Ratkaisuehdotukset LH 10 / vko 48

Samankaltaiset tiedostot
Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

Ratkaisuehdotukset LH 8 / vko 47

Ratkaisuehdotukset LH 3 / alkuvko 45

Ratkaisuehdotukset LH 7 / vko 47

Ominaisarvo ja ominaisvektori

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.

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

Ominaisarvot ja ominaisvektorit 140 / 170

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

Ominaisarvo ja ominaisvektori

Ortogonaalisen kannan etsiminen

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

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

Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 41

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja

Paikannuksen matematiikka MAT

5 OMINAISARVOT JA OMINAISVEKTORIT

Lineaarikuvauksen R n R m matriisi

Matematiikka B2 - TUDI

MS-A0004/A0006 Matriisilaskenta

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

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?

Milloin A diagonalisoituva?

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

Numeeriset menetelmät

Matriisialgebra harjoitukset, syksy 2016

Matemaattinen Analyysi / kertaus

MS-C1340 Lineaarialgebra ja

Matematiikka B2 - Avoin yliopisto

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

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

1 Ominaisarvot ja ominaisvektorit

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

Similaarisuus. Määritelmä. Huom.

Ominaisvektoreiden lineaarinen riippumattomuus

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

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

3.2.2 Tikhonovin regularisaatio

(0 desimaalia, 2 merkitsevää numeroa).

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra ja matriisilaskenta I

Ominaisarvo-hajoitelma ja diagonalisointi

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

5 Differentiaaliyhtälöryhmät

Esimerkki 19. Esimerkissä 16 miniminormiratkaisu on (ˆx 1, ˆx 2 ) = (1, 0).

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /

Inversio-ongelmien laskennallinen peruskurssi Luento 2

5 Ominaisarvot ja ominaisvektorit

Katsaus konepellin alle - iteratiivisia menetelmiä ominaisarvotehtävälle

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

Inversio-ongelmien laskennallinen peruskurssi Luento 7 8

Lineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / Ratkaisut

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

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

5.1. Normi ja suppeneminen Vektoriavaruus V on normiavaruus, jos siinä on määritelty normi : V R + = [0, ) jolla on ominaisuudet:

DI matematiikan opettajaksi: Täydennyskurssi, kevät 2010 Luentorunkoa ja harjoituksia viikolle 13: ti klo 13:00-15:30 ja to 1.4.

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

802320A LINEAARIALGEBRA OSA III

Matriisit. Määritelmä 1 Reaaliluvuista a ij, missä i = 1,..., k ja j = 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A =

6. OMINAISARVOT JA DIAGONALISOINTI

Lineaarialgebra ja matriisilaskenta I

Luento 9: Newtonin iteraation sovellus: optimointiongelma

ax + y + 2z = 0 2x + y + az = b 2. Kuvassa alla on esitetty nesteen virtaus eräässä putkistossa.

MAA02. A-osa. 1. Ratkaise. a) x 2 + 6x = 0 b) (x + 4)(x 4) = 9 a) 3x 6x

Insinöörimatematiikka D

Alkeismuunnokset matriisille, sivu 57

Mapu 1. Laskuharjoitus 3, Tehtävä 1

4. Lasketaan transienttivirrat ja -jännitteet kuvan piiristä. Piirielimien arvot ovat C =

ominaisvektorit. Nyt 2 3 6

Differentiaaliyhtälöt II, kevät 2017 Harjoitus 5

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

Lineaarikuvaukset. 12. joulukuuta F (A r ) = F (A r ) r .(3) F (s) = s. (4) Skalaareille kannattaa määritellä lisäksi seuraavat tulot:

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Kertaus. x x x. K1. a) b) x 5 x 6 = x 5 6 = x 1 = 1 x, x 0. K2. a) a a a a, a > 0

Iteratiiviset ratkaisumenetelmät

Insinöörimatematiikka D

Matriisihajotelmat. MS-A0007 Matriisilaskenta. 5.1 Diagonalisointi. 5.1 Diagonalisointi

Moniulotteisia todennäköisyysjakaumia

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

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

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

2v 1 = v 2, 2v 1 + 3v 2 = 4v 2.. Vastaavasti ominaisarvoa λ 2 = 4 vastaavat ominaisvektorit toteuttavat. v 2 =

Luento 8: Epälineaarinen optimointi

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

Determinantti 1 / 30

OMINAISARVOISTA JA OMINAISVEKTOREISTA

Tehtävä 1. Arvioi mitkä seuraavista väitteistä pitävät paikkansa. Vihje: voit aloittaa kokeilemalla sopivia lukuarvoja.

