Elementære eliminasjonsmatriser
|
|
- Lucas Gjertsen
- 7 år siden
- Visninger:
Transkript
1 Elementære eliminasjonsmatriser Gitt en vektor a = [a 1,..., a n ] T, en matrise M k = a k+1 a k 1 0, a k 0, an a k 0 1 kalles elementære eliminasjonsmatriser eller Gauss transformasjon. M k a 1. a k a k+1. a n a k kalles pivot. = a 1. a k /17 Fakta om M k : M k er nedre triangulær med 1-ere på diagonalen, derfor ikke-singulær M k = I me T k, m = [0,..., 0, m k+1,... m n ] T M 1 k = I + me T k = L k
2 Hvis j > k, M j = I ue T j, da: M k M j = I me T k ue T j + me T k ue T j = I me T k ue T j, siden e T k u = et k n l=j+1 u le l = 0. Det samme for L k L j, siden L j = M 1 j = I + me T j. 2/17 Merk rekkefølge!
3 Gauss eliminasjon, LU faktorisering Ax = b 3/17 Multiplisere begge sider med M 1, med a 1,1 som pivot, slik at [a 1,1, a 2,1,..., a n,1 ] T [a 1,1, 0,..., 0] T. Mult. med M 2 så at elementene under diagonalen er sett til null i kolonne Etter n 1 skritt, vi har M n 1 M n 2 M 1 Ax = M n 1 M n 2 M 1 b hvor U = MA = M n 1 M n 2 M 1 A er øvre triangulær. Vi kan finne x ved baklengs substitusjon i Ux = Mb. Denne prosessen kalles Gauss eliminasjon
4 Eksempel Regn ut Gauss eliminasjons metode for 4/17 2x 1 + 3x 2 + 4x 3 + 5x 4 = 5 x 1 + x 2 x 3 = 0 3x 1 x 2 + 3x 3 x 4 = 0 x 2 3x 3 + x 4 = 0.
5 Hvorfor kalles dette også LU? Vi har sett at MA = U A = M 1 U = LU M = M n 1 M 1 er nedre triangulær, så inversen er også n.t. 5/17 L = M 1 = (M n 1 M 1 ) 1 = M 1 1 M 1 n 1 = L 1 L n 1. Hvis vi antar at A = LU er gitt, først setter vi y = Ux og deretter løser vi Ly = b (forlengs substitusjon) Vi løser Ux = y (baklengs substitusjon) Merk at den midlertidig vektor y = L 1 b = Mb. Gauss eliminasjon og LU er to sider av den samme medalje. LU faktorisering kan implementeres uten å modifisere b LU faktorisering er anbefalt når man skal løse mange likningssystemer med samme A og forskjellige b.
6 Litt om implementasjon De superdiagonale elementer av U erstatter A sine elementer De underdiagonale elementer av A (som blir null) brukes til å lagre L sine elementer Denne prosedyren kalles factorization in place (faktorisering på plass). Algoritme: LU faktorisering m/ Gauss eliminasjon Algoritme: på plass LU faktorisering m/ Gauss eliminasjon 6/17 for k = 1 to n 1 if a k,k = 0, stop for i = k + 1 to n l i,k = a i,k /a k,k for j = k + 1 to n for i = k + 1 to n a i,j = a i,j l i,k a k,j for k = 1 to n 1 if a k,k = 0, stop for i = k + 1 to n a i,k = a i,k /a k,k for j = k + 1 to n for i = k + 1 to n a i,j = a i,j a i,k a k,j
7 Pivotering Hvis pivoten er null, da kan ikke Gauss eliminasjon utføres 7/17 a k,k = 0 m k+1 = a k+1,k,..., m n = a n,k a k,k a k,k og faktorisering må stoppes (selv om A er ikke-singulær) Et annet tilfelle er hvis pivoten a k,k er veldig liten, a k,k 1 ɛ er ikke definert m i = a i,k a k,k, i = k + 1,..., n, kan være veldig store og hvis de andre a i,j er av moderat størrelse, vi kan tape mange signifikante siffer Eksempler A = [ ] [ ɛ 1, A = 1 1 ],
8 Partial Pivoting I prinsippet: store pivoter små m k og derfor mindre feil Vi søker etter den største verdien under diagonalen i kolonne k (dermed kolonnevis pivoting ). Hvis denne er i rekke p, bytter vi ut rekker k og p og faktoriserer som vanlig. Merk at nå er m k 1 8/17 Husk: bytting av rekker permutasjoner MA = U, M = M n 1 P n 1 M 1 P 1 hver elementære eliminasjonsmatrise etterfølger en permutasjons matrise. La oss skrive P = P n 1 P 1 Gauss eliminasjonen m/ partial pivoting er ekvivalent til den LU faktorisering av P A: P A = LU L, U nedre/øvre triangulære. Ax = b Ly = P b, Ux = y. Obs. P er ikke kjent på forhand.
