Lineære likningssystemer, vektorer og matriser
|
|
- Maria Antonsen
- 5 år siden
- Visninger:
Transkript
1 Lineære likningssystemer, vektorer og matriser Kompendium i MAT00 Matematikk Våren 2009 Inger Christin Borge Matematisk institutt, UiO
2 Forord Velkommen til Universitetet i Oslo, og til MAT00 våren 2009! Selv om de fleste av dere ikke skal ta så mange flere matematikk-kurs enn dette, er det viktig at dere føler dere som matematikkstudenter dette semesteret. Emnebeskrivelsen for MAT00 er som følger: Kort om emnet: I dette emnet står løsningsmetoder og studie av løsninger av 3 typer likninger i fokus. Emnet gir en innføring i følgende 3 hovedtemaer: ) Lineære likningssystemer, vektorer og matriser (herunder Gauss- Jordan eliminasjon, matriseoperasjoner, determinanter, egenverdier og egenvektorer). 2) Differenslikninger (herunder følger, grenseverdier, komplekse tall, enkel grafteori, trær, nettverk og boolsk algebra). 3) Differensiallikninger og modellering (herunder derivasjon, integrasjon, eksponential-, logaritme-, og trigonometriske funksjoner). Hva lærer du? Emnet gir deg en matematisk verktøykasse som du vil ha bruk for i videre realfagsstudier som ikke forutsetter full fordypning i matematikk fra videregående skole. Målet er å gi deg en forståelse av hvordan visse typer problemstillinger kan modelleres og lære deg å finne løsninger på problemene. Problemstillingene hentes fra relevante fagområder, som f.eks. biologi, informatikk og kjemi. Vi håper at kurset virkelig vil gi deg en matematisk verktøykasse, og at du vil synes det er spennende og interessant. Til kurset er det skrevet en trilogi bestående av 3 kompendier som følger de 3 hovedtemaene. Utgangspunktet for stoffvalg og presentasjon har vært 2MX eller 2MY og 3MY fra videregående skole, samt tidligere eksamensoppgaver i kurs tilsvarende MAT00 ved UiO. ii
3 Dette kompendiet er skrevet til bruk i undervisningen av det første temaet Lineære likningssystemer, vektorer og matriser, og vi går rett på med Lineære likningssystemer som første kapittel. Deretter innfører vi matriser og ser på hvordan de kan brukes for å løse lineære likningssystemer. Vi ser så på anvendelser, spesielt problemer av typen som faller inn under såkalt populasjonsdynamikk. Her er det mange morsomme problemer! Matematikken du har som bakgrunn fra videregående vil nå bakes inn i en større sammenheng, og vi vil minne om dette stoffet etterhvert som vi trenger det. Noe av denne matematikken vil vi også prøve og ta litt ekstra grundig på plenum og grupper, men sørg for å repetere stoff fra videregående så fort det dukker opp ting du føler du ikke husker godt nok! Underveis i teksten gis det mange eksempler, og bakerst vil du finne oppgavesamling og tidligere eksamensoppgaver. Ta gjerne en titt på dem med en gang, så ser du hva slags problemer vi skal ende opp med å løse. Oppgavene varierer i vanskelighetsgrad, og noen er markert Ekstra vanskelig. Det er veldig viktig at du prøver å løse alle oppgavene! Husk at det er nettopp da du virkelig ser hva du har forstått. Hjelp vil du få underveis av forelesere, plenumsregnere, gruppelærere og orakler. Lykke til med kurset! Tusen takk til mine medspillere Erik Bédos, Arne B. Sletsjøe, Elisabeth Seland, Jørgen Myre og Xiang He Kong for kontinuerlige innspill og kommentarer til dette heftet. Også en stor takk til Dina Haraldsson for hjelp med tidligere eksamensoppgaver, Kari T. Hylland for hjelp med treningsoppgaver, Magnus Dehli Vigeland for å ha lært meg xfig på en dag, slik at det ble noen figurer i kompendiet også, og til Helge Flakstad for å ha gitt meg bøker og informasjon om pensum fra videregående. Dette kompendiet ble første gang brukt i MAT00 høstsemesteret 2008, da vi også hadde en trykkfeilkonkurranse. Denne versjonen er rettet for trykkfeil som ble oppdaget da. Dessuten er Eksempel 4.22 nytt. Tusen takk til alle MAT00-studenter samt undervisere høsten 2008 for innspill! Oppfordringen om å sende trykkfeil og kommentarer gjelder for vårsemesteret også: Send gjerne trykkfeil og kommentarer til ingerbo@math.uio.no Blindern, januar 2009 Inger Christin Borge iii
4 Innhold Notasjon vi Lineære likningssystemer. Lineære likninger Vektorer og n-tupler Løsningsmengde og parameterfremstilling Lineære likningssystemer Løsningsmetoder Geometriske løsninger Et viktig resultat Nå skal du kunne Matriser 2 2. Definisjoner og regneoperasjoner Regneregler og noen spesielle matriser Anvendelse: Binære matriser og søkevektorer Determinanten til en matrise Matriselikninger Nå skal du kunne Lineære likningssystemer og matriser Den utvidede matrisen til et likningssystem Et viktig bevis Radoperasjoner Redusert trappeform Gauss-Jordan-eliminasjon Et nyttig resultat iv
5 3.7 Cramers regel Nå skal du kunne Anvendelser av lineære likningssystemer Populasjonsdynamikk Egenverdier og egenvektorer Hva skjer i det lange løp for lineære sammenhenger? Nå skal du kunne A Oppgaver 86 A. Kapittel A.2 Kapittel A.3 Kapittel A.4 Kapittel B Tidligere eksamensoppgaver 02 C Fasit og løsningsforslag 23 C. Kapittel C.2 Kapittel C.3 Kapittel C.4 Kapittel C.5 Tidligere eksamensoppgaver D Støtte- og tilleggslitteratur 48 E Norsk-engelsk ordliste 49 Register 53 v
6 Notasjon {} mengde element i N de naturlige tallene,2,3,... Z de hele tallene..., 2,, 0,, 2,... Q de rasjonale tallene (brøker) R de reelle tallene (tallinjen) med ordet tall menes et reelt tall R 2 det reelle planet R 3 det reelle rommet R n det n-dimensjonale rommet avslutter et Bevis avslutter et Eksempel eller en Bemerkning vi
7 Kapittel Lineære likningssystemer Jeg tenker på et tall slik at π ganger tallet er 2.. Lineære likninger Matematikk dreier seg om å løse problemer. Problemene gjøres ofte om til likninger som så må løses. I lineær algebra studerer vi spesielt systemer av lineære likninger og deres løsninger. For eksempel kan problemet med å finne et tall slik at π ganger tallet er 2 gjøres om til en likning ved å kalle tallet vi vil finne for x. Problemet blir nå å finne x der x oppfyller likningen πx = 2. I likningsspråket kalles x en variabel (den ukjente i problemet vi vil løse). Vi må også kunne behandle likninger med flere variable, eller problemer med flere ukjente om man vil: For eksempel kan vi tenke på fire tall slik at summen av dem er 2. Hvis vi kaller de ukjente tallene for x, x 2, x 3 og x 4, blir problemet vårt gjort om til likningen x + x 2 + x 3 + x 4 = 2. Begge likningene vi har sett til nå er eksempler på lineære likninger. Definisjon. La n N. En (reell) lineær likning i n variable (eller ukjente) x, x 2,..., x n er en likning på formen a x + a 2 x a n x n = b
8 der a, a 2,..., a n og b er (reelle) konstanter. Tallene a, a 2,..., a n kalles koeffisientene til likningen. Matematikk er den mest eksakte vitenskapen vi har. Og uten definisjonene klarer vi oss ikke lenge. De sier nemlig nøyaktig hva vi mener med de ulike begrepene vi jobber med. For at vi skal kalle en likning lineær, kan vi kun ha ledd der vi ganger variablene med konstanter (også kalt skalarer) og i tillegg har vi lov til å ta summer av slike ledd. Lineære likninger inneholder dermed ikke produkter eller røtter av variablene, og variablene er heller ikke argumenter for for eksempel trigonometriske, logaritmiske eller eksponentiale funksjoner. Dette vil videre si at problemer der for eksempel ordet produkt dukker opp, slik som Finn to tall slik at produktet er 5 ikke vil gi opphav til lineære likninger. Areal- og volum-problemer er andre eksempler som involverer produkter av de ukjente. Eksempel.2 Likningen 5x + x 2 3x 3 = 0 er en lineær likning i x, x 2 og x 3 fordi den er på formen a x +a 2 x 2 +a 3 x 3 = b der a, a 2, a 3 og b er reelle konstanter (a = 5, a 2 =, a 3 = 3 og b = 0). Likningen 4x x 2 + 4x 3 + x 3 4 = x er ikke lineær, siden vi har leddet x 3 4 som ikke er på formen a 4 x 4 for en reell konstant a 4..2 Vektorer og n-tupler Før vi går løs på løsninger og anvendelser av lineære likninger, skal vi definere noen begreper. Definisjon.3 La n være et naturlig tall. Et n-tuppel, skrevet x = (x,..., x n ), er n tall ordnet i en bestemt rekkefølge. 2
