Lineaarinen riippumattomuus
Wikipedia
Lineaarinen riippumattomuus on eräs matematiikan ja erityisesti lineaarialgebran keskeisimpiä teemoja. Tärkeytensä vuoksi se tulee käsitteenä vastaan myös puhtaan matematiikan ulkopuolella, esimerkiksi kvanttimekaniikassa, jossa kantafunktioilla on keskeinen merkitys.
Sisällysluettelo |
[muokkaa] Vektoreiden lineaarinen riippumattomuus
Olkoon
joukko vektoreita ja
joukko jonkin kerroinkunnan alkoita, tavallisesti reaalilukuja. Sanotaan, että vektorit
ovat lineaarisesti riippumattomia, jos lauseke
pätee jos ja vain jos kaikki kertoimet ai ovat nollia. Jos jokin tai jotkin kertoimista eivät ole nollia, sanotaan vektoreiden olevan lineaarisesti riippuvia. Käytännössä lineaarinen riippumattomuus tarkoittaa sitä, ettei yksikään vektoreista ole joukon muiden vektoreiden monikertojen summa eli lineaarikombinaatio. Esimerkiksi vektorit
ja 
ovat selvästi lineaarisesti riippumattomia, sillä
on mahdollista vain silloin, kun a1 = a2 = 0. Jos kuitenkin otetaan mukaan kolmas vektori
saadaan lineaarikombinaatio
,
joka toteutuu silloin, kun b1 = − 2,b2 = − 3 ja b3 = 1, joten vektorit eivät ole lineaarisesti riippumattomia. Kaikkien annetussa vektoriavaruudessa lineaarisesti riippumattomien vektoreiden joukko määrittelee vektoriavaruuden kannan. Vaikka kanta ei olekaan yksikäsitteinen (sillä jos esimerkiksi
on kanta, myös
on kanta), kantavektoreiden lukumäärä avaruudessa on vakio, ja se määrää tutkittavan vektoriavaruuden dimension. Edellisessä esimerkissä avaruuden dimensio on kaksi.
[muokkaa] Funktioiden lineaarinen riippumattomuus
Samaan tapaan kuin vektoreille lineaarinen riippumattomuus voidaan määritellä yleisemminkin funktioille. Olkoon
joukko funktioita ja
kerroinkunnan alkioita. Vektoreiden tapaan funktiot ovat lineaarisesti riippumattomia, jos
vain silloin, kun kaikki kertoimet ovat nollia. Funktioiden lineaarinen riippumattomuus on olennaista, jos halutaan tietää, muodostavatko ne funktioavaruuden kannan. Funktioavaruuden dimensio määräytyy niin ikään lineaarisesti riippumattomien funktioiden lukumäärästä. Erotuksena vektoriavaruuteen on kuitenkin se, että on helppoa määritellä ääretöndimensioisia funktioavaruuksia käyttämällä kantana esimerkiksi ortogonaalisia polynomeja.
[muokkaa] Lineaarisen riippumattomuuden toteaminen
Lineaarialgebrassa usein tulee vastaan tilanne, jossa annettujen olioiden, vektorien tai muiden sellaisten lineaarinen riippuvuus tai riippumattomuus on todettava. Tyypillisesti tämä palautuu kysymykseen yhtälöryhmän ratkaisemisesta. Esimerkiksi, jos halutaan tietää, ovatko vektorit
ja 
lineaarisesti riippumattomia, on ratkaistava yhtälöpari
.
Tämän tulokseksi saadaan x = 0 ja y = 0, joten vektorit ovat lineaarisesti riippumattomia. Mikä tahansa nollasta eroava arvo x:lle tai y:lle olisi puolestaan merkinnyt lineaarista riippuvuutta. Matriisilaskennasta on tunnettua, että yhtälöparin ratkaisun olemassaolon kertoo myös yhtälöryhmästä kirjoitettu determinantti. Niinpä voidaan kirjoittaa determinantti sellaiselle matriisille, jonka pystyriveinä ovat tutkittavat vektorit
.
Koska determinantti ei ole nolla, vektorit eivät ole toistensa lineaarikombinaatioita ja ne ovat siis lineaarisesti riippumattomia.
[muokkaa] Wronskin ja Caseratin determinantit
Jatkuvien funktioiden lineaarisen riippumattomuuden toteamiseen voidaan käyttää Wronskin determinanttia. Joukolle funktioita
se määritellään funktioista ja niiden derivaatoista muodostuvaksi determinantiksi
.
Funktiot ovat lineaarisesti riippumattomia kaikilla niillä x:n arvoilla, joilla determinantti ei ole nolla. Wronskin determinantti on tärkeä differentiaaliyhtälöiden teoriassa. Jos
on N funktiota sisältävä joukko diskreettejä funktioita, niiden lineaarista riippuvuutta testaa Casoratin determinantti
Koska Casoratin determinantin kahden vaakarivin erotus on derivaatan diskreetti analogia, kyseessä on Wronskin determinantin suora yleistys. Myös tässä tapauksessa funktiot
ovat lineaarisesti riippumattomia, jos determinantti eroaa nollasta.




![C = \det\begin{bmatrix}
f_n^{[1]}& f_n^{[2]}& ...& f_n^{[N]}\\
f_{n+1}^{[1]}& f_{n+1}^{[2]}& ...& f_{n+1}^{[N]}\\
\vdots & \vdots & & \vdots \\
f_{n+N-1}^{[1]}& f_{n+N-1}^{[2]}& ...& f_{n+N-1}^{[N]}
\end{bmatrix}](http://upload.wikimedia.org/math/5/6/d/56dd7dfe3e37183db0cc6e9e7a870cbe.png)

