1. Ominaisarvot. Diagonalisointi
|
|
|
- Irma Parviainen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 MA-45 LAAJA MAEMAIIKKA 5 amperee teillie yliopisto Risto Silveoie Kevät 8 Kertaamme Lama :ssa esitettyä omiaisarvoteoriaa, erityisesti - ulotteisissa avaruusissa ulemme tarvitsemaa äitä Lama 5:ssa differetiaaliyhtälöitä rataistaessa Omiaisarvot Diagoalisoiti Joaisee matriisii liittyy jouo sille omiaisia luuja, s omiaisarvoja, joista oostuu matriisi "spetri" ämä vaatii uitei luualuee laajetamista omplesiluuihi Jatossa matriisit ja vetorit voivat olla (ellei toisi maiita) omplesiertoimisia Matriisialgebra säilyy samalaisea ui reaalitapausessai, paitsi että uutea operaatioa tulee muaa omplesiluuje ojugoiti Avaruus oostuu -omplesivetoreista, missä ertoimet i Vetori ojugaatti o (Komplesiluvu a + bi ojugaatti eli liittoluu o z a bi) Sisätulo o yt muotoa y i y y+ + y Silloi vetori pituus eli ormi o
2 i i Esim i i ( ) ( ) Salaarit, esimerisi lieaariombiaatioide ertoimet, ovat tapausessa omplesiluuja, ja siitä syystä esimerisi : luoollie ata äy myös : aasi : Pääasiassa tarastelemme tässä urssissa reaalimatriiseja, mutta omplesivetoreihi joudutaa omplesiste omiaisarvoje taia Salaari λ o eliömatriisi A omiaisarvo, jos o olemassa joi sellaie, että A λ Silloi vetori o omiaisarvoa λ vastaava omiaisvetori Eglaiieliset termit ovat eigevalue ja eigevector Omiaisarvo määrittely-yhtälö saadaa siirtämällä aii termit vasemmalle puolelle muotoo A λ eli ( A λi) Kyseessä o siis homogeeie lieaarie yhtälöryhmä, joa erroimatriisi o A λi Kosa yseessä o eliömatriisi, sillä o eitriviaaleja rataisuja ( ei elpaa omiaisvetorisi) täsmällee silloi, u erroimatriisi determiatti Yhtälöä p( λ) det( A λi) saotaa matriisi A arateristisesi yhtälösi ja polyomia p( λ ) se arateristisesi polyomisi Matriisi omiaisarvot ovat siis se arateristise polyomi juuret Näitä o algebra peruslausee ojalla ertaluvut muaa luie appaletta (jota voivat olla omplesisia)
3 (ässä o syy siihe, että reaalisei matriisi omiaisarvot voivat olla omplesisia, ja sitä autta myös omiaisvetorit) Omiaisarvoja o -matriisilla siis ertaluvut muaa luie appaletta Omiaisarvo λ algebrallie ertaluu o, jos λ o arateristise polyomi -ertaie juuri Algebrallisesta ertaluvusta äytetää meritää alg(λ ) Kuhui omiaisarvoo λ liittyvät omiaisvetorit ja ollavetori muodostavat aliavaruude, omiaisarvo λ omiaisavaruude E λ : E λ { A λ } R N( A λi) Omiaisavaruus todella o aliavaruus, sillä: E λ ja, y Eλ, a, b R A( a+ by) aa + bay aλ + bλy λ( a + by ) a+ by E λ Omiaisavaruude dimesio o omiaisarvo λ geometrie ertaluu geom(λ ) dim E dim N( A λi) λ Voidaa osoittaa (Lay), että geometrie ertaluu o aia oreitaa algebrallise ertaluvu suuruie: geom(λ ) alg(λ ) Matriisi A omiaisarvotehtävä äsittää matriisi aiie omiaisarvoje ja vastaavie omiaisvetorie muodostamista Omiaisvetoreista haetaa silloi joti omiaisavaruude atavetorit Meettely oostuu seuraavista vaiheista:
4 4 Muodostetaa arateristie polyomi p( λ) det( A λi) Haetaa arateristise polyomi juuret λ,, λ Rataistaa ullei omiaisarvolle λ i homogeeie yhtälöryhmä ( A λ i ), joa rataisusta poimitaa "lieaarisesti riippumattomat omiaisvetorit" eli olla-avaruude N( A λi) atavetorit Esim 6 A det( A λi) 6 λ λ 7λ + λ 4& λ λ ovat omiaisarvot Omiaisarvolle λ 4: / [ A 4 I ] /, t, t t, valitaa esim t/: omiaisvetori v / Vastaavasti omiaisarvolle λ : v Kummai omiaisarvo algebrallie ja geometrie ertaluu ovat Esim A λ 6 5 λ (5 λ)(( 7 λ)( λ) 6) 6 λ
5 5 λ 5, λ, Omiaisvetorit omiaisarvolle λ, 5 : 6 ½ [ A 5 I ] ½, 6 ½ ½, t s, t, t+ s, omi vetorit esim (valit t,s; t, s): v, v Vastaavasti omiaisarvolle λ -: v alg(5) geom(5), alg(-)geom(-) Esim A 5 4 Omiaisarvot: 4 λ 5 (4 λ)( 4 λ) + 5 λ + 9 λ, ± i 5 4 λ Omiaisvetorit omiaisarvolle λ i : 4 i 4 i i 5 4 i +, 5 4+ i t 5 5, valitaa esim t 4 i: v 4 i t 5 Omiaisarvo λ i λomiaisvetori o v v 4+ i Kummai omiaisarvo algebrallie ja geometrie ertaluu ovat
6 6 Esim A 5 Omiaisarvot: 5 λ 4 λ λ λ λ λ λ λ λ (5 )( (5 ) 4) ( 4)(5 ) (5 )( 5 ) 5 λ λ 5, λ, Omiaisvetorit omiaisarvolle λ, 5 : ,, t t t, valitaa esim t: v Omiaisarvo λ omiaisvetorisi saadaa vastaavasti Nyt alg(5), geom(5), alg()geom() 4 u 5 Kute esimerissä 4 ähtii, reaaliselle matriisille omplesiset omiaisvetorit esiityvät ojugaattipareia: Jos reaalisella matriisilla A o omplesie omiaisarvo λ ja vastaava omiaisvetori v, ii λ o myös omiaisarvo ja v o sitä vastaava omiaisvetori: Av λv Av Av ( Av) ( λv) λv
7 7 Kosa matriisi omiaisarvo λ o arateristise polyomi p( λ) det( A λi) juuri, sille ähdää seuraavat omiaisuudet: Matriisi A o äätyvä, jos ja vai jos ei ole se omiaisarvo Jos λ o äätyvä matriisi A omiaisarvo, ii λ o ääteismatriisi A omiaisarvo Kolmiomatriisi omiaisarvot ovat se lävistäjäaliot Matriisi determiatti o yhtä ui se omiaisarvoje tulo: det A λ λ λ Matriisi A ( a ij ) lävistäjäalioide summa eli jäli o yhtä ui se omiaisarvoje summa: a + a + + a λ + λ + λ (odistuset lueolla) a b a Esim 6 A, a, b a a Yläolmiomatriisi, jote omiaisarvot ovat λ λ λ λ4 a eli a o aioa omiaisarvo, alg(a)4
8 8 b, joa vastaa yhtälöä [ A ai ] Siis muut muuttujat saavat olla vapaasti mitä tahasa, jote 4 r s t eli r + s + t, r, s, t R Omiaisvetoreita löytyy siis olme lieaarisesti riippumatota, eli v, v, v Nyt siis geometrie ertaluu geom(a) Osoitetaa seuraavasi hyödyllie omiaisuus eri omiaisavaruusie esiäisestä suhteesta: Erisuuria omiaisarvoja vastaavat omiaisvetorit ovat lieaarisesti riippumattomia odistus: Oloot λ,, λr matriisi A erisuuria omiaisarvoja ja v,, vr iihi vastaavasti liittyviä omiaisvetoreita Osoitetaa, että jos v,,, v < r ovat lieaarisesti riippumattomia, ii äi ovat myös v,, v, v+ Ellei olisi, ii v + olisi muide lieaariombiaatio: v c v + i i i ässä aii ertoimet c i eivät voi olla, osa v + Silloi ertomalla matriisilla A puolittai: A v Ac v λ v cλ v + i i + + i i i i i
