Talousmatematiikan perusteet: Luento 9

Koko: px
Aloita esitys sivulta:

Download "Talousmatematiikan perusteet: Luento 9"

Transkriptio

1 Talousmatematiikan perusteet: Luento 9 Vektorien peruslaskutoimitukset Lineaarinen riippumattomuus Vektorien sisätulo ja pituus Vektorien välinen kulma

2 Motivointi Tähän asti olemme tarkastelleet yhden muuttujan funktioita ja yhtälöitä Esim. f x = 2x 2 + 2, ln x + 2 = 0 x Luennoilla 9-15 tarkastelemme useamman muuttujan funktioita ja yhtälöitä Esim. f x 1, x 2 = 2x x 2, ln x 1 + 2x 2 = 0 Aluksi (luennot 9-12) keskitymme usean muuttujan lineaarisiin funktioihin Esim. f x 1, x 2 = 2x 1 + 3x

3 Motivointi Esim. Herkkumatikka maksaa 50 /kg. Paljonko matikkaa saa 1000 :lla? Ratkaisu lineaarisella yhtälöllä: Kerroin 50 x = 1000 Side-ehto Muuttuja x = x = = 20. Yleisesti lineaarinen yhtälö ax = b ratkaistaan Kerroin ax = b a 1 a x = a 1 b x = a 1 b Muuttuja Side-ehto 3

4 Motivointi Esim. Yritys tekee elintarviketeollisuuden käyttämää puolivalmistetta, jossa käytetään raaka-aineita A, B ja C. Kuinka paljon raaka-aineita A, B ja C on käytettävä, kun 1. Tehdään 100 kg:n erä 2. Entsyymiä E on oltava 8000 mg ja 3. Erä saa maksaa 2000? Ehdoista 1-3 saadaan lineaarinen yhtälöryhmä: 1. x 1 + x 2 + x 3 = x x x 3 = x x x 3 = 2000 A B C Valmistettava määrä (kg) x 1 x 2 x 3 Entsyymin E määrä (mg/kg) Hinta ( /kg) Lineaarisen yhtälöryhmän voi esittää matriisimuodossa: Kerroinmatriisi A Muuttujavektori x x 1 x 2 x 3 = Ax = b Side-ehtovektori b

5 Motivointi Voidaanko lineaarinen yhtälöryhmä ratkaista samalla tavoin kuin yhtälö? ax = b x = a 1 b Ax = b x = A 1 b a:n käänteisluku A:n käänteismatriisi Voidaan! Lineaaristen yhtälöryhmien kannalta kiinnostavia matriiseja ja vektoreita tarkastellaan seuraavan kolmen luennon ajan 5

6 R n :n vektorit Tähän asti olemme tarkastelleet reaalilukuja x R Vektori x = [x 1, x 2,, x n ] R n on n-ulotteisen reaaliavaruuden alkio, missä Jokainen vektorin komponentti x i R on reaaliluku Avaruus R n = R R R on n:n 1-ulotteisen reaaliavaruuden karteesinen tulo Vektorin voi esittää pysty- tai vaakavektorina: Pystyvektori a= Vaakavektori b=[100,8000,2000] x = 2 R = (, ) x 2 x = [3,2] R 2 = R R x = [2, 1,2] x 1 x 3 x Pystyvektori voidaan muuttaa vaakavektoriksi transponoimalla: a = b T, b = a T x 1 x 2 R 3 = R R R 6

7 Vektorin kertominen vakiolla Esim. Ekonomisti E hankkii USA:sta terveysvaikutteisia luonnontuotteita: Kuntojuomaa (KJ), Terveysuutetta (TU) ja Ihmepillereitä (IP). Hän seuraa näiden hyödykkeiden hintoja ja viikon aikana kuluttamiaan määriä noin vuoden välein: Hinnat Määrät Vuosi KJ ($/dl) TU ($/g) IP ($/kpl) KJ (dl) TU (g) IP (kpl) Mitkä olivat vuoden 2014 hinnat euroissa, kun kurssi oli tuolloin 1 USD = 0.74 EUR? Vuoden 2014 hinnat dollareissa voidaan esittää vektorina p 14 = [0.40, 0.50, 1.40] R 3 Kun hinnat muutetaan euroiksi, kukin vektorin komponentti kerrotaan vakiolla 0.74 Tämä vastaa koko vektorin kertomista vakiolla 0.74: 0.74 p 14 = , 0.50, 1.40 = , , = 0.30, 0.37, 1.04 Vektorin kertominen vakiolla tehdään siis komponenteittain 7

8 Vektorin kertominen vakiolla Vakiolla a kertomisen geometrinen tulkinta: Vektorin pituus a -kertaistuu Vektorin suunta pysyy samana, jos a>0 Vektorin suunta vaihtuu vastakkaiseksi, jos a<0 x = [1.5,1] 2 x = [3,2] x 1 x 1 x 1 2 x = [ 3, 2] 8

