1.1. Määritelmiä ja nimityksiä

Samankaltaiset tiedostot
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 =

BM20A0700, Matematiikka KoTiB2

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

Ortogonaalinen ja ortonormaali kanta

Johdatus tekoälyn taustalla olevaan matematiikkaan

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

Käänteismatriisi 1 / 14

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

Matematiikka B2 - TUDI

Insinöörimatematiikka D

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

Ennakkotehtävän ratkaisu

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset

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

Käänteismatriisin ominaisuuksia

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

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

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

9 Matriisit. 9.1 Matriisien laskutoimituksia

1 Matriisit ja lineaariset yhtälöryhmät

2.1.4 har:linyryhmat03. Octavella. Katso ensin esimerkit???? esim:yroctave01 Octaven antamat vastausehdotukset.

Lineaarialgebra ja matriisilaskenta I

Insinöörimatematiikka D

Insinöörimatematiikka D

Insinöörimatematiikka D

Matematiikka B2 - Avoin yliopisto

Insinöörimatematiikka D

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

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

Käänteismatriisin. Aiheet. Käänteismatriisin ominaisuuksia. Rivioperaatiot matriisitulona. Matriisin kääntäminen rivioperaatioiden avulla

Lineaarialgebra ja matriisilaskenta I

Johdatus lineaarialgebraan. Juha Honkala 2017

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

Lineaarialgebra (muut ko)

Lineaariset yhtälöryhmät ja matriisit

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. Olkoot A 2 := AA =

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

802120P Matriisilaskenta (5 op)

Determinantti 1 / 30

5 Ominaisarvot ja ominaisvektorit

1 Ominaisarvot ja ominaisvektorit

1. LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT. 1.1 Lineaariset yhtälöryhmät

Insinöörimatematiikka D

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Tiivistelmä matriisilaskennasta

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

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

9.2 Lineaarikuvaus Olkoon A kuvaus (funktio) vektoriavaruudesta V vektoriavaruuteen U: jos nyt

Osittaistuenta Gaussin algoritmissa: Etsitään 1. sarakkeen itseisarvoltaan suurin alkio ja vaihdetaan tämä tukialkioiksi (eli ko. rivi 1. riviksi).

2.8. Kannanvaihto R n :ssä

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

802118P Lineaarialgebra I (4 op)

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

Informaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen

Jouni Sampo. 4. maaliskuuta 2013

802120P MATRIISILASKENTA (5 op)

Talousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi

Matriisit ja optimointi kauppatieteilijöille P

Informaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen

5 OMINAISARVOT JA OMINAISVEKTORIT

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

2.5. Matriisin avaruudet ja tunnusluvut

Matriiseista. Emmi Koljonen

Matriisit ja optimointi kauppatieteilijöille P

Numeeriset menetelmät

Informaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen

Lineaarialgebra I. Oulun yliopisto Matemaattisten tieteiden laitos Esa Järvenpää Kirjoittanut Tuula Ripatti

Matriisinormeista. Sanni Carlson. Matematiikan pro gradu

Informaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen

3.1 Lineaarikuvaukset. MS-A0007 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset

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:

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

Insinöörimatematiikka D

Ax, y = x, A y. A = A A hermiittinen. Jokainen reaalinen ja symmetrinen matriisi on määritelmän mukaan myös hermiittinen. A =, HARJOITUSTEHTÄVIÄ

Neliömatriisin adjungaatti, L24

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47

Lineaarialgebra ja matriisilaskenta I

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

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

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?

6 MATRIISIN DIAGONALISOINTI

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

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

Ositetuista matriiseista

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

Matriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: ,, x1 x. Matriiseihin perehtyminen voidaan perustella useilla järkisyillä.

Lineaarikuvauksen R n R m matriisi

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

Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa.

Alkeismuunnokset matriisille, sivu 57

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

Sisätuloavaruudet. 4. lokakuuta 2006

MATRIISIN HESSENBERGIN MUOTO. Niko Holopainen

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

ominaisvektorit. Nyt 2 3 6

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

Ortogonaaliset matriisit, määritelmä 1

H = : a, b C M. joten jokainen A H {0} on kääntyvä matriisi. Itse asiassa kaikki nollasta poikkeavat alkiot ovat yksiköitä, koska. a b.

