Matriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi
|
|
|
- Hannu-Pekka Tikkanen
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 Matriisit, L20
2 Merkintöjä 1 Matriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: ( ) ( 0, 4 ), ( ) ( 1 4 2, a 11 a 12 a 21 a 22 )
3 Merkintöjä 1 Matriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: ( ) ( 0, 4 ), ( ) ( 1 4 2, a 11 a 12 a 21 a 22 ) Kaavio kirjoitetaan kaarisulkujen väliin (amer. kirjoissa usein hakasulkujen väliin.)
4 Merkintöjä 1 Matriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: ( ) ( 0, 4 ), ( ) ( 1 4 2, a 11 a 12 a 21 a 22 ) Kaavio kirjoitetaan kaarisulkujen väliin (amer. kirjoissa usein hakasulkujen väliin.) Luvut tulee kirjoittaa selkeästi riveihin ja sarakkeisiin.
5 Merkintöjä 1 Matriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: ( ) ( 0, 4 ), ( ) ( 1 4 2, a 11 a 12 a 21 a 22 ) Kaavio kirjoitetaan kaarisulkujen väliin (amer. kirjoissa usein hakasulkujen väliin.) Luvut tulee kirjoittaa selkeästi riveihin ja sarakkeisiin. Lukujen väliin tulee jättää riittävästi väliä. Mitään erottimia (pilkku, tms.) ei lukujen väliin laiteta.
6 Merkintöjä 2 Jos kaaviossa on m riviä ja n saraketta, niin sanomme kaaviota m n-matriisiksi.
7 Merkintöjä 2 Jos kaaviossa on m riviä ja n saraketta, niin sanomme kaaviota m n-matriisiksi. Edellä matriisi A = ( ) on 2 3 -matriisi.
8 Merkintöjä 2 Jos kaaviossa on m riviä ja n saraketta, niin sanomme kaaviota m n-matriisiksi. Edellä matriisi A = ( ) on 2 3 -matriisi. Matriisi v = v = ( 0 4 ) on 2 1 -matriisi, eli sarakevektori.
9 Merkintöjä 3 Matriisi u = u = ( ) on 1 4 -matriisi, eli rivivektori.
10 Merkintöjä 3 Matriisi u = u = ( ) on 1 4 -matriisi, eli rivivektori. Matriiseille kannattaa laskiessa lähes aina antaa nimi.
11 Merkintöjä 3 Matriisi u = u = ( ) on 1 4 -matriisi, eli rivivektori. Matriiseille kannattaa laskiessa lähes aina antaa nimi. nimi kirjoitetaan kirjaimella, joka on iso, lihava ja vino. (Esim. A)
12 Merkintöjä 3 Matriisi u = u = ( ) on 1 4 -matriisi, eli rivivektori. Matriiseille kannattaa laskiessa lähes aina antaa nimi. nimi kirjoitetaan kirjaimella, joka on iso, lihava ja vino. (Esim. A) Vektorin nimi kirjoitetaan kirjaimella, joka on pieni, lihava ja vino (tai pieni, normaali, ja vino ja sen päällä on nuoli tai viiva). (Esim. u = u)
13 Merkintöjä 3 Matriisi u = u = ( ) on 1 4 -matriisi, eli rivivektori. Matriiseille kannattaa laskiessa lähes aina antaa nimi. nimi kirjoitetaan kirjaimella, joka on iso, lihava ja vino. (Esim. A) Vektorin nimi kirjoitetaan kirjaimella, joka on pieni, lihava ja vino (tai pieni, normaali, ja vino ja sen päällä on nuoli tai viiva). (Esim. u = u) Käsin kirjoitettaessa lihavointi ja vinous jätetään pois.
14 Merkintöjä 4 A rivillä r sarakkeessa c olevaa lukua merkitsemme a rc.
15 Merkintöjä 4 A rivillä r sarakkeessa c olevaa lukua merkitsemme a rc. Vektorin tapauksessa yksi indeksi riittää.
16 Merkintöjä 4 A rivillä r sarakkeessa c olevaa lukua merkitsemme a rc. Vektorin tapauksessa yksi indeksi riittää. Esimerkki: Jos M = , niin m 23 = 7 jos v = ( ), niin v 3 = 7
17 Merkintöjä 4 A rivillä r sarakkeessa c olevaa lukua merkitsemme a rc. Vektorin tapauksessa yksi indeksi riittää. Esimerkki: Jos M = , niin m 23 = 7 jos v = ( ), niin v 3 = 7 Jos tulkintaongelmia ei tule, niin merkinnän m 23 rivi-indeksin 2 ja sarake-indeksin 3 väliin ei lisätä erotinta.
