MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47

Samankaltaiset tiedostot
MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

Johdatus tekoälyn taustalla olevaan matematiikkaan

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

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

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

Determinantti 1 / 30

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

Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 41

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

Matematiikka B2 - Avoin yliopisto

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

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

Insinöörimatematiikka D

Matematiikka B2 - TUDI

Kuvaus. Määritelmä. LM2, Kesä /160

6 MATRIISIN DIAGONALISOINTI

Determinantti. Määritelmä

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

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Numeeriset menetelmät

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /

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

Insinöörimatematiikka D

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

Lineaarialgebra ja matriisilaskenta I

(0 desimaalia, 2 merkitsevää numeroa).

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

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Matriisialgebra harjoitukset, syksy 2016

MS-A0004/A0006 Matriisilaskenta

Determinantti. Määritelmä

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

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 1 / vko 44

Käänteismatriisi 1 / 14

MS-C1340 Lineaarialgebra ja

Lineaarikuvauksen R n R m matriisi

1.1. Määritelmiä ja nimityksiä

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

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Osoita, että kaikki paraabelit ovat yhdenmuotoisia etsimällä skaalauskuvaus, joka vie paraabelin y = ax 2 paraabelille y = bx 2. VASTAUS: , b = 2 2

Lineaarialgebra ja matriisilaskenta I

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

Matriisilaskenta Luento 8: LU-hajotelma

Matriisit ja vektorit Matriisin käsite Matriisialgebra. Olkoon A = , B = Laske A + B, , 1 3 3

Insinöörimatematiikka D

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

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:

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

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

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

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

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

ominaisvektorit. Nyt 2 3 6

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016

Ennakkotehtävän ratkaisu

MS-C1340 Lineaarialgebra ja

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

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

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

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

Insinöörimatematiikka D

Insinöörimatematiikka D

ja F =

z Im (z +1) 2 = 0. Mitkä muut kompleksitason pisteet toteuttavat tämän yhtälön? ( 1) 0 z ( 1) z ( 1) arg = arg(z 0) arg(z ( 1)), z ( 1) z ( 1)

tyyppi metalli puu lasi työ I II III metalli puu lasi työ

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?

1 Kannat ja kannanvaihto

5 OMINAISARVOT JA OMINAISVEKTORIT

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

Matriisilaskenta Laskuharjoitus 1 - Ratkaisut / vko 37

Ominaisarvo ja ominaisvektori

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

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

Matriisilaskenta (TFM) MS-A0001 Hakula/Vuojamo Ratkaisut, Viikko 48, , c)

Talousmatematiikan perusteet: Luento 9. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Transponointi Matriisitulo

1.1 Vektorit. MS-A0004/A0006 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n.

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

BM20A0700, Matematiikka KoTiB2

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

MATRIISIALGEBRA. Harjoitustehtäviä syksy Olkoot A =, B =

Lineaarialgebra a, kevät 2018 Harjoitusta 5 Maplella

A B = (1, q, q 2 ) (2, 0, 2) = 2 2q q 2 = 0 q 2 = 1 q = ±1 A(±1) = (1, ±1, 1) A(1) A( 1) = (1, 1, 1) (1, 1, 1) = A( 1) A(1) A( 1) = 1

Sisätuloavaruudet. 4. lokakuuta 2006

Insinöörimatematiikka D

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

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

4.3.7 Epäoleellinen integraali

Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa.

Tyyppi metalli puu lasi työ I II III

Vektoreiden A = (A1, A 2, A 3 ) ja B = (B1, B 2, B 3 ) pistetulo on. Edellisestä seuraa

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

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

Tehtävä 2. Osoita, että seuraavat luvut ovat algebrallisia etsimällä jokin kokonaislukukertoiminen yhtälö jonka ne toteuttavat.

