1 Kertausta ja täydennystä
|
|
- Eero Jurkka
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 SL_esim_lin_alg.wxm / 9 Kertausta ja täydennystä. "assume" (%i) integrate(/(a+x^), x); Is a positive or negative? pos; x atan a (%o) a (%i) assume(a>); (%o) [ a > ] (%i) integrate(/(a+x^), x); x atan a (%o) a (%i) facts(); (%o) [ a > ] (%i) properties(a); (%o) [ database info, a > ] (%i) assume(b>); (%o) [ b > ] (%i7) is(a+b>); (%o7) true (%i) is(a*b>); (%o) true (%i9) is(a/b>); (%o9) true (%i) is(ab>); (%o) unknown (%i) forget(a>, b>); (%o) [ a >, b > ] (%i) facts(); (%o) [ ] (%i) properties(a); (%o) [ database info ] (%i) integrate(/(a+x^), x); Is a positive or negative? neg; (%o) log x a x + a a (%i) facts(); (%o) [ ]
2 SL_esim_lin_alg.wxm / 9. "declare" (%i) [sin(n*%pi), cos(n*%pi)]; (%o) [ sin π n, cos π n ] (%i7) declare(n, integer); (%o7) done (%i) facts(); (%o) [ kind n, integer ] (%i9) [sin(n*%pi), cos(n*%pi)]; (%o9) [, n ] (%i) declare(n, even); (%o) done (%i) facts(); (%o) [ kind n, integer, kind n, even ] (%i) [sin(n*%pi), cos(n*%pi)]; (%o) [, ] (%i) declare(n, odd); declare: inconsistent declaration declare(n,odd) an error. To debug this try: debugmode(true); (%i) facts(); (%o) [ kind n, integer, kind n, even ] (%i) remove(n, even); (%o) done (%i) declare(n, odd); (%o) done (%i7) [sin(n*%pi), cos(n*%pi)]; (%o7) [, ] (%i) remove(n, integer, n, odd); (%o) done (%i9) facts(); (%o9) [ ]. Newtonin menetelmä/yksiulotteinen Oma newtonl(expr, x, x, n) määrää annetun alkuarvon x lisäksi n uutta likiarvoa yhtälölle expr=. Seuraavassa etsitään sinin nollakohta Newtonin menetelmällä: (%i) newtonl(expr,x,x,n):=block([dy,ny,l,xt,x,j], dy:diff(expr,x), ny:xexpr/dy, x:x, l:[x], xt:x, for j: thru n do (x:subst(xt,x,ny), l:append(l,[x]), xt:x), l)$ (%i) x:/$
3 SL_esim_lin_alg.wxm / 9 (%i) y:sin(x); (%o) sin (%i) dy:ev(cos(x), x=x); (%o) cos Yhtälö y=y+dy*(xx) on pisteen [x,y] kautta kulkevan sinikäyrän tangenttisuoran yhtälö: (%i) tangentti:y+dy*(xx); (%o) cos x + sin (%i) x:newtonl(sin(x), x, float(x), ); (%o) [.7,.7, ,.97 ] Newtonin menetelmä määrää pistettä x seuraavan likiarvon x seuraavasti: kaavana x = x y(x)/y'(x); ja geometrisesti: piirretään käyrälle y=y(x) pisteeseen [x,y(x)] tangentti; uusi likiarvo x on tangenttisuoran ja xakselin leikkauskohdan xkoordinaatti. Jos pisteessä x derivaatta y'(x) on likimain nolla, ajautuu uusi likiarvo x kauas pisteestä x. (%i) wxplotd([sin(x), tangentti], [x,,]); (%t) (%o) Ensimmäisestä lasketusta likiarvosta seuraavaan siirtyminen antaa jo varsin hyvän likiarvon (tässä esimerkkitapauksessa): (%i7) y:sin(x[]); (%o7) (%i) dy:ev(cos(x), x=x[]); (%o).77 (%i9) tangentti:y+dy*(xx[]); (%o9).77 x
4 SL_esim_lin_alg.wxm / 9 (%i) wxplotd([sin(x), tangentti, tangentti], [x,.,]); (%t) (%o) drawkirjaston avulla mutkikkaan kuvan rakentaminen on helpompaa: (%i) load(draw)$ (%i) wxdrawd(xaxis=true, color=blue, explicit(sin(x), x,,), color=red, explicit(tangentti, x,,), color=green, explicit(tangentti, x,.,) )$ (%t). Newtonin menetelmä/moniulotteinen load(draw)$ (%i) load(mnewton)$ (%i) equ:[x^+y^ =, (x)^ + (y)^ = ]; (%o) [ y + x =, y + x = ] (%i) algsys(equ, [x,y]); (%o) [ ] Jostain syystä algsys ei anna k.o. yhtälöparille ratkaisua, vaikka kuvan mukaan reaalisiakin ratkaisuja on kaksi:
5 SL_esim_lin_alg.wxm / 9 (%i) wxdrawd(user_preamble="set size ratio ", color=blue, implicit( equ[], x,,, y,,), color=red, implicit( equ[], x,,, y,,) )$ (%t) Sopivasti valituille (kuvan avulla määrätyille) alkuarvoille [x,y] usean muuttujan Newtonin menetelmä löytää ratkaisut: (%i7) sol:mnewton(equ, [x,y], [,]); (%o7) [ [ x =.97, y = ] ] (%i) ev(equ, first(sol)); (%o) [. =,. = ] (%i9) sol:mnewton(equ, [x,y], [,]); (%o9) [ [ x =.799, y =.999 ] ] (%i) ev(equ, first(sol)); (%o) [. =,. = ] Lineaarialgebraa. Joukot ja listat (%i) [7,,,,,,]; (%o) [ 7,,,,,, ] (%i) length(%); (%o) 7 (%i) [7,,,"A",,[,],]; (%o) [ 7,,, A,, [, ], ] Joukko on eri asia kuin lista: (%i) {7,,,,,,}; (%o) {,,, 7, } (%i) length(%); (%o) (%i) {7,,,"A",,[,],,{,}}; (%o) {,, 7,, {, }, [, ], A }