18 Merkintöjä 4 A rivillä r sarakkeessa c olevaa lukua merkitsemme a rc. Vektorin tapauksessa yksi indeksi riittää. Esimerkki: Jos M = , niin m 23 = 7 jos v = ( ), niin v 3 = 7 Jos tulkintaongelmia ei tule, niin merkinnän m 23 rivi-indeksin 2 ja sarake-indeksin 3 väliin ei lisätä erotinta. Joskus erotin on tarpeen. Esimerkiksi matriisin Q alkio rivillä 12 sarakkeessa 3 on q 12,3.
19 Merkintöjä 5 (pää)lävistäjä (diagonaali) muodostuu niistä luvuista, joiden rivi-osoite ja sarake-osoite ovat samat. A lävistäjällä ovat siis luvut a 11, a 22, a 33,
20 Merkintöjä 5 (pää)lävistäjä (diagonaali) muodostuu niistä luvuista, joiden rivi-osoite ja sarake-osoite ovat samat. A lävistäjällä ovat siis luvut a 11, a 22, a 33, Matriisi on neliömatriisi (n n), jos siinä on sarakkeita yhtä monta kuin rivejä.
21 Merkintöjä 6 Nollamatriisi 0 on matriisi, jonka kaikki alkiot ovat nollia. Nollamatriisin ei tarvitse olla neliömatriisi.
22 Merkintöjä 6 Nollamatriisi 0 on matriisi, jonka kaikki alkiot ovat nollia. Nollamatriisin ei tarvitse olla neliömatriisi. ( ) = 0 0 0
23 Merkintöjä 6 Nollamatriisi 0 on matriisi, jonka kaikki alkiot ovat nollia. Nollamatriisin ei tarvitse olla neliömatriisi. ( ) = Yksikkömatriisi I on neliömatriisi, jonka lävistäjällä on ykkösiä ja muualla nollia
24 Merkintöjä 6 Nollamatriisi 0 on matriisi, jonka kaikki alkiot ovat nollia. Nollamatriisin ei tarvitse olla neliömatriisi. ( ) = Yksikkömatriisi I on neliömatriisi, jonka lävistäjällä on ykkösiä ja muualla nollia I =
25 Merkintöjä 7 m n -matriisi A ja p q -matriisi B ovat samat (identtiset) ja merkitsemme A = B, jos
26 Merkintöjä 7 m n -matriisi A ja p q -matriisi B ovat samat (identtiset) ja merkitsemme A = B, jos 1. Kummassakin on yhtä monta riviä eli m = p, ja
27 Merkintöjä 7 m n -matriisi A ja p q -matriisi B ovat samat (identtiset) ja merkitsemme A = B, jos 1. Kummassakin on yhtä monta riviä eli m = p, ja 2. Kummassakin on yhtä monta saraketta eli n = q, ja
28 Merkintöjä 7 m n -matriisi A ja p q -matriisi B ovat samat (identtiset) ja merkitsemme A = B, jos 1. Kummassakin on yhtä monta riviä eli m = p, ja 2. Kummassakin on yhtä monta saraketta eli n = q, ja 3. Niissä on samat luvut samoissa paikoissa a ij = b ij, i, j.
29 Merkintöjä 7 m n -matriisi A ja p q -matriisi B ovat samat (identtiset) ja merkitsemme A = B, jos 1. Kummassakin on yhtä monta riviä eli m = p, ja 2. Kummassakin on yhtä monta saraketta eli n = q, ja 3. Niissä on samat luvut samoissa paikoissa Esimerkki: Jos ( A = niin A = B, mutta A C. a ij = b ij, i, j. ) ( 3 1 0, B = ) ( 0 1, C = 5 0 ),
30 Matriisien laskutoimitukset 8 Yhteenlasku Kahden saman kokoisen matriisin summa lasketaan niin, että samassa paikassa olevat luvut lasketaan yhteen ja tulos sijoitetaan samaan paikkaan.
