Kap. 6 Ortogonalitet og minste kvadrater
|
|
- Eva Nordli
- 7 år siden
- Visninger:
Transkript
1 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 snakke om lengde og ortogonalitet. I mange anvendelser møter vi inkonsistente lineære likningsystemer. Ved hjelp av indreprodukt kan vi finne en best mulig løsning av slike systemer. Mange vektorrom kan utstyres med et indreprodukt, og ulike typer indreprodukt finnes. Hvilket indreprodukt som det er naturlig å bruke avhenger av problemet som studeres. 1 / 16
2 6.1 Indreprodukt, lengde og ortogonalitet (i R n ) Definisjon. La u = (u 1, u 2,, u n ), v = (v 1, v 2,, v n ) IR n. Vi definerer da: (i) indreproduktet (eller prikkproduktet) av u og v ved u v = u T v = u 1 v 1 + u 2 v u n v n (ii) lengden (eller normen) til u ved u = u T u = u u = u1 2 + u u2 n, og (iii) avstanden mellom u og v ved d(u, v) = u v = (u 1 v 1 ) 2 + (u 2 v 2 ) (u n v n ) 2 Eksempel. La u = (2, 1, 0, 3), v = (3, 2, 5, 0), w = (0, 3, 0, 1) IR 4. Da er f.eks. u v = 4, u w = 0 u = 14, v = 38 d(u, v) = 44 = / 16
3 Teorem 1. [Hovedegenskapene til indreproduktet i IR n ] La u, v, w IR n, c IR. Da gjelder: a) b) u v = v u (u + v) w = u w + v w c) (c u) v = c (u v) = u (c v) d) u u 0, og u u = 0 u = 0. Kommentarer til Teorem 1 Dette gir at, for hver v, så er funksjonen u u v en lineær avbildning. Tilsvarende, for hver u, så er v u v en lineær avbildning. Videre, c) gir at c u = c u når c R, u R n. Definisjon. v IR n kalles en enhetsvektor dersom v = 1. 3 / 16
4 Merk: Hvis u IR n, u 0, så er v = 1 u u en enhetsvektor Vi sier at v er enhetsvektoren vi får fra u ved normalisering. Eksempel. La u = (2, 1, 0, 3). Da er u = 14. Normalisering av u gir oss enhetsvektoren ( ) v = 1 u u = 1 14 (2, 1, 0, 3) = 2 14, , 0, 14. Merk at v peker i samme retning som u. Vektoren v er også en enhetsvektor, men den peker i motsatt retning av u. Definisjon. To vektorer u og v i IR n kalles ortogonale dersom u v = 0 Motivasjon: Hvis u, v er to ikke-null vektorer i IR 2 (eller IR 3 ), følger det (av cosinussetningen) at u v = u v cos θ der θ [0, π] er vinkelen mellom u og v. Spesielt er u v = 0 cos θ = 0 θ = π/2. 4 / 16
5 Kommentar: Vi skal senere vise Cauchy-Schwarz ulikheten u v u v u v u, v IR n. Den gir at 1 u v 1 Så vinkelen θ [0, π] mellom to ikke-null vektorer u og v i R n kan derfor defineres ved cos θ = u v u v Teorem 2 [Pythagoras teorem]. La u, v IR n. Da gjelder: u, v er ortogonale u + v 2 = u 2 + v 2 Bevises ved å regne ut u + v 2 = (u + v) T (u + v). Eksempel. La u = (2, 1, 0, 2), v = (3, 2, 0, 2) IR 4. Da er u v = = 0, så u og v er ortogonale. (Sjekk Pythagoras her.) 5 / 16
6 Ortogonal komplement Definisjon. La W være et underrom av IR n, og la v IR n. Vi sier at v er ortogonal på W dersom v er ortogonal på alle vektorene i W. Mengden av alle vektorene i IR n som er ortogonale på W kalles det ortogonale komplementet til W og betegnes med W. Eksempel. La W = Span {n} der n = (a, b, c) IR 3, n 0. Da er W planet som går gjennom origo og har n som normalvektor: W = {v IR 3 n v = 0 } = {v IR 3 a v 1 + b v 2 + c v 3 = 0 }. Setter vi M = W, er det geometriskt klart at M = W. Merk: 1) W er alltid et underrom av IR n. 2) Den eneste vektoren som ligger både i W og i W er nullvektoren. 3) Anta at W = Span {w 1,..., w p }. Da gjelder: v W v er ortogonal på alle w j -ene. 6 / 16