9 Vektorin kertominen vakiolla Vakiokertomisia voidaan yhdistellä ja järjestystä vaihtaa Esim. Mitkä olivat vuoden 2014 hinnat eurosenteissä, kun kurssi oli tuolloin 1 USD = 0.74 EUR? Dollarit voidaan ensin muuttaa euroiksi ja sitten eurosenteiksi: p 14 = , 0.37, 1.04 = 30, 37, 104 Dollarit voidaan ensin muuttaa dollarisenteiksi ja sitten eurosenteiksi: p 14 = , 50, 140 = 30, 37, 104 Kurssi voidaan ensin muuttaa 1 USD = 74 eurosenttiä: p 14 = , 0.50, 1.40 = 30, 37, 104 Hinnat Määrät Vuosi KJ ($/dl) TU ($/g) IP ($/kpl) KJ (dl) TU (g) IP (kpl)

10 Vektorien yhteenlasku Kuinka paljon E käytti Kuntojuomaa, Terveysuutetta ja Ihmepillereitä keskimäärin välillä ? Hinnat Määrät Vuosi KJ ($/dl) TU ($/g) IP ($/kpl) KJ (dl) TU (g) IP (kpl) Vuosina 2014 ja 2015 kulutetut määrät voidaan esittää vektoreina q 14 = [35, 60, 30] R 3 ja q 15 = [50, 70, 25] R 3 Keskimääräiset kulutukset saadaan laskemalla vuosien 2014 ja 2015 kulutukset yhteen ja jakamalla kahdella: Yhteenlasku komponenteittain: q 14 +q 15 = 35, 60, , 70, 25 = , , = 85,130, 55 = q 15 + q 14 (summausjärjestyksellä ei väliä) Kahdella jako (= vakiolla 0.5 kertominen) komponenteittain: 1 2 (q 14+q 15 ) = ,130, 55 = [42.5, 65, 27.5]. 10

11 Vektorien yhteenlasku Vektorien yhteenlaskun x + y geometrinen tulkinta: y = [1, 2] x + y = [2.5, 3] x = [1.5,1] x y x y Siirretään y alkamaan x:n kärkipisteestä Summavektori x+y lähtee origosta ja päättyy y:n uuteen kärkipisteeseen 11

12 Vektorien yhteenlasku Yhteenlaskujärjestyksellä ei ole väliä: x + y = y + x y = [1, 2] x = [1.5,1] y x y x y + x = [2.5, 3] Siirretään x alkamaan y:n kärkipisteestä Summavektori y+x lähtee origosta ja päättyy x:n uuteen kärkipisteeseen 12

13 Vektorien yhteenlasku Yhteenlaskuja voidaan yhdistellä: y = [1, 2] x + y = [2.5,3] z x = [1.5,1] x + y z = [ 3, 2] z = [ 3, 2] (x + y) + z = [ 0.5, 1] Summausjärjestystä voidaan tässäkin vaihtaa: (x + y) + z = x + (y + z) 13

14 Vektorien vähennyslasku Mikä oli viikottaisten kulutusmäärien ero vuosien 2014 ja 2015 välillä? Hinnat Määrät Vuosi KJ ($/dl) TU ($/g) IP ($/kpl) KJ (dl) TU (g) IP (kpl) Viikottaisten kulutusmäärien ero saadaan vuoden 2015 ja vuoden 2014 laskemalla määrävektoreiden erotus komponenteittain: q 15 q 14 = 50, 70, 25 35, 60, 30 = 50 35, 70 60, = 15,10, 5 14

15 Vektorien vähennyslasku Vektorien vähennyslaskun x y geometrinen tulkinta: y = [1, 2] x = [1.5,1] x = [1.5,1] x x y y y = [ 1, 2] x y = [0.5, 1] Kerrotaan y-vektori -1:llä, jolloin sen suunta vaihtuu vastakkaiseksi Siirretään -y alkamaan x:n kärkipisteestä Erotusvektori x-y lähtee origosta ja päättyy -y:n uuteen kärkipisteeseen 15

16 Vektorien vähennyslasku Vähennyslaskujärjestyksellä on väliä: x y = (y x) y = [1, 2] y = [1, 2] x = [1.5,1] x y x y x = [ 1.5, 1] y x = [ 0.5, 1] Kerrotaan x-vektori -1:llä, jolloin sen suunta vaihtuu vastakkaiseksi Siirretään -x alkamaan y:n kärkipisteestä Erotusvektori y-x lähtee origosta ja päättyy -x:n uuteen kärkipisteeseen 16

17 Vastavektori x = [2,2] Vektorin x = [x 1, x 2,, x n ] vastavektori on 1 x = x = [ x 1, x 2,, x n ] Esim. Vektorin [2,-1,3] vastavektori on [-2,1,-3] x = [ 2, 2] Kun vektori lasketaan yhteen vastavektorinsa kanssa, saadaan nollavektori 0 R n, jonka kaikki komponentit ovat nollia: x + x = x 1 x 1, x 2 x 2,, x n x n = 0,0,, 0 = 0 x x = 0,0 = 0 17

