Lineaarialgebra ja matriisilaskenta I

Samankaltaiset tiedostot
Lineaarialgebra ja matriisilaskenta I

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

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.

Lineaarialgebra ja matriisilaskenta I

Ortogonaalinen ja ortonormaali kanta

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.

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

Lineaarialgebra ja matriisilaskenta I

9 Matriisit. 9.1 Matriisien laskutoimituksia

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

Vektorien virittämä aliavaruus

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

7 Vapaus. 7.1 Vapauden määritelmä

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

Lineaarialgebra ja matriisilaskenta I

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

Vektoreiden virittämä aliavaruus

Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218

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

Insinöörimatematiikka D

Ortogonaalisen kannan etsiminen

Lineaarialgebra ja matriisilaskenta I

Lineaarikuvauksen R n R m matriisi

Lineaariset yhtälöryhmät ja matriisit

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 =

Johdatus lineaarialgebraan

Insinöörimatematiikka D

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /310

1.1. Määritelmiä ja nimityksiä

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

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

Avaruuden R n aliavaruus

Ominaisarvo ja ominaisvektori

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Kantavektorien kuvavektorit määräävät lineaarikuvauksen

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

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

Kertausta: avaruuden R n vektoreiden pistetulo

802320A LINEAARIALGEBRA OSA I

Oppimistavoitematriisi

Insinöörimatematiikka D

Johdatus lineaarialgebraan

Insinöörimatematiikka D

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

Talousmatematiikan perusteet: Luento 9. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Transponointi Matriisitulo

JAKSO 2 KANTA JA KOORDINAATIT

Johdatus lineaarialgebraan

Lineaarialgebra (muut ko)

1 Lineaariavaruus eli Vektoriavaruus

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

Kertausta: avaruuden R n vektoreiden pistetulo

MS-C1340 Lineaarialgebra ja

10 Matriisit ja yhtälöryhmät

Matriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

Matriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi

Johdatus lineaarialgebraan

Kanta ja dimensio 1 / 23

BM20A0700, Matematiikka KoTiB2

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

Oppimistavoitematriisi

3x + y + 2z = 5 e) 2x + 3y 2z = 3 x 2y + 4z = 1. x + y 2z + u + 3v = 1 b) 2x y + 2z + 2u + 6v = 2 3x + 2y 4z 3u 9v = 3. { 2x y = k 4x + 2y = h

Johdatus lineaarialgebraan

Seuraava luento ti on salissa XXII. Lineaarialgebra (muut ko) p. 1/117

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

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Tehtäväsarja I Kertaa tarvittaessa materiaalin lukuja 1 3 ja 9. Tarvitset myös luvusta 4 määritelmän 4.1.

Johdatus tekoälyn taustalla olevaan matematiikkaan

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

9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista

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:

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

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

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

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Similaarisuus. Määritelmä. Huom.

Ominaisvektoreiden lineaarinen riippumattomuus

Ominaisarvo ja ominaisvektori

Johdatus lineaarialgebraan

Käänteismatriisi 1 / 14

802320A LINEAARIALGEBRA OSA III

Muistutus: Matikkapaja ke Siellä voi kysyä apua demoihin, edellisen viikon demoratkaisuja, välikoetehtävien selitystä, monisteesta yms.

2.5. Matriisin avaruudet ja tunnusluvut

Lineaarialgebra ja matriisilaskenta I

Insinöörimatematiikka D

Talousmatematiikan perusteet: Luento 10. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Matriisitulo Determinantti

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

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

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

Insinöörimatematiikka D

Ennakkotehtävän ratkaisu

Ensi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/66

Insinöörimatematiikka D

Insinöörimatematiikka D

Kuvaus. Määritelmä. LM2, Kesä /160

Ensi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/159

Algebra I, harjoitus 5,

Käänteismatriisin ominaisuuksia

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

Transkriptio:

Lineaarialgebra ja matriisilaskenta I 29.5.2013 HY / Avoin yliopisto Jokke Häsä, 1/26

Kertausta: Kanta Määritelmä Oletetaan, että w 1, w 2,..., w k W. Vektorijono ( w 1, w 2,..., w k ) on aliavaruuden W kanta, jos seuraavat ehdot pätevät: a) W = span( w 1, w 2,..., w k ) b) ( w 1, w 2,..., w k ) on vapaa., 2/26

