Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

Samankaltaiset tiedostot
Determinantit. Kaksirivinen determinantti. Aiheet. Kaksirivinen determinantti. Kaksirivinen determinantti. Kolmirivinen determinantti

Matematiikka B2 - Avoin yliopisto

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

Lineaarialgebra, kertausta aiheita

Matematiikka B2 - TUDI

Matemaattinen Analyysi / kertaus

Neliömatriisin adjungaatti, L24

5 OMINAISARVOT JA OMINAISVEKTORIT

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Aiheet. Kvadraattinen yhtälöryhmä. Kvadraattinen homogeeninen YR. Vapaa tai sidottu matriisi. Vapauden tutkiminen. Yhteenvetoa.

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Lineaarialgebra ja matriisilaskenta I

Insinöörimatematiikka D

Ominaisarvo ja ominaisvektori

Ortogonaaliset matriisit, määritelmä 1

Aiheet. Kvadraattinen yhtälöryhmä. Kvadraattinen homogeeninen YR. Vapaa tai sidottu matriisi. Vapauden tutkiminen. Yhteenvetoa.

Kanta ja Kannan-vaihto

Insinöörimatematiikka D

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.

Talousmatematiikan perusteet

Ratkaisuehdotukset LH 3 / alkuvko 45

2.5. Matriisin avaruudet ja tunnusluvut

Similaarisuus. Määritelmä. Huom.

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

1 Ominaisarvot ja ominaisvektorit

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

Matriisialgebra harjoitukset, syksy x 1 + x 2 = a 0

Lineaarikuvauksen R n R m matriisi

1 Matriisit ja lineaariset yhtälöryhmät

Lineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi

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

Insinöörimatematiikka D

Ominaisarvo ja ominaisvektori

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

Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit

Sisätuloavaruudet. 4. lokakuuta 2006

Alkeismuunnokset matriisille, sivu 57

7 Vapaus. 7.1 Vapauden määritelmä

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Insinöörimatematiikka D

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

MS-C1340 Lineaarialgebra ja

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Ominaisarvot ja ominaisvektorit 140 / 170

Ortogonaalisen kannan etsiminen

MS-C1340 Lineaarialgebra ja

Käänteismatriisin ominaisuuksia

5 Ominaisarvot ja ominaisvektorit

6 MATRIISIN DIAGONALISOINTI

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

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

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

Ominaisarvo-hajoitelma ja diagonalisointi

4.6 Matriisin kääntäminen rivioperaatioilla

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

Paikannuksen matematiikka MAT

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

BM20A0700, Matematiikka KoTiB2

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

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

2.8. Kannanvaihto R n :ssä

Lineaarialgebra ja matriisilaskenta I

Ortogonaalinen ja ortonormaali kanta

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

Insinöörimatematiikka D

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

Käänteismatriisi 1 / 14

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

802118P Lineaarialgebra I (4 op)

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.

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

Matriisialgebra harjoitukset, syksy 2016

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

MS-A0004/A0006 Matriisilaskenta

Lineaarialgebra ja matriisilaskenta I

Johdatus tekoälyn taustalla olevaan matematiikkaan

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:

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

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

Lineaarialgebra ja matriisilaskenta I

Talousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi

Pienimmän neliösumman menetelmä (PNS)

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?

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

Milloin A diagonalisoituva?

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

Ominaisvektoreiden lineaarinen riippumattomuus

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

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

Pienimmän neliösumman menetelmä (PNS)

Ratkaisuehdotukset LH 7 / vko 47

Tyyppi metalli puu lasi työ I II III

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

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

Lineaariset yhtälöryhmät ja matriisit

Pienimmän neliösumman menetelmä (PNS)

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

Inversio-ongelmien laskennallinen peruskurssi Luento 2

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.

