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

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

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

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

Ominaisarvo ja ominaisvektori

Lineaarialgebra ja matriisilaskenta I

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

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

Ortogonaalisen kannan etsiminen

Lineaarialgebra ja matriisilaskenta I

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.

Tehtäväsarja I Kerrataan lineaarikuvauksiin liittyviä todistuksia ja lineaarikuvauksen muodostamista. Sarjaan liittyvät Stack-tehtävät: 1 ja 2.

Ominaisarvo ja ominaisvektori

Vektorien virittämä aliavaruus

Similaarisuus. Määritelmä. Huom.

Lineaarialgebra ja matriisilaskenta I

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.

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

Lineaarialgebra ja matriisilaskenta I

Vektoreiden virittämä aliavaruus

Lineaarikuvauksen R n R m matriisi

Lineaarialgebra ja matriisilaskenta I

JAKSO 2 KANTA JA KOORDINAATIT

Lineaarialgebra ja matriisilaskenta I

Insinöörimatematiikka D

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

7 Vapaus. 7.1 Vapauden määritelmä

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

Matriisialgebra harjoitukset, syksy 2016

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

Oppimistavoitematriisi

Ominaisvektoreiden lineaarinen riippumattomuus

Oppimistavoitematriisi

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

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.

Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218

MS-A0004/A0006 Matriisilaskenta

Matematiikka B2 - Avoin yliopisto

Matematiikka B2 - TUDI

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

ominaisvektorit. Nyt 2 3 6

Insinöörimatematiikka D

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

Lineaariset yhtälöryhmät ja matriisit

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

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /

Matemaattinen Analyysi / kertaus

Johdatus lineaarialgebraan

Avaruuden R n aliavaruus

Alkeismuunnokset matriisille, sivu 57

5 OMINAISARVOT JA OMINAISVEKTORIT

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

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

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

Insinöörimatematiikka D

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Ortogonaalinen ja ortonormaali kanta

Insinöörimatematiikka D

Käänteismatriisi 1 / 14

Esimerkki 8. Ratkaise lineaarinen yhtälöryhmä. 3x + 5y = 22 3x + 4y = 4 4x 8y = r 1 + r r 3 4r 1. LM1, Kesä /68

MS-C1340 Lineaarialgebra ja

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

Neliömatriisin adjungaatti, L24

Matemaattinen Analyysi, s2016, L2

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

1 Matriisit ja lineaariset yhtälöryhmät

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

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

6 MATRIISIN DIAGONALISOINTI

802320A LINEAARIALGEBRA OSA III

10 Matriisit ja yhtälöryhmät

Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

2.8. Kannanvaihto R n :ssä

3. Kirjoita seuraavat joukot luettelemalla niiden alkiot, jos mahdollista. Onko jokin joukoista tyhjä joukko?

9 Matriisit. 9.1 Matriisien laskutoimituksia

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

Ratkaisuehdotukset LH 3 / alkuvko 45

6. OMINAISARVOT JA DIAGONALISOINTI

Lineaarialgebra, kertausta aiheita

Johdatus lineaarialgebraan

Tällä viikolla viimeiset luennot ja demot. Lineaarialgebra (muut ko) p. 1/162

Johdatus lineaarialgebraan

Johdatus lineaarialgebraan

Paikannuksen matematiikka MAT

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?

5 Lineaariset yhtälöryhmät

Tyyppi metalli puu lasi työ I II III

Ominaisarvot ja ominaisvektorit 140 / 170

Kantavektorien kuvavektorit määräävät lineaarikuvauksen

Lineaariset kongruenssiyhtälöryhmät

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

1 Ominaisarvot ja ominaisvektorit

Milloin A diagonalisoituva?