9 Algoritme: på plass LU faktorisering med Gauss eliminasjon og kolonnevis pivoting for k = 1 to n 1 find index p s.t. a p,k a i,k, for k i n if p k, bytt ut rekker p og k if a k,k = 0 continue with next k % hopper over denne kolonne, alle elementer er 0 allrede for i = k + 1 to n a i,k = a i,k /a k,k for j = k + 1 to n for i = k + 1 to n a i,j = a i,j a i,k a k,j 9/17
10 Eksempel Regn ut LU m/ kolonne pivotering for 10/17 2x 1 + 3x 2 + 4x 3 + 5x 4 = 5 x 1 + x 2 x 3 = 0 3x 1 x 2 + 3x 3 x 4 = 0 x 2 3x 3 + x 4 = 0.
11 Total pivoting Kolonne pivotering er en partiell pivotering, siden pivoten er søket i en kolonne per gang. Det finnes en annen type pivoting som 11/17 søker det største elementet i hele submatrisen som skal prosesseres bytter ut kolonner og rekker slik at det største elementet kommer i pivotal plass Denne prosedyren kalles for total pivotering og er ekvivalent med å faktorisere P AQ = LU, hvor P, Q er permutasjons matriser og L, U er nedre og øvre triangulære matriser. Løsning: Ly = P b Uz = y x = Qz
12 Stabilitet av total pivotering er i prinsippet bedre enn kolonne pivotering, men total pivotering er noe dyrere. I praksis, i de fleste tilfeller er kolonne pivotering god nok, dermed er den pivotering strategien som brukes mest. 12/17 Det finnes også noe matriser som trenger ikke pivotering for at Gauss eliminasjons metode er stabil. Disse er: diagonal dominante matriser: a j,j > i j a i,j, for j = 1,..., n, symmetrisk positiv definite matriser: A = A T og u T Au > 0 for all u 0. Selv om pivotering kan brukes på disse matriser, blir det neppe noe rekke-bytte. Med å ikke-pivotere vi sparer en del beregningstid.
13 Om kompleksitet Hvor mye koster det å løse Ax = b? LU faktorisering koster: n 3 /3 flyttall multiplikasjoner, n 3 /3 addisjoner, for en total av 2 3 n3 hver triangulært system koster cirka n 2 multiplikasjoner og n 2 addisjoner, for en total av 2n 2 13/17 Det er klart at for store n, den LU-faktorisering kostnade er størst. Merk at en matrise inversjon koster 2n 3, tre ganger mer enn LU faktorisering. Derfor lønner det seg å regne ut produkter som ved A 1 B LU faktorisere A løse n forlengs/baklengs systemer (ta som b en kolonne av B om gangen).
14 Spesielle systemer Opp til nå har vi regnet med at A er en vilkålig full ( dense ) matrise. Men det finnes mange matriser som har spesielle egenskaper: disse egenskaper kan brukes til å minske beregningstid og lagring av data. Noen spesielle tilfeller er: 14/17 A symmetrisk, A = A T (eller a i,j = a j,i ) A positiv definitt, x T Ax > 0, x 0 A har bånd β: a i,j = 0 for i j > β, Tridiagonale matriser har bånd β = 1 A glissen ( sparse ), de fleste elementer av A er lik 0. Symmetriske matriser kan faktoriseres med en variant av Gauss eliminasjonsmetode (Choleski faktorisering, A = LL T ) Likningssystemer med sparse matriser løses med direkte algoritmer som tar hensyn til 0-datastrukturen (man vil helst unngå fill-in) iterative metoder
15 Symmetriske positive definite Hvis A er symmetrisk og positiv definitt, kan man modifisere LU algoritme slik at U = L T dermed A = LL T. og 15/17 Algoritme: på plass Choleski faktorisering for k = 1 to n a k,k = a k,k for i = k + 1 to n a i,k = a i,k /a k,k for j = k + 1 to n for i = k + 1 to n a i,j = a i,j a i,k a j,k
16 Denne kalles Choleski faktorisering og har en del fordeler i forhold til vanlig LU: kvadrat-rotene er vel definerte ingen pivotisering mindre lagringsplass (lagre bare L) koster halvparten av LU, 1 3 n3 (add+mult). 16/17 En variasjon: LDL T diagonale elementene av D settes til l 2 i,i diagonale elementene av L settes til 1
17 Bånd systemer LU faktorisering for bånd matriser er ikke veldig mye anneledes enn for dense matriser. 17/17 pass på nedre og øvre grensene for loop indeksene. Hvis man har pivotering på grunn av numerisk stabilitet, den opprinnelig bånd β kan ikke bli større 2β. Generelt, bånd systemer trenger bare O(βn) lagringsplass og O(βn 2 ) beregningsarbeide, som kan være betidelig mindre enn O(n 3 ) for β n
Lineære likningssystemer
Lineære likningssystemer Mange fysiske problemer kan formuleres som lineære likningssystemer i vektorrommet, 1/19 Lu = f Lineær: betyr at virkningen av L på u + v er L(u + v) = Lu + Lv, og skaleres som
DetaljerRepetisjon: Om avsn og kap. 3 i Lay
Repetisjon: Om avsn. 2.1-2.4 og kap. 3 i Lay Matrisemultiplikasjon. La A = [a ij ] være en m n matrise og B = [b kl ] være en n p matrise. ] Skriv B = [b 1 b 2 b p. Produktet AB er m p matrisen definert
DetaljerNumerisk lineær algebra
Numerisk lineær algebra Arne Morten Kvarving Department of Mathematical Sciences Norwegian University of Science and Technology 29. Oktober 2007 Problem og framgangsmåte Vi vil løse A x = b, b, x R N,
DetaljerSensitivitet og kondisjonering
Sensitivitet og kondisjonering Gitt en lineær likningssystem Ax = b vi skal studere effekten av perturbasjoner av input data: 1/19 på output data: Man kan A, b x perturbere bare b perturbere b og A samtidig.
