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

Save this PDF as:
 WORD  PNG  TXT  JPG

Størrelse: px
Begynne med side:

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

Transkript

1 5 Vektorrom Et vektorrom er en mengde V med tre algebraiske operasjoner (addisjon, negasjon og skalærmultiplikasjon) som tilfredsstiller de 10 betingelsene fra Def Jeg vil ikke gi en eksamensoppgave om å sjekke at noe er et vektorrom: det er jo kjedelig å sjekke de 10 betingelsene! Sannsynligheten for at én av eksamensoppgavene er om å sjekke at noe er et underrom (a subspace) i et kjent vektorrom, er ikke null, men ganske liten. Det er jo morsommere å sjekke tre betingelser (som i Th eller Definisjon 5.2 nedenfor) istedenfor ti (som i Def ), men kjedelig likevel. I eksamensoppgavene fra 2006, , og , som jeg laget, står det noe slik: W er et underrom (du behøver ikke å bevise dette), og deretter begynner noe mer interessant: å finne dimensjonen, en basis osv. For å definere n-rommet (the n-space) R n, vil vi ikke bruke n-tupler (ntuples, Def ) av reelle tall, men matriser (radvektorer eller kolonnevektorer) i stedet. Tupler skal vi bruke senere på et høyere nivå (tupler av vektorer). Noen eksempler fra boka kan bli forvirrende for dere. Se på Ex med en merkelig egenskap 1+1 = 1, eller oppgave 4.2. Mengden i oppgaven tilfredsstiller flere aksiomer til et vektorrom (ikke alle!), men nullvektoren er 0 = (1, 1), ikke (0, 0)! Jeg vil unngå slike eksempler på eksamen. Enda mer: vi skal begrense oss med følgende vektorrom (og deres underrom): R n, matriser Mat m n, funksjoner (sjeldent!) og polynomer P n. Vi gir 4 forskjellige definisjoner til R n. Det er ikke tillatt å gjøre slik i matematikk (definere samme objekt på 4 forskjellige måter), men vi håper at dette ikke er farlig. Dvs. vi har fire forskjellige R n. Vi kan si at de er like, men dette er ikke matematisk korrekt! Det er bedre å si at de er isomorfe (Def ). Begrepene isomorfi og isomorfe objekter brukes ofte i diverse matematiske fag. Isomorfe objekte har absolutt samme egenskaper. La oss betrakte to trekanter ABC og DEF. Begge er rettvinklede, med sidene 3cm, 4cm, og 5cm. Den ene er tegnet på tavla med hvit kritt i det Store Aud i Tromsø. Den andre er tegnet på en tavle et sted i Australia med rød kritt. Er de like? Nei, ABC DEF! Men de er jo kongruente ( dvs. isomorfe mht geometri. De har samme geometriske egenskaper: arealet, lengden til høyden fra C (F ) til AB (DE), radien i den innskrevne/omskrevne sirkelen osv. Merknad 5.1 Ordet isomorf oversettes fra gresk til norsk som formlik. Men formlikhet er et svakere begrep enn kongruens. Hvis den andre trekanten DEF har sidene 9cm, 12cm, og 15cm, er den formlik til ABC, men ikke kongruent, dvs. ABC og DEF blir da ikke geometrisk isomorfe. 1. Hovedeksemplet er n-rommet R n (Def ). Vi skal se senere (Seksjon Hovedprinsippet ) at alle (endelig dimensjonale) vektorrom kan beskrives som (er isomorfe til) R n. 43

2 (a) R n defineres som mengden av kolonnevektorer a 1 a 2, a i R. a n (b) R n defineres som mengden av radvektorer [a 1, a 2, a 3,, a n ], a i R. (c) La n < m. R n defineres som delmengden i R m som består av kolonnevektorer a 1 a 2 a n, a i R. 0 0 (d) La n < m. R n defineres som delmengden i R m som består av radvektorer [a 1, a 2,, a n, 0,, 0], a i R. R 0 består av en tom matrise [] som spiller rollen av nullvektoren: R 0 = {0} = {[]}. Denne tomme matrisen kan betraktes enten som en tom kolonnevektor, dvs. en 0 1 matrise, eller som en tom radvektor, dvs. en 1 0 matrise. Hvis n 3 (særlig når n = 1, 2), kan man bruke geometri (Ch. 3 i boka) for å tegne vektorer, vektorrom, underrom osv. i R n. 2. m n matriser Mat m n. Kan beskrives som R mn. 3. Funksjoner. Alle (evt. kontinuerlige, deriverbare) funksjoner danner et uendelig dimensjonalt vektorrom. Med det finnes mange endelig dimensjonale underrom som kan beskrives som R n. 4. Polynomer P n av grad (degree) n, dvs. funksjoner f(x) = a 0 + a 1 x + a 2 x a n 1 x n 1 + a n x n, a i R. Kan beskrives som R n+1. Vi skal foreløbig arbeide kun med R n. Vektorrom nr. 2-4 vil bli betraktet senere. Det blir forklart hva beskrives som R n betyr. 44