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

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /310

Transkriptio:

HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta I, kesä 2015 Harjoitus 4 Ratkaisut palautettava viimeistään maanantaina 862015 klo 1615 Tehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin lukuun 7 eli vapauden käsitteeseen ja homogeenisiin yhtälöryhmiin 1 Oletetaan, että v R n Onko jono ( v, 3 v, 7 v) vapaa vai sidottu? Perustele väitteesi vapauden määritelmän avulla Kuvan hahmotteleminen voi auttaa ratkaisun keksimisessä 2 Tutustu homogeenisen yhtälöryhmän määritelmään 710 ja lauseeseen 711 (a) Mitä tarkoittaa se, että lineaarinen yhtälöryhmä on homogeeninen? Eräitä yhtälöryhmiä vastaavat seuraavat porrasmatriisit: 2 1 3 0 0 1 0 0 21 3 0 8 0 (b) (c) 0 13 1 8 0 0 0 8 0 2 4 6 1 0 0 0 0 0 Päättele suoraan matriiseista, kuinka monta ratkaisua näillä yhtälöryhmillä on 3 Tarkastellaan lineaarista homogeenista yhtälöryhmää, jossa on m yhtälöä ja n tuntematonta Mitkä seuraavista väitteistä ovat varmasti totta? Mitkä voivat olla totta tai epätotta? Mitkä ovat varmasti epätosia? (a) Jos m > n, niin yhtälöryhmällä ei ole yhtään ratkaisua (b) Jos m = n, niin yhtälöryhmällä on tasan yksi ratkaisu (c) Jos m < n, niin yhtälöryhmällä on äärettömän monta ratkaisua 4 Oletetaan, että vektorit v 1, v 2 ja v 3 ovat lineaarisesti riippumattomia avaruuden R n vektoreita Onko jono (3 v 1 + v 3, 2 v 1 4 v 2, 6 v 2 + v 3 ) vapaa? Tehtäväsarja II Seuraavat tehtävät liittyvät kannan käsitteeseen Kertaa tarvittaessa lukuja 6 8 5 Tämä tehtävä löytyy Moodlesta Ohjeet ja linkki löytyvät myös kurssimme sivulta wwwhelsinkifi/ lpjoinon/la1/15 6 Tämä tehtävä löytyy Moodlesta 7 Tässä tehtävässä tarkastellaan joukkoa W = {(x 1, x 2, x 3 ) R 3 2x 1 3x 2 +x 3 = 0} (a) Osoita, että W on avaruuden R 3 aliavaruus etsimällä sille jotkin virittäjät Vihje: Aloita miettimällä, kuinka monta vapaata muuttujaa lineaarisessa yhtälöryhmässä 2x 1 3x 2 + x 3 = 0 on Ratkaisemalla tämän yhtälöryhmän pääset tilanteeseen, joka muistuttaa harjoituksen 3 tehtävää 11 (b) Etsi aliavaruudelle W jokin kanta Mikä on dim(w)? (c) Kuuluuko vektori ū = (5, 6, 3) aliavaruuteen W? Entä vektori v = (4, 2, 2)? (d) Jos vektori ū tai v kuuluu aliavaruuteen W, määritä sen koordinaatit edellä löytämäsi kannan suhteen

