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

Samankaltaiset tiedostot
Kantavektorien kuvavektorit määräävät lineaarikuvauksen

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /310

Kuvaus. Määritelmä. LM2, Kesä /160

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:

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.

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

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

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

Vektorien virittämä aliavaruus

802320A LINEAARIALGEBRA OSA III

Lineaarikuvauksen R n R m matriisi

4. LINEAARIKUVAUKSET

Kertausta: avaruuden R n vektoreiden pistetulo

7 Vapaus. 7.1 Vapauden määritelmä

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

802320A LINEAARIALGEBRA OSA I

1 Lineaariavaruus eli Vektoriavaruus

5.6 Yhdistetty kuvaus

Insinöörimatematiikka D

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

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

Ortogonaalisen kannan etsiminen

MS-C1340 Lineaarialgebra ja

Avaruuden R n aliavaruus

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Kanta ja dimensio 1 / 23

Lineaarialgebra ja matriisilaskenta I

Johdatus lineaarialgebraan

Insinöörimatematiikka D

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 );

802320A LINEAARIALGEBRA OSA III

Kertausta: avaruuden R n vektoreiden pistetulo

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

Johdatus lineaarialgebraan

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

802320A LINEAARIALGEBRA OSA III LINEAR ALGEBRA PART III

802320A LINEAARIALGEBRA OSA III

Lineaarialgebra b, kevät 2019

802320A LINEAARIALGEBRA OSA II

1 Sisätulo- ja normiavaruudet

Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218

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

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.

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 );

Vektoreiden virittämä aliavaruus

Insinöörimatematiikka D

9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista

Ominaisvektoreiden lineaarinen riippumattomuus

Lineaarialgebra ja matriisilaskenta I

Lineaarista projektiivista geometriaa

Johdatus lineaarialgebraan

Matemaattinen Analyysi / kertaus

Lineaarialgebra II P

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

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

Harjoitusten 4 ratkaisut Topologiset vektoriavaruudet 2010

2.5. Matriisin avaruudet ja tunnusluvut

JAKSO 2 KANTA JA KOORDINAATIT

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

Surjektion käsitteen avulla kuvauksia voidaan luokitella sen mukaan, kuvautuuko kaikille maalin alkioille jokin alkio vai ei.

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

Johdatus matemaattiseen päättelyyn

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

Esko Turunen Luku 3. Ryhmät

Matriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo

Lineaarialgebra ja matriisilaskenta I

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

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

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 )

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

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Insinöörimatematiikka D

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

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle

1 Avaruuksien ja lineaarikuvausten suora summa

{I n } < { I n,i n } < GL n (Q) < GL n (R) < GL n (C) kaikilla n 2 ja

Alkeismuunnokset matriisille, sivu 57

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

2 / :03

Sisätuloavaruudet. 4. lokakuuta 2006

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

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

Kurssikoe on maanantaina Muista ilmoittautua kokeeseen viimeistään 10 päivää ennen koetta! Ilmoittautumisohjeet löytyvät kurssin kotisivuilla.

Koodausteoria, Kesä 2014

Sanomme, että kuvaus f : X Y on injektio, jos. x 1 x 2 f (x 1 ) f (x 2 ) eli f (x 1 ) = f (x 2 ) x 1 = x 2.

Ominaisarvo ja ominaisvektori

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 );

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

Kuvauksista ja relaatioista. Jonna Makkonen Ilari Vallivaara

8. Avoimen kuvauksen lause

Laskutoimitusten operaattorinormeista

Lineaarialgebra Kerroinrenkaat. Kevät Kerkko Luosto Informaatiotieteiden yksikkö, Tampereen yliopisto

Ominaisarvo ja ominaisvektori

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

Kanta ja Kannan-vaihto

Transkriptio:

Määritelmä Bijektio Oletetaan, että f : X Y on kuvaus. Sanotaan, että kuvaus f on bijektio, jos se on sekä injektio että surjektio. Huom. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin jokaiselle alkiolle kuvautuu tasan yksi lähdön alkio. X f Y LM2, Kesä 2012 105/160

