Bijektio. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin jokaiselle alkiolle kuvautuu tasan yksi lähdön alkio.
|
|
- Anna Hämäläinen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 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 jokaiselle alkiolle kuvautuu tasan yksi lähdön alkio. X f Y LM2, Kesä /160
2 Isomorfismi Määritelmä Lineaarikuvausta, joka on bijektio, kutsutaan isomorfismiksi. Jos on olemassa isomorfismi L: V W, niin sanotaan, että vektoriavaruudet V ja W ovat isomorfiset. Tällöin merkitään V = W. LM2, Kesä /160
3 Isomorfismi Esimerkki 40 Avaruudet R 2 ja P 1 ovat isomorfisia. Isomorfismiksi kelpaa esimerkiksi kuvaus L: R 2 P 1, L(a, b) = ax + b. Nimittäin: L on lineaarikuvaus (esimerkki 20); L on bijektio, sillä L on injektio, sillä sen ydin Ker L = { 0} (esimerkki 30); L on surjektio, sillä sen kuva Im L = P 1 (esimerkki 36). Huomataan, että avaruudet todellakin muistuttavat toisiaan. Sekä alkiossa (a, b) että alkiossa ax + b näkyvät reaaliluvut a ja b. Kaikki oleellinen tieto alkiosta sisältyy näihin reaalilukuihin. LM2, Kesä /160
4 Lisäksi nämä reaaliluvut käyttäytyvät samalla tavoin yhteenlaskussa ja skalaarikertolaskussa: Vektoriavaruus summa R 2 (a, b) + (c, d) = (a + c, b + d) P 1 (ax + b) + (cx + d) = (a + c)x + (b + d) Vektoriavaruus R 2 P 1 skalaarimonikerta r(a, b) = (ra, rb) r(ax + b) = rax + rb LM2, Kesä /160
5 Isomorfisuus Lause 41 Oletetaan, että V, W ja U ovat vektoriavaruuksia. Tällöin (a) V = V (b) jos V = W, niin W = V (c) jos V = W ja W = U, niin V = U. LM2, Kesä /160
6 Käänteiskuvaus Määritelmä Oletetaan, että f : X Y on kuvaus. Jos on olemassa sellainen kuvaus g : Y X, että g f = id X ja f g = id Y, niin sanotaan, että kuvaus g on kuvauksen f käänteiskuvaus. Huom. Tässä id X tarkoittaa avaruuden X identtistä kuvausta: id X : X X, jolla id X (x) = x kaikilla x X. Vastaavasti id Y tarkoittaa avaruuden Y identtistä kuvausta, jolla y y kaikilla y Y. Kuvauksen f käänteiskuvausta merkitään f 1. LM2, Kesä /160
7 Huom. Voidaan osoittaa, että jokaisella kuvauksella on enintään yksi käänteiskuvaus. Sen vuoksi merkintä f 1 on yksikäsitteinen ja siten mielekäs. LM2, Kesä /160
8 Bijektiot ja käänteiskuvaukset Lause 42 Oletetaan, että f : X Y on kuvaus. Kuvauksella f on käänteiskuvaus, jos ja vain jos kuvaus f on bijektio. Todistus. : Oletetaan, että kuvauksella f on käänteiskuvaus f 1 : Y X. Osoitetaan, että f on bijektio: Oletetaan, että a, b X ja f (a) = f (b). Tällöin a = id(a) = (f 1 f )(a) = f 1 (f (a)) = f 1 (f (b)) Siis f on injektio. = (f 1 f )(b) = id(b) = b. LM2, Kesä /160
9 Oletetaan, että y Y. Tällöin f 1 (y) X ja Siis f on surjektio. f (f 1 (y)) = (f f 1 )(y) = id(y) = y. : Oletetaan, että f on bijektio. Määritellään kuvaus g : Y X seuraavasti: Jos y Y, niin kuvauksen f bijektiivisyyden nojalla on olemassa tasan yksi a X, jolla f (a) = y. Määritellään g(y) = a. Siis g(y) = a f (a) = y. LM2, Kesä /160
10 Osoitetaan, että g on kuvauksen f käänteiskuvaus: Oletetaan, että x X. Merkitään f (x) = c. Tällöin (g f )(x) = g(f (x)) = g(c) = x = id X (x). Oletetaan, että y Y. Merkitään g(y) = a. Tällöin (f g)(y) = f (g(y)) = f (a) = y = id Y (y). Siis g f = id X ja f g = id Y, joten kuvaus g on kuvauksen f käänteiskuvaus. LM2, Kesä /160
11 Isomorfisuus Lauseen 41 todistus. Käsitellään vain b-kohta tarkasti (esimerkin vuoksi). (a) V = V, sillä isomorfismiksi kelpaa ns. identtinen kuvaus id: V V, jolla id( v) = v kaikilla v V. (b) Oletetaan, että V = W. Tällöin on olemassa isomorfismi L: V W. Koska L on bijektio, on sillä olemassa käänteiskuvaus L 1 : W V, joka sekin on bijektio. Osoitetaan, että L 1 on lineaarinen: LM2, Kesä /160
