Lineaarialgebra b, kevät 2019

Samankaltaiset tiedostot
Lineaarialgebra b, kevät 2019

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

2.8. Kannanvaihto R n :ssä

Lineaarialgebra b, kevät 2019

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Kuvaus. Määritelmä. LM2, Kesä /160

802320A LINEAARIALGEBRA OSA III

Matemaattinen Analyysi / kertaus

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.

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 );

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

1 Ominaisarvot ja ominaisvektorit

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

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

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

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

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Ortogonaalisen kannan etsiminen

MS-C1340 Lineaarialgebra ja

Lineaarikuvauksen R n R m matriisi

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

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 );

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

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

Kanta ja Kannan-vaihto

1. Normi ja sisätulo

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

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

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

Insinöörimatematiikka D

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 );

JAKSO 2 KANTA JA KOORDINAATIT

Insinöörimatematiikka D

802118P Lineaarialgebra I (4 op)

Määritelmä Olkoon T i L (V i, W i ), 1 i m. Yksikäsitteisen lineaarikuvauksen h L (V 1 V 2 V m, W 1 W 2 W m )

1 Kannat ja kannanvaihto

Insinöörimatematiikka D

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /310

802320A LINEAARIALGEBRA OSA III

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.

5 Ominaisarvot ja ominaisvektorit

2.5. Matriisin avaruudet ja tunnusluvut

802320A LINEAARIALGEBRA OSA II

5 OMINAISARVOT JA OMINAISVEKTORIT

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

802320A LINEAARIALGEBRA OSA III

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

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

802320A LINEAARIALGEBRA OSA III LINEAR ALGEBRA PART III

Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218

Ratkaisuehdotukset LH 7 / vko 47

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

Sisätuloavaruudet. 4. lokakuuta 2006

Vektoreiden virittämä aliavaruus

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

Kantavektorien kuvavektorit määräävät lineaarikuvauksen

Insinöörimatematiikka D

1 Lineaariavaruus eli Vektoriavaruus

Ominaisvektoreiden lineaarinen riippumattomuus

802320A LINEAARIALGEBRA OSA I

1 Sisätulo- ja normiavaruudet

Ominaisarvo ja ominaisvektori

Alkeismuunnokset matriisille, sivu 57

Insinöörimatematiikka D

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

Yleiset lineaarimuunnokset

Johdatus lineaarialgebraan

Lineaarialgebra a, kevät 2018 Harjoitusta 5 Maplella

Matriisialgebra harjoitukset, syksy 2016

Oppimistavoitematriisi

ominaisvektorit. Nyt 2 3 6

Ominaisarvo ja ominaisvektori

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

Avaruuden R n aliavaruus

Kertausta: avaruuden R n vektoreiden pistetulo

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista

Kertausta: avaruuden R n vektoreiden pistetulo

Lineaarialgebra a, kevät 2018

Kanta ja dimensio 1 / 23

Lineaarialgebra ja matriisilaskenta I

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

i=1 Näistä on helppo näyttää ominaisuudet (1)-(4). Ellei toisin mainita, käytetään R n :ssä

Lineaarialgebra ja matriisilaskenta I

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

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

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

Insinöörimatematiikka D

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

2 / :03

Insinöörimatematiikka D

LINEAARIALGEBRA. Harjoituksia/Exercises 2017 Valittuja ratkaisuja/selected solutions

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

7 Vapaus. 7.1 Vapauden määritelmä

Tehtävä 2. Osoita, että seuraavat luvut ovat algebrallisia etsimällä jokin kokonaislukukertoiminen yhtälö jonka ne toteuttavat.

Luento 8: Epälineaarinen optimointi

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35

Tehtävä 1. Arvioi mitkä seuraavista väitteistä pitävät paikkansa. Vihje: voit aloittaa kokeilemalla sopivia lukuarvoja.

