LINEAARIALGEBRA. Harjoituksia/Exercises 2017 Valittuja ratkaisuja/selected solutions

Koko: px
Aloita esitys sivulta:

Download "LINEAARIALGEBRA. Harjoituksia/Exercises 2017 Valittuja ratkaisuja/selected solutions"

Transkriptio

1 LINEAARIALGEBRA Harjoituksia/Exercises 2017 Valittuja ratkaisuja/selected solutions 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 kertominen määritellään koordinaateittain/show that the set is a vector space when we set identity relation, addition and multiplication by a real number coordinate-wise: x = y x i = y i i = 1,..., n; x + y = (x 1 + y 1,..., x n + y n ); λ x = (λx 1,..., λx n ), aina, kun x 1,..., x n ; y 1,..., y n ; λ R. Ratkaisu: Koordinaateissa käytetään reaalilukujen kuntaominaisuuksia. LA1a. katso luennot. LA1b. x + y = y + x? Lasketaan V.P. = x + y = (x 1 + y 1,..., x n + y n ) O.P. = y + x = (y 1 + x 1,..., y n + x n ) = (x 1 + y 1,..., x n + y n ) Saatiin: V.P.=O.P. mot. LA1c. katso luennot: nolla-alkio=(0,...,0). LA1d. Alkion x = (x 1,..., x n ) vasta-alkio on ( x 1,..., x n ), koska (x 1,..., x n ) + ( x 1,..., x n ) = (x 1 x 1,..., x n x n ) = (0,..., 0). Siten x = ( x 1,..., x n ). LA2a. katso luennot. LA2b. 1 x = x? Lasketaan skalaaritulo 1 (x 1,..., x n ) = (1x 1,..., 1x n ) = (x 1,..., x n ). q.e.d. LA3a. λ (x + y) = λ x + λ y? Lasketaan V.P. = λ (x + y) = λ (x 1 + y 1,..., x n + y n ) = (λ(x 1 + y 1 ),..., λ(x n + y n )) = (λx 1 + λy 1,..., λx n + λy n ). O.P. = λ x + λ y = (λx 1,..., λx n ) + (λy 1,..., λy n ) = (λx 1 + λy 1,..., λx n + λy n ).

2 Saatiin: V.P.=O.P. q.e.d. LA3b. (λ + µ) x = λ x + µ x? Lasketaan V.P. = (λ + µ) x = (λ + µ) (x 1,..., x n ) = ((λ + µ)x 1,..., (λ + µ)x n ) = (λx 1 + µx 1,..., λx n + µx n ). Saatiin: V.P.=O.P. q.e.d. O.P. = λ x + µ x = (λx 1,..., λx n ) + (µx 1,..., µx n ) = (λx 1 + µx 1,..., λx n + µx n ). 2. Osoita, että (R 2, +, ) ei ole vektoriavaruus, kun vektoreiden x = (x 1, x 2 ), y = (y 1, y 2 ) laskutoimitukset on annettu seuraavasti/show that the set is not a vector space with the binary operations: x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); λ x = (λx 1, 0), λ R. Ratkaisu: Aluksi huomataan, että yhteenlasku on normaali (1. tehtävän mukainen) avaruuden R 2 yhteenlasku. Siten aksiomit 1abcd toteutuvat, joten mahdollinen vika on skalaarikertolaskua käyttävissä aksiomeissa. LA2b. 1 x = x? Lasketaan V.P. = 1 (x 1, x 2 ) = (x 1, 0); O.P. = (x 1, x 2 ) Valitaan vaikka x 2 = 1, jolloin V.P. O.P., joten aksiomi LA2b ei toteudu kaikilla x R 2. mot. 3. Osoita, että (R 2,, ) ei ole lineaariavaruus, kun vektoreiden x = (x 1, x 2 ), y = (y 1, y 2 ) laskutoimitukset on annettu seuraavasti: x = y x i = y i i = 1, 2; x y = (x 1 y 1, x 2 + y 2 ); λ x = (λx 1, λx 2 ), λ R. LA1b. x + y = y + x? Valitaan x = (1, 0) ja y = (0, 1). Lasketaan V.P. = x + y = (1, 1) O.P. = y + x = ( 1, 1) V.P. O.P., joten aksiomi LA1b ei toteudu kaikilla x, y R 2. mot. 4. Olkoon K kunta ja 0, 1 K sen nolla- ja ykkösalkiot. Olkoon V lineaariavaruus kunnan K yli sekä 0 V sen nolla-alkio. Osoita lineaariavaruuden aksiomeja käyttäen, että/show by using the axioms of linear space that:

3 (a) λ 0 = 0 kaikilla λ K. (b) λ v = ( λ) v = λ ( v) kaikilla λ K, v V ; (c) Jos λ v = λ w ja λ 0, niin v = w; c) RATKAISU: Koska λ 0, niin on olemassa käänteisalkio λ 1 K. Kerrotaan λ v = λ w puolittain käänteisalkiolla, jolloin λ 1 (λ v) = λ 1 (λ w) (λ 1 λ) v = (λ 1 λ) w 1 v = 1 w v = w. q.e.d. 5. Olkoot W 1 = {(x, y, z, t) R 4 : x y + z t = 0}; W 2 = {(x, y, z, t) R 4 : x y + z = 0}; W 3 = {(x, y, z, t) R 4 : x y + z 1 = 0} (a) Osoita, että W 1 on vektoriavaruuden R 4 aliavaruus/show that W 1 is a subspace of the vector space R 4. (b) Onko W 2 on vektoriavaruuden W 1 aliavaruus/is W 2 a subspace of the vector space W 1? (c) Onko W 2 on vektoriavaruuden R 4 aliavaruus? (d) Miksi W 3 ei ole vektoriavaruuden R 4 aliavaruus/why W 3 is not a subspace of the vector space R 4? 5b-kohta VASTAUS: EI. RATKAISU: AA1: Onko W 2 W 1? Esimerkiksi (1, 2, 1, 10) W 2, koska x y+z = = 0. Mutta (1, 2, 1, 10) / W 1, koska x y + z t = Siten W 2 W 1 ; 5c-kohta VASTAUS: ON. RATKAISU: Osoitetaan, että aliavaruusaksiomit ovat voimassa. AA1: 0 = (0, 0, 0, 0) W 2, koska x y + z = = 0. Siten W 2 R 4 ; AA2: Olkoot w 1 = (x 1, y 1, z 1, t 1 ), w 2 = (x 2, y 2, z 2, t 2 ) W 2. Tällöin x 1 y 1 + z 1 = x 2 y 2 + z 2 = 0. Lasketaan w 1 + w 2 = (x 1 + x 2, y 1 + y 2, z 1 + z 2, t 1 + t 2 ) (x 1 + x 2 ) (y 1 + y 2 ) + (z 1 + z 2 ) = x 1 y 1 + z 1 + x 2 y 2 + z 2 = 0, ja joten w 1 + w 2 W 2 ;

