MAT3000/ Våren 2013 Obligatorisk oppgavesett nr. 2 Løsningsskisse

Størrelse: px
Begynne med side:

Download "MAT3000/ Våren 2013 Obligatorisk oppgavesett nr. 2 Løsningsskisse"

Transkript

1 MAT3000/ 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 fra lederen i kryptert form er: a) Finn ut hva passordet er. 141, 200, 96, 20. Siden 377 = er primtallsfaktoriseringen av 377 og (13 1) (29 1) = 336, er den private nøkkelen b assosiert med a = 269 bestemt ved at 269 b 1 (mod 336). Fra løsningen av punkt1 b) i Oblig 1 vet vi at kan vi velge b = 5. Dekryptering av den mottatte sekvensen (i Z/(377)) gir da sekvensen 141 5, 200 5, 96 5, 20 5 = 20, 18, 5, 24. Denne sekvensen gir tallet , som oversettes til passordet TREX. b) Du ønsker å svare med meldingen OK etterfulgt av initialene i ditt fornavn og etternavn (velg ett fornavn og ett etternavn dersom du har flere!). Hvilken kryptert sekvens sender du da til lederen? La oss si at vi f.eks. ønsker å svare OKEB til lederen. Dette svarer til tallet T = Siden N = 1829 har 4 siffre, skal vi først gruppere siffrene i T 3 og 3 av gangen (legger da til en 0 er til høyre, jf. konvensjonen i kryptografi-heftet). Det gir sekvensen 151, 105, 020. Vi skal derfor beregne sekvensen 151 7, 105 7, 20 7 (i Z/(1829)). Utregning gir følgende krypterte sekvens som sendes til lederen: 480, 520, Oppgave 2 La A = [ a ] z 1/z b der a, b R, z C, z 0. a) Begrunn at A alltid er diagonaliserbar. 1

2 Man finner at det karakteristiske polynomet p A til A har to forskjellige røtter, nemlig 1 ( a + b ± ) (a b) Dermed har 2 2 matrisen A to forskjellige egenverdier, så A er diagonaliserbar. b) Finn når A er Hermitisk. Angi en unitær matrise som diagonaliserer A når a = 2, b = 0 og z = i. Det er lett å finne ut at A = A z z = 1, dvs z = 1. Anta at a = 2, b = 0 og z = i. Vi vet da at A er Hermitisk, og a) gir at egenverdiene til A er 1 ± 2. Utregning gir at v 1 = (i, 2 1) er en egenvektor tilhørende 1 + 2, mens v 2 = ( i, 1 + 2) er en egenvektor tilhørende 1 2. Disse to vektorene er (automatisk) ortogonale (det kan lett sjekkes). Etter normalisering får vi at i/ 2(2 2) i/ 2(2 + 2) U = ( 2 1)/ 2(2 2) (1 + 2)/ 2(2 + 2) er en unitær matrise som diagonaliserer A. En omregning gir at U kan skrives som [ ] 1 (1 + 2)i i U = 2( ) som er noe penere, men strengt tatt ikke nødvendig. c) Begrunn at A er normal A er Hermitisk. Hvis A er Hermitisk er A nødvendigsvis normal (dette gjelder jo generelt). Omvendt, anta at A er normal, dvs at A A = AA. Utregning gir at da er 1/ z 2 = z 2, dvs z = 1. Dermed at A er Hermitisk ved b). Man kan også begrunne dette punktet ved å si at vi vet fra a) at A har bare reelle egenverdier, og at for slike matriser gjelder det at A er normal hvis og bare hvis A er Hermitisk (jf. oppgave 1.26). Oppgave 3 La K være R eller C og la A M n n (K). Betrakt lineæroperatoren T A på M n n (K) gitt ved T A (B) = AB, B M n n (K). a) Beskriv R(T A ) ved hjelp av Col (A) og N(T A ) ved hjelp av Nul (A). Sett V = M n n (K). 2