9 9 oisaalta ertomalla v+ civ i luvulla λ + saadaa myös esitys λ v λ c v i i i i Vähetämällä ämä toisistaa saadaa ci( λi λ + ) v i, josta vetorie v,, v i lieaarise riippumattomuude taia ci( λi λ + ), i Kosa omiaisarvot ovat erisuuria, ovat c i aiilla i, miä o ristiriita Nyt siis aloittamalla vetorista v, joa ollasta eroavaa o ysiää lieaarisesti riippumato, ähdää että v, v ovat lieaarisesti riippumattomia, je Matriisit A ja B ovat similaariset, jos o olemassa sellaie äätyvä matriisi S, että S AS B Similaarisilla matriiseilla o imesä muaisesti jotai yhteistä: Similaariste matriisie A ja B arateristiset polyomit ovat samat, ja iillä o siis samat omiaisarvot ämä ähdää suoralla lasulla: p B I S AS I S AS S IS B ( λ) det( λ ) det( λ ) det( λ ) det( S ( AS λis)) det( S ( A λi) S) det( S ( A λi) S) det( S ) det( A λi) det S det( A λi) det( S ) det S det( A λi) det( S S) det( A λi) p A ( λ) Matriisi A o diagoalisoituva, jos se o similaarie joi lävistäjämatriisi D assa Diagoalisoituvuus meritsee siis sitä, että löytyy äätyvä matriisi S, joa diagoalisoi matriisi A: S AS D
10 Lävistäjämatriisi D lävistäjäaliot ovat silloi A: omiaisarvot Kooa oleva matriisi o diagoalisoituva täsmällee silloi, u A:lla o täysi määrä eli appaletta lieaarisesti riippumattomia omiaisvetoreita Silloi diagoalisoiva matriisi S pystyrivit ovat tällaiset A: lieaarisesti riippumattomat omiaisvetorit Vetorit v, v ovat A: lieaarisesti riippumattomia omiaisvetoreita, jos ja vai jos iistä raeettu matriisi S [ v,, v ] o äätyvä (ras) ja Av λ v, i,, Siis A o diagoalisoituva lävistäjämatriisisi i i i D λ λ diag(,, ) D S AS SD AS λ λ v,, v A v,, v Av,, Av λ [ ] [ ] [ ] [ ] [ ] λ v,, λ v Av,, Av Av λv, i,, i i i Ehto lieaarisesti riippumattomie omiaisvetorie täydelle määrälle o ertaluuje avulla ilmaistua: Joaisella omiaisarvolla o oltava algebrallie ertaluu yhtä ui geometrie ertaluu: alg(λ)geom(λ) Erityisesti matriisi o silloi diagoalisoituva, u se aii omiaisarvoa ovat erisuuria
11 Ku A o diagoalisoituva, ii yhtälö S AS D tulee pääasiassa äyttöö muodossa A SDS Silloi esimerisi A ( SDS )( SDS ) SDDS SD S ja yleisemmi A SD S Lävistäjämatriisi potessit ovat helppoja muodostaa: D λ λ λ Potessie autta päästää aylori sarjoihi, ja äi voidaa diagoalisoituville matriiseille määritellä aalyyttiste futioide f() vastieet matriisifutioia: f ( λ ) f ( ) f ( A) Sf( D) S S λ S f ( λ ) Esim 7 A Aiaisemmi äsitelly esimeri : muaa omiaisarvot ovat λ, 5, λ Omiaisvetorit omiaisarvolle λ, 5 : v, v
12 Vastaavasti omiaisarvolle λ -: v Lieaarisesti riippumattomia omiaisvetoreita o yt täysi appaletta Siis saamme esityse A SDS /5 /5 5 /5 /5 Symmetrise reaalise matriisi tapaus o aiei selei omiaisarvoje ja diagoalisoii aalta Symmetrise reaalimatriisi A omiaisarvot ovat reaaliset ja vastaavat omiaisvetorit voidaa valita reaalisisi Jos o symmetrise reaalimatriisi A omiaisarvoa λ vastaava ysiövetorisi ormeerattu omiaisvetori, ii λ A λ λ λ λ A, josta saadaa ojugoimalla ( ) λ λ A A A λ, jote λ o reaalie Silloi reaalisella yhtälöllä ( A λi) o reaalisia ei-triviaaleja rataisuja, eli omiaisvetoriti voidaa valita reaalisisi Symmetrise reaalimatriisi erisuuria omiaisarvoja vastaavat omiaisvetorit ovat ortogoaaliset, ii Jos A λ & A λ, λ λ λ A A λ A λ λ, jote ( λ λ ) ja siis
