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

Samankaltaiset tiedostot
Determinantit. Kaksirivinen determinantti. Aiheet. Kaksirivinen determinantti. Kaksirivinen determinantti. Kolmirivinen determinantti

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

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

4.6 Matriisin kääntäminen rivioperaatioilla

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:

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Determinantti 1 / 30

Insinöörimatematiikka D

Ennakkotehtävän ratkaisu

Matematiikka B2 - TUDI

Determinantti. Määritelmä

Käänteismatriisin ominaisuuksia

1 Matriisit ja lineaariset yhtälöryhmät

Neliömatriisin adjungaatti, L24

Determinantti. Määritelmä

Matematiikka B2 - Avoin yliopisto

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

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

Insinöörimatematiikka D

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

Ortogonaaliset matriisit, määritelmä 1

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

2.8. Kannanvaihto R n :ssä

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

Lineaarialgebra ja matriisilaskenta I

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

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

Insinöörimatematiikka D

1.1. Määritelmiä ja nimityksiä

BM20A0700, Matematiikka KoTiB2

Käänteismatriisi 1 / 14

5 OMINAISARVOT JA OMINAISVEKTORIT

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

802118P Lineaarialgebra I (4 op)

Lineaarialgebra ja matriisilaskenta I

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

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

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

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

Similaarisuus. Määritelmä. Huom.

Johdatus tekoälyn taustalla olevaan matematiikkaan

Ominaisarvo-hajoitelma ja diagonalisointi

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

Johdatus lineaarialgebraan. Juha Honkala 2017

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

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

Lineaarinen yhtälöryhmä

Numeeriset menetelmät

Lineaariset yhtälöryhmät ja matriisit

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

Numeeriset menetelmät

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

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Insinöörimatematiikka D

Lineaarialgebra a, kevät 2018 Harjoitusta 5 Maplella

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

802120P Matriisilaskenta (5 op)

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

Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa.

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

Gaussin ja Jordanin eliminointimenetelmä

Vektoreiden virittämä aliavaruus

9 Matriisit. 9.1 Matriisien laskutoimituksia

5 Lineaariset yhtälöryhmät

Matriisilaskenta Luento 8: LU-hajotelma

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

Lineaariset kongruenssiyhtälöryhmät

Lineaarialgebra, kertausta aiheita

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

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

5.3 Matriisin kääntäminen adjungaatilla

Ominaisarvo ja ominaisvektori

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

2.5. Matriisin avaruudet ja tunnusluvut

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.

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

7 Vapaus. 7.1 Vapauden määritelmä

Ratkaisuehdotukset LH 3 / alkuvko 45

1 Ominaisarvot ja ominaisvektorit

Lineaarialgebra ja matriisilaskenta I

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

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

Ortogonaalinen ja ortonormaali kanta

Kanta ja Kannan-vaihto

Matriisit ja optimointi kauppatieteilijöille P

Matriisit ja optimointi kauppatieteilijöille P

Talousmatematiikan perusteet

Matemaattinen Analyysi, s2016, L2

ominaisvektorit. Nyt 2 3 6

Jouni Sampo. 4. maaliskuuta 2013

Lineaarikuvauksen R n R m matriisi

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.

Talousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi

Lineaarialgebra (muut ko)

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

Insinöörimatematiikka D

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

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

Transkriptio:

Vaasan yliopiston julkaisuja 97 5 DETERMINANTIT Ch:Determ Sec:DetDef 5.1 Determinantti Tämä kappale jakautuu kolmeen alakappaleeseen. Ensimmäisessä alakappaleessa määrittelemme kaksi- ja kolmiriviset determinantit. Nämä kaavat löytyvät taulukkokirjoista. Toisessa alakappaleessa yleistämme determinantin isommille kaavioille ja toteamme koko joukon ominaisuuksia determinantille. Ominaisuuksien perustelut löytyvät lisämateriaalista. Tekniikan opiskelussa usein ajatellaan, että kaksi- ja kolmiriviset determinantit riittävät. Tämä ei kuitenkaan nyt riitä. Esimerkiksi lineaarisen optimoinnin tarpeita varten opiskelijan tulee opetella myös käsittelemään isojakin lukukaavioita. _kaksijakolme 5.1.1 Kaksi- ja kolmirivinen determinantti def_kaksi_det Määritelmä 87 (Kaksirivinen determinantti, [määritelmä löytyy taulukkokirjoista]) 2 2-matriisin A = (a i j ) determinantti on det(a) = a 11 a 22 a 12 a 21. Kaksirivisen matriisin determinantille käytämme myös merkintää det(a) = a 11 a 12 a 21 a 22 = a 11a 22 a 12 a 21. (5.1) kaksirivine Huomaa, että merkintä ( kaksirivinen_det 5.1) tarkoittaa siis reaalilukua a 11 a 22 a 12 a 21 eikä mitään lukukaaviota. Esimerkki 88 1 2 3 4 = 1 4 2 3 = 4 6 = 2 (5.2) 3 4 5 6 = 3 ( 6) ( 4) 5 = 18 + 20 = 2 (5.3)

