Tensorialgebroista. Jyrki Lahtonen A = A n. n=0. I n, I = n=0

Koko: px
Aloita esitys sivulta:

Download "Tensorialgebroista. Jyrki Lahtonen A = A n. n=0. I n, I = n=0"

Transkriptio

1 Tensorialgebroista Esitysteorian kesäopintopiiri, Turun yliopisto, 2012 Jyrki Lahtonen Olkoon k jokin skalaarikunta. Kerrataan k-algebran käsite: A on k-algebra, jos se on sekä rengas että vektoriavaruus yli kunnan k. Lisäksi edellytetään, että renkaan A kertolasku on k-lineaarinen kummankin tekijän suhteen. Esimerkiksi kunnan k laajennuskunnat sekä polynomirenkaat k[x], k[x, y] ovat k-algebroja. Määritelmä 1. Sanotaan, että k-algebra A on porrastettu algebra (engl. graded algebra), jos se voidaan esittää aliavaruuksiensa A n, n N, suorana summana A = siten, että kaikille luonnollisille luvuille n, m on voimassa A n A m A n+m. Esimerkiksi polynomirengas A = k[x, y] saa porrastetun algebran rakenteen, kun valitaan aliavaruudeksi A n monomien x n i y i, i = 0, 1,..., n, virittämä aliavaruus. Määritelmä 2. Jos A on porrastettu algebra, sanomme aliavaruuden A n alkioita (astetta n oleviksi) homogeenisiksi alkioiksi ja aliavaruutta A n itseään kutsumme A:n n-homogeeniseksi osaksi. Algeran A alkion a = a 0 +a 1 + +a m, a i A i, komponentteja a i kutsumme alkion a homogeenisiksi osiksi (tai komponenteiksi). Sanomme algebran A ihannetta I homogeeniseksi, jos sen jokaisen alkion homogeeniset osat ovat nekin ihanteen I alkioita tai ekvivalentisti missä I n = I A n. n=0 A n I = I n, Harjoitustehtävä 1. Osoita, että porrastetun algebran A ykkösalkio 1 = 1 A on homogeeninen astetta nolla. Jos A on porrastettu algebra ja m on luonnollinen luku, niin joukko on homogeeninen ihanne. n=0 A m = Lemma 3. Porrastetun algebran ihanne I on homogeeninen, jos ja vain jos on olemassa joukko homogeenisia alkioita, jotka generoivat I:n ihanteena. n=m A n 1

2 Todistus.Harjoitustehtävä. Lause 4. Jos A on porrastettu algebra ja I sen homogeeninen ihanne, niin tekijäalgebralla A = A/I on porrastetun algebran rakenne, missä A n muodostuu homogeenisen osan A n alkioiden sivuluokista modulo I. Todistus. Ainoa ei-triviaali seikka on todistaa, että aliavaruuksien A n summa on suora. Tämäkin seuraa suoraan ihanteen I homogeenisuudesta. Oletetaan, että V ja W ovat vektoriavaruuksia yli skalaarikunnan k. Jos niillä on vastaavat kannat B V = {x i i I} ja B W = {y j j J}, niin näiden tensoritulolla V k W (toistaiseksi ei sekaannuksen vaaraa ole, ja käytämme lyhyempää merkintää V W ) tarkoitetaan k-vektoriavaruutta, jolla on kantana joukko {x i y j i I, j J}. Jos x = i a ix i V ja y = j b jy j W ovat mielivaltaisia vektoreita, niin niiden tensoritulo x y määritellään avaruuden V W alkioksi a i b j x i y j. i I,j J Huomaa, että kaikissa esiintyvissä summissa on äärellinen määrä nollasta eroavia alkioita. Nähdään heti, että kuvaus (x, y) x y on bilineaarinen. Tensoritulo on funktoriaalinen, mikä voitaisiin ilmaista täsmällisemmin kategoriateorian kielellä. Tässä se tarkoittaa sitä, että jos f : V V ja g : W W ovat k-lineaarisia kuvauksia, niin on olemassa yksikäsitteinen säännön x y f(x) g(y) kaikilla x V, y W toteuttava lineaarikuvaus f g : V W V W. Lisäksi tämä kuvausten tensoritulo kunnioittaa kuvausten yhdistämistä, eli jos lisäksi f : V V ja g ; W W ovat nekin k-lineaarisia kuvauksia, niin on voimassa (f g ) (f g) = (f f) (g g). Kowalski käyttää tätä pykälässä todetessaan, että sääntö g (v w) = (g v) (g w) tekee avaruudesta V W ryhmän esityksen, jos V ja W sitä olivat. Siellä esitykseen ρ 1 kuuluvat kuvaukset ρ 1 (g), g G, ottavat f:n (ja f :n) roolin, ja toiseen esitykseen kuuluvat kuvaukset ρ 2 (g) ovat meillä kuvauksen g roolissa. Huomautus 5. Jos yllä kaikki esiintyvät avaruudet ovat äärellisulotteisia ja lineaarikuvauksia f ja g esittävät valittujen kantojen suhteen matriisit A ja B, niin kuvausta f g esittää (kanta-alkioiden tensoritulojen suhteen muodostetun kannan suhteen) matriisien A ja B Kronecker-tulo, josta usein käytetään merkintää A B. Tässä on oltava tarkkana sillä tensoritulon kannalla on 2 vaihtoehtoista luonnollista järjestystä! Huomautus 6. Koska kahden vektoriavaruuden tensoritulo on sekin vektoriavaruus, voidaan muodostaa myös kolmen vektoriavaruuden U, V, W tensoritulot (U V ) W ja U (V W ). Vertailemalla kantoja näemme, että on olemassa ehdon u (v w) (u v) w 2

3 kaikille vektoreille u U, v V, w W toteuttava vektoriavaruuksien välinen isomorsmi näiden kahden tensoritulon välillä. Samaistamme yleensä nämä avaruudet, ja käytämme merkintää U V W. Tensoritulo on tässä mielessä siis assosiatiivinen. Assosiatiivisuuden todistaminen yleisemmälle tensoritulolle sen universaalisuusominaisuutta käyttäen on hivenen epätriviaalia, sillä ei ole aivan selvää, että kyseinen kuvaus on aina hyvin määritelty. Meidän tapauksessamme voimme määritellä kuvauksen ensin kanta-alkioille, ja suoraviivaisella laskulla tarkistaa, että mainittu ehto on voimassa kaikille vektoreille u, v, w. Määritellään vektoriavaruuden V tensoripotenssit V n, n N, asettamalla V 0 = k ja sitten rekursiivisesti V (k+1) = V V k aina, kun k N. Siis V n = V V V V, missä oikealla puolella on n-kertainen tensoritulo. Määritelmä 7. Olkoon V vektoriavaruus yli kunnan k. Sen tensorialgebra T (V ) on porrastettu algebra T (V ) = V n. Algebran T (V ) kertolasku saadaan liimaamalla yhteen sääntöjen (v 1 v 2 v m ) (u 1 u 2 u n ) = v 1 v 2 v m u 1 u 2 u n yksikäsitteisesti määräämät bilineaarikuvaukset V m V n V (m+n). Tässä m, n N ja v 1, v 2,..., v m, u 1, u 2,..., u n V ovat mielivaltaisia. Harjoitustehtävänä voit tarkistaa, että T (V ) todella on porrastettu algebra. Yleensä samaistamme avaruuden V tensorialgebra 1-homogeenisen osan V 1 = V kanssa. Käytämme tarvittaessa tästä identioivasta upotuskuvauksesta merkintää i V Lause 8. (Tensorialgebran universaalisuusominaisuus) Jos A on jokin k-algebra, ja f : V A jokin k-lineaarinen kuvaus, niin tällöin on olemassa yksikäsitteinen sellainen k-algebrojen välinen homomorsmi f : T (V ) A, että kaikille vektoreille v V. n=0 f(i V (v)) = f(v) Todistus. Selvästi f on pakko määritellä säännöllä f(v 1 v 2 v n ) = f(v 1 )f(v 2 )f(v 3 ) f(v n ) kaikille luonnollisille luvuille n ja vektoreille v 1, v 2,..., v n. Tässä yhtälön oikealla puolella esiintyy tietenkin algebran A kertolasku. Suoraviivainen harjoitustehtävä osoittaa, että tästä säännöstä k-lineaarisesti laajentamalla muodostettu kuvaus on k-algebrojen välinen homomorsmi. Seuraus 9. Jos f : V V on jokin k-lineaarikuvaus, niin on olemassa yksikäsitteinen k-algebrojen välinen morsmi T (f) : T (V ) T (V ), joka toteuttaa ehdon T (f)(v 1 v 2 v n ) = f(v 1 ) f(v 2 ) f(v n ) 3