DetaljerMAT1120 Repetisjon Kap. 1, 2 og 3
MAT1120 Repetisjon Kap. 1, 2 og 3 Kap. 1, avsn. 2.1-2.3 og kap. 3 i Lays bok er for det meste kjent fra MAT1100 og MAT1110. Fra kap. 1 repeterer vi: Matriser Vektorer og lineære kombinasjoner Lineæravbildninger
DetaljerTMA4122/TMA4130 Matematikk 4M/4N Høsten 2010
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA4122/TMA410 Matematikk 4M/4N Høsten 2010 1 Oppgave: Løs følgende ligningssystemer ved hjelp av Gauss-eliminasjon med delvis
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i MoD200 Eksamensdag: 15. desember 2003 Tid for eksamen: 14.30 17.30 Oppgavesettet er på 5 sider. Vedlegg: Tillatte hjelpemidler:
DetaljerElementær Matriseteori
Elementær Matriseteori Magnus B. Botnan NTNU 3. august, 2015 Kursinfo - Foreleser: Magnus B. Botnan http://www.math.ntnu.no/~botnan/ - Hjemmeside: https: //wiki.math.ntnu.no/tma4110/2015h/forkurs/start
DetaljerMA2501 Numeriske metoder
MA2501 Numeriske metoder Løsningsforslag, øving 7 Oppgave 1 a) Vi vet at r = Ae e = A 1 r. La være en vektornorm på R n med en tilhørende avledet (subordinat) matrisenorm på R n n. Siden blir Ax A = sup
DetaljerMA2501 Numeriske metoder
MA250 Numeriske metoder Oppgave Løsningsforslag, øving 7 a) Vi vet at r = Ae e = A r. La være en vektornorm på R n med en tilhørende avledet (subordinat) matrisenorm på R n n. Siden blir Ax A = sup Ax
DetaljerRepetisjon: om avsn og kap. 3 i Lay
Repetisjon: om avsn. 2.1-2.4 og kap. 3 i Lay Matrisemultiplikasjon La A = [a ij ] være en m n matrise og B = [b kl ] være en n p matrise. ] Skriv B = [b 1 b 2 b p der b j -ene er i R n for hver j. Produktet
DetaljerGauss-Jordan eliminasjon; redusert echelonform. Forelesning, TMA4110 Fredag 18/9. Reduserte echelonmatriser. Reduserte echelonmatriser (forts.
Gauss-Jordan eliminasjon; redusert echelonform Forelesning, TMA4110 Fredag 18/9 Martin Wanvik, IMF MartinWanvik@mathntnuno En matrise vil normalt være radekvivalent med flere echelonmatriser; med andre
DetaljerNumerisk lineær algebra for Poissons ligning
Numerisk lineær algebra for Poissons ligning NTNU Brynjulf Owren Institutt for matematiske fag November 24, 2008 1 / 30 Innhold 1 Motivasjon, generelt om ligningsløsning 2 Poisson s ligning i 2 dimensjoner
DetaljerLO118D Forelesning 5 (DM)
LO118D Forelesning 5 (DM) Relasjoner 03.09.2007 1 Relasjoner 2 Ekvivalensrelasjoner 3 Matriser av relasjoner 4 Relasjonsdatabaser Relasjon Relasjoner er en generalisering av funksjoner En relasjon er en
DetaljerLP. Leksjon 8: Kapittel 13: Nettverk strøm problemer, forts.1
LP. Leksjon 8: Kapittel 13: Nettverk strøm problemer, forts.1 Vi fortsetter studiet av (MKS): minimum kost nettverk strøm problemet. Har nå en algoritme for beregning av x for gitt spenntre T Skal forklare
Detaljer6.4 Gram-Schmidt prosessen
6.4 Gram-Schmidt prosessen La W {0} være et endeligdimensjonalt underrom av R n. (Senere skal vi mer generelt betrakte indreprodukt rom; se seksjon 6.7). Vi skal se hvordan vi kan starte med en vanlig
Detaljer7.4 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
DetaljerKap. 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 =
DetaljerLineære likningssystemer og matriser
Kapittel 3 Lineære likningssystemer og matriser I dette kapittelet skal vi sette sammen Kapittel 1 og 2. 3.1 Den utvidede matrisen til et likningssystem Vi starter med et lineært likningssystem med m likninger
DetaljerLP. Leksjon 6: Kap. 6: simpleksmetoden i matriseform, og Seksjon 7.1: følsomhetsanalyse
