1 Kannat ja kannanvaihto



Samankaltaiset tiedostot
Lineaarialgebra ja matriisilaskenta I

Kantavektorien kuvavektorit määräävät lineaarikuvauksen

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

2.8. Kannanvaihto R n :ssä

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

Lineaarikuvauksen R n R m matriisi

802320A LINEAARIALGEBRA OSA III

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

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

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

Johdatus lineaarialgebraan

10 Matriisit ja yhtälöryhmät

Kanta ja Kannan-vaihto

Kuvaus. Määritelmä. LM2, Kesä /160

9 Matriisit. 9.1 Matriisien laskutoimituksia

Lineaarialgebra ja matriisilaskenta I

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

7 Vapaus. 7.1 Vapauden määritelmä

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 )

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

Ortogonaalisen kannan etsiminen

Insinöörimatematiikka D

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

Ortogonaalinen ja ortonormaali kanta

Similaarisuus. Määritelmä. Huom.

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

2 / :03

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

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.

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

Insinöörimatematiikka D

Lineaarialgebra ja matriisilaskenta I

MS-C1340 Lineaarialgebra ja

Talousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi

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:

Insinöörimatematiikka D

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

MS-C1340 Lineaarialgebra ja

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

Lineaariset yhtälöryhmät ja matriisit

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47

Ennakkotehtävän ratkaisu

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

Lineaarialgebra ja matriisilaskenta I

Käänteismatriisi 1 / 14

Oppimistavoitematriisi

2.5. Matriisin avaruudet ja tunnusluvut

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

JAKSO 2 KANTA JA KOORDINAATIT

Tehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin lukuun 7 eli vapauden käsitteeseen ja homogeenisiin

MS-A0004/A0006 Matriisilaskenta

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

Koodausteoria, Kesä 2014

Kanta ja dimensio 1 / 23

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Oppimistavoitematriisi

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

Ratkaisuehdotukset LH 3 / alkuvko 45

Avaruuden R n aliavaruus

Lineaarialgebra ja matriisilaskenta I

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.

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

Ominaisarvo ja ominaisvektori

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja

Insinöörimatematiikka D

Matriisipotenssi. Koska matriisikertolasku on liitännäinen (sulkuja ei tarvita; ks. lause 2), voidaan asettaa seuraava määritelmä: ja A 0 = I n.

Matriisialgebra harjoitukset, syksy 2016

ominaisvektorit. Nyt 2 3 6

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Matemaattinen Analyysi, s2016, L2

Ratkaisuehdotukset LH 7 / vko 47

1 Tensoriavaruuksista..

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

Matemaattinen Analyysi / kertaus

Vektoreiden virittämä aliavaruus

1 Matriisit ja lineaariset yhtälöryhmät

Matriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo

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.

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /310

Johdatus lineaarialgebraan

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

802320A LINEAARIALGEBRA OSA III

802320A LINEAARIALGEBRA OSA III

Insinöörimatematiikka D

Lineaarialgebra b, kevät 2019

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

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

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

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

802320A LINEAARIALGEBRA OSA III LINEAR ALGEBRA PART III

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

3 Suorat ja tasot. 3.1 Suora. Tässä luvussa käsitellään avaruuksien R 2 ja R 3 suoria ja tasoja vektoreiden näkökulmasta.

Koodausteoria, Kesä 2014

4. Lasketaan transienttivirrat ja -jännitteet kuvan piiristä. Piirielimien arvot ovat C =

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

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

Tehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin lukuun 7 eli vapauden käsitteeseen ja homogeenisiin

Transkriptio:

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: v = n i=1 a i v i joillakin a i K. Vektorin v ilmaisemiseksi riittää siis tietää kertoimien a i arvot, ja tieto voidaan tiivistää sarakevektoriin a 1 a 2 [v] S =.. a n Huomaa, että kertoimet a i määräytyvät aina valitun kannan mukaan. Näin saatua sarakevektoria kutsutaan v:n koordinaattivektoriksi kannan S suhteen. Koordinaattivektorit voidaan kirjoittaa sarakevektorien sijasta myös rivivektoreina. Tällöin kaikissa tuloksissa pitää kuitenkin muuttaa sarakkeet riveiksi sekä tehdä muita pieniä muutoksia. Koordinaattivektori ei kerro yhtään mitään, ellei tiedetä, minkä kannan suhteen se on kirjoitettu. Ilmiötä voi verrata eri kiellillä kirjoitettuihin sanoihin. Jos kirjoitetaan helmet, on sanalla eri merkitys sen mukaan, oletetaanko kielen olevan suomi vai englanti. Samalla tavalla vaikkapa koordinaattivektori [1, 2, 3] T voi tarkoittaa esimerkiksi vektoria 1 (1, 0, 0) + 2 (1, 0, 0) + 3 (1, 0, 0) = (1, 2, 3) tai vektoria 1 (1, 1, 0) + 2 (0, 1, 1) + 3 (0, 0, 1) = (1, 1, 2) sen mukaan, mikä kanta on käytössä. Jos taas ajatellaan vektoriavaruutta P 2 = {p p on reaalikertoiminen polynomi, deg p 2} saadaan aivan erilaisia vektoreita. Jos kannaksi valitaan polynomijono (1, t, t 2 ), vastaa koordinaattivektoria [1, 2, 3] T vektori 1 + 2t + 3t 2. Voidaan ajatella, että kannan S valinnan jälkeen saadaan kuvaus [ ] S avaruudesta V sarakeavaruuteen K n : [ ] S : V K n, v [v] S Tämä kuvaus on isomorfismi. Jos taas valitaan jokin toinen kanta, saadaan jokin toinen isomorfismi. Lineaarialgebran käännöskoneina toimivat kannanvaihtomatriisit. Jos kielten välillä toimiva käännöskone muuttaa vaikkapa sanan kukka sanaksi flower, 1

