Lineaarialgebra (muut ko)
|
|
- Mika Aho
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Lineaarialgebra (muut ko) p. 1/103 Lineaarialgebra (muut ko) Tero Laihonen
2 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 2 ) Skalaarilla kertominen (a R): au = (au 1,au 2 ) Kommutatiivisuus u+v = v+u
3 Lineaarialgebra (muut ko) p. 3/103 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 (u,v) = u v = u 1 v 1 +u 2 v 2. Muistetaan, että u 2 = (u,u).
4 Lineaarialgebra (muut ko) p. 4/103 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. 5/103 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)
6 Lineaarialgebra (muut ko) p. 6/103 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. 7/103 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. 8/103 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. 9/103 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. 10/103 Erikoistapaukset 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
11 Lineaarialgebra (muut ko) p. 11/103 Parametriesitys Suoran L koordinaattimuotoinen parametriesitys x = x 0 +ta y = y 0 +tb z = z 0 +tc (t R)
12 Lineaarialgebra (muut ko) p. 12/103 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.
13 Lineaarialgebra (muut ko) p. 13/103 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.
14 Lineaarialgebra (muut ko) p. 14/103 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. 15/103 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. 16/103 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. 17/103 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. 18/103 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. 18/103 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. 18/103 MATRIISIT: Johdanto { 2x+3y = 1 4x+ky = 5 Ratkaisuja 1, kun 2 k 3 4 0,
21 Lineaarialgebra (muut ko) p. 18/103 MATRIISIT: Johdanto { 2x+3y = 1 4x+ky = 5 Ei ratkaisuja, kun 2 k 3 4 = 0, eli k = 6.
22 Lineaarialgebra (muut ko) p. 19/103 MATRIISIT: Johdanto Kertoimista "matriisi" ( k ) ja "determinantti" k = 2 k 3 4
23 Lineaarialgebra (muut ko) p. 20/103 MATRIISIT: Johdanto Kertoimista "matriisi" ( k ) ja "determinantti" k = 2k 3 4 "vakiot"pystyvektorina ( 1 5 )
24 Lineaarialgebra (muut ko) p. 21/103 MATRIISIT: Johdanto Yleistyykö edellinen tarkastelu? Entä kun tuntemattomia ja yhtälöitä eri määrä? Onko yhtälöryhmää, jossa tarkalleen 17 ratkaisua?
25 Lineaarialgebra (muut ko) p. 22/103 Matriiseista Samaa tyyppiä olevat m n-matriisit voidaan laskea yhteen A+B Kaikkien m n-matriisien joukko M m n Nollamatriisi O = (0) m n Transponointi A T ( ) T =
26 Lineaarialgebra (muut ko) p. 23/103 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. 24/103 Matriisien tulo Matriisitulo ( ) 2 2 ( ) 2 3 =
28 Lineaarialgebra (muut ko) p. 25/103 Matriisien tulo Matriisitulo ( ) 2 2 ( ) 2 3 = ( )
29 Lineaarialgebra (muut ko) p. 26/103 Matriisien tulo Matriisitulo ( ) 2 2 ( ) 2 3 = ( )
30 Lineaarialgebra (muut ko) p. 27/103 Matriisien tulo Yleensä ei KOMMUTOI AB BA
31 Lineaarialgebra (muut ko) p. 28/103 Laskusääntöjä, s. 18 skalaari r R (AB)C = A(BC) A(B +C) = AB +AC (A+B)C = AC +BC r(ab) = A(rB)
32 Lineaarialgebra (muut ko) p. 29/103 Johdanto yhtälöryhmiin Tutkitaan ratkaisuja 5x + y + t = 1 3x y + 2z t = 2 x + y z = 0
33 Lineaarialgebra (muut ko) p. 30/103 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
34 Lineaarialgebra (muut ko) p. 31/103 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
35 Lineaarialgebra (muut ko) p. 32/103 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
36 Lineaarialgebra (muut ko) p. 33/103 Esimerkiksi { 2x + 3y = 1 4x + 5y = 3
37 Lineaarialgebra (muut ko) p. 34/103 Esimerkiksi { 2x 1 + 3x 2 = 1 4x 1 + 5x 2 = 3
38 Lineaarialgebra (muut ko) p. 35/103 Esimerkiksi { 2x 1 + 3x 2 = 1 4x 1 + 5x 2 = 3 A = ( ) x = ( x 1 x 2 ) c = ( 1 3 ) Matriisikielellä Ax = c
39 Lineaarialgebra (muut ko) p. 36/ 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
40 Lineaarialgebra (muut ko) p. 37/103 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
41 Lineaarialgebra (muut ko) p. 38/103 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
42 Lineaarialgebra (muut ko) p. 39/103 Esimerkiksi Epähomogeeninen { 2x 1 + 3x 2 = 1 4x 1 + 5x 2 = 3 Homogeeninen { 2x 1 + 3x 2 = 0 4x 1 + 5x 2 = 0
43 Lineaarialgebra (muut ko) p. 40/103 Yhtälöryhmistä Epähomogeenisen yhtälöryhmän Ax = c ratkaisut x = x 0 +y missä y on homogeenisen yhtälöryhmän Ax = 0 kaikki ratkaisut ja x 0 on yksittäisratkaisu
44 Lineaarialgebra (muut ko) p. 41/103 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
45 Lineaarialgebra (muut ko) p. 42/103 Matriisin potenssi Kun kokonaisluku k 1 A k = A A A }{{} k Lisäksi A 0 = I
46 Lineaarialgebra (muut ko) p. 43/103 Matriisiyhtälöistä (s. 20) Matriisiyhtälöitä voidaan käsitellä kuten reaalilukuyhtälöitä, kunhan ei käytetä jakolaskua eikä kommutatiivisuutta Ei siis voi yleensä supistaa AB = AC B = C