18 Lineaariavaruus Ehdot 1-8 toteuttavat vektorit muodostavat lineaariavaruuden 1. x + y = y + x (vaihdannaisuus) 2. x + y + z = x + y + z (liitännäisyys) 3. On olemassa nollavektori 0 = 0,, 0 4. Vektorilla x = [x 1, x 2,, x n ] on vastavektori x = [ x 1, x 2,, x n ] 5. a bx = b ax = ab x, missä a ja b ovat vakioita 6. 1 x = x 7. a x + y = ax + ay, missä a on vakio 8. a + b x = ax + bx, missä a ja b ovat vakioita Esim. R n on lineaariavaruus Lineaariavaruutta kutsutaan myös vektoriavaruudeksi 18

19 Lineaarikombinaatio Vakioilla kertomalla ja yhteenlaskemalla voidaan vektoreista x 1, x 2, tehdä uusia vektoreita. Esim. x 1 = 2,1,0, x 2 = [1, 3, 4] R 3 y = 4x 1 2x 2 = 4 2,1,0 2 1, 3, 4 = [6,10,8] R 3 Vektoria y = a 1 x 1 + a 2 x a n x n sanotaan vektorien x 1, x 2,, x n lineaarikombinaatioksi (a i :t vakioita) 19

20 Lineaarinen riippuvuus Esim. Tarkastellaan vektoreita x = 3, 2, y = 1,4, z = 5,4 R 2 Voidaanko z esittää x:n ja y:n lineaarikombinaationa? Eli onko olemassa vakiot a 1, a 2 siten, että z = a 1 x + a 2 y? Ehdosta 5,4 = a 1 3, 2 + a 2 1,4 saadaan yhtälöpari 2.2y = [ 2.2,8.8] z = [5,4] y = [ 1,4] z = [5,4] x = [3, 2] ቊ 3a 1 a 2 = 5 2a 1 + 4a 2 = 4 jonka ratkaisu on a 1 = 2.4 ja a 2 = x = [7.2, 4.8] 2.2y +2.4x z = [5,4] Tällaisia vektoreita sanotaan lineaarisesti riippuviksi 20

21 Lineaarinen riippumattomuus Vektoreita x 1, x 2,, x n sanotaan lineaarisesti riippumattomiksi, mikäli a 1 x 1 + a 2 x a n x n = 0 a 1 = a 2 = = a n = 0 Luetaan: Vektorien x 1, x 2,, x n lineaarikombinaatio a 1 x 1 + a 2 x a n x n on nollavektori jos ja vain jos kaikki kertoimet a i ovat nollia. Muuten vektorit ovat lineaarisesti riippuvia ja ainakin jokin niistä voidaan esittää muiden vektoreiden lineaarikombinaationa Esim. Ovatko x = 3, 2, y = 1,4 R 2 lineaarisesti riippumattomia? Ehdosta a 1 x + a 2 y = 0 a 1 3, 2 + a 2 1,4 = 0,0 saadaan yhtälöpari ቊ 3a 1 a 2 = 0 2a 1 + 4a 2 = 0 jonka ratkaisu on a 1 = a 2 = 0. Vektorit ovat lineaarisesti riippumattomia. 21

22 Lineaarinen riippumattomuus Edellisissä esimerkeissä x = 3, 2, y = 1,4 R 2 olivat lineaarisesti riippumattomia, mutta x, y ja z = 5,4 R 2 lineaarisesti riippuvia Yleisesti pätee: R n :ssä on korkeintaan n lineaarisesti riippumatonta vektoria Erilaisia lineaarisesti riippumattomien vektorien yhdistelmiä on ääretön määrä Mutta kussakin on korkeintaan n vektoria R Mutta vektorit x, y R ovat keskenään lineaarisesti riippuvia, sillä esim. x = 2y. R 2 y = 1 y = [ 1,4] x = 2 Vektori x = 2 R on lineaarisesti riippumaton Vektori y = 1 R on lineaarisesti riippumaton z = [5,4] x = [3, 2] Vektorit x = 3, 2, y = 1,4 R 2 ovat lineaarisesti riippumattomia Vektorit x = 3, 2, z = 5,4 R 2 ovat lineaarisesti riippumattomia Vektorit y = 1,4, z = 5,4 R 2 ovat lineaarisesti riippumattomia Mutta vektorit x, y, z R 2 ovat keskenään lineaarisesti riippuvia, sillä esim. z = 2.4x + 2.2y. x 22

