Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

Samankaltaiset tiedostot
Ortogonaalinen ja ortonormaali kanta

Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218

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

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

9 Matriisit. 9.1 Matriisien laskutoimituksia

Johdatus lineaarialgebraan

Lineaarialgebra ja matriisilaskenta I

Ominaisvektoreiden lineaarinen riippumattomuus

Suora. Määritelmä. Oletetaan, että n = 2 tai n = 3. Avaruuden R n suora on joukko. { p + t v t R},

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

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

Vektoreiden virittämä aliavaruus

Lineaarikuvauksen R n R m matriisi

Käänteismatriisi 1 / 14

Johdatus lineaarialgebraan

Kertausta: avaruuden R n vektoreiden pistetulo

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

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:

Johdatus lineaarialgebraan

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /310

Determinantti. Määritelmä

Ristitulolle saadaan toinen muistisääntö determinantin avulla. Vektoreiden v ja w ristitulo saadaan laskemalla determinantti

7 Vapaus. 7.1 Vapauden määritelmä

Havainnollistuksia: Merkitään w = ( 4, 3) ja v = ( 3, 2). Tällöin. w w = ( 4) 2 + ( 3) 2 = 25 = 5. v = ( 3) = 13. v = v.

Ominaisarvo ja ominaisvektori

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

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

1.1. Määritelmiä ja nimityksiä

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.

Determinantti. Määritelmä

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Insinöörimatematiikka D

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

Kertausta: avaruuden R n vektoreiden pistetulo

Johdatus lineaarialgebraan

Insinöörimatematiikka D

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

BM20A0700, Matematiikka KoTiB2

Kuvaus. Määritelmä. LM2, Kesä /160

Ortogonaalisen kannan etsiminen

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

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:

Ennakkotehtävän ratkaisu

Insinöörimatematiikka D

Insinöörimatematiikka D

802320A LINEAARIALGEBRA OSA I

1 Lineaariavaruus eli Vektoriavaruus

Lineaariset yhtälöryhmät ja matriisit

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

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

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

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

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 =

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

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

Kantavektorien kuvavektorit määräävät lineaarikuvauksen

Ominaisarvo ja ominaisvektori

5 Ominaisarvot ja ominaisvektorit

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

Suorat ja tasot, L6. Suuntajana. Suora xy-tasossa. Suora xyzkoordinaatistossa. Taso xyzkoordinaatistossa. Tason koordinaattimuotoinen yhtälö.

Vastaavasti, jos vektori kerrotaan positiivisella reaaliluvulla λ, niin

Insinöörimatematiikka D

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

1 Ominaisarvot ja ominaisvektorit

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

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

VEKTORIT paikkavektori OA

MS-C1340 Lineaarialgebra ja

Vektorit, suorat ja tasot

Vektorien virittämä aliavaruus

Algebra I, harjoitus 5,

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

Determinantti 1 / 30

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

Vektorialgebra 1/5 Sisältö ESITIEDOT: vektori

Matematiikka B2 - TUDI

Matematiikka B2 - Avoin yliopisto

3 Skalaari ja vektori

Ratkaisuehdotukset LH 3 / alkuvko 45

Insinöörimatematiikka D

Johdatus lineaarialgebraan

Johdatus tekoälyn taustalla olevaan matematiikkaan

Insinöörimatematiikka D

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

10 Matriisit ja yhtälöryhmät

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

2.8. Kannanvaihto R n :ssä

Lineaarialgebra ja matriisilaskenta I

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

Koodausteoria, Kesä 2014

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

Lineaarialgebra a, kevät 2019 Harjoitus 6 (ratkaisuja Maple-dokumenttina) > restart; with(linalg): # toteuta ihan aluksi!

1 Kannat ja kannanvaihto

1 Matriisit ja lineaariset yhtälöryhmät

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

Insinöörimatematiikka D

Tämän luvun tarkoituksena on antaa perustaidot kompleksiluvuilla laskemiseen sekä niiden geometriseen tulkintaan. { (a, b) a, b œ R }

Transkriptio:

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia Voidaan osoittaa, että avaruuden R n vektoreilla voidaan laskea tuttujen laskusääntöjen mukaan. Huom. Lause tarkoittaa väitettä, joka voidaan perustella todeksi nojautumalla määritelmiin ja aikaisemmin perusteltuihin väitteisiin. LM1, Kesä 2015 15/206

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia Alla esiintyvä vektori 0 = (0, 0,..., 0) on nimeltään nollavektori. Lause 1 Oletetaan, että v, w, ū R n ja a, c R. Tällöin (a) v + w = w + v (b) (ū + v) + w = ū + ( v + w) (c) v + 0 = v (d) v + ( v) = 0 (e) c( v + w) = c v + c w (f) (a + c) v = a v + c v (g) a(c v) = (ac) v (h) 1 v = v (vaihdannaisuus) (liitännäisyys) (osittelulaki) (osittelulaki) LM1, Kesä 2015 16/206

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia Perustellaan malliksi kohta (a). Oletus: v, w R n. Väite: v + w = w + v. Perustelu: Oletuksesta v, w R n seuraa, että v = (v 1,..., v n ) ja w = (w 1,..., w n ) joillakin v 1,..., v n, w 1,..., w n R. Voidaan päätellä v + w (1) = (v 1 + w 1, v 2 + w 2,..., v n + w n ) (2) = (w 1 + v 1, w 2 + v 2,..., w n + v n ) (1) = w + v Kohdissa (1) käytetään yhteenlaskun määritelmää ja kohdassa (2) reaalilukujen yhteenlaskun vaihdannaisuutta. Huomaa, että komponentit ovat tavallisia reaalilukuja! LM1, Kesä 2015 17/206