muuttaa kannanvaihtomatriisi yhden kannan suhteen kirjoitetun koordinaattivektorin toisen kannan suhteen kirjoitetuksi koordinaattivektoriksi. Olkoot S ja T avaruuden V kantoja. Voidaan osoittaa, että tällöin on olemassa kääntyvä matriisi P S,T, jolle pätee P S,T [v] S = [v] T kaikilla v V Matriisia P S,T kutsutaan kannanvaihtomatriisiksi ja se on aina yksikäsitteinen. 1.2 Kannanvaihto avaruudessa K n Tutkitaan vektoriavaruutta K n ja sen kahta kantaa S = (v 1, v 2,..., v n ) ja T = (w 1, w 2,..., w n ). Etsitään kannanvaihtomatriisi näiden kahden kannan välille käyttäen apuna luonnollista kantaa E. Määritetään ensin kannanvaihtomatriisi P S,E kannasta S kantaan E. Matriisin P S,E täytyy siis toteuttaa ehto P S,E [v] S = [v] E kaikilla v K n. (1.1) Matriisi P S,E voidaan määrittää kantavektoreita tutkimalla. Jos ehto nimittäin toteutuu kantavektoreilla, se toteutuu kaikilla muillakin vektoreilla. Muut vektorit ovat näet kantavektoreiden lineaarikombinaatioita. Huomataan, että kannan S vektorit näyttävät kannan S suhteen kovin siisteiltä: [v i ] S = [0 0... 0 1 0... 0 0] T, missä luku 1 on kohdassa i. Kun tällaisilla vektoreilla kertoo jotakin matriisia, lähtevät matriisista mukaan sarakkeen i alkiot. Jotta ehto (1.1) toteutuisi, on matriisin P S,E sarakkeessa i siis oltava koordinaattivektorin [v i ] E alkiot: P S,E = [[v 1 ] E [v 2 ] E... [v n ] E ]. Koordinaattivektori [v i ] E on puolestaan helppo määrittää, sillä sen alkiot ovat samat kuin vektorin v i komponentit. Kannanvaihtomatriisi voidaan aina muodostaa näin helposti mistä tahansa kannasta luonnolliseen kantaan. Matriisin sarakkeiden alkiot saadaan suoraan kantavektorien komponenteista. Jos halutaan kannanvaihtomatriisi kannasta E kantaan S, käytetään matriisin P S,E käänteismatriisia. (Kannanvaihtomatriisilla on aina käänteismatriisi. Tämän todistaminen jätetään harjoitustehtäväksi.) 2

Samalla tavalla kuin edellä löydetään kannanvaihtomatriisi P T,E kannasta T kantaan E: P T,E = [[w 1 ] E, [w 2 ] E... [w n ] E ]. Matriisi (P T,E ) 1 puolestaan toimii kannanvaihtomatriisina kannasta E kantaan T. Kannanvaihtomatriisi kannasta S kantaan T voidaan muodostaa edellä mainittujen matriisien avulla. Vaihdetaan ensin kannasta S kantaan E ja sitten kannasta E kantaan T. Kannanvaihtomatriisi on siten (P T,E ) 1 P S,E. Huomaa, että matriiseja on kerrottava juuri tässä järjestyksessä, sillä kannanvaihtomatriiseilla kerrotaan vektoreita vasemmalta puolelta. Ensin siis operoidaan matriisilla P S,E ja sitten matriisilla (P T,E ) 1. Kaikkein olennaisinta kannanvaihdossa on kuitenkin se, että kannanvaihtomatriisi on aina olemassa. Esimerkiksi todistuksissa ei yleensä ole kiinnostavaa se, miltä matriisi tarkalleen ottaen näyttää. 1.3 Kannanvaihto yleisessä tapauksessa Aina ei ole käytettävissä luonnollista kantaa kuten avaruuden K n tapauksessa. Tällöin voidaan kuitenkin käyttää samanlaisia ideoita kuin yllä, vaikka laskemista tarvitaankin enemmän. Tutkitaan vektoriavaruutta V ja sen kantoja S = (v 1, v 2,..., v n ) ja T = (w 1, w 2,..., w n ). Etsitään kannanvaihtomatriisi P S,T kannasta S kantaan T. Nyt täytyy siis päteä P S,T [v] S = [v] T kaikilla v V. (1.2) Kuten yllä matriisi P S,T voidaan määrittää pelkkiä kantavektoreita tutkimalla. Kannan S vektorien koordinaattivektorit kannan S suhteen ovat muotoa [v i ] S = [0 0... 0 1 0... 0 0] T. Kannan T suhteen vektorien v i koordinaattivektorit saattavat näyttää hieman monimutkaisemmilta. Suurin työ kannanvaihdossa onkin selvittää, miltä kyseiset koordinaattivektorit näyttävät. Kun koordinaattivektorit [v i ] T on määritetty, on matriisin P S,T muodostaminen helppoa. Huomataan jälleen, että matriisissa P on oltava sarakkeina ne vektorit, jotka matriisikertolaskusta halutaan tulokseksi. Siis P S,T = [[v 1 ] T, [v 2 ] T... [v n ] T ]. 3

