LINEAARIALGEBRA. Harjoituksia/Exercises 2017 Valittuja ratkaisuja/selected solutions

Samankaltaiset tiedostot
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/Exercises 2019 Valittuja ratkaisuja/selected solutions

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 );

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

802320A LINEAARIALGEBRA OSA II/PART II

802320A LINEAARIALGEBRA OSA II LINEAR ALGEBRA PART II

802320A LINEAARIALGEBRA OSA II/PART II

802320A LINEAARIALGEBRA OSA II LINEAR ALGEBRA PART II

802320A LINEAARIALGEBRA OSA I

802320A LINEAARIALGEBRA OSA III

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

1 Lineaariavaruus eli Vektoriavaruus

802320A LINEAARIALGEBRA OSA III

802320A LINEAARIALGEBRA OSA III

802320A LINEAARIALGEBRA OSA III LINEAR ALGEBRA PART III

802320A LINEAARIALGEBRA OSA II

1 Sisätulo- ja normiavaruudet

802320A LINEAARIALGEBRA OSA I LINEAR ALGEBRA PART I

802320A LINEAARIALGEBRA OSA I LINEAR ALGEBRA PART I

LINEAARIALGEBRA A 2016 TOMI ALASTE EDITED BY T.M. FROM THE NOTES OF

Lineaarialgebra II P

pdfmark=/pages, Raw=/Rotate 90 1 Lineaariavaruus eli Vektoriavaruus Sisätuloavaruus Lineaarikuvaus Ominaisarvo 0-68

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

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

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?

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

Insinöörimatematiikka D

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

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

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle

1. Normi ja sisätulo

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

Kuvaus. Määritelmä. LM2, Kesä /160

Kanta ja dimensio 1 / 23

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /310

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

Matemaattinen Analyysi / kertaus

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

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

MS-C1340 Lineaarialgebra ja

Kertausta: avaruuden R n vektoreiden pistetulo

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Avaruuden R n aliavaruus

Alkeismuunnokset matriisille, sivu 57

JAKSO 2 KANTA JA KOORDINAATIT

Hilbertin avaruudet, 5op Hilbert spaces, 5 cr

Sisätuloavaruudet. 4. lokakuuta 2006

2 / :03

Insinöörimatematiikka D

Insinöörimatematiikka D

6. OMINAISARVOT JA DIAGONALISOINTI

Insinöörimatematiikka D

1 Ominaisarvot ja ominaisvektorit

Insinöörimatematiikka D

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 )

Ominaisvektoreiden lineaarinen riippumattomuus

Kertausta: avaruuden R n vektoreiden pistetulo

5 Ominaisarvot ja ominaisvektorit

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35

Ortogonaalisen kannan etsiminen

MS-C1340 Lineaarialgebra ja

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

Insinöörimatematiikka D

Lineaarialgebra ja matriisilaskenta I

4. LINEAARIKUVAUKSET

TOOLS. Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO TOOLS 1 / 28

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

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Insinöörimatematiikka D

9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista

Kanta ja Kannan-vaihto

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

Kantavektorien kuvavektorit määräävät lineaarikuvauksen

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

6. Lineaariset operaattorit

6 MATRIISIN DIAGONALISOINTI

Matemaattinen Analyysi, k2011, L2

Lineaariset mollit, kl 2017, Harjoitus 1

1 Avaruuksien ja lineaarikuvausten suora summa

Derivaatta: funktion approksimaatio lineaarikuvauksella.

Lineaarialgebra b, kevät 2019

Yleiset lineaarimuunnokset

Mathematicians are like Frenchmen: whatever you say to them they translate into their own language and forthwith it is something entirely

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

LINEAARIALGEBRA P. LUENTOMONISTE ja HARJOITUSTEHTÄVÄT

Neliömuodoista, matriisin ominaisarvoista ja avaruuden kierroista

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

2.5. Matriisin avaruudet ja tunnusluvut

Lineaarialgebra ja matriisilaskenta I

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

Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218

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

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

Lineaarialgebra b, kevät 2019

Lineaarikuvauksen R n R m matriisi

Insinöörimatematiikka D

Metriset avaruudet 2017

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Transkriptio:

LINEAARIALGEBRA Harjoituksia/Exercises 2017 Valittuja ratkaisuja/selected solutions 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 kertominen määritellään koordinaateittain/show that the set is a vector space when we set identity relation, addition and multiplication by a real number coordinate-wise: x = y x i = y i i = 1,..., n; x + y = (x 1 + y 1,..., x n + y n ); λ x = (λx 1,..., λx n ), aina, kun x 1,..., x n ; y 1,..., y n ; λ R. Ratkaisu: Koordinaateissa käytetään reaalilukujen kuntaominaisuuksia. LA1a. katso luennot. LA1b. x + y = y + x? Lasketaan V.P. = x + y = (x 1 + y 1,..., x n + y n ) O.P. = y + x = (y 1 + x 1,..., y n + x n ) = (x 1 + y 1,..., x n + y n ) Saatiin: V.P.=O.P. mot. LA1c. katso luennot: nolla-alkio=(0,...,0). LA1d. Alkion x = (x 1,..., x n ) vasta-alkio on ( x 1,..., x n ), koska (x 1,..., x n ) + ( x 1,..., x n ) = (x 1 x 1,..., x n x n ) = (0,..., 0). Siten x = ( x 1,..., x n ). LA2a. katso luennot. LA2b. 1 x = x? Lasketaan skalaaritulo 1 (x 1,..., x n ) = (1x 1,..., 1x n ) = (x 1,..., x n ). q.e.d. LA3a. λ (x + y) = λ x + λ y? Lasketaan V.P. = λ (x + y) = λ (x 1 + y 1,..., x n + y n ) = (λ(x 1 + y 1 ),..., λ(x n + y n )) = (λx 1 + λy 1,..., λx n + λy n ). O.P. = λ x + λ y = (λx 1,..., λx n ) + (λy 1,..., λy n ) = (λx 1 + λy 1,..., λx n + λy n ).

Saatiin: V.P.=O.P. q.e.d. LA3b. (λ + µ) x = λ x + µ x? Lasketaan V.P. = (λ + µ) x = (λ + µ) (x 1,..., x n ) = ((λ + µ)x 1,..., (λ + µ)x n ) = (λx 1 + µx 1,..., λx n + µx n ). Saatiin: V.P.=O.P. q.e.d. O.P. = λ x + µ x = (λx 1,..., λx n ) + (µx 1,..., µx n ) = (λx 1 + µx 1,..., λx n + µx n ). 2. Osoita, että (R 2, +, ) ei ole vektoriavaruus, kun vektoreiden x = (x 1, x 2 ), y = (y 1, y 2 ) laskutoimitukset on annettu seuraavasti/show that the set is not a vector space with the binary operations: x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); λ x = (λx 1, 0), λ R. Ratkaisu: Aluksi huomataan, että yhteenlasku on normaali (1. tehtävän mukainen) avaruuden R 2 yhteenlasku. Siten aksiomit 1abcd toteutuvat, joten mahdollinen vika on skalaarikertolaskua käyttävissä aksiomeissa. LA2b. 1 x = x? Lasketaan V.P. = 1 (x 1, x 2 ) = (x 1, 0); O.P. = (x 1, x 2 ) Valitaan vaikka x 2 = 1, jolloin V.P. O.P., joten aksiomi LA2b ei toteudu kaikilla x R 2. mot. 3. Osoita, että (R 2,, ) ei ole lineaariavaruus, kun vektoreiden x = (x 1, x 2 ), y = (y 1, y 2 ) laskutoimitukset on annettu seuraavasti: x = y x i = y i i = 1, 2; x y = (x 1 y 1, x 2 + y 2 ); λ x = (λx 1, λx 2 ), λ R. LA1b. x + y = y + x? Valitaan x = (1, 0) ja y = (0, 1). Lasketaan V.P. = x + y = (1, 1) O.P. = y + x = ( 1, 1) V.P. O.P., joten aksiomi LA1b ei toteudu kaikilla x, y R 2. mot. 4. Olkoon K kunta ja 0, 1 K sen nolla- ja ykkösalkiot. Olkoon V lineaariavaruus kunnan K yli sekä 0 V sen nolla-alkio. Osoita lineaariavaruuden aksiomeja käyttäen, että/show by using the axioms of linear space that:

(a) λ 0 = 0 kaikilla λ K. (b) λ v = ( λ) v = λ ( v) kaikilla λ K, v V ; (c) Jos λ v = λ w ja λ 0, niin v = w; c) RATKAISU: Koska λ 0, niin on olemassa käänteisalkio λ 1 K. Kerrotaan λ v = λ w puolittain käänteisalkiolla, jolloin λ 1 (λ v) = λ 1 (λ w) (λ 1 λ) v = (λ 1 λ) w 1 v = 1 w v = w. q.e.d. 5. Olkoot W 1 = {(x, y, z, t) R 4 : x y + z t = 0}; W 2 = {(x, y, z, t) R 4 : x y + z = 0}; W 3 = {(x, y, z, t) R 4 : x y + z 1 = 0} (a) Osoita, että W 1 on vektoriavaruuden R 4 aliavaruus/show that W 1 is a subspace of the vector space R 4. (b) Onko W 2 on vektoriavaruuden W 1 aliavaruus/is W 2 a subspace of the vector space W 1? (c) Onko W 2 on vektoriavaruuden R 4 aliavaruus? (d) Miksi W 3 ei ole vektoriavaruuden R 4 aliavaruus/why W 3 is not a subspace of the vector space R 4? 5b-kohta VASTAUS: EI. RATKAISU: AA1: Onko W 2 W 1? Esimerkiksi (1, 2, 1, 10) W 2, koska x y+z = 1 2+1 = 0. Mutta (1, 2, 1, 10) / W 1, koska x y + z t = 10 0. Siten W 2 W 1 ; 5c-kohta VASTAUS: ON. RATKAISU: Osoitetaan, että aliavaruusaksiomit ovat voimassa. AA1: 0 = (0, 0, 0, 0) W 2, koska x y + z = 0 0 + 0 = 0. Siten W 2 R 4 ; AA2: Olkoot w 1 = (x 1, y 1, z 1, t 1 ), w 2 = (x 2, y 2, z 2, t 2 ) W 2. Tällöin x 1 y 1 + z 1 = x 2 y 2 + z 2 = 0. Lasketaan w 1 + w 2 = (x 1 + x 2, y 1 + y 2, z 1 + z 2, t 1 + t 2 ) (x 1 + x 2 ) (y 1 + y 2 ) + (z 1 + z 2 ) = x 1 y 1 + z 1 + x 2 y 2 + z 2 = 0, ja joten w 1 + w 2 W 2 ;

AA3: Olkoot w = (x, y, z, t) W 2 ja λ R, tällöin Lasketaan joten λ w W 2. x y + z = 0. λ w = (λx, λy, λz, λt) (λx) (λy) + (λz) = λ(x y + z) = 0, 5d-kohta RATKAISU: Koska aksiomi AA2 ei toteudu. Esimerkiksi (1, 0, 0, 0) W 3, koska x y +z 1 = 0. Mutta (1, 0, 0, 0) + (1, 0, 0, 0) = (2, 0, 0, 0) / W 3, sillä 2 0 + 0 1 = 1 0. 6. Olkoon V lineaariavaruus kunnan K yli ja v, v 1, v 2 V sekä W 1 = {αv α K}; W 2 = {αv 1 + βv 2 α, β K}. (a) Määritä lineaarinen verho/determine the linear hull v K. (b) Määritä lineaarinen verho v 1, v 2 K. (c) Osoita, että W 1 on vektoriavaruuden V aliavaruus/show that W 1 is a subspace of the vector space V. (d) Onko W 2 on avaruuden V aliavaruus? (e) Onko W 1 on avaruuden W 2 aliavaruus, jos v = v 1 v 2? 7. Olkoon K kunta ja V = K n, n Z +. Merkitään/Let us denote e k = (0,..., 1,..., 0) K n, missä k:s koordinaatti on 1 ja muut nollia aina, kun k = 1, 2,..., n./where the kth coordinate is 1 and the others are zero. Osoita, että vektorit e 1,..., e n ovat lineaarisesti vapaita kunnan K yli./show that the vectors e 1,..., e n are linearly independent over the field K. Ratkaisu. Asetetaan lineaarikombinaatio nollaksi: a 1 e 1 +... + a n e n = 0, a 1, a 2,..., a n 1, a n K, eli a 1 (1, 0, 0,..., 0) + a 2 (0, 1, 0,..., 0) +... + a n (0, 0,..., 0, 1) = (0, 0,..., 0, 0), mistä (a 1, a 2,..., a n 1, a n ) = (0, 0,..., 0, 0). Siten a 1 = a 2 =... = a n 1 = a n = 0. q.e.d. 8. Olkoot F 1 = {f F(R, R) : f(t) = f(t + 2π) t R}; F 2 = {f C(R, R) : f = f}; F 3 = {f F(R, R) : f(π) = 0}. ja