Kohdeyleisö: toisen vuoden teekkari

Luento 8: Epälineaarinen optimointi

Monissa käytännön ongelmissa ei matriisiyhtälölle Ax = b saada ratkaisua, mutta approksimaatio on silti käyttökelpoinen.

Lineaarialgebra, kertausta aiheita

. Mitä olisivat y 1 ja y 2, jos tahdottaisiin y 1 (0) = 2 ja y 2 (0) = 0? x (1) = 0,x (2) = 1,x (3) = 0. Ratkaise DY-ryhmä y = Ay.

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

1 Matriisit ja lineaariset yhtälöryhmät

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

Transkriptio:

MS-C134 Lineaarialgebra, II/017 Ratkaisuehdotukset LH 10 / vko 48 Tehtävä 1: Olkoot A R n n symmetrinen ja positiividefiniitti matriisi. Näytä, että (i T A n (λ iα i (ii A n (λ i α i jossa α i on siten, että n α iv i, jossa vektorit v ovat matriisiin A liittyvä ominaiskanta. Ratkaisu: Vektorit v i muodostavat matriisiin A liittyvän ominaiskannan. Koska A R n n on symmetrinen ja positiividefiniitti matriisi, voidaan sen ominaisvektorit valita siten, että ne ovat ortonormeeratut. Ominaisvektoreille v i, i 1,..., n, pätee siis v T i v i 1, (1 v T j v i 0, kun j i, ( Av i λ i v i. (3 (i ( T ( T A α j v j A α i v i j1 ( ( α j vj T α i Av i j1 ( ( α j vj T α i λ i v i j1 j1 yhtälö (3 α j α i λ i vj T v i yhtälö ( αi λ i vi T v i yhtälö (1 αi λ i 1

MS-C134 Lineaarialgebra, II/017 (ii A α i Av i α i λ i v i ( α i λ i v i ( α j λ j v jt j1 ( ( α j λ j vj T α i λ i v i j1 j1 yhtälö (3 y yt y α j λ j α i λ i vj T v i yhtälö ( αi λ i vi T v i yhtälö (1 αi λ i Tehtävä : Olkoot M R n n siten, että 1 1 1 1 1 M......... 1 1 1 1 1 Näytä, että (i T M n i + n i i i 1 + i i+1 (ii jokaisella a, b R, 1 (a + b ab 1 (a + b. (iii 1 λ(m 3.

MS-C134 Lineaarialgebra, II/017 Ratkaisu: (i R n. 1 1 T M [ ] 1 1 1 1 1... n.......... 1 1 1 n 1 1 1 + [ 1 + + 3 ] + 3 + 4 1... n. n + + n + n 1 ( 1 + + j ( j 1 + j + j+1 + n ( + n i + j i i 1 + i i+1 i (ii Kaikille a, b R pätee: (a b 0 a + b ab 0 a + b ab ab 1 ( a + b ja (a + b 0 a + b + ab 0 a + b ab ab 1 ( a + b eli 1 ( a + b ab 1 ( a + b (iii Lauseketta T A kutsutaan matriisiin A liittyväksi Rayleigh n osamääräksi. Symmetriselle matriisille A R n n pätee, että sen suurin ja pienin ominaisarvo T ovat: λ ma (A ma 0 T A T ja λ min (A min 0 T A T. 3

MS-C134 Lineaarialgebra, II/017 Tehtävän matriisi M on symmetrinen. Rayleigh n osamäärää käyttämällä, arvioidaan M:n ominaisarvojen suuruutta arvioimalla (i-kohdassa saatua T M:n lauseketta (ii-kohdan perusteella ensin ylöspäin ja sitten alaspäin. T M 3 i + i i 1 + i i+1 i i + i i+1 + i i+1 keskimmäisen summan indeksi i i + i i+1 i+1 1 ( i + i+1 i + 3 T Vastaavasti T M i ( i + i+1 + n + 1 i i + i i+1 i+1 1 ( i + i+1 i i T i ( i + i+1 n 1 ( i + i Yhdistämällä nämä tulokset ja jakamalla T :lla saadaan 1 T M T 3, jolloin Rayleigh n osamäärän ominaisuuksien perusteella kaikille M:n ominaisarvoille λ(m täytyy päteä 1 λ(m 3. 4