12 (b) jatkuu... Oletetaan, että w 1, w 2 W ja c R. Koska L on bijektio, niin on olemassa tasan yhdet sellaiset v 1, v 2 V, että L( v 1 ) = w 1 ja L( v 2 ) = w 2. Huomaa, että tällöin v 1 = L 1 ( w 1 ) ja v 2 = L 1 ( w 2 ). Siten ja L 1 ( w 1 + w 2 ) = L 1 (L( v 1 ) + L( v 2 )) = L 1 (L( v 1 + v 2 )) = id( v 1 + v 2 ) = v 1 + v 2 = L 1 ( w 1 ) + L 1 ( w 2 ) L 1 (c w 1 ) = L 1 (cl( v 1 )) = L 1 (L(c v 1 )) = id(c v 1 ) = c v 1 = cl 1 ( w 1 ). LM2, Kesä /160
13 (c) Oletetaan, että V = W ja W = U. Tällöin on olemassa isomorfismit L: V W ja T : W U. Lineaarikuvauksista yhdistetty kuvaus on lineaarinen (lause 25), joten kuvaus T L: V U on lineaarinen. Lisäksi T L on bijektio. Se voidaan osoittaa esimerkiksi näyttämällä, että yhdistetyn kuvauksen T L käänteiskuvaukseksi kelpaa L 1 T 1 : U V. LM2, Kesä /160
14 Kertausta: vapaus Määritelmä Oletetaan, että V on vektoriavaruus ja v 1, v 2,..., v k V. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: 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. Jos jono ( v 1, v 2,..., v k ) on vapaa, sanotaa, että vektorit v 1, v 2,..., v k ovat lineaarisesti riippumattomia. Jos jono ei ole vapaa, sanotaan, että se on sidottu. LM2, Kesä /160
15 Vähintään kahdesta vektorista muodostuva vektorijono on sidottu, jos ja vain jos jokin sen vektoreista voidaan ilmaista toisten lineaarikombinaationa: Lause 43 Oletetaan, että V on vektoriavaruus ja v 1,..., v k V. (a) Jono ( v 1 ) on sidottu, jos ja vain jos v = 0. (b) Jono ( v 1,..., v k ) on sidottu, jos ja vain jos v i span( v 1,..., v i 1, v i+1,..., v k ) jollakin i {1,..., k}. LM2, Kesä /160
16 Kertausta: kanta Määritelmä Oletetaan, että V on vektoriavaruus ja v 1, v 2,..., v k V. Vektorijono ( v 1, v 2,..., v k ) on vektoriavaruuden V kanta, jos (a) V = span( v 1, v 2,..., v k ) (b) ( v 1, v 2,..., v k ) on vapaa. LM2, Kesä /160
17 Lause 44 Kertausta: kanta ja koordinaatit Jono ( v 1, v 2,..., v k ) on vektoriavaruuden V kanta, jos ja vain jos jokainen avaruuden V vektori voidaan kirjoittaa täsmälleen yhdellä tavalla vektoreiden v 1,..., v k lineaarikombinaationa. Lause 44 mahdollistaa seuraavan määritelmän: Määritelmä Oletetaan, että B = ( v 1,..., v k ) on vektoriavaruuden V kanta. Oletetaan, että w V. Vektorin w koordinaateiksi kannan B suhteen kutsutaan reaalilukuja a 1,..., a k, joilla w = a 1 v a k v k. LM2, Kesä /160
18 Kertausta: kanta ja dimensio Lause 45 Vektoriavaruuden V jokaisessa kannassa on yhtä monta vektoria. LM2, Kesä /160
19 Kertausta: kanta ja dimensio Lause 45 mahdollistaa seuraavan määritelmän: Määritelmä Vektoriavaruus V on äärellisulotteinen, jos sillä on äärellisen monesta vektorista koostuva kanta tai jos V = { 0}. Vektoriavaruuden V { 0} dimensio dim(v ) on kannan vektoreiden lukumäärä. Vektoriavaruuden { 0} dimensio on nolla eli dim({ 0}) = 0. Jos vektoriavaruuden dimensio on n, sanotaan, että vektoriavaruus on n-ulotteinen. Jos vektoriavaruus V ei ole äärellisulotteinen, sanotaan, että V on ääretönulotteinen ja sen dimensio on ääretön. LM2, Kesä /160
20 Ytimen ja kuvan dimensiot Lause 46 Oletetaan, että V ja W ovat vektoriavaruuksia ja L: V W on lineaarikuvaus. Oletetaan lisäksi, että lähtö V on äärellisulotteinen. Tällöin dim(v ) = dim(ker L) + dim(im L). LM2, Kesä /160
