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

Samankaltaiset tiedostot
2.5. Matriisin avaruudet ja tunnusluvut

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

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.

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

Lineaarialgebra ja matriisilaskenta I

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.

Lineaarialgebra ja matriisilaskenta I

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

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

Vektoreiden virittämä aliavaruus

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

MS-C1340 Lineaarialgebra ja

Vektorien virittämä aliavaruus

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

802320A LINEAARIALGEBRA OSA I

Insinöörimatematiikka D

2. REAALIKERTOIMISET VEKTORIAVARUUDET

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

Avaruuden R n aliavaruus

1 Lineaariavaruus eli Vektoriavaruus

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Lineaarialgebra ja matriisilaskenta I

JAKSO 2 KANTA JA KOORDINAATIT

Lineaarialgebra ja matriisilaskenta I

Kanta ja dimensio 1 / 23

5 OMINAISARVOT JA OMINAISVEKTORIT

Lineaarikuvauksen R n R m matriisi

ominaisvektorit. Nyt 2 3 6

7 Vapaus. 7.1 Vapauden määritelmä

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Insinöörimatematiikka D

4. LINEAARIKUVAUKSET

Johdatus lineaarialgebraan

Ratkaisuehdotukset LH 3 / alkuvko 45

Tehtäväsarja I Kertaa tarvittaessa materiaalin lukuja 1 3 ja 9. Tarvitset myös luvusta 4 määritelmän 4.1.

802320A LINEAARIALGEBRA OSA III

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista

Insinöörimatematiikka D

5 Lineaariset yhtälöryhmät

MS-C1340 Lineaarialgebra ja

2.8. Kannanvaihto R n :ssä

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

Kuvaus. Määritelmä. LM2, Kesä /160

Insinöörimatematiikka D

Gaussin ja Jordanin eliminointimenetelmä

Kantavektorien kuvavektorit määräävät lineaarikuvauksen

Insinöörimatematiikka D

Johdatus lineaarialgebraan

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

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

Ortogonaalisen kannan etsiminen

Koodausteoria, Kesä 2014

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

Ennakkotehtävän ratkaisu

Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218

Ominaisarvo ja ominaisvektori

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

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

802118P Lineaarialgebra I (4 op)

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Lineaarinen yhtälöryhmä

Lineaarialgebra ja matriisilaskenta I

Kanta ja Kannan-vaihto

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.

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

MS-C1340 Lineaarialgebra ja

802320A LINEAARIALGEBRA OSA II

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

1 Ominaisarvot ja ominaisvektorit

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

Lineaariset yhtälöryhmät ja matriisit

Johdatus lineaarialgebraan. Juha Honkala 2017

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.

Insinöörimatematiikka D

Matematiikka B2 - TUDI

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

Oppimistavoitematriisi

Oppimistavoitematriisi

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

Insinöörimatematiikka D

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

Kertausta: avaruuden R n vektoreiden pistetulo

Johdatus lineaarialgebraan

Lineaarialgebra b, kevät 2019

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

Ensi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/66

1 Sisätulo- ja normiavaruudet

Johdatus lineaarialgebraan

1. Lineaarinen yhtälöryhmä ja matriisi

Vektorit, suorat ja tasot

Insinöörimatematiikka D

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

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 )

Johdatus lineaarialgebraan

1 Tensoriavaruuksista..

Mat Lineaarinen ohjelmointi

Transkriptio:

Lineaarialgebra ja matriisilaskenta II Syksy 29 Laskuharjoitus (9. - 3..29) Ratkaisuehdotuksia Vesa Ala-Mattila Tehtävä. Olkoon V vektoriavaruus. Todistettava: jos U V ja W V ovat V :n aliavaruuksia, niin myös leikkaus U W on V :n aliavaruus. Ratkaisu. Olkoon X V mielivaltainen. Määritelmän mukaan X on V :n aliavaruus, jos ja vain jos X toteuttaa ehdot i) V :n nollavektori V kuuluu joukkoon X, ii) x + y X kaikilla x, y X, iii) tx X kaikilla x X ja t R. Toisaalta määritelmän mukaan x U W, jos ja vain jos x U ja x W, missä x V on mielivaltainen. Oletuksen mukaan V U ja V W. Siispä V U W. Täten U W toteuttaa ehdon i). Olkoot x, y U W mielivaltaisia. Nyt x, y U ja x, y W, ja koska U ja W toteuttavat ehdon ii), seuraa x+y U ja x+y W. Täten x+y U W, joten U W toteuttaa ehdon ii). Olkoot x U W ja t R mielivaltaisia. Nyt x U ja x W. Oletuksen mukaan U ja W toteuttavat ehdon iii), mistä seuraa, että tx U ja tx W. Näin ollen tx U W, joten U W toteuttaa ehdon iii). Koska U W toteuttaa ehdot i), ii) ja iii), on U W vektoriavaruuden V aliavaruus. Tehtävä 2. Muodosta sellaiset R 2 :n aliavaruudet U ja W, että unioni U W ei ole R 2 :n aliavaruus. Ratkaisu. Olkoon U x-akseli ja W y-akseli, ts. asetetaan U = {(s, ) R 2 : s R} ja W = {(, s) R 2 : s R}. On triviaalia, että (, ) U ja (, ) W. Toisaalta kaikilla t, s, u R on

voimassa ja edelleen (s, ) + (u, ) = (s + u, ) ja (, s) + (, u) = (, s + u) t(s, ) = (ts, ) ja t(, s) = (, ts). On selvää, että aliavaruuden määritelmän nojalla U ja W ovat R 2 :n aliavaruuksia. Pätee (, ) U ja (, ) W, joten (, ), (, ) U W. Selvästi kuitenkin (, ) + (, ) = (, ) / U W, ja aliavaruuden määritelmästä seuraa, että U W ei ole R 2 :n aliavaruus. Tehtävä 3. Olkoon A = 2 4 2 2 2 3 2 4 4 Muodosta kanta avaruuksille row(a), col(a) ja null(a). Ratkaisu. Annetun teorian mukaan sopivat kannat voidaan muodostaa matriisia A vastaavan redusoidun porrasmatriisin ja yhtälön Ax =, x R 5, yleisen ratkaisun avulla. Suoritetaan siis redusointi: 2 4 2 2 2 3 2 4 4 () 2 4 4 2 6 7 2 6 7 2 4 4 3 7/2 (5) (3) 2 4 4 2 2 3 2 4 2 2 4 4 2 6 7 2 /2 3 7/2 (2) (4) () Vaihdetaan ensimmäinen ja kolmas rivi. (2) Lisätään toiseen riviin ensimmäinen rivi. Lisätään kolmanteen riviin ensimmäinen rivi kerrottuna luvulla 2. (3) Lisätään kolmanteen riviin toinen rivi. (4) Jaetaan toinen rivi luvulla 2. (5) Vähennetään ensimmäisestä rivistä toinen rivi. 2

