Lineaarialgebra b, kevät 2019
|
|
- Esa Hämäläinen
- 5 vuotta sitten
- Katselukertoja:
Transkriptio
1 Lineaarialgebra b, kevät 2019 Harjoitus 2 (ratkaisut osittain Maplella laskien) with(linalg): # linalg-paketin lataus Tehtävä 1. Suhteellisten nopeuksien algebraa: Yhteenlasku Määritellään (taas dyadiseksi) `&o` := (u,v) - (u + v)/(1+u*v/c^2); (1.1) u &o v; (1.2) Osoitetaan, että &o on sisäinen laskutoimitus välillä A := ]-c, c[. ( i ) Selvästi &o on funktio I x I - R. Että se on suljettu välillä A voidaan todistaa laskemalla, ks. SuhteellisetNopeudet/LinearAlgebraOnRelativisticSpeeds.pdf Ehkä tässä riittää vakuuttua katsomalla dynaamista kuviota LAText/OperValilla.htm A1. Kommutatiivisuus on selvä: u &o v = v &o u; (1.3) A2. Liitännäisyys hiukan hankalampi: vasena2 := (u &o v) &o w; (1.4) oikeaa2 := u &o (v &o w); (1.5)
2 vasena2 := simplify(vasena2); (1.6) oikeaa2 := simplify(oikeaa2); Selvästikin ovat samat. Mutta ainakin kaksi tapaa on selvittää asiaa Maplella (yms. systeemeillä): vasena2 - oikeaa2; 0 (1.7) (1.8) simplify(vasena2/oikeaa2); # toinen tapa "todistaa" (mutta mahdolliset nollalla jaot?) 1 (1.9) A3-A4. Neutraalialkio ja vasta-alkiot solve(u &o x = u, x); # onkohan "oikeanpuoleinen" nolla-alkio? 0 (1.10) 0 &o v; # kelpaako myös toisinpäin? v solve(u &o x = 0, x); (1.11) (1.12) (-u) &o u; 0 Neutraalialkio on 0 ja alkion u vasta-alkio on tavallinen vastaluku -u. Tehtävä 2. Suhteellisten nopeuksien algebraa: Skaalaus restart: `&sk` := (a,u) - c*tanh(a*arctanh(u/c)); (1.13) (2.1) a &sk u; (2.2) Nootti Maplen (ja Mathematican yms.) kehittäjille: Ei tanhin käänteisfunktio ole mikään arctanh vaan artanh! (latinasta: area tangens hyperbolicus) A8. 1*u = u kaikilla u välillä A = ]-c, c[? Tosi. Skalaarilla a = 1 kertominen menee päässälaskuna, koska tanh ja artanh ovat käänteisfunktioita! Maplekin osaa: 1 &sk u = u; (2.3) A7. a*(b*u) = (ab)*u? Tämä onkin metkempi juttu. Maplella tämä voi olla hankala, pitäisi osata sopivasti ohjailla?
3 vasena7 := a &sk (b &sk u); oikeaa7 := (a*b) &sk u; (2.4) Vain Mapleen tukeutuva ei saata nähdä, että vasena7 sisältää lausekkeen, jossa käänteisfunktiot "kumoavat toisensa" ja saadaan muuttujan vasena7 arvoksi: c*tanh(a*b*arctanh(u/c)); # eli juuri oikeaa7! (2.5) JATKUU DOKUMENTIN LOPUSSA, aksioomat A5 ja A6. Tehtävä 3. Virittääkö matriisijoukko avaruuden R^(2x2)? Tarkastellaan matriiseja restart; with(linalg): X := matrix([ [1, 2],[2, 3]]); (3.1) Y := matrix([ [-1, 2],[2, -3]]); (3.2) # jatka itse tähän ne kaksi muuta! Z := matrix([ [-3, -1],[-2, 3]]); (3.3) U := matrix([ [5, 8], [10,-9]]); (3.4) Määritellään mielivaltainen 2x2 -matriisi ja muodostetaan lineaarikombinaatioyhtälö A := matrix([[a, b],[c, d]]); (3.5) x*x + y*y + z*z + u*u = A; evalm(%); # pakotetaan auki (3.6)
4 (3.7) Poimitaan tuosta "käsin" yhtälöryhmä ja koetetaan selvittää Gaussilla onko se ratkeava tuntemattomien x, y, z ja u suhteen: R1 := x-y-3*z+5*u = a; R2 := 2*x+2*y-z+8*u = b; R3 := 2*x+2*y-2*z+10*u = c; R4 := 3*x-3*y+3*z-9*u = d; (3.8) R1 := R1; R2 := R2-2*R1; R3 := R3-2*R1; R4 := R4-3*R1; (3.9) R1 := R1; R2 := R2; R3 := R3 - R2; R4 := R4; (3.10) R1 := R1; R2 := R2; R3 := R3; R4 := R4 + 12*R3; (3.11) Yhtälöryhmä on nyt kolmiomuodossa (vakiokertoimia vaille porrasmuodossa), ja viimeisenä on yhtälö. Valitaan nyt vaikkapa ja muut nolliksi! Nähdään, ettei yhtälöryhmällä ole ratkaisua. Annettujen matriisien joukko ei siis riitä virittämään.