47 Lineaarialgebra (muut ko) p. 44/103 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 ( ).
48 Lineaarialgebra (muut ko) p. 45/103 Säännöllisyys A on säännöllinen, jos A 1 on olemassa.
49 Lineaarialgebra (muut ko) p. 46/103 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 )
50 Lineaarialgebra (muut ko) p. 47/103 Laskusääntöjä Olkoot A ja B säännöllisiä matriiseja: (AB) 1 = B 1 A 1 (A T ) 1 = (A 1 ) T
51 Lineaarialgebra (muut ko) p. 48/103 Laskusääntöjä Olkoot A ja B matriiseja, missä pystyrivien avulla B = (b 1 b k ). Silloin kertolasku AB = (Ab 1 Ab k )
52 Lineaarialgebra (muut ko) p. 49/ 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 )
53 Lineaarialgebra (muut ko) p. 50/103 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
54 Lineaarialgebra (muut ko) p. 51/103 2-rivinen determinantti a b c d = ad cb
55 Lineaarialgebra (muut ko) p. 52/103 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
56 Lineaarialgebra (muut ko) p. 53/103 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
57 Lineaarialgebra (muut ko) p. 54/103 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
58 Lineaarialgebra (muut ko) p. 55/103 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
59 Lineaarialgebra (muut ko) p. 56/103 Tulon determinantti det(ab) = det(a) det(b) Jos A on säännöllinen, niin det(a 1 ) = 1 det(a)
60 Lineaarialgebra (muut ko) p. 57/103 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
61 Lineaarialgebra (muut ko) p. 58/103 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) ( = ) ( ) ( )
62 Lineaarialgebra (muut ko) p. 59/103 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
63 Lineaarialgebra (muut ko) p. 60/103 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
64 Lineaarialgebra (muut ko) p. 61/103 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
65 Lineaarialgebra (muut ko) p. 62/103 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 ).
66 Lineaarialgebra (muut ko) p. 63/103 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
67 Lineaarialgebra (muut ko) p. 64/103 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
68 Lineaarialgebra (muut ko) p. 65/103 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
69 Lineaarialgebra (muut ko) p. 66/103 Ristitulo Siis u (C 11,C 12,C 13 ) = 0 v (C 11,C 12,C 13 ) = 0
70 Lineaarialgebra (muut ko) p. 67/103 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 skalaarikolmitulo u (v w)
71 Lineaarialgebra (muut ko) p. 68/103 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.
72 Lineaarialgebra (muut ko) p. 69/103 Aliavaruus Aliavaruudelle U R n kolme ehtoa: 1) U 2) u,v U u+v U 3) a R, u U au U.
73 Lineaarialgebra (muut ko) p. 70/103 Aliavaruus Aliavaruudelle U R n kolme ehtoa: 1) U 2) u,v U u+v U 3) a R, u U au U.