9 Eksempel.4 Tallene, 2, 3 og 4 kan danne flere 4-tupler. Når vi skriver 4-tuppelet (, 3, 2, 4) har vi bestemt at er det første tallet, 3 er det andre, 2 det tredje og 4 det fjerde tallet. Et -tuppel (x ) gir oss et tall, dvs. geometrisk får vi et punkt på tallinjen R. Et 2-tuppel (x, x 2 ) gir oss et punkt i planet (skrives R 2 ), som er 2- dimensjonalt. Matematikere er ikke redde for å generalisere, og snakker gjerne om det n-dimensjonale rommet R n. Det er mengden av alle n-tupler, dvs. R n = {(x,..., x n ): x i R} som leses R i n-te er lik mengden av n-tupler x opp til x n der x i -ene er elementer i R. Vi må kunne regne med n-tupler, og addisjon av n-tupler og multiplikasjon av n-tupler med konstanter (de lineære regneoperasjonene) skal gi oss nye n-tupler. Det bringer oss til følgende definisjon. Definisjon.5 La x = (x,..., x n ) og y = (y,..., y n ) være to n-tupler og la a være en konstant i R. Vi definerer x + y = (x + y,..., x n + y n ); ax = (ax,..., ax n ). Vi kan ikke addere et m-tuppel og et n-tuppel hvis m n. Eksempel.6 La x = (5, 3, 8, 2) og y = (7, 6,, 0). Da er x y 2 = (5, 3, 8, 2) (7, 6,, 0) 2 = (5, 3, 8, 2) + ( 7, 3,, 0) 2 2 = ( 3 2, 0, 5 2, 2), som er et nytt 4-tuppel. Vi har bruk for å kunne multiplisere n-tupler også. Det er flere måter å gjøre dette på, og vi skal se på følgende produkt: 3
10 Definisjon.7 La x = (x,..., x n ) og y = (y,..., y n ) være to n-tupler. Vi definerer skalarproduktet av x og y som x y = x y + + x n y n. Vi ser at skalarproduktet ikke gir oss noe nytt n-tuppel, men et tall (en skalar, derav navnet). Eksempel.8 La x = (5, 3, 8, 2) og y = (7, 6,, 0). Da er x y = (5, 3, 8, 2) (7, 6,, 0) = ( 2) 0 = = 6, så skalarproduktet av to 4-tupler gir oss et -tuppel (ett tall) i R. For dere som har møtt vektorer før, vil nok regningene med n-tupler virke litt kjente. I 2MX lærte dere å regne med vektorer i planet, og at en vektor er et rett linjestykke med en retning. En vektor i planet (R 2 ) kan sees på som et 2-tuppel. Forklaring: En vektor i R 2 skrives gjerne x = x, x 2, mens 2-tuppelet skrives x = (x, x 2 ). Geometrisk kan 2-tuppelet x tegnes som et punkt i R 2. Dette punktet gir oss en vektor x ved at vi tegner linjestykket fra origo ut til punktet x og følger retningen fra origo langs linjestykket. Omvendt, hvis vi har en vektor x i planet, parallellforskyver vi linjestykket slik at startpunktet på linjestykket i forhold til retningen blir liggende i origo. Da vil endepunktet på linjestykket gi oss punktet x. Her er en figur til forklaringen: x x = (x, x 2 ) 2 x 0 x 4
11 Ved å bruke analogien til 2-tupler vil vi tenke på n-tupler som vektorer i R n. Noen ganger er det mest hensiktsmessig å bruke ordet tuppel (når vi fokuserer på mengder av ordnede tall), mens andre ganger (faktisk veldig ofte) vil ordet vektor dukke opp. Vi skal møte søkevektorer, svarvektorer, egenvektorer, kolonnevektorer og radvektorer. De kunne godt hatt navn søketuppel osv. Vi tar også med at vektoren (eventuelt tuppelet) 0 = (0,..., 0) kalles nullvektoren..3 Løsningsmengde og parameterfremstilling Hvordan løser vi lineære likninger? Hvordan finner vi x i likningen πx = 2? Den som leter, den finner, og blant tallene våre finner vi at x = 2 passer inn π i likningen. Det finnes ingen andre tall som oppfyller likningen. Altså var det tallet 2 vi tenkte på i starten av kapittelet. Dette er forøvrig diameteren i π en sirkel med omkrets 2. Hva med løsningen av likningen x + x 2 + x 3 + x 4 = 2? (.) La oss først definerer hva vi mener med en løsning av en lineær likning: Definisjon.9 En løsning av en lineær likning a x + a 2 x a n x n = b er et n-tuppel (s, s 2,..., s n ) slik at likningen er oppfylt når vi setter x = s, x 2 = s 2,..., x n = s n. Mengden av alle løsninger kalles løsningsmengden, eller den generelle løsningen, til likningen. Eksempel.0 For likningen πx = 2 er løsningsmengden { 2 } siden likningen er oppfylt når vi setter x = 2 og det er den eneste løsningen. π π 5
12 Bemerkning. Bruken av {}-parentesene i eksemplet skyldes at vi snakker om en løsningsmengde. Når vi kun har én løsning, kan de gjerne droppes. Hva med de fire tallene hvorav summen er 2 i likning (.)? Her har vi flere løsninger. For eksempel er 4-tuppelet (,,, 9) en løsning, siden likningen er oppfylt når vi setter x =, x 2 =, x 3 = og x 4 = 9. Videre har vi løsninger ( 5, 5,, ), (, 3, 7, 3) osv. Vi kan faktisk fortsette i det 2 2 uendelige med å finne løsninger. Hvordan kan vi presentere mengden av alle disse løsningene? La oss bestemme oss for at tallet x er s. Vi tenker på s som et symbol som kan anta alle verdier i R. Dette symbolet kalles en parameter. På denne måten kvitter vi oss med variabelen x og har redusert likningen (.) til x 2 + x 3 + x 4 = 2 s. Nå leter vi etter tre tall slik at summen av dem er 2 s. Hvis for eksempel s = 3, så er (,, 7), (3, 3, 3) og ( 5, 7, 3) eksempler på løsninger. Vi har 2 2 fortsatt ikke sagt hvordan vi kan holde orden på alle disse løsningene. For det første skal vi jo finne x 2, x 3 og x 4. I tillegg kan vi velge hvilken verdi vi vil for s. Vi innfører en parameter for x 2 også, så kvitter vi oss med en variabel til. La parameteren s 2 erstatte x 2. Da har vi redusert likning (.) videre til x 3 + x 4 = 2 s s 2. Fortsatt har vi samme problem som ovenfor: vi kan velge hvilke verdier vi vil for s og s 2, og vi har fortsatt to variable igjen i likningen. Siden vi har to variable igjen, er det ikke usannsynlig at det hjelper å kvitte seg med enda en av dem. Så vi gir oss ikke, og innfører parameteren s 3 for x 3. Dermed er likningen (.) redusert til x 4 = 2 s s 2 s 3. Vi kan fortsatt velge hvilke verdier vi vil for de tre parameterne, men når vi har gjort det, vet vi også hva x 4 er, dvs. vi har ikke noen ukjente igjen, men 6
13 bare parametere. Dermed kan vi presentere løsningsmengden til likningen (.): {(s, s 2, s 3, 2 s s 2 s 3 ): s, s 2, s 3 R}. (.2) Definisjon.2 Denne måten å presentere løsningsmengden til en likning på kalles en parameterfremstilling av løsningsmengden. Alternativt skriver vi at løsningsmengden (.2) består av alle (x, x 2, x 3, x 4 ) slik at (x, x 2, x 3, x 4 ) = (s, s 2, s 3, 2 s s 2 s 3 ) der s, s 2, s 3 R. Vi får altså alle løsninger av (.) ved å velge forskjellige verdier for s, s 2 og s 3. Dette gir uendelig mange løsninger. For eksempel kan vi velge s =, s 2 =, s 3 =, som gir oss 4-tuplet (,,, 9). Generelt ser vi at alle 4-tupler (s, s 2, s 3, 2 s s 2 s 3 ) passer inn i likningen x +x 2 +x 3 +x 4 = 2 siden s + s 2 + s 3 + (2 s s 2 s 3 ) = 2. Bemerkning.3 En parameter er også en variabel, men den varierer innenfor hvert enkelt problem vi studerer. Det er altså en forskjell på en variabel og en parameter annet enn at den ene heter x og den andre heter s. Vi kan tenke på en parameter som en variabel som har fått en spesiell rolle. Vi vil treffe både varible og parameter utover i kurset, og vil påpeke parameternes rolle i de ulike problemene vi studerer. Eksempel.4 For å finne løsningsmengden til likningen 5x + 3x 2 = 5, løser vi ut for en av variablene, og erstatter denne med en parameter (vi har en likning med to ukjente, og har ikke nok informasjon til å finne bare en løsning): x = x 2 7
14 Ved å sette x 2 = s 2 får vi at løsningsmengden er {(3 3 5 s 2, s 2 ): s 2 R}. (.3) Vi ser at vi startet med en likning med to variable (der vi bruker x-navn ), men for å presentere løsningen av likningen trenger vi bare én parameter (til dette bruker vi s-navn ). Bemerkning.5 Det fins uendelig mange parameterfremstillinger for én og samme mengde dersom mengden er uendelig stor. Eksempel.6 I Eksempel.4 kan vi løse ut for x 2 istedenfor x. Da får vi x 2 = x. Vi setter x = s. En annen parameterfremstilling av løsningsmengden blir da {(s, s ): s R}. (.4) Hvis vi har veldig lyst, kan vi lage andre parameterfremstillinger ved å multiplisere parameteren med en konstant, og dermed få uendelig mange parameterfremstillinger. For eksempel er en tredje mulighet å multiplisere s i (.4) med 3, dvs. sette x = 3s. Da får vi {(3s, 5 5s ): s R}. (.5) Parameterfremstillingene (.3), (.4) og (.5) er alle eksempler på fremstillinger av samme mengde. Hvis det skulle spille noen rolle, hvilken skal vi velge? Vi vet at en mengde av 2-tupler gir oss punkter i planet R 2. Hvis vi fremstiller løsningsmengden geometrisk, får vi i dette tilfellet en linje (uendelig mange punkter) i (x, x 2 )-planet med stigningstall 5 og skjæringspunkt 3 med x 2 -aksen i punktet (0, 5). For å få frem dette tydeligst mulig, ser vi at parameterfremstillingen (.4) kan være mest hensiktsmessig siden her er x- koordinaten en parameter, og likningen for linja leses av i y-koordinaten uten noe mer regning. 8