FUNKTIOT JA MATRIISIT

1 Lineaariavaruus eli Vektoriavaruus

Transkriptio:

1.1. Määritelmiä ja nimityksiä Luku joko reaali- tai kompleksiluku. R = {reaaliluvut}, C = {kompleksiluvut} R n = {(x 1, x 2,..., x n ) x 1, x 2,..., x n R} C n = {(x 1, x 2,..., x n ) x 1, x 2,..., x n C} Vektoria x = (x 1, x 2,..., x n ) merkitään usein myös x = (x 1 x 2 x n ) tai x = x 1 x 2 x n. Piiri Piiri: a1 b1 b2 b3 a2 b4 Sama informaatio: 1 1 0 1 Q = 0 0 1 1

Matriisi Luvut ja vektorit erikoistapauksia matriisista: Matriisi= Lukusuorakulmio. a 11 a 12... a 1n a 21 a 22... a 2n A =.... a m1 a m2... a mn a ij on matriisin A alkio tai elementti. Huom. a ij :ssä i ilmoittaa rivin ja j sarakkeen missä ko. alkio sijaitsee. Matriisin A tyyppi (laji, dimensio) on m n. Matriisimerkintöjä: A = A m n = (a ij ) = (a ij ) m n. Jos m = n kyseessä on neliömatriisi (rivejä ja sarakkeita yhtä monta). Ylä- ja alkolmiomatriisit Yläkolmiomatriisi, jos a ij = 0, kun i > j x x x x x 0 x x x x 0 0 x x x 0 0 0 x x. 0 0 0 0 x Alakolmiomatriisi, jos a ij = 0 kun i < j x 0 0 0 0 x x 0 0 0 x x x 0 0 x x x x 0. x x x x x

Diagonaalimatriisi Lävistäjä- eli diagonaalimatriisi, jos a ij = 0 kun i j x 0 0 0 0 0 x 0 0 0 0 0 x 0 0 0 0 0 x 0 0 0 0 0 x Vain päälävistäjän (luode-kaakko) alkiot voivat olla 0. Diagonaalimatriisia merkitään usein myös: λ 1 0 0 0 0 0 λ 2 0 0 0 0 0 λ 3 0 0 0 0 0 λ 4 0 = diag (λ 1, λ 2, λ 3, λ 4, λ 5 ). 0 0 0 0 λ 5 Yksikkö- ja nollamatriisi Tyyppiä n n oleva yksikkömatriisi I n (tai I, jos tyyppi tiedetään) on 1 0 0 0 0 1 0 0 I n = diag(1, 1,..., 1) = 0 0 1 0 0. 0 0 0 1 Nollamatriisi O (tai O m n ) on matriisi, jonka kaikki alkiot ovat nollia.

Vaaka- ja pystyvektorit 1 m matriisi x = (x 1, x 2,..., x m ) on vaakavektori. m 1 matriisi y = y 1 y 2. y m on pystyvektori. Liityntämatriisi Kaksi piiriä: b1 b1 a1 b2 a1 b2 b3 b3 a2 b4 a2 b4 Liityntämatriisit: 1 1 1 1 P = 0 0 0 1 Eri piirit, joten matriisien oltava myös erisuuret. Q = ( 1 1 0 ) 1 0 0 1 1

Matriisien yhtäsuuruus m n-matriisit A = (a ij ) ja B = (b ij ) ovat yhtäsuuret: a ij = b ij kaikilla i, j. Vastinalkiot ovat samat. Merkitään A = B. Matriisien yhteenlasku ja luvulla kertominen m n-matriisien A = (a ij ) ja B = (b ij ) summa C = (c ij ), A + B = C, on m n-matriisi jonka alkiot ovat c ij = a ij + b ij. Matriisin A = (a ij ) ja luvun c tulo (skalaarilla kertominen) ca on matriisi ca = (ca ij ), (= Ac) B = ( b ij ) on matriisin B = (b ij ) vastamatriisi Matriisien erotus A B = (a ij b ij ).

Vektoreiden pistetulo Kahden vektorin pistetulo: (x 1, x 2,..., x n ) (y 1, y 2,..., y n ) = x 1 y 1 + x 2 y 2 + + x n y n. Esimerkki. (1, 2, 3) (4, 5, 6) = ( i+2 j+3 k) (4 i+5 j+6 k) = 1 4+2 5+3 6 = 32. Yleistys Sama toisin: 4 1 2 3 5 = ( 1 4 + 2 5 + 3 6 ) = (32) 6 Kertolasku voidaan yleistää Vektori Matriisi : 4 a 1 2 3 5 b = ( 1 4 + 2 5 + 3 6 1 a + 2 b + 3 c ) 6 c = 32 a + 2b + 3c

Matriisi Vektori : 4 1 2 3 5 = x y z 6 = 1 4 + 2 5 + 3 6 x 4 + y 5 + z 6 ( 32 ) 4x + 5y + 6z Matriisi Matriisi : 4 a 1 2 3 5 b = x y z 6 c = ( 1 4 + 2 5 + 3 6 ) 1 a + 2 b + 3 c 4x + 5y + 6z x a + y b + z c ( 32 ) 1a + 2b + 3c 4x + 5y + 6z xa + yb + zc Matriisien tulo Olkoon C = (c ij ) = A B ja olkooon matriisitulo A B määritelty. Silloin c ij on A:n i:nnen vaakarivin ja B:n j:nnen pystyrivin pistetulo.