Yhdensuuntaisuus Määritelmä Oletetaan, että v R n ja w R n. Vektorit v ja w ovat yhdensuuntaiset, jos v = t w jollakin t R {0}. Tällöin merkitään v w. w w 2 w w Jos vektorit v ja w eivät ole yhdensuuntaiset, merkitään v w. LM1, Kesä 2015 18/206

Lineaarikombinaatiot Määritelmä Oletetaan, että w R n ja v 1, v 2,..., v k R n. Vektori w on vektoreiden v 1, v 2,..., v k lineaarikombinaatio, jos on olemassa sellaiset reaaliluvut a 1, a 2,..., a k, että w = a 1 v 1 + a 2 v 2 + + a k v k. LM1, Kesä 2015 19/206

Lineaarikombinaatiot Esimerkki 1 Merkitään v 1 = (1, 1), v 2 = ( 1, 2) ja w = (5, 1). Vektori w on vektoreiden v 1 ja v 2 lineaarikombinaatio, sillä 3 v 1 2 v 2 = 3(1, 1) 2( 1, 2) = (3, 3) ( 2, 4) = (5, 1) = w. v 1 v 2 3 v 1 2 v 2 w w LM1, Kesä 2015 20/206

Suora Määritelmä Avaruuden R n suora on joukko { p + t v t R}, missä p, v R n ja v 0. Tässä p on suoran paikkavektori ja v on suoran suuntavektori. v p LM1, Kesä 2015 21/206

Olkoon S avaruuden R 2 suora. Jos (a, b) S, niin sanotaan, että piste (a, b) on suoralla S tai että suora S kulkee pisteen (a, b) kautta. t v (a,b) p Vastaavia ilmauksia käytetään avaruudessa R n. LM1, Kesä 2015 22/206

Huom. Sama suora voidaan kirjoittaa joukkona { p + t v t R} usealla eri tavalla: vektoriksi p voidaan valita suoran minkä tahansa pisteen paikkavektori; vektoriksi v voidaan valita mikä tahansa suoran suuntainen vektori. v v p p LM1, Kesä 2015 23/206

Esimerkki 2 Määritä pisteiden A = (2, 3, 5) ja B = (4, 1, 7) kautta kulkeva suora S. Suoran jonkin pisteen paikkavektori; esim. OA = (2, 3, 5). Jokin suoran suuntainen vektori; esim. AB = OB OA = (2, 4, 2). Näin S = { OA + t AB t R } = { (2, 3, 5) + t(2, 4, 2) t R }. LM1, Kesä 2015 24/206

Matriisit Määritelmä Reaalialkioinen m n -matriisi on reaalilukutaulukko, jossa on m riviä ja n saraketta. Esimerkiksi a 11 a 12... a 1n a 21 a 22... a 2n A =... a m1 a m2... a mn on m n -matriisi. Sanotaan, että matriisin A tyyppi on m n. Matriisissa olevia lukuja kutsutaan matriisin alkioiksi, ja rivillä i sarakkeessa j olevaa alkiota merkitään A(i, j) tai a ij. Kaikkien reaalialkioisten m n -matriisien joukkoa merkitään R m n. LM1, Kesä 2015 25/206

Esimerkki 3 Merkitään 1 0 5 3 11 2 B = 4 0 2 0. 2 6 Tällöin B on reaalikertoiminen 4 3 -matriisi eli B R 4 3. Nähdään, että B(1, 3) = 5 ja B(2, 2) = 11. LM1, Kesä 2015 26/206

Matriisien yhteenlasku Määritelmä Oletetaan, että A, B R m n. Matriisien A ja B summa saadaan laskemalla yhteen samoissa kohdissa olevat alkiot. Tuloksena on m n -matriisi A + B, jolle pätee (A + B)(i, j) = A(i, j) + B(i, j). kaikilla i {1,..., m} ja j {1,..., n}. Esimerkiksi 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 Vain matriiseja, joilla on sama tyyppi, voidaan laskea yhteen. LM1, Kesä 2015 27/206

Matriisin kertominen skalaarilla Määritelmä Oletetaan, että A R m n ja c R. Matriisi A kerrottuna skalaarilla c tarkoittaa m n -matriisia ca, jota nimitetään skalaarimonikerraksi ja jolle pätee (ca)(i, j) = c A(i, j) kaikilla i {1,..., m} ja j {1,..., n}. Esimerkiksi 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 LM1, Kesä 2015 28/206

Erityisiä matriiseja Määritelmä Mitä tahansa m n -matriisia, jonka kaikki alkiot ovat nollia, kutsutaan nollamatriisiksi ja merkitään O m n tai lyhyesti O. Ykkösmatriisi eli yksikkömatriisi puolestaan tarkoittaa n n -neliömatriisia, jonka lävistäjäalkiot ovat ykkösiä ja muut alkiot nollia. Sitä merkitään I n tai lyhyesti I. 0 0 0 1 0 0 0 0 0 O m n =..., I 0 1. n =..... 0 0 0 0 0 0 1 LM1, Kesä 2015 29/206

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia Lause 2 Oletetaan, että A, B ja C ovat m n -matriiseja ja s, t R. Tällöin (a) A + B = B + A (b) (A + B) + C = A + (B + C) (c) A + O = A (d) A + ( A) = O (e) s(a + B) = sa + sb (f) (s + t)a = sa + ta (g) s(ta) = (st)a (h) 1A = A. (vaihdannaisuus) (liitännäisyys) (osittelulaki) (osittelulaki) LM1, Kesä 2015 30/206