Mitä matriisit ovat?

Koko: px
Aloita esitys sivulta:

Download "Mitä matriisit ovat?"

Transkriptio

1 Matriisit

2 Mitä matriisit ovat? 2 -ulotteisia lukutaulukoita sanotaan matriiseiksi. (matrix). Matriiseja merkitään isoilla kirjaimilla. Matriisin ympärillä käytetään hakasulkuja Esim. B on 2x3 matriisi (2 riviä, 3 saraketta) A on 2x2 -neliömatriisi Sovelluksissa käytetään useimmin neliömatriiseja. C on 3x1 matriisi, joita kutsutaan myös pystyvektoreiksi

3 Mihin matriiseja käytetään? Lineaaristen yhtälöryhmien ratkaisuun Kiertomatriisit ovat tärkeitä 3D grafiikassa (CAD) Niillä voidaan pyörittää objekteja näytöllä tai muuttaa katsojan paikkaa Maanmittausmatematiikassa ja tilastoopissa käytetään matriiseja Determinantit liittyvät myös matriisilaskentaan

4 Matriisien peruslaskutoimitukset Samankokoisia matriiseja voidaan laskea yhteen ja vähentää toisistaan ja kertoa vakiolla. Summa saadaan laskemalla vastinalkiot yhteen, erotus vähentämällä vastinalkiot toisistaan. Matriisi kerrotaan vakiolla kertomalla kaikki alkiot ko. vakiolla Summa Erotus Vakio x matriisi

5 Matriisien tulo Matriisien A ja B tulo A.B voidaan määritellä, jos matriisilla A on sama määrä sarakkeita kuin matriisilla B on rivejä. Tulomatriisin alkiot ovat matriisin A rivien ja matriisin B sarakkeiden pistetuloja. Käsin tulo lasketaan seuraavasti: Tulo A.B = Huom! Esimerkin matriiseille tuloa B.A ei ole edes määritelty, koska koot eivät täsmää. Silloinkin kun tulot A.B ja B.A ovat olemassa, ne ovat pääsääntöisesti erisuuret: Matriisien kertolasku ei ole vaihdannainen.

6 Matriisien tulo Excelissä Osaako laskimesi matriisien kertolaskun? Online kalkulaattoreita matriisien kertolaskuun löytyy runsaasti, mm.:

7 Neliömatriisien ominaisuuksia Matriisilaskennassa käytetään useimmin 2x2 tai 3x3 neliömatriiseja. Niillä on peruslaskutoimitusten +,-,. lisäksi muita ominaisuuksia, jotka muistuttavat reaalilukujen vastaavia ominaisuuksia Reaalilukujen joukossa erityisiä lukuja ovat 0 ja 1 0 on luku, jonka lisääminen ei muuta lukua; ts. a + 0 = 0 + a = a 1 on luku, jolla kertominen ei muuta lukua; ts. a*1 = 1*a = a 3x3 neliömatriiseilla näitä vastaavat nollamatriisi ja yksikkömatriisi I.

8 Neliömatriisin A determinantti A Reaaliluvuilla on itseisarvo, vektoreilla on pituus. Neliömatriiseihinkin liitetään reaaliluku, jota sanotaan matriisin determinantiksi ja merkitään A tai joskus Det(A) tai pelkällä D-kirjaimella. Determinantti 2x2 matriisille on siis lävistäjien tulojen erotus Esim. Laske matriisin determinantti Ratk. D = 4*2-3*1 = 5

9 3x3 neliömatriisin determinantti 3x3- determinantti lasketaan menetelmällä, jota sanotaan determinantin kehittämiseksi jonkin rivin tai sarakkeen suhteen. Menetelmässä muodostetaan summa, jossa esim. kukin ylimmän rivin alkio vuoronperään kerrotaan sitä vastaavalla alideterminantilla, joka saadaan luvuista jotka näkyvät kun alkiota vastaava sarake ja rivi peitetään matriisista. Saadut tulot lasketaan yhteen etumerkkiä vuorotellen : +, -, + = 1*(5*2-6*6) 2*(4*2-7*6) + 3*(4*6-7*5) = 9 Determinantti voidaan yhtä hyvin kehittää jonkin muun rivin tai sarakkeen suhteen yo. menetelmällä. Jos jollain rivillä tai sarakkeessa on useita nollia, kannattaa kehittää sen suhteen, jotta termejä olisi vähemmän. Termien etumerkit saadaan oheisesta kaaviosta.

10 Determinantit Excelillä Käytännössä, kun determinantteja lasketaan, se tehdään esim. Excelin funktiolla MDETERM, tai laskimella Valitse MDETERM funktio, ja maalaa argumentiksi matriisin solut. Online determinanttilaskin löytyy mm. oheisesta linkistä

11 Vinkki: Käytä nollarivejä/-sarakkeita Laske oheisen matriisin determinantti. Koska 2. sarakkeessa on kaksi nollaa, kannattaa determinantti kehittään nimenomaan sen sarakkeen suhteen: merkit A = - 4*(4*7-3*(-1)) = -4*31 = Saman sarakkeen muut alkiot ovat nollia, joten niistä ei tule mitään lisää determinanttiin

12 Determinantin ominaisuuksia Vektoreista muistamme, että determinantin itseisarvo = sen rivejä edustavien vektorien virittämän suuntaissärmiön tilavuus. Tästä seuraa, että determinantti = 0, jos a) Determinantissa on sama rivi kahdesti b) Determinantissa jokin rivi on toisen rivin monikerta c) Determinantissa jokin riveistä on kahden muun rivin lineaarikombinaatio, esim. c = t a + u b Säännöt a) b) ja c) pätevät myös sarakkeille a) ja b) Kaksi särmiön virittäjävektoreista samoja tai samansuuntaisia => litistynyt särmiö. c) särmiön kolmas virittäjävektori on kahden muun tasossa => särmiöllä ei ole korkeutta Determinantin arvo ei muutu, jos jokin rivi/sarake lisätään toiseen riviin jollakin vakiolla kerrottuna Tämä ominaisuus ei ole niin ilmeinen kuin a,b ja c. Sitä voisi kuitenkin perustella seuraavasti. Jos esim. vektoriin c lisättäisiin a kerrottuna jollakin vakiolla, tämä siirtäisi vain vektorin c kärkipistettä sivun a suunnassa, jolloin särmiöstä tulisi vinompi, mutta sen pohjan ala ja korkeus säilyisivät muuttumattomina. Tällöin särmiön tilavuus jota determinantti edustaa ei muuttuisi.

