konspekt
TRANSCRIPT
I. Determinandid
1 Determinandi moiste
1.1 Idee selgitus
Algul defineerime esimest jarku determinandi, siis esimest jarkudeterminandi abil teist jarku determinandi, seejarel teist jarkudeterminandi abil kolmandat jarku detereminandi jne, n-jarkudeterminandi defineerime (n − 1)-jarku determinandi kaudu. Sel-list defineerimisviisi nimetatakse induktiivseks ja vastavat objektiinduktiivseks konstruktsiooniks.
Eelnevalt on soovitatav tutvuda maatriksi moistega (II.1.1).Kooloniga vordus A := B tahendab jargnevas, et A on defineeri-tud B kaudu. Seda vordust kasutame ka samavaarsete tahistustesissetoomiseks.
1.2 Esimest jarku determinant
Arvu a ∈ R determinandi |a| ehk esimest jarku determinandi de-fineerime valemiga |a| := det a := a.
1.3 Naide
| − 5| = −5, |π| = π jne.
1.4 Teist jarku determinant
Olgu a11, a12, a21, a22 ∈ R. Teist jarku determinandi defineerimearendusvalemiga∣∣∣∣a11 a12
a21 a22
∣∣∣∣ := det(
a11 a12
a21 a22
):= a11|a22| − a12|a21| = a11a22 − a12a21
1
2 I. Determinandid
1.5 Kolmandat jarku determinant
Olgu aij ∈ R ning indeksid i, j = 1, 2, 3. Kolmandat jarku deter-minandi defineerime arendusvalemiga∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣ := det
a11 a12 a13
a21 a22 a23
a31 a32 a33
:= a11
∣∣∣∣a22 a23
a32 a33
∣∣∣∣− a12
∣∣∣∣a21 a23
a31 a33
∣∣∣∣ + a13
∣∣∣∣a21 a22
a31 a32
∣∣∣∣1.6 Naide
Arvutame kolmandat jarku determinandi∣∣∣∣∣∣1 −1 31 0 −12 1 6
∣∣∣∣∣∣ = 1∣∣∣∣0 −11 6
∣∣∣∣ + 1∣∣∣∣1 −12 6
∣∣∣∣ + 3∣∣∣∣1 02 1
∣∣∣∣= 1(0 · 6 + 1 · 1) + 1(1 · 6 + 1 · 2) + 3(1 · 1− 0 · 2)= 12
1.7 Tahistusi
Analoogiliselt edasi toimides saame defineerida korgemat jarkudeterminandid. Olgu aij ∈ R ning indeksid i, j = 1, 2, . . . , n.Tahistame n-jarku ruutmaatriksi A determinandi det A ehk (luhi-dalt oeldes) n-jarku determinandi jargmiselt:
det A := det
a11 a12 . . . a1n
a21 a22 . . . a2n...
.... . .
...an1 an2 . . . ann
:=
∣∣∣∣∣∣∣∣∣a11 a12 . . . a1n
a21 a22 . . . a2n...
.... . .
...an1 an2 . . . ann
∣∣∣∣∣∣∣∣∣Determinandi det A ridade ja veergude all moeldakse maatriksi Aridu ja veerge. Pustkriipse | · | nimetame determinandi markideks.
I. Determinandid 3
1.8 Miinor ja alamdeterminant
Maatriksi A = (aij) elemendi aij miinoriks Mij nimetatakse de-terminanti, mille saame maatriksi A determinandist i-nda rea ja j-inda veeru eemaldamisel. Elemendi aij alamdeterminandiks ehk al-gebraliseks taiendiks nimetatakse arvu Aij := (−1)i+jMij . Suurust(−1)i+j nimetame elemendi aij ja alamdeterminandi Aij margi-teguriks.
1.9 Determinandi (induktiivne) definitsioon
Defineerime n-jarku determinandi (n − 1)-jarku determinantidekaudu arendusvalemiga
det A :=
∣∣∣∣∣∣∣∣∣a11 a12 . . . a1n
a21 a22 . . . a2n...
.... . .
...an1 an2 . . . ann
∣∣∣∣∣∣∣∣∣ := a11A11 + a12A12 + · · ·+ a1nA1n
Seega det on funktsioon, mis igale ruumaatriksile A seab arendus-valemi abil vastavusse kindla arvu, A
det7−→ det A. Teisiti oeldes,funktsiooni det argumendiks on ruutmaatriksid ja vaartusteks ar-vud.
1.10 Naide (ulesanne)
Vastavalt determinandi definitsioonile∣∣∣∣∣∣∣∣4 3 −5 03 2 0 −51 0 −2 30 1 −3 4
∣∣∣∣∣∣∣∣ = 4
∣∣∣∣∣∣2 0 −50 −2 31 −3 4
∣∣∣∣∣∣− 3
∣∣∣∣∣∣3 0 −51 −2 30 −3 4
∣∣∣∣∣∣− 5
∣∣∣∣∣∣3 2 −51 0 30 1 4
∣∣∣∣∣∣− 0
∣∣∣∣∣∣3 2 01 0 −20 1 −3
∣∣∣∣∣∣Siin esinevad kolmandat jarku determinandid on omakorda voima-lik arvutada arendusvalemi abil. Determinandi vaartuse arvutami-se jatame lugejale iseseisvaks ulesandeks.
4 I. Determinandid
2 Arendusteoreemid ja arendusvalemid
2.1 Kroneckeri sumbol
Kroneckeri1 sumboli δij defineerime valemiga
δij =
{1, kui i = j
0, kui i 6= j
2.2 Arendusteoreemid
Teoreem 1. Olgu A ruutmaatriks ning Aij elemendi aij alamde-terminant. Siis
δij det A =
{ai1Aj1 + ai2Aj2 + · · ·+ ainAjn
a1iA1j + a2iA2j + · · ·+ aniAnj
2.3 Arendusvalemid
Votame arendusteoreemides j = i. Saame nn arendusvalemid
det A =
{ai1Ai1 + ai2Ai2 + · · ·+ ainAin
a1iA1i + a2iA2i + · · ·+ aniAni
Esimene valem on determinandi arendus i-nda rea jargi ning tei-ne valem on determinandi arendus i-nda veeru jargi. Esimesestarendusvalemist saame i = 1 korral determinandi definitsiooni.
Arendusvalemeid voib kasutada determinandi arvutamiseks.Otstarbekas on kasutada arendusi eeskatt nende ridade (veergude)jargi, mis sisaldavad nulle.
1Leopold Kronecker (1823-1891), saksa matemaatik
I. Determinandid 5
2.4 Naide (ulesanne)
Arendame kolmandat jarku determinandi teise rea ja kolmandaveeru jargi∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣ = −a21
∣∣∣∣a12 a13
a32 a33
∣∣∣∣ + a22
∣∣∣∣a11 a13
a31 a33
∣∣∣∣− a23
∣∣∣∣a11 a12
a31 a32
∣∣∣∣= +a13
∣∣∣∣a21 a22
a31 a32
∣∣∣∣− a23
∣∣∣∣a11 a12
a31 a32
∣∣∣∣ + a33
∣∣∣∣a11 a12
a21 a22
∣∣∣∣Vorduste kehtivuse kontrollimise jatame lugejale.
3 Determinantide omadusi ja arvutamine
Arendusvalemid on determinantide arvutamiseks uldiselt liiga too-mahukad. Mugavam on arvutada determinante alljargnevate oma-duste abil. Enne aga defineerime kolmnurkse determinandi.
3.1 Kolmnurkne determinant
Utleme, et determinant on kolmnurksel kujul ehk kolmnurkne, kuitema peadiagonaalist allpool (ulalpool) asetsevad elemendid onnullid.
3.2 Determinantide omadusi
Teoreem 2. Determinantidel on jargmised omadused.
1) Kolmnurkne determinant vordub peadiagonaali elementidekorrutisega.
2) Kui determinandis on kaks uhesugust rida (veergu), siis ondeterminant null.
3) Determinant ei muutu, kui tema read kirjutada umber veer-gudena (loomulikus jarjestuses).
4) Vahetame determinandis kaks rida (veergu). Tulemus vordubesialgse determinandi vastandarvuga.
6 I. Determinandid
5) Korrutame determinandi mingit rida (veergu) arvuga. Tule-mus vordub esialgse determinandi ja arvu korrutisega. Tei-siti oeldes voib determinandi rea voi veeru uhise teguri tuuadeterminandi markide ette.
6) Determinant ei muutu, kui reale (veerule) liita arvkordne tei-ne rida (veerg).
7) Olgu determinandi mingi rea (veeru) iga element kahe lii-detava summa. Siis avaldub determinant kahe determinan-di summana. Esimeses determinandis on vaadeldavas reas(veerus) esimesed liidetavad ja teise determinandi vaadelda-vas reas (veerus) teised liidetavad. Ulejaanud read (veerud)on endised.
3.3 Determinantide arvutamine
Kasutades ulaltooduid determinantide omadusi, teisendame deter-minandi kolmnurkseks ning seejarel kasutame omadust 1) teoree-mist 2.
3.4 Naide
Arvutame determinandi omaduste abil∣∣∣∣∣∣∣∣4 3 −5 03 2 0 −51 0 −2 30 1 −3 4
∣∣∣∣∣∣∣∣↔ III
= −
∣∣∣∣∣∣∣∣1 0 −2 33 2 0 −54 3 −5 00 1 −3 4
∣∣∣∣∣∣∣∣−3I−4I
= −
∣∣∣∣∣∣∣∣1 0 −2 30 2 6 −140 3 3 −120 1 −3 4
∣∣∣∣∣∣∣∣ = −2 · 3
∣∣∣∣∣∣∣∣1 0 −2 30 1 3 −70 1 1 −40 1 −3 4
∣∣∣∣∣∣∣∣−II−III
= −6
∣∣∣∣∣∣∣∣1 0 −2 30 1 3 −70 0 −2 30 0 −4 8
∣∣∣∣∣∣∣∣−2III
= −6
∣∣∣∣∣∣∣∣1 0 −2 30 1 3 −70 0 −2 30 0 0 2
∣∣∣∣∣∣∣∣= −6 · 1 · 1 · (−2) · 2 = 24
I. Determinandid 7
4 Ulesandeid
4.1 Ulesanne
Arenda determinant teise rea ning kolmanda veeru jargi ning ar-vuta tema vaartus molemal viisil. Vordle tulemusi.∣∣∣∣∣∣∣∣
4 3 −5 03 2 0 −51 0 −2 30 1 −3 4
∣∣∣∣∣∣∣∣4.2 Ulesanne
Arvuta determinant omaduste (vt teoreem 2) abil.∣∣∣∣∣∣∣∣∣∣3 6 5 6 45 9 7 8 66 12 13 9 74 6 6 5 42 5 4 5 3
∣∣∣∣∣∣∣∣∣∣= · · · = 5
4.3 Vandermonde’i determinant
Arvuta n-jarku Vandermonde’i determinant
Vn(x1, . . . , xn) :=
∣∣∣∣∣∣∣∣∣∣∣
1 1 . . . 1x1 x2 . . . xn
x21 x2
2 . . . x2n
......
. . ....
xn−11 xn−1
2 . . . xn−1n
∣∣∣∣∣∣∣∣∣∣∣= · · · =
∏k>i
(xk − xi)
II. Maatriksarvutus
1 Maatriksi moiste ja elementaartehted
1.1 Maatriksi moiste
Maatriksiks nimetame (arvuliste elementidega) tabelit, mille ele-mendid on paigutatud (korrastatud) ridadeks ja veergudeks.
Olgu aij ∈ R ning i = 1, . . . , k, j = 1, . . . , n. Need arvudpaigutame maatriksisse A jargmiselt:
A :=
a11 a12 . . . a1n
a21 a22 . . . a2n...
.... . .
...ak1 ak2 . . . akn
:= (aij)
Elemendis aij naitab esimene indeks (i) rida (reaindeks), teine in-deks (j) osutab veergu (veeruindeks), kus element aij asetseb. Ar-vupaari k×n := (k, n) nimetatakse maatriksi A jarguks. Selgusehuvides voib maatriksi jarku naidata ka tahistuses, nt (aij)k×n.
Kui k = n, siis oeldakse, et A on ruutmaatriks. Ruutmaatriksijarguks nimetame lihtsalt selle maatriksi ridade (ehk veergude) ar-vu. Elementide jarjendit a11, a22, . . . nimetatakse (ruut)maatriksiA peadiagonaaliks.
Koigi k×n-jarku reaalarvuliste elementidega maatriksite hul-ka tahistame edaspidi Matk×n := Matk×n(R).
1.2 Aritmeetilised vektorid
Uherealisi ja uheveerulisi maatrikseid nimetatakse ka (aritmeeti-listeks) vektoriteks. Aritmeetiliste vektorite elemente nimetataksetavaliselt vektori koordinaatideks ehk komponentideks.
Aritmeetiliste vektorite hulgadeks on seega Mat1×n ja Matk× 1.Maatriksi ridadest moodustatud uherealisi maatrikseid nime-
tatakse maatriksi reavektoriteks. Maatriksi veergudest moodusta-tud uheveerulisi maatrikseid nimetatakse maatriksi veeruvektori-teks.
1
2 II. Maatriksarvutus
1.3 Maatriksite vordsus
Oeldakse, et maatriksid A = (aij) ja B = (bij) on vordsed jakirjutatakse A = B, kui
1) neil on uhesugused jargud,2) nende vastavad elemendid on vordsed, s.t aij = bij .
1.4 Maatriksite liitmine
Olgu A = (aij) ja B = (bij) uhesuguste jarkudega maatriksid.Maatriksite A ja B summaks A + B nimetatakse maatriksit ele-mentidega
(A + B)ij := aij + bij
Teiste sonadega, maatriksite liitmisel liidame vastavad elemendid.
Naide: summa arvutamine
Arvutame maatriksite summa(1 2 34 5 6
)+(
3 −2 1−6 4 −5
)=(
1 + 3 2− 2 3 + 14− 6 5 + 4 6− 5
)=(
4 0 4−2 9 1
)
1.5 Maatriksi korrutamine arvuga
Maatriksi A = (aij) ja arvu α ∈ R korrutiseks αA nimetataksemaatriksit elementidega (αA)ij := αaij . Korrutis Aα defineeritak-se valemiga (Aα)ij := aijα. Ilmselt Aα = αA, sest (arvude korral)aijα = αaij .
Teiste sonadega, maatriksi korrutamisel arvuga korrutame an-tud arvuga maatriksi koik elemendid.
II. Maatriksarvutus 3
Naide: korrutise arvutamine
Arvutame maatriksi ja arvu korrutise
3(
3 −2 1−6 4 −5
)=(
3 · 3 −3 · 2 3 · 1−3 · 6 3 · 4 −3 · 5
)=(
9 6 3−18 12 −15
)=(
3 −2 1−6 4 −5
)3
1.6 Nullmaatriks
Maatriksit, mille koik elemendid on nullid, nimetatakse nullmaat-riksiks ehk nulliks ja tahistatakse
0 :=
0 0 . . . 00 0 . . . 0...
.... . .
...0 0 . . . 0
:= (0ij)
Paneme tahele, et nullmaatriksi tahistamiseks kasutame arvu 0(null). Lugeja peab kontekstist moistma, millal on tegemist arvuga0 ja millal nullmaatriksiga.
Seda mugavat kahemottelist tahistust on tulikas valtida. Sel-guse huvides voib nullmaatriksi jarku naidata ka tahistuses, nt0k×n on k×n-jarku nullmaatriks. Nullmaatriksi jarku tavaliselt eiekponeerita, see selgub kontekstist. Naiteks nullmaatriksi liitmis-el mingi teise maatriksiga peavad summa eksisteerimiseks jargudolema uhesugused.
Lause 1 (nullmaatriksi neutraalsus). A + 0 = A = 0 + A
Toestus. Toepoolest
(A + 0)ij = aij + 0ij = aij + 0= aij
= 0 + aij = 0ij + aij
= (0 + A)ij
4 II. Maatriksarvutus
1.7 Vastandmaatriks
Maatriksi A vastandmaatriksiks nimetatakse maatriksit −A :=(−1)A. Teiste sonadega, vastandmaatriksi elemendid on maatriksielementide vastandarvud, s.t (−A)ij := −aij .
Lause 2. A + (−A) = 0 = −A + A
Toestus. Toepoolest
[A + (−A)]ij = aij + (−A)ij = aij − aij
= 0 = 0ij
= −aij + aij = (−A)ij + aij
= [−A + A]ij
2 Maatrikstehete omadusi
2.1 Elementaarsed omadused
Maatrikstehete lihtsamaid omadusi kirjeldame jargmiselt.
Teoreem 3. Olgu A,B, C uhesuguste jarkudega maatriksid ningα, β ∈ R. Siis
1) A + B = B + A (liitmise kommutatiivsus),2) (A + B) + C = A + (B + C) (liitmise assotsiatiivsus),3) A + 0 = A = 0 + A (nullmaatriksi neutraalsus),4) A + (−A) = 0 = −A + A (vastandmaatriksi olemasolu),5) α(A + B) = αA + αB (distributiivsus),6) (α + β)A = αA + βA (distributiivsus),7) α(βA) = (αβ)A (arvuga korrutamise assotsiatiivsus),8) 1A = A (unitaalsus).
Toestus. Me juba toestasime omaduse 3) lausega 1 ja omaduse 4)lausega 2. Toestame veel omaduse 5). Arvutame
[α(A + B)]ij = α(A + B)ij = α(aij + bij) = αaij + αbij
= (αA)ij + (αB)ij = (αA + αB)ij
Ulejaanud omadused toestatakse analoogiliselt.
II. Maatriksarvutus 5
2.2 Maatriksite vahe
Maatriksite A ja B vahe A−B defineeritakse valemiga
A−B := A + (−B)
Maatrikstehete omadusi illustreerib hasti jargmise teoreemitoestus.
Teoreem 4. Vorrandi A + X = B ainus lahend on X = B −A.
Toestus. Naitame koigepealt, et B −A on vorrandi lahend:
A + (B −A) = A + B + (−A) = A + B + (−1)A= 1A + (−1)A + B = [1 + (−1)]A + B
= 0A + B = 0 + B = B
Olgu Y veel mingi lahend, s.t A + Y = B. Siis
Y = 0 + Y = (−A + A) + Y = −A + (A + Y )= −A + B = B + (−A) = B −A
mis utlebki, et lahend B −A on ainus.
Jareldus 5. Vorrandi A + X = A ainus lahend on nullmaatriks.
Seda omadust kasutatakse sageli nullmaatriksi defineerimiseks.Nullmaatriks defineeritakse siis kui vorrandi A + X = A (ainus)lahend.