4 kaikille n N, v 1, v 2,..., v n V. Jos lisäksi f : V V on jokin lineaarikuvaus, niin on voimassa T (f f) = T (f ) T (f). Todistus. Ensimmäinen väite seuraa sovelletamalla edellistä Lausetta lineaarikuvaukseen i V f : V T (V ). Jälkimmäinen väite jätetään harjoitustehtäväksi. Huomautus 10. Kategoriateorian kieltä tuntevat tunnistavat kahden edellisen lauseen osoittavan, että tensorialgebran muodostaminen on k-algebrojen kategoriasta k-avaruuksien kategoriaan menevän ns. unohtavan funktorin liittofunktori. Tässä mielessä tensorialgebrat ovat "vapaita k-algebroja". Universaalisuusominaisuushan on samantapainen kuin vapailla ryhmillä (tai vapailla abelin ryhmillä, tai vektoriavaruuksilla). Tensorialgebra on usein hieman liian iso (vapauden seurauksena, vrt. vapaat ryhmät). Sillä on useita tekijäalgebroja, jotka saadaan asettamalla haluttuja vaatimuksia kahden vektorin tulolle. Tavoitteena on yleensä tällöin jokin universaaliominaisuus, ja siihen pääsemiseksi on luontevaa jakaa tensorialgebra sopivalla ihanteella. Tässä yhteydessä tutustumme näistä kahteen: symmetriseen algebraan, jossa edellytämme avaruuden V vektorien tulolta kommutatiivisuutta sekä ns. ulkoalgebraan (engl. exterior algebra), jossa edellytämme antikommutatiivisuutta. Lisäksi voidaan mainita ns. Cliordin algebrat, jotka saadaan vaatimalla että vektorien kertolasku vastaa annettua symmetristä bilineaarimuotoa (, ); V V k. Nämä jonkin verran ulkoalgebraa muistuttavat ötökät kiinnostavat kait vain Roopea, ja eroavat muista sikäli, että silloin jaettava ihanne ei ole homogeeninen, joten sivuutamme ne tässä yhteydessä. Olkoon siis V jälleen jokin vektoriavaruus yli kunnan k. Olkoon I tensorialgebran T (V ) kaikkien muotoa x y y x, x, y V, olevien alkioiden generoima (2-puoleinen) ihanne. Koska ihanteen I generaattorit ovat 2- homogeenisia, niin tekijäalgebra Sym(V ) = T (V )/I on sekin porrastettu algebra, ja voidaan esittää homogeenisten osiensa Sym n (V ) suorana summana. Symmetrisessä algebrassa on kaikille vektoreille x, y V voimassa x y + I = y x + I. Koska (tensorialgebran tapaan) V generoi algebran Sym(V ), seuraa tästä, että Sym(V ) on kommutatiivinen k-algebra. Voidaan todistaa (ks. esim. Jacobson, BA I-II), ettei ihanteen I jakaminen muita relaatioita tuotakaan. Symmetrisen algebran tapauksessa käytämme vektorien kertolaskusta tavallista kertolaskun merkintää tensoritulon asemesta, ja merkitsemme siis esimerkiksi xy:llä sivuluokkien x + I ja y + I tuloa. Harjoitustehtävä 2. Muotoile ja todista Tensorialgebran universaalisuusominaisuutta vastaava Symmetrisen algebran universaalisuusominaisuus. 4

5 Erityisesti, jos dim k V < ja {x 1, x 2,..., x n } on avaruuden V kanta, niin näemme, että tässä tapauksessa symmetrinen algebra on isomornen Sym(V ) k[x 1, x 2,..., x n ] n:n muuttujien polynomien algebran kanssa. Tämä motivoi osaltaan homogeenisuuden käsitteeseen liittyvät puhetavat. Ulkoalgebra saadaan jakamalla tensorialgebra T (V ) homogeenisella alkioiden x x, x V generoimalla (2-puoleisella) ihanteella J. Jos x, y V ovat mielivaltaisia, niin alkio (x + y) (x + y) x x y y = x y + y x J. Näin ollen tekijäalgebrassa (V ) = T (V )/J on voimassa kaikille vektoreille x, y V. (x + J)(y + J) = (y + J)(x + J) Esimerkki 11. Selvitetään ulkoalgebran (V ) rakenne vektoriavaruutena, kun V on 2- ulotteinen avaruus, jonka kannan muodostavat vektorit x ja y. Ratkaisu. Selvästi (? tai ks. Jacobson) T (V ) n J = {0}, kun n < 2, joten (V ) 0 = k 1 ja (V ) 1 V. Avaruudella T (V ) 2 on kanta x x, x y, y x, y y, joten T (V ) 2 J on 3-ulotteinen avaruus, kantana x x, y y, x y + y x. Näin ollen dim (V ) 1 = 1, ja sillä on kantana x y + J = y x + J. Kahdeksanulotteiselle avaruudelle T (V ) 3, kantana x x x, x x y, x y x,y x x,x y y,y x y, y y x,y y y, sen sijaan käy projektiossa T (V ) (V ) huonosti. Kaikki kanta-alkiot ovat nimittäin ihanteessa J. Tämä on ilmeistä niiden kanta-alkioiden kohdalla, joissa sama kanta-alkio esiintyy kahdesti peräkkäin. Mutta muista päästään tähän soveltamalla kerran antikommutatiivisuutta. Esimerkiksi (x y x) + J = (x + J)(y x + J) = (x + J)( x y + J) = (x x y) + J = ((x x) + J)(y + J) = (0 + J)(y + J) = 0 + J. Näin ollen T (V ) 3 J. Koska kaikille n > 3 on voimassa V n = V 3 V (n 3), niin V n J aina, kun n 3. Saamme siis vastaukseksi, että (V ) = k 1 k x k y k (x y), missä lopussa otimme käyttöön usein esiintyvän merkinnän x y = (x + J)(y + J) vektorien x, y V sivuluokkien tulolle ulkoalgebrassa. Esimerkin tulos yleistyy seuraavasti. 5

