Til enhver m n matrise A kan vi knytte et tall, rangen til A, som gir viktig informasjon.

Størrelse: px
Begynne med side:

Download "Til enhver m n matrise A kan vi knytte et tall, rangen til A, som gir viktig informasjon."

Transkript

1 4.6 Rang Til enhver m n matrise A kan vi knytte et tall, rangen til A, som gir viktig informasjon. Definisjon: Rangen til en m n matrise A betegnes med rank A og er definert som dimensjonen til kolonnerommet til A. Altså: rank A = dim(col A) = antall pivoter i rref(a) Så rank A minimum(m, n) og rank A er det største antall lineært uavhengige kolonner i matrisen A. rank A er det minste antall kolonner i A som er nødvendig for å utspenne Col A. 1 / 16

2 Hvis vi lar r 1,..., r m betegne radvektorene til A og betrakter disse som vektorer i R n, er radrommet til A definert som underrommet av R n gitt ved Row A = Span{r 1,..., r m }. Derfor er Row A = Col A T. Så en basis for Col A T gir en basis for Row A. Alternativt kan vi observere at: Radrommet til en matrise forandrer seg ikke under radoperasjoner. Dermed er Row A = Row R der R = rref(a). En basis for Row R, og dermed for Row A, består av alle radvektorene i R som inneholder en pivot. Dette gir (jf. Teorem 14): dim(row A) = antall pivoter i R = dim(col A) = rank A Videre gjelder dimensjonsformelen rank A + dim(nul A) = n (= antall kolonner i A) 2 / 16

3 Teorem (Tillegg til IMT): La A være en n n matrise. Da er følgende utsagn ekvivalente: a A er invertibel. m Kolonnene i A er en basis for R n. n Col A = R n. o dim(col A) = n. p rank A = n q Nul A = {0}. r dim(nul A) = 0. (Vi sier da at A har full rang). Merk: I m kan vi bytte kolonnene med radene, og i n og o kan vi bytte Col A med Row A. 3 / 16

4 Hvordan kan vi beregne rangen til en matrise A? Vi kan bruke Gauss eliminasjon og beregne rref(a) men dette vil kunne gi feil p.g.a. avrunding underveis. I stedet beregnes gjerne rangen til A ut fra den såkalte singulærverdi dekomposisjonen til A (SVD en til A). Skal gå nærmere inn på dette helt på slutten av kurset (i avsnitt 7.4). I Matlab finnes en (nokså komplisert) algoritme som beregner SVD en til A, og rank A fastsettes på grunnlag av denne. 4 / 16

5 4.7 Bytte av basis I noen situasjoner vil et problem bli forenklet hvis vi går over til en annen basis. Følgende teorem sier hvordan koordinatene til en vektor endrer seg når vi bytter basis: Teorem 15: Anta at B = {b 1, b 2,..., b n } og C = {c 1, c 2,..., c n } er (ordnede) basiser for et vektorrom V. Da finnes en unik n n matrise P C B som er slik at for alle v V. [v] C = P C B [v] B Kolonnene i P C B er C-koordinatvektorene til vektorene i B. Med andre ord, matrisen P C B er gitt ved: [ ] P C B = [b 1 ] C [b 2 ] C [b n ] C P C B kalles basisskiftematrisen (eller koordinatskiftematrisen) fra B til C. 5 / 16

6 Merk: Basisskiftematriser er alltid invertible. Dette følger av korollaret til Teorem 8 i Notat 1. Vi har også at ( P C B ) 1 = PB C Merk: Hvis B = {b 1,, b n } er en basis for R n og E er standardbasisen for R n, så er P E B = [ b 1 b n ] = PB Merk: En oppskrift for å beregne basisskiftematrisen P C B mellom to basiser B = {b 1,, b n } og C = {c 1,, c n } for R n er å sette opp matrisen [ c1 c n b 1 b n ] og radredusere denne til redusert trappeform. På venstre siden vil man da komme frem til I n, mens P C B vil stå på høyre siden: [ c1 c n b 1 b n ] [ In P C B ] 6 / 16

7 5.1 Egenverdier og egenvektorer En egenvektor for en n n reell matrise A er en vektor x i R n som er slik at x 0 og A x = λ x for en λ R. Skalaren λ kalles en egenverdi for A, og vi sier at x er en egenvektor tilhørende egenverdien λ. Eksempel. Hvis P er en stokastisk matrise og q er en likevektsvektor for P, er P q = q = 1 q så q er en egenvektor for P tilhørende egenverdien 1. Merk: En reell matrise A trenger ikke å ha noen egenvektor og egenverdi. Men A vil alltid ha komplekse egenverdier med tilhørende komplekse egenvektorer hvis slike tillates. (Vi kommer tilbake til dette i avsn. 5.5). 7 / 16

8 Anta at A er en n n reell matrise og at λ R. Vi setter Eλ A = { x R n A x = λ x }. Merk at Eλ A = Nul (A λ I ), så E λ A er et underrom av Rn. λ er en egenverdi for A Eλ A {0} Nul (A λ I ) {0} A λ I er ikke invertibel det(a λ I ) = 0. Når λ er en egenverdi for A sier vi at Eλ A assosiert med λ. er egenrommet til A 8 / 16

9 Litt av poenget med egenverdier og egenvektorer Betrakt A M n (R) og x 0 R n. Definer {x k } ved ( ) x k+1 = A x k, k = 0, 1, 2,... dvs. x 1 = A x 0, x 2 = A x 1 = A (A x 0 ) = A 2 x 0, x 3 = A x 2 = A A 2 x 0 = A 3 x 0, Vi ser at x k = A k x 0, k = 0, 1, 2,... osv. Anta nå at x 0 er en egenvektor for A tilhørende en egenverdi λ. Vi har da at A k x 0 = λ k x 0 for hver k, og dermed at x k = λ k x 0, k 0. Dette betyr at vi f.eks. kan finne x 500 uten å måtte beregne x 1, x 2,..., x 499 eller A / 16

10 Matlab-kommentar: Matlab-kommandoen eig(a) angir egenverdiene til en kvadratisk matrise A. I praksis bestemmes egenvektor og egenverdi samtidig. Jf. Matlab-kommandoen [V, D] = eig(a) Det finnes effektive numeriske metoder for å beregne egenverdier og egenvektorer, bl.a. den såkalte QR-algoritmen, som vi kommer såvidt innpå senere. 10 / 16