Jareldus 6. Vorrandi A + X = 0 ainus lahend on maatriksi Avastandmaatriks −A.
Seda omadust kasutatakse sageli vastandmaatriksi defineeri-miseks. Maatriksi A vastandmaatriks −A defineeritakse siis kuivorrandi A + X = 0 (ainus) lahend.
6 II. Maatriksarvutus
3 Maatriksite korrutamine
3.1 Aritmeetiliste vektorite skalaarkorrutis
Aritmeetiliste vektorite u := (u1, . . . , un) ja v := (v1, . . . , vn) ska-laarkorrutiseks nimetatakse arvu
(u|v) := u1v1 + u2v2 + . . . + unvn =n∑
s=1
usvs
Naide
Olgu u = (2,−3, 4,−5) ja v = (4, 5, 2,−3). Siis
(u|v) = 2 · 4− 3 · 5 + 4 · 2 + 5 · 3 = 16
3.2 Maatriksite korrutamine
Olgu A ∈ Matk×n ja B ∈ Matn× l. Maatriksite A ja B korrutiseksnimetatakse maatriksit AB ∈ Matk× l, mille i-ndas reas ja j-indasveerus asetseb maatriksi A i-nda reavektori ja maatriksi B j-indaveeruvektori skalaarkorrutis
(AB)ij := ai1b1j + ai2b2j + . . . + ainbnj =n∑
s=1
aisbsj
Tahelepanek
1) Korrutise AB eksisteerimiseks peab maatriksi A veergudearv vorduma maatriksi B ridade arvuga. Seda korrutise ek-siteerimise eeldust voib nimetada tegurite jarkude koosolatingimuseks.
2) Korrutises AB on samapalju ridu kui maatriksis A ja sama-palju veerge kui maatriksis B.
II. Maatriksarvutus 7
Naide: erinevat jarku maatriksite korrutis
(3 −1 20 1 4
) 2 10 2
−1 0
=(
3·2−1·0−2·1 3·1−1·2+2·00·2+1·0−4·1 0·1+1·2+4·0
)=(
4 1−4 2
) 2 1
0 2−1 0
(3 −1 20 1 4
)=(
2·3+1·0 −2·1+1·1 2·2+1·40·3+2·0 0·1+2·1 0·2+2·4
−1·3+0·0 1·1+0·1 −1·2+0·4
)
=
6 −1 80 2 8
−3 1 −2
Naide: rea- ja veeruvektorite korrutised
(1, 2, 3
)456
=(1 · 4 + 2 · 5 + 3 · 6
)=(32)
456
(1, 2, 3)
=
4 · 1 4 · 2 4 · 35 · 1 5 · 2 5 · 36 · 1 6 · 2 6 · 3
4 8 125 10 156 12 18
Naide: ruutmaatriksite korrutised
(1 23 4
)(5 67 8
)=(
1 · 5 + 2 · 7 1 · 6 + 2 · 83 · 5 + 4 · 7 3 · 6 + 4 · 8
)=(
19 2243 46
)(
5 67 8
)(1 23 4
)=(
5 · 1 + 6 · 3 5 · 2 + 6 · 47 · 1 + 8 · 3 7 · 2 + 8 · 4
)=(
23 3431 46
)3.3 Maatrikskorrutise mittekommutatiivsus
Oeldakse, et maatriksid A ja B kommuteeruvad, kui AB = BA.Eelmised naited utlevad, et maatrikskorrutamine on uldiselt mit-tekommutatiivne tehe, s.t AB 6= BA. Korrutamine on uldiseltmittekommutatiivne ka siis, kui tegurid on ruutmaatriksid.
8 II. Maatriksarvutus
Avaldist [A,B] := AB−BA (kui leidub) nimetatakse maatrik-site A ja B kommutaatoriks ehk Lie korrutiseks. Kommutaator onmaaratud vaid uhesuguste jarkudega ruutmaatriksite korral. Kom-mutaatori omadusi vaatleme allpool (teoreem 9).
3.4 Nullitegurid
Arvutame
(6 9
−4 −6
)2
:=(
6 9−4 −6
)(6 9
−4 −6
)=(
6 · 6− 9 · 4 6 · 9− 9 · 6−4 · 6 + 6 · 4 −4 · 9 + 6 · 6
)=(
0 00 0
)
Tulemus utleb, et leidub A 6= 0 nii, et korrutis AA = 0. Osutub,et korrutis AB voib olla null (AB = 0) ka siis, kui molemad te-gurid on nullist erinevad ja A 6= B. Seda omadust nimetataksenullitegurite olemasoluks.
Naide
(0 10 0
)︸ ︷︷ ︸nullitegur
(1 00 0
)︸ ︷︷ ︸nullitegur
=(
0 · 1 + 1 · 0 0 · 0 + 1 · 00 · 1 + 0 · 0 0 · 0 + 0 · 0
)=(
0 00 0
)= 02× 2
Korrutades aga teises jarjekorras, saame
(1 00 0
)(0 10 0
)=(
1 · 0 + 0 · 0 1 · 1 + 0 · 00 · 0 + 0 · 0 0 · 1 + 0 · 0
)=(
0 10 0
)6= 02× 2
Uhtlasi veendusime veelkord maatrikskorrutise mittekommutatiiv-suses.
II. Maatriksarvutus 9
3.5 Uhikmaatriks
Ruutmaatriksit, mille peadiagonaalil on uhed ning mujal nullid,nimetame uhikmaatriksiks ehk uhikuks ehk uheks ning tahistame
I :=
1 0 . . . 00 1 . . . 0...
.... . .
...0 0 . . . 1
:= (Iij) := (δij)
Siin δij on Kroneckeri sumbol. Uhikmaatriksi tahistamiseks kasu-tatakse sageli ka arvu 1. Sellisel juhul peab kontekstist moistma,millal on tegemist arvuga 1 ja millal uhikmaatriksiga.
Uhikmaatriksi korrutamisel mingi teise maatriksiga peavad te-gurite jargud olema kooskolas. Selguse huvides voib uhikmaatriksijarku naidata ka tahistuses, nt In on n-jarku uhikmaatriks. Uhik-maatriksi (nagu ka nullmaatriksi) jarku tavaliselt ei eksponeerita,see selgub kontekstist.
Naide: madalamat jarku uhikmaatriksid
I1 := (1), I2 := ( 1 00 1 ) , I3 :=
(1 0 00 1 00 0 1
)jne
3.6 Maatrikskorrutise omadusi
Maatrikskorrutise lihtsamad omadused votame kokku jargmiselt.
Teoreem 7. Olgu maatriksid A,B, C sellised, et allpool esinevadtehted on maaratud ning α ∈ R. Siis
1) (AB)C = A(BC) (korrutamise assotsiatiivsus)2) (A±B)C = AC ±BC (korrutamise distributiivsus)3) A(B ± C) = AB ±AC (korrutamise distributiivsus)4) (αA)B = α(AB) = A(αB)
(arvuga korrutamise assotsiatiivsus)5) I A = A = A I (unitaalsus)6) det AB = detA · det B
10 II. Maatriksarvutus
Toestus. Toestame naiteks omaduse 2)
[(A + B)C]ij = (A + B)i1c1j + . . . + (A + B)incnj
= (ai1 + bi1)c1j + . . . + (ain + bin)cnj
= ai1c1j + . . . + aincnj︸ ︷︷ ︸(AC)ij
+ bi1c1j + . . . + bincnj︸ ︷︷ ︸(BC)ij
= (AC)ij + (BC)ij = (AC + BC)ij
mis toestabki noutava vorduse. Ulejaanud omadustest 1)−5) toes-tatakse analoogiliselt. Omadus 6) toestatakse determinantide teoo-rias.
Naide: ruutude vahe valem
Lause 8. Maatriksid A ja B olgu uhesuguse jarguga ruutmaatrik-sid. Siis
(A + B)(A−B) = A2 −B2 − [A,B]
Toestus. Toepoolest
(A + B)(A−B) = A(A−B) + B(A−B)= AA−AB + BA−BB
= A2 −B2 − [A,B]
Seega
(A + B)(A−B) = A2 −B2 ⇐⇒ [A,B] = 0
mis utleb, et ruutude vahe valemit voib kasutada siis ja ainult siis,kui maatriksid A ja B kommuteeruvad.
3.7 Maatrikskorrutise omadusi: Poissoni-Lie algebra
Teoreem 9. Maatriksid A,B, C olgu uhesuguse jarguga ruutmaat-riksid ning α ∈ R. Siis
1) [A,B] = −[B,A] (antisummeetria)
II. Maatriksarvutus 11
2) [A±B,C] = [A,C]± [B,C] (aditiivsus)
3) [αA, B] = [A,αB] = α[A,B] (homogeensus)
4) [A,BC] = [A,B]C + B[A,C] (Leibnizi valem)
5) [[A,B], C] + [[B,C], A] + [[C,A], B] = 0 (Jacobi identsus)
Omadused 1)− 5) on nn Poissoni-Lie algebra definitsioonseo-sed. Neid algebraid kasutatakse laialdaselt mehhaanikas.
4 Transponeerimine ja selle omadusi
4.1 Transponeerimine
Maatriksi A ∈ Matk×n transponeeritud maatriksiks nimetataksemaatriksit AT ∈ Matn× k, mille veergudeks on maatriksi A read(loomulikus jarjestuses).
Naide
Transponeerime maatriksi
A=(
1 2 34 5 6
)∈ Mat2× 3 ⇒ AT =
1 42 53 6
∈ Mat3× 2
⇒ (AT )T =(
1 2 34 5 6
)= A ∈ Mat2× 3
Naide
Transponeerime reavektori
a = (1, 2, 3, 4) ∈ Mat1× 4 ⇒ aT =
1234
∈ Mat4× 1
⇒ (aT )T = (1, 2, 3, 4) = a ∈ Mat1× 4
12 II. Maatriksarvutus
4.2 Summeetria ja antisummeetria
Maatriksit A nimetatakse summeetriliseks, kui AT = A, ning an-tisummeetriliseks, kui AT = −A.
Tahelepanek
Nii summeetrilised kui ka antisummeetrilised maatriksid on ruut-maatriksid. Antisummeetrilise maatriksi peadiagonaalil asetsevadnullid.
Naide
Selles naites on A summeetriline ja B antisummeetriline maatriks
A =
3 1 −11 3 2
−1 2 1
=⇒ AT =
3 1 −11 3 2
−1 2 1
= A
B =
0 −1 21 0 −4
−2 4 0
=⇒ BT =
0 1 −2−1 0 4
2 −4 0
= −B
Teoreem 10 (transponeerimise omadusi). Maatriksid A ja Bolgu sellised, et allpool esinevad tehted on maaratud ning α ∈ R.Siis
1) (AT )T = A
2) (αA)T = αAT
3) (A±B)T = AT ±BT
4) (AB)T = BT AT
5) det AT = detA
Paneme tahele tegurite jarjekorra muutumist omaduses 4).
Lause 11. Iga ruutmaatriksi A korral on maatriks A+AT summeetrilineja maatriks A−AT antisummeetriline.
II. Maatriksarvutus 13
Toestus. Toepoolest
(A + AT )T = AT + (AT )T = AT + A
(A−AT )T = AT − (AT )T = AT −A = −(A−AT )
Teoreem 12. Iga ruutmaatriks on uheselt esitatav summeetriliseja antisummeetrilise maatriksi summana.
Toestus. Vordus
A =12(A + AT )︸ ︷︷ ︸
summeetriline
+12(A−AT )︸ ︷︷ ︸
antisummeetriline
koos lausega 11 utleb, et selline esitus (avaldis) leidub. Uhesusenaitamiseks oletame, et A = B + C, kus B on summeetriline ja Cantisummeetriline maatriks. Siis ilmselt AT = BT + CT = B−C.Vorranditest {
A = B + C
AT = B − C
jareldub, et B = 12(A + AT ) ja C = 1
2(A−AT ).
5 Poordmaatriks, selle omadusi jaarvutamine
5.1 Poordmaatriks
Ruutmaatriksi A poordmaatriksiks nimetatakse sellist maatriksitB, mis rahuldab tingimust AB = I = BA.
Lause 13 (poordmaatriksi ainsus). Kui maatriksil on olemaspoordmaatriks, siis on ta maaratud uheselt.
Toestus. Olgu B ja C maatriksi A poordmaatriksid, s.t
AB = I = BA ja AC = I = CA
Arvutame kasutades maatrikskorrutise assotsiatiivsust
B = IB = (CA)B = C(AB) = C I = C
14 II. Maatriksarvutus
5.2 Pooratavus
Maatriksit nimetatakse pooratavaks ehk regulaarseks, kui tal lei-dub poordmaatriks. Pooratava maatriksi A (ainsat) poordmaatrik-sit tahistatakse A−1 := 1
A , s.t
AA−1 = I = A−1A
Mittepooratavat maatriksit nimetatakse singulaarseks.
5.3 Poordmaatriksi omadusi
Poordmaatriksi omadusi kirjeldame kokkuvotvalt jargmiselt.
Teoreem 14. Olgu maatriksid A,B ning arv α ∈ R sellised, etallpool esinevad tehted on maaratud. Siis
1) I−1 = I
2) (A−1)−1 = A
3) (AB)−1 = B−1A−1
4) (αA)−1 = α−1A−1
5) (AT )−1 = (A−1)T
6) det A · det A−1 = 1
Toestus. Toestame naiteks omaduse 3). Arvutame
(AB)(B−1A−1) = A(BB−1)A−1 = A I A−1 = AA−1 = I
(B−1A−1)(AB) = B−1(A−1A)B = B−1 I B = B−1B = I
mis utleb, et B−1A−1 on maatriksi AB poordmaatriks. Ulejaanudomadustest 1)− 5) toestatakse analoogiliselt. Omadus 6) jareldubvalemist det A · det B = detAB.
Paneme tahele tegurite jarjekorra muutumist omaduses 3).
II. Maatriksarvutus 15
5.4 Poordmaatriksi olemasolu ja arvutamine
Teoreem 15. Ruutmaatriks A on pooratav parajasti siis, kui det A 6=0. Olgu Aij maatriksi A = (aij) elemendi aij alamdeterminant.Siis
A−1 :=1A
=1
det A
A11 A12 . . . A1n
A21 A22 . . . A2n...
.... . .
...An1 An2 . . . Ann
T
Toestus. Kasuta determinantide arendusteoreeme.
5.5 Naide
Arvutame maatriksi
A =
1 −2 22 1 11 0 1
poordmaatriksi. Koigepealt arvutame determinandi
det A =
∣∣∣∣∣∣1 −2 22 1 11 0 1
∣∣∣∣∣∣ =∣∣∣∣∣∣1 −2 20 1 −10 2 −1
∣∣∣∣∣∣ =∣∣∣∣∣∣1 −2 20 1 −10 0 1
∣∣∣∣∣∣ = 1
Nuud leiame alamdeterminandid
A11 = (−1)1+1
∣∣∣∣1 10 1
∣∣∣∣ = 1
A12 = (−1)1+2
∣∣∣∣2 11 1
∣∣∣∣ = −1
A13 = (−1)1+3
∣∣∣∣2 11 0
∣∣∣∣ = −1
A21 = (−1)2+1
∣∣∣∣−2 20 1
∣∣∣∣ = 2
16 II. Maatriksarvutus
A22 = (−1)2+2
∣∣∣∣1 21 1
∣∣∣∣ = −1
A23 = (−1)2+3
∣∣∣∣1 −21 0
∣∣∣∣ = −2
A31 = (−1)3+1
∣∣∣∣−2 21 1
∣∣∣∣ = −4
A32 = (−1)3+2
∣∣∣∣1 22 1
∣∣∣∣ = 3
A33 = (−1)3+3
∣∣∣∣1 −22 1
∣∣∣∣ = 5
Siis saame
A−1 =1
det A
A11 A12 A13
A21 A22 A23
A31 A32 A33
T
=11
1 −1 −12 −1 −2
−4 3 5
T
=
1 2 −4−1 −1 3−1 −2 5
5.6 Naide
Arvutame peast(a bc d
)−1
=1
ad− bc
(d −b
−c a
)
5.7 Ortogonaalmaatriksid
Ruutmaatriksit A nimetatakse ortogonaalmaatriksiks, kui
AAT = I = AT A
Ortogonaalmaatriksi A korral ilmselt A−1 = AT . Ortogonaalmaat-riksid kirjeldavad poordeid eukleidilistes ruumides.
II. Maatriksarvutus 17
5.8 Maatriksite jagamisest
Maatriksite mittekommutatiivsuse tottu uldiselt
A−1B 6= BA−1, s.t1A
B 6= B1A
Siit jareldub, et tahistus (jagatis) BA on kahemotteline. Regulaarse
A korral on jagamistehteid uldiselt kaks, parem- ja vasakpoolne:
B/A := BA−1, A\B := A−1B, det A 6= 0
Vaid kommuteeruvate maatriksite korral on jagatis uheselt defi-neeritud ning tahistus B
A korrektne.
6 Maatriksvorrandid
Maatriksvorrandites on oluline tundmatu maatriksi asetus korru-tistes. Vaatleme vaid lihtsamaid lineaarseid maatriksvorrandeid.
6.1 Tundmatu maatriks X on korrutises paremal
Lause 16. Regulaarse maatriksi A korral on vorrandi AX = Bainus lahend X = A−1B.
Toestus. Naitame koigepealt, et A−1B on vorrandi AX = B la-hend. Toepoolest
A(A−1B) = (AA−1)B = IB = B
Olgu Y veel mingi lahend, s.t AY = B. Siis
Y = IY = (A−1A)Y = A−1(AY ) = A−1B
Siit jareldub, et A−1B on vorrandi AX = B ainus lahend.
Seega maatriksi X avaldamiseks vorrandist AX = B peameseda vorrandit korrutama maatriksiga A−1 vasakult.
Jargnevad laused toestatakse analoogiliselt.
18 II. Maatriksarvutus
6.2 Tundmatu maatriks X on korrutises vasakul
Lause 17. Regulaarse maatriksi A korral on vorrandi XA = Bainus lahend X = BA−1.
Seega maatriksi X avaldamiseks vorrandist XA = B peameseda vorrandit korrutama maatriksiga A−1 paremalt.
6.3 Tundmatu maatriks X on korrutises keskel
Lause 18. Regulaarsete maatriksite A,B korral on vorrandi AXB =C ainus lahend X = A−1CB−1.
Seega maatriksi X avaldamiseks vorrandist AXB = C peameseda vorrandit korrutama maatriksiga A−1 vasakult ja maatriksigaB−1 paremalt.