21 Esimerkki 47 Ytimen ja kuvan dimensiot Esimerkin 29 lineaarikuvauksen L: R 2 R 2, (x 1, x 2 ) (x 1, 0) ydin on vektorin j = (0, 1) virittämä aliavaruus, joka on origon kautta kulkeva, vektorin j suuntainen suora: L Ker L Siis dim(ker L) = 1. LM2, Kesä /160
22 Lineaarikuvauksen L kuva on vektorin ī = (1, 0) virittämä aliavaruus, joka on origon kautta kulkeva, vektorin ī suuntainen suora (ks. esimerkki 35): L Im L Todellakin Siis dim(im L) = 1. dim(ker L) + dim(im L) = = 2 = dim(r 2 ). LM2, Kesä /160
23 Ytimen ja kuvan dimensiot Lauseen 46 todistus. Olkoon dim(v ) = n ja olkoon ( v 1,..., v k ) aliavaruuden Ker L kanta, jolloin dim(ker L) = k. Koska jono ( v 1,..., v k ) on vapaa, voidaan se täydentää vektoriavaruuden V kannaksi ( v 1,..., v k, v k+1,..., v n ). Osoitetaan, että (L( v k+1 ),..., L( v n )) on aliavaruuden Im L kanta, jolloin dim(im L) = n k. Tämä todistaa väitteen. LM2, Kesä /160
24 Osoitetaan ensin, että span(l( v k+1 ),..., L( v n )) = Im L. Oletetaan, että w Im L. Tällöin on olemassa v V, jolla L( v) = w. Lisäksi ( v 1,..., v k, v k+1,..., v n ) on vektoriavaruuden V kanta, joten v = a 1 v a k v k + a k+1 v k a n v n joillakin a 1,..., a n R. Käyttämällä kuvauksen L lineaarisuutta sekä tietoa, että v 1,..., v k Ker L, saadaan w = L( v) = L(a 1 v a k v k + a k+1 v k a n v n ) = a 1 L( v 1 ) + + a k L( v k ) + a k+1 L( v k+1 ) + + a n L( v n ) = a k+1 L( v k+1 ) + + a n L( v n ) = a k+1 L( v k+1 ) + + a n L( v n ). LM2, Kesä /160
25 Osoitetaan sitten, että jono (L( v k+1 ),..., L( v n )) on vapaa. Oletetaan, että c k+1 L( v k+1 ) + + c n L( v n ) = 0 joillakin c k+1,..., c n R. Kuvauksen L lineaarisuuden vuoksi L(c k+1 v k c n v n ) = 0, joten c k+1 v k c n v n Ker L. LM2, Kesä /160
26 Koska c k+1 v k c n v n Ker L, niin on olemassa luvut b 1,..., b k R, joille pätee Tästä saadaan yhtälö c k+1 v k c n v n = b 1 v b k v k. b 1 v 1 b k v k + c k+1 v k c n v n = 0. Jono ( v 1,..., v k, v k+1,..., v n ) on vektoriavaruuden V kanta ja siten vapaa. Edellisestä yhtälöstä seuraa siis, että b 1 = 0,..., b k = 0, c k+1 = 0,..., c n = 0 ; erityisesti c k+1 = 0,..., c n = 0. LM2, Kesä /160
27 Lineaarikuvauksen injektiivisyys ja surjektiivisuus Lause 48 Oletetaan, että V ja W ovat äärellisulotteisia vektoriavaruuksia, joilla dim(v ) = dim(w ). Oletetaan, että L: V W on lineaarikuvaus. Tälllöin L on injektio, jos ja vain jos L on surjektio. Huom. Lauseen oletuksissa vaaditaan, että lähdön ja maalin dimensio on sama! LM2, Kesä /160
28 Lauseen 48 todistuksen idea. Todistuksen perustana on lauseen 46 tulos dim(v ) = dim(ker L) + dim(im L). : Oletetaan, että L on injektio. Tällöin Ker L = { 0}, joten dim(ker L) = 0. Siten dim(im L) = dim(v ) = dim(w ). Tiedetään lisäksi, että Im L on vektoriavaruuden W aliavaruus. Tästä seuraa, että Im L = W. Siis L on surjektio. : Oletetaan, että L on surjektio. Tällöin Im L = W, joten dim(im L) = dim(w ) = dim(v ). Tästä seuraa, että dim(ker L) = 0. Siten Ker L = { 0}. Siis L on injektio. LM2, Kesä /160
29 Kantavektorien kuvavektorit määräävät lineaarikuvauksen Lause 49 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 on olemassa täsmälleen yksi sellainen lineaarikuvaus L: V W, että L( v 1 ) = w 1, L( v 2 ) = w 2,..., L( v n ) = w n. LM2, Kesä /160