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

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

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

Transkriptio:

MS-A3/A5 Matriisilaskenta Malliratkaisut 4 / vko 47 Tehtävä 1 (L): Oletetaan, että AB = AC, kun B ja C ovat m n-matriiseja. a) Näytä, että jos A on kääntyvä, niin B = C. b) Seuraako yhtälöstä AB = AC yhtälö B = C, jos A ei olekaan kääntyvä? Perustele. a) A on kääntyvä ja B ja C ovat m n-matriiseja, joten A:n on oltava m m- neliömatriisi. Kerrotaan yhtälön molemmat puolet vasemmalta A:n käänteismatriisilla: A 1 AB = A 1 AC I m B = I m C B = C b) Tarkastellaan vastaesimerkkinä matriiseja A = [ 1 1 ], B = [ 7 1 3 2 ] ja C = [ [ ] [ ] [ ] 1 7 3 1 2 AB = = 1 1 2 1 2 [ ] [ ] [ ] 1 2 AC = = 1 1 2 1 2 Tässä siis AB = AC toteutuu, mutta B = C ei, joten jälkimmäinen ei seuraa edellisestä. Yleisesti matriisiyhtälöllä muotoa AX = B ei ole yksikäsitteistä ratkaisua, jos A ei ole kääntyvä. Kaikille luvuille a, s, t pätee [ ] [ ] s a = [ at ]. t Tässä matriisi [ a ] [ ] ei ole kääntyvä. Tulosta saadaan arvoksi at kaikilla s, eli erilaisilla matriiseilla saadaan sama lopputulos. s t Tehtävä 2 (L): Millaisen matriisin saat, kun kerrot a) diagonaalimatriisin toisella diagonaalimatriisilla? b) yläkolmiomatriisin toisella yläkolmiomatriisilla? c) alakolmiomatriisin toisella alakolmiomatriisilla? Perustele vastaukset. 1 2 ]: 1

n n-matriisien A ja B tulon AB alkiot määräytyvät seuraavan kaavan mukaan: A ik B kj a) A diag. B diag. A ii B ij = { A ii B ii, jos j = i muuten. Toisin sanoen A:n ja B:n tuloksi tulee diagonaalimatriisi, jonka diagonaalin alkiot muodostuvat A:n ja B:n diagonaalialkioiden tuloista. b) A ja B ovat yläkolmiomatriiseja eli A ij = = B ij tapauksessa i > j. Tällöin pätee A y.k. B y.k.,i>j A ik =. k=i k=i Näin ollen kaavan oikeasta puolesta tulee nolla kaikilla i > j, joten yläkolmiomatriisien tulo AB on myös yläkolmiomatriisi. c) Nyt A ja B ovat alakolmiomatriiseja eli A ij = = B ij tapauksessa i < j. Tällöin pätee A a.k. i B a.k.,i<j i A ik =. k= k= Kaikilla i < j summa on siis nolla, joten tulo on alakolmiomatriisi. 2 1 3 Tehtävä 3 (P): Tarkastellaan matriisia A = 8 7 6. Lisäämällä ensimmäinen rivi 4:llä kerrottuna 4 5 toiseen riviin saadaan toisen rivin 1. alkio nollaksi. Tämä eliminaatioaskel voidaan esittää myös kertolaskulla: 2 1 3 2 1 3 4 1 8 7 6 = 3 6. 1 4 5 4 5 Matriisi A kerrotaan siis eliminaatiomatriisilla E 21. Saattaaksesi matriisi A porrasmuotoon, tee sille vielä seuraavat askeleet: i) Lisää ensimmäinen rivi 2:lla kerrottuna kolmanteen riviin ii) Lisää toinen rivi 1:lla kerrottuna kolmanteen riviin Etsi näiden askelten eliminaatiomatriisit E 31 ja E 32 ja tarkista, että saamallesi porrasmuotoiselle matriisille U pätee E 32 E 31 E 21 A = U. 2