4 AA3: Olkoot w = (x, y, z, t) W 2 ja λ R, tällöin Lasketaan joten λ w W 2. x y + z = 0. λ w = (λx, λy, λz, λt) (λx) (λy) + (λz) = λ(x y + z) = 0, 5d-kohta RATKAISU: Koska aksiomi AA2 ei toteudu. Esimerkiksi (1, 0, 0, 0) W 3, koska x y +z 1 = 0. Mutta (1, 0, 0, 0) + (1, 0, 0, 0) = (2, 0, 0, 0) / W 3, sillä = Olkoon V lineaariavaruus kunnan K yli ja v, v 1, v 2 V sekä W 1 = {αv α K}; W 2 = {αv 1 + βv 2 α, β K}. (a) Määritä lineaarinen verho/determine the linear hull v K. (b) Määritä lineaarinen verho v 1, v 2 K. (c) Osoita, että W 1 on vektoriavaruuden V aliavaruus/show that W 1 is a subspace of the vector space V. (d) Onko W 2 on avaruuden V aliavaruus? (e) Onko W 1 on avaruuden W 2 aliavaruus, jos v = v 1 v 2? 7. Olkoon K kunta ja V = K n, n Z +. Merkitään/Let us denote e k = (0,..., 1,..., 0) K n, missä k:s koordinaatti on 1 ja muut nollia aina, kun k = 1, 2,..., n./where the kth coordinate is 1 and the others are zero. Osoita, että vektorit e 1,..., e n ovat lineaarisesti vapaita kunnan K yli./show that the vectors e 1,..., e n are linearly independent over the field K. Ratkaisu. Asetetaan lineaarikombinaatio nollaksi: a 1 e a n e n = 0, a 1, a 2,..., a n 1, a n K, eli a 1 (1, 0, 0,..., 0) + a 2 (0, 1, 0,..., 0) a n (0, 0,..., 0, 1) = (0, 0,..., 0, 0), mistä (a 1, a 2,..., a n 1, a n ) = (0, 0,..., 0, 0). Siten a 1 = a 2 =... = a n 1 = a n = 0. q.e.d. 8. Olkoot F 1 = {f F(R, R) : f(t) = f(t + 2π) t R}; F 2 = {f C(R, R) : f = f}; F 3 = {f F(R, R) : f(π) = 0}. ja

5 (a) Onko F 1 avaruuden F(R, R) aliavaruus? (b) Onko F 2 on avaruuden C(R, R) aliavaruus? Tässä f on funktion f derivaatta. (c) Onko F 3 avaruuden F(R, R) aliavaruus? V: On. 9. Kuuluuko polynomi x 2 joukon/does the polynomial x 2 belong to the linear hull of {x, x 3, x + 2x 2 + 3x 3 } Pol 3 (R, R) lineaariseen verhoon? Ratkaisu: Jos x 2 x, x 3, x + 2x 2 + 3x 3 R, niin on olemassa a, b, c R siten, että x 2 = ax + bx 3 + c(x + 2x 2 + 3x 3 ) = (a + c)x + 2cx 2 + (b + 3c)x 3. Polynomit ovat identtiset, kun vastinpotenssien kertoimet ovat identtiset. Siten saadaan 1 = 2c, 0 = a + c, 0 = b + 3c, josta a = 1/2, b = 3/2, c = 1/2. Todellakin: x 2 = 1 2 x 3 2 x (x + 2x2 + 3x 3 ) x, x 3, x + 2x 2 + 3x 3 R. 10. Olkoon S = {1, x, x 2,..., x k } Pol k (R, R). (a) Osoita, että S on lineaarisesti vapaa/show that S is linearly independent. (b) Osoita, että S R = Pol k (R, R). (c) Osoita, että S on polynomiavaruuden Pol k (R, R) kanta/ Show that S is a base of the polynomial space Pol k (R, R). Ratkaisu: a)+b). (d) Määritä dim R Pol k (R, R). V: k Olkoon W = {p Pol 3 (R, R) : p(1) = p( 1) = 0}. Osoita, että W on avaruuden Pol 3 (R, R) aliavaruus ja määrää dim R W. 12. Olkoon Sym 2 2 (R) = {A M 2 2 (R) : A = A T } symmetristen matriisien joukko/the set of symmetric matrices. (a) Osoita, että Sym 2 2 (R) on avaruuden M 2 2 (R) aliavaruus. (b) Laske dim R M 2 2 (R). V: ( 4. Ratkaisu: ) ( ) ( ) ( ) ( ) a b = a + b + c + d = c d am 1 + bm 2 + cm 3 + dm 4, missä a, b, c, d R. Siten M 2 2 (R) = m 1, m 2, m 3, m 4 R. Osoitetaan vielä, että {m 1, m 2, m 3, m 4 } on lineaarisesti vapaa/r. Asetetaan lineaarikombinaatio ( nollaksi: ) ( ) ( 0 0 α β 0 0 αm 1 + βm 2 + γm 3 + δm 4 =, joten = 0 0 γ δ 0 0 α = β = γ = δ = 0. Täten {m 1, m 2, m 3, m 4 } on matriisiavaruuden M 2 2 (R) kanta ja siten dim R M 2 2 (R) = 4. q.e.d. ). Siispä

