Lineaarialgebra a, kevät 2018

Samankaltaiset tiedostot
Lineaarialgebra a, kevät 2018

Lineaarialgebra a, kevät 2018

Käänteismatriisin ominaisuuksia

Lineaarialgebra a, kevät 2018 Harjoitusta 5 Maplella

Lineaarialgebra a, kevät 2019 Harjoitus 6 (ratkaisuja Maple-dokumenttina) > restart; with(linalg): # toteuta ihan aluksi!

802118P Lineaarialgebra I (4 op)

Johdatus tekoälyn taustalla olevaan matematiikkaan

1 Matriisit ja lineaariset yhtälöryhmät

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

2.5. Matriisin avaruudet ja tunnusluvut

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

Insinöörimatematiikka D

Ennakkotehtävän ratkaisu

Lineaarinen yhtälöryhmä

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

Insinöörimatematiikka D

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

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

Numeeriset menetelmät

BM20A0700, Matematiikka KoTiB2

Lineaarialgebra b, kevät 2019

Gaussin ja Jordanin eliminointimenetelmä

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

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Lineaarialgebra ja matriisilaskenta II Syksy 2009 Laskuharjoitus 1 ( ) Ratkaisuehdotuksia Vesa Ala-Mattila

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Kotilaskut 1 yms. Maple:lla Maple 2017 versio. Työarkkien yhteensopivuus taaksepäin ei ole taattu!

Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä)

Lineaarialgebra a, kevät 2019

5 Lineaariset yhtälöryhmät

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra b, kevät 2019

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

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

9 Matriisit. 9.1 Matriisien laskutoimituksia

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

Lineaarialgebra b, kevät 2019

Matriiseista. Emmi Koljonen

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

Tässä dokumentissa on ensimmäisten harjoitusten malliratkaisut MATLABskripteinä. Voit kokeilla itse niiden ajamista ja toimintaa MATLABissa.

1.1. Määritelmiä ja nimityksiä

1. Lineaarialgebraa A := Matriisin osia voidaan muutella päivittämällä riviä, saraketta tai osamatriisia (Matlabmaisesti): B :=

Matematiikka B2 - Avoin yliopisto

ax + y + 2z = 0 2x + y + az = b 2. Kuvassa alla on esitetty nesteen virtaus eräässä putkistossa.

Vektoreiden virittämä aliavaruus

2.8. Kannanvaihto R n :ssä

7 Vapaus. 7.1 Vapauden määritelmä

10 Matriisit ja yhtälöryhmät

Lineaariset yhtälöryhmät ja matriisit

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47

Numeeriset menetelmät

Talousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi

Insinöörimatematiikka D

Matematiikka B2 - TUDI

Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa.

Päättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1

Lineaarialgebra ja matriisilaskenta I

5 OMINAISARVOT JA OMINAISVEKTORIT

Johdatus lineaarialgebraan

802320A LINEAARIALGEBRA OSA I

Lineaarialgebra ja matriisilaskenta I

Ortogonaalisen kannan etsiminen

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

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

Insinöörimatematiikka D

s = 11 7 t = = 2 7 Sijoittamalla keskimmäiseen yhtälöön saadaan: k ( 2) = 0 2k = 8 k = 4

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

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

Ratkaisuehdotukset LH 3 / alkuvko 45

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

1 Lineaariavaruus eli Vektoriavaruus

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

LINEAARIALGEBRA. Martti E. Pesonen. Jaetun kurssin a-osan alkua 4. tammikuuta 2016

BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 5, Syksy 2015

Matriisilaskenta Luento 8: LU-hajotelma

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 =

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

Neliömatriisin adjungaatti, L24

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Lineaarialgebra ja matriisilaskenta I

Insinöörimatematiikka D

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

Insinöörimatematiikka D

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

1. LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT. 1.1 Lineaariset yhtälöryhmät

Numeeriset menetelmät TIEA381. Luento 3. Kirsi Valjus. Jyväskylän yliopisto. Luento 3 () Numeeriset menetelmät / 45

Insinöörimatematiikka D

Insinöörimatematiikka D

ominaisvektorit. Nyt 2 3 6

Insinöörimatematiikka D

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

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:

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

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

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

Insinöörimatematiikka D

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

Lineaariset kongruenssiyhtälöryhmät

Ominaisarvoon 4 liittyvät ominaisvektorit ovat yhtälön Ax = 4x eli yhtälöryhmän x 1 + 2x 2 + x 3 = 4x 1 3x 2 + x 3 = 4x 2 5x 2 x 3 = 4x 3.