Eliminaatiomatriisit muodostetaan kuten tehtävänannon esimerkissä. i) 1 E 31 = 1 2 1 2 1 3 2 1 3 E 31 E 21 A = 1 3 6 = 3 6 2 1 4 5 3 6 ii) 1 E 32 = 1 1 1 2 1 3 2 1 3 E 32 E 31 E 21 A = 1 3 6 = 3 6 = U. 1 1 3 6 Tarkistetaan tulos: 2 1 3 2 1 3 E 32 E 31 E 21 A = 1 1 4 1 8 7 6 = 3 6 = U 1 1 2 1 4 5 Tehtävä 4 (P): Matriisin LU-hajotelmassa matriisi esitetään kahden matriisin tulona A = LU, missä matriisi L on alakolmiomatriisi ja U yläkolmiomatriisi. Käytännössä U on se porrasmuoto, johon matriisi saadaan Gaussin eliminaatioaskelilla, ja L sisältää informaation näistä askelista. Laske nyt tehtävän 3 matriisin A LU-hajotelma saamasi yhtälön E 32 E 31 E 21 A = U avulla: matriisi U sinulla on jo valmiina, matriisin L saat eliminaatiomatriiseista. Tarkista, että A = LU. Merkitään E 32 E 31 E 21 = E = puolittain vasemmalta E 1 :llä, jolloin saadaan: [ ] 4 1. LU-hajotelma saadaan muodosta EA = U kertomalla 2 1 1 E 1 EA = E 1 U A = E 1 U. Lasketaan E 1 : (E I) = 4 1 1 R2=R2+4R1 1 4 1 2 1 1 1 R3=R3 2R1 1 1 2 1 1 4 1 1 4 1 = (I E 1 ) 1 1 2 1 1 2 1 1 R3=R3+R2 3

LU-hajotelma on nyt muotoa: Tehtävä 5 (L): Osoita, että matriiseille A = det(ab) = det(a) det(b). A = E 1 U 2 1 3 2 1 3 8 7 6 = 4 1 3 6 4 5 2 1 4 3 1 2 3 2 ja B = 1 3 2 5 1 4 pätee Lasketaan tulo AB. AB = 4 3 1 2 3 2 1 3 2 5 1 4 = 2 11 4 3 3 4 4 9 12 Sitten lasketaan determinantit matriiseista A, B ja AB. det(a) = 4 3 1 2 3 2 = 2 3 1 3 2 ( 1) 4 1 2 2 = 2 ( 6 3) + ( 8 2) = 28 1 3 2 det(b) = 5 1 4 = 5 1 2 1 4 = 5 (4 2) = 1 2 11 4 det(ab) = 3 3 4 4 9 12 = 2 3 4 9 12 ( 11) 3 4 4 12 + 4 3 3 4 9 = 2 (36 36) + 11 ( 36 ( 16)) + 4 ( 27 ( 12)) = 28 det(a)det(b) = 28 1 = 28 = det(ab). Tehtävä 6 (L): a) Jos tiedetään, että erästä lineaarikuvausta esittävän matriisin determinantti on 5, niin mitä tämä kertoo kyseisestä kuvauksesta? b) Lineaarikuvaus projisoi R 3 :n vektorit xy-tasoon. Mikä on sitä esittävän matriisin determinantti? Vastaa ensin ja tarkista sitten laskulla. 4

a) Olkoon A R n n. Determinantin det(a) negatiivisuus merkitsee sitä, että avaruuden suunnistus eli kätisyys vaihtuu lineaarikuvauksessa A : R n R n. Toisin sanoen A kuvaa vasenkätiset oliot oikeakätisiksi (erityisesti tutuissa arkisissa dimensioissa n = 2 ja n = 3). Determinantin itseisarvo det(a) puolestaan on olioiden n-dimensioisen tilavuuden skaalauskerroin (dimensiossa n = 2 tämä tarkoittaa 2-tilavuuden eli tavallisen pintaalan kasvukerrointa, dimensiossa n = 3 puolestaan 3-tilavuuden eli tavallisen tilavuuden kasvukerrointa, ja osataan suurinpiirtein kuvitella mitä tarkoittaa n-dimensioisen tiiliskiven n-dimensioinen tilavuus.). Jos siis esimerkiksi det(a) = 5, tarkoittaa tämä sitä, että lineaarikuvaus A : R n R n vaihtaa suunnistuksen (eli kätisyyden) ja skaalaa n-dimensioisen tilavuuden 5-kertaiseksi. Huomaa, että jos lineaarikuvaus B : R n R n määritellään kaavalla Bu = tu (missä t R vakio), niin det(b) = t n, jolloin n-dimensioinen tilavuus t n -kertaistuu, ja kätisyys riippuu siitä, onko t n negatiivinen (mikä on mahdollista vain parittomissa dimensioissa n). b) Olkoon A kuvausta esittävä matriisi. Selvästi z-akselilla kuvaus skaalaa avaruuden nollan pituiseksi. Pitäisi siis olla det(a) =. a 1 a 2 a 3 v 1 a 1 v 1 + a 2 v 2 + a 3 v 3 Av = b 1 b 2 b 3 v 2 = b 1 v 1 + b 2 v 2 + b 3 v 3, (1) c 1 c 2 c 3 v 3 kaikilla v R 3. Selvästi A:n alkioiden c 1, c 2 ja c 3 (A:n alin rivi) on siis oltava nollia. Matriisin, jonka yksi rivi on vain nollia, determinantti on aina. Tehtävä 7 (P): a) Tason kierto origon ympäri kulman t R verran voidaan esittää matriisina [ ] cos(t) sin(t) A =. sin(t) cos(t) Vaikka tulos on geometrisesti selvä, laske det(a). b) Laske det(b), kun cos(φ) sin(φ) cos(θ) sin(θ) cos(ψ) sin(ψ) B = sin(φ) cos(φ) 1 sin(ψ) cos(ψ), 1 sin(θ) cos(θ) 1 a) missä θ π ja φ, ψ < 2π. Millaista avaruuden muunnosta tämä matriisi esittää? det(a) = cos(t) sin(t) sin(t) cos(t) = cos(t) cos(t) ( sin(t) sin(t)) = cos2 (t) + sin 2 (t) = 1 Matriisin determinantti on pääteltävissä sen annetusta käyttötarkoituksesta. Mikäli tämä lineaarikuvaus vain kiertää pistejoukkoa tasossa, ei se skaalaa sitä millään tavalla, joten suurennussuhde on 1. 5