LP. Leksjon 6: Kap. 6: simpleksmetoden i matriseform, og Seksjon 7.1: følsomhetsanalyse matrisenotasjon simpleksalgoritmen i matrisenotasjon eksempel negativ transponert egenskap: bevis følsomhetsanalyse
DetaljerObligatorisk innleveringsoppgave, løsning Lineær algebra, Våren 2006
Obligatorisk innleveringsoppgave, løsning Lineær algebra, Våren 006 Oppgave I hele oppgaven bruker vi I = 0 0 0 0. 0 0 a) Matrisen A har størrelse og B har størrelse slik at matriseproduktet A B er en
DetaljerForelesning 10 Cramers regel med anvendelser
Forelesning 10 Cramers regel med anvendelser Eivind Eriksen 25. mars 2010 Lineære likningssystemer Vi minner om at ethvert lineært likningssystem Ax = b kan løses ved hjelp av Gauss eliminasjon, som er
DetaljerTMA4329 Intro til vitensk. beregn. V2017
Norges teknisk naturvitenskapelige universitet Institutt for Matematiske Fag TMA439 Intro til vitensk. beregn. V17 ving 4 [S]T. Sauer, Numerical Analysis, Second International Edition, Pearson, 14 Teorioppgaver
DetaljerLineær Algebra og Vektorrom. Eivind Eriksen. Høgskolen i Oslo, Avdeling for Ingeniørutdanning
Lineær Algebra og Vektorrom Eivind Eriksen Høgskolen i Oslo, Avdeling for Ingeniørutdanning c Eivind Eriksen 2005. Innhold Kapittel 1. Lineære likningssystemer 1 1.1. Lineære likningssystemer i to variable
Detaljer6 Determinanter TMA4110 høsten 2018
6 Determinanter TMA4110 høsten 2018 En matrise inneholder mange tall og dermed mye informasjon så mye at det kan være litt overveldende Vi kan kondensere ned all informasjonen i en kvadratisk matrise til
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: MAT 0 Lineær algebra Eksamensdag: Mandag 0. desember 0 Tid for eksamen: 4.30 8.30. Oppgavesettet er på 7 sider. Vedlegg: Tillatte
DetaljerOppgave P. = 2/x + C 6 P. + C 6 P. d) 12(1 x) 5 dx = 12u 5 1/( 1) du = 2u 6 + C = 2(1 x) 6 + C 6 P. Oppgave P.
Løsning MET 86 Matematikk for siviløkonomer Innleveringsfrist 5. mars 9 kl Vi benytter maksimal score 6p på hver deloppgave og 44p totalt, og grensen for å bestå er ca 86p. Du kan selv fylle ut tabellen
Detaljer6.4 (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
DetaljerMAT1120 Repetisjon Kap. 1
MAT1120 Repetisjon Kap. 1 Kap. 1, avsn. 2.1-2.3 og kap. 3 i Lays bok er for det meste kjent fra MAT1100 og MAT1110. Idag skal vi repetere fra kap. 1 i Lays bok. Det handler bl.a. om : Matriser Vektorer
DetaljerMET Matematikk for siviløkonomer
SENSORVEILEDNING - Fagoppgave MET 1186 Matematikk for siviløkonomer Institutt for Samfunnsøkonomi Utlevering: 18.1.19 Kl. 9: Innlevering: 5.1.19 Kl. 1: For mer informasjon om formalia, se eksamensoppgaven.
DetaljerEKSAMEN I EMNET MAT160 Beregningsalgoritmer 1 Mandag 12 februar 2007 LØSNINGSFORSLAG
Universitetet i Bergen Det matematisk naturvitenskapelige fakultet Matematisk institutt Side 1 av 5 BOKMÅL EKSAMEN I EMNET MAT160 Beregningsalgoritmer 1 Mandag 12 februar 2007 LØSNINGSFORSLAG Tillatte
DetaljerLøsning Eksamensrelevante oppgaver i ELE 3719 Matematikk Vektorer, matriser og lineær algebra Dato Februar Oppgave 1. (A) Vi leser av at
Løsning Eksamensrelevante oppgaver i ELE 379 Matematikk Vektorer, matriser og lineær algebra Dato Februar 05 Oppgave. (A) Vi leser av at A = 3 5, B = ( 0 5 ), C = 0 5 9 og har dermed at π x = Ax + BT =
DetaljerGauss-eliminasjon og matrisemultiplikasjon
DUMMY Gauss-eliminasjon og matrisemultiplikasjon Lars Sydnes 9 september 2015 Sammendrag Dette notatet handler om hvordan man løser lineære ligningssystemer, altså systemer av flere ligninger i flere ukjente,
DetaljerTil enhver m n matrise A kan vi knytte et tall, rangen til A, som gir viktig informasjon.