Talousmatematiikan perusteet: Luento 9

Transkriptio:

Lineaarialgebra b, kevät 2019 Harjoitusta 5 Maplella with(linearalgebra): Määritellään sääntö L L := u - 3*u[2] + 2*(u[1]-4*u[2])*x - (u[1]+2*u[3])*x^2; u := Vector([u1,u2,u3]); v := Vector([v1,v2,v3]); (1) (2) L(u); # toimiiko? (3) Tehtävä 1. Lineaarinen bijektio? Kyllä! Edellä oleva sääntö todella määrittelee funktion R^3 --, jotka ovat R-kertoimisia lineaariavaruuksia. Lineaarisuusehdon (iii) mukaan: Määritellään muuttuja x reaaliseksi, samoin skalaarit a ja b assume(x, real); assume(a, real); assume(b, real); Onko nyt L(au + bv) = al(u) + bl(v)??? vasen := L(a*u + b*v); (1.1) oikea := a*l(u) + b*l(v); # tämä sentään vähän parempi: (1.2) Kootaan muuttujan x potenssien mukaan: simplify(vasen); (1.3) simplify(oikea); (1.4) Lineaarisuusehdon (iii) puoliskot vasen ja oikea ovat siis samat, joten on lineaarinen. Lasketaan ydin ker L, eli vektorit, jotka kuvautuvat nollapolynomille: L(u) = 0; missä kertoimien on oltava nollia (ratkeaa helposti käsinkin): solve({3*u[2] = 0, 2*(u1-4*u2) = 0, -(u1 + 2*u3) = 0}); Lauseen 15.2.4 mukaan L on injektio, koska vain nollavektori kuvautuu nollapolynomille. (1.5) (1.6)

Koska lähtö- ja maaliavaruudet ovat samaa dimensiota (3), L on myös bijektio (Lause 15.4.2). Tehtävä 2. L:n matriisi ja vektorin kuva Avaruuden R^3 luonnollisen kannan E kuvat: L(Vector([1,0,0])); L(Vector([0,1,0])); L(Vector([0,0,1]));? Näistä nähdään helposti esitykset maalipuolen järjestetyssä luonnollisessa kannassa F = : = 0*1 + 2*x + (-1)*x^2 = 3*1 + (-8)*x + 0*x^2 = 0*1 + 0*x + (-2)*x^2 Poimitaan "riveiltä" kertoimet matriisin sarakkeiksi: A[L] := Matrix([[0,3,0],[2,-8,0],[-1,0,-2]]); (2.1) (2.2) (2.3) (2.4) Vektorin u = (6 2 3)^T koordinaatit luonnollisessa kannassa E ovat = (6 2 3)^T, joten kuvan L (u) koordinaatit kannassa F saadaan kertomalla vasemmalta matriisilla kuvankoordinaatit := Multiply(A[L],Vector([6,2,3])); (2.5) ja nyt nämä kertoimiksi F:n lineaarikombinaatioon Multiply(Transpose(kuvankoordinaatit), Vector([1,x,x^2])); (2.6) Tehtävä 3. Kantoja? Siirtomatriisi ym. a) Määritellään annetut vektorit Mapleen: u1 := Vector([2,3,2]); u2 := Vector([1,2,2]); u3 := Vector( [2,3,4]);

(3.1) v1 := Vector([4,6,5]); v2 := Vector([0,3,1]); v3 := Vector( [4,1,2]); (3.2) Kirjoitetaan vektorijoukot listoiksi, jotta järjestys säilyy ja voidaan muodostaa matriisit: U := [u1,u2,u3]; (3.3) V := [v1,v2,v3]; (3.4) Muodostetaan niistä matriisit ja lasketaan determinantit: AU := Matrix(U); Determinant(AU); 2 AV := Matrix(V); Determinant(AV); (3.5) (3.6) Vektorijoukot ovat kantoja, koska niistä muodostetut matriisit ovat säännöllisiä (det ei nolla). Muodostetaan siirtomatriisi tuntemattomasta matriisista S := Matrix(3, 3, symbol = s);

(3.7) Muodostetaan vektoriyhtälöt, joiden mukaisesti lähtökannan U vektorit esitetään maalipuolen V kannassa Muunnetaan nämä (Maplen mieliksi, helpottaen myös manipulointia vektoriyhtälöstä yhtälöryhmäksi) erotuksiksi, joiden pitää olla nollia: erotus[1] := u1 - (s[1,1]*v1 + s[2,1]*v2 + s[3,1]*v3); erotus[2] := u2 - (s[1,2]*v1 + s[2,2]*v2 + s[3,2]*v3); erotus[3] := u3 - (s[1,3]*v1 + s[2,3]*v2 + s[3,3]*v3); (3.8) Temppuillaan näistä yhtälöryhmät (kukin alkio = 0): YR1 := {seq(erotus[1][k] = 0, k=1..3)}; YR2 := {seq(erotus[2][k] = 0, k=1..3)}; YR3 := {seq(erotus[3][k] = 0, k=1..3)}; (3.9)?subs Ratkaistaan näistä kukin: Sarake1 := solve(yr1); Sarake2 := solve(yr2); Sarake3 := solve(yr3);