6.4 Naide
Lahendada maatriksvorrand1 −2 22 1 11 0 1
X =
30
−2
Tundmatu maatriks X on korrutises paremal. Kasutame lauset 16.Maatriksi
(1 −2 22 1 11 0 1
)poordmaatriksi arvutasime naites 5.5. Seega
X =
1 −2 22 1 11 0 1
−1 30
−2
=
1 2 −4−1 −1 3−1 −2 5
30
−2
=
1 · 3 + 2 · 0 + 4 · 2−1 · 3− 1 · 0− 3 · 2−1 · 3− 2 · 0− 5 · 2
=
11− 9−13
Lahendi kontrollimiseks arvutame1 −2 2
2 1 11 0 1
11− 9−13
=
1 · 11 + 2 · 9− 2 · 132 · 11− 1 · 9− 1 · 131 · 11− 0 · 9− 1 · 13
=
30
−2
II. Maatriksarvutus 19
7 Maatriksargumendiga funktsioonid
7.1 Maatriksi aste
Olgu n on positiivne taisarv ning A ruutmaatriks. Maatriks An
defineeritakse valemiga
An := AA · · ·A︸ ︷︷ ︸n korda
Kui A on regulaarne maatriks, siis leidub poordmaatriks A−1.Maatriks A−n defineeritakse valemiga
A−n := (A−1)n = A−1A−1 · · ·A−1︸ ︷︷ ︸n korda
Kui n = 0, siis A0 := I.
7.2 Maatrikspolunoom
Avaldistp(A) := a0 I +a1A + · · ·+ anAn
kus n on mittenegatiivne taisarv, nimetatakse maatrikspolunoo-miks. Samuti oeldakse, et p(A) on polunoomi
p(x) := a0 + a1x + · · ·+ anxn
vaartus kohal A.
7.3 Maatriksastmeread
Olgu antud (koonduv) astmerida
f(x) =∞∑
n=0
anxn, |x| < r (koonduvusraadius)
Sellele reale seame vastavussse maatriksastmerea
f(x) =∞∑
n=0
anAn
20 II. Maatriksarvutus
ning utleme, et f(A) on funktsiooni f(x) vaartus kohal A. Vaiki-misi eeldame, et rida f(A) koondub samuti.
Seega, funktsiooni f(x) arendame (kui voimalik) koonduvasseastmeritta, seejarel asendame muutuja x maatriksiga A.
Naiteid
Monedele elementaarfunktsioonidele vastavad maatriksread:
eA :=∞∑
n=0
An
n!
sinA :=∞∑
n=0
(−1)nA2n+1
(2n + 1)!
cos A :=∞∑
n=0
(−1)nA2n
(2n)!
ln(I +A) :=∞∑
n=0
(−1)nAn+1
n + 1
(I−A)−1 =1
I−A:=
∞∑n=0
An
Definitsioon 19. Kui leidub arv λ ja vektor v 6= 0 nii, et Av =λv, siis oeldakse, et λ on maatriksi A omavaartus ja vektor v onmaatriksi A (omavaartusele λ vastav) omavektor.
Teoreem 20. Maatriksrida f(A) koondub parajasti siis, kui vas-tav astmetrida f(λ) koondub maatriksi A iga omavaartuse λ kor-ral.
Teoreem 21. Kui f(A) koondub ning λ on A omavaartus, siisf(λ) on maatriksi f(A) omavaartus.
II. Maatriksarvutus 21
8 Ulesandeid
8.1 Ulesanne
Lahendada lineaarne maatriksvorrandite susteem ja kontrollida la-hendit.
X + Y =
(0 1
−1 0
)
2X + 3Y =
(0 −22 0
)
8.2 Ulesanne
Lihtsustada avaldised
A(3B − C) + (A− 2B)C + 2B(C + 3A) = · · · = 3AB + 5BA
A(BC − CD)−A(B − C)D + AB(D − C) = · · · = 0
8.3 Ulesanne
Leida ( 1 10 1 )n.
8.4 Ulesanne
Leida D(α)D(β), D−1(α) ja Dn(α) (n ∈ N), kui
D(α) :=(
cos α − sinαsinα cos α
), α ∈ R
Veenduda, et D(α) on ortogonaalmaatriks.
8.5 Ulesanne
Toestada, et maatriks(
a bc d
)rahuldab ruutvorrandit
x2 − (a + d)x + ad− bc = 0
22 II. Maatriksarvutus
8.6 Ulesanne
Lahendada maatriksvorrand ja kontrollida lahendit.(1 23 4
)X =
(3 45 9
)
8.7 Ulesanne
Lahendada maatriksvorrand ja kontrollida lahendit.
X
(3 −25 −4
)=(−1 2−5 6
)
8.8 Ulesanne
Lahendada maatriksvorrand ja kontrollida lahendit.(3 −15 −2
)X
(5 67 8
)=(
14 169 10
)
IV. Lineaarvorrandisusteemid
1 LVS ja tema lahend
1.1 Tahistusi ja moisteid
Lineaarvorrandisusteemiks (LVS-iks) nimetatakse jargmist vorran-disusteemi:
a11x1 + a12x2 + · · ·+ a1nxn = y1
a21x1 + a22x2 + · · ·+ a2nxn = y2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .ak1x1 + ak2x2 + · · ·+ aknxn = yk
Siin
• aij on LVS-i kordajad,• yi on LVS-i vabaliikmed,• xi on LVS-i tundmatud.
Tundmatute arv n ja vorrandite arv k on soltumatud. LVS-i korda-jate maatriksit A = (aij) nimetatakse lihtsalt LVS-i maatriksiks.LVS-i maatriksi laiendamisel vabaliikmete veeruga (laheb viima-seks veeruks) saadakse LVS-i laiendatud maatriks
a11 a12 . . . a1n y1
a21 a22 . . . a2n y2...
.... . .
......
ak1 ak2 . . . akn yk
LVS on ilmselt uheselt maaratud oma laiendatud maatriksiga.
1.2 Lahendi moiste
Arvude jarjendit nimetatakse vorrandisusteemi lahendiks, kui
1) jarjendi elementide arv vordub susteemi tundmatute arvuga,2) jarjendi elementide asendamine (loomulikus jarjestuses) sus-
teemi mis tahes vorrandisse tundmatute asemele muudabselle vorrandi samasuseks.
1
2 IV. Lineaarvorrandisusteemid
1.3 Lahenduvusega seotud moisteid
Susteemi nimetatakse kooskolaliseks, kui tal leidub vahemalt ukslahend. Oeldakse, et susteemi on maaratud, kui tal leidub parajastiuks lahend. Susteemi nimetatakse vasturaakivaks, kui tal puuduvadlahendid.
Naide
Vorrand 0x = 0 on kooskolaline (lopmata palju lahendeid). Vor-rand 2x = 6 on maaratud (parajasti uks lahend). Vorrand 0x = 1on vasturaakiv (lahendid puuduvad).
2 LVS-i maatrikskuju
Defineeerime maatriksid
A =
a11 a12 . . . a1n
a21 a22 . . . a2n...
.... . .
...ak1 ak2 . . . akn
, x =
x1
x2...
xn
, y =
y1
y2...
yk
Siis LVS 1.1 on samavaarne maatriksvorrandiga
a11 a12 . . . a1n
a21 a22 . . . a2n...
.... . .
...ak1 ak2 . . . akn
x1
x2...
xn
=
y1
y2...
yk
Samavaarsuses voib veenduda maatriksarvutuse reeglite abil. Kor-rutades maatriksid A ja x, saame maatriksvorduse
a11x1 + a12x2 + · · ·+ a1nxn
a21x1 + a22x2 + · · ·+ a2nxn
. . . . . . . . . . . . . . . . . . . . . . . . . . .ak1x1 + ak2x2 + · · ·+ aknxn
=
y1
y2...
yk
IV. Lineaarvorrandisusteemid 3
mille vastavate elementide vordsustamine annabki susteemi 1.1vorrandid.
Seega LVS-i saab kompaktselt esitada maatrikskujul, maat-riksvorrandina Ax = y. Vorrandi Ax = y lahendi all moistamesellist aritmeetilist (veeru)vektorit, mille asendamisel vorrandissesaame (maatriks)samasuse.
3 Homogeense LVS-i omadusi
3.1 Homogeenne LVS
LVS-i nimetatakse homogeenseks, kui vabaliikmed on nullid, s.ty1 = · · · = yk = 0.
Homogeennne LVS on seega jargmine:
a11x1 + a12x2 + · · ·+ a1nxn = 0a21x1 + a22x2 + · · ·+ a2nxn = 0. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .ak1x1 + ak2x2 + · · ·+ aknxn = 0
Homogeenne LVS on samavaarne maatriksvorrandiga Ax = 0.
3.2 Kooskolalisus
Lause 1. Homogeenne LVS on kooskolaline.
Toestus. Toepoolest, homogeense LVS-i uheks lahendiks on nn tri-viaalne lahend x = 0 (nullvektor).
3.3 Triviaalne lahend ja mittetriviaalsed lahendid
Homogeense LVS-i Ax = 0 lahendit x = 0 nimetatakse triviaalsekslahendiks.
Homogeense LVS-i ulejaanud lahendeid (kui leiduvad) nimeta-takse mittetriviaalseteks.
4 IV. Lineaarvorrandisusteemid
3.4 Lahendite omadusi
Teoreem 2. Olgu a ja b homogeense LVS-i Ax = 0 lahendid, s.tAa = 0 = Ab. Siis a + b ja αa on samuti lahendid.
Toestus. Toepoolest, kasutades maatrikstehete omadusi, saame
1) A(a + b) = Aa + Ab = 0 + 0 = 02) A(αa) = (Aα)a = (αA)a = α(Aa) = α0 = 0
Seega homogeense LVS-i lahendihulk (kui aritmeetilise vektor-ruumi alamhulk) on kinnine liitmise ja arvuga korrutamise suhtes.
3.5 Kui tundamatute arv = vorrandite arv (n = k)
Kui n = k ja detA 6= 0, siis homogeensel LVS-il leidub vaid tri-viaalne lahend. Kui n = k, siis mittetriviaalse lahendi olemasolukspeab detA = 0.
Toestus. Toepoolest, kui n = k, siis regulaarse A korral on vorran-di Ax = 0 parajasti uks lahend, selleks on x = A−10 = 0.
4 Crameri peajuht ja valemid
4.1 Crameri peajuht
Oeldakse, et LVS-i korral on tegemist Crameri 1 peajuhuga, kui
1) tundmatute arv vordub vorrandite arvuga,2) susteemi maatriksi determinant erineb nullist.
4.2 Tahistusi
Crameri peajuhul on LVS jargmise kujuga:
a11x1 + a12x2 + · · ·+ a1nxn = y1
a21x1 + a22x2 + · · ·+ a2nxn = y2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .an1x1 + an2x2 + · · ·+ annxn = yn
1Gabriel Cramer (1704− 1752), sveitsi matemaatik
IV. Lineaarvorrandisusteemid 5
kusjuures detA 6= 0. Maatriksil A leidub siis teatavasti poordmaat-riks A−1.
Olgu Ai maatriks, mis on saadud maatriksist A i-nda veeruasendamisel LVS-i vabaliikmete veeruga.
4.3 Crameri valemid
Teoreem 3. Crameri peajuhul on LVS-il parajasti uks lahend.Lahend avaldub valemitega
xi =detAi
detA, i = 1, . . . , n
Toestus. Kasuta poordmaatriksit.
5 LVS-i omadusi
LVS-i kooskolalisust kirjeldab nn Kroneckeri-Capelli 2 teoreem.
5.1 Kroneckeri-Capelli teoreem (astakutingimus)
Teoreem 4. LVS on kooskolaline parajasti siis, kui tema maat-riksi astak vordub laiendatud maatriksi astakuga.
5.2 Ulesanne
Naidata, et susteem
2x1 + 7x2 + x3 + 3x4 = 63x1 + 5x2 + 2x3 + 2x4 = 49x1 + 4x2 + 7x3 + x4 = 2
on kooskolaline.
2Alfredo Capelli (1855-1910), itaalia matemaatik
6 IV. Lineaarvorrandisusteemid
5.3 Ulesanne
Naidata, et susteemil
4x1 + 2x2 − 5x3 + 3x4 = 46x1 + 4x2 − 7x3 − 5x4 = − 63x1 + x2 − 4x3 + 7x4 = 10
puuduvad lahendid. Uurida (selgitada) pohjust.
5.4 Lahendite arvust
Teoreem 5. Kooskolalisel LVS-il 1.1 on
1) parajasti uks lahend kui n = r(A),2) lopmata palju lahendeid, kui n > r(A).
6 Uld- ja erilahend
6.1 Uld- ja erilahendi moiste
LVS-i uldlahend on selline parameetritest soltuv lahend, mis ra-huldab jargmist tingimust: parameetritele arvvaartuste omistami-se teel on voimalik saada antud LVS-i koik lahendid.
Lahendeid, mis saadakse uldlahendist parameetritele (koigilevoi osale neist) arvvaartuste omistamise teel, nimetatakse LVS-ierilahenditeks.
6.2 Vabad tundmatud
Osutub, et LVS-i uldlahendi parameetreid saab valida tundmatutehulgast. Tundmatuid, mis on valitud uldlahendi parameetriteks,nimetatakse vabadeks tundmatuteks.
LVS-i vabade tundmatute arvu (v. t. a.) leidmiseks voib kasu-tada jargmist teoreemi.
Teoreem 6. Kooskolalise LVS-i maatriksi astak vordub tundma-tute arvu ja vabade tundmatute arvu vahega.
IV. Lineaarvorrandisusteemid 7
Meil on seega lihtne valem
v.t.a. = t.a.− r
Kui susteemil on vahemalt uks vaba tundmatu, siis on tal ilmseltlopmata palju lahendeid.
6.3 Homogeense LVS-i mittetriviaalse lahendiolemasolu
Teoreem 7. Kui homogeensel LVS-il on tundmatute arv suuremvorrandite arvust, siis leidub tal mittetriviaalne lahend.
Toestus. Olgu LVS 1.1 homogeenne (y1 = · · · = yk = 0) ning olgutundmatute arv suurem vorrandite arvust, s.t n > k. Olgu r sellisesusteemi maatriksi astak. Ilmselt r ≤ k, r ≤ n ning
v.t.a. = n− r
= (n− k) + (k − r)> 0
Seega on teoreemi eeldustel LVS-i uldlahendis vahemalt uks vabatundmatu. Siit jareldubki, et antud juhul leidub LVS-il mittetri-viaalseid lahendeid.
7 Gaussi meetod
Nuud selgitame LVS-ide lahendamist elementaarteisendustega, mi-da kirjanduses tuntakse ka Gaussi 3 meetodi nime all.
7.1 LVS-ide ekvivalentsus
Oeldakse, et LVS-id on ekvivalentsed ehk samavaarsed, kui neil onuhesugused lahendihulgad, s.t esimese LVS-i iga lahend on teiseLVS-i lahendiks ja vastupidi, teise LVS-i iga lahend on esimeseLVS-i lahendiks.
LVS-ide ekvivalentsuse tahistamiseks kasutame sumbolit ∼3Carl Friedrich Gauss (1777-1855), saksa matemaatik
8 IV. Lineaarvorrandisusteemid
7.2 Ekvivalentsi omadusi
1) Refleksiivsus: iga LVS on ekvivalentne iseendaga, s.t LV S ∼LV S.
2) Summeetria: kui LV S(1)∼LV S(2), siis LV S(2)∼LV S(1).3) Transitiivsus: kui LV S(1) ∼ LV S(2) ja LV S(2) ∼ LV S(3),
siis LV S(1) ∼ LV S(3).
7.3 LVS-i elementaarteisendused
LVS-i esimest liiki elementaarteisenduseks nimetatakse LVS-i mistahes vorrandi labikorrutamist nullist erineva arvuga.
LVS-i teist liiki elementaarteisenduseks nimetatakse LVS-i min-gile vorrandile sama susteemi mone teise arvkordse vorrandi liit-mist.
LVS-i elementaarteisenduseks nimetatakse ka LVS-i vorranditejarjestuse muutmist. See elementaarteisendus ei ole aga soltuma-tu, vaid on realiseeritav esimest ja teist liiki elementaarteisendustekompositsioonina (analoogiline maatriksi ridade jarjestuse muut-misega).
Teoreem 8. LVS-i elementaarteisendused ei muuda LVS-i lahen-dihulka.
Toestus. Soovitav toestada iseseisva harjutusena.
7.4 Trepikujuline LVS
Utleme, et LVS on trepikujuline, kui tema kordajate maatriks ontreppmaatriks.
7.5 Gaussi meetodi idee
Gaussi meetod on LVS-ide okonoomne lahendusmeetod elemen-taarteisenduste abil. Meetodi aluseks on tahelepanek, et LVS-ielementaarteisendusi voib sooritada maatriksesituses, kasutades
IV. Lineaarvorrandisusteemid 9
LVS-i laiendatud maatriksi (peamiselt ridade) elementaarteisen-dusi. LVS teisendatakse elementaarteisendudte abil ekvivalentseletreppkujule. Meetod voimaldab
1) leida LVS-i maatriksi ja tema laiendatud maatriksi astakud,2) kontrollida astakutingimust (kooskolalisust),3) selekteerida valja vabad tundmatud (kui leiduvad),4) kooskolalisuse korral leida LVS-i koik lahendid, olemasolu
korral uldlahend.
7.6 Gaussi meetod (LVS-i lahendamine)
1) Kirjutame valja LVS-i laiendatud maatriksi, eraldades sel-gelt vabaliikmete veeru.
2) Kasutades ridade elementaarteisendusi, teisendame LVS-ilaiendatud maatriksi ekvivalentsele treppkujule. Veergudeelementaarteisendustest on lubatud vaid veergude jarjestusemuutimine, sellega kaasneb tundmatute jarjestuse muutmi-ne.
3) Leiame LVS-i maatriksi ja laiendatud maatriksi astakud ningkontrollime astakutingimust.
4) Kooskolalisuse korral leiame LVS-i vabade tundmatute arvu.5) Kirjutame valja LVS-i ekvivalentse treppkuju.6) Tundmatud selekteerime juhtivateks ja (olemasolu korral)
vabadeks. Juhttundmatud asetsevad treppmaatriksi juhtele-mentide korval.
7) LVS-i ekvivalentsest treppkujust avaldame juhttundmatudvabaliikmete ja (olemasolu korral) vabade tundmatute kau-du. Kasutada saab
a) asendusmeetodit,b) Crameri valemeid,c) poordmaatriksit.
8) Kirjutame valja koik lahendid, olemasolu korral uldlahendi,naidates ara vabad tundmatud.
9) Kahtluse korral kontrollime lahendit. Uldlahendi asendami-sel LVS-i vorranditesse peavad vabad tundmatud koonduma.
