3.9 Teori og praksis for Minste kvadraters metode.

Størrelse: px
Begynne med side:

Download "3.9 Teori og praksis for Minste kvadraters metode."

Transkript

1 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: La A være en m n matrise (der typisk m>n)ogla b IR m og betrakt det overbestemte lineære likningssystemet Ax = b. Systemet har vanligvis ingen løsning. For enhver vektor x IR n defineres residualet r = r(x) som feilen r(x) = Ax b. En vektor x som gir minst mulig residual vektor (målt i Euklidsk norm) kalles en minste kvadraters løsning av Ax = b. Altså: Ax b Ax b for alle x IR n. Lin.alg. Seksjon 3.9: #1 of 9

2 Minste kvadraters problem i IR n. Vi diskuterer MK problemet med vekt på geometrisk forståelse. La x som vanlig være vektoren x 1 x =. x n. Husk at avstanden (Euklidsk avstand) mellom vektorene x og y er x y = (x y) T (x y)=( (x j y j ) 2 ) 1/2. j Vi er interessert i følgende problem: Minste kvadraters problem i IR n : La W være et underrom av IR n og la v IR n være gitt. Finn en vektor w W slik at v w v w for alle w W. En slik vektor w kalles en beste minste-kvadraters approksimasjon til v. Altså: nærmeste punkt til v i W. v v-w* w* Lin.alg. Seksjon 3.9: #2 of 9

3 Geometrisk tyder figuren på atbeste minste-kvadraters approksimasjon kjennetegnes av at residualet (feilen) v w er ortogonal på underrommet W, dvs. ortogonal på alle vektorer i W. Vi viser nå at dette faktisk er tilfelle helt generelt! Teorem 18. La W være et p-dimensjonalt underrom av IR n og la v IR n. Anta at en vektor w oppfyller (v w ) T w = 0 for alle w W. Da er w beste minste-kvadraters approksimasjon til v. Bevis. La w W. Ortogonaliteten, eller Pythagoras, gir at v w 2 = (v w )+(w w) 2 = (v w ) T (v w )+2(v w ) T (w w)+ (w w) T (w w) = v w 2 + w w 2 v w 2. Dette viser også at beste minste-kvadraters approksimasjon er entydig: Fra siste ulikhet ser vi at hvis v w = v w,såmåw=w. Lin.alg. Seksjon 3.9: #3 of 9

4 Hvordan finne beste approksimasjon? Forrige teorem sier at vi bør lete etter en vektor w som oppfyller (v w ) T w = 0 for alle w W. Heldigvis er det nok å sjekke denne ortogonaliteten for et fåtall vektorer, nemlig en basis for W. Teorem 19. La W være et p-dimensjonalt underrom av IR n og la u 1,...,u p være en basis for W. Da holder (v w ) T w = 0 for alle w W hvis og bare hvis (v w ) T u i = 0 for i = 1,...,p. (2) (Bevis: hver vektor w W er på formenw= ia i u i ; bruk linearitet av matriseproduktet). Legg merke til at likning (2) er et system av p lineære likninger som den ukjente vektoren w skal oppfylle. Vi finner da en beste minste kvadraters løsning ved å løse dette likningssystemet. Mer om dette følger! Eksistems og entydighet av beste approksimasjon. Teorem 20. La W være et p-dimensjonalt underrom av IR n og la v IR n. Da er det nøyaktig én beste minste kvadraters løsning til v i W. Lin.alg. Seksjon 3.9: #4 of 9

5 Bevis. Eksistens. Vi kan finne en løsning av likning (2) på følgende måte. Vi kan anta at basisen u 1,...,u p er ortogonal (for eller kan vi bruke Gram-Schmidt). Siden w skal ligge i W fins skalarer a 1,...,a p slik at p w = a i u i. i=1 Setter dette inn i likning (2) og får pga. ortogonaliteten at (v) T u i a i u T i u i = 0 for i = 1,...,p. Dette gir at a i = (v) T u i /u T i u i for i = 1,...,p. Med disse koeffisientene blir w gitt ved p w = ((v) T u i /u T i u i)u i. (4) i=1 og likning (2) holder. Ut fra Teorem 18 og 19 ser vi da at w er en beste approksimasjon til v i W. Entydighet. Dette viste vi foran (side 3). Lin.alg. Seksjon 3.9: #5 of 9

