Sisätuloavaruudet. 4. lokakuuta 2006
|
|
- Tuomas Palo
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 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 lineaarikuvausten V W joukkoa. Yhteenlaskun ja skalaarilla kertomisen (as + bt )(v) = as(v) + bt (v) kanssa L(V, W ) muodostaa vektoriavaruuden. L(V, V ) :n alkioita kutsutaan lineaarioperaattoreiksi ja L(V, C) :n alkioita lineaarisiksi funktionaaleiksi. Vektoriavaruutta L(V, C) sanotaan V :n duaaliavaruudeksi, jota merkitään V. Olkoon B = {e 1,..., e n } V :n kanta. Määritellään funktionaalit f i V, i {1,..., n}, seuraavasti: f i (e j ) = δ ij, 1 j n. Tällöin kaikki funktionaalit f V voidaan esittää muodossa f = f(e i )f i, eli B = {f 1,..., f n } virittää duaaliavaruuden V, ja on itse asiassa sen kanta. Koska V on vektoriavaruus, on silläkin olemassa duaaliavaruus. Olkoon u V ja f V. Kuvaus û : V C : û(f) = f(u) on avaruuden V lineaarinen funktionaali. Lisäksi kuvaus Ψ : V V : Ψ(u) = û on vektoriavaruuksien välinen isomorfismi. Määritelmä 1 Funktio (u, v) : V V C on Sisätulo, jos kaikilla u, v, w V ja a, b C on voimassa 1
2 1. (u, v) = (v, u), 2. (au + bv, w) = a(u, w) + b(v, w), 3. (u, u) > 0, kun u 0. Sisätulolla varustettua vektoriavaruutta kutsutaan sisätuloavaruudeksi. Tästä lähin, ellei muuten mainita, oletetaan että V on n-ulotteinen sisätuloavaruus. Merkitään C m,n :llä kompleksisten m n -matriisien joukkoa. Matriisin A = (a ij ) C m,n konjugaattitranspoosi, merkitään A, on matriisi (a ji ). Matriisin A C n,n jälki, tr(a) = a ii, on C n,n :n lineaarinen funktionaali. Olkoot u = (x 1,..., x n ), v = (y 1,..., y n ) C n. Jos c 1,..., c n ovat positiivisia lukuja, niin (u, v) = c i x i y i on sisätulo C n :ssä. Kun c 1 = = c n = 1, kutsutaan sitä standardiksi sistuloksi tai pistetuloksi. Avaruudessa C m,n standardi sisätulo voidaan kirjoittaa muotoon (A, B) = T r(b, A). Vektorit u, v V ovat kohtisuorassa tai ortogonaaliset, jos (u, v) = 0. Vektorijoukko S V on ortogonaalinen, jos sen vektorit ovat pareittain ortogonaalisia. S on ortonormaali, jos se on ortogonaalinen ja (u, u) = 1 kaikilla u S. Vektorin v normi on v = (v, v). Sisätuloavaruudelle voidaan aina konstruoida ortonormaali kanta, ja mikä tahansa ortononormaali vektorijoukko voidaan laajentaa koko avaruuden ortonormaaliksi kannaksi (Gram-Schmidt -algoritmi). Olkoon W V :n aliavaruus. W :n ortogonaalikomplementti on joukko W = {v V w W : (v, w) = 0}. Myös W on aliavaruus, ja dim(w ) + dim(w ) = dim(v ). Lause 1 Jokaista lineaarista funktionaalia V C kohti on yksikäsitteinen vektori w, s.e. kaikilla v V f(v) = (v, w). 2
3 Lause 2 (Cauchy-Schwarzin epäyhtälö) Kaikilla u, v V on voimassa (u, v) u v, missä yhtäsuuruus on voimassa joss u ja v ovat yhdensuuntaisia. Lause 3 (Parsevalin kaava) u, v V. Tällöin Olkoon {e 1,..., e n } V :n ortonormaali kanta, ja (u, v) = (u, e i )(e i, v). Lause 4 (Besselin epäyhtälö) Olkoon {u 1,..., u k } ortonormaali joukko V :n vektoreita, ja v V. Tällöin v 2 k (v, u i ) 2, missä yhtäsuuruus on voimassa joss v span(u 1,..., u k ). Lause 5 Jokaista operaattoria T L(V, V ) kohti on yksikäsitteinen S L(V, V ) s.e. kaikilla u, v V (T (u), v) = (u, S(v)). Operaattoria S, merkitään T, kutsutaan T :n adjungaatiksi tai liitto-operaattoriksi. Olkoon B = {e 1,..., e n } V :n ortonormaali kanta ja T L(V, V ). Kantavektorien kuvat T (e i ) määrittävät operaattorin