T p = 0. λ n i T i B = Käytetään kohdan (i) identiteetin todistamiseen induktiotodistusta. : Oletetaan, että väite on totta, kun n = k.

Samankaltaiset tiedostot
1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä

HASSEN-WEILIN LAUSE. Kertausta

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit

1 0 2 x 1 a. x 1 2x c b 2a c a. Alimmalta riviltä nähdään että yhtälöyhmällä on ratkaisu jos ja vain jos b 3a + c = 0.

Miten osoitetaan joukot samoiksi?

Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 41

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

3.5 Generoivat funktiot ja momentit

Lineaarikuvauksen R n R m matriisi

Ratkaisuehdotukset LH 3 / alkuvko 45

Ominaisarvo ja ominaisvektori

Markov-prosessit (Jatkuva-aikaiset Markov-ketjut)

Ratkaisuehdotukset LH 8 / vko 47

3. Teoriaharjoitukset

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

Ratkaisuehdotukset LH 10 / vko 48

Ominaisarvo ja ominaisvektori

MS-C1340 Lineaarialgebra ja

Määritelmä Olkoon T i L (V i, W i ), 1 i m. Yksikäsitteisen lineaarikuvauksen h L (V 1 V 2 V m, W 1 W 2 W m )

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

Similaarisuus. Määritelmä. Huom.

Ominaisarvo-hajoitelma ja diagonalisointi

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

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.

Matriisialgebra harjoitukset, syksy 2016

MS-C1340 Lineaarialgebra ja

Ortogonaalisen kannan etsiminen

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

y = 3x2 y 2 + sin(2x). x = ex y + e y2 y = ex y + 2xye y2

Lohkoasetelmat. Lohkoasetelmat. Lohkoasetelmat: Mitä opimme? Lohkoasetelmat. Lohkoasetelmat. Satunnaistettu täydellinen lohkoasetelma 1/4

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

Ratkaisuehdotukset LH 7 / vko 47

(0 desimaalia, 2 merkitsevää numeroa).

Ratkaisu: (b) A = x 0 (R(x 0 ) x 1 ( Q(x 1 ) (S(x 0, x 1 ) S(x 1, x 1 )))).

Lineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / Ratkaisut

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Determinantti 1 / 30

Induktiota käyttäen voidaan todistaa luonnollisia lukuja koskevia väitteitä, jotka ovat muotoa. väite P(n) on totta kaikille n = 0,1,2,...

Johdatus matemaattiseen päättelyyn

4. A priori menetelmät

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

. Mitä olisivat y 1 ja y 2, jos tahdottaisiin y 1 (0) = 2 ja y 2 (0) = 0? x (1) = 0,x (2) = 1,x (3) = 0. Ratkaise DY-ryhmä y = Ay.

1 Kertaus. Lineaarinen optimointitehtävä on muotoa:

Matematiikassa väitelauseet ovat usein muotoa: jos P on totta, niin Q on totta.

Harjoitusten 4 ratkaisut Topologiset vektoriavaruudet 2010

5 Ominaisarvot ja ominaisvektorit

Moniulotteisia todennäköisyysjakaumia

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

MS-A0004/A0006 Matriisilaskenta

7 Vapaus. 7.1 Vapauden määritelmä

Sekalaiset tehtävät, 11. syyskuuta 2005, sivu 1 / 13. Tehtäviä

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.

V ar(m n ) = V ar(x i ).

Inversio-ongelmien laskennallinen peruskurssi Luento 3

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

Numeeriset menetelmät

Satunnaismuuttujien muunnokset ja niiden jakaumat

1 Ominaisarvot ja ominaisvektorit

d L q i = V = mc 2 q i 1 γ = = p i. = V = γm q i + QA i. ṗ i + Q A i + Q da i t + j + V + Q φ

Koodausteoria, Kesä 2014

BL20A0600 Sähkönsiirtotekniikka

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1

Malliratkaisut Demot

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

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

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

Matematiikan tukikurssi, kurssikerta 5

Matematiikan ja tilastotieteen laitos Johdatus diskreettiin matematiikkaan (Syksy 2008) 4. harjoitus Ratkaisuja (Jussi Martin)

Inversio-ongelmien laskennallinen peruskurssi Luento 2

=p(x) + p(y), joten ehto (N1) on voimassa. Jos lisäksi λ on skalaari, niin

(a) Järjestellään yhtälöitä siten, että vasemmalle puolelle jää vain y i ja oikealle puolelle muut

Derivaatat lasketaan komponenteittain, esimerkiksi E 1 E 2

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

Tehtävä 2. Osoita, että seuraavat luvut ovat algebrallisia etsimällä jokin kokonaislukukertoiminen yhtälö jonka ne toteuttavat.

Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit

Ominaisvektoreiden lineaarinen riippumattomuus

Painotetun metriikan ja NBI menetelmä

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

(iv) Ratkaisu 1. Sovelletaan Eukleideen algoritmia osoittajaan ja nimittäjään. (i) 7 = , 7 6 = = =

MS-C1350 Osittaisdifferentiaaliyhtälöt Harjoitukset 5, syksy Mallivastaukset

Osittaisdifferentiaaliyhtälöt

1 Avaruuksien ja lineaarikuvausten suora summa

, on säännöllinen 2-ulotteinen pinta. Määrää T x0 pisteessä x 0 = (0, 1, 1).

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme?

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

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

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.

Alkeismuunnokset matriisille, sivu 57

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

Matematiikan ja tilastotieteen laitos Reaalianalyysi I Harjoitus Malliratkaisut (Sauli Lindberg)

= E(Y 2 ) 1 n. = var(y 2 ) = E(Y 4 ) (E(Y 2 )) 2. Materiaalin esimerkin b) nojalla log-uskottavuusfunktio on l(θ; y) = n(y θ)2

Malliratkaisut Demot

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

2.1. Tehtävänä on osoittaa induktiolla, että kaikille n N pätee n = 1 n(n + 1). (1)

Numeeriset menetelmät

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Paikannuksen matematiikka MAT

Avaruuden R n aliavaruus

Transkriptio:

Olkoot A R n n ja T R n n sten, että on olemassa ndeks p N jolle T p = Tällästä matrsa kutsutaa nlpotentks Näytä, että () () () Olkoot Määrtä matrs B n (λi + A) n = (λi + T ) n = B = n mn n,p ( ) n λ n A 2 2 ( ) n λ n T Kohdassa () vot käyttää apuna Parsevaln kaavaa ( ) ( ) ( ) n + n n = + k k k Käytetään kohdan () dentteetn todstamseen nduktotodstusta perusaskel : Selväst totta, kun n = ndukto-oletus : Oletetaan, että väte on totta, kun n = k ndukto-askel muodossa Indukto-oletuksen nojalla, Indukto-oletusta päästään käyttämään, kun krjotetaan potenss (λi + A) k+ = (λi + A)(λI + A) k (λi + A) k = λ k A joten, (λi + A) k+ = λ k + A + λ k A +

Tehdään jälkmmäseen summaan muuttujanvahto j = + (λi + A) k+ = k+ λ k+ j A j + λ k+ j A j j j j= Lasketaan termt,, k yhteen, (λi + A) k+ = λ k+ + A k+ + j= j= (( ) ( )) k k + λ k+ j A j j j Väte seuraa Parsevaln kaavasta Kohdassa () käytetään ()-kohdan kaavaa (λi + T ) n = n ( ) n λ n T Selväst pätee, että T k =, k p Joten ylläolevan summa termt p,, n saavat arvon nolla Joka todstaa vätteen () - kohdassa krjotetaan B = 2I + Käytetään () kohdan kaavaa B n = n ( ) n 2 n Oletataan, että n > B n = 2 n I + ( ) n 2 n = [ 2 n n2 n 2 n 2 Olkoot A = 3 Tarkastellaan lohkoa [ 3 Lasketaan omnasarvot ( λ)(3 λ) + = 2

El, λ 2 4λ + 4 = (λ 2) 2 =, joten λ = 2 Vastaavat omnasvektort, x = el x = span Koska omnasvektoreta on yks, ylestetty omnasvektor saadan ratkasemalla x yhtälöstä Valtaan ratkasuks Saadaan, = 3 x = x = [ [ 2 2 [ Nänollen, matrsn A Jordan hajotelma on 2 A = 2 Matrsn A potensst lasketaan kuten tehtävässä 2 5 5 2 4 A 5 = 2 5 32 8 8 2 48 8 A 5 = 32 = 32 32 = 8 2 3 Olkoot A R n n Käytetään matrsn A omnasarvon λ C algebrallsesta ja geometrsesta kertaluvusta merkntää γ a (λ) ja γ g (λ) Näytä, että () γ g (λ) γ a (λ) () On olemassa ndeks p N sten, että dm null((a λi) ) = γ a (λ), p 3