Ylläolevasta voidaan lukea, että yhtälön Ax =, x R 5, yleinen ratkaisu on x 2x 2 x 4 (/2)x 5 x 2 x = x 3 x 4 = x 2 3x 4 (7/2)x 5 x 4 x 5 x 5 Kirjoitetaan x 2 = t, x 4 = t 2 ja x 5 = t 3. Nyt yleinen ratkaisu voidaan kirjoittaa muodossa 2 (/2) () x = t + t 2 3 + t 3 (7/2) Käytetään sitten annettua teoriaa sopivien kantojen muodostamiseen. Riviavaruuden row(a) eräs kanta on matriisia A vastaavan redusoidun porrasmatriisin nollarivistä eroavien rivien muodostama jono. Täten (r, r 2 ) on eräs row(a):n kanta, missä r = [ 2 /2 ] ja r 2 = [ 3 7/2 ]. Sarakeavaruuden col(a) eräs kanta on niiden A:n sarakkeiden muodostama jono, joita vastaavissa sarakkeissa matriisia A vastaavassa redusoidussa porrasmatriisissa on johtava alkio. Redusoidussa porrasmatriisissa yllä ensimmäisessä ja kolmannessa sarakkeessa on johtava alkio, joten (c, c 2 ) on eräs col(a):n kanta, missä c = 2 ja c 2 = Nolla-avaruuden null(a) eräs kanta on yhtälön Ax =, x R 5, yleisessä ratkaisussa () esiintyvien vektoreiden muodostama jono. Täten (n, n 2, n 3 ) on eräs null(a):n kanta, missä n = 2, n 2 = 3 3 ja n 3 = (/2) (7/2)

Tehtävä 4. Olkoon A = Muodosta kanta avaruuksille row(a), col(a) ja null(a). Ratkaisu. Annetun teorian mukaan sopivat kannat voidaan muodostaa matriisia A vastaavan redusoidun porrasmatriisin ja yhtälön Ax =, x R 4, yleisen ratkaisun avulla. Suoritetaan siis redusointi: () (4) 2 (2) (3) () Vähennetään kolmannesta rivistä toinen rivi. (2) Jaetaan kolmas rivi luvulla 2. (3) Vähennetään toisesta rivistä kolmas rivi. Vähennetään ensimmäisestä rivistä kolmas rivi. (4) Vähennetään ensimmäisestä rivistä toinen rivi. Ylläolevasta voidaan lukea, että yhtälön Ax =, x R 4, yleinen ratkaisu on x x 3 x = x 2 x 3 = x 3 x 3 x 4 Kirjoitetaan x 3 = t. Nyt yleinen ratkaisu voidaan kirjoittaa muodossa (2) x = t Käytetään sitten annettua teoriaa sopivien kantojen muodostamiseen. 4

Riviavaruuden row(a) eräs kanta on matriisia A vastaavan redusoidun porrasmatriisin nollarivistä eroavien rivien muodostama jono. Täten (r, r 2, r 3 ) on eräs row(a):n kanta, missä r = [ ], r 2 = [ ] ja r 3 = [ ]. Sarakeavaruuden col(a) eräs kanta on niiden A:n sarakkeiden muodostama jono, joita vastaavissa sarakkeissa matriisia A vastaavassa redusoidussa porrasmatriisissa on johtava alkio. Redusoidussa porrasmatriisissa yllä ensimmäisessä, toisessa ja neljännessä sarakkeessa on johtava alkio, joten jono (c, c 2, c 3 ) on eräs col(a):n kanta, missä c =, c 2 = ja c 3 = Nolla-avaruuden null(a) eräs kanta on yhtälön Ax =, x R 4, yleisessä ratkaisussa (2) esiintyvän vektorin muodostama jono. Täten (n) on eräs null(a):n kanta, missä n = Tehtävä 5. Olkoon A matriisi kokoa 4 2. (a) Selitä, miksi A:n rivit ovat välttämättä lineaarisesti riippuvat. (b) Mitkä ovat A:n nulliteetin mahdolliset arvot? Ratkaisu. Merkitään A = [a, a 2 ], a, a 2 R 4. Koska col(a) = span(a, a 2 ), on col(a):n dimensio, tai 2. Esimerkeistä A =, A = ja A = nähdään, että jokainen näistä arvoista esiintyy. Annetun teorian mukaan avaruuksilla row(a) ja col(a) on sama dimensio. Täten row(a):n dimensio on, tai 2, ja jokainen näistä arvoista esiintyy jossain tapauksessa. Tiedetään, että jos vektoriavaruuden V dimensio on n ja (v, v 2,..., v p ) on V :n sisältämien vektoreiden jono, jossa p > n, niin jono (v, v 2,..., v p ) on 5