15 Vi minner om at dere har hatt om parameterfremstillinger av rette linjer i 2MX..4 Lineære likningssystemer Akkurat som vi kan ha mange ukjente størrelser i problemet vårt, kan vi også ha flere opplysninger som gir oss ulike sammenhenger mellom de ukjente størrelsene. For eksempel kan vi ha fire tall slik at summen er 2, og i tillegg får vi vite at det ene tallet er dobbelt så stort som summen av de andre tre tallene. Dette kan vi gjøre om til likningene { L : x + x 2 + x 3 + x 4 = 2 (.6) L 2 : x = 2(x 2 + x 3 + x 4 ). Jo flere ekstra opplysninger vi har, jo flere likninger skal variablene oppfylle. Vi får dermed det vi kaller et likningssystem, og vi bruker en {-parentes for å samle likningene i systemet. Definisjon.7 En endelig mengde av lineære likninger i variablene x, x 2,..., x n kalles et lineært likningssystem i n variable. En løsning av et lineært likningssystem er et n-tuppel (s, s 2,..., s n ) slik at alle likningene i systemet er oppfylt når vi setter x = s, x 2 = s 2,..., x n = s n. Mengden av alle løsninger kalles løsningsmengden, eller den generelle løsningen, til likningssystemet. Likningssystemene kan bli ganske kompliserte når vi har mange variable som avhenger av hverandre. Her er et eksempel: Eksempel.8 Vi studerer trafikken i et veinettverk mellom to punkter A og B, se figur nedenfor (en bydel i London kanskje?). Hver time kommer k biler inn til punkt A og etter hvert kommer alle de k bilene ut i punkt B. Bydelen har enveiskjørte gater, slik pilene viser, og mellom punktene A og B har vi 8 veibiter, delt opp av 3 knutepunkt C, D og E. La x i være trafikkstrømmen (målt i antall biler per time) langs veibit i. 9
16 k A x x 2 D E x 5 x 8 B k x 3 x 4 x 7 C x 6 Vi kan nå sette opp lineære likninger som sier hvordan trafikken på de ulike veibitene avhenger av hverandre (siden dette er et problem som bare vil involvere summering av variable). Sammenhengene mellom veibitene er gitt av knutepunktene, og siden det er 5 knutepunkt, får vi 5 likninger: A : B : x + x 2 + x 3 = k x 6 + x 7 + x 8 = k C : x 3 = x 4 + x 6 D : x 4 = x 5 + x 7 E : x + x 2 + x 5 = x 8 Vi ønsker å løse dette systemet, og vi skal straks se på løsningsmetoder, både i dette og i det neste kapittelet. Du skal løse dette systemet i en av oppgavene. Kanskje bør man lage et knutepunkt til for at trafikken skal flyte bedre? Vi tar med en liten bemerkning om begrepet parameter. Størrelsen k i dette problemet kalles også en parameter, siden den har en spesiell rolle og vil variere innenfor dette problemet (den vil for eksempel variere alt etter hvilken tid på døgnet det er snakk om). Vi kan fort forestille oss at trafikken i London kan gi store likningssystemer. Eller hva med verdensøkonomien? Da kan man også sette opp kompliserte (men ofte lineære) avhengighetsforhold mellom sektorer som jordbruk, fiskeindustri, oljeindustri osv. Les (for eksempel på nettet) om Wassily Leontief, som fikk Nobelprisen i økonomi i 973. Han drev nettopp med lineære sammenhenger innenfor store økonomiske enheter. I denne sammenhengen må vi nevne at den første Nobelprisen i økonomi (969) gikk til nordmannen Ragnar Frisch (delt med Jan Tinbergen fra Ned- 0
17 erland), som også studerte likningssystemer, av lineære likninger og differensog differensiallikninger (de tre typene likninger vi lærer om i MAT00!). På 930-tallet ble disse studiene brukt til å planlegge den økonomiske politikken i Norge. Frisch har vært meget viktig for norsk økonomi..5 Løsningsmetoder Vi skal løse likningssystemet (.6), og se hvilken forskjell den ekstra opplysningen (likning L 2 ) gir oss i forhold til løsningen av likning (.). Vi minner om addisjonsmetoden og substitusjonsmetoden siden tankegangen her blir viktig videre: Addisjonsmetoden (Også kalt eliminasjonsmetoden.) Her eliminerer vi en eller flere av variablene i likningssystemet ved å multiplisere en av likningene i systemet med en passende konstant og legge dette multiplumet til en eller flere av de andre likningene (vi adderer likninger). Vi har systemet (.6): { L : x + x 2 + x 3 + x 4 = 2 L 2 : x 2x 2 2x 3 2x 4 = 0 Vi kan nå velge hvilken variabel vi vil prøve å eliminere først, så det gjelder å få et overblikk over systemet som skal løses, og å være lur. Hvis vi legger 2 L til L 2, får vi 2 L : 2x + 2x 2 + 2x 3 + 2x 4 = 24 L 2 : x 2x 2 2x 3 2x 4 = 0 3x = 24 Dermed har vi eliminert tre av variablene, og sitter igjen med én likning i én variabel. Løsningen av likningen 3x = 24 er x = 8. Altså har vi funnet at tallet som er dobbelt så stort som summen av de tre andre tallene må være 8. Hva med de tre andre tallene? Vi har funnet at x må være 8, så
18 likningssystemet er nå redusert til { L : x 2 + x 3 + x 4 = 4 L 2 : 2x 2 2x 3 2x 4 = 8. La oss fortsette med addisjonsmetoden. Hvis vi legger 2 L til L 2, får vi utsagnet 0 = 0, noe som utvilsomt er riktig. Utsagnet 0 = 0 forteller oss at vi i realiteten kun har én likning, siden begge likningene sier det samme. Vi trenger altså ikke den ekstra opplysningen L 2 gir oss, for den gir oss akkurat samme informasjon som likning L. Dermed vil likningssystemet vårt bare bestå av L : x 2 + x 3 + x 4 = 4, dvs. vi har tre tall slik at summen er 4. Da har vi redusert det opprinnelige problemet til et problem av samme type som likning (.), og igjen innfører vi parametere for to av variablene. Dermed blir løsningen av likningssystemet (.6) (x, x 2, x 3, x 4 ) = (8, s 2, s 3, 4 s 2 s 3 ) der s 2, s 3 R. Vi har fortsatt uendelig mange løsninger, siden vi kan velge hvilke verdier vi vil for både s 2 og s 3 (vi kunne godt ha kalt parameterne for s og s 2 eller noe annet, men det er oversiktlig å følge indekseringen i variablene). Den ekstra opplysningen vi fikk (likning L 2 ) har gjort at vi ikke har så stor frihet når det gjelder å finne løsninger. For eksempel er (,,, 9) ikke lenger en løsning, mens (8, 2,, ) er en løsning (ved å velge s 2 = 2 og s 3 = ). Systemet vi ser på har altså løsninger. Vi sier at likningssystemet er konsistent, dvs. at det gir mening. 2
19 Definisjon.9 Et lineært likningssystem kalles konsistent hvis det har minst én løsning. Et lineært system som ikke har noen løsninger kalles inkonsistent. Hadde det for eksempel stått 5 istedenfor 4 i L, hadde vi fått utsagnet 0 = 2, som er galt. Da ville systemet vært inkonsistent, dvs. systemet har ingen løsninger. Det betyr at hvis vi innfører en tilleggsopplysning som sier at summen av de andre tre tallene er 5, så har vi ikke noen løsninger av problemet. Substitusjonsmetoden Når vi bruker denne metoden løser vi ut for en av variablene i en av likningene og bytter ut (substituerer) denne variabelen med uttrykket vi får i alle de andre likningene. La oss se på systemet (.6) igjen: { L : x + x 2 + x 3 + x 4 = 2 L 2 : x 2x 2 2x 3 2x 4 = 0 Vi kan velge hvilken variabel vi ønsker å bytte ut. Det er forøvrig her det matematiske talentet gjerne kommer inn (så lenge vi har en oppskrift går ting greit, men når vi skal ta valg er det noen valg som er bedre enn andre, da de ofte er tidsbesparende og/eller elegante!). Vi velger å bruke L 2, som gir x = 2x 2 +2x 3 +2x 4. Bytter vi ut x i L, får vi likningen 3x 2 + 3x 3 + 3x 4 = 2, som er det samme som likningen x 2 +x 3 +x 4 = 4. Vi kan videre sette inn 4 for x 2 +x 3 +x 4 i L, og får at x = 8. Dermed har vi redusert likningssystemet til akkurat de samme likningene som ved å bruke addisjonsmetoden, og vi får (naturligvis) samme svar. Vi ser at så lenge vi ikke har nok informasjon til å bestemme en nøyaktig løsning på problemet vårt, for eksempel når vi har flere variable enn vi har likninger, må vi innføre parametere for å presentere den generelle løsningen til problemet. 3
20 Bemerkning.20 Hvis vi reduserer systemet vårt til én likning med n variable, må vi innføre n parametere. Disse kan vi fritt velge verdier for, og når vi har gjort det, er verdien til den siste variabelen bestemt. Hvilke av de n variablene som skal erstattes med en parameter, kan vi velge fritt. Dessuten kan vi manipulere med parameterne alt etter hvordan vi ønsker at løsningene skal se ut (lovlige manipuleringer er å multiplisere med konstanter og summere parametere). La oss løse et likningssystem med tre likninger og tre ukjente (der vi forøvrig ikke kommer til å trenge en parameter i løsningene fordi vi får nøyaktig én løsning): Eksempel.2 Vi vil løse systemet L : x + x 2 + 2x 3 = 9 L 2 : 2x + 4x 2 3x 3 = L 3 : 3x + 6x 2 5x 3 = 0. Strategien er å bruke en av likningene til å eliminere en variabel fra de to andre likningene (eliminere samme variabel fra begge), slik at vi får frem et system med to likninger og to ukjente. Vi velger å bruke L til å eliminere x fra L 2 og L 3. Det kan enten gjøres ved substitusjonsmetoden ved å erstatte x med 9 x 2 2x 3, eller ved addisjonsmetoden der vi legger 2 L til L 2 og 3 L til L 3. Vi velger den siste metoden, og får systemet: L : x + x 2 + 2x 3 = 9 L 2 : 2x 2 7x 3 = 7 L 3 : 3x 2 x 3 = 27 Dette likningssystemet vil ha de samme løsningene som vårt opprinnelige system (vi har bare brukt likningene som systemet oppfyller til å forenkle systemet). Nå utgjør L 2 og L 3 et system av to likninger med to ukjente, og vi bruker addisjonsmetoden (eller substitusjonsmetoden) til å eliminere x 2. Vi utfører 4