T yksikäsitteisesti, joten T voidaan määritellä näiden kuvavektoreiden T (e j ) = a ij u i, 1 j n koordinaattien a ij kokoelmana. Tätä sanotaan T :n matriisiesitykseksi, ja merkitään [T ] = (a ij ). Koska B on ortonormaali, saadaan kertoimille esitys a ij = (T (u j ), u i ). Tällöin (kun B on ortonormaali) huomataan myös, että a ij on T :n matriisiesityksen (j, i)-alkio, joten [T ] = [T ]. Olkoot W 1 ja W 2 V :n aliavaruuksia. Niiden summa on W 1 + W 2 = {w 1 + w 2 w 1 W 1, w 2 W 2 }. Aliavaruuksien summa on suora, merkitään W 1 W 2, jos W 1 W 2 = {0}. Summa on ortogonaalinen, jos W 1 W 2. Tällöin merkitään W 1 W 2. 3
4 Operaattori T L(V, V ) on projektori, jos T = T 2. Olkoon I V L(V, V ) identiteettioperaattori. On helppo huomata, että myös operaattori S = I V T on projektori. Merkitään T :n kuvaa T (V ):llä, siis T (V ) = {T (v) v V }. Huomataan, että V = T (V ) S(V ). Operaattori T L(V, V ) on hermiittinen, tai itseadjungoitu, jos T = T. Hermiittinen projektio on ortogonaaliprojektio. Matriisi A on hermiittinen, jos A = A. Määritellään kuvaus [, ] : V V C seuraavasti: [u, v] = (T (u), v). Milloin tämä kuvaus on sisätulo? Sisätulon määritelmän kohta 2 toteutuu, mutta kohta 1 toteutuu, joss kaikilla u, v V [v, u] = (T (v), u) (1) = (v, T (u)) (2) = (T (u), v). (3) on yhtä kuin [u, v] = (T (u), v). Kohta 1 siis toteutuu joss T on hermiittinen. Kohtaa 3 varten määritellään, että operaattori T on positiividefiniitti, jos kaikilla v V on voimassa (T (v), v) > 0, ja T on positiivisesti semidefiniitti, jos (T (v), v) 0. Merkintä T 0 tarkoittaa, että T on hermiittinen ja positiivisesti semidefiniitti. Huomataan siis, että kuvaus [u, v] = (T (u), v) on sisätulo, joss operaattori T on positiividefiniitti ja hermiittinen. Vastaava määrittely matriiseille: Olkoon A C n,n hermiittinen. A on positiividefiniitti, jos kaikilla x C n,1 on voimassa x Ax > 0, ja vastaavasti positiivisesti semidefiniitti, jos x Ax 0. Merkintä A 0 tarkoittaa, että A on hermiittinen ja positiivisesti semidefiniitti. Olkoon B avaruuden V ortonormaali kanta ja [T ] operaattorin T esitys tässä kannassa. Tällöin T 0 [T ] 0. Lause 6 Olkoot (, ) ja [, ] sisätuloja V :ssä. On olemassa yksikäsitteinen operaattori T L(V, V ) s.e. kaikilla u, v V on voimassa [u, v] = (T (u), v). Operaattori T L(V, V ) on unitaarinen, jos T T = I V. Tällöin siis T on kääntyvä ja T 1 = T. Vastaavasti matriisi U C n,n on unitaarinen, jos U 1 = U. 4
5 Lause 7 (Schurin lause) Jokainen matriisi A C n,n on unitaarisesti similaarinen yläkolmiomatriisin kanssa. Ts. on olemassa unitaarinen matriisi U, jolla U AU on yläkolmiomatriisi. Lause 8 (Spektrilause) Matriisi A C n,n on unitaarisesti similaarinen diagonaalimatriisin kanssa, joss A A = AA. Neliömatriisi A (operaattori T ) on normaali, jos A A = AA (T T = T T ). Jos A = (a ij ) on hermiittinen, niin sen diagonaalialkiot ovat reaalisia. Koska hermiittiset matriisit ovat myös normaaleja, on olemassa unitaarinen matriisi U, jolla U AU = D, missä diagonaalimatriisi D sisältää A:n ominaisarvot. Koska D = (U AU) = U A U = U AU = D, ovat kaikki A:n ominaisarvot reaalisia. Spektrilause voidaan esittää myös muodossa: Operaattori T L(V, V ) on normaali, joss T :n ominaisvektorit muodostavat V :n ortogonaalisen kannan. Matriisin A C n,n arvoalue (field of values) on joukko F (A) = {x Ax x C n,1, x = 1}. Kompleksilukujoukon