3 5.1 Underrom Vi bytter Th og Def Teoremet blir da en definisjon. Men vi forbedrer teoremet litt. I boka sies det implisitt at underrommet skal være ikke-tom (a set of one or more vectors), dvs. det skal inneholde minst én vektor. Men denne betingelsen er mye lettere å sjekke hvis vi vet hvilken vektor som er med! Vår endelig definisjon (korrigert Th ) er nedenfor. Husk at kvantoren (quantifier på engelsk) betyr for alle eller for enhver eller for ethvert, mens kvantoren betyr det eksisterer. Definisjon 5.2 La V være et vektorrom, og W V en delmengde ( subset). Vi sier at W er et underrom ( subspace) dersom: a) v w (v, w W = v + w W ), dvs. for alle par v, w vektorer fra W er deres sum også i W. b) α w (α R, w W = α w W ), dvs. for envher skalær α og enhver vektor w fra W er deres produkt α w også i W. c) 0 W. Merknad 5.3 For å sjekke at noe er et underrom (eller ikke et underrom), er det lurt å begynne med c). For eksempel, la V = R 2, og W være en rett linje som ikke går gjennom origo. Da er W ikke et underrom, siden 0 W. Merknad 5.4 Nullvektoren i c) er den samme nullvektoren som rommet V har, ikke noen merkelig vektor som (1, 1) i oppgave 4.2. Merknad 5.5 I løpet av dette kurset er skalærer reelle tall, dvs. vi studerer vektorrom over kroppen ( the field: begrepet defineres for eksempel i kurset Algebra 1) R. Alle slike vektorrom er isomorfe til R n. Kun i Ch. 5.3 i slutten av kurset vil vi arbeide med komplekse skalærer, dvs. betrakte vektorrom over kroppen C. Alle slike vektorrom er isomorfe til C n. De som tar Algebra 1, vil studere vektorrom over kroppen Q (er isomorfe til Q n ). I mer avanserte kurs som kryptografi eller kodeteori, studerer man vektorrom over kroppen Z p (restene modulo p), som er isomorfe til (Z p ) n. 5.2 De tre viktigste begrepene Begrepene er: en basis (a basis) (viktigst av alle), spennet eller utspenningsrommet til (the space spanned by) vektorer, og lineært avhengige/uavhengige (linearly dependent/independent) vektorer. Vi bytter av og til teoremer/definisjoner i boka, og endrer selve definisjonene. I definisjonene i boka snakker man om mengder {g 1, g 2,, g k } 45

4 av vektorer. Det er ikke lurt, se Remark etter Def i boka. Vi vil snakke om tupler (g 1, g 2,, g k ) i stedet, siden rekkefølgen av vektorer er vesentlig. Vi bruker runde parenteser for tupler, i motsetning til kvadratiske parenteser for matriser og vektorer. Merknad 5.6 Hva er forskjellen mellom tupler og mengder? La a, b, c være forskjellige vektorer. 1. I mengder, er ikke rekkefølgen av elementene vesentlig, dvs. {a, b, c} = {c, b, a} = {b, c, a}, mens tuplene er forskjellige. (a, b, c), (c, b, a), (b, c, a) 2. I mengder, kan elementene bli skrevet ned flere ganger uten å påvirke resultatet, dvs. mens tuplene {a, b, c} = {a, a, a, b, c, c} = {a, b, b, b, b, c, c, c, c, c} (a, b, c), (a, a, a, b, c, c), (a, b, b, b, b, c, c, c, c, c) er forskjellige. De har t.o.m. forskjellige størrelser, dvs. det første er et 3-tuppel, det andre er et 6-tuppel, og det siste er et 10-tuppel. Vi vil skrive (g 1, g 2,, g k ) V hviss (= hvis og bare hvis) g i V for alle i Intuitive definisjoner Vi har jo en intuitiv forståelse av dimensjonen dim V til et vektorrom V (the dimension of a vector space V ). Det er klart at: dim R 0 = 0, dim R 1 = 1, dim R 2 = 2, dim R 3 = 3, dim R n = n. 46

