1 Gauss-Jordan metode
|
|
- Patrik Christophersen
- 7 år siden
- Visninger:
Transkript
1 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 s 97 Referansene til Kompendiet er 2-tallede, f eks Teorem 35 Vi kan også referere til en Seksjon eller Subseksjon (ikke eller kap), men aldri til en side i Kompendiet Gauss-Jordan metode Nye begrep En lineær likning (a linear equation), et system (a system) av lineære likninger, homogene og inhomogene (homogeneous and inhomogeneous) systemer, variable (unknowns, variables), en løsning til et system (a solution of a system), et n-tuppel (an ordered n-tuple) Tupler kan betegnes som rader eller kolonner, i runde parenteser eller kvadratparenteser: [ ] s s 2 s n, ( ) s s 2 s n, s s 2 s n, s s 2 s n Fra Wikipedia: En matrise er et rektangulært sett av elementer (entries) ordnet i rader og kolonner Se boka, 3 (Def 3 og Partitioned Matrices ): en m n matrise A (a m n matrix) består av m rader (rows) r, r 2, r m, og n kolonner (columns) c, c 2, c n : A der a a 2 a n a 2 a 22 a 2n a m a m2 a mn [a ij] i,,m, [a ij ] j,,n r i [ a i a j a i2 a in ], c j a 2j a mj Merknad Elementene i en matrise kan være reelle eller komplekse tall, men også symboler og til og med andre matriser r r 2 r m [ c c 2 c n ], 2
2 Hvis et tuppel av tall er betegnet som en kolonne, kan det betraktes som en n matrise En rad kan betraktes som en n matrise Rader og kolonner vil bli senere kallt vektorer (vectors) generelt, eller radvektorer (row vectors) og kolonnevektorer (column vectors) For et system a x + a 2 x + + a n x n b a 2 x + a 22 x a 2n x n b 2 a m x + a m2 x a mn x n b m defineres det to matriser: m n koeffi sientmatrisen (the coeffi cient matrix, ovenfor Def 37) A og den m (n + ) utvidede (augmented) matrisen A ( ): A A a a 2 a n a 2 a 22 a 2n a m a m2 a mn, a a 2 a n b a 2 a 22 a 2n b 2 a m a m2 a mn b m [ A b ] Koeffi sientmatrisen er viktigst! Vi skal trappeformere den, og trenger ikke trappeformere A Forfatterne skulle si dette i boken Vi skal senere betrakte utvidede matriser som har flere kolonner (og til og med en annen matrise) til høyre fra A I hvert tilfelle skal vi trappeformere A, ikke A Det skal betraktes (nokså sjelden) utvidede matriser der A står til høyre, ikke til venstre Igjen skal vi trappeformere A, ikke A La oss da kalle koeffi sientmatrisen for hovedmatrisen til systemet Systemer kan være konsistente (consistent), se Eks 2, 4 og 5, eller inkonsistente (inconsistent), se Eks 3 Konsistente systemer kan ha nøyaktig én løsning (Eks 2), eller uendelig mange løsninger (Eks 4 og 5) Likninger beskrives vanligvis som rader, mens løsninger som kolonner Den eneste løsningen i Eks 2 er: 7 x 3 y Løsningene i Eks 4 kan beskrives slik: x t t t, y t t