Transkriptio:

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 Huomaa kaavaliite lopussa 1 a) (2p) Määrittele lyhyesti mitä tarkoittaa f : L 1 L 2 on lineaarikuvaus b) (2p) Milloin vektorijono on lineaarisesti riippumaton? c) (2p) Olkoon U ortogonaalinen n n-matriisi Onko silloin Rank(U) n? Perustele valintasi Ratkaisu: a) kuvaus f : L 1 L 2,x f (x) on lineaarikuvaus, jos (1) L 1 on vektoriavaruus, ja (2) L 2 on vektoriavaruus, ja (3) kaikilla x,y L 1 ja kaikilla a,b R on voimassa f (a x + b y) a f (x) + b f (y) b) Vektorijono v 1, v 2, v n on lineaarisesti riippumaton, jos (c 1 x 1 + c 2 x 2 + + c n x n ) jos ja vain jos c 1 c 2 c n (Määritelmä voidaan myös antaa muodossa: Vektorijono v 1, v 2, v n on lineaarisesti riippumaton, jos mitään vektorijonon vektoria ei voida lausua saman jonon muiden vektoreiden lineaarikombinaationa) c) Rank(U) n, sillä ortogonaalinen matriisi on säännöllinen (U 1 U T ), ja säännöllisen matriisin sarakkeet muodostavat lineaarisesti riippumattoman vektorijoukon, joten lineaarisesti riippumattomia sarakkeita on n kappaletta

2 (4p) Millä vakion R arvoilla seuraavalla yhtälöryhmällä on ei-triviaali ratkaisu? Rx + 3y 2z x + 2y z, R R 2x y + Rz b) (2p) Määritä yllä olevan yhtälöryhmän kaikki ei-triviaalit ratkaisut, joissa muuttuja z saa arvon z 1 Ratkaisu: a) Yhtälöryhmä on homogeeninen, joten sillä on ei-triviaali ratkaisu jos ja vain jos kerroinmatriisin determinantti on nolla R 3 2 1 2 1 2 1 R +R 2 1 1 R 3 1 1 2 R + ( 2) 1 2 2 1 R(2R 1) 3 ( R ( 2)) 2 (1 4) 2R 2 R + 3R 6 + 6 2R 2 + 2R R tai R 1 b) Kun R ja z 1 yhtälöryhmä menee muotoon 3y 2 x + 2y 1 2x y 3y 2 x 2y 1 2x y { y 2/3 x 1/3 Kun R 1 ja z 1 yhtälöryhmä menee muotoon x + 3y 2 x + 2y 1 2x y 1 y 1 x 2y 1 3y 3 + ( 1) 2 + { y 1 x 1 Vastaus: a) R tai R 1, b) kun R, niin x 1/3 y 2/3,kun R 1, niin z 1 x 1 y 1 z 1

3 Laske a) (2p) determinantti b) (2p) käänteismatriisi seuraavalle n n matriisille 1 1 1 1 M 1 1 3 2 1 (Ohje: m ii 1, kun 1 i n ja m 1;(n 1) m 1n 1, m (n 1);n 3, m n;(n 1) 2 ja muut kaaviossa olevat luvut ovat nollia) c) (2p) Anna neljä determinantin ominaisuutta, joita voit käyttää determinantin laskun aikana helpottamassa laskemista Ratkaisu: a) matriisi on melkein kolmio-muodossa, joten tehdään ensin rivioperaatio, joka muuttaa kaavion kolmio-muotoon (muuttamatta determinantin arvoa) Kerrotaan viimeistä edeltävä rivi ( 2):lla ja lisätään viimeiseen riviin 1 1 1 1 1 1 1 1 Det(M) 5 1 1 3 2 1 ( 2) + 1 1 3 5 b) Käännetään matriisi rivioperaatioilla Ensimmäinen pivot-paikka jossa tulee tehdä jotakin on (n 1),(n 1) 1 ( 1) 1 1 + 1 1 1 1 [1] 3 1 1 ( 2) (2) 1 1 + 1 (2) 1 1 + 1 1 1 1 1 [3] 1 + ( 5) 2 1,4,6 (,2) 1 1,2,4 1 1 1 1 1,2,6 1,4,2