Vaasan yliopiston julkaisuja 98 Huomaa, että lausekkeessa 3 ( 6) ( 4) 5 keskimmäinen miinusmerkki tulee määritelmästä ja toiset kaksi miinus-merkkiä ovat matriisialkioiden merkkejä. Merkkivirheitä voi estää vain olemalla huolellinen. Esimerkki 89 Tarkastellaan esimerkkinä yhtälöparia { a11 x + a 12 y = b 1 a 21 x + a 22 y = b 2 Ratkaistaan yhtälöpari tavalliseen tapaan ( ) a11 a 12 b 1 a21 /a 11 a 21 a 22 b 2 a 11 ( a11 a 12 b 1 det(a) a 11 b 2 a 21 b 1 Siis yhtälöryhmällä on yksikäsitteinen ratkaisu, jos ja vain jos det(a) 0. ) def_kolme_det Määritelmä 90 (Kolmirivinen determinantti, [määritelmä löytyy taulukkokirjoista]) 3 3-matriisin A = (a i j ) determinantti on a det(a) = a 22 a 23 11 a 32 a 33 a 12 a 21 a 23 a 31 a 33 + a 13 a 21 a 22 a 31 a 32 Esimerkki 91 1 2 1 3 4 2 0 1 5 = 1 4 2 1 5 ( 2) 3 2 0 5 + ( 1) 3 4 0 1 = 1 (4 5 ( 2) 1) + 2 (3 5 ( 2) 0) 1 (3 1 4 0) = (20 + 2) + 2 (15 0) (3 0) = 49 det_isot 5.1.2 Isot determinantit Määritelmä 92 n n-matriisin A = (a i j ) determinantti on luku det A = n k=1 ( 1) 1+k a 1k DetA 1k, missä A 1k on matriisin A alimatriisi, joka saadaan, kun A:n ensimmäinen rivi ja k:s sarake poistetaan. Käytämme determinantille myös merkintää a 11 a 12 a 1n a 21 a 22 a 2n det A =...... a n1 a n2 a nn

Vaasan yliopiston julkaisuja 99 Ensimmäiseksi tarkistamme, ettei uusi määritelmä ole ristiriidassa aiemmin antamiemme kaksi- ja kolmirivisten determinantin kaavojen kanssa. Esimerkki 93 (1) Sovelletaan ensin uutta määritelmää 3-riviseen kaavioon. a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 = ( 1) 1+1 a a 22 a 23 11 a 32 a 33 + a ( 1)1+2 a 21 a 23 12 a 31 a 33 + a ( 1)1+3 a 21 a 22 13 a 31 a 32 a = a 22 a 23 11 a 32 a 33 a 12 a 21 a 23 a 31 a 33 + a 13 a 21 a 22 a 31 a 32 Uusi määritelmä antaa siis täsmälleen saman lausekkeen kuin aiempi määritelmä ( 90). def_kolme_det (2) Toiseksi tutkimme kaavaa 2-rivisen kaavion yhteydessä. Sovimme, että yksirivinen determinantti on sama kuin kaavion ainoa alkio. (Siis det(a) = a = a. Huomaa, että merkintä a ei nyt tarkoita luvun itseisarvoa, vaan 1 1 matriisin (a) determinanttia.) Kun näin on sovittu, voidaan uutta määritelmää soveltaa myös kaksiriviseen determinanttiin. a 11 a 12 a 21 a 22 = ( 1) 1+1 a 11 a 22 + ( 1) 1+2 a 12 a 21 = a 11 a 22 a 21 a 12 Taas oikein. Siis kaksirivisen determinantin tapauksessa saadaan sama lauseke kuin määritelmässä ( 87) def_kaksi_det sivulla 97. def_kaksi_det Seuraavassa esitellyt determinantin ominaisuudet ovat aiheen ymmärtämisen kannalta hyvin tärkeät. Ne tulee ymmärtää hyvin. Siksi niistä esitetään sekä sanallinen (mahdollisimman havainnollinen), että kaavanomainen (mahdollisimman täsmällinen) muoto. Ominaisuudet on esitetty lauseen muodossa. Lauseiden todistukset on esitetty lisämateriaalissa. Jotta kaavat olisivat helpot muodostaa, sovimme epästandardin, vain tässä yhteydessä käytettävän merkinnän. Olkoon tarkasteltavina n n-matriisi A = (a i j ) ja n-alkioinen pystyvektori u = (u 1 u 2 u n ) T. Sovimme, että tässä kappaleessa (ja myöhemmin Cramerin kaavojen yhteydessä) merkintä A[k : u]