3 og i Eks 5 slik: x 5 + r 2s y z r s 5 + r r + 2s s 5 +r +s 2, der t, r, og s er vilkårlige parametre (parameters) Homogene systemer er alltid konsistente, fordi de har minst én løsning Trappeform (row echelon form), redusert (reduced) trappeform, ledende enere (leading ones), hovedvariable (leading variables), frie (free) variable, se boka, 2 2 Elementære radoperasjoner Elementære radoperasjoner (elementary row operations, Eks 6) skal brukes ofte i dette kurset Vi skal unngå kolonneoperasjoner De trenges nokså sjelden, og det er ikke bra å beherske begge: sannsynligheten til feiler vil vokse I de sjeldne tilfellene der kolonneoperasjoner er absolutt nødvendige, anbefales det å transponere matrisen først (kolonner blir rader!), bruke radoperasjoner, og deretter transponere den resulterende matrisen (rader blir kolonner igjen) Forfatterne skulle formulere følgende teorem: Teorem Elementære radoperasjoner endrer ikke løsninger til systemet Dvs, hver gang vi utfører en elementær radoperasjon, vil det nye systemet ha de samme løsningene som det opprinnelige systemet For eksempel, det nye systemet er konsistent hvis og bare hvis det opprinnelige systemet er det Merknad 2 Vi skal lære senere at elementære radoperasjoner har flere andre gode egenskaper Om vi bør bruke bare Gauss, dvs redusere en matrise til en trappeform (row echelon form) eller Gauss+Jordan, dvs redusere en matrise til en redusert (reduced) trappeform, avhenger av oppgaven vi løser For eksempel, i kap 2 er det lurt å bruke Gauss+Jordan, som i Eks 6, Eks 25 og steg -6 ovenfor Eks 25 Hvis man bruker bare Gauss, vil man trenge back-substitution, som i Eks 27, og det er ikke anbefalt! For å beregne inversmatrisen (Eks 54), er det absolutt nødvendig å bruke Gauss+Jordan, mens for å bestemme at en matrise ikke er invertibel (Eks 55), er det nok med bare Gauss For å beregne determinanter (se Seksjon 3 nedenfor), er Jordan unødvendig 23
4 Merknad 3 Jeg ble spurt: Er det absolutt nødvendig å bruke Jordan etter Gauss, eller det er mulig å blande de to metodene? Svar: ja, det er mulig å blande Gauss og Jordan Det er bare to krav: Man bruker elementære radoperasjoner 2 Det endelige resultatet er en matrise som har redusert trappeform Men det anbefales sterkt å bruke Jordan etter Gauss Det er dessuten anbefalt å utføre Jordan nedenfra (fra nedre til øvre rader), mens Gauss utføres ovenfra (fra øvre til nedre rader) Det er mer økonomisk dvs trenger færre beregninger Se Eksempel 4 nedenfor, Jordan steg Eksempel 4 Steg -6 ovenfor Eks 25 Gauss (første 5 steg i boka) Jordan Jordan (steg 6) utføres nå nedenfra Det er mulig å utføre noen elementære operasjoner samtidig Med fet skrift markerer vi de elementene (3 stykker) som er beregnet på nytt La oss utføre Jordan ovenfra:
5 Det er nå 4 elementer som ble beregnet på nytt For mer kompliserte matriser blir forskjellen mellom de to variantene (ovenfra og nedenfra) enda større Et tips: prøv å beholde (så lenge som mulig) hele tall i matrisen Vi kunne gjøre slik ( er bedre enn 5): Eksempel 5 Oppsummerende eksempel (utvidede Eksempler 25 og 26) Se også Eks 63 La oss betrakte systemet x + 3x 2 2x 3 + 2x 5 b 2x + 6x 2 5x 3 2x 4 + 4x 5 3x 6 b 2 5x 3 + x 4 + 5x 6 b 3 2x + 6x 2 + 8x 4 + 4x 5 + 8x 6 b 4 der b b b 2 b 3 b 4 (generelt) eller 5 6 eller eller 5 6 Hovedmatrisen til systemet er A Vi skal løse 4 oppgaver samtidig Setter 4 kolonner til høyre fra hovedmatrisen: b A b b Gauss b b 2 3 2b + b b b + b