Nyt on helppo tarkistaa, että P S,T [v i ] S = [v i ] T ehto (1.2) pätee. kaikilla i {1, 2,..., n} ja siten 1.4 Lineaarikuvauksen matriisi Jos vektorit voidaan kirjoittaa koordinaattivektoreina, lineaarikuvaukset voidaan kirjoittaa matriiseina. Olkoon L: V W lineaarikuvaus. Oletetaan, että S = (v 1, v 2,..., v n ) on avaruuden V kanta ja T = (w 1, w 2,..., w m ) on avaruuden W kanta. Tutkitaan, millaisena matriisina kuvaus L voidaan esittää. Nyt halutaan siis löytää matriisi [L] S,T, jolle pätee [L] S,T [v] S = [L(v)] T kaikilla v V. (1.3) Toisin sanoen, jos matriisilla [L] S,T kertoo sarakevektoria [v] S, saa saman tuloksen kuin kuvaamalla vektoria v kuvauksella L. Tämä tulos on tietenkin kirjoitettu kannan T suhteen. Voidaan osoittaa, että tällainen matriisi on aina olemassa ja se on yksikäsitteinen. Huomaa, että lineaarikuvauksen matriisiesitys riippuu aina valitusta kannasta. Kun lineaarikuvaus muutetaan matriisiksi, sitä voidaan ajatella sarakeavaruuksien K n ja K m välisenä kuvauksena. Tilannetta voidaan havainnollistaa seuraavalla kaaviolla: L V W [ ] T K n [L] S,T K m [ ] S Koska lineaarikuvauksen arvot määräytyvät täysin kannan arvojen avulla, saadaan matriisin [L] S,T alkiot kantavektoreiden arvoista kuvauksessa L. Samalla tavalla kuin edellä voidaan päätellä, että matriisin [L] S,T sarakkeina ovat kannan S vektorien arvot kirjoitettuna kannan T suhteen: [L] S,T = [[L(v 1 )] T [L(v 2 )] T... [L(v n )] T ]. Tällöin ehto (1.3) toteutuu jokaisella kantavektorilla ja edelleen kaikilla vektoreilla. Oletetaan, että L: V V on lineaarikuvaus. Olkoot S ja T avaruuden V kantoja. Kannan S suhteen kirjoitetulle matriisille [L] S,S käytetään lyhyyden vuoksi merkintää [L] S. Samalla tavoin merkitään [L] T,T = [L] T. Kannanvaihtomatriisin avulla voidaan muuttaa myös lineaarikuvauksen L matriisiesitys kannasta toiseen. Oletetaan, että P S,T on kannanvaihtomatriisi kannasta S kantaan T. Tällöin (P S,T ) 1 [L] T P S,T = [L] S. 4

Tulos voidaan selittää seuraavalla tavalla: Oletetaan, että tiedetään matriisi [L] T, eli tiedetään, mitä kuvaus L tekee koordinaattivektoreille, jotka on kirjoitettu kannan T suhteen. Halutaan tietää, miltä näyttää matriisi [L] S, eli miten kuvaus L toimii kannan S suhteen. Ensin siirrytään kannasta S kantaan T kannanvaihtomatriisilla P S,T. Nyt ollaan kannassa T ja voidaan käyttää matriisia [L] T. Sen jälkeen siirrytään matriisilla (P S,T ) 1 takaisin kantaan S. Seuraava diagrammi havainnollistaa samaa asiaa: K n [L] S K n P S,T P S,T K n [L] T K n Jos tarkastellaan yleistä lineaarikuvausta L: V W, voidaan eri kantojen suhteen kirjoitetut matriisit tällöinkin muuttaa toisikseen kannanvaihtomatriisien avulla. Tällöin on vain käytettävä kahta eri kannanvaihtomatriisia, toista avaruudessa V ja toista avaruudessa W. 5