6 (c) Laske dim R Sym 2 2 (R). V: 3. Ratkaisu: ( ) ( ) ( ) a b a b a c Olkoon A = Sym c d 2 2 (R) eli A T = A eli =. Siten c d b d c ( = b ja ) a, b, ( d R, ) jolloin ( ) ( ) ( ) a b a b = = a + b + d = c d b d as 1 + bs 2 + ds 3, missä s 1, s 2, s 3 S 2 2 (R). Siten S 2 2 (R) = s 1, s 2, s 3 R. Osoitetaan, että {s 1, s 2, s 3 } on lineaarisesti vapaa/r. Asetetaan lineaarikombinaatio ( ) nollaksi: ( ) ( ) 0 0 α β 0 0 αs 1 +βs 2 +γs 3 =, joten =. Siispä α = β = γ = β γ 0 0 Täten {s 1, s 2, s 3 } on matriisiavaruuden S 2 2 (R) kanta ja siten dim R S 2 2 (R) = 3. q.e.d. 13. Olkoon V reaalinen sisätuloavaruus. Osoita, että reaaliselle sisätulolle pätee/show that for a real inner product holds aina, kun α, β R ja v, u, w, z V. v αw + βz = α v w + β v z, 14. Olkoon n Z +. Määritellään kuvaus asettamalla/let us define a mapping by setting n z w = z w = z k w k k=1 aina, kun z = (z 1,..., z n ), w = (w 1,..., w n ) C n. (a) Osoita, että (C n, ) on kompleksinen sisätuloavaruus. (b) Olkoon z = (i,..., i). Laske z z. V: n. 15. Määritellään kuvaus asettamalla aina, kun x = (x 1, x n ), y = (y 1, y n ). x y = 5 x 1 y 1 + 3x 2 y2 (a) Onko (R 2, ) on reaalinen sisätuloavaruus? Ei. Ratkaisu: Valitaan x = (1, 0), y = (4, 0). Nyt x y = 20 ja y x = 10. Siten sisätulon 1. aksiomi ei toimi. (b) Onko (C 2, ) on kompleksinen sisätuloavaruus? V: Ei. 16. Määritellään kuvaus asettamalla aina, kun x = (x 1, x n ), y = (y 1, y n ). x y = 5x 1 y 1 + 3x 2 y 2

7 (a) Onko (R 2, ) on reaalinen sisätuloavaruus? Seuraavassa x = (x 1, x n ), y = (y 1, y n ), y = (y 1, y n ) R 2 ja r R. V: ON. Ratkaisussa käytetään reaalilukujen laskusääntöjä=kunta-aksiomeja/in the solution we use the laws of real numbers=field axioms. a). x y = y x?. Lasketaan V.P.= x y = 5x 1 y 1 + 3x 2 y 2 = 5y 1 x 1 + 3y 2 x 2 = y x =O.P. q.e.d. b). x + z y = x y + z y?. Lasketaan V.P.= x + z y = (x 1 + z 1, x 2 + z 2 ) (y 1, y 2 ) = 5(x 1 + z 1 )y 1 + 3(x 2 + z 2 )y 2 = 5y 1 x 1 + 3x 2 y 2 + 5z 1 y 1 + 3z 2 y 2 = x y + z y =O.P. q.e.d. c). rx y = r x y?. Lasketaan V.P.= rx y = (rx 1, rx 2 ) (y 1, y 2 ) = 5(rx 1 )y 1 + 3(rx 2 )y 2 = r(5x 1 y 1 + 3x 2 y 2 ) = r x y =O.P. q.e.d. d) x x > 0 aina, kun x 0?. Lasketaan x x = 5x x 2 2. Koska (x 1, x 2 ) (0, 0), niin x 1 0 tai x 2 0. Siten x 2 1 > 0 tai x 2 2 > 0, jolloin 5x x 2 2 > 0. q.e.d. (b) Onko (C 2, ) on kompleksinen sisätuloavaruus? V: EI. 17. Määritellään kuvaus asettamalla aina, kun p, q Pol 2 (R, R). p q = 2 p(k)q(k) k=0 (a) Osoita, että näin saatu kuvaus on avaruuden Pol 2 (R, R) sisätulo. (b) Onko kuvaus avaruuden Pol 3 (R, R) sisätulo? 18. Olkoot n = (1, 0, 1) ja W = {w R 3 : w n = 0}. (a) Osoita, että W on avaruuden R 3 aliavaruus. (b) Määrää aliavaruudelle W jokin kanta. 19. Olkoon V kompleksinen sisätuloavaruus, λ C ja v, w V. (a) Osoita, että v λw = λ v w. Ratkaisu. Lasketaan V.P.= v λw = λw v = λ w v = λ w v = λ v w = λ v w. =O.P. q.e.d. (b) Määrää V: 0. i v w + v i w. (c) Onko tulo v w w v reaaliluku? V: On. Sillä v w w v = v w v w = v w 2.

8 20. Onko joukko A k ortogonaalinen, ja jos, niin onko se ortonormaali, kun/is the set A k orthogonal, and if, is it orthonormal (a) A 1 = {(1, 1, 1), (2, 0, 2), (1, 2, 1)}? (b) A 2 = {(i, 0, 0), (0, i, 0), (0, 0, i)}? (c) A 3 = {( 3, 0, 4, 0, 0), (0, 1, 0, 3, 0), (0, 0, 0, 0, 1)}? Määritellään kuvaus 1 : R 2 R asettamalla x 1 = x 1 + x 2 kaikilla x = (x 1, x 2 ) R 2. Osoita, että 1 on normi. Piirrä joukko {x R 2 : x 1 1}. 22. Olkoon (V, ) normiavaruus. Osoita, että x y x y kaikilla x, y V. 23. Olkoon V reaalinen sisätuloavaruus ja x, y V. Osoita, että x y x + y 2 = x 2 + y Olkoon V reaalinen sisätuloavaruus ja x, y V sellaiset vektorit, joille pätee x = 2, y = 2 ja x + y = 3. Laske vektoreiden x ja y välinen etäisyys x y /Compute the distance x y. 24 V: Olkoot H äärellinen sisätuloavaruus ja S sen ortogonaalinen kanta. (a) Olkoon u H sellainen vektori, että u v kaikilla v S. Osoita, että u = 0. (b) Olkoon A aliavaruuden A H ortogonaalikomplementti. Todista, että A A = {0}. 25b RATKAISU: 1: c A A c A ja c A c c = 0 c = Koska A on aliavaruus, niin 0 A ja aina 0 A. Siten 0 A A. 26. Etsi Gram-Schmidtin menetelmällä aliavaruudelle/find an orthonormal basis for the subspace H = ( 1, 1, 1, 1), (0, 1, 1, 1), (0, 0, 1, 1) ortonormaali kanta. Mitkä ovat vektorin x = (1, 2, 3, 11) koordinaatit löytämässäsi kannassa/what are the coordinates of the vector x = (1, 2, 3, 11) in the base you found? 26 RATKAISU alkuosaan: Ortogonaaliset vektorit ovat w 1 = ( 1, 1, 1, 1); w 2 = 1 4 (1, 5, 3, 3) w 3 = (0, 0, 1, 1).

