Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 41

Samankaltaiset tiedostot
MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

MS-A0004/A0006 Matriisilaskenta

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja

5 OMINAISARVOT JA OMINAISVEKTORIT

Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit

MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42

Ominaisarvo ja ominaisvektori

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47

Insinöörimatematiikka D

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

Esimerkki 4.4. Esimerkki jatkoa. Määrää matriisin ominaisarvot ja -vektorit. Ratk. Nyt

Similaarisuus. Määritelmä. Huom.

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.

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28

1 Matriisit ja lineaariset yhtälöryhmät

Matriisilaskenta (TFM) MS-A0001 Hakula/Vuojamo Ratkaisut, Viikko 48, , c)

Lineaarialgebra ja matriisilaskenta I

Ominaisarvo ja ominaisvektori

Matriisialgebra harjoitukset, syksy 2016

Lineaarikuvauksen R n R m matriisi

Ominaisarvot ja ominaisvektorit 140 / 170

5 Ominaisarvot ja ominaisvektorit

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

Ominaisarvo-hajoitelma ja diagonalisointi

Johdatus tekoälyn taustalla olevaan matematiikkaan

Numeeriset menetelmät

Matematiikka B2 - TUDI

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

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /

1 Ominaisarvot ja ominaisvektorit

Inversio-ongelmien laskennallinen peruskurssi Luento 3

Ortogonaalisen kannan etsiminen

Insinöörimatematiikka D

MATRIISIN HESSENBERGIN MUOTO. Niko Holopainen

J1 (II.6.9) J2 (X.5.5) MATRIISILASKENTA(TFM) MALLIT AV 6

Demorastitiedot saat demonstraattori Markus Niskaselta Lineaarialgebra (muut ko) p. 1/104

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?

Matematiikka B2 - Avoin yliopisto

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

Ratkaisuehdotukset LH 3 / alkuvko 45

Numeeriset menetelmät

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

ominaisvektorit. Nyt 2 3 6

Lineaarialgebra ja matriisilaskenta I

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

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

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

Determinantti. Määritelmä

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

Determinantti. Määritelmä

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

Kuva 1: Funktion f tasa-arvokäyriä. Ratkaisu. Suurin kasvunopeus on gradientin suuntaan. 6x 0,2

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Alkeismuunnokset matriisille, sivu 57

C = {(x,y) x,y R} joiden joukossa on määritelty yhteen- ja kertolasku seuraavasti

Determinantti 1 / 30

Käänteismatriisi 1 / 14

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

6. Differentiaaliyhtälösysteemien laadullista teoriaa.

Matriisit ovat matlabin perustietotyyppejä. Yksinkertaisimmillaan voimme esitellä ja tallentaa 1x1 vektorin seuraavasti: >> a = 9.81 a = 9.

6. OMINAISARVOT JA DIAGONALISOINTI

Tehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin lukuun 7 eli vapauden käsitteeseen ja homogeenisiin

Ratkaisuehdotukset LH 10 / vko 48

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

6 MATRIISIN DIAGONALISOINTI

(1.1) Ae j = a k,j e k.

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

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

Lineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / Ratkaisut

(0 desimaalia, 2 merkitsevää numeroa).

Lineaarialgebra ja matriisilaskenta I

Matemaattinen Analyysi / kertaus

Matriisilaskenta Luento 8: LU-hajotelma

Sisätuloavaruudet. 4. lokakuuta 2006

MS-C1340 Lineaarialgebra ja

Insinöörimatematiikka D

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

1 Avaruuksien ja lineaarikuvausten suora summa

Talousmatematiikan perusteet: Luento 14. Rajoittamaton optimointi Hessen matriisi Ominaisarvot Ääriarvon laadun tarkastelu

Lineaarialgebra ja matriisilaskenta I

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Lineaarialgebra ja matriisilaskenta I

