Matemaattinen Analyysi / kertaus

Samankaltaiset tiedostot
Lineaarialgebra, kertausta aiheita

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

Ortogonaaliset matriisit, määritelmä 1

6 MATRIISIN DIAGONALISOINTI

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

Lineaarikuvauksen R n R m matriisi

5 OMINAISARVOT JA OMINAISVEKTORIT

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

Ortogonaalisen kannan etsiminen

Insinöörimatematiikka D

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

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

6. OMINAISARVOT JA DIAGONALISOINTI

1 Ominaisarvot ja ominaisvektorit

Alkeismuunnokset matriisille, sivu 57

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

Lineaarialgebra ja matriisilaskenta I

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.

Ominaisarvo ja ominaisvektori

MS-C1340 Lineaarialgebra ja

Ominaisarvo ja ominaisvektori

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

Sisätuloavaruudet. 4. lokakuuta 2006

5 Ominaisarvot ja ominaisvektorit

Ratkaisuehdotukset LH 7 / vko 47

Kanta ja Kannan-vaihto

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

Kanta ja dimensio 1 / 23

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

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

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.

Insinöörimatematiikka D

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

1 Matriisit ja lineaariset yhtälöryhmät

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

2.5. Matriisin avaruudet ja tunnusluvut

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.

Matematiikka B2 - Avoin yliopisto

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

Avaruuden R n aliavaruus

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?

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

Insinöörimatematiikka D

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

Kertausta: avaruuden R n vektoreiden pistetulo

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Kuvaus. Määritelmä. LM2, Kesä /160

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

Neliömuodoista, matriisin ominaisarvoista ja avaruuden kierroista

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /310

Paikannuksen matematiikka MAT

C = {(x,y) x,y R} joiden joukossa on määritelty yhteen- ja kertolasku seuraavasti

1 Singulaariarvohajoitelma

Matriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo

Lineaariset mollit, kl 2017, Harjoitus 1

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

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

1. Normi ja sisätulo

ja F =

Lineaarialgebra II P

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

Luento 8: Epälineaarinen optimointi

ominaisvektorit. Nyt 2 3 6

OMINAISARVOISTA JA OMINAISVEKTOREISTA

Matemaattinen Analyysi, s2016, L2

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Oletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U

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

Luento 8: Epälineaarinen optimointi

Johdatus lineaarialgebraan

Lineaarialgebra ja matriisilaskenta I

Tehtäväsarja I Kerrataan lineaarikuvauksiin liittyviä todistuksia ja lineaarikuvauksen muodostamista. Sarjaan liittyvät Stack-tehtävät: 1 ja 2.

MATRIISIALGEBRA. Harjoitustehtäviä syksy Olkoot A =, B =

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

MS-A0004/A0006 Matriisilaskenta

1 Lineaariavaruus eli Vektoriavaruus

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Talousmatematiikan perusteet: Luento 14. Rajoittamaton optimointi Hessen matriisi Ominaisarvot Ääriarvon laadun tarkastelu

Insinöörimatematiikka D

Insinöörimatematiikka D

1 Avaruuksien ja lineaarikuvausten suora summa

MS-C1340 Lineaarialgebra ja

802320A LINEAARIALGEBRA OSA I

MS-C1340 Lineaarialgebra ja

Numeeriset menetelmät

Insinöörimatematiikka D

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

i=1 Näistä on helppo näyttää ominaisuudet (1)-(4). Ellei toisin mainita, käytetään R n :ssä

Johdatus lineaarialgebraan

Matriisialgebra harjoitukset, syksy 2016

JAKSO 2 KANTA JA KOORDINAATIT

Ominaisarvo-hajoitelma ja diagonalisointi

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

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

Ominaisvektoreiden lineaarinen riippumattomuus

1 Sisätulo- ja normiavaruudet

802320A LINEAARIALGEBRA OSA II

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

Transkriptio:

Matemaattinen Analyysi / kertaus Ensimmäinen välikoe o

{ 2x + 3y 4z = 2 5x 2y + 5z = 7 ( ) x 2 3 4 y = 5 2 5 z ) ( 3 + y 2 ( 2 x 5 ( 2 7 ) ) ( 4 + z 5 ) = ( 2 7 )

yhteys determinanttiin Yhtälöryhmän ratkaiseminen rivioperaatioilla (n n) yhtälöryhmällä A x = b on yksikäsitteinen ratkaisu, jos ja vain jos Det(A) 0. Homogeenisella (n n) yhtälöryhmällä A x = 0 on ei-triviaali ratkaisu, jos ja vain jos Det(A) = 0. (m n) yhtälöryhmällä A x = b on yksikäsitteinen ratkaisu, jos ja vain jos Rank(A) = n. homogeenisella (m n) yhtälöryhmällä A x = 0 on ei-triviaali ratkaisu, jos ja vain jos Rank(A) < n.

o Määritelmä Summa c 1 u 1 + c 2 u 2 + + c n u n on lineaarikombinaatio vektoreista { u 1, u 2,..., u n } kertoimin c 1, c 2,..., c n. Vektoreiden virittämä aliavaruus on Span{ u 1, u 2,..., u n } = {c 1 u 1 + c 2 u 2 + + c n u n c i R, i = 1, 2,..., n} Perusongelma: "Voidaanko vektori v lausua vektoreiden u 1, u 2,..., u n lineaarikombinaationa?" Sama toisin: "Onko v span{ u 1, u 2,..., u n }?"

Määritelmä Vektorijoukko { u 1, u 2,..., u n } on lineaarisesti riippumaton (vapaa), jos nollavektoria ei voida lausua niiden ei-triviaalina lineaarikombinaationa. Vektorijoukko { u 1, u 2,..., u n } on vapaa, jos ja vain jos (c 1 u 1 + c 2 u 2 + + c n u n = 0) (c1 = c 2 = = c n = 0). Vektorijoukko { u 1, u 2,..., u n } on sidottu, jos se ei ole vapaa. Vektorijoukko { u 1, u 2,..., u n } on sidottu, jos jokin sen vektoreista voidaan lausua muiden lineaarikombinaationa. Perusongelma: "Onko vektorijoukko { u 1, u 2,..., u n } vapaa?"

Määritelmä Olkoon U = { u 1, u 2,..., u n } joukko vektoriavaruuden L vektoreita. U on L:n kanta, jos (1) U on vapaa ja (2) Span(U) = L (eli U virittä L:n). Jokainen vektoriavaruuden L vektori x L voidaan yksikäsitteisellä tavalla lausua kantavektoreiden lineaarikombinaationa x = c 1 u 1 + c 2 u 2 + + c n u n. on kertoimia sanotaan vektorin x koordinaateiksi kannassa U. vektoreiden lukumäärä on vektoriavaruuden dimensio. Dim(R n ) = n. Perusongelmat: "Onko U kanta?" Mitkä ovat vektorin x koordinaatit kannassa U?" (Kannanvaihto)

Määritelmiä u v = u T v = u 1 v 1 + u 2 v 2 + + u n v n u = u v = u1 2 + u2 + + 2 u2 n Kaksi vektoria u ja v ovat kohtisuorassa keskenään ( u v ), jos u v = 0 Vektorijoukko { u 1, u 2,..., u n } on ortogonaalinen, jos kaikki sen vektorit ovat pareittain kohtisuorassa keskenään ja erisuuria kuin nollavektori. ( u i u j, i j) Vektorijoukko { u 1, u 2,..., u n } on ortonormaali, jos kaikki sen vektorit ovat yksikkövektoreita ja pareittain kohtisuorassa keskenään. ( u i = 1, i ja u i u j, i j)

Ominaisuuksia Ortogonaalinen vektorijoukko on vapaa. Vapaa vektorijoukko voidaan ortonormittaa Gram-Schmidt -menetelmällä. Jos kanta on ortonormaali, niin vektorin pituuden neliö on koordinaattien neliöiden summa (Pythagoras). Ortogonaalisen matriisin sarakevektorit muodostavat ortonormitetun joukon.