11 To nyttige resultater: Teorem 1: Egenverdiene til en triangulær kvadratisk matrise er dens diagonalelementer. Spesielt: egenverdiene til en diagonalmatrise er, ganske enkelt, diagonalelementene. Teorem 2: La A være en n n matrise og anta at v 1, v 2,..., v p er egenvektorer som tilhører forskjellige egenverdier λ 1, λ 2,..., λ p. Da er v 1, v 2,..., v p lineært uavhengige. 11 / 16

12 5.2 Den karakteristiske likningen Det karakteristiske polynomet til en n n matrise A er polynomet p A gitt ved p A (λ) = det(a λi ). Den karakteristiske likningen til A er likningen p A (λ) = 0. p A (λ) er et polynom i variabelen λ av grad n, med ledende koeff. lik ( 1) n. λ er en egenverdi for A p A (λ) = 0 Dermed kan A ha høyst n forskjellige egenverdier. Multiplisiteten av en egenverdi λ som en rot i p A kalles den (algebraiske) multiplisiteten til egenverdien λ. Det kan vises at dim (Eλ A ) multiplisiteten til λ Komplekse røtter i p A kalles komplekse egenverdier til A. 12 / 16

13 Litt om polynomer og eigenverdier i Matlab: Betrakt polynomet p(λ) = λ 2 6λ + 5. Sett p = [1 6 5]. Finner da røttene til p ved kommandoen Her får vi: ans = 5 1. roots(p) Hvis A er en n n matrise, vil kommandoen poly(a) regne ut koeffisientene til polynomet q A (λ) = det(λi A). Merk at q A (λ) = det( (A λi )) = ( 1) n p A (λ). 13 / 16

14 Eksempel. La A = Kommandoen poly(a) gir : Det betyr at p A (λ) = ( 1) 3 q A (λ) = λ λ λ = λ (λ 2 15λ 18) Kommandoen roots([ ]) gir at røttene i q A (og p A ), og dermed egenverdiene til A, er tilnærmet lik 0, og Vi får det samme med kommandoen eig(a). De to siste egenverdiene kan beregnes eksakt: 1 2 (15 ± 297). 14 / 16

15 Similaritet To n n matriser A og B kalles similære hvis det fins en invertibel n n matrise P slik at P 1 AP = B (Dette er ekvivalent med at A = PBP 1 ). Avbildningen A P 1 AP kalles en similaritetstransformasjon. Legg merke til: Teorem 4: Similære matriser har samme determinant og samme karakteristiske polynom; spesielt har de samme egenverdier (med samme multiplisitet). 15 / 16

16 Kommentarer: For store matriser er det vanligvis ikke å anbefale å prøve å finne egenverdiene ved å beregne røttene til det karakteristiske polynomet. Det å finne røtter i polynomer av høy grad er nemlig numerisk vanskelig. Matlab gjør faktisk om problemet til det å bestemme egenverdiene til en passende matrise! Dette skal vi se nærmere på i Oblig 2. Det finnes egenverdi-algoritmer som baserer seg på gjentatte similaritetstransformasjoner; da bevares egenverdiene (ved Teorem 4). Idéen er å omforme A ved similaritet til en triangulær matrise; klarer vi det står jo egenverdiene på diagonalen! Dette er strategien bak det som kalles QR-algoritmen. 16 / 16

Til enhver m n matrise A kan vi knytte et tall, rangen til A, som gir viktig informasjon.

Til enhver m n matrise A kan vi knytte et tall, rangen til A, som gir viktig informasjon. 4.6 Rang Til enhver m n matrise A kan vi knytte et tall, rangen til A, som gir viktig informasjon. Definisjon: Rangen til en m n matrise A betegnes med rank A og er definert som dimensjonen til kolonnerommet

Detaljer

Kap. 5 Egenverdier og egenvektorer

Kap. 5 Egenverdier og egenvektorer Kap. 5 Egenverdier og egenvektorer Egenverdier, egenvektorer og diagonaliserbarhet er sentrale begreper for kvadratiske matriser. Mye er kjent fra tidligere, skal repetere dette og gå videre. Sammenhengen

Detaljer

Kap. 5 Egenverdier og egenvektorer

Kap. 5 Egenverdier og egenvektorer Kap. 5 Egenverdier og egenvektorer Egenverdier, egenvektorer og diagonaliserbarhet er sentrale begreper for kvadratiske matriser. Mye er kjent fra tidligere, skal repetere dette og gå videre. Sammenhengen

Detaljer

4.4 Koordinatsystemer

4.4 Koordinatsystemer 4.4 Koordinatsystemer Minner om at B = { b 1, b 2,..., b n } kalles en basis for et vektorrom V dersom B er lineært uavhengig og utspenner V. I samme vektorrom kan vi innføre ulike koordinatsystemer ;

Detaljer

4.4 Koordinatsystemer

4.4 Koordinatsystemer 4.4 Koordinatsystemer Minner om at B = { b 1, b 2,..., b n } V kalles en basis for et vektorrom V dersom B er lineært uavhengig og B utspenner V. I samme vektorrom kan vi innføre ulike koordinatsystemer

Detaljer

A 2 = PDP 1 PDP 1 = PD 2 P 1. og ved induksjon får vi. A k = PD k P 1. Kommentarer:

A 2 = PDP 1 PDP 1 = PD 2 P 1. og ved induksjon får vi. A k = PD k P 1. Kommentarer: 5.3 Diagonalisering Det ville være fint om en matrise A var similær med en diagonalmatrise D: da har vi funnet egenverdiene, og kan f.eks. lett beregne A k. Når er dette tilfelle? Det er tema i denne seksjonen.