31 Matriisien laskutoimitukset 8 Yhteenlasku Kahden saman kokoisen matriisin summa lasketaan niin, että samassa paikassa olevat luvut lasketaan yhteen ja tulos sijoitetaan samaan paikkaan. Jos C = A + B, niin c ij = a ij + b ij, i, j
32 Matriisien laskutoimitukset 8 Yhteenlasku Kahden saman kokoisen matriisin summa lasketaan niin, että samassa paikassa olevat luvut lasketaan yhteen ja tulos sijoitetaan samaan paikkaan. Jos C = A + B, niin c ij = a ij + b ij, i, j Esimerkki =
33 Matriisien laskutoimitukset 9 Luvulla kertominen Matriisi kerrotaan luvulla siten, että jokainen matriisin luku erikseen kerrotaan.
34 Matriisien laskutoimitukset 9 Luvulla kertominen Matriisi kerrotaan luvulla siten, että jokainen matriisin luku erikseen kerrotaan. Jos C = r A, niin c ij = r a ij, i, j
35 Matriisien laskutoimitukset 9 Luvulla kertominen Matriisi kerrotaan luvulla siten, että jokainen matriisin luku erikseen kerrotaan. Jos C = r A, niin c ij = r a ij, i, j Esimerkki =
36 Matriisien laskutoimitukset 10 Luvulla kertominen Edellä tehdyistä määritelmistä seuraa, että A + A = 2A
37 Matriisien laskutoimitukset 10 Luvulla kertominen Edellä tehdyistä määritelmistä seuraa, että A + A = 2A ra + qa = (r + q)a
38 Matriisien laskutoimitukset 10 Luvulla kertominen Edellä tehdyistä määritelmistä seuraa, että A + A = 2A ra + qa = (r + q)a A = ( 1) A
39 Matriisien laskutoimitukset 10 Luvulla kertominen Edellä tehdyistä määritelmistä seuraa, että A + A = 2A ra + qa = (r + q)a A = ( 1) A A A = 0
40 Matriisien laskutoimitukset 11 Vektorien pistetulo Kahden vektorin pistetulo saadaan periaatteella: Laske ensimmäisten koordinaattien tulo + toisten koordinaattien tulo viimeisten koordinaattien tulo.
41 Matriisien laskutoimitukset 11 Vektorien pistetulo Kahden vektorin pistetulo saadaan periaatteella: Laske ensimmäisten koordinaattien tulo + toisten koordinaattien tulo viimeisten koordinaattien tulo. Eli kaavalla u v = u 1 v 1 + u 2 v u n v n = n j=1 u j v j
42 Matriisien laskutoimitukset 11 Vektorien pistetulo Kahden vektorin pistetulo saadaan periaatteella: Laske ensimmäisten koordinaattien tulo + toisten koordinaattien tulo viimeisten koordinaattien tulo. Eli kaavalla u v = u 1 v 1 + u 2 v u n v n = n j=1 u j v j Esimerkki ( ) = ( 2) ( 2) = 6
43 Matriisien laskutoimitukset 12 Matriisien kertolasku m p -matriisin A ja p n -matriisin B tulo on m n -matriisi C jonka alkio c ij rivillä i sarakkeessa j saadaan laskemalla A:n i:nnen rivin ja B:n j:nnen sarakkeen pistetulo.