6 3 2 2 b 2 3 2b b b b + b b 2 3 2b b 2 3 b + 5b 2 + b 3 6 b + 4b 2 + b b 2 3 2b b b + 4b 2 + b b + 5b 2 + b b 2 3 2b b b b b b + 5b 2 + b 3 Jordan b 2 7b 3b 2 2 b b b b b + 5b 2 + b b 6b 2 b b 3b 2 2 b b b b b + 5b 2 + b 3 Ledende enere er markert Hovedvariablene er x, x 3, og x 6 De frie variablene er x 2, x 4, og x 5 La oss betegne x 2 r, x 4 s, og x 5 t (vilkårlige parametre) Konklusjonene er: Systemet x + 3x 2 2x 3 + 2x 5 2x + 6x 2 5x 3 2x 4 + 4x 5 3x 6 5x 3 + x 4 + 5x 6 2x + 6x 2 + 8x 4 + 4x 5 + 8x 6 b b 2 b 3 b 4 har ingen løsning (er inkonsistent) hvis b + 5b 2 + b 3 Hvis b + 5b 2 + b 3, 26
7 har systemet uendelig mange løsninger Siden systemet er ekvivalent til et nytt system: x + 3x 2 + 4x 4 + 2x 5 x 3 + 2x 4 x 6 5b 6b 2 b 4 7b 3b 2 2 b b b b 4, er x x 2 x 3 x 4 x 5 x 6 5b 6b 2 b 4 3r 4s 2t r 7b 3b 2 2 b 4 2s s t 5 3 b b b 4 5b 6b 2 b 4 7b 3b 2 2 b b b b 4 + r 3 + s t 2 2 Systemet x + 3x 2 2x 3 + 2x 5 2x + 6x 2 5x 3 2x 4 + 4x 5 3x 6 5x 3 + x 4 + 5x 6 2x + 6x 2 + 8x 4 + 4x 5 + 8x har uendelig mange løsninger Siden systemet er ekvivalent til et nytt system: x + 3x 2 + 4x 4 + 2x 5 x 3 + 2x 4 x 6 3, er x x 2 x 3 x 4 x 5 x 6 2t r 2s s t r 3 + s t 2 3 Systemet x + 3x 2 2x 3 + 2x 5 2x + 6x 2 5x 3 2x 4 + 4x 5 3x 6 5x 3 + x 4 + 5x 6 2x + 6x 2 + 8x 4 + 4x 5 + 8x 6 27
8 har uendelig mange løsninger system: er x x 2 x 3 x 4 x 5 x 6 x + 3x 2 + 4x 4 + 2x 5 x 3 + 2x 4 x 6 2t r 2s s t r Siden systemet er ekvivalent til et nytt 3 + s 4 2, + t 2 4 Systemet x + 3x 2 2x 3 + 2x 5 2x + 6x 2 5x 3 2x 4 + 4x 5 3x 6 5x 3 + x 4 + 5x 6 2x + 6x 2 + 8x 4 + 4x 5 + 8x har ingen løsninger (er inkonsistent) fordi 2 Matriseoperasjoner I Teorem 4 er det gitt en stor liste av egenskaper til matriseoperasjoner Egenskapene er pensum Det er vanskelig å huske dem alle Egenskapene ligner tilsvarende egenskaper til vanlige aritmetiske operasjoner Det er lettere å huske hva forskjellene mellom matriseoperasjoner og vanlige aritmetiske operasjoner er Nedenfor er en stor liste av forskjeller Objektene vi arbeider med er skalærer (scalars, se 3) dvs reelle tall a R (senere også komplekse tall z C) og m n matriser A [a ij ], i, 2,, m; j, 2,, n C A + B er definert bare hvis både A og B er m n matriser C blir da en m n matrise Dette betyr for eksempel at man ikke kan definere summen β + A av en skalær β og en matrise A Med det finnes et unntak, se eksempel 2 nedenfor 2 Produkt βa av en skalær β og en m n matrise A er definert og er en m n matrise 3 Produkt C AB er definert når A er en m n matrise, og B er en n k matrise C blir da en m k matrise 4 Vanligvis er AB BA Det kan hende også at AB er definert, mens BA er ikke definert 28
9 5 Nullmatrise spiller samme rolle som tallet i vanlig aritmetikk Men husk at det er uendelig mange forskjellige m n nullmatriser mn De er ikke nødvendigvis kvadratiske (square matrices), dvs det er mulig at m n (men m n er også mulig!) 