Vastaavasti, jos vektori kerrotaan positiivisella reaaliluvulla λ, niin

Samankaltaiset tiedostot
Vektorit, suorat ja tasot

802120P Matriisilaskenta (5 op)

Kertausta: avaruuden R n vektoreiden pistetulo

802118P Lineaarialgebra I (4 op)

Ominaisvektoreiden lineaarinen riippumattomuus

Vektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on

802320A LINEAARIALGEBRA OSA I

1 Lineaariavaruus eli Vektoriavaruus

Kertausta: avaruuden R n vektoreiden pistetulo

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

Pistetulo eli skalaaritulo

Avaruuden R n aliavaruus

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

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 =

Ristitulolle saadaan toinen muistisääntö determinantin avulla. Vektoreiden v ja w ristitulo saadaan laskemalla determinantti

Ortogonaalinen ja ortonormaali kanta

Hilbertin avaruudet, 5op Hilbert spaces, 5 cr

9. Vektorit. 9.1 Skalaarit ja vektorit. 9.2 Vektorit tasossa

Determinantti 1 / 30

Kanta ja dimensio 1 / 23

Ominaisarvo ja ominaisvektori

802320A LINEAARIALGEBRA OSA II

1 Sisätulo- ja normiavaruudet

Johdatus lineaarialgebraan

Havainnollistuksia: Merkitään w = ( 4, 3) ja v = ( 3, 2). Tällöin. w w = ( 4) 2 + ( 3) 2 = 25 = 5. v = ( 3) = 13. v = v.

Lineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo.

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.

5 Ominaisarvot ja ominaisvektorit

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.

Talousmatematiikan perusteet: Luento 8. Vektoreista ja matriiseista Vektorien peruslaskutoimitukset Lineaarinen riippumattomuus Vektorien sisätulo

Suorat ja tasot, L6. Suuntajana. Suora xy-tasossa. Suora xyzkoordinaatistossa. Taso xyzkoordinaatistossa. Tason koordinaattimuotoinen yhtälö.

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

Tekijä Pitkä matematiikka Poistetaan yhtälöparista muuttuja s ja ratkaistaan muuttuja r.

Johdatus lineaarialgebraan

Matemaattinen Analyysi, k2012, L1

Vektorit. Kertausta Seppo Lustig (Lähde: avoinoppikirja.fi)

Lineaarikuvauksen R n R m matriisi

Johdatus lineaarialgebraan

Lineaarialgebra MATH.1040 / voima

Ortogonaalisen kannan etsiminen

Vektorialgebra 1/5 Sisältö ESITIEDOT: vektori

1 Ominaisarvot ja ominaisvektorit

802120P Matriisilaskenta (5 op)

VEKTORIT paikkavektori OA

1.1 Vektorit. MS-A0007 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. 1. Vektorit ja kompleksiluvut

Johdatus lineaarialgebraan

Johdatus lineaarialgebraan

7 Vapaus. 7.1 Vapauden määritelmä

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

Talousmatematiikan perusteet: Luento 9

Insinöörimatematiikka D

Vapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee:

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

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

Juuri 4 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Kertaus. b) B = (3, 0, 5) K2. ( )

Lineaarialgebra ja matriisilaskenta I

802328A LUKUTEORIAN PERUSTEET Merkintöjä ja Algebrallisia rakenteita

Tekijä Pitkä matematiikka b) Kuvasta nähdään, että b = i 4 j. c) Käytetään a- ja b-kohtien tuloksia ja muokataan lauseketta.

3 Suorat ja tasot. 3.1 Suora. Tässä luvussa käsitellään avaruuksien R 2 ja R 3 suoria ja tasoja vektoreiden näkökulmasta.

802120P MATRIISILASKENTA (5 op)

Lineaarialgebra I. Oulun yliopisto Matemaattisten tieteiden laitos Esa Järvenpää Kirjoittanut Tuula Ripatti

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle

Avaruuden kolme sellaista pistettä, jotka eivät sijaitse samalla suoralla, määräävät

Tekijä Pitkä matematiikka On osoitettava, että jana DE sivun AB kanssa yhdensuuntainen ja sen pituus on 4 5

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

6. OMINAISARVOT JA DIAGONALISOINTI

Tekijä Pitkä matematiikka Suoran pisteitä ovat esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4).

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

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

Suora. Määritelmä. Oletetaan, että n = 2 tai n = 3. Avaruuden R n suora on joukko. { p + t v t R},

9 Matriisit. 9.1 Matriisien laskutoimituksia

Vektorilla on suunta ja suuruus. Suunta kertoo minne päin ja suuruus kuinka paljon. Se on siinä.

