http://www.math.hut.fi/teaching/k3/03/L/LA2.html
Päivitetty 19.9.2003 HA

Luento LA 2

Käsittelemme [KRE]-kirjan lukuihin 6.5 - 6.8 sisältyviä asioita. Otamme hiukan eri järjestyksessä. Panemme enemmän painoa yleiselle abstraktille VA-teorialle (VA = Vektoriavaruus) ja käsittelemme mm. dimensioasioita hiukan tarkemmin. Näin voimme myös välttää samojen asioiden toistamista erilaisissa myöehemmin eteen tulevissa yhteyksissä. Ja saavutamme kypsemmän näkemyksen. Vektoriavaruuden abstrakti määr.:
[KRE] s. 358 - 360, aksiomat s. 359, motivaatio s. 358. [LAY 3] Luku 4 s. 215 ->, aksiomat s. 217.

Referenssejä

Lyhenteitä

Vektoriavaruus


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.


Jos tuo ei kaikkiin insinöörimieliin vetoa, niin puhutaan sitten vaikka hyödystä, joka saavutetaan sillä, että näennäisesti erilaisia tilanteita voidaan käsitellä saman yleisen järjestelmän puitteissa. (Tätähän matematiikassa tehdään, sanoisinko, että tätähän matematiikka on.)

Kannattaa palauttaa mieleen konkreettiset perusmallit:

Avaruus R3 saadaan 3-d geometrisesta vektorimallista ottamalla kolme kiinteää vektoria (jotka eivät ole saman tason suuntaisia) koordinaattiakseleiksi (esim. suorakulmaiset perusvektorit) ja tarkastelemalla origosta alkavan paikkavektorin kärjen koordinaattien muodostamaa jonoa.

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)
     

Avaruudet Rn ja Cn

Edellä sanottu yleistyy ottamalla vektoreiksi jonot v=(v1,v2,...,vn). Jos vektorin komponentit vi ovat reaalisia, on kyseessä reaalinen vektoriavaruus, tällöin skalaareina ovat reaaliluvut. Yhtä hyvin voimme tarkastella avaruutta Cn, jolloin vektorin komponentit ja skalaarikertoimet ovat kompleksilukuja. Laskutoimitukset määritellään siis vastaavasti kuin yllä.

Rajoitumme esimerkeissämme aluksi reaalisiin, mutta perusteoriassa ei ole mitään eroa kompleksitapaukseen nähden.

Vektoriavaruuden perusominaisuudet (aksiomat)

[KRE] s. 334 - 335, [Lay] 3 s. 217

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).

Lisätään puolittain -(0 x)    (0x:n vastavektori). Saadaan:

    0 =  0 x.
Jälkimmäinen aivan vastaavasti. mot.
Emme paneudu muihin vastaaviin enempää. Todistukset ovat äärimmäisen yksinkertaisia lukea (ja luettu ymmärtää), mutta kaikkia ei ole aivan helppo itse keksiä.
Todettakoon, että kaikki konkreettiset VA-mallit, joita käsittelemme, ovat sen luonteisia, että jokainen yllä olevista kahdeksasta ominaisuudesta on nähtävissä välittömästi. Tavallisesti kysymys voidaan palauttaa reaali- tai kompleksilukujen vastaavaan ominaisuuteen, kuten Rn:n ja Cn: tapauksissa.

Esimerkkejä vektoriavaruuksista

Lukija odotellee sietämättömän malttamattomana, tai välinpitämättömän epäluuloisena, onko nyt todella muita tähän rakenteeseen sopivia malleja kuin nuo ennen mainitut tuttavat. No tässä:

Esim1, matriisiavaruudet

Kaikkien reaalisten m x n -matriisien muodostama joukko Rm x n on vektoriavaruus, kun yhteenlasku ja reaaliluvulla kertominen on määritelty alkioittain kuten matriiseille on tapana. Nolla-alkio on tällöin m x n-nollamatriisi ja määritelmän ehdot on helppo tarkistaa. Samoin kompleksisten m x n- matriisien joukko Cm x n on kompleksikertoiminen vektoriavaruus.

(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 !!

Esim2, polynomit

Korkeintaan toista astetta olevien polynomien joukko

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.

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.

Vektoriavaruuden aksioomat on jälleen helppo tarkistaa. (Nolla-vektorina on nollafunktio.)

Monen monia muitakin funktioavaruuksia esiintyy sovellutuksissa.

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 epsilon W ja v epsilon W        ==> u+v epsilon W
     u epsilon W , r epsilon R (tai C) ==> ru epsilon W 

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).
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)

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 epsilon V .
Kaikkien lineaarikombinaatioiden joukkoa merk.

sp({u1,...,um}) . Se koostuu muotoa

linkomb
olevista summista, missä ci:t ovat mielivaltaisia skalaareja. Joukkoa sp({u1,...,um}) kutsutaan vektorien u1,...,um viritelmäksi ( "span") .

Viritelmä on V:n aliavaruus, koska

Sanonta: Vektorit u1,...,um virittävät (ali)avaruuden V, jos V=sp({u1,...,um}).


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

Aiemmin olemme kohdanneet nämä käsitteet Rn:n vektorien yhteydessä. Nyt määrittelemme ne yleisen vektoriavaruuden (abstrakteille) vektoreille. Määritelmät ovat muodollisesti täsmälleen samoja.