3 Anta at C R(T A ), dvs. C = T A (B) for en B V. Skriv B = [ b 1 b n ]. Da er C = T A (B) = AB = [ Ab 1 Ab n ]. Nå vet vi at Col(A)= { Ab b K n}. Vi ser derfor at alle kolonnene til C ligger i Col(A). Omvendt, anta C V er slik at alle dens kolonner ligger i Col(A), m.a.o. C = [c 1 c n ] V er slik at c j Col(A), j = 1,..., n. For hver j er da c j = Ab j for en b j K n. Setter vi B = [ b 1 b n ] er da TA (B) = AB = C, dvs. C R(T A ). Vi har dermed begrunnet at R(T A ) består av de matrisene i V der alle kolonnene ligger i Col(A), altsåat R(T A ) = { C = [c 1 c n ] V c j Col(A), j = 1,..., n }. Tilsvarende kan det begrunnes at N(T A ) = { B = [b 1 b n ] V b j Nul(A), j = 1,..., n }. Begge disse beskrivelsene er greie nok svar på oppgaven. Benytter vi at Col(A) og Nul(A) begge er underrom av V kommer vi frem til følgende alternative beskrivelser: R(T A ) = {C V Col(C) Col(A) }, N(T A ) = {B V Col(B) Nul(A) }. b) Begrunn at dim R(T A ) = n rang(a) og dim N(T A ) = n dim Nul(A). Man kan først begrunne den ene formelen, og deretter anvende dimensjonsteoremet for å utlede den andre. Men her er det like greit å begrunne følgende generelle påstand: Anta U er et underom av K n og la Ũ være underromet av V = M n n(k) gitt ved Da er dim Ũ = n dim U. Ũ = { C = [c 1 c n ] V c j U, j = 1,..., n }. Siden vi har sett i a) at Ũ = R(T A) når U = Col(A), mens Ũ = N(T A) når U = Nul(A), vil begge formlene da være bevist. La oss begrunne påstanden ovenfor. Hvis U = {0} er den opplagt sann. Så anta at U {0}. Da er dim U = p for en p mellom 1 og n og vi kan la {u 1,, u p } være en basis for U. Vi innfører følgende notasjon: hvis x K n og 1 k n lar vi [x] k betegne matrisen i V bestemt ved at dens kolonne nr. k er lik x mens alle de andre kolonnene er lik 0. Vi merker oss at hvis x U, så er [x] k Ũ for enhver k. Videre er det lett å sjekke at x [x] k er en lineæravbildning fra K n inn i V for enhver k. For hver 1 i p, 1 j n, definerer vi U i,j som matrisen i Ũ gitt ved U i,j = [u i ] j. Poenget nå er at U = {U i,j 1 i p, 1 j n} er en basis for Ũ: 3

4 Span U = Ũ: Siden alle U i,j -ene ligger i Ũ er det klart at Span U Ũ. Betrakt nå C = [c 1 c n ] Ũ. For hver j er da c j U, så det finnes c 1,j,..., c p,j K slik at c j = c 1,j u c p,j u p = c i,j u i. Vi får derfor at C = [c 1 ] 1 + [c j ] j + [c n ] n = [ p ] c i,1 u i + + [ p ] c 1 i,j u i + + [ p c j i,n u i ]n = [ ] c i,1 ui + + [ ] c 1 i,j ui = c i,1 U i,1 + + = n j=1 j + + c i,j U i,j + + c i,j U i,j. [ c i,n ui ]n c i,n U i,n Dette viser at C Span U. Dermed er Ũ Span U. Tilsammen har vi vist at Span U = Ũ, som ønsket. U er lineært uavhengig: Anta at n p j=1 c i,j U i,j = O der c i,j K for alle i, j. Fra utregningen ovenfor (baklengs) ser vi at da er p c i,j u i = 0 for alle j = 1,..., n. Siden u i -ene er lineært uavhengige må da c i,j = 0 for alle i, j. Dette viser at U i,j -ene er lineært uavhengige, som ønsket. Antall elementer i basisen U for U er p n. Det gir at dim Ũ = p n = n dim U, som vi skulle vise. Oppgave 4 La K være R eller C og la V være et vektorrom over K. La T : V V være en lineær operator. a) Begrunn at N(T ) og R(T ) er invariante under T. Anta at v N(T ). Da er T (v) = 0. Nå er 0 N(T ) siden N(T ) er et underrom. Dermed er T (v) N(T ). Dette viser at N(T ) er invariant under T. Anta at w R(T ). Da er T (w) R(T ) p.def. av R(T ). Dermed er R(T ) invariant under T. 4

5 Sett T 0 = I V (identitetsavbildningen) og T n = T T n 1, n N. La u V, u 0 og sett U = Span { T n (u) n Z +} der Z + = {0, 1, 2,...}. b) Begrunn at U er invariant under T. Anta v U. Da finnes en m Z + og c 0, c 1,..., c m K slik at m v = c 0 u + c 1 T (u) + + c m T m (u) = c j T j (u). Ved lineæriteten av T får vi at ( m ) T (v) = T c j T j (u) = m c j T ( T j (u) ) = m c j T j+1 (u) U. Dette viser at U er invariant under T. c) Anta at U er endeligdimensjonalt. Vis at det fins en k N slik at { u, T (u),..., T k 1 (u) } er en basis for U. Siden u 0 er U {0}, så dim U 1. For hver j N, sett B j = { u, T (u),..., T j 1 (u) }. Merk at B 1 = {u} er lineært uavhengig siden u 0. Merk også at hvis B j er lineært uavhengig, så består B j av j forskjellige elementer og da må j dim U. Vi kan derfor definere { } k = max j {1,..., dim U} B j er lineært uavhengig. Vi skal begrunne nedenfor at U = Span B k. Siden B k er lineært uavhengig vil det da være klart at B k er en basis for U, og dermed vil vi ha løst oppgaven. (Det viser også at k = dim U). Idéen er å vise at T n (u) Span B k for alle n k. Vi viser først at T k (u) Span B k : P. def. av k er B k lineært uavhengig, mens B k+1 er lineært avhengig. Det finnes da c 0, c 1,..., c k K ikke alle lik 0 slik at c 0 u + c 1 T (u) + + c k T k (u) = 0. Merk at c k 0, for hvis c k = 0, ville vi ha c 0 u + c 1 T (u) + + c k 1 T k 1 (u) = 0 og dermed også c 0 =... = c k 1 = 0 ved lineær uavhengigheten av B k. Vi kan derfor skrive T k (u) = c 0 c k u + c 1 c k T (u) + + c k 1 c k T k 1 (u). 5