6 SL_esim_lin_alg.wxm / 9 (%i7) is([,]={,}); (%o7) false (%i) lst_r:makelist( random(), j,,); (%o) [,,,,, 7,,,,, 9,,,, 7,,,,,,, 9,,,,,, 9,,,,,,,,, 9,,,,,,,,,,,, 9,,,,,,,,, 7,,,,,,,,,,,,,,,, 7,,, 7,,,,,, 7,,,,,,,,,,,,,,,,, ] Mistä paikoista y.o. listaa löytyy luku : (%i9) sublist_indices(lst_r, lambda([x], x=)); (%o9) [ 9,, 9, 9 ] Tässä lambda([x], x=) tarkoittaa samaa kuin funktio fp(x):= is(x=), joka testaa onko muuttuja x sama kuin luku (fp on "predikaatti"). Tällaisen predikaattifunktion arvo on true tai false. lambdaesityksessä funktiolle ei anneta nimeä. (%i) fp(x):= is(x=); (%o) fp x := is x = (%i) sublist_indices(lst_r, fp); (%o) [ 9,, 9, 9 ] Listan alkion voi poimia näin: (%i) lst_r[9]; (%o)...tai näin: (%i) part(lst_r, 9); (%o) Muutetaan lista joukoksi (käänteinen operaatio 'joukko > lista' onnistuu komenolla listify): (%i) set_r:setify(lst_r); (%o) {,,,,,, 7,, 9,,,,,,,,, 9,,,,,, } (%i) length(%); (%o) Muodostetaan kaikkien lukujen,..., joukko ja poistetaan siitä joukon set_r luvut: (%i) setdifference( setify(makelist( k, k,,)), set_r ); (%o) {, 7 } Joukosta (tai yleisemmästä objektista) osan voi poimia komennolla part, mutta ei hakasulkuja käyttäen kuten listojen kohdalla: (%i7) part(set_r, 9); (%o7) (%i) set_r[9]; (%o) {,,,,,, 7,, 9,,,,,,,,, 9,,,,,, } 9
7 SL_esim_lin_alg.wxm 7 / 9 Piirretään y.o. satunnaispisteistön "kuvaaja". Piirtämistä varten xakselille sijoitetaan arvot j=,..., (eli indeksi) ja yakselille listan lst_r arvot. Tätä varten luodaan taulukko lst_xy, jossa on parit [j, lst_r[j]], j=,...,: (%i9) lst_xy:makelist([j, lst_r[j]], j,,); (%o9) [ [, ], [, ], [, ], [, ], [, ], [, 7 ], [ 7, ], [, ], [ 9, ], [, ], [, 9 ], [, ], [, ], [, ], [, 7 ], [, ], [ 7, ], [, ], [ 9, ], [, ], [, ], [, 9 ], [, ], [, ], [, ], [, ], [ 7, ], [, 9 ], [ 9, ], [, ], [, ], [, ], [, ], [, ], [, ], [, ], [ 7, 9 ], [, ], [ 9, ], [, ], [, ], [, ], [, ], [, ], [, ], [, ], [ 7, ], [, ], [ 9, 9 ], [, ], [, ], [, ], [, ], [, ], [, ], [, ], [ 7, ], [, 7 ], [ 9, ], [, ], [, ], [, ], [, ], [, ], [, ], [, ], [ 7, ], [, ], [ 9, ], [ 7, ], [ 7, ], [ 7, ], [ 7, ], [ 7, 7 ], [ 7, ], [ 7, ], [ 77, 7 ], [ 7, ], [ 79, ], [, ], [, ], [, ], [, 7 ], [, ], [, ], [, ], [ 7, ], [, ], [ 9, ], [ 9, ], [ 9, ], [ 9, ], [ 9, ], [ 9, ], [ 9, ], [ 9, ], [ 97, ], [ 9, ], [ 99, ], [, ] ] (%i7) wxplotd([discrete, lst_xy ])$ (%t7) Esitetään taulukon lukuparit punaisina pisteinä: (%i7) wxplotd([discrete, lst_xy], [style, [points,,,] ] )$ (%t7) Vastaava drawgrafiikkakirjaston avulla: load(draw)$
8 SL_esim_lin_alg.wxm / 9 (%i7) wxdrawd(point_type=filled_circle, color=red, points(lst_xy) )$ (%t7). Vektorit ja matriisit Vektorit esitetään listoina (t.s. hakasulkujen avulla). Muuttujaan, jolle ei ole annettu arvoa, voidaan liittää hakasulkujen avulla indeksi; tässä tilanteessa hakasulut eivät toimi komennon part synonyyminä. (%i7) v:[x[],x[],x[]]; (%o7) [ x, x, x ] (%i7) w:[y[],y[],y[]]; (%o7) [ y, y, y ] Vektoreiden v ja w sisätulo ilmaistaan tavallisella pisteellä: (%i7) v.w; (%o7) x y + x y + x y (%i7) m:matrix([a[,], a[,], a[,]], [a[,], a[,], a[,]], [a[,], a[,], a[,]]); a, a, a, (%o7) a, a, a, a, a, a, Matriisin ja vektorin kertolasku ilmaistaan tavallisella pisteellä: (%i77) m.v; a, x + a, x + x a, (%o77) a, x + x a, + x a, x a, + x a, + x a, (%i7) w.m; (%o7) y a, + y a, + y a, y a, + y a, + y a, y a, + y a, + y a, Huomaa: Maximassa ei ole eri struktuureja rivi ja sarakevektoreille.