4.6 Rang Til enhver m n matrise A kan vi knytte et tall, rangen til A, som gir viktig informasjon. Definisjon: Rangen til en m n matrise A betegnes med rank A og er definert som dimensjonen til kolonnerommet
DetaljerMatriseoperasjoner. E.Malinnikova, NTNU, Institutt for matematiske fag. September 22, 2009
Matriseoperasjoner E.Malinnikova, NTNU, Institutt for matematiske fag September 22, 2009 Addisjon av matriser Hvis A = [a ij ] og B = [b ij ] er matriser med samme størrelse, så er summen A + B matrisen
DetaljerFlyttalls aritmetikk. I datamaskinen er alle tall representert i flyttalls aritmetikk.
Flyttalls aritmetikk I datamaskinen er alle tall representert i flyttalls aritmetikk. 1/21 Det betyr at desimal punktet ( float, floating point arithmetic på engelsk) beveger seg slik at store og små tall
DetaljerMer om kvadratiske matriser
Kapittel 2 Mer om kvadratiske matriser Vi lader opp til anvendelser, og skal bli enda bedre kjent med matriser. I mange anvendelser er det ofte de kvadratiske matrisene som dukker opp, så fra nå skal vi
DetaljerMer om kvadratiske matriser
Kapittel 2 Mer om kvadratiske matriser Vi lader opp til anvendelser, og skal bli enda bedre kjent med matriser. I mange anvendelser er det ofte de kvadratiske matrisene som dukker opp, så fra nå skal vi
DetaljerØving 3 Determinanter
Øving Determinanter Determinanten til en x matrise er definert som Clear@a, b, c, dd K a b OF c d ad -bc Determinanten til en matrise er derfor et tall. Du skal se at det viktige for oss er om tallet er
Detaljer6.5 Minste kvadraters problemer
6.5 Minste kvadraters problemer I mange anvendte situasjoner møter man lineære likningssystemer som er inkonsistente, dvs. uten løsninger, samtidig som man gjerne skulle ha funnet en løsning. Hva gjør
DetaljerMA2501 Numerical methods
MA250 Numerical methods Solutions to problem set Problem a) The function f (x) = x 3 3x + satisfies the following relations f (0) = > 0, f () = < 0 and there must consequently be at least one zero for
DetaljerUniversitet 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
DetaljerOrtogonale polynom og Gauss kvadratur
Ortogonale polynom og Gauss kvadratur Hans Munthe-Kaas 1. jaunar 2002 Sammendrag Dette notatet tar for seg minste kvadrat approksimasjoner, ortogonale polynom og Gauss kvadratur. Notatet er ment som et
DetaljerLineær algebra. H. Fausk i=1 a ix i. Her har vi oppgitt hva ledd nummer i skal være og hvilke indekser i vi summerer over.
Lineær algebra H. Fausk 23.08.2015 Fjerde utkast Linære likningsystem lar seg løse ved bruk av de elementære regneartene. I prinsippet er løsing av linære likningsystem enkelt, men det blir fort veldig
DetaljerEKSAMEN I NUMERISK LINEÆR ALGEBRA (TMA4205)
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 6 Kontakt under eksamen Navn: Bawfeh Kingsley Kometa kontor: 7359975, mobil: 936 24 483) Sensur: 06.0.20 EKSAMEN I NUMERISK
DetaljerLineær algebra. H. Fausk i=1 a ix i. Her har vi oppgitt hva ledd nummer i skal være og hvilke indekser i vi summerer over.
Lineær algebra H. Fausk 09.03.2015 Andre utkast Linære likningsystem lar seg løse ved bruk av de elementære regneartene. I prinsippet er det enkelt, men det blir fort veldig mange regneoperasjoner som
DetaljerRegneregler for determinanter
Regneregler for determinanter E.Malinnikova, NTNU, Institutt for matematiske fag 6. oktober, 2010 Triangulær matriser En kvadratisk matrise A = [a ij ] kalles øvre/nedretriangulær hvis a ij = 0 når i >
DetaljerRF5100 Lineær algebra Leksjon 2
RF5100 Lineær algebra Leksjon 2 Lars Sydnes, NITH 27.august 2013 I. LINEÆRE SYSTEM SKJÆRINGSPUNKTET FOR TO LINJER l 1 : x + y = 1 P l 2 : x + y = 3 Geometri: (i) P ligger på linjen l 1 (ii) P ligger på
DetaljerEksamensoppgave i TMA4135 Matematikk 4D
Institutt for matematiske fag Eksamensoppgave i TMA435 Matematikk 4D Faglig kontakt under eksamen: Helge Holden a, Gard Spreemann b Tlf: a 92038625, b 93838503 Eksamensdato: 0. desember 205 Eksamenstid
DetaljerEt 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,
DetaljerELE Matematikk valgfag
SENSORVEILEDNING - Skriftlig eksamen ELE 3711 Matematikk valgfag Institutt for Samfunnsøkonomi Utlevering: 11.06.018 Kl. 0:00 Innlevering: 11.06.018 Kl. 14:00 For mer informasjon om formalia, se eksamensoppgaven.