6 Minste-kvadraters løsning til inkonsistente systemer Ax = b. Vi vender tilbake til problemet: finn minste kvadraters løsning x av Ax = b, dvs. Ax b Ax b for alle x IR n. Hva er forbindelsen til approksimasjonsproblemet vårt? Vi har jo at x Ax er en lineær transformasjon og når x gjennomløper hele IR n vil y = Ax gjennomløpe underrommet R(A) av IR m ; dette er rekkevidden eller kolonnerommet til A. Såtilhvery R(A) fins minst én x slik at y = Ax. Videre er min{ Ax b : x IR n }=min{ y b : y R(A)}. Vi lar nå W = R(A) og får: La y være en beste minste-kvadraters approksimasjon til b i W = R(A). Daerx IR n en minste kvadraters løsning av Ax = b hvis og bare hvis Ax = y. Vi vet at y er løsningen av w T (y b) = 0 for alle w W. Her er det nok å kreve dette for alle vektorer w i en basis for W.Og,idetW =R(A), vil jo kolonnene A j, j = 1,...,nutspenne W.Altså: A T i (y b) = 0 som på matriseform blir for j = 1,...,n A T (y b) = 0. Lin.alg. Seksjon 3.9: #6 of 9

7 Siden y = Ax ser vi derfor at x er løsning av systemet A T (Ax b) = 0 eller A T Ax = A T b. Dette er jo nettopp normallikningene! Ut fra denne diskusjonen får vi et bevis for vårt hovedresultat om MK problemet, nemlig Teorem 17. Betrakt systemet Ax = b. Da gjelder: (i) Systemet A T Ax = A T b er konsistent. (ii) Minste kvadraters løsninger av Ax = b er nettopp løsningene av A T Ax = A T b. (iii) MK (minste kvadraters) løsningen av Ax = b er unik hvis og bare hvis A har rang n. Entydighet av minste-kvadraters løsning til Ax = b. Vi har sett at det er en entydig beste minste kvadraters løsning y til v i W (når W er underrom og v er gitt). MEN: dette betyr ikke at man alltid har entydig minste kvadraters løsninger av Ax = b. Grunnen til dette er at selv om y er entydig såkandet være mange løsninger (og minst én løsning) x av Ax = y. Lin.alg. Seksjon 3.9: #7 of 9

8 Hvis kolonnene i A er lineært uavhengige,så er det en entydig løsning x (dette følger direkte av definisjonen av lineær uavhengighet). Men hvis kolonnene i A er lineært avhengige, vil det være uendelig mange slike løsninger. Man kan da f.eks. være interessert i en minste kvadraters løsning x med minst norm, så x =min{ x : Ax = y }. Pseudoinvers. Det kan vises at for enhver m n matrise A så fins det en entydig n m matrise X slik at AX I m F blir minst mulig. Her bruker vi Frobenius normen for matriser definert ved m n A F = a 2 i,j. i=1 j=1 (Dette er det samme som å oppfatte matrisen som en lang vektor av dimensjon mn og beregne Euklidsk norm.) Denne entydige løsningen X betegnes med A + og kalles den pseudoinverse til A. La nå x være minimum norm minste kvadraters løsning av Ax = b. Da kan det vises at x = A + b. Hvis A er ikkesingulær, har man at A + = A 1,såvihar en videreføring av formelen x = A 1 b for vilkårlige matriser!! Lin.alg. Seksjon 3.9: #8 of 9

9 MATLAB og minste-kvadraters løsninger. MATLAB kommandoen x=a \ b returner minimum norm minste kvadraters løsning av Ax = b, dvs.a + b. Hvis m = n og Ax = b er inkonsistent, vil x=a \ b gi en advarsel og ingen MK løsning. Hvis man likevel ønsker en MK løsning, så kan man gjøre dette ved å stille opp normallikningene og løse disse på vanlig måte. MATLAB kommandoen pinv(a) resturnerer den pseudoinverse til matrisen A. Derfor kan man også finne minimum norm minste kvadraters løsning av Ax = b ved kommandoen pinv(a) b. Lin.alg. Seksjon 3.9: #9 of 9