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: MAT 0 Lineær algebra Eksamensdag: Mandag 0. desember 0 Tid for eksamen: 4.30 8.30. Oppgavesettet er på 7 sider. Vedlegg: Tillatte

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: MAT 1120 Lineær algebra Eksamensdag: Mandag 5 desember 2016 Tid for eksamen: 09.00 13.00 Oppgavesettet er på 6 sider. Vedlegg:

Detaljer

MAT1120 Notat 1 Tillegg til avsnitt 4.4

MAT1120 Notat 1 Tillegg til avsnitt 4.4 MAT1120 Notat 1 Tillegg til avsnitt 4.4 Vi tar utgangspunkt i Teorem 8 fra avsn. 4.4 i boka. For ordens skyld gjentar vi teoremet her: Teorem 8 [Avsn. 4.4]: Anta at B = {b 1,..., b n } er en (ordnet) basis

Detaljer

6.4 Gram-Schmidt prosessen

6.4 Gram-Schmidt prosessen 6.4 Gram-Schmidt prosessen La W {0} være et endeligdimensjonalt underrom av R n. (Senere skal vi mer generelt betrakte indreprodukt rom; se seksjon 6.7). Vi skal se hvordan vi kan starte med en vanlig

Detaljer

MAT1120 Notat 2 Tillegg til avsnitt 5.4

MAT1120 Notat 2 Tillegg til avsnitt 5.4 MAT1120 Notat 2 Tillegg til avsnitt 54 Dette notatet utfyller bokas avsnitt 54 om matriserepresentasjonen (også kalt koordinatmatrisen) til en lineær avbildning mellom to endeligdimensjonale vektorrom

Detaljer

MAT1120 Notat 1 Tillegg til avsnitt 4.4

MAT1120 Notat 1 Tillegg til avsnitt 4.4 MAT1120 Notat 1 Tillegg til avsnitt 4.4 Dette notatet tar utgangspunkt i Teorem 8 fra avsnitt 4.4 i boka. For ordens skyld gjentar vi dette teoremet her: Teorem 8 [Avsn. 4.4]: Anta at B = {b 1,..., b n

Detaljer

MAT1120 Notat 2 Tillegg til avsnitt 5.4

MAT1120 Notat 2 Tillegg til avsnitt 5.4 MAT1120 Notat 2 Tillegg til avsnitt 54 Dette notatet utfyller bokas avsnitt 54 om matriserepresentasjoner (også kalt koordinatmatriser) av lineære avbildninger mellom endeligdimensjonale vektorrom En slik

Detaljer

MAT1120 Oppgaver til plenumsregningen torsdag 25/9

MAT1120 Oppgaver til plenumsregningen torsdag 25/9 MAT1120 Oppgaver til plenumsregningen torsdag 25/9 Øyvind Ryan (oyvindry@i.uio.no) September 2008 Oppgaver fra 5.1 Denisjon av egenverdier, egenvektorer, egenrom. Teorem 1 s. 306: Egenverdiene til en triangulær

Detaljer

7.4 Singulærverdi dekomposisjonen

7.4 Singulærverdi dekomposisjonen 7.4 Singulærverdi dekomposisjonen Singulærverdi dekomposisjon til en matrise A er en av de viktigste faktoriseringene av A (dvs. A skrives som et produkt av matriser). Den inneholder nyttig informasjon

Detaljer

Lineær algebra. 0.1 Vektorrom

Lineær algebra. 0.1 Vektorrom Lineær algebra Siden dette temaet er alt for stort til å kunne gjennomgås på en halvtime, med alle de teoremene og denisjonene som skal til, har jeg laget dette notatet. Det bygger hovedsakelig på notatene

Detaljer

Basis, koordinatsystem og dimensjon

Basis, koordinatsystem og dimensjon Basis, koordinatsystem og dimensjon NTNU, Institutt for matematiske fag 22.-24. oktober 2013 Basis Basis for vektorrom: En endelig mengde B = {b 1, b 2,..., b n } av vektorer i et vektorrom V er en basis

Detaljer

MAT-1004 Vårsemester 2017 Prøveeksamen

MAT-1004 Vårsemester 2017 Prøveeksamen MAT-4 Vårsemester 7 Prøveeksamen Contents. Forord................................. OPPGAVE OPPGAVE OPPGAVE 7 4 OPPGAVE 8 OPPGAVE 6 OPPGAVE 7 OPPGAVE 8 OPPGAVE 9 Formatering av svarene 4 9. Rasjonale tall.............................

Detaljer

13 Oppsummering til Ch. 5.1, 5.2 og 8.5

13 Oppsummering til Ch. 5.1, 5.2 og 8.5 3 Oppsummering til Ch. 5. 5. og 8.5 3. Motivasjon Det er veldig viktig å kunne beregne funksjonsverdier f (A) for kvadratiske matriser A. I kalkulus (teori av differensiallikninger) er det viktig å beregne

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: MAT 1120 Lineær algebra Eksamensdag: 9. desember 2014. Tid for eksamen: 14.30 18.30. Oppgavesettet er på 6 sider. Vedlegg: Tillatte

Detaljer

Kap. 6 Ortogonalitet og minste kvadraters problemer

Kap. 6 Ortogonalitet og minste kvadraters problemer Kap. 6 Ortogonalitet og minste kvadraters problemer vanlig indreprodukt (prikkprod.) i IR n, egenskaper. ortogonalitet i IR n Pythagoras teorem: u og v i IR n er ortogonale hvis og bare hvis u + v 2 =

Detaljer

4.2 Nullrom, kolonnerom og lineære transformasjoner

4.2 Nullrom, kolonnerom og lineære transformasjoner 4.2 Nullrom, kolonnerom og lineære transformasjoner Utover Span {v 1, v 2,..., v p } er det en annen måte vi får lineære underrom på! Ser nå på V = R n. Skal se at det er visse underrom knyttet til en

Detaljer

5.8 Iterative estimater på egenverdier

5.8 Iterative estimater på egenverdier 5.8 Iterative estimater på egenverdier Det finnes ingen eksplisitt formel for beregning av egenverdiene til en kvadratisk matrise. Iterative metoder som finner (ofte) en (meget god) approksimasjon til

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: MAT Lineær algebra Eksamensdag: Mandag,. desember 7. Tid for eksamen: 4. 8.. Oppgavesettet er på 8 sider. Vedlegg: Tillatte hjelpemidler:

Detaljer

MAT-1004 Vårsemester 2017 Prøveeksamen

MAT-1004 Vårsemester 2017 Prøveeksamen MAT-1004 Vårsemester 017 Prøveeksamen Contents 0.1 Forord................................. 1 1 OPPGAVE OPPGAVE OPPGAVE 6 4 OPPGAVE 7 5 OPPGAVE 10 6 OPPGAVE 11 7 OPPGAVE 11 8 OPPGAVE 1 9 Formatering av