13 Neliömatriisi Q o ortogoaalie, jos se saraeet muodostavat ortoormaali jouo Silloi se o äätyvä, ja ääteismatriisi o lasettavissa ysiertaisesti traspooimalla:, i j Q [ q,, q], qi q j δij, i j q QQ [ q,, q ] [ q,, q ] [ q,, q ] q q q q q I q q q q Q Q Ortogoaalise eliömatriisi omiaisuudet ovat siis Q ortogoaalie Q : saraeet ortoormaaleja QQ QQ I Q Q Esim 8 / / / Q / / / / / / o ortogoaalie, ute taristamalla miä hyväsä yllä olevista yhtäpitävistä ehdoista osoittaa Jos matriisi A o symmetrie ja se omiaisarvot ovat aii erisuuria, o silloi edellise ojalla se omiaisvetoreista muodostettavissa ortogoaalie matriisi ällöi matriisi diagoalisoituu siis ortogoaalisella matriisilla ämä pätee myös yleisesti symmetriselle reaalimatriisille (tulos o syvällie):
14 4 Symmetrie reaalimatriisi A voidaa aia diagoalisoida ortogoaalisella matriisilla Q: A QDQ Matriisi Q oostuu A: ortogoaalisista omiaisvetoreista Esim 9 A Esimerissä 7 tämä diagoalisoitii Omiaisvetorit olivat omiaisarvolle λ, 5 : v, v ja omiaisarvolle λ -: v Nyt vetorit v ja v sattuvat olemaa / 5 v ortogoaaliset, jote riittää ormeerata e: q, q v v / 5 Omiaisarvoo λ liittyvä omiaisvetori tuleei olla ortogoaalie äide assa, jote ormeeraamalla se saadaa olmas tarvittava omiaisvetori q v / 5 / 5 v Silloi diagoalisoiva matriisi o Q / 5 / 5 [ q, q, q ] ja A: "spetraaliesitys" o / 5 / 5 / 5 / 5 5 / 5 / 5 A QDQ 5 / 5 / 5 / 5 / 5
9. Ominaisarvot. Diagonalisointi
55 9 Omiaisarvot Diagoalisoiti Joaisee matriisii liittyy jouo sille omiaisia luuja, s omiaisarvoja, joista oostuu matriisi "spetri" ämä vaatii uitei luualuee laajetamista omplesiluuihi Jatossa matriisit
Tarkastelemme sitten epähomogeenista toisen kertaluvun yhtälöä
45. Epähomogeeiset yhtälöt Tarkastelemme sitte epähomogeeista toise kertaluvu yhtälöä (8) Ly= y + ay + ay= b. Kute edellä olevasta teoriasta o selviyt, riittää yleise ratkaisu löytämiseksi tutea vastaava
Ortogonaalisuus ja projektiot
MA-3450 LAAJA MAEMAIIKKA 5 amperee teillie yliopisto Risto Silveoie Kevät 2007 äydeämme Lama 2: lieaarialgebraa oheisella Ortogoaalisuus ja projetiot Olemme aiaisemmi jo määritelleet, että asi vetoria
8. Ortogonaaliprojektiot
44 8 Ortogoaaliprojetiot Avaruus R o eemmäi ui pelä vetoriavaruus, osa siiä o mahdollisuus määritellä vetoreide pituus, välie ulma ja erityisesti ohtisuoruus ähä päästää ottamalla äyttöö vetoreide välie
Mat Lineaarinen ohjelmointi
Mat-2.340 Lieaarie ohjelmoiti 20.9.2007 Lueto 2 Lieaarialgebraa ja geometriaa (kirja.5, 2.) S ysteemiaalyysi Tekillie korkeakoulu Lieaarie ohjelmoiti - Syksy 2007 / Lieaarialgebraa Notaatiota Kääteismatriisi
J1 (II.6.9) J2 (X.5.5) MATRIISILASKENTA(TFM) MALLIT AV 6
MATRIISILASKENTA(TFM) MALLIT AV 6 J (II.6.9) Päättele, että avaruusvetorit a, b ja c ovat lineaarisesti riippuvat täsmälleen un vetoreiden virittämän suuntaissärmiön tilavuus =. Tuti tällä riteerillä ovato
Tehtävä 11 : 1. Tehtävä 11 : 2
Tehtävä : Käytetää irjaita M luvu ( ) meritsemisee. Satuaisverossa G, p() o yhteesä solmua, jote satuaismuuttuja X mahdollisia arvoja ovat täsmällee jouo0,..., M} aii aliot. Joaie satuaisvero mahdollisista
C (4) 1 x + C (4) 2 x 2 + C (4)
http://matematiialehtisolmu.fi/ Kombiaatio-oppia Kuia mota erilaista lottoriviä ja poeriättä o olemassa? Lotossa arvotaa 7 palloa 39 pallo jouosta. Poeriäsi o viide orti osajouo 52 orttia äsittävästä paasta.