6.5 Minste kvadraters problemer

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

Detaljer

6.8 Anvendelser av indreprodukter

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

Detaljer

Lineære likningssystemer og matriser

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

Detaljer

4.2 Nullrom, kolonnerom og lineære transformasjoner

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

Detaljer

MAT1120 Repetisjon Kap. 1

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

Detaljer

4.1 Vektorrom og underrom

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

Detaljer

4.1 Vektorrom og underrom

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

Detaljer

Kap. 6 Ortogonalitet og minste kvadraters problemer

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

Detaljer

Kap. 5 Egenverdier og egenvektorer

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

Detaljer

Minste kvadraters løsning, Symmetriske matriser

Minste kvadraters løsning, Symmetriske matriser Minste kvadraters løsning, Symmetriske matriser NTNU, Institutt for matematiske fag 19. november 2013 Inkonsistent ligningsystem Anta at Ax = b er et inkonsistent ligningsystem, da er b ikke i Col(A).

Detaljer

10 Radrommet, kolonnerommet og nullrommet

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

Detaljer

4.1 Vektorrom og underrom

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

Detaljer

Lineær algebra-oppsummering

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

Detaljer

4.1 Vektorrom og underrom

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

Detaljer

MAT 1110: Bruk av redusert trappeform

MAT 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,

Detaljer

4.4 Koordinatsystemer

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

Detaljer

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

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

Detaljer

6.6 Anvendelser på lineære modeller

6.6 Anvendelser på lineære modeller 6.6 Anvendelser på lineære modeller Skal først se på lineær regresjon for gitte punkter i planet: det kan formuleres og løses som et minste kvadraters problem! I mere generelle lineære modeller er man

Detaljer

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

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

Detaljer

UNIVERSITET I BERGEN

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

Detaljer

GENERELLE VEKTORROM. Hittil har vi bare snakket om vektorrom av type

GENERELLE VEKTORROM. Hittil har vi bare snakket om vektorrom av type Emne 8 GENERELLE VEKTORROM Hittil har vi bare snakket om vektorrom av type og underrom av dette. Vi definerte en mengde V som et underrom av hvis det inneholdt og var lukket under addisjon og skalar multiplikasjon.

Detaljer

Repetisjon: om avsn og kap. 3 i Lay

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

Detaljer

Repetisjon: Om avsn og kap. 3 i Lay

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

Detaljer

Lineære ligningssystemer. Forelesning, TMA4110 Torsdag 17/9. Lineære ligningssystemer (forts.) Eksempler

Lineære 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

Detaljer

Gauss-Jordan eliminasjon; redusert echelonform. Forelesning, TMA4110 Fredag 18/9. Reduserte echelonmatriser. Reduserte echelonmatriser (forts.

Gauss-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

Detaljer

Emne 10 Litt mer om matriser, noen anvendelser

Emne 10 Litt mer om matriser, noen anvendelser Emne 10 Litt mer om matriser, noen anvendelser (Reelle) ortogonale matriser La A være en reell, kvadratisk matrise, dvs. en (n n)-matrise hvor hvert element Da vil A være ortogonal dersom: og Med menes

Detaljer

Lineære likningssett.

Lineære 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,

Detaljer

Lineær Algebra og Vektorrom. Eivind Eriksen. Høgskolen i Oslo, Avdeling for Ingeniørutdanning

Lineær 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

Detaljer

Gauss-eliminasjon og matrisemultiplikasjon

Gauss-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,

Detaljer

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

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

Detaljer

Obligatorisk oppgavesett 1 MAT1120 H16

Obligatorisk oppgavesett 1 MAT1120 H16 Obligatorisk oppgavesett MAT0 H6 Innleveringsfrist: torsdag /09 06, innen kl 4.30. Besvarelsen leveres på Matematisk institutt, 7. etasje i N.H. Abels hus. Husk å bruke forsiden som du finner via hjemmesiden.

Detaljer

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

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

Detaljer

Lineær algebra. 0.1 Vektorrom

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

Detaljer

Opp til nå har problemstilling vart: Gitt en funksjon f, finn for hvilket verdier av de variabler f tar en bestemt verdi. Ax = b, f(x) = 0.