Transkriptio:

Lineaarialgebra a, kevät 2018 Harjoitusta 3, ratkaisuista with(linalg); (1) Tehtävä 1. Nuukailua ja merkintöjä A := matrix([[4,-2,-2,3], [5,2,5,2], [6,1,3,4], [1,-2,3,8], [2,-4,5,2]]): B := matrix([[1,2], [3,-3], [2,7], [5,2]]): C := matrix([[3,2,5], [2,-3,1]]): print(a,b,c); (1.1) Tarvitaan A:sta 2. rivi, koko B ja C:stä 3. sarake, tämä voidaan tehdä kahdella tavalla: a) (A(2, :) B) C(:, 3) tai b) A(2, :) ( B C(:, 3)), Maplessa näin eka := evalm(row(a,2)) &* evalm(b) &* evalm(col(c,3)); evalm (eka); # &* on matriisien kertominen dyadisena 198 (1.2) toka := evalm(row(a,2)) &* (evalm(b) &* evalm(col(c,3))); evalm(toka);

b) toka tulo ensin: yhteenlaskuja ja kertolaskuja: [4*1*1 + 1*3*1, 4*2*1 + 1*4*1]; 198 Tarvitaan tarkasti ottaen eri määrät laskutoimituksia laskettaessa eka tulo ensin tai toinen tulo ensin: Kerrottaessa m x n kertaa n x r on mnr kertolaskua ja m(n-1)r yhteenlaskua, joten a) eka tulo ensin: yhteenlaskuja ja kertolaskuja kpl (tässä listana) [1*3*2 + 1*1*1, 1*4*2 + 1*2*1]; Siis eka tulo ensin on parempi. Erona on se, että kohdassa a) kerrotaan matriisin B sarakkeita, kohdassa b) kerrotaan matriisin B riveillä. Lopuksi: Tarkastus suoraan brutaalisti: evalm(a &* B&* C)[2,3]; 198 (1.3) (1.4) (1.5) (1.6) Tehtävä 2. Symmetrisyyden ja yläkolmio-ominaisuuden säilyminen restart; with(linalg): a) Testataan symmetrisyysosaa vaikkapa satunnaismatriiseilla A := randmatrix(2,2,symmetric): B := randmatrix(2,2, symmetric): print(a,b); (2.1) evalm(a &* B); # tulo symmetrinen? (2.2) Siis edes 2 x 2-matriiseille ei pidä paikkaansa. VASTAUS: EI. Toki voidaan konstruoida sopivat yksinkertaisemmatkin symmetriset matriisit, joiden tulo ei ole symmetrinen. Muodostetaan vaikkapa ensin matriisi, joka halutaan tulokseksi, esimerkiksi eisymmetrinen C := matrix([[0,1],[0,0]]); (2.3) Sitten valitaan symmetriset matriisit A ja B, joiden tulo on C: A := matrix([ [0,1], [1,0]]): # vaihtaa vasemmalta kertoessa toisen matriisin

rivit! B := matrix([ [0,0], [0,1]]): print(a, B, multiply(a,b)); # A &* B = C (2.4) b) Testataan mielivaltaisilla 4x4-yläkolmiomatriiseilla (huomaa "mielivaltaisen" yläkolmiomatriisin määrittelytapa!) restart; with(linalg): A := matrix(4,4,(i,j) - if (ij) then 0 else a[i,j] fi): B := matrix(4,4,(i,j) - if (ij) then 0 else b[i,j] fi): print(a,b); (2.5) evalm(a &*B); (2.6) Esimerkin perusteella näyttäisi vastaus saattavan olla myönteinen. Kannattaa siis aloittaa todistuksen pohtiminen: 1. Mikä erottaa alakolmioalkion muista matriisissa C = AB? Rivi-indeksi on suurempi kuin sarakeindeksi, eli alkiot ovat, missä. 2. Miten määräytyy tulossa C = AB alkio, joka on alakolmiossa? Vastaus: pistetulona, esim. row(a,3) &* col(b,2) = evalm(row(a,3) &* col(b,2)); # missä siis i k (tässä 3 2) (2.7) 3. Mikä siis vie tulomatriisissa alakolmion nollaksi? Riittää näyttää, että arvoilla pistetulot ovat nollia. Mutta alussa luvut ovat nollia niin kauas (diagonaalille asti), että loppupuolen luvut ovat nollia (heti diagonaalialkiosta eteenpäin); pistetulossa siis kaikki yhteenlaskettavat ovat nollia.