30 Kantavektorien kuvavektorit määräävät lineaarikuvauksen Lauseen 49 todistus. Jos v V, niin on olemassa yksikäsitteiset a 1,..., a n R, joilla v = a 1 v 1 + a 2 v a n v n. Määritellään kuvaus L: V W asettamalla L( v) = a 1 w 1 + a 2 w a n w n. Osoitetaan, että L täyttää lauseessa asetetut vaatimukset. Esimerkiksi v 2 = 0 v v v v n, joten L( v 2 ) = 0 w w w w n = w 2. Näin voidaan osoittaa, että L( v i ) = w i kaikilla i {1,..., n}. LM2, Kesä /160
31 Osoitetaan, että L on lineaarikuvaus. Oletetaan, että x, ȳ V ja t R. Tällöin x = b 1 v b n v n ja ȳ = c 1 v c n v n joillakin b 1,..., b n, c 1,..., c n R. Tällöin L( x + ȳ) = L ( (b 1 v b n v n ) + (c 1 v c n v n ) ) = L ( (b 1 + c 1 ) v (b n + c n ) v n ) = (b 1 + c 1 ) w (b n + c n ) w n = (b 1 w b n w n ) + (c 1 w c n w n ) = L(b 1 v b n v n ) + L(c 1 v c n v n ) = L( x) + L(ȳ) LM2, Kesä /160
32 ja L(t x) = L ( t(b 1 v b n v n ) ) = L(tb 1 v tb n v n ) = tb 1 w tb n w n = t(b 1 w b n w n ) = tl(b 1 v b n v n ) = tl( x). Siis L on yksi lauseen vaatimukset täyttävä lineaarikuvaus. Onko olemassa muita lineaarikuvauksia, jotka myös täyttävät lauseen ehdot? LM2, Kesä /160
33 Osoitetaan, että lauseen 49 vaatimukset täyttäviä lineaarikuvauksia on enintään yksi (edellä määritelty L). Oletetaan, että L, T : V W ovat lineaarikuvauksia, joilla L( v 1 ) = w 1, L( v 2 ) = w 2,..., L( v n ) = w n ja T ( v 1 ) = w 1, T ( v 2 ) = w 2,..., T ( v n ) = w n. Oletetaan, että v V. Tällöin v = a 1 v a n v n joillakin a 1,..., a n R, sillä ( v 1,..., v n ) on avaruuden V kanta. Kuvausten L ja T lineaarisuutta käyttäen saadaan L( v) = L(a 1 v a n v n ) = a 1 L( v 1 ) + + a n L( v n ) = a 1 w a n w n = a 1 T ( v 1 ) + + a n T ( v n ) = T (a 1 v a n v n ) = T ( v). Kuvauksilla L: V W ja T : V W on samat arvot, joten ne ovat sama kuvaus. LM2, Kesä /160
34 Isomorfisuus Lause 50 Oletetaan, että V ja W ovat äärellisulotteisia vektoriavaruuksia. Vektoriavaruudet V ja W ovat isomorfiset, jos ja vain jos dim(v ) = dim(w ). LM2, Kesä /160
35 Isomorfisuus Lauseen 50 todistus. : Oletetaan, että V = W. Tällöin on olemassa isomorfismi L: V W. Koska L on injektio, niin Ker L = { 0} ja siten dim(im L) = dim(v ) dim(ker L) = dim(v ) 0 = dim(v ). Koska L on surjektio, niin Im L = W. Siten dim(v ) = dim(im L) = dim(w ). LM2, Kesä /160
36 : Oletetaan, että dim(v ) = dim(w ) = n. Olkoon ( v 1,..., v n ) vektoriavaruuden V kanta ja olkoon ( w 1,..., w n ) vektoriavaruuden W kanta. Olkoon L: V W se lineaarikuvaus, jolla L( v 1 ) = w 1, L( v 2 ) = w 2,..., L( v n ) = w n. Lauseen 49 mukaan tällaisia lineaarikuvauksia on tasan yksi. Osoitetaan, että L on injektio. LM2, Kesä /160
37 Oletetaan, että v Ker L. Tällöin L( v) = 0. Kirjoitetaan v kantavektorien lineaarikombinaationa v = a 1 v a n v n, jolloin saadaan 0 = L( v) = L(a 1 v a n v n ) = a 1 L( v 1 ) + + a n L( v n ) = a 1 w a n w n. Jono ( w 1,..., w n ) on kanta ja siten vapaa, joten tästä yhtälöstä seuraa, että a 1 = 0, a 2 = 0,..., a n = 0. Siis v = a 1 v a n v n = 0 v v n = 0. Tämä osoittaa, että Ker L = { 0}. Siis L on injektio. LM2, Kesä /160
38 Oletuksen mukaan dim(v ) = dim(w ). Lisäksi lineaarikuvaus L: V W on injektio, joten L on lauseen 48 mukaan surjektio. Siis L on lineaarikuvaus ja bijektio, eli isomorfismi. Näin ollen V = W. LM2, Kesä /160
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
LisätiedotLineaarialgebra 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.
LisätiedotKuvaus. 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
LisätiedotVapaus. 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 +
LisätiedotVapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee:
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 +