Opp til nå har problemstilling vart: Gitt en funksjon f, finn for hvilket verdier av de variabler f tar en bestemt verdi. Ax = b, f(x) = 0. Interpolasjon Opp til nå har problemstilling vart: Gitt en funksjon f, finn for hvilket verdier av de variabler f tar en bestemt verdi. 1/9 Ax = b, f(x) = 0. Ved interpolasjon, er problemet det motsatte:

Detaljer

EKSAMEN I MA1202 OG MA6202 LINEÆR ALGEBRA MED ANVENDELSER

EKSAMEN I MA1202 OG MA6202 LINEÆR ALGEBRA MED ANVENDELSER Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 3 Faglig kontakt under eksamen: Carl Fredrik Berg (975 05 585) EKSAMEN I MA1202 OG MA6202 LINEÆR ALGEBRA MED ANVENDELSER

Detaljer

Polynomisk interpolasjon

Polynomisk interpolasjon Polynomisk interpolasjon Hans Munthe-Kaas 1. jaunar 2002 Abstract Dette notatet tar for seg interpolasjon med polynomer. Notatet er ment som et tillegg til læreboken i I162, og forsøker å framstille dette

Detaljer

Lineære likningssystemer

Lineære 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

Detaljer

Kap. 5 Egenverdier og egenvektorer

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

Detaljer

MAT UiO mai Våren 2010 MAT 1012

MAT UiO mai Våren 2010 MAT 1012 200 MAT 02 Våren 200 UiO 0-2. 200 / 48 200 Betrakt et system x = A x der A M n (R) er diagonaliserbar. Vi har sett at systemet kan løses ved frakoblingsmetoden: Vi finner da P = [v v n ] (inverterbar)

Detaljer

MAT1120 Oppgaver til plenumsregningen torsdag 18/9

MAT1120 Oppgaver til plenumsregningen torsdag 18/9 MAT1120 Oppgaver til plenumsregningen torsdag 18/9 Øyvind Ryan (oyvindry@i.uio.no) September 2008 Oppgaver fra 4.8 Teorem 16 s. 282: y k+n + a 1 y k+n 1 + + a n 1 y k+1 + a n y k = z k har alltid en løsning

Detaljer

Forelesning 10 Cramers regel med anvendelser

Forelesning 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

Detaljer

Øving 3 Determinanter

Øving 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

Detaljer

Ikke lineære likninger

Ikke lineære likninger Ikke lineære likninger Opp til nå har vi studert lineære likninger og lineære likningsystemer. 1/19 Ax = b Ax b = 0. I en dimensjon, lineære likninger kan alltid løses ved hjelp av formler: ax + b = 0

Detaljer

Emne 9. Egenverdier og egenvektorer

Emne 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

Detaljer

1 Mandag 1. februar 2010

1 Mandag 1. februar 2010 Mandag. februar 200 I dag skal vi fortsette med rekkeutviklinger som vi begynte med forrige uke. Vi skal se på litt mer generell rekker og vurdere når de konvergerer, bl.a. gi et enkelt kriterium. Dette

Detaljer

7.1 forts. Schur triangularisering og spektralteoremet

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

Detaljer

Mer om kvadratiske matriser

Mer 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

Detaljer

Basis, koordinatsystem og dimensjon

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

Detaljer

Forelesning 14 Systemer av dierensiallikninger

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

Detaljer

Emne 7. Vektorrom (Del 1)

Emne 7. Vektorrom (Del 1) Emne 7. Vektorrom (Del 1) Første del av dette emnet innholder lite nytt regnemessig, men vi innfører en rekke nye begreper. Avbildning (image). R m T R n n image(t) Vi kan starte med samme skjematiske

Detaljer

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra Universitet i Bergen Det matematisk-naturvitenskapelige fakultet Bokmål Eksamen i emnet MAT - Lineær algebra Onsdag 5 september, 0, kl. 09.00-4.00 Tillatte hjelpemidler. kalkulator, i samsvar med fakultetets

Detaljer

12 Lineære transformasjoner

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

Detaljer

16 Ortogonal diagonalisering

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

Detaljer

Mer om lineære likningssystemer, vektorer og matriser

Mer 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

Detaljer

Lineær 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. 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

Detaljer

Matriseoperasjoner. E.Malinnikova, NTNU, Institutt for matematiske fag. September 22, 2009

Matriseoperasjoner. 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

Detaljer

x n+1 rx n = 0. (2.2)

x 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

Detaljer

LP. Leksjon 5. Kapittel 5: dualitetsteori. motivasjon det duale problemet svak og sterk dualitet det duale til LP problemer på andre former