Tehtävä 3. Matriisien ja ominaisuuksia restart; with(linalg): Testataan aluksi symmetrisyyttä erikoistapauksessa 2 x 3: alkiot := x - ((i,j) - x[i,j]); (3.1) A := matrix(2,3,alkiot(a)): print(a); (3.2) AAT:=evalm(A &* transpose(a));ata:=evalm(transpose(a) &* A); (3.3) equal(aat, transpose(aat)),equal(ata, transpose(ata)); (3.4) Kokeilumme vaikuttaa siis viittaavan siihen, että väite olisi totta. Mitenkäs todistetaan? Näyttämällä transpoosin laskusääntöjen avulla, että ja ovat molemmat itsensä transpooseja, ts. toteuttavat symmetrisyysehdon. Malliksi eka: = =. Perustele! (Lauseen 3.3.1 tietyillä kohdilla) Tehtävä 4. Laskutoimitusten määristä restart; with(linalg): a) Yhteen- ja kertolaskuja: a := factor([m*(n-1)*r + m*(r-1)*1, m*n*r + m*r*1]); b) Yhteen- ja kertolaskuja: b := factor([n*(r-1)*1 + m*(n-1)*1, n*r*1 + m*n*1]); c) Tapaukset m = n = r = 10, 50 ja 100 ja a) vastaan b) matrix(3,5, [ 10,op(subs({m= 10,n= 10,r= 10},[op(a),op(b)])), 50,op(subs({m= 50,n= 50,r= 50},[op(a),op(b)])), 100,op(subs({m=100,n=100,r=100},[op(a),op(b)]))]); (4.1) (4.2) (4.3)

(4.3) Osassa seuraavista on temppuiltu Maplella, eikä sittenkään kaikilta osin ole saatu vastauksia ideaalisessa muodossa; lukijalle jää vielä "tulkintatyötä". Tehtävä 5. Lisää laskutoimitusten määristä restart; with(linalg): a) Tavat ryhmitellä suluilla ovat: T1. ((Ax) )B, joissa tarvittujen kertolaskuja määrät ovat alla T2. (Ax)( B) T3. A(x )B T4. A(x( B)) T1 := n*n*1 + n*1*n + n*n*n: T2 := n*n*1 + 1*n*n + n*1*n: T3 := n*1*n + n*n*n + n*n*n: T4 := 1*n*n + n*1*n + n*n*n: matrix(4,2,[1,t1,2,t2,3,t3,4,t4]) = map(factor, matrix(4,2, [1,T1,2,T2,3,T3,4,T4])); (5.1) b) Toinen edullisin, sillä laskutoimitusten määrä on verrannollinen dimensioiden neliöön, kun taas kolmas on huonoin, sillä laskutoimitusten määrä on verrannollinen kuutioon. Tämä näkyy hyvin seuraavista: c) Tapaukset n = 10, 50 ja 100 matrix(3,5, [10,op(subs({n = 10},[T1,T2,T3,T4])), 50,op(subs({n = 50},[T1,T2,T3,T4])), 100,op(subs({n =100},[T1,T2,T3,T4]))]); (5.2) Tehtävä 6. Gauss-Jordanin reduktion matriisiversiolla restart; with(linalg): Muunnetaan yhtälöryhmä Ax = b laajennettuun matriisimuotoon: A := matrix([[0,1,-3,2],[1,-1,2,3],[2,2,1,2]]); # kerroinmatriisi b := vector([2,4,2]); # tunnettu pystyvektori

(6.1) Maplessa laajennettu matriisi tehdään niin, että viimeiseksi sarakkeeksi tulee tuo vektori b: LA := augment(a,b); (6.2) Matriisien alkeisoperaatioilla LA redusoituun porrasmuotoon: Tässä % viittaa viimeksi laskettuun tulokseen, ja jos menee vikaan, kannattaa aloittaa uudestaan tuosta LA:n määrittelystä! swaprow(%,1,2); # vaihdetaan 1. ja 2. rivi (6.3) addrow(%,1,3,-2); # %:ssa 1. rivi 3:nteen (-2)-kertaisena (6.4) addrow(%,2,3,-4); (6.5) mulrow(%,1,1): mulrow(%,2,1): mulrow(%,3,1/9); # skaalataan porrasmuotoon (6.6) addrow(%,3,1,-2); addrow(%,3,2,3); # 3. rivi tukena