6 Lause 12. Oletetaan, että dim V = n, ja että {x 1, x 2,..., x n } on avaruuden V eräs kanta. Tällöin ulkoalgebran r-homogeenisella osalla on kanta {x i1 x i2 x ir 1 i 1 < i 2 < < i r n}. Siis dim k (V ) r = ( n r). Erityisesti (V ) n on 1-ulotteinen avaruus ja (V ) r = 0, jos r > n. Todistus. Ks. Jacobson. Jos f : V V on k-lineaarinen kuvaus, niin yllä konstruoitu algebrahomomorsmi T (f) : T (V ) T (V ) on sellainen, että T (f)(i) I ja T (f)(j) J. Näin ollen T (f) indusoi myös algebrahomomorsmit Sym(f) : Sym(V ) Sym(V ) ja (f) : (V ) (V ). Kaikki nämä kuvaukset ovat myös funktoriaalisia ja lisäksi ne kunnioittavat myös algebrojen porrastusta. Näin ollen (vrt. Kowalski 2.2.5) sekä symmetrisen algebran että ulkoalgebran homogeenisille osille saadaan luonnollinen rakenne ryhmän G esityksenä, kun sellainen on annettu avaruudelle V. Esimerkki 13. Olkoon V 2-ulotteinen avaruus, jolla on kanta {x, y}. Olkoon f : V V lineaarikuvaus, jonka matriisi kyseisen kannan suhteen on ( ) a b M =. c d Osoitetaan, että tällöin (f)(x y) = (det M) (x y). Ratkaisu. Nyt (f)(x) = f(x) = ax + cy ja (f)(y) = f(y) = bx + dy. Koska (f) on homomorsmi ulkoalgebralta sille itselleen saamme (f)(x y) = (f)(x) (f)(y) = (ax + cy) (bx + dy) = abx x + adx y + cby x + cdy y = 0 + adx y + cb( x y) + 0 = (ad bc)x y. Tämä lasku yleistyy kaikille äärellisulotteisille avaruuksille. Lause 14. Jos V on äärellisulotteinen vektoriavaruus, kanta {x 1, x 2,..., x n }, ja f : V V on lineaarikuvaus, niin (f)(x1 x 2 x n ) = det(f) (x 1 x 2 x n ). Todistus. Ks. Jacobson. Seuraus 15. Jos V on äärellisulotteinen vektoriavaruus, kanta {x 1, x 2,..., x n }, ja f, g : V V ovat lineaarikuvauksia, niin det(f g) = det(f) det(g). 6

7 Todistus. Väite seuraa edellisestä Lauseesta sekä ulkoalgebrakonstruktion funktorialisuudesta: (f g) = (f) (g). Harjoitustehtävä 3. Oletetaan, että vektorit x 1, x 2, x 3, x 4 V ovat lineaarisesti riippuvia. Osoita, että tällöin x 1 x 2 + x 3 x 4 = u v, missä u, v V on valittu sopivasti (valinta ei ole yksikäsitteinen). Harjoitustehtävä 4. Oletetaan, että V on äärellisulotteinen vektoriavaruus, ja että x 1, x 2,..., x r ovat sen vektoreita. Osoita, että x 1 x 2 x 3 x r = 0 silloin ja vain silloin, kun kyseinen joukko vektoreita on lineaarisesti riippuva. Harjoitustehtävä 5. Oletetaan, että dim V = 3, k = R. Olkoot i, j, k tavallinen ortonormaali kanta. Määritellään bijektiivinen lineaarikuvaus : (V ) 2 V asettamalla (i j) = k,(j k) = i,(k i) = j. Olkoot x, y V mielivaltaisia. Tarkista laskemalla, että ( x y) on eräs tuttu vektori. Harjoitustehtävä 6. Olkoon V vektoriavaruus, ja x 1,x 2,...,x n sen kanta. Olkoot y 1, y 2,..., y r ja y 1, y 2,..., y r saman aliavaruuden U V kantoja. Osoita, että tällöin on olemassa nollasta eroava alkio α k, jolle y 1 y 2 y r = αy 1 y 2 y r. Näin ollen aliavaruutta U vastaa vakiokerrointa vaille yksikäsitteinen avaruuden (V ) r piste P (U). Kuten mm. Metsänkylä tekee, voidaan tensorialgebran 2-homogeenisen osan suhteen toimia toisin symmetriseen algebraan ja ulkoalgebraan siirryttäessä. Kunhan oletetaan, että char k 2. Jos avaruudella V on kanta {x i i I}, niin sääntö S : x i x j x j x i, i, j I, määrittelee yksikäsitteisen lineaarikuvauksen S : V V V V. Selvästi S on itsensä käänteiskuvaus, eli S S = id V V. Jos lisäksi avaruudessa V on määritelty ryhmän G esitys, niin S on intertwiner-kuvaus. Avaruus V V jakautuu kuvauksen S ominaisarvoihin ±1 kuuluvien osien suoraksi summaksi, sillä jos z V V, niin kehitelmässä z = z + S(z) 2 + z S(z), 2 selvästi ensimmäinen termi kuuluu ominaisarvoon 1 ja jälkimmäinen ominaisarvoon 1. Nämä ominaisavaruudet S + ja S ovat intertwiner-ominaisuuden seurauksena nekin aliesityksiä, ja siis V V = S + S myös esityksinä. 7

8 Lause 16. Projektioille p 1 : T (V ) 2 Sym(V ) 2 ja p 2 : T (V ) 2 (V ) 2 on voimassa: ker p 1 = S, Im p 1 = Sym(V ) 2 ja ker p 2 = S +, Im p 2 = (V ) 2. Todistus. Harjoitustehtävä. Voimme siis samaistaa esityksen V toisen symmetrisen potenssin Sym(V ) 2 ja toisen ulkotulopotenssin (V ) 2 avaruuden V V symmetrisen osan (= S + ) ja antisymmetrisen osan (= S ) kanssa. Huomautus 17. Samanlaista hajotelmaa symmetrisen ja antisymmetrisen osan summaksi EI ole olemassa korkeammille tensoritulopotensseille V n. Tämä johtuu siitä, että useamman komponentin tensoritulolle on olemassa monimutkaisempia symmetrioita. Itse asiassa tällaiset symmetriat karakterisoidaan täysin symmetrisen ryhmän S n esitysteorian avulla! Kun n > 2 näitä on muitakin kuin symmetrisyys ja antisymmetrisyys. Harjoitustehtävä 7. Oletetaan, että f, g GL(V ), n = dim V. Osoita, että tällöin kuvausten tensoritulojen erotukselle t = f g g f : V V V V on voimassa t(s + ) S ja t(s ) = S +. Osoita, että dim ker t n. 8

1 Lineaariavaruus eli Vektoriavaruus

1 Lineaariavaruus eli Vektoriavaruus 1 Lineaariavaruus eli Vektoriavaruus 1.1 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä V epätyhjä joukko. Oletetaan, että joukossa V on määritelty laskutoimitus