DetaljerNumerisk løsning av PDL
Numerisk løsning av PDL Arne Morten Kvarving Department of Mathematical Sciences Norwegian University of Science and Technology 6. November 2007 Problem og framgangsmåte Fram til nå har vi sett på ordinære
DetaljerLineære likningssett.
Lineære likningssett. Forelesningsnotater i matematikk. Lineære likningssystemer. Side 1. 1. Innledning. La x 1, x, x n være n ukjente størrelser. La disse størrelsene være forbundet med m lineære likninger,
DetaljerØving 2 Matrisealgebra
Øving Matrisealgebra Gå til menyen Edit Preferences... og sett Format type of new output cells til TraditionalForm hvis det ikke allerede er gjort. Start med to eksempelmatriser med samme dimensjon: In[]:=
DetaljerUNIVERSITET I BERGEN
UNIVERSITET I BERGEN Det matematisk-naturvitenskapelige fakultet BOKMÅL Løsningsforslag eksamen MAT - Lineær algebra H Med forbehold om skrivefeil. Oppgave. Betrakt A = 6 5, b = 6 b (a) (b) Finn den reduserte
DetaljerMinimale eliminasjonstrær for parallell Cholesky-faktorisering. Hovedfagsoppgave i informatikk, retning databehandling av.
Minimale eliminasjonstrær for parallell Cholesky-faktorisering Hovedfagsoppgave i informatikk, retning databehandling av Fredrik Manne September 1989 Institutt for Informatikk Universitetet i Bergen Forord
DetaljerDet matematisk-naturvitenskapelige fakultet
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i IN 227 Numerisk lineær algebra Eksamensdag: 5. desember 2001 Tid for eksamen: 9.00 15.00 Oppgavesettet er på 5 sider. Vedlegg:
DetaljerDeterminanter til 2 2 og 3 3 matriser
Determinanter til 2 2 og 3 3 matriser [ ] a b Determinanten til en 2 2-matrise A = er c d det(a) = a b c d = ad bc. 1 Determinanter til 2 2 og 3 3 matriser [ ] a b Determinanten til en 2 2-matrise A =
Detaljera) 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
DetaljerMA0002 Brukerkurs i matematikk B Vår 2016
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA000 Brukerkurs i matematikk B Vår 06 Anbefalte øvingsoppgaver fra boken: 9.3 : 53, 6, 64, 7, 75. Det er bare oppgaven under
DetaljerLøsningsforslag til 3. oblogatoriske oppgave i Diskret Matematikk. Høsten 2018
Løsningsforslag til 3. oblogatoriske oppgave i Diskret Matematikk Oppgave 1. ( 9 3 ) = 9 8 7 3 2 1 = 3 4 7 = 84 Høsten 2018 {1, 5, 9}, {1, 6, 8}, {2, 4, 9}, { 2, 5, 8}, {2, 6, 7}, {3, 4, 8}, {3, 5, 7},
DetaljerLineær algebra-oppsummering
Kapittel 9 Lineær algebra-oppsummering Matriser 1 Matriser er et rektangulært sett av elementer ordnet i rekker og kolonner: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij m n a m1 a n2 a mn 2 Kvadratisk matrise:
DetaljerRang og Vektorrom. Magnus B. Botnan NTNU. 4. august, 2015
Rang og Vektorrom Magnus B. Botnan NTNU 4. august, 2015 Lineær Uavhengighet La v (1),..., v (m) være vektorer av samme størrelse. Vi sier at vektorene er lineært avhengige hvis det finnes konstanter c
DetaljerEKSAMEN I NUMERISK LØSNING AV DIFFERENSIALLIGNINGER MED DIFFERANSEMETODER (TMA4212)
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 7 Faglig kontakt under eksamen: Navn: Bård Skaflestad (946867) EKSAMEN I NUMERISK LØSNING AV DIFFERENSIALLIGNINGER
Detaljer1 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
DetaljerUNIVERSITETET 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:
DetaljerLineære ligningssystem og matriser
Lineære ligningssystem og matriser E.Malinnikova, NTNU, Institutt for matematiske fag September 15, 2009 Lineære ligningssystem Vi har et ligningssystem av m ligninger med n ukjente x 1,..., x n som kan
DetaljerMA2501, Vårsemestre 2019, Numeriske metoder for lineære systemer
MA5 Vårsemestre 9 Numeriske metoder for lineære systemer Introduksjon Vi vil approksimere løsningen av lineære systemet av n ligningene og n ukjente: a x + a x + + a n x n b a x + a x + + a n x n b ()
DetaljerKapittel 1 og 2: eksempel og simpleksmetoden
LP. Leksjon 1 Kapittel 1 og 2: eksempel og simpleksmetoden et eksempel fra produksjonsplanlegging simpleksalgoritmen, noen begreper algoritmen LP. Leksjon 1: #1 of 14 Eksempel: produksjonsplanlegging Produkter:
DetaljerLøsningsforslag øving 6
Løsningsforslag øving 6 7 Husk Teorem 79 i notatet: En delmengde U av et vektorrom V er et underrom hvis ) nullvektoren er i U, ) summen av to vektorer i U er i U igjen, og 3) et skalarmultiplum av en
DetaljerLøsningsforslag til eksamen i MA1202/MA6202 Lineær algebra med anvendelser høsten 2009.