Vaasan yliopiston julkaisuja 100 tarkoittaa matriisia, joka saadaan, kun A:n k:s sarake korvataan pystyvektorilla u. Jos siis esimerkiksi 2 1 3 7 A = 1 2 4, ja u = 8, 5 3 1 9 niin A[2 : u] = 2 7 3 1 8 4 5 9 1 Lisäksi käytämme paljon käytettyä merkintää, jossa matriisin A = (a i j ) k:tta saraketta merkitään pystyvektorilla a 1k a 2k a k =. a nk th_det1 Lause 94 Tarkastellaan n n-matriisia A. (Sanallinen muoto:) Jos neliömatriisin A jonkin sarakkeen kaikki alkiot ovat nollia, niin matriisin determinanti on nolla. a k = 0 det(a) = 0 (esimerkki:) 2 0 1 7 0 2 3 0 5 = 0 th_det2 Lause 95 Tarkastellaan n n-matriisia A. (Sanallinen muoto:) Jos neliömatriisin A kaksi saraketta vaihtavat paikkaa, niin syntyvän matriisin determinantti on alkuperäisen vastaluku. B = A[ j : a k ][k : a j ] det(b) = det(a) (Esimerkki:) 2 1 3 5 0 4 0 0 7 = 1 2 3 0 5 4 0 0 7 th_det3 Lause 96 Tarkastellaan n n-matriisia A. (Sanallinen muoto:) Jos neliömatriisissa A on kaksi identtistä saraketta, niin matriisin determinantti on 0. j k, ja a j = a k det(a) = 0

Vaasan yliopiston julkaisuja 101 (Esimerkki:) 2 2 3 5 5 4 0 0 7 = 0 th_det4 Lause 97 Tarkastellaan n n-matriisia A. (Sanallinen muoto:) Neliömatriisin A determinantin lasku on k:nnen sarakkeen suhteen lineaarinen operaatio. det(a[k : u + v]) = det(a[k : u]) + det(a[k : v]), ja det(a[k : λ u]) = λ det(a[k : u]) (Esimerkki:) 2 5 + 1 3 5 2 + 9 4 0 3 2 7 2 100 5 3 5 100 2 4 0 100 3 7 = = 100 2 5 3 5 2 4 0 3 7 2 5 3 5 2 4 0 3 7 + 2 1 3 5 9 4 0 2 7 th_det5 Lause 98 Tarkastellaan n n-matriisia A. (Sanallinen muoto:) Jos neliömatriisin A sarake kerrotaan reaaliluvulla λ ja näin saatu sarake lisätään toiseen A:n sarakkeeseen, niin syntyvän uuden matriisin determinantti on sama, kuin alkuperäisen matriisin determinantti. j k det(a[k : a k + λ a j ]) = det(a) (Esimerkki:) 2 1 3 5 1 4 0 0 7 = 7 1 3 0 1 4 0 0 7 = det A[1 : a 1 + 5 a 2 ] th_det6 Lause 99 Tarkastellaan n n-matriisia A. (Sanallinen muoto:) Jos jokin neliömatriisin A sarake voidaan lausua muiden sarakkeiden lineaarikombinaationa, niin matriisin determinantti on nolla. (Esimerkki:) 2 1 4 5 1 3 0 1 2 = 0, sillä a 3 = a 1 + 2 a 2