Käytetään todstusessa matrsn A Schurn hajotelmaa, A = QT Q, jossa Q on untaarnen matrs ja T on yläkolmomatrs Matrsn A omnasarvot ovat T :dagonaallla Kukn omnasarvo tostuu sen algebrallsen kertaluvun verran Ilman ylesyyden menetystä, vodaan olettaa, että T = λ, =,, γ a (λ) Krjotetaan matrs T blokkmuodossa Tällön saadaan T T T = 2 T 22 jossa T R γa(λ) γa(λ) Tutktaan avaruutta null(a λi) (A λi)x = Q(T λi)q x = Tehdään muuttujanvahto, y = Q x El nolla avaruudelle pätee (T λi)y = Käyttämällä matrsn T blokkmuotoa saadaan, T λi T 2 y = T 22 λi Koska (T 22 λi), matrs T 22 λi) on kääntyvä joten y 2 = ja nolla-avaruus määräytyy yhtälöstä (T λi)y = Koska (T λi) =, =,, γ a (λ) matrsn A λi nolla-avaruuden dmenso on vähntään ja enntään γ a (λ) Kohdassa () tutktaan matrsa (A λi) n = Q(T λi) n Q Käytetään samaa blokkmuotoa, kun kohdassa (), (T λi) n (T λi) = n # (T 22 λi) n Matrslle (T 22 λi) n pätee, ((T 22 λi) n ), joten se on kääntyvä jokasella n Nänollen matrs (T λi) n määrttää () kohdassa tehtyjen askelten matrsn (A λi) n nolla-avaruuden Koska (T λi) n on nlpotentt, on olemassa ndeks p sten, että (T λi) p =, jollon nolla-avaruuden dmenso on γ a (λ) y 2 4

4 Tarkastellaan matrsa jossa ɛ R A =, + ɛ () Mllä parametern ɛ arvolla matrs A on dagonasotuva () Ets X ja dagonaalmatrs Λ sten, että A = XΛX () Laske κ 2 (X) Mtä tapahtuu, kun A on hyvn lähellä e-dagonalsotuvaa matrsa? (v) Aseta ɛ = ja yrtä laskea X ja λ matlabn -komennolla Mkä on matrsn κ 2 (X)? Matrs A on dagonalsotuva, kun kunkn sen omnasarvon algebrallnen ja geometrnen kertaluku ovat samoja Lasketaan matrsn A omnasarvot, λ det = + ɛ λ El, ( λ)( + ɛ λ) = λ = orλ = + ɛ Matrslla A on monnkertanen omnasarvo anoastaa, kun ɛ = Koska kunkn omnasarvon geometrnen kertaluku on vähntään yks, Matrs A on dagonalsotuva, kun ɛ Jotta vodaan tutka tapausta ɛ =, ratkastaan matrsn A omnasvektort Omnasarvoa λ = vastaavalle omnasvektorlle x pätee [ ɛ x = el x span Omnasarvoa λ = + ɛ vastavalle omnasvetorlle pätee ɛ x 2 = el x 2 span ɛ Kun ɛ = pätee, x span [ ja x 2 span El omnasarvon geometrnen kertaluku on ja algebrallnen kertaluku 2 Tällön A e ole dagonalsotuva Kootaan omnasvektort matrsn X ja lasketaan sen kääntesmatrs 2 2 - kääntesmatrsn kaavalla Saadaan, X = [ ɛ, Λ = [ + ɛ 5 ɛ, X = ɛ

Matrsn X kuntoluvulle κ 2 (X) pätee κ 2 (X) = σ max(x) σ mn (X) Lasketaan sngulaararvot el matrsn X T X omnasarvojen nelöjuuret X T X = + ɛ 2 Nänollen, Joten, kuntoluvuks saadaan ( λ)( + ɛ 2 λ) = ɛ 2 (2 + ɛ 2 )λ + λ 2 = λ = 2 + ɛ2 ± ɛ 4 + 4 2 κ 2 2 = 2 + ɛ2 + ɛ 4 + 4 2 + ɛ 2 ɛ 4 + 4 Kun ɛ on pen, vodaan aproksmoda ɛ4 + 4 2 Joten, κ 2 2ɛ Kun A on lähellä matrsa, joka e dagonalsodu, X:n kuntoluku kasvaa rajatta 6