5 Tehtävä 4. Yksi muiden lineaarikombinaationa? restart; with(linalg): # matriisit kopioiden yltä tai uudelleen kirjoittamalla Kokeillaan voidaanko nollamatriisi esittää näiden lineaarikombinaationa: x*x + y*y + z*z + u*u = O. Jos jees, niin mitenkä? Silloin nimittäin se tai ne niistä, joiden kerroin ei ole nolla, voidaan esittää muiden lineaarikombinaationa! Määritellään siis 2x2 -nollamatriisi (iso O): O := # nollamatriisi tähän! isoo := matrix([[0, 0], [0,0]]); (4.1) x*x + y*y + z*z + u*u = isoo;# mitä? evalm(%); (4.2) (4.3) R1 := x-y-3*z+5*u = 0; R2 := 2*x+2*y-z+8*u = 0; R3 := 2*x+2*y-2*z+10*u = 0; R4 := 3*x-3*y+3*z-9*u = 0; R1 := R1; R2 := R2-2*R1; R3 := R3-2*R1; R4 := R4-3*R1; (4.4) R1 := R1; R2 := R2; R3 := R3 - R2; R4 := R4; (4.5)
6 (4.6) R1 := R1; R2 := R2; R3 := R3; R4 := R4 + 12*R3; (4.7) solve({r1,r2,r3,r4}, {x,y,z}); Tästä voidaan valita u = 1, x = -1, y = -2 ja z = 2, jolloin (4.8) evalm((-1)*x + (-2)*Y + 2*Z + 1*U); (4.9) Tästä nähdään, että mikä tahansa matriiseista voidaan esittää muiden avulla (siis ratkaista yhtälöstä (-1)*X + (-2)*Y + 2*Z + 1*U = O). Tehtävä 5. a) Joukko lineaarisesti riippumaton ja virittää joukon? b) Lineaarikombinaatioesitys polynomille a) Lineaarinen riippumattomuus ja viritys: restart: with(linalg): Warning, the protected names norm and trace have been redefined and unprotected map(assume, [a,b,c], real): # reaaliskalaarit nollaf := x - 0; p := x x; q := x x; r := x - x^2-2*x; (5.1) (5.2) Taas lineaarikombinaatio nerkitään nollaksi (nollafunktioksi): a*p(x) + b*q(x) + c*r(x) = nollaf(x); (5.3) VY0 := collect(%,x); # järjestellään termit (5.4)
7 solve({c = 0, a - b - 2*c = 0, a + b = 0}); # pitää olla nollapolynomi Warning, solve may be ignoring assumptions on the input variables. Siis polynomit ovat lineaarisesti riippumattomat. Toinen tapa: Wronskilla (jota ei saa kylläkään käyttää tällä kurssilla) M := [1 + x, 1 - x, x^2-2*x]; Käytetään käskyn viivästämistä 'det', jotta saadaan näkyviin mitä pitää laskea: 'det'(wronskian(m,x)) = det(wronskian(m,x)); # ei ole nolla! (5.5) (5.1.1) (5.1.2) Kokeillaan, löytyykö sopivat skalaarit, joilla saadaan esitetyksi mielivaltainen 2. asteen polynomi Pmv := x - u + v*x + w*x^2; (5.6) a*p(x) + b*q(x) + c*r(x) = Pmv(x); (5.7) Näiden erotus pitäisi olla nollafunktio sopivilla skalaareilla: a*p(x) + b*q(x) + c*r(x) - Pmv(x) = nollaf(x); collect(%,x); # kertoimien pitää olla nollia Nyt kertoimista saadaan yhtälöryhmä solve({ c - w = 0, a - b - 2*c - v = 0, a + b - u = 0}, {a,b,c}); Warning, solve may be ignoring assumptions on the input variables. (5.8) (5.9) (5.10) Viritys on totta, koska a, b ja c voitiin ratkaista (tietysti niistä tulee kertoimista u, v ja w riippuvat). b) Lineaarikombinaation ja annetun polynomin erotuksen pitää olla nolla kaikilla x, joten YHT5b := c1*(1 + x) + c2*(1 - x) + c3*(x^2-2*x) - (2*x^2-4*x - 3) = 0; (5.11) collect(yht5b,x); (5.12) kertoimet5b := solve({c3-2 = 0, c1-c2+4-2*c3 = 0, c1+c2+3 = 0},