LP. Leksjon 5. Kapittel 5: dualitetsteori. motivasjon det duale problemet svak og sterk dualitet det duale til LP problemer på andre former LP. Leksjon 5 Kapittel 5: dualitetsteori motivasjon det duale problemet svak og sterk dualitet det duale til LP problemer på andre former 1 / 26 Motivasjon Til ethvert LP problem (P) er det knyttet et

Detaljer

Lineær 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 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

Detaljer

Obligatorisk oppgave 1 MAT1120 H15

Obligatorisk oppgave 1 MAT1120 H15 Obligatorisk oppgave MAT20 H5 Innleveringsfrist: torsdag 24/09-205, innen kl 4.30. Besvarelsen leveres på Matematisk institutt, 7. etasje i N.H. Abels hus. Husk å bruke forsiden som du finner via hjemmesiden.

Detaljer

MAT Prøveeksamen 29. mai - Løsningsforslag

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

Detaljer

1 Gauss-Jordan metode

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

Detaljer

Tiden går og alt forandres, selv om vi stopper klokka. Stoffet i dette kapittelet vil være en utømmelig kilde med tanke på eksamensoppgaver.

Tiden 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

Detaljer

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra

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

Detaljer

Elementær Matriseteori

Elementær 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

Detaljer

Emne 6. Lineære transformasjoner. Del 1

Emne 6. Lineære transformasjoner. Del 1 Emne 6. Lineære transformasjoner. Del 1 Lineære transformasjoner kan sammenliknes med vanlig funksjonslære. X x 1 x 2 x 3 f Y Gitt to tallmengder X og Y. y 1 En funksjon f er her en regel som y 2 knytter

Detaljer

Matematikk og fysikk RF3100

Matematikk og fysikk RF3100 DUMMY Matematikk og fysikk RF3100 Løsningsforslag, Øving 11 8mai 201 Tidsfrist: 18mai 201 klokken 1400 Oppgave 1 Obs: I denne oppgaven reperesenterer vi vektorer med 1 n-matriser, altså radvektorer I hele

Detaljer

Generelle teoremer og definisjoner MA1201 Lineær Algebra og Geometri - NTNU

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

Detaljer

Innlevering BYPE2000 Matematikk 2000 HIOA Obligatorisk innlevering 3 Innleveringsfrist Torsdag 24. april 2014 før forelesningen Antall oppgaver: 9

Innlevering BYPE2000 Matematikk 2000 HIOA Obligatorisk innlevering 3 Innleveringsfrist Torsdag 24. april 2014 før forelesningen Antall oppgaver: 9 Innlevering BYPE000 Matematikk 000 HIOA Obligatorisk innlevering 3 Innleveringsfrist Torsdag 4. april 014 før forelesningen Antall oppgaver: 9 1 Regn ut determinanten til følgende matriser. (Det er også

Detaljer

MAT1120 Notat 1 Tillegg til avsnitt 4.4

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

Detaljer

Lineær 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 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

Detaljer

Minste kvadraters metode i MATLAB og LabVIEW

Minste kvadraters metode i MATLAB og LabVIEW Minste kvadraters metode i MATLAB og LabVIEW Av Finn Haugen (finn@techteach.no) TechTeach (http://techteach.no) 22.12 2002 1 2 TechTeach Innhold 1 Minste kvadraters metode i MATLAB 7 2 Minste kvadraters

Detaljer

MAT 1120: Obligatorisk oppgave 2, H-09

MAT 1120: Obligatorisk oppgave 2, H-09 MAT 1120: Obligatorisk oppgave 2, H-09 Innlevering: Senest fredag 30 oktober, 2009, kl1430, på Ekspedisjonskontoret til Matematisk institutt (7 etasje NHA) Du kan skrive for hånd eller med datamaskin,

Detaljer

Obligatorisk oppgavesett 2 MAT1120 H16

Obligatorisk oppgavesett 2 MAT1120 H16 Obligatorisk oppgavesett 2 MAT1120 H16 Innleveringsfrist: torsdag 03.11.2016, innen kl 14.30. Besvarelsen leveres på Matematisk institutt, 7. etasje i N.H. Abels hus. Husk å bruke forsiden som du finner

