8 KANNAT JA ORTOGONAALISUUS. 8.1 Lineaarinen riippumattomuus. Vaasan yliopiston julkaisuja 151

Samankaltaiset tiedostot
Matemaattinen Analyysi, s2016, L2

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

Lineaarikuvauksen R n R m matriisi

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

7 Vapaus. 7.1 Vapauden määritelmä

Kanta ja dimensio 1 / 23

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

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

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.

Ominaisvektoreiden lineaarinen riippumattomuus

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

Ominaisarvo ja ominaisvektori

MS-C1340 Lineaarialgebra ja

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

Insinöörimatematiikka D

Avaruuden R n aliavaruus

Ominaisarvo ja ominaisvektori

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Matemaattinen Analyysi, k2011, L2

1 Lineaariavaruus eli Vektoriavaruus

Kanta ja Kannan-vaihto

Ominaisarvot ja ominaisvektorit 140 / 170

Vektorien virittämä aliavaruus

Matemaattinen Analyysi / kertaus

Insinöörimatematiikka D

Insinöörimatematiikka D

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.

Vektoreiden virittämä aliavaruus

Kaksirivisen matriisin determinantille käytämme myös merkintää. a 11 a 12 a 21 a 22. = a 11a 22 a 12 a 21. (5.1) kaksirivine

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

802320A LINEAARIALGEBRA OSA I

Lineaarialgebra ja matriisilaskenta I

Aiheet. Kvadraattinen yhtälöryhmä. Kvadraattinen homogeeninen YR. Vapaa tai sidottu matriisi. Vapauden tutkiminen. Yhteenvetoa.

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

Ominaisarvo-hajoitelma ja diagonalisointi

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Lineaarialgebra, kertausta aiheita

Ratkaisuehdotukset LH 3 / alkuvko 45

A = a b B = c d. d e f. g h i determinantti on det(c) = a(ei fh) b(di fg) + c(dh eg). Matriisin determinanttia voi merkitä myös pystyviivojen avulla:

Lineaarialgebra ja matriisilaskenta I

Lineaarialgebra ja matriisilaskenta I

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

9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista

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

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

Käänteismatriisin. Aiheet. Käänteismatriisin ominaisuuksia. Rivioperaatiot matriisitulona. Matriisin kääntäminen rivioperaatioiden avulla

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

MS-A0004/A0006 Matriisilaskenta

Lineaariset yhtälöryhmät ja matriisit

2.5. Matriisin avaruudet ja tunnusluvut

Aiheet. Kvadraattinen yhtälöryhmä. Kvadraattinen homogeeninen YR. Vapaa tai sidottu matriisi. Vapauden tutkiminen. Yhteenvetoa.

Lineaarialgebra ja matriisilaskenta I

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

Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit

Ominaisarvoon 4 liittyvät ominaisvektorit ovat yhtälön Ax = 4x eli yhtälöryhmän x 1 + 2x 2 + x 3 = 4x 1 3x 2 + x 3 = 4x 2 5x 2 x 3 = 4x 3.

Matematiikka B2 - TUDI

Ortogonaaliset matriisit, määritelmä 1

Ortogonaalisen kannan etsiminen

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

Kantavektorien kuvavektorit määräävät lineaarikuvauksen

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

802320A LINEAARIALGEBRA OSA II

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

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

1 Sisätulo- ja normiavaruudet

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

Insinöörimatematiikka D

Milloin A diagonalisoituva?

Oppimistavoitematriisi

JAKSO 2 KANTA JA KOORDINAATIT

Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

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

Pienimmän neliösumman menetelmä (PNS)

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

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

5 Ominaisarvot ja ominaisvektorit

Insinöörimatematiikka D

Oppimistavoitematriisi

10 Matriisit ja yhtälöryhmät

Lineaarinen toisen kertaluvun yhtälö

802320A LINEAARIALGEBRA OSA III

Johdatus lineaarialgebraan

Matriisit ja vektorit Matriisin käsite Matriisialgebra. Olkoon A = , B = Laske A + B, , 1 3 3

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Ratkaisuehdotukset LH 7 / vko 47

Lineaarialgebra ja matriisilaskenta I

Käänteismatriisi 1 / 14

Similaarisuus. Määritelmä. Huom.