9 SL_esim_lin_alg.wxm 9 / 9. Transpoosi, determinantti ja käänteismatriisi (%i79) transpose(m); a, a, a, (%o79) a, a, a, a, a, a, (%i) determinant(m); (%o) a, a, a, a, a, a, a, a, a, a, + a, a, a, a, a, (%i) ident(); (%o) Matriisin muodostaminen, kun paikkaan [j,k] tulevalle alkiolle on kaava: (%i) h[j,k]:=/(j+k); (%o) h j, k := j + k (%i) hm:genmatrix(h,,); (%o) 7 Vaihtoehtoisesti voidaan käyttää komentoa makelist, mutta syntyvä rivivektoreiden lista pitää muuttaa matriisiksi komennon apply avulla: (%i) makelist( makelist(/(j+k), k,,), j,,); (%o) [ [,,, ], [,,, ], [,,, ], [,,, 7 ] ] (%i) apply(matrix, %); (%o) 7 (%i) determinant(hm); (%o)
10 SL_esim_lin_alg.wxm / 9 Käänteismatriisi voidaan määrätä kahdella tavalla (huomaa kaksikertainen potenssiin korottamista osoittava merkki ^^): (%i7) hm^^(); (%o7) 7 7 (%i) invert(hm); (%o) 7 7 (%i9) %.hm; (%o9). Gramin ja Schmidtin ortogonalisointimenetelmä (%i9) load(eigen)$ (%i9) hm_gs:gramschmidt(hm); (%o9) [ [,,, ], [ 7, 7 7,, 9 ], [ 9,, 9, 9 ], [, 9 7 7,, ] ] (%i9) hm_gs[].hm_gs[]; 7 (%o9) (%i9) rat(%); (%o9)/r/ (%i9) hm_gs[].hm_gs[]; (%o9) (%i9) kill(h); (%o9) done. Kiertomatriisin käänteismatriisi Matriisia kutsutaan ortogonaaliseksi, jos se on kääntyvä ja sen käänteismatriisi on alkuperäisen matriisin transpoosi. Tason ja kolmiulotteisen avaruuden ortogonaaliset matriisit ovat kiertoja (tasossa origon suhteen, avaruudessa jonkin akselin suhteen).
11 SL_esim_lin_alg.wxm / 9 (%i9) m:matrix( [cos(alpha)*cos(beta), sin(alpha)*cos(beta), sin(beta)], [sin(alpha), cos(alpha), ], [cos(alpha)*sin(beta), sin(alpha)*sin(beta), cos(beta)]); (%o9) (%i97) invert(m); (%o97) (%i9) trigsimp(%); (%o9) (%i99) transpose(m); (%o99) Kiertomatriisit koordinaattitasoissa (xakselin suhteen kulman alpha verran negatiiviseen kiertosuuntaan, yakselin suhteen kulman beta verran negatiiviseen kiertosuuntaan, zakselin suhteen kulman delta verran negatiiviseen kiertosuuntaan): (%i) mx:matrix([,,], [,cos(delta),sin(delta)], [,sin(delta),cos(delta)]); (%o) cos δ sin δ sin δ cos δ (%i) my:matrix([cos(beta),,sin(beta)], [,,], [sin(beta),,cos(beta)]); (%o) (%i) mz:matrix([cos(alpha),sin(alpha),], [sin(alpha),cos(alpha),], [,,]); (%o)
12 SL_esim_lin_alg.wxm / 9 (%i) m = my.mz; (%o) =. Vandermonden determinantti (%i) makelist(makelist(a[j]^k, k,,), j,,); (%o) [ [, a, a, a ], [, a, a, a ], [, a, a, a ], [, a,, a ] ] (%i) vdm:apply(matrix, %); a a a a a a (%o) a a a (%i) determinant(vdm); (%o) a a a a + a a + a a a a a + a a a + a + a a a a a + a a a a a a a a a a a a + a + a a a a a + a a a a (%i7) vdm_det:factor(%); (%o7) a a a a a a a a a (%i) vdm^^(); (%o) a a a a a a a + a a + a a a a + a a a a a a a a a + a a + a a a a + a a a a a a + a a a + a a a + a + a + a + a a a + a + a a a + a + a a a a a a a + a a + a a a a + a a a a a a a + a a + a a a a + a a a a + a a a + a a a + a + a + a a a a a a + a a + a a a a + a a a + a + a a a a a + a a + a a a a + a a a + a + a a + a a a + a a a + a + a a a a a + a a + a a a a + a a a a a a a + a a + a a a a + a a a a + a a a + a a a + a (%i9) vdm_ad:ratsimp(vdm_det*%); (%o9) a a a a + a a a a a + a a a a a a a a a a + a a a a + a a a a a a a a a + a a a a a + a a a a + a a a a a + a a a a a + a a a + a a a a a a a + a a a a a + a a + a a a + a a a a a a + a a a a a + a a a a + a a a + a a a a + a a a a a + a a a a + a a a + a a a a a a + a a a a a +
13 SL_esim_lin_alg.wxm / 9 (%i) adjoint(vdm); (%o) a a a a a a a a a + a a a a a a a a a + a a a a a a a a a a a a a a a a a + a a a a a a a a a + a a a a a + a a + a a a a a a a a a a a a a a a + a + a a a a a a a a a a a + a a a a + a + a a a a a a a a a + a a a a + a + a a a a a a a a a a a (%i) %vdm_ad; (%o) a a a a a a a a a a a a a + a a a a a a a a a a a a a a a a a a a + a a a a a a a a a a a a a a a a a a a + a a + a a a a a a a a a a a a a a + a + a a a a a a a a a a + a a a a a a a a a a a a a a a a a + a a + a a a a a a a a a (%i) ratsimp(%); (%o).7 Lineaariset yhtälöryhmät: linsolve (%i) kill(h); (%o) done (%i) h[j,k]:=random(); (%o) h j, k := random (%i) hm:genmatrix(h,,); 9 (%o) 7 (%i) echelon(hm); (%o) 9 9 (%i7) triangularize(hm); (%o7)