8 {c1,c2,c3}); (5.13) Tarkastus sijoittamalla: (-3/2)*(1+x) + (-3/2)*(1-x) + 2*(x^2-2*x); (5.14) Tehtävä 6. Funktiojoukko a) Sopiva perusavaruus esimerkiksi C(]0, ),R). Tällöin ei muuten pidä sijoittaa alempana nollaa eikä negatiivisia arvoja x:lle! Voitaisiin valita myös F(R \ {0}, R), jolloin saisi sijoittaa myös negatiivisia arvoja. restart: with(linalg): Warning, the protected names norm and trace have been redefined and unprotected Määritellään funktiot: f[1] := x - 1; f[2] := x - 1/x; f[3] := x - 1/x^2; f[4] := x - 1/x^3; lineaarisesti riippumaton b) Lineaarinen riippumattomuus: muodostetaan lineaarikombinaatio LK6 := x - c1*f[1](x) + c2*f[2](x) + c3*f[3](x) + c4*f[4](x); (6.1) (6.2) YR6 := {seq(subs(x = k, LK6(x)) = 0, k = 1..4)}; # sijoitukset x = 1,2,3,4 (6.3) solve(yr6); Funktiot ovat siis lineaarisesti riippumattomia. c) Funktion u, jolle (6.4) u(x) =, kuuluminen viritettyyn aliavaruuteen tarkoittaa sitä, että se voidaan esittää annettujen funktioiden lineaarikombinaationa. Tässä asia onkin helppo: u := x - 1/x^2*(x^2+1); (6.5)
9 (6.5) expand(u(x)); (6.6) Näin ollen u =. Siis u on joukossa [U] =. v := x - f[2](x)*f[4](x); simplify(v(x)); 1 x 4 (6.7) Onko nyt olemassa kerroinskalaarit, joille kaikilla x olisi VY := c1*f[1](x) + c2*f[2](x) + c3*f[3](x) + c4*f[4](x) = v(x); (6.8) Kokeillaan sopivilla positiivisilla arvoilla x neljää yhtälöä: R1 := subs(x = 1, VY); R2 := subs(x = 1/2, VY); R3 := subs(x = 1/3, VY); R4 := subs(x = 1/4, VY); solve({r1,r2,r3,r4}); (6.9) (6.10) Eipä saatu näillä toivottua tulosta, ettei ole ratkaisua. Mutta lisätään yhtälöitä: R1 := subs(x = 1, VY); R2 := subs(x = 1/2, VY); R3 := subs(x = 1/3, VY); R4 := subs(x = 1/4, VY); R5 := subs(x = 1/5, VY); (6.11) solve({r1,r2,r3,r4,r5}); # Maple ei anna ratkaisua,mutta mitä se
10 meinaa... Varmistetaan Gaussilla: R1 := R1; R2 := R2 - R1; R3 := R3 - R1; R4 := R4 - R1; R5 := R5 - R1; (6.12) R1 := R1; R2 := R2; R3 := R3-2*R2; R4 := R4-3*R2; R5 := R5-4*R2; (6.13) R1 := R1; R2 := R2; R3 := R3; R4 := R4-6/2*R3; R5 := R5-12/2*R3; (6.14) R5 := R5-24/6*R4; Tulihan se sieltä! Yhtälöryhmällä ei ole ratkaisua, joten funktio v, 'v(x)' = v(x); (6.15) (6.16) ei ole joukossa [U]. Olisi toinenkin tapa: Osoittaa joukko lineaarisesti riippumattomaksi, jolloin yhtäkään noista (erityisesti funktiota v) ei voi esittää muiden lineaarikombinaationa. Se sujuisi samaan tapaan kuin kohta b), viidellä eri pisteellä kylläkin. Tehtävä 7. Kannan Määritelmää käyttäen a) On kanta. Määritellään vektorit u1, u2 ja u3 sekä nollavektori nollav ja testivektori x: with(linalg): u1 := vector([5,4,1]); u2 := vector([3,-2,1]);
11 u3 := vector([3,3,1]); (7.1.1) nollav := vector([0,0,0]); x := vector([x1,x2,x3]); # mielivaltainen "testivektori" (7.1.2) Muodostetaan taas yhtälöryhmät student-paketin equate-käskyllä: with(student); (7.1.3) YR7a := equate(evalm(c1*u1 + c2*u2 + c3*u3), nollav); solve(yr7a,{c1,c2,c3}); (7.1.4) (7.1.5) Siis vektorijoukko U = {u1, u2, u3} on lineaarisesti riippumaton. Toiseksi viritys: ratkeaako c1*u1 + c2*u2 + c3*u3 = x kaikilla x in R^3? YRViritys := equate(evalm(c1*u1+c2*u2+c3*u3), x); (7.1.6) solve(yrviritys, {c1, c2, c3}); (7.1.7) Yhtälöryhmä on ratkeava; siis U myös virittää :n. Tällöin jokainen vektori voidaan esittää vain yhdellä tavalla, joten [1, 3, 5] saadaan vain arvoilla subs({x1 = 1, x2 = 3, x3 = 5},%); (7.1.8) b) Ei ole kanta. Se on nimittäin lineaarisesti riippuva. Määritelmän mukaan: v1 := vector([2,3,1]); v2 := vector([5,3,2]); v3 := vector([2,1,2]); v4 := vector([0,1,0]); nollav := vector([0,0,0]);