Vaasan yliopiston julkaisuja 102 th_det6b Lause 100 Tarkastellaan n n-matriisia A. (Sanallinen muoto:) Neliömatriisilla A ja sen transpoosilla A T on samat determinantit. det(a T ) = det(a) (Esimerkki:) 2 5 0 1 1 0 3 4 7 = 2 1 3 5 1 4 0 0 7 th_det7 Lause 101 Lauseissa ( 94), th_det1 ( 95), th_det2 ( 96), th_det3 ( 97), th_det4 ( 98) th_det5 ja ( 99) th_det6 matriisin sarakkeita koskevat tulokset ovat voimassa myös matriisin riveille. th_det8 Lause 102 Tarkastellaan n n-matriiseja A ja B. (Sanallinen muoto:) Tulon determinantti on determinanttien tulo. det(ab) = det(a) det(b) th_det9 Lause 103 (Sanallinen muoto:) Yksikkömatriisin determinantti on 1. det(i) = 1 th_det10 Lause 104 Tarkastellaan n n-matriisia A. (Sanallinen muoto:) Matriisi on säännöllinen (eli sille on olemassa käänteismatriisi), jos ja vain jos matriisin determinantti ei ole nolla. A 1 det(a) 0 Todistus: (eli A 1 det(a) 0) Oletamme nyt, että käänteismatriisi on olemassa. Määritetään käänteismatriisi rivioperaatioiden avulla Gaussin algoritmilla. Aluksi laadimme kaavion, jonka vasen puoli on A. Jokaisessa vaiheessa algoritmin aikana kaavion vasemman osan determinantti joko, säilyy muuttumattomana, vaihtaa merkkiä tai tulee kerrotuksi nollasta eroavalla luvulla. Viimeisen kaavion vasemman puolen determinantti on 1. Siis ensimmäisen kaavion vasemman osan determinantti ei voi olla nolla. (eli A 1 det(a) = 0) Oletamme nyt, että käänteismatriisia ei ole olemassa. Aloitetaan käänteismatriisin määritys kuten edellä. Oletuksen mukaan Gaussin algoritmi ei onnistu, vaan pivotointi epäonnistuu jossakin vaiheessa. Tämä merkitsee, että viimeisessä kaaviossa on rivi, jonka vasen osa on täynnä nollia. Siis jokin A:n rivi voidaan lausua muiden lineaarikombinaationa ja lauseiden ( 99) th_det6 ja ( 101) th_det7 mukaan determinantti on nolla.

Vaasan yliopiston julkaisuja 103 th_det11 Lause 105 Jos n n-matriisia Aon säännöllinen, niin ( det A 1) = 1 det(a) Edellä oli suuri joukko lauseita. Tehdään vielä yhteenveto: (lause 94 th_det1 sivu 100) th_det1 Jos neliömatriisin A jonkin sarakkeen kaikki alkiot ovat nollia, niin matriisin determinanti on nolla. (lause 95 th_det2 sivu 100) th_det2 Jos neliömatriisin A kaksi saraketta vaihtavat paikkaa, niin syntyvän matriisin determinantti on alkuperäisen vastaluku. (lause 96 th_det3 sivu 100) th_det3 Jos neliömatriisissa A on kaksi identtistä saraketta, niin matriisin determinantti on 0. (lause 97 th_det4 sivu 101) th_det4 Neliömatriisin A determinantin lasku on k:nnen sarakkeen suhteen lineaarinen operaatio. (lause 98 th_det5 sivu 101) th_det5 Jos neliömatriisin A sarake kerrotaan reaaliluvulla λ ja näin saatu sarake lisätään toiseen A:n sarakkeeseen, niin syntyvän uuden matriisin determinantti on sama, kuin alkuperäisen matriisin determinantti. (lause 99 th_det6 sivu 101) th_det6 Jos jokin neliömatriisin A sarake voidaan lausua muiden sarakkeiden lineaarikombinaationa, niin matriisin determinantti on nolla. (lause 100 th_det6b sivu 102) th_det6b Neliömatriisilla A ja sen transpoosilla A T on samat determinantit. (lause 101 th_det7 sivu 102) th_det7 Lauseissa ( 94), th_det1 ( 95), th_det2 ( 96), th_det3 ( 97), th_det4 ( 98) th_det5 ja ( 99) th_det6 matriisin sarakkeita koskevat tulokset ovat voimassa myös matriisin riveille. (lause 102 th_det8 sivu 102) th_det8 det(ab) = det(a) det(b) (lause 103 th_det9 sivu 102) th_det9 det(i) = 1 (lause 104 th_det10 sivu 102) th_det10 Matriisi on säännöllinen (eli sille on olemassa käänteismatriisi), jos ja vain jos matriisin determinantti ei ole nolla. (lause 105 th_det11 sivu 103) th_det11 ( Jos n n-matriisia Aon säännöllinen, niin det A 1) = 1 det(a) Sec:DetLasku 5.2 Determinantin laskeminen Tässä kappaleessa opimme kaksi tapaa laskea determinantin arvo. Ensimmäinen tapa, Gaussin algoritmi, perustuu rivioperaatioihin. Rivioperaatiot osataan jo, joten menettely on varsin helppo omaksua. Toinen tapa perustuu determinantin lausumiseen pienempien alideterminanttien lineaarikombinaationa. Menettely johtaa selvään kaavaan,

