MS-A0002 Matriisilaskenta Luento 1:Vektorit ja lineaariyhdistelyt

Samankaltaiset tiedostot
1.1 Vektorit. MS-A0007 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. 1. Vektorit ja kompleksiluvut

Vektorialgebra 1/5 Sisältö ESITIEDOT: vektori

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

MS-C1340 Lineaarialgebra ja

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

Lineaarialgebra ja matriisilaskenta I

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

Taso 1/5 Sisältö ESITIEDOT: vektori, koordinaatistot, piste, suora

Talousmatematiikan perusteet: Luento 9

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

Lineaarialgebra ja matriisilaskenta I

Talousmatematiikan perusteet: Luento 8. Vektoreista ja matriiseista Vektorien peruslaskutoimitukset Lineaarinen riippumattomuus Vektorien sisätulo

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

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

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

Insinöörimatematiikka D

Avaruuden R n aliavaruus

Insinöörimatematiikka D

Kertausta: avaruuden R n vektoreiden pistetulo

MS-C1340 Lineaarialgebra ja

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

9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista

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.

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

1 Tensoriavaruuksista..

Laskutoimitusten operaattorinormeista

Ominaisarvo ja ominaisvektori

Vektorit, suorat ja tasot

3 Suorat ja tasot. 3.1 Suora. Tässä luvussa käsitellään avaruuksien R 2 ja R 3 suoria ja tasoja vektoreiden näkökulmasta.

Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218

Lineaarialgebra ja matriisilaskenta I

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

1.1 Vektorit. MS-A0004/A0006 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n.

Kertausta: avaruuden R n vektoreiden pistetulo

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 8: Divergenssi ja roottori. Gaussin divergenssilause.

Oppimistavoitematriisi

Oppimistavoitematriisi

Lineaarikuvauksen R n R m matriisi

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

Johdatus lineaarialgebraan

Insinöörimatematiikka D

802120P Matriisilaskenta (5 op)

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /310

1 Ominaisarvot ja ominaisvektorit

9. Vektorit. 9.1 Skalaarit ja vektorit. 9.2 Vektorit tasossa

Matriisialgebra harjoitukset, syksy 2015

Vastaavasti, jos vektori kerrotaan positiivisella reaaliluvulla λ, niin

802320A LINEAARIALGEBRA OSA I

JAKSO 2 KANTA JA KOORDINAATIT

1 Lineaariavaruus eli Vektoriavaruus

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

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

Ratkaisuehdotukset LH 3 / alkuvko 45

Konformigeometriaa. 5. maaliskuuta 2006

Yleiset lineaarimuunnokset

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

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

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

Vektorilla on suunta ja suuruus. Suunta kertoo minne päin ja suuruus kuinka paljon. Se on siinä.

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /

MS-A0004/A0006 Matriisilaskenta

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

Lineaarialgebra MATH.1040 / voima

Talousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi

Selvästi. F (a) F (y) < r x d aina, kun a y < δ. Kolmioepäyhtälön nojalla x F (y) x F (a) + F (a) F (y) < d + r x d = r x

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

3 Skalaari ja vektori

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

Johdatus lineaarialgebraan

Johdatus lineaarialgebraan

Vektoreiden A = (A1, A 2, A 3 ) ja B = (B1, B 2, B 3 ) pistetulo on. Edellisestä seuraa

2. REAALIKERTOIMISET VEKTORIAVARUUDET

Insinöörimatematiikka D

Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit

Johdatus tekoälyn taustalla olevaan matematiikkaan

Matematiikka kaikille, kesä 2017

Ratkaisuehdotukset LH 7 / vko 47

Viikon aiheet. Funktion lineaarinen approksimointi

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

ominaisvektorit. Nyt 2 3 6

Nopeus, kiihtyvyys ja liikemäärä Vektorit

Hilbertin avaruudet, 5op Hilbert spaces, 5 cr

Matemaattinen Analyysi, k2012, L1

1 Avaruuksien ja lineaarikuvausten suora summa

Suorista ja tasoista LaMa 1 syksyllä 2009

5 OMINAISARVOT JA OMINAISVEKTORIT

Luento 8: Epälineaarinen optimointi

sitä vastaava Cliffordin algebran kannan alkio. Merkitään I = e 1 e 2 e n

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

Kuvaus. Määritelmä. LM2, Kesä /160

MS-A0002 Matriisilaskenta Luento 1:Vektorit ja lineaariyhdistelyt

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47

Inversio-ongelmien laskennallinen peruskurssi Luento 4

5 Ominaisarvot ja ominaisvektorit

dx = L2 (x + 1) 2 dx x ln x + 1 = L 2 1 L + 1 L ( = 1 ((L + 1)ln(L + 1) L) L k + 1 xk+1 = 1 k + 2 xk+2 = 1 10k+1 k + 2 = 7.