6 Dette viser at T k (u) Span B k. Vi kan nå vise ved induksjon på j at påstanden P (j) : T (k 1)+j (u) Span B k holder for alle j N. P (1) sier at T k (u) Span B k, og det viste vi nettopp er oppfylt. Anta at P (j) er sann for en j N. For passende a 0,..., a k 1 K er da Det gir T (k 1)+j (u) = a 0 u + a 1 T (u) + + a k 1 T k 1 (u). T (k 1)+(j+1) (u) = T ( T (k 1)+j (u) ) = T ( a 0 u + a 1 T (u) + + a k 1 T k 1 (u) ) = a 0 T (u) + a 1 T 2 (u) + + a k 2 T k 1 (u) + a k 1 T k (u). De k 1 første leddene i summen rett ovenfor ligger opplagt i Span B k, mens det siste leddet a k 1 T k (u) ligger også i Span B k siden P (1) er sann. Siden Span B k er et underrom følger det at T (k 1)+(j+1) (u) ligger i Span B k, dvs at P (j + 1) er sann, som ønsket. Vi har dermed vist at T n (u) Span B k for alle n k. Merk at dette gir at T n (u) Span B k for alle n Z + (siden det er opplagt riktig for n = 0, 1,..., k 1). Men da er U = Span {T n (u) n Z + } Span B k. Samtidig er Span B k U. Dermed er U = Span B k, og beviset er ferdig. Vi skisserer også et alternativt bevis. Sett k = dim U 1. Siden B k = { u, T (u),..., T k 1 (u) } består av k vektorer er det nok å vise at B k er lineært uavhengig, for da må B k være en basis for U. Anta (for motsigelse) at B k er lineært avhengig. Da finnes det c 0, c 1,..., c k 1 K ikke alle lik 0 slik at c 0 u + c 1 T (u) + + c k 1 T k 1 (u) = 0. Sett da i = max { j {0, 1,..., k 1} c j 0 }. Vi har da at T i (u) Span { u, T (u),..., T i 1 (u) }. Ved induksjon på n kan man nå vise (tilsv. som i det første beviset) at da er T n (u) Span { u, T (u),..., T i 1 (u) } for alle n i. Som ovenfor medfører dette at U = Span { u, T (u),..., T i 1 (u) }. Det gir at k = dim U i k 1 < k og vi har fått frem en motsigelse. Dermed må B k være lineært uavhengig og beviset er ferdig. 6

= 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

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

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

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

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

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

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

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

Detaljer

Notat2 - MAT Om matriserepresentasjoner av lineære avbildninger

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

Detaljer

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

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

EKSAMEN I MATEMATIKK 3 (TMA4110)

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

Detaljer

4.1 Vektorrom og underrom

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

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

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

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

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

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

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

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

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

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

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

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

Detaljer

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

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

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

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

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

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

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

LØSNINGSFORSLAG EKSAMEN MA1202/MA6202 VÅR 2010

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

Detaljer

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

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

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

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

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

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

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

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

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

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

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

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

Detaljer

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

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

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

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

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

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

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

7.1 forts. Schur triangularisering og spektralteoremet

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

Detaljer

Kap. 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

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

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

Oppgave 14 til 9. desember: I polynomiringen K[x, y] i de to variable x og y over kroppen K definerer vi undermengdene:

Oppgave 14 til 9. desember: I polynomiringen K[x, y] i de to variable x og y over kroppen K definerer vi undermengdene: HJEMMEOPPGAVER utgave av 8-12-2002): Oppgave 15 til 16 desember: La H være mengden av alle matriser på formen A = a 1 a 12 a 13 a 1n 0 a 2 0 0 0 0 a 3 0 0 0 a n der a 1 a 2 a n 0 Videre la SH være matrisene

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

Kap. 5 og Notat 2 Oppsummering

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

Detaljer

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

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-1004 Vårsemester 2017 Obligatorisk øving 3