10 IV. Lineaarvorrandisusteemid
7.7 Gaussi meetodi kokkuvote
LVS teisendatakse ekvivalentsele kujule nii, et eralduksid vabadtundmatud. Tulemus kuulutatakse uldlahendiks ja lahendaminelopetatuks. Juhttundmatute avaldamine on vaid mugavuse kusi-mus.
7.8 Naide
Lahendada LVS
2x1 + 7x2 + x3 + 3x4 = 63x1 + 5x2 + 2x3 + 2x4 = 49x1 + 4x2 + 7x3 + x4 = 2
Lahendus
Selle susteemi laiendatud maatriks
A =
2 7 1 3 63 5 2 2 49 4 7 1 2
Ridade elementaarteisendustega leidsime, et maatriksiga A ekvi-valentne treppmaatriks on
1 − 2 −1 −1 − 20 11 −1 5 100 0 0 0 0
Vahetades nuud (murdude valtimiseks jargnevates arvutustes) tei-se ja kolmanda veeru, saame
A ∼
1 1 − 2 −1 − 20 −1 11 5 100 0 0 0 0
Ilmselt r(A) = 2 ja susteemi v. t. a. = 4− 2 = 2.
IV. Lineaarvorrandisusteemid 11
Kirjutame valja esialgse LVS-iga ekvivalentse susteemi
1x1 + 1x3 − 2x2 − 1x4 = − 20x1 − 1x3 + 11x2 + 5x4 = 100x1 + 0x3 + 0x2 + 0x4 = 0
Triviaalsed liikmed ja vorrandid eemaldame ning juhttundmatudraamime . Siis saame
{x1 + x3 − 2x2 − x4 = − 2
− x3 + 11x2 + 5x4 = 10
Vabadeks (parameetriteks) loeme tundmatud x2 ja x4. Nuud aval-dame juhttundmatud x1, x3 vabaliikmete ja vabade tundmatutex2, x4 kaudu. Seda on mugav teha nii, et koigepealt avaldame x3
teisest vorrandist. Saame
x3 = −10 + 11x2 + 5x4
Edasi arvutame esimesest vorrandist
x1 = −2− x3 + 2x2 + x4
= −2− (−10 + 11x2 + 5x4) + 2x2 + x4
= 8− 9x2 − 4x4
Uldlahend on
x1 = 8− 9x2 − 4x4
x3 = −10 + 11x2 + 5x4
x2, x4 − vabad tundmatud
Kahtluse korral kontrollime lahendit. Uldlahendi asendamisel sus-teemi vorranditesse peavad vabad tundmatud koonduma. Kontrol-lime (uld)lahendit naiteks esimese vorrandiga
2x1 + 7x2 + 1x3 + 3x4 = 2(8− 9x2 − 4x4) + 7x2
+ (−10 + 11x2 + 5x4) + 3x4
= 6 =⇒ 6 = 6
Ulejaanud vorranditega kontrollitakse lahendit analoogiliselt.
12 IV. Lineaarvorrandisusteemid
8 Ulesandeid
8.1 Ulesanne
Lahendada LVS ja kontrollida lahendit
3x1 − 2x2 + 5x3 + 4x4 = 26x1 − 4x2 + 4x3 + 3x4 = 39x1 − 6x2 + 3x3 + 2x4 = 4
8.2 Ulesanne
Lahendada LVS ja kontrollida lahendit
−6x1 + 9x2 + 3x3 + 2x4 = 4−2x1 + 3x2 + 5x3 + 4x4 = 2−4x1 + 6x2 + 4x3 + 3x4 = 3
8.3 Ulesanne
Lahendada LVS ja kontrollida lahendit
3x1 + 4x2 + x3 + 2x4 = 36x1 + 8x2 + 2x3 + 5x4 = 79x1 + 12x2 + 3x3 + 10x4 = 13
8.4 Ulesanne
Lahendada LVS ja kontrollida lahendit
6x1 + 4x2 + 5x3 + 2x4 + 3x5 = 13x1 + 2x2 + 4x3 + x4 + 2x5 = 33x1 + 2x2 − 2x3 + x4 = −79x1 + 6x2 + x3 + 3x4 + 2x5 = 2
IV. Lineaarvorrandisusteemid 13
8.5 Ulesanne
Lahendada maatriksvorrand ja kontrollida lahendit
X
(2 −14 −2
)=
(1 32 6
)
8.6 Ulesanne
Lahendada maatriksvorrand ja kontrollida lahendit(
2 −14 −2
)X =
(1 32 6
)
V. Kompleksarvud
1 Kompleksarvu moiste ja esitusi
1.1 Kompleksarvu moiste
Kompleksarvuks nimetatakse reaalarvuliste elementidega teist jar-ku ruutmaatriksit, milles
1) peadiagonaali elemendid on vordsed,2) korvaldiagonaalil asetsevad teineteise vastandarvud.
Koigi kompleksarvude hulka tahistame C ja nimetame kompleks-arvude korpuseks.
1.2 Tahistusi
Seega maatriks z = ( z11 z12z21 z22 ) ∈ C, kui
1) z11 = z22 ∈ R,2) z12 = −z21 ∈ R.
Mugav on tahistada
z11 = z22 = a ∈ R, z12 = −z21 = −b ∈ R
Avaldist
z =(
a −bb a
)∈ C
nimetame kompleksarvu z maatrikskujuks ehk maatriksesituseks.
Naide
(2 −33 2
) ∈ C,(
π√
2−√2 π
)∈ C,
(−π
√2
−√2 π
)/∈ C,
(π√
2√2 π
)/∈ C
1
2 V. Kompleksarvud
1.3 Reaal- ja imaginaarosa
Arvu a ∈ R nimetatakse kompleksarvu z =(
a −bb a
) ∈ C reaalosaksja tahistatakse a = Re z. Arvu b ∈ R nimetatakse kompleksarvuz =
(a −bb a
) ∈ C imaginaarosaks ja tahistatakse b = Im z.
1.4 Uhik, imaginaaruhik ja null
Kompleksarvu I := ( 1 00 1 ) := 1, s.t teist jarku uhikmaatriksit ni-
metatakse uhikuks ehk uheks. Kompleksarvu i :=(
0 −11 0
)nime-
tatakse imaginaaruhikuks. Kompleksarvu 0 := ( 0 00 0 ) nimetatakse
nulliks.
Lause 1. Iga kompleksarv avaldub uheselt uhiku ja imaginaaruhikulineaarkombinatsioonina kujul C 3 z = (Re z) I +(Im z)i.
Toestus. Toepoolest
(Re z) I = (Re z)(
1 00 1
)=
(Re z 0
0 Re z
)
(Im z)i = (Im z)(
0 −11 0
)=
(0 − Im z
Im z 0
)
Liites saame
(Re z) I+(Im z)i =(
Re z 00 Re z
)+
(0 − Im z
Im z 0
)
=(
Re z − Im zIm z Re z
)= z
mis toestabki noutava vorduse. Uhesus jareldub kergesti maatrik-site vordsuse definitsioonist.
Markus
Korrutamist uhikuga (uhega) I tavaliselt ei eksponeerita. Seegakirjutatakse
z = Re z + (Im z)i = Re z + i Im z
V. Kompleksarvud 3
1.5 Kompleksarvu algebraline kuju (esitus)
Avaldistz = Re z + i Im z = a + ib
nimetatakse kompleksarvu z algebraliseks kujuks ehk (harvemini)algebraliseks esituseks.
Arvutusi kompleksarvudega sooritamegi mitte maatrikskujul,vaid eelistatavalt algebralisel kujul.
1.6 Kompleksarvude vordsuse tunnus
Lause 2. Kompleksarvud on vordsed parajasti siis, kui
1) on vordsed nende reaalosad,2) on vordsed nende imaginaarosad.
Toestus. Kasuta maatriksite vordsuse definitsiooni.
1.7 Kompleksarvu geomeetriline tolgendus (esitus)
Et kompleksarv z = Re z + i Im z soltub kahest reaalarvulisestparameetrist (Re z ja Im z), on kompleksarv reaalarvu tasandili-ne uldistus. Piltlikult oeldes kompleksarv ongi tasandiline (ehk2-mootmeline) arv. Piltlikustamiseks voib kasutada xy-tasandit,kus kompleksarvu z x-koordinaat on Re z ning y-koordinaat onIm z. Sellises tolgenduses nimetatakse xy-tasandit komplekstasan-diks, x-telge nimetatakse reaalteljeks ja y-telge imaginaarteljeks.Kompleksarv esitub uheselt komplekstasandi punktina. Joonisekoostamine jaagu iseseisvaks harjutuseks.
2 Tehted kompleksarvudega
2.1 Idee selgitus
Kompleksarve nimetatakse arvudeks ehk skalaarideks eeskatt sel-leparast, et nendega saab sooritada aritmeetilisi tehteid: liitmist,
4 V. Kompleksarvud
lahutamist, korrutamist ja jagamist. Tehted saab defineerida maat-rikstehetena. Osutub, et tehete tulemuseks on samuti kompleks-arvud, s.t C on kinnine aritmeetiliste tehete suhtes.
2.2 Tehete definitsioon
Kompleksarvude liitmine, lahutamine ja korrutamine defineeritak-se kui maatriksite liitmine, lahutamine ja korrutamine. Kompleks-arvu poordarvuks (kui leidub) on tema poordmaatriks. Jagaminedefineeritakse poordarvu abil, seda selgitame hiljem.
3 Kompleksarvude liitmine ja lahutamine
3.1 Summa ja vahe
Kompleksarvude summa ja vahe defineeritakse kui maatriksitesumma ja vahe.
3.2 Kinnisus
Lause 3. C on kinnine liitmise ja lahutamise suhtes, s.t komp-leksarvude summa ja vahe on samuti kompleksarv. Kompeksarvudeliitmisel (lahutamisel) liidame (lahutame) reaal- ja imaginaarosaderaldi:
(a1 + b1i)± (a2 + b2i) = (a1 ± a2) + (b1 ± b2)i
Toestus. Toepoolest, kasutades (vaikimisi) maatrikstehete oma-dusi, arvutame
(a1 + b1i)± (a2 + b2i) = a1 + b1i± a2 ± b2i
= a1 ± a2 + b1i± b2i
= (a1 ± a2)± (b1 ± b2) ∈ C
V. Kompleksarvud 5
3.3 Naide: summa ja vahe arvutamine
Arvutame summa
(2− 5i) + (−1 + 7i) = 2− 5i− 1 + 7i = 2− 1− 5i + 7i
= (2− 1) + (−5 + 7)i = 1 + 2i
Arvutame vahe
(2− 5i)− (−1 + 7i) = 2− 5i + 1− 7i = 2 + 1− 5i− 7i
= (2 + 1)− (5 + 7)i = 3− 12i
4 Kompleksarvude korrutamine
4.1 Korrutise moiste
Kompleksarvude korrutamine defineeritakse kui maatriksite kor-rutamine. Korrutamistehet voimaluse korral ei eksponeerita, s.tz1z2 := z1 · z2.
Korrutamist illustreerime koigepealt naidetega.
4.2 Naide: imaginaaruhiku ruut
Kasutades maatrikskorrutist, arvutame
i2 := ii =(
0 −11 0
)(0 −11 0
)=
(−1 00 −1
)= −1
(1 00 1
)
= −1 I = − I = −1
kus viimaste vorduste valjakirjutamisel arvestasime seda, et kor-rutamist uhikutega (tavaliselt) ei eksponeerita. Uhikute mitteeks-poneerimine on heas kooskolas tahistusega I = 1.
4.3 Markus: imaginaaruhiku moistest
Seost i2 = −1 loetakse sageli imaginaaruhiku definitsiooniks jakirjutatakse i :=
√−1. Imaginaaruhik√−1 ei ole tolgendatav
6 V. Kompleksarvud
reaalarvuna (sest reaalarvude ruudud on mittenegatiivsed), kullaga spetsiifilise teist jarku ruutmaatriksina, nagu eespool veen-dusime. Korrektne on naiteks kirjutada
√−1 :=(
0 −11 0
). Leidub
ka teisi tolgendusi (esitusi).
4.4 Naide: imaginaaruhiku poordaarv
Vorduse i2 = −1 korrutame −1-ga ja kirjutame tulemuse kujul
i(−i) = 1 = (−i)i
See valem utleb, et imaginaaruhiku poordarv avaldub kujul
i−1 =1i
= −i
4.5 Naide: korrutise arvutamine
Kasutades maatrikstehete omadusi, arvutame
(2− 5i)(−4 + 3i) = −2 · 4 + 2(3i) + (5i)4− (5i)(3i)
= −8 + (2 · 3)i + (5 · 4)i− (5 · 3)i2
= (−8 + 15) + (6 + 20)i= 7 + 26i
Muudame tegurite jarjekorda, saame
(−4 + 3i)(2− 5i) = −4 · 2 + 4(5i) + (3i)2− (3i)(5i)
= −8 + (4 · 5)i + (3 · 2)i− (3 · 5)i2
= (−8 + 15) + (20 + 6)i= 7 + 26i
4.6 Korrutise uldvalem
Korrutise uldvalemi esitame jargmise lause toestuses.
Lause 4. C on kinnine korrutamise suhtes, s.t kompleksarvudekorrutis on ka kompleksarv. Korrutamine on kommutatiivne.
V. Kompleksarvud 7
Toestus. Kasutades maatrikstehete omadusi, arvutame korrutise
z2z1 = (a2 + b2i)(a1 + b1i)= a2a1 + a2(b1i) + (b2i)a1) + (b2i)(b1i)
= a2a1 + (a2b1)i + (b2a1)i + (b2b1)i2
= (a2a1 − b2b1) + (a2b1 + b2a1)i ∈ C
Muutes tegurite jarjekorda, saame kommutatiivsuse
z1z2 = (a1a2 − b1b2) + (a1b2 + b1a2)i = z2z1
See on ka korrutise z1z2 uldvalem.
5 Kaaskompleksarv ja konjugeerimine
5.1 Kaaskompleksarvu moiste
Kompleksarvu z = a + bi kaaskompleksarv on z∗ := a− bi. Funkt-siooni z 7→ z∗, s.t kaaskompleksarvu leidmist nimetatakse (komp-leksseks) konjugeerimiseks.
Naide
(2 + 3i)∗ = 2− 3i, (−2− 3i)∗ = −2 + 3i jne.
5.2 Tolgendusi
Geomeetriliselt on kaaskompleksarv antud kompleksarvu peegel-dus reaaltelje suhtes. Maatriksesituses ilmselt z∗ = zT .
5.3 Konjugeerimise omadusi
1) (z∗)∗ = z
2) (z1 ± z2)∗ = z∗1 ± z∗23) (z1z2)∗ = z∗1z
∗2
4) Re z = 12(z + z∗), Im z = 1
2i(z − z∗)
8 V. Kompleksarvud
6 Moodul
6.1 Mooduli moiste
Kompleksarvu z = a + bi moodul |z| defineeritakse valemiga
|z| :=√
a2 + b2
Moodul on ilmselt mittenegatiivne reaalarv.
Naide
|2− 3i| =√
22 + (−3)2 =√
13 jne.
6.2 Tolgendusi
Geomeetriliselt on moodul kompleksarvu (polaar)kaugus koordi-naatide alguspunktist komplekstasandil. Maatriksesituses |z| =√
det z.
6.3 Ruutude summa valem
(a + bi)(a− bi) = a2 + b2
Toestus. Toepoolest, kasutades maatrikstehete omadusi, arvuta-me
(a + bi)(a− bi) = aa− abi + bia− bibi
= a2 − abi + bai− b2i2
= a2 + b2
6.4 Mooduli omadusi
1) zz∗ = |z|2 = z∗z2) |z1z2| = |z1||z2|
Toestus. Esimene valem on ruutude summa valem. Teine valemjaagu iseseisvaks harjutuseks.
V. Kompleksarvud 9
7 Poordarv
7.1 Poordarvu moiste
Kompleksarvu z ∈ C poordarv (kui leidub) on tema poordmaatriksz−1. Teisiti oeldes,
zz−1 = 1 = z−1z
7.2 Tolgendus
Kompleksarv on ortogonaalmaatriks, s.t z−1 = zT .
7.3 Poordarvu omadusi
1) (z−1)−1 = z2) (z1z2)−1 = z−1
1 z−12
7.4 Poordarvu olemaolu ja arvutamine
Teoreem 5. Igal 0 6= z ∈ C leidub parajasti uks poordarv z−1 ∈ Cning see avaldub valemiga
z−1 :=1z
=1|z|2 z∗ =
z∗
|z|2 =1z∗
zz∗
Toestus. Et z 6= 0, siis |z| 6= 0 ning z∗|z|2 on maaratud. Tuleb kont-
rollida poordarvu (poordmaatriksi) definitsioonseoseost
zz∗
|z|2 =zz∗
|z|2 =|z|2|z|2 = 1
Analoogiliselt kontrollitakse vordust z∗|z|2 z = 1. Poordarvu ainsus
jareldub maatriksi poordmaatriksi ainsusest.
7.5 Naide
Leiame i−1
i−1 =1i
=1 · (−i)i · (−i)
=−i
1= −i
10 V. Kompleksarvud
7.6 Naide
Leiame i−99
i−99 =1
i99=
1i4·24+3
=1
i4·24 · i3 =1
(i4)24 · i2 · i = −1i
= i
7.7 Naide
Leiame 2− 5i poordarvu
12− 5i
=1(2 + 5i)
(2− 5i)(2 + 5i)=
2 + 5i4− (5i)2
=2 + 5i
4− 25i2=
2 + 5i
4 + 25
=2 + 5i
29
8 Jagamine
Et kompleksarvude korrutamine on kommutatiivne, siis on jaga-mistehe uheselt maaratud.