23 Lineaariavaruuden kanta R 2 4,10 = 2.6x + 3.8y Kaikki R n :n vektorit voidaan muodostaa n:n lineaarisesti riippumattoman vektorin lineaarikombinaatioina y = [ 1,4] 4,0 = 1.6x 0.8y x = [3, 2] 5,4 = 2.4x + 2.2y Nämä n vektoria Virittävät lineaariavaruuden R n ja Muodostavat R n :n kannan 6, 8 = 3.2x 3.6y R 2 4,10 = 4e e 2 Tärkeä erikoistapaus on ortonormaalinen kanta, jonka muodostavat (koordinaattiakselien suuntaiset) yksikkövektorit: e 1 = 1,0,0,, 0 e 2 = [0,1,0,, 0] e n = [0,0,0,, 1] 4,0 = 4e 1 + 0e 2 e 2 = [0,1] e 1 = [1,0] 5,4 = 5e 1 + 4e 2 6, 8 = 6e 1 8e 2 23

24 Presemo-kysymys Ovatko vektorit a = 1, 1,1, b = 2,0,1 ja c = 1, 1,0 keskenään lineaarisesti riippumattomia? 1. Kyllä 2. Ei Minkä avaruuden vektorit a, b ja c virittävät?

25 Presemo-kysymys Ovatko vektorit b = 2,0,1 ja c = 1, 1,0 keskenään lineaarisesti riippumattomia? 1. Kyllä 2. Ei Minkä avaruuden vektorit b ja c virittävät?

26 Yhteenveto tähän asti Vektori x = [x 1, x 2,, x n ] R n on n-ulotteisen reaaliavaruuden alkio, missä jokainen vektorin komponentti x i R on reaaliluku Vektorien peruslaskutoimitukset (vakiolla kertominen, yhteenlasku, vähennyslasku) tehdään komponenteittain Vektoria y = a 1 x 1 + a 2 x a n x n sanotaan vektorien x 1, x 2,, x n lineaarikombinaatioksi (a i :t vakioita) Vektoreita x 1, x 2,, x n sanotaan lineaarisesti riippumattomiksi, mikäli a 1 x 1 + a 2 x a n x n = 0 jos ja vain jos a 1 = a 2 = = a n = 0 Avaruus R n sisältää n kpl lineaarisesti riippumattomia vektoreita, jotka Virittävät lineaariavaruuden R n ja Muodostavat R n :n kannan 26

27 Kahden R n :n vektorin sisätulo Esim. Kuinka paljon ekonomisti E käytti viikoittain rahaa kuntojuomaan vuonna 2016? Käytetty raha saadaan KJ:n vuoden 2016 desilitrahinnan ja määrän tulona: = $36. Esim. Kuinka paljon ekonomisti E käytti viikoittain rahaa lisäravinteisiin vuonna 2016? Hinnat Määrät Vuosi KJ ($/dl) TU ($/g) IP ($/kpl) KJ (dl) TU (g) IP (kpl) Käytetty raha saadaan vuoden 2016 hinta- ja määrävektoreiden sisätulona: p 16 q 16 = 0.30,0.80, , 90,50 = = $308 27

28 Kahden R n :n vektorin sisätulo Vektorien x = [x 1, x 2,, x n ] ja y = [y 1, y 2,, y n ] sisätulo lasketaan siis kaavalla x y = x 1 y x n y n = x i y i n i=1 Vastinkomponentit kerrotaan keskenään ja lasketaan yhteen. 28

29 Kahden R n :n vektorin sisätulo Sisätulolle pätevät: 1. x y = y x 2. x 0 = 0 3. ax y = a x y = x ay 4. x + y z = x z + y z ja x y + z = x y + x z 29

30 Kahden R n :n vektorin sisätulo Sisätuloa kutsutaan myös Pistetuloksi, koska sitä merkitään pisteellä: x y Skalaarituloksi, koska tuloksena on skalaari: σ n i=1 x i y i R Projektiotuloksi johtuen sisätulon geometrisesta tulkinnasta Sisätulo voidaan kirjoittaa myös x, y Jos x ja y ovat Vaakavektoreita, voidaan sisätulo kirjoittaa myös xy T Pystyvektoreita, voidaan sisätulo kirjoittaa myös x T y Näistä merkinnöistä lisää ensi luennolla 30

31 Presemo-kysymys Laske sisätulo p 15 q 15. Hinnat Määrät Vuosi KJ ($/dl) TU ($/g) IP ($/kpl) KJ (dl) TU (g) IP (kpl) $44 2. $86 3. $132 Mitä sisätulo kuvaa?

