Informaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen

Koko: px
Aloita esitys sivulta:

Download "Informaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen"

Transkriptio

1 Informaatiotieteiden yksikkö Lineaarialgebra 1A Pentti Haukkanen Puhtaaksikirjoitus: Joona Hirvonen

2 . 2

3 Sisältö 1 Matriisit, determinantit ja lineaariset yhtälöryhmät Matriisin määritelmä Matriisien laskutoimitukset Matriisialgebraa Determinantti Kofaktori Käänteismatriisin kaava ja olemassaolo Lineaariset yhtälöryhmät Lineaariset yhtälöryhmät matriiseilla Vektorialgebraa Geometriset vektorit Vektoriavaruus R n, n Z Vektorialgebraa vektoriavaruudessa R n Vektoreiden skalaaritulo eli pistetulo Määritelmä Algebrallisia ominaisuuksia Geometrisia ominaisuuksia Projektio Vektoritulo eli ristitulo Määritelmä Algebrallisia ominaisuuksia Geometrisia ominaisuuksia Skalaarikolmitulo Vektorikolmitulot Analyyttistä geometriaa: suoran ja tason yhtälöt Suora avaruudessa R Suora avaruudessa R Taso avaruudessa R

4 Luku 1 Matriisit, determinantit ja lineaariset yhtälöryhmät 1.1 Matriisin määritelmä Määritelmä Matriisi on suorakulmainen taulukko muotoa a 11 a a 1n a 21 a a 2n A =.....,. a m1 a m2... a mn jossa m on rivien lukumäärä ja n on sarakkeiden lukumäärä. Lukuja a ij sanotaan matriisin alkioiksi tai elementeiksi. Matriisin A koko eli kertaluku on m n. Sanotaan, että A on m n matriisi. Matriisia voidaan lyhyesti merkitä A = [a ij ]. Huomautus. Luonnollisesti m, n Z +. Huomautus. Mikäli matriisin koko halutaan kirjoittaa näkyviin, käytetään merkintää a 11 a a 1n a 21 a a 2n A m n = [a ij ] m n = a m1 a m2... a mn Huomautus. Matriisit A ja B ovat samat, jos ja vain jos ne ovat samankokoisia ja a ij = b ij aina, kun i = 1, 2,..., m ja j = 1, 2,..., n. Esimerkki Matriisi A = on 3 4 matriisi, jossa esimerkiksi a 21 = 4 ja a 12 = 5. 4 m n

5 Merkintä. Joukko R m n on kaikkien reaalialkioisten m n matriisien joukko. Määritelmä Kokoa n n oleva matriisi on neliömatriisi. Neliömatriisin alkioita a 11, a 22,..., a nn kutsutaan diagonaalialkioiksi. Jos a ij = 0, kun i j, niin A on diagonaalimatriisi ja sitä merkitään notaatiolla A = diag(a 11,..., a nn ). Esimerkki Matriisi on 3 3 neliömatriisi, jonka diagonaalialkiot ovat 1, 4 ja 1. Tämä matriisi ei ole diagonaalimatriisi. Esimerkki Matriisi on 3 3 neliömatriisi, jonka diagonaalialkiot ovat 3, 5 ja 0. Tämä matriisi on diagonaalimatriisi. Määritelmä Matriisin alimatriisi on sellainen matriisi, joka saadaan poistamalla alkuperäisestä matriisista rivejä ja/tai sarakkeita. Alkuperäinen matriisi on myös itsensä alimatriisi. Esimerkki Matriisin [ 1 2 ] alimatriiseja ovat mm. [ ] 1 0, [ 1 2 ], [0] Matriisien laskutoimitukset Määritelmä (Matriisien summa). Olkoot A ja B samaa kokoa olevia matriiseja. Silloin niiden summa A + B on A + B = [a ij + b ij ]. Toisin sanoen matriisit lasketaan alkioittain yhteen. Esimerkki Lasketaan [ ] [ ] = [ ] ( 1) = [ ]

6 Esimerkki Summaa [ ] ei ole määritelty. Määritelmä (Matriisin kertominen skalaarilla). Olkoon A matriisi ja c R skalaari. Niiden tulo ca on ca = [ca ij ]. Toisin sanoen matriisi A kerrotaan alkioittain skalaarilla c. Esimerkki Lasketaan = 5 ( 1) 5 2 = Huomautus. Skalaarilla kertominen on aina määritelty. Määritelmä (Matriisien tulo). Olkoon A m r matriisi ja B r n matriisi. Niiden tulo AB on m n matriisi [ r ] AB = a ik b kj. k=1 Toisin sanoen AB = C, missä c ij = r k=1 a ik b kj. Esimerkki Olkoon ja A = [ ] B = Silloin [ ] ( 1) AB = ( 1) ( 1) ( 1) ( 1) [ ] =

7 Esimerkki Olkoon ja A = B = [ ] Tällöin AB ei ole määritelty, sillä A on 2 2 matriisi ja B on 3 2 matriisi, mutta 2 3. Huomautus. (Ks. pykälä 1.8.) Lineaarinen yhtälöryhmä { a1 x + b 1 y = c 1 voidaan kirjoittaa matriisimuodossa a 2 x + b 2 y = c 2 [ a1 b 1 a 2 b Matriisialgebraa ] [ ] x = y [ ] c1 Lause Olkoot A, B, C R m n. Silloin (1) A + B = B + A (2) (A + B) + C = A + (B + C). Todistus. Valitaan mielivaltaiset A, B, C R m n. Todistetaan ensin kohta (1). Nyt A + B = [a ij ] + [b ij ] = [a ij + b ij ] = [b ij + a ij ] = [b ij ] + [a ij ] = B + A, joten kohta (1) on todistettu. Todistetaan sitten kohta (2). Nyt joten kohta (2) on todistettu. c 2 (A + B) + C = ([a ij ] + [b ij ]) + [c ij ] = [a ij + b ij ] + [c ij ] = [(a ij + b ij ) + c ij ] = [a ij + (b ij + c ij )] = [a ij ] + [b ij + c ij ] = [a ij ] + ([b ij ] + [c ij ]) = A + (B + C),. 7

8 Lause Matriisitulo on assosiatiivinen, tarkemmin sanottuna kun kertolaskut ovat määriteltyjä. Todistus. Harjoitustehtävä. (AB)C = A(BC), Huomautus. Matriisien tulo ei ole kommutatiivinen eli vaihdannainen, toisin sanoen on olemassa sellaiset matriisit A ja B, että Esimerkki Olkoon ja Tällöin mutta AB BA. A = B = AB = BA = [ ] [ ] [ ] 0 1, 0 0 [ ] Esimerkki Olkoon A R 2 3 ja B R 3 3. Tällöin tulo AB on määritelty, mutta tulo BA ei ole määritelty. Lause (Osittelulait). Olkoon A R n r, ja olkoot B, C R r m. Tällöin (1) A(B + C) = AB + AC. Olkoon A R r m, ja olkoot B, C R n r. Tällöin (2) (B + C)A = BA + CA. Todistus. Todistetaan kohta (1). Oletetaan sitä varten, että A R n r ja B, C R r m. Tällöin A(B + C) = [a ij ] ([b ij ] + [c ij ]) = [a ij ] [b ij + c ij ] [ r ] = a ik (b kj + c kj ) k=1 [ r ] r = a ik b kj + a ik c kj k=1 k=1 [ r ] [ r ] = a ik b kj + a ik c kj k=1 k=1 = [a ij ] [b ij ] + [a ij ] [c ij ] = AB + AC, 8

9 joten kohta (1) on saatu todistettua. Kohta (2) on harjoitustehtävä. Lause Olkoot A, B R m n ja a, b R. Tällöin (1) a(a + B) = aa + ab (2) (a + b)a = aa + ba (3) a(ba) = (ab)a (4) 1A = A. Todistus. Harjoitustehtävä. Lause Olkoon A R m n, B R n k ja a R. Tällöin Todistus. Harjoitustehtävä. (aa)b = A(aB) = a(ab). Määritelmä (Nollamatriisi). Sellaista m n matriisia, jonka jokainen alkio on 0, sanotaan m n nollamatriisiksi. Tätä matriisia merkitään symbolilla 0 m n tai lyhyemmin 0. Toisin sanoen 0 = [0] m n. Lause Olkoon A R m n, ja olkoon 0 m n nollamatriisi. Tällöin A + 0 = 0 + A = A. Todistus. Oletetaan, että A R m n ja että 0 on m n nollamatriisi. Tällöin A + 0 = [a ij ] + [0] = [a ij + 0] = [a ij ] = A. Lauseen nojalla puolestaan A + 0 = 0 + A. Siis on saatu, että A + 0 = 0 + A = A. Huomautus. Nollamatriisi on yksikäsitteinen. Huomautus. On olemassa sellaiset matriisit A 0 ja B 0, että AB = 0. Määritelmä Matriisin A vastamatriisi B on sellainen matriisi, että A + B = B + A = 0. Merkitään B = A. 9

10 Lause Olkoon A matriisi. Tällöin A = [ a ij ] Todistus. Oletetaan, että A on matriisi. Tällöin A + [ a ij ] = [a ij ] + [ a ij ] = [a ij + ( a ij )] = [0] = 0. Kommutatiivisuuden perusteella [ a ij ] + A = 0, joten määritelmän nojalla [ a ij ] = A. Huomautus. Vastamatriisi on aina olemassa ja se on yksikäsitteinen. Määritelmä (Erotus). Olkoot A, B R m n. Matriisien erotus A B on A B = A + ( B). Lause Olkoot A, B R m n. Tällöin Todistus. Harjoitustehtävä. Esimerkki Lasketaan [ ] A B = [a ij b ij ]. [ ] 4 1 = 1 4 [ ] Määritelmä Identiteettimatriisi on n n diagonaalimatriisi, jonka jokainen diagonaalialkio on 1. Merkitään I n n, I n tai I. Esimerkki Esimerkiksi I 2 = [ ] ja I 3 = Huomautus. Identiteettimatriisia voidaan kutsua myös identtiseksi matriisiksi tai yksikkömatriisiksi. Lause Olkoon A R n n. Tällöin AI n = I n A = A. 10

11 Todistus. Oletetaan, että A R n n. Tällöin [ n ] AI n = a ik i kj k=1 = [a i1 i 1j a ij i jj a in i nj ] = [a i a ij a in 0] = [ a ij ] = [a ij ] = A, joten AI n = A. Vastaavasti saadaan, että I n A = A. Määritelmä (Käänteismatriisi). Olkoon A neliömatriisi. Silloin B on matriisin A käänteismatriisi, jos AB = BA = I. Jos tällainen B on olemassa, niin sanotaan, että A on kääntyvä. Esimerkki Olkoon ja Tällöin AB = [ ] [ ] A = = B = [ 2 ] [ ] [ ] 1 0 = I = 0 1 [ Siis matriisi A on kääntyvä ja B on sen käänteismatriisi. ] [ ] 2 5 = BA. 1 3 Lause Jos käänteismatriisi on olemassa, se on yksikäsitteinen. Todistus. Oletetaan, että A on kääntyvä matriisi ja B, C ovat sen käänteismatriiseja. Tällöin AB = BA = I ja Nyt AC = CA = I. B = IB = (CA)B = C(AB) = CI = C. Siis käänteismatriisi on yksikäsitteinen. 11

