1 Tensoriavaruuksista..

Koko: px
Aloita esitys sivulta:

Download "1 Tensoriavaruuksista.."

Transkriptio

1 1 Tensoriavaruuksista.. Käydään läpi kirjan (1) sivut Palautetaaieleen viime kerran tärkeä määritelmä: (kirja, Määr. 5.12). Määritelmä 1.1 Olkoon T vektoriavaruus ja Φ : V 1 V 2 V m T multilineaarikuvaus, jolle reachφ = T. Jos pari (T, Φ) toteuttaa UFP:n, vektoriavaruutta T kutsutaan vektoriavaruuksien V 1, V 2,, V m tensorituloksi ja merkitään T = V 1 V 2 V m. Multilineaarikuvausta Φ kutsutaan hajottavaksi tensoriksi (decomposable tensor). Olkoon V i vektoriavaruus, jonka dimensio on n i, 1 i m. Oletetaan, että mielivaltaisen vektoriavaruuden U dimensio on n 1 n 2. Olkoon T kiinteä, mutta mielivaltainen, kääntyvä lineaarimuunnos V 1 V 2 V m U (onto) ja määritellään Ψ := T Φ. Jos W on vektoriavaruus, ja f : V 1 V 2 V m W m-lineaarinen funktio, niin on olemassa lineaarimuunnos k : U W s.e. f = kψ, nimittäin k = ht 1, missä hφ = f. On siis olemassa Ψ, U ja k s.e kuvan 1 kaavio kommutoi jokaisella f. Siispä pari (U, Ψ) toteuttaa UFP:n kirjaääritelmän 5.7 mukaan. Lisäksi tämä universaalipari on isomornen kirjan lauseen 5.9 nojalla. Koska Ψ:n kuva-avaruus on U, niin Ψ:n ulottuvuus reachψ = U kirjaääritelmän 5.6 mukaan, joten U oalli tensoritulolle. Selvästi m dim(v 1 V 2 V m ) = n i, mutta dim(v 1 V 2 V m ) = i=1 n i. Multilineaarikuvaus Ψ on siis hajoittava tensori kirjaääritelmän 5.10 mukaan. Sillä on täydennetty rakenne, sillä multilineaarikuvaus itsessään on kirjan lauseen 5.4 mukainen laajennus. Näiääriteltyinä tensoriavaruuksien tensoritulo on olemassa ja se on isomorsuuden nojalla (kirjan lause 5.9) yksikäsitteinen. Tämä lähestymistapa on kuitenkin hieman liian abstrakti, ja siksipä on syytä konstruoida konkreettisempi malli. Määritelmä 1.2 Olkoon V 1, V 2,, V m kompleksisia vektoriavaruuksia. M(V 1, V 2,, V m ) tarkoittaa m-lineaaristen funktioiden f : V 1 V 2 V m C joukkoa. Paikallisesti summa ja skalaarilla kertominen eli i=1 (cf + dg)(v 1, v 2,, v m ) = cf(v 1, v 2,, v m ) + dg(v 1, v 2,, v m ) (1) pätee, joten M on vektoriavaruus. Seuraavassa M tarkoittaa M:n duaaliavaruutta. Palautetaaieleen kirjan lause 2.2: (1) Russell M. Multilinear algebra, 1997, 332 p.

