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

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

Neliömatriisin adjungaatti, L24

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

5 OMINAISARVOT JA OMINAISVEKTORIT

Lineaarialgebra, kertausta aiheita

Determinantit. Kaksirivinen determinantti. Aiheet. Kaksirivinen determinantti. Kaksirivinen determinantti. Kolmirivinen determinantti

Matemaattinen Analyysi / kertaus

Lineaarialgebra ja matriisilaskenta I

7 Vapaus. 7.1 Vapauden määritelmä

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

1 Matriisit ja lineaariset yhtälöryhmät

Ennakkotehtävän ratkaisu

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

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.

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

Vektorien virittämä aliavaruus

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.

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:

Gaussin ja Jordanin eliminointimenetelmä

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

Ominaisarvo ja ominaisvektori

Lineaarialgebra ja matriisilaskenta I

Matematiikka B2 - TUDI

Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33

Lineaarialgebra ja matriisilaskenta I

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

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:

Determinantti. Määritelmä

Lineaarikuvauksen R n R m matriisi

Pienimmän neliösumman menetelmä (PNS)

Lineaarialgebra ja matriisilaskenta I

Lineaariset yhtälöryhmät ja matriisit

Pienimmän Neliösumman menetelmä (PNS)

Lineaarinen yhtälöryhmä

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Determinantti. Määritelmä

Determinantti 1 / 30

Insinöörimatematiikka D

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

Pienimmän neliösumman menetelmä (PNS)

Pienimmän neliösumman menetelmä (PNS)

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35

Ominaisarvo ja ominaisvektori

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

Insinöörimatematiikka D

2.5. Matriisin avaruudet ja tunnusluvut

ominaisvektorit. Nyt 2 3 6

5.3 Matriisin kääntäminen adjungaatilla

Kanta ja Kannan-vaihto

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

1.1. Määritelmiä ja nimityksiä

Lineaarialgebra ja matriisilaskenta I

Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit

Avaruuden R n aliavaruus

Matemaattinen Analyysi, s2016, L2

Ortogonaaliset matriisit, määritelmä 1

Insinöörimatematiikka D

Ratkaisuehdotukset LH 7 / vko 47

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

Lineaarinen toisen kertaluvun yhtälö

Käänteismatriisi 1 / 14

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

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

Lineaarialgebra ja matriisilaskenta I

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

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

Kanta ja dimensio 1 / 23

Vektoreiden virittämä aliavaruus

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

802120P Matriisilaskenta (5 op)

Tyyppi metalli puu lasi työ I II III

802118P Lineaarialgebra I (4 op)

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

Matematiikka B2 - Avoin yliopisto

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

Oppimistavoitematriisi

Talousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi

Lineaarialgebra (muut ko)

MS-A0004/A0006 Matriisilaskenta

JAKSO 2 KANTA JA KOORDINAATIT

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

Likimääräisratkaisut ja regularisaatio

Lineaarialgebra ja matriisilaskenta I

Paikannuksen matematiikka MAT

Insinöörimatematiikka D

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Insinöörimatematiikka D

5 Lineaariset yhtälöryhmät

Oppimistavoitematriisi

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

Ominaisarvot ja ominaisvektorit 140 / 170

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

Inversio-ongelmien laskennallinen peruskurssi Luento 2

Insinöörimatematiikka D

1. LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT. 1.1 Lineaariset yhtälöryhmät

Transkriptio:

Yhtälöryhmän ratkaisujen lukumäärä, L8

Esimerkki kvadraattinen Haluamme ratkaista n 4x + y z = x + y + z = 5 x + y + z = 4 4 x 4 + y x y z = + z 5 4 = 5 4

Esimerkki kvadraattinen Yhtälöryhmä on kvadraattinen, koska kerroin on neliö. 4 A = Ratkaisujen olemassaoloa ja lukumäärää voidaan tutkia kerroinn determinantin avulla. 4 det(a) = = +4 + ( ) = 4( ) ( ( )) ( ( )) = 8 4 6 =

Esimerkki kvadraattinen 3 Lause : Kun kvadraattisen n kerroinn determinantti on erisuuri kuin nolla, niin llä on yksi yksikäsitteinen ratkaisu. Esimerkin tapauksessa on siis olemassa yksikäsitteinen ratkaisu, joka voidaan ratkaista rivioperaatioin, tai käänteisa käyttäen, tai Cramerin kaavoilla.

