Motivaatio Matemaattiset siemenet, joita on kylvetty Rn:ssä, puhkeavat kukkaan astuessamme abstraktion puutarhaan. Lineaarialgebran kauneus ja voima näkyy selvemmin, kun ryhdytään katsomaan Rn:ää, geometristen vektoreiden joukkoa ym. esimerkkeinä yleisestä abstraktista vektoriavaruudesta.Tilanne voidaan tiivistää kahdeksaan perusominaisuuteen, joista koko teoria on johdettavissa.
Tämä on aivan tyypillinen prosessi kaikessa matematiikassa.
Kannattaa palauttaa mieleen konkreettiset perusmallit:
Tavalliset vektorilaskusäännöt : yhteen- ja vähennyslasku sekä skalaarilla (reaaliluvulla) kertominen ovat tällöin sitä, että
u+v = (u1+v1,u2+v2,u3+v3) cu = (cu1,cu2,cu3)
Rajoitumme esimerkeissämme aluksi reaalisiin, mutta perusteoriassa ei ole mitään eroa kompleksitapaukseen nähden.
Avaruuden Rn (yhtä hyvin Cn) vektoreilla (u,v,...) (ja skalaareilla r,s,...) on seuraavat ominaisuudet:
(v1) u+v = v+u (vaihdantalaki) (v2) (u+v)+w = u+(v+w)(liitäntälaki) (v3) u+0 = u (on olemassa nollavektori) (v4) u+(-u)=0 (jokaisella u on vastavektori -u) (v5) r(u+v)=ru+rv (1. osittelulaki) (v6) (r+s)u=ru+su (2. osittelulaki) (v7) r(su)=(rs)u (skalaarilla kertomisen liitännäisyys) (v8) 1u=u (skalaarilla kertomisen ykkösalkio)Nämä ominaisuudet ovat välittömiä seurauksia reaali (kompleksi) lukujen vastaavista ominaisuukista.
Toisaalta aivan samat ominaisuudet voidaan johtaa geometrisessa vektorimallissa puhtaasti geometrisin päättelyin.
Hienous piilee siinä, että ottamalla nämä ominaisuudet aksiomiksi,
voidaan johtaa koko vektoriavaruuksien perusteoria, jolloin saadaan saman
käsittelyn alle monia muitakin olioita kuin äärelliset lukujonot ja
geometriset vektorit.
Erityisen tärkeitä sovellusten (ja teorian) kannalta ovat monet
funktioavaruudet sekä lukujonoavaruudet.
Vektoriavaruuden määritelmä Edellä luetellut ominaisuudet otetaan
yleisen (abstraktin) vektoriavaruuden määritelmäksi. Olkoon V joukko ja K
"lukukunta", oletamme että K=R tai K=C. Olkoon määritelty V:n alkioiden
välinen
laskutoimitus + : V x V -> V ja K:n ja V:n alkioiden välinen
laskutoimitus
" ": K x V -> V (Laskutoimituksen merkki on yleensä tyhjä, kuten
kertolaskussa) siten, että ominaisuudet (v1) ... (v8) ovat voimassa.
Tällöin sanotaan, että V on vektoriavaruus ja sen alkioita sanotaan
vektoreiksi. Kunnan K alkioita (siis reaali- tai kompleksilukuja)
sanotaan skalaareiksi .
Huom! Kun lähtökohtana ovat nämä 8 ominaisuutta ja vain ne, tulisi eräät ns. itsestäänselvyydet myös todistaa. (Oikeasti mikään ei ole "itsestään selvää".)
Esim: Osoita, että 0 x = 0 ja
c 0=0 .
Tod:
0 x = (0+0) x = 0 x + 0 x (v2).
0 = 0 x.Jälkimmäinen aivan vastaavasti. mot.
(Huom! Oikeasti nämä avaruudet eivät ole muuta kuin mihin merkinnät viittaavat, siis vektoriavaruuksia Rp tai Cp, missä p=mn. Tässä vain vektorin koordinaatit on järjestetty pitkän pötkön sijasta taulukkomuotoon.)
No eikö nyt siis muuta lopultakaan ole kuin Rp ja
Cp ?