21 operasjonene 3 L 2 og 2 L 3: L : x + x 2 + 2x 3 = 9 L 2 : 6x 2 + 2x 3 = 5 L 3 : 6x 2 22x 3 = 54 (Vi har fortsatt ikke forandret på løsningsmengden ved å gjøre dette.) Vi legger så sammen L 2 og L 3 og får x 3 = 3, dvs. x 3 = 3. Så kan vi nøste oss bakover: Vi setter inn x 3 = 3 i for eksempel L 3 : 6x 2 22x 3 = 54 og får 6x 2 = , dvs. x 2 = 2. Vi setter så inn x 2 = 2 og x 3 = 3 i L : x + x 2 + 2x 3 = 9, og får x = 9 2 6, dvs. x =. Likningssystemet vi startet med har altså nøyaktig én løsning, nemlig (x, x 2, x 3 ) = (, 2, 3). Vi skal snart se hvordan vi kan løse større likningssystemer ved å sette addisjonsmetoden inn i et større maskineri. Bemerkning.22 Merk at vi har brukt x, x 2, x 3,... x n som navn på variablene våre, men så lenge vi kun har systemer med opptil tre (eventuelt fire) variable kaller vi de ofte x, y og z (og eventuelt w). 5
22 .6 Geometriske løsninger Vi har sett hvordan vi kan løse lineære likningssystemer algebraisk. En løsning er et n-tuppel, der n er antall variable i systemet. Vi vet at et -tuppel kan tolkes som et punkt på tallinjen og et 2-tuppel som et punkt i planet. Et 3-tuppel gir oss et punkt i rommet R 3. På denne måten kan vi visualisere løsningene, og se for oss hva som skjer. La oss se litt nærmere på hvordan likningssystemene kan løses geometrisk. Bemerkning.23 Vår geometriske visualiseringsevne stopper etter tre dimensjoner (rommet R 3 ). Vi kan derfor kun se for oss løsningsmengden til systemer med opptil tre variable. Hver likning i et lineært likningssystem med opptil tre variable representerer en lineær figur i rommet. Lineære figurer er punkter, linjer og plan. (Tegn gjerne tegninger mens du leser videre, og vær stø på hånden hvis du ikke har linjal. Vi skal ikke ha noen krumning på figurene.) Én likning med én variabel (f.eks. πx = 2) har som geometrisk løsningsmengde ett punkt på talllinjen R (dvs. én løsning). Én likning med to variable (f.eks. 5x + 3y = 5) har en linje i R 2 (dvs. uendelig mange løsninger) som sin geometriske løsningsmengde. Den generelle likningen for en linje skrives ofte på formen y = ax + b (som vi får ved å flytte y alene på venstresiden), der a er stigningstallet til linja, og b er y-verdien der linja skjærer y-aksen. Én likning med tre variable (f.eks. 4x+2y+z = 0) har som geometrisk løsningsmengde et plan i rommet R 3 (dvs. uendelig mange løsninger). Den generelle likningen for et plan er ax + by + cz = d der a, b, c og d er reelle tall (og der a, b, c ikke alle er 0). (Prøv å overbevise deg om dette ved å sette hver av variablene lik 0, for eksempel x = 0 gir by + cz = d, som er en linje i (y, z)-planet. På den måten, 6
23 ved å sette sammen mange linjer, får vi et plan. Vi skal imidlertid ikke studere plan nærmere her, for oss er det viktigste å vite at lineære likninger i tre variable gir oss plan.) Og hvis du lurer: Én likning med n variable der n 4 (f.eks. 3x + 4x 2 7x 3 + 8x 4 x 5 = ) gir oss et (n )-dimensjonalt plan (vi trenger n parametere) i det n-dimensjonale rommet R n. Men det kan vi altså ikke forestille oss. Imidlertid får vi fortsatt uendelig mange løsninger. Når vi skal løse et likningssystem, skal vi oppfylle flere likninger på en gang. Det betyr geometrisk å finne alle skjæringspunktene mellom de lineære figurene likningene representerer. To likninger med to variable: Geometrisk løsningsmengde er skjæringspunktene mellom to linjer. Vi har tre alternativer: linjene er parallelle (ingen løsning) linjene skjærer hverandre i ett punkt (én løsning) linjene faller sammen (uendelig mange løsninger) Illustrasjon: Tre likninger med to variable: Geometrisk løsningsmengde er skjæringspunktene mellom tre linjer. Se Oppgave 3. Fire likninger med to variable, fem likninger med to variable, osv. (Utforsk!) To likninger med tre variable: Geometrisk løsningsmengde er skjæringspunktene mellom to plan. Igjen har vi tre alternativer: 7
24 planene er parallelle (ingen løsning) planene skjærer hverandre i en linje (uendelig mange løsninger) planene faller sammen (uendelig mange løsninger) Vi ser også geometrisk at når vi har flere variable enn vi har likninger, er det umulig å få kun én løsning! I dette tilfellet ser vi for eksempel at to plan ikke kan skjære hverandre i bare ett punkt. Tre likninger med tre variable: Geometrisk løsningsmengde er skjæringspunktene mellom tre plan i rommet: 8
25 a) Tre parallelle plan. Ingen løsning (ingen felles punkter). b) To parallelle plan og et skjærende tredje plan. Ingen løsning (ingen felles punkter). c) Tre plan uten felles skjæringspunkter. Ingen løsning (ingen felles punkter). d) Tre sammenfallende plan. Uendelig mange løsninger (et felles plan). e) Tre plan som skjærer i en felles rett linje. Uendelig mange løsninger (en felles rett linje). f) Tre plan som skjærer i ett punkt. Én løsning (ett felles punkt). g) Et plan parallelt med to sammenfallende plan. Ingen løsning (ingen felles punkter). h) To sammenfallende plan og et skjærende tredje plan. Uendelig mange løsninger (en felles rett linje). Dere må gjerne utforske fire likninger med tre variable, fem likninger med tre variable osv..7 Et viktig resultat Vi oppsummerer observasjonene våre i et viktig resultat: Teorem.24 Et lineært likningssystem har enten ingen, én eller uendelig mange løsninger. For å vise dette resultatet, må vi vise at hvis vi har mer enn én løsning, så får vi uendelig mange løsninger (og ikke bare to eller tre). Geometrisk er det ikke så vanskelig å overbevise seg selv om at dette resultatet må stemme: Lineære figurer vil alltid skjære hverandre ingen, én eller uendelig mange ganger, siden figurene ikke har noen krumning. (Hvis for eksempel to linjer skjærer hverandre i to punkter, må de falle sammen i alle punkter.) 9
26 Algebraisk blir beviset mest elegant når vi har innført matriser, for da får vi en ryddig måte å holde orden på alle likningene og variablene. Bemerkning.25 Noen sier en entydig løsning istedenfor én løsning. Du kan blant annet treffe dette i gamle eksamensoppgaver..8 Nå skal du kunne definisjonene av (dvs. hva matematikere mener med): lineære likninger, lineære likningssystem og løsningsmengden av slike, vektorer, n-tupler og skalarprodukt av vektorer, samt konsistent likningssystem regne med vektorer og n-tupler parameterfremstille løsningsmengden til et lineært likningssystem løse lineære likningssystemer ved hjelp av addisjonsmetoden og substitusjonsmetoden tolke løsningene av lineære likningssystemer i 2 og 3 dimensjoner geometrisk fortelle til alle interesserte at et lineært likningssystem kan ha enten ingen, én eller uendelig mange løsninger, og gi en geometrisk forklaring på hvorfor 20
27 Kapittel 2 Matriser I dette kapittelet skal vi studerer noen matematiske objekter som kalles matriser. Disse kan blant annet brukes for å løse lineære likningssystemer. 2. Definisjoner og regneoperasjoner Definisjon 2. En matrise er en rektangulær tabell av tall. Tallene som forekommer i matrisen kalles komponentene til matrisen. Vi bruker ofte firkantparenteser rundt en matrise, og de betegnes normalt med stor bokstav. Eksempel 2.2 Matrisen A gitt ved 7 3 A = 4 2 har komponenter 7,, 3, 4, 2 og. Vi skal nå lære å regne med matriser. Legg merke til at matriser kan variere i størrelse. Størrelsen til en matrise angis ved å si hvor mange rader (horisontale linjer) og hvor mange kolonner (vertikale linjer) matrisen har. Vi skriver størrelsen som (antall rader) (antall kolonner). Matrisen A i Eksempel 2.2 er en 2 3-matrise. 2
