Övning 1: Avgör om {(1,2), (3,4)} är en bas för ℝ²

För att vara bas måste vektorerna vara linjärt oberoende och spänna ℝ² Linjärt oberoende: a(1,2) + b(3,4) = (0,0) Detta ger systemet: a + 3b = 0, 2a + 4b = 0 Från första: a = -3b. Insättning i andra: 2(-3b) + 4b = -6b + 4b = -2b = 0 Så b = 0, vilket ger a = 0. Enda lösningen är a = b = 0 → linjärt oberoende Två linjärt oberoende vektorer i ℝ² spänner automatiskt hela ℝ² Därför är {(1,2), (3,4)} en bas för ℝ² Svar: Ja, det är en bas

Övning 2: Hitta koordinaterna för v→ = (5,1) relativt basen B = {(2,1), (1,1)}

Vi vill hitta c₁, c₂ så att (5,1) = c₁(2,1) + c₂(1,1) (5,1) = (2c₁ + c₂, c₁ + c₂) Detta ger systemet: 2c₁ + c₂ = 5, c₁ + c₂ = 1 Från andra ekvationen: c₂ = 1 - c₁ Insättning i första: 2c₁ + (1 - c₁) = 5 c₁ + 1 = 5, så c₁ = 4 Därför c₂ = 1 - 4 = -3 Koordinaterna är [v→]ᵦ = (4,-3) Svar: [v→]ᵦ = (4,-3)

Övning 3: Bestäm en bas för underrummet U = span{(1,2,1,0), (2,4,3,1), (3,6,4,1)}

Skriv vektorerna som rader i matris: [[1,2,1,0],[2,4,3,1],[3,6,4,1]] Radreducering: R₂ - 2R₁ och R₃ - 3R₁ [[1,2,1,0],[0,0,1,1],[0,0,1,1]] R₃ - R₂: [[1,2,1,0],[0,0,1,1],[0,0,0,0]] Två icke-noll rader → dimension = 2 Bas: {(1,2,1,0), (0,0,1,1)} eller ursprungligen {(1,2,1,0), (2,4,3,1)} Den tredje vektorn är linjärt beroende av de första två Svar: Bas: {(1,2,1,0), (2,4,3,1)} eller {(1,2,1,0), (0,0,1,1)}

Avancerad

Bas och dimension

Bas för vektorrum, dimension och koordinater relativt en bas.

bas dimension koordinater standardbas basisbyten

Bas och dimension är som koordinatsystem och GPS för vektorrum! En bas ger oss det perfekta 'språket' för att beskriva alla vektorer i rummet - varje vektor får en unik 'adress' bestående av koordinater. Dimensionen berättar hur många 'riktningar' rummet har, precis som vi lever i 3D-rymden med höjd, bredd och djup. Det fantastiska är att alla baser för samma rum har samma antal vektorer!

Fördjupning

En bas för ett vektorrum V är en uppsättning vektorer som är både linjärt oberoende och spänner hela V. Detta ger varje vektor i V en unik representation som linjärkombination av basvektorerna. Dimensionen av V är antalet vektorer i en bas (vilket är väldefinierat). Basbyten mellan olika baser görs med invertierbara matriser.

Definition av bas - perfekt balans

En bas för vektorrum V är en uppsättning vektorer som är: (1) Linjärt oberoende - ingen är överflödig, och (2) Spänner V - tillsammans når de hela rummet. Det är som ett minimalt men komplett verktygsset!

B = {v₁\to, ..., vₙ\to} är bas för V om: span(B) = V och v₁\to, ..., vₙ\to är linjärt oberoende

Standardbasen för ℝ³

B = {(1,0,0), (0,1,0), (0,0,1)} = {e₁→, e₂→, e₃→} är standardbasen. Varje vektor (x,y,z) = xe₁→ + ye₂→ + ze₃→.

Koordinater relativt en bas

Om B = {v₁→, ..., vₙ→} är bas för V, kan varje vektor v→ ∈ V skrivas UNIKT som v→ = c₁v₁→ + ... + cₙvₙ→. Koordinatvektorn [v→]ᵦ = (c₁, ..., cₙ) ger v→:s 'adress' i bas B.

Koordinater: v\to = c₁v₁\to + ... + cₙvₙ\to ⟺ [v\to]ᵦ = (c₁, ..., cₙ)

Alternativ bas för ℝ²

För B = {(1,1), (1,-1)} och v→ = (3,1): v→ = 2(1,1) + 1(1,-1) ger [v→]ᵦ = (2,1).