9 27. Olkoon L lineaarikuvaus/let L be a linear mapping. Osoita, että L(0) = RATKAISU: L(0) = L(0 0) = 0 L0 = Osoita, että nollakuvaus ja identtinen kuvaus ovat lineaarisia/show that zeroand identity mappings are linear. 29. Määritellään kuvaus/let us define L : R 3 R 2, asettamalla/by setting L(x, y, z) = (x, y + z) aina, kun (x, y, z) R 3. Osoita, että kuvaus L lineaarinen? 30. Onko L : R 2 R, L(x 1, x 2 ) = e x 1+x 2 lineaarinen? 30 VASTAUS: EI. Esimerkiksi aksiomi LAb ei päde, kun λ = Onko L : R 2 R, L(x 1, x 2 ) = πx 1 lineaarinen? 31 VASTAUS: ON. 32. Olkoon L : R R sellainen lineaarikuvaus, että L( 7) = 14. Laske L(100). 32 RATKAISU: 14 = L( 7) = ( 7)L(1) L1 = 2 L(100) = 100L1 = Määritellään kuvaus L : R 2 Pol 2 (R, R), asettamalla aina, kun (a, b) R 2. L(a, b) = a + bx (a) Osoita, että kuvaus L on lineaarinen? RATKAISU: L(v + w) = L((a 1, b 1 ) + (a 2, b 2 )) = L(a 1 + a 2, b 1 + b 2 ) = a 1 + a 2 + (b 1 + b 2 )x = a 1 + b 1 x + a 2 + b 2 x = Lv + Lw ja L(rv) = L(r(a, b)) = L(ra, rb) = ra + (rb)x = r(a + bx) = rlv. (b) Määrää Ker L. V: Ker L = {(0, 0)}. (c) Onko L injektio? V: ON. (d) Määrää Im L. V: Im L = {a + bx a, b R} = Pol 1. (e) Onko L surjektio? V: EI. (f) Onko L bijektio? V: EI. (g) Määrää dim Ker L ja dim Im L ja vertaa tulosta dimensiokaavaan/ Determine dim Ker L and dim Im L and compare to the dimension formula. RATKAISU: dim R 2 = 2, dim Ker L = 0, dim Im L = 2.

10 34. Olkoon V reaalinen sisätuloavaruus, dim K V = k Z + ja n V annettu. Määritellään kuvaus L : V R, asettamalla aina, kun x V. L(x) = n x (a) Osoita, että kuvaus L on lineaarinen. (b) Määrää dim Im L. (c) Määrää dim Ker L. 34 RATKAISU: Kohdat 34b ja 34c luentojen III osa: Esimerkki Määritellään lineaarikuvaus L : R 3 R 4, asettamalla L(x) = (x 1 + x 2, x 2 + x 3, x 1 + x 3, x 1 x 2 + x 3 ) aina, kun x = (x 1, x 2, x 3 ) R 3. (a) Määrää Ker L. (b) Onko L injektio? (c) Määrää dim Ker L ja dim Im L (käytä/use dimensiokaavaa). (d) Onko L surjektio? (e) Onko L bijektio? (f) Määrää L:n matriisi [L] E3,E 4 luonnollisten kantojen E 3 = {e 1, e 2, e 3 } R 3 ja E 4 = {e 1, e 2, e 3, e 4 } R 4 suhteen/determine the matrix with respect to standard bases. 35 VASTAUS: vertaa luentojen III osa: Esimerkit 12 ja 13: Ker L = {0}; ON injektio; dim Ker L = 0; dim Im L = 3; EI ole surjektio eikä bijektio; [L] E3,E 4 = Lineaarikuvaksen L matriisi on 0 1 [L] E2,E 4 =

11 Anna kuvaus L muodossa/give the mapping in the form L(x, y) = (a, b, c, d) = ae 1 + be 2 + ce 3 + de RATKAISU: Le 1 = e 2 + 2e 3 + e 4 ; Le 2 = e 1 + e 3 2e 4, L(x, y) = L(xe 1 + ye 2 ) = xle 1 + yle 2 = ye 1 xe 2 + (2x + y)e 3 + (x 2y)e Lineaarikuvaus L : R 3 R 3 toteuttaa ehdot/satisfies the conditions Lu 1 = u 1 u 2 + u 3, L(u 1 u 2 ) = u 1, ja L(u 1 u 2 + u 3 ) = 2u 2 u 3, missä {u 1, u 2, u 3 } on avaruuden R 3 kanta. Laske Lu 2 ja Lu RATKAISU: L(u 1 u 2 ) = u 1, Lu 1 Lu 2 = u 1, Lu 2 = Lu 1 u 1 = u 2 + u 3 ; L(u 1 u 2 + u 3 ) = 2u 2 u 3, Lu 1 Lu 2 + Lu 3 = 2u 2 u 3, Lu 3 = Lu 1 + Lu 2 + 2u 2 u 3 = u 1 + 2u 2 u Olkoon S = sin x, cos x R ja s = {sin x, cos x}. Tutkitaan lineaarikuvausta L : S S, L = D 2 + 2D + I, missä D on derivaattakuvaus/derivative mapping ja I on avaruuden S identtinen kuvaus. Määritä [L] s,s. 38 VASTAUS: [L] s,s = [ ] Näytä, että pisteen t kohtisuora projektio PROJ A (t) = p aliavaruudelle A on yksikäsitteinen/ Show that orthogonal projection PROJ A (t) = p of the point t to the subspace A is unique.