Detaljer

12 Diagonalisering av matriser og operatorer (Ch. 5.1, 5.2 og 8.5)

12 Diagonalisering av matriser og operatorer (Ch. 5.1, 5.2 og 8.5) Diagonalisering av matriser og operatorer (Ch 5, 5 og 85) Motivasjon Det er veldig viktig å kunne beregne funksjonsverdier f (A) for kvadratiske matriser A I kalkulus (teori av differensiallikninger) er

Detaljer

4.1 Vektorrom og underrom

4.1 Vektorrom og underrom 4.1 Vektorrom og underrom Vektorrom er en abstraksjon av R n. De kan brukes til å utlede egenskaper, resultater og metoder for tilsynelatende svært ulike klasser av objekter : n-tupler, følger, funksjoner,

Detaljer

TMA4110 Eksamen høsten 2018 EKSEMPEL 1 Løsning Side 1 av 8. Løsningsforslag. Vi setter opp totalmatrisen og gausseliminerer: x 1 7x 4 = 0

TMA4110 Eksamen høsten 2018 EKSEMPEL 1 Løsning Side 1 av 8. Løsningsforslag. Vi setter opp totalmatrisen og gausseliminerer: x 1 7x 4 = 0 TMA4 Eksamen høsten 28 EKSEMPEL Løsning Side av 8 Løsningsforslag Oppgave Vi setter opp totalmatrisen og gausseliminerer: 2 2 2 4 2 6 2 4 2 6 2 2 Dette gir likningene og 2 2 4 2 6 7 2. x 7x 4 = x 2 + 2x

Detaljer

Vi skal koble diagonalisering av matriser sammen med ortogonalitet. Skal bl.a. se på

Vi skal koble diagonalisering av matriser sammen med ortogonalitet. Skal bl.a. se på Kap. 7 Innledning Vi skal koble diagonalisering av matriser sammen med ortogonalitet. Skal bl.a. se på Symmetriske matriser. Disse matrisene har uvanlig pene egenskaper mht. diagonalisering. Kvadratiske

Detaljer

Notat2 - MAT Om matriserepresentasjoner av lineære avbildninger

Notat2 - MAT Om matriserepresentasjoner av lineære avbildninger Notat2 - MAT1120 - Om matriserepresentasjoner av lineære avbildninger Dette notatet uftfyller bokas avsn 54 om matriserepresentasjoner av lineære avbildninger mellom endelig dimensjonale vektorrom En matriserepresentasjon

Detaljer

Kap. 7 Symmetriske matriser og kvadratiske former

Kap. 7 Symmetriske matriser og kvadratiske former Kap. 7 Symmetriske matriser og kvadratiske former Vi skal koble diagonalisering av matriser sammen med ortogonalitet. Skal bl.a. se på symmetriske matriser som har uvanlig pene egenskaper mht. diagonalisering.

Detaljer

Eksamensoppgave MAT juni 2010 (med løsningsforslag)

Eksamensoppgave MAT juni 2010 (med løsningsforslag) Eksamensoppgave MAT-4 juni (med løsningsforslag) Contents OPPGAVE OPPGAVE 4 OPPGAVE 5 4 OPPGAVE 6 5 Fasit 7 5 Oppgave 7 5 Oppgave 7 5 Oppgave 8 54 Oppgave 8 6 Løsningsforslag 9 6 Oppgave 9 6 Oppgave 6

Detaljer

MAT1120 Repetisjon Kap. 1, 2 og 3

MAT1120 Repetisjon Kap. 1, 2 og 3 MAT1120 Repetisjon Kap. 1, 2 og 3 Kap. 1, avsn. 2.1-2.3 og kap. 3 i Lays bok er for det meste kjent fra MAT1100 og MAT1110. Fra kap. 1 repeterer vi: Matriser Vektorer og lineære kombinasjoner Lineæravbildninger

Detaljer

Repetisjon: Om avsn og kap. 3 i Lay

Repetisjon: Om avsn og kap. 3 i Lay Repetisjon: Om avsn. 2.1-2.4 og kap. 3 i Lay Matrisemultiplikasjon. La A = [a ij ] være en m n matrise og B = [b kl ] være en n p matrise. ] Skriv B = [b 1 b 2 b p. Produktet AB er m p matrisen definert

Detaljer

MAT1120 Oppgaver til plenumsregningen torsdag 18/9

MAT1120 Oppgaver til plenumsregningen torsdag 18/9 MAT1120 Oppgaver til plenumsregningen torsdag 18/9 Magnus Dahler Norling (magnudn@math.uio.no) September 2014 Oppgave 4.6.4 rank A = rank B = 5 (teorem 13+14). dim Nul A = n - rank A = 6-5 = 1 (teorem

Detaljer

UNIVERSITY OF OSLO. Faculty of Mathematics and Natural Sciences. Matlab-utskrift (1 side).

UNIVERSITY OF OSLO. Faculty of Mathematics and Natural Sciences. Matlab-utskrift (1 side). UNIVERSITY OF OSLO Faculty of Mathematics and Natural Sciences Examination in: MAT 2 Lineær algebra Day of examination: 9. desember 2. Examination hours: 4.3 8.3. This problem set consists of 6 pages.

Detaljer

MA1201/MA6201 Høsten 2016

MA1201/MA6201 Høsten 2016 MA/MA6 Høsten 6 Norges teknisk naturvitenskapelige universitet Institutt for matematikk Løsningsforslag Øving Med forebehold om feil. Hvis du finner en, ta kontakt med Karin. Kapittel 6. a) Stemmer. Anta

Detaljer

UNIVERSITET I BERGEN

UNIVERSITET I BERGEN UNIVERSITET I BERGEN Det matematisk-naturvitenskapelige fakultet BOKMÅL Løsningsforslag eksamen MAT - Lineær algebra H Med forbehold om skrivefeil. Oppgave. Betrakt A = 6 5, b = 6 b (a) (b) Finn den reduserte

Detaljer

MAT1120 Repetisjon Kap. 1

MAT1120 Repetisjon Kap. 1 MAT1120 Repetisjon Kap. 1 Kap. 1, avsn. 2.1-2.3 og kap. 3 i Lays bok er for det meste kjent fra MAT1100 og MAT1110. Idag skal vi repetere fra kap. 1 i Lays bok. Det handler bl.a. om : Matriser Vektorer

Detaljer

Løsningsforslag til eksamen i MA1202/MA6202 Lineær algebra med anvendelser høsten 2009.