13 Gauss- Jordanin menetelmä determinantin laskemiseksi Kun neliömatriisin koko on suuri, kehittäminen alempiasteisten determinanttien avulla vie tietokoneen resursseja ja muistia. Useimmat laskimet käyttävätkin vähemmän muistia vaativaa Gauss Jordanin menetelmää, joka perustuu seuraavaan teoreemaan. Determinantin arvo pysyy samana, jos determinantin jokin rivi lisätään toisen riviin millä tahansa nollasta eroavalla vakiolla kerrottuna. Tätä hyödynnetään siten, että pyritään lisäämällä rivejä toisiin saamaan determinantin laskevan lävistäjän toinen puoli täyteen nollia.

14 Determinanttien sovellus: Cramerin kaavat ja lineaarinen yhtälöryhmä Ratkaise: Ratkaisu on seuraava: x = Dx/D, y = Dy/D, z = Dz/D Excelillä: D = yhtälöryhmän kerroindeterminantti: Dx, Dy ja Dz ovat kerroindeterminantin variaatioita, joissa yht. ryhmän oikean puolen vakiot korvaavat determinantin 1., 2. ja 3. sarakkeet Ratk: x = 128/76 = 1.7 y =-91/76 = -1.2 z =-169/76= -2.2

15 2 muuttujan yhtälöryhmä Ratkaisu on seuraava: x = Dx/D, y = Dy/D Ratkaise: x = Dx/D = 57/11 = 5.2 Y = Dy/D = 15/11 = 1.4

16 Transponoitu matriisi A T Neliömatriisin A transponoiduksi matriisiksi A T sanotaan matriisia, joka saadaan A:sta muuttamalla rivit sarakkeiksi. Toisin ilmaistuna A T saadaan A:sta peilaamalla alkiot laskevan lävistäjän suhteen. Matriisin ja sen transponoidun matriisin determinantit ovat samat

17 Käänteismatriisi A -1 Kaikilla nollasta eroavilla reaaliluvuilla a on olemassa käänteisluku 1/a tai toisin merkittynä a -1, jolla kertomalla a:sta tulee luku 1. Esim. 2*1/2 = 1,,, Onko neliömatriiseilla A vastaavasti sellaista matriisia A -1, että kertolasku A.A -1 = A -1 A = I yksikkömatriisi. Voidaan osoittaa, että on, nimittäin kaikilla sellaisilla neliömatriiseilla, joiden determinantti 0 on olemassa käänteismatriisi. Kaikilla neliömatriiseilla A, joille determinantti A 0, on olemassa käänteismatriisi A -1, jolle AA -1 = A -1 A = I yksikkömatriisi Käänteismatriisin käsin laskemista ei tarvitse osata

18 A -1 :n lasketaan Excelissä MINVERSE -funktiolla Laske 1. Maalaa käänteismatriisin kokoinen 3x3 alue (vihreä kuvassa) 2. Valitse funktio MINVERSE, maalaa argumentiksi matriisi A 3. Paina lopuksi CRTL- SHIFT- ENTER, jolla saat koko käänteismatriisin arvot kohdealueelle. Online käänteismatriisilaskin Käänteismatriisin käsin laskemista ei tarvitse osata

19 3x3 matriisin käänteismatriisi A = matriisin A determinantti 1 A Adj( A) A Adj(A) = matriisin A adjungoitu matriisi, joka saadaan korvaamaalla A:n jokainen alkio a i alideterminantilla Ai, joka saadaan peittämällä matriisista A se rivi ja sarake, jolla alkio a i sijaitsee. Lisäksi alideterminanttien etumerkkejä vuorotellaan samoin kuin determinantin kehittämisen yhteydessä ao. kaavion mukaan. Lopuksi matriisi transponoidaan, eli rivit muutetaan sarakkeiksi ja päinvastoin. 2x2 matriisin käänteismatriisi Alideterminattien sijalla on pelkkiä lukuja, periaate silti sama ja merkkikaavio vastaavasti Käänteismatriisin käsin laskemista ei tarvitse osata

20 A Adj( A) Esim. A -1 käsin 3x3 tapauksessa 1 A Determinantti on aiemmin laskettu: A = 9 Lasketaan Adj(A) transponointi 5*2-6*6 = -26 -(4*2-7*6) = 34 (4*6-7*5) = -11 T -(2*2-6*3) = 14 1*2-7*3 = -19 -(1*6-7*2) = 8 = 2*6-5*3 = - 3 -(1*6-4*3) = 6 1*5-4*2 = -3 Determinantilla jaettuna tämä antaa käänteismatriisin -26/9 14/9-3/9 34/9-19/9 6/9-11/9 8/9-3/9 Käänteismatriisin käsin laskemista ei tarvitse osata

21 A -1 :n käsin lasku, 2x2 tapaus 1 A Adj( A) A merkkikaavio Determinantti = 2*5-1*4 = 6 T Adj(A) = = A -1 = 5/6-4/6-1/6 2/6 Tarkistetaan tulos Online kalkulaattorilla Käänteismatriisin käsin laskemista ei tarvitse osata

22 Yhtälöryhmän ratkaisu käänteismatriisin avulla Voidaan kirjoittaa matriisimuodossa Kerroinmatriisi muuttujat Oikean puolen vakioista muodostuva matriisi Yhtälö on muotoa A.X = B, jonka ratkaisu on X = A -1.B WOLFRAMALPHA:

23 Lineaarisen yhtälöryhmän ratkaisu käänteismatriisin avulla A = muuttujien kertoimista muodostuva neliömatriisi ( kerroinmatriisi ) B = yhtälöryhmän oikean puolen vakioista muodostuva pystyvektori X = muuttujista (x,y,z) koostuva vektori. Yhtälöryhmän ratkaisu saadaan kertomalla kerroinmatriisin käänteismatriisilla oikean puolen vakiovektori: X = A -1.B

24 Esimerkkejä Vast. x=-18, y=-9.5, z= Farmarilla oli kanoja ja kaneja, yhteensä 38 jalkaa ja 14 päätä. Kuinka monta kanaa ja kuinka monta kania hänellä oli? Merk. x = kanat, y = kanit Vast: kanoja 9, kaneja 5

25 Yhtälöryhmän ratkaisu solvella Useissa laskimissa ja esim. wolfram alphassa

26 Matriisilaskennan sovelluksia Lineaarinen yhtälöryhmä Cramerin kaavat Käänteismatriisimenetelmä

27 Cramerin kaavat Sitten lasketaan kolme determinanttia, jotka saadaan kerroindeterminantista korvaamalla sen sarakkeita yhtälöryhmän oikean puolen vakioiden muodostamalla pystyvektorilla:

28 3x3 yhtälöryhmä geometrisesti - Kukin yhtälöistä ax + b y + c z = d esittää tasoa 3D avaruudessa. - Yhtälöryhmän ratkaisu on kolmen tason leikkauspiste. (Kolme tasoa leikkaavat yleensä yhdessä pisteessä) Jos kerroindeterminantti D = 0, yhtälöryhmällä ei ole ratkaisua tai joskus ratkaisuna on jokin muu kuin yksi piste (x,y,z). Geometrisesti tämä tarkoittaa yo. kuvasarjan kuvien 1,2, 3 tai 4 tilannetta, jolloin osa tasoista on keskenään samansuuntaisia tai tasojen leikkauksena on suora, eikä piste. Käytännön tilanteissa näitä erikoistapauksia ei esiinny. Tehtävän vastaus erikoistapauksessa D = 0 : ei ratkaisua

29 Esim. Piirrä 3D kuva tasosta 2x + y + 3z = 6

30 Nollat matriisissa helpottavat determinantin käsin laskemista Esim. Tämä determinantti kannattaa kehittää 2. rivin suhteen, koska siinä on nollia. = ( Etumerkki oikean puolen lausekkeelle on + merkkikaavion perusteella)

31 Yksikkömatriisi I Reaalilukujen joukossa on luku 1, jolla kertominen säilyttää luvun sellaisenaan: ts. 1*a = a*1 = a Neliömatriisien joukossa on vastaavasti yksikkömatriisi, jolla kertominen ei muuta tulon toista matriisia. 2x2 yksikkömatriisi on 3x3 yksikkömatriisi on

32 Matriisin A käänteismatriisi A -1 Reaaliluvuilla a, (paitsi luvulla 0 ) on käänteisluku 1/a, jolle a*(1/a) = 1 Neliömatriiseilla A, joiden determinantti A 0, on käänteismatriisi A -1, jolle A 1 1 A AA I Esim. A ja A ovat toistensa käänteismatriiseja.

33 Käänteismatriisimenetelmä Yhtälöryhmän vasen puoli ja oikea puoli voidaan ajatella 3x1 matriiseina Vasen puoli voidaan esittää kertoimista muodostuvan matriisin A ja muuttujista x,y,z muodostuvan pystyvektorin X tulona. (Tämän voi helposti tarkistaa suorittamalla kertolasku A.X) Tämä matriisiyhtälö on muotoa A X = B, Missä A on kerroinmatriisi, X = pystyvektori, jonka alkioina ovat muuttujat x,y, z B = oikean puolen vakioista muodostuva pystyvektori.

34 Ratkaisu käänteismatriisilla A -1 Reaalilukumatematiikassa yhtälön a x = b molemmat puolet jaetaan a:lla ja ratkaisu x = b/a. Tämän voi myös ilmaista niin, että molemmat puolet kerrotaan a:n käänteisluvulla 1/a a x b 1 a x a 1 a b Sama ratkaisumenetelmä toimii myös matriisiyhtälöön A X = B. Sen voi ratkaista kertomalla molemmat puolet kerroinmatriisin käänteismatriisilla: x b a A X B A A x A B X A B X A 1 B Käänteismatriisi A -1 on käsin monimutkainen laskea, joten kaavasta ei ole hyötyä, jos ratkaisee yhtälöryhmiä käsin. Algebralaskimella taas tämä on nopea tapa ratkaista lineaarisia yhtälöryhmiä.

35 Esim. Ratkaise WolframAlphalla ratkaisu toimii seuraavalla tavalla: TI- laskimissa kannattaa käyttää matriisieditoria ja syöttää kerroinmatriisi ja nimetä se A:ksi, sekä syöttää oikean puolen vakiovektori ja nimetä se B:ksi. Tämän jälkeen laskimen perustilassa annetaan komento X y z A^-1.B

36 Kiertomatriisit (2D) Kun pistettä (x, y) halutaan kiertaa vastapäivään origon ympäri α astetta, saadaan pusteen uudet koordinaatit kertomalla vanhat koordinaatit kiertomatriisilla : T cos sin sin cos Esim. Vektoria (2, 1) kierretään vastapäivään 45 astetta. Mitkä ovat vektorin uudet koordinaatit? cos 45 sin 45 sin cos Jos kierto tehtäisiin myötäpäivään, kulmana käytettäisiin -45 o

37 Lisää yhtälöryhmistä

38 Lineaarisen yhtälöryhmän muut ratkaisumenetelmät 1. Eliminoimismenetelmä 2. Sijoitusmenetelmä 3. Graafinen ratkaisu

39 Eliminoimismenetelmä *2 *5 Pyritään kertomaan yhtälöt sellaisilla vakioilla, että yhtälöitä yhteen laskettaessa toinen tuntemattomista häviää. 4 x 10 y = x + 10 y = 65 ============= 19 x = 57 x = 57/19 = 3 Sijoitetaan tämä esim. 1:een yhtälöön: 2*3 5y = = 5 y 10 = 5 y Y = 2 Huom! Tekniikassa kertoimet ovat desimaalilukuja ja tästä syystä tämä metodi on työläs. Cramerin kaavat on parempi tapa, erityísesti koneella. Vast. x = 3 tai y = 2

40 Sijoitusmenetelmä Ratkaistaan yksi yhtälöistä jonkin tuntemattoman suhteen ja sijoitetaan saatu lauseke toiseen yhtälöön. Ratkaistaan 2. yhtälö y:n suhteen: 2y = 13 3x jaetaan 2:lla y = x *) Tämä toimii myös kun yhtälöt eivät ole lineaarisia: yleispätevä. Sijoitetaan y:n lauseke 1. yhtälöön y:n paikalle ja ratkaistaan x 2x 5 ( x) = - 4 sulut pois 2x x = - 4 erotellaan muuttujat ja vakiot 2x + 7.5x = yhdistetään 9.5 x = 28.5 jaetaan x:n kertoimella x = 28.5 / 9.5 = 3 Sijoitetaan x = 3 yhtälöön *) y = *3 = 2 V: y = 3 JA y = 2

41 Graafinen ratkaisu Molemmat yhtälöt edustavat suoria. Piirretään suorat. Ratkaisu on niiden leikkauspiste Esim. WolframAlphalla