(3.10) alkiot := Sarake1 union Sarake2 union Sarake3; # kootaan ratkaisutiedot joukoksi (3.11) S := subs(alkiot,s); # sijoitetaan matriisiin S: (3.12) Toinen tapa olisi ratkaista kaikki kolme yhtälöryhmää kerralla asettamalla kaikki U:n sarakkeet yhtälöryhmän oikealle puolelle (vrt. luentomonisteen Lause?, etsi!). LaajMatr := Matrix([v1,v2,v3,u1,u2,u3]); (3.13) ReducedRowEchelonForm(LaajMatr); (3.14) Näin saadaan vasemmaksi osaksi I ja oikealle S! b) Vektorin x koordinaatit kannassa U ovat nähtävissä suoraan (!) x_u := Vector([1,2,-3]); (3.15) x_v := Multiply(S,x_U); (3.16)

(3.16) Tehtävä 4. Siirtomatriisi polynomiavaruuksissa restart; with(linearalgebra): Kannat ovat siis E := { 1, x, x^2, x^3 } ja F := { 1 + x, x, x^2-1, x^3 + x }, ja siirtoa kannasta E kantaan F kysytään, samoin toisinpäin. Pidetään kantavektorit järjestyksessä pistämällä ne listoiksi: E := [1, x, x^2, x^3]; F := [1 + x, x, x^2-1, x^3 + x]; Merkitään polynomeja Maple-funktioina, samalla voidaan pitää niiden järjestys fiksattuna: p[1] := x - 1; p[2] := x - x; p[3] := x - x^2; p[4] := x - x^3; (4.1) q[1] := x - 1+x; q[2] := x - x; q[3] := x - x^2-1; q[4] := x - x^3+x; (4.2) (4.3) Nyt lähtökannan E polynomit pitää esittää kannassa F, jotta saadaan siirtomatriisi S: S := Matrix(4,4,symbol = s); (4.4) p[i] = s[1,i]*q[1] + s[2,i]*q[2] + s[3,i]*q[3] + s[4,i]*q[4] ; # kaikilla x in R (4.5) polynomiyhtalot := [seq(subs(i = j,

s[1,i]*q[1](x) + s[2,i]*q[2](x) + s[3,i]*q[3](x) + s[4,i]*q [4](x) = p[i](x)), j = 1..4)]; # käännetään yhtälöt toisinpäin (4.6) Ryhmitellään: collect(expand(polynomiyhtalot),x); # koska Maple ei näköjään avaa polynomeja p! (4.7) Poimitaan tästä ihan "käsin" ne yhtälöryhmät, joista luvut saadaan: YR1 := {s[4,1] = 0, s[3,1] = 0, s[1,1] + s[2,1] + s[4,1] = 0, s[1,1] - s[3,1] = 1}; Sarake1 := solve(yr1); YR2 := {s[4,2] = 0, s[3,2] = 0, s[1,2] + s[2,2] + s[4,2] = 1, s[1,2] - s[3,2] = 0}; Sarake2 := solve(yr2); YR3 := {s[4,3] = 0, s[3,3] = 1, s[1,3] + s[2,3] + s[4,3] = 0, s[1,3] - s[3,3] = 0}; Sarake3 := solve(yr3); YR4 := {s[4,4] = 1, s[3,4] = 0, s[1,4] + s[2,4] + s[4,4] = 0, s[1,4] - s[3,4] = 0}; Sarake4 := solve(yr4); (4.8) (4.9) (4.10) (4.11) (4.12) (4.13) (4.14) (4.15)