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Pienimmän neliösumman menetelmä (PNS)

5 Lineaariset yhtälöryhmät

Pienimmän neliösumman menetelmä (PNS)

1.1. Määritelmiä ja nimityksiä

BM20A0700, Matematiikka KoTiB2

Paikannuksen matematiikka MAT

Matriisit, kertausta. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi

Matematiikka B2 - Avoin yliopisto

Transkriptio:

Vaasan yliopiston julkaisuja 151 8 KANNAT JA ORTOGONAALISUUS KantaOrthogon Sec:LinIndep 8.1 Lineaarinen riippumattomuus Lineaarinen riippumattomuus on oikeastaan jo määritelty, mutta kirjoitamme määritelmät uudestaan tähän kappaleeseen, jotta esitys olisi helpommin luettavissa. Lisäksi otamme käyttöön uuden tavan erotella joukot, jonot ja systeemit. Vektorijoukolle, jossa on q vektoria käytetään merkintää {u 1, u 2,..., u q }. Alkioiden järjestyksellä ei nyt ole väliä, vaikka käytännössä ne joudutaankin aina kirjoittamaan johonkin järjestykseen. Sama alkio ei toistu siistityssä vektori-luettelossa. Vektorijonossa {u 1, u 2,..., u q } vektoreiden järjestys on listan mukainen ja sama vektori voi esiintyä useamman kuin yhden kerran. Matematiikassa tyypillinen tapa merkitä jono kaarisulkeita käyttäen voisi nyt aiheuttaa väärinkäsityksiä. Siksi käytämme vektorijonolle samaa merkintää kuin vektorijoukolle! Vektorisysteemissä {u 1, u 2,..., u q } voi sama vektori esiintyä useamman kuin yhden kerran, mutta vektoreiden järjestyksellä ei ole väliä. (Voidaan sanoa, että kaksi vektorisysteemiä ovat samat, jos niiden luetteloista saadaan permutoimalla samat.) Esimerkki 171 (1) Olkoon L = {a, b}, M = {a, a, b} ja N = {a, b, a}. Silloin vektorijoukkoina L = M = N; vektorijonoina M N; mutta vektorisysteemeinä M = N. (2) a) Jos viisipäiväisen loman aikana tiskarijoukko on {Matti, Heikki, Ville}, niin nämä kolme henkilöä siis tiskaavat. b) Jos loman aikana tiskarijono on {Matti, Ville, Heikki, Ville, Ville}, niin luettelo kertoo täsmällisesti tiskivuorojen järjestyksen. c) Jos tiskarisysteemi on {Matti, Heikki, Ville, Ville, Ville}, niin kunkin osalta on tiedossa miten monena päivänä joutuu tiskaamaan, mutta järjestys on jätetty auki. Seuraavassa lähes aina, kun puhumme vektorisysteemistä, joudumme käytännössä käsittelemään vektorijonoa. Kun sanomme, että vektorisysteemillä on tietty ominaisuus,

Vaasan yliopiston julkaisuja 152 niin tarkoitamme, että kyseinen ominaisuus on vastaavan vektorijonon kaikilla permutaatioilla. (Siis järjestyksellä ei ole väliä.) Määritelmät annetaan taas yleisessä muodossa, mutta tärkeimmät sovellukset koskevat R n :ää. Määritelmä 172 L:n vektorisysteemi {u 1, u 2,..., u q } on lineaarisesti riippuva, eli sidottu (engl. linearly dependent), jos on olemassa reaaliluvut λ 1,λ 2,...,λ q R siten, että λ 1 u 1 + λ 2 u 2 + + λ q u q = 0 ja ainakin yksi kertoimista eroaa nollasta (λ k 0), jollakin k = 1,2,...,q. Vektorisysteemi {u 1, u 2,..., u q } on lineaarisesti riippumaton, eli vapaa (engl. linearly independent), jos se ei ole sidottu. Määritelmästä seuraa välittömästi seuraavat tulokset: Lause 173 Tarkastellaan vektorisysteemiä {u 1, u 2,..., u q }. (1) Jos jokin systeemin vektoreista on nollavektori, niin systeemi on sidottu. (1b) Jos systeemi on vapaa, niin mikään vektoreista ei ole nollavektori. (2) Jos sama vektori esiintyy luettelossa kaksi kertaa, niin systeemi on sidottu. (2b) Jos systeemi on vapaa, niin u i u j aina, kun i j. (3) Jos jokin tarkasteltavan systeemin osasysteemi on sidottu, niin systeemi on sidottu. (3b) Jos systeemi on vapaa, niin jokainen sen osasysteemi on vapaa. Todistus.HT. Määritelmä 174 Olkoon {u 1, u 2,..., u q } vektorijono ja olkoot λ 1,λ 2,...,λ q R n reaalilukuja. Lauseketta λ 1 u 1 + λ 2 u 2 + + λ q u q sanomme lineaarikombinaatioksi vektoreista {u 1, u 2,..., u q } ja lukuja λ 1,λ 2,...,λ q sanomme lineaarikombinaation kertoimiksi. Jos kaikki kertoimet ovat nollia, λ 1 = λ 2 = = λ q = 0, niin sanomme, että lineaarikombinaatio on triviaali. Jos jokin kertoimista eroaa nollasta, λ k 0, niin sanomme, että lineaarikombinaatio on ei-triviaali.