2 Ψ V 1 V 2 V m Φ V 1 V 2 V m T U f h k Figure 1: Kommutaatiokaavio. W Lause 1.3 Olkoon u V ja kuvaus û : V C, joka määritellään û(f) = f(u), f V (2) Silloin û on V :n lineaarinen funktionaali. Lisäksi kuvaus Ψ : V (V ), joka määritellään Ψ(u) = û, u V on vektoriavaruuksien välinen isomorsmi. Olkoon v i V i, i i m ja kuvaus v 1 v 2 v m : M C määriteltynä (vrt. yhtälö 2) Koska (v 1 v 2 v m )(f) = f(v 1, v 2,, v m ) (3) (v 1 v 2 v m )(cf + dg) = (cf + dg)(v 1, v 2,, v m ) = cf(v 1, v 2,, v m ) + dg(v 1, v 2,, v m ) = c(v 1 v 2 v m )(f) + d(v 1 v 2 v m )(g), v 1 v 2 v m on lineaarinen. Ts. lauseen 1.3 nojalla f, g M ja yo. tuloksen perusteella nämä funktionaalit virittävät M. Lause 1.4 Olkoon B i = {e ij : 1 j n i, 1 i m} vektoriavaruuden V i :n kanta. Silloin B = {e 1j1 e 2j2 e mjm : 1 j i n i, 1 i m} (4) on M(V 1, V 2,, V m ):n duaaliavaruuden M kanta. Todistus Olkoon {f ij : 1 j n i } vektoriavaruuden (sis. lineaarisia funktionaaleja) L(V i, C) kanta, joka on B i :n duaali. Silloin f ij määritellään laajentamalla lauseen 2.1 tulos (f i (e j ) = δ i,j ) eli f ij (e ik ) = δ j,k. (5) Olkoon f tjt M(V 1, V 2,, V m )

3 duaaliavaruude-lineaarinen funktionaali, joka määritellään ( m f tjt )(v 1, v 2,, v m ) = f tjt (v t ). Nyt väitetään, että { m } f tjt : 1 j t n t, 1 t m on M = M(V 1, V 2,, V m ) kanta. Jos g M, niin seultilineaarilaajennus (vrt. lineaarilaajennus, kirjan yhtälö 2.2), g(v 1, v 2,, v m ) = n 1 n 2 i 1 =1 i 2 =1 i m =1 g(e 1i1, e 2i2,, e mim ) (6) f tit (7) Tämä nähdään todeksi laskemalla molemmat puolet e pjp, 1 p m, kun huomataan vielä, että oikea puoli o-lineaaristen funktioiden lineaarikombinaatio ja siis m-lineaarinen. Saadaan g(e 1j1, e 2j2,, e mjm ) = n 1 n 2 i 1 =1 i 2 =1 i m =1 g(e 1i1, e 2i2,, e mim ) f tit (e tjt ). Koska ko. funktionaaliääritelmän (5) mukaan m f ti t (e tjt ) = 0 ellei i t = j t, 1 t m, yhtälön oikea puoli kumoaa vasemman puolen. Koska kaikki funktionaalit voidaan esittää muodossa (vrt. kirjan yhtälö (2.2)) g = i j g(e ij)g ij, ja nyt g ij = m f tj t (e tjt ), 1 t m toteuttaa tämän (ts. saatiin g = g), m f tj t (e tjt ) on M:n kanta. Edelleen oletuksen mukaan (kirjan lauseen 2.1 laajennuksessa oletetaan) sen duaalikanta on kuten yhtälö (4) Lemma 1.5 Asetetaan T = M (M:n duaali), M = M(V 1, V 2,, V m ), ja määritellään Φ : V 1 V 2 V m T s.e. Φ(v 1, v 2,, v m ) = v 1 v 2 v m. Jos f M, niin Φ on m-lineaarinen. Todistus i th {}}{ (v 1 v 2 [cu + dw] v m )(f) = f(v 1, v 2,, [cu + dw],, v m ) Eq. (3) = cf(v 1, v 2,, u,, v m ) + df(v 1, v 2,, w,, v m ) Multilin., Määr. 5.2 = c(v 1 v 2 u v m )(f) + d(v 1 v 2 w v m )(f), Koska f oielivaltainen, Φ on siis m-lineaarinen (v 1 v 2 [cu + dw] v m ) = c(v 1 v 2 u v m ) + d(v 1 v 2 w v m ).