Matriisitulon määritelmä Matriisien A m n = (a ik ) ja B n p = (b kj ) tulo AB (tässä järjestyksessä): m p-matriisi C = (c ij ) c ij = n a ik b kj = a i1 b 1j + a i2 b 2j + a i3 b 3j + + a in b nj. k=1 Määritelmä jatkoa Siis: = b 11 b 12 b 1p b 21 b 22 b 2p.................. b n1 b n2 b np a 11 a 12 a 1n a 21 a 22 a 2n................... a m1 a m2 a mn a 11 b 11 + a 12 b 21 + + a 1n b n1 a 11 b 1p + + a 1n b np a 21 b 11 + a 22 b 21 + + a 2n b n1 a 21 b 1p + + a 2n b np.......................................................... a m1 b 11 + a m2 b 21 + + a mn b n1 a m1 b 1p + + a mn b np

Esimerkki. Esim. Laske 1 2 5 7. 3 4 6 8 Ratk.... Matriisitulon olemassaolo Matriisitulo AB on määritelty vain kun: A:n vaakavektorissa ja B:n pystyvektorissa yhtä monta alkiota, eli A:n sarakkeiden lukumäärä = B:n rivien lukumäärä. Esimerkki. 1 4 7 8 2 1 1 1 1 2 3 4 3 3 2 1 ei ole määritelty 2 5 1 1 1 3 2 1 1 4 7 8 1 2 3 4 2 1 1 1 2 5 1 1 3 3 2 1 on määritelty. 1 3 2 1

Matriisitulot AB ja BA Luvuille a, b on voimassa ab = ba. Matriiseille yleisesti: AB BA. Jos AB = BA, niin matriisit A ja B kommutoivat. Välttämättä A ja B ovat samaa lajia olevia neliömatriiseja (n n matriiseja). Huom. Myös neliömatriiseille on yleensä AB BA. Lause 1.1. Mikäli alla esitetyt laskutoimitukset ovat määriteltyjä, niin aina kun A ja B ovat matriiseja, λ ja µ ovat lukuja, O nollamatriisi ja I yksikkömatriisi, on voimassa: 1. A + B = B + A 2. (A + B) + C = A + (B + C) 3. A + O = A 4. A + ( A) = O 5. (λµ)a = λ(µa) 6. (λ + µ)a = λa + µa 7. λ(a + B) = λa + λb 8. 1 A = A 9. (AB)C = A(BC) 10. A(B + C) = AB + AC 11. (A + B)C = AC + BC 12. λ(ab) = (λa)b = A(λB) 13. IA = A 14. AI = A

Merkintä Merkintä: A n = A A A A (n kpl) A 0 = I. Transponointi Matriisin transponointi = Rivien muuttaminen sarakkeiksi. Tarkasti: A m n-matriisi, A = (a ij ) Matriisin A transpoosi eli transponoitu matriisi A T on n m matriisi A T = (a ji ). A T :n rivit = A:n sarakkeet A T. :n sarakkeet = A:n rivit Esimerkki. T 1 2 7 = 1 9 4 1 1 2 9. 7 4

Symmetria A on symmetrinen, jos A T = A. 1 4 7 8 4 2 3 5 7 3 0 5 on symmetrinen 8 5 5 1 A on vinosymmetrinen, jos A T = A 0 4 7 8 4 0 3 5 7 3 0 5 on vinosymmetrinen. 8 5 5 0 Ominaisuuksia Lause 1.2. 1. (A T ) T = A 2. (A + B) T = A T + B T 3. (λa) T = λa T 4. (AB) T = B T A T Todistus. Suoraan transpoosin määritelmän perusteella.

Vektoreiden transponointi Vektoreille: x 1 x = x 2, x T = (x 1 x 2 x 3 ) = (x 1, x 2, x 3 ) x 3 y 1 y = (y 1, y 2, y 3 ), y T = y 2. y 3 Käänteismatriisi Matriisi B on matriisin A käänteismatriisi, jos AB = I ja BA = I. A:n käänteismatriisia (jos olemassa) merkitään A 1. Lause 1.3. Jos matriisilla on käänteismatriisi niin se on yksikäsitteinen. Todistus. Vastaoletus: Matriisilla A on kaksi eri käänteismatriisia, B ja B. Siis B B. Käänteismatriisin määritelmän perusteella on voimassa: AB = BA = I, Silloin Siis B = B. AB = B A = I B = IB = (B A)B = B (AB) = B I = B.

Säännölliset matriisit Käänteismatriisin olemassaolo luokittelee kaikki neliömatriisit kahteen luokkaan: Jos A 1 on olemassa, niin A on säännöllinen. Jos A:lle ei ole käänteismatriisia niin A on singulaarinen. Jos A on säännöllinen, niin matriisitulot AA 1 ja A 1 A ovat määriteltyjä. Siis A on neliömatriisi. Neliömatriiseille A ja B on voimassa: Jos AB = I, niin BA = I. Matriisin B osoittamiseksi matriisin A käänteismatriisiksi riittää siis osoittaa, että AB = I. Esimerkki 1.4. Etsi matriisin A = 0 1 1 1 käänteismatriisi. Ratk....