(a) Onko F 1 avaruuden F(R, R) aliavaruus? (b) Onko F 2 on avaruuden C(R, R) aliavaruus? Tässä f on funktion f derivaatta. (c) Onko F 3 avaruuden F(R, R) aliavaruus? V: On. 9. Kuuluuko polynomi x 2 joukon/does the polynomial x 2 belong to the linear hull of {x, x 3, x + 2x 2 + 3x 3 } Pol 3 (R, R) lineaariseen verhoon? Ratkaisu: Jos x 2 x, x 3, x + 2x 2 + 3x 3 R, niin on olemassa a, b, c R siten, että x 2 = ax + bx 3 + c(x + 2x 2 + 3x 3 ) = (a + c)x + 2cx 2 + (b + 3c)x 3. Polynomit ovat identtiset, kun vastinpotenssien kertoimet ovat identtiset. Siten saadaan 1 = 2c, 0 = a + c, 0 = b + 3c, josta a = 1/2, b = 3/2, c = 1/2. Todellakin: x 2 = 1 2 x 3 2 x3 + 1 2 (x + 2x2 + 3x 3 ) x, x 3, x + 2x 2 + 3x 3 R. 10. Olkoon S = {1, x, x 2,..., x k } Pol k (R, R). (a) Osoita, että S on lineaarisesti vapaa/show that S is linearly independent. (b) Osoita, että S R = Pol k (R, R). (c) Osoita, että S on polynomiavaruuden Pol k (R, R) kanta/ Show that S is a base of the polynomial space Pol k (R, R). Ratkaisu: a)+b). (d) Määritä dim R Pol k (R, R). V: k + 1. 11. Olkoon W = {p Pol 3 (R, R) : p(1) = p( 1) = 0}. Osoita, että W on avaruuden Pol 3 (R, R) aliavaruus ja määrää dim R W. 12. Olkoon Sym 2 2 (R) = {A M 2 2 (R) : A = A T } symmetristen matriisien joukko/the set of symmetric matrices. (a) Osoita, että Sym 2 2 (R) on avaruuden M 2 2 (R) aliavaruus. (b) Laske dim R M 2 2 (R). V: ( 4. Ratkaisu: ) ( ) ( ) ( ) ( ) a b 1 0 0 1 0 0 0 0 = a + b + c + d = c d 0 0 0 0 1 0 0 1 am 1 + bm 2 + cm 3 + dm 4, missä a, b, c, d R. Siten M 2 2 (R) = m 1, m 2, m 3, m 4 R. Osoitetaan vielä, että {m 1, m 2, m 3, m 4 } on lineaarisesti vapaa/r. Asetetaan lineaarikombinaatio ( nollaksi: ) ( ) ( 0 0 α β 0 0 αm 1 + βm 2 + γm 3 + δm 4 =, joten = 0 0 γ δ 0 0 α = β = γ = δ = 0. Täten {m 1, m 2, m 3, m 4 } on matriisiavaruuden M 2 2 (R) kanta ja siten dim R M 2 2 (R) = 4. q.e.d. ). Siispä