12 Merkintä. Kääntyvän matriisin A käänteismatriisia merkitään symbolilla A 1. Huomautus. Kun A on matriisi, niin ja kun A on neliömatriisi, niin A + 0 = A, A + ( A) = 0, AI = A ja AA 1 = I, kun A on kääntyvä. Vastaavasti kun a on reaaliluku, niin a + 0 = a, a + ( a) = 0, ja a1 = a ja aa 1 = 1, kun a 0. Lause Olkoot A ja B kääntyviä matriiseja. Silloin (a) AB on kääntyvä, (b) (AB) 1 = B 1 A 1. Todistus. Oletetaan, että A ja B ovat kääntyviä matriiseja. Siis on olemassa matriisit A 1 ja B 1. Nyt ja (AB)(B 1 A 1 ) = A(BB 1 )A 1 = AIA 1 = AA 1 = I (B 1 A 1 )(AB) = B 1 (A 1 A)B = B 1 IB = B 1 B = I, joten B 1 A 1 on matriisin AB käänteismatriisi. Siis AB on kääntyvä eli kohta (a) pätee ja (AB) 1 = B 1 A 1 eli kohta (b) pätee. Määritelmä Olkoon A neliömatriisi ja n Z +. Tällöin (a) A 0 = I, (b) A n = AA n 1 = (c) A n = (A 1 ) n = n kpl {}}{ A A, n kpl {}}{ A 1 A 1, kun A on kääntyvä. Lause Olkoon A kääntyvä matriisi. Silloin (a) A 1 on kääntyvä ja (A 1 ) 1 = A, (b) A n on kääntyvä ja (A n ) 1 = (A 1 ) n, n Z + {0}, (c) (ka) 1 = 1 k A 1, kun k 0. 12

13 Todistus. Kohdat (a) ja (b) ovat harjoitustehtäviä. Todistetaan kohta (c). Oletetaan, että A on kääntyvä matriisi ja k R, k 0. Nyt (ka)( 1 k A 1 ) = (k 1 k )(AA 1 ) = 1I = I ja ( 1 k A 1 )(ka) = ( 1 k k)(a 1 A) = 1I = I, joten (ka) 1 = 1 k A 1. Määritelmä (Transpoosi). Olkoon A = [a ij ] m n matriisi. Sen transpoosi on sellainen n m matriisi B, että Merkitään B = A T. b ij = a ji. Esimerkki Olkoon 1 2 A = Tällöin ja A T = [ ] (A T ) T = = A. Lause Olkoot A ja B kussakin kohdassa sopivan kokoisia matriiseja, ja olkoon k R skalaari. Silloin (a) (A T ) T = A, (b) (A + B) T = A T + B T, (c) (ka) T = ka T, (d) (AB) T = B T A T. Todistus. Kohdat (a), (b) ja (c) ovat harjoitustehtäviä. Todistetaan tässä kohta (d). Oletetaan sitä varten, että A on m n-matriisi ja B on n k- matriisi. Silloin AB on m k-matriisi ja sen alkio paikassa ij (ts. rivillä i ja sarakkeella j) on r a ik b kj, k=1 13

14 joten matriisi (AB) T on k n-matriisi, jonka alkio paikassa ij on r a jk b ki. k=1 Merkitään A T = [c ij ] ja B T = [d ij ]. Silloin A T on n m-matriisi ja B T on k n-matriisi, joten B T A T on k n-matriisi, jonka alkio paikassa ij on r d ik c kj. k=1 Nyt c kj = a jk ja d ik = b ki. Näin ollen matriisin B T A T alkio paikassa ij on r a jk b ki. k=1 Siis matriisit (AB) T ja B T A T ovat samaa kokoa ja niiden alkiot paikassa ij ovat samat. Täten (AB) T = B T A T. Määritelmä Matriisia A sanotaan symmetriseksi, jos Esimerkki Matriisi on symmetrinen. A T = A. a d e d b f e f c Huomautus. Vain neliömatriisi voi olla symmetrinen. 1.4 Determinantti Määritelmä Olkoon A n n matriisi. Sen determinantti on det A = sgn(j 1,..., j n )a 1j1 a 2j2 a njn, (j 1,...,j n) missä (j 1,..., j n ) käy läpi kaikki joukon {1, 2,..., n} permutaatiot. Huomautus. Determinantin määritelmä ei kuulu tämän kurssin vaatimuksiin. Se käsitellään tarkemmin kurssilla Algebra 1. Merkintä. Matriisin A determinanttia merkitään notaatioilla det A ja A. Huomautus. Reaalialkioisen matriisin determinantti on kuvaus R n n R. Huomautus. Seuraavassa luvussa tarkastellaan determinantin laskemista ja sen ominaisuuksia ns. kofaktoriesityksen avulla. Huomautus. Determinanttia käytetään muun muassa käänteismatriisien laskemiseen, yhtälöryhmien ratkaisemiseen ja tilavuuksien määrittämiseen. 14

15 1.5 Kofaktori Määritelmä Olkoon A neliömatriisi, ja olkoot 1 i, j n. Silloin minori M ij on sellaisen matriisin determinantti, joka saadaan poistamalla i. rivi ja j. sarake matriisista A. Lukua ( 1) i+j M ij sanotaan (alkion a ij ) kofaktoriksi. Merkitään C ij = ( 1) i+j M ij. Esimerkki Olkoon Saadaan esimerkiksi, että A = M 11 = 4 8 ja C 11 = ( 1) 1+1 M 11 = M 11. Saadaan myös, että 3 4 M 32 = 2 6 ja C 32 = ( 1) 3+2 M 32 = M 32. Lause (Kofaktoriesitys 1. rivin suhteen). Olkoon A n n neliömatriisi. Tällöin det A = a 11 C 11 + a 12 C a 1n C 1n. Todistus. Sivuutetaan. Huomautus. Kofaktoriesitys voidaan toteuttaa muiden kuin 1. rivin suhteen. Lause Olkoon A = [a] 1 1. Silloin Todistus. Sivuutetaan. Lause Olkoon 2 2 matriisi. Silloin Todistus. Harjoitustehtävä. det A = a. [ ] a b A = c d det A = ad bc. Esimerkki Lasketaan [ ] 1 0 det = = ja det [ ] 1 2 = =

16 Esimerkki Olkoon Silloin det A = A = = 3 C C C 13 = 3( 1) ( 1) ( 1) = 3 1 ( 10) + 1 ( 1) = 40. Lause Olkoon A 3 3 matriisi. Silloin det A voidaan laskea kaavalla det A = a 11 a 22 a 33 + a 12 a 23 a 31 + a 13 a 21 a 32 a 13 a 22 a 31 a 11 a 23 a 32 a 12 a 21 a 33. Todistus. Harjoitustehtävä. Esimerkki Lasketaan = = Määritelmä (Kolmiomatriisi). Neliömatriisi A = [a ij ] on yläkolmiomatriisi, jos jokainen alkio diagonaalin alapuolella on 0. Toisin sanoen a ij = 0, kun i > j. Neliömatriisi A = [a ij ] on alakolmiomatriisi, jos jokainen alkio diagonaalin yläpuolella on 0. Toisin sanoen a ij = 0, kun i < j. Ylä- ja alakolmiomatriisit ovat kolmiomatriiseja. Esimerkki Matriisi on yläkolmiomatriisi. Matriisi on alakolmiomatriisi. Matriisi a b c 0 d e 0 0 f a 0 0 b c 0 d e f a b c on diagonaalimatriisi ja tällöin sekä ylä- että alakolmiomatriisi. 16

17 Lause Jos A on kolmiomatriisi, niin det A = a 11 a 22 a nn Todistus. Todistetaan 3 3 alakolmiomatriisille. Yleinen tapaus voidaan todistaa induktiolla. Olkoon A 3 3 alakolmiomatriisi. Merkitään a 0 0 A = b c 0. d e f Nyt a 0 0 b c 0 = a C C C 13 d e f c 0 = a e f = a(cf 0e) = acf. Lause (Rivioperaatiot). 1) Olkoon A matriisi, joka saadaan matriisista A vaihtamalla kahden rivin paikkaa keskenään. Silloin det A = det A. 2) Olkoon A matriisi, joka saadaan matriisista A kertomalla yksi rivi skalaarilla k R. Silloin det A = k det A. 3) Olkoon A matriisi, joka saadaan matriisista A lisäämällä yksi rivi vakiolla kerrottuna toiseen riviin. Silloin Todistus. Luennot ja harjoitukset. det A = det A. Esimerkki Lasketaan = = = = ( 1) 5 1 = 5. 17

18 Seuraus. Rivioperaatioiden lisäksi voidaan käyttää sararakeoperaatioita samaan tapaan. Lause (Nollarivi). Olkoon A neliömatriisi, jonka jokin rivi koostuu pelkistä nollista. Silloin det A = 0. Todistus. Oletetaan, että A on neliömatriisi, jonka jokin rivi koostuu pelkistä nollista. Jos nollarivi ei ole ensimmäinen rivi, niin olkoon A matriisi, joka on saatu matriisista A vaihtamalla nollarivi ja ensimmäinen rivi keskenään. Tällöin det A = det A = (0 C C C 1n) = 0 = 0. Jos nollarivi on ensimmäinen rivi, niin det A = 0 C C C 1n = 0. Lause Olkoon A neliömatriisi. Silloin det A = det A T. Todistus. Seuraa määritelmistä. Sivuutetaan. Lause (Tulon determinantti). Olkoot A ja B samankokoisia neliömatriiseja. Silloin det(ab) = det A det B. Todistus. Sivuutetaan yleisessä tapauksessa. Esimerkki Olkoon A neliömatriisi. Tällöin det A 2 = (det A)(det A) = (det A) 2 0. Lause Olkoot A,B,C R n n sellaiset matriisit, että c 1j = a 1j + b 1j, j = 1, 2,..., n, ja a ij = b ij = c ij, kun i = 2, 3,..., n, j = 1, 2,..., n. Silloin det C = det A + det B. Todistus. Saadaan kofaktoriesityksestä. Huomautus. Rivin 1 sijasta voidaan tarkastella muutakin riviä tai saraketta. Esimerkki Lauseen perusteella = Huomautus. Yleensä det(a + B) det A + det B. 18

19 1.6 Käänteismatriisin kaava ja olemassaolo Määritelmä Matriisin A R n n adjungaatti on C 11 C C n1 adj A = [C ij ] T C 12 C C n2 = C 1n C 2n... C nn Lause Olkoon A neliömatriisi ja det A 0. Silloin A 1 = 1 adj A. det A Todistus. Oletetaan, että A on sellainen neliömatriisi, että det A 0. Merkitään [C ij ] T = [d ij ]. Tällöin A(adj A) = [a ij ] [C ij ] T = [a ij ] [d ij ] [ r = = ] a ik d kj k=1 [ r = B. ] a ik C jk k=1 Tarkastellaan matriisin B alkioita. Jos i = j, niin Jos i j, niin r b ii = a ik C ik = det A. k=1 r b ij = a ik C jk = det A, k=1 missä A on matriisi, joka on saatu matriisista A korvaamalla j. rivi i. rivillä. Tällöin matriisin A i. ja j. rivi ovat samat, joten det A = 0. Siis Nyt det A det A... 0 A(adj A) =.... = (det A)I det A 1 A( det A 1 1 adj A) = (A(adj A)) = (det A)I = I det A det A ja vastaavasti ( 1 det A adj A)A = I, joten adj A = A 1. 19

