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

Samankaltaiset tiedostot
3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset

3.1 Lineaarikuvaukset. MS-A0007 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset

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

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

Matematiikka B2 - Avoin yliopisto

Matematiikka B2 - TUDI

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

1.1. Määritelmiä ja nimityksiä

Käänteismatriisi 1 / 14

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

Insinöörimatematiikka D

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47

Insinöörimatematiikka D

Lineaarialgebra ja matriisilaskenta I

Insinöörimatematiikka D

Ennakkotehtävän ratkaisu

Johdatus tekoälyn taustalla olevaan matematiikkaan

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

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

BM20A0700, Matematiikka KoTiB2

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

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Talousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi

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

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 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.

MS-A0004/A0006 Matriisilaskenta

Lineaarialgebra (muut ko)

Matikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/210

Ortogonaalinen ja ortonormaali kanta

Lineaariset kongruenssiyhtälöryhmät

Determinantti. Määritelmä

Determinantit. Kaksirivinen determinantti. Aiheet. Kaksirivinen determinantti. Kaksirivinen determinantti. Kolmirivinen determinantti

Insinöörimatematiikka D

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

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:

Determinantti. Määritelmä

Lineaarialgebra ja matriisilaskenta I

Insinöörimatematiikka D

6 MATRIISIN DIAGONALISOINTI

Ortogonaaliset matriisit, määritelmä 1

Ax, y = x, A y. A = A A hermiittinen. Jokainen reaalinen ja symmetrinen matriisi on määritelmän mukaan myös hermiittinen. A =, HARJOITUSTEHTÄVIÄ

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

Determinantti 1 / 30

5 Ominaisarvot ja ominaisvektorit

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

1 Ominaisarvot ja ominaisvektorit

Insinöörimatematiikka D

9 Matriisit. 9.1 Matriisien laskutoimituksia

Neliömatriisin adjungaatti, L24

Lineaarialgebra ja matriisilaskenta I

Matriisihajotelmat. MS-A0007 Matriisilaskenta. 5.1 Diagonalisointi. 5.1 Diagonalisointi

Osoita, että kaikki paraabelit ovat yhdenmuotoisia etsimällä skaalauskuvaus, joka vie paraabelin y = ax 2 paraabelille y = bx 2. VASTAUS: , b = 2 2

Informaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

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

MS-C1340 Lineaarialgebra ja

Ominaisarvo ja ominaisvektori

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

1 Matriisit ja lineaariset yhtälöryhmät

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

Lineaariset yhtälöryhmät ja matriisit

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

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

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

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.

5 OMINAISARVOT JA OMINAISVEKTORIT

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /

Lineaarikuvauksen R n R m matriisi

Matemaattinen Analyysi / kertaus

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.

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

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

Lineaarialgebra, kertausta aiheita

2.8. Kannanvaihto R n :ssä

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

Lineaarialgebra ja matriisilaskenta I

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

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

ominaisvektorit. Nyt 2 3 6

Kuvaus. Määritelmä. LM2, Kesä /160

MATRIISIN HESSENBERGIN MUOTO. Niko Holopainen

Matriisit ja vektorit Matriisin käsite Matriisialgebra. Olkoon A = , B = Laske A + B, , 1 3 3

Informaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen

Informaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen

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

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.

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

Insinöörimatematiikka D

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

Käänteismatriisin ominaisuuksia

Ensi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/159

Alkeismuunnokset matriisille, sivu 57

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

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

802320A LINEAARIALGEBRA OSA III

Transkriptio:

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( ) + 8( 3) 7( ) + 6( 3) 5( ) + 4( 3) 9( ) + 8( 4) 33 5 7( ) + 6( 4) 5 38 5( ) + 4( 4) 7 6 A : AA 3 4 3 4 ( )( ) + ( )( 3) ( )( ) + ( )( 4) ( 3)( ) + ( 4)( 3) ( 3)( ) + ( 4)( 4) 7 5 7 / 45 N Hyvönen, c R Kangaslampi 3 8 / 45 N Hyvönen, c R Kangaslampi 3 3 3 Esimerkki (lasketaan luennolla) Olkoot A, B Laske AB, AC, BC ja CB 3 ja C Vastaus: AB B, AC C (vrt x x), 4 8 BC ja CB 5 3 4 [ 3 Esimerkki Olkoon x (,, 3) R 3 ja lineaarikuvauksen F : R 3 R matriisi 3 4 A F 5 6 7 Silloin A F x 3 4 5 6 7 3 ( ) + 3( ) + 4( 3) 5( ) + 6( ) + 7( 3) 38, joten F (,, 3) A F x (, 38) 9 / 45 N Hyvönen, c R Kangaslampi 3 / 45 N Hyvönen, c R Kangaslampi 3

3 3 Esimerkki Tason suorakulmion sivut ovat koordinaattiakselien suuntaisia ja sen kulmat ovat vastapäivään lueteltuina a (, ), b, c (4, 4) ja d Suorakulmiolle suoritetaan muunnos f, joka kuvaa sen peilatuksi neliöksi toiseen paikkaan tasossa Suorakulmion kulmat kuvautuvat muunnoksessa siten, että f (a) (, ) ja f (c) (, ), sivut koordinaattiakelien suuntaiset ja kulmat ovat vastapäivään lueteltaessa f (a), f (d), f (c) ja f (b) Etsi matriisi, jolla voit esittää muunnoksen, ja selvitä mikä on pisteen (3, ) kuva muunnoksessa Huom: Kyseessä ei ole lineaarikuvaus, mutta käyttämällä ns homogeenisia koordinaatteja eli kirjoittamalla piste (x, y) muodossa (x, y, ) se voidaan esittää matriiseilla! / 45 N Hyvönen, c R Kangaslampi 3 Ratkaisu: Piirretään ensin kuvat: d a (, ) c (4, 4) b f (b) f (c) (, ) f (a) f (d) Muunnoksen voi toteuttaa siirtämällä kuvio ensin siten, että sen piste (, ) tulee origoon (matriisi M ), pienentämällä kuvio puolittamalla x-koordinaattiarvot ja jakamalla y-koordinaattiarvot luvulla 4 (matriisi M ) ja lopulta peilaamalla suoran x y suhteen (koordinaattiarvojen vaihto keskenään, matriisi M 3 ) / 45 N Hyvönen, c R Kangaslampi 3 3 Jotta saisimme myös siirron (joka ei ole lineaarikuvaus tasossa!) esitettyä matriisilla, tarkastellaan pisteen (x, y) sijaan pistettä (x, y, ) Viimeinen koordinaatti on vain apuna mukana, kaksi ensimmäistä esittävät todellisuudessa tarkasteltavaa tason pistettä Nyt siirto (x, y, ) (x, y, ) voidaan esittää matriisilla seuraavasti: {{ M x x y y 3 Matriisi, joka kutistaa puoleen x-suunnassa ja neljännekseen y-suunnassa, eli tekee operaation (x, y, ) (x/, y/4, ) on / /4 {{ M x x/ y y/4 Lopuksi vielä peilaus (x, y, ) (y, x, ): x y y x {{ M 3 / 45 N Hyvönen, c R Kangaslampi 3 4 / 45 N Hyvönen, c R Kangaslampi 3