Siis c) 1,2,4 1 M 1 1,2,6,4,2 Jos kaaviossa on nolla-rivi (tai nolla-sarake), niin kaavion determinantti on nolla Jos kaavion kaksi riviä (tai kaksi saraketta) vaihtavat paikkojaan, niin syntyvän uuden kaavion determinantti on alkuperäisen kaavion determinantin vastaluku Jos kaavion rivi luvulla kerrottuna lisätään toiseen kaavion riviin, niin syntyvän uuden kaavion determinantti on sama kuin alkuperäisen kaavion determinantti Jos kaavion sarakkeissa (tai riveissä) on lineaarista riippuvuutta, niin kaavion determinantti on nolla Jos kaavio on kolmiomuodossa, niin kaavion determinantti on diagonaali-lukujen tulo Jos kaavion yhden sarakkeen kaikki luvut kerrotaan luvulla r, niin uuden kaavion determinantti on r kertaa alkuperäisen kaavion determinantti Jos n n matriisi kerrotaan luvulla r, niin uuden kaavion determinantti on r n kertaa alkuperäisen kaavion determinantti 1,2,4 1 Vastaus: a) Det(M) 5, b) M 1 c) ks vastaus yllä 1,2,6,4,2

4 a) (2p) Etsi kaksi eri ratkaisua yhtälöryhmälle x 1 + 3x 2 + x 3 3 B x b x 1 + x 2 + x 4 12 2x 1 + x 2 + x 5 18 b) (2p) Olkoot x 1 ja x 2 mitkä tahansa kaksi yllä olevan yhtälöryhmän ratkaisua Näytä, että niiden keskiarvo x 3 1 2 ( x 1 + x 2 ) on myös ratkaisu Selitä miksi c) (2p) Olkoon X { x B x b} kaikkien a-kohdan yhtälöryhmän B x b ratkaisujen joukko, varustettuna normaalilla vektoreiden yhteenlaskulla ja skalaarilla kertomisella Onko X lineaariavaruus? Perustele! Ratkaisu: a) Asetetaan ensin x 1 ja x 2, jolloin yhtälöryhmä menee muotoon x 3 3 + x 4 12 + x 5 18 Siis x 1 ( 3 12 18 ) T Tarkistus: + 3 + 3 3 ok + + 12 12 ok 2 + + 18 18 ok Toiseksi asetetaan x 2 ja x 3, jolloin yhtälöryhmä menee muotoon x 1 3 x 3 x 1 + x 4 12 x 4 18 2x 1 + x 5 18 x 5 42 Siis x 2 ( 3 18 42 ) T Tarkistus: 3 + 3 + 3 ok 3 + 18 12 ok 2 3 + 42 18 ok b) Olkoot x 1 ja x 2 mitkä tahansa kaksi yllä olevan yhtälöryhmän ratkaisua ja x 3 1 2 ( x 1 + x 2 ) Silloin B x 3 B( 1 2 x 1 + 1 2 x 2) 1 2 B x 1 + 1 2 B x 2 1 2 b + 1 2 b b joten myäs x 3 on yhtälöryhmän ratkaisu c) X ei ole vektoriavaruus Asian voi perustella ainakin kahdella tavalla: (1) X on varustettu tavallisella yhteenlaskulla Jotta X olisi vektoriavaruus, pitää kahden siihen kuuluvan vektorin summan myös kuulua X:ään Olkoon x 1 X ja x 2 X Silloin x 1 + x 2 on olemassa, mutta B( x 1 + x 2 ) b + b 2 b, joten x 1 + x 2 / X X ei siis ole vektoriavaruus (2) X on varustettu tavallisella yhteenlaskulla Silloin tulee tavallisen yhteenlaskun neutraalivektorin kuulua X:ään Nyt näin ei ole, joten X ei ole vektoriavaruus

5 Ratkaise a) ominaisarvot ja b ) ominaisvektorit matriisille (Huom Pelkät vastaukset eivät riitä: a-kohdassa anna karakteristinen yhtälö ja ratkaise se, b-kohdassa anna ominaisarvo-yhtälöryhmät ja lopuksi tarkista, että saamasi vektorit todella toteuttavat nämä yhtälöryhmät) A 2 1 5 2 4 Ratkaisu: Muodostetaan karakteristinen yhtälö ja ratkaistaan siitä ominaisarvot Det(A λ I) 2 λ 1 λ 5 2 4 λ (2 λ) 1 λ 5 2 4 λ + (2 λ){(1 λ)(4 λ) 5 2} (2 λ){λ 2 5λ 6} (λ 2)(λ 6)(λ + 1) ominaisarvot ovat λ 1 6, λ 2 2 ja λ 3 1 b) Ominaisvektorit: λ 1 6 A x λ x 2 x 1 x 1 1 5 x 2 6 x 2 2 4 x 3 x 3 2x 1 6x 1 x 2 + 5x 3 6x 2 2x 2 + 4x 3 6x 3 4x 1 5x 2 + 5x 3 2x 2 + 2x 3 x I a, a a { x1 x 2 x 3