44 Matriisien laskutoimitukset 12 Matriisien kertolasku m p -matriisin A ja p n -matriisin B tulo on m n -matriisi C jonka alkio c ij rivillä i sarakkeessa j saadaan laskemalla A:n i:nnen rivin ja B:n j:nnen sarakkeen pistetulo. (AB) ij = ( ) a i1 a i2 a ip b 1j b 2j. b pj
45 Matriisien laskutoimitukset 12 Matriisien kertolasku m p -matriisin A ja p n -matriisin B tulo on m n -matriisi C jonka alkio c ij rivillä i sarakkeessa j saadaan laskemalla A:n i:nnen rivin ja B:n j:nnen sarakkeen pistetulo. (AB) ij = ( ) a i1 a i2 a ip b 1j b 2j. b pj = p k=1 a ik b kj
46 Matriisien laskutoimitukset 12 Matriisien kertolasku m p -matriisin A ja p n -matriisin B tulo on m n -matriisi C jonka alkio c ij rivillä i sarakkeessa j saadaan laskemalla A:n i:nnen rivin ja B:n j:nnen sarakkeen pistetulo. (AB) ij = ( ) a i1 a i2 a ip b 1j b 2j. b pj = p k=1 a ik b kj ( ) ( ) 14 =
47 Matriisien laskutoimitukset 13 Matriisien kertolasku ( ) ( ) 14 1 =
48 Matriisien laskutoimitukset 13 Matriisien kertolasku ( ) ( ) 14 1 = ( ) ( ) =
49 Matriisien laskutoimitukset 13 Matriisien kertolasku ( ) ( ) 14 1 = ( ( ) ) ( ) = ( ) =
50 Matriisien laskutoimitukset 14 Matriisien kertolasku ( ) ( ) = 0
51 Matriisien laskutoimitukset 14 Matriisien kertolasku ( ( ) ) ( ) = 0 ( ) = 0 3
52 Matriisien laskutoimitukset 14 Matriisien kertolasku ( ( ( ) ) ) ( ) = 0 ( ) = 0 3 = ( )
53 Matriisien laskutoimitukset 14 Matriisien kertolasku ( ( ( ( ) ) ) ) ( ) = 0 ( ) = 0 3 = = ( ) ( )
54 Matriisien laskutoimitukset 15 Matriisien kertolasku Siis ( ) }{{} A: } 5 1 {{ 2 0 } B: 3 4 ( ) = }{{} AB: 2 4
55 Matriisien laskutoimitukset 15 Matriisien kertolasku Siis ( ) }{{} A: } 5 1 {{ 2 0 } B: 3 4 ( ) = }{{} AB: 2 4 Huomaa, että Jotta kertolasku AB onnistuu tulee A:n rivin olla yhtä pitkä kuin B:n sarake on korkea.
56 Matriisien laskutoimitukset 15 Matriisien kertolasku Siis ( ) }{{} A: } 5 1 {{ 2 0 } B: 3 4 ( ) = }{{} AB: 2 4 Huomaa, että Jotta kertolasku AB onnistuu tulee A:n rivin olla yhtä pitkä kuin B:n sarake on korkea. Tulossa AB on yhtä monta riviä kuin matriisissa A ja yhtä monta saraketta kuin matriisissa B.
57 16 Matriisien yhteenlasku ja reaaliluvulla kertominen noudattavat seuraavia lakeja. Olkoon A, B ja C m n -matriiseja ja α, β R. Silloin (1) A + (B + C) = (A + B) + C (2) A + 0 = A (3) A + ( A) = 0 (4) A + B = B + A (5) 1 A = A (6) α(βa) = (αβ)a (7) (α + β)a = αa + βa (8) α(a + B) = αa + αb
58 17 Olkoon A, B ja C matriiseja ja α R. Jos matriisien tyypit ovat sellaiset, että seuraavat tulot ovat olemassa, niin (1) A(BC) = (AB)C (2) A(B + C) = AB + AC (3) (A + B)C = AC + BC (4) α(ab) = (αa)b = A(αB) (5) I A = AI = A
59 17 Olkoon A, B ja C matriiseja ja α R. Jos matriisien tyypit ovat sellaiset, että seuraavat tulot ovat olemassa, niin (1) A(BC) = (AB)C (2) A(B + C) = AB + AC (3) (A + B)C = AC + BC (4) α(ab) = (αa)b = A(αB) (5) I A = AI = A Edellä olleet kaavat merkitsevät sitä, että matriisilausekkeita voi käsitellä hyvin samaan tapaan kuin koulussa on käsitelty x:n lausekkeita.