Isomorfismi Määritelmä Lineaarikuvausta, joka on bijektio, kutsutaan isomorfismiksi. Jos on olemassa isomorfismi L: V W, niin sanotaan, että vektoriavaruudet V ja W ovat isomorfiset. Tällöin merkitään V = W. LM2, Kesä 2012 106/160

Isomorfismi Esimerkki 40 Avaruudet R 2 ja P 1 ovat isomorfisia. Isomorfismiksi kelpaa esimerkiksi kuvaus L: R 2 P 1, L(a, b) = ax + b. Nimittäin: L on lineaarikuvaus (esimerkki 20); L on bijektio, sillä L on injektio, sillä sen ydin Ker L = { 0} (esimerkki 30); L on surjektio, sillä sen kuva Im L = P 1 (esimerkki 36). Huomataan, että avaruudet todellakin muistuttavat toisiaan. Sekä alkiossa (a, b) että alkiossa ax + b näkyvät reaaliluvut a ja b. Kaikki oleellinen tieto alkiosta sisältyy näihin reaalilukuihin. LM2, Kesä 2012 107/160

Lisäksi nämä reaaliluvut käyttäytyvät samalla tavoin yhteenlaskussa ja skalaarikertolaskussa: Vektoriavaruus summa R 2 (a, b) + (c, d) = (a + c, b + d) P 1 (ax + b) + (cx + d) = (a + c)x + (b + d) Vektoriavaruus R 2 P 1 skalaarimonikerta r(a, b) = (ra, rb) r(ax + b) = rax + rb LM2, Kesä 2012 108/160

Isomorfisuus Lause 41 Oletetaan, että V, W ja U ovat vektoriavaruuksia. Tällöin (a) V = V (b) jos V = W, niin W = V (c) jos V = W ja W = U, niin V = U. LM2, Kesä 2012 109/160

Käänteiskuvaus Määritelmä Oletetaan, että f : X Y on kuvaus. Jos on olemassa sellainen kuvaus g : Y X, että g f = id X ja f g = id Y, niin sanotaan, että kuvaus g on kuvauksen f käänteiskuvaus. Huom. Tässä id X tarkoittaa avaruuden X identtistä kuvausta: id X : X X, jolla id X (x) = x kaikilla x X. Vastaavasti id Y tarkoittaa avaruuden Y identtistä kuvausta, jolla y y kaikilla y Y. Kuvauksen f käänteiskuvausta merkitään f 1. LM2, Kesä 2012 110/160

Huom. Voidaan osoittaa, että jokaisella kuvauksella on enintään yksi käänteiskuvaus. Sen vuoksi merkintä f 1 on yksikäsitteinen ja siten mielekäs. LM2, Kesä 2012 111/160

Bijektiot ja käänteiskuvaukset Lause 42 Oletetaan, että f : X Y on kuvaus. Kuvauksella f on käänteiskuvaus, jos ja vain jos kuvaus f on bijektio. Todistus. : Oletetaan, että kuvauksella f on käänteiskuvaus f 1 : Y X. Osoitetaan, että f on bijektio: Oletetaan, että a, b X ja f (a) = f (b). Tällöin a = id(a) = (f 1 f )(a) = f 1 (f (a)) = f 1 (f (b)) Siis f on injektio. = (f 1 f )(b) = id(b) = b. LM2, Kesä 2012 112/160

Oletetaan, että y Y. Tällöin f 1 (y) X ja Siis f on surjektio. f (f 1 (y)) = (f f 1 )(y) = id(y) = y. : Oletetaan, että f on bijektio. Määritellään kuvaus g : Y X seuraavasti: Jos y Y, niin kuvauksen f bijektiivisyyden nojalla on olemassa tasan yksi a X, jolla f (a) = y. Määritellään g(y) = a. Siis g(y) = a f (a) = y. LM2, Kesä 2012 113/160