Lisätiedot

Teema 4. Homomorfismeista Ihanne ja tekijärengas. Teema 4 1 / 32

Teema 4. Homomorfismeista Ihanne ja tekijärengas. Teema 4 1 / 32 1 / 32 Esimerkki 4A.1 Esimerkki 4A.2 Esimerkki 4B.1 Esimerkki 4B.2 Esimerkki 4B.3 Esimerkki 4C.1 Esimerkki 4C.2 Esimerkki 4C.3 2 / 32 Esimerkki 4A.1 Esimerkki 4A.1 Esimerkki 4A.2 Esimerkki 4B.1 Esimerkki

Lisätiedot

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa. LINEAARIALGEBRA Harjoituksia 2016 1. Olkoon V = R 2 varustettuna tavallisella yhteenlaskulla. Määritellään reaaliluvulla kertominen seuraavasti: λ (x 1, x 2 ) = (λx 1, 0) (x 1, x 2 ) R 2 ja λ R. Osoita,

Lisätiedot

802320A LINEAARIALGEBRA OSA I

802320A LINEAARIALGEBRA OSA I 802320A LINEAARIALGEBRA OSA I Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 72 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä

Lisätiedot

802320A LINEAARIALGEBRA OSA III

802320A LINEAARIALGEBRA OSA III 802320A LINEAARIALGEBRA OSA III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 56 Määritelmä Määritelmä 1 Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V

Lisätiedot

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

Bijektio. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin jokaiselle alkiolle kuvautuu tasan yksi lähdön alkio. Määritelmä Bijektio Oletetaan, että f : X Y on kuvaus. Sanotaan, että kuvaus f on bijektio, jos se on sekä injektio että surjektio. Huom. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin

Lisätiedot

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

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus. 1 Lineaarikuvaus 1.1 Määritelmä Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V W on lineaarinen, jos (a) L(v + w) = L(v) + L(w); (b) L(λv) = λl(v) aina, kun v, w V ja λ K. Termejä:

Lisätiedot

1 Kannat ja kannanvaihto

1 Kannat ja kannanvaihto 1 Kannat ja kannanvaihto 1.1 Koordinaattivektori Oletetaan, että V on K-vektoriavaruus, jolla on kanta S = (v 1, v 2,..., v n ). Avaruuden V vektori v voidaan kirjoittaa kannan vektorien lineaarikombinaationa:

Lisätiedot

ja jäännösluokkien joukkoa

ja jäännösluokkien joukkoa 3. Polynomien jäännösluokkarenkaat Olkoon F kunta, ja olkoon m F[x]. Polynomeille f, g F [x] määritellään kongruenssi(-relaatio) asettamalla g f mod m : m g f g = f + m h jollekin h F [x]. Kongruenssi

Lisätiedot

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

Lineaarikuvaukset. 12. joulukuuta F (A r ) = F (A r ) r .(3) F (s) = s. (4) Skalaareille kannattaa määritellä lisäksi seuraavat tulot: Lineaarikuvaukset 12. joulukuuta 2005 1 Yleistys multivektoreille Olkoon F lineaarikuvaus vektoriavaruudessa. Yleistetään F luonnollisella tavalla terille F (a 1 a n ) = F (a 1 ) F (a n ), (1) sekä terien

Lisätiedot

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141 Lineaarialgebra ja matriisilaskenta II LM2, Kesä 2012 1/141 Kertausta: avaruuden R n vektorit Määritelmä Oletetaan, että n {1, 2, 3,...}. Avaruuden R n alkiot ovat jonoja, joissa on n kappaletta reaalilukuja.

Lisätiedot

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

(1.1) Ae j = a k,j e k. Lineaarikuvauksen determinantti ja jälki 1. Lineaarikuvauksen matriisi. Palautetaan mieleen, mikä lineaarikuvauksen matriisi annetun kannan suhteen on. Olkoot V äärellisulotteinen vektoriavaruus, n = dim

Lisätiedot

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus 1 / 51 Lineaarikombinaatio Johdattelua seuraavaan asiaan (ei tarkkoja määritelmiä): Millaisen kuvan muodostaa joukko {λv λ R, v R 3 }? Millaisen

Lisätiedot

Avaruuden R n aliavaruus

Avaruuden R n aliavaruus Avaruuden R n aliavaruus 1 / 41 Aliavaruus Esimerkki 1 Kuva: Suora on suljettu yhteenlaskun ja skalaarilla kertomisen suhteen. 2 / 41 Esimerkki 2 Kuva: Suora ei ole suljettu yhteenlaskun ja skalaarilla

Lisätiedot

Jarkko Peltomäki. Aliryhmän sentralisaattori ja normalisaattori

Jarkko Peltomäki. Aliryhmän sentralisaattori ja normalisaattori Jarkko Peltomäki Aliryhmän sentralisaattori ja normalisaattori Matematiikan aine Turun yliopisto Syyskuu 2009 Sisältö 1 Johdanto 2 2 Määritelmiä ja perusominaisuuksia 3 2.1 Aliryhmän sentralisaattori ja

Lisätiedot

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio 6 Vektoriavaruus R n 6.1 Lineaarikombinaatio Määritelmä 19. Vektori x œ R n on vektorien v 1,...,v k œ R n lineaarikombinaatio, jos on olemassa sellaiset 1,..., k œ R, että x = i v i. i=1 Esimerkki 30.

Lisätiedot

Johdatus lineaarialgebraan

Johdatus lineaarialgebraan Johdatus lineaarialgebraan Osa II Lotta Oinonen, Johanna Rämö 28. lokakuuta 2014 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 15 Vektoriavaruus....................................

Lisätiedot

g : R R, g(a) = g i a i. Alkio g(a) R on polynomin arvo pisteessä a. Jos g(a) = 0, niin a on polynomin g(x) nollakohta.

g : R R, g(a) = g i a i. Alkio g(a) R on polynomin arvo pisteessä a. Jos g(a) = 0, niin a on polynomin g(x) nollakohta. ALGEBRA II 27 on homomorfismi. Ensinnäkin G(a + b) a + b G(a)+G(b) (f), G(ab) ab G(a)G(b) G(a) G(b) (f), ja koska kongruenssien vasempien ja oikeiden puolten asteet ovat pienempiä kuin f:n aste, niin homomorfiaehdot

Lisätiedot

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

HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina klo HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina 10.8.2015 klo 16.15. Tehtäväsarja I Tutustu lukuun 15, jossa vektoriavaruuden

Lisätiedot

Lineaarikuvauksen R n R m matriisi

Lineaarikuvauksen R n R m matriisi Lineaarikuvauksen R n R m matriisi Lauseessa 21 osoitettiin, että jokaista m n -matriisia A vastaa lineaarikuvaus L A : R n R m, jolla L A ( v) = A v kaikilla v R n. Osoitetaan seuraavaksi käänteinen tulos:

Lisätiedot

Esko Turunen Luku 3. Ryhmät

Esko Turunen Luku 3. Ryhmät 3. Ryhmät Monoidia rikkaampi algebrallinen struktuuri on ryhmä: Määritelmä (3.1) Olkoon joukon G laskutoimitus. Joukko G varustettuna tällä laskutoimituksella on ryhmä, jos laskutoimitus on assosiatiivinen,

Lisätiedot

Kuvaus. Määritelmä. LM2, Kesä /160

Kuvaus. Määritelmä. LM2, Kesä /160 Kuvaus Määritelmä Oletetaan, että X ja Y ovat joukkoja. Kuvaus eli funktio joukosta X joukkoon Y on sääntö, joka liittää jokaiseen joukon X alkioon täsmälleen yhden alkion, joka kuuluu joukkoon Y. Merkintä

Lisätiedot

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

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos: 8 Kanta Tässä luvussa tarkastellaan aliavaruuden virittäjävektoreita, jotka muodostavat lineaarisesti riippumattoman jonon. Merkintöjen helpottamiseksi oletetaan luvussa koko ajan, että W on vektoreiden

Lisätiedot

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44 Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44 Tehtävät 1-3 lasketaan alkuviikon harjoituksissa, verkkotehtävien dl on lauantaina aamuyöllä. Tehtävät 4 ja 5 lasketaan loppuviikon harjoituksissa.