4 Lemma 1.6 Pari (T, Φ) on universaali. Todistus Olkoon W vektoriavaruus. Oletetaan, että g : v 1 v 2 v m W on m-lineaarinen. Olkoon B lauseen 1.4 mukainen T:n kanta, ja määritellään h : T W s.e. h(e 1j1 e 2j2 e mjm ) = g(e 1j1, e 2j2,, e mjm ), 1 j i n i, 1 i m, ja lineaarinen laajennus (sehän on olemassa edellisen esityksen, lemman 1.7 mukaan). Silloi-lineaariset funktiot hφ ja g määräytyvät samoista kuvista ja kirjaultilineaarikuvaukseääritelmän 5.2 mukaan hφ oultilineaarinen ja multilineaarilaajennuslauseen nojalla (T, Φ) on universaali pari Koska Φ:n kuva on T, sen ulottuvuus kirjaääritelmän 5.6 mukaan on reachφ = T. Ts. T = V 1 V 2 V m. Käytetään notaatiota v 1 v 2 v m multilineaaristen funktionaalieallista abstraktia määrittelyä varten. Edelleen listaerkinnän [e 1j1, e 2j2,, e mjm ] sijaaerkitään e 1j1 e 2j2 e mjm Näin siksi, että Φ(v 1, v 2,, v m ) = v 1 v 2 v m, joten symbolia Φ ei ole enää mitään tarvetta käyttää. Seuraavaksi voimmekin jo määritellä tensorin Määritelmä 1.7 Yleinen, abstrakti, hajoittava tensori tarkoittaa v 1 v 2 v m. voidaan käsittää myös M(V 1, V 2,, V m ):n lineaariseksi funktionaaliksi. Korostettakoon vielä, että V 1 V 2 V m {v 1 v 2 v m : v i V i, i i m}. Se Lause 1.8 Olkoon {e ij : 1 j n i } V i :n kanta 1 i m. Jos niin v 1 v 2 v m = n i v i = a ij e ij, 1 i m, j=1 n 1 n 2 j 2 =1 j m=1 (e 1j1 e 2j2 e mjm ) Todistus Nyt siis Φ(v 1, v 2,, v m ) = v 1 v 2 v m. Samalla tavalla kuin edellä lauseen 4 todistuksessa asetetaan M:n kanta m a tj t. Käyttämällä kirjan yhtälön 5.2 mukaista multileaarilaajennusta suoraan laskemalla saadaan v 1 v 2 v m = n 1 n 2 j 2 =1 j m =1 (e 1j1 e 2j2 e mjm ) a tjt a tjt