Løsningsforslag til eksamen i MA1202/MA6202 Lineær algebra med anvendelser høsten 2009. Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 9 Løsningsforslag til eksamen i MA/MA6 Lineær algebra med anvendelser høsten 9 Oppgave a) Rangen til A er lik antallet

Detaljer

Egenverdier og egenvektorer

Egenverdier og egenvektorer Kapittel 9 Egenverdier og egenvektorer Det er ofte hensiktsmessig å tenke på en matrise ikke bare som en tabell med tall, men som en transformasjon av vektorer Hvis A er en m n-matrise, så gir A en transformasjon

Detaljer

4.1 Vektorrom og underrom

4.1 Vektorrom og underrom 4.1 Vektorrom og underrom Vektorrom er en abstraksjon av R n. De kan brukes til å utlede egenskaper, resultater og metoder for tilsynelatende svært ulike klasser av objekter : n-tupler, følger, funksjoner,

Detaljer

Lineær algebra-oppsummering

Lineær algebra-oppsummering Kapittel 9 Lineær algebra-oppsummering Matriser 1 Matriser er et rektangulært sett av elementer ordnet i rekker og kolonner: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij m n a m1 a n2 a mn 2 Kvadratisk matrise:

Detaljer

Rang og Vektorrom. Magnus B. Botnan NTNU. 4. august, 2015

Rang og Vektorrom. Magnus B. Botnan NTNU. 4. august, 2015 Rang og Vektorrom Magnus B. Botnan NTNU 4. august, 2015 Lineær Uavhengighet La v (1),..., v (m) være vektorer av samme størrelse. Vi sier at vektorene er lineært avhengige hvis det finnes konstanter c

Detaljer

Diagonalisering. Kapittel 10

Diagonalisering. Kapittel 10 Kapittel Diagonalisering I te kapitlet skal vi anvende vår kunnskap om egenverdier og egenvektorer til å analysere matriser og deres tilsvarende lineærtransformasjoner Eksempel Vi begynner med et eksempel

Detaljer

Generelle teoremer og definisjoner MA1201 Lineær Algebra og Geometri - NTNU

Generelle teoremer og definisjoner MA1201 Lineær Algebra og Geometri - NTNU Generelle teoremer og definisjoner MA1201 Lineær Algebra og Geometri - NTNU Lærebok: Anton, H & Rorres, C: Elementary Linear Algebra, 11 utgave Jonas Tjemsland 26 april 2015 4 Generelle vektorrom 41 Reelle

Detaljer

MAT-1004 Vårsemester 2017 Obligatorisk øving 2

MAT-1004 Vårsemester 2017 Obligatorisk øving 2 MAT-1004 Vårsemester 2017 Obligatorisk øving 2 Contents 1 OPPGAVE 2 2 OPPGAVE 2 Eksempler 4.1 Oppgave 1............................... 4.2 Oppgave 2............................... 5 4 Formatering av svarene

Detaljer

Kap. 6 Ortogonalitet og minste kvadrater

Kap. 6 Ortogonalitet og minste kvadrater Kap. 6 Ortogonalitet og minste kvadrater IR n er mer enn bare et vektorrom: den har et naturlig indreprodukt, nemlig prikkproduktet av vektorer. Dette indreproduktet gjør det mulig å tenke geometrisk og

Detaljer

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra Universitet i Bergen Det matematisk-naturvitenskapelige fakultet Bokmål Eksamen i emnet MAT2 - Lineær algebra Onsdag 29 mai, 20, kl. 09.00-4.00 Tillatte hjelpemidler. kalkulator, i samsvar med fakultetets

Detaljer

6.4 (og 6.7) Gram-Schmidt prosessen

6.4 (og 6.7) Gram-Schmidt prosessen 6.4 (og 6.7) Gram-Schmidt prosessen La W {0} være et endeligdimensjonalt underrom av et indreprodukt rom V. Man kan starte med en vanlig basis for W og konstruere en ortogonal basis for W. Ønskes det en

Detaljer

5.5 Komplekse egenverdier

5.5 Komplekse egenverdier 5.5 Komplekse egenverdier Mange reelle n n matriser har komplekse egenverdier. Vi skal tolke slike matriser når n = 2. Ved å bytte ut R med C kan man snakke om komplekse vektorrom, komplekse matriser,

Detaljer

EKSAMEN I MATEMATIKK 3 (TMA4110)

EKSAMEN I MATEMATIKK 3 (TMA4110) Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 7 EKSAMEN I MATEMATIKK 3 (TMA) Tirsdag 3. november Tid: 9: 3: LØSNINGSFORSLAG MED KOMMENTARER Oppgave I denne oppgaven

Detaljer

4.1 Vektorrom og underrom

4.1 Vektorrom og underrom 4.1 Vektorrom og underrom Vektorrom er en abstraksjon av R n. De kan brukes til å utlede egenskaper, resultater og metoder for tilsynelatende svært ulike klasser av objekter : n-tupler, følger, funksjoner,

Detaljer

OBLIG 2 - MAT 1120 Høsten 2005

OBLIG 2 - MAT 1120 Høsten 2005 > with(linearalgebra): with(linalg):with(plots): Warning, the name GramSchmidt has been rebound Warning, the protected names norm and trace have been redefined and unprotected Warning, the name changecoords

Detaljer

Rom og lineæritet. Erik Bédos. Matematisk Institutt, UiO 2012.