5 La V være et underrom i R n, n 3. Geometrisk er V enten {0} (dim V = 0), en rett linje som går gjennom origo (dim V = 1), et plan som går gjennom origo (dim V = 2) eller hele rommet R 3 (dim V = 3). La være et k-tuppel av vektorer i V. G = (g 1, g 2,, g k ) V, Definisjon 5.7 (intuitiv, se også Th ) 1. Vi sier at G er en basis ( a basis) for V hviss G kan brukes for å lage et koordinatsystem for V. Da er k = dim V, og enhver vektor w V har tilsvarende koordinatvektoren [w] G = (Def ) til w mht basisen G ( the coordinate vector of w relative to the base G). α 2 α k 2. Vi sier at G utspenner V (G spans V ) hviss: (a) enten k = dim V, og G er en basis for V ; (b) eller k > dim V, og vi kan slette noen vektorer fra G for å få en basis for V. 3. Vi sier at G er lineært uavhengig ( linearly independent) hviss: (a) enten k = dim V, og G er en basis for V ; (b) eller k < dim V, og vi kan utvide G med noen vektorer fra V for å få en basis for V. Merknad 5.8 For ethvert tuppel G V, finnes det alltid et unikt underrom W V, som G utspenner. Dette underrommet betegnes som W = span (G), og kalles spennet til G (the span of G). Eksempel 5.9 La V = {0}. Det er ikke korrekt å si at V har ingen basis. Alle vektorrom har en basis! Dette rommet har en tom basis Tuplene G = (). H = (0), J = (0, 0), K = (0, 0, 0), utspenner V, men danner ikke en basis. De er lineært avhengige. 47

6 Eksempel 5.10 (se Ex og Fig ) La V være en rett linje som går gjennom origo. Hvis g 0 og g V, så danner en basis for V. Tuplene G = (g) H = (0, g), J = (g, g), K = (2g, 12 ) g, 0,10g, utspenner V, men danner ikke en basis. De er lineært avhengige. Tuppelet L = (0) utspenner ikke V, span (L) = {0}. Eksempel 5.11 (se Ex og Fig ) La V være et plan som inneholder origo. Hvis g 1, g 2 V, og de to vektorene ikke ligger på en rett linje, så danner en basis for V. Tuplene G = (g 1, g 2 ) H = (g 1, g 2, g 1 + g 2 ), J = (g 1, g 2, g 1 ), K = (2g 1, 12 ) g 1 5g 2,10g 1, utspenner V, men danner ikke en basis. De er lineært avhengige. Tuppelet L = ( 2g g 2, 4g 1 g 2 ) utspenner ikke V, og span (L) er den rette linjen som går gjennom vektoren 2g g 2. Vi kan ikke utvide L for å få en basis for noe, derfor er L lineært avhengig. Eksempel 5.12 La V = R 3. ligger i et plan, så danner en basis for V. Tuplene Hvis g 1, g 2, g 3 V, og de tre vektorene ikke G = (g 1, g 2, g 3 ) H = (g 1, g 2, g 3, g 2 ), J = (g 1, g 2, g 3 6g 1, g 2 ), K = (2g 1, 12 ) g 1 5g 2,10g 3, g 2, utspenner V, men danner ikke en basis. De er lineært avhengige. Tuppelet L = (2g 1, 12 ) g 1 5g 2 48