14 SL_esim_lin_alg.wxm / 9 Miten matriisista muodostetaan sitä vastaava lineaarinen yhtälöryhmä? Kerroinmatriisin ja tuntemattoman vektorin [x,y,z,u] tulo: (%i) hm.[x,y,z,u]; z + 9 y + x + u (%o) z + x + u z + 7 y + x + u (%i9) kill(e); (%o9) done Poimitaan yllä olevan tulon rivit silmukassa muuttujiin e[k]: (%i) for k: thru do e[k]:part(hm.[x,y,z,u], k,); (%o) done Muodostetaan yhtälöryhmä: (%i) lin_equ:[e[]=, e[]=, e[]=]; (%o) [ z + 9 y + x + u =, z + x + u =, z + 7 y + x + u = ] Yhtälöryhmä voidaan ratkaista komennolla linsolve, joka on tarkoitettu nimenomaan lineaarisille yhtälöryhmille, tai komennolla solve: (%i) linsolve(lin_equ, [x,y,z,u]); %r + 9 %r + 9 %r + (%o) [ x =, y =, z =, u = %r ] (%i) solve(lin_equ, [x,y,z,u]); %r + 9 %r + 9 %r + (%o) [ [ x =, y =, z =, u = %r ] ] Lineaarisista yhtälöryhmästä voidaan poimia varsinainen kerroinmatriisi: (%i) coefmatrix(lin_equ, [x,y,z,u]); 9 (%o) 7...tai laajennettu kerroimatriisi (johon viimeiseksi sarakkeeksi lisätään yhtälöryhmän oikean puolen vektori): (%i) augcoefmatrix(lin_equ, [x,y,z,u]); 9 (%o) 7 Sama saataisiin aikaan lisäämällä yhtälöryhmän kerroinmatriisiin sarake näin:
15 SL_esim_lin_alg.wxm / 9 (%i) hm_a:addcol(hm, [,,]); 9 (%o) 7 Laajennettua kerroimatriisia vastaava yhtälöryhmä voidaan muodostaa myös seuraavasti: (%i7) vek:append([x,y,z,u], []); (%o7) [ x, y, z, u, ] (%i) hm_a.vek; z + 9 y + x + u (%o) z + x + u z + 7 y + x + u (%i9) substpart("[", %, ); (%o9) [ [ z + 9 y + x + u ], [ z + x + u ], [ z + 7 y + x + u ] ] (%i) flatten(%); (%o) [ z + 9 y + x + u, z + x + u, z + 7 y + x + u ] (%i) linsolve(%, [x,y,z,u]); %r + 9 %r + 9 %r + (%o) [ x =, y =, z =, u = %r ]. Ominaisarvot, A (%i) load(eigen)$ (%i) kill(h)$ (%i) h[j,k]:=/(j+k); (%o) h j, k := j + k (%i) hm:genmatrix(h,,); (%o) eigenvalues palauttaa sekä ominaisarvot että vastaavat kertaluvut; tuloksen muoto on [ominaisarvojen lista, vastaavien kertalukujen lista]: (%i) ev_hm:eigenvalues(hm); (%o) [ [, + ], [, ] ] eigenvectors palauttaa sekä ominaisarvot että vastaavat ominaisvektorit; tuloksen muoto on [ [ominaisarvojen lista, kertalukujen lista], ominaisvektoreiden lista ]: (%i7) evek_hm:eigenvectors(hm); (%o7) [ [ [, + ], [, ] ], [ [ [, + ] ], [ [, ] ] ] ]
16 SL_esim_lin_alg.wxm / 9 Erotetaan ominaisarvot: (%i) l:part(evek_hm,,,); (%o) (%i9) l:part(evek_hm,,,); (%o9) + Erotetaan ominaisvektorit: (%i) v:part(evek_hm,,,); (%o) [, + ] (%i) v:part(evek_hm,,,); (%o) [, ] Tarkistetaan, että ominaisvektorit ja arvot määräävä ehto A.v = l*v toteutuu. Tätä varten lasketaan erotus A.v l*v kummallekin ominaisarvolle: (%i) hm.v l*v; (%o) (%i) ratsimp(%); (%o) (%i) hm.v l*v; (%o) (%i) ratsimp(%); (%o).9 Ominaisarvot, B (%i) load(eigen)$ (%i7) kill(h)$ (%i) h[j,k]:=/(j+k); (%o) h j, k := j + k
17 SL_esim_lin_alg.wxm 7 / 9 (%i9) hm:genmatrix(h,,); (%o9) Ominaisarvojen lausekkeet ovat melko monimutkaiset ja niiden perusteella ominaisarvot näyttäisivät kompleksisilta: (%i) ev_hm:eigenvalues(hm); (%o) [ [ %i 99 %i + 97 / / + %i 9 99 %i + 97 / + /, %i 99 %i + 97 / / + %i 9 99 %i + 97 / + /, 99 %i + 97 / / %i + 97 / + / ], [,, ] ] Erotetaan ominaisarvot (eli pudotetaan niiden kertaluvut pois):
18 SL_esim_lin_alg.wxm / 9 (%i) map(rectform, ev_hm[]); (%o) [ %i ( 9 / 9 / 9 sin 9 / 9 / 9 / 9 cos 9 / / cos sin sin atan 9 / / / / / sin cos sin atan 9 / / / atan 9 / 99 7 atan 9 / 99 7 / atan 9 / / cos atan 9 / 99 7 atan 9 / 99 7 atan 9 / 99 7 / + ] + ) + 9 cos 9 / atan 9 / / sin / / atan 9 / / cos atan 9 / / ) + / 9 9 / 9 sin sin / cos / 9 / atan 9 / / / sin atan 9 / / / atan 9 / 99 7 atan 9 / / / cos / sin atan 9 / 99 7 atan 9 / / +, %i ( / atan 9 / / cos +, %i / + atan 9 / / cos / + atan 9 / (%i) float(%); (%o) [ %i,.977 %i , %i +.97 ] Ominaisarvot määräävä yhtälö on charpoly(hm, x) = :
19 SL_esim_lin_alg.wxm 9 / 9 (%i) determinant(hm x*ident()); (%o) x x x x x + (%i) charpoly(hm, x); (%o) x x x x x + (%i) p:expand(%); (%o) x + x 7 x 7 + nroots kertoo yhtälön reaalisten juurten lukumäärän (ratkaisematta yhtälöä): (%i) nroots(p=, minf, inf); (%o)
6 MATRIISIN DIAGONALISOINTI