Osoitetaan, että g on kuvauksen f käänteiskuvaus: Oletetaan, että x X. Merkitään f (x) = c. Tällöin (g f )(x) = g(f (x)) = g(c) = x = id X (x). Oletetaan, että y Y. Merkitään g(y) = a. Tällöin (f g)(y) = f (g(y)) = f (a) = y = id Y (y). Siis g f = id X ja f g = id Y, joten kuvaus g on kuvauksen f käänteiskuvaus. LM2, Kesä 2012 114/160

Isomorfisuus Lauseen 41 todistus. Käsitellään vain b-kohta tarkasti (esimerkin vuoksi). (a) V = V, sillä isomorfismiksi kelpaa ns. identtinen kuvaus id: V V, jolla id( v) = v kaikilla v V. (b) Oletetaan, että V = W. Tällöin on olemassa isomorfismi L: V W. Koska L on bijektio, on sillä olemassa käänteiskuvaus L 1 : W V, joka sekin on bijektio. Osoitetaan, että L 1 on lineaarinen: LM2, Kesä 2012 115/160

(b) jatkuu... Oletetaan, että w 1, w 2 W ja c R. Koska L on bijektio, niin on olemassa tasan yhdet sellaiset v 1, v 2 V, että L( v 1 ) = w 1 ja L( v 2 ) = w 2. Huomaa, että tällöin v 1 = L 1 ( w 1 ) ja v 2 = L 1 ( w 2 ). Siten ja L 1 ( w 1 + w 2 ) = L 1 (L( v 1 ) + L( v 2 )) = L 1 (L( v 1 + v 2 )) = id( v 1 + v 2 ) = v 1 + v 2 = L 1 ( w 1 ) + L 1 ( w 2 ) L 1 (c w 1 ) = L 1 (cl( v 1 )) = L 1 (L(c v 1 )) = id(c v 1 ) = c v 1 = cl 1 ( w 1 ). LM2, Kesä 2012 116/160

(c) Oletetaan, että V = W ja W = U. Tällöin on olemassa isomorfismit L: V W ja T : W U. Lineaarikuvauksista yhdistetty kuvaus on lineaarinen (lause 25), joten kuvaus T L: V U on lineaarinen. Lisäksi T L on bijektio. Se voidaan osoittaa esimerkiksi näyttämällä, että yhdistetyn kuvauksen T L käänteiskuvaukseksi kelpaa L 1 T 1 : U V. LM2, Kesä 2012 117/160

Kertausta: vapaus Määritelmä Oletetaan, että V on vektoriavaruus ja v 1, v 2,..., v k V. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 + + c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0. Jos jono ( v 1, v 2,..., v k ) on vapaa, sanotaa, että vektorit v 1, v 2,..., v k ovat lineaarisesti riippumattomia. Jos jono ei ole vapaa, sanotaan, että se on sidottu. LM2, Kesä 2012 118/160

Vähintään kahdesta vektorista muodostuva vektorijono on sidottu, jos ja vain jos jokin sen vektoreista voidaan ilmaista toisten lineaarikombinaationa: Lause 43 Oletetaan, että V on vektoriavaruus ja v 1,..., v k V. (a) Jono ( v 1 ) on sidottu, jos ja vain jos v = 0. (b) Jono ( v 1,..., v k ) on sidottu, jos ja vain jos v i span( v 1,..., v i 1, v i+1,..., v k ) jollakin i {1,..., k}. LM2, Kesä 2012 119/160

Kertausta: kanta Määritelmä Oletetaan, että V on vektoriavaruus ja v 1, v 2,..., v k V. Vektorijono ( v 1, v 2,..., v k ) on vektoriavaruuden V kanta, jos (a) V = span( v 1, v 2,..., v k ) (b) ( v 1, v 2,..., v k ) on vapaa. LM2, Kesä 2012 120/160

Lause 44 Kertausta: kanta ja koordinaatit Jono ( v 1, v 2,..., v k ) on vektoriavaruuden V kanta, jos ja vain jos jokainen avaruuden V vektori voidaan kirjoittaa täsmälleen yhdellä tavalla vektoreiden v 1,..., v k lineaarikombinaationa. Lause 44 mahdollistaa seuraavan määritelmän: Määritelmä Oletetaan, että B = ( v 1,..., v k ) on vektoriavaruuden V kanta. Oletetaan, että w V. Vektorin w koordinaateiksi kannan B suhteen kutsutaan reaalilukuja a 1,..., a k, joilla w = a 1 v 1 + + a k v k. LM2, Kesä 2012 121/160

