAARIALGEBRA OSA I Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 72 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä
Lisätiedot1. 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.....................
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.
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,
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.......................
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
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
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 6.6.2013 HY / Avoin yliopisto Jokke Häsä, 1/22 Kertausta: Kääntyvien matriisien lause Lause 1 Oletetaan, että A on n n -neliömatriisi. Seuraavat ehdot ovat yhtäpitäviä.
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
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( )
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
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
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
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
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
LisätiedotEnnakkotehtävän ratkaisu
Ennakkotehtävän ratkaisu Ratkaisu [ ] [ ] 1 3 4 3 A = ja B =. 1 4 1 1 [ ] [ ] 4 3 12 12 1 0 a) BA = =. 1 + 1 3 + 4 0 1 [ ] [ ] [ ] 1 0 x1 x1 b) (BA)x = =. 0 1 x 2 x [ ] [ ] [ 2 ] [ ] 4 3 1 4 9 5 c) Bb
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
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
Lisätiedot5 Ominaisarvot ja ominaisvektorit
5 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin A
LisätiedotLineaariset yhtälöryhmät ja matriisit
Lineaariset yhtälöryhmät ja matriisit Lineaarinen yhtälöryhmä a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2. a m1 x 1 + a m2 x 2 + + a mn x n = b m, (1) voidaan esittää
LisätiedotDeterminantti 1 / 30
1 / 30 on reaaliluku, joka on määritelty neliömatriiseille Determinantin avulla voidaan esimerkiksi selvittää, onko matriisi kääntyvä a voidaan käyttää käänteismatriisin määräämisessä ja siten lineaarisen
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
LisätiedotLineaarialgebra I. Oulun yliopisto Matemaattisten tieteiden laitos Esa Järvenpää Kirjoittanut Tuula Ripatti
Lineaarialgebra I Oulun yliopisto Matemaattisten tieteiden laitos 2011 Esa Järvenpää Kirjoittanut Tuula Ripatti 2 1 Lineaarinen yhtälöryhmä 11 Esimerkki (a) Ratkaise yhtälö 5x = 7 Kerrotaan yhtälö puolittain
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:
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
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
LisätiedotLU-hajotelma. Esimerkki 1 Matriisi on yläkolmiomatriisi ja matriisi. on alakolmiomatriisi. 3 / 24
LU-hajotelma 1 / 24 LU-hajotelma Seuravassa tarkastellaan kuinka neliömatriisi voidaan esittää kahden kolmiomatriisin tulona. Käytämme alkeismatriiseja tälläisen esityksen löytämiseen. Edellä mainittua
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
Lisätiedot5 OMINAISARVOT JA OMINAISVEKTORIT
5 OMINAISARVOT JA OMINAISVEKTORIT Ominaisarvo-ongelma Käsitellään neliömatriiseja: olkoon A n n-matriisi. Luku on matriisin A ominaisarvo (eigenvalue), jos on olemassa vektori x siten, että Ax = x () Yhtälön
LisätiedotVektoreiden A = (A1, A 2, A 3 ) ja B = (B1, B 2, B 3 ) pistetulo on. Edellisestä seuraa
Viikon aiheet Pistetulo (skalaaritulo Vektorien tulot Pistetulo Ristitulo Skalaari- ja vektorikolmitulo Integraalifunktio, alkeisfunktioiden integrointi, yhdistetyn funktion derivaatan integrointi Vektoreiden
LisätiedotLineaarialgebra. Osa 1. Turun yliopisto. Markku Koppinen
Lineaarialgebra Osa 1 Turun yliopisto Markku Koppinen Alkusanat 9 elokuuta 2006 Lineaarialgebra on niitä perusteorioita, joita tarvitaan lähes kaikilla matematiikan aloilla ja monissa muissakin tieteissä
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 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
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
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
LisätiedotA = a b B = c d. d e f. g h i determinantti on det(c) = a(ei fh) b(di fg) + c(dh eg). Matriisin determinanttia voi merkitä myös pystyviivojen avulla:
11 Determinantti Neliömatriisille voidaan laskea luku, joka kertoo muun muassa, onko matriisi kääntyvä vai ei Tätä lukua kutsutaan matriisin determinantiksi Determinantilla on muitakin sovelluksia, mutta
Lisätiedot