60 17 Olkoon A, B ja C matriiseja ja α R. Jos matriisien tyypit ovat sellaiset, että seuraavat tulot ovat olemassa, niin (1) A(BC) = (AB)C (2) A(B + C) = AB + AC (3) (A + B)C = AC + BC (4) α(ab) = (αa)b = A(αB) (5) I A = AI = A Edellä olleet kaavat merkitsevät sitä, että matriisilausekkeita voi käsitellä hyvin samaan tapaan kuin koulussa on käsitelty x:n lausekkeita. Kun pitää seuraavat kolme matriisilaskennan erityispiirrettä valppaasti mielessään, niin matriiseilla voi laskea kuten x:n lausekkeilla
61 18 Olkoon A, B ja C matriiseja. Jos matriisien tyypit ovat sellaiset, että seuraavat tulot ovat olemassa, niin on mahdollista että (1) AB BA (2) AC = BC, vaikka A B (3) AB = 0, vaikka (A 0 ja B 0)
62 18 Olkoon A, B ja C matriiseja. Jos matriisien tyypit ovat sellaiset, että seuraavat tulot ovat olemassa, niin on mahdollista että (1) AB BA (2) AC = BC, vaikka A B (3) AB = 0, vaikka (A 0 ja B 0) Kommentteja: (1) Kertolaskussa ei saa vaihtaa tekijöiden järjestystä. ( ) ( ) = ( ) ( ) ( ) ( ) 6 14 = 2 3
63 19 (1) AB BA, (2) (AC = BC) (A = B) (1) Järjestys ei vaihdu! Periaate näkyy kaavoissa. Jos A on vasemmalla LHS:ssa, niin se on vasemmalla myös RHS:ssa. Esim A(B + C) = AB + AC
64 19 (1) AB BA, (2) (AC = BC) (A = B) (1) Järjestys ei vaihdu! Periaate näkyy kaavoissa. Jos A on vasemmalla LHS:ssa, niin se on vasemmalla myös RHS:ssa. Esim A(B + C) = AB + AC (2) Matriisilla ei saa jakaa! Kun koulussa on käsitelty x:n lausekkeita, on totuttu jakamaan LHS:n ja RHS:n yhteinen tekijä pois yhtälöstä. Matriisi-yhtälön kohdalla näin ei saa tehdä.
65 20 (3) (AC = 0) (A = 0 tai B = 0) (3) Tulon nollasääntö ei ole voimassa!
66 20 (3) (AC = 0) (A = 0 tai B = 0) (3) Tulon nollasääntö ei ole voimassa! Esimerkiksi ( ) ( ) = ( )
67 20 (3) (AC = 0) (A = 0 tai B = 0) (3) Tulon nollasääntö ei ole voimassa! Esimerkiksi ( ) ( ) = ( ) On totta, että matriiseissa on jotakin erikoista, kun niiden tulo on nollamatriisi, mutta se erikoinen seikka ei ole se, että toinen niistä olisi nollamatriisi.
68 21 Määritelmä: m n -matriisin A tarnsponoitu matriisi eli (engl. transpose) A T on n m -matriisi, jolle (A T ) ij = a ji.
69 21 Määritelmä: m n -matriisin A tarnsponoitu matriisi eli (engl. transpose) A T on n m -matriisi, jolle (A T ) ij = a ji. Transpoosi A T sarakkeita. saadaan siis A:sta tekemällä riveistä
70 21 Määritelmä: m n -matriisin A tarnsponoitu matriisi eli (engl. transpose) A T on n m -matriisi, jolle (A T ) ij = a ji. Transpoosi A T saadaan siis A:sta tekemällä riveistä sarakkeita T = (Huomaa, että lävistäjä pysyy paikallaan.)
71 21 Määritelmä: m n -matriisin A tarnsponoitu matriisi eli (engl. transpose) A T on n m -matriisi, jolle (A T ) ij = a ji. Transpoosi A T saadaan siis A:sta tekemällä riveistä sarakkeita T = (Huomaa, että lävistäjä pysyy paikallaan.)
72 21 Määritelmä: m n -matriisin A tarnsponoitu matriisi eli (engl. transpose) A T on n m -matriisi, jolle (A T ) ij = a ji. Transpoosi A T saadaan siis A:sta tekemällä riveistä sarakkeita T = (Huomaa, että lävistäjä pysyy paikallaan.)
73 21 Määritelmä: m n -matriisin A tarnsponoitu matriisi eli (engl. transpose) A T on n m -matriisi, jolle (A T ) ij = a ji. Transpoosi A T saadaan siis A:sta tekemällä riveistä sarakkeita T = (Huomaa, että lävistäjä pysyy paikallaan.)
74 21 Määritelmä: m n -matriisin A tarnsponoitu matriisi eli (engl. transpose) A T on n m -matriisi, jolle (A T ) ij = a ji. Transpoosi A T saadaan siis A:sta tekemällä riveistä sarakkeita T = (Huomaa, että lävistäjä pysyy paikallaan.)