20 Esimerkki Olkoon A = Tällöin det A = 40 ja C 11 = ( 1) = 10 C 12 = ( 1) = 10 C 13 = ( 1) = 20. Vastaavasti saadaan, että C 21 = 5, C 22 = 15, C 23 = 10, C 31 = 2, C 32 = 6, C 33 = 4, jolloin adj A = Siis A 1 = Lause Neliömatriisi A on kääntyvä, jos ja vain jos det A 0. Todistus. Olkoon A neliömatriisi. Oletetaan ensin, että A on kääntyvä. Tällöin A 1 on olemassa. Nyt AA 1 = I det(aa 1 ) = det I (det A)(det A 1 ) = 1, joten det A 0. Oletetaan sitten, että det A 0. Tällöin lauseen nojalla käänteismatriisi on olemassa ja näin ollen A on kääntyvä. Esimerkki Olkoon ja Silloin A = B = [ ] [ ] det A = 1 0, 20

21 joten A on kääntyvä, mutta joten B ei ole kääntyvä. Seuraus. Jos A on kääntyvä, niin det B = 0, det A 1 = 1 det A. Todistus. Oletetaan, että A on kääntyvä. Tällöin det A 0. Lauseen todistuksen nojalla (det A)(det A 1 ) = 1, joten tästä saadaan, että det A 1 = 1 det A. Esimerkki Olkoot A, B R n n sellaisia, että BA = I. Silloin B = A 1. Todistus. Oletetaan, että A, B R n n ja BA = I. Nyt BA = I det(ba) = det I det B det A = 1, joten det A 0. Siis A 1 on olemassa. Tällöin BA = I (BA)A 1 = IA 1 B(AA 1 ) = A 1 BI = A 1 B = A Lineaariset yhtälöryhmät Määritelmä Lineaarinen yhtälöryhmä on muotoa a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2. a m1 x 1 + a m2 x a mn x n = b m, missä 21

22 luvut x 1, x 2,..., x n ovat tuntemattomia muuttujia, termit a ij ovat vakiokertoimia, ij on indeksi, termit b i ovat vakiotermejä. Huomautus. Määritelmässä yhtälöitä on siis m kappaletta ja tuntemattomia muuttujia n kappaletta. Huomautus. Jos tuntemattomia muuttujia on kolme, merkitään niitä usein symboleiden x 1, x 2, x 3 sijaan symboleilla x, y, z. Jos tuntemattomia muuttujia on kaksi, merkitään niitä usein symboleiden x 1, x 2 sijaan symboleilla x, y. Huomautus. Lineaarisen yhtälöryhmän yhtälöt koostuvat siis vakiolla kerrotuista muuttujista, joita on laskettu yhteen, sekä vakiotermeistä. Esimerkki Esimerkiksi x + 2y + 3z = 2 x + y + 2z = 1 2x + 3y z = 2 on lineaarinen yhtälöryhmä, jossa on kolme tuntematonta muuttujaa ja kolme yhtälöä. Esimerkki Yhtälöryhmät { x + xy = 1 x + 2y = 5 ja { x + y = 3 x y = sin x ovat eivät ole lineaarisia, mutta yhtälöryhmät { x + y = 3 x y = 2x ja { x + y = 5 ovat lineaarisia. 2y z = 2 Ratkaiseminen. Yhtälöryhmän ratkaisemisessa käytetään seuraavia elementaarisia rivioperaatioita: 22

23 1. Yhtälö voidaan kertoa puolittain nollasta eroavalla vakiolla. 2. Kahden yhtälön paikkaa voidaan vaihtaa. 3. Yhden yhtälön puolittainen monikerta voidaan lisätä puolittain toiseen yhtälöön. Esimerkki Ratkaistaan yhtälöryhmä { x + 3y = 3 x 6y = 3. Tehdään ratkaisu ensin niin, että eliminoidaan y toisesta yhtälöstä. Tällöin { x + 3y = 3 x 6y = 3 +2I { x + 3y = 3 3x = { x + 3y = 3 x = 1 x = 1 { 1 + 3y = 3 x = 1 { 3y = x = 1 { y = 2 3 x = 1. Toisaalta voitaisiin ratkaista yhtälöryhmä eliminoimalla x ensimmäisestä yhtälöstä. Tällöin { x + 3y = 3 II x 6y = 3 { 9y = 6 x 6y = 3. Ylemmästä yhtälöstä saadaan, että y = 2, jolloin sijoittamalla tämä toiseen 3 yhtälöön saadaan x = 6y 3 = = 4 3 = 1. 23

24 Tarkistetaan ratkaisun oikeellisuus sijoittamalla se alkuperäiseen yhtälöryhmään. Saadaan = = 3, = 1 4 = 3, joten ratkaisu on oikein. Esimerkki Ratkaistaan yhtälöryhmä x + 2y + 3z = 2 x + y + 2z = 1 2x + y + z = 1. Saadaan x + 2y + 3z = 2 x + y + 2z = 1 2x + y + z = 1 y + z = 1 x + y + 2z = 1 x z = 0 +I y + z = 1 x + y + 2z = 1 Yhtälöryhmän ratkaisu on siis x + y = 1 y + z = 1 II II +III 2z = x + y = 1 y + z = 1 z = 0 z = 0 x + y = 1 y = 1 z = 0 x + y = 1 y = 1. y = 1 z = 0 x = 0. x = 0 y = 1 z = 0. 24

25 Esimerkki Ratkaistaan yhtälöryhmä { x + 2y + 3z = 2 Saadaan x + y + 2z = 1. { x + 2y + 3z = 2 II x + y + 2z = 1 { y + z = 1 x + y + 2z = 1 { y + z = 1 x + z = 0. I Merkitään z = t, jolloin saadaan ensimmäisestä yhtälöstä y = 1 t ja toisesta yhtälöstä x = t. Siis yhtälöryhmän ratkaisuksi saadaan x = t y = 1 t, t R. z = t Huomautus. Käytännössä lineaarisia yhtälöryhmiä ratkotaan usein matemaattisilla ohjelmistoilla, esimerkiksi WolframAlphalla. Määritelmä Lineaarinen yhtälöryhmä on homogeeninen, jos b 1 = = b m = 0. Huomautus. Homogeenisella lineaarisella yhtälöryhmällä on äärettömän monta ratkaisua tai vain ratkaisu x 1 = = x n = 0 eli ns. triviaaliratkaisu. Jos homogeenisessa lineaarisessa yhtälöryhmässä on enemmän muuttujia kuin yhtälöitä eli jos n > m, niin ratkaisuja on ääretön määrä. Esimerkki Ratkaistaan yhtälöryhmä { x + y + z = 0 Saadaan x + 2y + 2z = 0. { x + y + z = 0 x + 2y + 2z = 0 I { x + y + z = 0 II y + z = 0 { x = 0 y + z = 0. Merkitään y = t, jolloin saadan, että z = t. Siis ratkaisuksi saadaan x = 0 y = t, t R. z = t 25

26 1.8 Lineaariset yhtälöryhmät matriiseilla Tarkastellaan lineaarista yhtälöryhmää a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2. a n1 x 1 + a n2 x a nn x n = b n, jossa on n yhtälöä ja n tuntematonta x 1, x 2,..., x n. Merkintä. Merkitään X = [x 1,..., x n ] T, B = [b 1,..., b n ] T ja A = [a ij ]. Tällöin saadaan matriisiyhtälö AX = B. Jos A on kääntyvä, niin ratkaisu on X = A 1 B. Lause (Cramerin sääntö). Tarkastellaan yhtälöä (1.1) AX = B, missä det A 0. Olkoon A j matriisi, joka saadaan matriisista A korvaamalla j. sarake matriisilla B. Toisin sanoen b 1 a a 1n b 2 a a 2n A 1 =.....,. b n a n2... a nn a 11 b 1... a 1n a 21 b 2... a 2n A 2 = a n1 b n... a nn ja niin edelleen. Silloin yhtälön (1.1) ratkaisu on x 1 = det A 1 det A,..., x n = det A n det A. 26

27 Todistus. Oletetaan, että A on kääntyvä matriisi, X = [x 1,..., x n ] T ja B = [b 1,..., b n ] T. Nyt Tällöin X = A 1 B = 1 det A adj(a)b b 1 = 1 det A [C ij] T. b n = 1 [ n ] C ki b k. det A k=1 x i = 1 det A n b k C ki k=1 = 1 det A det A i = det A i det A, missä A i on kuten lauseessa määriteltiin. Esimerkki Olkoon x 1 + 2x 3 = 6 3x 1 + 4x 2 + 6x 3 = 30 x 1 2x 2 + 3x 3 = 8. Tällöin saadaan, että x 1 6 A = 3 4 6, X = x 2, B = 30, x A 1 = , A 2 = , A 3 = Lasketaan determinantit, jolloin saadaan det A = 44, det A 1 = 40, det A 2 = 72 ja det A 3 = 152. Näiden avulla saadaan yhtälöryhmän ratkaisu x 1 = = 10 11, x 2 = = 18 11, x 3 = =

28 Lause Olkoon A neliömatriisi. Silloin seuraavat kohdat ovat yhtäpitäviä: 1. A on kääntyvä, 2. det A 0, 3. yhtälöryhmällä AX = 0 on vain triviaali ratkaisu X = 0, 4. yhtälöryhmä AX = B on ratkeava aina, kun B R n 1. Todistus. Kohtien (1) ja (2) yhtäpitävyys on todistettu lauseessa Oletetaan, että A on kääntyvä. Tällöin AX = 0 X = A 1 0 X = 0, joten kohdasta (1) seuraa kohta (3). Oletetaan sitten, että A on kääntyvä ja B R n 1. Tällöin AX = B joten kohdasta (1) seuraa kohta (4). Muut suunnat sivuutetaan. X = A 1 B, 28

29 Luku 2 Vektorialgebraa 2.1 Geometriset vektorit Vektorit ovat suuntajanojen ekvivalenssiluokkia. Yleensä ekvivalenssiluokan edustaja ja vektori eli ekvivalenssiluokka samaistetaan. Kaksi vektoria ovat samat, jos ja vain jos 1. niillä on sama suunta, 2. ne ovat yhtä pitkät. Kuvassa 2.1 t u = v w t. Kuva 2.1: Vektoreita. Summa. Vektoreiden summa saadaan yhdistämällä vektorit alku- ja loppupisteistään kuvan 2.2 tavalla. Kuva 2.2: Vektoreiden summa. 29

30 Skalaarilla kertominen. Skalaarilla kerrottu vektori saadaan venyttämällä (kun skalaari on > 1) alkuperäistä vektoria kuvan 2.3 tavalla. Kuva 2.3: Skalaarilla kertominen. 2.2 Vektoriavaruus R n, n Z + Joukko R n on R n = n kpl {}}{ R R = {(u 1, u 2,..., u n ) u 1, u 2,..., u n R}. Summa. Olkoot (u 1,..., u n ), (v 1,..., v n ) R n. Silloin (u 1,..., u n ) + (v 1,..., v n ) = (u 1 + v 1,..., u n + u n ). Skalaarilla kertominen. Olkoon (u 1,..., u n ) R n ja k R. Silloin k(u 1,..., u n ) = (ku 1,..., ku n ). Nyt joukko R n (varustettuna yo. laskutoimituksilla) on vektoriavaruus ja sen alkiota kutsutaan vektoreiksi. Merkitään u = (u 1,..., u n ). Huomautus. Vektoreiden yhtäsuuruudelle pätee Esimerkki Vektoriavaruuden u = v u 1 = v 1,..., u n = v n. R 2 = {(u 1, u 2 ) u 1, u 2 R} alkioita voidaan havainnollistaa xy-tason nuolilla. Kuvassa 2.4 P (3, 2) on piste ja u = (3, 2) on vektori. Suuntajana OP on vektorin u yksi edustaja. 30