x = 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 );

x = 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/Exercises 2017 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

Lisätiedot

LINEAARIALGEBRA. Harjoituksia/Exercises 2019 Valittuja ratkaisuja/selected solutions

LINEAARIALGEBRA. Harjoituksia/Exercises 2019 Valittuja ratkaisuja/selected solutions LINEAARIALGEBRA Harjoituksia/Exercises 2019 Valittuja ratkaisuja/selected solutions 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n )

Lisätiedot

x = 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 );

x = 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

Lisätiedot

x = 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 );

x = 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

Lisätiedot

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

Osoita, 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,

Lisätiedot

802320A LINEAARIALGEBRA OSA II/PART II

802320A LINEAARIALGEBRA OSA II/PART II 802320A LINEAARIALGEBRA OSA II/PART II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO KEVÄT 2019 LINEAARIALGEBRA 1 / 69 Sisätuloavaruus/Inner product space Määritelmä 1 Olkoon V reaalinen vektoriavaruus.

Lisätiedot

802320A LINEAARIALGEBRA OSA II LINEAR ALGEBRA PART II

802320A LINEAARIALGEBRA OSA II LINEAR ALGEBRA PART II 802320A LINEAARIALGEBRA OSA II LINEAR ALGEBRA PART II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO KEVT 2019 1 Contents 1 Sisätulo- ja normiavaruudet 3 1.1 Sisätuloavaruus/Inner product space..............

Lisätiedot

802320A LINEAARIALGEBRA OSA II/PART II

802320A LINEAARIALGEBRA OSA II/PART II 802320A LINEAARIALGEBRA OSA II/PART II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2017 LINEAARIALGEBRA 1 / 67 Sisätuloavaruus/Inner product space Määritelmä 1 Olkoon V reaalinen vektoriavaruus.

Lisätiedot

802320A LINEAARIALGEBRA OSA II LINEAR ALGEBRA PART II

802320A LINEAARIALGEBRA OSA II LINEAR ALGEBRA PART II 802320A LINEAARIALGEBRA OSA II LINEAR ALGEBRA PART II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2017 Contents 1 Sisätulo- ja normiavaruudet 2 1.1 Sisätuloavaruus/Inner product space..............

Lisätiedot

802320A LINEAARIALGEBRA OSA I

802320A 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

Lisätiedot

802320A LINEAARIALGEBRA OSA III

802320A 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

Lisätiedot

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus. 1 Lineaarikuvaus 1.1 Määritelmä Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V W on lineaarinen, jos (a) L(v + w) = L(v) + L(w); (b) L(λv) = λl(v) aina, kun v, w V ja λ K. Termejä:

Lisätiedot

1 Lineaariavaruus eli Vektoriavaruus

1 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

Lisätiedot

802320A LINEAARIALGEBRA OSA III

802320A LINEAARIALGEBRA OSA III 802320A LINEAARIALGEBRA OSA III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO KEVÄT 2019 LINEAARIALGEBRA 1 / 60 Määritelmä Määritelmä 1 Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V

Lisätiedot

802320A LINEAARIALGEBRA OSA III

802320A LINEAARIALGEBRA OSA III 802320A LINEAARIALGEBRA OSA III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO Syksy 2017 LINEAARIALGEBRA 1 / 59 Määritelmä Määritelmä 1 Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V

Lisätiedot

802320A LINEAARIALGEBRA OSA III LINEAR ALGEBRA PART III

802320A LINEAARIALGEBRA OSA III LINEAR ALGEBRA PART III 802320A LINEAARIALGEBRA OSA III LINEAR ALGEBRA PART III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2017 Contents 1 Lineaarikuvaus 2 1.1 Määritelmä............................ 2 1.2 Matriisiesitys/Matrix

Lisätiedot

802320A LINEAARIALGEBRA OSA II

802320A LINEAARIALGEBRA OSA II 802320A LINEAARIALGEBRA OSA II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 64 Sisätuloavaruus Määritelmä 1 Olkoon V reaalinen vektoriavaruus. Kuvaus on reaalinen

Lisätiedot

1 Sisätulo- ja normiavaruudet

1 Sisätulo- ja normiavaruudet 1 Sisätulo- ja normiavaruudet 1.1 Sisätuloavaruus Määritelmä 1. Olkoon V reaalinen vektoriavaruus. Kuvaus : V V R on reaalinen sisätulo eli pistetulo, jos (a) v w = w v (symmetrisyys); (b) v + u w = v

Lisätiedot

802320A LINEAARIALGEBRA OSA I LINEAR ALGEBRA PART I

802320A LINEAARIALGEBRA OSA I LINEAR ALGEBRA PART I 802320A LINEAARIALGEBRA OSA I LINEAR ALGEBRA PART I Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2017 1 Contents 1 Lineaariavaruus eli Vektoriavaruus 3 1.1 Määritelmä ja esimerkkejä....................

Lisätiedot

802320A LINEAARIALGEBRA OSA I LINEAR ALGEBRA PART I

802320A LINEAARIALGEBRA OSA I LINEAR ALGEBRA PART I 802320A LINEAARIALGEBRA OSA I LINEAR ALGEBRA PART I Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO KEVT 2019 1 Contents 1 Lineaariavaruus eli Vektoriavaruus 3 1.1 Määritelmä ja esimerkkejä....................

Lisätiedot

LINEAARIALGEBRA A 2016 TOMI ALASTE EDITED BY T.M. FROM THE NOTES OF

LINEAARIALGEBRA A 2016 TOMI ALASTE EDITED BY T.M. FROM THE NOTES OF LINEAARIALGEBRA 83A 6 EDITED BY T.M. FROM THE NOTES OF TOMI ALASTE SISÄLTÖ Sisältö Lineaariavaruus eli Vektoriavaruus Sisätuloavaruus 3 Lineaarikuvaus 4 Ominaisarvo 34 5 Esimerkkejä 44 . Lineaariavaruus

Lisätiedot

Lineaarialgebra II P

Lineaarialgebra II P Lineaarialgebra II 89P Sisältö Vektoriavaruus Sisätuloavaruus 8 3 Lineaarikuvaus 5 4 Ominaisarvo 5 Luku Vektoriavaruus Määritelmä.. Epätyhjä joukko V on vektoriavaruus, jos seuraavat ehdot ovat voimassa:.