6 Identitetsmatrise (identity matrix) I spiller samme rolle som tallet i vanlig aritmetikk Men husk at det er uendelig mange forskjellige n n identitetsmatriser I n Alle er kvadratiske, for eksempel I 4 7 Inversmatrise (inverse matrix) A spiller samme rolle som tallet a i vanlig aritmetikk I aritmetikk er det nok å ha a Det er ikke tilfellet i matrisealgebra, dvs ikke alle A kan inverteres Matriser A som har den inverse A kalles invertible (i noen bøker inverterbare) Matrisen A er invertibel hvis og bare hvis den er kvadratisk og det A (Theorem 233) 8 det (AB) det (A) det (B), det ( A ) (det (A)) 9 Man kan ikke si noe om det (A + B) Vanligvis er det (A + B) det (A) + det (B) Det finnes ikke noe i matrisealgebra som tilsvarer b a dvs det finnes ikke B A for matriser A og B Men hvis A er invertibel, kan det defineres to matriser (vanligvis forskjellige): BA og A B Det er mulig at BA er definert, mens A B ikke er definert (og omvendt) I vanlig algebra har likningen ax b (a ) eksakt én løsning x b a I matrisealgebra har vi to forskjellige likninger og to forskjellige løsninger: AX B X A B, XA B X BA Det finnes også en helt ny type likninger: AXB C X A CB 2 (AB) B A Legg merke til den inverse rekkefølgen! 29
10 3 Hvordan å beregne A? For en matrise [a], a, er det enkelt: [ ] [a] a For 2 2 matriser bruk formelen fra Theorem 45: [ ] [ ] A a b d b [ d b c d ad bc c a det A c a ] Hvis det A, er ikke A invertibel For en n n (n 3) matrise A bruk alltid radoperasjoner, se Eks 54 (Gauss+Jordan) og 55 (kun Gauss!) 4 For enhver m n matrise A, er det definert den transponerte (the transpose) n m matrise A T, se s 29 5 (AB) T B T A T Legg merke til den inverse rekkefølgen! 6 ( A T ) ( A ) T 7 det A T det A Eksempel 2 Matrisepolynomer, Eksempel 32, s 4 Gitt et polynom f(x) α n x n + α n x n + + α x + α, α i R, og en kvadratisk n n matrise A, kan man definere f (A) α n A n + α n A n + + α A + α Det ser ut som at vi adderer skalæren α til n n matrisen α n A n +α n A n + + α A, som ikke er tillatt! Men det finnes en standard måte hvordan å behandle slike uttrykk Den riktige formelen er: f (A) α n A n + α n A n + + α A + α I n der I n er en n n identitesmatrise Teorem 22 Viktig setning (s 26) Hvis A er en m k matrise, og B er en k n matrise r A r 2, r m B [ c c 2 c n ], 3
11 så er matrisen AB en m n matrise som består av følgende elementer, rader og kolonner: r B AB [r i c j ] r 2 B [ Ac Ac 2 Ac n ] r m B Teorem 23 (Th 3) Hvis og A [ c c 2 c n ], x er en kolonnevektor, er Ax en lineær kombinasjon ( a linear combination, Def 36) av kolonner av A: 3 Determinanter x x 2 x n Ax x c + x 2 c x n c n For envher kvadratisk n n matrise A er det definert et bestemt reelt (eller komplekst) tall det A (eller A ) Vi gir ikke definisjonen her (den er for komplisert) Men egenskapene til determinantfunksjonen tillater oss å beregne determinanter til alle kvadratiske matriser For matriser beregnes determinanten enkelt: det [a] a For 2 2 matriser bruk formelen på s 95: a b [ ] a b c d det ad bc c d For 3 3 matriser bruk radoperasjoner eller formelen på s 95: a b c a b c d e f g h i det d e f aei + bfg + cdh ceg bdi afh g h i Det er lurt å bruke geometriske bilder for å huske hvilke tre produkter i summen er positive 3