Rom og lineæritet. Erik Bédos. Matematisk Institutt, UiO 2012. Rom og lineæritet Erik Bédos Matematisk Institutt, UiO 202. Lineær algebra er et viktig redskap i nær sagt alle grener av moderne matematikk. De fleste emnene i matematikk på masternivå bygger på en forståelse

Detaljer

Fasit til utvalgte oppgaver MAT1110, uka 13/4-16/4

Fasit til utvalgte oppgaver MAT1110, uka 13/4-16/4 Fasit til utvalgte oppgaver MAT0, uka /4-6/4 Øyvind Ryan oyvindry@i.uio.no April, 00 Oppgave 4.8. a Bytt om første og andre rad. b Legg til ganger rad til rad. c Bytt om første og andre rad. d Legg til

Detaljer

Repetisjon: om avsn og kap. 3 i Lay

Repetisjon: om avsn og kap. 3 i Lay Repetisjon: om avsn. 2.1-2.4 og kap. 3 i Lay Matrisemultiplikasjon La A = [a ij ] være en m n matrise og B = [b kl ] være en n p matrise. ] Skriv B = [b 1 b 2 b p der b j -ene er i R n for hver j. Produktet

Detaljer

Diagonalizering. En n n matrise A sies å være diagonaliserbar hvis den er similær med en diagonalmatrise D. A = PDP 1

Diagonalizering. En n n matrise A sies å være diagonaliserbar hvis den er similær med en diagonalmatrise D. A = PDP 1 Diagonalizering En n n matrise A sies å være diagonaliserbar hvis den er similær med en diagonalmatrise D. A = PDP 1 1 Diagonalizering En n n matrise A sies å være diagonaliserbar hvis den er similær med

Detaljer

Generelle teoremer og denisjoner MA1201 Lineær Algebra og Geometri - NTNU Lærebok: Anton, H. & Rorres, C.: Elementary Linear Algebra, 11.

Generelle teoremer og denisjoner MA1201 Lineær Algebra og Geometri - NTNU Lærebok: Anton, H. & Rorres, C.: Elementary Linear Algebra, 11. Generelle teoremer og denisjoner MA1201 Lineær Algebra og Geometri - NTNU Lærebok: Anton, H. & Rorres, C.: Elementary Linear Algebra, 11. utgave Jonas Tjemsland 19. november 2014 1 Lineære likningssystemer

Detaljer

LØSNINGSFORSLAG EKSAMEN MA1202/MA6202 VÅR 2010

LØSNINGSFORSLAG EKSAMEN MA1202/MA6202 VÅR 2010 LØSNINGSFORSLAG EKSAMEN MA/MA6 VÅR Oppgave. a Radredusering gir A 4 6 5 R, og siden R har to ledende variabler så får vi ranka. Siden A har re kolonner gir dimensjonsteoremet for matriser at nullitya 4

Detaljer

6.5 Minste kvadraters problemer

6.5 Minste kvadraters problemer 6.5 Minste kvadraters problemer I mange anvendte situasjoner møter man lineære likningssystemer som er inkonsistente, dvs. uten løsninger, samtidig som man gjerne skulle ha funnet en løsning. Hva gjør

Detaljer

Vær OBS på at svarene på mange av oppgavene kan skrives på flere ulike måter!

Vær OBS på at svarene på mange av oppgavene kan skrives på flere ulike måter! Vær OBS på at svarene på mange av oppgavene kan skrives på flere ulike måter! Oppgave.. a x y = x + y = r r r +r r x y = y fri x y = y fri Vi får én fri variabel, og løsningens har følgelig dimensjon.

Detaljer

4.1 Vektorrom og underrom

4.1 Vektorrom og underrom 4.1 Vektorrom og underrom Vektorrom er en abstraksjon av R n. Kan brukes til å utlede egenskaper, resultater og metoder for tilsynelatende svært ulike klasser av objekter : n-tupler, følger, funksjoner,

Detaljer

MAT Prøveeksamen 29. mai - Løsningsforslag

MAT Prøveeksamen 29. mai - Løsningsforslag MAT0 - Prøveeksamen 9 mai - Løsningsforslag Oppgave Sett A = 4 4 0 x 0, x = x, b =, x 0 og la v, v, v betegne kolonnevektorene til A a) Skriv A x = y som en vektorlikning x Svar : Siden A x = [v v v ]

Detaljer

MAT Onsdag 7. april Lineær uavhengighet (forts. 1.8 Underrom av R n, nullrom, basis MAT Våren UiO. 7.

MAT Onsdag 7. april Lineær uavhengighet (forts. 1.8 Underrom av R n, nullrom, basis MAT Våren UiO. 7. MAT 2 april 2.7 Lineær.8 Underrom MAT 2 Våren 2 UiO 7. april 2 / 23 MAT 2 april 2.7 Lineær.8 Underrom Minner om:.7 Lineær (fortsettelse) Definisjon. To vektorer u og v i R n kalles lineært avhengige dersom

Detaljer

Kapittel 3. Mer om egenverdier og egenvektorer. 3.1 Komplekse n-tupler og vektorer

Kapittel 3. Mer om egenverdier og egenvektorer. 3.1 Komplekse n-tupler og vektorer Kapittel 3 Mer om egenverdier og egenvektorer I neste kapittel skal vi lære å løse systemer av difflikninger. Da vil vi trenge egenverdier og egenvektorer, og selv om vi skal løse reelle problemer, vil

Detaljer

16 Ortogonal diagonalisering

16 Ortogonal diagonalisering Ortogonal diagonalisering Ortogonale matriser Definisjon (Def 7) En n n matrise A kalles ortogonal dersom den er invertibel og A A T Denne betingelsen er ekvivalent til at der I n er n n identitesmatrisen

Detaljer

7.1 forts. Schur triangularisering og spektralteoremet

7.1 forts. Schur triangularisering og spektralteoremet 7.1 forts. Schur triangularisering og spektralteoremet Vi skal vise to svært sentrale resultat i lineær algebra. Spektralteoremet (Teorem 3 i Lay): dette sier bl.a. at reelle symmetriske matriser er ortogonalt

Detaljer

Kap. 5 og Notat 2 Oppsummering

Kap. 5 og Notat 2 Oppsummering Kap. 5 og Notat 2 Oppsummering Vi lar A være en reell n n matrise, med mindre noe annet sies. x R n er en egenvektor for A tilh. egenverdien λ R betyr at A x = λ x og x 0. Hvis A er triangulær, er egenverdiene

Detaljer

= 3 11 = = 6 4 = 1.

= 3 11 = = 6 4 = 1. MAT3000/4000 Eksamen V3 Løsningsforslag Oppgave [0 poeng] Sjekk at 3 er en kvadratisk rest i Z/(3) og finn løsningene av likningen x = 3 i Z/(3) (uten å lage en tabell for x ) Du får lov til å bruke at

Detaljer

Løsninger for eksamen i MAT Lineær algebra og M102 - Lineær algebra, fredag 28. mai 2004, Oppgave 1. M s = = 1 2 (cofm 2) T.