LisätiedotVapaus. 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 +
LisätiedotKannan 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
LisätiedotMääritelmä 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:
LisätiedotLineaarialgebra 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.
LisätiedotVektorien virittämä aliavaruus
Vektorien virittämä aliavaruus Esimerkki 13 Mikä ehto vektorin w = (w 1, w 2, w 3 ) komponenttien on toteutettava, jotta w kuuluu vektoreiden v 1 = (3, 2, 1), v 2 = (2, 2, 6) ja v 3 = (3, 4, 5) virittämään
Lisätiedot802320A 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
LisätiedotLineaarikuvauksen 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:
Lisätiedot4. 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
LisätiedotKertausta: 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:
Lisätiedot7 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
LisätiedotOsoita, 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,
Lisätiedot802320A 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
Lisätiedot1 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
Lisätiedot5.6 Yhdistetty kuvaus
5.6 Yhdistetty kuvaus Määritelmä 5.6.1. Oletetaan, että f : æ Y ja g : Y æ Z ovat kuvauksia. Yhdistetty kuvaus g f : æ Z määritellään asettamalla kaikilla x œ. (g f)(x) =g(f(x)) Huomaa, että yhdistetty
LisätiedotInsinöörimatematiikka 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
LisätiedotLineaarialgebra 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.
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Lineaarikuvaukset Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 16 R. Kangaslampi Vektoriavaruudet Lineaarikuvaus
LisätiedotHY / 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
LisätiedotOrtogonaalisen kannan etsiminen
Ortogonaalisen kannan etsiminen Lause 94 (Gramin-Schmidtin menetelmä) Oletetaan, että B = ( v 1,..., v n ) on sisätuloavaruuden V kanta. Merkitään V k = span( v 1,..., v k ) ja w 1 = v 1 w 2 = v 2 v 2,
LisätiedotMS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Lineaarikuvaukset Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Lineaarikuvaukset Lineaarikuvaus Olkoot U ja V
LisätiedotAvaruuden 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
LisätiedotMS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Idea Lineaarisen systeemin ratkaiseminen Olkoon
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 17 R. Kangaslampi Vektoriavaruudet Vektoriavaruus
LisätiedotKanta 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
LisätiedotLineaarialgebra 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
LisätiedotJohdatus lineaarialgebraan
Johdatus lineaarialgebraan Osa II Lotta Oinonen, Johanna Rämö 28. lokakuuta 2014 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 15 Vektoriavaruus....................................
LisätiedotInsinöörimatematiikka 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
Lisätiedotx = 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
Lisätiedot802320A LINEAARIALGEBRA OSA III
802320A LINEAARIALGEBRA OSA III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO Syksy 2017 LINEAARIALGEBRA 1 / 59 Määritelmä Määritelmä 1 Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V
LisätiedotKertausta: 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 2014 164/246 Kertausta:
Lisätiedot6 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.