8.1 Jagatise moiste
Kompleksarvude z1 ja z2 jagatis defineeritakse valemiga
z1
z2:= z1
1z2
=1z2
z1, z2 6= 0
8.2 Jagatise arvutamine
Poordmaatriksi arvutamise asemel on otstarbekam kasutada vale-mit
z1
z2=
z1z∗2
z2z∗2=
z1z∗2
|z2|2
Toestus. Toepoolest, kasutades maatrikskorrutise omadusi, saame
z1
z2= z1
1z2
= z1z∗2|z2|∗ =
z1z∗2
z2z∗2
V. Kompleksarvud 11
8.3 Jagatis algebralisel kujul
Naitame, kuidas jagatis algebralisele kujule teisendada. Kasutadesmaatrikstehete omadusi, arvutame
z1
z2=
a1 + b1i
a2 + b2i=
(a1 + b1i)(a2 − b2i)(a2 + b2i)(a2 − b2i)
=a1a2 − a1b2i + b1ia2 − b1ib2i
a22 − b2
2i2
=a1a2 − a1b2i + b1a2i + b1b2
a22 + b2
2
=a1a2 + b1b2 + (b1a2 − a1b2)i
a22 + b2
2
=a1a2 + b1b2
a22 + b2
2
+b1a2 − a1b2
a22 + b2
2
i
8.4 Naide
Arvutame jagatise
2 + 3i
3− 4i=
(2 + 3i)(3 + 4i)(3− 4i)(3 + 4i)
=6 + 8i + 9i + 12i2
9− 16i2=
6− 12 + 17i9 + 16
=−6 + 17i
25
9 Kompleksarvude omadusi
9.1 Arvutusseadused kompleksarvudega
Teoreem 6. Olgu z, z1, z2, z3 ∈ C. Siis kehtivad jargmised arvu-tusseadused:
1) z1 + z2 = z2 + z1 ( liitmise kommutatiivsus),2) (z1 + z2) + z3 = z1 + (z2 + z3) ( liitmise assotsiatiivsus),3) ∃ 0 ∈ C nii, et z + 0 = z = 0 + z ∀z ∈ C
(nulli 0 olemasolu),
12 V. Kompleksarvud
4) ∀ z ∈ C ∃ − z ∈ C nii, et z + (−z) = 0 = −z + z( vastandarvu −z olemasolu),
5) (z1z2)z3 = z1(z2z3) ( korrutamise assotsiatiivsus),6) z1(z2 + z3) = z1z2 + z1z3 (distributiivsus),7) ∃1 ∈ C nii, et 1z = z (unitaalsus),8) z1z2 = z2z1 ( korrutamise kommutatiivsus),
9) ∀ 0 6= z ∈ C ∃z−1 ∈ C nii, et zz−1 = 1 = z−1z
(poordarvu z−1 olemasolu).
Toestus. Kompleksarvud defineerisime kui erikujulised teist jarkuruutmaatriksid. Tehete omadused 1) − 7) jarelduvad maatriks-tehete vastavatest omadustest. Kommutatiivsuse (omadus 8) japoordarvu olemasolu (omadus 9) toestasime eespool.
9.2 Markus: korpuse moistest
Omadused 8) ja 9) maatriksite korral uldiselt ei kehti. Arvutussea-dused 1) − 9) kehtivad ka ratsionaalarvude ja reaalarvude korral.Need arvutusseadused voetakse aluseks abstraktse korpuse defi-neerimisel. Seda kasitleme hiljem.
10 Ruutvorrand kompleksarvude korpuses
10.1 Idee selgitus
Osutub, et ruutvorrandi ax2 + bx + c = 0 lahendusvalemi
x =−b±√b2 − 4ac
2a
tuletamisel kasutatakse vaid (korpuse) omadusi 1) − 9) (vt ala-punkt 9.1) ja ruutjuuure moistet. Defineerides ruutjuure komp-leksarvude jaoks, voime seda lahendusvalemit kasutada ka komp-leksarvuliste kordajate a, b, c korral.
V. Kompleksarvud 13
10.2 Kompleksarvu ruutjuur
Kompleksarvu z ∈ C ruutjuur√
z defineeritakse valemiga (√
z)2 =z.
10.3 Naide: ruutjuure arvutamine
Leiame√−15− 8i. Tahistame
√−15− 8i = α + βi, α, β ∈ RVastavalt ruutjuure definitsioonile
(α + βi)2 = α2 + 2αβi + β2i2 = α2 − β2 + 2αβi = −15− 8i
Reaal- ja imaginaarosad peavad olema vastavalt vordsed{
α2 − β2 = −152αβ = −8
Molemad vorrandid tostame ruutu{(α2 − β2)2 = 225(2αβ)2 = 64
=⇒{
α4 − 2α2β2 + β4 = 2254α2β2 = 64
Liidame saadud vorrandid
α4 − 2α2β2 + β4 + 4α2β2 = 225 + 64 =⇒ (α2 + β2)2 = 289
=⇒ α2 + β2 =√
289 = 17
Teine juur (−17) ei kolba, sest α2 + β2 ≥ 0. Moodustame uuesusteemi
α2 − β2 = −15α2 + β2 = 172αβ = −8
Liidame ja lahutame kaks esimest vorrandit. Saame
2α2 = −15 + 17 = 22β2 = 17 + 15 = 322αβ = −8
=⇒
α2 = 1β2 = 162αβ = −8
14 V. Kompleksarvud
=⇒
α = ±1β = ±42αβ = −8
Et 2αβ = −8 (negatiivne), siis saame kaks lahendit{
α1 = +1, β1 = −4α2 = −1, β2 = +4
ning vorrand 2αβ = −8 on rahuldatud. Kokku vottes on ruutjuu-rel kaks vaartust
√−15− 8i =
{α1 + β1i
α2 + β2i=
{1− 4i
−1 + 4i= ±(1− 4i)
Kontrollime tulemust. Toepoolest
[±(1− 4i)]2 = (1− 4i)2 = 1− 8i + 16i2 = 1− 16− 8i = −15− 8i
10.4 Naide: ruutvorrandi lahendamine
Lahendada ruutvorrand
x2 − (3− 2i)x + (5− i) = 0
Kasutades ruutvorrandi lahendusvalemit, saame
x =3− 2i±
√(3− 2i)2 − 4(5− i)
2
=3− 2i±√9− 12i + 4i2 − 20 + 4i
2
=3− 2i±√−15− 8i
2=
3− 2i± (1− 4i)2
Siin kasutasime ruutjuure√−15− 8i vaartusi naitest 10.3. Nuud
saame
x1 =3− 2i + (1− 4i)
2=
4− 6i
2= 2− 3i
V. Kompleksarvud 15
x2 =3− 2i− (1− 4i)
2=
3− 2i− 1 + 4i2
=2 + 2i
2= 1 + i
Kontrollime esimest juurt. Arvutame
(2− 3i)2 − (3− 2i)(2− 3i) + 5− i
= 4− 12i + 9i2 − 6 + 9i + 4i− 6i2 + 5− i
= (4− 9− 6 + 6 + 5) + (−12 + 9 + 4− 1)i = 0 + 0i = 0
Teist juurt kontrollime analoogiliselt
(1 + i)2 − (3− 2i)(1 + i) + 5− i
= 1 + 2i + i2 − 3− 3i + 2i + 2i2 + 5− i
= (1− 1− 3− 2 + 5) + (2− 3 + 2− 1)i = 0 + 0i = 0
11 Kompleksarvu trigonomeetriline kuju
11.1 Tahistusi ja moisteid
Olgu z = Re z+i Im z ∈ C. Vastavalt kompleksarvu geomeetriliseletolgendusele on reaalosa Re z ja imaginaarosa Im z kompleksarvu zristkoordinaadid komplekstasandil. Lahme ule polaarkoordinaati-dele. Olgu ρ punkti z kaugus koordinaatide alguspunktist (polaar-kaugus) ning ϕ polaarnurk. Lepime kokku: kui nurka ϕ moodamereaaltelje positiivsest poolest vastupaeva, siis ϕ > 0, kui moodamereaaltelje positiivsest poolest paripaeva, siis ϕ < 0.
Uleminekuvalemid polaarkoordinaatidele on jargmised:
ρ =√
(Re z)2 + (Im z)2 = |z|Re z = ρ cosϕ
Im z = ρ sinϕ
Ilmselt tanϕ = Im zRe z . Kasutades uleminekuvalemeid, saame
z = Re z + i Im z = |z| cosϕ + i|z| sinϕ = |z|(cosϕ + i sinϕ)
16 V. Kompleksarvud
Avaldistz = |z|(cos ϕ + i sinϕ)
nimetatakse kompleksarvu z trigonomeetriliseks kujuks (ehk esi-tuseks). Polaarnurka ϕ nimetatakse kompleksarvu z argumendiksning tahistatakse ϕ := Arg z.
Punkti z asukoht komplekstasandil ei muutu, kui argumentiarg z muuta mingi taisarv korda 2π vorra. Seega on kompleksar-vu argument maaratud vaid 2π taisarvulise kordseni. Polaarnurgavaartust arg z, mis rahuldab vorratust −π < arg z ≤ π, nimeta-takse argumendi peavaartuseks. Kompleksarvu argument avalduboma peavaartuse kaudu valemiga
Arg z = arg z + 2kπ, k ∈ Z
Sageli voetakse arg z muutumispiirkonnaks vahemik [0, 2π).
11.2 Kompleksarvude vordsuse tunnustrigonomeetrilises esituses
Lause 7. Kompleksarvud on vordsed parajasti siis, kui
1) nende moodulid on vordsed,2) nende argumentide vahe on 2π kordne.
11.3 Naide (ulesanne)
Leida kompleksarvude ±1± i trigonomeetrilised kujud.
12 Euleri valemid ja kompleksarvueksponentkuju (eksponentesitus)
12.1 Euleri funktsioon
Funktsioonieiϕ := cosϕ + i sinϕ, ϕ ∈ R
V. Kompleksarvud 17
nimetame Euleri1 funktsiooniks. Maatriksesituses ilmselt
eiϕ =(
cosϕ − sinϕsinϕ cosϕ
)
Euleri funktsiooni seost eksponentfunktsiooniga selgitatakse mate-maatilises analuusis, kompleksmuutuja funktsioonide teoorias.
12.2 Kompleksarvu eksponentkuju
Avaldistz = |z|eiϕ
kus ϕ on kompleksarvu z polaarnurk, nimetatakse kompleksarvuz eksponentkujuks (eksponentesituseks).
Naide
1 + i =√
2ei π4 , i = ei π
2 , −1 = eiπ jne.
12.3 Euleri valemid
cosϕ =12(eiϕ + e−iϕ), sinϕ =
12i
(eiϕ − e−iϕ)
Toestus. Kasuta Euleri funktsiooni definitsiooni.
12.4 Euleri funktsiooni omadusi
eiϕ1eiϕ2 = ei(ϕ1+ϕ2),eiϕ1
eiϕ2= ei(ϕ1−ϕ2)
Toestus. Kasuta Euleri funktsiooni definitsiooni ja trigonomeetri-liste funktsioonide omadusi.
1Leonhard Euler (1707− 1783), sveitsi matemaatik
18 V. Kompleksarvud
12.5 De Moivre’i valem
Jargnev valem kannab de Moivre 2 nime.
(eiϕ)n = einϕ, n ∈ N
Toestus. Kasuta matemaatilise induktsiooni meetodit.
12.6 Korrutamine ja jagamine eksponentesituses
z1z2 = |z1||z2|ei(ϕ1+ϕ2),z1
z2=|z1||z2|e
i(ϕ1−ϕ2)
Naide
Arvutame
(1 + i√
3)(1 + i)1− i
√3
=2ei π
3
√2ei π
4
2e−i π3
=√
2ei(π3+π
4+π
3) =
√2ei 11
12π
=√
2[cos(
1112
π) + sin(1112
π)]
13 Algebra pohiteoreem ja uhejuured
13.1 Polunoom
n-astme polunoom Pn(x) ehk hulkliige defineeritakse valemiga
Pn(x) := a0 + a1x + · · ·+ anxn
kus a0, a1, . . . , an−1, 0 6= an ∈ C on polunoomi Pn(x) kordajad, non polunoomi Pn(x) aste, x on polunoomi Pn(x) muutuja (para-meeter).
2Abraham de Moivre (1667− 1754), inglise matemaatik.
V. Kompleksarvud 19
13.2 Polunoomi juur
Arvu x0 ∈ C nimetame polunoomi Pn(x) r-kordseks juureks, kui
1) Pn(x0) = P ′n(x0) = · · · = P
(r−1)n (x0) = 0
2) P(r)n (x0) 6= 0
Naide
Arv x0 = 1 on polunoomi p(x) = x2 − 2x + 1 = (x− 1)2 2-kordnejuur, sest
1) p(1) = p′(1) = 02) p′′(1) = 2 6= 0
Teoreem 8. Kui polunoomi kordajad on reaalsed ning x0 ∈ Con selle polunoomi r-kordne juur, siis ka x∗0 on sama polunoomir-kordne juur.
13.3 Algebra pohiteoreem
Teoreem 9. Igal kompleksarvuliste kordajatega n-astme polunoo-mil leidub parajasti n kompleksarvulist juurt (kordsused kaasa ar-vatud).
13.4 Uhejuured
Polunoomi xn−1 kompleksarvulisi juuri nimetatakse n-jarku uhe-juurteks. Koigi n-jarku uhejuurte hulka tahistatakse n
√1.
13.5 Uhejuurte arvutamine
n√
1 ={
ei 2kπn := cos(
2kπ
n) + i sin(
2kπ
n), k = 0, 1, . . . , n− 1
}
20 V. Kompleksarvud
Toestus. Tahistame εk := ei 2kπn . Kasutades de Moivre’i valemit,
arvutame
(εk)n − 1 =(ei 2kπ
n
)n− 1 = ei 2kπ
nn − 1 = ei2kπ − 1
= cos(2kπ) + i sin(2kπ)− 1 = 1− 1 = 0
Et trigonomeetrilised funktsioonid cos ja sin on perioodilised, siisrohkem juuri pole.
13.6 Uhejuurte geomeetriline tolgendus
n-jarku uhejuured asetsevad komplekstasandil korraparase hulk-nurga tippudes. Hulknurga tipud asetsevad uhikringjoonel, millekeskpunkt on koordinaatide alguspunktis.
13.7 Naide
Leiame 2√
12√
1 ={
ei 2kπ2 , k = 0, 1
}=
{eikπ, k = 0, 1
}= {ei0, eiπ}
= {1,−1} = ±1
13.8 Naide
Leiame 3√
13√
1 ={
ei 2kπ3 , k = 0, 1, 2
}
Arvutame
k = 0: ε0 = ei0 = cos 0 + i sin 0 = 1
k = 1: ε1 = ei 2π3 = cos
2π
3+ i sin
2π
3= −1
2+√
32
i
k = 2: ε2 = ei 4π3 = cos
4π
3+ i sin
4π
3= −1
2−√
32
i
Seega3√
1 =
{1;−1
2±√
32
i
}
V. Kompleksarvud 21
3. jarku uhejuured paiknevad korraparase kolmnurga tippudes.Kolmnurga tipud asetsevad uhikringjoonel, mille keskpunkt onkoordinaatide alguspunktis. Joonise koostamine jaagu iseseisvaksharjutuseks.
13.9 Polunoomi xn − a juured
Polunoomi xn−a koigi kompleksarvuliste juurte hulka tahistataksen√
a.
13.10 n√
a arvutamine
Teoreem 10. Olgu a = |a|eiϕ. Siis
n√
a ={
n√|a|ei ϕ+2kπ
n , k = 0, 1, . . . , n− 1}
kus n√|a| on polunoomi xn − |a| ainus reaalarvuline juur.
Toestus. Analoogiline uhejuurte valemi toestusega.
13.11 Naide
Et i = 1ei π2 , siis
n√
i ={
eiπ2 +2kπ
n , k = 0, 1, . . . , n− 1}
Votame n = 3. Saame
3√
i ={
eiπ2 +2kπ
3 , k = 0, 1, 2}
Leiame 3√
i elemendid algebralisel kujul.
k = 0: x0 = cosπ
6+ i sin
π
6=√
32
+i
2
k = 1: x1 = cos5π
6+ i sin
5π
6= −
√3
2+
i
2
22 V. Kompleksarvud
k = 2: x2 = cos3π
2+ i sin
3π
2= −i
Tulemuseks saame
3√
i =
{±√3 + i
2,−i
}
14 Ulesandeid
14.1 Ulesanne
Arvutada kuupide vahe
(3 + i)3 − (3− i)3 = · · · = 52i
14.2 Ulesanne
Arvutada jagatis
(5 + i)(7− 6i)3 + i
= · · · = 10− 11i
14.3 Ulesanne
Lahendada LVS ja kontrollida lahendit{
iz1 + (1 + i)z2 = 2 + 2i2iz1 + (3 + 2i)z2 = 5 + 3i
14.4 Ulesanne
Lahendada ruutvorrand ja kontrollida lahendit
x2 − (1 + i)x + 6 + 3i = 0
14.5 Ulesanne
Leida kompleksarvude ±1 ± √3i trigonomeetrilised ja ekponent-kujud.
V. Kompleksarvud 23
14.6 Ulesanne
Leida hulga 6√
i elementide trigonomeetrilised kujud.
VI. Vektorruumid
1 Korpuse moiste
Hulka K = {α, β, γ, . . . } nimetatakse korpuseks, kui hulgal K ondefineeritud elementide liitmine ja korrutamine nii, et on taidetudjargmised tingimused:
1) α + β = β + α ∀α, β ∈ K(liitmise kommutatiivsus)
2) (α + β) + γ = α + (β + γ) ∀α, β, γ ∈ K(liitmise assotsiatiivsus)
3) ∃ 0 ∈ K nii, et α + 0 = α = 0 + α ∀α ∈ K(nulli 0 ∈ K olemasolu)
4) ∀α ∈ K ∃ − α ∈ K nii, et α + (−α) = 0 = −α + α(vastandelemendi −α olemasolu)
5) (αβ)γ = α(βγ) ∀α, β, γ ∈ K(korrutamise assotsiatiivsus)
6) α(β + γ) = αβ + αγ ∀α, β, γ ∈ K(distributiivsus)
7) ∃ 1 ∈ K nii, et 1α = α ∀α ∈ K(unitaalsus)
8) αβ = βα ∀α, β ∈ K(korrutamise kommutatiivsus)
9) ∀ 0 6= α ∈ K ∃α−1 ∈ K nii, et αα−1 = 1 = α−1α(poordelemendi α−1 olemasolu)
Korpuse elemente nimetatakse skalaarideks ehk arvudeks. Lisakseeldatakse, et K on kinnine liitmise ja korrutamise suhtes, s.t ska-laaride summad ja korrutised kuuluvad samuti korpusesse K.
Naiteid
Q,R,C
1
2 V. Vektorruumid
2 Vektorruumi moiste ja naited
2.1 Vektorrumi moiste
Hulka V = {a, b, c, . . . } nimetatakse vektorruumiks ule korpuseK, kui on defineeritud hulga V elementide liitmine ja hulga Velementide korrutamine korpuse K skalaaridega nii, et on taidetudjargmised tingimused:
1) a + b = b + a ∀ a, b ∈ V(liitmise kommutatiivsus)
2) (a + b) + c = a + (b + c) ∀ a, b, c ∈ V(liitmise assotsiatiivsus)
3) ∃ o ∈ V nii, et a + o = a = o + a ∀ a ∈ V(nullvektori o ∈ V olemasolu)
4) ∀ a ∈ V ∃ − a ∈ V nii, et a + (−a) = o = −a + a(vastandvektori −a olemasolu)
5) α(a + b) = αa + αb ∀α ∈ K, ∀ a, b ∈ V(distributiivsus)
6) (α + β)a = αa + βa ∀α, β ∈ K, ∀a ∈ V(distributiivsus)
7) α(βa) = (αβ)a ∀α, β ∈ K, ∀ a ∈ V(skalaariga korrutamise assotsiatiivsus)
8) 1a = a ∀ a ∈ V(unitaalsus)
Vektorruumi elemente nimetatakse vektoriteks. Lisaks eeldatak-se, et V on kinnine vektorite liitmise ja skalaaridega korrutamisesuhtes, s.t vektorite summad ja vektorite korrutised skalaaridegakuuluvad vektorruumi V .