Dimension - rummets 'storlek'

Dimensionen dim(V) av vektorrum V är antalet vektorer i en bas för V. Fantastiskt nog har ALLA baser för samma rum samma antal vektorer! Detta tal är rummets 'inre dimension'.

Vanliga dimensioner

dim(ℝⁿ) = n, dim(Pₙ) = n+1 (polynomer grad ≤ n), dim(Mₘₓₙ) = mn (m×n-matriser), dim({0→}) = 0.

Visualisering av 1D-linje, 2D-plan, 3D-rum

Basextension och basshrinking

Från linjärt oberoende uppsättning: lägg till vektorer tills du får bas (extension). Från spännande uppsättning: ta bort överflödiga vektorer tills du får bas (shrinking). Båda vägarna leder till bas!

Hitta bas från spännande uppsättning

För vektorer {(1,2,1), (2,4,2), (1,1,1), (0,1,1)}: ta bort (2,4,2) = 2(1,2,1) för att få bas {(1,2,1), (1,1,1), (0,1,1)}.

Basisbyten - växla koordinatsystem

Bytesomatrisen P från bas B till bas C satisfierar [v→]ᶜ = P[v→]ᵦ. Kolumnerna i P är koordinaterna för B-vektorerna uttryckta i bas C. P är alltid inverterbar!

Basisbyte: [v\to]ᶜ = P[v\to]ᵦ där P är bytesmatrisen från B till C

Byte mellan baser i ℝ²

Från standardbas E till B = {(1,1), (1,-1)}: P = [[1,1],[1,-1]] ger [v→]ᵦ = P⁻¹[v→]ₑ.

Rank-nullity theorem

För matris A: dim(ℝⁿ) = rank(A) + nullity(A), där rank = dim(kolumnrum) och nullity = dim(nollrum). Detta är en fundamental relation mellan matrisens dimensioner!

Rank-nullity: n = rank(A) + nullity(A) för m\timesn-matris A

3×4-matris med rank 2

Om A är 3×4 med rank(A) = 2, så nullity(A) = 4 - 2 = 2. Nollrummet är 2-dimensionellt.

Vanliga misstag

❌ Tro att fler vektorer alltid är bättre för en bas

En bas ska vara minimal - lägga till fler vektorer skapar linjärt beroende och är inte längre bas.

Exempel: I ℝ³ kan inte 4 vektorer bilda bas, oavsett vilka de är. Maximalt 3 vektorer kan vara linjärt oberoende.

❌ Förväxla bas med spännande uppsättning

En spännande uppsättning når hela rummet men kan innehålla överflödiga vektorer. Bas kräver även linjärt oberoende.

Exempel: {(1,0), (0,1), (1,1)} spänner ℝ² men är inte bas eftersom (1,1) = (1,0) + (0,1).

❌ Glömma att kontrollera båda kraven för bas

Måste kontrollera BÅDE linjärt oberoende OCH att det spänner rummet.

Exempel: {(1,0), (0,1)} i ℝ³ är linjärt oberoende men spänner inte hela ℝ³.

❌ Tro att dimension är samma som antal komponenter

Dimension är egenskapen hos rummet/underrummet, inte nödvändigtvis antal komponenter i vektorerna.

Exempel: Planet {(x,y,z) : x+y+z = 0} i ℝ³ har dimension 2, trots att vektorerna har 3 komponenter.

Tillämpningar

Datorgrafik - Koordinatsystem

Olika koordinatsystem för 3D-objekt (världskoordinater, objektkoordinater, skärmkoordinater)

Exempel: Kamerakoordinater → skärmkoordinater via projektionsmatris

Signalbehandling - Fourierbaser

Signaler representeras i olika baser (tid, frekvens, wavelets)

Exempel: MP3-komprimering använder DCT-bas för att representera ljudsignaler effektivt

Maskininlärning - Dimensionsreduktion

PCA hittar ny bas som fångar mest variation i data

Exempel: Ansiktsdata projiceras på 'eigenface'-bas för komprimering och igenkänning

Kvantfysik - Tillståndsbaser

Kvanttillstånd representeras i olika baser (position, momentum, energi)

Exempel: Elektrontillstånd i atom: energibas vs positionsbas

Ekonomi - Faktormodeller

Ekonomiska variabler förklaras genom oberoende faktorer (ny bas)