42 Ympyrän yhtälö Origokeskisen, r- säteisen ympyrän muodostavat pisteet, joiden paikkavektorin (x,y) (vektori origosta pisteeseen) pituus = r. Pythagoraan lausella x 2 + y 2 = r 2 x 2 y 2 r 2 Ympyrä, jonka keskipiste = (0,0) Säde = r

43 Epälineaarisen yhtälöryhmän ratkaiseminen 2x y 2 x y Sijoitusmenetelmä 2. Graafinen ratkaisu Ratkaistaan 1. yhtälö y:n suhteen y = 5 2x *) Sijoitetaan tämä lauseke 2:een yhtälöön y:n tilalle x 2 + (5-2x) 2 = 9 x 2 + (5-2x)(5-2x) = 9 x *2x 2*5x + 4x 2 = 9 5x 2-20 x + 16 = 0 solve:lla x = 1.11 tai x = 2.89 Lasketaan molemmille y-arvot *) y= 5-2*1.11= 2.78 tai y = 5-2*2.89 = Vast. Pisteet: (1.11, 2.78) (2.89, -0.78)

44 Exponenttifunktio ja Logaritmifunktio - yhtälöt, sovellukset

45 Esim. Kiinteistön arvo v.2010 alussa oli Euroa. Oletetaan, että kiinteistöjen arvot nousevat tasaisesti 2.5 % vuodessa. Laske a) esimerkin kiinteistön arvo 2016 alussa b) arvo v.1989, jolloin kiinteistö rakennettiin c) milloin arvo ylittää Euron rajan? Periaate: Seuraavan vuoden arvo saadaan aina kertomalla edellisen vuoden arvo 1.025:llä, joka saadaan yhteenlaskulla /100 = Vastaavasti laskettaessa arvoa ajassa taaksepäin jaetaan nykyarvo vuosittain 1.025:lla. a) * = Euroa b) * = Euroa tai näin / = Euroa Eksponenttiyhtälö: a x = b Ratkaisu: x = log(b)/log(a) Eksponenttimalli y = y 0 a t c) *1.025 t = jaetaan :lla t = 1.28 ( / = 1.28 ) t = log(1.28)/log(1.025) = 10.0 Vast alussa ( 10 v vertailuvuodesta eteenpäin)

46 Nouseva ja laskeva exponenttifunktio y = a x aidosti kasvava funktio a > 1 vähenevä funktio 0<a <1 Määritysjoukko: Mj = R Arvojoukko : Aj = R + Eksponenttiyhtälö: Ratkaisu: (kaikki reaaliluvut) (funktio saa vain positiivisia arvoja) a x = b x = log(b)/log(a)

47 Esim vm Fiat Punto maksoi v alussa 4900 Euroa. Oletetaan arvo alenee 15 % vuodessa. a) Paljonko Punto maksoi uutena (2007 alussa) b) Paljonko siitä saa 2015 puolivälissä? c) Milloin arvo on enää 1000 Euroa? Seuraavan vuoden arvo saadaan edellisestä kertomalla luvulla 0.85 ( koska 1 15/100 = 0.85) a) 4900 * = 9387 Euroa b) 4900 * = 2368 Euroa c) 4900 * 0.85 t = 1000 jaetaan 4900 :lla 0.85 t = 1000/4900 = t = log(0.204) / log(0.85) = 9. 8 (vuosiluku 2020 loppupuolella)

48 Esim. Ydinonnettomuudessa syntyy radioaktiivista jodia, jonka määrä puoliintuu 8 päivässä. a) Kuinka monta atomia on jäljellä 30 vrk kuluttua, jos jodia on alun perin atomia b) Minkä ajan kuluttua jodia on vain 1 atomi jäljellä? Malli N = N t / 8 Jodiatomien määrä alussa N0 = Kantaluku = ½ = 0.5 a) Jodin määrä 30 vrk kuluttua N = *0.5 30/8 = atomia atomia b) Ratkaistaan aika t yhtälöstä 1 = *0.5 30/8 1 = = 0.5 t/ eksponentti t/8 = log( )/log(0.5) = 19.9 t = 8 vrk *19.93 = vrk Vastaus: 160 vrk kuluttua

49 Eksponenttija logaritmifunktiot

50 Luku e ja eksponenttifunktio e x Luku e on ns. Neperin luku, Sen likiarvon voi laskea esim kaavalla ( 1 + 1/ n) n antamalla n:lle suuria arvoja, esim. n = antaa e = Euler on myös osoittanut, että Neperin luku saadaan äärettömänä summana e = / 2! + 1/ 3! + 1/ 4! + Ottamalla 10 ensimmäistä termiä saadaan e = Fysiikassa ja tekniikassa tärkeä eksponenttifunktio on y = e x e 1.0 = Ohjelmointikielissä tämä funktio kirjoitetaan exp(x) laskimissa näppäin e x

51 Logaritmin määritelmä Kun x ratkaistaan yhtälöstä y = a x, saadaan x = log a (y) a x y x log a y Lue: a-kantainen logaritmi y => Funktio y = log a (x) on exponenttifunktion y = a x käänteisfunktio. LASKIMIEN LOGARITMIFUNKTIOT ln(x) Kantalukuna Neperin luku e = log(x) tai lg(x) Kantalukuna 10 2 x = 7 x = log 2 7 = log7/log2 = = 2.81 Yksi logaritmi laskimessa riittää, sillä muut voidaan laskea muunnoskaavalla log a ( x) log( x) log( a) ln( x) ln( a)

52 Laske seuraavat logaritmit Osan logaritmeista voi laskea päässälaskuna perustuen logaritmin määritelmään: Laske a x y x log a y a) log 2 8 b) log100 c) log ? = ? = ? = ? =1/9-2 e? =e 5 5 Muutoin logaritmeja lasketaan laskimella: a) log Vast: 2.87 b) log Vast: 9.63 Käytä muunnoskaavaa log a log( x) ( x) log( a)

53 Logaritmifunktion kuvaaja Funktion y = f(x) kuvaajasta saa käänteisfunktion kuvaajan kääntämällä y akselin osoittamaan oikealle ja x- akselin osoittamaan ylös. 20 y = e x 15 y = ln(x) Kun yhtälö y = e x ratkaistaan x:n suhteen, saadaan x = ln(y) ln(x) luetaan luonnollinen logaritmi x Kantaluku on Neperin luku e Mj : x > 0, ja arvojoukko Aj = R