75 22 Transpoosille on voimassa seuraavat kaavat (1) (A T ) T = A (2) (A + B) T = A T + B T (3) (αa) T = αa T (4) (AB) T = B T A T huomaa järjestys!
76 23 Esimerkki Olkoon ( 7 2 A = 10 4 Nyt (AB) T = B T A T = (( ) ( 2 0 1, B = ) ( ( ) = ) )) T =
Matriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi
Matriisit, L20 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 (amer. kirjoissa
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
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
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
2.1.4 har:linyryhmat03. Octavella. Katso ensin esimerkit???? esim:yroctave01 Octaven antamat vastausehdotukset.
Vaasan yliopiston julkaisuja, opetusmonisteita 49 har:linyryhmat03 Tehtävä 2.3 Ratkaise lineaariset yhtälörymät x + y z 5 x + 2y + 4z 16 a x + 2y + 2z 0 2x + z 14 b x + y z 5 x + 2y + 4z 16 x + 2y + 2z
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
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
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
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
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
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
Insinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö
Lineaarialgebra 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
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
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
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
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
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
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
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
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
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,
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
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,
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
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
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
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
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
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
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
Talousmatematiikan perusteet
kevät 219 / orms.13 Talousmatematiikan perusteet 9. harjoitus, viikko 12 (18.3. 22.3.219) L Ma 1 12 A22 R5 Ti 14 16 F453 R1 Ma 12 14 F453 L To 8 1 A22 R2 Ma 16 18 F453 R6 Pe 12 14 F14 R3 Ti 8 1 F425 R7
3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset
31 MS-A0004/A0006 Matriisilaskenta 3 Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2292015 Lineaariset yhtälöt ovat vektoreille luonnollisia yhtälöitä, joita
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
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
Kaksirivisen matriisin determinantille käytämme myös merkintää. a 11 a 12 a 21 a 22. = a 11a 22 a 12 a 21. (5.1) kaksirivine
Vaasan yliopiston julkaisuja 97 5 DETERMINANTIT Ch:Determ Sec:DetDef 5.1 Determinantti Tämä kappale jakautuu kolmeen alakappaleeseen. Ensimmäisessä alakappaleessa määrittelemme kaksi- ja kolmiriviset determinantit.
Johdatus tekoälyn taustalla olevaan matematiikkaan
Johdatus tekoälyn taustalla olevaan matematiikkaan Informaatioteknologian tiedekunta Jyväskylän yliopisto 4. luento 24.11.2017 Neuroverkon opettaminen - gradienttimenetelmä Neuroverkkoa opetetaan syöte-tavoite-pareilla
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
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
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
Matriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: ,, x1 x. Matriiseihin perehtyminen voidaan perustella useilla järkisyillä.
Vaasa yliopisto julkaisuja 71 4 MATRIISIT JA MATRIISILASKUT Ch:Matrix Sec:MatLaskut 4.1 Matriisi ja matriisilaskut Matriisi o suorakulmaie lukukaavio. Matriiseja ovat esimerkiksi: 2 0.4 8 0 a b,, x1 x
Matemaattinen Analyysi, k2012, L1
Matemaattinen Analyysi, k22, L Vektorit Merkitsemme koulumatematiikasta tuttua vektoria v = 2 i + 3 j sarake matriisilla ( ) 2 v = v = = ( 2 3 ) T 3 Merkintätavan muutos helpottaa jatkossa siirtymistä
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
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
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
Numeeriset menetelmät
Numeeriset menetelmät Luento 4 To 15.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 4 To 15.9.2011 p. 1/38 p. 1/38 Lineaarinen yhtälöryhmä Lineaarinen yhtälöryhmä matriisimuodossa Ax = b
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)
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)
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
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
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.
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
Käänteismatriisin ominaisuuksia
Käänteismatriisin ominaisuuksia Lause 1.4. Jos A ja B ovat säännöllisiä ja luku λ 0, niin 1) (A 1 ) 1 = A 2) (λa) 1 = 1 λ A 1 3) (AB) 1 = B 1 A 1 4) (A T ) 1 = (A 1 ) T. Tod.... Ortogonaaliset matriisit
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
Ominaisarvo-hajoitelma ja diagonalisointi
Ominaisarvo-hajoitelma ja a 1 Lause 1: Jos reaalisella n n matriisilla A on n eri suurta reaalista ominaisarvoa λ 1,λ 2,...,λ n, λ i λ j, kun i j, niin vastaavat ominaisvektorit x 1, x 2,..., x n muodostavat
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( )
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
Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 41
MS-A0004/MS-A0006 Matriisilaskenta, I/06 Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 4 Tehtävä 5 (L): a) Oletetaan, että λ 0 on kääntyvän matriisin A ominaisarvo. Osoita, että /λ on matriisin A
(0 desimaalia, 2 merkitsevää numeroa).