Detaljer

Seksjonene : Vektorer

Seksjonene : Vektorer Seksjonene 10.2-3: Vektorer Andreas Leopold Knutsen 22. mars 2010 Vektorer i R 3 Vektor = objekt med både størrelse (lengde) og retning. Lengden til en vektor v betegnes med v Nullvektoren 0 er vektoren

Detaljer

LP. Leksjon 7. Kapittel 13: Nettverk strøm problemer

LP. Leksjon 7. Kapittel 13: Nettverk strøm problemer LP. Leksjon 7. Kapittel 13: Nettverk strøm problemer Skal studere matematiske modeller for strøm i nettverk. Dette har anvendelser av typen fysiske nettverk: internet, vei, jernbane, fly, telekommunikasjon,

Detaljer

4.9 Anvendelser: Markovkjeder

4.9 Anvendelser: Markovkjeder 4.9 Anvendelser: Markovkjeder Markov kjeder er en spesiell type diskret dynamisk system. Stokastisk modell: grunnleggende i sannsynlighetsregning. Vinner av Abelprisen 2007, S. Varadhan, jobber i dette

Detaljer

Seksjonene : Vektorer

Seksjonene : Vektorer Seksjonene 10.2-3: Vektorer Andreas Leopold Knutsen 22. mars 2010 Vektorer i R 3 Vektor = objekt med både størrelse (lengde) og retning. Lengden til en vektor v betegnes med v Nullvektoren 0 er vektoren

Detaljer

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

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

Detaljer

Et forsøk på et oppslagsverk for TMA4145 Lineære metoder

Et forsøk på et oppslagsverk for TMA4145 Lineære metoder Et forsøk på et oppslagsverk for TMA4145 Lineære metoder Ruben Spaans May 21, 2009 1 Oppslagsverk Adjungert Ball, la (X, d) være et metrisk rom og la ɛ > 0. Da er for x 0 X: 1. B(x 0 ; ɛ) = {x x X d(x,

Detaljer

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

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

Detaljer

100 ENKLERE OPPGAVER MED HINT OG LØSNINGSFORSLAG I LINEÆR ALGEBRA (OG NOEN I DISKRET MATEMATIKK)

100 ENKLERE OPPGAVER MED HINT OG LØSNINGSFORSLAG I LINEÆR ALGEBRA (OG NOEN I DISKRET MATEMATIKK) ENKLERE OPPGAVER MED HINT OG LØSNINGSFORSLAG I LINEÆR ALGEBRA (OG NOEN I DISKRET MATEMATIKK) EIVIND ERIKSEN, TROND STØLEN GUSTAVSEN, AND HELGE HÜLSEN Introduksjon Dette kompendiet inneholder oppgaver med

Detaljer

DAFE ELFE Matematikk 1000 HIOA Obligatorisk innlevering 3 Innleveringsfrist Torsdag 26. mars 2015 Antall oppgaver: 10 + 3

DAFE ELFE Matematikk 1000 HIOA Obligatorisk innlevering 3 Innleveringsfrist Torsdag 26. mars 2015 Antall oppgaver: 10 + 3 Innlevering DAFE ELFE Matematikk HIOA Obligatorisk innlevering 3 Innleveringsfrist Torsdag 26. mars 2 Antall oppgaver: + 3 For hver av matrisene nedenfor nn den ekvivalente matrisen som er på redusert

Detaljer

Pensum i lineæralgebra inneholder disse punktene.

Pensum 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

Detaljer

Obligatorisk oppgave 1 MAT1120 HØSTEN 2014

Obligatorisk oppgave 1 MAT1120 HØSTEN 2014 Obligatorisk oppgave 1 MAT1120 HØSTEN 2014 Innleveringsfrist: torsdag 25. september 2014, innen kl 14.30. Besvarelsen leveres på Matematisk institutt, Ekspedisjonskontoret, 7. etasje i N.H. Abels hus.