(6.7) U := addrow(%,2,1,1); # 2. rivi tukena, nimetään U:ksi jatkoa varten (6.8) Tämä on jo redusoitu porrasmuoto, josta ratkaisut saadaan helposti takaisinsijoituksella. Tässä temppuilemme kuitenkin Maplella mallin vuoksi: muunnetaan takaisin yhtälöryhmäksi käskyllä geneqns (generate equations), jonka syntaksi on geneqns(m, x, d), missä M = kerroinmatriisi, x haluttujen tuntemattomien nimet ja d tunnettu vektori. Poimitaan nyt siis tunnetuksi vektoriksi d matriisin U viimeinen sarake ja kerroinmatriisiksi muu osa: d := col(u,5); # d:ksi U(:,5) (6.9) M := submatrix(u, 1..3, 1..4); # M:ksi U(:,1:4) (6.10) geneqns(m, x, d); (6.11) Nähdään helposti edeltä, että : on vapaa, muut johtavia, ja ne voidaan ratkaista ja vielä sijoittaa ratkaisu := solve(%,{x[1], x[2], x[3]}); (6.12) subs(x[4] = t, ratkaisu); (6.13)

Tästä ratkaisut :, t in R. Tehtävä 7. Suoran yhtälön vektori, parametri- ja koordinaattimuodot restart; with(linalg): p := vector([5,3,-2]): q := vector([6,-2,3]): print(p,q); (7.1) r := evalm(p) + t*evalm((q-p)); # vektorimuoto: [x[1],x[2],x[3]] = evalm(r); # parametrimuoto vektoriyhtälönä: r := evalm(r): seq(solve(r[i] = x[i],t), i = 1..3); # t ratkaistuna kustakin, koordinaattimuoto: merkitään samoiksi (Maplessa ei voi oikein kaksoisyhtälöitä kirjoittaa) (7.2) (7.3) (7.4) Tehtävä 8. Yhtälöryhmä suoran ja tason leikkauspisteen laskemista varten restart; with(linalg): Nyt pitää hokata, että vaikka ilmaistaessa suora ja taso erikseen, voidaan käyttää samoja parametreja, mutta silloin kun niistä muodostetaan yhtälö, niin s olisi pidettävä eri roolissa kummassakin tapauksessa. Tämähän on käytännössä mahdotonta, kun aletaan laskea! Kuitenkin sekä suoralla että tasossa pitäisi pystyä liikkumaan parametrien avulla toisistaan riippumatta, mutta jos molemmissa on s, niin liikkumalla suoralla luku s muuttuu ja samalla piste tasollakin muuttuu! Vaihdetaan siis suoran parametriksi u: r := vector([6,-5,2]) + u*vector([4,-2,3]); x := vector([4,3,2]) + s*vector([4,-3,2]) + t*vector([-6,2, -3]); (8.1) Nyt muodostetaan yhtälö r(u) = x(s,t) ja siitä koordinaateittain yhtälöryhmä. Maplessa on lisäpaketti student, jossa on joitain hyödyllisiä lisäkäskyjä kuten equate (pistä samoiksi, hajota yhtälöiksi); ladataan sekin vielä with(student); (8.2) equate(r,x); # kysytyn yhtälöryhmän eräs muoto (8.3)

(8.3) Huomaa, että emme tässä (Maplessa siis) ole yllä määritelleet symboleja r ja x funktioiksi, joten emme voi oikeasti käyttää merkintöjä r(u) ja x(s,t)! Voimme kuitenkin temppuilla kaikki tuntemattomat samalle puolelle näin (mutta vakiotkin menee samalla): yhtalot := equate(x-r, vector([0,0,0])); # kysytyn yhtälöryhmän toinen muoto (8.4) param := solve(yhtalot, {u,s,t}); (8.5) Nyt tämä vastaus on sopivassa muodossa sijoituskäskylle subs evalm(subs(param,r)), evalm(subs(param,x)); # Sama piste saadaan suoralla ja tasossa! (8.6)