5 Lause 1.9 Olkoon v i V i, 1 i m. Silloin v 1 v 2 v m = 0 joss v i = 0 jollakin i. Todistus (epäsuora todistus) Oletetaan, että v i 0 jollakin i. Tällöin kirjan lauseen 2.1 mukaan on olemassa lineaarinen funktionaali f i L(V i, C) s.e. f i (v i ) = δ i,i = 1, 1 i m. Olkoon f = f i M(V 1, V 2,, V m ). Silloin (v 1 v 2 v m )(f) = f(v 1, v 2,, v m ) = f i (v i ) = 1. Ts. v 1 v 2 v m ei ole nolla-funktionaali, ja tästä seuraa väite. 0 = v 1 v 2 v m 0 = (v 1 v 2 v m )(f) = f(v 1, v 2,, v m ) = f i (v i ) v i = 0 jollakin i i=1 Lause 1.10 Oletetaan, että v i, w i V i, missä w i 0, 1 i m. Silloin v 1 v 2 v m = w 1 w 2 w m joss on olemassa m kompleksista kerrointa c 1, c 2,, c m s.e. v i = c i w i, 1 i m, ja niiden tulo c 1 c 2 c m = 1. Todistus sivuutetaan, sillä lause ei ole jatkon kannalta mitenkään oleellinen (ei tarvita luvussa 5 jne.). Lemma 1.11 (Harjoitustehtävä 10) Olkoon B i = {e i1, e i2,, e ini } vektoriavaruuden V i, 1 i m kanta. Oletetaan, että 1 k m. Määritellään s.e. Ψ : (V 1 V 2 V k ) (V k+1 V k+2 V m ) V 1 V 2 V m Ψ((e 1j1 e kjk ), (e (k+1)jk+1 e mjm )) = e 1j1 e 2j2 e mjm ja funktiolla Ψ oultilineaarilaajennus (MLE). Tällöin Ψ((v 1 v 2 v k ), (v k+1 v k+2 v m )) = v 1 v 2 v m v i V i, 1 i m. Todistus Olkoon v i = i a ije ij mielivaltainen, mutta kiinteä avaruuden V i vektori. Tällöin Ψ((v 1 v 2 v k ), (v k+1 v k+2 v m )) = n 1 n k n k+1 Ψ(( a 1j1 e 1j1 a kjk e kjk ), ( a (k+1)jk+1 e (k+1)jk+1 n 1 (( a 1j1 n k j k =1 n 1 = ( a 1j1 n k j k =1 a kjk )( a kjk j k =1 n k+1 j k+1 =1 n k+1 j k+1 =1 a (k+1)jk+1 a (k+1)jk+1 j k+1 =1 j m=1 j m =1 i=1 j m =1 a mjm e mjm )) = MLE a mjm ))Ψ((e 1j1 e kjk ), (e (k+1)jk+1 e mjm )) a mjm )e 1j1 e 2j2 e mjm = v 1 v 2 v m v i V i 1 i m

6 Lause 1.12 Oletetaan, että 1 k m. Silloin V 1 V 2 V m oalli tensoritulolle (V 1 V 2 V k ) (V k+1 V k+2 V m ), missä (liitäntäominaisuus) (u 1 u 2 u k ) (w 1 w 2 w m k ) = u 1 u 2 u k w 1 w 2 w m k. Todistus Näytetään, että on olemassa lineaarineuunnos s.e T : ((V 1 V 2 V k ) (V k+1 V k+2 V m )) V 1 V 2 V m T ((v 1 v 2 v k ) (v k+1 v k+2 v m )) = v 1 v 2 v m, kaikilla v i V i, 1 i m. Koska {v 1 v 2 v m : v i V i } virittää V 1 V 2 V m, jokainen yo. muunnos on surjektiivinen (onto). Koska dim((v 1 V 2 V k ) (V k+1 V k+2 V m )) = dim(v 1 V 2 V m ), muunnos oyös injektiivinen (one-to-one). Olkoon sitten Ψ yksikäsitteinen bilineaarinen funktio, jolle pätee lemman 1.11 mukaan Ψ(v 1 v k, v k+1 v m ) = v 1 v 2 v m, kaikilla v i V i, 1 i m. Merkitään vielä (V 1 V 2 V k ) (V k+1 V k+2 V m ) =: A, (V 1 V 2 V k ) (V k+1 V k+2 V m ) =: C, V 1 V 2 V m =: B. Ts. A, B, C ovat vektoriavaruuksia. Merkitääultilineaarikuvausta Φ : C A. Nyt siis jokaista multilineaarikuvausta Ψ kohti on olemassa lineaarikuvaus T L(A, B) s.e. Ψ = T Φ, joten pari (A, Φ) on universaali (kuva 2). Universaleja pareja koskevan olemassaololemman (ks. esitys ) T on olemassa. Koska T on bijektio, parit (A, Φ) ja (B, Ψ) ovat myös isomorsia. Koska reach(t ) = V 1 V 2 V m, niin V 1 V 2 V m oalli tensoritulolle (V 1 V 2 V k ) (V k+1 V k+2 V m ) (V 1 V k ) (V k+1 V m ) (V 1 V k ) (V k+1 V m ) T (V 1 V 2 V m ) Figure 2:

7 Esimerkki 1.13 Olkoo = 3, k = 2. Silloin lauseen 1.12 nojalla Toisaalta, jos k = 1, Siten (V 1 V 2 ) V 3 = V1 (V 2 V 3 ). (V 1 V 2 ) V 3 = V1 V 2 V 3. V 1 (V 2 V 3 ) = V 1 V 2 V 3. Kun V 1 = V 2 = = V m, lause 1.12 on tensorialgebran teorian perusta. Aiheesta enempi [Bourbaki (1948)], [Greub (1967)] tai [Marcus (1973)]. Esimerkki 1.14 Oletetaan, että V 1 = C 1,n ja V 2 = C 1,k. Olkoon Φ : V 1 V 2 C n,k bilineaarinen funktio, jolle Φ(X, Y ) = X t Y. Olkoon E j 1 k matriisi, jonka ainoa nollasta eroava alkio on 1 sarakkeessa j, ja E i 1 atriisi, jonka ainoa nolasta eroava alkio on 1 sarakkeessa i. Silloin Φ(E i, E j ) = E ij, n k matriisi, jonka ainoa nollasta eroava alkio on 1 kohdassa (i, j) (vertaa kirjan Esim. 5.5): E 11 E 12 E 1k k n k n 2 Φ(E j1, E j 2 ) = g tjt (E tit )E j1 j 2 = E 21 E 22 E 2k = (8) j 2 =1 j 2 =1 E n1 E n2 E nk Samalla tavalla kuin esimerkiksi lauseen 1.4 todistuksessa (yhtälö (6)) 2 g tj t (E tit ) = 2 c td jt = δ jt,i t = E j1,j 2, {E i,j : 1 i n, 1 j k} on C n,k :n kanta. Silloin ulottuvuus reachφ = C n,k. Olkoon W on vektoriavaruus ja f : V 1 V 2 W bilineaarinen funktio. Määritellään h : C n,k W s.e. h(e ij ) = f(e i, E j ), 1 i n, 1 j k ja (bi)lineaarinen laajennus kuten yhtälö (8), kuerkitään Φ = f. Kirjan lauseesta 5.7 (UFP) seuraa, että f = h Φ, ja C n,k oyös malli tensoritulolle V 1 V 2, sillä reachφ = C n,k. Silloin Φ = X Y = X t Y oääritelmän 1.1 (kirja, Määr. 5.12) hajottava tensori. Tästä voidaan jatkaa induktiolla, sillä Lauseen 1.12 mukaan t = 1 : t = 2 : lineaarialgebra, esim. yllä, t = 3 : (V 1 V 2 ) V 3 = V1 V 2 V 3, t = 4 : (V 1 V 2 V 3 ) V 4 = V1 V 2 V 3 V 4, t = m : (V 1 V 2 V m 1 ) V m = V1 V 2 V m. Vastaavasti (X Y ) Z = X Y Z, (X Y Z 1 ) Z 2 = X Y Z1 Z 2,,(X Y Z m 3 ) Z m 2 = X Y Zm 2 = T (X, Y,, Z m 2 ), missä T : V 1 V 2 V m T = C n1,n 2,, on hajottava tensori. Kannattaa huomata, että ylläolevassa konstruktiossa multilineaariset funktiot korvataan tensorituloilla (sis. hajottavat tensorit).