Lisätiedot

pdfmark=/pages, Raw=/Rotate 90 1 Lineaariavaruus eli Vektoriavaruus Sisätuloavaruus Lineaarikuvaus Ominaisarvo 0-68

pdfmark=/pages, Raw=/Rotate 90 1 Lineaariavaruus eli Vektoriavaruus Sisätuloavaruus Lineaarikuvaus Ominaisarvo 0-68 SISÄLTÖ Sisältö pdfmark=/pages, Raw=/Rotate 90 1 Lineaariavaruus eli Vektoriavaruus 0-1 2 Sisätuloavaruus 0-20 3 Lineaarikuvaus 0-41 4 Ominaisarvo 0-68 5 Esimerkkejä 0-88 1. Lineaariavaruus eli V 1 Lineaariavaruus

Lisätiedot

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

Lineaarialgebra 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.

Lisätiedot

Bijektio. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin jokaiselle alkiolle kuvautuu tasan yksi lähdön alkio.

Bijektio. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin jokaiselle alkiolle kuvautuu tasan yksi lähdön alkio. Määritelmä Bijektio Oletetaan, että f : X Y on kuvaus. Sanotaan, että kuvaus f on bijektio, jos se on sekä injektio että surjektio. Huom. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin

Lisätiedot

Matriisiteoria 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?

Matriisiteoria 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

Lisätiedot

3x + 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

3x + 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)

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot

Lisätiedot

Päättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1

Päättelyn 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

Lisätiedot

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain

Matriisilaskenta, 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

Lisätiedot

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle Olkoon X sisätuloavaruus ja Y X äärellisulotteinen aliavaruus. Tällöin on olemassa lineaarisesti riippumattomat vektorit y 1, y 2,..., yn, jotka

Lisätiedot

1. Normi ja sisätulo

1. Normi ja sisätulo Kurssimateriaalia K3/P3-kursille syksyllä 3 83 Heikki Apiola Sisältää otteita Timo Eirolan L3-kurssin lineaarialgebramonisteesta, jonka lähdekoodin Timo on ystävällisesti antanut käyttööni Normi ja sisätulo

Lisätiedot

Lineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo.

Lineaariavaruudet. 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

Lisätiedot

Kuvaus. Määritelmä. LM2, Kesä /160

Kuvaus. Määritelmä. LM2, Kesä /160 Kuvaus Määritelmä Oletetaan, että X ja Y ovat joukkoja. Kuvaus eli funktio joukosta X joukkoon Y on sääntö, joka liittää jokaiseen joukon X alkioon täsmälleen yhden alkion, joka kuuluu joukkoon Y. Merkintä

Lisätiedot

Kanta ja dimensio 1 / 23

Kanta 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

Lisätiedot

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /310

Lineaarialgebra 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.

Lisätiedot

(1.1) Ae j = a k,j e k.

(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

Lisätiedot

Matemaattinen Analyysi / kertaus

Matemaattinen 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

Lisätiedot

HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina klo

HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina klo HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina 10.8.2015 klo 16.15. Tehtäväsarja I Tutustu lukuun 15, jossa vektoriavaruuden

Lisätiedot

Tehtäväsarja I Kerrataan lineaarikuvauksiin liittyviä todistuksia ja lineaarikuvauksen muodostamista. Sarjaan liittyvät Stack-tehtävät: 1 ja 2.

Tehtäväsarja I Kerrataan lineaarikuvauksiin liittyviä todistuksia ja lineaarikuvauksen muodostamista. Sarjaan liittyvät Stack-tehtävät: 1 ja 2. HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2016 Harjoitus 3 Ratkaisut palautettava viimeistään maanantaina 29.8.2016 klo 13.15. Tehtäväsarja I Kerrataan lineaarikuvauksiin liittyviä

Lisätiedot

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt QR-hajotelma ja pienimmän neliösumman menetelmä Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto PNS-ongelma PNS-ongelma

Lisätiedot

Kertausta: avaruuden R n vektoreiden pistetulo

Kertausta: avaruuden R n vektoreiden pistetulo Kertausta: avaruuden R n vektoreiden pistetulo Määritelmä Vektoreiden v R n ja w R n pistetulo on v w = v 1 w 1 + v 2 w 2 + + v n w n. Huom. Pistetulo v w on reaaliluku! LM2, Kesä 2012 227/310 Kertausta:

Lisätiedot

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

Lineaarialgebra 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.

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt ja pienimmän neliösumman menetelmä Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 18 R. Kangaslampi QR ja PNS PNS-ongelma

Lisätiedot

Avaruuden R n aliavaruus

Avaruuden 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

Lisätiedot

Alkeismuunnokset matriisille, sivu 57

Alkeismuunnokset 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

Lisätiedot

JAKSO 2 KANTA JA KOORDINAATIT

JAKSO 2 KANTA JA KOORDINAATIT JAKSO 2 KANTA JA KOORDINAATIT Kanta ja dimensio Tehtävä Esittele vektoriavaruuden kannan määritelmä vapauden ja virittämisen käsitteiden avulla ja anna vektoriavaruuden dimension määritelmä Esittele Lause

Lisätiedot

Hilbertin avaruudet, 5op Hilbert spaces, 5 cr

Hilbertin avaruudet, 5op Hilbert spaces, 5 cr Hilbertin avaruudet, 5op Hilbert spaces, 5 cr Pekka Salmi 14.3.2015 Pekka Salmi Hilbertin avaruudet 14.3.2015 1 / 64 Yleistä Opettaja: Pekka Salmi, MA327 Kontaktiopetus ti 1012 (L), ke 810 (L), ma 1214