54 Exponenttiyhtälöt a x b x log b a lg b lg a tai myös ln b ln a Kiinteistön arvo 2012 on Euroa, Arvo kasvaa 2.0 % vuodessa. a) Esitä arvo ajan funktiona ( ajan yksikkönä on vuosi ja origo v.2012 b) Minkä ajan kuluttua arvo ylittää rajan? y t

55 Exponenttiyhtälöt Käytetyn Renault Clion arvo laskee 13 % vuodessa. Auto ostettiin 2010 käytettynä hinnalla 6500 Euroa Milloin autosta saa enää 1500 Euroa? funktio y t Vuosiluku on siis eli 2020

56 Radioaktiivinen hajoaminen Radioaktiivisuus määritellään suureella aktiivisuus A, jonka yksikkönä on Becquerell ( 1 Bq = 1 hajoaminen sekunnissa) Radioaktiivisten aineiden aktiivisuus vähenee eksponentiaalisesti. Kaava voidaan esittää joko kantalukua 1/2 käyttäen, jolloin hajoamisnopeutta kuvataan puoliintumisajalla T (tai T 1/2 ) A A 1 2 t / T 0 ( ) Jodi 131:n puoliintumisaika on 8.0 vrk. Missä ajassa jodista saastuneen veden radioaktiivisuus vähenee 1.0 % alkuperäisestä

57 Tavallisimmat eksponenttimallit arvo kasvaa 5% vuodessa arvo laskee 12% vuodessa y = y t y = y t * arvo kasvaa 30% 7 vuodessa y = y t / 7 arvo kaksinkertaistuu 25 vuodessa y = y t / 25 arvo puoliintuu 3.5 vrk:ssa y = y 0 (½) t / 3.5 Esim. Palstan arvo on nyt Arvo tuplaantuu 25 vuodessa. Laske arvo 10 v. kuluttua. Y = 10000*2^(10/25) = Esim. Moottorikelkan arvo on 8000 Euroa ja arvo puoliintuu 2.4 vuodessa. Laske arvo 5 v kuluttua. Y = 8000*0.5^(5 /2.4) = 1888 Euroa

58 Logaritmin laskukaavat 1) log(x y) = log(x) + log(y) 2) log(x/y) = log(x) - log(y) 3) log(x r ) = r log(x) Muita ominaisuuksia log a a = 1 Annettu: Log(2) = 0.69 Log(3) = 1.10 Laske päässä Log(6) =log(2) + log(3) = = 1.79 Log(18) =log(2*3*3) =log(2)+log(3)+log(3)= 2.89 Log(32) =log(2 5 )=5*0.69=3,45 Log(9) =log(3 2 )=2*1.1= 2.2 log a 1 = 0 kaikilla kantaluvuilla a

59 Lineaarinen asteikko Logaritminen asteikko Luvun 64 logaritmi on 6 kertaa luvun 2 logaritmi, Koska log64 = log 2 6 = 6 log 2

60 Laskutikku Ennen funktiolaskinten tuloa luvun alussa insinöörit laskivat numerolaskut laskutikulla, jossa logaritmisella asteikolla varustettuja viivottimia liikuteltiin toisiinsa nähden. Kertolaskut tyyppiä 1,62 * 7,23 onnistuivat nopeasti ja tehokkaasti kahden merkitsevän numeron tarkkuudella. Tuloksen kertaluvun eli kymmenen potenssin insinööri osasi laskea päässä. Laskutikku sai olla esillä myös YO kirjoitusten fysiikan kokeessa.

61 Log(x y) = Log (x) + Log(y) Kertolasku muuttuu janojen yhteenlaskuksi logaritmiasteikolla Kuvassa laskettu laskutikulla kertolasku 2 x 4 = 8

62 Log(x/y) = Log (x) - Log(y) Jakolasku muuttuu janojen vähennyslaskuksi logaritmiasteikolla Kuvassa laskettu laskutikulla jakolasku 10 : 5 = 2

63 Log(x r ) = r Log(x) Potenssilaskussa summataan kantaluvun mittaisia janoja Kuvassa lasku 2 4 = 16 logaritmeilla

64 Logaritmiset asteikot fysiikassa ja tekniikassa Magnitudi- eli Richterin asteikko Desibeliasteikko Käytetään ilmiöissä, joissa absoluuttisten arvojen vaihtelu on erittäin suurta. Logaritminen asteikko tasaa äärimmäisiä vaihteluita

65 Exponenttifunktio ja logaritmifunktio ovat käänteisfunktioita Yhtälön a x = b ratkaisu on x = log a b (=logb/loga) Esim. 10 x = 153 => x = log(153) = 2.18 Toisin päin Yhtälön log a (x) = b ratkaisu on x =a b Esim. Log(x) = 4.5 => x = = 31623

66 Magnitudiasteikko M = log(a/a 0 ) Esim. Mikä on 7.3 magnitudin ja 5.8 magnitudin maanjäristysten voimakkuuden suhde absoluuttisella asteikolla, jossa mittana on amplitudit? magnitudi Absoluuttinen (* A 0 ) kohtalainen järistys Voimakas järistys = 0.63* = 20*10 6 Maanjäristyksien amplitudien suhde on 20/0.63 = 32 Esim. Kun magnitudi nousee 1:llä, kuinka monikertaiseksi nousee absoluuttinen arvo?

67 Esim. Kun magnitudi nousee 1:llä, kuinka monikertaiseksi nousee absoluuttinen arvo? Ratk. Olkoon 1. järistys voimakkuudeltaan M ja toinen M +1 Muutetaan arvot absoluuttisiksi magnitudi Absoluuttinen (* A 0 ) M 10 M M+1 10 M+1 = 10 M *10 1 =10*10 M x n x m =x m+n Kaavaa: => Yksi magnitudi lisää tarkoittaa maanjäristyksen voimakkuuden 10 kertaistumista. Magnitudi voi olla < 0 (A<A 0 ), esim. kaivoksissa maan värähtelyä mitataan jatkuvasti.