LisätiedotJohdatus lineaarialgebraan
Johdatus lineaarialgebraan Osa II Lotta Oinonen, Johanna Rämö 25. lokakuuta 2015 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 15 Vektoriavaruus... 111 16 Aliavaruus... 117 16.1 Vektoreiden
LisätiedotLineaarikombinaatio, 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
Lisätiedot802320A LINEAARIALGEBRA OSA III LINEAR ALGEBRA PART III
802320A LINEAARIALGEBRA OSA III LINEAR ALGEBRA PART III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2017 Contents 1 Lineaarikuvaus 2 1.1 Määritelmä............................ 2 1.2 Matriisiesitys/Matrix
Lisätiedot802320A LINEAARIALGEBRA OSA III
802320A LINEAARIALGEBRA OSA III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO KEVÄT 2019 LINEAARIALGEBRA 1 / 60 Määritelmä Määritelmä 1 Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V
LisätiedotLineaarialgebra b, kevät 2019
Lineaarialgebra b, kevät 2019 Harjoitusta 4 Maplella with(linearalgebra); (1) Tehtävä 1. Lineaarisia funktioita? a) Asetelma on kelvollinen: lähtö- ja maalijoukko on R-kertoiminen lineaariavaruus ja L
Lisätiedot802320A 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
Lisätiedot1 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
LisätiedotLineaarialgebra ja matriisilaskenta I. LM1, Kesä /218
Lineaarialgebra ja matriisilaskenta I LM1, Kesä 2012 1/218 Avaruuden R 2 vektorit Määritelmä (eli sopimus) Avaruus R 2 on kaikkien reaalilukuparien joukko; toisin sanottuna R 2 = { (a, b) a R ja b R }.
LisätiedotEnsi 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
LisätiedotLiittomatriisi. 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
Lisätiedotx = 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
LisätiedotVektoreiden virittämä aliavaruus
Vektoreiden virittämä aliavaruus Määritelmä Oletetaan, että v 1, v 2,... v k R n. Näiden vektoreiden virittämä aliavaruus span( v 1, v 2,... v k ) tarkoittaa kyseisten vektoreiden kaikkien lineaarikombinaatioiden
LisätiedotInsinöörimatematiikka 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
Lisätiedot9. 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
LisätiedotOminaisvektoreiden lineaarinen riippumattomuus
Ominaisvektoreiden lineaarinen riippumattomuus Lause 17 Oletetaan, että A on n n -matriisi. Oletetaan, että λ 1,..., λ m ovat matriisin A eri ominaisarvoja, ja oletetaan, että v 1,..., v m ovat jotkin
LisätiedotLineaarialgebra ja matriisilaskenta I
Lineaarialgebra ja matriisilaskenta I 23.5.2013 HY / Avoin yliopisto Jokke Häsä, 1/22 Käytännön asioita Ensimmäiset tehtävät olivat sujuneet hyvin. Kansilehdet on oltava mukana tehtäviä palautettaessa,
LisätiedotLineaarista projektiivista geometriaa
TAMPEREEN YLIOPISTO Pro gradu -tutkielma Iiris Repo Lineaarista projektiivista geometriaa Informaatiotieteiden yksikkö Matematiikka Marraskuu 2012 Tampereen yliopisto Informaatiotieteiden yksikkö REPO,
LisätiedotJohdatus lineaarialgebraan
Johdatus lineaarialgebraan Lotta Oinonen ja Johanna Rämö 6. joulukuuta 2012 Helsingin yliopisto Matematiikan ja tilastotieteen laitos 2012 Sisältö 1 Avaruus R n 4 1 Avaruuksien R 2 ja R 3 vektorit.....................
LisätiedotMatemaattinen Analyysi / kertaus
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
LisätiedotLineaarialgebra II P
Lineaarialgebra II 89P Sisältö Vektoriavaruus Sisätuloavaruus 8 3 Lineaarikuvaus 5 4 Ominaisarvo 5 Luku Vektoriavaruus Määritelmä.. Epätyhjä joukko V on vektoriavaruus, jos seuraavat ehdot ovat voimassa:.