NUMEERISET MENETELMÄT DEMOVASTAUKSET SYKSY 20.. (a) Absoluuttinen virhe: ε x x ˆx /7 0.4 /7 4/00 /700 0.004286. Suhteellinen virhe: ρ x x ˆx x /700 /7 /00 0.00 0.%. (b) Kahden desimaalin tarkkuus x ˆx
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 )
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 )
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
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
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.
10 Matriisit ja yhtälöryhmät
10 Matriisit ja yhtälöryhmät Tässä luvussa esitellään uusi tapa kirjoittaa lineaarinen yhtälöryhmä matriisien avulla käyttäen hyväksi matriisikertolaskua sekä sarakevektoreita Pilkotaan sitä varten yhtälöryhmän
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
LAUSEKKEET JA NIIDEN MUUNTAMINEN
LAUSEKKEET JA NIIDEN MUUNTAMINEN 1 LUKULAUSEKKEITA Ratkaise seuraava tehtävä: Retkeilijät ajoivat kahden tunnin ajan polkupyörällä maantietä pitkin 16 km/h nopeudella, ja sitten vielä kävelivät metsäpolkua
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..............................
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,,
MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48
MS-A3/A5 Matriisilaskenta Malliratkaisut 5 / vko 48 Tehtävä (L): a) Onko 4 3 sitä vastaava ominaisarvo? b) Onko λ = 3 matriisin matriisin 2 2 3 2 3 7 9 4 5 2 4 4 ominaisvektori? Jos on, mikä on ominaisarvo?
Määritelmä Olkoon T i L (V i, W i ), 1 i m. Yksikäsitteisen lineaarikuvauksen h L (V 1 V 2 V m, W 1 W 2 W m )
Määritelmä 519 Olkoon T i L V i, W i, 1 i m Yksikäsitteisen lineaarikuvauksen h L V 1 V 2 V m, W 1 W 2 W m h v 1 v 2 v m T 1 v 1 T 2 v 2 T m v m 514 sanotaan olevan kuvausten T 1,, T m indusoima ja sitä
Tiivistelmä matriisilaskennasta
Tiivistelmä matriisilaskennasta v 35, 2122008, Ossi Pasanen Nimityksiä ja merkintätapoja m n -matriisi on reaali- tai kompleksiluvuista koostuva lukukaavio, jossa on m vaakariviä ja n saraketta pystyriviä)
MATRIISIN HESSENBERGIN MUOTO. Niko Holopainen
MATRIISIN HESSENBERGIN MUOTO Niko Holopainen Matematiikan pro gradu Jyväskylän yliopisto Matematiikan ja tilastotieteen laitos Syksy 2013 Tiivistelmä: Niko Holopainen, Matriisin Hessenbergin muoto Matematiikan
(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
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
Tässä dokumentissa on ensimmäisten harjoitusten malliratkaisut MATLABskripteinä. Voit kokeilla itse niiden ajamista ja toimintaa MATLABissa.
Laskuharjoitus 1A Mallit Tässä dokumentissa on ensimmäisten harjoitusten malliratkaisut MATLABskripteinä. Voit kokeilla itse niiden ajamista ja toimintaa MATLABissa. 1. tehtävä %% 1. % (i) % Vektorit luodaan
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
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
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
Lineaarialgebra a, kevät 2019 Harjoitus 6 (ratkaisuja Maple-dokumenttina) > restart; with(linalg): # toteuta ihan aluksi!