Tehtäväsarja III Seuraavat tehtävät liittyvät kurssimateriaalin kappaleeseen 121, jossa selviää, mitä ovat matriisin ominaisarvot ja ominaisvektorit 8 (a) Tallenna koneellesi kurssisivulla oleva tiedosto piirtaminenm Avaa tiedosto MATLABissa/FreeMatissa ja aja se komennolla Run tai Execute current buffer (näppämistöltä F5) (b) Muuta koodia niin, että se piirtääkin vektorit w = ( 2, 3) ja A w (Vektori w on tulkittava sarakevektoriksi eli 2 1 -matriisiksi) (c) Tutki, mitä matriisilla A = 0 1 1 0 kertominen tekee tason vektoreille testaamalla asiaa eri vektoreilla Kirjoita johtopäätöksesi ratkaisupaperiin Tehtävissä 9 10 tutkitaan matriisia A = 9 Merkitään v 1 = (1, 1) ja v 2 = (3, 3) 8 6 9 7 (a) Havainnollista vektoreita v 1 ja A v 1 koordinaatistossa paikkavektoreina Voit muokata tehtävän 8 m-tiedostoa tai laskea ja piirtää vektorit käsin (b) Havainnollista vektoreita v 2 ja A v 2 paikkavektoreina (c) Selitä omin sanoin, mitä matriisilla A kertominen tekee vektoreille v 1 ja v 2 Mitä voit tämän perusteella päätellä matriisin A ominaisarvoista ja -vektoreista? 10 Merkitään w 1 = (2, 3) ja w 2 = ( 1; 1,5) sekä ū 1 = (3, 4) ja ū 2 = (0, 1) (a) Havainnollista vektoreita w 1, A w 1, w 2 ja A w 2 paikkavektoreina (b) Selitä omin sanoin, mitä matriisilla A kertominen tekee vektoreille w 1 ja w 2 Mitä voit tämän perusteella päätellä matriisin A ominaisarvoista ja -vektoreista? (c) Havainnollista vektoreita ū 1, Aū 1, ū 2 ja Aū 2 paikkavektoreina (d) Ovatko ū 1 ja ū 2 matriisin A ominaisvektoreita? Tehtäväsarja IV Seuraavat tehtävät liittyvät kurssimateriaalin kappaleisiin 122 123, joissa jatketaan ominaisarvoihin liittyvien asioiden opiskelua Tutkitaan edelleen matriisia A = 8 6 9 7 11 Oletetaan, että B on n n-neliömatriisi ja λ R (a) Mikä ehto matriisin B determinantin pitää toteuttaa, jotta yhtälöllä B x = 0 olisi muitakin ratkaisuja kuin x = 0? Ks lauseet 113 ja 107 (b) Laske matriisin A λi determinantti ja etsi sen avulla ne luvut λ, joilla yhtälöllä (A λi) x = 0 on muitakin ratkaisuja kuin x = 0 (c) Mitä voit päätellä matriisin A ominaisarvoista?

12 Valitse yksi matriisin A ominaisarvoista, jotka löysit tehtävässä 11 Merkitään sitä symbolilla λ 1 (a) Ratkaise yhtälö A x = λ 1 x eli yhtälö (A λ 1 I) x = 0 (b) Piirrä koordinaatistoon joukko, jonka muodostavat kaikki a-kohdan yhtälön ratkaisut Mitä matriisilla A kertominen tekee tämän joukon vektoreille? (c) Mitä voit päätellä matriisin A ominaisvektoreista? 13 Valitse toinen matriisin A ominaisarvoista, jotka löysit tehtävässä 11 Merkitään sitä symbolilla λ 2 (a) Ratkaise yhtälö A x = λ 2 x eli yhtälö (A λ 2 I) x = 0 (b) Piirrä koordinaatistoon joukko, jonka muodostavat kaikki a-kohdan yhtälön ratkaisut Mitä matriisilla A kertominen tekee tämän joukon vektoreille? (c) Mitä voit päätellä matriisin A ominaisvektoreista? 2 0 1 2 14 Merkitään D = ja P = 0 1 1 3 (a) Miten matriisin D lävistäjäalkiot liittyvät tehtävään 11? Entä miten matriisin P sarakkeet liittyvät tehtäviin 12 13? Miten matriisien D ja P sarakkeet liittyvät toisiinsa? (b) Etsi käänteismatriisi P 1 ja laske tulo P 1 AP Mitä huomaat? (c) Onko matriisi A diagonalisoituva? Ks määritelmä 127 (d) Oliko b-kohdan tulos sattuma? Tutki lausetta 129 Tehtäväsarja V Kertaa tarvittaessa materiaalin lukuja 9 11 15 Oletetaan, että A on neliömatriisi, jolle pätee A 2 = O (a) Osoita, että matriisi I A on kääntyvä ja että sen käänteismatriisi on A + I (b) Osoita esimerkiksi determinantin avulla, että matriisi A ei ole kääntyvä (c) Keksi esimerkki 2 2-matriisista A, jolla A 2 = O 16 Oletetaan, että matriisi A on saatu muokattua matriisiksi 4 1 6 3 9 0 7 8 0 4 0 0 5 2 11 0 0 0 3 1 0 0 0 0 2 tekemällä alkeisrivitoimitukset R 1 R 3, R 2 +R 1, 1 2 R 4 ja R 5 3R 3 Mikä on det(a)? 1 1 1 17 Olkoon A = 2 c 3 2 2 0 (a) Mikä luvun c pitäisi olla, jotta matriisi A ei olisi kääntyvä? (b) Millaisilla erilaisilla tavoilla voit selvittää a-kohdan vastauksen? Luettele keksimiäsi tapoja