λ 2 2 A x λ x 2 x 1 x 1 1 5 x 2 2 x 2 2 4 x 3 x 3 2x 1 2x 1 x 2 + 5x 3 2x 2 2x 2 + 4x 3 2x 3 x 1 x 2 + 5x 3 2x 2 + 2x 3 b x II, b { x1 on vapaa x 2 x 3 λ 3 1 A x λ x 2 x 1 x 1 1 5 x 2 1 x 2 2 4 x 3 x 3 2x 1 x 1 x 2 + 5x 3 x 2 2x 2 + 4x 3 x 3 3x 1 2x 2 + 5x 3 2x 2 + 5x 3 x III 5c, c 2c { x1 2x 2 5x 3 Vastaus: a) ominaisarvot ovat λ 1 6, λ 2 2 ja λ 3 1 b) Ominaisarvoon λ 1 6 liittyy ominaisvektori x I a, a a b Ominaisarvoon λ 2 2 liittyy ominaisvektori x II, b Ominaisarvoon λ 3 1 liittyy ominaisvektori x III 5c, c 2c

6 Olkoon matriisilla 3 2 matriisilla C QR-hqjoitelma C QR, missä Q on ortogonaalinen ja 1 3 R 2 Anna C:n More-Penrosen pseudoinverssille C (C T C) 1 C T mahdollisimman yksinkertainen esitys Ratkaisu: C (C T C) 1 C T ((QR) T (QR)) 1 (QR) T (R T Q T QR) 1 (R T Q T ) (R T R) 1 R T Q T ( ) 3 ( ) R T 1 R 1 2 1 3 3 2 3 13 ( ) 1 (R T R) 1 1 3 1 ( ) ( ) 13 3 13/4 3/4 3 13 4 3 1 3/4 1/4 ( )( ) ( ) (R T R) 1 R T 13/4 3/4 1 1 3/2 3/4 1/4 3 2 1/2 Siis Vastaus: C (R T R) 1 R T Q T ( ) 1 3/2 Q T 1/2

Kaavoja: Determinantit: a 11 a 12 a 21 a 22 a 11a 22 a 21 a 12 a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 a 11(a 22 a 33 a 23 a 32 ) a 12 (a 21 a 33 a 23 a 31 ) + a 13 (a 21 a 32 a 22 a 31 ) Det(A) n j1 ( 1) i+ j a i j m i j n i1 ( 1) i+ j a i j m i j missa m i j on paikkaan i j liittyvan alimatriisin determinantti, eli minori Adjungaatti: Kaanteismatriisi: Adj(A) +m 11 m 21 +m 31 m 12 +m 22 m 32 +m 13 m 23 +m 33 AA 1 I A 1 A I A 1 1 Det(A) Adj(A) Saannollisyys ja vapaus: Neliomatriisi A on saannollinen Det(A) Matriisi A on vapaa, jos Det(A T A) Pseudoinverssi: (AB) T B T A T (AB) 1 B 1 A 1 A (A T A) 1 A T Cramerin kaava: x k D k D Kannanvaihto Olkoon V { v 1,, v n } ja W { w 1,, w n } on kaksi kantaa ja v 1 a 11 w 1 + a 21 w 2 + + a n1 w n v 2 a 12 w 1 + a 22 w 2 + + a n2 w n V W A v n a 1n w 1 + a 2n w 2 + + a nn w n Jos a V x v W x w, niin x w A x v, ja x v A 1 x w

Ominaisarvot: Matriisin A ominaisarvo-yhtalo A x λ x Karakteristinen yhtalo det(a λ I)