68 db - asteikko db = 10*log(p/p 0 ) Esim. Mikä on metroaseman 107 db:n ja luokkamelun 83 db suhde, kun käytetään absoluuttista asteikkoa (ilmanpainearvoja) db Absoluuttinen (*p 0 ) melu luokassa = 200 milj.*p 0 melu metroasemalla = milj.*p 0 db=83 = 10*log(p/p 0 ) => log 10 (p/p 0 ) = 8.3 =>p/p 0 = Ilmanpainearvojen suhde on / 200 = 250 Kun db määrä nousee 10:llä, absoluuttinen melutaso 10- kertaistuu

69 Esim.: * Kuinka monikertainen absoluuttisesti on 5 koneen aiheuttama melu verrattuna yhden koneen aiheuttamaan meluun? * Kuinka monta desibeliä tämä tuo lisää? desibelit Abs. Painetaso (p/p 0 ) 1 kone x db 10 (x/10) = x 5 konetta y =? 10*log(5* x ) = 10(log5 + log10 0.1x ) = 10log5 + 10log10 0.1x = 10 log *0.1x =x + 10log5 =7 db lisää db = 10*log(p/p 0 ) 5* x Log(x y) = Log (x) + Log(y)

70 Esim. : Jos yksi katsomossa huutava katsoja aiheuttaa urheiluhallissa 85 db melun, mikä on melutaso kun katsojia on kaksi? Kuinka monta katsojaa saa aikaan 100 db? db/10 = log(p/p 0 ) desibelit Abs. Painetaso (p/p 0 ) 1 katsoja 85 db = 316 milj. 2 katsojaa db=10*log( ) =88 db 632 milj 100 db X*316 milj ratkaise x 100 = 10*log(x* ) 10 = log 10 (x* ) =x* x= / = 32 katsojaa 10 x = b x = log 10 b Yleisesti a x = b x =log a b

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

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

Lineaarialgebran laskumoniste Osa1 : vektorit

Lineaarialgebran laskumoniste Osa1 : vektorit Lineaarialgebran laskumoniste Osa1 : vektorit A. Sinin, kosinin ja tangentin laajennetut määritelmät 1. Määritä ao. yksikköympyrän avulla a) sin(120 o ) b) cos(180 o ) (piirrä kulman kylki, ja lue kuvasta

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

Käänteismatriisin ominaisuuksia

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

Lisätiedot

Kertaus: Sinin ja Kosinin määrittely kaikille kulmille välillä -

Kertaus: Sinin ja Kosinin määrittely kaikille kulmille välillä - Lineaarialgebra Kertaus: Sinin ja Kosinin määrittely kaikille kulmille välillä - sin(α ) on kulmaa α vastaavan kehäpisteen y-koordinaatti cos(α ) on x- koordinaatti Arvioi yksikköympyrän avulla: a) sin(30

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

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

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

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

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

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

Lisätiedot

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

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

Lisätiedot

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

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

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

9 Matriisit. 9.1 Matriisien laskutoimituksia

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

Lisätiedot

Käänteismatriisi 1 / 14

Käänteismatriisi 1 / 14 1 / 14 Jokaisella nollasta eroavalla reaaliluvulla on käänteisluku, jolla kerrottaessa tuloksena on 1. Seuraavaksi tarkastellaan vastaavaa ominaisuutta matriiseille ja määritellään käänteismatriisi. Jokaisella

Lisätiedot

BM20A0700, Matematiikka KoTiB2

BM20A0700, Matematiikka KoTiB2 BM20A0700, Matematiikka KoTiB2 Luennot: Matti Alatalo, Harjoitukset: Oppikirja: Kreyszig, E.: Advanced Engineering Mathematics, 8th Edition, John Wiley & Sons, 1999, luku 7. 1 Kurssin sisältö Matriiseihin

Lisätiedot

1.1. Määritelmiä ja nimityksiä

1.1. Määritelmiä ja nimityksiä 1.1. Määritelmiä ja nimityksiä Luku joko reaali- tai kompleksiluku. R = {reaaliluvut}, C = {kompleksiluvut} R n = {(x 1, x 2,..., x n ) x 1, x 2,..., x n R} C n = {(x 1, x 2,..., x n ) x 1, x 2,..., x

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra ja matriisilaskenta I Lineaarialgebra ja matriisilaskenta I 29.5.2013 HY / Avoin yliopisto Jokke Häsä, 1/26 Kertausta: Kanta Määritelmä Oletetaan, että w 1, w 2,..., w k W. Vektorijono ( w 1, w 2,..., w k ) on aliavaruuden

Lisätiedot

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

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

Lineaariset yhtälöryhmät ja matriisit

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

Lisätiedot

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

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

Lisätiedot

Determinantti. Määritelmä

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

Lisätiedot

Olkoon funktion f määrittelyjoukkona reaalilukuväli (erityistapauksena R). Jos kaikilla määrittelyjoukon luvuilla x 1 ja x 2 on voimassa ehto:

Olkoon funktion f määrittelyjoukkona reaalilukuväli (erityistapauksena R). Jos kaikilla määrittelyjoukon luvuilla x 1 ja x 2 on voimassa ehto: 4 Reaalifunktiot 4. Funktion monotonisuus Olkoon funktion f määrittelyjoukkona reaalilukuväli (erityistapauksena R). Jos kaikilla määrittelyjoukon luvuilla x ja x on voimassa ehto: "jos x < x, niin f (x

Lisätiedot

Ennakkotehtävän ratkaisu

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

Lisätiedot

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

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

Potenssi eli potenssiin korotus on laskutoimitus, jossa luku kerrotaan itsellään useita kertoja. Esimerkiksi 5 4 = Yleisesti.

Potenssi eli potenssiin korotus on laskutoimitus, jossa luku kerrotaan itsellään useita kertoja. Esimerkiksi 5 4 = Yleisesti. x 3 = x x x Potenssi eli potenssiin korotus on laskutoimitus, jossa luku kerrotaan itsellään useita kertoja. Esimerkiksi 4 = Yleisesti a n = a a a n kappaletta a n eksponentti kuvaa tuloa, jossa a kerrotaan

Lisätiedot

Insinöörimatematiikka D

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

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra ja matriisilaskenta I Lineaarialgebra ja matriisilaskenta I 30.5.2013 HY / Avoin yliopisto Jokke Häsä, 1/19 Käytännön asioita Kurssi on suunnilleen puolessa välissä. Kannattaa tarkistaa tavoitetaulukosta, mitä on oppinut ja

Lisätiedot

Vektoreiden virittämä aliavaruus

Vektoreiden virittämä aliavaruus Vektoreiden virittämä aliavaruus Määritelmä Oletetaan, että v 1, v 2,... v k R n. Näiden vektoreiden virittämä aliavaruus span( v 1, v 2,... v k ) tarkoittaa kyseisten vektoreiden kaikkien lineaarikombinaatioiden

Lisätiedot

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

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

Lisätiedot

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

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

Talousmatematiikan perusteet: Luento 9

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

Lisätiedot

Johdatus tekoälyn taustalla olevaan matematiikkaan

Johdatus tekoälyn taustalla olevaan matematiikkaan Johdatus tekoälyn taustalla olevaan matematiikkaan Informaatioteknologian tiedekunta Jyväskylän yliopisto 5. luento.2.27 Lineaarialgebraa - Miksi? Neuroverkon parametreihin liittyvät kaavat annetaan monesti

Lisätiedot

Matriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi

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 ) Merkintöjä 1 Matriisi on suorakulmainen lukukaavio.