Nyt liitetään saadut sarakkeet matriisiin S_EF ja tulostetaan ne näkyviin: alkiot := Sarake1 union Sarake2 union Sarake3 union Sarake4; (4.16) S_EF := subs(alkiot,s); # Tään pitäis olla kysytty S_EF: (4.17) Tarkastetaan, että todella toimii: P := x - a + b*x + c*x^2 + d*x^3; (4.18) P_E := Vector([a,b,c,d]); # polynomin koordinaatit kannassa E: (4.19) P_F := Multiply(S_EF, P_E); # koordinaatit kannassa F: (4.20) Nyt rakennetaan lopulta itse esitys F[1]*P_F[1] + F[2]*P_F[2] + F[3]*P_F[3] + F[4]*P_F[4]; (4.21) expand(%); # pitäs tulla alkuperäinen P(x): (4.22) Ja lopulta siirtomatriisi S_FE kannasta F kantaan E käänteismatriisilla: S_FE := MatrixInverse(S_EF); (4.23) Tehtävä 5. Sisätuloavaruus

restart; with(linearalgebra): on reaalikertoiminen lineaariavaruus. Merkitään kyseistä sisätuloehdokasta Maplessa säännöllä ST: ST := (p,q) - p(0)*q(0) + p(1)*q(1) + p(2)*q(2); Kyseessä on selvästi funktio x -- R. Sisätulon muut aksioomat: ST(p,p) = 0; # onko = 0? (5.2) Reaalilukujen neliöiden summana on, ja jos ja vain jos p(0) = p(1) = p (2) = 0. Mutta kyseessä oli toisen asteen polynomit, joilla voi olla 3 nollakohtaa vain, kun kaikki kertoimet ovat nollia, eli kun kyseessä on nollapolynomi, siis avaruuden nollavektori. ST(p,q) = ST(q,p); is(st(p,q) = ST(q,p)); (5.1) true assume(c,real): assume(d,real); ST(c*p + d*q,r); # toimii ihan hullusti! ST(x - c*p(x) + d*q(x),r); vasen := expand(%); c*st(p,r) + d*st(q,r); oikea := expand(%); (5.3) (5.4) (5.5) (5.6) (5.7) (5.8) vasen - oikea; 0 (5.9) Siis on sisätuloavaruus. Tehtävä 6. Toinen kolmioepäyhtälö Merkintä <= tarkoittaa "pienempi tai yhtä suuri kuin". Vihjeen innoittamana: koska u = (u + v) + (- v), saamme tavallisen kolmioepäyhtälön avulla (<= on "pienempi tai yhtäsuuri kuin") u <= u + v + -v = u + v + v, josta u - v <= u + v. (*) Samoin - vaihtamalla roolit - v <= v + u + -u = u + v + u ja siten myös -( u - v ) = v - u <= u + v. (**) Mutta (*) ja (**) yhdessä tarkoittavat, että u - v <= u + v. Tehtävä 7. Epäyhtälöarvioita Merkintä <= tarkoittaa "pienempi tai yhtä suuri kuin". a) 3u - 4v = 4(u - v) - u, joten kolmioepäyhtälön ja normin ominaisuuksien mukaan 3u - 4v = 4(u - v) + (- u) <= 4(u - v) + - u = 4 (u - v) + -1 u = 4 (u - v) + u missä on käytetty tavallis(in)ta normi- -epäyhtälöä. b) Vastaavaan tapaan kuin a), mutta nyt tarvitaan termi 3(u - v)

3u - 4v = 3(u - v) - v, joten kolmioepäyhtälön ja normin ominaisuuksien mukaan 3u - 4v = 3(u - v) + (- v) <= 3(u - v) + - v = 3 (u - v) + -1 v = 3 (u - v) + v Tehtävä 8. Epäyhtälöarvioita Muuttujien suhteen lineaarisuudesta saadaan: <3u - 4v, 4u - 3v = <3u + (-4v), 4u+(-3v) = <3u, 4u+(-3v) + <(-4v), 4u+(-3v) = 12<u, u + (-9)<u, v + (-16)<v, u + 12<v, v Vaihdannaisuuksien avulla saadaan normimerkinnöin <3u - 4v, 4u - 3v = 12( u ^2 + v ^2) + (-25)<u, v Tavallisen kolmioepäyhtälön mukaan ja ottaen huomioon ei-negatiivisuudet: <3u - 4v, 4u - 3v = 12( u ^2 + v ^2) + (-25)<u, v <= 12( u ^2 + v ^2) + (-25)<u, v = 12( u ^2 + v ^2) + 25 <u, v Schwarzin epäyhtälön mukaan edelleen: <= 12( u ^2 + v ^2) + 25 u v