J1 (II.6.9) J2 (X.5.5) MATRIISILASKENTA(TFM) MALLIT AV 6

Samankaltaiset tiedostot
MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42

Insinöörimatematiikka D

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

Lineaarialgebra ja matriisilaskenta I

Insinöörimatematiikka D

Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 41

Pyramidi 3 Analyyttinen geometria tehtävien ratkaisut sivu 139 Päivitetty a) 402 Suplementtikulmille on voimassa

Ominaisarvo ja ominaisvektori

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

Similaarisuus. Määritelmä. Huom.

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

5 Ominaisarvot ja ominaisvektorit

MS-A0004/A0006 Matriisilaskenta

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Ominaisarvo-hajoitelma ja diagonalisointi

MS-C1340 Lineaarialgebra ja

Determinantti 1 / 30

b 4i j k ovat yhdensuuntaiset.

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

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

Determinantti. Määritelmä

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja

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.

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47

2 Taylor-polynomit ja -sarjat

6 MATRIISIN DIAGONALISOINTI

Matriisialgebra harjoitukset, syksy 2016

Tehtävä 3. Määrää seuraavien jonojen raja-arvot 1.

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

1 Ominaisarvot ja ominaisvektorit

Insinöörimatematiikka D

Matematiikka B2 - TUDI

Differentiaali- ja integraalilaskenta 1 Ratkaisut 1. viikolle /

Ominaisvektoreiden lineaarinen riippumattomuus

5 OMINAISARVOT JA OMINAISVEKTORIT

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Insinöörimatematiikka D

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?

Joulukuun vaativammat valmennustehtävät ratkaisut

DEE Lineaariset järjestelmät Harjoitus 2, ratkaisuehdotukset. Johdanto differenssiyhtälöiden ratkaisemiseen

Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit

Alkeismuunnokset matriisille, sivu 57

Ortogonaaliset matriisit, määritelmä 1

Lineaarialgebra (muut ko)

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

1 Matriisit ja lineaariset yhtälöryhmät

33. pohjoismainen matematiikkakilpailu 2019 Ratkaisut

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Ax, y = x, A y. A = A A hermiittinen. Jokainen reaalinen ja symmetrinen matriisi on määritelmän mukaan myös hermiittinen. A =, HARJOITUSTEHTÄVIÄ

Tehtävä 2 Todista luennoilla annettu kaava: jos lukujen n ja m alkulukuesitykset. ja m = k=1

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

Ennen kuin mennään varsinaisesti tämän harjoituksen asioihin, otetaan aluksi yksi merkintätekninen juttu. Tarkastellaan differenssiyhtälöä

Ominaisarvot ja ominaisvektorit 140 / 170

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

802328A LUKUTEORIAN PERUSTEET OSA II BASICS OF NUMBER THEORY PART II. Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO

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

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

Demorastitiedot saat demonstraattori Markus Niskaselta Lineaarialgebra (muut ko) p. 1/104

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

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

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

JOHDATUS LUKUTEORIAAN (syksy 2017) HARJOITUS 1, MALLIRATKAISUT

Matematiikan tukikurssi

Matematiikka B2 - Avoin yliopisto

Inversio-ongelmien laskennallinen peruskurssi Luento 2

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Differentiaaliyhtälöt II, kevät 2017 Harjoitus 5

(1.1) Ae j = a k,j e k.

Lineaarikuvauksen R n R m matriisi

Numeeriset menetelmät

Ratkaisuehdotukset LH 10 / vko 48

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

6. OMINAISARVOT JA DIAGONALISOINTI

Avaruuden R n aliavaruus

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

OMINAISARVOISTA JA OMINAISVEKTOREISTA

Hanoin tornit. Merkitään a n :llä pienintä tarvittavaa määrää siirtoja n:lle kiekolle. Tietysti a 1 = 1. Helposti nähdään myös, että a 2 = 3:

Lineaarialgebra ja matriisilaskenta I

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

q =, r = a b a = bq + r, b/2 <r b/2.