(c) Laske dim R Sym 2 2 (R). V: 3. Ratkaisu: ( ) ( ) ( ) a b a b a c Olkoon A = Sym c d 2 2 (R) eli A T = A eli =. Siten c d b d c ( = b ja ) a, b, ( d R, ) jolloin ( ) ( ) ( ) a b a b 1 0 0 1 0 0 = = a + b + d = c d b d 0 0 1 0 0 1 as 1 + bs 2 + ds 3, missä s 1, s 2, s 3 S 2 2 (R). Siten S 2 2 (R) = s 1, s 2, s 3 R. Osoitetaan, että {s 1, s 2, s 3 } on lineaarisesti vapaa/r. Asetetaan lineaarikombinaatio ( ) nollaksi: ( ) ( ) 0 0 α β 0 0 αs 1 +βs 2 +γs 3 =, joten =. Siispä α = β = γ = 0. 0 0 β γ 0 0 Täten {s 1, s 2, s 3 } on matriisiavaruuden S 2 2 (R) kanta ja siten dim R S 2 2 (R) = 3. q.e.d. 13. Olkoon V reaalinen sisätuloavaruus. Osoita, että reaaliselle sisätulolle pätee/show that for a real inner product holds aina, kun α, β R ja v, u, w, z V. v αw + βz = α v w + β v z, 14. Olkoon n Z +. Määritellään kuvaus asettamalla/let us define a mapping by setting n z w = z w = z k w k k=1 aina, kun z = (z 1,..., z n ), w = (w 1,..., w n ) C n. (a) Osoita, että (C n, ) on kompleksinen sisätuloavaruus. (b) Olkoon z = (i,..., i). Laske z z. V: n. 15. Määritellään kuvaus asettamalla aina, kun x = (x 1, x n ), y = (y 1, y n ). x y = 5 x 1 y 1 + 3x 2 y2 (a) Onko (R 2, ) on reaalinen sisätuloavaruus? Ei. Ratkaisu: Valitaan x = (1, 0), y = (4, 0). Nyt x y = 20 ja y x = 10. Siten sisätulon 1. aksiomi ei toimi. (b) Onko (C 2, ) on kompleksinen sisätuloavaruus? V: Ei. 16. Määritellään kuvaus asettamalla aina, kun x = (x 1, x n ), y = (y 1, y n ). x y = 5x 1 y 1 + 3x 2 y 2

(a) Onko (R 2, ) on reaalinen sisätuloavaruus? Seuraavassa x = (x 1, x n ), y = (y 1, y n ), y = (y 1, y n ) R 2 ja r R. V: ON. Ratkaisussa käytetään reaalilukujen laskusääntöjä=kunta-aksiomeja/in the solution we use the laws of real numbers=field axioms. a). x y = y x?. Lasketaan V.P.= x y = 5x 1 y 1 + 3x 2 y 2 = 5y 1 x 1 + 3y 2 x 2 = y x =O.P. q.e.d. b). x + z y = x y + z y?. Lasketaan V.P.= x + z y = (x 1 + z 1, x 2 + z 2 ) (y 1, y 2 ) = 5(x 1 + z 1 )y 1 + 3(x 2 + z 2 )y 2 = 5y 1 x 1 + 3x 2 y 2 + 5z 1 y 1 + 3z 2 y 2 = x y + z y =O.P. q.e.d. c). rx y = r x y?. Lasketaan V.P.= rx y = (rx 1, rx 2 ) (y 1, y 2 ) = 5(rx 1 )y 1 + 3(rx 2 )y 2 = r(5x 1 y 1 + 3x 2 y 2 ) = r x y =O.P. q.e.d. d) x x > 0 aina, kun x 0?. Lasketaan x x = 5x 2 1 + 3x 2 2. Koska (x 1, x 2 ) (0, 0), niin x 1 0 tai x 2 0. Siten x 2 1 > 0 tai x 2 2 > 0, jolloin 5x 2 1 + 3x 2 2 > 0. q.e.d. (b) Onko (C 2, ) on kompleksinen sisätuloavaruus? V: EI. 17. Määritellään kuvaus asettamalla aina, kun p, q Pol 2 (R, R). p q = 2 p(k)q(k) k=0 (a) Osoita, että näin saatu kuvaus on avaruuden Pol 2 (R, R) sisätulo. (b) Onko kuvaus avaruuden Pol 3 (R, R) sisätulo? 18. Olkoot n = (1, 0, 1) ja W = {w R 3 : w n = 0}. (a) Osoita, että W on avaruuden R 3 aliavaruus. (b) Määrää aliavaruudelle W jokin kanta. 19. Olkoon V kompleksinen sisätuloavaruus, λ C ja v, w V. (a) Osoita, että v λw = λ v w. Ratkaisu. Lasketaan V.P.= v λw = λw v = λ w v = λ w v = λ v w = λ v w. =O.P. q.e.d. (b) Määrää V: 0. i v w + v i w. (c) Onko tulo v w w v reaaliluku? V: On. Sillä v w w v = v w v w = v w 2.