12 (7.2.1) YR7b := equate(evalm(c1*v1 + c2*v2 + c3*v3 + c4*v4), nollav); (7.2.2) solve(yr7b,{c1,c2,c3}); (7.2.3) Voidaan siis valita esimerkiksi c4 = 11, jolloin c1 = -6, c2 = 2, c3 = 1 ja -6v1 + 2v2 + v3 + 11v4 = nollavektori (tarkasta!) Entä annetun vektorin (1 3 5)^T esittäminen? Määritellään siis: b := vector([1,3,5]); (7.2.4) Koska yhtälöryhmästä (taas vektoriyhtälö muunnetaan yhtälöryhmäksi) YResitys := equate(evalm(c1*v1 + c2*v2 + c3*v3 + c4*v4), b); (7.2.5) tulee alimäärätty ja epähomogeeninen, teoriamme ei sano muuta kuin, että esittäminen ei onnistu lainkaan tai onnistuu äärettömän monella tavalla. Yksi keino olisi tietysti koettaa jättää yksi vektoreista pois, ja näyttää jäljelle jäänyt kannaksi (jos vain onnistuu!). Silloin esittäminen onnistuu tietysti myös joukon V avulla, ja tapoja on äärettömästi. Mutta voidaan tehdä suoraan esimerkiksi: 1) viemällä yhtälöryhmä porrasmuotoon ja katsomalla ettei tule ristiriitaisia yhtälöitä. 2) kylmästi ratkaisemalla yhtälöryhmä: solve(yresitys,{c1,c2,c3}); # ratkeaako? (7.2.6) Kyllä ratkeaa! Pystyvektori (1 3 5)^T voidaan esittää äärettömän monella tavalla, koska c4 voi olla mikä vain ja yllä olevien sijoittaminen lineaarikombinaatioon tuottaa: evalm(subs(%, c1*v1 + c2*v2 + c3*v3 + c4*v4)); (7.2.7) Jatkoa tehtäviin 1 ja 2: Suhteellisten nopeuksien lineaariavaruus Axiom A5: Perhaps more difficult with Maple. But let us try using the original operations &o and &sk: restart; assume(c 0); additionally(-c < u, u < c, -c < v, v < c); assume(a, real), assume(b, real); `&o` := (u,v) - (u + v)/(1+u*v/c^2); (8.1.1)
13 (8.1.1) u &o v; (8.1.2) `&sk` := (a,u) - c*tanh(a*arctanh(u/c)); (8.1.3) a &sk u; (8.1.4) lefta5 := a &sk (u &o v); (8.1.5) righta5 := (a &sk u) &o (a &sk v); (8.1.6) simplify(lefta5 - righta5); # try these first! (8.1.7) expand(lefta5 - righta5); # does not help! (8.1.8) Direct approach does not help in Maple. Lets do some conversions in representations: use lefta5 := convert(lefta5,exp); # exponential function (8.1.9)
14 (8.1.9) lefta5 := convert(lefta5,ln); # natural logarithm (8.1.10) lefta5 := simplify(lefta5); (8.1.11) righta5 := convert(righta5, exp); (8.1.12) righta5 := convert(righta5, ln); (8.1.13) righta5 := simplify(righta5); (8.1.14) lefta5; (8.1.15) difference := lefta5 - righta5; (8.1.16) We have showns (!) that the system is a linear space! Axiom A6: lefta6 := (a + b) &sk u; (8.2.1) lefta6 := simplify(convert(lefta6,exp)); (8.2.2)
15 (8.2.2) lefta6 := simplify(convert(lefta6,ln)); (8.2.3) righta6 := (a &sk u) &o (b &sk u); (8.2.4) righta6 := simplify(convert(righta6,exp)); (8.2.5) righta6 := simplify(convert(righta6,ln)); (8.2.6) lefta6; (8.2.7) lefta6 - righta6; 0 (8.2.8)
Lineaarialgebra a, kevät 2018