S = {c 1,..., c n } konveksi peite (convex hull) on joukko {θ 1 c θ n c n θ i 0, θ 1 + θ n = 1}. Lause 9 Jos A C n,n on normaali, niin F (A) on A:n ominaisarvojen konveksi peite. Jos A on lisäksi hermiittinen, ja sen ominaisarvot ovat λ 1 λ n, niin F (A) = [λ n, λ 1 ]. Huomataan, että hermiittinen matriisi A on positiivisesti semidefiniitti joss sillä ei ole negatiivisia ominaisarvoja. (Jätetään Courant-Fischer -lause väliin.) Olkoon A, B C n,n hermiittisiä. A dominoi B:tä, merkitään A B, jos A B 0, eli A B on positiivisesti semidefiniitti. Vastaavasti määritellään myös operaattorien dominointi. Jos A B, niin kaikilla yksikkövektoreilla u on voimassa u Au u Bu. Tästä nähdään, että A:n ja B:n k:nneksi suurimmat ominaisarvot toteuttavat, kaikilla k, λ k (A) λ k (B). Olkoon d(a) jono, jonka alkioina ovat A:n diagonaalialkiot laskevassa järjestyksessä, ja s(a) jono, jossa on A:n ominaisarvot laskevassa järjestyksessä. Tällöin Lause 10 Jos A 0, niin s(a) majoroi d(a):ta. 5
6 Funktiota h : C n,n C : h(a) = kutsutaan Hadamardin funktioksi. Lause 11 (Hadamardin lause) Jos A 0, niin h(a) det(a). Yhtäsuuruus on voimassa joss A on diagonaalimatriisi tai A:ssa on nollarivi ja(?) -sarake. Lause 12 Olkoon A C n,n hermiittinen matriisi, jonka ominaisarvot ovat λ 1 λ n. Olkoon B C r,r matriisin A pääalimatriisi (principal submatrix), jonka ominaisarvot ovat η 1 η r. Tällöin kaikilla k {1,..., r} on voimassa λ k η k λ k+n r Lause 13 Olkoon A C n,n. A 0 joss on olemassa matriisi B s.e. A = B B. n a ii 1 Graafisovelluksia Olkoon G = (V, E) graafi, jonka pisteiden joukko V = {v 1,..., v n }. Määritellään G:n vieruspistematriisi A(G) s.e. a ij = 1, kun viiva (v i, v j ) E, ja muulloin a ij = 0. Olkoon D(G) = diag(d(v 1 ),..., d(v n ) diagonaalimatriisi, jonka diagonaalilla ovat G:n pisteiden asteet. Tällöin matriisia L(G) = D(G) A(G) kutsutaan G:n Laplacen matriisiksi. Huomataan, että kaikilla graafeilla L(G):n rivien alkioiden summat ovat nollia, ja det(l(g)) = 0. Lause 14 Kaikilla graafeilla L(G) 0. Graafin Laplacen matriisi riippuu sen pisteiden numeroinnista. Oleellista eroa ei kuitenkaan synny, sillä Lause 15 Graafit G 1 ja G 2 ovat isomorfiset, joss on olemassa permutaatiomatriisi P s.e. L(G 2 ) = P 1 L(G 1 )P. Huomataan siis, että eräs graafin invarianteista on matriisin L(G) ominaisarvojen monijoukko. 6
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
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,
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
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,
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
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
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
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
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
Singulaariarvohajotelma ja pseudoinverssi
HELSINGIN YLIOPISTO Pro gradu -tutkielma Niko Kaitarinne Singulaariarvohajotelma ja pseudoinverssi Matematiikan ja tilastotieteen laitos Matematiikka Helmikuu 01 Helsingin yliopisto Matematiikan ja tilastotieteen
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:
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
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
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
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
