Yhtälöryhmän herkkyys

Samankaltaiset tiedostot
4.6 Matriisin kääntäminen rivioperaatioilla

Talousmatematiikan perusteet

Lineaarialgebra ja matriisilaskenta I

2.5. Matriisin avaruudet ja tunnusluvut

Käänteismatriisi 1 / 14

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Matemaattinen Analyysi, s2016, L2

Lineaariset yhtälöryhmät ja matriisit

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Neliömatriisin adjungaatti, L24

Gaussin ja Jordanin eliminointimenetelmä

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

10 Matriisit ja yhtälöryhmät

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.

802118P Lineaarialgebra I (4 op)

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

5.3 Matriisin kääntäminen adjungaatilla

Ennakkotehtävän ratkaisu

Valintakoe

MS-C1340 Lineaarialgebra ja

Lineaarialgebra ja matriisilaskenta I

9.7 Matriisinormit. Vaasan yliopiston julkaisuja 225. Ei siis lainkaan ongelmia defektiivisyydestä.

5 OMINAISARVOT JA OMINAISVEKTORIT

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

Lineaarialgebra, kertausta aiheita

Insinöörimatematiikka D

Matemaattinen Analyysi / kertaus

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

Käänteismatriisin ominaisuuksia

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

7 Vapaus. 7.1 Vapauden määritelmä

Sovitaan ensin merkintätavoista. Ratkaisemme ensin yksinkertaisen yhtälöparin. 5y = 10. x = 3 x = 1

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

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

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

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

Aiheet. Kvadraattinen yhtälöryhmä. Kvadraattinen homogeeninen YR. Vapaa tai sidottu matriisi. Vapauden tutkiminen. Yhteenvetoa.

Oppimistavoitematriisi

1. Normi ja sisätulo

BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 5, Syksy 2015

i=1 Näistä on helppo näyttää ominaisuudet (1)-(4). Ellei toisin mainita, käytetään R n :ssä

Lineaariset kongruenssiyhtälöryhmät

Kanta ja Kannan-vaihto

Liittomatriisi. Liittomatriisi. Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä. 1) i+j det A ij.

Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa.

JAKSO 2 KANTA JA KOORDINAATIT

Matriiseista. Emmi Koljonen

Lineaarialgebra ja matriisilaskenta I

Matematiikka B2 - Avoin yliopisto

ax + y + 2z = 0 2x + y + az = b 2. Kuvassa alla on esitetty nesteen virtaus eräässä putkistossa.

Numeeriset menetelmät TIEA381. Luento 3. Kirsi Valjus. Jyväskylän yliopisto. Luento 3 () Numeeriset menetelmät / 45

Matematiikka B2 - TUDI

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

Aiheet. Kvadraattinen yhtälöryhmä. Kvadraattinen homogeeninen YR. Vapaa tai sidottu matriisi. Vapauden tutkiminen. Yhteenvetoa.

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

Lineaarinen yhtälöryhmä

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

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

Insinöörimatematiikka D

Ominaisarvo ja ominaisvektori

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 Singulaariarvohajoitelma

Lineaarialgebra (muut ko)

Numeeriset menetelmät

s = 11 7 t = = 2 7 Sijoittamalla keskimmäiseen yhtälöön saadaan: k ( 2) = 0 2k = 8 k = 4

Determinantti 1 / 30

Lineaarikuvauksen R n R m matriisi

Oppimistavoitematriisi

8 KANNAT JA ORTOGONAALISUUS. 8.1 Lineaarinen riippumattomuus. Vaasan yliopiston julkaisuja 151

Numeeriset menetelmät

Lineaarialgebra ja matriisilaskenta I

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

Matematiikan perusteet taloustieteilijöille II Harjoituksia kevät ja B = Olkoon A = a) A + B b) AB c) BA d) A 2 e) A T f) A T B g) 3A

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

Johdatus tekoälyn taustalla olevaan matematiikkaan

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

Numeeriset menetelmät

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

Ominaisarvo ja ominaisvektori

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

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

Yhden selittäjän lineaarinen regressiomalli (jatkoa) Ensi viikolla ei pidetä luentoa eikä harjoituksia. Heliövaara 1

Pienimmän neliösumman menetelmä (PNS)

2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio

1 Kannat ja kannanvaihto

ja B = 2 1 a) A + B, b) AB, c) BA, d) A 2, e) A T, f) A T B, g) 3A (e) A =

Matriisilaskenta (TFM) MS-A0001 Hakula/Vuojamo Ratkaisut, Viikko 47, 2017

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

BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016

1 Matriisit ja lineaariset yhtälöryhmät

ja B = 2 1 a) A + B, b) AB, c) BA, d) A 2, e) A T, f) A T B, g) 3A (e)

Insinöörimatematiikka D

Pienimmän neliösumman menetelmä (PNS)

Johdatus tekoälyn taustalla olevaan matematiikkaan

Pienimmän neliösumman menetelmä (PNS)

Matriisialgebra harjoitukset, syksy 2016

Inversio-ongelmien laskennallinen peruskurssi Luento 3

ja F =

Transkriptio:

, L

Yksinkertainen esimerkki 3x + y z = x + y + z = x + y + z = 4 3 } {{ } =A x y z }{{} = x = 4 }{{} = b ratkaisu on x = x y z = A b =

Yksinkertainen esimerkki 3x + y z = x + y + z = x + y + z = 4 3 } {{ } =A x y z }{{} = x = 4 }{{} = b ratkaisu on x = x y z = A b = Jos jonkun yhtälön RHS muuttuu, niin myös ratkaisu muuttuu

Yksinkertainen esimerkki jatkuu Jos kolmannen yhtälön RHS kasvaa arvosta 4 arvoon, niin yhtälöryhmän ratkaisu muuttuu.