6 MATRIISIN DIAGONALISOINTI Ortogonaaliset matriisit Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja A - = A T Muistutus: vektorien a ja b pistetulo (skalaaritulo,
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
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,
LisätiedotNeliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja
7 NELIÖMATRIISIN DIAGONALISOINTI. Ortogonaaliset matriisit Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja A - = A T () Muistutus: Kokoa n olevien vektorien
LisätiedotOppimistavoitematriisi
Oppimistavoitematriisi Lineaarialgebra ja matriisilaskenta I Arvosanaan 1 2 riittävät Arvosanaan 5 riittävät Yhtälöryhmät (YR) Osaan ratkaista ensimmäisen asteen yhtälöitä ja yhtälöpareja Osaan muokata
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
LisätiedotHarjoitus 2 -- Ratkaisut
Harjoitus -- Ratkaisut Listat a Table-komento Huom. (*-merkki aloittaa kommentin ja *)-merkki päättää sen. Table x, x,. x:n arvo, viimeinen x:n arvo, askelpituus, 4, 9, 6, 5, 36, 49, 64, 8,,, 44, 69, 96,
LisätiedotHarjoitus 2 -- Ratkaisut
Harjoitus -- Ratkaisut Listat a Table-komento Huom. (*-merkki aloittaa kommentin ja *)-merkki päättää sen. In[5]:= Table x, x,. x:n arvo, viimeinen x:n arvo, askelpituus Out[5]=, 4, 9,, 5, 3, 49, 4, 8,,,
Lisätiedotplot(f(x), x=-5..5, y=-10..10)
[] Jokaisen suoritettavan rivin loppuun ; [] Desimaalierotin Maplessa on piste. [] Kommentteja koodin sekaan voi laittaa # -merkin avulla. Esim. #kommentti tähän [] Edelliseen tulokseen voi viitata merkillä
LisätiedotLineaarinen yhtälöryhmä
Lineaarinen yhtälöryhmä 1 / 39 Lineaarinen yhtälö Määritelmä 1 Lineaarinen yhtälö on muotoa a 1 x 1 + a 2 x 2 + + a n x n = b, missä a i, b R, i = 1,..., n ovat tunnettuja ja x i R, i = 1,..., n ovat tuntemattomia.
LisätiedotHarjoitus 1: Matlab. Harjoitus 1: Matlab. Mat Sovelletun matematiikan tietokonetyöt 1. Syksy 2006
Harjoitus 1: Matlab Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen Matlab-ohjelmistoon Laskutoimitusten
LisätiedotMS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016
LisätiedotOppimistavoitematriisi
Oppimistavoitematriisi Lineaarialgebra ja matriisilaskenta I Esitiedot Arvosanaan 1 2 riittävät Arvosanaan 3 4 riittävät Arvosanaan 5 riittävät Yhtälöryhmät (YR) Osaan ratkaista ensimmäisen asteen yhtälöitä
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
LisätiedotMatemaattisten menetelmien hallinnan tason testi.
Matemaattisten menetelmien hallinnan tason testi. Jokaisessa tehtävässä on vain yksi vaihtoehto oikein.. Laskutoimitusten a) yhteen- ja vähennyslaskun b) kerto- ja jakolaskun c) potenssiin korotuksen järjestys
LisätiedotJuuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty
Juuri Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 7.5.08 Kertaus K. a) Polynomi P() = + 8 on jaollinen polynomilla Q() =, jos = on polynomin P nollakohta, eli P() = 0. P() = + 8 = 54 08 +
LisätiedotAalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos
Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Vesanen MS-A0205/6 Differentiaali- ja integraalilaskenta 2, kevät 2017 Laskuharjoitus 4A (Vastaukset) alkuviikolla
LisätiedotMatriisi-vektori-kertolasku, lineaariset yhtälöryhmät
Matematiikan peruskurssi K3/P3, syksy 25 Kenrick Bingham 825 Toisen välikokeen alueen ydinasioita Alla on lueteltu joitakin koealueen ydinkäsitteitä, joiden on hyvä olla ensiksi selvillä kokeeseen valmistauduttaessa
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.
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
LisätiedotMS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48
MS-A3/A5 Matriisilaskenta Malliratkaisut 5 / vko 48 Tehtävä (L): a) Onko 4 3 sitä vastaava ominaisarvo? b) Onko λ = 3 matriisin matriisin 2 2 3 2 3 7 9 4 5 2 4 4 ominaisvektori? Jos on, mikä on ominaisarvo?
LisätiedotNumeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35
Numeeriset menetelmät TIEA381 Luento 8 Kirsi Valjus Jyväskylän yliopisto Luento 8 () Numeeriset menetelmät 11.4.2013 1 / 35 Luennon 8 sisältö Interpolointi ja approksimointi Funktion approksimointi Tasainen
Lisätiedot(0 desimaalia, 2 merkitsevää numeroa).