7 utspenner ikke R 3, men kan utvides til en basis for R 3, for eksempel L L = (2g 1, 12 ) g 1 5g 2, g 3. Derfor er L lineært uavhengig, men L utspenner ikke V, 5.3 Formelle definisjoner Spennet span (L) = R 2 R 3. Definisjon 5.13 (se Th , Def og Th ) Gitt et vektorrom V og et underrom W V. Vi sier at G = (g 1, g 2,, g k ) W, utspenner W (G spans W ) hviss én (eller alle!) av de følgende ekvivalente betingelsene er oppfylt: 1. W består av alle mulige lineære kombinasjoner (se Def ) α i R, g 1 + α 2 g α k g k, dvs. W = { g 1 + α 2 g α k g k α i R}. 2. For enhver w W, har vektorlikningen w = g 1 + α 2 g α k g k minst én (faktisk, enten én eller uendelig mange) løsning dvs. [,α 2,,α k ] R k, ( w W ) ( [,α 2,,α k ] R k) (w = g 1 + α 2 g α k g k ). 3. W er det minste underrom som inneholder G. 4. Enten k = dim W, og G er en basis for W, eller k > dim W, og vi kan slette noen vektorer fra G for å få en basis for W. Vi skriver da W = span (G). W kalles spennet til G ( the space spanned by G, eller span of G). 49

8 5.3.2 Lineært uavhengige vektorer Definisjon 5.14 (Def , Th og Th ) Gitt et vektorrom V og et k-tuppel G = (g 1, g 2,, g k ), g i V. Vi sier at tuppelet G er lineært uavhengig hviss én (eller alle!) av de følgende ekvivalente betingelsene er oppfylt: 1. Vektorlikningen har nøyaktig én løsning g 1 + g α k g k = 0 α 2 α n = 2. For enhver w V, har vektorlikningen Rk. g 1 + g α k g k = w høyst én (dvs. én eller ingen) løsning α 2 Rk. α n 3. Ingen av vektorene g i kan utrykkes som en lineær kombinasjon av de andre vektorene fra G. 4. Enten k = dim V, og G er en basis for V, eller k < dim V, og vi kan utvide G med noen vektorer fra V for å få en basis for V Basis Definisjon 5.15 (Def og Th ) Gitt et vektorrom V og et k-tuppel G = (g 1, g 2,, g k ), g i V. Vi sier at tuppelet G er en basis for V hviss én (eller alle!) av de følgende ekvivalente betingelsene er oppfylt: 1. G er lineært uavhengig, og V = span (G). 50

9 2. For enhver vektor w V eksisterer det en unik vektor α 2 Rk α k slik at dvs. w = g 1 + g α k g k, ( w V ) (! [, α 2,, α k ] R k) (w = g 1 + g α k g k ). Vektoren [w] G = kalles koordinatvektoren (Def ) til w mht basisen G ( the coordinate vector of w relative to the base G). Merknad 5.16 (Th og Def i boka) Alle basiser for et vektorrom V har det samme antallet elementer som heter dimensjonen (dim V ) til V ( the dimension of V ). α 2 α k 51

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

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

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

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

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

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

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

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

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. Kan brukes til å utlede egenskaper, resultater og metoder for tilsynelatende svært ulike klasser av objekter : n-tupler, følger, funksjoner,

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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 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

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

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

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

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

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

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

En rekke av definisjoner i algebra

En rekke av definisjoner i algebra En rekke av definisjoner i algebra Martin Strand, martin.strand@math.ntnu.no 11. november 2010 Definisjonene som er gitt her, kommer i MA2201 Algebra og MA3201 Ringer og moduler. Forhåpentligvis blir det

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

(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

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

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

Grublegruppe 19. sept. 2011: Algebra I

Grublegruppe 19. sept. 2011: Algebra I Grublegruppe 19. sept. 2011: Algebra I Ivar Staurseth ivarsta@math.uio.no Innledning, definisjoner Vi har så langt jobbet med mengder, X, hvor vi har hatt et avstandsbegrep og hvor vi har vært i stand

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

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

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

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

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

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

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

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

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

Mer lineær algebra. Inger Christin Borge. Matematisk institutt, UiO. Kompendium i MAT1012 Matematikk 2. Våren 2014

Mer lineær algebra. Inger Christin Borge. Matematisk institutt, UiO. Kompendium i MAT1012 Matematikk 2. Våren 2014 Mer lineær algebra Kompendium i MAT Matematikk Våren 4 Inger Christin Borge Matematisk institutt, UiO Forord Dette kompendiet er skrevet til bruk i andre del av emnet MAT. I dette emnet jobber vi under

Detaljer

Partielle ordninger, Zorns lemma og utvalgsaksiomet

Partielle ordninger, Zorns lemma og utvalgsaksiomet MAT1140, H-15 Partielle ordninger, Zorns lemma og utvalgsaksiomet I dette notatet skal vi se på Zorns lemma, som er et kraftig redskap for å bevise eksistensen av matematiske objekter. Beviset for Zorns

