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

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

Neliömatriisin adjungaatti, L24

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

5 OMINAISARVOT JA OMINAISVEKTORIT

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

Matemaattinen Analyysi / kertaus

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra, kertausta aiheita

7 Vapaus. 7.1 Vapauden määritelmä

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

1 Matriisit ja lineaariset yhtälöryhmät

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

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.

Ennakkotehtävän ratkaisu

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

Vektorien virittämä aliavaruus

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:

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.

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

Ominaisarvo ja ominaisvektori

Matematiikka B2 - TUDI

Lineaarialgebra ja matriisilaskenta I

Lineaarikuvauksen R n R m matriisi

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

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.

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

Determinantti. Määritelmä

Lineaariset yhtälöryhmät ja matriisit

Lineaarialgebra ja matriisilaskenta I

Gaussin ja Jordanin eliminointimenetelmä

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Determinantti 1 / 30

Ominaisarvo ja ominaisvektori

Determinantti. Määritelmä

Insinöörimatematiikka D

Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33

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

Lineaarialgebra ja matriisilaskenta I

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

Kanta ja Kannan-vaihto

ominaisvektorit. Nyt 2 3 6

5.3 Matriisin kääntäminen adjungaatilla

1.1. Määritelmiä ja nimityksiä

2.5. Matriisin avaruudet ja tunnusluvut

Lineaarialgebra ja matriisilaskenta I

Lineaarinen yhtälöryhmä

Avaruuden R n aliavaruus

Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit

Insinöörimatematiikka D

Ortogonaaliset matriisit, määritelmä 1

Matemaattinen Analyysi, s2016, L2

Sovitaan ensin merkintätavoista. Ratkaisemme ensin yksinkertaisen yhtälöparin. 5y = 10. x = 3 x = 1

Lineaarinen toisen kertaluvun yhtälö

Käänteismatriisi 1 / 14

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

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

Pienimmän neliösumman menetelmä (PNS)

Insinöörimatematiikka D

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

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

Pienimmän Neliösumman menetelmä (PNS)

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

Ratkaisuehdotukset LH 3 / alkuvko 45

Vektoreiden virittämä aliavaruus

Kanta ja dimensio 1 / 23

Pienimmän neliösumman menetelmä (PNS)

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

Pienimmän neliösumman menetelmä (PNS)

Oppimistavoitematriisi

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

Talousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi

Matematiikka B2 - Avoin yliopisto

MS-A0004/A0006 Matriisilaskenta

JAKSO 2 KANTA JA KOORDINAATIT

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

Lineaarialgebra ja matriisilaskenta I

Paikannuksen matematiikka MAT

802120P Matriisilaskenta (5 op)

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

Insinöörimatematiikka D

Ratkaisuehdotukset LH 7 / vko 47

Oppimistavoitematriisi

Tyyppi metalli puu lasi työ I II III

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

Lineaarialgebra ja matriisilaskenta I

802118P Lineaarialgebra I (4 op)

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

Inversio-ongelmien laskennallinen peruskurssi Luento 2

Lineaarialgebra (muut ko)

Koodausteoria, Kesä 2014

BM20A0700, Matematiikka KoTiB2

Insinöörimatematiikka D

Kohdeyleisö: toisen vuoden teekkari

1. LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT. 1.1 Lineaariset yhtälöryhmät

1 Lineaariavaruus eli Vektoriavaruus

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

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

Transkriptio:

Yhtälöryhmän ratkaisujen lukumäärä, L26

Esimerkki 1 kvadraattinen 1 Haluamme ratkaista n 4x + y z = 2 x + 2y + z = 5 2x + 2y + 2z = 4 4 1 1 1 2 1 2 2 2 x 4 1 2 + y x y z 1 2 2 = + z 2 5 4 1 1 2 = 2 5 4

Esimerkki 1 kvadraattinen 2 Yhtälöryhmä on kvadraattinen, koska kerroin on neliö. 4 1 1 A = 1 2 1 2 2 2