NUMEERISET MENETELMÄT DEMOVASTAUKSET SYKSY 20.. (a) Absoluuttinen virhe: ε x x ˆx /7 0.4 /7 4/00 /700 0.004286. Suhteellinen virhe: ρ x x ˆx x /700 /7 /00 0.00 0.%. (b) Kahden desimaalin tarkkuus x ˆx
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
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
LisätiedotFunktio 1. a) Mikä on funktion f (x) = x lähtöjoukko eli määrittelyjoukko, kun 0 x 5?
Funktio. a) Mikä on funktion f (x) = x + lähtöjoukko eli määrittelyjoukko, kun 0 x 5? b) Mikä on funktion f (x) = x + maalijoukko eli arvojoukko? c) Selitä, mikä on funktion nollakohta. Anna esimerkki.
LisätiedotTyyppi metalli puu lasi työ I 2 8 6 6 II 3 7 4 7 III 3 10 3 5
MATRIISIALGEBRA Harjoitustehtäviä syksy 2014 Tehtävissä 1-3 käytetään seuraavia matriiseja: ( ) 6 2 3, B = 7 1 2 2 3, C = 4 4 2 5 3, E = ( 1 2 4 3 ) 1 1 2 3 ja F = 1 2 3 0 3 0 1 1. 6 2 1 4 2 3 2 1. Määrää
LisätiedotDiplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A)
Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 017 Insinöörivalinnan matematiikan koe 30..017, Ratkaisut (Sarja A) 1. a) Lukujen 9, 0, 3 ja x keskiarvo on. Määritä x. (1 p.) b) Mitkä reaaliluvut
LisätiedotDifferentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle /
MS-A8 Differentiaali- ja integraalilaskenta, V/7 Differentiaali- ja integraalilaskenta Ratkaisut 5. viikolle / 9..5. Integroimismenetelmät Tehtävä : Laske osittaisintegroinnin avulla a) π x sin(x) dx,
Lisätiedot6. OMINAISARVOT JA DIAGONALISOINTI
0 6 OMINAISARVOT JA DIAGONALISOINTI 6 Ominaisarvot ja ominaisvektorit Olkoon V äärellisulotteinen vektoriavaruus, dim(v ) = n ja L : V V lineaarikuvaus Määritelmä 6 Skalaari λ R on L:n ominaisarvo, jos
LisätiedotMS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42
MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42 Tehtävät 1-4 lasketaan alkuviikon harjoituksissa ryhmissä, ja ryhmien ratkaisut esitetään harjoitustilaisuudessa (merkitty kirjaimella L = Lasketaan).
Lisätiedot1 Ominaisarvot ja ominaisvektorit
1 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) 1 missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin
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
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
Lisätiedotja F =
MATRIISIALGEBRA Harjoitustehtäviä syksy 2016 Tehtävissä 1 ja 2a käytetään seuraavia matriiseja: ( ) 6 2 3 A =,B = 7 1 2 2 3,C = 4 4 2 5 3,E = ( 1 2 4 3 ) 1 1 2 3 ja F = 1 2 3 0 3 0 1 1. 6 2 1 4 2 3 2 1.
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
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
LisätiedotMapu 1. Laskuharjoitus 3, Tehtävä 1
Mapu. Laskuharjoitus 3, Tehtävä Lineaarisessa approksimaatiossa funktion arvoa lähtöpisteen x 0 ympäristössä arvioidaan liikkumalla lähtöpisteeseen sovitetun tangentin kulmakertoimen mukaisesti: f(x 0
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 )
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
Lisätiedot5 Differentiaaliyhtälöryhmät
5 Differentiaaliyhtälöryhmät 5.1 Taustaa ja teoriaa Differentiaaliyhtälöryhmiä tarvitaan useissa sovelluksissa. Toinen motivaatio yhtälöryhmien käytölle: Korkeamman asteen differentiaaliyhtälöt y (n) =
LisätiedotAalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos
Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Ojalammi MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016 Laskuharjoitus 4A (Vastaukset) alkuviikolla
LisätiedotRatkaisu: Tutkitaan derivoituvuutta Cauchy-Riemannin yhtälöillä: f(x, y) = u(x, y) + iv(x, y) = 2x + ixy 2. 2 = 2xy xy = 1
1. Selvitä missä tason pisteissä annetut funktiot ovat derivoituvia/analyyttisiä. Määrää funktion derivaatta niissä pisteissä, joissa se on olemassa. (a) (x, y) 2x + ixy 2 (b) (x, y) cos x cosh y i sin
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
LisätiedotTehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin lukuun 7 eli vapauden käsitteeseen ja homogeenisiin
HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta I, kesä 2014 Harjoitus 4 Ratkaisujen viimeinen palautuspäivä: pe 662014 klo 1930 Tehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin lukuun
LisätiedotMS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto, osa I
MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto, osa I G. Gripenberg Aalto-yliopisto 21. tammikuuta 2016 G. Gripenberg (Aalto-yliopisto) MS-A0207 Differentiaali- ja integraalilaskenta
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
LisätiedotJuuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty
Kertaus K. a) Polynomi P() = 3 + 8 on jaollinen polynomilla Q() = 3, jos = 3 on polynomin P nollakohta, eli P(3) = 0. P(3) = 3 3 3 + 8 3 = 54 08 + 54 = 0. Polynomi P on jaollinen polynomilla Q. b) Jaetaan
LisätiedotGaussin ja Jordanin eliminointimenetelmä
1 / 25 : Se on menetelmä lineaarisen yhtälöryhmän ratkaisemiseksi. Sitä käytetään myöhemmin myös käänteismatriisin määräämisessä. Ideana on tiettyjä rivioperaatioita käyttäen muokata yhtälöryhmää niin,
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
LisätiedotKevään 2011 pitkän matematiikan ylioppilastehtävien ratkaisut Mathematicalla Simo K. Kivelä /
Kevään 0 pitkän matematiikan ylioppilastehtävien ratkaisut Mathematicalla Simo K. Kivelä / 8.7.0 a) b) c) a) Tehtävä Yhtälö ratkaistaan yleensä Solve-funktiolla: Solve x 3 x, x x 4 Joissakin tapauksissa
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
LisätiedotDifferentiaaliyhtälöt II, kevät 2017 Harjoitus 5