Lisätiedot

Määritelmä Olkoon T i L (V i, W i ), 1 i m. Yksikäsitteisen lineaarikuvauksen h L (V 1 V 2 V m, W 1 W 2 W m )

Määritelmä Olkoon T i L (V i, W i ), 1 i m. Yksikäsitteisen lineaarikuvauksen h L (V 1 V 2 V m, W 1 W 2 W m ) Määritelmä 519 Olkoon T i L V i, W i, 1 i m Yksikäsitteisen lineaarikuvauksen h L V 1 V 2 V m, W 1 W 2 W m h v 1 v 2 v m T 1 v 1 T 2 v 2 T m v m 514 sanotaan olevan kuvausten T 1,, T m indusoima ja sitä

Lisätiedot

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

Lineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo. Lineaariavaruudet aiheita 1 määritelmä Nelikko (L, R, +, ) on reaalinen (eli reaalinen vektoriavaruus), jos yhteenlasku L L L, ( u, v) a + b ja reaaliluvulla kertominen R L L, (λ, u) λ u toteuttavat seuraavat

Lisätiedot

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

Matikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/210 Matikkapaja keskiviikkoisin klo 14-16 Lineaarialgebra (muut ko) p. 1/210 Lineaarialgebra (muut ko) p. 2/210 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v 2

Lisätiedot

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

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 HARJOITUSTEHTÄVIÄ 1. Anna seuraavien yhtälöryhmien kerroinmatriisit ja täydennetyt kerroinmatriisit sekä ratkaise yhtälöryhmät Gaussin eliminointimenetelmällä. { 2x + y = 11 2x y = 5 2x y + z = 2 a) b)

Lisätiedot

1 Tensoriavaruuksista..

1 Tensoriavaruuksista.. 1 Tensoriavaruuksista.. Käydään läpi kirjan (1) sivut 126-133. 19.02.2007 Palautetaaieleen viime kerran tärkeä määritelmä: (kirja, Määr. 5.12). Määritelmä 1.1 Olkoon T vektoriavaruus ja Φ : V 1 V 2 V m

Lisätiedot

sitä vastaava Cliffordin algebran kannan alkio. Merkitään I = e 1 e 2 e n

sitä vastaava Cliffordin algebran kannan alkio. Merkitään I = e 1 e 2 e n Määritelmä 1.1 Algebran A keskus C on joukko C (A) = {a A ax = xa x A}. Lause 1. Olkoon Cl n Cliffordin algebra, jonka generoi joukko {e 1,..., e n }. Jos n on parillinen, niin C (Cl n ) = {λ λ R}. Jos

Lisätiedot

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.

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. Liittomatriisi Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä (cof A) ij =( 1) i+j det A ij kaikilla i, j = 1,...,n. Huomautus 8 Olkoon A 2 M(n, n). Tällöin kaikilla

Lisätiedot

1 Sisätulo- ja normiavaruudet

1 Sisätulo- ja normiavaruudet 1 Sisätulo- ja normiavaruudet 1.1 Sisätuloavaruus Määritelmä 1. Olkoon V reaalinen vektoriavaruus. Kuvaus : V V R on reaalinen sisätulo eli pistetulo, jos (a) v w = w v (symmetrisyys); (b) v + u w = v

Lisätiedot

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

Matikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/81 Matikkapaja keskiviikkoisin klo 14-16 Lineaarialgebra (muut ko) p. 1/81 Lineaarialgebra (muut ko) p. 2/81 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v 2 )

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot

Lisätiedot

[a] ={b 2 A : a b}. Ekvivalenssiluokkien joukko

[a] ={b 2 A : a b}. Ekvivalenssiluokkien joukko 3. Tekijälaskutoimitus, kokonaisluvut ja rationaaliluvut Tässä luvussa tutustumme kolmanteen tapaan muodostaa laskutoimitus joukkoon tunnettujen laskutoimitusten avulla. Tätä varten määrittelemme ensin

Lisätiedot

Äärellisesti generoitujen Abelin ryhmien peruslause

Äärellisesti generoitujen Abelin ryhmien peruslause Tero Harju (2008/2010) Äärellisesti generoitujen Abelin ryhmien peruslause Merkintä X on joukon koko ( eli #X). Vapaat Abelin ryhmät Tässä kappaleessa käytetään Abelin ryhmille additiivista merkintää.

Lisätiedot

renkaissa. 0 R x + x =(0 R +1 R )x =1 R x = x

renkaissa. 0 R x + x =(0 R +1 R )x =1 R x = x 8. Renkaat Tarkastelemme seuraavaksi rakenteita, joissa on määritelty kaksi assosiatiivista laskutoimitusta, joista toinen on kommutatiivinen. Vaadimme näiltä kahdella laskutoimituksella varustetuilta

Lisätiedot

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 );

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 ); LINEAARIALGEBRA Harjoituksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla

Lisätiedot

a b 1 c b n c n

a b 1 c b n c n Algebra Syksy 2007 Harjoitukset 1. Olkoon a Z. Totea, että aina a 0, 1 a, a a ja a a. 2. Olkoot a, b, c, d Z. Todista implikaatiot: a) a b ja c d ac bd, b) a b ja b c a c. 3. Olkoon a b i kaikilla i =

Lisätiedot

Algebra I, Harjoitus 6, , Ratkaisut

Algebra I, Harjoitus 6, , Ratkaisut Algebra I Harjoitus 6 9. 13.3.2009 Ratkaisut Algebra I Harjoitus 6 9. 13.3.2009 Ratkaisut (MV 6 sivua 1. Olkoot M ja M multiplikatiivisia monoideja. Kuvaus f : M M on monoidihomomorfismi jos 1 f(ab = f(af(b

Lisätiedot

802320A LINEAARIALGEBRA OSA II

802320A LINEAARIALGEBRA OSA II 802320A LINEAARIALGEBRA OSA II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 64 Sisätuloavaruus Määritelmä 1 Olkoon V reaalinen vektoriavaruus. Kuvaus on reaalinen

Lisätiedot

1 Avaruuksien ja lineaarikuvausten suora summa

1 Avaruuksien ja lineaarikuvausten suora summa MAT-33500 Differentiaaliyhtälöt, kevät 2006 Luennot 27.-28.2.2006 Samuli Siltanen 1 Avaruuksien ja lineaarikuvausten suora summa Tämä asialöytyy myös Hirschin ja Smalen kirjasta, luku 3, pykälä 1F. Olkoon

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot

Lisätiedot

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?