b) Koska det(ab) = det(a) det(b), saadaan cos(φ) sin(φ) det(b) = sin(φ) cos(φ) 1 cos(θ) sin(θ) 1 sin(θ) cos(θ) cos(ψ) sin(ψ) sin(ψ) cos(ψ) 1 = (1 cos(φ) sin(φ) sin(φ) cos(φ) ) (1 cos(θ) sin(θ) sin(θ) cos(θ) ) (1 cos(ψ) sin(ψ) sin(ψ) cos(ψ) ) = (cos 2 (φ) + sin 2 (φ)) (cos 2 (θ) + sin 2 (θ)) (cos 2 (ψ) + sin 2 (ψ)) = 1 1 1 = 1. Kaikki tulon matriisit ovat rotaatiomatriiseja. Matriisi B on yhdistetty kuvaus näistä matriiseista. Muunnos on siis kierto xy-tasossa φ verran vastapäivään (z-akselin ympäri), kierto xz-tasossa θ verran myötäpäivään (y-akselin ympäri) ja kierto ψ verran vastapäivään xytasossa (taas z-akselin ympäri). Tehtävä 8 (P): Tarkista, että vektoreiden a = a 1 i + a 2 j + a 3 k ja b = b 1 i + b 2 j + b 3 k vektoritulo a b voidaan laskea determinanttina seuraavasti: i j k a b = a 1 a 2 a 3 b 1 b 2 b 3. Laske sitten tämän tiedon avulla sellaisen suunnikkaan ala, jolla on kärkipisteet ( 1, 2), (1, 1) ja (, 2). Tunnetusti vektoreiden a ja b ristitulo on (a 2 b 3, a 3 b 1, a 1 b 2 ) (a 3 b 2, a 1 b 3, a 2 b 1 ). Lasketaan annettu determinantti auki: i j k a 1 a 2 a 3 b 1 b 2 b 3 = i a 2 a 3 b 2 b 3 j a 1 a 3 b 1 b 3 + k a 1 a 2 b 1 b 2 = i (a 2 b 3 a 3 b 2 ) j (a 1 b 3 a 3 b 1 ) + k (a 1 b 2 a 2 b 1 ) Muodostetaan suunnikkaan sivujen vektorit u ja v. = (a 2 b 3 a 3 b 2, a 3 b 1 a 1 b 3, a 1 b 2 a 2 b 1 ) u = (1, 1) ( 1, 2) = (2, 1) v = (, 2) ( 1, 2) = (1, 4) = a b. Lasketaan vektoritulo: i j k u v = 1 4 = k 2 1 1 4 = k ( 8 ( 1)) = 7k. Kärkipisteiden muodostaman suunnikkaan pinta-ala on tunnetusti sivujen vektoreiden ristitulon pituus. Kysytty pinta-ala on siis 7k = 7. 6