Differentiaaliyhtälöt II, kevät 27 Harjoitus 5 Heikki Korpela 26. huhtikuuta 27 Tehtävä 2. Määrää seuraavan autonomisen systeemin kriittiset pisteet, ratakäyrät ja luonnostele systeemin aikakehitys: (t)
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:
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
LisätiedotOminaisarvo ja ominaisvektori
Määritelmä Ominaisarvo ja ominaisvektori Oletetaan, että A on n n -neliömatriisi. Reaaliluku λ on matriisin ominaisarvo, jos on olemassa sellainen vektori v R n, että v 0 ja A v = λ v. Vektoria v, joka
LisätiedotMS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45
MS-A0003/A0005 Matriisilaskenta Laskuharjoitus / vko 5 Tehtävä 1 (L): Hahmottele kompleksitasoon ne pisteet, jotka toteuttavat a) z 3 =, b) z + 3 i < 3, c) 1/z >. Yleisesti: ehto z = R, z C muodostaa kompleksitasoon
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 3 Ti 13.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 1/37 p. 1/37 Epälineaariset yhtälöt Newtonin menetelmä: x n+1 = x n f(x n) f (x n ) Sekanttimenetelmä:
LisätiedotOrtogonaaliset matriisit, määritelmä 1
, määritelmä 1 Määritelmä (a). Neliömatriisi Q on ortogonaalinen, jos Q T Q = I. Määritelmästä voidaan antaa samaa tarkoittavat, mutta erilaiselta näyttävät muodot: Määritelmä (b). n n neliömatriisi Q,
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
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
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 6 To 22.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 6 To 22.9.2011 p. 1/38 p. 1/38 Ominaisarvotehtävät Monet sovellukset johtavat ominaisarvotehtäviin Yksi
Lisätiedottyyppi metalli puu lasi työ I II III metalli puu lasi työ
MATRIISIALGEBRA Harjoitustehtäviä syksy 29 ( 7 1 1 4 1 1. Olkoot, B = 1 5 2 5 3 Määrää 2A, B 2A, A T, ( 2A) T, (A T ) T. ), C = ( 1 ) 4 4 ja E = 7. 3 2. Olkoot A, B, C ja E kuten edellisessä tehtävässä.
LisätiedotMS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 8: Newtonin iteraatio. Taso- ja avaruusintegraalit
MS-A25/MS-A26 ifferentiaali- ja integraalilaskenta 2 Luento 8: Newtonin iteraatio. Taso- ja avaruusintegraalit Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 216 1 Perustuu
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
Lisätiedota) on lokaali käänteisfunktio, b) ei ole. Piirrä näiden pisteiden ympäristöön asetetun neliöruudukon kuva. VASTAUS:
6. Käänteiskuvaukset ja implisiittifunktiot 6.1. Käänteisfunktion olemassaolo 165. Määritä jokin piste, jonka ympäristössä funktiolla f : R 2 R 2, f (x,y) = (ysinx, x + y + 1) a) on lokaali käänteisfunktio,
Lisätiedot1 Kannat ja kannanvaihto
1 Kannat ja kannanvaihto 1.1 Koordinaattivektori Oletetaan, että V on K-vektoriavaruus, jolla on kanta S = (v 1, v 2,..., v n ). Avaruuden V vektori v voidaan kirjoittaa kannan vektorien lineaarikombinaationa:
LisätiedotHarjoitus 7 -- Ratkaisut
Harjoitus 7 -- Ratkaisut 1 Solve osaa ratkaista polynomiyhtälöitä, ainakin astelukuun 4 asti. Erikoistapauksissa korkeammankin asteen yhtälöt ratkeavat. Clear a, b, c, d, e, x ; Solve a x 3 b x 2 c 0,
LisätiedotViikon aiheet. Funktion lineaarinen approksimointi
Viikon aiheet Funktion ääriarvot Funktion lineaarinen approksimointi Vektorit, merkintätavat, pituus, yksikkövektori, skalaarilla kertominen, kanta ja kannan vaihto Funktion ääriarvot 6 Väliarvolause Implisiittinen
LisätiedotMS-A0003/A0005 Matriisilaskenta Laskuharjoitus 1 / vko 44
MS-A0003/A0005 Matriisilaskenta Laskuharjoitus / vko Tehtävä (L): Käynnistä Matlab-ohjelma ja kokeile laskea sillä muutama peruslaskutoimitus: laske jokin yhteen-, vähennys-, kerto- ja jakolasku. Laske
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
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
LisätiedotKanta ja Kannan-vaihto
ja Kannan-vaihto 1 Olkoon L vektoriavaruus. Äärellinen joukko L:n vektoreita V = { v 1, v 2,..., v n } on kanta, jos (1) Jokainen L:n vektori voidaan lausua v-vektoreiden lineaarikombinaationa. (Ts. Span(V
LisätiedotHarjoitus Tarkastellaan luentojen Esimerkin mukaista työttömyysmallinnusta. Merkitään. p(t) = hintaindeksi, π(t) = odotettu inflaatio,
Differentiaaliyhtälöt, Kesä 06 Harjoitus 3 Kaikissa tehtävissä, joissa pitää tarkastella kriittisten pisteiden stabiliteettia, jos kyseessä on satulapiste, ilmoita myös satulauraratkaisun (tai kriittisessä
LisätiedotMATP153 Approbatur 1B Harjoitus 3, ratkaisut Maanantai
MATP53 Approbatur B Harjoitus 3, ratkaisut Maanantai 6..5. (Teht. 5 ja s. 4.) Olkoot z = + y i ja z = + y i. Osoita, että (a) z + z = z +z, (b) z z = z z, (c) z z = z ja (d) z = z z, kun z. (a) z + z =
LisätiedotLineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / Ratkaisut
MS-C34 Lineaarialgebra ja differentiaaliyhtälöt, IV/26 Lineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / t Alkuviikon tuntitehtävä Hahmottele matriisia A ( 2 6 3 vastaava vektorikenttä Matriisia A
Lisätiedot12. Hessen matriisi. Ääriarvoteoriaa
179 12. Hessen matriisi. Ääriarvoteoriaa Tarkastelemme tässä luvussa useamman muuttujan (eli vektorimuuttujan) n reaaliarvoisia unktioita : R R. Edellisessä luvussa todettiin, että riittävän säännöllisellä
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
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
LisätiedotTässä dokumentissa on ensimmäisten harjoitusten malliratkaisut MATLABskripteinä. Voit kokeilla itse niiden ajamista ja toimintaa MATLABissa.