Vaasan yliopiston julkaisuja 104 mikä usein koetaan helpotuksena. Nämä kaksi tapaa näyttävät aluksi hyvin erilaisilta. Kumpikin tapa kuitenkin perustuu determinantin määritelmään ja determinantin ominaisuuksiin. Kummallakin tavalla on myös jatkossa oma roolinsa, joten kumpikin laskutapa tulee osata. detgauss 5.2.1 Determinantin laskeminen rivioperaatioiden avulla Ensin käsittelemme Gaussin algoritmin, jossa determinantti ensin muutetaan yläkolmiomuotoon. Yläkolmiomuoto (alakolmiomuoto) on muoto, jossa päälävistäjän alla (yllä) on vain nollia. Esimerkiksi determinantit ovat yläkolmiomuodossa. 2 3 0 1 ja 1 3 1 0 0 2 7 2 0 0 5 1 0 0 0 2 Lause 106 Jos n n-matriisi A on yläkolmiomuodossa (tai alakolmiomuodossa) niin determinantin arvo on päälävistäjällä olevien alkioiden tulo, det(a) = a 11 a 22 a nn. Todistus: HT Lauseiden ( 98 th_det5 ja ( 100) th_det6b mukaan determinantin arvo ei muutu, jos sen riviin lisätää skalaarilla kerrottu toinen rivi. Tällaisten rivioperaatioiden avulla (ja mahdollisesti vaihtamalla rivejä keskenään) voidaan determinantti aina muuttaa yläkolmiomuotoon. Ennen Gaussin algoritmia esitämme muutaman esimerkin. Esimerkki 107 [1] 3 1 1 5 0 2 2 3 1 +2 = 1 3 1 0 [2] 1 0 8 5 4 = 1 3 1 0 2 1 0 0 9 = 1 2 ( 9) = 18

Vaasan yliopiston julkaisuja 105 Esimerkki 108 [2] 1 0 1 2 1 1 3 4 0 1 3 2 1 0 5 1 2 +1 = [2] 1 0 1 0 0 1 4 0 2 1 5 0 2 0 4 vaihda vaihda = ( 1) 2 1 0 1 0 [ 2] 1 5 0 0 1 4 0 2 0 4 +1 = ( 1) 2 1 0 1 0 2 1 5 0 0 [1] 4 0 0 1 9 1 = ( 1) 2 1 0 1 0 2 1 5 0 0 1 4 0 0 0 5 = ( 1) 2 ( 2) 1 5 = 20 Olkoon A seuraavassa n n-matriisi. Seuraavan prosessin aikana determinanttikaavion ulkoasu muutetaan vaiheittain yläkolmiomuotoon siten, että lausekkeen arvo koko ajan säilyy samana. Merkitään peräkkäisiä muotoja: A = A(1) = A(2) = A(3) =... = yläkolmiomuoto Gaussin algoritmi: (0) Aseta k = 1, A(1) = A (1) Otetaan tukialkioksi (pivot element) alkio a(k) kk. (2) Jos tukialkio on 0 ja tukialkion sarakkeessa tukialkion alapuolella on nollasta poikkeava alkio a(k) rk, r > k, vaihdetaan rivit r ja k keskenään ja saatu uusi determinantti kerrotaan (-1):llä. (3) Lisätään tukialkion rivin alapuolella oleviin riveihin tukialkion rivi sopivalla luvulla kerrottuna siten, että tukialkion alapuolella olevat alkion muuttuvat nolliksi. (4) Jos k < n 1, niin kasvatetaan k:ta yhdellä ja siirrytään kohtaan (1), muuten kohtaan (5). (5) det(a) = a(k) 11 a(k) 22 a(k) nn