12 o o o o o o o o o og hvilke tre produkter er negative o o o o o o o o o Det anbefales ikke å bruke skrivemåten som i Eks 27 eller på Fig 2 Man kan lettt få en følelse at en lignende metode kan brukes for 4 4 eller større determinanter Dette er helt galt! For n n matriser, n 4, bruk kun radoperasjoner, Theorem 22, 22 og 223 Målet er å redusere matrisen til en trappeformet matrise, dvs det er nok å bruke Gauss, uten Jordan Etter en rekke radoperasjoner får man det A α det A der A har trappeform, og α er en koeffi sient man får ved å bruke Theorem 223ab Merknad 3 A her er ikke den utvidede matrisen! Det er to mulige tilfeller: A er invertibel: Dette betyr at A det A α det A α α 2 A er ikke invertibel, og derfor inneholder minst én nullrad: A Vi får da det A α det A α 32
13 Men vi kan forenkle beregningene ved å bruke Teorem 35 nedenfor Teoremet tillater oss å stoppe før vi har fått en triangulær matrise Det er andre tips til beregningen av determinanter: Det er lurt å bytte rader av og til for å få eller i det venstre øvre hjørnet 2 Vi kan bruke litt svakere Gauss: få andre elementer enn i hjørnene, bare at den resulterende matrisen er triangulær (eller blokk-triangulær!), ikke nødvendigvis trappeformet Vi tar et oppsummerende eksempel i Subseksjon nedenfor: 3 Oppsummerende eksempel Eksemplet nedenfor er tatt fra Oblig i vårsemesteret 2 Eksempel 32 Funksjonen D(t) er gitt som determinanten til en 4 4 matrise: D(t) t Beregn determinanten D(t) og finn verdien t som gir D(t ) 2 7 Løsning 33 a) Standardmetoden: D(t) t t t 4 5 5t t ( ) t 4 2t 4 ( ) t 4 2t 4 5 5t + 5 5t t 4 ( ) ( ) ( ) ( 5t + 25) 25 5t Løser deretter likningen 25 5t 2 7 t
14 b) Bruk Teorem 35 i sluttfasen: D(t) ( ) 2 t ( ) ( ) 2t 4 5 5t + 5 ( ) ( ) (5t 25) 25 5t c) Bruk Teorem 35 tidligere: D(t) t t (25 5t) 25 5t t 4 32 Determinanter til blokk-triangulære matriser Definisjon 34 La A være en kvadratisk n n matrise a) A kalles blokk-diagonal hvis den kan bli skrevet ned som: B B 2 A B 3 der tomme celler betyr null undermatriser, mens hver B s er en kvadratisk m s m s matrise Summen av dimensjonene til disse undermatrisene er lik n: B k m + m m k n b) A kalles øvre blokk-tringulær hvis den kan bli skrevet ned som: B B 2 A B 3 B k der tomme celler betyr null undermatriser, mens hver B s er en kvadratisk m s m s matrise Summen av dimensjonene til disse undermatrisene er lik n: m + m m k n t 4 2t 4 5 5t
15 c) A kalles nedre blokk-tringulær hvis den kan bli skrevet ned som: B B 2 A B 3 B k der tomme celler betyr null undermatriser, mens hver B s er en kvadratisk m s m s matrise Summen av dimensjonene til disse undermatrisene er lik n: m + m m k n Teorem 35 Hvis en matrise A er blokk-diagonal, eller øvre blokk-triangulær, eller nedre blokk-triangulær, er dens determinant lik det A det B det B 2 det B k Eksempel 36 La A Da er A blokk-diagonal, og [ 2 det A det 3 4 Eksempel 37 La ] det det [ 5] 2 2 ( 2) ( 22) ( 5) 22 A Da er A øvre blokk-triangulær, og [ ] 2 det A det det ( 2) ( 22) ( 5) 22 det [ 5] 35
16 Eksempel 38 La A Da er A nedre blokk-triangulær, og ] det [ 2 det A det ( 2) ( 22) ( 5) 22 det [ 5] 36
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
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
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
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.............................