3 3 Koko operaation suorittava matriisi saadaan tekemällä nämä peräjälkeen: / M M 3 M M /4 /4 / Piste (x, y) kuvautuu siis pisteeksi (y/4, x/ ) ja erityisesti pisteen (3, ) kuva on (/4, /) Matriiseille voidaan lisäksi määritellä laskutoimitus, joka tekee n m-matriisista m n-matriisin vaihtamalla rivit ja sarakkeet Määritelmä 3 (Transpoosi) Olkoon {{ A (α ij ) Tällöin matriisin A transpoosi on matriisi n m A T (γ ij ), missä γ ij α ji Yhdistetylle kuvaukselle C AB pätee C T B T A T 5 / 45 N Hyvönen, c R Kangaslampi 3 6 / 45 N Hyvönen, c R Kangaslampi 3 3 3 Määritelmä 4 Matriisi B on matriisin A käänteismatriisi, jos AB I ja BA I, missä I on sopivan kokoinen identiteettimatriisi Käänteismatriisia merkitään A Lause 5 Jos käänteismatriisi on olemassa, niin se on yksikäsitteinen Huom Jos matriisi A on kääntyvä, niin myös matriisi A on kääntyvä, ja (A ) A Jos A ja B ovat kääntyviä matriiseja, niin myös AB on kääntyvä, ja (AB) B A Jos A on kääntyvä, niin myös A T on kääntyvä, ja (A T ) (A ) T 7 / 45 N Hyvönen, c R Kangaslampi 3 8 / 45 N Hyvönen, c R Kangaslampi 3

3 Käänteismatriisin laskeminen: Olkoon A R n n kääntyvä Miten lasketaan A R n n? Nyt AA I n eli jos x j on matriisin A j:s sarake,niin saadaan n kpl lineaarisia yhtälöitä Ax j e j (j,, n) Ratkotaan nämä n yhtälöä yhtä aikaa Gauss-eliminaatiolla: liittomatriisi A A A n A A A n A In A n A n A nn muunnetaan liittomatriisiksi [ I n A Siis [ A In [ I n A 3 Esimerkki 6 Lasketaan matriisin A [ A I Siten A 5 3 käänteismatriisi: 5 3 5 6 5 3 5 [ 3 5 (Tarkista kertolaskulla!) [ I A 9 / 45 N Hyvönen, c R Kangaslampi 3 3 / 45 N Hyvönen, c R Kangaslampi 3 3 Esimerkki 7 (lasketaan luennolla) Mikä on matriisin transpoosi? 3 4 A 3 7 5 Esimerkki 8 (lasketaan luennolla) Etsi matriisien käänteismatriisit A ( ) ja B 3 / 45 N Hyvönen, c R Kangaslampi 3 ( ) 3 3 Terminologiaa: {{ A on neliömatriisi; symmetrinen, jos A A T n n A on säännöllinen (sanotaan myös kääntyvä), jos käänteismatriisi on olemassa, muutoin singulaarinen A diag(α, α,, α nn ) α α α (n )(n ) α nn on lävistäjä- eli diagonaalimatriisi 3 / 45 N Hyvönen, c R Kangaslampi 3

3 33 Yläkolmiomatriisi: α jk, kun j > k Alakolmiomatriisi: α jk, kun j < k A on ortogonaalinen, jos A A T Esimerkki 9 (lasketaan luennolla) Laadi 3 3-esimerkkimatriisit näistä kaikista Idea: Matriisin A R n n determinantti det(a) R ilmaisee miten paljon matriisia vastaava lineaarikuvaus skaalaa&peilaa avaruutta R n : Kuution [, n : {x R n j : x j [, n-tilavuus on (-tilpituus, -tilpinta-ala, 3-tiltavallinen tilavuus, ) ja A:n sarakkeiden virittämän särmiön A[, n {Ax R n x [, n n-tilavuus on det(a) (determinantin etumerkki kertoo peilautumisista) Determinantin laskemiseen tarvitaan neljä lakia: 33 / 45 N Hyvönen, c R Kangaslampi 3 34 / 45 N Hyvönen, c R Kangaslampi 3 33 33 Laki : det(i n ) Tulkinta : Identiteettikuvaus x I n (x) x ei muuta n-tilavuutta tai suuntia Laki : Matriisin sarake t kertaistuu determinantti t kertaistuu Tulkinta : Särmiön n-tilavuus t-kertaistuu yhden särmän t-kertaistuessa Esimerkki det ( )(3) det 3 6 6 det 5 (6)(5)(4) det 4 det 3 4 () det 3 4 5 6 5 6 35 / 45 N Hyvönen, c R Kangaslampi 3 36 / 45 N Hyvönen, c R Kangaslampi 3