Johdatus lineaarialgebraan

0, niin vektorit eivät ole kohtisuorassa toisiaan vastaan.

Insinöörimatematiikka D

1. Olkoot vektorit a, b ja c seuraavasti määritelty: a) Määritä vektori. sekä laske sen pituus.

, on säännöllinen 2-ulotteinen pinta. Määrää T x0 pisteessä x 0 = (0, 1, 1).

Ominaisarvo ja ominaisvektori

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

Luento 8: Epälineaarinen optimointi

Matriisialgebra harjoitukset, syksy 2016

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista

Bijektio. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin jokaiselle alkiolle kuvautuu tasan yksi lähdön alkio.

Mb8 Koe Kuopion Lyseon lukio (KK) sivu 1/2

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /310

802320A LINEAARIALGEBRA OSA II/PART II

Lineaarialgebra II P

2. REAALIKERTOIMISET VEKTORIAVARUUDET

MAA15 Vektorilaskennan jatkokurssi, tehtävämoniste

Luento 8: Epälineaarinen optimointi

3 Skalaari ja vektori

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

Derivaatta: funktion approksimaatio lineaarikuvauksella.

1 Määrittelyjä ja aputuloksia

OMINAISARVOISTA JA OMINAISVEKTOREISTA

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

1.6. Yhteen- ja vähennyslaskukaavat

Transkriptio:

1 / 14

Lukiossa vektori oli nuoli, jolla oli suunta ja suuruus eli pituus. Tarkastellaan aluksi tason vektoreita (R 2 ). Siirretään vektori siten, että sen alkupää on origossa. Tällöin sen kärki on pisteessä (x 1, x 2 ) (lukiossa puhuttiin paikkavektorista). Jos vektorin suuntaa tai suuruutta muutetaan, niin loppupiste (x 1, x 2 ) muuttuu, joten eri vektoreita vastaa eri piste (x 1, x 2 ). Kääntäen, jokainen tason pistepari (x 1, x 2 ) määrää vektorin yllä olevalla tavalla. Täten tason vektorit voidaan samaistaa tason kanssa. R 2 = {(x 1, x 2 ) x 1, x 2 R} 2 / 14

Miten vektoreita lasketaan yhteen? x = (x 1, x 2 ) ja y = (y 1, y 2 ) lasketaan yhteen niin, että summavektorin x + y ensimmäinen koordinaatti on x 1 + y 1 ja toinen koordinaatti on x 2 + y 2. Siis (x 1, x 2 ) + (y 1, y 2 ) = (x 1 + y 1, x 2 + y 2 ). Miten tämä näkyy kuvaajassa? Vektoreiden yhtenlasku on sama asia kuin että yhteenlaskettavat vektorit laitetaan peräkkäin ja yhteenlaskun tulos on se piste (vektori) johon päädytään. 3 / 14

Miten vektoreita kerrotaan reaaliluvulla? Vektori x = (x 1, x 2 ) kerrotaan positiivisella kokonaisluvulla k siten, että lasketaan vektoreita x k kappaletta yhteen. Tällöin k (x 1, x 2 ) = (kx 1, kx 2 ). Vektorin suunta säilyy näin samana ja pituus tulee kerrotuksi luvulla k. Vastaavasti, jos vektori kerrotaan positiivisella reaaliluvulla λ, niin λ (x 1, x 2 ) = (λx 1, λx 2 ). Tämä voidaan osoittaa yhdenmuotoisten kolmioiden avulla. Jos vektori kerrotaan luvulla 1, niin vektorin suunta kääntyy vastakkaisesti, mutta vektorin pituus pysyy samana. Tämän nojalla, kun reaaliluku λ 0, pätee myös λ (x 1, x 2 ) = (λx 1, λx 2 ). 4 / 14

Tarkastellaan seuraavaksi vektoreita yleisemmin. Määritelmä 1 Olkoon n N = {1, 2, 3,...}. Jono x = (x 1, x 2,..., x n ), missä x 1, x 2,..., x n R, on n-ulotteinen tai n-komponenttinen vektori. Kaikkien n-ulotteisten vektorien joukko on avaruus R n, ts. R n = {(x 1, x 2,..., x n ) x 1, x 2,..., x n R}. x, y R n ovat samat, jos kaikilla i = 1,..., n. x i = y i 5 / 14