Edaspidi eeldame vaikimisi, et K = Q,R voi C. Vastavat vek-torruumi nimetatakse ratsionaalseks, reaalseks voi kompleksseks.
Vektorruumi nullvektori tahistamiseks kasutatakse ka arvu 0.Lugeja peab kontekstist moistma, millal on tegemist arvuga 0 jamillal nullvektoriga. Selguse huvides voib kasutada ka tahistust0V .
VI. Vektorruumid 3
2.2 Naide: nullruum
Nullruumiks nimetatakse vektorruumi O := {o}, milles on uksainuselement - nullvektor o. Nullruumi tahistamiseks voib kasutadajallegi arvu 0. Nullruumi nimetatakse ka triviaalseks vektorruu-miks. Nullruume ule erinevate korpuste tuleb lugeda erinevateks.
2.3 Naide: korpused
Iga korpus on vektorruum ule iseenda.
2.4 Naide: maatriksruumid
Matk×n(K) on vektorruum ule K. Arvutusoperatioonid defineeri-sime II. peatukis.
2.5 Naide: aritmeetilised vektorruumid
Aritmeetilised vektorid on uherealised ja uheveerulised maatriksidelementidega korpusest K. Aritmeetilised vektorruumid on
Kn := Mat1×n(K)= {(x1, . . . , xn)|xi ∈ K} reavektorite ruum
′Kn := Matn× 1(K)
= {(x1, . . . , xn)T |xi ∈ K} veeruvektorite ruum
Tehted aritmeetiliste vektoritega toimuvad maatriksarvutuse reeg-lite kohaselt.
2.6 Naide: geomeetrilised vektorid
Geomeetriline vektor on suunatud sirgloik. Vektorite liitmine defi-neeritakse roopkuliku reegliga. Korrutamine arvuga defineeritakseloigu pikendamise voi luhendamise teel ja negatiivsete arvude kor-ral veel lisaks suuna muutmisega vastupidiseks.
4 V. Vektorruumid
2.7 Naide: loigus pidevate funktsioonide ruum
Olgu C[a, b] koigi loigus [a, b] pidevate reaalarvuliste vaartustegafunktsioonide hulk. Olgu f, g ∈ C[a, b] ning α ∈ R. Tehted defi-neerime jargmiselt:
1) (f + g)(x) := f(x) + g(x) ∀x ∈ [a, b],2) (αf)(x) := αf(x) ∀x ∈ [a, b],3) o(x) := 0 ∀x ∈ [a, b] (nullfunktsioon),4) (−f)(x) := −f(x) ∀x ∈ [a, b] (vastandfunktsioon).
Ulaltoodud tehete suhtes on C[a, b] vektorruum ule R (matemaa-tilise analuusi teoreem). Analoogiliselt defineeritakse diferentsee-ruvate ja siledate funktsioonide ruumid.
2.8 Naide: homogeense LVS-i lahendiruum
Kirjutame homogeense LVS-i maatrikskujul, Ax = 0. Ilmselt null-vektor o on lahend (nn triviaalne lahend), sest Ao = o. Olgu a jab lahendid, s.t Aa = o = Ab. Siis a + b ja αa on samuti lahendid,sest maatrikstehete omaduste jargi
1) A(a + b) = Aa + Ab = o + o = o
2) A(αa) = (Aα)a = (αA)a = α(Aa) = αo = o
Seega homogeense LVS-i lahendihulk (kui aritmeetilise vektorruu-mi alamhulk) on kinnine liitmise ja arvuga korrutamise suhtes. Siitjareldub, et homogeense LVS-i lahendiruum on vektorruum.
3 Vektorite omadusi
3.1 Esimest liiki lineaarne vektorvorrand
Lause 1. Vorrandil αx = v leidub ∀ 0 6= α ∈ K ja v ∈ V korralparajasti uks lahend. Selleks lahendiks on vektor
x =v
α:= α−1v ∈ V
VI. Vektorruumid 5
Toestus. Naitame koigepealt, et α−1v on vorrandi αx = v lahend.Toepoolest
α(α−1v) = (αα−1)v = 1v = v.
Olgu y veel mingi lahend, s.t αy = v. Siis ilmselt
y = 1y = (α−1α)y = α−1(αy) = α−1v.
Tulemus utleb, et α−1v on vorrandi αx = v ainus lahend.
3.2 Nullvektori ainsus
Lause 2. Vektorruumis on parajasti uks nullvektor.
Toestus. Olgu o′ samuti nullvektor. Siis{
o′ + o = o
o + o′ = o′o′+o=o+o′=⇒ o′ = o
3.3 Koondamisreegel
Lause 3. Olgu a, u, v vektorruumi V vektorid.
Kui a + u = a + v, siis u = v
Toestus. Ilmselt
−a + (a + u) = −a + (a + v)
Kasutades koigepealt liitmise assotsiatiivsusest, seejarel vastand-vektori ja nullvektori definitsiooni, saame viimasest vordusest
(−a + a) + u = (−a + a) + v =⇒ o + u = o + v =⇒ u = v
3.4 Vastandvektori uhesus
Lause 4. Igal vektoril on parajasti uks vastandvektor.
Toestus. Olgu b ∈ V samuti vektori a ∈ V vastandvektor, s.ta + b = o. Et a + (−a) = o, siis ilmselt
a + b = o = a + (−a)
Kasutades koondamisreeglist 3.3 saame b = −a.
6 V. Vektorruumid
3.5 Vahevektor
Vektorite a ja b vahe a− b defineeritakse valemiga
a− b := a + (−b)
3.6 Teist liiki lineaarne vektorvorrand
Lause 5. Vorrandil a + x = b leidub ∀ a, b ∈ V korral parajastiuks lahend. Selleks lahendiks on x = b− a ∈ V .
Toestus. Naitame koigepealt, et b−a on vorrandi a+x = b lahend.Toepoolest
a + (b− a) = a + b− a = (a− a) + b = o + b = b
Olgu y veel mingi lahend, s.t a + y = b. Siis ilmselt
a + y = b = a + (b− a)
Kasutades koondamisreeglit 3.3, saame y = b − a, s.t b − a onvorrandi a + x = b ainus lahend.
3.7 Naide
Vorrandi a + x = a ainus lahend on x = a− a = o, s.t nullvektor.
3.8 Naide
Vorrandi a + x = o ainus lahend on x = o− a = −a, s.t vektori avastandvektor.
3.9 Vektori korrutamine nulliga
Lause 6. 0a = o ∀ a ∈ V
Toestus. Toepoolest,
o + 0a = 0a = (0 + 0)a = 0a + 0a
millest koondamisreegli pohjal 0a = o.
VI. Vektorruumid 7
3.10 Nullvektori korrutamine skalaariga
Lause 7. αo = o ∀α ∈ K
Toestus. Toepoolest,
o + αo = αo = α(o + o) = αo + αo
millest koondamisreegli pohjal αo = o.
3.11 Vastandvektori arvutamine
Lause 8. −a = (−1)a ∀ a ∈ V
Toestus. Toepoolest,
a + (−1)a = 1a + (−1)a = (1− 1)a = 0a = o = a + (−a)
millest koondamisreegli pohjal (−1)a = −a.
3.12 Vektori korrutamine vastandarvuga
Lause 9. (−α)a(A)= −(αa)
(B)= α(−a) ∀α ∈ K, ∀ a ∈ V
Toestus. Toestame koigepealt vorduse (A). Peame naitama, et(−α)a on vektori αa vastandvektor. Toepoolest
αa + (−α)a = (α− α)a = 0a = o =⇒ (−α)a = −(αa)
Nuud arvutame
(−α)a = (−α1)a = [α(−1)]a = α[(−1)a] = α(−a)
mis viib noutud vorduseni (B).
8 V. Vektorruumid
3.13 Nullitegurite puudumine vektorruumis
Lause 10. Vektorruumis puuduvad nullitegurid, s.t
αa = o ⇐⇒ α = 0 voi a = o
Toestus. =⇒ : Olgu αa = o. Oletame vastuvaiteliselt, et leiduvadnullitegurid, s.t α 6= 0 ja a 6= o. Siis ∃α−1 ∈ K ning
a = 1a = (α−1α)a = α−1(αa) = α−1o = o
mis on vastuolus oletusega, et a 6= o. Tulemus (vastuolu) utleb, etkorrutises αa = o peab vahemalt uks teguritest olema null.
⇐=: Olgu α = 0 voi a = o. Siis αa = o eespool toestatudLausete 6 ja 7 pohjal.
3.14 Naide
Avaldada vektorid x, y vektorite a, b kaudu, kui{
x− 4y = a
2x + 3y = b
Esitame susteemi maatrikskujul(
1 −42 3
) (xy
)=
(ab
)
Olgu A =(
1 −42 3
). Siis A−1 = 1
11
(3 4
−2 1
)ning
(xy
)=
(1 −42 3
)−1 (ab
)=
111
(3 4
−2 1
) (ab
)=
111
(3a + 4b
−2a + b
)
Seega {x = + 3
11a + 411b
y = − 211a + 1
11b
VI. Vektorruumid 9
Kahtluse korral kontrollime lahendit. Kontrollime lahendit naiteksesimese vorrandiga
x− 4y =311
a +411
b− 4(− 211
a +111
b)
=311
a +411
b +811
a− 411
b = a
Teise vorrandiga kontrollitakse lahendit analoogiliselt.
4 Lineaarne soltuvus
4.1 Lineaarkombinatsioonid
Vektorite v1, . . . , vn ∈ V lineaarkombinatsiooniks (LK-ks) korda-jatega α1, . . . , αn ∈ K nimetatakse avaldist (vektorit)
α1a1 + · · ·+ αnan ∈ V
Selle vektori kohta oeldakse ka, et ta avaldub lineaarselt vektoritev1, . . . , vn kaudu.
Lineaarkombinatsiooni nimetatakse triviaalseks, kui koik temakordajad on nullid. Lineaarkombinatsiooni nimetatakse mittetri-viaalseks, kui tal leidub vahemalt uks nullist erinev kordaja.
Naide
1) 1a, 1o, 1o + 0a on mittetriviaalsed LK-d,2) 0a ja 0o on triviaalsed LK-d.
4.2 Lineaarne soltuvus ja soltumatus
Vektorisusteemi (VS-i) {v1, . . . , vn} nimetatakse lineaarselt soltu-vaks, kui antud susteemi vektorite mingi mittetriviaalne LK vor-dub nullvektoriga. Vastasel juhul, s.t kui nullvektoriga vorduvatmittetriviaalset lineaarkombinatsiooni ei leidu, nimetatakse VS-ilineaarselt soltumatuks.
10 V. Vektorruumid
Sageli raagitakse vektorisusteemi lineaarse soltuvuse ja soltu-matuse asemel (susteemi kuuluvate) vektorite lineaarsest soltuvu-sest ja soltumatusest.
4.3 Naide: tuhihulga lineaarne soltumatus
Kui VS on tuhihulk, siis susteemi vektorite lineaarkombinatsiooneei leidu. Puuduvad nii triviaalsed kui ka mittetriviaalsed LK-d.Seega tuhihulk on lineaarselt soltumatu.
4.4 Naide
Uurime VS-i
e1 := (1, 0, 0, . . . , 0)e2 := (0, 1, 0, . . . , 0). . . . . . . . . . . . . . . . . . .en := (0, 0, 0, . . . , 1)
lineaarset soltuvust. Peame uurima vorrandit (seost)
α1e1 + α2e2 + · · ·+ αnen = o
Tundmatud on α1, . . . , αn. Arvutame
α1e1 = α1(1, 0, 0, . . . , 0) = (α1, 0, 0, . . . , 0)α2e2 = α2(0, 1, 0, . . . , 0) = (0, α2, 0, . . . , 0). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .αnen = αn(0, 0, 0, . . . , 1) = (0, 0, 0, . . . , αn)
Liites saame
α1e1 + α2e2 + · · ·+ αnen = (α1, α2, . . . , αn)= o = (0, 0, . . . , 0)
Siit jareldub, etα1 = α2 = · · · = αn = 0
Tulemus utleb, et VS {e1, e2, . . . , en} on lineaarselt soltumatu.
VI. Vektorruumid 11
4.5 Vektorisusteem koosneb uhest vektorist
Lause 11. VS, mis koosneb ainult nullvektorist, on lineaarseltsoltuv
Toestus. Toepoolest, siis leidub nullvektoriga vorduv mittetrivi-aalne LK: 1o = o.
Lause 12. Uhest vektorist koosnev VS on lineaarselt soltumatuparajasti siis, kui see vektor ei ole nullvektor.
Toestus. =⇒ : Olgu {v} lineaarselt soltumatu. Siis v 6= o, sest {o}oleks lineaarselt soltuv, mis on vastuolus eeldusega.
⇐=: Kui v 6= o, siis vordusest αv = o jareldub (nulliteguritepuudumise tottu) α = 0. Seega ei leidu nullvektoriga vorduvatmittetriviaalset lineaarkombinatsiooni, s.t VS {v 6= o} peab olemalineaarselt soltumatu.
Lause 13. Uhest vektorist koosnev VS on lineaarselt soltuv para-jasti siis, kui see vektor on nullvektor.
Toestus. =⇒ : Olgu VS {v} lineaarselt soltuv. Kui v ei oleks null-vektor, siis eelnenud lause pohal oleks see VS lineaarselt soltuma-tu, mis on vastuolus eeldusega. Seega peab v = o.
⇐=: {o} on ilmselt lineaaarselt soltuv, sest 1o = o.
4.6 Vektorisusteem sisaldab nullvektorit
Lause 14. VS, mis sisaldab nullvektorit, on lineaarselt soltuv.
Toestus. Olgu {o, v1, . . . , vn} vaadeldav VS. Siis
1o + 0v1 + · · ·+ 0vn︸ ︷︷ ︸mittetriviaalne LK
= o
millest jareldub noutav lineaarne soltuvus.
12 V. Vektorruumid
4.7 Vektorisusteem sisaldab vastandvektoreid
Lause 15. VS, mis sisaldab koos mingi vektoriga ka selle vektorivastandvektorit, on lineaarselt soltuv.
Toestus. Olgu {v,−v, v1, . . . , vn} vaadeldav VS. Siis
1v + (−v) + 0v1 · · ·+ 0vn︸ ︷︷ ︸mittetriviaalne LK
= o
millest jareldub noutav lineaarne soltuvus.
4.8 Vektorisusteem sisaldab uhesuguseid vektoreid
Lause 16. VS, mis sisaldab uhesuguseid vektoreid, on lineaarseltsoltuv.
Toestus. Olgu {v, v, v1, . . . , vn} vaadeldav VS. Siis
1v + (−1)v + 0v1 · · ·+ 0vn︸ ︷︷ ︸mittetriviaalne LK
= o
millest jareldub noutav lineaarne soltuvus.
4.9 VS sisaldab lineaarselt soltuvat alamsusteemi
Lause 17. VS, mis sisaldab lineaarselt soltuvat alamsusteemi, onlineaarselt soltuv.
Toestus. Olgu VS {v1, . . . , vn, v′1, . . . , v′k} selline, et alamsusteem
{v1, . . . , vn} on lineaarselt soltuv. Siis leidub nullvektoriga vorduvmittetriviaalne LK
α1v1 + α2v2 + · · ·+ αnvn︸ ︷︷ ︸mittetriviaalne LK
= o
Siit jareldub, etmittetriviaalne LK︷ ︸︸ ︷
α1v1 + · · ·+ αnvn +0v′1 + · · ·+ 0v′k︸ ︷︷ ︸mittetriviaalne LK
= o
seega VS {v1, . . . , vn, v′1, . . . , v′k} on lineaarselt soltuv.
VI. Vektorruumid 13
4.10 Lineaarselt soltumatu VS-i alamsusteemidest
Lause 18. Lineaarselt soltumatu vektorisusteemi iga alamsusteemon lineaarselt soltumatu.
Toestus. Jareldub lausest 17.
4.11 Lineaarselt soltumatu VS-i laiendamisest
Teoreem 19. Kui VS {v1, . . . , vn} on lineaarselt soltumatu ningVS {v1, . . . , vn, v} on lineaarselt soltuv, siis avaldub vektor v vek-torite v1, . . . , vn LK-na.
Toestus. VS-i {v1, . . . , vn, v} lineaarse soltuvuse tottu
α1v1 + · · ·+ αnvn + αv︸ ︷︷ ︸mittetriviaalne LK
= o
Viimases seoses peab α 6= 0, sest vastasel juhul oleksid koik korda-jad nullid. Vektor v avaldub siis ilmselt vektorite v1, . . . , vn LK-na
v = −α1
αv1 − · · · − αn
αvn
4.12 Lineaarse soltumatuse tunnus
Teoreem 20. VS {v1, . . . , vn} on lineaarselt soltumatu parajastisiis, kui vordusest
α1v1 + · · ·+ αnvn = o jareldub α1 = · · · = αn = 0
Toestus. =⇒ : Olgu VS {v1, . . . , vn} lineaarselt soltumatu. Peamenaitama, et vordusest
α1v1 + · · ·+ αnvn = o jareldub α1 = · · · = αn = 0
Oletame vastuvaiteliselt, et vahemalt uks kordajatest tuleb nullisterinev. Siis oleks VS {v1, . . . , vn} lineaarselt soltuv, mis on vastu-olus eeldusega. Jarelikult peab α1 = · · · = αn = 0.
14 V. Vektorruumid
⇐=: Kui vordusest
α1v1 + · · ·+ αnvn = o jareldub α1 = · · · = αn = 0
siis ei leidu nullvektoriga vorduvat mittetriviaalset lineaarkombi-natsiooni. Seega VS {v1, . . . , vn} on lineaarselt soltumatu.
4.13 Lineaarse soltuvuse tunnus
Teoreem 21. VS, mis sisaldab vahemalt kahte vektorit, on li-neaarselt soltuv parajasti siis, kui susteemis leidub vektor, misavaldub ulejaanute LK-na.