Løsninger for eksamen i MAT Lineær algebra og M102 - Lineær algebra, fredag 28. mai 2004, Oppgave 1. M s = = 1 2 (cofm 2) T. Løsninger for eksamen i MAT - Lineær algebra og M - Lineær algebra, fredag 8. mai 4, (a) Finn determinanten til matrisen M s = Oppgave s uttrykt ved s, og bruk dette til å avgjøre for hvilke s matrisen

Detaljer

EKSAMEN. 1 Om eksamen. EMNE: MA2610 FAGLÆRER: Svein Olav Nyberg, Trond Stølen Gustavsen. Klasser: (div) Dato: 24. mai 2004 Eksamenstid:

EKSAMEN. 1 Om eksamen. EMNE: MA2610 FAGLÆRER: Svein Olav Nyberg, Trond Stølen Gustavsen. Klasser: (div) Dato: 24. mai 2004 Eksamenstid: EKSAMEN EMNE: MA6 FAGLÆRER: Svein Olav Nyberg, Trond Stølen Gustavsen Klasser: (div) Dato: mai Eksamenstid: Eksamensoppgaven består av følgende: Antall sider (ink forside): 5 Antall oppgaver: Antall vedlegg:

Detaljer

EKSAMEN I MA1202 LINEÆR ALGEBRA MED ANVENDELSER

EKSAMEN I MA1202 LINEÆR ALGEBRA MED ANVENDELSER Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 10 Faglig kontakt under eksamen: Truls Fretland (73 55 89 87) EKSAMEN I MA1202 LINEÆR ALGEBRA MED ANVENDELSER LØSNINGSFORSLAG

Detaljer

10 Radrommet, kolonnerommet og nullrommet

10 Radrommet, kolonnerommet og nullrommet Radrommet kolonnerommet og nullrommet La A være en m n matrise Vi kan beskrive matrisen ved hjelp av dens rader r A r r i R n r m eller dens kolonner A [ c c c n ci R m Definisjon (se Def 7 i boka) For

Detaljer

8 Vektorrom TMA4110 høsten 2018

8 Vektorrom TMA4110 høsten 2018 8 Vektorrom TMA4 høsten 8 I de foregående kapitlene har vi tatt en lang vandring gjennom den lineære algebraens jungel. Nå skal vi gå opp på en fjelltopp og skue ut over landskapet vi har vandret gjennom.

Detaljer

x 1 x 2 x = x n b 1 b 2 b = b m Det kan være vanskelig (beregningsmessig) og bearbeide utrykk som inneholder

x 1 x 2 x = x n b 1 b 2 b = b m Det kan være vanskelig (beregningsmessig) og bearbeide utrykk som inneholder 4 Noen merknader 4. Lineære systemer Ax = b Gitt systemet Ax = b, A = [a i,j ] i=,,...,m, j=,,...,n x = b = Det kan være vanskelig (beregningsmessig) og bearbeide utrykk som inneholder b i. Med det finnes

Detaljer

Vektorrom. Kapittel 7. Hva kan vi gjøre med vektorer?

Vektorrom. Kapittel 7. Hva kan vi gjøre med vektorer? Kapittel 7 Vektorrom Vårt mål i dette kapitlet og det neste er å generalisere og abstrahere ideene vi har jobbet med til nå Især skal vi stille spørsmålet Hva er en vektor? Svaret vi skal gi, vil virke

Detaljer

Universitetet i Agder Fakultetet for teknologi og realfag Institutt for matematiske fag. Eksamen MA desember Lykke til!

Universitetet i Agder Fakultetet for teknologi og realfag Institutt for matematiske fag. Eksamen MA desember Lykke til! Universitetet i Agder Fakultetet for teknologi og realfag Institutt for matematiske fag Eksamen Emnekode: Emnenavn: MA-2 Lineær algebra Dato: Varighet:. desember 2 9. - 4. Antall sider: Tillatte hjelpemidler:

Detaljer

Eksamen i ELE Matematikk valgfag Torsdag 18. mai Oppgave 1

Eksamen i ELE Matematikk valgfag Torsdag 18. mai Oppgave 1 Eksamen i ELE79 - Matematikk valgfag Torsdag 8. mai 07 LØSNINGFORSLAG Oppgave (a) Den utvidede matrisen til likningssystemet er 6 Gausseliminasjon: ganger rad I legges til rad II: 0 0 Rad I trekkes fra

Detaljer

(3/2)R 2+R 3 R 1 +R 2,( 2)R 1 +R 3 ( 2)R 1 +R 4 6/5R 3 +R 4 1/5R 3

(3/2)R 2+R 3 R 1 +R 2,( 2)R 1 +R 3 ( 2)R 1 +R 4 6/5R 3 +R 4 1/5R 3 NTNU Institutt for matematiske fag TMA4115 Matematikk 3 våren 2009 Løsningsforslag - Øving 10 Fra Edwards & Penney, avsnitt 4.4 5 Vi bruker Algoritme 1 og 2 i EP på sidene 190 og 193 for å finne en basis

Detaljer

Lineærtransformasjoner

Lineærtransformasjoner Kapittel 8 Lineærtransformasjoner I forrige kapittel begynte vi å formulere lineær algebra på en generell måte, ved å gi en abstrakt definisjon av vektorrom For å beskrive sammenhenger mellom forskjellige

Detaljer

MAT3000/ Våren 2013 Obligatorisk oppgavesett nr. 2 Løsningsskisse

MAT3000/ Våren 2013 Obligatorisk oppgavesett nr. 2 Løsningsskisse MAT3000/4000 - Våren 2013 Obligatorisk oppgavesett nr. 2 Løsningsskisse Oppgave 1 Din offentlig nøkkel er N = 377 og a = 269, mens lederen av klubben har valgt N = 1829 og a = 7. Passordet som du har mottatt

Detaljer

MAT UiO. 10. mai Våren 2010 MAT 1012

MAT UiO. 10. mai Våren 2010 MAT 1012 MAT Våren UiO. / 7 Betrakt et system x = A x der A M n (R) er diagonaliserbar. Vi har sett at systemet kan løses ved frakoblingsmetoden: Vi finner da P = [v v n ] (inverterbar) og D (diagonal) som diagonaliserer

Detaljer

EKSAME SOPPGAVE MAT-1004 (BOKMÅL)