No on !!
on vektoriavaruus, kun polynomien yhteenlasku ja skalaarilla kertominen
määritellään normaaliin tapaan. Samoin korkeintaan astetta n
olevien polynomien joukko Pn on vektoriavaruus.
Edelleen kaikkien polynomien joukko
P on myös vektoriavaruus.
Vektoriavaruusominaisuuksien toteaminen on silkkaa rutiinia.
Vektoriavaruuden aksioomat on jälleen helppo tarkistaa. (Nolla-vektorina
on nollafunktio.)
Monen monia muitakin funktioavaruuksia esiintyy sovellutuksissa.
Aliavaruudessa pätevät kaikki ominaisuudet ((v1) - (v8)) tietysti. Ts.
aliavaruus on osajoukko, joka on itse vektoriavaruus, kun käytetään niitä
laskutoimituksia, jotka perusavaruudelta V periytyvät.
Itse asiassa tämä on KRE-kirjan määritelmä
Selvitä itsellesi,
että 0-vektori on aliavaruudessa ja kunkin
vektorin vastavektori!
(Huomaa, että edellisessä tarvitaan oletusta "epätyhjä". )
Geometrinen havainnollistus
Muistathan aina tuon tuostakin miettiä,
mitä jokin käsite tarkoittaa havainnollisessa geometrisessa maailmassamme.
Ajatusviiva ---------
2-d-tasossa aliavaruuksia ovat O:n kautta kulkevat suorat (ja koko avaruus)
(ja triviaalilla tavalla pelkkä O).
Mallina vaikkapa
taso avaruudessa. Kaksi "tasossa makaavaa", keskenään erisuuntaista
vektoria u ja v virittää tason,
ts. kaikki tason vektorit voidaan esittää lineaarikombinaatioina:
c1u+c2v. Taso on 3-ulotteisen avaruuden aliavaruus,
jonka virttävät nuo kaksi vektoria. Alla esitettävin merkinnöin:
Taso=sp{u,v}
Yleisesti
Olkoot u1,...um V
. sp({u1,...,um}) . Se koostuu muotoa
Viritelmä on V:n aliavaruus, koska
Sanonta: Vektorit u1,...,um virittävät
(ali)avaruuden V, jos V=sp({u1,...,um}).
Aiemmin olemme kohdanneet nämä käsitteet Rn:n
vektorien yhteydessä. Nyt määrittelemme ne yleisen
vektoriavaruuden (abstrakteille) vektoreille.
Määritelmät ovat muodollisesti täsmälleen samoja.
Tarkastellaan vektoriyhtälöä Kaksi mahdollisuutta:
Havainto 2.
LRT-joukon osajoukko on LRT, LRV-joukon ylijoukko on
LRV. Edellinen seuraa "kontrapositiolla", eli jos LRT joukolla olisi LRV
osajoukko, niin tällä LRV-joukolla olisikin LRT ylijoukko, mikä on
ristiriidassa edellä osoitetun kanssa.
Lause(LRV1).
Vektorit
u1,u2,...,um ovat LRV, Tod. (1) Oletetaan LRV. Tällöin on olemassa kertoimet
c1, ..., cm, joista jokin # 0, s.e. yhtälö
(2) Käänteinen puoli vastaavasti. [QED]
Tälle voidaan esittää hieman "terästetty" muoto, joka osoittautuu yllättävän
monessa tilanteessa hyödylliseksi työkaluksi.
Lause(LRV2).
Järjestetty joukko {v1,v2,...,vn}, missä n > 1 ja
v1 # 0, on LRV
Huom: Tämän avulla on helppo nähdä tietynlaiset "porrasmaiset" vektorijoukot
lineaarisesti riippumattomiksi. Jos nimittäin mikään ei ole edellisten
lineaarikombinaatio, on tämän perusteella vektorijoukon oltava LRT.
Esim. Ovatko vektorit No ei muuta kuin kirjoitetaan vektoriyhtälömme komponenttimuodossa
Kysymys on siis yhtälösysteemin Ac = 0 ratkaisuista, missä Huomaamme siis, että tutkittavat vektorit ladottiin sarakkeiksi
matriisiin A . Sitten on vain tehtävänä tutkia homogeeniyhtälön
(siis yhtälön, jossa oikea puoli on 0-vektori) ratkaisujen lukumäärää.