28 Posisjonen til en komponent kan dermed angis ved å si hvilken rad og hvilken kolonne den står i (alltid rad først). I Eksempel 2.2 har tallet 2 posisjon 2,2 og tallet 4 har posisjon 2,. Generelt kan vi skrive en m n-matrise (indeksene gir posisjon): A = a a 2 a n a 2 a 22 a 2n... a m a m2 a mn Noen ganger skriver vi bare A = a ij. To matriser er like hvis de har samme størrelse og hvis de er komponentvis like (alle komponentene må være like og stå på samme plass i de to matrisene). En -matrise a inneholder samme informasjon som tallet a. Så vi bestemmer oss for ikke å skille mellom disse, og skriver a = a. En n -matrise kalles en kolonnevektor og angis på formen x x 2. x n. En n-matrise kalles en radvektor og angis på formen x x 2 x n. Begge disse inneholder samme informasjon som n-tuplet (x, x 2,..., x n ), det er bare skrivemåten som er annerledes. Vi bestemmer oss her og nå (av grunner som snart vil komme frem) for ikke å skille mellom n-tupler og 22
29 kolonnevektorer, og kan derfor skrive (x, x 2,..., x n ) = x x 2. x n. Dette gjør vi for at formlene vi senere skal innføre skal ha en mening. Vi legger også merke til at hver av kolonnene og radene i en matrise kan tenkes på som henholdsvis kolonnevektorer og radvektorer. Analogt til definisjonene av addisjon og multiplikasjon med en konstant for n-tupler, definerer vi regneoperasjoner for matriser: Definisjon 2.3 (Addisjon av matriser) La A og B være to matriser av samme størrelse. Vi definerer summen A + B til å være matrisen vi får ved å addere komponentvis, dvs. a a 2 a n b b 2 b n a A + B = 2 a 22 a 2n... + b 2 b 22 b 2n... = a m a m2 a mn b m b m2 b mn a + b a 2 + b 2 a n + b n a 2 + b 2 a 22 + b 22 a 2n + b 2n.... a m + b m a m2 + b m2 a mn + b mn Merk: Matriser av ulik størrelse kan ikke adderes. Definisjon 2.4 (Multiplikasjon med en konstant) La A være en matrise og k R en konstant. Produktet ka er matrisen vi får ved å multiplisere hver av komponentene i A med k. Subtraksjon av matriser defineres dermed tilsvarende som for addisjon; vi subtraherer komponentvis, så lenge matrisene har lik størrelse. 23
30 Eksempel 2.5 La A = matriser. Da er A 3B = = = = og B = , 8 9, to 3 3- en ny 3 3-matrise. Det neste skrittet er å definere multiplikasjon av matriser. Definisjonen kan kanskje virke noe merkelig ved første øyekast, men den er meget hensiktsmessig (som alt annet i matematikken). La oss først se på et eksempel: Eksempel 2.6 Det er idag mange mobilabonnementer å velge mellom, og det kommer stadig nye tilbud. Tabell nedenfor viser prisene på abonnementene Nonstop og Kontant fra mobilselskapet Talatuten. Tabell 2 viser gjennomsnittsbruk av mobiltelefon i 6 måneder for fire utvalgte abonnenter hos Talatuten. Tabellene kan oppfattes som matriser, slik at kolonnene i tabell naturlig hører til radene i tabell 2. 24
31 Tabell Månedspris Minuttpris til mobil Minuttpris til fasttelefon Pris per SMS Pris per MMS Nonstop Kontant Tabell 2 Erik Elisabeth Arne Jørgen Antall måneder Antall minutter til mobil Antall minutter til fasttelefon Antall SMS Antall MMS Tabell gir opphav til matrisen A = og tabell 2 gir opphav til matrisen B = Hvis vi nå ønsker en tabell over hvor mye Erik, Elisabeth, Arne og Jørgen må betale for hvert av de to abonnementene i 6 måneder, gitt bruken i tabell 2, slår vi sammen de to tabellene. 25
32 For eksempel for Erik og Nonstop: Vi ser at det vi har beregnet er produktet av. rad i A med. kolonne i B. Hvis vi så skal finne ut hvor mye Arne må betale for Kontant abonnement, får vi regnestykket Tilsvarende regninger gir tabellen (avrundet til hele kroner): Tabell 3 Erik Elisabeth Arne Jørgen Nonstop Kontant Tabell 3 gir opphav til matrisen som vil være produktet AB (avrundet til hele tall). Definisjon 2.7 (Multiplikasjon av matriser) La A være en m n-matrise og B en p q-matrise. Produktet AB er kun definert når n = p, dvs. når A har like mange kolonner som B har rader. Når n = p definerer vi produktet AB til å være følgende matrise: Størrelse Produktet AB er en m q matrise (den får altså like mange rader som A og like mange kolonner som B) Komponenter For å finne komponenten i i-te rad og j-te kolonne til matrisen AB, multipliserer vi komponentene i rad i fra A og kolonne j fra B komponentvis og adderer disse produktene, dvs. vi tar skalarproduktet av n-tuplene bestemt av rad i i A og kolonne j i B. Vi beregner altså 26
33 komponenten (AB) ij til matrisen AB ved (AB) ij = a i a i2 a in b j b 2j. b nj = a ib j + a i2 b 2j + + a in b nj. Vi bruker med andre ord radene i matrisen fra venstre og kolonnene i matrisen fra høyre, og tar skalarproduktet av disse. Det hele blir enda klarere med et eksempel (og se gjerne på Eksempel 2.6 en gang til): Eksempel 2.8 La A = og B = 2 5. Da får vi (AB) = = = 7 og (AB) 2 = Produktet AB regnes ut ved: = = = = = Vi ser at produktet av en 2 3-matrise og en 3 2-matrise er en 2 2-matrise. 27
34 2.2 Regneregler og noen spesielle matriser Det fins noen spesielle matriser som har egne navn. Her er noen vi kommer til å møte: En nullmatrise er en matrise der alle komponentene er 0. Den kan variere i størrelse. Vi lar O betegne en nullmatrise. For eksempel kan vi ha en 3 2-nullmatrise O = En kvadratisk matrise er en matrise der antall rader er lik antall kolonner, for eksempel en 2 2-matrise En diagonal matrise er en kvadratisk matrise der alle komponentene utenfor diagonalen (dvs. den fra venstre øvre hjørne ned til høyre nedre hjørne) er 0, for eksempel matrisen En identitetsmatrise er en diagonal matrise der alle komponentene på diagonalen er. Vi skriver I n for identitetsmatrisen med n rader (og dermed n kolonner) eller bare I når størrelsen er underforstått. Vi har for eksempel at 0 I 2 =. 0 En øvre triangulær matrise er en kvadratisk matrise der alle komponen- 28
35 tene under diagonalen er null. For eksempel er matrisen øvre triangulær En nedre triangulær matrise er en kvadratisk matrise der alle komponentene over diagonalen er null, som for eksempel matrisen 0. Vi skal nå skrive opp endel regneregler for matriser. De ligner på regnereglene for reelle tall (så da får vi frisket opp dem samtidig), men med et meget viktig unntak: multiplikasjon av matriser er ikke en kommutativ operasjon, dvs. faktorenes rekkefølge spiller en viktig rolle: AB er nesten aldri lik BA (AB trenger ikke engang være definert selv om BA er det). Vi merker oss at nullmatrisen O spiller rollen til tallet 0, og identitetsmatrisen I spiller rollen til tallet. Teorem 2.9 (Regneregler) Anta at matrisene (gitt ved store bokstaver) har størrelse slik at operasjonene som forekommer nedenfor er definert, og la små bokstaver stå for reelle tall. Da er følgende regler oppfylt: A + B = B + A (addisjon er kommutativ) A + (B + C) = (A + B) + C (addisjon er assosiativ) A + O = O + A = A (nullmatrisen er nullelementet) A A = O (additiv invers) A(BC) = (AB)C (multiplikasjon er assosiativ) AI = IA = A (identitetsmatrisen er identitetselementet) 29
36 A(B + C) = AB + AC (multiplikasjon distribuerer over addisjon) (B + C)A = BA + CA a(b + C) = ab + ac (a + b)c = ac + bc a(bc) = (ab)c a(bc) = (ab)c = B(aC) Siden vi har definert addisjon av matriser komponentvis, vil vi få oppfylt de kjente regnereglene for addisjon. Det følger fra at de allerede er oppfylt for reelle tall. Eksempel 2.0 For å vise regelen A+B = B+A, innfører vi komponentene til matrisene ved å sette A = a ij og B = b ij. Da er A + B = a ij + b ij = a ij + b ij (addisjon komponentvis) = b ij + a ij (regel for reelle tall) = b ij + a ij (addisjon komponentvis) = B + A. For multiplikasjon bruker vi radene i matrisen fra venstre og kolonnene i matrisen fra høyre, og da er det ingen grunn til at regelen AB = BA, som jo gjelder for reelle tall, skal gjelde for matriser: Eksempel 2. La A = og B = Da er AB = = , 30
37 mens BA = = I en av oppgavene blir du bedt om å vise (iallefall etpar) av reglene. 2.3 Anvendelse: Binære matriser og søkevektorer La oss se litt nærmere på hvordan matriser hjelper oss til å holde styr på store datamengder og sammenhenger mellom dataene. Da vil vi også se hvorfor matrisemultiplikasjonen vi har definert er hensiktsmessig. For virkelig å se nytteverdien, skulle vi gjerne ha sett på et eksempel med en matrise av størrelse for eksempel 00 50, men siden vi skal regne for hånd, og ikke bruke datamaskin (det kommer i andre kurs), holder vi oss til en 3 6-matrise. Dette eksemplet kan virke noe oppkonstruert, men det vil hjelpe oss med å se noe av nytteverdien av matriser. Vi velger oss ut et cateringfirma som tilbyr tre typer smørbrød med R roastbeef, salat, agurk R2 ost, tomat R3 egg, salat, tomat Det er tilsammen seks ingredienser (i tillegg til brød og smør) som også må numreres K roastbeef K2 ost K3 egg K4 salat 3
