7.1 forts. Schur triangularisering og spektralteoremet

Størrelse: px
Begynne med side:

Download "7.1 forts. Schur triangularisering og spektralteoremet"

Transkript

1 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 diagonaliserbare, og Schur triangularisering: tilleggsstoff (noe kjennskap). Vi fokuserer på det reelle tilfellet; det finnes generaliseringer til det komplekse tilfellet (men med visse endringer). Minner om at to kvadratiske matriser A og B kalles similære dersom det finnes en invertibel matrise S slik at B = S 1 AS. Da har A og B samme egenverdier. Spesielt enkelt er dette hvis S er en ortogonal matrise (dvs. S er n n og kolonnene er ortonormale); da er nemlig S 1 = S T!! 1/19

2 Teorem ( Schur triangulering) Anta at A er en n n matrise med reelle egenverdier λ 1, λ 2,..., λ n (telles med multipl., i en viss rekkefølge). Da finnes en (reell) ortogonal matrise U slik at U T AU = T er øvre triangulær, og der diagonalelementene i T er egenverdiene til A, t ii = λ i (i n). Merk: U T er den transponerte av U. T er en matrise. Bevis: La λ 1 være en egenverdi for A og x 1 en tilhørende reell egenvektor (en slik finnes: ta realdel evt. imaginærdel til en kompleks egenvektor). Kan normalisere så x 1 har lengde 1. Kan da utvide x 1 til en ortonormal basis for IR n (først en basis, så ortogonalitet ved Gram-Schmidt, til slutt normaliser). La U 1 være den ortogonale matrisen med vektorene i denne basisen som kolonner, der x 1 er første kolonne. Da har U1 T AU 1 formen [ ] U1 T λ1 AU 1 = O A 1 2/19

3 der (n 1) (n 1) matrisen A 1 har egenverdier λ 2,..., λ n. (Brukte her ortogonalitet og så på U T 1 (AU 1)). Vi behandler nå A 1 på tilsvarende måte: la x 2 være en reell egenvektor (i IR n 1 ) som hører til λ 2. Kan da finne en ortogonal (n 1) (n 1) matrise U 2 slik at [ U2 T λ2 A 1 U 2 = O A 2 ]. Definer n n matrisen [ 1 O V 2 = O U 2 ]. Lett å se at V 2 er ortogonal, og det er U 1 V 2 også. Får nå λ 1 V2 T U1 T AU 1 V 2 = 0 λ 2. O O A 2 3/19

4 Fortsetter slik og finner ortogonale matriser U i IR (n i+1) (n i+1) (i n 1) og ortogonale matriser V j (j n 1). Matrisen U = U 1 V 1 V n 1 er ortogonal og U T AU er øvre triangulær som ønsket. Schur triangularisering har en rekke anvendelser. Vi skal her bruke dette resultatet til å vise spektralteoremet. 4/19

5 Teorem ( Spektralteoremet) La A være en reell symmetrisk n n matrise. Da har A reelle egenverdier λ 1, λ 2,..., λ n (telles med multipl., i en viss rekkefølge) og det finnes en (reell) ortogonal matrise U slik at U T AU = D der D er diagonalmatrisen med diagonalelementer λ 1, λ 2,..., λ n. Kolonnene i U er n ortonormale egenvektorer som hører til de resp. egenverdiene. Bevis: Start med egenvektorlikningen Ax = λx, der x O og x og λ kan være komplekse. Dermed er ( ) x T Ax = λ x T x. Dessuten x T Ax = x T Ax = x T A x = (x T A x) T = x T A T x = x T Ax som viser at x T Ax er reell. Fra ( ) over ser vi da at egenverdien λ må være reell (idet også x T x er reell). Dette medfører at det finnes en tilhørende reell egenvektor (ved å ta realdelen evt imaginærdelen til en kompleks egenvektor; dette blir en ny egenvektor). 5/19