31 Kuva 2.4: Vektoreiden havainnollistus xy-tasossa. 2.3 Vektorialgebraa vektoriavaruudessa R n Määritelmä Nollavektori 0 R n on sellainen vektori, että u + 0 = 0 + u = u aina, kun u R n. Vektorin u R n vastavektori u R n on sellainen vektori, että u + ( u) = ( u) + u = 0. Lause Olkoot u, v, w R n ja k, l R. Silloin (1) u + v = v + u (kommutatiivisuus eli vaihdannaisuus), (2) (u + v) + w = u + (v + w) (assosiatiivisuus eli liitännäisyys), (3) 0 = (0,..., 0) (nollavektori), (4) u = ( u 1,..., u n ) (vektorin u vastavektori), (5) k(lu) = (kl)u, (6) k(u + v) = ku + kv, (7) (k + l)u = ku + lu, (8) 1u = u. 31

32 Todistus. Oletetaan, että u, v, w R n ja k, l R. Todistetaan kohta (1). Nyt u + v = (u 1,..., u n ) + (v 1,..., v n ) = (u 1 + v 1,..., u n + v n ) = (v 1 + u 1,..., v n + u n ) = (v 1,..., v n ) + (u 1,..., u n ) = v + u, joten kohta (1) on voimassa. Todistetaan kohta (3). Merkitään 0 = (t 1,..., t n ). Nyt u + 0 = (u 1,..., u n ) + (t 1,..., t n ) = (u 1 + t 1,..., u n + t n ). Nollavektorin ominaisuuksien nojalla u + 0 = u, joten u 1 + t 1 = u 1,..., u n + t n = u n. Tästä saadaan, että t 1 = 0,..., t n = 0, joten kohta (3) on voimassa. Todistetaan kohta (8). Nyt 1u = (1u 1,..., 1u n ) = (u 1,..., u n ) = u, joten kohta (8) on voimassa. Muut kohdat ovat harjoitustehtäviä. Määritelmä Olkoot u, v R n. Silloin vektoreiden u ja v erotus on u v = u + ( v). Lause Olkoot u, v R n. Silloin u v = (u 1 v 1,..., u n v n ). Todistus. Oletetaan, että u, v R n. Tällöin u v = u + ( v) = (u 1,..., u n ) + ( v 1,..., v n ) = (u 1 + ( v 1 ),..., u n + ( v n )) = (u 1 v 1,..., u n v n ). 32

33 2.4 Vektoreiden skalaaritulo eli pistetulo Määritelmä Määritelmä Olkoot u, v R n. Silloin niiden skalaaritulo (eli pistetulo) on u v = u 1 v u n v n. Esimerkki Olkoon u = (1, 1, 1) ja v = (2, 0, 1). Silloin u v = = 3. Huomautus. Pistetulo on ns. euklidinen sisätulo Algebrallisia ominaisuuksia Lause Olkoot u, v, w R n, ja olkoon k R. Silloin (1) u v = v u, (2) u (v + w) = u v + u w, (3) (ku) v = k(u v)[= u (kv)], (4) u 0 = 0[= 0 u]. Todistus. Oletetaan, että u, v, w R n ja että k R. Todistetaan kohta (1). Nyt u v = (u 1,..., u n ) (v 1,..., v n ) = u 1 v u n v n = v 1 u v n u n = (v 1,..., v n ) (u 1,..., u n ) = v u, joten kohta (1) pätee. Todistetaan kohta (3). Nyt (ku) v = (k(u 1,..., u n )) (v 1,..., v n ) = (ku 1,..., ku n ) (v 1,..., v n ) = (ku 1 )v (ku n )v n = k(u 1 v 1 ) + + k(u n v n ) = k(u 1 v u n v n ) = k((u 1,..., u n ) (v 1,..., v n )) = k(u v), joten kohta (3) pätee. Muut kohdat ovat harjoitustehtäviä. 33

34 Huomautus. Onko voimassa (u v) w = u (v w)? Onko olemassa sellaista vektoria v R n, että u v = v u = u aina, kun u R n? Onko olemassa käänteisvektoria pistetulon suhteen? Geometrisia ominaisuuksia Määritelmä Vektorin u R n pituus u on Kyseessä on ns. euklidinen pituus. Huomautus. Pituudelle pätee u = u = u u. u u 2 n. Esimerkki Määritelmän nojalla (1, 1) = = 2. Lause (Cauchy-Schwarz). Olkoot u, v R n. Silloin u v u v. Määritelmä Olkoot u, v R n \ {0}. Silloin vektoreiden u ja v välinen kulma θ [0, π] määritellään kaavalla ts. cos θ = θ = arccos u v u v u v u v. Esimerkki Olkoon u = (2, 0) ja v = (1, 1). Silloin joten θ = π 4. cos θ = = = 1 2, Määritelmä Vektorit u ja v ovat kohtisuorassa toisiaan vastaan, jos Silloin merkitään u v. u v = 0. 34

35 Lause Olkoot u, v 0. Silloin u v θ = π 2. Todistus. Oletetaan, että u, v 0. Nyt θ = π 2 cos θ = 0 u v u v = 0 u v = 0 u v. Esimerkki Vektoreille (1, 1) ja (1, 1) pätee (1, 1) (1, 1), koska (1, 1) (1, 1) = ( 1) = 0. Määritelmä Olkoot u, v 0. Vektorit u ja v ovat yhdensuuntaiset, jos u = kv, k R \ {0}. Silloin merkitään u v. Huomautus. Jos k > 0, sanotaan, että vektorit ovat samansuuntaiset. Jos k < 0, sanotaan, että vektorit ovat vastakkaissuuntaiset. Lause Olkoot u, v 0. Silloin u v θ = 0 tai θ = π. Todistus. Oletetaan ensin, että u v. Siis on olemassa sellainen k R \ {0}, että u = kv. Tällöin u v = (kv) v = k(v v) = k v 2 ja u = u u = kv kv = k 2 (v v) = k v v = k v. Nyt cos θ = u v u v = joten θ = 0 tai θ = π. Toinen suunta sivuutetaan. Esimerkki Pitääkö paikkansa, että 1. u v ja v w u w, k v 2 k v v = k k = ±1, 35

36 2. u v ja v w u w? Ratkaisu. Väite (1) on oikein. Oletetaan, että u v ja v w. Tällöin u = kv, missä k 0, ja v w = 0. Nyt u w = (kv) w = k(v w) = k0 = 0, joten u w. Väite (2) on väärin. Annetaan tästä vastaesimerkki. Oletetaan, että u = (1, 0, 0), v = (0, 1, 0) ja w = (0, 0, 1). Tällöin u v = 0 ja v w = 0, mutta u kw, koska 1 = k0 ei päde millään luvun k arvolla. Huomautus. Olkoot u, v 0. Silloin u v u v = u v. Lause (Kolmioepäyhtälö). Olkoot u, v R n. Silloin u + v u + v. Todistus. Oletetaan, että u, v R n. Tällöin u + v 2 = (u + v) (u + v) = (u + v) u + (u + v) v = u u + v u + u v + v v = u 2 + u v + u v + v 2 = u 2 + 2(u v) + v 2 u u v + v 2 u u v + v 2 = ( u + v ) 2. Lause (Pythagoraan lause). Olkoot u, v R n sellaiset, että u v. Silloin u + v 2 = u 2 + v 2. Todistus. Todistus on samanlainen kuin kolmioepäyhtälön todistus. Luennot/harjoitustehtävä. Lause (Kosinilause). Olkoot kolmion sivujen pituudet a, b, c, ja olkoon pituudeltaan a olevan sivun vastakkainen kulma α. Silloin Todistus. Luennot/harjoitustehtävä. a 2 = b 2 + c 2 2bc cos α. Esimerkki Olkoot kolmion sivujen pituudet 1, 1, 1. Mikä on kulma? 36

37 Ratkaisu. Lasketaan kulma kosinilauseella. Saadaan 1 2 = cos α cos α = 1 2 α = π Projektio Olkoon a annettu suunta. Kirjoitetaan vektori u muodossa u = v + w, missä v a (tai v = 0) ja w a, mikäli se on mahdollista. Silloin v = ka, w = u ka ja w a = 0. Siis osittelemalla erotuksen suhteen (luennot/harj) saadaan joten saadaan, että Näin ollen 0 = (u ka) a = u a (ka) a = u a k(a a) = u a k a 2, k = u a a 2. v = u a a 2 a. Määritelmä Olkoot u, a R n. Silloin vektorin u projektio suuntaan a on proj a u = u a 2 a, a 0. a Kuva 2.5: Projektio. 37

38 Kuvassa 2.5 on vektorin u projektio suuntaan a. Huomautus. Projektioille pätee proj a u = proj a u. Huomautus. Projektion pituudelle pätee u a proj a u = a 2 a u a cos θ = a 2 a = u cos θ. Kuva 2.6: Projektiokulma. Kuvassa 2.6 vasemmanpuoleisessa tapauksessa v = u cos θ ja oikeanpuoleisessa tapauksessa v = u cos θ. Esimerkki Olkoon a = (1, 1) ja u = (3, 5). Silloin Siis w = u v = ( 1, 1), joten missä (4, 4) ( 1, 1). proj a u = u a a 2 a = ( (1, 1) ) 2 = 8 (1, 1) 2 = 4(1, 1) = (4, 4) = v. u = v + w = (4, 4) + ( 1, 1), 38

39 2.5 Vektoritulo eli ristitulo Määritelmä Merkintä. Yksikkökoordinaattivektorit vektoriavaruudessa R 3 ovat i = (1, 0, 0), j = (0, 1, 0), k = (0, 0, 1). Siis jokaista vektoria u R 3 kohti on olemassa sellaiset u 1, u 2, u 3 R, että u = u 1 i + u 2 j + u 3 k. Määritelmä Olkoot u, v R 3. Silloin niiden vektoritulo eli ristitulo u v on u u v = 2 u 3 v 2 v 3 i u 1 u 3 v 1 v 3 j + u 1 u 2 v 1 v 2 k i j k = u 1 u 2 u 3. v 1 v 2 v 3 Esimerkki Olkoon u = (1, 2, 0) ja v = (3, 0, 1). Silloin 2 0 u v = 0 1 i j k = ( )u ( )j + ( )k = 2i j 6k Algebrallisia ominaisuuksia Lause Olkoot u, v, w R 3, ja olkoon k R. Silloin (1) u v = (v u) (antikommutatiivisuus), (2) u (v + w) = u v + u w (osittelulaki), (3) (u + v) w = u w + v w (osittelulaki), (4) k(u v) = (ku) v = u (kv) (skalaarin siirto), (5) u 0 = 0 u = 0 (nollavektorin tulo), (6) u u = 0. Todistus. Oletetaan, että u, v, w R 3 ja k R. Todistetaan kohta (1). Nyt i j k i j k u v = u 1 u 2 u 3 = v 1 v 2 v 3 = (v u), v 1 v 2 v 3 u 1 u 2 u 3 39