32 Vektorin pituus Vektorin x R n pituus x lasketaan kaavalla x = x x = x x x n 2 Esim. Vektorin x = [2,3,4] R 3 pituus on x = R 2 x x = [2,4] 4 R 2 :ssa tulos on yhtäpitävä Pythagoraan lauseen kanssa: x =

33 Vektorien välinen kulma Vektorien x ja y väliselle kulmalle θ pätee R 2 y = [2,4] cos θ = x y x y θ x = [3,0] Esim. x = [3,0], y = [2,4]: cos θ = = θ = cos 1 (0.45) 63 Esim. x = [2, 3,4, 1], y = [3, 4,5, 2]: cos θ = ( 3) ( 1) ( 4) ( 2) = θ

34 Vektorien välinen kulma Jos vektorit x ja y ovat Lähes samansuuntaiset θ 0 cos θ 1 Lähes vastakkaissuuntaiset θ 180 cos θ 1 Kohtisuorassa toisiaan vastaan, θ 90 cos θ 0 y = [ 6,4] θ x = [3, 2] Esim. x = [3, 2], y = [ 6,4]: cos θ = 3 ( 6) + ( 2) ( 2) 2 ( 6) 2 +4 = = 1 θ = cos 1 ( 1) = 180 Esim. Edelliseltä kalvolta x = [2, 3,4, 1], y = [3, 4,5, 2] θ = 6.4 Vektoreita ei voida havainnollistaa geometrisesti Niiden välinen pieni kulma kertoo kuitenkin samansuuntaisuudesta eli samankaltaisuudesta Vektorien vastinkomponentit ovatkin samanmerkkisiä ja melko saman suuruisia 34

35 Kulman määrittäminen laskimella / Excelissä Kosinin käänteisfunktio: Laskimessa tyypillisesti cos 1, acos tai arccos Excelissä =ACOS() Excel antaa kulman radiaaneina, jotka voi muuttaa asteiksi funktiolla =DEGREES() Laskimessa oletusasetus on yleensä antaa kulma asteina (varmista, näkyykö näytön yläreunassa D vai R). Radiaanituloksen voi muuttaa asteiksi tyypillisesti napista DRG tai DEG

36 Presemo-kysymys Mikä on määrävektorien q 15 ja q 16 välinen kulma? Hinnat Määrät Vuosi KJ ($/dl) TU ($/g) IP ($/kpl) KJ (dl) TU (g) IP (kpl) Miten tulkitset tuloksen?

37 Yhteenveto Vektorien sisätulo: x y = x 1 y x n y n = σ n i=1 vastinkomponentit keskenään ja lasketaan yhteen Vektorin x pituus: x = x x = x x x n 2 Vektorien välinen kulma θ: cos θ = Jos vektorit x ja y ovat x y Lähes samansuuntaiset θ 0 cos θ 1 Lähes vastakkaissuuntaiset θ 180 cos θ 1 Kohtisuorassa toisiaan vastaan θ 90 cos θ 0 x y x i y i, eli kerrotaan 37

38 Harjoittele verkossa! Linear algebra Vectors 2D vectors tai 3D vectors Yhteenlasku = Add Vähennyslasku = Subtract Vakiolla kertominen = Multiply scalar and vector Sisätulo = Dot product

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

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

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

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

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

4 Vektoreista ja matriiseista

4 Vektoreista ja matriiseista 4 Vektoreista ja matriiseista Matriiseja ja niiden erikoistapauksia vektoreita tarvitaan - moniulotteisten funktioiden käsittelyssä pitämässä osat koossa - olioina, joihin voidaan pakata empiiristen muuttujien

Lisätiedot

9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista

9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista 29 9 Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista Tarkastelemme kertalukua n olevia lineaarisia differentiaaliyhtälöitä y ( x) + a ( x) y ( x) + + a ( x) y( x) + a ( x) y= b( x) ( n) ( n

Lisätiedot

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

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 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

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

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

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. 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 +

Lisätiedot

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

Lineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo. Lineaariavaruudet aiheita 1 määritelmä Nelikko (L, R, +, ) on reaalinen (eli reaalinen vektoriavaruus), jos yhteenlasku L L L, ( u, v) a + b ja reaaliluvulla kertominen R L L, (λ, u) λ u toteuttavat seuraavat

Lisätiedot

Avaruuden R n aliavaruus

Avaruuden R n aliavaruus Avaruuden R n aliavaruus 1 / 41 Aliavaruus Esimerkki 1 Kuva: Suora on suljettu yhteenlaskun ja skalaarilla kertomisen suhteen. 2 / 41 Esimerkki 2 Kuva: Suora ei ole suljettu yhteenlaskun ja skalaarilla

Lisätiedot

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

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

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

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

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

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

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

Kertausta: avaruuden R n vektoreiden pistetulo

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

Lisätiedot

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

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

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain Matriisilaskenta LH4 24 ratkaisut 1 Hae seuraavien R 4 :n aliavaruuksien dimensiot jotka sisältävät vain a) Kaikki muotoa (a b c d) olevat vektorit joilla d a + b b) Kaikki muotoa (a b c d) olevat vektorit