Lineaarialgebra a, kevät 2019 Harjoitus 6 (ratkaisuja Maple-dokumenttina) restart; with(linalg): # toteuta ihan aluksi! Tehtävä 1. Säännöllisyys yhdellä yhtälöllä Koska matriisit A ja B ovat neliömatriiseja
3.1 Lineaarikuvaukset. MS-A0007 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset
3 MS-A7 Matriisilaskenta 3 Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 925 Lineaariset yhtälöt ovat vektoreille luonnollisia yhtälöitä, joita ratkotaan
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,
Sovitaan ensin merkintätavoista. Ratkaisemme ensin yksinkertaisen yhtälöparin. 5y = 10. x = 3 x = 1
Vaasan yliopiston julkaisuja, opetusmonisteita 31 2 MATRIISILASKENTAA Matriisilaskentaa 2.1 Yhtälöryhmät Sec:la1-YhtRyhmat 2.1.1 Rivioperaatiot Ssec:la1-Rivioper Sovitaan ensin merkintätavoista. Ratkaisemme
Numeeriset menetelmät
Numeeriset menetelmät Luento 3 Ti 13.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 1/37 p. 1/37 Epälineaariset yhtälöt Newtonin menetelmä: x n+1 = x n f(x n) f (x n ) Sekanttimenetelmä:
Tyyppi metalli puu lasi työ I 2 8 6 6 II 3 7 4 7 III 3 10 3 5
MATRIISIALGEBRA Harjoitustehtäviä syksy 2014 Tehtävissä 1-3 käytetään seuraavia matriiseja: ( ) 6 2 3, B = 7 1 2 2 3, C = 4 4 2 5 3, E = ( 1 2 4 3 ) 1 1 2 3 ja F = 1 2 3 0 3 0 1 1. 6 2 1 4 2 3 2 1. Määrää
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
H = : a, b C M. joten jokainen A H {0} on kääntyvä matriisi. Itse asiassa kaikki nollasta poikkeavat alkiot ovat yksiköitä, koska. a b.
10. Kunnat ja kokonaisalueet Määritelmä 10.1. Olkoon K rengas, jossa on ainakin kaksi alkiota. Jos kaikki renkaan K nollasta poikkeavat alkiot ovat yksiköitä, niin K on jakorengas. Kommutatiivinen jakorengas
Ortogonaaliset matriisit, määritelmä 1
, määritelmä 1 Määritelmä (a). Neliömatriisi Q on ortogonaalinen, jos Q T Q = I. Määritelmästä voidaan antaa samaa tarkoittavat, mutta erilaiselta näyttävät muodot: Määritelmä (b). n n neliömatriisi Q,
Ratkaisuehdotukset LH 3 / alkuvko 45
Ratkaisuehdotukset LH 3 / alkuvko 45 Tehtävä : Olkoot A, B, X R n n, a, b R n ja jokin vektorinormi. Kätetään vektorinormia vastaavasta operaattorinormista samaa merkintää. Nätä, että. a + b a b, 2. A
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)
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
Johdatus matematiikkaan
Johdatus matematiikkaan Luento 6 Mikko Salo 6.9.2017 Sisältö 1. Kompleksitaso 2. Joukko-oppia Kompleksiluvut Edellisellä luennolla huomattiin, että toisen asteen yhtälö ratkeaa aina, jos ratkaisujen annetaan
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
y z = (x, y) Kuva 1: Euklidinen taso R 2
Kompleksiluvut. Määritelmä Tarkastellaan euklidista tasoa R = {(, y), y R}. y y z = (, y) R Kuva : Euklidinen taso R Suorakulmaisessa koordinaatistossa on -akseli ja y-akseli. Luvut ja y ovat pisteen z
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.
Valitse ruudun yläosassa oleva painike Download Scilab.
Luku 1 Ohjeita ohjelmiston Scilab käyttöön 1.1 Ohjelmiston lataaminen Ohjeet ohjelmiston lataamiseen Windows-koneelle. Mene verkko-osoitteeseen www.scilab.org. Valitse ruudun yläosassa oleva painike Download
Latinalaiset neliöt ja taikaneliöt
Latinalaiset neliöt ja taikaneliöt LuK-tutkielma Aku-Petteri Niemi Matemaattisten tieteiden tutkinto-ohjelma Oulun yliopisto Kevät 2018 Sisältö Johdanto 2 1 Latinalaiset neliöt 3 1.1 Latinalainen neliö.........................
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
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
Sisätuloavaruudet. 4. lokakuuta 2006
Sisätuloavaruudet 4. lokakuuta 2006 Tässä esityksessä vektoriavaruudet V ja W ovat kompleksisia ja äärellisulotteisia. Käydään ensin lyhyesti läpi määritelmiä ja perustuloksia. Merkitään L(V, W ) :llä