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? Harjoitus 1, kevät 007 1. 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?. Olkoon a x y A = 0 b z, 0 0 c missä a, b, c 0. Määrää käänteismatriisi

Lisätiedot

Kanta ja dimensio 1 / 23

Kanta ja dimensio 1 / 23 1 / 23 Kuten ollaan huomattu, saman aliavaruuden voi virittää eri määrä vektoreita. Seuraavaksi määritellään mahdollisimman pieni vektorijoukko, joka virittää aliavaruuden. Jokainen aliavaruuden alkio

Lisätiedot

Mitään muita operaatioita symbolille ei ole määritelty! < a kaikilla kokonaisluvuilla a, + a = kaikilla kokonaisluvuilla a.

Mitään muita operaatioita symbolille ei ole määritelty! < a kaikilla kokonaisluvuilla a, + a = kaikilla kokonaisluvuilla a. Polynomit Tarkastelemme polynomirenkaiden teoriaa ja polynomiyhtälöiden ratkaisemista. Algebrassa on tapana pitää erillään polynomin ja polynomifunktion käsitteet. Polynomit Tarkastelemme polynomirenkaiden

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot

Lisätiedot

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

Lineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi Lineaarikuvaukset aiheita ten ten 1 Matematiikassa sana lineaarinen liitetään kahden lineaariavaruuden väliseen kuvaukseen. ten Määritelmä Olkoon (L, +, ) ja (M, ˆ+, ˆ ) reaalisia lineaariavaruuksia, ja

Lisätiedot

Kanta ja Kannan-vaihto

Kanta ja Kannan-vaihto ja Kannan-vaihto 1 Olkoon L vektoriavaruus. Äärellinen joukko L:n vektoreita V = { v 1, v 2,..., v n } on kanta, jos (1) Jokainen L:n vektori voidaan lausua v-vektoreiden lineaarikombinaationa. (Ts. Span(V

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot

Lisätiedot

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

Lineaarialgebra ja matriisilaskenta II Syksy 2009 Laskuharjoitus 1 ( ) Ratkaisuehdotuksia Vesa Ala-Mattila Lineaarialgebra ja matriisilaskenta II Syksy 29 Laskuharjoitus (9. - 3..29) Ratkaisuehdotuksia Vesa Ala-Mattila Tehtävä. Olkoon V vektoriavaruus. Todistettava: jos U V ja W V ovat V :n aliavaruuksia, niin

Lisätiedot

Kantavektorien kuvavektorit määräävät lineaarikuvauksen

Kantavektorien kuvavektorit määräävät lineaarikuvauksen Kantavektorien kuvavektorit määräävät lineaarikuvauksen Lause 18 Oletetaan, että V ja W ovat vektoriavaruuksia. Oletetaan lisäksi, että ( v 1,..., v n ) on avaruuden V kanta ja w 1,..., w n W. Tällöin

Lisätiedot

5 Ominaisarvot ja ominaisvektorit

5 Ominaisarvot ja ominaisvektorit 5 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin A

Lisätiedot

Koodausteoria, Kesä 2014

Koodausteoria, Kesä 2014 Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos 3. Lineaariset koodit Topi Törmä Matemaattisten tieteiden laitos 2 / 22 3.1 Lineaarisen koodin määrittely Olkoon F äärellinen kunta.

Lisätiedot

kaikille a R. 1 (R, +) on kommutatiivinen ryhmä, 2 a(b + c) = ab + ac ja (b + c)a = ba + ca kaikilla a, b, c R, ja

kaikille a R. 1 (R, +) on kommutatiivinen ryhmä, 2 a(b + c) = ab + ac ja (b + c)a = ba + ca kaikilla a, b, c R, ja Renkaat Tarkastelemme seuraavaksi rakenteita, joissa on määritelty kaksi binääristä assosiatiivista laskutoimitusta, joista toinen on kommutatiivinen. Vaadimme muuten samat ominaisuudet kuin kokonaisluvuilta,

Lisätiedot

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

3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset 31 MS-A0004/A0006 Matriisilaskenta 3 Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2292015 Lineaariset yhtälöt ovat vektoreille luonnollisia yhtälöitä, joita

Lisätiedot

(Monisteen Esimerkki 2.6.8) Olkoon R polynomifunktioiden rengas R[x]. Kiinnitetään c R. Merkitään

(Monisteen Esimerkki 2.6.8) Olkoon R polynomifunktioiden rengas R[x]. Kiinnitetään c R. Merkitään Monisteen Esimerkki 2.6.8 Olkoon R polynomifunktioiden rengas R[x]. Kiinnitetään c R. Merkitään I c = {px R pc = 0}. Osoitetaan, että I c on renkaan R ihanne. Ratkaisu: Vakiofunktio 0 R I c joten I c.

Lisätiedot

Lineaariset Lien ryhmät / Ratkaisut 6 D 381 klo

Lineaariset Lien ryhmät / Ratkaisut 6 D 381 klo JYVÄSKYLÄN YLIOPISO MAEMAIIKAN JA ILASOIEEEN LAIOS Lineaariset Lien ryhmät 27.2.2012 / t 6 D 381 klo. 16-18. 1. Matriisiryhmällä U(n) on epätriviaali normaali aliryhmä SU(n), joka on homomorfismin det

Lisätiedot

Ensi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/66

Ensi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/66 Ensi viikon luennot salissa X Lineaarialgebra (muut ko) p. 1/66 Lineaarialgebra (muut ko) p. 2/66 Redusoitu porrasmuoto 1 1 2 4 1 1 4 6 2 2 5 9 1 1 0 2 0 0 1 1 0 0 0 0 Eli aste r(a) = 2 ja vaakariviavaruuden

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö

Lisätiedot

JAKSO 2 KANTA JA KOORDINAATIT

JAKSO 2 KANTA JA KOORDINAATIT JAKSO 2 KANTA JA KOORDINAATIT Kanta ja dimensio Tehtävä Esittele vektoriavaruuden kannan määritelmä vapauden ja virittämisen käsitteiden avulla ja anna vektoriavaruuden dimension määritelmä Esittele Lause

Lisätiedot

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 );

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 ); LINEAARIALGEBRA Ratkaisuluonnoksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla

Lisätiedot

Koodausteoria, Kesä 2014

Koodausteoria, Kesä 2014 Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos 3.5 Reedin-Mullerin koodit Olkoon tässä kappaleessa F = F2 = Z2 ja n = 2 m. Määritellään avaruuteen F n kertolasku koordinaateittain:

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö

Lisätiedot

Algebra 1, harjoitus 9, h = xkx 1 xhx 1. a) Käytetään molemmissa tapauksissa isomorfialausetta. Tarkastellaan kuvauksia

Algebra 1, harjoitus 9, h = xkx 1 xhx 1. a) Käytetään molemmissa tapauksissa isomorfialausetta. Tarkastellaan kuvauksia Algebra 1, harjoitus 9, 11.-12.11.2014. 1. Olkoon G ryhmä ja H G normaali aliryhmä. Tiedetään, että tällöin xhx 1 H kaikilla x G. Osoita, että itse asiassa xhx 1 = H kaikilla x G. Ratkaisu: Yritetään osoittaa,