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

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

Løsningsforslag til noen oppgaver om Zorns lemma

Løsningsforslag til noen oppgaver om Zorns lemma Løsningsforslag til noen oppgaver om Zorns lemma Fredrik Meyer Her er et løsningsforslag på Oppgave 3 og Oppgave 5 i notatet om Zorns lemma. De to første oppgavene ble gjort på plenum. Oppgave 1. Vi skal

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

Mer om mengder: Tillegg til Kapittel 1. 1 Regneregler for Booleske operasjoner

Mer om mengder: Tillegg til Kapittel 1. 1 Regneregler for Booleske operasjoner MAT1140, H-16 Mer om mengder: Tillegg til Kapittel 1 Vi trenger å vite litt mer om mengder enn det som omtales i første kapittel av læreboken. I dette tillegget skal vi først se på regneregler for Booleske

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

MAT1140: Partielle ordninger, Zorns lemma og utvalgsaksiomet

MAT1140: Partielle ordninger, Zorns lemma og utvalgsaksiomet MAT1140: Partielle ordninger, Zorns lemma og utvalgsaksiomet I dette notatet skal vi se på Zorns lemma, som er et kraftig redskap for å bevise eksistensen av matematiske objekter. Beviset for Zorns lemma

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

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

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

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

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

MAUMAT644 ALGEBRA vår 2016 Fjerde samling Runar Ile

MAUMAT644 ALGEBRA vår 2016 Fjerde samling Runar Ile MAUMAT644 ALGEBRA vår 2016 Fjerde samling Runar Ile 1 Kroppsutvidelser og geometriske konstruksjoner 1.1 Hva har kroppsutvidelser med geometriproblemer å gjøre? Avsnitt 29: Kroppsutvidelser Stoff: Utvidelseskropper

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

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

Repetisjon og mer motivasjon. MAT1030 Diskret matematikk. Repetisjon og mer motivasjon

Repetisjon og mer motivasjon. MAT1030 Diskret matematikk. Repetisjon og mer motivasjon Repetisjon og mer motivasjon MAT030 Diskret matematikk Forelesning 22: Grafteori Roger Antonsen Matematisk Institutt, Universitetet i Oslo 4. april 2008 Først litt repetisjon En graf består av noder og

Detaljer

NORGES INFORMASJONSTEKNOLOGISKE HØGSKOLE

NORGES INFORMASJONSTEKNOLOGISKE HØGSKOLE Oppgavesettet består av 6 (seks) sider. NORGES INFORMASJONSTEKNOLOGISKE HØGSKOLE Matematikk R1 GEOMETRI OG VEKTORER Tillatte hjelpemidler: Alle Varighet: Ubegrenset Dato: 10.4 (Innleveringsfrist) Fagansvarlig:

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

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

I dette kapittelet skal vi studerer noen matematiske objekter som kalles matriser. Disse kan blant annet brukes for å løse lineære likningssystemer.

I dette kapittelet skal vi studerer noen matematiske objekter som kalles matriser. Disse kan blant annet brukes for å løse lineære likningssystemer. Kapittel 2 Matriser I dette kapittelet skal vi studerer noen matematiske objekter som kalles matriser. Disse kan blant annet brukes for å løse lineære likningssystemer. 2.1 Definisjoner og regneoperasjoner

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

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

Geometriske avbildninger og symmetri. A2A/A2B Høgskolen i Vestfold

Geometriske avbildninger og symmetri. A2A/A2B Høgskolen i Vestfold Geometriske avbildninger og symmetri A2A/A2B Høgskolen i Vestfold 6. november 2009 Innhold 1. Symmetri 2. Avbildninger 3. Isometrier 4. Egenskaper ved avbildninger 5. Symmetrigrupper Kilde for forelesningen:

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

Zorns lemma og utvalgsaksiomet

Zorns lemma og utvalgsaksiomet MAT1140, H-16 Zorns lemma og utvalgsaksiomet I dette notatet skal vi se på Zorns lemma, som er et kraftig redskap for å bevise eksistensen av matematiske objekter. Beviset for Zorns lemma bygger på det

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

Dagens mål. Det matematiske fundamentet til den diskrete Fourier-transformen Supplement til forelesning 8 INF Digital bildebehandling