Nythän meillä on tuo mainio funktio
ref,joka
saattaa matriisin porrasmuotoon ("Row Echelon Form").
Johtopäätös: LRT
Siis ovat LRV.
Esim: Funktiot 1,ex, e-x avaruudessa C[-1,1].
Huomataan, että myös funktioiden LRT-kysymys johtaa tapauksessa,jossa
asia ei ole muuten ilmeinen, lineaariseen yhtälösysteemiin.
(Kaikki tiet vievät ref:iin!)
Huom: Tällä kurssilla funktioiden LRT/LTV-asiat tulevat vastaan
erityisesti lineaaristen differentiaaliyhtälö(systeemien) puolella.
Määritelmä. Vektoriavaruuden V kanta on vektorijoukko
{e1,e2,...,em}, joka
Lause 1
Jos {e1,e2,...,em} on V:n kanta, niin
jokaisella vektorilla vV on yksikäsitteinen esitys muodossa
Tod: Olkoon vektorilla v kaksi esitystä:
Siis
Niinpä kertoimien samuus seuraa kantavektorien LRT:sta.
Tod: Olkoot {u1,...,um} ja {v1,...,vn}
V:n kantoja. Tehdään vastaoletus: n > m.
Jotta asia näkyisi mahdollisimman pelkistetysti, laskemme
tapauksen, jossa m=2 ja n=3. Yleisen todistuksen perusjuoni paistaa tästä
oikein hyvin.
Avaruudella V on siis kannat:
{u1,u2} ja {v1,v2,v3}.
No, koska u-vektorit virittävät, voidaan v:t esittää:
Tässä meillä on homogeeniyhtälö, jossa on enemmän sarakkeita kuin rivejä.
Niin ollen sillä on ei-triviaaleja ratkaisuja, ja niinpä v-vektorit ovat
LRV. Päädyimme ristiriitaan, joten erilukumääräiset kannat eivät ole
mahdollisia.
[QED]
Korostetaan vielä: Lauseen 2 mukaan määritelmä on "hyvin asetettu", eli
siinä on mieli.
Huom! Todistimme yllä itse asiassa seuraavan:
Lause 2' Jos
{u1,...,um} virittää ja {v1,...,vn}
on LRT, niin n <= m.
Toisin sanoen: mielivaltainen LRT joukko on jokaista virittävää joukkoa
pienempi (tai yhtäsuuri).
Olisi peräti merkillistä, ellei pätisi:
Lause 3.
Avaruus Rn on n-ulotteinen.
Tod. Luonnolliset koordinaattiyksikkövektorit
e1=(1,0,...,0), e2=(0,1,0,...,),
en=(0,0,...,1) ovat LRT ja virittävät. (Osaathan
perustella!) Väite seuraa siis dimension määritelmästä.
Olkoon
No konstikos tuo nyt oli, kun matriisi oli rref-muodossa, voisi joku
huomauttaa!
Myöhemmin nähdään,
että esimerkki on sittenkin varsin edustava, tarvitsee vain ensin osoittaa
tietyt säilyvyysasiat Gaussin rivioperaatioissa.
Sarakeavaruuden yleinen käsittely herättää yleisen kysymyksen: Jos on
määrättävä annettujen vektorien virittämän aliavaruuden kanta, voidaanko
kantavektorit valita virittäjävektorien joukosta, ts. saadaanko kanta
siten, että pudotetaan vain pois sopiva määrä riippuvia "redundantteja"
virittäjävektoreita. No näinhän toki on, ja perustelukin on hyvin
yksinkertainen:
Molempien prosessien induktioaskel perustuu hyvin yksinkertaiseen tosiasiaan:
Lemma 1 (LRT-lemma)
jos vektorijoukko
{u1,...,ud} on LRT ja jokin vektori v
ei ole näiden lineaarikombinaatio, niin joukko
{u1,...,ud,v} on LRT.
[QED]
Lause (Kannaksi laajentaminen)
Tod: Jos joukko virittää, niin se on kanta (jolloin on oltava k=n).
Ellei, niin on olemassa vektori vk+1, joka ei ole edellisten lineaarikombinaatio.
Lemman mukaan joukko {v1,...,vk,vk+1 } on LRT.