Esimerkki On osoitettu, että vektorit ē 1 = (1, 0) ja ē 2 = (0, 1) virittävät avaruuden R 2. Lisäksi on osoitettu, että jono (ē 1, ē 2 ) on vapaa. Siten (ē 1, ē 2 ) on avaruuden R 2 kanta. Vastaavasti avaruudella R n on kanta (ē 1, ē 2,..., ē n ), missä ē i = (0,..., 0, 1, 0,..., 0). Kantaa kutsutaan avaruuden R n luonnolliseksi kannaksi., 3/26

Kertausta: Kannan karakterisointi Lause 1 Jono ( w 1, w 2,..., w k ) on aliavaruuden W kanta, jos ja vain jos jokainen aliavaruuden W vektori voidaan kirjoittaa täsmälleen yhdellä tavalla vektoreiden w 1, w 2,..., w k lineaarikombinaationa., 4/26

Kertausta: Esimerkki Merkitään w 1 = (2, 1), w 2 = (1, 3). Osoitetaan, että ( w 1, w 2 ) on avaruuden R 2 kanta. Ratkaisun antaa yhtälöryhmä, jonka matriisi on [ ] 2 1 u1. 1 3 u 2 Päädytään redusoituun porrasmatriisiin [ 1 0 1 7 (3u ] 1 u 2 ) 1 0 1 7 (u. 1 + 2u 2 ), 5/26

Kertausta: Koordinaatit Määritelmä Oletetaan, että B = ( w 1,..., w k ) on aliavaruuden W kanta. Oletetaan, että ū W. Vektorin ū koordinaateiksi kannan B suhteen kutsutaan reaalilukuja a 1,..., a k, joilla ū = a 1 w 1 + +a k w k. Edeltävän lauseen 1 nojalla koordinaatit ovat yksikäsitteisesti määrätyt., 6/26

Kertausta: Esimerkki Määritetään vektorin ū = (8, 3) koordinaatit avaruuden R 2 luonnollisen kannan E 2 = (ē 1, ē 2 ) suhteen. 3ē 2 ē 2 ū = 8ē 1 + 3ē 2 ē 1 8ē 1, 7/26

Esimerkki Määritetään vektorin ū = (8, 3) koordinaatit kannan B = ( w 1, w 2 ) suhteen, missä w 1 = (2, 1) ja w 2 = (1, 3). Käytetään aiemmin saatua matriisia [ 1 0 1 7 (3u ] 1 u 2 ) 1 0 1 7 (u. 1 + 2u 2 ), 8/26

2 w 2 w 2 ū = 3 w 1 + 2 w 2 w 1 3 w 1, 9/26

Dimensio Voidaan osoittaa, että jokaisella aliavaruudella on kanta jokaisessa tietyn aliavaruuden kannassa on yhtä monta vektoria. Määritelmä Aliavaruuden W dimensio dim(w) on aliavaruuden W kannan vektoreiden lukumäärä. Jos aliavaruuden dimensio on n, sanotaan, että aliavaruus on n-ulotteinen., 10/26

Esimerkki Avaruuden R 2 dimensio on 2, sillä avaruudella on luonnollinen kanta (ē 1, ē 2 ). Vastaavasti avaruuden R n dimensio on n, sillä avaruuden luonnollisen kannan vektorien lukumäärä on n., 11/26

Esimerkki Merkitään v 1 = (3, 1, 5), v 2 = (2, 1, 3) ja v 3 = (0, 5, 1). Olkoon W = span( v 1, v 2, v 3 ). Mikä on aliavaruuden W dimensio? Tapa 1: Tutkitaan, millä ehdolla vektori ū = (u 1, u 2, u 3 ) kuuluu aliavaruuteen: 3 2 0 u 1 1 1 5 u 2 1 1 5 u 2 1 0 1 3 5 (u 1 + 3u 2 ). 5 3 1 u 1 3 0 0 0 5 (5u 3 + u 2 8u 1 ) Aliavaruus on joukko {(u 1, u 2, u 3 ) 5u 3 + u 2 8u 1 = 0}., 12/26