Kertausta: kanta ja dimensio Lause 45 Vektoriavaruuden V jokaisessa kannassa on yhtä monta vektoria. LM2, Kesä 2012 122/160

Kertausta: kanta ja dimensio Lause 45 mahdollistaa seuraavan määritelmän: Määritelmä Vektoriavaruus V on äärellisulotteinen, jos sillä on äärellisen monesta vektorista koostuva kanta tai jos V = { 0}. Vektoriavaruuden V { 0} dimensio dim(v ) on kannan vektoreiden lukumäärä. Vektoriavaruuden { 0} dimensio on nolla eli dim({ 0}) = 0. Jos vektoriavaruuden dimensio on n, sanotaan, että vektoriavaruus on n-ulotteinen. Jos vektoriavaruus V ei ole äärellisulotteinen, sanotaan, että V on ääretönulotteinen ja sen dimensio on ääretön. LM2, Kesä 2012 123/160

Ytimen ja kuvan dimensiot Lause 46 Oletetaan, että V ja W ovat vektoriavaruuksia ja L: V W on lineaarikuvaus. Oletetaan lisäksi, että lähtö V on äärellisulotteinen. Tällöin dim(v ) = dim(ker L) + dim(im L). LM2, Kesä 2012 124/160

Esimerkki 47 Ytimen ja kuvan dimensiot Esimerkin 29 lineaarikuvauksen L: R 2 R 2, (x 1, x 2 ) (x 1, 0) ydin on vektorin j = (0, 1) virittämä aliavaruus, joka on origon kautta kulkeva, vektorin j suuntainen suora: L Ker L Siis dim(ker L) = 1. LM2, Kesä 2012 125/160

Lineaarikuvauksen L kuva on vektorin ī = (1, 0) virittämä aliavaruus, joka on origon kautta kulkeva, vektorin ī suuntainen suora (ks. esimerkki 35): L Im L Todellakin Siis dim(im L) = 1. dim(ker L) + dim(im L) = 1 + 1 = 2 = dim(r 2 ). LM2, Kesä 2012 126/160

Ytimen ja kuvan dimensiot Lauseen 46 todistus. Olkoon dim(v ) = n ja olkoon ( v 1,..., v k ) aliavaruuden Ker L kanta, jolloin dim(ker L) = k. Koska jono ( v 1,..., v k ) on vapaa, voidaan se täydentää vektoriavaruuden V kannaksi ( v 1,..., v k, v k+1,..., v n ). Osoitetaan, että (L( v k+1 ),..., L( v n )) on aliavaruuden Im L kanta, jolloin dim(im L) = n k. Tämä todistaa väitteen. LM2, Kesä 2012 127/160

Osoitetaan ensin, että span(l( v k+1 ),..., L( v n )) = Im L. Oletetaan, että w Im L. Tällöin on olemassa v V, jolla L( v) = w. Lisäksi ( v 1,..., v k, v k+1,..., v n ) on vektoriavaruuden V kanta, joten v = a 1 v 1 + + a k v k + a k+1 v k+1 + + a n v n joillakin a 1,..., a n R. Käyttämällä kuvauksen L lineaarisuutta sekä tietoa, että v 1,..., v k Ker L, saadaan w = L( v) = L(a 1 v 1 + + a k v k + a k+1 v k+1 + + a n v n ) = a 1 L( v 1 ) + + a k L( v k ) + a k+1 L( v k+1 ) + + a n L( v n ) = 0 + + 0 + a k+1 L( v k+1 ) + + a n L( v n ) = a k+1 L( v k+1 ) + + a n L( v n ). LM2, Kesä 2012 128/160

