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

Samankaltaiset tiedostot
Ennakkotehtävän ratkaisu

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

Käänteismatriisi 1 / 14

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

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

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

BM20A0700, Matematiikka KoTiB2

9 Matriisit. 9.1 Matriisien laskutoimituksia

Lineaariset yhtälöryhmät ja matriisit

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

1.1. Määritelmiä ja nimityksiä

Ortogonaalinen ja ortonormaali kanta

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

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

1 Matriisit ja lineaariset yhtälöryhmät

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

Matematiikka B2 - Avoin yliopisto

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

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

Matematiikka B2 - TUDI

Lineaarialgebra ja matriisilaskenta I

Johdatus tekoälyn taustalla olevaan matematiikkaan

Insinöörimatematiikka D

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

Talousmatematiikan perusteet

4.6 Matriisin kääntäminen rivioperaatioilla

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa.

10 Matriisit ja yhtälöryhmät

2.8. Kannanvaihto R n :ssä

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Matriisit. Määritelmä 1 Reaaliluvuista a ij, missä i = 1,..., k ja j = 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A =

1. LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT. 1.1 Lineaariset yhtälöryhmät

Neliömatriisin adjungaatti, L24

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

Käänteismatriisin ominaisuuksia

Insinöörimatematiikka D

Determinantti. Määritelmä

Determinantti 1 / 30

Talousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi

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

Ominaisarvo-hajoitelma ja diagonalisointi

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

Determinantti. Määritelmä

802118P Lineaarialgebra I (4 op)

Similaarisuus. Määritelmä. Huom.

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:

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

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

8 KANNAT JA ORTOGONAALISUUS. 8.1 Lineaarinen riippumattomuus. Vaasan yliopiston julkaisuja 151

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

Lineaarialgebra ja matriisilaskenta I

Lineaariset kongruenssiyhtälöryhmät

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

Gaussin ja Jordanin eliminointimenetelmä

2.5. Matriisin avaruudet ja tunnusluvut

Insinöörimatematiikka D

Lineaarinen yhtälöryhmä

Insinöörimatematiikka D

Ominaisarvo ja ominaisvektori

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

Insinöörimatematiikka D

Insinöörimatematiikka D

Lineaarikuvauksen R n R m matriisi

2.1.4 har:linyryhmat03. Octavella. Katso ensin esimerkit???? esim:yroctave01 Octaven antamat vastausehdotukset.

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra a, kevät 2018

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

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

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

Kanta ja Kannan-vaihto

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

Ominaisarvo ja ominaisvektori

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

Lineaarialgebra, kertausta aiheita

MATRIISIN HESSENBERGIN MUOTO. Niko Holopainen

Ortogonaaliset matriisit, määritelmä 1

Insinöörimatematiikka D

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

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.

MS-C1340 Lineaarialgebra ja

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Ositetuista matriiseista

Vektoreiden virittämä aliavaruus

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

Matriiseista. Emmi Koljonen

Lineaarialgebra a, kevät 2018 Harjoitusta 5 Maplella

1 Lukujen jaollisuudesta

Ortogonaalisen kannan etsiminen

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

Insinöörimatematiikka D

Lineaarialgebra (muut ko)

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

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Insinöörimatematiikka D

5 Ominaisarvot ja ominaisvektorit

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

Transkriptio:

Käänteismatriisi, L5

1 Tässä kalvosarjassa käsittelemme neliömatriiseja. Ilman asian jatkuvaa toistamista oletamme seuraavassa, että kaikki käsittelemämme matriisit ovat neliömatriiseja. Määritelmä. Olkoon A neliömatriisi. Jos matriisille B on voimassa AB = I, BA = I, ja niin sanomme, että B on matriisin A käänteismatriisi.