74 Lineaarialgebra (muut ko) p. 71/103 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.
75 Lineaarialgebra (muut ko) p. 72/103 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)
76 Lineaarialgebra (muut ko) p. 73/103 Ratkaisuavaruus (Lause 4.1.8) Lineaarisen homogeenisen yhtälöryhmän Ax = 0 ratkaisut x = x 1. x n muodostavat aliavaruuden (ns. ratkaisuavaruuden)
77 Lineaarialgebra (muut ko) p. 74/103 AliavaruudetR 3 :ssa {0} origon kautta kulkevat suorat origon kautta kulkevat tasot R 3
78 Lineaarialgebra (muut ko) p. 75/103 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}
79 Lineaarialgebra (muut ko) p. 76/103 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),...
80 Lineaarialgebra (muut ko) p. 77/103 Matriisien avulla Pystyrivien lineaarikombinaatio A = (a 1 a 2... a n ) Ac = c 1 a 1 + +c n a n
81 Lineaarialgebra (muut ko) p. 78/103 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
82 Lineaarialgebra (muut ko) p. 79/103 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
83 Lineaarialgebra (muut ko) p. 80/103 Lineaarinen riippumattomuus Lineaarinen riippumattomuus c 1 x c m x m = 0 = c 1 = c 2 =... = c m = 0 Lineaarinen riippuvuus c 1 x c m x m = 0 missä jokin c j 0
84 Lineaarialgebra (muut ko) p. 81/103 Matriisien avulla Lause : Neliömatriisin A = (a 1 a 2... a n ) pystyriveille: Pystyrivit ovat lin. riippumattomia A on säännöllinen
85 Lineaarialgebra (muut ko) p. 82/103 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
86 Lineaarialgebra (muut ko) p. 83/103 Lineaarinen riippumattomuus Kaksi vektoria ovat lineaarisesti riippuvia toinen on toisen skalaarimonikerta Varoitus: ei toimi useammalla vektorilla
87 Lineaarialgebra (muut ko) p. 84/103 Johdanto: kanta Jokainen vektori lin.kombinaationa? (x,y) = c 1 (2,2)
88 Lineaarialgebra (muut ko) p. 85/103 Johdanto: kanta Jokainen vektori lin.kombinaationa? (x,y) = c 1 (2,2)
89 Lineaarialgebra (muut ko) p. 86/103 Johdanto: kanta Jokainen vektori lin.kombinaationa: (x,y) = c 1 (2,2)+c 2 ( 4,2) = 12 0
90 Lineaarialgebra (muut ko) p. 87/103 Johdanto: kanta Jokainen vektori lin.kombinaationa: (x,y) = c 1 (2,2)+c 2 ( 4, 4)
91 Lineaarialgebra (muut ko) p. 88/103 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)
92 Lineaarialgebra (muut ko) p. 89/103 Kanta Vektorit u 1,...,u k muodostavat aliavaruuden U kannan, jos (i) ovat lineaarisesti riippumattomia, (ii) virittävät koko U:n.
93 Lineaarialgebra (muut ko) p. 90/103 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.
94 Lineaarialgebra (muut ko) p. 91/103 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.
95 Lineaarialgebra (muut ko) p. 92/103 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.
96 Lineaarialgebra (muut ko) p. 93/103 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).
97 Lineaarialgebra (muut ko) p. 94/103 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.
98 Lineaarialgebra (muut ko) p. 95/103 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.
99 Lineaarialgebra (muut ko) p. 96/103 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
100 Lineaarialgebra (muut ko) p. 97/103 Tunnettuja dimensioita Aliavaruuden U R n dimensio dim U = kantavektoreiden lukumäärä Koko avaruudelle dimr n = n. Tasolle T R 3 dimt = 2. Suoralle L R 3 diml = 1.
101 Lineaarialgebra (muut ko) p. 98/103 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))
102 Lineaarialgebra (muut ko) p. 99/103 Vaaka- ja pystyriviavaruus Nähtiin dimv(a) = 2 = dimp(a) Pitääkö yleisesti paikkansa kaikille A?
103 Lineaarialgebra (muut ko) p. 100/103 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)
104 Lineaarialgebra (muut ko) p. 101/103 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) r(a T ) = r(a)
105 Lineaarialgebra (muut ko) p. 102/103 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
106 Lineaarialgebra (muut ko) p. 103/103 Välikokeesta, sivut 1 56 Välikokeen tärkeitä perusasioita: (näistä kaikista on demoissa esimerkki) 1. Suorien leikkauspisteen laskeminen 2. Tason laskeminen kolmen pisteen avulla 3. Matriisin kertolasku, transponointi 4. Determinantin laskeminen perusominaisuuksien avulla 5. Matriisin säännöllisyys determinantin avulla 6. Avaruuden R n kannan perusteleminen determinantin avulla Muuta tärkeää: käänteismatriisi, lin.riippumattomuus, aliavaruus, kanta ja dimensio sekä niiden ominaisuudet, matriisin aste
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
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 )
LisätiedotSeuraava luento ti on salissa XXII. Lineaarialgebra (muut ko) p. 1/117
Seuraava luento ti 31.10 on salissa XXII Lineaarialgebra (muut ko) p. 1/117 Lineaarialgebra (muut ko) p. 2/117 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v
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
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
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
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
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
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
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
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
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 Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D Mika Hirvensalo mikhirve@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2014 Mika Hirvensalo mikhirve@utu.fi Luentokalvot 3 1 of 16 Kertausta Lineaarinen riippuvuus
LisätiedotEnsi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/66
Ensi viikon luennot salissa X Lineaarialgebra (muut ko) p. 1/66 Lineaarialgebra (muut ko) p. 2/66 Redusoitu porrasmuoto 1 1 2 4 1 1 4 6 2 2 5 9 1 1 0 2 0 0 1 1 0 0 0 0 Eli aste r(a) = 2 ja vaakariviavaruuden
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö
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)
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
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
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 +
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
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
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
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
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
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..............................