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
DetaljerMAT-1004 Vårsemester 2017 Obligatorisk øving 3
MAT-4 Vårsemester 7 Obligatorisk øving Contents OPPGAVE OPPGAVE Hvordan løses oppgave? 5 4 Hvordan løses oppgave? 6 5 Formatering av svarene 8 5. Rasjonale tall............................. 8 5. Matriser
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
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
Detaljer13 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
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
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
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
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
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
Detaljer12 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
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
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 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
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
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
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
DetaljerMAT-1004 Vårsemester 2017 Obligatorisk øving 6
MAT-4 Vårsemester 7 Obligatorisk øving Contents OPPGAVE Hvordan å løse oppgaven? 4 Formatering av svarene 9. Rasjonale tall............................. 9. Matriser og vektorer.........................
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.
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
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!
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
DetaljerEksamensoppgave 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
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
Detaljer12 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
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
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
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
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-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:
DetaljerMa Linær Algebra og Geometri Øving 5
Ma20 - Linær Algebra og Geometri Øving 5 Øistein søvik 7. oktober 20 Excercise Set.5.5 7, 29,.6 5,, 6, 2.7, A = 0 5 B = 0 5 4 7 9 0-5 25-4 C = 0 5 D = 0 0 28 4 7 9 0-5 25 F = 6 2-2 0-5 25 7. Find an elementary
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
DetaljerLineære ligningssystem og matriser
Lineære ligningssystem og matriser E.Malinnikova, NTNU, Institutt for matematiske fag September 15, 2009 Lineære ligningssystem Vi har et ligningssystem av m ligninger med n ukjente x 1,..., x n som kan
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 =
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
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
DetaljerLineære ligningssystem; Gauss-eliminasjon, Redusert echelonmatrise
Lineære ligningssystem; Gauss-eliminasjon, Redusert echelonmatrise E.Malinnikova, NTNU, Institutt for matematiske fag 19. september 2011 Lineære ligningssystem Vi har et ligningssystem av m ligninger med
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
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
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
DetaljerMa Linær Algebra og Geometri Øving 1
Ma0 - Linær Algebra og Geometri Øving Øistein Søvik 0. september 0 Excercise Set. = 4 x6 x x = x 6 4 x x = x 4 4 4 x x. In each part, determine whether the equation is linear in x, x and x Før vi begynner
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[]:=
DetaljerI 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 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
DetaljerForelesning i Matte 3
Forelesning i Matte 3 Determinanter H. J. Rivertz Institutt for matematiske fag 1. februar 008 Innhold 1. time 1 Determinanter og elementære radoperasjoner Innhold 1. time 1 Determinanter og elementære
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
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,
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
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
Detaljer16 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
DetaljerLineær algebra. H. Fausk
Lineær algebra H. Fausk 11.02.2016 Sjuende utkast Flere lineære likninger som samtidig skal oppfylles kalles lineære likningssystem. I prinsippet er løsing av lineære likningsystem enkelt, det benytter
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,
DetaljerUNIVERSITETET 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
DetaljerGenerelle 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
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. H. Fausk
Lineær algebra H. Fausk 04.02.2016 Sjuende utkast Lineære likningsystem lar seg løse ved bruk av de elementære regneartene. I prinsippet er løsing av lineære likningsystem enkelt, det benytter bare de
DetaljerDigital Arbeidsbok i ELE 3719 Matematikk
Eivind Eriksen Digital Arbeidsbok i ELE 3719 Matematikk 3. april 215 Handelshøyskolen BI Innhold Del I Forelesninger i ELE3719 Matematikk 1 Vektorer og vektorregning......................................
Detaljer15 Hovedprinsippet for vektorrom med et indre produkt
Hovedprinsippet for vektorrom med et indre produkt La oss minne Hovedprinsippet (Seksjon 8.): Alle (endelig dimensjonale dvs. de som har en endelig basis) vektorrom kan beskrives som R n der n dim V. Alle
DetaljerMA1201, , 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 =
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
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
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.
