MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Samankaltaiset tiedostot
Similaarisuus. Määritelmä. Huom.

Matriisin eksponenttifunktio ja differentiaaliyhtälöryhmät

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.

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Ominaisarvo ja ominaisvektori

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Lineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / Ratkaisut

Matriisialgebra harjoitukset, syksy 2016

Matemaattinen Analyysi

Ortogonaalisen kannan etsiminen

MS-A0004/A0006 Matriisilaskenta

Milloin A diagonalisoituva?

ominaisvektorit. Nyt 2 3 6

Lineaarialgebra ja matriisilaskenta I

MS-C1340 Lineaarialgebra ja

Insinöörimatematiikka D

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

Insinöörimatematiikka D

1.1. Määritelmiä ja nimityksiä

Insinöörimatematiikka D

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

MS-C1340 Lineaarialgebra ja

Ominaisarvo-hajoitelma ja diagonalisointi

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

5.1. Normi ja suppeneminen Vektoriavaruus V on normiavaruus, jos siinä on määritelty normi : V R + = [0, ) jolla on ominaisuudet:

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

Matematiikka B2 - TUDI

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Numeeriset menetelmät

MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 2: Sarjat

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

Ominaisvektoreiden lineaarinen riippumattomuus

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 2: Sarjat

MS-A010{2,3,4,5} (SCI, ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 2: Sarjat

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Johdatus tekoälyn taustalla olevaan matematiikkaan

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?

Matriisilaskenta Luento 8: LU-hajotelma

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

DI matematiikan opettajaksi: Täydennyskurssi, kevät 2010 Luentorunkoa ja harjoituksia viikolle 13: ti klo 13:00-15:30 ja to 1.4.

Ominaisarvo ja ominaisvektori

2.2.1 Ratkaiseminen arvausta sovittamalla

Sarja. Lukujonosta (a k ) k N voi muodostaa sen osasummien jonon (s n ): s 1 = a 1, s 2 = a 1 + a 2, s 3 = a 1 + a 2 + a 3,...,

Matematiikka B2 - Avoin yliopisto

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28

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

Matematiikan tukikurssi

Lineaarialgebra ja matriisilaskenta I

Lineaarikuvauksen R n R m matriisi

Neliömatriisit A ja B ovat similaareja toistensa suhteen, A B, jos on olemassa kääntyvä matriisi P, jolle pätee A = PBP 1.

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja

1 Matriisit ja lineaariset yhtälöryhmät

Matemaattinen Analyysi

Ratkaisuehdotukset LH 10 / vko 48

1. Viikko. K. Tuominen MApu II 1/17 17

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

Mat Dynaaminen optimointi, mallivastaukset, kierros 1

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

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

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

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

Kanta ja Kannan-vaihto

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

Singulaariarvohajotelma ja pseudoinverssi

5 OMINAISARVOT JA OMINAISVEKTORIT

Lineaarialgebra ja matriisilaskenta I

1 Avaruuksien ja lineaarikuvausten suora summa

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 5: Taylor-polynomi ja sarja

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

6 MATRIISIN DIAGONALISOINTI

Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 41

5 Differentiaaliyhtälöryhmät

Iteratiiviset ratkaisumenetelmät

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 =

Insinöörimatematiikka D

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

5 Ominaisarvot ja ominaisvektorit

Käänteismatriisi 1 / 14

Harjoitus Tarkastellaan luentojen Esimerkin mukaista työttömyysmallinnusta. Merkitään. p(t) = hintaindeksi, π(t) = odotettu inflaatio,

Tyyppi metalli puu lasi työ I II III

Insinöörimatematiikka D

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

v AB q(t) = q(t) v AB p(t) v B V B ṗ(t) = q(t) v AB Φ(t, τ) = e A(t τ). e A = I + A + A2 2! + A3 = exp(a D (t τ)) (I + A N (t τ)), A N = =

Matemaattisen analyysin tukikurssi

Insinöörimatematiikka D

Matematiikan tukikurssi

Differentiaaliyhtälöt II, kevät 2017 Harjoitus 5

= 2±i2 7. x 2 = 0, 1 x 2 = 0, 1+x 2 = 0.

MS-C1340 Lineaarialgebra ja

OMINAISARVOISTA JA OMINAISVEKTOREISTA

Transkriptio:

MS-C340 Lineaarialgebra ja differentiaaliyhtälöt Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 205 / 3 R. Kangaslampi Matriisihajotelmista

Differentiaaliyhtälöitä ratkaistaessa tyypillinen yrite on muotoa y(t) = e rt. Differentiaaliyhtälösysteemeissä tyyppiä x = Ax tarvitaan puolestaan matriisieksponenttia e At. Seuraavaksi selvitetäänkin, miten tällaisia voidaan laskea. Sarjateoriasta tiedetään, että eksponenttifunktion potenssisarja e x = 0 xk k! suppenee x C. Tämän analogian perusteella voidaan määritellä neliömatriisin eksponenttifunktio kaavalla e A = k=0 k! Ak. 2 / 3 R. Kangaslampi Matriisihajotelmista

Esimerkki Diagonaalimatriisin D = diag(d, d 2,..., d n ), potenssit ovat muotoa D k = diag(d k, d k 2,..., d k n ), joten e D = k=0 k! Dk = diag ( k=0 d k k!,..., k=0 d k n k! ) = diag( e d,..., e dn ). 3 / 3 R. Kangaslampi Matriisihajotelmista