6 Så A har reelle egenverdier og egenvektorer. Ved Schur triangulering finnes da en ortogonal matrise U slik at U T AU = T der T er øvre triangulær, og har egenverdiene til A på diagonalen. Men da blir T T = (U T AU) T = U T A T U = U T AU = T så T er symmetrisk: da må T være en diagonalmatrise. Kolonnene i U er ortonormale egenvektorer for A, og vi har vist teoremet. Det komplekse tilfelle: Schur triangularisering sier at for enhver kompleks matrise A finnes en unitær matrise U (dvs. Ū T U = I ) slik at Ū T AU = T er øvre triangulær, og T har egenverdiene til A langs diagonalen. 6/19

7 7.2 Kvadratiske former Funksjoner på R n som er lineærkombinasjoner av ledd av typen xi 2 eller x i x j (der i j) opptrer i mange anvendelser. Disse kalles kvadratiske former. Kvadratiske former på R n kan skrives på formen x T A x der A er en symmetrisk n n matrise. Ved teorien for symmetriske matriser kan vi alltid foreta et ortogonalt variabelskifte som forenkler en gitt kvadratisk form. Et variabelskifte svarer til et bytte av koordinatsystem. Nivåmengder for en kvadratisk form er enkle å beskrive når man velger riktig koordinatsystem. Når n = 2 er nivåkurvene man da får gjerne ellipser eller hyperbler. Skal se til slutt at kvadratiske former (og symmetriske matriser) kan klassifiseres i noen hovedtyper. Disse typene er viktige f.eks. når man studerer stasjonære punkter til reelle funksjoner på R n (ved å se på Hesse-matrisene, jf. MAT1110). 7/19

8 Definition. En kvadratisk form på R n er en funksjon Q : R n R som kan skrives på formen Q(x) = x T A x der A er en symmetrisk n n matrise. [ ] 5 2 Eksempel. La A = og Q(x) = x 2 5 T A x. Da er Q(x) = [ x 1 x 2 ] [ ] [ x1 x 2 ] = [ x 1 x 2 ] [ 5x 1 2x 2 2x 1 + 5x 2 = x 1 (5x 1 2x 2 ) + x 2 ( 2x 1 + 5x 2 ) = 5x 2 1 4x 1 x 2 + 5x 2 2. ] 8/19

9 Eksempel. La Q(x) = a x b x 1x 2 + c x 2 2, x = (x 1, x 2 ) R 2. Da er Q(x) = [ x 1 x 2 ] [ a b/2 b/2 c (ved en enkel utregning). Eksempel. La ] [ x1 x 2 ] = x T [ a b/2 b/2 c Q(x) = a x 2 1 +b x 1 x 2 +c x 2 2 +d x 2 x 3 +e x 2 3 +f x 1 x 3, x = (x 1, x 2, x 3 ) R 3. ] x Da er Q(x) = [ x 1 x 2 ] x 3 a b/2 f /2 b/2 c d/2 f /2 d/2 e x 1 x 2 x 3. (Sjekk!) 9/19

10 Kvadratiske former tilordnet diagonalmatriser er enkle : La D= diag(d 1, d 2,..., d n ) og Q (y) = y T D y, y R n. Da er Q (y) = d 1 y d 2 y d n y 2 n (sjekkes på tavla). Med enkel menes altså at det finnes ingen kryssledd av typen y i y j med i j. Vi skal nå se at vi kan alltid gjøre om en kvadratisk form til en enkel kvadratisk form uten kryssledd ved et passende variabelskifte. Husk at et variabelskifte svarer til at vi skifter basis (og dermed koordinatsystem): hvis P = [u 1... u n ] er en n n invertibel matrise og vi foretar variabelskiftet y = P 1 x, mao. x = Py så er y koordinatvektoren til x mhp. basisen B = {u 1... u n } (fordi P 1 er koordinatskiftematrisen fra standard basisen til B, jf. avsn. 4.4 og 4.7). 10/19