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,
DetaljerHvorfor er lineær algebra viktig? Linear
Lineær Algebra Hvorfor er lineær algebra viktig? Linear y = ax + b linje y = f(x) funksjon Taylor utvikling f(x) =f(x 0 )+f 0 (x 0 )(x x 0 )+ 1 2 f 00 (x 0 )(x x 0 ) 2 + f(x) f(x 0 )+f 0 (x 0 )(x x 0 )
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 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
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
DetaljerEksamensoppgave i MA1201 Lineær algebra og geometri
Institutt for matematiske fag Eksamensoppgave i MA1201 Lineær algebra og geometri Faglig kontakt under eksamen: Steffen Oppermann Tlf: 9189 7712 Eksamensdato: 05.10.2016 Eksamenstid (fra til): 08:15 09:45
DetaljerUNIVERSITET 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
DetaljerEKSAME 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
DetaljerMAT1120 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
DetaljerLøsning Eksamensrelevante oppgaver i ELE 3719 Matematikk Vektorer, matriser og lineær algebra Dato Februar Oppgave 1. (A) Vi leser av at
Løsning Eksamensrelevante oppgaver i ELE 379 Matematikk Vektorer, matriser og lineær algebra Dato Februar 05 Oppgave. (A) Vi leser av at A = 3 5, B = ( 0 5 ), C = 0 5 9 og har dermed at π x = Ax + BT =
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
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
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
DetaljerLøsningsforslag B = 1 3 A + B, AB, BA, AB BA, B 2, B 3 C + D, CD, DC, AC, CB. det(a), det(b)
Innlevering BYFE DAFE Matematikk 1000 HIOA Obligatorisk innlevering 2 Innleveringsfrist Fredag 05. februar 2016 kl 14:00 Antall oppgaver: 5 Løsningsforslag 1 Vi denerer noen matriser A [ 1 5 2 0 B [ 1
DetaljerForelesningsnotat i Diskret matematikk 27. september 2018
Kvadratiske matriser Hvis en matrise A er kvadratisk kan den multipliseres med seg selv. Vi skriver vanligvis A 2 istedenfor AA, A 3 istedenfor AAA, osv. Spesielt er A 1 = A. Enhetsmatriser, også kalt
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 elementer. En matrise har rader (vannrett, horisontalt)
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
Detaljer6.5 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
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
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
DetaljerUniversitetet 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:
DetaljerNotat2 - 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
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
DetaljerGauss-eliminasjon og matrisemultiplikasjon
DUMMY Gauss-eliminasjon og matrisemultiplikasjon Lars Sydnes 9 september 2015 Sammendrag Dette notatet handler om hvordan man løser lineære ligningssystemer, altså systemer av flere ligninger i flere ukjente,
DetaljerEksamen 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
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
DetaljerLineære likningssystemer
Lineære likningssystemer Mange fysiske problemer kan formuleres som lineære likningssystemer i vektorrommet, 1/19 Lu = f Lineær: betyr at virkningen av L på u + v er L(u + v) = Lu + Lv, og skaleres som
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
DetaljerLineære likningssystemer, vektorer og matriser
Lineære likningssystemer, vektorer og matriser Kompendium i MAT00 Matematikk Våren 2009 Inger Christin Borge Matematisk institutt, UiO Forord Velkommen til Universitetet i Oslo, og til MAT00 våren 2009!
DetaljerMAT1120 Plenumsregningen torsdag 26/8
MAT1120 Plenumsregningen torsdag 26/8 Øyvind Ryan (oyvindry@i.uio.no) August 2010 Innføring i Matlab for dere som ikke har brukt det før Vi skal lære følgende ting i Matlab: Elementære operasjoner Denere
DetaljerLøsningsforslag C = B = 1 3 A + B, AB, BA, AB BA, B 2, B 3 C + D, CD, DC, AC, CB
Innlevering ELFE KJFE MAFE Matematikk 000 HIOA Obligatorisk innlevering 2 Innleveringsfrist Torsdag 06. oktober 206 kl 6:00 Antall oppgaver: 6 Løsningsforslag Vi denerer noen matriser A [ 5 2 0 B [ 0 3
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
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
Detaljer