Lisätiedot

Sisätuloavaruudet. 4. lokakuuta 2006

Sisätuloavaruudet. 4. lokakuuta 2006 Sisätuloavaruudet 4. lokakuuta 2006 Tässä esityksessä vektoriavaruudet V ja W ovat kompleksisia ja äärellisulotteisia. Käydään ensin lyhyesti läpi määritelmiä ja perustuloksia. Merkitään L(V, W ) :llä

Lisätiedot

2 / :03

2 / :03 file:///c:/users/joonas/desktop/linis II Syksy /Ratkaisuehdotukse / 8 76 3:3 Kysymys Pisteet,, Määritellään positiivisten reaalilukujen joukossa R + = {x R x > } yhteenlasku ja skalaarikertolasku seuraavasti:

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot

Lisätiedot

6. OMINAISARVOT JA DIAGONALISOINTI

6. 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

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka 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

Lisätiedot

1 Ominaisarvot ja ominaisvektorit

1 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

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot

Lisätiedot

Määritelmä Olkoon T i L (V i, W i ), 1 i m. Yksikäsitteisen lineaarikuvauksen h L (V 1 V 2 V m, W 1 W 2 W m )

Määritelmä Olkoon T i L (V i, W i ), 1 i m. Yksikäsitteisen lineaarikuvauksen h L (V 1 V 2 V m, W 1 W 2 W m ) Määritelmä 519 Olkoon T i L V i, W i, 1 i m Yksikäsitteisen lineaarikuvauksen h L V 1 V 2 V m, W 1 W 2 W m h v 1 v 2 v m T 1 v 1 T 2 v 2 T m v m 514 sanotaan olevan kuvausten T 1,, T m indusoima ja sitä

Lisätiedot

Ominaisvektoreiden lineaarinen riippumattomuus

Ominaisvektoreiden lineaarinen riippumattomuus Ominaisvektoreiden lineaarinen riippumattomuus Lause 17 Oletetaan, että A on n n -matriisi. Oletetaan, että λ 1,..., λ m ovat matriisin A eri ominaisarvoja, ja oletetaan, että v 1,..., v m ovat jotkin

Lisätiedot

Kertausta: avaruuden R n vektoreiden pistetulo

Kertausta: avaruuden R n vektoreiden pistetulo Kertausta: avaruuden R n vektoreiden pistetulo Määritelmä Vektoreiden v R n ja w R n pistetulo on v w = v 1 w 1 + v 2 w 2 + + v n w n. Huom. Pistetulo v w on reaaliluku! LM2, Kesä 2014 164/246 Kertausta:

Lisätiedot

5 Ominaisarvot ja ominaisvektorit

5 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

Lisätiedot

Numeeriset 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 / 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

Ortogonaalisen kannan etsiminen

Ortogonaalisen kannan etsiminen Ortogonaalisen kannan etsiminen Lause 94 (Gramin-Schmidtin menetelmä) Oletetaan, että B = ( v 1,..., v n ) on sisätuloavaruuden V kanta. Merkitään V k = span( v 1,..., v k ) ja w 1 = v 1 w 2 = v 2 v 2,

Lisätiedot

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Idea Lineaarisen systeemin ratkaiseminen Olkoon

Lisätiedot

i=1 Näistä on helppo näyttää ominaisuudet (1)-(4). Ellei toisin mainita, käytetään R n :ssä

i=1 Näistä on helppo näyttää ominaisuudet (1)-(4). Ellei toisin mainita, käytetään R n :ssä Kurssimateriaalia K3/P3-kursille syksyllä 003. 8.0.003 Heikki Apiola Sisältää otteita Timo Eirolan L3-kurssin lineaarialgebramonisteesta, jonka lähdekoodin Timo on ystävällisesti antanut käyttööni.. Normi

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka 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

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra 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

Lisätiedot

4. LINEAARIKUVAUKSET

4. LINEAARIKUVAUKSET 86 4 LINEAARIKUVAUKSET 41 Määritelmä ja esimerkkejä Olkoot V ja V vektoriavaruuksia Tarkastellaan kuvausta L : V V Tällöin jokaiseen vektoriin v V liittyy tietty, L:n ja v:n yksikäsitteisesti määräämä

Lisätiedot

TOOLS. Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO TOOLS 1 / 28

TOOLS. Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO TOOLS 1 / 28 TOOLS Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO 2018 TOOLS 1 / 28 Merkintöjä ja algebrallisia rakenteita Lukujoukkoja N = {0, 1, 2,..., GOOGOL 10,...} = {ei-negatiiviset kokonaisluvut}. TOOLS

Lisätiedot

Demorastitiedot saat demonstraattori Markus Niskaselta Lineaarialgebra (muut ko) p. 1/104

Demorastitiedot 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

Lisätiedot

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Lineaarikombinaatio, 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

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka 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

Lisätiedot

9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista

9. 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

Lisätiedot

Kanta ja Kannan-vaihto

Kanta 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

Lisätiedot

Ensi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/66

Ensi 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

Lisätiedot

Kantavektorien kuvavektorit määräävät lineaarikuvauksen

Kantavektorien kuvavektorit määräävät lineaarikuvauksen Kantavektorien kuvavektorit määräävät lineaarikuvauksen Lause 18 Oletetaan, että V ja W ovat vektoriavaruuksia. Oletetaan lisäksi, että ( v 1,..., v n ) on avaruuden V kanta ja w 1,..., w n W. Tällöin

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-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

Lisätiedot

6. Lineaariset operaattorit

6. Lineaariset operaattorit 96 FUNKTIONAALIANALYYSIN PERUSKURSSI 6. Lineaariset operaattorit Luvussa 5 osoitimme, että Fourier-sarjat suppenevat L 2 -normissa (kts. Seuraus 5.8 sivulla 80). Osoitimme myös, että kun f on jatkuva ja

Lisätiedot

6 MATRIISIN DIAGONALISOINTI

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,

Lisätiedot

Matemaattinen Analyysi, k2011, L2

Matemaattinen Analyysi, k2011, L2 Matemaattinen Analyysi, k2011, L2 Lineaarikombinaatio 1 Esimerkki 1 Olkoon yrityksen A osakkeen arvo 20eja yrityksen B osakkeen arvo 10e. Sijoittaja tarkastelee omaisuutensa rakennetta ryhmittelemällä