Laskuharjoitus 1A Mallit Tässä dokumentissa on ensimmäisten harjoitusten malliratkaisut MATLABskripteinä. Voit kokeilla itse niiden ajamista ja toimintaa MATLABissa. 1. tehtävä %% 1. % (i) % Vektorit luodaan
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
LisätiedotYhtälöryhmät 1/6 Sisältö ESITIEDOT: yhtälöt
Yhtälöryhmät 1/6 Sisältö Yhtälöryhmä Yhtälöryhmässä on useita yhtälöitä ja yleensä myös useita tuntemattomia. Tavoitteena on löytää tuntemattomille sellaiset arvot, että kaikki yhtälöt toteutuvat samanaikaisesti.
Lisätiedotx = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );
LINEAARIALGEBRA Harjoituksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla
LisätiedotMatikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/210
Matikkapaja keskiviikkoisin klo 14-16 Lineaarialgebra (muut ko) p. 1/210 Lineaarialgebra (muut ko) p. 2/210 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v 2
LisätiedotVektorilaskenta, tentti
Vektorilaskenta, tentti 27102017 Tentin kesto n 3 tuntia Vastaa NELJÄÄN tehtävään Jos vastaat kaikkiin, niin neljä PARASTA otetaan huomioon Kuvat vievät tilaa, joten muista kurkistaa paperin toiselle puolelle
LisätiedotBM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016
BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016 1. Hahmottele karkeasti funktion f : R R 2 piirtämällä sen arvoja muutamilla eri muuttujan arvoilla kaksiulotteiseen koordinaatistoon
LisätiedotLineaarialgebra ja matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä)
Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe 26.10.2017 Ratkaisuehdotus 1. (35 pistettä) (a) Seuraavat matriisit on saatu eräistä yhtälöryhmistä alkeisrivitoimituksilla. Kuinka monta ratkaisua yhtälöryhmällä
LisätiedotMuutoksen arviointi differentiaalin avulla
Muutoksen arviointi differentiaalin avulla y y = f (x) y = f (x + x) f (x) dy y dy = f (x) x x x x x + x Luento 7 1 of 15 Matematiikan ja tilastotieteen laitos Turun yliopisto Muutoksen arviointi differentiaalin
LisätiedotMS-A0004/A0006 Matriisilaskenta
4. MS-A4/A6 Matriisilaskenta 4. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto..25 Tarkastellaan neliömatriiseja. Kun matriisilla kerrotaan vektoria, vektorin
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
Lisätiedotx = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );
LINEAARIALGEBRA Ratkaisuluonnoksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla
LisätiedotMS-A0104 Differentiaali- ja integraalilaskenta 1 (ELEC2) MS-A0106 Differentiaali- ja integraalilaskenta 1 (ENG2)
MS-A4 Differentiaali- ja integraalilaskenta (ELEC2) MS-A6 Differentiaali- ja integraalilaskenta (ENG2) Harjoitukset 3L, syksy 27 Tehtävä. a) Määritä luvun π likiarvo käyttämällä Newtonin menetelmää yhtälölle
LisätiedotMS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /
MS-A3/A5 Matriisilaskenta, II/27 MS-A3/A5 Matriisilaskenta Laskuharjoitus 3 / 3. 7..27 Tehtävä (L): Etsi kaikki yhtälön Ax = b ratkaisut, kun 3 5 4 A = 3 2 4 ja b = 6 8 7 4. Ratkaisu : Koetetaan ratkaista
LisätiedotMS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016 Antti Rasila
LisätiedotMatriisilaskenta Laskuharjoitus 1 - Ratkaisut / vko 37
Matriisilaskenta Laskuharjoitus 1 - Ratkaisut / vko 37 Tehtävä 1: Käynnistä Matlab-ohjelma ja kokeile laskea sillä muutama peruslaskutoimitus: laske jokin yhteen-, vähennys-, kerto- ja jakolasku. Laske
LisätiedotJuuri 6 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Vastaus: Määrittelyehto on x 1 ja nollakohta x = 1.
Juuri 6 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 4..6 Kokoavia tehtäviä ILMAN TEKNISIÄ APUVÄLINEITÄ. a) Funktion f( ) = määrittelyehto on +, eli. + Ratkaistaan funktion nollakohdat. f(
LisätiedotYhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.
2. MS-A000 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2..205 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x x 2 =
Lisätiedotax + y + 2z = 0 2x + y + az = b 2. Kuvassa alla on esitetty nesteen virtaus eräässä putkistossa.
BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 7, Syksy 206 Tutkitaan yhtälöryhmää x + y + z 0 2x + y + az b ax + y + 2z 0 (a) Jos a 0 ja b 0 niin mikä on yhtälöryhmän ratkaisu? Tulkitse ratkaisu
Lisätiedot