Lisätiedot

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

1.1 Vektorit. MS-A0004/A0006 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n.

1.1 Vektorit. MS-A0004/A0006 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. ja kompleksiluvut ja kompleksiluvut 1.1 MS-A0004/A0006 Matriisilaskenta 1. ja kompleksiluvut Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 8.9.015 Reaalinen

Lisätiedot

Viikon aiheet. Funktion lineaarinen approksimointi

Viikon aiheet. Funktion lineaarinen approksimointi Viikon aiheet Funktion ääriarvot Funktion lineaarinen approksimointi Vektorit, merkintätavat, pituus, yksikkövektori, skalaarilla kertominen, kanta ja kannan vaihto Funktion ääriarvot 6 Väliarvolause Implisiittinen

Lisätiedot

Vapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee:

Vapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: 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 +

Lisätiedot

Vastaavasti, jos vektori kerrotaan positiivisella reaaliluvulla λ, niin

Vastaavasti, jos vektori kerrotaan positiivisella reaaliluvulla λ, niin 1 / 14 Lukiossa vektori oli nuoli, jolla oli suunta ja suuruus eli pituus. Tarkastellaan aluksi tason vektoreita (R 2 ). Siirretään vektori siten, että sen alkupää on origossa. Tällöin sen kärki on pisteessä

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

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44 Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44 Tehtävät 1-3 lasketaan alkuviikon harjoituksissa, verkkotehtävien dl on lauantaina aamuyöllä. Tehtävät 4 ja 5 lasketaan loppuviikon harjoituksissa.

Lisätiedot

Luento 8: Epälineaarinen optimointi

Luento 8: Epälineaarinen optimointi Luento 8: Epälineaarinen optimointi Vektoriavaruus R n R n on kaikkien n-jonojen x := (x,..., x n ) joukko. Siis R n := Määritellään nollavektori 0 = (0,..., 0). Reaalisten m n-matriisien joukkoa merkitään

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

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

2.5. Matriisin avaruudet ja tunnusluvut

2.5. Matriisin avaruudet ja tunnusluvut 2.5. Matriisin avaruudet ja tunnusluvut m n-matriisi A Lineaarikuvaus A : V Z, missä V ja Z ovat sopivasti valittuja, dim V = n, dim Z = m (yleensä V = R n tai C n ja Z = R m tai C m ) Kuva-avaruus ja

Lisätiedot

Talousmatematiikan perusteet: Luento 13. Usean muuttujan funktiot Osittaisderivaatta ja gradientti Suhteellinen muutosnopeus ja osittaisjousto

Talousmatematiikan perusteet: Luento 13. Usean muuttujan funktiot Osittaisderivaatta ja gradientti Suhteellinen muutosnopeus ja osittaisjousto Talousmatematiikan perusteet: Luento 13 Usean muuttujan funktiot Osittaisderivaatta ja gradientti Suhteellinen muutosnopeus ja osittaisjousto Aiemmilla luennoilla Tähän mennessä olemme tarkastelleet Erilaisia

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 12. Usean muuttujan funktiot Osittaisderivaatta Gradientti Suhteellinen muutosnopeus ja osittaisjousto

Talousmatematiikan perusteet: Luento 12. Usean muuttujan funktiot Osittaisderivaatta Gradientti Suhteellinen muutosnopeus ja osittaisjousto Talousmatematiikan perusteet: Luento 12 Usean muuttujan funktiot Osittaisderivaatta Gradientti Suhteellinen muutosnopeus ja osittaisjousto Aiemmilla luennoilla Tähän mennessä olemme tarkastelleet Erilaisia

Lisätiedot

802320A LINEAARIALGEBRA OSA II

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

Lisätiedot

1 Sisätulo- ja normiavaruudet

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

Lisätiedot

Talousmatematiikan perusteet: Luento 13. Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu

Talousmatematiikan perusteet: Luento 13. Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu Talousmatematiikan perusteet: Luento 13 Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu Viime luennolla Aloimme tarkastella yleisiä, usean muuttujan funktioita

Lisätiedot

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

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.

Lisätiedot

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut Insinöörimatematiikka D, 29.3.2016 4. laskuharjoituksien esimerkkiratkaisut 1. Olkoon u (4,0,4,2) ja v ( 1,1,3,5) vektoreita vektoriavaruudessa R 4. Annetun sisätulon (x,y) indusoima normi on x (x,x) ja

Lisätiedot

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5. 2. MS-A000 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2..205 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x x 2 =

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

1.1 Vektorit. MS-A0007 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. 1. Vektorit ja kompleksiluvut

1.1 Vektorit. MS-A0007 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. 1. Vektorit ja kompleksiluvut ja kompleksiluvut ja kompleksiluvut 1.1 MS-A0007 Matriisilaskenta 1. ja kompleksiluvut Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 26.10.2015 Reaalinen

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

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

Talousmatematiikan perusteet: Luento 12. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla

Talousmatematiikan perusteet: Luento 12. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla Talousmatematiikan perusteet: Luento 12 Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla Esimerkki Esim. Yritys tekee kahta elintarviketeollisuuden käyttämää puolivalmistetta,

Lisätiedot

Ominaisvektoreiden lineaarinen riippumattomuus

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

Lisätiedot

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

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

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

Tekijä Pitkä matematiikka Poistetaan yhtälöparista muuttuja s ja ratkaistaan muuttuja r.