40 joten kohta (1) pätee. Todistetaan kohta (4). Nyt ja i j k i j k k(u v) = k u 1 u 2 u 3 = ku 1 ku 2 ku 3 = (ku) v v 1 v 2 v 3 v 1 v 2 v 3 i j k i j k k(u v) = k u 1 u 2 u 3 = u 1 u 2 u 3 = u (kv), v 1 v 2 v 3 kv 1 kv 2 kv 3 joten kohta (4) pätee. Muut kohdat ovat harjoitustehtäviä. Huomautus. Yleisesti u (v w) (u v) w Geometrisia ominaisuuksia Lause Olkoot u, v R 3. Silloin 1. u v u, 2. u v v. Todistus. Oletetaan, että u, v R n. Todistetaan kohta (1). Pitää siis osoittaa, että (u v) u = 0. Nyt (u v) u = u (u v) ( ) u = (u 1, u 2, u 3 ) 2 u 3 v 2 v 3, u 1 u 3 v 1 v 3, u 1 u 2 v 1 v 2 u = u 2 u 3 1 v 2 v 3 u u 1 u 3 2 v 1 v 3 + u u 1 u 2 3 v 1 v 2 u 1 u 2 u 3 = u 1 u 2 u 3 v 1 v 2 v = u 1 u 2 u 3 v 1 v 2 v 3 = 0, joten määritelmän nojalla (u v) u. Kohta (2) voidaan todistetaan vastaavasti. 40

41 Lause (Lagrange). Olkoot u, v R 3. Silloin Todistus. Harjoitustehtävä. u v 2 = u 2 v 2 (u v) 2. Lause Olkoot u, v R 3 \ {0}. Silloin u v = u v sin θ. Todistus. Oletetaan, että u, v R 3 \ {0}. Lauseen avulla saadaan, että u v 2 = u 2 v 2 (u v) 2 = u 2 v 2 ( u v cos θ) 2 = u 2 v 2 u 2 v 2 cos 2 θ = u 2 v 2 (1 cos 2 θ) = u 2 v 2 sin 2 θ. Ottamalla tästä yhtälöstä neliöjuuri puolittain saadaan u v = u v sin θ. Vektorin pituus on aina ei negatiivinen ja sin θ 0, koska θ [0, π]. Siis u v = u v sin θ. Lause Vektoreiden u, v R 3 \{0} määräämän suunnikkaan pinta-ala on u v. Todistus. Oletetaan, että u, v R 3 \ {0}. Olkoon u suunnikkaan kanta ja h suunnikkaan korkeus. Tällöin h = v sin θ. Siis A = u h = u v sin θ, joten lauseen nojalla A = u v. Kuva 2.7: Suunnikas. 41

42 Kuvassa 2.7 on havainnollistus lauseen todistuksesta, kun θ on terävä kulma. Huomautus. Kahden vektorin määräämän kolmion pinta-ala on puolet niiden määräämän suunnikkaan pinta-alasta eli Kuva 2.8 havainnollistaa tilannetta. A = 1 u v. 2 Kuva 2.8: Suunnikkaan määräämä kolmio. Huomautus. Pisteestä P (a 1, a 2, a 3 ) pisteeseen Q(b 1, b 2, b 3 ) kulkeva vektori on u = P Q = (b 1 a 1, b 2 a 2, b 3 a 3 ). Vektori voidaan laskea samalla tavalla missä tahansa vektoriavaruudessa R n. Kuvassa 2.9 on vektori P Q vektoriavaruudessa R 3. Kuva 2.9: Vektori pisteestä P pisteeseen Q. Lause Olkoot u, v R 3 \ {0}. Silloin u v = 0 u v. Todistus. Oletetaan, että u, v R 3 \ {0}. Nyt u v = 0, jos ja vain jos u v = 0. Lauseen nojalla u v = u v sin θ, joten u v = 0, jos ja vain jos u v sin θ = 0. Koska u, v 0, tämä on voimassa, jos ja vain jos sin θ = 0. Edelleen tämä on yhtäpitävää sen kanssa, että θ = 0 tai θ = π. Lauseesta saadaan, että tämä pätee, jos ja vain jos u v. Siis on osoitettu, että u v = 0 u v. 42

43 Huomautus. Olkoot u, v R 3 \ {0}. Silloin ja u v u v = 0 u v = u v u v u v = 0 u v = u v Lause (Sinilause). Kolmiossa sivun pituuden suhde vastakkaisen kulman siniin on vakio. Todistus. Olkoon kolmion kaksi sivua vektorit a ja b. Tällöin kolmas sivu on vektori b a. Havainnollistus tästä on kuvassa Nyt saadaan yhtälöt ja Kuva 2.10: Vektoreiden muodostama kolmio. Yhdistämällä nämä yhtälöt saadaan ja edelleen b (b a) = b b b a = a b a (b a) = a b a a = a b. b (b a) = a (b a), b (b a) = a (b a). Lauseen avulla saadaan nyt, että b b a sin α = a b a sin(π β) b b a sin α = a b a sin β b sin α = a sin(β) a sin α = b sin β. 43

44 2.5.4 Skalaarikolmitulo Määritelmä Olkoot u, v, w R 3. Silloin on vektoreiden ns. skalaarikolmitulo u (v w) Lause Olkoot u, v, w R 3. Silloin Todistus. Harjoitustehtävä. u 1 u 2 u 3 u (v w) = v 1 v 2 v 3. w 1 w 2 w 3 Lause Vektoreiden u, v, w R 3 määräämän suuntaissärmiön tilavuus on V = u (v w). Kuvassa 2.11 on havainnollistettu, kuinka tietyt vektorit u, v ja w määräävät suuntaissärmiön. Kuva 2.11: Vektoreiden määräämä suuntaissärmiö. 44

45 Todistus. Lauseen nojalla särmiön pohjan pinta-ala on A = v w. Särmiön korkeus saadaan vektorin u projektion pituutena suuntaan v w = z eli u z h = proj z u = z. Siis V = Ah = u z = u (v w). Esimerkki Lasketaan k (i j). Ristitulon ja pistetulon määritelmien avulla saadaan, että i j k i j = = k ja k (i j) = k k = (0, 0, 1) (0, 0, 1) = 1. Vastaavasti skalaarikolmitulon kaavalla saadaan k (i j) = = Esimerkki Skalaarikolmitulo u (u v) = 0, koska u u v. Geometrisesti tämä tarkoittaa tapausta, jossa suuntaissärmiön korkeus on 0 eli särmiö on luhistunut suunnikkaaksi Vektorikolmitulot Määritelmä Olkoot u, v, w R 3. Silloin ja u (v w) (u v) w ovat vektoreiden ns. vektorikolmituloja. Lause (kehityskaava). Olkoot u, v, w R 3. Silloin Todistus. Harjoitustehtävä. u (v w) = (u w)v (u v)w. 45

46 Luku 3 Analyyttistä geometriaa: suoran ja tason yhtälöt 3.1 Suora avaruudessa R 3 Suora tunnetaan, kun tunnetaan sen yksi piste ja suunta. Kuvassa 3.1 l on suora, Kuva 3.1: Pisteen ja vektorin määräämä suora. P = P (x 0, y 0, z 0 ) on suoran l yksi piste, OP = r 0 = x 0 i + y 0 j + z 0 k on suoran paikkavektori, d = d 1 i + d 2 j + d 3 k 0 on suoran suuntavektori. Edellä mainitut P ja d eivät ole yksikäsitteisiä. 46

47 Suoran yhtälöitä Parametriesitys vektorimuodossa Suoran parametriesitys vektorimuodossa on (3.1) l : r(t) = r 0 + td, t R. Tulkinta. Kun t käy läpi kaikki joukon R arvot, vektorin r(t) kärki piirtää suoran l. Muuttuja t on ns. parametri. Parametriesitys koordinaattimuodossa Merkitään Toisaalta r(t) = x(t)i + y(t)j + z(t)k. r(t) = r 0 + td = x 0 i + y 0 j + z 0 k + t(d 1 i + d 2 j + d 3 k) = (x 0 + td 1 )i + (y 0 + td 2 )j + (z 0 + td 3 )k. Siis (3.2) l : x(t) = x 0 + td 1 y(t) = y 0 + td 2 z(t) = z 0 + td 3 (t R). Tulkinta. Kun t käy läpi kaikki joukon R arvot, piste Q(x(t), y(t), z(t)) käy läpi suoran l pisteet. Symmetrinen muoto Oletetaan, että d 1, d 2, d 3 0. Tällöin Siis ts. t = x(t) x 0 d 1 t = y(t) y 0 d 2 t = z(t) z 0 d 3. x(t) x 0 d 1 = y(t) y 0 d 2 = z(t) z 0 d 3, (3.3) l : x x 0 d 1 = y y 0 d 2 = z z 0 d 3. 47

48 Tulkinta. Suora l koostuu niistä pisteistä Q(x, y, z), joiden koordinaatit toteuttavat yhtälön (3.3). Esimerkki Määritetään suoran yhtälöt, kun suora kulkee pisteiden P (1, 2, 3) ja Q(4, 1, 5) kautta. Valitaan r 0 = i + 2j + 3k. Valitaan suuntavektoriksi d = P Q = 4i + j + 5k (i + 2j + 3k) = 3i j + 2k. Tästä saadaan yhtälö (3.1) muodossa l : r(t) = r 0 + td = (i + 2j + 3k) + t(3i j + 2k), t R. Toisaalta r(t) = x(t)i + y(t)j + z(t)k = (1 + 3t)i + (2 t)j + (3 + 2t)k, joten saadaan yhtälö (3.2) muodossa x(t) = 1 + 3t l : y(t) = 2 t z(t) = 3 + 2t (t R). Edelleen joten saadaan yhtälö (3.3) muodossa l : t = x(t) 1 3 t = y(t) 2 1 t = z(t) 3, 2 x 1 3 = y 2 1 = z Suora avaruudessa R 2 Asetetaan pykälän 3.1 yhtälöihin, että z 0 = 0 ja d 3 = 0. Tällöin saadaan yhtälöt (3.4) l : r(t) = r 0 + td, t R, (3.5) l : { x(t) = x0 + td 1 y(t) = y 0 + td 2 48 (t R),

49 (3.6) l : x x 0 d 1 = y y 0 d 2, kun d 1, d 2 0. Yhtälö (3.6) voidaan kirjoittaa muodossa (3.7) Yhtälö x x 0 = y y 0 d 1 d 2 d 2 (x x 0 ) = d 1 (y y 0 ) d 2 x d 1 y + (d 1 y 0 d 2 x 0 ) = 0 y = d 2 d 1 x + d 1y 0 d 2 x 0 d 1. (3.8) l : y = d 2 d 1 x + d 1y 0 d 2 x 0 d 1 tai yhtälö (3.9) l : y y 0 = d 2 d 1 (x x 0 ) on kulmakerroinmuotoinen yhtälö. Määritelmä Vektori n ( 0) on suoran l normaalivektori, jos n d, missä d on suoran l suuntavektori. Merkitään Lause Olkoon l suora n l. (3.10) l : ax + by + c = 0, missä a, b 0. Silloin ts. (a, b) on suoran l normaalivektori. Todistus. Oletetaan, että Nyt (a, b) l, l : ax + by + c = 0, a, b 0. ax + by + c = 0 x b + y a + c ab = 0 x + c a b 49 = y 0 a.