Ositetuista matriiseista

Neliömatriisin adjungaatti, L24

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

Ennakkotehtävän ratkaisu

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

Johdatus diskreettiin matematiikkaan Harjoitus 5, Ratkaise rekursioyhtälö

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:

Paikannuksen matematiikka MAT

OMINAISARVOISTA JA OMINAISVEKTOREISTA

Inversio-ongelmien laskennallinen peruskurssi Luento 2

Tällä viikolla viimeiset luennot ja demot. Lineaarialgebra (muut ko) p. 1/162

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

Lineaariset yhtälöryhmät ja matriisit

Transkriptio:

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 ominaisarvo. b) Osoita, että jos matriisi A on nollamatriisi, niin matriisin A ainoa ominaisarvo on 0. a) Aloitetaan ominaisarvon määritelmästä ja kerrotaan yhtälön molemmat puolet A:n käänteismatriisilla. A Ax =A λx Ix =A λx A x = λ x Nyt λ on ominaisarvo matriisille A. b) Aloitetaan jälleen ominaisarvon määritelmästä ja kerrotaan matriisilla A, käyttäen hyväksi tietoa että A = 0. AAx =Aλx 0 =Aλx Yllä olevan yhtälön on pädettävä kaikilla x, joten λ = 0. (Lisäksi huomioidaan että jos A on nollamatriisi, niin sen ainoa ominaisarvo on 0.)

MS-A0004/MS-A0006 Matriisilaskenta, I/06 Tehtävä 6 (L): Mitkä ovat matriisin A = 0 0 4 ominaisarvojen algebralliset ja geometriset kertaluvut? (A λi)x =0 det(a λi) =0 Muodostetaan karakteristinen polynomi: 0 λ 0 0 0 0 λ 0 4 0 0 λ = λ 0 λ 0 4 λ = ( λ) λ 0 λ 0 + ( ) λ 4 = ( λ)(λ + λ ) (4λ ) λ λ + 5λ 4λ + = λ λ + λ = 0 Kyseessä on kolmannen asteen polynomi. Yksi sen ratkaisu on λ =, ja jakamalla (λ + ):lla saadaan polynomi muotoon (λ + )( λ + λ ) = 0 Tulon jälkeisen osan nollakohdat saadaan toisen asteen ratkaisukaavalla: λ = + i, λ = i Koska polynomille ei löytynyt moninkertaisia juuria, on jokaisen ominaisarvon algebrallinen kertaluku. Lisäksi, koska tiedetään että geometrinen kertaluku ei voi olla algebrallista suurempi, on jokaisen ominaisarvon geometrisen kertaluvunkin oltava.

MS-A0004/MS-A0006 Matriisilaskenta, I/06 Tehtävä 7 (L): Osoita, että kolmiomatriisin ominaisarvot ovat sen diagonaalialkiot. (A λi)x =0 det(a λi) =0 Mikäli A on kolmiomatriisi, on myös A λi kolmiomatriisi, sillä vain diagonaalilla olevat alkiot muuttuvat. Tälläisen kolmiomatriisin determinantti on sen diagonaalialkioiden tulo. (Tämä voidaan selittää alideterminanttikehitelmän avulla. Kun aloitamme alideterminanttikehitelmän teon alakolmiomatriisin ylimmältä riviltä (jossa kaikki paitsi ensimmäinen alkio ovat nollia), saame det(a) = a det(a..n,..n ). Sama päättely voidaan toistaa yhä pienemmille alakolmiomatriiseille, jolloin saadaan det(a) = n a ii. Yläkolmiomatriisin tapauksessa voidaan ensin ottaa transpoosi, sillä i= det(a) = det(a T ).) Käyttämällä tätä sääntöä kolmiomatriisille A λi saadaan karakteristiseksi polynomiksi det(a λi) = (a λ) (a λ) (a nn λ) = 0 Tämän polynomin nollakohdat ovat λ = a, λ = a,..., λ n = a nn, eli kolmiomatriisin ominaisarvot ovat sen diagonaalialkiot. Tehtävä 8 (P): Tarkastellaan kärjistä ja särmistä koostuvaa graafia, jonka kärjet on numeroitu kokonaisluvuin,..., n. Tällöin graafin vierusmatriisi A R n n on matriisi, jonka alkio a ij =, jos kärkien i ja j välillä on särmä, ja 0, jos ei ole. (Huomaa, että a ii = 0 kaikilla i =,..., n.) Olkoot λ i, i =,..., n, graafin vierusmatriisin A ominaisarvot. Tällöin n i= λ i on graafin särmien lukumäärä ja 6 n i= λ i on graafin särmistä muodostuvien kolmioiden lukumäärä. Tarkista näiden faktojen paikkansapitävyys oheisten yksinkertaisten graafien tapauksissa: a) b)