Esimerkki kvadraattinen 4 Haluamme ratkaista n 4x + y z = x + y + z = x + y + z = 4 x 4 + y x y z = + z =

Esimerkki kvadraattinen 5 Homogeenisella llä on aina triviaali ratkaisu x =,y =,z =. Koska kerroin on sama kuin edellisessä esimerkissä, tiedämme että det(a) =, joten n ratkaisu on yksikäsitteinen. Ei siis ole olemassa muuta ratkaisua, kuin triviaali x =,y =,z =.

Esimerkki 3 kvadraattinen 6 Haluamme ratkaista n 4x + y z = x + y + z = 3x y z = 4 3 x 4 3 + y x y z = + z =

Esimerkki 3 kvadraattinen 7 Nyt kerroinn determinantti on, joten löytyy ei-triviaali ratkaisu, joka voidaan ratkaista rivioperaatioilla tai asettamalla yhdelle muuttujalle arvo (esim. z = ) ja ratkaisemalla näinsaatu (ei-kvadraattinen) 4x + y = x + y + = 3x y = 4x + y = x + y = 3x y =

8 Seuraavan määritelmän alakohdat,,3 ovat keskenään yhtäpitävät: Määr:(a) Matriisi A on lineaarisesti riippuva (sidottu), jos. jokin n sarake voidaan muuttaa sarake-operaatioilla nollasarakkeeksi. (Jokin sarake voidaan lausua muiden sarakkeiden lineaarikombinaationa), tai. jokin transpoosin A T rivi voidaan muuttaa rivi-operaatioilla nollariviksi, tai 3. A x =, jollakin ei-triviaalilla vektorilla x. (b) Matriisi A on lineaarisesti riippumaton (eli vapaa), jos se ei ole lineaarisesti riippuva (eli ei ole sidottu).

9 Lause : Neliö A on vapaa, jos ja vain jos sen determinantti ei ole nolla (det(a) ). Lause 3: (a) Jos llä A x = b on enemmän kuin yksi ratkaisu (kaksi tai enemmän), niin kerroin on sidottu. (b) Jos n A x = b kerroin on vapaa, niin ryhmällä on korkeintaan yksi ratkaisu. (Yksi ratkaisu tai Rj = /.) Perustelu: Jos löytyy kaksi erilaista ratkaisua u ja v, niin niiden erotus w = u v on ei-triviaali vektori ja A w = A( u v) = A u A v = b b = joten A on määritelmän nojalla sidottu.

Lause 4: m n n A vapaus vapaus voidaan tutkia seuraavasti: () Jos m < n (rivejä vähemmän kuin sarakkeita), niin on sidottu. () Jos m = n (A on neliö), niin A on vapaa, jos ja vain jos det(a). (3) Jos m > n (rivejä enemmän kuin sarakeita), niin A on vapaa, jos ja vain jos det(a T A). Perustelu A x = A T A x = x T A T A x = (A x) T A x }{{} = A x = A x = Siis A x = A T A x =, eli A on sidottu, jos ja vain jos A T A on sidottu. Mutta A T A on neliö, jonka vapaus voidaan tutkia kohdan () mukaisesti.

Tarkastellaan ä A x = b. Muodostetaan täydennetty (augmented) apu W siten, että n RHS lisätään viimeiseksi sarakkeeksi A:n sarakkeiden jälkeen. Esimerkki 4x + y = 7 x + y = 7 x + y = 4 4 A = 4 ( x y ) = 7 7 4, ja W = 4 7 7 4.

Lause 5: Tarkastellaan ä A x = b, jonka täydennetty (augmented) kerroinkaavio on W, niin () Jos A on vapaa, niin ryhmällä on enintään yksi ratkaisu. () Jos A on vapaa ja W on sidottu, niin ryhmällä on yksikäsitteinen ratkaisu, joka saadaan kvadraattiselle ryhmälle kaavalla x = A b ja ei-kvadraattiselle ryhmälle kaavalla x = A b = (A T A) A T b (3) Jos A on vapaa ja W on vapaa, niin ryhmällä ei ole tarkkaa ratkaisua, mutta pienimmän neliösumman approksimaatio (PNS-ratkaisu) saadaan kaavalla x = A b = (A T A) A T b