Lisätiedot

Lineaariset mollit, kl 2017, Harjoitus 1

Lineaariset mollit, kl 2017, Harjoitus 1 Lineaariset mollit, kl 07, Harjoitus Heikki Korpela 7 huhtikuuta 07 Tehtävä Symmetristä matriisia A(n n) sanotaan positiivisesti definiitiksi (merkitään A > 0), jos x T Ax > 0 kaikilla x 0, x R n (ks monisteen

Lisätiedot

1 Avaruuksien ja lineaarikuvausten suora summa

1 Avaruuksien ja lineaarikuvausten suora summa MAT-33500 Differentiaaliyhtälöt, kevät 2006 Luennot 27.-28.2.2006 Samuli Siltanen 1 Avaruuksien ja lineaarikuvausten suora summa Tämä asialöytyy myös Hirschin ja Smalen kirjasta, luku 3, pykälä 1F. Olkoon

Lisätiedot

Derivaatta: funktion approksimaatio lineaarikuvauksella.

Derivaatta: funktion approksimaatio lineaarikuvauksella. Viikko 5 Tällä viikolla yleistetään R 2 :n ja R 3 :n vektorialgebran peruskäsitteet n-ulotteiseen avaruuteen R n, ja määritellään lineaarikuvaus. Tarkastellaan funktioita, joiden määrittelyjoukko on n-ulotteisen

Lisätiedot

Lineaarialgebra b, kevät 2019

Lineaarialgebra b, kevät 2019 Lineaarialgebra b, kevät 2019 Harjoitusta 4 Maplella with(linearalgebra); (1) Tehtävä 1. Lineaarisia funktioita? a) Asetelma on kelvollinen: lähtö- ja maalijoukko on R-kertoiminen lineaariavaruus ja L

Lisätiedot

Yleiset lineaarimuunnokset

Yleiset lineaarimuunnokset TAMPEREEN YLIOPISTO Pro gradu -tutkielma Kari Tuominen Yleiset lineaarimuunnokset Matematiikan ja tilastotieteen laitos Matematiikka Toukokuu 29 Tampereen yliopisto Matematiikan ja tilastotieteen laitos

Lisätiedot

Mathematicians are like Frenchmen: whatever you say to them they translate into their own language and forthwith it is something entirely

Mathematicians are like Frenchmen: whatever you say to them they translate into their own language and forthwith it is something entirely f ( n) JYVÄSKYLÄN YLIOPISTO Funktionaalianalyysi Sekalaisia harjoituksia MATEMATIIKAN JA TILASTOTIETEEN LAITOS n Jatkuu... Mathematicians are like Frenchmen: whatever you say to them they translate into

Lisätiedot

Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja

Neliömatriisi 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

Lisätiedot

LINEAARIALGEBRA P. LUENTOMONISTE ja HARJOITUSTEHTÄVÄT

LINEAARIALGEBRA P. LUENTOMONISTE ja HARJOITUSTEHTÄVÄT LINEAARIALGEBRA II 802119P LUENTOMONISTE ja HARJOITUSTEHTÄVÄT syksy 2008 30 V SISÄTULOAVARUUKSISTA 1. Sisätulon määritelmä Tarkastellaan sisätulon määrittelyä varten kompleksilukujen joukkoa C = {x + iy

Lisätiedot

Neliömuodoista, matriisin ominaisarvoista ja avaruuden kierroista

Neliömuodoista, matriisin ominaisarvoista ja avaruuden kierroista Neliömuodoista matriisin ominaisarvoista ja avaruuden kierroista Marko Moisio 1 Neliömuodoista ja matriisin ominaisarvoista Tarkastellaan toisen asteen tasokäyrän määräävää yhtälöä a + by 2 + 2cxy = d

Lisätiedot

Lineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi

Lineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi Lineaarikuvaukset aiheita ten ten 1 Matematiikassa sana lineaarinen liitetään kahden lineaariavaruuden väliseen kuvaukseen. ten Määritelmä Olkoon (L, +, ) ja (M, ˆ+, ˆ ) reaalisia lineaariavaruuksia, ja

Lisätiedot

2.5. Matriisin avaruudet ja tunnusluvut

2.5. 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

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra 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

Lisätiedot

sitä vastaava Cliffordin algebran kannan alkio. Merkitään I = e 1 e 2 e n

sitä vastaava Cliffordin algebran kannan alkio. Merkitään I = e 1 e 2 e n Määritelmä 1.1 Algebran A keskus C on joukko C (A) = {a A ax = xa x A}. Lause 1. Olkoon Cl n Cliffordin algebra, jonka generoi joukko {e 1,..., e n }. Jos n on parillinen, niin C (Cl n ) = {λ λ R}. Jos

Lisätiedot

Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218

Lineaarialgebra 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 }.

Lisätiedot

Tällä viikolla viimeiset luennot ja demot. Lineaarialgebra (muut ko) p. 1/162

Tällä 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

Lisätiedot

3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset

3.1 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

Lisätiedot

Lineaarialgebra b, kevät 2019

Lineaarialgebra b, kevät 2019 Lineaarialgebra b, kevät 2019 Harjoitusta 5 Maplella with(linearalgebra): Määritellään sääntö L L := u - 3*u[2] + 2*(u[1]-4*u[2])*x - (u[1]+2*u[3])*x^2; u := Vector([u1,u2,u3]); v := Vector([v1,v2,v3]);

Lisätiedot

Lineaarikuvauksen R n R m matriisi

Lineaarikuvauksen 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:

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot

Lisätiedot

Metriset avaruudet 2017

Metriset avaruudet 2017 Metriset avaruudet 2017 Jouni Parkkonen Merkintöjä N = {0, 1, 2,... } luonnolliset luvut #(A) N { } joukon A alkioiden lukumäärä A B = {a A : a / B} joukkojen A ja B erotus. A B on joukkojen A ja B erillinen

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Lineaarikuvaukset Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 16 R. Kangaslampi Vektoriavaruudet Lineaarikuvaus

Lisätiedot