11 Betrakt en kvadratisk form på R n Q(x) = x T A x der A er en symmetrisk n n matrise. Siden A er symmetrisk vet vi fra avsn. 7.1 at A er ortogonalt diagonaliserbar : det finnes da en ortogonal n n matrise P og en n n diagonalmatrise D = diag(d 1,..., d n ) slik at A = PDP 1 = PDP T (siden P 1 = P T ), og da er P T AP = D. Minner om at kolonnene i P er da en ortonormal basis B for R n bestående av egenvektorer for A tilhørende egenverdiene d 1,..., d n. Vi foretar nå variableskiftet y = P 1 x, mao. x = Py. Vi får da at Q(x) = x T A x = (Py) T A(Py) = y T P T APy = y T Dy. Nå er Q (y) := y T D y en kvadratisk form uten kryssledd! 11/19

12 Vi har dermed vist følgende: Teorem 4. I koordinatsystemet for R n med akser bestemt av en ortonormal egenvektorbasis B for den symmetriske matrisen A, så blir den kvadratiske formen Q(x) = x T Ax gjort om til en kvadratisk form uten kryssledd. Aksene i koordinatsystemet ovenfor kalles ofte hovedaksene (eller prinsipalaksene). [ ] 5 2 Eksempel. La A = og Q(x) = x 2 5 T A x. Man regner lett ut at egenverdiene ] til A er 3 og [ 7, med ] tilhørende, u 2 = [ enhetsegenvektorer u 1 = ] Sett P = [ Variabelskiftet x = Py gir da at og D = diag(3, 7). Q(x) = x T A x = y T Dy = 3y y 2 2 (= Q (y)). 12/19

13 En geometrisk anvendelse For enkelhets skyld ser vi på når n = 2. Betrakt en kvadratisk form på R 2, Q(x) = a x b x 1x 2 + c x 2 2. Hvordan ser nivåkurvene til Q ut? Minner om at nivåkurven til Q svarende til en verdi d R består av alle x = (x 1, x 2 ) i R 2 som er slik at Q(x) = d, mao. som tilfredstiller likningen a x b x 1 x 2 + c x 2 2 = d Vi kan da skifte variabel og gå over til koordinatsystemet angitt i Teorem 4. Likningen ovenfor forenkles da til likningen d 1 y d 2 y 2 2 = d der d 1 og d 2 er egenverdiene til den symmetriske matrisen A tilordnet Q. Kurvene bestemt av denne likningen, og dermed nivåkurvene til Q, lar seg lett beskrive. 13/19

14 Anta f.eks. at d 1, d 2 og d alle er forskjellig fra 0. Da har vi at hvis d 1, d 2 (og d) alle har samme fortegn så blir kurven en ellipse hvis d 1, d 2 har motsatt fortegn så blir kurven en hyperbel. Eksempel. Betrakt likningen 5 x1 2 4 x 1x x2 2 = 48, mao. [ ] Q(x) = 48 der Q(x) = x T 5 2 A x med A =, som i 2 5 forrige eksempel. I koordinatsystemet bestemt av egenvektorbasisen for A vi fant da, blir likningen omgjort til 3 y y 2 2 = 48, altså til y y 2 2 ( 48/7 ) 2 = 1 som er likningen for en ellipse (se fig. 3(a) s. 476). 14/19

15 Eksempel. Betrakt likningen 3 x x 1x x2 2 = 2, mao. [ ] 3 5 Q(x) = 2 der Q(x) = x T A x med A =, 5 3 Man regner lett ut at egenverdiene ] til A er 8 og [ -2, med ] tilhørende, u 2 = [ enhetsegenvektorer u 1 = ] Sett P = [ Variabelskiftet x = Py gjør da likningen Q(x) = 2 om til likningen 8 y y 2 2 = 2, dvs. y 2 1 (1/2) 2 y 2 2 = 1. Dette er likningen for en hyperbel (som skisseres på tavla). 15/19

16 Klassifikasjon av kvadratiske former Motivasjon. La Q(x) = x T Ax være en kvadratisk form på R 2. Det er enkelt å sjekke at O = (0, 0) er et stasjonært punkt for Q, dvs. Q x 1 (0, 0) = Q x 2 (0, 0) = 0. Et naturlig spørsmål er derfor : hva slags stasjonært punkt er O? (Se fig. 4, s. 460). Merk at Q(O) = 0. Definition. En kvadratisk form Q på R n kalles positiv definit dersom Q(x) > 0 for alle x O. (Da er O et min. punkt for Q). negativ definit dersom Q(x) < 0 for alle x O. (Da er O et maks. punkt for Q). indefinit dersom Q(x) antar både positive og negative verdier. (Da vil O være et sadelpunkt for Q). 16/19