Virittävän joukon karsiminen kannaksi menee saman induktioaskeleen avulla, vaikka näin:
Lause (Kannaksi karsiminen) Tod.
Olkoon d = max määrä LRT
vektoreita virittäjäjoukossa
Numeroidaan vektorit niin, että
{v1,...,vd} ovat LRT, jolloin loput ovat lausuttavissa
näiden lineaarikombinaatioina. Ellei nimittäin joku olisi, niin lemman mukaan tämä yhdessä
v1,...,vd - vektorien kanssa muodostaisi LRT joukon, vastoin d:n maksimaalisuutta.
Näin ollen vektorit {v1,...,vd} virittävät saman kuin
vektorit {v1,...,vm} , eli koko avaruuden V.
(koska lineaarikombinaatioden
lineaarikombinaatio on alkup. vekt. lin. komb.). Siten {v1,...,vd}
on V=sp({v1,...,vm}):n LRT ja virittävä joukko, eli
kanta.
Huomautus matriisin sarakeavaruudesta Edellä laskimme erään matriisin
sarakeavaruuden kannan. Havaitsimme, että tukisarakkeet muodostivat
maksimaalisen LRT-joukon sarakevektoreiden parissa. Lausemme sanoo, että
tämä on yleispätevä menettely. Palaamme asiaan vielä lähemmin
seuraavassa luennossa (LA3), jossa käsitellään matriisiin liittyviä
luonnollisa vektoriavaruuksia: nolla-avaruutta (N(A)), riviavaruutta
row(A) ja sarakeavaruutta col(A).
Niinpä siis yleisesti monomit 1, x,...,xn muodostavat polynomiavaruuden
Pn kannan, ja siis sen dimensio = n+1.
Toisaalta, jos avaruudessa on äärellinen yläraja LRT vektorien lukumäärälle, niin siinä on siis
LRT joukko, jota suuremmat joukot ovat LRV, ja siten (kantalauseen perusteella) tällainen maksimaalinen
LRT joukko on kanta.
Määritelmä Vektoriavaruus V on äärellisulotteinen, jos LRT
vektorien lukumäärällä on äärellinen yläraja. Muussa tapauksessa V on ääretönulotteinen.
Lause 5. Jos vektoriavaruuden V on äärellisulotteinen,
niin sillä on kanta. V:n dimensio = maksimimäärä LRT vektoreita (eli pienin edellä mainittu yläraja).
Tod: Olkoon n tuo maksimimäärä. Tällöin siis on olemassa LRT vektorit b1,...,bn ja jokainen (n+1):n vektorin
joukko on LRV. No, jos otamme mielivaltaisen vektorin v avaruudesta V, niin joukko
{b1,...,bn,v} on LRV, Lemman mukaan (jälleen kerran) päätellään, että v on
b-vektorien lineaarikombinaatio, ja siten {b1,...,bn} myös virittää ja on siis kanta.
[QED]
Onko ääretönulotteisia avaruuksia olemassa? Onko insinööreillekin?
No on on ja paljon !!
Useimmat S:n kiintoisat aliavaruudet sisältävät nämä vektorit,
ja ovat siten myös ääretönulotteisia.
Esim2, polynomit
Korkeintaan toista astetta olevien polynomien joukko
Esim3, (jatkuvat) funktiot
Edellä olevan esimerkin vektoriavaruuksien alkiot ovat funktioita,
joten niitä kutsutaan funktioavaruuksiksi. Laskusäännöt
funktioille määritellään luonnollisesti
(f+g)(x)=f(x)+g(x)
(c f)(x)=c(f(x))
Eräs tärkeä esimerkki funktioavaruuksista on
välillä [a,b] jatkuvien reaaliarvoisten funktioiden joukko
C[a,b]. Se on vektoriavaruus, sillä kahden jatkuvan funktion summa
on jatkuva ja luku kertaa jatkuva funktiot on jatkuva funktio.
Esim4, lukujonot
Kaikkien reaalisten lukujonojen joukko S on aivan samalla tavoin
nähtävissä
vektoriavaruudeksi kuin Rn. S ja sen eräät aliavaruudet esiintyvät
mm. signaalinkäsittelyssä ja kaikenlaisessa datan diskretoinnissa
(digitoinnissa). Hyviä esimerkkejä vaikkapa [Lay]:ssa.