Luku 2. Jatkuvuus ja kompaktisuus
1 MAT-13440 LAAJA MATEMATIIKKA 4 Taperee teillie yliopisto Risto Silveoie Kevät 2010 Luu 2. Jatuvuus ja opatisuus 1. Jatuvat futiot ja uvauset Tässä luvussa tarastellaa yleisiillää vetoriuuttuja vetoriarvoisia
Luku 11. Jatkuvuus ja kompaktisuus
1 MAT-13440 LAAJA MATEMATIIKKA 4 Taperee teillie yliopisto Risto Silveoie Kevät 2008 Luu 11. Jatuvuus ja opatisuus 11.1 Jatuvat futiot ja uvauset Tässä luvussa tarastellaa yleisiillää vetoriuuttuja vetoriarvoisia
Tämä merkitsee geometrisesti, että funktioiden f
28 2. Futiosarjat Edellä sarjat olivat luusarjoja, joide termit ovat (tässä urssissa) reaaliluuja. Jos termit ovat samasta muuttujasta riippuvia futioita, päädytää futiotermisii sarjoihi. Näide äyttö matematiiassa
9 Lukumäärien laskemisesta
9 Luumäärie lasemisesta 9 Biomiertoimet ja osajouoje luumäärä Määritelmä 9 Oletetaa, että, N Biomierroi ilmaisee, uia mota -alioista osajouoa o sellaisella jouolla, jossa o aliota Meritä luetaa yli Lasimesta
Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit
Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit Antti Rasila 2016 Ominaisarvot ja ominaisvektorit 1/5 Määritelmä Skalaari λ C on matriisin A C n n ominaisarvo ja vektori v C n sitä
4.7 Todennäköisyysjakaumia
MAB5: Todeäöisyyde lähtöohdat.7 Todeäöisyysjaaumia Luvussa 3 Tuusluvut perehdyimme jo jaauma äsitteesee yleesä ja ormaalijaaumaa vähä taremmi. Lähdetää yt tutustumaa biomijaaumaa ja otetaa se jälee ormaalijaauma
Esimerkki 4.4. Esimerkki jatkoa. Määrää matriisin ominaisarvot ja -vektorit. Ratk. Nyt
Esimerkki 4.4. Määrää matriisin 2 2 1 A = 1 3 1 2 4 3 ominaisarvot ja -vektorit. Ratk. Nyt det(a λi ) = 1 + 2 λ 2 1 + 1 λ 1 λ 1 3 λ 1 = 1 3 λ 1 2 4 3 λ 2 4 3 λ 1 λ = 1 4 λ 1 = (1 λ)( 1)1+1 4 λ 1 2 6 3
Tehtäviä neliöiden ei-negatiivisuudesta
Tehtäviä epäyhtälöistä Tehtäviä eliöide ei-egatiivisuudesta. Olkoo a R. Osoita, että 4a 4a. Ratkaisu. 4a 4a a) a 0 a ) 0.. Olkoot a,, R. Osoita, että a a a. Ratkaisu. Kerrotaa molemmat puolet kahdella:
Laskennallisen kombinatoriikan perusongelmia
Laseallise obiatoriia perusogelia Varsi oissa tehtävissä, joissa etsitää tietylaiste järjestelyje, jouoje ts luuääriä, o taustalla joi uutaista peruslasetatavoista tai lasetaogelista Tässä esitelläälyhyesti
MS-A0004/A0006 Matriisilaskenta
4. MS-A4/A6 Matriisilaskenta 4. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto..25 Tarkastellaan neliömatriiseja. Kun matriisilla kerrotaan vektoria, vektorin
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:
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,
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
Matriisialgebra harjoitukset, syksy 2016
Matriisialgebra harjoitukset, syksy 6 MATRIISIALGEBRA, s. 6, Ratkaisuja/ M.Hamina & M. Peltola 8. Olkoon 4 A 6. 4 Tutki, onko A diagonalisoituva. Jos on, niin määrää matriisi D T AT ja siihen liittyvä
Laaja matematiikka 2 Kertaustehtäviä Viikko 17/ 2005
7303045 Laaja matematiikka Kertaustehtäviä Viikko 7/ 005 Tehtävät ovat Laaja matematiikka : ja : alueelta olevia etisiä välikoe- ja tettitehtäviä. Alkupää tehtävät liittyvät yleesä kurssii ja loppupää
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
JOHDATUS LUKUTEORIAAN (syksy 2017) HARJOITUS 1, MALLIRATKAISUT
JOHDATUS LUKUTEORIAAN (sysy 2017) HARJOITUS 1, MALLIRATKAISUT Tehtävä 1. (i) Etsi luvun 111312 aii teijät. (ii) Oloot a ja b positiivisia oonaisluuja joilla a b ja b a. Osoita, että silloin a = b. Rataisu
Ominaisarvo ja ominaisvektori
Ominaisarvo ja ominaisvektori Määritelmä Oletetaan, että A on n n -neliömatriisi. Reaaliluku λ on matriisin ominaisarvo, jos on olemassa sellainen vektori v R n, että v 0 ja A v = λ v. Vektoria v, joka
V. POTENSSISARJAT. V.1. Abelin lause ja potenssisarjan suppenemisväli. a k (x x 0 ) k M
V. POTENSSISARJAT Funtioterminen sarja V.. Abelin lause ja potenssisarjan suppenemisväli P a x x, missä a, a, a 2,... R ja x R ovat vaioita, on potenssisarja, jona ertoimet ovat luvut a, a,... ja ehitysesus
Similaarisuus. Määritelmä. Huom.
Similaarisuus Määritelmä Neliömatriisi A M n n on similaarinen neliömatriisin B M n n kanssa, jos on olemassa kääntyvä matriisi P M n n, jolle pätee Tällöin merkitään A B. Huom. Havaitaan, että P 1 AP
1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).