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
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
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,
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 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.
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
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 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.......................
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,
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.
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
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 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 }.
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
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
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
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
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
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
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 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
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
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
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
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
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,,
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
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.....................
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
LisätiedotLineaarialgebra ja matriisilaskenta II. LM2, Kesä /310
Lineaarialgebra ja matriisilaskenta II LM2, Kesä 2012 1/310 Kertausta: avaruuden R n vektorit Määritelmä Oletetaan, että n {1, 2, 3,...}. Avaruuden R n alkiot ovat jonoja, joissa on n kappaletta reaalilukuja.
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
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
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Idea Lineaarisen systeemin ratkaiseminen Olkoon
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
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
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.......................
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
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
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( )
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
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)
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
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö
LisätiedotOsoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.
LINEAARIALGEBRA Harjoituksia 2016 1. Olkoon V = R 2 varustettuna tavallisella yhteenlaskulla. Määritellään reaaliluvulla kertominen seuraavasti: λ (x 1, x 2 ) = (λx 1, 0) (x 1, x 2 ) R 2 ja λ R. Osoita,
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
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 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
LisätiedotKanta ja dimensio 1 / 23
1 / 23 Kuten ollaan huomattu, saman aliavaruuden voi virittää eri määrä vektoreita. Seuraavaksi määritellään mahdollisimman pieni vektorijoukko, joka virittää aliavaruuden. Jokainen aliavaruuden alkio
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:
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
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
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
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
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
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
LisätiedotPäättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1
Lineaarialgebran kertaustehtävien b ratkaisuista. Määritä jokin kanta sille reaalikertoimisten polynomien lineaariavaruuden P aliavaruudelle, jonka virittää polynomijoukko {x, x+, x x }. Ratkaisu. Olkoon
LisätiedotYhtälöryhmä matriisimuodossa. MS-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 =
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
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
Lisätiedot110. 111. 112. 113. 114. 4. Matriisit ja vektorit. 4.1. Matriisin käsite. 4.2. Matriisialgebra. Olkoon A = , B = Laske A + B, 5 14 9, 1 3 3
4 Matriisit ja vektorit 4 Matriisin käsite 42 Matriisialgebra 0 2 2 0, B = 2 2 4 6 2 Laske A + B, 2 A + B, AB ja BA A + B = 2 4 6 5, 2 A + B = 5 9 6 5 4 9, 4 7 6 AB = 0 0 0 6 0 0 0, B 22 2 2 0 0 0 6 5
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
LisätiedotLineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo.
Lineaariavaruudet aiheita 1 määritelmä Nelikko (L, R, +, ) on reaalinen (eli reaalinen vektoriavaruus), jos yhteenlasku L L L, ( u, v) a + b ja reaaliluvulla kertominen R L L, (λ, u) λ u toteuttavat seuraavat
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)
LisätiedotSuorat ja tasot, L6. Suuntajana. Suora xy-tasossa. Suora xyzkoordinaatistossa. Taso xyzkoordinaatistossa. Tason koordinaattimuotoinen yhtälö.
Suorat ja tasot, L6 Suora xyz-koordinaatistossa Taso xyz-koordinaatistossa stä stä 1 Näillä kalvoilla käsittelemme kolmen laisia olioita. Suora xyz-avaruudessa. Taso xyz-avaruudessa. Emme nyt ryhdy pohtimaan,
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 +
LisätiedotMatriisipotenssi. Koska matriisikertolasku on liitännäinen (sulkuja ei tarvita; ks. lause 2), voidaan asettaa seuraava määritelmä: ja A 0 = I n.
Matriisipotenssi Koska matriisikertolasku on liitännäinen (sulkuja ei tarvita; ks. lause 2), voidaan asettaa seuraava määritelmä: Määritelmä Oletetaan, että A on n n -matriisi (siis neliömatriisi) ja k
Lisätiedot