Esimerkki jatkuu Muokataan joukkoa: W = {(u 1, u 2, u 3 ) 5u 3 + u 2 8u 1 = 0} = = {u 1 (1, 8, 0) + u 3 (0, 5, 1) u 1, u 3 R}. Siispä W = span ( (1, 8, 0),(0, 5, 1) ). Tarkistetaan vielä, että saatu jono on vapaa, jolloin dimensio on 2., 13/26

Esimerkki jatkuu Tapa 2: Tutkitaan, mitkä alkuperäisistä virittäjävektoreista voidaan jättää pois: 3 2 0 1 1 5 1 1 5 0 1 3. 5 3 1 0 0 0 Nähdään, että W = span( v 1, v 2 ). Tarkistetaan vielä, että saatu jono on vapaa, jolloin dimensio on 2., 14/26

Luentotehtävä Osoite: m.socrative.com Huone: 969797 Millä x:n arvolla seuraavien vektorien jono on sidottu? ( 1, 0, 0), (2, 11, 0), ( 3, 2, x) A vain arvolla 1 B vain arvolla 0 C kaikilla arvoilla D ei millään arvolla E en tiedä, 15/26

MATRIISIT a 11 a 12... a 1n a 21 a 22... a 2n A =... a m1 a m2... a mn Matriisi A on m n -matriisi eli sen tyyppi on m n. Rivillä i sarakkeessa j olevaa alkiota merkitään A(i, j). Kaikkien reaalikertoimisten m n -matriisien joukkoa merkitään R m n., 16/26

Esimerkki Esimerkiksi 1 0 500 3 11 π B = 3 4 0 2 0 2 6 on 4 3-matriisi eli B R 4 3., 17/26

Matriisien yhteenlasku Matriiseja, joilla on sama tyyppi, voidaan laskea yhteen. 1 2 2 1 1+2 2+( 1) 3 1 3 4 + 0 1 = 3+0 4+1 = 3 5. 5 6 3 2 5+3 6+2 8 8, 18/26

Matriisin kertominen skalaarilla 2 1 2 2 2 ( 1) 4 2 2 0 1 = 2 0 2 1 = 0 2 3 2 2 3 2 2 6 4, 19/26

Matriisikertolasku Kaksi matriisia voidaan kertoa keskenään vain, jos ensimmäisessä on yhtä paljon sarakkeita kuin toisessa on rivejä. [ ] 1 2 2 1 0 AB = 2 1 1 3 2 0 1 [ ] 2 1+( 1) ( 2)+0 0 2 2+( 1) ( 1)+0 1 = 1 1+3 ( 2)+2 0 1 2+3 ( 1)+2 1 [ ] 4 5 =. 5 1, 20/26

Esimerkki Matriisien kertolasku ei ole vaihdannainen! Lasketaan matriisien [ ] 2 1 A = 1 2 tulo AB. Miltä näyttää tulo BA? ja B = [ 0 ] 3 4 1, 21/26

Matriisipotenssi Matriisikertolaskun avulla voidaan määritellä potenssiin korottaminen. Oletetaan, että A on n n-matriisi ja k {1, 2,... }. Tällöin määritellään A k = } AA {{ A}. k kpl, 22/26

Matriisien laskusääntöjä Lause 2 Seuraavat säännöt pätevät matriiseille A, B ja C sekä reaaliluvulle a, jos laskutoimitukset on määritelty: (a) A+B = B + A (b) A+(B + C) = (A+B)+C (c) A(BC) = (AB)C (d) A(B + C) = AB + AC (e) (A+B)C = AC + BC (f) a(ab) = (aa)b = A(aB) Huomaa, että yleisessä tapauksessa AB BA!, 23/26

Erityisiä matriiseja Nollamatriisi: Ykkösmatriisi: 0 0 0 0 0 0 O m n =... Rm n 0 0 0 1 0 0 0 1. I n =. R n n... 0 0 0 1 Usein merkitään O m n = O ja I n = I., 24/26

Erityisiä matriiseja Olkoon A R m n Nollamatriisi käyttäytyy yhteenlaskussa kuin luku 0: A+O m n = A Ykkösmatriisi käyttäytyy kertolaskussa kuin luku 1: I m A = A ja AI n = A, 25/26

Erityisiä matriiseja Lävistäjämatriisi: Skalaarimatriisi: 2 0 0 0 0 1 0 0 0 0 0 0 0 0 0 15 2 0 0 0 2 0 0 0 2 Jälkimmäinen on sama kuin 2I 3, 26/26