Lineaarialgebra a, kevät 2018 Harjoitusta 4 Maplella restart; with(linalg): Warning, the protected names norm and trace have been redefined and unprotected Osassa seuraavista on temppuiltu Maplella, eikä
LisätiedotLineaarialgebra 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]);
LisätiedotLineaarialgebra a, kevät 2019 Harjoitus 6 (ratkaisuja Maple-dokumenttina) > restart; with(linalg): # toteuta ihan aluksi!
Lineaarialgebra a, kevät 2019 Harjoitus 6 (ratkaisuja Maple-dokumenttina) restart; with(linalg): # toteuta ihan aluksi! Tehtävä 1. Säännöllisyys yhdellä yhtälöllä Koska matriisit A ja B ovat neliömatriiseja
LisätiedotLineaarialgebra b, kevät 2019
Lineaarialgebra b, kevät 2019 Harjoitusta 4 Maplella with(linearalgebra); (1) Tehtävä 1. Lineaarisia funktioita? a) Asetelma on kelvollinen: lähtö- ja maalijoukko on R-kertoiminen lineaariavaruus ja L
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
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.
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
LisätiedotKotilaskut 1 yms. Maple:lla Maple 2017 versio. Työarkkien yhteensopivuus taaksepäin ei ole taattu!
Lineaarialgebra a, kevät 2018 Kotilaskut 1 yms. Maple:lla Maple 2017 versio. Työarkkien yhteensopivuus taaksepäin ei ole taattu! Klikkaa kappaleet auki kolmiosta restart; # Tämä unohduttaa aikaisemmat
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
LisätiedotMatikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/210
Matikkapaja keskiviikkoisin klo 14-16 Lineaarialgebra (muut ko) p. 1/210 Lineaarialgebra (muut ko) p. 2/210 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v 2
LisätiedotLineaarialgebra a, kevät 2019
Lineaarialgebra a, kevät 2019 Kotilaskut 1 yms. Maple:lla Tämä on vanha Maple 6 -versio, joka avautunee uudemmissa - kuten Maple 2018 - Classic Worksheet - versiona. Työarkkien yhteensopivuus taaksepäin
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
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
LisätiedotLineaarialgebra a, kevät 2018
Lineaarialgebra a, kevät 2018 Harjoitusta 3, ratkaisuista with(linalg); (1) Tehtävä 1. Nuukailua ja merkintöjä A := matrix([[4,-2,-2,3], [5,2,5,2], [6,1,3,4], [1,-2,3,8], [2,-4,5,2]]): B := matrix([[1,2],
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
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
LisätiedotLineaarialgebra (muut ko)
Lineaarialgebra (muut ko) p. 1/103 Lineaarialgebra (muut ko) Tero Laihonen Lineaarialgebra (muut ko) p. 2/103 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v
LisätiedotKanta ja Kannan-vaihto
ja Kannan-vaihto 1 Olkoon L vektoriavaruus. Äärellinen joukko L:n vektoreita V = { v 1, v 2,..., v n } on kanta, jos (1) Jokainen L:n vektori voidaan lausua v-vektoreiden lineaarikombinaationa. (Ts. Span(V
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
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 )
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
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
LisätiedotTalousmatematiikan perusteet: Luento 9
Talousmatematiikan perusteet: Luento 9 Vektorien peruslaskutoimitukset Lineaarinen riippumattomuus Vektorien sisätulo ja pituus Vektorien välinen kulma Motivointi Tähän asti olemme tarkastelleet yhden