sidottu. Kohtaan (a) voidaan nyt antaa seuraava selitys. Kirjoitetaan A = a a 2 a 3 a 4, jossa a, a 2, a 3, a 4 R 2. A:n rivit ovat välttämättä lineaarisesti riippuvat, ts. jono (a, a 2, a 3, a 4 ) on välttämättä sidottu, koska tässä jonossa on neljä jäsentä ja row(a):n dimensio on korkeintaan 2. Matriisin A nulliteetilla tarkoitetaan nolla-avaruuden null(a) dimensiota. Matriisin A niin sanottu aste on sama kuin row(a):n dimensio. Merkitään astetta symbolilla r ja null(a):n dimensiota symbolilla d. Annetun teoreeman mukaan on voimassa r + d = 2, jossa siis 2 on A:n sarakkeiden lukumäärä. Täten kysymykseen (b) voidaan vastata, että koska r =, tai 2 ja r tosiasiallisesti saa kaikki nämä arvot, niin d = 2 r =, tai 2 ja d tosiasiallisesti saa kaikki nämä arvot. Tehtävä 6. Muodostavatko vektorit,,, avaruuden R 4 kannan? Perustele. Ratkaisu. Merkitään v =, v 2 =, v 3 =, v 4 = ja e =, e 2 =, e 3 =, e 4 = 6

Merkitään lisäksi w = = 3 (v + v 2 + v 3 + v 4 ). Nyt e = w v 4 = 3 (v + v 2 + v 3 ) 2 3 v 4, e 2 = w v 3 = 3 (v + v 2 + v 4 ) 2 3 v 3, e 3 = w v 2 = 3 (v + v 3 + v 4 ) 2 3 v 2, e 4 = w v = 3 (v 2 + v 3 + v 4 ) 2 3 v. Näin ollen e, e 2, e 3, e 4 span(v, v 2, v 3, v 4 ). Tämän seurauksena, koska tunnetusti (e, e 2, e 3, e 4 ) on R 4 :n standardikanta, pätee R 4 = span(e, e 2, e 3, e 4 ) = span(v, v 2, v 3, v 4 ). Tiedetään, että jos vektoriavaruuden V dimensio on n, silloin jokainen V :n virittävä jono (u, u 2,..., u n ) on V :n kanta. Siispä (v, v 2, v 3, v 4 ) on R 4 :n kanta. Toinen ratkaisu. Symbolit v, v 2, v 3, v 4 merkitsevät edelleen annettuja vektoreita. Otetaan käyttöön matriisi A = [ v v 2 v 3 v 4 ]. Nyt col(a) = span(v, v 2, v 3, v 4 ) R 4. Määritetään col(a):n dimensio etsimällä sille jokin kanta. Tiedetään, että eräs kanta voidaan määrittää matriisia A vastaavan porrasmatriisin avulla, joten muunnetaan A porrasmuotoon: 2 () (4) 2 3 7 (2) (5) 2 (3)

() Vähennetään toisesta rivistä ensimmäinen rivi. Vähennetään kolmannesta rivistä ensimmäinen rivi. (2) Vaihdetaan toinen ja neljäs rivi. (3) Lisätään kolmanteen riviin toinen rivi. (4) Lisätään neljänteen riviin kolmas rivi. (5) Jaetaan neljäs rivi luvulla 3. Annetun teoreeman mukaan col(a):n eräs kanta on niiden A:n sarakkeiden muodostama jono, joita vastaavissa sarakkeissa matriisia A vastaavassa porrasmatriisissa on johtava alkio. Täten (v, v 2, v 3, v 4 ) on col(a):n eräs kanta. Koska col(a) R 4 ja tunnetusti R 4 :n dimensio on 4, on itse asiassa niin, että R 4 = col(a). Täten (v, v 2, v 3, v 4 ) on R 4 :n kanta. 8