Ominaisarvo ja ominaisvektori

Determinantti. Määritelmä

3.1 Lineaarikuvaukset. MS-A0007 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset

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

Tällä viikolla viimeiset luennot ja demot. Lineaarialgebra (muut ko) p. 1/162

Johdatus lukuteoriaan Harjoitus 1 syksy 2008 Eemeli Blåsten. Ratkaisuehdotelma

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

z z 0 (m 1)! g(m 1) (z0) k=0 Siksi kun funktioon f(z) sovelletaan Cauchyn integraalilausetta, on voimassa: sin(z 2 dz = (z i) n+1 k=0

(0 desimaalia, 2 merkitsevää numeroa).

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

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:

Neliömuodoista, matriisin ominaisarvoista ja avaruuden kierroista

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

MAA15 Vektorilaskennan jatkokurssi, tehtävämoniste

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28

Talousmatematiikan perusteet: Luento 13. Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset

Transkriptio:

MATRIISILASKENTA(TFM) MALLIT AV 6 J (II.6.9) Päättele, että avaruusvetorit a, b ja c ovat lineaarisesti riippuvat täsmälleen un vetoreiden virittämän suuntaissärmiön tilavuus =. Tuti tällä riteerillä ovato seuraavat vetorisysteemit lineaarisesti riippumattomat. a) { i j +, 3 i + j +, i + j 5 } b) { i, i j + 3, 5 i j + 4 } Rataisu: Jos olme avaruusvetoria ovat lineaarisesti riippuvat, ne ovat samassa tasossa. Tällöin luonnollisesti niiden määrämän suuntaissärmiön tilavuus on nolla. Jos ne ovat riippumattomat, ei olmatta voida ilmaista ahden muun lineaariyhdistelynä, ja olmannen on oltava siis ulona ahden ensimmäisen määräämästä tasosta, jolloin suuntaissärmiön tilavuus on suurempi uin nolla. Vetoreiden virittämän suuntaissärmiön tilavuus on niiden salaariolmitulon itseisarvo V = a b c. Tehtävän vetorien salaariolmitulot ovat 3 a) = 6 b) 5 3 5 4 =, miä taroittaa, että a) -ohdassa vetorit ovat lineaarisesti riippumattomat ja b) -ohdassa eivät. Figure havainnollistaa tilannetta. a) b) (3,, ) (, -, ) 4 (5, -, 4) 3 (, -, 3) - - -3-4 - -5 - i (,, -5) 3- j - - (,, -) i 3 4 5- j Figure : a) Vetorit eivät ole samassa tasossa. b) Vetorit ovat samassa tasossa. J (X.5.5) 3 8 6 Lase det(b), un B = ( 5AA T ) 7 ja A = 3 8 4. 8 5 5 Rataisu: Lasetaan det(a) = ja äytetään lasusääntöjä det(ab) = det(a)det(b) det(a T ) = det(a) det(λa) = λ n det(a), jolloin saadaan det(b) = [det( 5AA T )] 7 = [( 5) 3 det(aa T )] 7 = [( 5) 3 det(a)det(a)] 7 = ( 5) 7 = 5 7