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
LisätiedotVektoreiden virittämä aliavaruus
Vektoreiden virittämä aliavaruus Määritelmä Oletetaan, että v 1, v 2,... v k R n. Näiden vektoreiden virittämä aliavaruus span( v 1, v 2,... v k ) tarkoittaa kyseisten vektoreiden kaikkien lineaarikombinaatioiden
Lisätiedot7 Vapaus. 7.1 Vapauden määritelmä
7 Vapaus Kuten edellisen luvun lopussa mainittiin, seuraavaksi pyritään ratkaisemaan, onko annetussa aliavaruuden virittäjäjoukossa tarpeettomia vektoreita Jos tällaisia ei ole, virittäjäjoukkoa kutsutaan
Lisätiedotx = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );
LINEAARIALGEBRA Harjoituksia/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
Lisätiedots = 11 7 t = = 2 7 Sijoittamalla keskimmäiseen yhtälöön saadaan: k ( 2) = 0 2k = 8 k = 4
BM0A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 5, Syksy 05. (a) i. Jotta vektori c sijaitsisi a:n ja b:n virittämällä tasolla, c on voitava esittää a:n ja b:n lineaarikombinaationa. c ta + sb
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.
LisätiedotLineaarialgebra ja matriisilaskenta I
Lineaarialgebra ja matriisilaskenta I 23.5.2013 HY / Avoin yliopisto Jokke Häsä, 1/22 Käytännön asioita Ensimmäiset tehtävät olivat sujuneet hyvin. Kansilehdet on oltava mukana tehtäviä palautettaessa,
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
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
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.
LisätiedotVektorien virittämä aliavaruus
Vektorien virittämä aliavaruus Esimerkki 13 Mikä ehto vektorin w = (w 1, w 2, w 3 ) komponenttien on toteutettava, jotta w kuuluu vektoreiden v 1 = (3, 2, 1), v 2 = (2, 2, 6) ja v 3 = (3, 4, 5) virittämään
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 +
Lisätiedot8 KANNAT JA ORTOGONAALISUUS. 8.1 Lineaarinen riippumattomuus. Vaasan yliopiston julkaisuja 151
Vaasan yliopiston julkaisuja 151 8 KANNAT JA ORTOGONAALISUUS KantaOrthogon Sec:LinIndep 8.1 Lineaarinen riippumattomuus Lineaarinen riippumattomuus on oikeastaan jo määritelty, mutta kirjoitamme määritelmät
LisätiedotYhtälöryhmät 1/6 Sisältö ESITIEDOT: yhtälöt
Yhtälöryhmät 1/6 Sisältö Yhtälöryhmä Yhtälöryhmässä on useita yhtälöitä ja yleensä myös useita tuntemattomia. Tavoitteena on löytää tuntemattomille sellaiset arvot, että kaikki yhtälöt toteutuvat samanaikaisesti.
LisätiedotLineaarialgebra a, kevät 2018
Lineaarialgebra a, kevät 2018 Harjoitusta 2, mm. Maplella restart; # unohduttaa aikaisemmat asiat Maplen muistista with(linalg); # lataa lineaarialgebraan liittyviä Maplefunktioita (1) Tehtävä 1. Yhtälöryhmien
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
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
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
LisätiedotMatriisialgebra harjoitukset, syksy 2015
Matriisialgebra harjoitukset, syksy 25 MATRIISIALGEBRA, s. 25, Ratkaisuja/ M.Hamina 2. Virittääkö vektorijoukko S vektoriavaruuden V seuraavissa tapauksissa. a V = R 3 ja S = {(, 4,3,(,3,,(3, 5,,(,2, 2}.