38 K5 tomat K6 agurk Numrene hjelper oss til oppslag i cateringfirmaets database. Vi kan nå sette opp en matrise A der radene svarer til smørbrødene og kolonnene til ingrediensene (alt i rekkefølgen vi har nummerert dem). Vi lar komponentene i matrisen være 0 og, avhengig av om ingrediensene fins i smørbrødet eller ikke. For eksempel vil komponenten i posisjon, 2 være 0 siden ingrediens 2 (ost) ikke fins i smørbrød. Dette gir A = Matrisen A kalles en binær matrise i henhold til følgende definisjon: Definisjon 2.2 En matrise der alle komponentene enten er 0 eller kalles en binær matrise. Dette eksempelet kan gjerne gjøres mye større: Tenk på en bedrift med mange ulike produkter og overlappende ingredienser, eller et laboratorium med mange produkter og kjemikalier. Eller tenk enda større: en søkemaskin på nettet som skal holde styr på alle ordene i alle dokumenttitlene som fins. For eksempel inneholder smørbrødet Norges Volleyballforbund ingrediensene Norge, volleyball og forbund. Da får man store binære matriser. Slike matriser kalles dokument-term-matriser. Det naturlige i disse situasjonene er at man søker etter produkter med visse ingredienser. La oss gå tibake til 3 6-matrisen A og søke etter et smørbrød med ingrediensene ost, salat, tomat og agurk (som sagt, et noe konstruert eksempel). Dette vil svare til å utføre følgende matrisemultiplikasjon (kommentarer følger):. 32
39 = Kommentarer: Vi har seks ingredienser, så 6-tuppelet som svarer til de ingrediensene vi søker er (0,, 0,,, ), med på plassene som tilsvarer nummereringen til ingrediensene vi søker (passer veldig fint å bruke tupler, ikke sant?). På matriseform blir dette en kolonnevektor (vi har jo valgt kolonner fremfor rader). En binær vektor som angir hva vi søker etter kalles en søkevektor. Vi multipliserer matrisen A (3 6) med søkevektoren (6 ) fra høyre, og får en svarvektor (3 ). Svarvektoren forteller oss at alle smørbrødene inneholder to av ingrediensene vi søker, men at vi ikke får full klaff på søket vårt. (Siden vi søkte på fire ingredienser, er full klaff å få et 4-tall i en av komponentene i svarvektoren.) Dette blir nyttig når vi søker på nettet og svarene våre rangeres. Vi kan gjøre flere ting ved hjelp av matrisemultiplikasjon. For eksempel kan vi få en oversikt over hvor mange ingredienser de ulike produktene har til felles. For smørbrødene har vi følgende regning: = Vi multipliserer altså A med matrisen der A er snudd, dvs. vi beregner AA T der A T er definert som følger: 33
40 Definisjon 2.3 La A være en m n-matrise. Vi definerer den transponerte matrisen til A til å være n m-matrisen der radene i A utgjør kolonnene og kolonnene i A utgjør radene, og skriver denne A T. I de situasjonene vi ser på her, kalles gjerne AA T for dokument-dokumentmatrisen. Den blir alltid kvadratisk av størrelse n n der n er antall produkter. I vårt smørbrød-eksempel ser vi at produktet AA T blir en 3 3-matrise siden vi har tre smørbrød-typer. Tallene på diagonalen i dokument-dokument-matrisen sier hvor mange ingredienser hvert av smørbrødene består av. Matrisen er symmetrisk om diagonalen, siden det at to ting har noe felles er kommutativt (a har noe til felles med b hvis og bare hvis b har noe til felles med a). Tallet i posisjonene, 3 og 3, i matrisen AA T i vårt eksempel angir for eksempel at smørbrød nr og smørbrød nr 3 har én ingrediens felles. Igjen, alt dette er spesielt nyttig i større sammenhenger. Vi fortsetter nå med mer matriseteori. 2.4 Determinanten til en matrise Determinanten til en matrise er et spesielt tall som kan regnes ut fra matrisen. Vi skal få god bruk for determinanten litt senere. Vi begynner med å se hvordan vi kan regne ut dette tallet. For det første: det er kun kvadratiske matriser som har en determinant. Vi starter med en -matrise. Dette er bare et tall og determinanten til et tall ønsker vi at bare skal være tallet selv. Vi får altså ikke noe nytt. Hva når matrisen er 2 2? Definisjon 2.4 (Determinanten til en 2 2-matrise) La A være matrisen a a 2 A = a 2 a 22 Vi definerer determinanten til A som tallet a a 22 a 2 a 2. Determinanten skrives gjerne det(a), og en annen skrivemåte er å erstatte matriseparente- 34
41 sene med vertikale streker, det(a) = a a 2 a 2 a 22 = a a 22 a 2 a 2. Eksempel = = 6. Vi kan definere determinanten til en n n-matrise for n 3 også: Definisjon 2.6 (Determinanten til en n n-matrise) det a a 2 a 3 a n a 2 a 22 a 23 a 2n a 3 a 32 a 33 a 3n.... a m a m2 a m3 a mn = a det M a 2 det M 2 + a 3 det M 3 + ( ) n+ a n det M n der M i er den (n ) (n )-matrisen som fremkommer når vi stryker rad og kolonne i. Eksempel = = = ( ) 2( ) + 3( ) = (45 48) 2(36 42) + 3(32 35) = ( 3) 2 ( 6) + 3 ( 3) = 0. 35
42 Det fins diverse (forenklende) metoder for å regne ut determinanter. Disse er nyttig når determinantene er store. Man pleier uansett aldri å regne ut større determinanter enn 3 3 for hånd. Datamaskinene tar seg av de determinantene som er større. 2.5 Matriselikninger Matriser kan brukes til å løse likninger. Eksempel 2.8 Jeg tenker på en matrise slik at ganger matrisen er lik 9. Hvilken matrise tenker jeg på? Nå er den ukjente en matrise, og det første vi må gjøre er å finne størrelsen på den. Siden vi skal gange med en 3 3-matrise og få en 3 -matrise, må den ukjente være en 3 -matrise, og vi kaller de ukjente komponentene x, y og z. Oversetter vi problemet til matematikk, får vi dermed likningen 2 x y Hvis vi multipliserer ut venstresiden får vi x + y + 2z 2x + 4y 3z 3x + 6y 5z z = =
43 Når to matriser er like, er de komponentvis like, dvs. vi får likningssystemet x + y + 2z = 9 2x + 4y 3z = 3x + 6y 5z = 0. Virker det kjent? Ta en titt på Eksempel.2. Siden løsningen i dette eksempelet var (x, y, z) = (, 2, 3), er matrisen jeg tenker på matrisen 2. 3 Hvordan vi finner denne matrisen ved hjelp av matriseregning skal vi lære i neste kapittel. En likning av matriser av tilsvarende type som i dette eksempelet gir altså opphav til de kjente lineære likningssystemene fra Kapittel! Hvis vi starter med et lineært likningssystem, så kan vi sette opp en likning av matriser (bare jobb motsatt vei i eksempelet ovenfor). Det viser seg at ved å jobbe med matrisen, får vi en veldig ryddig måte å løse lineære likningssystemer på. Nettopp dette skal vi gjøre i neste kapittel. 2.6 Nå skal du kunne definisjonene av: matrise, kolonnevektor, nullmatrise, kvadratisk matrise, diagonal matrise, identitetsmatrise, øvre triangulær matrise, nedre triangulær matrise, binær matrise, søkevektor, transponert matrise og determinanten til en matrise regne med matriser, spesielt multiplisere matriser og regne ut determinanten til en matrise forklare hvordan matriser kan brukes til å holde styr på store datamengder overbevise alle interesserte om at det er en sammenheng mellom matriser og lineære likningssystemer 37
I dette kapittelet skal vi studerer noen matematiske objekter som kalles matriser. Disse kan blant annet brukes for å løse lineære likningssystemer.
Kapittel 2 Matriser I dette kapittelet skal vi studerer noen matematiske objekter som kalles matriser. Disse kan blant annet brukes for å løse lineære likningssystemer. 2.1 Definisjoner og regneoperasjoner
DetaljerLineære likningssystemer
Kapittel 1 Lineære likningssystemer Jeg tenker på et tall slik at π ganger tallet er 12. 1.1 Lineære likninger Matematikk dreier seg om å løse problemer. Problemene gjøres ofte om til likninger som så
DetaljerAvdeling for lærerutdanning. Lineær algebra. for allmennlærerutdanningen. Inger Christin Borge
Avdeling for lærerutdanning Lineær algebra for allmennlærerutdanningen Inger Christin Borge 2006 Innhold Notasjon iii 1 Lineære ligningssystemer 1 1.1 Lineære ligninger......................... 1 1.2 Løsningsmengde
DetaljerLineære likningssystemer, vektorer og matriser
Lineære likningssystemer, vektorer og matriser Kompendium i MAT00 Matematikk Høsten 2008 Inger Christin Borge Matematisk institutt, UiO Forord Velkommen til Universitetet i Oslo, og til MAT00! Selv om
DetaljerLineære 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
DetaljerLineær algebra. Kurskompendium, Utøya, MAT1000. Inger Christin Borge
Lineær algebra Kurskompendium, Utøya, MAT1000 Inger Christin Borge 2006 Forord Dette er et kompendium skrevet til bruk i MAT1000-varianten av Utøyaseminarene, arrangert av Matematisk fagutvalg ved Matematisk
DetaljerLineære likningssystemer, vektorer og matriser
Lineære likningssystemer, vektorer og matriser Kompendium 1 i MAT1001 Matematikk 1 Høsten 2008 Inger Christin Borge Matematisk institutt, UiO Forord Velkommen til Universitetet i Oslo, og til MAT1001!