MS-A0003/A Matriisilaskenta Laskuharjoitus 6
MS-A3/A - Matriisilaskenta Laskuharjoitus 6 Ratkaisuehdotelmia. Diagonalisointi on hajotelma A SΛS, jossa diagonaalimatriisi Λ sisältää matriisin A ominaisarvot ja matriisin S sarakkeet ovat näitä ominaisarvoja
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:
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
(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
Ominaisarvo-hajoitelma ja diagonalisointi
Ominaisarvo-hajoitelma ja a 1 Lause 1: Jos reaalisella n n matriisilla A on n eri suurta reaalista ominaisarvoa λ 1,λ 2,...,λ n, λ i λ j, kun i j, niin vastaavat ominaisvektorit x 1, x 2,..., x n muodostavat
Matriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo
Matriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo Antti Rasila 2016 Vektoriavaruuden kannan olemassaolo Jos {v 1, v 2,..., v k } on äärellisulotteisen vektoriavaruuden V lineaarisesti riippumaton
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
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
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
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
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:.
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
Lineaarialgebra 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
1 Tensoriavaruuksista..
1 Tensoriavaruuksista.. Käydään läpi kirjan (1) sivut 126-133. 19.02.2007 Palautetaaieleen viime kerran tärkeä määritelmä: (kirja, Määr. 5.12). Määritelmä 1.1 Olkoon T vektoriavaruus ja Φ : V 1 V 2 V m
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,
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
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
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
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
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
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
Lineaarialgebra, kertausta aiheita
Lineaarialgebra, kertausta aiheita Matriisitulo käänteismatriisi determinantin kehittäminen determinantin ominaisuudet adjungaatti ja Cramerin kaavat yhtälöryhmän eri esitystavat Gauss-Jordan -algoritmi
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.
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
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
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
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
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
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
Ortogonaalinen 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
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
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
Luento 8: Epälineaarinen optimointi
Luento 8: Epälineaarinen optimointi Vektoriavaruus R n R n on kaikkien n-jonojen x := (x,..., x n ) joukko. Siis R n := Määritellään nollavektori = (,..., ). Reaalisten m n-matriisien joukkoa merkitään
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
Ratkaisuehdotukset 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 [
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:
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
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
5 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
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 }.