2 esimerkki 1. Matriisi ( ) 1 1 on matriisin 0.75 1 käänteismatriisi, sillä ( )( ) ( ) 4 4 1 1 1 0 =, ja 3 4 0.75 1 0 1 ( )( ) ( ) 1 1 4 4 1 0 = 0.75 1 3 4 0 1 ( ) 4 4 3 4

3 Lause 1. Olkoon A neliömatriisi. Jos on olemassa A:n käänteismatriisi, niin se on yksikäsitteinen. (Ts. ei ole olemassa kahta erilaista käänteismatriisia.) Todistus: Olkoon B ja C kaksi käänteismatriisia. (Ts. siis AB = I ja BA = I ja toisaalta myös AC = I ja CA = I ). Nyt oletuksista seuraa, että B = I B = (CA)B = C(AB) = CI = C Määritelmä. Jos neliömatriisille A on olemassa käänteismatriisi, niin käytämme käänteismatriisille merkintää A 1 ja sanomme, että matriisi A on säännöllinen. (Engl. A matrix of full rank.)

4 Lause 2. Jos neliömatriisi A on säännöllinen, niin myös sen käänteismatriisi on säännöllinen ja (A 1 ) 1 = A. Perustelu: Asian perustelu on helppo, mutta point jää helposti näkemättä merkintä-kikkailun takia. Jotta asia olisi aivan selvä, merkitsemme nyt tämän perustelun aikana käänteismatriisia A kirjaimella K. Nyt siis on osoitettava, että K 1 = A (eli KA = I ja AK = I ). Mutta tämä on selvää, sillä KA = A 1 A = I, AK = AA 1 = I. ja

5 Lause 3. Jos A ja B ovat säännöllisiä (ja samankokoisia) matriiseja, niin myös niiden tulo AB on säännöllinen, ja (AB) 1 = B 1 A 1. (Huomaa järjestys! Tämä tulee muistaa!) Perustelu: Merkitään tämän perustelun ajan K = B 1 A 1. Nyt on osoitettava, että (AB)K = I ja K(AB) = I. Tämä on selvästi totta, sillä (AB)K = (AB)B 1 A 1 = ABB }{{ 1 } A 1 = AA 1 = I, =I K(AB) = B 1 A 1 (AB) = B 1 A} 1 {{ A} B = B 1 B = I =I ja

6 Lause 4. Jos A on säännöllinen, niin myös sen transpoosi on säännöllinen ja (A T ) 1 = (A 1 ) T Perustelu: Merkitään tämän perustelun ajan K = (A 1 ) T. Nyt on osoitettava, että A T K = I ja KA T = I. Tämä on selvästi totta, sillä A T K = A T (A 1 ) T = (A 1 A) T = I T = I KA T = (A 1 ) T A T = (AA 1 ) T = I T = I ja

7 Esimerkki Jos haluamme vaihtaa kahden ensimmäisen rivin paikat kaaviossa 2 0 1 7 M 0 = 1 2 3 5, 3 5 2 4 niin se onnistuu kätevästi laskemalla matriisitulo 0 1 0 2 0 1 7 1 2 3 5 M 1 = 1 0 0 1 2 3 5 = 2 0 1 7. 0 0 1 3 5 2 4 3 5 2 4 }{{} R 1,2,vaihda

8 Rivinvaihto onnistuu kertomalla matriisilla R p,q,vaihda, joka saadaan yksikkömatriisista vaihtamalla p:nnen ja q:nnen rivin paikat. Lause 5. Rivinvaihto-matriisi R p,q,vaihda on säännöllinen ja se on itse oma käänteismatriisinsa. Esimerkki 0 1 0 0 1 0 1 0 0 1 0 0 1 0 0 = 0 1 0 0 0 1 0 0 1 0 0 1

9 Rivin p lisääminen luvulla a kerrottuna riviin q onnistuu kertomalla matriisilla R a,p,q,lisaa, joka saadaan yksikkömatriisista asettamalla a sen paikkaan (q, p). Esimerkki Lähdetään edellisen esimerkin kaaviosta M 1. Ensin lisäämme rivin 1 luvulla 2 kerrottuna riviin 2. Toisessa vaiheessa lisäämme rivin 1 luvulla 3 kerrottuna riviin 3. 1 0 0 1 2 3 5 1 2 3 5 M 2 = 2 1 0 2 0 1 7 = 0 4 5 3 0 0 1 3 5 2 4 3 5 2 4 1 0 0 1 2 3 5 1 2 3 5 M 3 = 0 1 0 0 4 5 3 = 0 4 5 3 3 0 1 3 5 2 4 0 11 11 11