Lisätiedot802118P Lineaarialgebra I (4 op)
802118P Lineaarialgebra I (4 op) Tero Vedenjuoksu Oulun yliopisto Matemaattisten tieteiden laitos 2012 Lineaarialgebra I Yhteystiedot: Tero Vedenjuoksu tero.vedenjuoksu@oulu.fi Työhuone M206 Kurssin kotisivu
LisätiedotInsinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut
Insinöörimatematiikka D, 29.3.2016 4. laskuharjoituksien esimerkkiratkaisut 1. Olkoon u (4,0,4,2) ja v ( 1,1,3,5) vektoreita vektoriavaruudessa R 4. Annetun sisätulon (x,y) indusoima normi on x (x,x) ja
LisätiedotLineaarialgebra ja matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä)
Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe 26.10.2017 Ratkaisuehdotus 1. (35 pistettä) (a) Seuraavat matriisit on saatu eräistä yhtälöryhmistä alkeisrivitoimituksilla. Kuinka monta ratkaisua yhtälöryhmällä
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
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
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
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:
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)
LisätiedotMatriisi-vektori-kertolasku, lineaariset yhtälöryhmät
Matematiikan peruskurssi K3/P3, syksy 25 Kenrick Bingham 825 Toisen välikokeen alueen ydinasioita Alla on lueteltu joitakin koealueen ydinkäsitteitä, joiden on hyvä olla ensiksi selvillä kokeeseen valmistauduttaessa
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
LisätiedotYleiset lineaarimuunnokset
TAMPEREEN YLIOPISTO Pro gradu -tutkielma Kari Tuominen Yleiset lineaarimuunnokset Matematiikan ja tilastotieteen laitos Matematiikka Toukokuu 29 Tampereen yliopisto Matematiikan ja tilastotieteen laitos
LisätiedotKuvaus. Määritelmä. LM2, Kesä /160
Kuvaus Määritelmä Oletetaan, että X ja Y ovat joukkoja. Kuvaus eli funktio joukosta X joukkoon Y on sääntö, joka liittää jokaiseen joukon X alkioon täsmälleen yhden alkion, joka kuuluu joukkoon Y. Merkintä
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
LisätiedotMatemaattinen Analyysi, s2016, L2
Matemaattinen Analyysi, s2016, L2 riippumattomuus, 1 Esimerkkejä esimerkki Dieetti-välipala 1: Opiskelija Ken Obi on dieetillä. Lenkin jälkeen Ken pysähtyy välipalalle. Dieetin mukaan hänen pitäisi saada
LisätiedotMatemaattinen Analyysi / kertaus
Matemaattinen Analyysi / kertaus Ensimmäinen välikoe o { 2x + 3y 4z = 2 5x 2y + 5z = 7 ( ) x 2 3 4 y = 5 2 5 z ) ( 3 + y 2 ( 2 x 5 ( 2 7 ) ) ( 4 + z 5 ) = ( 2 7 ) yhteys determinanttiin Yhtälöryhmän ratkaiseminen
LisätiedotLineaarialgebra a, kevät 2018 Harjoitusta 5 Maplella
Lineaarialgebra a, kevät 2018 Harjoitusta 5 Maplella Tehtävä 1. Determinantti = 0, kun 2 samaa saraketta restart; with(linalg): Induktiotodistus matriisin koon ( ) suhteen. Väite. Jos ja n x n -matriisissa
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
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
LisätiedotRatkaisuehdotukset LH 7 / vko 47
MS-C34 Lineaarialgebra, II/7 Ratkaisuehdotukset LH 7 / vko 47 Tehtävä : Olkoot M R symmetrinen ja positiividefiniitti matriisi (i) Näytä, että m > ja m > (ii) Etsi Eliminaatiomatriisi E R siten, että [
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
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
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
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
LisätiedotLineaarialgebra ja matriisilaskenta I. 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 }.
LisätiedotOminaisarvoon 4 liittyvät ominaisvektorit ovat yhtälön Ax = 4x eli yhtälöryhmän x 1 + 2x 2 + x 3 = 4x 1 3x 2 + x 3 = 4x 2 5x 2 x 3 = 4x 3.
Matematiikan ja tilastotieteen laitos Lineaarialgebra ja matriisilaskenta II Ylimääräinen harjoitus 6 Ratkaisut A:n karakteristinen funktio p A on λ p A (λ) det(a λi ) 0 λ ( λ) 0 5 λ λ 5 λ ( λ) (( λ) (
LisätiedotOminaisarvo ja ominaisvektori
Määritelmä Ominaisarvo ja ominaisvektori Oletetaan, että A on n n -neliömatriisi. Reaaliluku λ on matriisin ominaisarvo, jos on olemassa sellainen vektori v R n, että v 0 ja A v = λ v. Vektoria v, joka
LisätiedotTalousmatematiikan perusteet: Luento 8. Vektoreista ja matriiseista Vektorien peruslaskutoimitukset Lineaarinen riippumattomuus Vektorien sisätulo
Talousmatematiikan perusteet: Luento 8 Vektoreista ja matriiseista Vektorien peruslaskutoimitukset Lineaarinen riippumattomuus Vektorien sisätulo Motivointi Esim. Herkkumatikka maksaa 50 /kg. Paljonko
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.....................