Esimerkki 1 kvadraattinen 2 Yhtälöryhmä on kvadraattinen, koska kerroin on neliö. 4 1 1 A = 1 2 1 2 2 2 Ratkaisujen olemassaoloa ja lukumäärää voidaan tutkia kerroinn determinantin avulla. 4 1 1 det(a) = 1 2 1 2 2 2 = +4 2 1 2 2 1 1 1 2 2 + ( 1) 1 2 2 2 = 4(2 2 1 2) (1 2 1 ( 2)) (1 2 2 ( 2)) = 8 4 6 = 2

Esimerkki 1 kvadraattinen 3 Lause 1: Kun kvadraattisen n kerroinn determinantti on erisuuri kuin nolla, niin llä on yksi yksikäsitteinen ratkaisu.

Esimerkki 1 kvadraattinen 3 Lause 1: Kun kvadraattisen n kerroinn determinantti on erisuuri kuin nolla, niin llä on yksi yksikäsitteinen ratkaisu. Esimerkin tapauksessa on siis olemassa yksikäsitteinen ratkaisu, joka voidaan ratkaista rivioperaatioin, tai käänteisa käyttäen, tai Cramerin kaavoilla.

Esimerkki 2 kvadraattinen 4 Haluamme ratkaista n 4x + y z = 0 x + 2y + z = 0 2x + 2y + 2z = 0 4 1 1 1 2 1 2 2 2 x 4 1 2 + y x y z 1 2 2 = + z 0 0 0 1 1 2 = 0 0 0

Esimerkki 2 kvadraattinen 5 Homogeenisella llä on aina triviaali ratkaisu x = 0,y = 0,z = 0.

Esimerkki 2 kvadraattinen 5 Homogeenisella llä on aina triviaali ratkaisu x = 0,y = 0,z = 0. Koska kerroin on sama kuin edellisessä esimerkissä, tiedämme että det(a) = 2 0, joten n ratkaisu on yksikäsitteinen.

Esimerkki 2 kvadraattinen 5 Homogeenisella llä on aina triviaali ratkaisu x = 0,y = 0,z = 0. Koska kerroin on sama kuin edellisessä esimerkissä, tiedämme että det(a) = 2 0, joten n ratkaisu on yksikäsitteinen. Ei siis ole olemassa muuta ratkaisua, kuin triviaali x = 0,y = 0,z = 0.

Esimerkki 3 kvadraattinen 6 Haluamme ratkaista n 4x + y z = 0 x + 2y + z = 0 3x y 2z = 0 4 1 1 1 2 1 3 1 2 x 4 1 3 + y x y z 1 2 1 = + z 0 0 0 1 1 2 = 0 0 0

Esimerkki 3 kvadraattinen 7 Nyt kerroinn determinantti on 0, joten löytyy ei-triviaali ratkaisu, joka voidaan ratkaista rivioperaatioilla tai asettamalla yhdelle muuttujalle arvo (esim. z = 1) ja ratkaisemalla näinsaatu (ei-kvadraattinen) 4x + y 1 = 0 x + 2y + 1 = 0 3x y 2 = 0 4x + y = 1 x + 2y = 1 3x y = 2

8 Seuraavan määritelmän alakohdat 1,2,3 ovat keskenään yhtäpitävät: Määr:(a) Matriisi A on lineaarisesti riippuva (sidottu), jos 1. jokin n sarake voidaan muuttaa sarake-operaatioilla nollasarakkeeksi. (Jokin sarake voidaan lausua muiden sarakkeiden lineaarikombinaationa), tai 2. jokin transpoosin A T rivi voidaan muuttaa rivi-operaatioilla nollariviksi, tai 3. A x = 0, jollakin ei-triviaalilla vektorilla x. (b) Matriisi A on lineaarisesti riippumaton (eli vapaa), jos se ei ole lineaarisesti riippuva (eli ei ole sidottu).