10 Rivin p kertominen luvulla a onnistuu kertomalla matriisilla R a,p,kerro, joka saadaan yksikkömatriisista asettamalla a sen paikkaan (p, p). lause 6. Rivioperaatiomatriisit R a,p,q,lisaa ja R a,p,kerro ovat säännöllisiä ja niiden käänteismatriisit ovat R 1 a,p,q,lisaa = R a,p,q,lisaa R 1 a,p,kerro = R 1 a,p,kerro ja

11 Lause 7. Jos A tai B on säännöllinen ja BA = I, niin kumpikin matriisi on säännöllinen ja A 1 = B ja B 1 = A. Todistus: On todistettava, että AB = I. Jos A on säännöllinen, niin AB = ABI = A}{{} BA A 1 = AA 1 = I =I Jos B on säännöllinen, niin AB = I AB = B 1 }{{} BA B = B 1 B = I =I

12 Lause 8. Olkoon A neliömatriisi. Jos sarja rivioperaatioita muuttaa A:n yksikkömatriisiksi, niin sama sarja rivioperaatioita muuttaa yksikkömatriisin A:n käänteismatriisiksi. R n R n 1 R 2 R 1 A = I (1) R n R n 1 R 2 R 1 I = A 1 (2) Perustelu: Jos A on säännöllinen, niin yhtälöt (1) ja (2) ovat yhtäpitävät. Kun yhtälön (1) kumpikin puoli kerrotaan oikealta A 1 :llä saadaan yhtälö (2). Kun yhtälön (2) kumpikin puoli kerrotaan oikealta A:lla saadaan yhtälö (1). Jos emme voi olla varmoja A:n säännöllisyydestä, niin sitten vetoamme siihen, että B = R n R n 1 R 2 R 1 on säännöllisten matriisien tulona säännöllinen. Silloin lauseen 7 mukaan yhtälöstä (1) seuraa se, että B on A:n käänteismatriisi, eli yhtälö (2) on voimassa.

13 Edellinen lause antaa nyt keinon määrittää käänteismatriisi, eli kääntää matriisi. Tee iso kaavio, jossa ovat käännettävä matriisi vasemmalla ja saman kokoinen yksikkömatriisi oikealla rinnakkain. Ensimmäinen Pivot on paikassa (1,1). Tee rivioperaatioita niin, että pivotin alapuolella olevat kaavion luvut muuttuvat kaikki nolliksi. Seuraava Pivot on paikassa (2,2). Tee rivioperaatioita niin, että pivotin ala- ja yläpuolella olevat kaavion luvut muuttuvat kaikki nolliksi. Jatka kunnes kaikki sarakeet on käsitelty. Lopuksi muuta diagonaalilla olevat luvut ykkösiksi. Tämän jälkeen kaavion oikea puoli on etsitty käänteismatriisi.

14 Esimerkki. Käännetään matriisi A = ( ) 4 4. 3 4 Tehdään ensin kaavio, jossa on A ja I rinnakain ( 4 4 M 0 = 3 4 1 0 ) 0 1 Lisätään ensimmäinen rivi 3/4:llä kerrottuna toiseen riviin ( )( 1 0 4 4 M 1 = 3/4 1 3 4 1 0 ) 0 1 ( ) 4 4 = 1 0 0 1 3/4 1

15 Lisätään toinen rivi 4:llä kerrottuna ensimmäiseen riviin ( )( ) 1 4 4 4 M 2 = 1 0 0 1 0 1 3/4 1 ( ) 4 0 = 4 4 0 1 3/4 1 Lopuksi kerrotaan 1 rivi 1/4:llä ( )( ) 1/4 0 4 0 M 3 = 4 4 0 1 0 1 3/4 1 ( ) 1 0 = 1 1 0 1 3/4 1 Siis ( ) 1 4 4 = 3 4 ( ) 1 1. 3/4 1