Exempel: Aktiepriser förklaras genom marknads-, sektor- och företagsfaktorer

Övningar

1 Lätt

Avgör om {(1,2), (3,4)} är en bas för ℝ²

Tips

Kontrollera om vektorerna är linjärt oberoende och spänner ℝ²

Visa facit

För att vara bas måste vektorerna vara linjärt oberoende och spänna ℝ²
Linjärt oberoende: a(1,2) + b(3,4) = (0,0)
Detta ger systemet: a + 3b = 0, 2a + 4b = 0
Från första: a = -3b. Insättning i andra: 2(-3b) + 4b = -6b + 4b = -2b = 0
Så b = 0, vilket ger a = 0. Enda lösningen är a = b = 0 → linjärt oberoende
Två linjärt oberoende vektorer i ℝ² spänner automatiskt hela ℝ²
Därför är {(1,2), (3,4)} en bas för ℝ²

Svar: Ja, det är en bas

2 Lätt

Hitta koordinaterna för v→ = (5,1) relativt basen B = {(2,1), (1,1)}

Tips

Lös ekvationen v→ = c₁(2,1) + c₂(1,1)

Visa facit

Vi vill hitta c₁, c₂ så att (5,1) = c₁(2,1) + c₂(1,1)
(5,1) = (2c₁ + c₂, c₁ + c₂)
Detta ger systemet: 2c₁ + c₂ = 5, c₁ + c₂ = 1
Från andra ekvationen: c₂ = 1 - c₁
Insättning i första: 2c₁ + (1 - c₁) = 5
c₁ + 1 = 5, så c₁ = 4
Därför c₂ = 1 - 4 = -3
Koordinaterna är [v→]ᵦ = (4,-3)

Svar: [v→]ᵦ = (4,-3)

3 Medel

Bestäm en bas för underrummet U = span{(1,2,1,0), (2,4,3,1), (3,6,4,1)}

Tips

Skriv vektorerna som rader och radreducera för att hitta linjärt oberoende vektorer

Visa facit

Skriv vektorerna som rader i matris:
[[1,2,1,0],[2,4,3,1],[3,6,4,1]]
Radreducering: R₂ - 2R₁ och R₃ - 3R₁
[[1,2,1,0],[0,0,1,1],[0,0,1,1]]
R₃ - R₂: [[1,2,1,0],[0,0,1,1],[0,0,0,0]]
Två icke-noll rader → dimension = 2
Bas: {(1,2,1,0), (0,0,1,1)} eller ursprungligen {(1,2,1,0), (2,4,3,1)}
Den tredje vektorn är linjärt beroende av de första två

Svar: Bas: {(1,2,1,0), (2,4,3,1)} eller {(1,2,1,0), (0,0,1,1)}

4 Medel

Bestäm dimensionen av lösningsrummet till x₁ + 2x₂ - x₃ + x₄ = 0

Tips

Använd rank-nullity theorem: nullity = n - rank

Visa facit

Ekvationen representeras av 1×4-matrisen A = [1, 2, -1, 1]
Detta är en homogen ekvation Ax→ = 0 med 4 okända
Rank(A) = 1 (en icke-noll rad)
Enligt rank-nullity theorem: nullity = n - rank = 4 - 1 = 3
Därför har lösningsrummet (nollrummet) dimension 3
Alternativt: en ekvation med 4 okända ger 3 fria variabler

Svar: Dimension = 3

5 Svår

Om B₁ = {(1,0), (1,1)} och B₂ = {(1,1), (0,1)} är baser för ℝ², hitta bytesmatrisen från B₁ till B₂

Tips

Hitta koordinaterna för B₁-vektorerna uttryckta i bas B₂

Visa facit

Bytesmatrisen P har kolumner = koordinater för B₁-vektorer i bas B₂
Första vektorn i B₁: (1,0) = a(1,1) + b(0,1) = (a,a+b)
Detta ger: a = 1, a + b = 0, så b = -1
[(1,0)]_{B₂} = (1,-1)
Andra vektorn i B₁: (1,1) = c(1,1) + d(0,1) = (c,c+d)
Detta ger: c = 1, c + d = 1, så d = 0
Nej vänta: c + d = 1 och c = 1 ger d = 0, men då får vi (1,1) ≠ (1,1)
Rätt: (1,1) = 1(1,1) + 0(0,1), så [(1,1)]_{B₂} = (1,0)
Fel igen: (1,1) = a(1,1) + b(0,1) ger a = 1, b = 0
Korrekt: P = [[1,1],[-1,0]]... Nej, låt mig vara systematisk:
P = [[(1,0)]_{B₂} | [(1,1)]_{B₂}] = [[1,1],[-1,0]]

Svar: P = [[1,-1],[1,1]]

Sammanfattning

En bas ger varje vektorrum ett 'koordinatsystem' - varje vektor får unika koordinater. Dimensionen är antalet vektorer i basen och är samma för alla baser av samma rum. Basbyten görs med invertierbara matriser. Kom ihåg: bas = linjärt oberoende + spänner rummet!