Tuttuja käsitteitä uusissa puitteissa
Määrittelemme käsitteitä, joihin useimmat lienevät törmänneet 1-kurssilla
puhuttaessa avaruudesta Rn
Vektorialiavaruus
[KRE] s. 335 ylh.
, [LAY] s. 220 subspace
Vektoriavaruuden V aliavaruudella tarkoitamme epätyhjää V:n
osajoukkoa W, joka on "suljettu" laskutoimitusten suhteen, ts. u W ja v W ==> u+v W
u W , r R (tai C) ==> ru W
3-d-avaruudessa aliavaruuksia ovat
koko avaruuden ja pelkän O:n lisäksi
Viritelmä.
[KRE] s. 335 ylh. (Lay: s. 221: A subspace spanned by a set)
Kaikkien lineaarikombinaatioiden joukkoa merk.
Esim 1, geometriset vektorit
Esim. 2, Funktioavaruudet
Huom! Virittäjävektoreita voi olla "liikaa". Toki taso virittyy
myös kolmella tai useammalla saman tason suuntaisella vektorilla (monella
tavalla).
Ylimääräisistä virittäjistä ei yleensä ole muuta kuin haittaa, niinpä on
hyvä oppia hallittu tapa heittää ne menemään.
Siihen mm. tarvitsemme lineaarisen riippumattomuuden käsitettä.
Lineaarinen riippuvuus/mattomuus LRV/LRT
[KRE8] s. 332 , (Rn:ssä)
[Lay] a. 237 Linearly independent sets, bases
c1u1 + c2u2 + ... + cmum = 0
Tämä toteutuu, jos c1=c2= ... =
cm=0 . (Triviaali ratkaisu)
u1,u2,...,um ovat lineaarisesti
riippumattomia (LRT)
Havainnollisesti ...
Pari yksinkertaista havaintoa
Havainto 1.
Jos 0-vektori on mukana vektorijoukossa, se on LRV.
Tietysti, koska voidaan valita 0-vektorin kertoimeksi mikä vain, vaikka 1
ja muiden vektorien kertoimiksi 0, näin saadaan ei-triv. lineaarikombinaatio,
joka tuottaa 0-vektorin.
Riittää selvittää vaikkapa jälkimmäinen: Olkoon
{a1,...,am} LRV . Tällöin on olemassa
kertoimet c1,...,cm siten, että c1a1 + c2a2 + ... + cmam = 0
ja jokin ci#0 . Jos joukkoon otetaan uusia jäseniä,
niin laitetaan ne summaan jatkoksi 0-kertoimilla varustettuna. Näin saadaan
edelleenkin ei-triv-lin. kombinaatio (äskeinen ci on mukana), joka
antaa 0-vektorin.
LRT/LRV-lauseita ja tehtäviä
jos ja vain jos
Jokin uk on muiden lineaarikombinaatio.
c1u1 + c2u2 + ... + cmum = 0
toteutuu. Jaetaan tällä kertoimella (kun kerran on lupa) ja siirretään
muut termit toiselle puolelle.
jos ja vain jos
jokin vj on edellisten v1,...,vj-1 lineaarikombinaatio.
Tämä on kuin räätälöity ref- ja rref-muotoisten matriisien sarakkeille ja miksei riveille.
Palataan.
Tod: Jos ehto on voimassa, niin ilman muuta LRV (vaikka edellisen lauseen mukaan).
Kiintoisa on toinen puoli:
Ol: LRV. Siis on olemassa kertoimet c1,...,cn siten,
että jokin cj#0 ja
c1v1 +...+ cnvn = 0
Olkoon j suurin indeksi, jolla cj # 0. Koska v1 # 0, on oltava j > 1.
Siis:
c1v1 +...+ cjvj = 0
Tästä voidaan nyt ratkaista vj edellisten lineaarikombinaationa (koska cj # 0).
[QED]
Miten selvitetään LRT / LRV Rn:ssä
No tämähän on tuttua entuudestaan, mutta kertaus ...
a1 := [3, 0, 2, 2],
a2 := [-6, 42, 24, 54],
a3 := [21, -21, 0, 15]
LRT / LRV ?