Lisätiedot

jonka laskutoimitus on matriisien kertolasku. Vastaavasti saadaan K-kertoiminen erityinen lineaarinen ryhmä

jonka laskutoimitus on matriisien kertolasku. Vastaavasti saadaan K-kertoiminen erityinen lineaarinen ryhmä 4. Ryhmät Tässä luvussa tarkastelemme laskutoimituksella varustettuja joukkoja, joiden laskutoimitukselta oletamme muutamia yksinkertaisia ominaisuuksia: Määritelmä 4.1. Laskutoimituksella varustettu joukko

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö

Lisätiedot

ominaisvektorit. Nyt 2 3 6

ominaisvektorit. Nyt 2 3 6 Esimerkki 2 6 8 Olkoon A = 40 0 6 5. Etsitäänmatriisinominaisarvotja 0 0 2 ominaisvektorit. Nyt 2 0 2 6 8 2 6 8 I A = 40 05 40 0 6 5 = 4 0 6 5 0 0 0 0 2 0 0 2 15 / 172 Täten c A ( )=det( I A) =( ) ( 2)

Lisätiedot

Lineaarialgebra (muut ko)

Lineaarialgebra (muut ko) Lineaarialgebra (muut ko) p. 1/103 Lineaarialgebra (muut ko) Tero Laihonen Lineaarialgebra (muut ko) p. 2/103 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v

Lisätiedot

{I n } < { I n,i n } < GL n (Q) < GL n (R) < GL n (C) kaikilla n 2 ja

{I n } < { I n,i n } < GL n (Q) < GL n (R) < GL n (C) kaikilla n 2 ja 5. Aliryhmät Luvun 4 esimerkeissä esiintyy usein ryhmä (G, ) ja jokin vakaa osajoukko B G siten, että (B, B ) on ryhmä. Määrittelemme seuraavassa käsitteitä, jotka auttavat tällaisten tilanteiden käsittelyssä.

Lisätiedot

4. LINEAARIKUVAUKSET

4. LINEAARIKUVAUKSET 86 4 LINEAARIKUVAUKSET 41 Määritelmä ja esimerkkejä Olkoot V ja V vektoriavaruuksia Tarkastellaan kuvausta L : V V Tällöin jokaiseen vektoriin v V liittyy tietty, L:n ja v:n yksikäsitteisesti määräämä

Lisätiedot

Kertausta: avaruuden R n vektoreiden pistetulo

Kertausta: avaruuden R n vektoreiden pistetulo Kertausta: avaruuden R n vektoreiden pistetulo Määritelmä Vektoreiden v R n ja w R n pistetulo on v w = v 1 w 1 + v 2 w 2 + + v n w n. Huom. Pistetulo v w on reaaliluku! LM2, Kesä 2012 227/310 Kertausta:

Lisätiedot

2.8. Kannanvaihto R n :ssä

2.8. Kannanvaihto R n :ssä 28 Kannanvaihto R n :ssä Seuraavassa kantavektoreiden { x, x 2,, x n } järjestystä ei saa vaihtaa Vektorit ovat pystyvektoreita ( x x 2 x n ) on vektoreiden x, x 2,, x n muodostama matriisi, missä vektorit

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D Mika Hirvensalo mikhirve@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2014 Mika Hirvensalo mikhirve@utu.fi Luentokalvot 3 1 of 16 Kertausta Lineaarinen riippuvuus

Lisätiedot

Esimerkki A1. Jaetaan ryhmä G = Z 17 H = 4 = {1, 4, 4 2 = 16 = 1, 4 3 = 4 = 13, 4 4 = 16 = 1}.

Esimerkki A1. Jaetaan ryhmä G = Z 17 H = 4 = {1, 4, 4 2 = 16 = 1, 4 3 = 4 = 13, 4 4 = 16 = 1}. Jaetaan ryhmä G = Z 17 n H = 4 sivuluokkiin. Ratkaisu: Koska 17 on alkuluku, #G = 16, alkiona jäännösluokat a, a = 1, 2,..., 16. Määrätään ensin n H alkiot: H = 4 = {1, 4, 4 2 = 16 = 1, 4 3 = 4 = 13, 4

Lisätiedot

Käänteismatriisi 1 / 14

Käänteismatriisi 1 / 14 1 / 14 Jokaisella nollasta eroavalla reaaliluvulla on käänteisluku, jolla kerrottaessa tuloksena on 1. Seuraavaksi tarkastellaan vastaavaa ominaisuutta matriiseille ja määritellään käänteismatriisi. Jokaisella

Lisätiedot

Alkeismuunnokset matriisille, sivu 57

Alkeismuunnokset matriisille, sivu 57 Lineaarialgebra (muut ko) p. 1/88 Alkeismuunnokset matriisille, sivu 57 AM1: Kahden vaakarivin vaihto AM2: Vaakarivin kertominen skalaarilla c 0 AM3: Vaakarivin lisääminen toiseen skalaarilla c kerrottuna

Lisätiedot

k=1 b kx k K-kertoimisia polynomeja, P (X)+Q(X) = (a k + b k )X k n+m a i b j X k. i+j=k k=0

k=1 b kx k K-kertoimisia polynomeja, P (X)+Q(X) = (a k + b k )X k n+m a i b j X k. i+j=k k=0 1. Polynomit Tässä luvussa tarkastelemme polynomien muodostamia renkaita polynomien ollisuutta käsitteleviä perustuloksia. Teemme luvun alkuun kaksi sopimusta: Tässä luvussa X on muodollinen symboli, jota

Lisätiedot

Kuvauksista ja relaatioista. Jonna Makkonen Ilari Vallivaara

Kuvauksista ja relaatioista. Jonna Makkonen Ilari Vallivaara Kuvauksista ja relaatioista Jonna Makkonen Ilari Vallivaara 20. lokakuuta 2004 Sisältö 1 Esipuhe 2 2 Kuvauksista 3 3 Relaatioista 8 Lähdeluettelo 12 1 1 Esipuhe Joukot ja relaatiot ovat periaatteessa äärimmäisen

Lisätiedot

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. 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 Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +

Lisätiedot

Vektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on

Vektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on 13 Pistetulo Avaruuksissa R 2 ja R 3 on totuttu puhumaan vektorien pituuksista ja vektoreiden välisistä kulmista. Kuten tavallista, näiden käsitteiden yleistäminen korkeampiulotteisiin avaruuksiin ei onnistu

Lisätiedot

Matematiikan tukikurssi, kurssikerta 3

Matematiikan tukikurssi, kurssikerta 3 Matematiikan tukikurssi, kurssikerta 3 1 Epäyhtälöitä Aivan aluksi lienee syytä esittää luvun itseisarvon määritelmä: { x kun x 0 x = x kun x < 0 Siispä esimerkiksi 10 = 10 ja 10 = 10. Seuraavaksi listaus