Vaasan yliopiston julkaisuja 106 Huomautus: Kohdan (3) rivioperaatiot eivät onnistu, jos tukialkio on 0. Tämän takia tehdään rivinvaihto kohdassa (2), jotta tukialkio olisi nollasta poikkeava. Jos tukialkio ja lisäksi kaikki sen alla olevat alkiot ovat nollia, ei kohdassa (3) tarvitse tehdä mitään. Poiketen edeltävistä Gaussin nimeä kantavista algoritmeista, tämä algoritmi toimii myös, kun det(a) = 0. Silloin diagonaalille jää 0 ja determinantin arvoksi tulee 0, niin kuin pitääkin! On hyvä huomata, että edellä kuvattu menettely toimii aina. Determinantin laskemimnen rivioperaatioiden avulla voidaan tehdä mekaanisesti, mutta hyvä pelisilmä auttaa usein löytämään nopeita reittejä kolmiokaavioon. Kaavioiden käsittely determinantin laskun aikana sallii sarakeoperaatiot, mutta näitä kannattaa nyt välttää. Oppimisen kannalta on nyt hyvä keskittyä rivioperaatioiden oppimiseen. Jos siis havaitset mahdollisuuden sarakeoperaatioihin, niin transponoi kaavio ja jatka rivioperaatioilla. detminori 5.2.2 Determinantin laskeminen minorikehitelmällä Määritelmä 109 Matriisin A alimatriisi A i j saadaan poistamalla A:sta i:s rivi ja j:s sarake. Alimatriisin determinantti det(a i j ) on matriisin A alkioon a i j liittyvä minori (alideterminantti). Lukua ( 1) i+ j det(a i j ) sanotaan matriisin A alkioon a i j liittyväksi kofaktoriksi. Esimerkki 110 Jos niin A = 1 0 3 2 3 4 7 1 2 4 5 1 0 1 8 2 A 23 = 1 0 3 2 3 4 7 1 2 4 5 1 0 1 8 2 = 1 0 2 2 4 1 0 1 2 Vastaavat alkioon a 23 liittyvät minori ja kofaktori ovat minori = det(a 23 ) = 3 kofaktori = ( 1) 2+3 det(a 23 ) = 3

Vaasan yliopiston julkaisuja 107 Lause 111 n n-neliömatriisin A determinantti saadaan laskettua kaavoilla det(a) = det(a) = n j=1 n i=1 ( 1) i+ j a i j det(a i j ) ( 1) i+ j a i j det(a i j ) kehitelmä i:nnen rivin suhteen kehitelmä j:nnen sarakkeen suhteen Determinantin kehittäminen kannattaa perustaa riviin tai sarakkeeseen, jolla on mahdollisimman monta nollaa. Esimerkki 112 (1) Kehitetaan determinantti ensimmäisen rivin suhteen 1 3 1 3 1 5 0 2 2 3 = ( 1) 1+ j a 1 j det(a 1 j ) j=1 = ( 1) 1+1 1 5 0 2 3 + ( 1)1+2 3 1 0 2 3 + ( 1)1+3 ( 1) = 1 ( 15 0) + ( 1) 3 ( 3 0) + ( 1) (2 + 10) = 18 1 5 2 2 (2) Kehitetaan sama determinantti toisen rivin suhteen 1 3 1 3 1 5 0 2 2 3 = ( 1) 2+ j a 2 j det(a 2 j ) j=1 = ( 1) 2+1 1 3 1 2 3 + ( 1)2+2 5 1 1 2 3 + ( 1)2+3 0 = ( 1) ( 9 + 2) + 5 ( 3 2) 0 = 18 1 3 2 2 Käytännön laskemista helpottaa se, että kofaktoreiden merkkikaavio on varsin yksinkertainen: + + + + + + + + + + + + +........