Esimerkki 2 Laske e N, kun 0 0 N = 0 0. 0 0 0 0 0 Potensseja laskettaessa todetaan, että N 2 = 0 0 0 ja 0 0 0 N 3 = 0. Näin ollen myös kaikki korkeammat potenssit N k = 0, kun k 3. Siten e N = I + N + 2 2 N2 = 0. 0 0 4 / 3 R. Kangaslampi Matriisihajotelmista

Tällaista matriisia, jonka potenssit jostakin eteenpäin ovat nollia, kutsutaan nilpotentiksi. Sellaiselle sarjakehitelmä e A = k=0 k! Ak luonnollisesti aina suppenee. Mutta miten voidaan tietää, että tämä sarjakehitelmä suppenee mielivaltaisen neliömatriisin tapauksessa? Mielivaltaisessa normiavaruudessa V jono {v k } k= suppenee kohti alkiota v V, jos pätee: lim k v k v = 0. Tarkastellaan nyt matriisieksponentin sarjakehitelmän suppenemista. 5 / 3 R. Kangaslampi Matriisihajotelmista

Lause 3 Sarja k=0 k! Ak suppenee kaikilla A C n n. Todistus. Taululla. Idea: tarkastellaan kutakin matriisin elementtiä erikseen, ja käyttämällä tietoa, että 0 xk k! suppenee, todetaan kunkin elementin ja siten koko matriisisarjan suppenevan. 6 / 3 R. Kangaslampi Matriisihajotelmista

Seuraavan lauseen tietojen avulla matriisieksponentti voidaan laskea yleiselle neliömatriisille: Lause 4 Olkoot A, B ja P n n -matriiseja ja P lisäksi kääntyvä. a) Jos C = PAP, niin e C = P e A P. b) Jos AB = BA, niin e A+B = e A e B. c) e A = (e A ). d) e (A ) = (e A ). 7 / 3 R. Kangaslampi Matriisihajotelmista

Jos matriisi A on diagonalisoituva, eli löytyy P siten, että A = PΛP, jossa Λ on lävistäjämatriisi, niin edellisen lauseen a)-kohdan mukaan e A = Pe Λ P. Koska lävistäjämatriisin eksponenttifunktio osataan laskea, on e A :n laskeminen diagonalisoituville matriiseille näin ratkaistu. 8 / 3 R. Kangaslampi Matriisihajotelmista

Esimerkki 5 [ 0 Matriisin A = ominaisarvot ovat λ 0 = ja λ 2 =. [ Niitä vastaavat ominaisvektorit ovat esim. v = ja [ [ [ 0 v 2 =. Siten Λ =, P = ja 0 [ [ [ e A = Pe Λ P e 0 = 0 e 2 = [ e + e e e 2 e e e + e = 2 2 2 [ cosh sinh sinh cosh. 9 / 3 R. Kangaslampi Matriisihajotelmista

Jos A ei ole diagonalisoituva, niin se voidaan kuitenkin similaarimuuntaa Jordanin muotoon J A. Nyt e J A on lohkolävistäjämatriisi, jonka lohkot koostuvat muotoa e J(λ,r) olevista matriiseista. Nämä voidaan laskea seuraavasti: Jordan-lohko voidaan kirjoittaa lävistäjämatriisin ja nilpotentin matriisin summana [ λ λ [ λ [ 0... J(λ, r) = λi + N =.... = λ.... +....... 0. λ λ Koska λi ja N kommutoivat, saadaan r e J(λ,r) = e λi+n = e λi e N = e λ j=0 j! Nj. 0 / 3 R. Kangaslampi Matriisihajotelmista

Esimerkki 6 Lasketaan Jordan-lohkolle J(4, 2) matriisieksponentti: e J(4,2) = e 4I+[ 0 0 0 = e 4I e [ 0 ( [ ) [ = e 4 0 0 0 0 k 0 e 4 k! = = k=0 ([ 0 0 e 4 [ e 4 0 0 0 0 + [ 0 0 0 [ [ e 4 0 [ 0 e 4 0 = e 4 e 4 0 e 4 ) (koska [ 0 0 0 k = 0 k > ) / 3 R. Kangaslampi Matriisihajotelmista

Esimerkki 7 Aiemmin laskettiin matriisin A = Jordan-muotoon X AX = J A = [ 2 4 4 [ 5 4 3 0 3 2 Näin ollen [ e A = Xe J A X e 2 = X, missä X = e J(4,2) similaarimuunnos [ 0 0 X [ [ [ e 2 = 0 0 e 4 [ 0 0 0 = 4e 4 e 2 + 3e 4 e 2 + e 4 2e 4 e 2 e 4 e 2 e 4. 2 2e 4 e 2 + e 4 e 2 + e 4. 2 / 3 R. Kangaslampi Matriisihajotelmista

Kaikilla matriiseilla on Jordanin hajotelma, joten nyt osataan laskea matriisieksponentti mille tahansa matriisille. Voidaan siis siirtyä eteenpäin, ratkomaan differentiaaliyhtälöitä matriisieksponentin avulla. 3 / 3 R. Kangaslampi Matriisihajotelmista