EKSAME SOPPGAVE MAT-1004 (BOKMÅL) EKSAME SOPPGAVE MAT-00 (BOKMÅL) Eksamen i : Mat-00 Lineær algebra. Dato : Torsdag 09. juni. Tid : 09.00 -.00. Sted: : Teorifagb., hus, plan. Tillatte hjelpemidler : Godkjent kalkulator, to A ark egne notater

Detaljer

EKSAMENSOPPGAVE. to A4 ark egne notater og Rottmanns tabeller. Kontaktperson under eksamen: Professor Andrei Prasolov. Telefon:

EKSAMENSOPPGAVE. to A4 ark egne notater og Rottmanns tabeller. Kontaktperson under eksamen: Professor Andrei Prasolov. Telefon: EKSAMENSOPPGAVE Eksamen i: Mat 4 Lineær algebra Dato: Torsdag 4 juni 25 Tid: Kl 9: 3: Sted: Åsgårdvegen 9 Tillatte hjelpemidler: Godkjent kalkulator, to A4 ark egne notater og Rottmanns tabeller Oppgavesettet

Detaljer

3.9 Teori og praksis for Minste kvadraters metode.

3.9 Teori og praksis for Minste kvadraters metode. 3.9 Teori og praksis for Minste kvadraters metode. Vi fortsetter med minste kvadraters problem. Nå skal vi se nærmere på noen teoretiske spørsmål, bl.a. hvordan normallikningene utledes. Minner om MK problemstillingen:

Detaljer

9 Lineærtransformasjoner TMA4110 høsten 2018

9 Lineærtransformasjoner TMA4110 høsten 2018 9 Lineærtransformasjoner MA4 høsten 8 I forrige kapittel begynte vi å formulere lineær algebra på en generell måte, ved å gi en abstrakt definisjon av vektorrom For å beskrive sammenhenger mellom forskjellige

Detaljer

Lineære likningssystemer og matriser

Lineære likningssystemer og matriser Kapittel 3 Lineære likningssystemer og matriser I dette kapittelet skal vi sette sammen Kapittel 1 og 2. 3.1 Den utvidede matrisen til et likningssystem Vi starter med et lineært likningssystem med m likninger

Detaljer

12 Lineære transformasjoner

12 Lineære transformasjoner 2 Lineære transformasjoner 2 Funksjoner Definisjon 2 En funksjon ( a function) f : A B er en regel, som tilordner en entydig bestemt verdi f (a) B til ethvert element a A Mengden A kalles domenet til f

Detaljer

EKSAMENSOPPGAVER FOR TMA4110/TMA4115 MATEMATIKK 3

EKSAMENSOPPGAVER FOR TMA4110/TMA4115 MATEMATIKK 3 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 25 2. januar 25 EKSAMENSOPPGAVER FOR TMA4/TMA45 MATEMATIKK 3 Oppgave A- a) Finn kvadratrøttene til det komplekse tallet

Detaljer

(a) R n defineres som mengden av kolonnevektorer. a 1 a 2. a n. (b) R n defineres som mengden av radvektorer

(a) R n defineres som mengden av kolonnevektorer. a 1 a 2. a n. (b) R n defineres som mengden av radvektorer 5 Vektorrom Et vektorrom er en mengde V med tre algebraiske operasjoner (addisjon, negasjon og skalærmultiplikasjon) som tilfredsstiller de 10 betingelsene fra Def. 4.1.1. Jeg vil ikke gi en eksamensoppgave

Detaljer

Lineær uavhengighet og basis

Lineær uavhengighet og basis Lineær uavhengighet og basis NTNU, Institutt for matematiske fag 19. oktober, 2010 Lineær kombinasjon En vektor w sies å være en lineær kombinasjon av vektorer v 1, v 2,..., v k hvis det finnes tall c

Detaljer

Løsningsforslag MAT 120B, høsten 2001

Løsningsforslag MAT 120B, høsten 2001 Løsningsforslag MAT B, høsten Sett A = ( ) (a) Finn egenverdiene og egenvektorene til A ( ) λ =, e = ( λ =, e = ) (b) Finn matrisen e ta og den generelle løsningen på initialverdiproblemet Ẋ = AX, X()

Detaljer

Løsningsforslag til eksamen i MA1202/MA6202 Lineær algebra med anvendelser våren 2009.

Løsningsforslag til eksamen i MA1202/MA6202 Lineær algebra med anvendelser våren 2009. Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av Løsningsforslag til eksamen i MA22/MA622 Lineær algebra med anvendelser våren 29 Oppgave a) Rangen til A er lik antallet

Detaljer

MA1201, , Kandidatnummer:... Side 1 av 5. x =.

MA1201, , Kandidatnummer:... Side 1 av 5. x =. MA1201, 05.10.2016, Kandidatnummer:... Side 1 av 5 Oppgave 1 Løs ligningssystemet S T S T 1 1 0 1 W X W X U2 1 1 V x = U5V. 1 0 2 1 x =. Oppgave 2 Regn ut: S T S T 1 2 1 1 1 W X W X U 3 0 1 V U0 1 V =

Detaljer

6.8 Anvendelser av indreprodukter

6.8 Anvendelser av indreprodukter 6.8 Anvendelser av indreprodukter Vektede minste kvadraters problemer Anta at vi approksimerer en vektor y = (y 1,..., y m ) R m med ŷ = (ŷ 1,..., ŷ m ) R m. Et mål for feilen vi da gjør er y ŷ, der betegner

Detaljer

7 Egenverdier og egenvektorer TMA4110 høsten 2018

7 Egenverdier og egenvektorer TMA4110 høsten 2018 7 Egenverdier og egenvektorer TMA4 høsten 8 Det er ofte hensiktsmessig å tenke på en matrise ikke bare som en tabell med tall, men som en transformasjon av vektorer. Hvis A er en m n-matrise, så gir A

Detaljer

Forelesning 14 Systemer av dierensiallikninger

Forelesning 14 Systemer av dierensiallikninger Forelesning 14 Systemer av dierensiallikninger Eivind Eriksen 9. april 010 Dierensiallikninger En dierensiallikning inneholder en avhengig variabel (typisk y ) og en uavhengig variabel (typisk x), som

Detaljer

1 Gauss-Jordan metode

1 Gauss-Jordan metode Merknad I dette Kompendiet er det gitt referanser både til læreboka og til selve Kompendiet Hvordan å gjenkjenne dem? Referansene til boka er 3- tallede, som Eks 3 Vi kan også referere til 22, kap 22 eller

Detaljer