8 Olkoon V 1, V 2,, V m ja W 1, W 2,, W m vektoriavaruuksia, ja oletetaan, että on olemassa lineaariset funktiot T i L(V i, W i ), 1 i m. Silloin Ψ : V 1 V 2 V m W 1 W 2 W m s.e. Ψ(v 1, v 2,, v m ) = T 1 (v 1 ) T 2 (v 2 ) T m (v m ) o-lineaarinen (ei välttämättä bijektio). Tämä nähdään, kun sovelletaan ensin lemmaa 1.5, jolloin huomataan, että v 1 v 2 v m ja kuvaus v 1 v 2 v m v 1 v 2 v m ovat m-lineaarisia ja sovelletaan sitten kirjan esimerkkiä 5.3 (v). Kirjan UFP-lauseen 5.7 ja olemassaololemman (lemma 1.7 esityksessä luvun 5 alusta) mukaan on olemassa lineaarimuunnos h : V 1 V 2 V m W 1 W 2 W m s.e. h(v 1 v 2 v m ) = T 1 (v 1 ) T 2 (v 2 ) T m (v m ), v i V i, 1 i m. Ts. on olemassa Φ : V 1 V 2 V m V 1 V 2 V m, V 1 V 2 V m ja h s.e kaavio kommutoi jokaisella Ψ. Koska {T 1 (v 1 ) T 2 (v 2 ) T m (v m ), T i (v i ) L(V i, W i ), 1 i m} virittää tensoritulon W 1 W 2 W m, muunnos h on surjektiivinen. Olkoon {e 1j1 e 2j2,, e mjm : 1 j i n i, 1 i m} V 1 V 2 V m kanta ja v i = j a ije ij V i kiinteä, mutta mielivaltainen. Koska n 1 h(v 1 v 2 v m ) = h( a 1j1 e 1j1 n 1 = ( a 1j1 j m =1 j m=1 a mjm e mjm ) a mjm )h(e 1j1 e 2j2 e mjm ), h määräytyy kokonaan kannan kuvista. Toisaalta jokaiselle m-lineaariselle funktiolle g, joka määräytyy samoista kannan kuvista, välttämättä g = h. Ts. kuvaus on yksikäsitteinen siinä mielessä, että se määräytyy samoista kannan kuvista. Määritelmä 1.15 Olkoon T L(V i, W i ), 1 i m ja h L(V 1 V 2 V m, W 1 W 2 W m ) kuten yllä. Silloin T 1, T 2,, T m indusoi h:n ja merkitään h = T 1 T 2 T 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 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

Sisätuloavaruudet. 4. lokakuuta 2006

Sisätuloavaruudet. 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

Lisätiedot

Lineaarista projektiivista geometriaa

Lineaarista projektiivista geometriaa TAMPEREEN YLIOPISTO Pro gradu -tutkielma Iiris Repo Lineaarista projektiivista geometriaa Informaatiotieteiden yksikkö Matematiikka Marraskuu 2012 Tampereen yliopisto Informaatiotieteiden yksikkö REPO,

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-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

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

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

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

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

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

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

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Idea Lineaarisen systeemin ratkaiseminen Olkoon

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

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

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

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

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

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

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

2.5. Matriisin avaruudet ja tunnusluvut

2.5. 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

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

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

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

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

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

Yhteenlaskun 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

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

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

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

Ennakkotehtävän ratkaisu

Ennakkotehtävän ratkaisu Ennakkotehtävän ratkaisu Ratkaisu [ ] [ ] 1 3 4 3 A = ja B =. 1 4 1 1 [ ] [ ] 4 3 12 12 1 0 a) BA = =. 1 + 1 3 + 4 0 1 [ ] [ ] [ ] 1 0 x1 x1 b) (BA)x = =. 0 1 x 2 x [ ] [ ] [ 2 ] [ ] 4 3 1 4 9 5 c) Bb

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

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

{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

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

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

Lineaarialgebra b, kevät 2019

Lineaarialgebra 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

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

802320A LINEAARIALGEBRA OSA III

802320A 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

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-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

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

802320A LINEAARIALGEBRA OSA III LINEAR ALGEBRA PART III

802320A 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

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

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

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

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

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

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

3 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

Lisätiedot

802320A LINEAARIALGEBRA OSA III

802320A 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

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

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 2014 164/246 Kertausta:

Lisätiedot

Ortogonaalisen kannan etsiminen

Ortogonaalisen 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,

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

koska 2 toteuttaa rationaalikertoimisen yhtälön x 2 2 = 0. Laajennuskunnan

koska 2 toteuttaa rationaalikertoimisen yhtälön x 2 2 = 0. Laajennuskunnan 4. Äärellisten kuntien yleisiä ominaisuuksia 4.1. Laajenuskunnat. Tarkastellaan aluksi yleistä kuntaparia F ja K, missä F on kunnan K alikunta. Tällöin sanotaan, että kunta K on kunnan F laajennuskunta

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

Paulin spinorit ja spinorioperaattorit

Paulin spinorit ja spinorioperaattorit Paulin spinorit ja spinorioperaattorit Spinoreita on useita erilaisia. Esimerkiksi Paulin, Dirackin ja Weyelin spinorit. Yhteisenä piirteenä eri spinoreilla on se, että kukin liittyy tavallisesti johonkin

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

Ominaisvektoreiden lineaarinen riippumattomuus

Ominaisvektoreiden 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

Lisätiedot

Lineaariset yhtälöryhmät ja matriisit

Lineaariset yhtälöryhmät ja matriisit Lineaariset yhtälöryhmät ja matriisit Lineaarinen yhtälöryhmä a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2. a m1 x 1 + a m2 x 2 + + a mn x n = b m, (1) voidaan esittää

Lisätiedot

MS-C1340 Lineaarialgebra ja

MS-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

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

Determinantti 1 / 30

Determinantti 1 / 30 1 / 30 on reaaliluku, joka on määritelty neliömatriiseille Determinantin avulla voidaan esimerkiksi selvittää, onko matriisi kääntyvä a voidaan käyttää käänteismatriisin määräämisessä ja siten lineaarisen

Lisätiedot

MS-A0002 Matriisilaskenta Luento 1:Vektorit ja lineaariyhdistelyt

MS-A0002 Matriisilaskenta Luento 1:Vektorit ja lineaariyhdistelyt MS-A0002 Matriisilaskenta Luento 1:Vektorit ja lineaariyhdistelyt Antti Rasila 2016 Vektorit Pysty- eli sarakevektori v = ( v1 v 2 missä v 1, v 2 ovat v:n komponentit. ), Matriisilaskenta 2/6 Vektorit

Lisätiedot

LUKU 10. Yhdensuuntaissiirto

LUKU 10. Yhdensuuntaissiirto LUKU hdensuuntaissiirto Olkoot (M, N) suunnistettu pinta, p M ja v p R 3 p annettu vektori pisteessä p (vektorin v p ei tarvitse olla pinnan M tangenttivektori). Tällöin vektori (v p N(p)) N(p) on vektorin

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

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

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

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

Lisätiedot

Laskutoimitusten operaattorinormeista

Laskutoimitusten operaattorinormeista Laskutoimitusten operaattorinormeista Rami Luisto 27. tammikuuta 2012 Tiivistelmä Tässä kirjoitelmassa määrittelemme vektoriavaruuksien väliselle lineaarikuvaukselle normin ja laskemme sen eksplisiittisesti

Lisätiedot

Vektoreiden virittämä aliavaruus

Vektoreiden 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

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

802118P Lineaarialgebra I (4 op)

802118P Lineaarialgebra I (4 op) 802118P Lineaarialgebra I (4 op) Tero Vedenjuoksu Oulun yliopisto Matemaattisten tieteiden laitos 2012 Lineaarialgebra I Yhteystiedot: Tero Vedenjuoksu tero.vedenjuoksu@oulu.fi Työhuone M206 Kurssin kotisivu

Lisätiedot

1 Kertaus. Lineaarinen optimointitehtävä on muotoa:

1 Kertaus. Lineaarinen optimointitehtävä on muotoa: 1 Kertaus Lineaarinen optimointitehtävä on muotoa: min c 1 x 1 + c 2 x 2 + + c n x n kun a 11 x 1 + a 12 x 2 + + a 1n x n b 1 a 21 x 1 + a 22 x 2 + + a 2n x n b 2 (11) a m1 x 1 + a m2 x 2 + + a mn x n