Vaasan yliopiston julkaisuja 153 Jos vektori a voidaan lausua summana a = λ 1 u 1 + λ 2 u 2 + + λ q u q, niin sanomme, että a voidaan lausua lineaarikombinaationa vektoreista {u 1, u 2,..., u q }. Jos edellä ainakin yksi kerroin eroaa nollasta, niin sanomme, että vektori a voidaan lausua ei-triviaalina lineaarikombinaationa vektoreista {u 1, u 2,..., u q }. Lause 175 Jos vektorisysteemi {u 1, u 2,..., u q } on lineaarisesti riippuva, niin jokin systeemin vektoreista voidaan lausua ei-triviaalina lineaarikombinaationa muista systeemin vektoreista. Todistus. HT R n :ssä liitämme vektorijonoon (-systeemiin) { v 1, v 2,..., v q } matriisin V, jonka k:s sarake on jonon k:s vektori. Siis (V ) k = v k. Jos a = λ 1 v 1 + λ 2 v 2 + + λ q v q, niin V λ = a, missä λ = Näillä merkinnöillä vektorisysteemin lineaarinen riippumattomuus voidaan luonnehtia seuraavasti: λ 1 λ 2. λ q. { v 1, v 2,..., v q } on vapaa (8.1) V λ = 0, jos ja vain jos λ = 0 (8.2) ker(v ) = { 0} (8.3) Seuraavassa lauseessa tätä ideaa kehitetään edelleen. c4s7th1 Lause 176 Tarkastellaan R n :n vektorisysteemiä { v 1, v 2,..., v q } ja siihen liittyvää matriisia V. Silloin seuraavat ehdot ovat yhtäpitävät { v 1, v 2,..., v q } on vapaa (8.4) ker(v ) = { 0} (8.5) ker(v T V ) = { 0} (8.6) det(v T V ) 0 (8.7) V T V on säännöllinen (8.8)

Vaasan yliopiston julkaisuja 154 Todistus. ( c4s7eq1 8.4) ( c4s7eq2 8.5) seuraa suoraan määritelmistä. ( 8.5) c4s7eq2 ( 8.6) c4s7eq3 Jos u ker(v ), niin V T V u = V T 0 = 0. Siis ker(v ) ker(v T V ). Toisaalta olkoon u ker(v T V ). Silloin Siis ker(v T V ) ker(v ). 0 = V T V u u = V u V u V u = 0 ( 8.6) c4s7eq3 ( 8.7) c4s7eq4 Seuraa siitä, että V T V on neliömatriisi ja lauseesta ( 170) c4s6th1 sivulla 150. c4s6th1 ( 8.7) c4s7eq4 ( 8.8) c4s7eq5 Seuraa lauseesta ( 104) th_det10 sivulla 102. th_det10 Esimerkki 177 Tutkitaan onko vektorijono { u 1, u 2, u 3 } lineaarisesti riippumaton, kun 1 2 4 u 1 = 0 2, u 2 = 1 1, u 3 = 1 0. 3 0 1 Tutkitaan asia (1) kynällä ja paperilla ja (2) tietokonetta käyttäen. (1) Etsimme ei-triviaaleja λ-kertoimia, joilla yhtälö λ 1 u 1 + λ 2 u 2 + λ 3 u 3 = 0 on tosi. Jos löytyy ei-triviaalit kertoimet, jono on sidottu, ja jos ei löydy, niin jono on vapaa. Ryhdymme työhön: λ 1 + 2λ 2 + 4λ 3 = 0 λ λ 1 u 1 + λ 2 u 2 + λ 3 u 3 = 0 2 λ 3 = 0 2λ 1 λ 2 = 0 3λ 1 + λ 3 = 0 2 +3 [1] 2 4 0 0 1 1 0 2 1 0 0 3 0 1 0 (1) 2 4 0 0 (1) 1 0 0 0 [ 13] 0 0 0 18 0 λ 1 = λ 2 = λ 3 = 0 +18/13 (1) 2 4 0 0 [1] 1 0 0 5 8 0 0 6 12 0 Siis vektorisysteemi on vapaa, eli lineaarisesti riippumaton. (2) Matlabilla saman asian voi todeta lauseen ( c4s7th1 176) perusteella: (1) 2 4 0 0 (1) 1 0 0 0 ( 13) 0 0 0 0 0 +5 6