Kyse on siis siitä, onko vektoriyhtälöllä c1a1 + c2a2 + c3a3 = 0
pelkästään triviaaliratk., vai onko muitakin.
[3 -6 21]
[ ]
[0 42 -21]
A := [ ]
[2 24 0]
[ ]
[2 54 15]
Homma johtaa siis Gaussin eliminaatioon:
Yleinen menettely Rn:n vektorien LRV/LRT selvitykseen
(1) Jos on pelkkä 0-ratkaisu (triv. ratk.), niin LRT.
(2) Jos on muitakin, niin LRV
>> A=[3 -6 21;0 42 -21;2 24 0;2 54 15]
A =
3 -6 21
0 42 -21
2 24 0
2 54 15
>> addpath /home/apiola/opetus/peruskurssi/s03/matlab
% Tähän oma polkusi, jonka varrelle sijoitit ref.m-tiedoston.
>> ref(A)
ans =
3.0000 -6.0000 21.0000
0 58.0000 1.0000
0 0 -21.7241
0 0 0
Toiseksi alimmainen yhtälö: -21.7241c3 = 0 ,
joten c3 = 0
. Siitä kun edetään ylöspäin, saadaan c2 = 0 , c1 = 0
.
(Tai suoraan katsomalla matriisia: Jokainen sarake on pivot- eli tukisarake
Miten selvitetään LRT / LRV funktioavaruudessa
Esimerkki 1: Monomit ovat LRT
Monomien joukko {1,x,x2, ...,xn} on aina LRT, olipa n kuinka suuri tahansa.
Perustelu: Jos monomien lineaarikombinaatio p(x) on nollafunktio
(identtisesti
häviävä funktio), niin kaikkien kertoimien on oltava nollia. Jos nimittäin
yksikin olisi nollasta erillinen, niin jos k olisi korkein
tällainen potenssi ja c#0 vastaava kerroin, voitaisiin kirjoittaa
p(x) = c(x-z0)(x-z1)...(x-zk)
Tässä zj:t ovat kompleksilukuja. No tämähän ei saa arvoa 0 muualla kuin
pisteissä z1,...,zk, joten se ei voi mitenkään olla 0-polynomi.
Esimerkki 2: 2 funktiota LRV <=> niiden suhde = vakio
Näyttää siltä, että funktiot voivat olla "vain ilmeisellä tavalla"
LRV.
Olkoon c1 cos(x) + c2 sin(x) = 0 kaikilla x välillä [0,1].
Jos c2#0 , saadaan:
tan(x)=sin(x)/cos(x) = -c2/c1 = vakio
Tämähän on järjetöntä, joten c2=0, ja siis myös c1=0.
(Monta muutakin tapaa.)
Esim. 3 Lisää funktioita
Ovatko funktiot f1,f2,f3 LRV/LRT avaruudessa C[-pi,pi], missä
f1(x)=sin2 x, f2(x)=cos 2x, f3(x)= 1 ?
Muodostetaan yhtälö:
c1 sin2 x + c2 cos 2x + c3 = 0
Käytetään kaavaa: cos 2x = cos2 x - sin2 x ja sievennetään:
(c1-2c2)sin2 x + c2 + c3 = 0
Koska funktiot sin2 x ja 1 ovat LRT (suhde takuulla ei vakio), on
niiden kertoimien oltava = 0.
Saadaan yhtälöpari:
c1 - 2 c2 = 0
c2 + c3 = 0
Tästä saadaan äärettömän monta ratkaisua suoraan jo sillä perusteella,
että kyseessä on HY, jossa kaksi yhtälöä ja kolme tuntematonta.
(Voidaan toki ratkaistakin: c1 = 2c2, c2 = -c3, c3 valittavissa
vapaasti.)
Funktiojoukon osoittaminen LRT:ksi
"Useimmiten" funktiojoukko on LRT.
Sen osoittamiseksi riittää tarkastella funktioita sopivassa
äärellisessä pistejoukossa. (Riittää valita samanverran tai yksi enemmän
kuin funktioiden lukumäärä.)
Olkoon
c1 + c2 ex + c3 e-x = 0 kaikilla x välillä [-1,1]
Tällöin yhtälö pätee erityisesti pisteissä -1,0,1.