Detaljer

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

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

Detaljer

Løsningsforslag eksamen STE 6038 Geometrisk modellering 9/8 1995

Løsningsforslag eksamen STE 6038 Geometrisk modellering 9/8 1995 Løsningsforslag eksamen STE 638 Geometrisk modellering 9/8 995. a) Vi skal bestemme hvilke av avbildningene/transformasjonene som er homeomorfier. f 4 6 Determinanten til matrisen er lik, dvs at den har

Detaljer

Oppgave 1 (25 %) - Flervalgsoppgaver

Oppgave 1 (25 %) - Flervalgsoppgaver Oppgaver og løsningsforslag for 4t eksamen 10.mai 006 i LO510D Lineær algebra med grafiske anvendelser. Fra og med oppgave skal alle svar begrunnes. Oppgave 1 (5 %) - Flervalgsoppgaver Denne oppgaven består

Detaljer

MAT 1120: Obligatorisk oppgave 1, H-09

MAT 1120: Obligatorisk oppgave 1, H-09 MAT 110: Obligatorisk oppgave 1, H-09 Innlevering: Senest fredag 5. september, 009, kl.14.30, på Ekspedisjonskontoret til Matematisk institutt (7. etasje NHA). Du kan skrive for hånd eller med datamaskin,

Detaljer

LP. Leksjon Spillteori

LP. Leksjon Spillteori LP. Leksjon Spillteori Kapittel 11: spillteori matrisespill optimale strategier von Neumann s minmax teorem forbindelse til LP nyttig LP modellering av (visse) minmax and maxmin problemer 1 / 11 Eksempel:

Detaljer

Ortogonale polynom og Gauss kvadratur

Ortogonale polynom og Gauss kvadratur Ortogonale polynom og Gauss kvadratur Hans Munthe-Kaas 1. jaunar 2002 Sammendrag Dette notatet tar for seg minste kvadrat approksimasjoner, ortogonale polynom og Gauss kvadratur. Notatet er ment som et

Detaljer

Løsningsforslag. Oppgave 1 Gitt matrisene ] [ og C = A = 4 1 B = 2 1 3

Løsningsforslag. Oppgave 1 Gitt matrisene ] [ og C = A = 4 1 B = 2 1 3 Prøve i Matematikk BYFE DAFE Dato: 27. mai 26 Hjelpemiddel: Kalkulator og formelark Alle svar skal grunngis. Alle deloppgaver har lik vekt. Løsningsforslag Oppgave Gitt matrisene [ 2 A 4 B [ 2 og C [ 2

Detaljer

Kapittel 3: degenerasjon.

Kapittel 3: degenerasjon. LP. Leksjon 3 Kapittel 3: degenerasjon. degenerasjon eksempel på sirkling den leksikografiske metoden andre pivoteringsregler fundamentaleoremet i LP LP. Leksjon 3: #1 of 15 Repetisjon simpleksalgoritmen:

Detaljer

John Haugan. Matematikk for ingeniørstudenter: Lineær algebra

John Haugan. Matematikk for ingeniørstudenter: Lineær algebra John Haugan Matematikk for ingeniørstudenter: Lineær algebra Studieprogram Energi og miljø i bygg, 25-26 2 John Haugan Matematikk for ingeniørstudenter: Lineær algebra Studieprogram Energi og miljø i bygg,

Detaljer

Diofantiske likninger Peer Andersen

Diofantiske likninger Peer Andersen Diofantiske likninger av Peer Andersen Peer Andersen 2013 Innhold Når en diofantisk likning har løsning... 3 Generell løsning av den diofantiske likningen... 4 Løsningsmetode når vi kjenner en spesiell

Detaljer

Øving 2 Matrisealgebra

Øving 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[]:=

Detaljer

Newtons metode for system av ligninger

Newtons metode for system av ligninger Newtons metode for system av ligninger Arne Morten Kvarving http://www.math.ntnu.no/ arnemort/m4-itersys.pdf Department of Mathematical Sciences Norwegian University of Science and Technology 15. Oktober

Detaljer

Dette brukte vi f.eks. til å bevise binomialteoremet. n i. (a + b) n = a i b n i. i=0

Dette brukte vi f.eks. til å bevise binomialteoremet. n i. (a + b) n = a i b n i. i=0 Prinsippet om matematisk induksjon: anta du har en påstand som er avhengig av et positivt heltall n. Om du kan vise to ting, nemlig at påstanden er sann for n = 1 og at om påstanden er sann for n = k,

Detaljer

Tallfølger er noe av det første vi treffer i matematikken, for eksempel når vi lærer å telle.

Tallfølger 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

Detaljer