HY, MTO / Matemaattiste tieteide adiohjelma Tilastollie päättely II, evät 019 Harjoitus 5B Rataisuehdotusia Tehtäväsarja I 1. (Jatoa Harjoitus 5A tehtävää 4). Moistee esimeri 3.3.3. muaa momettimeetelmä
Miehitysluvuille voidaan kirjoittaa Maxwell Boltzmann jakauman mukaan. saamme miehityslukujen summan muodossa
S-4.7 Fysiia III (EST) Tetti..6. Tarastellaa systeemiä, jossa ullai hiuasella o olme mahdollista eergiatasoa, ε ja ε, missä ε o eräs vaio. Oletetaa, että systeemi oudattaa Maxwell-Boltzma jaaumaa ja, että
DEE Lineaariset järjestelmät Harjoitus 2, ratkaisuehdotukset. Johdanto differenssiyhtälöiden ratkaisemiseen
D-00 Lineaariset järjestelmät Harjoitus, rataisuehdotuset Johdanto differenssiyhtälöiden rataisemiseen Differenssiyhtälöillä uvataan disreettiaiaisten järjestelmien toimintaa. Disreettiaiainen taroittaa
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
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)
q =, r = a b a = bq + r, b/2 <r b/2.
Luuteoria I Harjoitusia 2009 1 Osoita, että (a x = x x R, (b x x< x +1 x R, (c x + = x + x R, Z, (d x + y x + y x, y R, (e x y xy x, y R 0 2 Oloot a, b, q, r Z ja a = qb + r, 0 r< b Näytä, että a a q =,
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
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
Ennen kuin mennään varsinaisesti tämän harjoituksen asioihin, otetaan aluksi yksi merkintätekninen juttu. Tarkastellaan differenssiyhtälöä
DEE-00 Lineaariset järjestelmät Harjoitus, rataisuehdotuset Ennen uin mennään varsinaisesti tämän harjoitusen asioihin, otetaan alusi ysi merintäteninen juttu Tarastellaan differenssiyhtälöä y y y 0 Vaihtoehtoinen
4 KORKEAMMAN KERTALUVUN LINEAARISET DIFFERENTIAALIYHTÄLÖT. Kertaluvun n lineaarinen differentiaaliyhtälö ns. standardimuodossa on
4 4 KORKEAAN KERTAUVUN INEAARISET DIFFERENTIAAIYHTÄÖT Kertalukua olevassa differetiaalihtälössä F(x,,,, () ) = 0 esiit :e kertaluvu derivaatta () = d /dx ja mahdollisesti alempia derivaattoja, :tä ja x:ää.
HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 6A Ratkaisuehdotuksia.
HY, MTO / Matemaattiste tieteide adiohjelma Tilastollie päättely II, evät 2018 Harjoitus 6A Rataisuehdotusia Tehtäväsarja I 1. (Moistee tehtävä 5.4) Kauppias myy mäysiemeiä, joide itävyyde väitetää oleva
Joulukuun vaativammat valmennustehtävät ratkaisut
Jouluuun vaativammat valmennustehtävät rataisut. Tapa. Pätee z = x + y, joten z = (x + y = x + y, josta sieventämällä seuraa xy 4x 4y + 4 = 0. Siispä (x (y =. Tästä yhtälöstä saadaan suoraan x =, y = 4
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
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
(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
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
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
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
VÄRÄHTELYMEKANIIKKA SESSIO 19: Usean vapausasteen systeemin liikeyhtälöiden johto Newtonin lakia käyttäen
9/ VÄRÄHTELYMEKANIIKKA SESSIO 9: Usean vapausasteen systeemin liieyhtälöiden johto Newtonin laia äyttäen JOHDANTO Usean vapausasteen systeemillä taroitetaan meaanista systeemiä, jona liietilan uvaamiseen
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.