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

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

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

1 Ominaisarvot ja ominaisvektorit

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

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

Vapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee:

Vapaus. 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 +

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

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

3 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

Lisätiedot

7. Olemassaolo ja yksikäsitteisyys Galois n kunta GF(q) = F q, jossa on q alkiota, määriteltiin jäännösluokkarenkaaksi

7. Olemassaolo ja yksikäsitteisyys Galois n kunta GF(q) = F q, jossa on q alkiota, määriteltiin jäännösluokkarenkaaksi 7. Olemassaolo ja yksikäsitteisyys Galois n kunta GF(q) = F q, jossa on q alkiota, määriteltiin jäännösluokkarenkaaksi Z p [x]/(m), missä m on polynomirenkaan Z p [x] jaoton polynomi (ks. määritelmä 3.19).

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

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

Matriisialgebra harjoitukset, syksy x 1 + x 2 = a 0 MATRIISIALGEBRA, s, Ratkaisuja/ MHamina & M Peltola 22 Virittääkö vektorijoukko S vektoriavaruuden V, kun a V = R 3 ja S = {(1,0, 1,(2,0,4,( 5,0,2,(0,0,1} b V = P 2 (R ja S = {t1,t 2 1,t 2 t} ( ( 1 0 c

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

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra ja matriisilaskenta I Lineaarialgebra ja matriisilaskenta I 30.5.2013 HY / Avoin yliopisto Jokke Häsä, 1/19 Käytännön asioita Kurssi on suunnilleen puolessa välissä. Kannattaa tarkistaa tavoitetaulukosta, mitä on oppinut ja

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

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

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

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

Lineaarialgebra Kerroinrenkaat. Kevät Kerkko Luosto Informaatiotieteiden yksikkö, Tampereen yliopisto

Lineaarialgebra 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

Lisätiedot

Alternoivat multilineaarimuodot

Alternoivat multilineaarimuodot LUKU 1 Alternoivat multilineaarimuodot Vektoriavaruudesta R n käytetään seuraavassa merkintää V. Sen k-kertainen karteesinen tulo on tällöin V V = V k. Määritelmä 1.1. Kuvaus T : V k R on multilineaarinen,

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

1. Normi ja sisätulo

1. Normi ja sisätulo Kurssimateriaalia K3/P3-kursille syksyllä 3 83 Heikki Apiola Sisältää otteita Timo Eirolan L3-kurssin lineaarialgebramonisteesta, jonka lähdekoodin Timo on ystävällisesti antanut käyttööni Normi ja sisätulo

Lisätiedot

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 =

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 = 1 / 21 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... a k1 a k2 a kn sanotaan k n matriisiksi. Usein merkitään A [a ij ]. Lukuja

Lisätiedot

10. Toisen kertaluvun lineaariset differentiaaliyhtälöt

10. Toisen kertaluvun lineaariset differentiaaliyhtälöt 37. Toisen kertaluvun lineaariset differentiaalihtälöt Tarkastelemme muotoa () ( x) + a( x) ( x) + a( x) ( x) = b( x) olevia htälöitä, missä kerroinfunktiot ja oikea puoli ovat välillä I jatkuvia. Edellisen

Lisätiedot

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

Esimerkki 19. Esimerkissä 16 miniminormiratkaisu on (ˆx 1, ˆx 2 ) = (1, 0). Esimerkki 9 Esimerkissä 6 miniminormiratkaisu on (ˆx, ˆx (, 0 Seuraavaksi näytetään, että miniminormiratkaisuun siirtyminen poistaa likimääräisongelman epäyksikäsitteisyyden (mutta lisääntyvän ratkaisun

Lisätiedot

Ominaisarvo ja ominaisvektori

Ominaisarvo 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

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

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

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

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