Toestus. =⇒ : Olgu VS {v1, . . . , vn≥2} lineaarselt soltuv. Siis lei-dub nullvektoriga vorduv mittetriviaalne LK
α1v1 + α2v2 · · ·+ αnvn︸ ︷︷ ︸mittetriviaalne LK
= o
Olgu naiteks α1 6= 0. Arvutame
α1v1 = −α2v2 − · · · − αnvn
Korrutame nuud arvuga α−11 vasakult, siis saame
v1 = −α2
α1v2 − · · · − αn
α1vn
mis utleb, et v1 avaldub ulejaanud vektorite LK-na.⇐=: Avaldugu v1 ulejaanud vektorite LK-na
v1 = β2v2 + · · ·+ βnvn
Siit saame1v1 − β2v2 − · · · − βnvn︸ ︷︷ ︸
mittetriviaalne LK
= o
s.t VS {v1, . . . , vn} on lineaarselt soltuv.
VI. Vektorruumid 15
5 Moodustajad ja baas
5.1 Moodustajad
VS-i nimetatakse vektorruumi V moodustajate susteemiks, kui Viga vektor on avaldatav selle susteemi vektorite LK-na. Moodusta-jate susteemi vektoreid nimetatakse vektorruumi moodustajateks.
Naide
Iga vektorruum on iseenda moodustajate susteem, sest v = 1v. Etiga vektorruum sisaldab nullvektorit, siis see naide utleb, et vek-torruumi moodustajate susteemid voivad olla lineaarselt soltuvad.
5.2 Baas
Oeldakse, et vektorisusteem B on vektorruumi V 6= 0 baas ehkkoordinaatsusteem, kui
1) B on V moodustajate susteem,
2) B on lineaarselt soltumatu.
Kui vektorruum on nullruum, siis tema baasiks voib defineeri-da tuhihulga (see on teatavasti lineaarselt soltumatu). Nullruumibaasis oleks seega 0 vektorit.
5.3 Loplikumootmelised ruumid
Vektorruumi nimetatakse loplikumootmeliseks, kui tal leidub loplikbaas, s.t baas, mis sisaldab lopliku arvu vektoreid. Vektorruuminimetatakse lopmatumootmeliseks, kui ta ei ole loplikumootmeli-ne.
Edaspidi eeldame vaikimisi vektorruumide loplikumootmeli-sust.
16 V. Vektorruumid
5.4 Naide
Toestame, et VS
{ei := (0, . . . , 0︸ ︷︷ ︸i−1
, 1, 0, . . . , 0)| i = 1, . . . , n}
on aritmeetilise vektorruumi Kn baas.
Toestus. Naitest 4.4 teame, et VS {ei | i = 1, . . . , n} on lineaarseltsoltumatu. Peame naitama, et ta on ka vektorruumi Kn moodus-tajate susteem. Olgu a = (α1, . . . , αn) ∈ Kn. Paneme tahele, et
a = α1e1 + · · ·+ αnen
s.t ∀ a ∈ Kn avaldub (lineaarselt soltumatute) vektorite e1, . . . , en
LK-na. Siit jareldub, et VS {ei | i = 1, . . . , n} on vektorruumi Kn
baas.
6 Moode
6.1 Esimene fundamentaallemma
Vektorid b1, . . . , bn avaldugu vektorite a1, . . . , ak lineaarkombinat-sioonidena. Kui n > k, siis VS {b1, . . . , bn} on lineaarselt soltuv.
Toestus. Vastavalt eeldusele
b1 = α11a1 + α21a2 + · · ·+ αk1ak
b2 = α12a1 + α22a2 + · · ·+ αk2ak
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .bn = α1na1 + α2na2 + · · ·+ αknak
Moodustame LVS-i
α11λ1 + α12λ2 + · · ·+ α1nλn = 0α21λ1 + α22λ2 + · · ·+ α2nλn = 0. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .αk1λ1 + αk2λ2 + · · ·+ αknλn = 0
VI. Vektorruumid 17
Antud LVS on homogeensuse tottu kooskolaline, uheks lahendikson ilmselt triviaalne lahend λ1 = · · · = λn = 0. Et tundmatuidon rohkem kui vorrandeid (n > k), siis leidub sellel LVS-il mitte-triviaalne lahend λ′1, . . . , λ
′n, s.t vahemalt uks arvudest λ′1, . . . , λ
′n
erineb nullist. Vaatame mittetriviaalset lineaarkombinatsiooni
λ′1b1 + λ′2b2 + · · ·+ λ′nbn︸ ︷︷ ︸mittetriviaalne LK
= + λ′1(α11a1 + α21a2 + · · ·+ αk1ak)
+ λ′2(α12a1 + α22a2 + · · ·+ αk2ak)· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · ·+ λ′n(α1na1 + α2na2 + · · ·+ αknak)
(avame sulud ja ruhmitame liidetavad umber)
= + (α11λ′1 + α12λ
′2 + · · ·+ α1nλ′n)a1
+ (α21λ′1 + α22λ
′2 + · · ·+ α2nλ′n)a2
· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · ·+ (αk1λ
′1 + αk2λ
′2 + · · ·+ αknλ′n)ak
= 0a1 + 0a2 + · · ·+ 0ak
= o
Naitasime, et leidub vektorite b1, . . . , bn nullvektoriga vorduv mit-tetriviaalne LK. Jarelikult peab VS {b1, . . . , bn} olema lineaarseltsoltuv.
6.2 Teine fundamentaallemma
Olgu VS {b1, . . . , bn} lineaarselt soltumatu ning VS {a1, . . . , ak}olgu V moodustajate susteem. Siis n ≤ k.
Toestus. Oletame vastuvaiteliselt, et n > k. Siis peaks vekto-risusteem {b1, . . . , bn} fundamentaallemma 6.1 pohjal olema li-neaarselt soltuv, mis on vastuolus eeldusega.
18 V. Vektorruumid
6.3 Teoreem vektorite arvust baasides
Teoreem 22. Loplikumootmelise vektorruumi koikides baasideson uhepalju vektoreid.
Toestus. Olgu A = {a1, . . . , ak} ja B = {b1, . . . , bn} loplikumoot-melise vektorruumi V baasid. Peame naitama, et k = n. Panemetahele, et
{B = {b1, . . . , bn} on lineaarselt soltumatu,A = {a1, . . . , ak} on V moodustajate susteem.
Lemma 6.2 pohjal n ≤ k. Analoogiliselt, kui A ja B vahetavadkohad, saame k ≤ n. Kokkuvottes saame k = n.
6.4 Moode
Loplikumootmelise vektorruumi mootmeks ehk dimensiooniks ni-metatakse vektorite arvu selle vektorruumi baasis. Vektorruumi Vmoodet tahistatakse dimV .
Nullruum on 0-mootmeline, dimO = 0 (nullruumi baas ontuhihulk).
Markus
Selle definitsiooni korrektsus on garanteeritud teoreemiga 22.
Naide
Eespool toodud naite 5.4 pohjal dimKn = n .
6.5 Vektorisusteemis on rohkem kui dim V vektorit
Teoreem 23. VS, milles on rohkem kui dimV vektorit, on li-neaarselt soltuv.
VI. Vektorruumid 19
Toestus. Tahistame dimV = k. Olgu
{{a1, . . . , ak} vektorruumi V baas,{b1, . . . , bn>k} mingi VS.
Lemma 6.1 pohjal on VS {b1, . . . , bn>k} lineaarselt soltuv.
6.6 Vektorite arvust moodustajate susteemis
Teoreem 24. Vektorruumi V igas moodustajate susteemis on vahemaltdimV vektorit.
Toestus. Tahistame dimV = n. Olgu
{{b1, . . . , bn} vektorruumi V baas,{a1, . . . , ak} vektorruumi V moodustajate susteem.
Peame naitama, et k ≥ n. Paneme tahele, et {b1, . . . , bn} on li-neaarselt soltumatu (baas). Lemma 6.2 pohjal n ≤ k.
7 Homogeense LVS-i lahenditefundamentaalsusteem (LFS)
7.1 LFS-i moiste
Homogeense LVS-i lahendiruum on teatavasti vektorruum. Homo-geense LVS-i lahendite fundamentaalsusteemiks (LFS-iks) nimeta-takse selle susteemi lahendiruumi baasi.
7.2 Homogeense susteemi lahendituumi mootmest
Teoreem 25. Olgu homogeense LVS-i tundmatute arv n ja sus-teemi maatriksi astak r. Siis susteemi lahendiruum on (n − r)-mootmeline.
20 V. Vektorruumid
See teoreem utleb, et homogeense susteemi LFS koosneb n− rvektorist. Homogeense susteemi uldlahend avaldub (vektoresitu-ses) lahendite fundamentaalsusteemi vektorite lineaarkombinat-sioonina, kusjuures kordajateks on suvalised konstandid (uldla-hendi parameetrid).
7.3 LFS-i leidmine
LFS-i saame, kui vabadele tundmatutele (mille arv on (n − r))omistame sobivalt arvvaartusi 1 ja 0.
7.4 Naide
Leiame homogeense susteemi
2x1 + 7x2 + x3 + 3x4 = 03x1 + 5x2 + 2x3 + 2x4 = 09x1 + 4x2 + 7x3 + x4 = 0
lahendite fundamentaalsusteemi. Susteemi uldlahend on
x1 = −9x2 − 4x4
x3 = 11x2 + 5x4
x2, x4 − vabad tundmatud
Uldlahend vektoresituses on
x =
x1
x2
x3
x4
=
−9x2 − 4x4
x2
11x2 + 5x4
x4
Susteemi LFS sisaldab 4− 2 = 2 vektorit. Vabadele tundmatutelex2 ja x4 omistame nuud arvvaartusi 1 ja 0. Saame erilahendid
v1 =
−91110
, v2 =
−4051
VI. Vektorruumid 21
Susteemi uldlahend avaldub lahendite fundamentaalsusteemi vek-torite lineaarkombinatsioonina, kusjuures kordajateks on suvalisedkonstandid (vabad tundmatud):
x = x2v1 + x4v2
8 Koordinaadid ja koordinaatvektor
Olgu B = {b1, . . . , bn} vektorruumi V baas, dimV = n. Eelnevastteame, et iga vektor a ∈ V on avaldatav baasi vektorite LK-na
a = α1b1 + · · ·+ αnbn
Selle lineaarkombinatsiooni kordajaid α1, . . . , αn nimetatakse vek-tori a ∈ V koordinaatideks baasis B = {b1, . . . , bn}. Vektori akohta oeldakse, et ta on arendatud baasi B jargi. Vektori a koor-dinaatvektoriks baasis B nimetame uheveerulist maatriksit
CB(a) =
α1...
αn
Pohjus, miks kasutame veergu rea asemel, selgub hiljem.
8.1 Koordinaatvektori omadusi
Olgu B vektorruumi V baas. Siis
1) CB(v1 + v2) = CB(v1) + CB(v2)2) CB(αv) = αCB(v)
Toestus. Soovitatav toestada iseseisva harjutusena.
8.2 Vektori koordinaatide uhesus antud baasis
Teoreem 26. Vektori koordinaadid antud baasis on maaratuduheselt.
22 V. Vektorruumid
Toestus. Olgu B = {b1, . . . , bn} vektorruumi V baas ning
a = α1b1 + · · ·+ αnbn = α′1b1 + · · ·+ α′nbn
Vordusest a− a = o saame
α1b1 + · · ·+ αnbn − (α′1b1 + · · ·+ α′nbn)= (α1 − α′1)b1 + · · ·+ (αn − α′n)bn = o
Baasi B lineaarse soltumatuse tottu peab
α′i = αi, i = 1, . . . , n
mis tahendabki koordinaatide uhesust antud baasis.
8.3 Vektorite vordsuse tunnus
Teoreem 27. Vektorid on vordsed parajasti siis, kui on vordsednende vastavad koordinaadid (koordinaatvektorid) mingis baasis.
Toestus. Olgu B = {b1, . . . , bn} vektorruumi V baas ning a, c ∈ V .Siis
a = α1b1 + · · ·+ αnbn ja c = γ1b1 + · · ·+ γnbn
Arvutame
a− c = α1b1 + · · ·+ αnbn − (γ1b1 + · · ·+ γnbn)= (α1 − γ1)b1 + · · ·+ (αn − γn)bn
=⇒ : Vordusest a = c jareldub, et αi = γi (i = 1, . . . , n), sestB on lineaarselt soltumatu.
⇐=: Vordustest αi = γi (i = 1, . . . , n) jareldub ilmselt, eta = c.
9 Baasiteisendused
9.1 Uleminekumaatriks
Vektorruumi baas ei ole uldiselt uheselt maaratud, s.t vektorruu-mis voib olla rohkem kui uks baas. Olgu B = {b1, . . . , bn} ja
VI. Vektorruumid 23
B′ = {b′1, . . . , b′n} n-mootmelise vektorruumi V kaks baasi, vekto-rite arv neis on teatavasti uhesugune (vt teoreem 22). Arendamebaasi B′ vektorid baasi B jargi
b′1 = α11b1 + α21b2 + · · ·+ αn1bn
b′2 = α12b1 + α22b2 + · · ·+ αn2bn
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .b′n = α1nb1 + α2nb2 + · · ·+ αnnbn
Maatriksit
PB←B′ :=
α11 α12 . . . α1n
α21 α22 . . . α2n...
.... . .
...αn1 αn2 . . . αnn
nimetatakse uleminekumaatriksiks baasilt B′ baasile B. Ulemine-kumaatriksi PB←B′ i-ndaks veeruks on baasivektori b′i arendusekoordinaadid baasis B:
PB←B′ =(CB(b1)CB(b2) · · ·CB(bn)
)
9.2 Vektori koordinaatide teisenemine
Teoreem 28. Olgu B ja B′ vektorruumi V baasid. Siis
CB(v) = PB←B′CB′(v) ∀ v ∈ V
Toestus. Arendame vektori v ∈ V baaside B ja B′ jargi
v =λ1b1 + · · ·+ λnbn = λ′1b′1 + · · ·+ λ′nb′n
= λ′1(α11b1 + α21b2 + · · ·+ αn1bn)+ λ′2(α12b1 + α22b2 + · · ·+ αn2bn). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
+ λ′n(α1nb1 + α2nb2 + · · ·+ αnnbn)
(avame sulud ja ruhmitame liidetavad umber)
= + (α11λ′1 + α12λ
′2 + · · ·+ α1nλ′n)b1
24 V. Vektorruumid
+ (α21λ′1 + α22λ
′2 + · · ·+ α2nλ′n)b2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
+ (αn1λ′1 + αn2λ
′2 + · · ·+ αnnλ′n)bn
Vektori arendus baasi jargi on uhene. Jarelikult
λ1 = α11λ′1 + α12λ
′2 + · · ·+ α1nλ′n
λ2 = α21λ′1 + α22λ
′2 + · · ·+ α2nλ′n
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .λn = αn1λ
′1 + αn2λ
′2 + · · ·+ αnnλ′n
mis on vektori v koordinaatide teisenemisvalemid baasilt B′ baa-sile B. Tulemuse voime ilmselt kirjutada maatrikskujul
λ1
λ2...
λn
=
α11 α12 · · · α1n
α21 α22 · · · α2n...
.... . .
...αn1 αn2 · · · αnn
λ′1λ′2...
λ′n
Naide
9.3 Uleminekumaatriksi omadusi
Lemma 29. Olgu dimV = n ning B = {b1, . . . , bn} vektorruumiV baas. Kui A on n×n-maatriks, siis
A[CB(v)] = o ∀ v ∈ V =⇒ A = 0
Toestus. Toepoolest, A[CB(bi)](= o) on maatriksi A i-s veerg, sestCB(bi) on uhikmaatriksi In i-s veerg.
Teoreem 30. Olgu B,B′ ja B′′ vektorruumi V kolm baasi. Siis
1) PB←B = I2) P−1
B←B′ = PB′←B (pooratavus)3) PB′′←B′PB′←B = PB′′←B (transitiivsus)
VI. Vektorruumid 25
Toestus. Esimese omaduse jatame iseseisvaks harjutuseks.Teine omadus jareldub esimesest ja kolmandast. Vottes kol-
mandas omaduses B′′ = B, saame esimese omaduse pohjal
PB←B′PB′←B = PB←B = I
Analoogiliselt, kui B ja B′ vahetavad kohad, siis
PB′←BPB←B′ = PB′←B′ = I
Seega uleminekumaatriks on pooratav ja teine omadus (valem)kehtib jareldusena esimeset ja kolmandast. Jaab ule toestada kol-mas omadus.
Kasutades teoreemi 28 voime iga v ∈ V korral kirjutada
CB′(v) = PB′←BCB(v), CB′′(v) = PB′′←B′CB′(v)
Asendades viimases vorduses CB′(v), saame
CB′′(v) = PB′′←B′PB′←BCB(v)
Kuid jallegi teoreemi 28 tottu voime kirjutada
CB′′(v) = PB′′←BCB(v)
Seega lahutades eelviimasest vordusest viimase, saame
(PB′′←B′PB′←B − PB′′←B)CB(v) = 0 ∀ v ∈ V
Kolmas omadus jareldub nuud lemma 29 kaasabil.
Teoreem 31. Uleminekumaatriksi astak on dimV , s.t
det PB←B′ 6= 0 6= detPB′←B
Toestus. Arvutame (ulemineku)maatriksite determinantide kor-rutise:
det PB←B′ · detPB′←B = det(PB←B′PB′←B) = detPB←B = det I= 1
Kuna korrutis on 1 6= 0, siis tegurid ei saa olla nullid.
26 V. Vektorruumid
10 Alamruum ja lineaarne kate
10.1 Alamruum
Vektorruumi V alamruumiks nimetatakse tema sellist mittetuhjaosahulka V ′ ⊆ V , mis rahuldab jargmist tingimust:
a, b ∈ V ′ =⇒ αa + βb ∈ V ′ ∀α, β ∈ K
10.2 Naide
Vektorruum V on iseenda alamruum. Nullruum {O}, mis koosnebvaid vektorruumi V nullvektorist 0, on V alamruum. Neid alam-ruume nimetatakse vektorruumi V triviaalseteks alamruumideks.Koiki ulejaanud alamruume (kui leiduvad) nimetatakse mittetri-viaalseteks.
10.3 Naide
Defineerime V ′ ⊂ K2 jargmiselt:
V ′ := {(x,−x) ∈ K2|x ∈ K}Kontrollime alamruumi tingimust. Olgu (a,−a), (b,−b) ∈ V ′, siis
α(a,−a) + β(b,−b) = (αa,−αa) + (βb,−βb)= (αa + βb,−(αa + βb)) ∈ V ′ ∀α, β ∈ K
Tulemus utleb, et V ′ on toepoolest aritmeetilise vektorruumi K2
alamruum.