Tarkastellaan vektoriyhtälöä

      c1u1 + c2u2 + ... + cmum = 0 
Tämä toteutuu, jos c1=c2= ... = cm=0 . (Triviaali ratkaisu)

Kaksi mahdollisuutta:

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.

Havainto 2. LRT-joukon osajoukko on LRT, LRV-joukon ylijoukko on LRV.
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.

Edellinen seuraa "kontrapositiolla", eli jos LRT joukolla olisi LRV osajoukko, niin tällä LRV-joukolla olisikin LRT ylijoukko, mikä on ristiriidassa edellä osoitetun kanssa.


LRT/LRV-lauseita ja tehtäviä

Lause(LRV1). Vektorit u1,u2,...,um ovat LRV,
jos ja vain jos
Jokin uk on muiden lineaarikombinaatio.

Tod. (1) Oletetaan LRV. Tällöin on olemassa kertoimet c1, ..., cm, joista jokin # 0, s.e. yhtälö

      c1u1 + c2u2 + ... + cmum = 0 
toteutuu. Jaetaan tällä kertoimella (kun kerran on lupa) ja siirretään muut termit toiselle puolelle.

(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
     jos ja vain jos
jokin vj on edellisten v1,...,vj-1 lineaarikombinaatio.

Huom: Tämän avulla on helppo nähdä tietynlaiset "porrasmaiset" vektorijoukot lineaarisesti riippumattomiksi. Jos nimittäin mikään ei ole edellisten lineaarikombinaatio, on tämän perusteella vektorijoukon oltava LRT.


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 ...

Esim. Ovatko vektorit

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.

No ei muuta kuin kirjoitetaan vektoriyhtälömme komponenttimuodossa

LRT name=

Yhdistämme komponentit (eli siirrymme sarakeajattelusta riviajatteluun):

LRTkaksi

Kysymys on siis yhtälösysteemin Ac = 0 ratkaisuista, missä


                                  [3    -6     21]
                                  [              ]
                                  [0    42    -21]
                             A := [              ]
                                  [2    24      0]
                                  [              ]
                                  [2    54     15]

Yleinen menettely Rn:n vektorien LRV/LRT selvitykseen

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.

    (1) Jos on pelkkä 0-ratkaisu (triv. ratk.), niin LRT.
    (2) Jos on muitakin, niin LRV
Homma johtaa siis Gaussin eliminaatioon:

Nythän meillä on tuo mainio funktio ref,joka saattaa matriisin porrasmuotoon ("Row Echelon Form").

>> 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

Johtopäätös: LRT

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

  1. Ovatko sin(x) ja cos(x) LRV vai LRT C[0,1]:ssä?
    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.)
  2. Otsikon julistus osoitetaan aivan samoin todeksi.
  3. Funktiojoukko {sin(2t), sint cost} on LRV, koska sin(2t) = 2 sint cost.
Näyttää siltä, että funktiot voivat olla "vain ilmeisellä tavalla" LRV.

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.)

Siis ovat LRV.

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.)

Esim: Funktiot 1,ex, e-x avaruudessa C[-1,1].
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.

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.


Kanta(basis) ja dimensio

KRE 7.5 s. 354,

Määritelmä. Vektoriavaruuden V kanta on vektorijoukko {e1,e2,...,em}, joka

   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.

Lause 1 Jos {e1,e2,...,em} on V:n kanta, niin jokaisella vektorilla vepsilonV on yksikäsitteinen esitys muodossa

kantlause10

Tod: Olkoon vektorilla v kaksi esitystä:

kanlause1

Siis

kantalause12

Niinpä kertoimien samuus seuraa kantavektorien LRT:sta.
[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.

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:

      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.

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]


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.

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.


Esim. 1(Matriisin sarakeavaruus)

Usein esiintyvä tehtävä on matriisin sarake- tai rivivektorien virittämän avaruuden kannan ja dimension määrittäminen. (Palataan lähemmin.)

Olkoon


>> 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.

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:

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.

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.
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.

[QED]

Lause (Kannaksi laajentaminen)
Olkoon V äärellisulotteinen vektoriavaruus, jonka dimensio = n. Mielivaltainen V:n LRT vektorijoukko {v1,...,vk} voidaan laajentaa V:n kannaksi.

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.
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]

Virittävän joukon karsiminen kannaksi menee saman induktioaskeleen avulla, vaikka näin:

Lause (Kannaksi karsiminen)
Olkoon V = sp({v1,...,vm}). Tällöin jokin virittäjäjoukon osajoukko on V:n kanta. (Ts. pudottamalla sopivat vektorit pois, saadaan kanta.)

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).

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.

Niinpä siis yleisesti monomit 1, x,...,xn muodostavat polynomiavaruuden Pn kannan, ja siis sen dimensio = n+1.

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.

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 !!
Tulemme näkemään monia funktioavaruuksia tämänkin kurssin kuluessa. Yleensä funktioavaruudet ovat miltei poikkeuksetta ääretönulotteisia.

Esimerkkejä funktio- ja jonoavaruuksista



This page created by mailto:Heikki.Apiola@hut.fi