20. Onko joukko A k ortogonaalinen, ja jos, niin onko se ortonormaali, kun/is the set A k orthogonal, and if, is it orthonormal (a) A 1 = {(1, 1, 1), (2, 0, 2), (1, 2, 1)}? (b) A 2 = {(i, 0, 0), (0, i, 0), (0, 0, i)}? (c) A 3 = {( 3, 0, 4, 0, 0), (0, 1, 0, 3, 0), (0, 0, 0, 0, 1)}? 5 5 2 2 21. Määritellään kuvaus 1 : R 2 R asettamalla x 1 = x 1 + x 2 kaikilla x = (x 1, x 2 ) R 2. Osoita, että 1 on normi. Piirrä joukko {x R 2 : x 1 1}. 22. Olkoon (V, ) normiavaruus. Osoita, että x y x y kaikilla x, y V. 23. Olkoon V reaalinen sisätuloavaruus ja x, y V. Osoita, että x y x + y 2 = x 2 + y 2. 24. Olkoon V reaalinen sisätuloavaruus ja x, y V sellaiset vektorit, joille pätee x = 2, y = 2 ja x + y = 3. Laske vektoreiden x ja y välinen etäisyys x y /Compute the distance x y. 24 V: 7. 25. Olkoot H äärellinen sisätuloavaruus ja S sen ortogonaalinen kanta. (a) Olkoon u H sellainen vektori, että u v kaikilla v S. Osoita, että u = 0. (b) Olkoon A aliavaruuden A H ortogonaalikomplementti. Todista, että A A = {0}. 25b RATKAISU: 1: c A A c A ja c A c c = 0 c = 0. 2. Koska A on aliavaruus, niin 0 A ja aina 0 A. Siten 0 A A. 26. Etsi Gram-Schmidtin menetelmällä aliavaruudelle/find an orthonormal basis for the subspace H = ( 1, 1, 1, 1), (0, 1, 1, 1), (0, 0, 1, 1) ortonormaali kanta. Mitkä ovat vektorin x = (1, 2, 3, 11) koordinaatit löytämässäsi kannassa/what are the coordinates of the vector x = (1, 2, 3, 11) in the base you found? 26 RATKAISU alkuosaan: Ortogonaaliset vektorit ovat w 1 = ( 1, 1, 1, 1); w 2 = 1 4 (1, 5, 3, 3) w 3 = (0, 0, 1, 1).

27. Olkoon L lineaarikuvaus/let L be a linear mapping. Osoita, että L(0) = 0. 27 RATKAISU: L(0) = L(0 0) = 0 L0 = 0. 28. Osoita, että nollakuvaus ja identtinen kuvaus ovat lineaarisia/show that zeroand identity mappings are linear. 29. Määritellään kuvaus/let us define L : R 3 R 2, asettamalla/by setting L(x, y, z) = (x, y + z) aina, kun (x, y, z) R 3. Osoita, että kuvaus L lineaarinen? 30. Onko L : R 2 R, L(x 1, x 2 ) = e x 1+x 2 lineaarinen? 30 VASTAUS: EI. Esimerkiksi aksiomi LAb ei päde, kun λ = 0. 31. Onko L : R 2 R, L(x 1, x 2 ) = πx 1 lineaarinen? 31 VASTAUS: ON. 32. Olkoon L : R R sellainen lineaarikuvaus, että L( 7) = 14. Laske L(100). 32 RATKAISU: 14 = L( 7) = ( 7)L(1) L1 = 2 L(100) = 100L1 = 200. 33. Määritellään kuvaus L : R 2 Pol 2 (R, R), asettamalla aina, kun (a, b) R 2. L(a, b) = a + bx (a) Osoita, että kuvaus L on lineaarinen? RATKAISU: L(v + w) = L((a 1, b 1 ) + (a 2, b 2 )) = L(a 1 + a 2, b 1 + b 2 ) = a 1 + a 2 + (b 1 + b 2 )x = a 1 + b 1 x + a 2 + b 2 x = Lv + Lw ja L(rv) = L(r(a, b)) = L(ra, rb) = ra + (rb)x = r(a + bx) = rlv. (b) Määrää Ker L. V: Ker L = {(0, 0)}. (c) Onko L injektio? V: ON. (d) Määrää Im L. V: Im L = {a + bx a, b R} = Pol 1. (e) Onko L surjektio? V: EI. (f) Onko L bijektio? V: EI. (g) Määrää dim Ker L ja dim Im L ja vertaa tulosta dimensiokaavaan/ Determine dim Ker L and dim Im L and compare to the dimension formula. RATKAISU: dim R 2 = 2, dim Ker L = 0, dim Im L = 2.