Määritelmä Kuvaus f : L M, x f ( x) on lineaarikuvaus, jos (1) L ja M ovat vektoriavaruuksia. (2) f ( x 1 + x 2 ) = f ( x 1 ) + f ( x 2 ) (3) f (r x) = r f ( x) Lineaarikuvauksen matriisi Lineaarikuvauksen kuva Lineaarikuvauksen ydin

Määritelmä on matriisin sarakeavaruuden dimensio. (m n)-matriisin A rangi on n, jos ja vain jos Det(A T A) 0. (n n)-matriisille A pätee: Rank(A) = n A is a matrix of full rank Det(A) 0

Jos (m n)-matriisin A rangi on n, niin matriisin pseudoinverssi on A = (A T A) 1 A T. Jos yhtälöryhmällä A x = b on ratkaisu ja kerroinmatriisin sarakkeet muodostavat vapaan joukon (A on full), niin ratkaisu saadaan kaavalla x = A b = (A T A) 1 A T b

Olkoon A (n n) -matriisi. Jos on olemassa reaaliluku λ ja vektori x R n siten, että A x = λ x niin sanomme, että λ on matriisin A ominaisarvo ja λ on matriisiin A ja sen ominaisarvoon λ liittyvä ominaisvektori. Ominaisarvot saadaan karakteristisen yhtälön juurina: Det(A λi ) = 0 Ominaisarvoon λ liittyvät ominaisvektorit saadaan (homogeenisen) ominaisarvoyhtälön ratkaisuina: A x = λ x

Symmetrisen matriisin ominaisarvot ovat reaaliset. Symmetrinen matriisi voidaan aina diagonalisoida. Ominaisarvo-hajoitelma QR-hajoitelma LU-hajoitelma Singulaariarvohajoitelma

Olkoon A symmetrinen (3 3) -matriisi. Silloin a b c ( ) x1 x 2 x 3 b u w c w s x 1 x 2 x 3 = ax 2 1 + 2bx 1 x 2 + 2cx 1 x 3 + ux 2 2 + 2wx 2 x 3 + sx 2 3 Neliömuodon matriisi. Neliömuoto on positiivisesti deniitti, jos matriisin ominaisarvot ovat kaikki positiivisia. Neliömuoto on negatiivisesti deniitti, jos matriisin ominaisarvot ovat kaikki negatiivisia. Neliömuoto on indeniitti, jos se ei ole positiivisesti tai negatiivisesti deniitti. Symmetrisen matriisin (neliömuodon) deniittisyys kannattaa tutkia pääminoreiden avulla.

Gradientti ja Hessin matriisi f = f x1 f x2.. H = f xn f x1 x1 f x1 x2 f x1 xn f x2 x1 f x2 x2 f x2 xn........ f xnx1 f xnx2 f xnxn

Välttämätön ja riittävä ehto Välttämätön ehto f = 0 Riittävä ehto minimille (1) f = 0 ja (2) H on positiivisesti deniitti Riittävä ehto maksimille (1) f = 0 ja (2) H on negatiivisesti deniitti

Formaatti: Lagrangen funktio Välttämätön ehto Sijoituskeino. Min f (x, y) ehdolla h(x, y) = 0 L(x, y) = f (x, y) + λh(x, y) Lagrangen kertoja -keino L x = 0 L y = 0 L λ = 0 Lagrangen kertojan tulkinta

Formaatti: Lagrangen funktio Min f (x, y) ehdolla g(x, y) 0 L(x, y) = f (x, y) + µg(x, y) Välttämätön ehto L x = 0 L y = 0 µg(x, y) = 0 µ 0 g(x, y) 0 Relaksaatio. Lagrangen kertojan tulkinta