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
800350A / S Matriisiteoria
800350A / 800693S Matriisiteoria Emma Leppälä Tero Vedenjuoksun luentomonisteen pohjalta 15 syyskuuta 2017 Sisältö 1 Lineaarialgebraa 2 11 Merkintöjä 2 12 Matriisien perusominaisuuksia 4 13 Matriisien
Yleiset lineaarimuunnokset
TAMPEREEN YLIOPISTO Pro gradu -tutkielma Kari Tuominen Yleiset lineaarimuunnokset Matematiikan ja tilastotieteen laitos Matematiikka Toukokuu 29 Tampereen yliopisto Matematiikan ja tilastotieteen laitos
6 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.
BM20A0700, 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
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
ominaisvektorit. 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)
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:
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.
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
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Ominaisarvoteoriaa Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 22 R. Kangaslampi matriisiteoriaa Kertaus: ominaisarvot
Esimerkki 19. Esimerkissä 16 miniminormiratkaisu on (ˆx 1, ˆx 2 ) = (1, 0).
Esimerkki 9 Esimerkissä 6 miniminormiratkaisu on (ˆx, ˆx (, 0 Seuraavaksi näytetään, että miniminormiratkaisuun siirtyminen poistaa likimääräisongelman epäyksikäsitteisyyden (mutta lisääntyvän ratkaisun
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
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
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.
Matriisihajotelmat. MS-A0007 Matriisilaskenta. 5.1 Diagonalisointi. 5.1 Diagonalisointi
MS-A0007 Matriisilaskenta 5. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 25.11.2015 Laskentaongelmissa käsiteltävät matriisit ovat tyypillisesti valtavia.
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
Ortogonaaliset matriisit, määritelmä 1
, määritelmä 1 Määritelmä (a). Neliömatriisi Q on ortogonaalinen, jos Q T Q = I. Määritelmästä voidaan antaa samaa tarkoittavat, mutta erilaiselta näyttävät muodot: Määritelmä (b). n n neliömatriisi Q,
MS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Ominaisarvoteoriaa Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Ominaisarvot Kertaus: ominaisarvot Määritelmä
Luento 8: Epälineaarinen optimointi
Luento 8: Epälineaarinen optimointi Vektoriavaruus R n R n on kaikkien n-jonojen x := (x,..., x n ) joukko. Siis R n := Määritellään nollavektori 0 = (0,..., 0). Reaalisten m n-matriisien joukkoa merkitään
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
Kannan 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
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.
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..............
Insinöörimatematiikka 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
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
Käänteismatriisi 1 / 14
1 / 14 Jokaisella nollasta eroavalla reaaliluvulla on käänteisluku, jolla kerrottaessa tuloksena on 1. Seuraavaksi tarkastellaan vastaavaa ominaisuutta matriiseille ja määritellään käänteismatriisi. Jokaisella
1.1. 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
Matematiikka 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
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
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
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
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..............
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
Vektoriavaruudet MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 17 R. Kangaslampi Vektoriavaruudet
Johdatus 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
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
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
Matematiikka 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
Yhteenlaskun 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
MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42
MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42 Tehtävät 1-4 lasketaan alkuviikon harjoituksissa ryhmissä, ja ryhmien ratkaisut esitetään harjoitustilaisuudessa (merkitty kirjaimella L = Lasketaan).
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.
i=1 Tarkastellaan ensin inversio-ongelman injektiivisyys: Kun vaaditaan, että 0 = M x x 2
Lemma 1. Olkoon V R n lineaarinen aliavaruus. Lineaarisen kuvauksen F : V R m kuvajoukko F (V R m on lineaarinen aliavaruus, joka koostuu lineaarisen kuvauksen F matriisin M pystyvektorien {M i : i 1,...
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
Ominaisarvoon 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) (
Lineaarista projektiivista geometriaa
TAMPEREEN YLIOPISTO Pro gradu -tutkielma Iiris Repo Lineaarista projektiivista geometriaa Informaatiotieteiden yksikkö Matematiikka Marraskuu 2012 Tampereen yliopisto Informaatiotieteiden yksikkö REPO,