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 9 Løsningsforslag til eksamen i MA/MA6 Lineær algebra med anvendelser høsten 9 Oppgave a) Rangen til A er lik antallet
DetaljerNumerikk. TMA Matematikk 4N. Einar Baumann
Numerikk TMA4125 - Matematikk 4N Einar Baumann 3. mai 2011 1 Forord Dette kompendiet er ment som en supplement til kompendiet i Matematikk 4 som selges på Tapir og ikke inneholder numerikkdelen i 4N og
DetaljerLP. Leksjon 1. Kapittel 1 og 2: eksempel og simpleksmetoden
LP. Leksjon 1. Kapittel 1 og 2: eksempel og simpleksmetoden Dette emnet gir en innføring i lineær optimering og tilgrensende felt. hva er LP (lin.opt.=lin.programmering) mer generelt: matematisk optimering
DetaljerEkstraoppgaver for STK2120
Ekstraoppgaver for STK2120 Geir Storvik Vår 2011 Ekstraoppgave 1 Anta X 1 og X 2 er uavhengige med X 1 N(1.0, 1.0) og X 2 N(2.0, 1.5). La X = (X 1, X 2 ) T. Definer c = ( ) 2.0 3.0, A = ( ) 1.0 0.5 0.0
DetaljerEksamen i ELE Matematikk valgfag Torsdag 18. mai Oppgave 1
Eksamen i ELE79 - Matematikk valgfag Torsdag 8. mai 07 LØSNINGFORSLAG Oppgave (a) Den utvidede matrisen til likningssystemet er 6 Gausseliminasjon: ganger rad I legges til rad II: 0 0 Rad I trekkes fra
DetaljerKlara Hveberg, 26 sylen under pivot-elementet, ma vi na bare trekke (3; 2)=(2; 2) = 8=2 = 4 ganger andre rad fra tredje rad >> k=(3,2)/(2,2); >> (3,:)
Lab 2: Gauss-eliminasjon av Klara Hveberg I denne laboratorievelsen skal vi se pa hvordan vi kan lage Matlab-funksjoner som utfrer Gauss-eliminasjon pa matriser, dvs som bringer dem pa trappeform ved hjelp
DetaljerInverse matriser. E.Malinnikova, NTNU, Institutt for matematiske fag. September, 2009
Inverse matriser E.Malinnikova, NTNU, Institutt for matematiske fag September, 2009 Inverse 2 2 matriser En 2 2 matrise [ ] a b A = c d er inverterbar hvis og bare hvis ad bc 0, og da er [ ] A 1 1 d b
Detaljer4 Matriser TMA4110 høsten 2018
Matriser TMA høsten 8 Nå har vi fått erfaring med å bruke matriser i et par forskjellige sammenhenger Vi har lært å løse et lineært likningssystem ved å sette opp totalmatrisen til systemet og gausseliminere
DetaljerFasit 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
DetaljerMET Matematikk for siviløkonomer
SENSORVEILEDNING - Skriftlig eksamen MET 11803 Matematikk for siviløkonomer Institutt for Samfunnsøkonomi Utlevering: 0.1.018 Kl. 09:00 Innlevering: 0.1.018 Kl. 14:00 For mer informasjon om formalia, se
DetaljerLineær algebra. H. Fausk 09.03.2015. i=1 a ix i. Her har vi oppgitt hva ledd nummer i skal være og hvilke indekser i vi summerer over.