Detaljer4 Matriser TMA4110 høsten 2018
Matriser TMA høsten 8 Nå har vi fått erfaring med å bruke matriser i et par forskjellige sammenhenger Vi har lært å løse et lineært likningssystem ved å sette opp totalmatrisen til systemet og gausseliminere
DetaljerLineær Algebra og Vektorrom. Eivind Eriksen. Høgskolen i Oslo, Avdeling for Ingeniørutdanning
Lineær Algebra og Vektorrom Eivind Eriksen Høgskolen i Oslo, Avdeling for Ingeniørutdanning c Eivind Eriksen 2005. Innhold Kapittel 1. Lineære likningssystemer 1 1.1. Lineære likningssystemer i to variable
DetaljerGauss-Jordan eliminasjon; redusert echelonform. Forelesning, TMA4110 Fredag 18/9. Reduserte echelonmatriser. Reduserte echelonmatriser (forts.
Gauss-Jordan eliminasjon; redusert echelonform Forelesning, TMA4110 Fredag 18/9 Martin Wanvik, IMF MartinWanvik@mathntnuno En matrise vil normalt være radekvivalent med flere echelonmatriser; med andre
DetaljerMer om kvadratiske matriser
Kapittel 2 Mer om kvadratiske matriser Vi lader opp til anvendelser, og skal bli enda bedre kjent med matriser. I mange anvendelser er det ofte de kvadratiske matrisene som dukker opp, så fra nå skal vi
DetaljerMatriser. Kapittel 4. Definisjoner og notasjon
Kapittel Matriser Vi har lært å løse et lineært ligningssystem ved å sette opp totalmatrisen til systemet gausseliminere den ved hjelp av radoperasjoner på matrisen Vi skal nå se nærmere på egenskaper
DetaljerMer om kvadratiske matriser
Kapittel 2 Mer om kvadratiske matriser Vi lader opp til anvendelser, og skal bli enda bedre kjent med matriser. I mange anvendelser er det ofte de kvadratiske matrisene som dukker opp, så fra nå skal vi
DetaljerElementær Matriseteori
Elementær Matriseteori Magnus B. Botnan NTNU 3. august, 2015 Kursinfo - Foreleser: Magnus B. Botnan http://www.math.ntnu.no/~botnan/ - Hjemmeside: https: //wiki.math.ntnu.no/tma4110/2015h/forkurs/start
DetaljerTre tester, en etter hver av de tre delene.
Forord På skolen er det mange som spør «Hvorfor må jeg lære dette?», spesielt i matematikktimene. Er du en av dem som stilte dette spørsmålet? Eller er du en av dem som sa til deg selv at «jeg får nok
DetaljerLineære likningssett.
Lineære likningssett. Forelesningsnotater i matematikk. Lineære likningssystemer. Side 1. 1. Innledning. La x 1, x, x n være n ukjente størrelser. La disse størrelsene være forbundet med m lineære likninger,
DetaljerLineære ligningssystemer. Forelesning, TMA4110 Torsdag 17/9. Lineære ligningssystemer (forts.) Eksempler
Lineære ligningssystemer Generell form; m ligninger i n ukjente, m n-system: Forelesning, TMA4110 Torsdag 17/9 Martin Wanvik, IMF MartinWanvik@mathntnuno a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1
DetaljerLineære ligningssystemer og gausseliminasjon
Kapittel Lineære ligningssystemer og gausseliminasjon Vi skal lære en metode for å finne og beskrive alle løsninger av systemer av m lineære ligninger med n ukjente Oppvarming Her er et eksempel på et
Detaljer1 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
DetaljerMAT1120 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
Detaljer8 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.
DetaljerMAT1120 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
DetaljerTiden går og alt forandres, selv om vi stopper klokka. Stoffet i dette kapittelet vil være en utømmelig kilde med tanke på eksamensoppgaver.
Kapittel 4 Anvendelser av lineære likningssystemer Tiden går og alt forandres, selv om vi stopper klokka Stoffet i dette kapittelet vil være en utømmelig kilde med tanke på eksamensoppgaver 4 Populasjonsdynamikk
Detaljertma4110 Matematikk 3 Notater høsten 2018 Øystein Skartsæterhagen Morten Andreas Nome Paul Trygsland
tma4 Matematikk Notater høsten 8 Øystein Skartsæterhagen Morten Andreas Nome Paul Trygsland Innhold Introduksjon ii Lineære likningssystemer Gausseliminasjon 4 Vektor- og matriselikninger 8 4 Matriser
DetaljerMAT 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
DetaljerMatriseoperasjoner. E.Malinnikova, NTNU, Institutt for matematiske fag. September 22, 2009
Matriseoperasjoner E.Malinnikova, NTNU, Institutt for matematiske fag September 22, 2009 Addisjon av matriser Hvis A = [a ij ] og B = [b ij ] er matriser med samme størrelse, så er summen A + B matrisen
DetaljerLøsningsforslag øving 6
Løsningsforslag øving 6 7 Husk Teorem 79 i notatet: En delmengde U av et vektorrom V er et underrom hvis ) nullvektoren er i U, ) summen av to vektorer i U er i U igjen, og 3) et skalarmultiplum av en
Detaljer7 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
DetaljerØving 2 Matrisealgebra
Øving Matrisealgebra Gå til menyen Edit Preferences... og sett Format type of new output cells til TraditionalForm hvis det ikke allerede er gjort. Start med to eksempelmatriser med samme dimensjon: In[]:=
DetaljerVektorrom. 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
DetaljerRepetisjon: 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
Detaljerx 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
DetaljerMer lineær algebra. Inger Christin Borge. Matematisk institutt, UiO. Kompendium i MAT1012 Matematikk 2. Våren 2014
Mer lineær algebra Kompendium i MAT Matematikk Våren 4 Inger Christin Borge Matematisk institutt, UiO Forord Dette kompendiet er skrevet til bruk i andre del av emnet MAT. I dette emnet jobber vi under
Detaljer(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
DetaljerEgenverdier 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
DetaljerKomplekse tall og trigonometri
Kapittel Komplekse tall og trigonometri Grunnen til at vi har dette kapittelet midt i temaet Differenslikninger er for å kunne løse andre ordens differenslikninger. Da vil vi trenge å løse andregradslikninger.
DetaljerVektorligninger. Kapittel 3. Vektorregning
Kapittel Vektorligninger I denne uken skal vi bruke enkel vektorregning til å analysere lineære ligningssystemer. Vi skal ha et spesielt fokus på R, for det går an å visualisere; klarer man det, går det
DetaljerMAT-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
DetaljerLineære ligningssystemer og gausseliminasjon
Kapittel Lineære ligningssystemer og gausseliminasjon Vi skal lære en metode for å finne og beskrive alle løsninger av systemer av m lineære ligninger med n ukjente. Oppvarming Her er et eksempel på et
DetaljerLineær 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:
DetaljerObligatorisk innleveringsoppgave, løsning Lineær algebra, Våren 2006
Obligatorisk innleveringsoppgave, løsning Lineær algebra, Våren 006 Oppgave I hele oppgaven bruker vi I = 0 0 0 0. 0 0 a) Matrisen A har størrelse og B har størrelse slik at matriseproduktet A B er en
DetaljerLineær algebra. H. Fausk i=1 a ix i. Her har vi oppgitt hva ledd nummer i skal være og hvilke indekser i vi summerer over.
Lineær algebra H. Fausk 09.03.2015 Andre utkast Linære likningsystem lar seg løse ved bruk av de elementære regneartene. I prinsippet er det enkelt, men det blir fort veldig mange regneoperasjoner som
DetaljerTMA4110 Matematikk 3 Eksamen høsten 2018 Løsning Side 1 av 9. Løsningsforslag. Vi setter opp totalmatrisen og gausseliminerer:
TMA4 Matematikk 3 Eksamen høsten 8 Løsning Side av 9 Løsningsforslag Oppgave Vi setter opp totalmatrisen og gausseliminerer: 8 5 4 8 3 36 8 4 8 8 8 Den siste matrisen her er på redusert trappeform, og
DetaljerTallfølger er noe av det første vi treffer i matematikken, for eksempel når vi lærer å telle.
Kapittel 1 Tallfølger 1, 2, 3, 4, 5, 6, 7, 8,... Det andre temaet i kurset MAT1001 er differenslikninger. I en differenslikning er den ukjente en tallfølge. I dette kapittelet skal vi legge grunnlaget
DetaljerØving 3 Determinanter
Øving Determinanter Determinanten til en x matrise er definert som Clear@a, b, c, dd K a b OF c d ad -bc Determinanten til en matrise er derfor et tall. Du skal se at det viktige for oss er om tallet er
DetaljerRepetisjon: 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
DetaljerLineær algebra. H. Fausk 09.03.2015. i=1 a ix i. Her har vi oppgitt hva ledd nummer i skal være og hvilke indekser i vi summerer over.
Lineær algebra H. Fausk 09.03.2015 Første utkast Linære likningsystem lar seg løse ved bruk av de elementære regneartene. Selv om løsningen av lineære likingsystem i prinsippet er elementært blir det fort
DetaljerDifferenslikninger. Inger Christin Borge. Matematisk institutt, UiO. Kompendium 2 i MAT1001 Matematikk 1. Våren 2009
Differenslikninger Kompendium 2 i MAT1001 Matematikk 1 Våren 2009 Inger Christin Borge Matematisk institutt, UiO Forord Trilogien fortsetter, og du tar nå fatt på Kompendium 2 i MAT1001. Her skal vi ta
DetaljerLineærtransformasjoner
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
DetaljerMAT-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.............................
DetaljerKapittel 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
DetaljerEgenverdier for 2 2 matriser
Egenverdier for matriser (Bearbeidet versjon av tidligere notat på nett-sidene til MA101 - Lineær algebra og geometri Versjon oppdatert med referanser til 10utg av læreboken) Egenvektorer og egenverdier
DetaljerVær 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.
DetaljerA 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.