Transkriptio:

MS-A0002 Matriisilaskenta Luento 1:Vektorit ja lineaariyhdistelyt Antti Rasila 2016

Vektorit Pysty- eli sarakevektori v = ( v1 v 2 missä v 1, v 2 ovat v:n komponentit. ), Matriisilaskenta 2/6

Vektorit Pysty- eli sarakevektori v = ( v1 v 2 ), missä v 1, v 2 ovat v:n komponentit. Yhteenlasku ( ) ( ) ( ) v1 w1 v1 + w v =, w = ; v + w = 1 v 2 w 2 v 2 + w 2 Matriisilaskenta 2/6

Vektorit Pysty- eli sarakevektori v = ( v1 v 2 ), missä v 1, v 2 ovat v:n komponentit. Yhteenlasku ( ) ( ) ( ) v1 w1 v1 + w v =, w = ; v + w = 1 v 2 w 2 v 2 + w 2 Esim. v = ( ) 1, w = 2 ( ) 3 ; v + w = 4 ( ) 1 + 3 = 2 + 4 ( ) 4. 6 Matriisilaskenta 2/6

Vektorit Vektorin kertominen skalaarilla: ( ) 2v1 2v = ; w = 2v 2 ( w1 w 2 ) Matriisilaskenta 3/6

Vektorit Vektorin kertominen skalaarilla: ( ) 2v1 2v = ; w = 2v 2 ( w1 w 2 Näin saadaan vektorien vähennyslasku v w = v + ( 1)w. ) Matriisilaskenta 3/6

Vektorit Vektorin kertominen skalaarilla: ( ) 2v1 2v = ; w = 2v 2 ( w1 w 2 Näin saadaan vektorien vähennyslasku v w = v + ( 1)w. Huomaa, että v v = v + ( 1)v = 0, missä 0 on vektori, jonka kaikki komponentit ovat nollia. ) Matriisilaskenta 3/6

Vektorit Vektorin kertominen skalaarilla: ( ) 2v1 2v = ; w = 2v 2 ( w1 w 2 Näin saadaan vektorien vähennyslasku v w = v + ( 1)w. Huomaa, että v v = v + ( 1)v = 0, missä 0 on vektori, jonka kaikki komponentit ovat nollia. Esim. v = ( ) 1, w = 2 ( ) 3 ; 2v w = 4 ) ( ) 2 1 3 = 2 2 4 ( ) 1. 0 Matriisilaskenta 3/6

Lineaariyhdistelyt Vektoreiden v ja w lineaariyhdistely on lauseke muotoa cv + dw, missä c ja d ovat skalaareja. Matriisilaskenta 4/6

Lineaariyhdistelyt Vektoreiden v ja w lineaariyhdistely on lauseke muotoa cv + dw, missä c ja d ovat skalaareja. Olkoon joukko x = {x 1,..., x m } (vektoreita) ja vastaavasti a = {a 1,..., a m }, m 1 (skalaareja). Matriisilaskenta 4/6

Lineaariyhdistelyt Vektoreiden v ja w lineaariyhdistely on lauseke muotoa cv + dw, missä c ja d ovat skalaareja. Olkoon joukko x = {x 1,..., x m } (vektoreita) ja vastaavasti a = {a 1,..., a m }, m 1 (skalaareja). Eräs lineaariyhdistely on tällöin y = m a j x j. j=1 Matriisilaskenta 4/6

Vektorit lukiossa ja tällä kurssilla Matriisilaskun vektorit eroavat ns. fysikaalisista vektoreista, koska origo on aina kiinnitetty ja sitä esittää jo edellä nähty nollavektori. Matriisilaskenta 5/6

Vektorit lukiossa ja tällä kurssilla Matriisilaskun vektorit eroavat ns. fysikaalisista vektoreista, koska origo on aina kiinnitetty ja sitä esittää jo edellä nähty nollavektori. Geometria: Vektorin komponenttien lukumäärä on sen dimensio. Matriisilaskenta 5/6

Vektorit lukiossa ja tällä kurssilla Matriisilaskun vektorit eroavat ns. fysikaalisista vektoreista, koska origo on aina kiinnitetty ja sitä esittää jo edellä nähty nollavektori. Geometria: Vektorin komponenttien lukumäärä on sen dimensio. Koulugeometria käsittelee vektoreita, joiden komponenttien lukumäärä on kaksi tai kolme, mutta osoittautuu, että on mielekästä tarkastella myös korkeampia dimensioita. Matriisilaskenta 5/6

Lineaariyhdistelyt Olkoot u, v, w avaruuden vektoreita. Lineaariyhdistelyillä on geometriset tulkinnat, kun tarkastellaan kaikkien lineaariyhdistelyiden joukkoa. Matriisilaskenta 6/6

Lineaariyhdistelyt Olkoot u, v, w avaruuden vektoreita. Lineaariyhdistelyillä a cu on geometriset tulkinnat, kun tarkastellaan kaikkien lineaariyhdistelyiden joukkoa. Matriisilaskenta 6/6

Lineaariyhdistelyt Olkoot u, v, w avaruuden vektoreita. Lineaariyhdistelyillä a cu b cu + dv on geometriset tulkinnat, kun tarkastellaan kaikkien lineaariyhdistelyiden joukkoa. Matriisilaskenta 6/6

Lineaariyhdistelyt Olkoot u, v, w avaruuden vektoreita. Lineaariyhdistelyillä a cu b cu + dv c cu + dv + ew on geometriset tulkinnat, kun tarkastellaan kaikkien lineaariyhdistelyiden joukkoa. Matriisilaskenta 6/6

Lineaariyhdistelyt Olkoot u, v, w avaruuden vektoreita. Lineaariyhdistelyillä a cu b cu + dv c cu + dv + ew on geometriset tulkinnat, kun tarkastellaan kaikkien lineaariyhdistelyiden joukkoa. Saadaan a) suora, b) taso, c) avaruus (3D). Matriisilaskenta 6/6