Tekijä Pitkä matematiikka Poistetaan yhtälöparista muuttuja s ja ratkaistaan muuttuja r. Tekijä Pitkä matematiikka 4 16.12.2016 K1 Poistetaan yhtälöparista muuttuja s ja ratkaistaan muuttuja r. 3 r s = 0 4 r+ 4s = 2 12r 4s = 0 + r+ 4s = 2 13 r = 2 r = 2 13 2 Sijoitetaan r = esimerkiksi yhtälöparin

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

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

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

Lisätiedot

Kertausta: avaruuden R n vektoreiden pistetulo

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

Lisätiedot

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

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

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5. 2. MS-A4/A6 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.9.25 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x + x 2

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

Luento 8: Epälineaarinen optimointi

Luento 8: Epälineaarinen optimointi Luento 8: Epälineaarinen optimointi Vektoriavaruus R n R n on kaikkien n-jonojen x := (x,..., x n ) joukko. Siis R n := Määritellään nollavektori = (,..., ). Reaalisten m n-matriisien joukkoa merkitään

Lisätiedot

6 MATRIISIN DIAGONALISOINTI

6 MATRIISIN DIAGONALISOINTI 6 MATRIISIN DIAGONALISOINTI Ortogonaaliset matriisit Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja A - = A T Muistutus: vektorien a ja b pistetulo (skalaaritulo,

Lisätiedot

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

Suorat ja tasot, L6. Suuntajana. Suora xy-tasossa. Suora xyzkoordinaatistossa. Taso xyzkoordinaatistossa. Tason koordinaattimuotoinen yhtälö.

Suorat ja tasot, L6. Suuntajana. Suora xy-tasossa. Suora xyzkoordinaatistossa. Taso xyzkoordinaatistossa. Tason koordinaattimuotoinen yhtälö. Suorat ja tasot, L6 Suora xyz-koordinaatistossa Taso xyz-koordinaatistossa stä stä 1 Näillä kalvoilla käsittelemme kolmen laisia olioita. Suora xyz-avaruudessa. Taso xyz-avaruudessa. Emme nyt ryhdy pohtimaan,

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

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

Matriisialgebra harjoitukset, syksy x 1 + x 2 = a 0

Matriisialgebra harjoitukset, syksy x 1 + x 2 = a 0 MATRIISIALGEBRA, s, Ratkaisuja/ MHamina & M Peltola 22 Virittääkö vektorijoukko S vektoriavaruuden V, kun a V = R 3 ja S = {(1,0, 1,(2,0,4,( 5,0,2,(0,0,1} b V = P 2 (R ja S = {t1,t 2 1,t 2 t} ( ( 1 0 c

Lisätiedot

MS-A0002 Matriisilaskenta Luento 1:Vektorit ja lineaariyhdistelyt

MS-A0002 Matriisilaskenta Luento 1:Vektorit ja lineaariyhdistelyt MS-A0002 Matriisilaskenta Luento 1:Vektorit ja lineaariyhdistelyt Antti Rasila 2016 Vektorit Pysty- eli sarakevektori v = ( v1 v 2 missä v 1, v 2 ovat v:n komponentit. ), Matriisilaskenta 2/6 Vektorit

Lisätiedot

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

Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja 7 NELIÖMATRIISIN DIAGONALISOINTI. Ortogonaaliset matriisit Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja A - = A T () Muistutus: Kokoa n olevien vektorien

Lisätiedot

MS-C1340 Lineaarialgebra ja

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

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45 MS-A0003/A0005 Matriisilaskenta Laskuharjoitus / vko 5 Tehtävä 1 (L): Hahmottele kompleksitasoon ne pisteet, jotka toteuttavat a) z 3 =, b) z + 3 i < 3, c) 1/z >. Yleisesti: ehto z = R, z C muodostaa kompleksitasoon

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

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

Juuri 4 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Kertaus. b) B = (3, 0, 5) K2. ( ) Kertaus K1. a) OA =- i + j + k K. b) B = (, 0, 5) K. a) AB = (6 -(- )) i + ( - ) j + (- -(- 7)) k = 8i - j + 4k AB = 8 + (- 1) + 4 = 64+ 1+ 16 = 81= 9 b) 1 1 ( ) AB = (--(- 1)) i + - - 1 j =-i - 4j AB

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

Johdatus lineaarialgebraan

Johdatus lineaarialgebraan Johdatus lineaarialgebraan Osa II Lotta Oinonen, Johanna Rämö 28. lokakuuta 2014 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 15 Vektoriavaruus....................................