50 Siis Tällöin joten ja edelleen d = (b, a). (a, b) d = (a, b) (b, a) = ab + b( a) = 0, (a, b) d, (a, b) l. Määritelmä Suoran yhtälö (3.10) eli yhtälö (3.7) on normaaliyhtälö. Huomautus. Suoran normaaliyhtälö voidaan kirjoittaa myös muodossa (3.11) a(x x 0 ) + b(y y 0 ) = 0. Esimerkki Olkoon l suora l : x x 0 d 1 = y y 0 d 2, missä d 1, d 2 0. Etsi jokin suoran l normaalivektori n eli vektori, jolle pätee n d = 0. Ratkaisu. Selvästi n = (d 2, d 1 ) (d 1, d 2 ) = d. Esimerkki Olkoon l suora l : y = kx + m, missä k 0. Saadaan Tällöin joten sillä tällöin y m k = x 0. 1 d = (1, k) = i + kj, n = ki + j, n d = 0. Lause Pisteen P (x 0, y 0 ) etäisyys suorasta l : ax + by + c = 0 on D = ax 0 + by 0 + c a2 + b 2. 50

51 Todistus. Olkoon Q(x 1, y 1 ) jokin suoran l piste. Lauseen nojalla vektori n = (a, b) on suoran l normaalivektori. Tällöin D = projnqp QP n = n 2 n QP n = n = a(x 0 x 1 ) + b(y 0 y 1 ) a2 + b 2 = ax 0 + by 0 + c a2 + b 2. Kuvassa 3.2 on havainnollistettu lausetta Kuva 3.2: Pisteen P etäisyys suorasta l. 3.3 Taso avaruudessa R 3 Taso p tunnetaan, kun tiedetään tason yksi piste P ja tason (yksi) normaalivektori N. Oletetaan, että P = P (x 0, y 0, z 0 ) ja N = Ai + Bj + Ck tunnetaan. 51

52 Normaaliyhtälö koordinaattimuodossa Piste Q(x, y, z) P kuuluu tasoon p, jos ja vain jos P Q N. Tämä on edelleen yhtäpitävää sen kanssa, että P Q N = 0 ((x x 0 )i + (y y 0 )j + (z z 0 )k) (Ai + Bj + Ck) = 0 On siis johdettu yhtälö A(x x 0 ) + B(y y 0 ) + C(z z 0 ) = 0. (3.12) p : A(x x 0 ) + B(y y 0 ) + C(z z 0 ) = 0, joka on tason p normaaliyhtälö koordinaattimuodossa. Kun merkitään E = (Ax 0 + By 0 + Cz 0 ) saadaan vaihtoehtoinen muoto yhtälölle (3.12) (3.13) Ax + By + Cz + E = 0. Esimerkki Kirjoita taso muodossa (3.12). Ratkaisu. Valitaan p : x + 2y z 5 = 0 N = Ai + Bj + Ck = i + 2j k ja Tällöin P (x 0, y 0, z 0 ) = P (0, 1, 3). p : A(x x 0 ) + B(y y 0 ) + C(z z 0 ) = 0 1(x 0) + 2(y 1) + 1(z + 3) = 0. Esimerkki Kirjoita taso p : (x 1) + 3(y 2) 2(z 5) = 0 muodossa (3.13). Ratkaisu. Yksinkertaisella algebralla (x 1) + 3(y 2) 2(z 5) = 0 x + 3y 2z = 0 x + 3y 2z + 3 = 0. 52

53 Esimerkki Etsi tasojen leikkauspiste. p : x + y + z 6 = 0 q : x y + z = 0 r : 2x + 3y + z 3 = 0 Ratkaisu. Leikkauspisteen on kuuluttava kaikkiin tasoihin eli sen on toteutettava jokaisen tason yhtälö. Siis saadaan yhtälöryhmä x + y + z = 6 x y + z = 0 2x + 3y + z = 3. Sen ratkaisu on joten leikkauspiste on P ( 9, 3, 12). Esimerkki Etsi tason ja suoran leikkauspiste. Ratkaisu. Nyt ja Tällöin joten x = 9 y = 3 z = 12, p : 2x + 3y + z = 5 l : x 1 2 = y 2 1 = z 3 1 N = 2i + 3j + k d = 2i j k. N d = ( 1) + 1 ( 1) = 0, N d. Siis suora l on tason p suuntainen ja näin ollen joko suoran l jokainen piste on tasossa p tai suoralla l ja tasolla p ei ole yhtään yhteistä pistettä. Huomataan, että piste P (1, 2, 3) l, mutta P (1, 2, 3) / p. Siis leikkauspistettä ei ole. Toinen tapa ratkaista tehtävä on muodostaa yhtälöryhmä. Leikkauspisteen on kuuluttava tasoon ja suoraan, joten sen on toteutettava molempien yhtälöt. Suoran yhtälöstä saadaan x 1 2 = y eli x + 2y = 5

54 ja x 1 = z 3 eli x + 2z = 7, 2 1 jolloin ratkaistavaksi yhtälöryhmäksi saadaan 2x + 3y + z = 5 x + 2y = 5 x + 2z = 7. Tällä yhtälöryhmällä ei ole ratkaisua, joten leikkauspisteitä ei ole. Normaaliyhtälö vektorimuodossa Merkitään, että tason tunnetun pisteen P paikkavektori on r 0. Olkoon r pisteen Q ( P ) paikkavektori. Silloin vektorin r kärkipiste (eli piste Q) kuuluu tasoon, jos ja vain jos P Q = (r r 0 ) N. Tämä on edelleen yhtäpitävää sen kanssa, että On siis saatu johdettua yhtälö (r r 0 ) N = 0. (3.14) p : (r r 0 ) N = 0, joka on tason p normaaliyhtälö vektorimuodossa. Esimerkki Kirjoita tason vektorimuotoinen normaaliyhtälö. p : x + 2y z 5 = 0 Ratkaisu. Valitaan N = i + 2j k ja P = P (0, 1, 3), jolloin r 0 = j 3k. Tällöin yhtälö on siis (r r 0 ) N = 0 ((xi + yj + zk) (j 3k)) (i + 2j k) = 0. Lause Pisteen P (x 0, y 0, z 0 ) etäisyys tasosta p : Ax + By + Cz + E = 0 on D = Ax 0 + By 0 + Cz 0 + E A2 + B 2 + C 2. 54

55 Todistus. Olkoon Q(x 1, y 1, z 1 ) jokin tason p piste ja N tason p normaalivektori. Silloin D = projnqp QP N = N = A(x 0 x 1 ) + B(y 0 y 1 ) + C(z 0 z 1 ) A2 + B 2 + C 2 = Ax 0 + By 0 + Cz 0 (Ax 1 + By 1 + Cz 1 )) A2 + B 2 + C 2 = Ax 0 + By 0 + Cz 0 + E) A2 + B 2 + C 2. Parametriesitys vektorimuodossa Taso tunnetaan, kun tiedetään jokin tason piste P (x 0, y 0, z 0 ) ja kaksi tason sellaista vektoria u ja v, että u v ja u, v 0. Näitä vektoreita sanotaan tason virittäjävektoreiksi. Olkoon r 0 pisteen P (x 0, y 0, z 0 ) paikkavektori. Silloin saadaan tason yhtälö (3.15) p : r(t, s) = r 0 + tu + sv, t, s R. Normaaliyhtälö vektorimuodossa on p : (r r 0 ) (u v) = 0. Parametriesitys koordinaattimuodossa Merkitään u = (u 1, u 2, u 3 ) ja v = (v 1, v 2, v 3 ). Tällöin voidaan kirjoittaa yhtälön (3.15) koordinaatit erikseen yhtälöryhmäksi (3.16) p : x(t, s) = x 0 + tu 1 + sv 1 y(t, s) = y 0 + tu 2 + sv 2 z(t, s) = z 0 + tu 3 + sv 3 (t, s R). Esimerkki Oletetaan, että taso p sisältää pisteen P (1, 1, 1) ja sen virittävät vektorit u = 2i j + k ja Kirjoita p muodossa (3.13). v = j 3k. 55

56 Ratkaisu. Lasketaan i j k u v = = 2(i + 3j + k) Valitaan tason normaalivektoriksi Siis N = i + 3j + k. p : A(x x 0 ) + B(y y 0 ) + C(z z 0 ) = 0 1(x 1) + 3(y 1) + 1(z 1) = 0 x + 3y + z 5 = 0. Esimerkki Taso sisältää pisteet P (1, 1, 1), Q(2, 3, 1) ja R(5, 2, 0). Määritä tason yhtälö. Ratkaisu. Valitaan tason pisteeksi P (1, 1, 1) ja virittäjävektoreiksi Valitaan vielä normaaliksi P Q = i + 2j ja P R = 4i + j k. N = (i + 2j) (4i + j k) = 2i + j 7k. Tällöin saadaan, että p : x(t, s) = 1 + t + 4s y(t, s) = 1 + 2t + s z(t, s) = 1 s (t, s R) ja p : 2(x 1) + (y 1) 7(z 1) = 0. 56

Informaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen

Informaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen Informaatiotieteiden yksikkö Lineaarialgebra 1A Pentti Haukkanen Puhtaaksikirjoitus: Joona Hirvonen . 2 Sisältö 1 Matriisit, determinantit ja lineaariset yhtälöryhmät 4 1.1 Matriisit..............................

Lisätiedot

Informaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen

Informaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen Informaatiotieteiden yksikkö Lineaarialgebra 1A Pentti Haukkanen Puhtaaksikirjoitus: Joona Hirvonen . 2 Sisältö 1 Matriisit, determinantit ja lineaariset yhtälöryhmät 4 1.1 Matriisin määritelmä.......................

Lisätiedot

Informaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen

Informaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen Informaatiotieteiden yksikkö Lineaarialgebra 1A Pentti Haukkanen Puhtaaksikirjoitus: Joona Hirvonen . 2 Sisältö 1 Matriisit, determinantit ja lineaariset yhtälöryhmät 4 1.1 Matriisin määritelmä.......................

Lisätiedot

Matikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/81

Matikkapaja 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 )

Lisätiedot

Determinantti 1 / 30

Determinantti 1 / 30 1 / 30 on reaaliluku, joka on määritelty neliömatriiseille Determinantin avulla voidaan esimerkiksi selvittää, onko matriisi kääntyvä a voidaan käyttää käänteismatriisin määräämisessä ja siten lineaarisen

Lisätiedot

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä Matriisien tulo Lause Olkoot A, B ja C matriiseja ja R Tällöin (a) A(B + C) =AB + AC, (b) (A + B)C = AC + BC, (c) A(BC) =(AB)C, (d) ( A)B = A( B) = (AB), aina, kun kyseiset laskutoimitukset on määritelty

Lisätiedot

Matikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/210

Matikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/210 Matikkapaja keskiviikkoisin klo 14-16 Lineaarialgebra (muut ko) p. 1/210 Lineaarialgebra (muut ko) p. 2/210 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v 2

Lisätiedot

Ortogonaalinen ja ortonormaali kanta

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

Lisätiedot

Matematiikka B2 - TUDI

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

Lisätiedot

Ennakkotehtävän ratkaisu

Ennakkotehtävän ratkaisu Ennakkotehtävän ratkaisu Ratkaisu [ ] [ ] 1 3 4 3 A = ja B =. 1 4 1 1 [ ] [ ] 4 3 12 12 1 0 a) BA = =. 1 + 1 3 + 4 0 1 [ ] [ ] [ ] 1 0 x1 x1 b) (BA)x = =. 0 1 x 2 x [ ] [ ] [ 2 ] [ ] 4 3 1 4 9 5 c) Bb

Lisätiedot

Johdatus tekoälyn taustalla olevaan matematiikkaan

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

Lisätiedot

BM20A0700, Matematiikka KoTiB2

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

Lisätiedot

1.1. Määritelmiä ja nimityksiä

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

Lisätiedot

Matematiikka B2 - Avoin yliopisto

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

Lisätiedot

Lineaarialgebra (muut ko)

Lineaarialgebra (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

Lisätiedot

9 Matriisit. 9.1 Matriisien laskutoimituksia

9 Matriisit. 9.1 Matriisien laskutoimituksia 9 Matriisit Aiemmissa luvuissa matriiseja on käsitelty siinä määrin kuin on ollut tarpeellista yhtälönratkaisun kannalta. Matriiseja käytetään kuitenkin myös muihin tarkoituksiin, ja siksi on hyödyllistä