Kun sijoitetaan nuo pisteet, saadaan:
| 1 1/e e | |c1|
| 1 1 1 | |c2| = 0
| 1 e 1/e | |c3|
>> e=exp(1)
e =
2.7183
>> A=[1 1/e e;1 1 1;1 e 1/e]
A =
1.0000 0.3679 2.7183
1.0000 1.0000 1.0000
1.0000 2.7183 0.3679
>> addpath /home/apiola/opetus/peruskurssi/s03/matlab
>> ref(A)
ans =
1.0000 0.3679 2.7183
0 2.3504 -2.3504
0 -0.0000 -1.0862
Jokainen sarake on tukisarake, joten vain 0-ratkaisu. Niinpä funktiot ovat
LRT.
Kanta(basis) ja dimensio
KRE 7.5 s. 354,
1. on LRT
2. virittää V:n
Havainnollisesti: 2 eri suuntaista vektoria tasossa on tason kanta, 3
vektoria, jotka eivät ole saman tason suuntaisia, muod. 3-d-avaruuden kannan.
Toisin sanoen kanta tarkoittaa tässä koordinaattiakselistoa.
Olennaista siis on, että kaikki kyseisen avaruuden vektorit voidaan esittää,
ja myös se, että esitys on yksikäsitteinen. Jos virittäviä vektoreita
otettaisiin liikaa, koordinaattiesityksiä olisi äärettömän monta.
[QED]
Voisiko jollain vektoriavaruudella olla kaksi kantaa, joissa olisi eri määrä
vektoreita? Jos ajatellaan havainnollisia mallejamme, niin ei tietenkään. Yleisestikin on varsin selvän tuntuista, että jos jokin joukko virittää
ja on LRT, niin mikään enemmän vektoreita sisältävä joukko ei voi olla LRT.
Tämä ilmeiseltä tuntuva asia vaatii toki todistuksen, joka sinänsä on
hyvin helppo, kun lineaaristen yhtälösysteemien perusteet ovat hallinnassa.
Lause 2
Jos vektoriavaruudella V on kanta, niin jokaisessa sen kannassa on sama
määrä vektoreita.
v1 = a u1 + b u2
v2 = c u1 + d u2
v3 = e u1 + f u2
Näytämme, että v-vektoreita on "liikaa", ts, ne ovat LRV:
Tarkastellaan siis yhtälöä:
c1 v1 + c2 v2 + c3 v3 = 0
Sijoitetaan tähän yllä olevat v-vektorien lausekkeet lausuttuna u-vektorien
avulla ja kerätään u-vektorien kertoimet yhteen.
Tästä
johdutaan yhtälösysteemiin:
[a c e][c1]
[ ][c2] = 0
[b d f][c3]
Nähdään, että tämän yhtälöryhmän ratkaisu (c1,c2,c3) toteuttaa vektoriyhtälön.
Huom! Tässä päättelyssä emme tarvitse sitä tietoa, että u-vektorit
ovat LRT tai että v-vektorit virittävät.
Yksinkertaisuudestaan huolimatta tämä lause sisältää kantojen teorian
"suuren viisauden". Nythän meillä on kaikkiin kannalla varustettuihin
vektoriavaruuksiin liittyvä invariantti, joka voidaan ilmaista yhdellä luvulla.
Niinpä olemme valmiit asettamaan määritelmän:
Määritelmä (dimensio).
Kannalla varustetun vektoriavaruuden V dimensio on (missä tahansa)
kannassa olevien vektorien lukumäärä.
Esim. 1(Matriisin sarakeavaruus)
Usein esiintyvä tehtävä on matriisin sarake- tai rivivektorien virittämän
avaruuden kannan ja dimension määrittäminen. (Palataan lähemmin.)
>> B=[1 4 0 2 0;0 0 1 -1 0;0 0 0 0 1;0 0 0 0 0 ]
B =
1 4 0 2 0
0 0 1 -1 0
0 0 0 0 1
0 0 0 0 0
Määrättävä matriisin B sarakevektoreiden virittämän avaruuden eli matriisin
sarakeavaruuden col(B) kanta.
Sattuupa niin mukavasti, että B on valmiiksi rref-muodossa.