34. Olkoon V reaalinen sisätuloavaruus, dim K V = k Z + ja n V annettu. Määritellään kuvaus L : V R, asettamalla aina, kun x V. L(x) = n x (a) Osoita, että kuvaus L on lineaarinen. (b) Määrää dim Im L. (c) Määrää dim Ker L. 34 RATKAISU: Kohdat 34b ja 34c luentojen III osa: Esimerkki 14. 35. Määritellään lineaarikuvaus L : R 3 R 4, asettamalla L(x) = (x 1 + x 2, x 2 + x 3, x 1 + x 3, x 1 x 2 + x 3 ) aina, kun x = (x 1, x 2, x 3 ) R 3. (a) Määrää Ker L. (b) Onko L injektio? (c) Määrää dim Ker L ja dim Im L (käytä/use dimensiokaavaa). (d) Onko L surjektio? (e) Onko L bijektio? (f) Määrää L:n matriisi [L] E3,E 4 luonnollisten kantojen E 3 = {e 1, e 2, e 3 } R 3 ja E 4 = {e 1, e 2, e 3, e 4 } R 4 suhteen/determine the matrix with respect to standard bases. 35 VASTAUS: vertaa luentojen III osa: Esimerkit 12 ja 13: Ker L = {0}; ON injektio; dim Ker L = 0; dim Im L = 3; EI ole surjektio eikä bijektio; 1 1 0 [L] E3,E 4 = 0 1 1 1 0 1. 1 1 1 36. Lineaarikuvaksen L matriisi on 0 1 [L] E2,E 4 = 1 0 2 1. 1 2

Anna kuvaus L muodossa/give the mapping in the form L(x, y) = (a, b, c, d) = ae 1 + be 2 + ce 3 + de 4. 36 RATKAISU: Le 1 = e 2 + 2e 3 + e 4 ; Le 2 = e 1 + e 3 2e 4, L(x, y) = L(xe 1 + ye 2 ) = xle 1 + yle 2 = ye 1 xe 2 + (2x + y)e 3 + (x 2y)e 4. 37. Lineaarikuvaus L : R 3 R 3 toteuttaa ehdot/satisfies the conditions Lu 1 = u 1 u 2 + u 3, L(u 1 u 2 ) = u 1, ja L(u 1 u 2 + u 3 ) = 2u 2 u 3, missä {u 1, u 2, u 3 } on avaruuden R 3 kanta. Laske Lu 2 ja Lu 3. 37 RATKAISU: L(u 1 u 2 ) = u 1, Lu 1 Lu 2 = u 1, Lu 2 = Lu 1 u 1 = u 2 + u 3 ; L(u 1 u 2 + u 3 ) = 2u 2 u 3, Lu 1 Lu 2 + Lu 3 = 2u 2 u 3, Lu 3 = Lu 1 + Lu 2 + 2u 2 u 3 = u 1 + 2u 2 u 3. 38. Olkoon S = sin x, cos x R ja s = {sin x, cos x}. Tutkitaan lineaarikuvausta L : S S, L = D 2 + 2D + I, missä D on derivaattakuvaus/derivative mapping ja I on avaruuden S identtinen kuvaus. Määritä [L] s,s. 38 VASTAUS: [L] s,s = [ ] 0 2. 2 0 39. Näytä, että pisteen t kohtisuora projektio PROJ A (t) = p aliavaruudelle A on yksikäsitteinen/ Show that orthogonal projection PROJ A (t) = p of the point t to the subspace A is unique.