Lisätiedot

Yleiset lineaarimuunnokset

Yleiset lineaarimuunnokset TAMPEREEN YLIOPISTO Pro gradu -tutkielma Kari Tuominen Yleiset lineaarimuunnokset Matematiikan ja tilastotieteen laitos Matematiikka Toukokuu 29 Tampereen yliopisto Matematiikan ja tilastotieteen laitos

Lisätiedot

= 5! 2 2!3! = = 10. Edelleen tästä joukosta voidaan valita kolme särmää yhteensä = 10! 3 3!7! = = 120

= 5! 2 2!3! = = 10. Edelleen tästä joukosta voidaan valita kolme särmää yhteensä = 10! 3 3!7! = = 120 Tehtävä 1 : 1 Merkitään jatkossa kirjaimella H kaikkien solmujoukon V sellaisten verkkojen kokoelmaa, joissa on tasan kolme särmää. a) Jokainen verkko G H toteuttaa väitteen E(G) [V]. Toisaalta jokainen

Lisätiedot

9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista

9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista 29 9 Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista Tarkastelemme kertalukua n olevia lineaarisia differentiaaliyhtälöitä y ( x) + a ( x) y ( x) + + a ( x) y( x) + a ( x) y= b( x) ( n) ( n

Lisätiedot

7 Vapaus. 7.1 Vapauden määritelmä

7 Vapaus. 7.1 Vapauden määritelmä 7 Vapaus Kuten edellisen luvun lopussa mainittiin, seuraavaksi pyritään ratkaisemaan, onko annetussa aliavaruuden virittäjäjoukossa tarpeettomia vektoreita Jos tällaisia ei ole, virittäjäjoukkoa kutsutaan

Lisätiedot

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

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain Matriisilaskenta LH4 24 ratkaisut 1 Hae seuraavien R 4 :n aliavaruuksien dimensiot jotka sisältävät vain a) Kaikki muotoa (a b c d) olevat vektorit joilla d a + b b) Kaikki muotoa (a b c d) olevat vektorit

Lisätiedot

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /310

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /310 Lineaarialgebra ja matriisilaskenta II LM2, Kesä 2012 1/310 Kertausta: avaruuden R n vektorit Määritelmä Oletetaan, että n {1, 2, 3,...}. Avaruuden R n alkiot ovat jonoja, joissa on n kappaletta reaalilukuja.

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M Hirvensalo mikhirve@utufi V Junnila viljun@utufi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M Hirvensalo mikhirve@utufi V Junnila viljun@utufi Luentokalvot 5 1

Lisätiedot

MAT Algebra 1(s)

MAT Algebra 1(s) 8. maaliskuuta 2012 Esipuhe Tämä luentokalvot sisältävät kurssin keskeiset asiat. Kalvoja täydennetään luennolla esimerkein ja todistuksin. Materiaali perustuu Jyväskylän, Helsingin ja Turun yliopistojen

Lisätiedot

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra ja matriisilaskenta I Lineaarialgebra ja matriisilaskenta I 29.5.2013 HY / Avoin yliopisto Jokke Häsä, 1/26 Kertausta: Kanta Määritelmä Oletetaan, että w 1, w 2,..., w k W. Vektorijono ( w 1, w 2,..., w k ) on aliavaruuden

Lisätiedot

9 Matriisit. 9.1 Matriisien laskutoimituksia

9 Matriisit. 9.1 Matriisien laskutoimituksia 9 Matriisit Aiemmissa luvuissa matriiseja on käsitelty siinä määrin kuin on ollut tarpeellista yhtälönratkaisun kannalta. Matriiseja käytetään kuitenkin myös muihin tarkoituksiin, ja siksi on hyödyllistä

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö

Lisätiedot

Matematiikan ja tilastotieteen laitos Algebra I - Kesä 2009 Ratkaisuehdoituksia harjoituksiin 8 -Tehtävät 3-6 4 sivua Heikki Koivupalo ja Rami Luisto

Matematiikan ja tilastotieteen laitos Algebra I - Kesä 2009 Ratkaisuehdoituksia harjoituksiin 8 -Tehtävät 3-6 4 sivua Heikki Koivupalo ja Rami Luisto Matematiikan ja tilastotieteen laitos Algebra I - Kesä 2009 Ratkaisuehdoituksia harjoituksiin 8 -Tehtävät 3-6 4 sivua Heikki Koivupalo ja Rami Luisto 3. Oletetaan, että kunnan K karakteristika on 3. Tutki,

Lisätiedot

GROUPS AND THEIR REPRESENTATIONS - FIFTH PILE. Olemme jo (harjoituksissa!) löytäneet Lien ryhmälle SL 2 (R) seuraavat redusoitumattomat esitykset:

GROUPS AND THEIR REPRESENTATIONS - FIFTH PILE. Olemme jo (harjoituksissa!) löytäneet Lien ryhmälle SL 2 (R) seuraavat redusoitumattomat esitykset: GROUPS AND THEIR REPRESENTATIONS - FIFTH PILE KAREN E. SMITH 32. Ryhmän SL 2 (R) esitykset Example 32.1. Palautamme mieleen, että { x y SL 2 (R) = A = det A = xw yz = 1} ja z w { a b sl 2 (R) = A = Tr

Lisätiedot

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

Tehtäväsarja I Kerrataan lineaarikuvauksiin liittyviä todistuksia ja lineaarikuvauksen muodostamista. Sarjaan liittyvät Stack-tehtävät: 1 ja 2. HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2016 Harjoitus 3 Ratkaisut palautettava viimeistään maanantaina 29.8.2016 klo 13.15. Tehtäväsarja I Kerrataan lineaarikuvauksiin liittyviä

Lisätiedot

8. Avoimen kuvauksen lause

8. Avoimen kuvauksen lause 116 FUNKTIONAALIANALYYSIN PERUSKURSSI 8. Avoimen kuvauksen lause Palautamme aluksi mieleen Topologian kursseilta ehkä tutut perusasiat yleisestä avoimen kuvauksen käsitteestä. Määrittelemme ensin avoimen

Lisätiedot

Liite 2. Ryhmien ja kuntien perusteet

Liite 2. Ryhmien ja kuntien perusteet Liite 2. Ryhmien ja kuntien perusteet 1. Ryhmät 1.1 Johdanto Erilaisissa matematiikan probleemoissa törmätään usein muotoa a + x = b tai a x = b oleviin yhtälöihin, joissa tuntematon muuttuja on x. Lukujoukkoja

Lisätiedot

6. OMINAISARVOT JA DIAGONALISOINTI

6. OMINAISARVOT JA DIAGONALISOINTI 0 6 OMINAISARVOT JA DIAGONALISOINTI 6 Ominaisarvot ja ominaisvektorit Olkoon V äärellisulotteinen vektoriavaruus, dim(v ) = n ja L : V V lineaarikuvaus Määritelmä 6 Skalaari λ R on L:n ominaisarvo, jos

Lisätiedot

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

Demorastitiedot saat demonstraattori Markus Niskaselta Lineaarialgebra (muut ko) p. 1/104 Lineaarialgebra (muut ko) p. 1/104 Ensi viikolla luennot salissa X Torstaina 7.12. viimeiset demot (12.12. ja 13.12. viimeiset luennot). Torstaina 14.12 on välikoe 2, muista ilmoittautua! Demorastitiedot

Lisätiedot