10.4 Naide: alamruume funktsioonide ruumis
1) Diferentseeruvad funktsioonid moodustavad alamruumi pi-devate funktsioonide ruumis.
2) Siledad funktsioonid moodustavad alamruumi diferentseeru-vate funktsioonide ruumis.
Need on matemaatilise analuusi teoreemid.
VI. Vektorruumid 27
10.5 Lause
Vektorruumi iga alamruum on samuti vektorruum (ule sama kor-puse).
Toestus. Sest kehtivad vektorruumi aksioomid.
10.6 Lineaarne kate
VS-i {v1, . . . , vn} lineaarseks katteks Lin{v1, . . . , vn} nimetatakseselle susteemi vektorite koigi LK-de hulka
Lin{v1, . . . , vn} := {α1v1 + · · ·+ αnvn|α1, . . . , αn ∈ K}
10.7 Teoreem
Lin{v1, . . . , vn} ⊆ V on vektorruumi V alamruum.
Toestus. Kontrolli alamruumi tingimust.
10.8 Teoreem
VS on lineaarselt soltumatu parajasti siis, kui ta on oma lineaarsekatte baas.
Toestus. =⇒: Olgu VS lineaarselt soltumatu. See susteem on kaoma lineaarse katte moodustajate susteemiks. Jarelikult on tege-mist (lineaarse katte) baasiga.
⇐=: Kui VS on (oma lineaarse katte) baas, siis peab ta ilmseltolema lineaarselt soltumatu.
11 Vektorisusteemi astak. Astakuteoreem
11.1 Baasalamsusteem
VS-i baasalamsusteem on tema selline alamsusteem, mis rahuldabjargmisi tingimusi:
1) baasalamsusteem on lineaarselt soltumatu,
28 V. Vektorruumid
2) taiendavate vektorite lisamine vektorisusteemist baasalam-susteemi muudab saadud (laiendatud) susteemi lineaarseltsoltuvaks.
Luhidalt oeldes on VS-i baasalamsusteem selle susteemi maksi-maalne lineaarselt soltumatu alamsusteem.
11.2 Teoreem lineaarse katte baasist
VS-i baasalamsusteem on selle VS-i lineaarse katte baas.
Toestus. Teoreemi 4.11 pohjal avaldub VS-i iga vektor oma baas-alamsusteemi vektorite LK-na. Jarelikult on VS-i baasalamsus-teem selle VS-i lineaarse katte moodustajate susteemiks. Baas-alamsusteemi lineaarse soltumatuse tottu on tegemist baasiga.
11.3 Teoreem vektorite arvust baasalamsusteemides
VS-i koikides baasalamsusteemides on uhepalju vektoreid.
Toestus. Teame, et VS-i lineaarne kate on vektorruum. Vaide ja-reldub teoreemidest 11.2 ning 22.
11.4 Vektorisusteemi astak
VS-i astakuks nimetatakse vektorite arvu tema baasalamsusteemis.
Markus
Selle definitsiooni korrektsus on garanteeritud teoreemiga 11.3.
11.5 Teoreem vektorisusteemi astakust
VS-i astak vordub selle susteemi lineaarse katte mootmega.
Toestus. Jareldub teoreemist 11.2.
VI. Vektorruumid 29
11.6 Astakuteoreem
VS-i astak vordub selle susteemi vektorite koordinaatide maatriksiastakuga.
Astakuteoreemi on mugav kasutada VS-i astaku leidmiseks.
12 Lineaarse soltuvuse uurimine
Kirjeldame luhidalt, kuidas leida VS-i baasalamsusteemi.
12.1 Ulesanne
Olgu dimV = k. Uurida VS-i {v1, . . . , vn} lineaarset soltuvust.
Lahendus
Peame uurima vorrandit (seost)
λ1v1 + λ2v2 + · · ·+ λnvn = o
Tundmatud on λ1, . . . , λn. Olgu B = {b1, . . . , bk} vektorruumi Vbaas. Kasutame arendust baasi B jargi
v1 = α11b1 + α21b2 + · · ·+ αk1bk
v2 = α12b1 + α22b2 + · · ·+ αk2bk
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .vn = α1nb1 + α2nb2 + · · ·+ αknbk
Vektorite v1, . . . , vn koordinaatide maatriksi tahistame
A =
α11 α12 . . . α1n
α21 α22 . . . α2n...
.... . .
...αk1 αk2 . . . αkn
=
(CB(v1)CB(v2) . . . CB(vn)
)
30 V. Vektorruumid
Asendades ulaltoodud arendused seosesse λ1v1 + · · · + λnvn = o,saame
λ1v1 + λ2v2 + · · ·+ λnvn = λ1(α11b1 + α21b2 + · · ·+ αk1bk)+ λ2(α12b1 + α22b2 + · · ·+ αk2bk). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
+ vn(α1nb1 + α2nb2 + · · ·+ αknbk)
(avame sulud ja ruhmitame liidetavad umber)
= (α11λ1 + α12λ2 + · · ·+ α1nλn)b1
+ (α21λ1 + α22λ2 + · · ·+ α2nλn)b2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
+ (αk1λ1 + αk2λ2 + · · ·+ αknλn)bk
= 0
Et baas B on lineaarselt soltumatu, peavad kordajad olema nullid
α11λ1 + α12λ2 + · · ·+ α1nλn = 0α21λ1 + α22λ2 + · · ·+ α2nλn = 0. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .αk1λ1 + αk2λ2 + · · ·+ αknλn = 0
Paneme tahele, et selle LVS-i maatriks on vektorite v1, . . . , vn
koordinaatide maatriks A = (αij). Olgu r maatriksi A astak. As-takuteoreemi jargi on VS-i {v1, . . . , vn} astak r, s.t tema baasa-lamsusteemis on r vektorit. Kasutades Gaussi meetodit, lahenda-me viimase LVS-i, mis on homogeensuse tottu kooskolaline. Va-bade tundmatute arv on teatavasti n − r. Olgu λ′1, . . . , λ
′r juht-
tundmatud ning λ′r+1, . . . , λ′n vabad tundmatud. Juhttundmatud
avalduvad lineaarselt triviaalsete vabaliikmete ja vabade tundma-tute kaudu (kui leiduvad). Selekteerime ka vektorid vabadeks ja(olemasolu korral) juhtivateks. Vektorit, mis asetseb LK-s vabatundmatu korval, nimetame juhtvektoriks. Vektorit, mis asetseb
VI. Vektorruumid 31
LK-s juhttundmatu korval, nimetame vabaks vektoriks. Siis voimekirjutada
juhttundmatud︷ ︸︸ ︷λ′1v
′1 + · · ·+ λ′rv
′r︸ ︷︷ ︸
vabad vektorid
+
vabad tundmatud︷ ︸︸ ︷λ′r+1v
′r+1 + · · ·+ λ′nv′n︸ ︷︷ ︸juhtvektorid
= o
Juhtvektorid (kui leiduvad) avalduvad vabade vektorite lineaar-kombinatsioonidena, kui vabadele tundmatutele omistada sobivaltarvvaartusi 0 ja 1. Vabad vektorid moodustavadki VS-i baasalam-susteemi. Kui vabu tundmatuid ei ole, siis ei leidu ka juhtvektoreidning VS {v1, . . . , vn} osutub lineaarselt soltumatuks.
12.2 Ulesanne
Uurida VS-i{
v1 = (6, 3, 3, 9), v2 = (4, 2, 2, 6), v3 = (5, 4,−2, 1)v4 = (2, 1, 1, 3), v5 = (3, 2, 0, 2), v6 = (1, 3,−7, 2)
lineaarset soltuvust. Leida astak ja mingi baasalamsusteem. Juht-vektorid arendada baasalamsusteemi jargi. Kontrollida arendusi.
13 Skalaarkorrutis
Olgu V jargnevas vektorruum ule R.
13.1 Skalaarkorrutise moiste
Oeldakse, et reaalses vektoruumis V on defineeritud skalaarkorru-tis, kui igale kahele vektorile a, b ∈ V on vastavusse seatud reaalarv(a|b) ∈ R nii, et on taidetud jargmised tingimused:
1) (a|b) = (b|a) (summeetria)2) (a + b|c) = (a|c) + (b|c) (aditiivsus)3) (αa|b) = α(a|b) ∀α ∈ R (homogeensus)4) kui V 3 a 6= o, siis (a|a) > 0 (positiivsus)
32 V. Vektorruumid
Reaalset skalaarkorrutisega vektorruumi nimetatakse eukleidiliseksruumiks.
13.2 Naide: skalaarkorrutis nullvektoriga
Skalaarkorrutise 3. omaduse pohjal ilmselt
(o|a) = (0o|a) = 0(o|a) = 0 ∀ a ∈ V
Siit jareldub, et ka (o|o) = 0.
13.3 Skalaarkorrutis reaalses aritmeetilisesvektorruumis
Olgu a = (α1, . . . , αn) ∈ Rn ja b = (β1, . . . , βn) ∈ Rn. Skalaar-korrutise defineerime valemiga
(a|b) := α1β1 + α2β2 + · · ·+ αnβn ∈ R
13.4 Skalaarkorrutis funktsioonide ruumis
Olgu f, g ∈ C[a, b]. Skalaarkorrutise defineerime valemiga
(f |g) :=∫ b
af(x)g(x) dx ∈ R
14 Vektori pikkus
14.1 Vektori pikkuse moiste
Vektori a ∈ V pikkus ehk norm |a| := ||a|| defineeritakse valemiga|a| :=
√(a|a). Vektori pikkus on ilmselt mittenegatiivne reaalarv.
14.2 Aritmeetilise vektori pikkus
Aritmeetilise vektori
a = (α1, . . . , αn) ∈ Rn
VI. Vektorruumid 33
pikkus on
|a| :=√
α21 + α2
2 + · · ·+ α2n
14.3 Funktsiooni norm
Tahistades f2(x) := f(x)f(x), on funktsiooni f ∈ C[a, b] norm
||f || :=√∫ b
af2(x) dx
14.4 Teoreem (homogeensus)
|αa| = |α||a| ∀α ∈ R, ∀ a ∈ V
Toestus. Toepoolest, arvutame
|αa| =√
(αa|αa) =√
α2(a|a) =√
α2√
(a|a) = |α||a|
14.5 Uhikvektor
Vektorit pikkusega 1 nimetatakse uhikvektoriks. Uhikvektori kohtaoeldakse, et ta on normeeritud.
Naide
Vektorid ei := (i−1︷ ︸︸ ︷
0, . . . , 0, 1, 0 . . . , 0) on uhikvektorid (ehk normee-ritud).
14.6 Lause (vektori normeerimine)
Olgu a 6= o. Siis on vektor a|a| uhikvektor.
Toestus. Toepoolest, arvutame∣∣∣∣
a
|a|
∣∣∣∣ =∣∣∣∣
1|a|a
∣∣∣∣ =1|a| |a| = 1
34 V. Vektorruumid
15 Schwarzi vorratusja vektoritevaheline nurk
Karl Hermann Schwarz (1843-1921), saksa matemaatik.
15.1 Schwarzi vorratus
Teoreem 32. Olgu V eukleidiline ruum. Siis
|(a|b)| ≤ |a||b| ∀ a, b ∈ V
Toestus. Iga α ∈ R korral peab kehtima (αa − b|αa − b) ≥ 0.Kasutades skalaarkorrutise omadusi 1− 3, saame
(αa− b|αa− b) = α2(a|a)− 2α(a|b) + (b|b) ≥ 0
Kui a = o, siis vorratus ilmselt kehtib. Olgu a 6= o ning votame
α =(a|b)(a|a)
Saame
(a|b)2(a|a)(a|a)2
− 2(a|b)2(a|a)
+ (b|b) ≥ 0
Taandame esimeses murrus teguri (a, a) ning korrutame saadudvorratust positiivse arvuga (a|a). Tulemuseks saame
(a|b)2 − 2(a|b)2 + (a|a)(b|b) = −(a|b)2 + (a|a)(b|b) ≥ 0
millest omakorda
(a|b)2 ≤ (a|a)(b|b) =⇒ (a|b)2 ≤ |a|2|b|2 =⇒ |(a|b)| ≤ |a||b|
mis ongi noutud vorratus.
VI. Vektorruumid 35
15.2 Schwarzi vorratus reaalses aritmeetilisesvektorruumis
Olgu a = (α1, . . . , αn) ∈ Rn ja b = (β1, . . . , βn) ∈ Rn. Siis onSchwarzi vorratus
|α1β1 + · · ·+ αnβn| ≤√
α21 + · · ·+ α2
n
√β2
1 + · · ·+ β2n
15.3 Schwarzi vorratus funktsioonide ruumis
Olgu f, g∈C[a, b]. Siis on Schwarzi vorratus
∣∣∣∣∫ b
af(x)g(x) dx
∣∣∣∣ ≤√∫ b
af2(x) dx
√∫ b
ag2(x) dx
15.4 Vektoritevaheline nurk
Olgu V eukleidiline ruum. Olgu V 3 a 6= o ja V 3 b 6= o. Vektoritea ja b vaheline nurk ϕ defineeritakse valemiga
cosϕ :=(a|b)|a||b| , 0 ≤ ϕ ≤ π
Markus
Selle definitsiooni korrektsus on garanteeritud Schwarzi vorratu-sega.
16 Kolmnurga vorratus
16.1 Teoreem
Olgu V eukleidiline ruum. Siis
|a + b| ≤ |a|+ |b| ∀a, b ∈ V
36 V. Vektorruumid
Toestus. Kasutades Schwarzi vorratust, arvutame
|a + b|2 = (a + b|a + b) = (a|a) + 2(a|b) + (b|b)≤ |a|2 + 2|(a|b)|+ |b|2≤ |a|2 + 2|a||b|+ |b|2 = (|a|+ |b|)2 =⇒ |a + b| ≤ |a|+ |b|
mis ongi kolmnurga vorratus.
16.2 Kolmnurga vorratus reaalses aritmeetilisesvektorruumis
Olgu a = (α1, . . . , αn) ∈ Rn ja b = (β1, . . . , βn) ∈ Rn. Siis onkolmnurga vorratus√
(α1+β1)2+ · · ·+(αn+βn)2 ≤√
α21+ · · ·+α2
n+√
β21 + · · ·+β2
n
16.3 Kolmnurga vorratus funktsioonide ruumis
Kui f, g∈C[a, b], siis on kolmnurga vorratus√∫ b
a(f(x) + g(x))2 dx ≤
√∫ b
af2(x) dx +
√∫ b
ag2(x) dx
17 Ortogonaalsus ja ristbaas
17.1 Ortogonaalsus
Oeldakse, et eukleidilise ruumi V vektorid a, b ∈ V on ortogonaal-sed ehk risti, kui (a|b) = 0. VS-i nimetatakse ortogonaalseks, kuisusteemi iga kaks erinevat vektorit on ortogonaalsed. VS-i nime-tatakse ortonormeerituks, kui
1) ta on ortogonaalne,2) susteemi vektorid on uhikvektorid, s.t normeeritud.
Naide
Nullvektor on ortogonaalne eukleidilise ruumi iga vektoriga, kaasaarvatud iseendaga.
VI. Vektorruumid 37
17.2 Teoreem
Ortogonaalne VS, mis ei sisalda nullvektorit, on lineaarselt soltu-matu.
Toestus. Olgu VS {a1, . . . , an} ortogonaalne, s.t
(ai|aj) = 0 ∀ i 6= j
Peame naitama, et
α1a1 + · · ·+ αnan = o =⇒ 0 = α1 = · · · = αn
Arvutame
0 = (o|aj) = (α1a1 + · · ·+ αnan|aj)= α1(a1|aj) + · · ·+ αj(aj |aj) + · · ·+ αn(an|aj)= αj(aj |aj)
Et aj 6= o, siis (aj |aj) 6= 0. Jarelikult αj = o (j = 1, . . . , n).
17.3 Ristbaas
Eukleidilise ruumi baasi, mis on ortogonaalne, nimetatakse orto-gonaalbaasiks. Eukleidilise ortonormeeritud baasi nimetatakse karistbaasiks.
17.4 Teoreem
Eukleidilise ruumi ortogonaalne moodustajate susteem, mis ei si-salda nullvektorit, on baas.
Toestus. Jareldub teoreemist 17.2.
17.5 Teoreem
Eukleidilise ruumi ortonormeeritud moodustajate susteem on ris-tbaas.
38 V. Vektorruumid
17.6 Teoreem
Olgu {e1, . . . , en} eukleidilise ruumi V ristbaas. Siis arenduse
a = α1e1 + · · ·+ αnen ∈ V
jaoks kehtib αi = (a|ei).
Toestus. Toepoolest, arvutame
(a|ei) = (α1e1 + · · ·+ αnen|ei)= (α1e1|ei) + · · ·+ (αiei|ei) + · · ·+ (αnen|ei)= α1(e1|ei) + · · ·+ αi(ei|ei) + · · ·+ αn(en|ei)
= αi(ei|ei) = αi|ei|2 = αi
mis toestabki vorduse.
18 Ulesandeid
18.1 Ulesanne
Lihtsustada avaldis
2(a+3c)− 3(2c− b)− 3[2(2a+ b− 4c)− 4(a− 2c)] = · · · = 2a− 3b
18.2 Ulesanne
Toestada, et funktsioonisusteem {1, sin2 x, cos2 x|x ∈ R} on li-neaarselt soltuv.
18.3 Ulesanne
Toestada, et funktsioonisusteem {sinx, cosx|x ∈ R} on lineaarseltsoltumatu.
18.4 Ulesanne
Olgu VS {a, b} lineaarselt soltumatu. Toestada, et siis on ka VS{a + b, a− b} lineaarselt soltumatu.
VI. Vektorruumid 39
18.5 Ulesannne
Toestada, et funktsioonisusteem {eiϕ, e−iϕ|ϕ ∈ R} on lineaarseltsoltumatu.
18.6 Ulesanne
Naidata, et VS{
v1 = (1, 2,−1,−2), v2 = (2, 3, 0,−1)v3 = (1, 2, 1, 4), v4 = (1, 3,−1, 0)
moodustab baasi ja arendada vektor x = (7, 14,−1, 2) selle baasijargi. Kontrollida arendust.
18.7 Ulesanne
Leida VS-i astak ja mingi baasalamsusteem, juhtvektorid arenda-da baasalamsusteemi jargi. Kontrollida arendusi.
{v1 = (1, 0, 0,−1), v2 = (2, 1, 1, 0)v3 = (1, 1, 1, 1), v4 = (1, 1, 3, 4), v5 = (0, 1, 2, 3)
18.8 Uleasanne
Leida (a|b), kui a = 4, b = 12 ja |a− b| = 10.
Vastus
(a|b) = 30