9 Lause 2: Neliö A on vapaa, jos ja vain jos sen determinantti ei ole nolla (det(a) 0).

9 Lause 2: Neliö A on vapaa, jos ja vain jos sen determinantti ei ole nolla (det(a) 0). Lause 3: (a) Jos llä A x = b on enemmän kuin yksi ratkaisu (kaksi tai enemmän), niin kerroin on sidottu.

9 Lause 2: Neliö A on vapaa, jos ja vain jos sen determinantti ei ole nolla (det(a) 0). Lause 3: (a) Jos llä A x = b on enemmän kuin yksi ratkaisu (kaksi tai enemmän), niin kerroin on sidottu. (b) Jos n A x = b kerroin on vapaa, niin ryhmällä on korkeintaan yksi ratkaisu. (Yksi ratkaisu tai Rj = /0.)

9 Lause 2: Neliö A on vapaa, jos ja vain jos sen determinantti ei ole nolla (det(a) 0). Lause 3: (a) Jos llä A x = b on enemmän kuin yksi ratkaisu (kaksi tai enemmän), niin kerroin on sidottu. (b) Jos n A x = b kerroin on vapaa, niin ryhmällä on korkeintaan yksi ratkaisu. (Yksi ratkaisu tai Rj = /0.) Perustelu: Jos löytyy kaksi erilaista ratkaisua u ja v, niin niiden erotus w = u v on ei-triviaali vektori ja A w = A( u v) = A u A v = b b = 0 joten A on määritelmän nojalla sidottu.

10 Lause 4: m n n A vapaus vapaus voidaan tutkia seuraavasti:

10 Lause 4: m n n A vapaus vapaus voidaan tutkia seuraavasti: (1) Jos m < n (rivejä vähemmän kuin sarakkeita), niin on sidottu.

10 Lause 4: m n n A vapaus vapaus voidaan tutkia seuraavasti: (1) Jos m < n (rivejä vähemmän kuin sarakkeita), niin on sidottu. (2) Jos m = n (A on neliö), niin A on vapaa, jos ja vain jos det(a) 0.

10 Lause 4: m n n A vapaus vapaus voidaan tutkia seuraavasti: (1) Jos m < n (rivejä vähemmän kuin sarakkeita), niin on sidottu. (2) Jos m = n (A on neliö), niin A on vapaa, jos ja vain jos det(a) 0. (3) Jos m > n (rivejä enemmän kuin sarakeita), niin A on vapaa, jos ja vain jos det(a T A) 0.

10 Lause 4: m n n A vapaus vapaus voidaan tutkia seuraavasti: (1) Jos m < n (rivejä vähemmän kuin sarakkeita), niin on sidottu. (2) Jos m = n (A on neliö), niin A on vapaa, jos ja vain jos det(a) 0. (3) Jos m > n (rivejä enemmän kuin sarakeita), niin A on vapaa, jos ja vain jos det(a T A) 0. Perustelu A x = 0

10 Lause 4: m n n A vapaus vapaus voidaan tutkia seuraavasti: (1) Jos m < n (rivejä vähemmän kuin sarakkeita), niin on sidottu. (2) Jos m = n (A on neliö), niin A on vapaa, jos ja vain jos det(a) 0. (3) Jos m > n (rivejä enemmän kuin sarakeita), niin A on vapaa, jos ja vain jos det(a T A) 0. Perustelu A x = 0 A T A x = 0

10 Lause 4: m n n A vapaus vapaus voidaan tutkia seuraavasti: (1) Jos m < n (rivejä vähemmän kuin sarakkeita), niin on sidottu. (2) Jos m = n (A on neliö), niin A on vapaa, jos ja vain jos det(a) 0. (3) Jos m > n (rivejä enemmän kuin sarakeita), niin A on vapaa, jos ja vain jos det(a T A) 0. Perustelu A x = 0 A T A x = 0 x T A T A x = 0