Lineær algebra H. Fausk 09.03.2015 Første utkast Linære likningsystem lar seg løse ved bruk av de elementære regneartene. Selv om løsningen av lineære likingsystem i prinsippet er elementært blir det fort
DetaljerLineære ligningssystem; Gauss-eliminasjon, Redusert echelonmatrise
Lineære ligningssystem; Gauss-eliminasjon, Redusert echelonmatrise E.Malinnikova, NTNU, Institutt for matematiske fag 19. september 2011 Lineære ligningssystem Vi har et ligningssystem av m ligninger med
DetaljerTMA4210 Numerisk løsning av part. diff.lign. med differansemetoder Vår 2005
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA4210 Numerisk løsning av part. diff.lign. med differansemetoder Vår 2005 Løsningsforslag Øving 2 1 Denne oppgaven er ganske
DetaljerLO510D Lin.Alg. m/graf. anv. Våren 2005
TF Høgskolen i Sør Trøndelag Avdeling for informatikk og e læring LO5D Lin.Alg. m/graf. anv. Våren 5 Løsningsforslag Eksamen a) Setter α = og β = i ligningssystemet og gausseliminerer totalmatrisen til
DetaljerHomogene 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
DetaljerLøsninger til forkursstartoppgaver
Løsninger til forkursstartoppgaver Prosent: Oppgave 1. Prisforskjell er 20. 20 100 Kylling er da =66 2 prosent dyrere. 30 3 Vi beregner hvor mange prosent 20 er av 30. Kylling er også 20 100 =40 prosent
DetaljerEksamensoppgave i MA2501 Numeriske metoder
Institutt for matematiske fag Eksamensoppgave i MA50 Numeriske metoder Faglig kontakt under eksamen: Trond Kvamsdal Tlf: 9305870 Eksamensdato: 3. mai 08 Eksamenstid (fra til): 09:00 3:00 Hjelpemiddelkode/Tillatte
Detaljerf (x) = a 0 + a n cosn π 2 x. xdx. En gangs delvisintegrasjon viser at 1 + w 2 eixw dw, 4 (1 + w 2 ) 2 eixw dw.
NTNU Institutt for matematiske fag Eksamen i TMA Matematikk M høsten 008 Løsningsforslag a Cosinusrekka til f blir av formen - 0 6 f (x a 0 + n0 a n cosn π x Vi har a 0 0, og a n R 0 f (xcosnπ xdx En gangs
DetaljerI dette kapittelet skal vi studerer noen matematiske objekter som kalles matriser. Disse kan blant annet brukes for å løse lineære likningssystemer.
Kapittel 2 Matriser I dette kapittelet skal vi studerer noen matematiske objekter som kalles matriser. Disse kan blant annet brukes for å løse lineære likningssystemer. 2.1 Definisjoner og regneoperasjoner
DetaljerOppgave 1. (a) Vi løser det lineære systemet for a = 1 ved Gauss-eliminasjon. Vi nner først den utvidede matrisen: x A =
Løsning MET 803 Matematikk for siviløkonomer Dato 8. desember 07 kl 400-900 Oppgave. (a) Vi løser det lineære systemet for a = ved Gauss-eliminasjon. Vi nner først den utvidede matrisen: 7 3 y = 9 6 7
DetaljerTil enhver m n matrise A kan vi knytte et tall, rangen til A, som gir viktig informasjon.
4.6 Rang Til enhver m n matrise A kan vi knytte et tall, rangen til A, som gir viktig informasjon. Definisjon: Rangen til en m n matrise A betegnes med rank A og er definert som dimensjonen til kolonnerommet
DetaljerDigital Arbeidsbok i ELE 3719 Matematikk
Eivind Eriksen Digital Arbeidsbok i ELE 3719 Matematikk 3. april 215 Handelshøyskolen BI Innhold Del I Forelesninger i ELE3719 Matematikk 1 Vektorer og vektorregning......................................
DetaljerNewtons interpolasjon og dividerte differanser
Newtons interpolasjon og dividerte differanser Gitt (x i, y i ), for i = 0, 1,..., n, Newtons basis funksjoner er definert som 1/16 j 1 π j (x) = (x x 0 )(x x 1 ) (x x j 1 ) = (x x k ) for j = 1,..., n
DetaljerKap. 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.
DetaljerVær OBS på at svarene på mange av oppgavene kan skrives på flere ulike måter!
Vær OBS på at svarene på mange av oppgavene kan skrives på flere ulike måter! Oppgave.. a x y = x + y = r r r +r r x y = y fri x y = y fri Vi får én fri variabel, og løsningens har følgelig dimensjon.
DetaljerLineær algebra. H. Fausk
Lineær algebra H. Fausk 11.02.2016 Sjuende utkast Flere lineære likninger som samtidig skal oppfylles kalles lineære likningssystem. I prinsippet er løsing av lineære likningsystem enkelt, det benytter
DetaljerNumerikk. TMA Matematikk 4N. Einar Baumann
Numerikk TMA4125 - Matematikk 4N Einar Baumann 19. mai 2011 1 Forord Dette kompendiet er ment som en supplement til kompendiet i Matematikk 4 som selges på Tapir og ikke inneholder numerikkdelen i 4N og
DetaljerLineær algebra. H. Fausk
Lineær algebra H. Fausk 04.02.2016 Sjuende utkast Lineære likningsystem lar seg løse ved bruk av de elementære regneartene. I prinsippet er løsing av lineære likningsystem enkelt, det benytter bare de
DetaljerKapittel 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
DetaljerMAT1120 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