Lisätiedot

Käänteismatriisi 1 / 14

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

Lisätiedot

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

3 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

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

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47 MS-A3/A5 Matriisilaskenta Malliratkaisut 4 / vko 47 Tehtävä 1 (L): Oletetaan, että AB = AC, kun B ja C ovat m n-matriiseja. a) Näytä, että jos A on kääntyvä, niin B = C. b) Seuraako yhtälöstä AB = AC yhtälö

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

Talousmatematiikan perusteet: Luento 9. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Transponointi Matriisitulo

Talousmatematiikan perusteet: Luento 9. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Transponointi Matriisitulo Talousmatematiikan perusteet: Luento 9 Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Transponointi Matriisitulo Viime luennolta Esim. Yritys tekee elintarviketeollisuuden käyttämää puolivalmistetta,

Lisätiedot

Ville Turunen: Mat Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007

Ville Turunen: Mat Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007 Ville Turunen: Mat-1.1410 Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007 Materiaali: kirjat [Adams R. A. Adams: Calculus, a complete course (6th edition), [Lay D. C. Lay: Linear

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

x 2 x 3 x 1 x 2 = 1 2x 1 4 x 2 = 3 x 1 x 5 LINEAARIALGEBRA I Oulun yliopisto Matemaattisten tieteiden laitos 2014 Esa Järvenpää, Hanna Kiili

x 2 x 3 x 1 x 2 = 1 2x 1 4 x 2 = 3 x 1 x 5 LINEAARIALGEBRA I Oulun yliopisto Matemaattisten tieteiden laitos 2014 Esa Järvenpää, Hanna Kiili 6 4 2 x 2 x 3 15 10 5 0 5 15 5 3 2 1 1 2 3 2 0 x 2 = 1 2x 1 0 4 x 2 = 3 x 1 x 5 2 5 x 1 10 x 1 5 LINEAARIALGEBRA I Oulun yliopisto Matemaattisten tieteiden laitos 2014 Esa Järvenpää, Hanna Kiili Sisältö

Lisätiedot

Talousmatematiikan perusteet: Luento 10. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Matriisitulo Determinantti

Talousmatematiikan perusteet: Luento 10. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Matriisitulo Determinantti Talousmatematiikan perusteet: Luento 1 Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Matriisitulo Determinantti Viime luennolta Esim. Yritys tekee elintarviketeollisuuden käyttämää puolivalmistetta,

Lisätiedot

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

3 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

Lisätiedot

802118P Lineaarialgebra I (4 op)

802118P 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

Lisätiedot

Havainnollistuksia: Merkitään w = ( 4, 3) ja v = ( 3, 2). Tällöin. w w = ( 4) 2 + ( 3) 2 = 25 = 5. v = ( 3) = 13. v = v.

Havainnollistuksia: Merkitään w = ( 4, 3) ja v = ( 3, 2). Tällöin. w w = ( 4) 2 + ( 3) 2 = 25 = 5. v = ( 3) = 13. v = v. Havainnollistuksia: Merkitään w = ( 4, 3) ja v = ( 3, 2). Tällöin w = w w = ( 4) 2 + ( 3) 2 = 25 = 5 v = v v = ( 3) 2 + 2 2 = 13. w =5 3 2 v = 13 4 3 LM1, Kesä 2014 76/102 Normin ominaisuuksia I Lause

Lisätiedot

Seuraava luento ti on salissa XXII. Lineaarialgebra (muut ko) p. 1/117

Seuraava 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

Lisätiedot

Ristitulolle saadaan toinen muistisääntö determinantin avulla. Vektoreiden v ja w ristitulo saadaan laskemalla determinantti

Ristitulolle saadaan toinen muistisääntö determinantin avulla. Vektoreiden v ja w ristitulo saadaan laskemalla determinantti 14 Ristitulo Avaruuden R 3 vektoreille voidaan määritellä pistetulon lisäksi niin kutsuttu ristitulo. Pistetulosta poiketen ristitulon tulos ei ole reaaliluku vaan avaruuden R 3 vektori. Ristitulosta on

Lisätiedot

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

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

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra 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

Lisätiedot

Vektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on

Vektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on 13 Pistetulo Avaruuksissa R 2 ja R 3 on totuttu puhumaan vektorien pituuksista ja vektoreiden välisistä kulmista. Kuten tavallista, näiden käsitteiden yleistäminen korkeampiulotteisiin avaruuksiin ei onnistu

Lisätiedot

LU-hajotelma. Esimerkki 1 Matriisi on yläkolmiomatriisi ja matriisi. on alakolmiomatriisi. 3 / 24

LU-hajotelma. Esimerkki 1 Matriisi on yläkolmiomatriisi ja matriisi. on alakolmiomatriisi. 3 / 24 LU-hajotelma 1 / 24 LU-hajotelma Seuravassa tarkastellaan kuinka neliömatriisi voidaan esittää kahden kolmiomatriisin tulona. Käytämme alkeismatriiseja tälläisen esityksen löytämiseen. Edellä mainittua

Lisätiedot

Vektorialgebra 1/5 Sisältö ESITIEDOT: vektori

Vektorialgebra 1/5 Sisältö ESITIEDOT: vektori Vektorialgebra 1/5 Sisältö Skalaaritulo Vektoreiden yhteenlaskun ja skalaarilla kertomisen lisäksi vektoreiden välille voidaan määritellä myös kertolasku. Itse asiassa näitä on kaksi erilaista. Seurauksena

Lisätiedot

Matriisilaskenta. Harjoitusten 3 ratkaisut (Kevät 2019) 1. Olkoot AB = ja 2. Osoitetaan, että matriisi B on matriisin A käänteismatriisi.

Matriisilaskenta. Harjoitusten 3 ratkaisut (Kevät 2019) 1. Olkoot AB = ja 2. Osoitetaan, että matriisi B on matriisin A käänteismatriisi. Matriisilaskenta Harjoitusten ratkaisut (Kevät 9). Olkoot ja A = B = 5. Osoitetaan, että matriisi B on matriisin A käänteismatriisi. Tapa Käänteismatriisin määritelmän nojalla riittää osoittaa, että AB

Lisätiedot

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset 32 Idea: Lineaarikuvausten laskutoimitusten avulla määritellään vastaavat matriisien laskutoimitukset Vakiolla kertominen ja summa Olkoon t R ja A, B R n m Silloin ta, A + B R n m ja määritellään ta ta

Lisätiedot

Matriisipotenssi. Koska matriisikertolasku on liitännäinen (sulkuja ei tarvita; ks. lause 2), voidaan asettaa seuraava määritelmä: ja A 0 = I n.

Matriisipotenssi. Koska matriisikertolasku on liitännäinen (sulkuja ei tarvita; ks. lause 2), voidaan asettaa seuraava määritelmä: ja A 0 = I n. Matriisipotenssi Koska matriisikertolasku on liitännäinen (sulkuja ei tarvita; ks. lause 2), voidaan asettaa seuraava määritelmä: Määritelmä Oletetaan, että A on n n -matriisi (siis neliömatriisi) ja k

Lisätiedot

1 Matriisit ja lineaariset yhtälöryhmät

1 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

Lisätiedot

Vektorit, suorat ja tasot

Vektorit, suorat ja tasot , suorat ja tasot 1 / 22 Koulussa vektori oli nuoli, jolla oli suunta ja suuruus eli pituus. Siirretään vektori siten, että sen alkupää on origossa. Tällöin sen kärki on pisteessä (x 1, x 2 ). Jos vektorin

Lisätiedot

A = a b B = c d. d e f. g h i determinantti on det(c) = a(ei fh) b(di fg) + c(dh eg). Matriisin determinanttia voi merkitä myös pystyviivojen avulla:

A = a b B = c d. d e f. g h i determinantti on det(c) = a(ei fh) b(di fg) + c(dh eg). Matriisin determinanttia voi merkitä myös pystyviivojen avulla: 11 Determinantti Neliömatriisille voidaan laskea luku, joka kertoo muun muassa, onko matriisi kääntyvä vai ei Tätä lukua kutsutaan matriisin determinantiksi Determinantilla on muitakin sovelluksia, mutta

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@utufi V Junnila viljun@utufi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M Hirvensalo mikhirve@utufi V Junnila viljun@utufi Luentokalvot 5 1

Lisätiedot

Determinantti. Määritelmä

Determinantti. Määritelmä Determinantti Määritelmä Oletetaan, että A on n n-neliömatriisi. Merkitään normaaliin tapaan matriisin A alkioita lyhyesti a ij = A(i, j). (a) Jos n = 1, niin det(a) = a 11. (b) Muussa tapauksessa n det(a)

Lisätiedot

Lineaarinen yhtälöryhmä

Lineaarinen yhtälöryhmä Lineaarinen yhtälöryhmä 1 / 39 Lineaarinen yhtälö Määritelmä 1 Lineaarinen yhtälö on muotoa a 1 x 1 + a 2 x 2 + + a n x n = b, missä a i, b R, i = 1,..., n ovat tunnettuja ja x i R, i = 1,..., n ovat tuntemattomia.

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

Käänteismatriisin. Aiheet. Käänteismatriisin ominaisuuksia. Rivioperaatiot matriisitulona. Matriisin kääntäminen rivioperaatioiden avulla

Käänteismatriisin. Aiheet. Käänteismatriisin ominaisuuksia. Rivioperaatiot matriisitulona. Matriisin kääntäminen rivioperaatioiden avulla Käänteismatriisi, L5 1 Tässä kalvosarjassa käsittelemme neliömatriiseja. Ilman asian jatkuvaa toistamista oletamme seuraavassa, että kaikki käsittelemämme matriisit ovat neliömatriiseja. Määritelmä. Olkoon

Lisätiedot

Tekijä Pitkä matematiikka Suoran pisteitä ovat esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4).

Tekijä Pitkä matematiikka Suoran pisteitä ovat esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4). Tekijä Pitkä matematiikka 4 9.12.2016 212 Suoran pisteitä ovat esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4). Vastaus esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4) 213 Merkitään pistettä

Lisätiedot

1. LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT. 1.1 Lineaariset yhtälöryhmät

1. LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT. 1.1 Lineaariset yhtälöryhmät 1 1 LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT Muotoa 11 Lineaariset yhtälöryhmät (1) a 1 x 1 + a x + + a n x n b oleva yhtälö on tuntemattomien x 1,, x n lineaarinen yhtälö, jonka kertoimet ovat luvut a 1,,

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

Johdatus lineaarialgebraan. Juha Honkala 2017

Johdatus lineaarialgebraan. Juha Honkala 2017 Johdatus lineaarialgebraan Juha Honkala 2017 Sisällysluettelo 1 Lineaariset yhtälöryhmät ja matriisit 11 Lineaariset yhtälöryhmät 12 Matriisit 13 Matriisien alkeismuunnokset ja porrasmatriisit 14 Yhtälöryhmien

Lisätiedot

TASON YHTÄLÖT. Tason esitystapoja ovat: vektoriyhtälö, parametriesitys (2 parametria), normaalimuotoinen yhtälö ja koordinaattiyhtälö.

TASON YHTÄLÖT. Tason esitystapoja ovat: vektoriyhtälö, parametriesitys (2 parametria), normaalimuotoinen yhtälö ja koordinaattiyhtälö. TSON YHTÄLÖT VEKTORIT, M4 Jokainen seuraavista määrää avaruuden tason yksikäsitteisesti: - kolme tason pistettä, jotka eivät ole samalla suoralla, - yksi piste ja pisteen ulkopuolinen suora, - yksi piste

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

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

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

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

MAA15 Vektorilaskennan jatkokurssi, tehtävämoniste

MAA15 Vektorilaskennan jatkokurssi, tehtävämoniste MAA15 Vektorilaskennan jatkokurssi, tehtävämoniste Tason ja avaruuden vektorit 1. Olkoon A(, -, 4) ja B(5, -1, -3). a) Muodosta pisteen A paikkavektori. b) Muodosta vektori AB. c) Laske vektorin AB pituus.