V (II.6.8) a) Pisteet (,, 4), (5,, ), (, 3, 6) ja (,, ) ovat seä tetraedrin että suuntaissärmiön äriä. Lase ummanin tilavuus ja pinnan ala. b) Tason olmion asi äreä ovat pisteissä (, ) ja (3, 3). Millaisessa E :n pistejouossa on olmannen ärjen täsmälleen oltava, jotta olmion pinta-ala =? Kuva! Rataisu: a) (TETRAEDRI ) Meritään A = (,, 4), B = (5,, ), C = (, 3, 6) ja D = (,, ), jolloin AB = 6 i + j 4, AC = 3 i j + ja AD = i + j 3. Tetraedrin ABCD tilavuus on V = 6 AB AC AD = 6 6 3 4 3 = 6 = 6 ja pinta-ala saadaan aiien neljän olmion ABC, ABD, ACD ja BCD alojen summana eli pinta-ala = AB AC + AB AD + AC AD + BC BD, jossa determinanttiaavalla saadut ristitulot ovat a i j b = a a a 3 b b b 3 AB AC = i 4 j 9 AB AD = i + j + 4 AC AD = i + 3 j + 5 ja BC BD = i j 8. Vetorin a = a i + a j + a 3 pituus on a = a + a + a 3, eli saadaan pinta-ala = ( 66 + 3 3 + 95 + 59) 36.5. (SUUNTAISSÄRMIÖ) Tilavuus on nyt AB AC AD = ja pinta-ala tahojen (suunniaiden) alojen summa eli pinta-ala = AB AC + AB AD + AC AD = ( 66 + 3 3 + 95).98

b) Meritään A = (,, ) ja B = (3, 3, ). Kolmannelle pisteelle P = (x, y, ) tulee päteä AP BP =. Kosa saadaan AP BP = i j x y + x 3 y 3 = [(x )(y 3) (y + )(x 3)] = ( 5x + y + 9), ( 5x + y + 9) = 5x + y + 9 = TAI 5x + y + 9 = y = 5x + TAI y = eli pisteen on oltava toisella näistä suorista, s. Figure. 5x 9 5 5-5 - -5.5.5.5 3 3.5 4 Figure : Tehtävän V b) uva. 3

V (X.5.8) Neliömatriisi A = (a ij ) oloon ooa n n ja tridiagonaalinen, ts. a ij =, un i j. Edelleen oloon a ii =, i =,..., n, ja a ij = λ, un i j =. a) Näytä, että determinantille D n = deta pätee palautusaava D n = D n λ D n. b) Lase D n, n =,...,, un λ =. c) Jos λ =, niin millä n:n arvoilla A on singulaarinen? Rataisu: Koeillaan muutamalla ensimmäisellä n arvolla, miltä matriisi A näyttää. A = [ ] [ ] λ λ λ A = A λ 3 = λ λ A 4 = λ λ λ λ λ λ a) Lasetaan determinantit D =, D = λ ja D 3 = λ. Siis on osoitettu D 3 = D λ D. Nyt oletetaan, että n =, > 3. Tutitaan matriisia A (,) D = ( ) +i a i deta (,i) i= = deta (,) λ deta (,) = deta λ deta (,), un esim = 5. Tällöin λ λ λ A 5 = λ λ λ λ λ ja A(,) 5 = Huomataan, että edelleen alideterminanttisääntöä äyttäen ( ) (,) ( det A (,) = λ det A (,) λ det = λ deta λ = λ deta, ( missä jälimmäinen determinantti oli nolla, osa matriisissa D = deta λ deta (,) λ λ λ λ λ. λ A (,) A (,) ) (,) ) (,) on nollasarae. Siispä = D λλ deta = D λ D b) Jos λ =, saadaan D = 3 D 3 = 3 4 = 7 D 4 = 7 4 ( 3) = 5 D 5 = 5 4 ( 7) = 33 D 6 = 33 4 (5) = 3 D 7 = 3 4 (33) = 9 D 8 = 7 D 9 = 35 D = 989 c) Jos λ =, niin D = ja D =. Tästä saadaan lasettua, että D n on luujono, jossa toistuu,,,,, loputtomasti. Siis D n =, un mod(n, 3) = ja näillä n on A singulaarinen. 4