Osoitetaan sitten, että jono (L( v k+1 ),..., L( v n )) on vapaa. Oletetaan, että c k+1 L( v k+1 ) + + c n L( v n ) = 0 joillakin c k+1,..., c n R. Kuvauksen L lineaarisuuden vuoksi L(c k+1 v k+1 + + c n v n ) = 0, joten c k+1 v k+1 + + c n v n Ker L. LM2, Kesä 2012 129/160

Koska c k+1 v k+1 + + c n v n Ker L, niin on olemassa luvut b 1,..., b k R, joille pätee Tästä saadaan yhtälö c k+1 v k+1 + + c n v n = b 1 v 1 + + b k v k. b 1 v 1 b k v k + c k+1 v k+1 + + c n v n = 0. Jono ( v 1,..., v k, v k+1,..., v n ) on vektoriavaruuden V kanta ja siten vapaa. Edellisestä yhtälöstä seuraa siis, että b 1 = 0,..., b k = 0, c k+1 = 0,..., c n = 0 ; erityisesti c k+1 = 0,..., c n = 0. LM2, Kesä 2012 130/160

Lineaarikuvauksen injektiivisyys ja surjektiivisuus Lause 48 Oletetaan, että V ja W ovat äärellisulotteisia vektoriavaruuksia, joilla dim(v ) = dim(w ). Oletetaan, että L: V W on lineaarikuvaus. Tälllöin L on injektio, jos ja vain jos L on surjektio. Huom. Lauseen oletuksissa vaaditaan, että lähdön ja maalin dimensio on sama! LM2, Kesä 2012 131/160

Lauseen 48 todistuksen idea. Todistuksen perustana on lauseen 46 tulos dim(v ) = dim(ker L) + dim(im L). : Oletetaan, että L on injektio. Tällöin Ker L = { 0}, joten dim(ker L) = 0. Siten dim(im L) = dim(v ) = dim(w ). Tiedetään lisäksi, että Im L on vektoriavaruuden W aliavaruus. Tästä seuraa, että Im L = W. Siis L on surjektio. : Oletetaan, että L on surjektio. Tällöin Im L = W, joten dim(im L) = dim(w ) = dim(v ). Tästä seuraa, että dim(ker L) = 0. Siten Ker L = { 0}. Siis L on injektio. LM2, Kesä 2012 132/160

Kantavektorien kuvavektorit määräävät lineaarikuvauksen Lause 49 Oletetaan, että V ja W ovat vektoriavaruuksia. Oletetaan lisäksi, että ( v 1,..., v n ) on avaruuden V kanta ja w 1,..., w n W. Tällöin on olemassa täsmälleen yksi sellainen lineaarikuvaus L: V W, että L( v 1 ) = w 1, L( v 2 ) = w 2,..., L( v n ) = w n. LM2, Kesä 2012 133/160

Kantavektorien kuvavektorit määräävät lineaarikuvauksen Lauseen 49 todistus. Jos v V, niin on olemassa yksikäsitteiset a 1,..., a n R, joilla v = a 1 v 1 + a 2 v 2 + + a n v n. Määritellään kuvaus L: V W asettamalla L( v) = a 1 w 1 + a 2 w 2 + + a n w n. Osoitetaan, että L täyttää lauseessa asetetut vaatimukset. Esimerkiksi v 2 = 0 v 1 + 1 v 2 + 0 v 3 + + 0 v n, joten L( v 2 ) = 0 w 1 + 1 w 2 + 0 w 3 + 0 w n = w 2. Näin voidaan osoittaa, että L( v i ) = w i kaikilla i {1,..., n}. LM2, Kesä 2012 134/160

Osoitetaan, että L on lineaarikuvaus. Oletetaan, että x, ȳ V ja t R. Tällöin x = b 1 v 1 + + b n v n ja ȳ = c 1 v 1 + + c n v n joillakin b 1,..., b n, c 1,..., c n R. Tällöin L( x + ȳ) = L ( (b 1 v 1 + + b n v n ) + (c 1 v 1 + + c n v n ) ) = L ( (b 1 + c 1 ) v 1 + + (b n + c n ) v n ) = (b 1 + c 1 ) w 1 + + (b n + c n ) w n = (b 1 w 1 + + b n w n ) + (c 1 w 1 + + c n w n ) = L(b 1 v 1 + + b n v n ) + L(c 1 v 1 + + c n v n ) = L( x) + L(ȳ) LM2, Kesä 2012 135/160