Merkitään sarakevektoreita b1,...,b5.
Tukisarakkeet ovat b1,b3,b5 ja ne ovat taatusti
LRT (yksikkömatriisin sarakkeet).
b2 = 4 b1 ja b4 kuuluu tukisarakkeiden
b1:n ja b3 virittämään aliavaruuteen, itse asiassa
nähdään suoraan, että
b4 = 2 b1 - b3
Niinpä ei-tukisarakkeiden b2 ja b4 poispudottaminen
ei vaikuta virittyvään aliavaruuteen mitään, vaan tukisarakkeet
b1,b3,b5 muodostavat sarakeavaruuden kannan.
Sarakeavaruus col(B) on 3-ulotteinen aliavaruus R4:ssä.
Kannaksi laajentaminen ja karsiminen
Haluamme osoittaa, että virittävästä joukosta saadaan kanta pudottamalla pois sopivat
(riippuvat) vektorit. Duaalisesti, LRT joukko voidaan laajentaa kannaksi lisäämällä
sopivasti valitut LRT vektorit.
Tod:
Muodostetaan vektoriyhtälö
c1u1+...+cdud + c v = 0.
Jos c # 0, niin v on u-vektorien linaarikombinaatio vastoin oletusta.
Mutta kun on oltava c=0, niin myös c1 = ... = cd = 0, koska u-vektorit
ovat LRT.
Olkoon V äärellisulotteinen vektoriavaruus, jonka dimensio = n.
Mielivaltainen V:n LRT vektorijoukko {v1,...,vk} voidaan
laajentaa V:n kannaksi.
Jos se virittää, niin se on kanta, muussa tapauksessa jatketaan, kunnes on saatu n:n vektorin
LRT joukko. Sen on pakko virittää, sillä yksi lisäaskel johtaisi ristiriitaan kantalauseen (version 2') kanssa.
[QED]
Olkoon V = sp({v1,...,vm}).
Tällöin jokin virittäjäjoukon osajoukko on V:n kanta. (Ts. pudottamalla sopivat vektorit pois, saadaan
kanta.)
Funktioavaruuksien kantoja, erityisesti polynomit
Avaruuden P2 kannan muodostavat monomit 1, x, x2 .
Ne tietysti virittävät P2:n suorastaan polynomin määritelmän perusteella.
LRT seuraa siitä, että 2. asteen polynomi on identtisesti 0 (eli 0-polynomi), jos ja vain jos kaikki kertoimet
ovat nollia. (Jos toisen asteen polynomin jokin kerroin # 0, niin polynomilla on korkeintaan kaksi nollakohtaa.)
siten dim(P2)=3. Tämä argumentti esitettiin edellä LRT/LRV-asian yhteydessä yleisesti.
Äärellisulotteinen/ääretönulotteinen avaruus
Onko kaikilla vektoriavaruuksilla (äärellinen) kanta?
Johdatteluksi todetaan, että kannan määritelmän mahdollistavan lauseen 2
perusteella nähdään heti, että jos avaruudella on kanta, niin sen dimensio on maksimaalisen LRT
joukon vektorien lukumäärä.
Tulemme näkemään monia funktioavaruuksia tämänkin kurssin kuluessa. Yleensä funktioavaruudet ovat miltei
poikkeuksetta ääretönulotteisia.
Esimerkkejä funktio- ja jonoavaruuksista
Perustelu: P:ssä on miten suuria LRT joukkoja hyvänsä, nimittäin monomit 1,x,x2,..., xn, olipa
n miten suuri luku hyvänsä.
Perustelu: Jonot e1=(1,0,0,...), e2=(0,1,0,...), ..., ek=(0,0,...,1,0,...), ...
muodostavat äärettömän jonon vektoreita S:ssä.
Mikä tahansa äärellinen määrä näitä vektoreita on LRT, vaikkapa LRV-lemman
perusteella tai suoraan LRT-määritelmästä.
Tämä voidaan ymmärtää myös Rn:n yleistyksenä. Kun S:ssä on äärettömän monta koordinaattia, niin dim S on ääretön. (Vastaavasti
Rn:ssä on n koordinaattia ja dim Rn = n .)
This page created by mailto:Heikki.Apiola@hut.fi