Lisätiedot

Ortogonaalinen ja ortonormaali kanta

Ortogonaalinen ja ortonormaali kanta Ortogonaalinen ja ortonormaali kanta Määritelmä Kantaa ( w 1,..., w k ) kutsutaan ortogonaaliseksi, jos sen vektorit ovat kohtisuorassa toisiaan vastaan eli w i w j = 0 kaikilla i, j {1, 2,..., k}, missä

Lisätiedot

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

Matriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi

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

Lisätiedot

MAB3 - Harjoitustehtävien ratkaisut:

MAB3 - Harjoitustehtävien ratkaisut: MAB - Harjoitustehtävien ratkaisut: Funktio. Piirretään koordinaatistoakselit ja sijoitetaan pisteet:. a) Funktioiden nollakohdat löydetään etsimällä kuvaajien ja - akselin leikkauspisteitä. Funktiolla

Lisätiedot

Eksponentti- ja logaritmifunktiot

Eksponentti- ja logaritmifunktiot Eksponentti- ja logaritmifunktiot Eksponentti- ja logaritmifunktiot liittyvät läheisesti toisiinsa. Eksponenttifunktio tulee vastaan ilmiöissä, joissa tarkasteltava suure kasvaa tai vähenee suhteessa senhetkiseen

Lisätiedot

FUNKTIOT JA MATRIISIT

FUNKTIOT JA MATRIISIT FUNKTIOT JA MATRIISIT Matti Vaarma 6. heinäkuuta 017 B SISÄLTÖ 1. Funktiot ja yhtälöt 1 1.1 Funktion määritelmä ja merkinnät................... 1 1. Yhdistetty funktio............................. 1.3

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

Determinantti 1 / 30

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

Lisätiedot

= 2±i2 7. x 2 = 0, 1 x 2 = 0, 1+x 2 = 0.

= 2±i2 7. x 2 = 0, 1 x 2 = 0, 1+x 2 = 0. HARJOITUS 1, RATKAISUEHDOTUKSET, YLE11 2017. 1. Ratkaise (a.) 2x 2 16x 40 = 0 (b.) 4x 2 2x+2 = 0 (c.) x 2 (1 x 2 )(1+x 2 ) = 0 (d.) lnx a = b. (a.) Toisen asteen yhtälön ratkaisukaavalla: x = ( 16)± (

Lisätiedot

Determinantti. Määritelmä

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

Lisätiedot

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg Vaasan yliopisto, syksy 218 Lineaarialgebra II, MATH124 Matti laaksonen, Lassi Lilleberg Tentti T1, 284218 Ratkaise 4 tehtävää Kokeessa saa käyttää laskinta (myös graafista ja CAS-laskinta), mutta ei taulukkokirjaa

Lisätiedot

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

Osittaistuenta Gaussin algoritmissa: Etsitään 1. sarakkeen itseisarvoltaan suurin alkio ja vaihdetaan tämä tukialkioiksi (eli ko. rivi 1. riviksi).

Osittaistuenta Gaussin algoritmissa: Etsitään 1. sarakkeen itseisarvoltaan suurin alkio ja vaihdetaan tämä tukialkioiksi (eli ko. rivi 1. riviksi). Liukuluvut Tietokonelaskuissa käytetään liukulukuja: mikä esittää lukua ± α α α M β k ± ( M α i β i )β k, i= β on järjestelmän kantaluku, α α M liukuluvun mantissa, α,, α M lukuja,,,, β, siten että α Esimerkki

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47

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

Lisätiedot

110. 111. 112. 113. 114. 4. Matriisit ja vektorit. 4.1. Matriisin käsite. 4.2. Matriisialgebra. Olkoon A = , B = Laske A + B, 5 14 9, 1 3 3

110. 111. 112. 113. 114. 4. Matriisit ja vektorit. 4.1. Matriisin käsite. 4.2. Matriisialgebra. Olkoon A = , B = Laske A + B, 5 14 9, 1 3 3 4 Matriisit ja vektorit 4 Matriisin käsite 42 Matriisialgebra 0 2 2 0, B = 2 2 4 6 2 Laske A + B, 2 A + B, AB ja BA A + B = 2 4 6 5, 2 A + B = 5 9 6 5 4 9, 4 7 6 AB = 0 0 0 6 0 0 0, B 22 2 2 0 0 0 6 5

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

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

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

k-kantaisen eksponenttifunktion ominaisuuksia

k-kantaisen eksponenttifunktion ominaisuuksia 3.1.1. k-kantaisen eksponenttifunktion ominaisuuksia f() = k (k > 0, k 1) Määrittely- ja arvojoukko M f = R, A f = R + Jatkuvuus Funktio f on jatkuva Monotonisuus Funktio f aidosti kasvava, kun k > 1 Funktio

Lisätiedot

Kompleksiluvut., 15. kesäkuuta /57

Kompleksiluvut., 15. kesäkuuta /57 Kompleksiluvut, 15. kesäkuuta 2017 1/57 Miksi kompleksilukuja? Reaaliluvut lukusuoran pisteet: Tiedetään, että 7 1 0 x 2 = 0 x = 0 1 7 x 2 = 1 x = 1 x = 1 x 2 = 7 x = 7 x = 7 x 2 = 1 ei ratkaisua reaalilukujen

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

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

3x + y + 2z = 5 e) 2x + 3y 2z = 3 x 2y + 4z = 1. x + y 2z + u + 3v = 1 b) 2x y + 2z + 2u + 6v = 2 3x + 2y 4z 3u 9v = 3. { 2x y = k 4x + 2y = h

3x + y + 2z = 5 e) 2x + 3y 2z = 3 x 2y + 4z = 1. x + y 2z + u + 3v = 1 b) 2x y + 2z + 2u + 6v = 2 3x + 2y 4z 3u 9v = 3. { 2x y = k 4x + 2y = h HARJOITUSTEHTÄVIÄ 1. Anna seuraavien yhtälöryhmien kerroinmatriisit ja täydennetyt kerroinmatriisit sekä ratkaise yhtälöryhmät Gaussin eliminointimenetelmällä. { 2x + y = 11 2x y = 5 2x y + z = 2 a) b)

Lisätiedot

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

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

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

Lisätiedot

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

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

Kaksirivisen matriisin determinantille käytämme myös merkintää. a 11 a 12 a 21 a 22. = a 11a 22 a 12 a 21. (5.1) kaksirivine

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.