Lisätiedot

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

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

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

Johdatus lineaarialgebraan

Johdatus lineaarialgebraan Johdatus lineaarialgebraan Osa I Jokke Häsä, Lotta Oinonen, Johanna Rämö 27. marraskuuta 2015 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 1 Vektoriavaruuksien R 2 ja R 3 vektorit........................

Lisätiedot

3 Skalaari ja vektori

3 Skalaari ja vektori 3 Skalaari ja vektori Määritelmä 3.1 Skalaari on suure, jolla on vain suuruus, jota mitataan jossakin mittayksikössä. Skalaaria merkitään reaaliluvulla. Esimerkki 3.2 Paino, pituus, etäisyys, pinta-ala,

Lisätiedot

Yleiset lineaarimuunnokset

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

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 17 R. Kangaslampi Vektoriavaruudet Vektoriavaruus

Lisätiedot

2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio

2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio x = x 2 = 5/2 x 3 = 2 eli Ratkaisu on siis x = (x x 2 x 3 ) = ( 5/2 2) (Tarkista sijoittamalla!) 5/2 2 Tämä piste on alkuperäisten tasojen ainoa leikkauspiste Se on myös piste/vektori jonka matriisi A

Lisätiedot

Johdatus lineaarialgebraan

Johdatus lineaarialgebraan Johdatus lineaarialgebraan Osa I Jokke Häsä, Lotta Oinonen, Johanna Rämö 11. syyskuuta 2016 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 1 Vektoriavaruuksien R 2 ja R 3 vektorit........................

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

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 = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 ); LINEAARIALGEBRA Harjoituksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla

Lisätiedot

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

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

Kanta ja dimensio 1 / 23

Kanta ja dimensio 1 / 23 1 / 23 Kuten ollaan huomattu, saman aliavaruuden voi virittää eri määrä vektoreita. Seuraavaksi määritellään mahdollisimman pieni vektorijoukko, joka virittää aliavaruuden. Jokainen aliavaruuden alkio

Lisätiedot

9.2 Lineaarikuvaus Olkoon A kuvaus (funktio) vektoriavaruudesta V vektoriavaruuteen U: jos nyt

9.2 Lineaarikuvaus Olkoon A kuvaus (funktio) vektoriavaruudesta V vektoriavaruuteen U: jos nyt 9 Lineaarikuvaukset, matriisit 9 Vektoriavaruudet Aiemmin olemmme puhuneet tason (R 2 ja kotiavaruuden (R 3 vektoreista Nämä (kuten mös pelkkä R ovat esimerkkejä reaalisista vektoriavaruuksista Yleisesti

Lisätiedot

802120P Matriisilaskenta (5 op)

802120P Matriisilaskenta (5 op) 802120P Matriisilaskenta (5 op) Tero Vedenjuoksu Matemaattiset tieteet Syksy 2015 1 / 159 Luennoitsija: Tero Vedenjuoksu tero.vedenjuoksu@oulu.fi M321 Kurssilla käytetään Noppaa (noppa.oulu.fi) sekäoptimaa

Lisätiedot

Avaruuden kolme sellaista pistettä, jotka eivät sijaitse samalla suoralla, määräävät

Avaruuden kolme sellaista pistettä, jotka eivät sijaitse samalla suoralla, määräävät 11 Taso Avaruuden kolme sellaista pistettä, jotka eivät sijaitse samalla suoralla, määräävät tason. Olkoot nämä pisteet P, B ja C. Merkitään vaikkapa P B r ja PC s. Tällöin voidaan sanoa, että vektorit

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

Oppimistavoitematriisi

Oppimistavoitematriisi Oppimistavoitematriisi Lineaarialgebra ja matriisilaskenta I Arvosanaan 1 2 riittävät Arvosanaan 5 riittävät Yhtälöryhmät (YR) Osaan ratkaista ensimmäisen asteen yhtälöitä ja yhtälöpareja Osaan muokata

Lisätiedot

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

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

Lisätiedot

Taso 1/5 Sisältö ESITIEDOT: vektori, koordinaatistot, piste, suora

Taso 1/5 Sisältö ESITIEDOT: vektori, koordinaatistot, piste, suora Taso 1/5 Sisältö Taso geometrisena peruskäsitteenä Kolmiulotteisen alkeisgeometrian peruskäsitteisiin kuuluu taso pisteen ja suoran lisäksi. Intuitiivisesti sitä voidaan ajatella joka suunnassa äärettömyyteen

Lisätiedot

Lineaarinen toisen kertaluvun yhtälö

Lineaarinen toisen kertaluvun yhtälö Lineaarinen toisen kertaluvun yhtälö Keijo Ruotsalainen Mathematics Division Lineaarinen toisen kertaluvun differentiaaliyhtälö Toisen kertaluvun täydellinen lineaarinen yhtälö muotoa p 2 (x)y + p 1 (x)y

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