17 Merk : man sier også at Q er positiv semidefinit dersom Q(x) 0 for alle x, negativ semidefinit dersom Q(x) 0 for alle x. Teorem 5 Kvadratiske former og egenverdier. La A være en n n symmetrisk matrise. Den kvadratiske formen Q(x) = x T Ax på R n er positiv definit alle egenverdiene til A er positive, negativ definit alle egenverdiene til A er negative, indefinit A har både positive og negative egenverdier. Merk : tilsvarende gjelder det at Q er positiv semidefinit alle egenverdiene til A er ikkenegative, negativ semidefinit alle egenverdiene til A ikkepositive, 17/19

18 Bevis-skisse. Ved å benytte Teorem 4 kan vi betrakte istedet Q (y) = d 1 y d n y 2 n der d 1,..., d n er egenverdilisten til A. Ved å studere fortegnet til dette uttrykket er det rimelig opplagt at påstandene i teoremet er sanne. Eksempel. La Q(x) = 5 x1 2 4 x 1x x2 2 [ ]. 5 2 Siden A = har egenverdiene 3 og 7, som begge er 2 5 positive, så er Q positiv definit. (Dermed er (0, 0) et min. punkt for Q). Eksempel. La Q(x) = 3 x x 1x x2 2 [ ]. 3 5 Siden A = har egenverdiene 8 og -2, så er Q indefinit. 5 3 (Dermed er (0, 0) et sadelpunkt for Q). 18/19

19 Eksempel. La Q(x) = x1 2 4 x 1x 2 + x x 2x 3 + x x 1x Da er Q(x) = x T Ax der A = Vi har sett tidligere (jf. forrige forelesning) at egenverdiene til A er 3 og -3. Dermed er Q indefinit. Merk: Samme terminologi brukes til å klassifisere symmetriske matriser som kvadratiske former: en symmetrisk matrise A kalles positiv definit dersom den tilhørende kvadratiske formen er positiv definit, osv. Teorem 5 har da en tilsvarende formulering for symmetriske matriser. [ ] 5 2 F.eks. er A = positiv definit (jf. tidl. eksempel) /19

Kap. 7 Symmetriske matriser og kvadratiske former

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

Detaljer

6.4 Gram-Schmidt prosessen

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

Detaljer

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

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

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

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

Detaljer

UNIVERSITETET I OSLO

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

Detaljer

MA1201/MA6201 Høsten 2016

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

Detaljer

UNIVERSITETET I OSLO

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

Detaljer

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

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

Diagonalisering. Kapittel 10

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

Detaljer

7.4 Singulærverdi dekomposisjonen

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

Detaljer

UNIVERSITETET I OSLO

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

Detaljer

Kap. 6 Ortogonalitet og minste kvadrater

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

Detaljer

R: 0, , = 6000 D : 0, , = 4000 La v n = angi fordelingen etter n år (dvs. a b n stemmer for R og

R: 0, , = 6000 D : 0, , = 4000 La v n = angi fordelingen etter n år (dvs. a b n stemmer for R og EGENVERDIER FOR MATRISER a Motiverende eksempel En by i USA har 0000 innbyggere som stemmer ved valget hvert år. I dag stemmer 8000 for R og 000 for D. Hvert år går 30% fra R til D og 0% fra D til R. Hva

Detaljer

5.5 Komplekse egenverdier

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

Detaljer

UNIVERSITETET I OSLO

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

Detaljer

MAT1120 Notat 2 Tillegg til avsnitt 5.4

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

Detaljer

TMA4110 Matematikk 3 Haust 2011

TMA4110 Matematikk 3 Haust 2011 Noregs teknisk naturvitskaplege universitet Institutt for matematiske fag TMA4 Matematikk Haust Løysingsforslag Øving Oppgåver frå læreboka kap. 6., s. 7 u v = ( 7)+( 5) ( 4)+( ) 6 = u = +( 5) +( ) = v