Dagens mål. Det matematiske fundamentet til den diskrete Fourier-transformen Supplement til forelesning 8 INF Digital bildebehandling Dagens mål Det matematiske fundamentet til den diskrete Fourier-transformen Supplement til forelesning 8 IF2310 - Digital bildebehandling Ole Marius Hoel Rindal, slides av Andreas Kleppe Dagens mål Forstå

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

Forelesning 23. Grafteori. Dag Normann april Oppsummering. Oppsummering. Oppsummering. Digresjon: Firefarveproblemet

Forelesning 23. Grafteori. Dag Normann april Oppsummering. Oppsummering. Oppsummering. Digresjon: Firefarveproblemet Forelesning 23 Grafteori Dag Normann - 16. april 2008 Oppsummering En graf består av noder og kanter Kanter ligger inntil noder, og noder kan være naboer. Vi bør kjenne til begrepene om sammenhengende

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

MAT1030 Diskret matematikk

MAT1030 Diskret matematikk MAT1030 Diskret matematikk Forelesning 23: Grafteori Dag Normann Matematisk Institutt, Universitetet i Oslo 16. april 2008 Oppsummering En graf består av noder og kanter Kanter ligger inntil noder, og

Detaljer

Oppsummering. MAT1030 Diskret matematikk. Oppsummering. Oppsummering. Forelesning 23: Grafteori

Oppsummering. MAT1030 Diskret matematikk. Oppsummering. Oppsummering. Forelesning 23: Grafteori Oppsummering MAT1030 Diskret matematikk Forelesning 23: Grafteori Dag Normann Matematisk Institutt, Universitetet i Oslo 16. april 2008 En graf består av noder og kanter Kanter ligger inntil noder, og

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

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

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

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

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

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

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

OPPGAVER FOR FORUM

OPPGAVER FOR FORUM OPPGAVER FOR FORUM 2006-2007 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

Analysedrypp I: Bevis, mengder og funksjoner

Analysedrypp I: Bevis, mengder og funksjoner Analysedrypp I: Bevis, mengder og funksjoner Hensikten med Analysedrypp er å bygge en bro mellom MAT1100 og MAT1110 på den ene siden og MAT2400 på den andre. Egentlig burde det være unødvendig med en slik

Detaljer

MAUMAT644 ALGEBRA vår 2016 Første samling Runar Ile

MAUMAT644 ALGEBRA vår 2016 Første samling Runar Ile MAUMAT644 ALGEBRA vår 2016 Første samling Runar Ile 1 Introduksjon: Grupper og ringer Ringer En ring er et sted hvor du kan addere, subtrahere og multiplisere. Hvis du også kan dividere kalles ringen for

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

Grafteori. MAT1030 Diskret Matematikk. Repetisjon og mer motivasjon. Repetisjon og mer motivasjon. Forelesning 23: Grafteori.

Grafteori. MAT1030 Diskret Matematikk. Repetisjon og mer motivasjon. Repetisjon og mer motivasjon. Forelesning 23: Grafteori. MAT030 Diskret Matematikk Forelesning 23: Grafteori Dag Normann Matematisk Institutt, Universitetet i Oslo Grafteori 20. april 200 (Sist oppdatert: 200-04-20 4:8) MAT030 Diskret Matematikk 20. april 200

Detaljer

Tillegg til kapittel 11: Mer om relasjoner

Tillegg til kapittel 11: Mer om relasjoner MAT1140, H-16 Tillegg til kapittel 11: Mer om relasjoner I læreboken blir ekvivalensrelasjoner trukket frem som en viktig relasjonstype. I dette tillegget skal vi se på en annen type relasjoner som dukker

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

MAT1030 Diskret Matematikk

MAT1030 Diskret Matematikk MAT1030 Diskret Matematikk Forelesning 23: Grafteori Dag Normann Matematisk Institutt, Universitetet i Oslo 20. april 2010 (Sist oppdatert: 2010-04-20 14:17) Grafteori MAT1030 Diskret Matematikk 20. april

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

Julenøtter til gruppe 5&7! (IKKE eksamensrelevant, bare for gøy gjerne i romjulen)

Julenøtter til gruppe 5&7! (IKKE eksamensrelevant, bare for gøy gjerne i romjulen) Julenøtter til gruppe 5&7! (IKKE eksamensrelevant, bare for gøy gjerne i romjulen) Dette er smakebiter på ting som dukker opp i videregående emner (MAT2400 og MAT2200). Del I og II kan gjøres uavhengig

Detaljer