7. Aliavaruudet. Lineaariset yhtälöryhmät
7 7 Aliavaruudet Lieaariset yhtälöryhmät Tässäki luvussa kerrataa ja täydeetää jo kurssilla Laaja matematiikka esiityeitä asioita Erityisesti yhtälöryhmie teoriaa ja ratkaisemisee paeudutaa perusteellisesti
MAB7 Talousmatematiikka. Otavan Opisto / Kati Jordan
3.3 Laiat MAB7 Talousmatematiia Otava Opisto / Kati Jorda Laia ottamie Suuri osa ihmisistä ottaa laiaa jossai elämävaiheessa. Pailaiaa tarvitaa yleesä vauusia ja/tai taausia. Laiatulle pääomalle masetaa
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,
Helsinki University of Technology Laboratory of Telecommunications Technology
Helsii Uiversity of Techology Laboratory of Telecommuicatios Techology S-38. Sigaaliäsittely tietoliieteessä I Sigal Processig i Commuicatios ( ov) Sysy 998 9. Lueto: Kaava apasiteetti ja ODM prof. Timo
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
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
Insinöörimatematiikka IA
Isiöörimatematiikka IA Harjoitustehtäviä. Selvitä oko propositio ( p q r ( p q r kotradiktio. Ratkaisu: Kirjoitetaa totuustaulukko: p q r ( p q r p q r ( p q r ( p q r 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
MS-A0402 Diskreetin matematiikan perusteet Yhteenveto, osa I
MS-0402 Disreeti matematiia perusteet Yhteeveto, osa I G. Gripeberg 1 Jouo-oppi ja logiia Idutioperiaate 2 Relaatiot ja futiot Futiot Iso-O alto-yliopisto 12. maalisuuta 2015 3 Kombiatoriia ym. Summa-,
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
Seuraavat peruslauseet 1-8 voidaan helposti todistaa integraalin määritelmästä. Integroimisjoukko R oletetaan rajoitetuksi Jordanmitalliseksi
Laaja matematiikka 5 Kevät 200 2. Itegraali omiaisuuksia Seuraavat peruslauseet -8 voidaa helposti todistaa itegraali määritelmästä. Itegroimisjoukko oletetaa rajoitetuksi Jordamitalliseksi joukoksi. Lause
Paikannuksen matematiikka MAT
TA M P E R E U N I V E R S I T Y O F T E C H N O L O G Y M a t h e m a t i c s Paikannuksen matematiikka MAT-45800 4..008. p.1/4 Käytännön järjestelyt Kotisivu: http://math.tut.fi/courses/mat-45800/ Luennot:
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
Differentiaali- ja integraalilaskenta 1 Ratkaisut 1. viikolle /
MS-A8 Differentiaali- ja integraalilasenta, V/27 Differentiaali- ja integraalilasenta Rataisut. viiolle /. 3.4. Luujonot Tehtävä : Mitä ovat luujonon viisi ensimmäistä termiä, un luujono on a) (a n ) n=,
MS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Ominaisarvoteoriaa Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Ominaisarvot Kertaus: ominaisarvot Määritelmä
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
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
Diskreetin Matematiikan Paja Ratkaisuja viikolle 5. ( ) Jeremias Berg
Disreeti Matematiia Paja Rataisuja viiolle 5. (28.4-29.4 Jeremias Berg Yleisiä ommeteja: Näissä tehtävissä aia usei rataisua oli ysittäie lasu. Kuitei vastausee olisi hyvä lisätä ommeteja siitä misi jou
MS-A0401 Diskreetin matematiikan perusteet Yhteenveto, osa I
MS-0401 Disreeti matematiia perusteet Yhteeveto, osa I G. Gripeberg alto-yliopisto 30. syysuuta 2015 1 Jouo-oppi ja logiia Prediaattilogiia Idutioperiaate 2 Relaatiot ja futiot Futiot Iso-O 3 Kombiatoriia
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
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
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
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
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,
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
VALIKOITUJA KOHTIA LUKUTEORIASTA
VALIKOITUJA KOHTIA LUKUTEORIASTA ARI LEHTONEN 1. Laajennettu Euleideen algoritmi 1.1. Jaoyhtälö. Oloot r 0, r 1 Z, r 0 r 1 > 0. Tällöin on olemassa ysiäsitteiset luvut q 1 ja r 2 Z siten, että r 0 = q
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.
Luku 1. Euklidinen avaruus
1 MA-13440 LAAJA MAEMAIIKKA 4 amperee tekillie liopisto Risto Silveoie Helmi-maaliskuu 010 Luku 1 Euklidie avaruus 1 Avaruus sisätuloavaruutea Kertaamme sks puolelta vektoreide ja -ulotteise avaruude peruskäsitteitä
Ominaisarvot ja ominaisvektorit 140 / 170
Ominaisarvot ja ominaisvektorit 140 / 170 Seuraavissa luvuissa matriisit ja vektori ajatellaan kompleksisiksi, ts. kertojakuntana oletetaan olevan aina kompleksilukujoukko C Huomaa, että reaalilukujoukko
Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain
Matriisilaskenta LH4 24 ratkaisut 1 Hae seuraavien R 4 :n aliavaruuksien dimensiot jotka sisältävät vain a) Kaikki muotoa (a b c d) olevat vektorit joilla d a + b b) Kaikki muotoa (a b c d) olevat vektorit