Tehtäväsarja VI Seuraavat tehtävät pohjautuvat tutkimukseen Gabriel, K R ja Neumann, J (1962), A Markov chain model for daily rainfall occurrence at Tel Aviv QJR Meteorol Soc, 88: 90 95, jossa tutkittiin sateita Tel Avivissa 27 talvikauden ajan vuosina 1923 1950 Oletetaan, että huomisen sateen todennäköisyydelle pätee seuraava: Jos tänään sataa, niin myös huomenna sataa todennäköisyydellä 0,662 Jos tänään sataa, niin huomenna ei sada todennäköisyydellä 1 0,622 = 0,338 Jos tänään ei sada, niin huomenna sataa todennäköisyydellä 0,250 Jos tänään ei sada, niin huomenna ei sada todennäköisyydellä 1 0,250 = 0,750 18 Matriisikertolaskut kannattaa laskea MATLABilla/FreeMatilla tai laskimella (a) Maanantaina Tel Avivissa ei sada ja haluat tietää, millä todennäköisyydellä keskiviikkona sataa Lasket matriisitulot 0,662 0,250 0 0,250 0,662 0,250 0,250 0,353 = ja = 0,338 0,750 1 0,750 0,338 0,750 0,750 0,647 Mikä on tämän perusteella keskiviikon sateen todennäköisyys? (b) Torstaina Tel Avivissa sataa Millä todennäköisyydellä sunnuntaina ei sada? 19 Tarkastellaan edellisen tehtävän matriisia A = (a) Etsi matriisin A ominaisarvot 0,662 0,250 0,338 0,750 (b) Yksi matriisin A ominaisarvoista on 1 Etsi sitä vastaavat ominaisvektorit (c) Matriisin A ominaisarvoa 1 vastaavat ominaisvektorit voidaan kirjoittaa esimerkiksi muodossa (0,25t/0,338; t), missä t R {0} Jos tämäntyyppisellä vektorilla kuvataan sateisen ja sateettoman päivän todennäköisyyksiä, pitää todennäköisyyksien summan olla yksi eli 0,25 t 0,338 + t = 1 Ratkaise tästä yhtälöstä t Kirjoita näkyviin sitä vastaava vektori (0,25t/0,338; t) (d) Sunnuntaina Tel Avivissa ei satanut Luennoitsija halusi tietää, sataisiko siellä kahden viikon päästä, joten hän laski matriisitulon Tehtäväsarja VII 14 0,662 0,250 0 0,338 0,750 1 0,425 0,575 Päättele tämän tiedon ja c-kohdan avulla, kuinka monta prosenttia talvikauden päivistä Tel Avivissa on todennäköisesti sateisia ja kuinka monta poutaisia Seuraavien tehtävien avulla voit kerrata lukujen 5 8 asioita ja syventää osaamistasi 20 Tämä tehtävä löytyy Moodlesta 21 Tämä tehtävä löytyy Moodlesta

22 Tarkastellaan lineaarista yhtälöryhmää x 1 x 2 + 2x 3 = 1 2x 1 x 2 + ax 3 = 2 x 1 + 2x 2 + x 3 = b Määritä ne reaaliluvut a ja b, joilla yhtälöryhmällä (a) on tasan yksi ratkaisu; (b) ei ole yhtään ratkaisua; (c) on äärettömän monta ratkaisua 23 Tarkastellaan vektorien v 1 = (1, 1, 0, 0), v 2 = (0, 1, 2, 1), v 3 = (3, 2, 2, 1) ja v 4 = (1, 2, 2, 1) virittämää avaruuden R 4 aliavaruutta V = span( v 1, v 2, v 3, v 4 ) (a) Määritä kanta aliavaruudelle V Kannattaa tutustua esimerkkeihin 812 ja 813 Niissä esitetään kaksi erilaista ratkaisutapaa (b) Mikä on aliavaruuden V dimensio? (c) Onko aliavaruus V suora tai taso?