MS-A0004/MS-A0006 Matriisilaskenta, I/06 a) Muodostamme ensimmäiseksi vierusmatriisin. Sitten selvitämme sen ominaisarvot: A = 0 0 0 0 0 λ λ 0 0 λ = 0 λ λ = 0 λ = 0, λ =, λ = Nyt voimme laskea särmien lukumäärän kaavan avulla: λ i = (0 + + ( ) ) = i= Tämä täsmää graafin särmien lukumäärään. Lasketaan myös muodostuvien kolmioiden lukumäärä: λ i = 6 6 (0 + + ( ) ) = 0 i= Joten jälkimmäinenkin kaava pätee. b) Toimitaan samoin vielä toiselle matriisille: 0 A = 0 0 λ λ λ = 0 6 λ + λ + = 0 λ =, λ =, λ = λ i = (( ) + ( ) + ) = i= λ i = 6 (( ) + ( ) + ) = i= Graafilla on selvästi kolme särmää ja yksi muodostunut kolmio. Siispä myös toisella graafilla molemmat kaavat pätevät. 4

MS-A0004/MS-A0006 Matriisilaskenta, I/06 Tehtävä 9 (P): Alla on annettu matriisi M, joka on erään graafin vierusmatriisi. Tee jompi kumpi (tai molemmat) seuraavista: i) Käyttäen apuna Matlabia tai jotain muuta matemaattista ohjelmistoa selvitä graafin särmien ja kolmioiden lukumäärät. ii) Piirrä graafi ja laske siitä särmien ja kolmioiden lukumäärät. M = 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 i) Vierusmatriisi voidaan näpytellä Matlabiin näin: A = { 0 0 0 0 0; 0 0 0 0 0; 0 0 0 0 0 ; 0 0 0 0 0; 0 0 0 0 0; 0 0 0 0 0 ; 0 0 0 0 0 ; 0 0 0 0 0 ; 0 0 0 0 0} Helpommalla päästään, kun luodaan muutuja A ja syötetään siihen arvot Variablesvälilehdellä. Seuraavaksi selvitetään ominaisarvot käskyllä e = eig(a) Komento tuottaa vektorin e = ( 4 ) T Graafin särmien lukumäärä voidaan nyt laskea joko käsin tai käskyllä (/)*sumsqr(e) josta saadaan vastaukseksi 8. Vektorin alkioiden kuutioiden summalle ei taas ole omaa funktiota, mutta tämä onnistuu alla olevalla lyhyellä skriptillä: sum = 0; for i = :9 sum = sum + e(i)^; end kolmiot = (/6)*sum Käsky tuottaa vastaukseksi luvun 6. Tämäkin voidaan helposti tarkistaa käsin. b) Piirtämisen tuloksena voisi olla jotain tämän suuntaista: 5

MS-A0004/MS-A0006 Matriisilaskenta, I/06 Kuvasta voidaan laskea, että särmiä on juurikin 8 kappaletta. Samoin särmistä koostuvia kolmioita löytyy 6 kappaletta. 6