Detaljer

MAT1120 Notat 2 Tillegg til avsnitt 5.4

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

Detaljer

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

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

Detaljer

Egenverdier for 2 2 matriser

Egenverdier 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

Detaljer

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

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

Detaljer

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

Løsningsforslag MAT 120B, høsten 2001

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

Detaljer

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

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

Detaljer

MAT-1004 Vårsemester 2017 Prøveeksamen

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

Detaljer

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

Øving 5 Diagonalisering

Øving 5 Diagonalisering Øving 5 Diagonalisering En matrise A er diagonaliserbar dersom den er similær med en diagonalmatrise, dvs. det eksisterer en invertibel matrise P og diagonal matrise D slik at P.D.P -1. I øving 4 lærte

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

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

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

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

Detaljer

MAT1120 Oppgaver til plenumsregningen torsdag 25/9

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

Detaljer

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

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

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

Detaljer

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

MAT Prøveeksamen 29. mai - Løsningsforslag

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

Detaljer

MAT-1004 Vårsemester 2017 Prøveeksamen

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

Detaljer

Notat2 - MAT Om matriserepresentasjoner av lineære avbildninger

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

Detaljer

4.4 Koordinatsystemer

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

Detaljer

TMA4110 Matematikk 3 Eksamen høsten 2018 Løsning Side 1 av 9. Løsningsforslag. Vi setter opp totalmatrisen og gausseliminerer:

TMA4110 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

Detaljer

13 Oppsummering til Ch. 5.1, 5.2 og 8.5

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

Detaljer

5.6 Diskrete dynamiske systemer

5.6 Diskrete dynamiske systemer 5.6 Diskrete dynamiske systemer Egenverdier/egenvektorer er viktige for å analysere systemer av typen x k+1 = A x k, k 0, der A er en kvadratisk diagonaliserbar matrise. Tenker her at x k angir systemets

Detaljer

= 3 11 = = 6 4 = 1.

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

Detaljer

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

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

Detaljer

EKSAMEN I MA1202 LINEÆR ALGEBRA MED ANVENDELSER

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

Detaljer

Egenverdier og egenvektorer

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

Detaljer

5.8 Iterative estimater på egenverdier

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

Detaljer

12 Projeksjon TMA4110 høsten 2018

12 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,

Detaljer

MA1201 Lineær algebra og geometri Løsningsforslag for eksamen gitt 3. desember 2007

MA1201 Lineær algebra og geometri Løsningsforslag for eksamen gitt 3. desember 2007 Norges teknisknaturvitenskapelige universitet Institutt for matematiske fag MA101 Lineær algebra og geometri Løsningsforslag for eksamen gitt 3 desember 007 Oppgave 1 a) Vi ser på ligningssystemet x +

Detaljer

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

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

Detaljer

Eksamensoppgave MAT juni 2010 (med løsningsforslag)

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

Detaljer

MA1202/MA S løsningsskisse

MA1202/MA S løsningsskisse Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA0/MA0 0S løsningsskisse Rettet. august 0 Oppgave a) Vi finner det karakteristiske polynomet, λ 0 λ λ λ λ detλi A) λ 0 λ λ

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

15 Hovedprinsippet for vektorrom med et indre produkt

15 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

Detaljer

7 Egenverdier og egenvektorer TMA4110 høsten 2018

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

Detaljer

Eksamensoppgave i TMA4115 Matematikk 3

Eksamensoppgave i TMA4115 Matematikk 3 Institutt for matematiske fag Eksamensoppgave i TMA45 Matematikk 3 Faglig kontakt under eksamen: Aslak Bakke Buan a, Morten Andreas Nome b, Tjerand Silde c Tlf: a mobil Aslak, b mobil Morten, c mobil Tjerand

Detaljer

Eksamen i ELE Matematikk valgfag Torsdag 18. mai Oppgave 1

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

Detaljer

Løsning 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 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