Lisätiedot3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä
3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä Lineaarinen m:n yhtälön yhtälöryhmä, jossa on n tuntematonta x 1,, x n on joukko yhtälöitä, jotka ovat muotoa a 11 x 1 + + a 1n x n = b 1 a 21
LisätiedotLineaarikuvausten. 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
LisätiedotHarjoitusten 4 ratkaisut Topologiset vektoriavaruudet 2010
f ( n) JYVÄSKYLÄN YLIOPISTO MATEMATIIKAN JA TILASTOTIETEEN LAITOS n Harjoitusten 4 ratkaisut Topologiset vektoriavaruudet 2010 4.1. Viime kerralta. Esimerkki lokaalikonveksin avaruuden osajoukosta, joka
Lisätiedot2.5. Matriisin avaruudet ja tunnusluvut
2.5. Matriisin avaruudet ja tunnusluvut m n-matriisi A Lineaarikuvaus A : V Z, missä V ja Z ovat sopivasti valittuja, dim V = n, dim Z = m (yleensä V = R n tai C n ja Z = R m tai C m ) Kuva-avaruus ja
LisätiedotJAKSO 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
LisätiedotLineaariavaruudet. 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
LisätiedotSurjektion käsitteen avulla kuvauksia voidaan luokitella sen mukaan, kuvautuuko kaikille maalin alkioille jokin alkio vai ei.
5.5 Surjektio Surjektion käsitteen avulla kuvauksia voidaan luokitella sen mukaan, kuvautuuko kaikille maalin alkioille jokin alkio vai ei. Määritelmä 5.5.1. Kuvaus f : X æ Y on surjektio, jos jokaisella
LisätiedotYhteenlaskun ja skalaarilla kertomisen ominaisuuksia
Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia Voidaan osoittaa, että avaruuden R n vektoreilla voidaan laskea tuttujen laskusääntöjen mukaan. Huom. Lause tarkoittaa väitettä, joka voidaan perustella
LisätiedotJohdatus matemaattiseen päättelyyn
Johdatus matemaattiseen päättelyyn Maarit Järvenpää Oulun yliopisto Matemaattisten tieteiden laitos Syyslukukausi 2015 1 Merkintöjä 2 Todistamisesta 3 Joukko-oppia 4 Funktioista Funktio eli kuvaus on matematiikan
LisätiedotInsinöörimatematiikka 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
LisätiedotPäättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1
Lineaarialgebran kertaustehtävien b ratkaisuista. Määritä jokin kanta sille reaalikertoimisten polynomien lineaariavaruuden P aliavaruudelle, jonka virittää polynomijoukko {x, x+, x x }. Ratkaisu. Olkoon
LisätiedotMatriisilaskenta, 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
LisätiedotEsko 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,
LisätiedotMatriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo
Matriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo Antti Rasila 2016 Vektoriavaruuden kannan olemassaolo Jos {v 1, v 2,..., v k } on äärellisulotteisen vektoriavaruuden V lineaarisesti riippumaton
LisätiedotLineaarialgebra ja matriisilaskenta I
Lineaarialgebra ja matriisilaskenta I 13.6.2013 HY / Avoin yliopisto Jokke Häsä, 1/12 Käytännön asioita Kesäkuun tentti: ke 19.6. klo 17-20, päärakennuksen sali 1. Anna palautetta kurssisivulle ilmestyvällä
Lisätiedotsitä 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
LisätiedotLineaarialgebra ja matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä)
Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe 26.10.2017 Ratkaisuehdotus 1. (35 pistettä) (a) Seuraavat matriisit on saatu eräistä yhtälöryhmistä alkeisrivitoimituksilla. Kuinka monta ratkaisua yhtälöryhmällä
LisätiedotMääritelmä 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
Lisätiedotpdfmark=/pages, Raw=/Rotate 90 1 Lineaariavaruus eli Vektoriavaruus Sisätuloavaruus Lineaarikuvaus Ominaisarvo 0-68
SISÄLTÖ Sisältö pdfmark=/pages, Raw=/Rotate 90 1 Lineaariavaruus eli Vektoriavaruus 0-1 2 Sisätuloavaruus 0-20 3 Lineaarikuvaus 0-41 4 Ominaisarvo 0-68 5 Esimerkkejä 0-88 1. Lineaariavaruus eli V 1 Lineaariavaruus
Lisätiedot3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä
1 3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä Lineaarinen m:n yhtälön yhtälöryhmä, jossa on n tuntematonta x 1,, x n on joukko yhtälöitä, jotka ovat muotoa a 11 x 1 + + a 1n x n = b 1 a
LisätiedotInsinöörimatematiikka 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
Lisätiedot3 Suorat ja tasot. 3.1 Suora. Tässä luvussa käsitellään avaruuksien R 2 ja R 3 suoria ja tasoja vektoreiden näkökulmasta.