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45 MS-A3/A5 Matriisilaskenta Laskuharjoitus 2 / vko 45 Tehtävä (L): Hahmottele kompleksitasoon ne pisteet, jotka toteuttavat a) z 2i = 2, b) z 2i < 2, c) /z

Lisätiedot

1. LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT. 1.1 Lineaariset yhtälöryhmät

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

Lisätiedot

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

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra ja matriisilaskenta I Lineaarialgebra ja matriisilaskenta I 13.6.2013 HY / Avoin yliopisto Jokke Häsä, 1/12 Käytännön asioita Kesäkuun tentti: ke 19.6. klo 17-20, päärakennuksen sali 1. Anna palautetta kurssisivulle ilmestyvällä

Lisätiedot

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

1.1. YHDISTETTY FUNKTIO

1.1. YHDISTETTY FUNKTIO 1.1. YHDISTETTY FUNKTIO (g o f) () = g(f()) Funktio g = yhdistetyn funktion g o f ulkofunktio Funktio f = yhdistetyn funktion g o f sisäfunktio E.2. Olkoon f() = 2 + 3 ja g() = 4-5. Muodosta funktio a)

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

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

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

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

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

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

Lisätiedot

10 Matriisit ja yhtälöryhmät

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

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

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

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

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

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

Lisätiedot

Matriiseista. Emmi Koljonen

Matriiseista. Emmi Koljonen Matriiseista Emmi Koljonen 3. lokakuuta 22 Usein meillä on monta systeemiä kuvaavaa muuttujaa ja voimme kirjoittaa niiden välille riippuvaisuuksia, esim. piirin silmukoihin voidaan soveltaa silmukkavirtayhtälöitä.

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

Gaussin ja Jordanin eliminointimenetelmä

Gaussin ja Jordanin eliminointimenetelmä 1 / 25 : Se on menetelmä lineaarisen yhtälöryhmän ratkaisemiseksi. Sitä käytetään myöhemmin myös käänteismatriisin määräämisessä. Ideana on tiettyjä rivioperaatioita käyttäen muokata yhtälöryhmää niin,

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

3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset

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

Lisätiedot

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

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

Lisätiedot

MAB3 - Harjoitustehtävien ratkaisut:

MAB3 - Harjoitustehtävien ratkaisut: MAB3 - Harjoitustehtävien ratkaisut: 1 Funktio 1.1 Piirretään koordinaatistoakselit ja sijoitetaan pisteet: 1 1. a) Funktioiden nollakohdat löydetään etsimällä kuvaajien ja - akselin leikkauspisteitä.

Lisätiedot

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

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

Lisätiedot

Ratkaisuja, Tehtävät

Ratkaisuja, Tehtävät ja, Tehtävät 988-97 988 a) Osoita, että lausekkeiden x 2 + + x 4 + 2x 2 ja x 2 + - x 4 + 2x 2 arvot ovat toistensa käänteislukuja kaikilla x:n arvoilla. b) Auton jarrutusmatka on verrannollinen nopeuden

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 9 1 Implisiittinen derivointi Tarkastellaan nyt yhtälöä F(x, y) = c, jossa x ja y ovat muuttujia ja c on vakio Esimerkki tällaisesta yhtälöstä on x 2 y 5 + 5xy = 14

Lisätiedot

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

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

Lisätiedot

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

Kanta ja Kannan-vaihto

Kanta ja Kannan-vaihto ja Kannan-vaihto 1 Olkoon L vektoriavaruus. Äärellinen joukko L:n vektoreita V = { v 1, v 2,..., v n } on kanta, jos (1) Jokainen L:n vektori voidaan lausua v-vektoreiden lineaarikombinaationa. (Ts. Span(V

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra ja matriisilaskenta I Lineaarialgebra ja matriisilaskenta I 4.6.2013 HY / Avoin yliopisto Jokke Häsä, 1/19 Käytännön asioita Viimeiset harjoitukset on palautettava torstaina 13.6. Laskaripisteensä ja läsnäolonsa voi kukin tarkistaa

Lisätiedot

Matriisilaskenta (TFM) MS-A0001 Hakula/Vuojamo Ratkaisut, Viikko 47, 2017

Matriisilaskenta (TFM) MS-A0001 Hakula/Vuojamo Ratkaisut, Viikko 47, 2017 Matriisilaskenta (TFM) MS-A1 Hakula/Vuojamo Ratkaisut, Viikko 47, 17 R Alkuviikko TEHTÄVÄ J1 Mitkä matriisit E 1 ja E 31 nollaavat sijainnit (, 1) ja (3, 1) matriiseissa E 1 A ja E 31 A kun 1 A = 1. 8

Lisätiedot

MATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ Merkitään f(x) =x 3 x. Laske a) f( 2), b) f (3) ja c) YLIOPPILASTUTKINTO- LAUTAKUNTA

MATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ Merkitään f(x) =x 3 x. Laske a) f( 2), b) f (3) ja c) YLIOPPILASTUTKINTO- LAUTAKUNTA 1 YLIOPPILASTUTKINTO- LAUTAKUNTA 26.3.2018 MATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ A-osa Ratkaise kaikki tämän osan tehtävät 1 4. Tehtävät arvostellaan pistein 0 6. Kunkin tehtävän ratkaisu kirjoitetaan tehtävän

Lisätiedot

Talousmatematiikan perusteet: Luento 4. Potenssifunktio Eksponenttifunktio Logaritmifunktio

Talousmatematiikan perusteet: Luento 4. Potenssifunktio Eksponenttifunktio Logaritmifunktio Talousmatematiikan perusteet: Luento 4 Potenssifunktio Eksponenttifunktio Logaritmifunktio Viime luennolla Funktiolla f: A B kuvataan muuttujan y B riippuvuutta muuttujasta x A A on lähtö- tai määrittelyjoukko

Lisätiedot

Positiivitermisten sarjojen suppeneminen

Positiivitermisten sarjojen suppeneminen Positiivitermisten sarjojen suppeneminen Jono (b n ) n= on kasvava, jos b n+ b n kaikilla n =, 2,... Lemma Jokainen ylhäältä rajoitettu kasvava jono (b n ) n= raja-arvo on lim n b n = sup n Z+ b n. suppenee

Lisätiedot