Sattuman matematiikkaa III
Sattuman matematiiaa III Kolmogorovin asioomat ja frevenssitulinta Tommi Sottinen Tutija Matematiian ja tilastotieteen laitos, Helsingin yliopisto Laboratoire de Probabilités et Modèles Aléatoires, Université
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
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,
Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät
Matematiikan peruskurssi K3/P3, syksy 25 Kenrick Bingham 825 Toisen välikokeen alueen ydinasioita Alla on lueteltu joitakin koealueen ydinkäsitteitä, joiden on hyvä olla ensiksi selvillä kokeeseen valmistauduttaessa
Vektorien virittämä aliavaruus
Vektorien virittämä aliavaruus Esimerkki 13 Mikä ehto vektorin w = (w 1, w 2, w 3 ) komponenttien on toteutettava, jotta w kuuluu vektoreiden v 1 = (3, 2, 1), v 2 = (2, 2, 6) ja v 3 = (3, 4, 5) virittämään
i ni 9 = 84. Todennäköisin partitio on partitio k = 6, k k
1. Neljä tuistettavissa oleva hiuase iroaoise jouo ahdolliset eergiatasot ovat 0, ε, ε, ε, 4ε,, jota aii ovat degeeroituattoia. Systeei ooaiseergia o 6ε. sitä aii ahdolliset partitiot ja osoita, että irotiloje
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,
M 2 M = sup E M 2 t. E X t = lim. niin martingaalikonvergenssilauseen oletukset ovat voimassa, eli löydämme satunnaismuuttujan M, joka toteuttaa ehdon
Matematiian ja tilastotieteen laitos Stoastiset differentiaaliyhtälöt Rataisuehdotelma Harjoituseen 7 1. Näytä, että uvaus M M M 2, un M 2 M = sup E M 2 t 2 t 0 on normi jouossa M 2 = { M : M on martingaali
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
9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista
29 9 Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista Tarkastelemme kertalukua n olevia lineaarisia differentiaaliyhtälöitä y ( x) + a ( x) y ( x) + + a ( x) y( x) + a ( x) y= b( x) ( n) ( n
9.7 Matriisinormit. Vaasan yliopiston julkaisuja 225. Ei siis lainkaan ongelmia defektiivisyydestä.
Vaasa yliopisto julkaisuja 225 U = 0.1213-0.9359-0.3307-0.1005-0.3430 0.9339 0.9875 0.0801 0.1357 S = V = >> 4.5221 0 0 0 2.2793 0 0 0 1.1642 0.0537-0.8212-0.5681 0.4414-0.4908 0.7512 0.8957 0.2911-0.3361
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
Esimerkki 2 (Kaupparatsuongelma eli TSP)
10 Esimerkki 2 (Kaupparatsuogelma eli TSP) Kauppamatkustaja o kierrettävä kaupukia site, että hä lähtee kaupugista 1 ja palaa sie sekä käy jokaisessa muussa kaupugissa täsmällee kerra. Matka kaupugista
2 Taylor-polynomit ja -sarjat
2 Taylor-polynomit ja -sarjat 2. Taylor-polynomi Taylor-polynomi P n (x; x 0 ) funtion paras n-asteinen polynomiapprosimaatio (derivoinnin annalta) pisteen x 0 lähellä. Maclaurin-polynomi: tapaus x 0 0.
1 Eksponenttifunktion määritelmä
Ekspoettifuktio määritelmä Selvitimme aikaisemmi tällä kurssilla, millaie potessisarja säilyy derivoiissa muuttumattomaa. Se perusteella määritellää: Määritelmä. Ekspoettifuktio exp : R R määritellää lausekkeella
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 )
MS-A0401 Diskreetin matematiikan perusteet Yhteenveto ja esimerkkejä ym., osa I
MS-A040 Disreeti matematiia perusteet Yhteeveto ja esimerejä ym., osa I G. Gripeberg Aalto-yliopisto 0. syysuuta 05 Jouo-oppi ja logiia Todistuset logiiassa Prediaattilogiia Idutioperiaate Relaatiot ja
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
Eräs matematiikassa paljon hyödynnetty summa on ns. luonnollisten lukujen neliöiden summa n.
POHDIN projekti Neliöide summa Lukujoo : esimmäise jäsee summa kirjoitetaa tavallisesti muotoo S ai i 1. Aritmeettisesta lukujoosta ja geometrisesta lukujoosta muodostetut summat voidaa johtaa varsi helposti.
Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.
Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +
13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit
68 3. Leaarset esmmäse kertaluvu dfferetaalsysteemt Tarkastelemme systeemejä () x () t = A() t x() t + b () t, jossa matrs A kertomet ja b ovat välllä I jatkuva. Jatkuve vektorarvoste fuktode avaruutta
MS-A0402 Diskreetin matematiikan perusteet
MS-A0402 Disreetin matematiian perusteet Osa 3: Kombinatoriia Riia Kangaslampi 2017 Matematiian ja systeemianalyysin laitos Aalto-yliopisto Kombinatoriia Summaperiaate Esimeri 1 Opetusohjelmaomiteaan valitaan
9. ORTOGONAALIPROJEKTIOT JA KANNAT HILBERTIN AVARUUDESSA 51
9. ORTOGONAALIPROJEKTIOT JA KANNAT HILBERTIN AVARUUDESSA 5 Lause 8.4 (Pythagoras) 26. Sisätuloavaruude keskeää ortogoaalisille vektoreille x,...,x pätee x j 2 = x j 2. j= j= Todistus. Ku = 2, lasketaa