10 Lause 4: m n n A vapaus vapaus voidaan tutkia seuraavasti: (1) Jos m < n (rivejä vähemmän kuin sarakkeita), niin on sidottu. (2) Jos m = n (A on neliö), niin A on vapaa, jos ja vain jos det(a) 0. (3) Jos m > n (rivejä enemmän kuin sarakeita), niin A on vapaa, jos ja vain jos det(a T A) 0. Perustelu A x = 0 A T A x = 0 x T A T A x = 0 (A x) T A x = 0 }{{} = A x 2

10 Lause 4: m n n A vapaus vapaus voidaan tutkia seuraavasti: (1) Jos m < n (rivejä vähemmän kuin sarakkeita), niin on sidottu. (2) Jos m = n (A on neliö), niin A on vapaa, jos ja vain jos det(a) 0. (3) Jos m > n (rivejä enemmän kuin sarakeita), niin A on vapaa, jos ja vain jos det(a T A) 0. Perustelu A x = 0 A T A x = 0 x T A T A x = 0 (A x) T A x }{{} = A x 2 = 0 A x = 0

10 Lause 4: m n n A vapaus vapaus voidaan tutkia seuraavasti: (1) Jos m < n (rivejä vähemmän kuin sarakkeita), niin on sidottu. (2) Jos m = n (A on neliö), niin A on vapaa, jos ja vain jos det(a) 0. (3) Jos m > n (rivejä enemmän kuin sarakeita), niin A on vapaa, jos ja vain jos det(a T A) 0. Perustelu A x = 0 A T A x = 0 x T A T A x = 0 (A x) T A x }{{} = A x 2 = 0 A x = 0 Siis A x = 0 A T A x = 0, eli A on sidottu, jos ja vain jos A T A on sidottu. Mutta A T A on neliö, jonka vapaus voidaan tutkia kohdan (2) mukaisesti.

11 Tarkastellaan ä A x = b. Muodostetaan täydennetty (augmented) apu W siten, että n RHS lisätään viimeiseksi sarakkeeksi A:n sarakkeiden jälkeen. Esimerkki 4x + y = 7 x + 2y = 7 2x + 2y = 4 4 1 1 2 2 2 A = 4 1 1 2 2 2 ( x y ) = 7 7 4, ja W = 4 1 7 1 2 7 2 2 4.

12 Lause 5: Tarkastellaan ä A x = b, jonka täydennetty (augmented) kerroinkaavio on W, niin

12 Lause 5: Tarkastellaan ä A x = b, jonka täydennetty (augmented) kerroinkaavio on W, niin (1) Jos A on vapaa, niin ryhmällä on enintään yksi ratkaisu.

12 Lause 5: Tarkastellaan ä A x = b, jonka täydennetty (augmented) kerroinkaavio on W, niin (1) Jos A on vapaa, niin ryhmällä on enintään yksi ratkaisu. (2) Jos A on vapaa ja W on sidottu, niin ryhmällä on yksikäsitteinen ratkaisu, joka saadaan kvadraattiselle ryhmälle kaavalla x = A 1 b ja ei-kvadraattiselle ryhmälle kaavalla x = A b = (A T A) 1 A T b

12 Lause 5: Tarkastellaan ä A x = b, jonka täydennetty (augmented) kerroinkaavio on W, niin (1) Jos A on vapaa, niin ryhmällä on enintään yksi ratkaisu. (2) Jos A on vapaa ja W on sidottu, niin ryhmällä on yksikäsitteinen ratkaisu, joka saadaan kvadraattiselle ryhmälle kaavalla x = A 1 b ja ei-kvadraattiselle ryhmälle kaavalla x = A b = (A T A) 1 A T b (3) Jos A on vapaa ja W on vapaa, niin ryhmällä ei ole tarkkaa ratkaisua, mutta pienimmän neliösumman approksimaatio (PNS-ratkaisu) saadaan kaavalla x = A b = (A T A) 1 A T b