Yksinkertainen esimerkki jatkuu Jos kolmannen yhtälön RHS kasvaa arvosta 4 arvoon, niin yhtälöryhmän ratkaisu muuttuu. Uusi ratkaisu on ratkaisu on 3x + y z = x + y + z = x + y + z = 3 } {{ } =A x = x y z x y z }{{} = x = A b = =..7 }{{} = b

Yksinkertainen esimerkki 3 jatkuu Muutos ratkaisussa on. x = x x =.7 =.7. Kun siis yhdenkin yhtälön RHS muuttui, niin jokaisen muuttujan arvo ratkaisussa muuttui! = x y z

Yksinkertainen esimerkki 3 jatkuu Muutos ratkaisussa on. x = x x =.7 =.7. Kun siis yhdenkin yhtälön RHS muuttui, niin jokaisen muuttujan arvo ratkaisussa muuttui! = Jos pienikin muutos yhtälöryhmän RHS-luvuissa saa aikaan suuria muutoksia muuttujien ratkaisu-arvoihin sanomme, että yhtälöryhmä on herkkä. Herkkyydelle on olemassa mitta (kerroinmatriisin kuntoluku), mutta emme opettele sitä nyt. x y z

4 Edellisessä esimerkissä muutos RHS:ssä oli melko suuri. Seuraavaksi katsomme vastaavan esimerkin, jossa RHS:n muutos on pienempi (realistisempi, koska pieniä muutoksia on aina).

4 Edellisessä esimerkissä muutos RHS:ssä oli melko suuri. Seuraavaksi katsomme vastaavan esimerkin, jossa RHS:n muutos on pienempi (realistisempi, koska pieniä muutoksia on aina). Olkoon yhtälöryhmän kertoimet samat kuin edellisessä esimerkissä.

4 Edellisessä esimerkissä muutos RHS:ssä oli melko suuri. Seuraavaksi katsomme vastaavan esimerkin, jossa RHS:n muutos on pienempi (realistisempi, koska pieniä muutoksia on aina). Olkoon yhtälöryhmän kertoimet samat kuin edellisessä esimerkissä. Alkutilanteen RHS on b = 4

4 Edellisessä esimerkissä muutos RHS:ssä oli melko suuri. Seuraavaksi katsomme vastaavan esimerkin, jossa RHS:n muutos on pienempi (realistisempi, koska pieniä muutoksia on aina). Olkoon yhtälöryhmän kertoimet samat kuin edellisessä esimerkissä. Alkutilanteen RHS on b = 4 ja lopputilanteen RHS olkoon b 3 = = b + 4..

jatkuu b = 4, b =. =., b 3 = v + b = 4.

jatkuu b = 4, b =. =. Laskemme vastaavan muutoksen ratkaisuvektorissa x: x = x 3 x = A b 3 A b, b 3 = v + b = 4.

jatkuu b = 4, b =. =. Laskemme vastaavan muutoksen ratkaisuvektorissa x: x = x 3 x = A b 3 A b = A ( b 3 b ) = A b, b 3 = v + b = 4.

jatkuu b = 4, b =. =. Laskemme vastaavan muutoksen ratkaisuvektorissa x: x = x 3 x = A b 3 A b, b 3 = v + b = = A ( b 3 b ) = A b x = A b 4.

jatkuu b = 4, b =. =. Laskemme vastaavan muutoksen ratkaisuvektorissa x: x = x 3 x = A b 3 A b, b 3 = v + b = = A ( b 3 b ) = A b x = A b..7 =. =.. 4.

jatkuu b = 4, b =. =. Laskemme vastaavan muutoksen ratkaisuvektorissa x: x = x 3 x = A b 3 A b, b 3 = v + b = = A ( b 3 b ) = A b x = A b..7.7 =. =.... 4.

6 Yksinkertainen periaate: Tarkastellaan yhtälöryhmää A x = b. Jos k:nnen yhtälön RHS kasvaa yhdellä, niin ratkaisuvektori muuttuu määrällä, joka on kerroinmatriisin käänteismatriisin k:nnes sarake.

6 Yksinkertainen periaate: Tarkastellaan yhtälöryhmää A x = b. Jos k:nnen yhtälön RHS kasvaa yhdellä, niin ratkaisuvektori muuttuu määrällä, joka on kerroinmatriisin käänteismatriisin k:nnes sarake. Merkitään A:n käänteismatriisin k:tta saraketta vektorilla u k = (u k u k...u nk ) T

6 Yksinkertainen periaate: Tarkastellaan yhtälöryhmää A x = b. Jos k:nnen yhtälön RHS kasvaa yhdellä, niin ratkaisuvektori muuttuu määrällä, joka on kerroinmatriisin käänteismatriisin k:nnes sarake. Merkitään A:n käänteismatriisin k:tta saraketta vektorilla u k = (u k u k...u nk ) T Täsmällisempi periaate: Tarkastellaan yhtälöryhmää A x = b. Jos yhtälöryhmän RHS kasvaa määrällä b = ( b b... b n ) T, niin ratkaisuvektori muuttuu määrällä x = A b = b u + b u +... b n u n