MS-C134 Lineaarialgebra, II/017 Kotitehtävä 3: Olkoot A, B R n n symmetrisiä ja positiividefiniittejä matriiseja. Käytetään matriisin A pienimmästä ja suurimmasta ominaisarvosta merkintää λ m (A ja λ M (A. Näytä, että (i λ(a λ(a ja λ(a λ(a (ii λ m (ABA λ m (Bλ m (A (iii λ M (ABA λ M (Bλ M (A Ratkaisu: (i Olkoon λ A:n ominaisarvo, ja v vastaava ominaisvektori, joten Av λv pätee. Tästä seuraa (A v A(Av A(λv λ(av λ(λv λ v eli λ on A :n ominaisarvo, eli λ(a λ(a. Koska A on positiividefiniitti, niin λ 0. Saadaan Av λv A 1 Av A 1 λv Iv λa 1 v 1 λ v A 1 v eli λ 1 on A 1 :n ominaisarvo. Edellisen väitteen perusteella, λ on A :n ominaisarvo, eli λ(a λ(a. (ii Käytetään jälleen Rayleigh n osamäärää (koska A ja B ovat symmetrisiä, myös ABA on symmetrinen: λ m (ABA min 0 T (ABA T min 0 (A T B(A T Merkitään A y. Tällöin A 1 y ja T y T (A 1 T y T (A T 1 y T A 1. Lisäksi 0 y 0. Näillä saadaan λ m (ABA min y T A 1 A 1 y min y T A y Kasvatetaan nimittäjän lauseketta Rayleigh n osamäärän avulla (koska A on symmetrinen, myös A on symmetrinen: joten λ M (A ma y T A y y T y λ m (ABA min yt A y y T y y T A y min y T yλ M (A y T A y y T yλ M (A 1 λ M (A min y T y 1 (λ m (A λ m(b λ m (Bλ m (A 5

MS-C134 Lineaarialgebra, II/017 (iii Samaan tapaan kuin (ii-kohta. λ M (ABA ma 0 T (ABA T ma y T A y Tällä kertaa nimittäjää pienennetään: λ m (A min y T A y y T y yt A y y T y y T yλ m (A y T A y joten λ M (ABA ma y T A y ma y T yλ m (A 1 λ m (A λ M(B λ M (Bλ M (A 6

MS-C134 Lineaarialgebra, II/017 Kotitehtävä 4: Olkoot Matriisi A 1 0 A 1 1 0 1 Matriisin A ominaisarvoja ei lasketa tietokoneella ratkaisemalla polynomin nollakohtia. Eräs tapa laskea approksimaatio matriisin A suurimmalle ominaisarvolle on potenssi-iteraatio, i+1 A i, i 0, 1,... A i Jossa 0 on jokin alkuarvaus. Aproksimaatio ominaisarvolle lasketaan Rayleigh-osamäärän avulla, µ i ( i T A i. (4 i (i Laske approksimaatio matriisin A suurimmalle ominaisarvolle käyttämällä potenssiiteraatiota. (ii Piirrä virhe λ µ i. Ratkaisu: Iteraation edetessä i lähestyy A:n suurinta ominaisarvoa vastaavaa ominaisvektoria, jolloin µ i lähestyy A:n suurinta ominaisarvoa. Matlab-koodi: A[ 1 0;1 1; 0 1 ]; [1 1 1] ; % vapaavalintainen iteraation aloitusvektori m10; % iteraatioiden määrä myyzeros(m,1; % m1 nollavektori, tähän tulee myyn arvot errorzeros(m,1; % m1 nollavektori, tähän tulee kunkin iteraatiovaiheen virhe for k1:m (A*/norm(A*; %iteraatioaskel myy(k( *A*/(norm(^; % ominaisarvon approksimaatio error(kabs( + sqrt(-myy(k; % virhe end myy(m % näyttää suurimman ominaisarvon approksimaation ruudulla % piirretään myös kuva figure plot(linspace(1,m,m, error label( iteraation numero ylabel( virheen suuruus 7

MS-C134 Lineaarialgebra, II/017 (i A:n suurimman ominaisarvon approksimaatioksi saadaan ylläolevalla koodilla µ 3.414. (ii Iteraation virheen laskemiseksi piti ratkaista käsin A:n suurin ominaisarvo. λ 1 0 det(a λi det 1 λ 1 0 1 λ ( λ 3 ( λ ( λ ( λ(λ 4λ + 0 Ominaisarvoiksi saadaan λ 1, λ + ja λ 3. Näistä suurin on λ +, ja se löytyy koodista error(k-lausekeesta. Virheen kuvaaja löytyy kuvasta 1. Ainakin käytetyllä 0 :lla iteraatio suppeni hyvin nopeasti. Kuva 1: Virheen kuvaaja 8