Esimerkki 1 Olkoot x = (2a + 3b + 5c, a 3c, 5b 3c) R 3 ja y = (10, 2, 2) R 3. Vektoriyhtälö x = y vastaa yhtälöryhmää 2a + 3b + 5c = 10 a 3c = 2 5b 3c = 2. 6 / 14

Vektoreiden laskutoimitukset määritellään seuraavasti: Määritelmä 2 Olkoot x = (x 1,... x n ), y = (y 1,..., y n ) R n ja λ R. Tällöin x + y = (x 1 + y 1, x 2 + y 2,..., x n + y n ) R n ja λx = (λx 1, λx 2,..., λx n ) R n. Esimerkki 2 Olkoot x = (1, 4, 2, 6) ja y = (4, 2, 8, 2).Tällöin x + y = (1 + 4, 4 + 2, 2 + 8, 6 + 2) = (5, 6, 10, 8) ja 3y = (3 4, 3 2, 3 8, 3 2) = (12, 6, 24, 6). 7 / 14

Vektoreilla on voimassa seuraavat ominaisuudet: Lause 1 Olkoot x, y, z R n ja λ, µ R.Tällöin (a) x + y = y + x (vaihdannaisuus) (b) x + (y + z) = (x + y) + z (liitännäisyys) (c) on olemassa nollavektori 0 = (0,..., 0) R n ja x + 0 = x (d) on olemassa vastavektori x = 1 x R n ja x + ( x) = 0 (e) λ(µx) = (λµ)x (f) 1 x = x (g) (λ + µ)x = λx + µx (osittelulaki) (h) λ(x + y) = λx + λy (osittelulaki). 8 / 14

Todistus. Olkoot x = (x 1,... x n ), y = (y 1,..., y n ) R n ja λ R. Todistetaan (a). Nyt x + y = (x 1,..., x n ) + (y 1,..., y n ) = (x 1 + y 1,..., x n + y n ) = (y 1 + x 1,..., y n + x n ) = (y 1,..., y n ) + (x 1,..., x n ) = y + x. Todistetaan (c). Selvästi vektori 0 = (0,..., 0) R n. Nyt x + 0 = (x 1,..., x n ) + (0,..., 0) = (x 1 + 0,..., x n + 0) = (x 1,..., x n ) = x. 9 / 14

Todistus. Todistetaan (d). Nyt ja x = 1 x = 1 (x 1,..., x n ) = ( 1 x 1,..., 1 x n ) = ( x 1,..., x n ) R n x + ( x) = (x 1,... x n ) + ( x 1,..., x n ) = (x 1 x 1,..., x n x n ) = (0,..., 0) = 0. 10 / 14

Todistus. Todistetaan (e). Nyt λ(µx) = λ(µ(x 1,..., x n )) = λ(µx 1,..., µx n ) = (λ(µx 1 ),..., λ(µx n )) = (λµx 1,..., λµx n ) = λµ(x 1,..., x n ) = λµx. Todistetaan (f). Nyt 1 x = (1 x 1,... 1 x n ) = (x 1,..., x n ) = x. 11 / 14

Todistus. Todistetaan (h). Nyt λ(x + y) = λ ( (x 1,..., x n ) + (y 1,..., y n ) ) = λ(x 1 + y 1,..., x n + y n ) = ( λ(x 1 + y 1 ),..., λ(x n + y n ) ) = (λx 1 + λy 1,..., λx n + λy n ) = (λx 1,..., λx n ) + (λy 1,..., λy n ) = λ(x 1,..., x n ) + λ(y 1,..., y n ) = λx + λy. Jätetään kohdat (b) ja (g) harjoitustehtäviksi. 12 / 14

Huomautus 1 Edellisen lauseen (d)-kohdan nojalla jokaisella vektorilla y R n on vastavektori y R n. Otetaan käyttöön lyhennysmerkintä x y := x + ( y). Määritelmä 3 Vektoreiden u = (u 1,..., u n ) R n ja v = (v 1,..., v n ) R n pistetulo on u v = u 1 v 1 + u 2 v 2 + + u n v n. Esimerkki 3 Vektoreiden u = (1, 2, 3) ja v = (5, 3, 2) pistetulo on u v = 1 5 + 2 3 + 3 2 = 17. 13 / 14

Määritelmä 4 u R n ja v R n ovat ortogonaaliset eli kohtisuorassa toisiaan vastaan, jos u v = 0. Esimerkki 4 u = (1, 2, 3) ja v = (2, 1, 0) ovat ortogonaaliset, sillä u v = 1 2 2 1 + 3 0 = 2 2 + 0 = 0. 14 / 14