MATRIISILASKENTA(TFM) MALLIT LV 6 J - XII.. a) A = Ominaisarvot λ toteuttavat det(a λi) = eli λ [ ] λ = ( λ) 4 = λ = Molemmat ovat ysinertaisia juuria, joten algebralliset ertaluvut yösiä. Ominaisarvoa λ vastaava ominaisvetori x toteuttaa Ax = λx eli [ ] [ ] [ ] x λx = x λx x = λ x x = { 3 { τ λ τ eli ominaisarvoa λ = vastaava ominaisvetori on esimerisi x = [, ] T ja ominaisarvoa λ = 3 vastaava ominaisvetori on esimerisi x = [, ] T. Geometrinen ertaluu ei voi olla algebrallista suurempi, joten myös se on molemmille. J - XII..3 a) A = v = w = u = Oloon λ ominaisvetoria v sitä vastaava ominaisarvo. Tällöin Av = λ v A Av = A λ v x = A v = λ A 9 Av = λa 9 λ v = λ A 9 v =... = λ v Samalla tavalla saadaan A w = λ w ja A u = λ 3 u. Huomataan, että x = v + w - u eli A x = A (v + w u) = A v + A w A u = λ v + λ w λ 3 u Yhtälöistä Av = λ v, Aw = λ w ja Au = λ 3 u voidaan rataista ominaisarvoisi λ =, λ = ja λ 3 =, ja näin ollen + A x = v + w + u = +

V - XII.. f) F = 3 Ominaisarvot λ toteuttavat det(f λi) = eli λ λ 3 λ = λ3 + 6λ λ = λ = 3 i 3 + i Kaii ovat ysinertaisia juuria, joten algebralliset ertaluvut yösiä. Ominaisarvoa λ vastaava ominaisvetori x toteuttaa Ax = λx eli x λx x = λx 3 x 3 λx 3 josta rataistaan vaiapa muotoon (λ 3)τ x = λ τ, τ C τ eli jos valitaan esim τ =, niin 3 x = (ominaisarvolle λ = ) i x = i (ominaisarvolle λ = 3 i) i x = i (ominaisarvolle λ = 3 + i) Jälleen geometrinen ertaluu ei voi olla algebrallista suurempi, joten myös se on molemmille. V - XII..3 c) Tulee päteä α β 4 α β 4 β α β 3 3 α = λ = α β = λ β α = λ = eli siis ehto on λ = α β.

MS-A - Matriisilasenta Viio 7 Mallirataisuja. jouluuuta 6 P XII..6 a) ( ) Tuti, ono matriisi A = diagonalisoituva. Myönteisessä tapausessa 4 3 lase matriisille join (reaalinen tai omplesinen) tulohajotelma muotoa A = CDC, missä D on diagonaalinen. Rataisu Selvitetään ominaisarvot: λ 4 3 λ = ( λ)( 3 λ) = (λ = tai λ = 3) Lasetaan ominaisvetorit: λ = : 4x 4x = x = x λ = 3 : x =, 4x = x =. Löytyi asi lineaarisesti riippumatonta ( ) ominaisvetoria, joten A on diagonalisoituva. Valitaan nyt C =, (eli matriisin saraeisi laitetaan jotin ( ) A:n ominaisvetorit) jolloin C =. Näin ollen A = CDC = ( ) ( ) ( ). Tässä on täreää muistaa laittaa ominaisvetorit 3 samaan järjestyseen uin ominaisarvot matriisissa D. P XII..6 h) Tuti, ono matriisi A = 3 6

diagonalisoituva. Myönteisessä tapausessa lase matriisille join (reaalinen tai omplesinen) tulohajotelma muotoa A = CDC, missä D on diagonaalinen. Rataisu Selvitetään ominaisarvot: λ λ 3 = ( λ)[( λ)( 6 λ) + 6] + ( 6 λ) 3 6 λ = λ 3 9λ 7λ 7 = (λ + 3) 3 = λ = 3. Lasetaan ominaisvetorit: λ = 3 : x x =, x +x +3x 3 =, x x 3x 3 = x = x, x = x 3. Kaii ominaisvetorit ovat siis muotoa t. Kosa lineaarisesti riippumattomia ominaisvetoreita tarvittaisiin olme, niin matriisi ei ole diagonalisoituva.