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

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

Detaljer

MAT UiO. 10. mai Våren 2010 MAT 1012

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

Detaljer

a) Matrisen I uv T har egenverdier 1, med multiplisitet n 1 og 1 v T u, med multiplisitet 1. Derfor er matrisen inverterbar når v T u 1.

a) Matrisen I uv T har egenverdier 1, med multiplisitet n 1 og 1 v T u, med multiplisitet 1. Derfor er matrisen inverterbar når v T u 1. Norges teknisknaturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Oppgave 1 a) Matrisen I uv T har egenverdier 1, med multiplisitet n 1 og 1 v T u, med multiplisitet 1. Derfor er

Detaljer

6 Determinanter TMA4110 høsten 2018

6 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

Detaljer

6.4 (og 6.7) Gram-Schmidt prosessen

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

Detaljer

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

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

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

MAT3000/ Våren 2013 Obligatorisk oppgavesett nr. 2 Løsningsskisse

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

Detaljer

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

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

9 Lineærtransformasjoner TMA4110 høsten 2018

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

Detaljer

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

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

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

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

Eksamen, høsten 13 i Matematikk 3 Løsningsforslag

Eksamen, høsten 13 i Matematikk 3 Løsningsforslag Eksamen, høsten 3 i Matematikk 3 Løsningsforslag Oppgave. a) Fra ligningen x 5 + y 3 kan vi lese ut store og lille halvakse a 5 og b 3. Fokus til senter avstanden er da gitt ved c a b 5 3 5 9 6 4. ermed

Detaljer

MAT1120 Notat 1 Tillegg til avsnitt 4.4

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

Detaljer

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

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

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

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

Detaljer

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

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

Detaljer

Eksamensoppgave i TMA4110/TMA4115 Calculus 3

Eksamensoppgave i TMA4110/TMA4115 Calculus 3 Institutt for matematiske fag Eksamensoppgave i TMA4110/TMA4115 Calculus 3 Faglig kontakt under eksamen: Markus Szymik Tlf: 411 16 793 Eksamensdato: August 2018 Eksamenstid (fra til): 09:00 13:00 Hjelpemiddelkode/Tillatte

Detaljer

EKSAME SOPPGAVE MAT-1004 (BOKMÅL)

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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: MAT Kalkulus og lineær algebra Eksamensdag: Onsdag 9 mai 9 Tid for eksamen: 4:3 8:3 Oppgavesettet er på 7 sider Vedlegg: Tillatte

Detaljer

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

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

Detaljer

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

EKSAMENSOPPGAVER FOR TMA4110/TMA4115 MATEMATIKK 3

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

Detaljer

OBLIG 2 - MAT 1120 Høsten 2005

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

Detaljer

MA0002 Brukerkurs i matematikk B Vår 2013

MA0002 Brukerkurs i matematikk B Vår 2013 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA Brukerkurs i matematikk B Vår Løsningsforslag Øving 6 9..7 Anta at en populasjon er delt inn i tre aldersklasser, og at %

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i MAT111 Prøveeksamen Eksamensdag: 5. juni 21. Tid for eksamen: 1. 13.3. Oppgavesettet er på 9 sider. Vedlegg: Tillatte hjelpemidler:

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

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF-MAT 3370 Lineær optimering Eksamensdag: 3. juni 2008 Tid for eksamen: 14.30 17.30 Oppgavesettet er på 5 sider. Vedlegg: Ingen

Detaljer

Lineærtransformasjoner

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

Detaljer

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

3.9 Teori og praksis for Minste kvadraters metode.

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

Detaljer

EKSAMENSOPPGAVE. 4 (1+3) Det er 12 deloppgaver (1abc, 2abcd, 3abc, 4ab) Andrei Prasolov

EKSAMENSOPPGAVE. 4 (1+3) Det er 12 deloppgaver (1abc, 2abcd, 3abc, 4ab) Andrei Prasolov Fakultet for naturvitenskap og teknologi EKSAMENSOPPGAVE Eksamen i: Mat-004 Lineær algebra Dato: Torsdag. juni 207 Klokkeslett: 09.00-3.00 Sted: Åsgårdvegen 9 Tillatte hjelpemidler: Godkjent kalkulator,

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