DetaljerKomplekse tall. Kapittel 2. Den imaginære enheten. Operasjoner på komplekse tall
Kapittel Komplekse tall Oppfinnelsen av nye tallsystemer henger gjerne sammen med polynomligninger x + 4 0 har ingen positiv løsning, selv om koeffisientene er positive tall Vi må altså inn med negative
DetaljerPensum i lineæralgebra inneholder disse punktene.
Pensum i lineæralgebra inneholder disse punktene. 1) Løsning av lineære ligningssystem. Finne løsning hvis den fins og også avgjøre om løsning ikke fins. Entydig, flertydig løsning. 2) Overføre en matrise
DetaljerForelesning 22 MA0003, Mandag 5/11-2012 Invertible matriser Lay: 2.2
Forelesning 22 M0003, Mandag 5/-202 Invertible matriser Lay: 2.2 Invertible matriser og ligningssystemet x b Ligninger på formen ax b, a 0 kan løses ved å dividere med a på begge sider av ligninger, noe
DetaljerMer om lineære likningssystemer, vektorer og matriser
Kapittel Mer om lineære likningssystemer, vektorer og matriser I dette kapittelet tar vi utgangspunkt i lineære likningssystemer, som vi lærte om i MAT, og setter dette inn i et større rammeverk, kalt
Detaljer6 Determinanter TMA4110 høsten 2018
6 Determinanter TMA4110 høsten 2018 En matrise inneholder mange tall og dermed mye informasjon så mye at det kan være litt overveldende Vi kan kondensere ned all informasjonen i en kvadratisk matrise til
DetaljerOppgavesett med fasit
TIL ENT3R ELEVENE Oppgavesett med fasit Tommy Odland Sist oppdatert: 1. november 2013 http://is.gd/ent3rknarvik http://tommyodland.com/ent3r 1 INNHOLD 1 Om dette dokumentet 3 1.1 Formål og oppbygging..................................
Detaljer4.1 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,
DetaljerMAT 1001. Vår 2010. Oblig 1. Innleveringsfrist: Fredag 19.februar kl. 1430
MAT Vår Oblig Innleveringsfrist: Fredag 9februar kl 43 Oppgaven leveres stiftet med forsideark på ekspedisjonskontoret til Matematisk institutt i 7 etg i Niels Henrik Abels hus innen fristen Oppgaven vil
DetaljerTil 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
DetaljerLineær 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
Detaljer12 Projeksjon TMA4110 høsten 2018
Projeksjon TMA0 høsten 08 En projeksjon er en lineærtransformasjon P som tilfredsstiller P x = P x for alle x Denne ligningen sier at intet nytt skjer om du benytter lineærtransformasjonen for andre gang,
DetaljerDiagonalisering. 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
DetaljerFASIT OG TIPS til Rinvold: Visuelle perspektiv. Lineær algebra. Caspar forlag, 1.utgave 2003 og 2.opplag 2004.
FAIT OG TIP til Rinvold: Visuelle perspektiv. Lineær algebra. Caspar forlag,.utgave og.opplag. Versjon..9. Det er ikke tatt med svar på alle oppgaver. Denne fasiten vil bli oppdatert etter hvert. Oppdager
Detaljerx n+1 rx n = 0. (2.2)
Kapittel 2 Første ordens lineære differenslikninger 2.1 Homogene likninger Et av de enkleste eksemplene på en følge fås ved å starte med et tall og for hvert nytt ledd multiplisere det forrige leddet med
Detaljer9 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
DetaljerRang 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
DetaljerHomogene lineære ligningssystem, Matriseoperasjoner
Homogene lineære ligningssystem, Matriseoperasjoner E.Malinnikova, NTNU, Institutt for matematiske fag September 22, 2010 Antall løsninger til et lineær ligningssystem Teorem Et lineært ligningssytem har
DetaljerLineær algebra. H. Fausk i=1 a ix i. Her har vi oppgitt hva ledd nummer i skal være og hvilke indekser i vi summerer over.
Lineær algebra H. Fausk 23.08.2015 Fjerde utkast Linære likningsystem lar seg løse ved bruk av de elementære regneartene. I prinsippet er løsing av linære likningsystem enkelt, men det blir fort veldig
DetaljerTMA4110 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
DetaljerInverse matriser. E.Malinnikova, NTNU, Institutt for matematiske fag. September, 2009
Inverse matriser E.Malinnikova, NTNU, Institutt for matematiske fag September, 2009 Inverse 2 2 matriser En 2 2 matrise [ ] a b A = c d er inverterbar hvis og bare hvis ad bc 0, og da er [ ] A 1 1 d b
DetaljerINNHOLD SAMMENDRAG ALGEBRA OG FUNKSJONER
INNHOLD ALGEBRA OG FUNKSJONER... PARENTESER... USYNLIGE PARENTESER... USYNLIGE MULTIPLIKASJONSTEGN... DE TI GRUNNLEGGENDE ALGEBRAISKE LOVENE... REGNEUTTRYKK INNSATT FOR VARIABLER... 3 SETTE OPP FORMLER...
DetaljerLøsningsforslag øving 7
Løsningsforslag øving 7 8 Husk at en funksjon er injektiv dersom x y gir f(x) f(y), men her ser vi at f(3) 9 f( 3), eller generelt at f(z) z f( z) for alle z C, som betyr at f ikke er injektiv Vi ser også
DetaljerMAT1120 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
Detaljer10 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
Detaljer4.1 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,
Detaljer3.9 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:
DetaljerMAT1120 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
DetaljerForelesning 10 Cramers regel med anvendelser
Forelesning 10 Cramers regel med anvendelser Eivind Eriksen 25. mars 2010 Lineære likningssystemer Vi minner om at ethvert lineært likningssystem Ax = b kan løses ved hjelp av Gauss eliminasjon, som er
DetaljerMAT 1110: Bruk av redusert trappeform
Tom Lindstrøm 10/5, 2006: MAT 1110: Bruk av redusert trappeform I Lays bok brukes den reduserte trappeformen til matriser til å løse en rekke problemer knyttet til ligningssystemer, lineærkombinasjoner,
DetaljerDeterminanter til 2 2 og 3 3 matriser
Determinanter til 2 2 og 3 3 matriser [ ] a b Determinanten til en 2 2-matrise A = er c d det(a) = a b c d = ad bc. 1 Determinanter til 2 2 og 3 3 matriser [ ] a b Determinanten til en 2 2-matrise A =
DetaljerMatriser En matrise er en rektangulær oppstilling av tall og betegnes med en stor bokstav, f.eks. A, B, C,.. Eksempler:
Matriser En matrise er en rektangulær oppstilling av tall og betegnes med en stor bokstav, f.eks. A, B, C,.. Eksempler: Tallene i en matrise kalles matriseelementer eller bare elementer. En matrise har
DetaljerOppfriskningskurs i matematikk 2008
Oppfriskningskurs i matematikk 2008 Marte Pernille Hatlo Institutt for matematiske fag, NTNU 4.-9. august 2008 Velkommen! 2 Temaer Algebra Trigonometri Funksjoner og derivasjon Integrasjon Eksponensial-
DetaljerKapittel 5: Mengdelære
MAT1030 Diskret Matematikk Forelesning 9: Mengdelære Roger Antonsen Institutt for informatikk, Universitetet i Oslo Kapittel 5: Mengdelære 17. februar 2009 (Sist oppdatert: 2009-02-17 15:56) MAT1030 Diskret
Detaljer4.1 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,
DetaljerComputers in Technology Education
Computers in Technology Education Beregningsorientert matematikk ved Høgskolen i Oslo Skisse til samlet innhold i MAT1 og MAT2 JOHN HAUGAN Både NTNU og UiO har en god del repetisjon av videregående skoles
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Forelesning 29: Kompleksitetsteori Roger Antonsen Institutt for informatikk, Universitetet i Oslo 13. mai 2009 (Sist oppdatert: 2009-05-17 22:38) Forelesning 29: Kompleksitetsteori
DetaljerMatriser En matrise er en rektangulær oppstilling av tall og betegnes med en stor bokstav, f.eks. A, B, C,.. Eksempler:
Matriser En matrise er en rektangulær oppstilling av tall og betegnes med en stor bokstav, f.eks. A, B, C,.. Eksempler: Tallene i en matrise kalles matriseelementer eller bare elementer. En matrise har
Detaljer6.4 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
DetaljerForelesning 29: Kompleksitetsteori
MAT1030 Diskret Matematikk Forelesning 29: Kompleksitetsteori Roger Antonsen Institutt for informatikk, Universitetet i Oslo Forelesning 29: Kompleksitetsteori 13. mai 2009 (Sist oppdatert: 2009-05-17
DetaljerMAUMAT644 ALGEBRA vår 2016 Første samling Runar Ile
MAUMAT644 ALGEBRA vår 2016 Første samling Runar Ile 1 Introduksjon: Grupper og ringer Ringer En ring er et sted hvor du kan addere, subtrahere og multiplisere. Hvis du også kan dividere kalles ringen for
DetaljerEmne 9. Egenverdier og egenvektorer
Emne 9. Egenverdier og egenvektorer Definisjon: Vi starter med en lineær transformasjon fra til, hvor Dersom, hvor, sier vi at: er egenverdiene til A er tilhørende egenvektorer. betyr at er et reelt eller
DetaljerEnkel matematikk for økonomer. Del 1 nødvendig bakgrunn. Parenteser og brøker
Vedlegg Enkel matematikk for økonomer I dette vedlegget går vi gjennom noen grunnleggende regneregler som brukes i boka. Del går gjennom de helt nødvendige matematikk-kunnskapene. Dette må du jobbe med
DetaljerMAT-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
DetaljerEn rekke av definisjoner i algebra
En rekke av definisjoner i algebra Martin Strand, martin.strand@math.ntnu.no 11. november 2010 Definisjonene som er gitt her, kommer i MA2201 Algebra og MA3201 Ringer og moduler. Forhåpentligvis blir det
DetaljerLøsningsforslag 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