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
Lisätiedotplot(f(x), x=-5..5, y=-10..10)
[] Jokaisen suoritettavan rivin loppuun ; [] Desimaalierotin Maplessa on piste. [] Kommentteja koodin sekaan voi laittaa # -merkin avulla. Esim. #kommentti tähän [] Edelliseen tulokseen voi viitata merkillä
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
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
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
LisätiedotLineaarinen toisen kertaluvun yhtälö
Lineaarinen toisen kertaluvun yhtälö Keijo Ruotsalainen Mathematics Division Lineaarinen toisen kertaluvun differentiaaliyhtälö Toisen kertaluvun täydellinen lineaarinen yhtälö muotoa p 2 (x)y + p 1 (x)y
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
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
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 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
Lisätiedotx = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );
LINEAARIALGEBRA Harjoituksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla
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
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
Lisätiedot5 Lineaariset yhtälöryhmät
5 Lineaariset yhtälöryhmät Edellisen luvun lopun esimerkissä päädyttiin yhtälöryhmään, jonka ratkaisemisesta riippui, kuuluuko tietty vektori eräiden toisten vektorien virittämään aliavaruuteen Tämäntyyppisiä
LisätiedotLINEAARIALGEBRA. 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 )
LisätiedotJAKSO 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
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
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
Lisätiedotx = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );
LINEAARIALGEBRA Ratkaisuluonnoksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla
Lisätiedot= 2±i2 7. x 2 = 0, 1 x 2 = 0, 1+x 2 = 0.
HARJOITUS 1, RATKAISUEHDOTUKSET, YLE11 2017. 1. Ratkaise (a.) 2x 2 16x 40 = 0 (b.) 4x 2 2x+2 = 0 (c.) x 2 (1 x 2 )(1+x 2 ) = 0 (d.) lnx a = b. (a.) Toisen asteen yhtälön ratkaisukaavalla: x = ( 16)± (
LisätiedotJohdatus lineaarialgebraan
Johdatus lineaarialgebraan Osa I Jokke Häsä, Lotta Oinonen, Johanna Rämö 9 heinäkuuta 2013 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 1 Avaruuksien R 2 ja R 3 vektorit 4 11 Kaksiulotteisen
LisätiedotJohdatus matemaattiseen päättelyyn
Johdatus matemaattiseen päättelyyn Maarit Järvenpää Oulun yliopisto Matemaattisten tieteiden laitos Syyslukukausi 2015 1 Merkintöjä 2 Todistamisesta 2 3 Joukko-oppia Tässä luvussa tarkastellaan joukko-opin
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
LisätiedotSuorista ja tasoista LaMa 1 syksyllä 2009
Viidennen viikon luennot Suorista ja tasoista LaMa 1 syksyllä 2009 Perustuu kirjan Poole: Linear Algebra lukuihin I.3 - I.4 Esko Turunen esko.turunen@tut.fi Aluksi hiukan 2 ja 3 ulotteisen reaaliavaruuden
LisätiedotLINEAARIALGEBRA a. Martti E. Pesonen. Epsilon ry maaliskuuta 2016
LINEAARIALGEBRA a Martti E Pesonen Epsilon ry - 30 maaliskuuta 206 LUKIJALLE Lineaarialgebran kursseja edeltäviksi opinnoiksi suositellaan jotain lukion matematiikkaa teoreettiselta kannalta täydentävää
LisätiedotOppimistavoitematriisi
Oppimistavoitematriisi Lineaarialgebra ja matriisilaskenta I Arvosanaan 1 2 riittävät Arvosanaan 5 riittävät Yhtälöryhmät (YR) Osaan ratkaista ensimmäisen asteen yhtälöitä ja yhtälöpareja Osaan muokata
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisinormi, häiriöalttius Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 14 R. Kangaslampi matriisiteoriaa Matriisinormi
Lisätiedot802320A LINEAARIALGEBRA OSA III LINEAR ALGEBRA PART III
802320A LINEAARIALGEBRA OSA III LINEAR ALGEBRA PART III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2017 Contents 1 Lineaarikuvaus 2 1.1 Määritelmä............................ 2 1.2 Matriisiesitys/Matrix
Lisätiedot