ja L(t x) = L ( t(b 1 v 1 + + b n v n ) ) = L(tb 1 v 1 + + tb n v n ) = tb 1 w 1 + + tb n w n = t(b 1 w 1 + + b n w n ) = tl(b 1 v 1 + + b n v n ) = tl( x). Siis L on yksi lauseen vaatimukset täyttävä lineaarikuvaus. Onko olemassa muita lineaarikuvauksia, jotka myös täyttävät lauseen ehdot? LM2, Kesä 2012 136/160

Osoitetaan, että lauseen 49 vaatimukset täyttäviä lineaarikuvauksia on enintään yksi (edellä määritelty L). Oletetaan, että L, T : V W ovat lineaarikuvauksia, joilla L( v 1 ) = w 1, L( v 2 ) = w 2,..., L( v n ) = w n ja T ( v 1 ) = w 1, T ( v 2 ) = w 2,..., T ( v n ) = w n. Oletetaan, että v V. Tällöin v = a 1 v 1 + + a n v n joillakin a 1,..., a n R, sillä ( v 1,..., v n ) on avaruuden V kanta. Kuvausten L ja T lineaarisuutta käyttäen saadaan L( v) = L(a 1 v 1 + + a n v n ) = a 1 L( v 1 ) + + a n L( v n ) = a 1 w 1 + + a n w n = a 1 T ( v 1 ) + + a n T ( v n ) = T (a 1 v 1 + + a n v n ) = T ( v). Kuvauksilla L: V W ja T : V W on samat arvot, joten ne ovat sama kuvaus. LM2, Kesä 2012 137/160

Isomorfisuus Lause 50 Oletetaan, että V ja W ovat äärellisulotteisia vektoriavaruuksia. Vektoriavaruudet V ja W ovat isomorfiset, jos ja vain jos dim(v ) = dim(w ). LM2, Kesä 2012 138/160

Isomorfisuus Lauseen 50 todistus. : Oletetaan, että V = W. Tällöin on olemassa isomorfismi L: V W. Koska L on injektio, niin Ker L = { 0} ja siten dim(im L) = dim(v ) dim(ker L) = dim(v ) 0 = dim(v ). Koska L on surjektio, niin Im L = W. Siten dim(v ) = dim(im L) = dim(w ). LM2, Kesä 2012 139/160

: Oletetaan, että dim(v ) = dim(w ) = n. Olkoon ( v 1,..., v n ) vektoriavaruuden V kanta ja olkoon ( w 1,..., w n ) vektoriavaruuden W kanta. Olkoon L: V W se lineaarikuvaus, jolla L( v 1 ) = w 1, L( v 2 ) = w 2,..., L( v n ) = w n. Lauseen 49 mukaan tällaisia lineaarikuvauksia on tasan yksi. Osoitetaan, että L on injektio. LM2, Kesä 2012 140/160

Oletetaan, että v Ker L. Tällöin L( v) = 0. Kirjoitetaan v kantavektorien lineaarikombinaationa v = a 1 v 1 + + a n v n, jolloin saadaan 0 = L( v) = L(a 1 v 1 + + a n v n ) = a 1 L( v 1 ) + + a n L( v n ) = a 1 w 1 + + a n w n. Jono ( w 1,..., w n ) on kanta ja siten vapaa, joten tästä yhtälöstä seuraa, että a 1 = 0, a 2 = 0,..., a n = 0. Siis v = a 1 v 1 + + a n v n = 0 v 1 + + 0 v n = 0. Tämä osoittaa, että Ker L = { 0}. Siis L on injektio. LM2, Kesä 2012 141/160

Oletuksen mukaan dim(v ) = dim(w ). Lisäksi lineaarikuvaus L: V W on injektio, joten L on lauseen 48 mukaan surjektio. Siis L on lineaarikuvaus ja bijektio, eli isomorfismi. Näin ollen V = W. LM2, Kesä 2012 142/160