Vaasan yliopiston julkaisuja 155 >> U = [1 0 2-3 ; 2 1-1 0 ; 4-1 0 1] U = 1 2 4 0 1-1 2-1 0-3 0 1 >> det(u *U) ans = 820 >> Koska siis det(u T U) 0, niin vektorisysteemi on vapaa. Esimerkki 178 Otetaan vielä esimerkki, jossa johtopäätös on erilainen. Tutkitaan onko vektorijono { u 1, u 2, u 3 } lineaarisesti riippumaton, kun 1 2 1 u 1 = 0 2, u 2 = 1 1, u 3 = 2 8. 3 0 9 (1) Etsimme taas ei-triviaaleja λ-kertoimia, joilla yhtälö λ 1 u 1 + λ 2 u 2 + λ 3 u 3 = 0 on tosi. Jos löytyy ei-triviaalit kertoimet, jono on sidottu, ja jos ei löydy, niin jono on vapaa. Ryhdymme työhön: λ 1 + 2λ 2 λ 3 = 0 λ λ 1 u 1 + λ 2 u 2 + λ 3 u 3 = 0 2 2λ 3 = 0 2λ 1 λ 2 + 8λ 3 = 0 3λ 1 9λ 3 = 0 2 +3 [1] 2 1 0 0 1 2 0 2 1 8 0 3 0 9 0 (1) 2 1 0 0 (1) 2 0 0 0 0 0 0 0 0 0 λ 1 = 3a λ 2 = 2a λ 3 = a (1) 2 1 0 0 [1] 2 0 0 5 10 0 0 6 12 0, a R +5 6 Koska löytyy ei-triviaalit kertoimet, vektorisysteemi on sidottu, eli lineaarisesti riippuva. (2) Matlabilla saman asian voi todeta lauseen ( c4s7th1 176) perusteella:

Vaasan yliopiston julkaisuja 156 >> U = [1 0 2-3 ; 2 1-1 0 ; -1-2 8-9] U = 1 2-1 0 1-2 2-1 8-3 0-9 >> det(u *U) ans = 0 >> Koska siis det(u T U) = 0, niin vektorisysteemi on sidottu. Lause 179 Olkoon { v 1, v 2,..., v q )} lineaarisesti riippumaton R n :n vektorisysteemi. Jos a R n, a 0 ja a v k, k = 1,...,q, niin vektorisysteemi { v 1, v 2,..., v q, a} on vapaa. Todistus. Olkoon V se n q-matriisi, jonka sarakkeina ovat vektorit v k,k = 1,...,q ja olkoon W = (V a) vastaava n (q + 1)-matriisi, jonka viimeinen sarake on vektori a. Oletuksesta a 0 seuraa, että a > 0ja oletuksesta a v k, v k seuraa, että V T a = 0. Nyt voimme laskea suoraan W T W = ( V a ) T ( ) ( V T ) ( V a = ) V a a T ( V T V V T ) ( a V T ) V 0 = a T V a T = a 0 T a 2 det(w T W) = a 2 det(v T V ) 0 Siis lauseen ( c4s7th1 176) mukaan vektorijono { v 1, v 2,..., v q, a} on vapaa. Yhdistämällä lause ( 176) c4s7th1 lauseeseen ( 149) c4s3th6 saadaan seuraava tulos, jota myöhemmin pystymme vielä parantamaan: Lause 180 Jos { u 1, u 2,..., u q )} on lineaarisesti riippumaton R n :n vektorisysteemi ja M = span( u 1, u 2,..., u q ), niin R n = M M Seuraa suoraan lauseesta ( c4s7th1 176) sivulla c4s7th1 153 ja lauseesta ( c4s3th6 149) sivulla c4s3th6 135.