MAT-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

Detaljer

Lineær uavhengighet og basis

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

Detaljer

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

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

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

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

Detaljer

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

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

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

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

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

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

Detaljer

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

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

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

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

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

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

Repetisjon: om avsn og kap. 3 i Lay

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

Detaljer

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

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

Detaljer

Prøveunderveiseksamen i MAT-INF 1100, H-03

Prøveunderveiseksamen i MAT-INF 1100, H-03 Prøveunderveiseksamen i MAT-INF 1100, H-03 Denne prøveeksamenen har samme format som den virkelige underveiseksamenen, og inneholder oppgaver av samme type og vanskelighetsgrad. De 15 første oppgavene

Detaljer

OPPGAVER FOR FORUM

OPPGAVER FOR FORUM OPPGAVER FOR FORUM 2007-2008 MERK!: Du skal først skrive hele oppgaveteksten for hver oppgave, og deretter svaret på oppgaven. Hvert svar skal være detajert, og skrevet i et klart og tydelig matematisk

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

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

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

Detaljer

MAT1120 Oppgaver til plenumsregningen torsdag 18/9

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

Detaljer

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

Homogene lineære ligningssystem, Matriseoperasjoner

Homogene lineære ligningssystem, Matriseoperasjoner Homogene lineære ligningssystem, Matriseoperasjoner E.Malinnikova, NTNU, Institutt for matematiske fag September 22, 2010 Antall løsninger til et lineær ligningssystem Teorem Et lineært ligningssytem har

Detaljer

Eksamensoppgavehefte 2. MAT1012 Matematikk 2: Mer lineær algebra

Eksamensoppgavehefte 2. MAT1012 Matematikk 2: Mer lineær algebra Eksamensoppgavehefte 2 MAT1012 Matematikk 2: Mer lineær algebra Matematisk institutt, UiO, våren 2010 I dette heftet er det samlet et utvalg av tidligere eksamensoppgaver innenfor temaet Lineær algebra

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

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

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

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i MAT-INF 11 Modellering og beregninger. Eksamensdag: Torsdag 12. oktober 26. Tid for eksamen: 9: 11:. Oppgavesettet er på 8 sider.

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

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

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

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

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

Notater fra forelesning i MAT1100 mandag

Notater fra forelesning i MAT1100 mandag Notater fra forelesning i MAT00 mandag 3.08.09 Amandip Sangha, amandips@math.uio.no 8. august 009 Følger og konvergens (seksjon 4.3 i Kalkulus) Definisjon.. En følge er en uendelig sekvens av tall {a,a,a

Detaljer

Løsningsforslag til prøveunderveiseksamen i MAT-INF 1100, H-03

Løsningsforslag til prøveunderveiseksamen i MAT-INF 1100, H-03 Løsningsforslag til prøveunderveiseksamen i MAT-INF 1100, H-03 Denne prøveeksamenen har samme format som den virkelige underveiseksamenen, og inneholder oppgaver av samme type og vanskelighetsgrad. De

Detaljer

Generelle teoremer og definisjoner MA1201 Lineær Algebra og Geometri - NTNU

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

Detaljer

MAT-1004 Vårsemester 2017 Obligatorisk øving 6

MAT-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.........................

Detaljer

Løsningsforslag for eksamen i Matematikk 3 - TMA4115

Løsningsforslag for eksamen i Matematikk 3 - TMA4115 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Løsningsforslag for eksamen i Matematikk 3 - TMA4115 Vår 1 1 a) La z = x iy. Da er Re z = x og z = x y. Siden y er et reelt

Detaljer

Utkast til løsningsforslag til eksamen i emnet MAT 121 - Lineær algebra Utan ansvar for feil og mangler Mandag 31. mai 2010, kl. 09-14.

Utkast til løsningsforslag til eksamen i emnet MAT 121 - Lineær algebra Utan ansvar for feil og mangler Mandag 31. mai 2010, kl. 09-14. Utkast til løsningsforslag til eksamen i emnet MAT 2 - Lineær algebra Utan ansvar for feil og mangler Mandag 3. mai 2, kl. 9-4. Oppgave En bisverm flyr mellom to kuber, A og B, på dagtid, og hver bi blir

Detaljer

MAT-1004 Vårsemester 2017 Obligatorisk øving 2

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

Detaljer

6 Kryptografi Totienten Eulers teorem Et eksempel på et bevis hvor Eulers teorem benyttes RSA-algoritmen...

6 Kryptografi Totienten Eulers teorem Et eksempel på et bevis hvor Eulers teorem benyttes RSA-algoritmen... Innhold 6 Kryptografi 3 6.1 Totienten.................................... 3 6.2 Eulers teorem.................................. 8 6.3 Et eksempel på et bevis hvor Eulers teorem benyttes............ 19

Detaljer