Lisätiedot

Matriisit. Määritelmä 1 Reaaliluvuista a ij, missä i = 1,..., k ja j = 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A =

Matriisit. Määritelmä 1 Reaaliluvuista a ij, missä i = 1,..., k ja j = 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A = 1 / 21 Määritelmä 1 Reaaliluvuista a ij, missä i 1,..., k ja j 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A... a k1 a k2 a kn sanotaan k n matriisiksi. Usein merkitään A [a ij ]. Lukuja

Lisätiedot

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi Talousmatematiikan perusteet: Luento 10 Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi Lineaarikuvaus Esim. Yritys tekee elintarviketeollisuuden käyttämää puolivalmistetta, jossa käytetään

Lisätiedot

Suorista ja tasoista LaMa 1 syksyllä 2009

Suorista 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

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

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

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

802120P MATRIISILASKENTA (5 op)

802120P MATRIISILASKENTA (5 op) 802120P MARIIILAKENA (5 op) Oulun yliopisto Matemaattiset tieteet 2015 ero Vedenjuoksu 1 Alkusanat ämä luentomoniste pohjautuu osaksi Esa Järvenpään (2011) ja osaksi Hanna Kiilin (2014) kurssin Lineaarialgebra

Lisätiedot

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

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

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

Tekijä Pitkä matematiikka b) Kuvasta nähdään, että b = i 4 j. c) Käytetään a- ja b-kohtien tuloksia ja muokataan lauseketta.

Tekijä Pitkä matematiikka b) Kuvasta nähdään, että b = i 4 j. c) Käytetään a- ja b-kohtien tuloksia ja muokataan lauseketta. Tekijä Pitkä matematiikka 4 9.1.016 79 a) Kuvasta nähdään, että a = 3i + j. b) Kuvasta nähdään, että b = i 4 j. c) Käytetään a- ja b-kohtien tuloksia ja muokataan lauseketta. 5a b = 5(3i + j) ( i 4 j)

Lisätiedot

Talousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi

Talousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi Talousmatematiikan perusteet: Luento 11 Lineaarikuvaus Matriisin aste Käänteismatriisi Viime luennolla Käsittelimme matriisien peruskäsitteitä ja laskutoimituksia Vakiolla kertominen, yhteenlasku ja vähennyslasku

Lisätiedot

Johdatus lineaarialgebraan

Johdatus 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.....................

Lisätiedot

9. Vektorit. 9.1 Skalaarit ja vektorit. 9.2 Vektorit tasossa

9. Vektorit. 9.1 Skalaarit ja vektorit. 9.2 Vektorit tasossa 9. Vektorit 9.1 Skalaarit ja vektorit Skalaari on koon tai määrän mitta. Tyypillinen esimerkki skalaarista on massa. Lukumäärä on toinen hyvä esimerkki skalaarista. Vektorilla on taas suuruus ja suunta.

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

Lineaariset kongruenssiyhtälöryhmät

Lineaariset kongruenssiyhtälöryhmät Lineaariset kongruenssiyhtälöryhmät LuK-tutkielma Jesse Salo 2309369 Matemaattisten tieteiden laitos Oulun yliopisto Sisältö Johdanto 2 1 Kongruensseista 3 1.1 Kongruenssin ominaisuuksia...................

Lisätiedot

Pistetulo eli skalaaritulo

Pistetulo eli skalaaritulo Pistetulo eli skalaaritulo VEKTORIT, MAA4 Pistetulo on kahden vektorin välinen tulo. Tarkastellaan ensin kahden vektorin välistä kulmaa. Vektorien a ja, kun a 0, välinen kulma on (kuva) kovera kun a vektorit

Lisätiedot

Muistutus: Matikkapaja ke Siellä voi kysyä apua demoihin, edellisen viikon demoratkaisuja, välikoetehtävien selitystä, monisteesta yms.

Muistutus: 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

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

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. Olkoot A 2 := AA =

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. Olkoot A 2 := AA = 3 3 Olkoot 9 8 B 7 6 ja A 5 4 [ 3 4 Nyt A + B, AB ja BB eivät ole mielekkäitä (vastaavilla lineaarikuvauksilla menisivät dimensiot solmuun tällaisista yhdistelmistä) Kuitenkin voidaan laskea BA ja 9( )

Lisätiedot

Determinantit. Kaksirivinen determinantti. Aiheet. Kaksirivinen determinantti. Kaksirivinen determinantti. Kolmirivinen determinantti

Determinantit. Kaksirivinen determinantti. Aiheet. Kaksirivinen determinantti. Kaksirivinen determinantti. Kolmirivinen determinantti Determinantit 1 2 2-matriisin ( A = on det(a) = a 11 a 12 a 21 a 22 a 11 a 12 a 21 a 22 ) = a 11a 22 a 12 a 21. 1 2 2-matriisin on det(a) = Esim. Jos A = ( a 11 a 12 a 21 a 22 A = a 11 a 12 a 21 a 22 )

Lisätiedot

VEKTORIT paikkavektori OA

VEKTORIT paikkavektori OA paikkavektori OA Piste A = (2, -1) Paikkavektori OA = 2i j 3D: kuvan piirtäminen hankalaa Piste A = (2, -3, 4) Paikkavektori OA = 2i 3j + 4k Piste A = (a 1, a 2, a 3 ) Paikkavektori OA = a 1 i + a 2 j

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra ja matriisilaskenta I Lineaarialgebra ja matriisilaskenta I 6.6.2013 HY / Avoin yliopisto Jokke Häsä, 1/22 Kertausta: Kääntyvien matriisien lause Lause 1 Oletetaan, että A on n n -neliömatriisi. Seuraavat ehdot ovat yhtäpitäviä.

Lisätiedot

Liittomatriisi. 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. 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

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

Determinantti. Määritelmä

Determinantti. Määritelmä Determinantti Määritelmä Oletetaan, että A on n n-neliömatriisi Merkitään normaaliin tapaan matriisin A alkioita lyhyesti a ij = A(i, j) (a) Jos n = 1, niin det(a) = a 11 (b) Muussa tapauksessa n det(a)

Lisätiedot

Neliömatriisin adjungaatti, L24

Neliömatriisin adjungaatti, L24 Neliömatriisin adjungaatti, L24 1 2 1 3 Matriisi = A = 7 4 6 5 2 0 ( ) 7 6 Alimatriisi = A 12 = 5 0 Minori = det(a 12 ) = 7 6 5 0 = 30 Kofaktori = ( 1) 1+2 det(a 12 ) = 30 2 Määritelmä n n neliö-matriisin

Lisätiedot

7 Vapaus. 7.1 Vapauden määritelmä

7 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

Lisätiedot

Talousmatematiikan perusteet: Luento 9

Talousmatematiikan perusteet: Luento 9 Talousmatematiikan perusteet: Luento 9 Vektorien peruslaskutoimitukset Lineaarinen riippumattomuus Vektorien sisätulo ja pituus Vektorien välinen kulma Motivointi Tähän asti olemme tarkastelleet yhden

Lisätiedot

Matriisit, kertausta. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi

Matriisit, kertausta. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi Matriisit, kertausta Merkintöjä 1 Matriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: ( 2 0.4 8 0 2 1 ) ( 0, 4 ), ( ) ( 1 4 2, a 11 a 12 a 21 a 22 ) Kaavio kirjoitetaan kaarisulkujen väliin

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

Lineaariset yhtälöryhmät ja matriisit

Lineaariset yhtälöryhmät ja matriisit Lineaariset yhtälöryhmät ja matriisit Lineaarinen yhtälöryhmä a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2. a m1 x 1 + a m2 x 2 + + a mn x n = b m, (1) voidaan esittää

Lisätiedot

0, niin vektorit eivät ole kohtisuorassa toisiaan vastaan.

0, niin vektorit eivät ole kohtisuorassa toisiaan vastaan. Tekijä Pitkä matematiikka 4 9.1.016 168 a) Lasketaan vektorien a ja b pistetulo. a b = (3i + 5 j) (7i 3 j) = 3 7 + 5 ( 3) = 1 15 = 6 Koska pistetulo a b 0, niin vektorit eivät ole kohtisuorassa toisiaan

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

Vektoreiden A = (A1, A 2, A 3 ) ja B = (B1, B 2, B 3 ) pistetulo on. Edellisestä seuraa

Vektoreiden A = (A1, A 2, A 3 ) ja B = (B1, B 2, B 3 ) pistetulo on. Edellisestä seuraa Viikon aiheet Pistetulo (skalaaritulo Vektorien tulot Pistetulo Ristitulo Skalaari- ja vektorikolmitulo Integraalifunktio, alkeisfunktioiden integrointi, yhdistetyn funktion derivaatan integrointi Vektoreiden

Lisätiedot

802120P Matriisilaskenta (5 op)

802120P Matriisilaskenta (5 op) 802120P Matriisilaskenta (5 op) Marko Leinonen Matemaattiset tieteet Syksy 2016 1 / 220 Luennoitsija: Marko Leinonen marko.leinonen@oulu.fi MA333 Kurssilla käytetään Noppaa (noppa.oulu.fi) Luentomoniste

Lisätiedot

Juuri 4 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Kertaus. b) B = (3, 0, 5) K2. 8 ( 1)

Juuri 4 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Kertaus. b) B = (3, 0, 5) K2. 8 ( 1) Kertaus K1. a) OA i k b) B = (, 0, 5) K. K. a) AB (6 ( )) i () ( ( 7)) k 8i 4k AB 8 ( 1) 4 64116 819 b) 1 1 AB( ( 1)) i 1 i 4 AB ( ) ( 4) 416 0 45 5 K4. a) AB AO OB OA OB ( i ) i i i 5i b) Pisteen A paikkavektori

Lisätiedot

2.8. Kannanvaihto R n :ssä

2.8. Kannanvaihto R n :ssä 28 Kannanvaihto R n :ssä Seuraavassa kantavektoreiden { x, x 2,, x n } järjestystä ei saa vaihtaa Vektorit ovat pystyvektoreita ( x x 2 x n ) on vektoreiden x, x 2,, x n muodostama matriisi, missä vektorit

Lisätiedot

Suora. Määritelmä. Oletetaan, että n = 2 tai n = 3. Avaruuden R n suora on joukko. { p + t v t R},

Suora. Määritelmä. Oletetaan, että n = 2 tai n = 3. Avaruuden R n suora on joukko. { p + t v t R}, Määritelmä Suora Oletetaan, että n = 2 tai n = 3. Avaruuden R n suora on joukko { p + t v t R}, missä p, v R n ja v 0. Tässä p on suoran jonkin pisteen paikkavektori ja v on suoran suuntavektori. v p LM1,

Lisätiedot

Talousmatematiikan 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 Talousmatematiikan perusteet: Luento 8 Vektoreista ja matriiseista Vektorien peruslaskutoimitukset Lineaarinen riippumattomuus Vektorien sisätulo Motivointi Esim. Herkkumatikka maksaa 50 /kg. Paljonko

Lisätiedot

Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa.

Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa. 7 Matriisilaskenta Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa. 7.1 Lineaariset yhtälöryhmät Yhtälöryhmät liittyvät tilanteisiin, joissa on monta tuntematonta

Lisätiedot