3 Suorat ja tasot Tässä luvussa käsitellään avaruuksien R 2 ja R 3 suoria ja tasoja vektoreiden näkökulmasta. 3.1 Suora Havaitsimme skalaarikertolaskun tulkinnan yhteydessä, että jos on mikä tahansa nollasta
LisätiedotOrtogonaaliprojektio äärellisulotteiselle aliavaruudelle
Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle Olkoon X sisätuloavaruus ja Y X äärellisulotteinen aliavaruus. Tällöin on olemassa lineaarisesti riippumattomat vektorit y 1, y 2,..., yn, jotka
Lisätiedot1 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{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.
LisätiedotAlkeismuunnokset 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
LisätiedotLINEAARIALGEBRA A 2016 TOMI ALASTE EDITED BY T.M. FROM THE NOTES OF
LINEAARIALGEBRA 83A 6 EDITED BY T.M. FROM THE NOTES OF TOMI ALASTE SISÄLTÖ Sisältö Lineaariavaruus eli Vektoriavaruus Sisätuloavaruus 3 Lineaarikuvaus 4 Ominaisarvo 34 5 Esimerkkejä 44 . Lineaariavaruus
Lisätiedot2 / :03
file:///c:/users/joonas/desktop/linis II Syksy /Ratkaisuehdotukse / 8 76 3:3 Kysymys Pisteet,, Määritellään positiivisten reaalilukujen joukossa R + = {x R x > } yhteenlasku ja skalaarikertolasku seuraavasti:
LisätiedotSisätuloavaruudet. 4. lokakuuta 2006
Sisätuloavaruudet 4. lokakuuta 2006 Tässä esityksessä vektoriavaruudet V ja W ovat kompleksisia ja äärellisulotteisia. Käydään ensin lyhyesti läpi määritelmiä ja perustuloksia. Merkitään L(V, W ) :llä
LisätiedotVektorien 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
LisätiedotTehtäväsarja 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
LisätiedotKurssikoe on maanantaina Muista ilmoittautua kokeeseen viimeistään 10 päivää ennen koetta! Ilmoittautumisohjeet löytyvät kurssin kotisivuilla.
HY / Avoin ylioisto Johdatus yliopistomatematiikkaan, kesä 05 Harjoitus 6 Ratkaisut palautettava viimeistään tiistaina.6.05 klo 6.5. Huom! Luennot ovat salissa CK maanantaista 5.6. lähtien. Kurssikoe on
LisätiedotKoodausteoria, 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.
LisätiedotSanomme, että kuvaus f : X Y on injektio, jos. x 1 x 2 f (x 1 ) f (x 2 ) eli f (x 1 ) = f (x 2 ) x 1 = x 2.
Sanomme, että kuvaus f : X Y on injektio, jos x 1 x 2 f (x 1 ) f (x 2 ) eli f (x 1 ) = f (x 2 ) x 1 = x 2. Siis kuvaus on injektio, jos eri alkiot kuvautuvat eri alkioille eli maalijoukon jokainen alkio
LisätiedotOminaisarvo ja ominaisvektori
Ominaisarvo ja ominaisvektori Määritelmä Oletetaan, että A on n n -neliömatriisi. Reaaliluku λ on matriisin ominaisarvo, jos on olemassa sellainen vektori v R n, että v 0 ja A v = λ v. Vektoria v, joka
Lisätiedotx = 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/Exercises 2017 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
Lisätiedot3.1 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
LisätiedotKuvauksista 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
Lisätiedot8. 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
LisätiedotLaskutoimitusten operaattorinormeista
Laskutoimitusten operaattorinormeista Rami Luisto 27. tammikuuta 2012 Tiivistelmä Tässä kirjoitelmassa määrittelemme vektoriavaruuksien väliselle lineaarikuvaukselle normin ja laskemme sen eksplisiittisesti
LisätiedotLineaarialgebra Kerroinrenkaat. Kevät Kerkko Luosto Informaatiotieteiden yksikkö, Tampereen yliopisto
Lineaarialgebra 2 Kevät 2014 Kerkko Luosto Informaatiotieteiden yksikkö, Tampereen yliopisto Á Ë Ð Ö Ø Ú ØÓÖ Ø 1. Kerroinrenkaat 1.1. Määritelmä. Yhden laskutoimituksen rakenne(g, + on Abelin ryhmä, jos
LisätiedotOminaisarvo ja ominaisvektori
Määritelmä Ominaisarvo ja ominaisvektori Oletetaan, että A on n n -neliömatriisi. Reaaliluku λ on matriisin ominaisarvo, jos on olemassa sellainen vektori v R n, että v 0 ja A v = λ v. Vektoria v, joka
LisätiedotLineaarialgebra 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
LisätiedotKanta 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