7 Teorem 3 [Om de fundamentale underrommene til en matrise]. La A være en m n matrise. Da har vi at (Row A) = Nul A og (Col A) = Nul A T Anvendelse: hvordan bestemme en basis for W : Skriv først W som Col A for en passende A. Bruk deretter at W = (Col A) = Nul A T. Eksempel. La W = Span {a 1, a 2 } der a 1 = (1, 0, 2, 3), a 2 = (0, 1, 1, 4) IR 4. Da er W = Col A, der A = [ ] a 1 a 2. [ ] Så W = (Col A) = Nul A T = Nul Utregning gir W = Nul A T = Span { (2, 1, 1, 0), ( 3, 4, 0, 1) } og disse to vektorene er lineært uavhengige, så de danner en basis for W. 7 / 16
8 6.2 Ortogonale mengder Vi betrakter R n med sitt vanlige indreprodukt (altså prikkproduktet). Definition. En mengde S = {u 1,, u p } av vektorer i R n kalles ortogonal dersom enhver vektor i S er ortogonal på de andre vektorene i S; det vil si at u i u j = 0 for alle i j. Merk: Siden u i u j = u j u i for alle i, j er det nok å sjekke at u i u j = 0 når i < j. En nyttig observasjon : Anta S = {u 1,, u p } er ortogonal og ikke inneholder nullvektoren. Betrakt v = c 1 u c p u p Span S. Da er c j = v u j u j u j for j = 1,..., p. 8 / 16
9 Det gir: Teorem 4. Anta at S = {u 1,, u p } er en ortogonal mengde i R n som ikke inneholder nullvektoren. Da er S lineært uavhengig. Dermed er S en basis for W := Span S. Definisjon. En ortogonal basis for et underrom W av R n er en basis for W som er ortogonal. Teorem 4 sier at dersom S = {u 1,, u p } er en ortogonal mengde i R n som ikke inneholder nullvektoren, så er S en ortogonal basis for W := Span S. Observasjonen på forrige side gir også neste teorem: 9 / 16
10 Teorem 5. Anta at B = {u 1,, u p } er en ortogonal basis for et underrom W av R n. La v W. Da er v = v u 1 u 1 u 1 u v u j u j u j u j + + v u p u p u p u p Merk: Koordinatvektoren til v m.h.p. B er dermed gitt ved ( v u1 [v] B =,, v u j,, v u ) p u 1 u 1 u j u j u p u p Vektoren v u j u j u j u j kan tolkes som den ortogonale projeksjonen av v langs u j. 10 / 16
11 Betrakt nemlig u, v R n, u 0. Definer Da gjelder: v L = Span {u}. v = v u u og q = v v. u u q er ortogonal på u, m.a.o. q L. v = v + q. v kalles den ortogonale projeksjonen av v langs u. q kalles komponenten til v ortogonal på u. Vi skriver ofte Proj L (v) i stedet for v og kaller den også for den ortogonale projeksjonen av v på L. 11 / 16
12 Definisjon. En mengde S = {u 1,, u p } i R n kalles ortonormal dersom S er ortogonal og alle u j -ene er enhetsvektorer. Merk: Dersom en mengde S er ortogonal og ikke inneholder nullvektoren kan vi normalisere S til en ortonormal mengde S ved å normalisere alle vektorene i S til enhetsvektorer. Definisjon. Vi sier at B er en ortonormal basis for et underrom W av R n når B er en basis for W og B er ortonormal. Standardbasisen {e 1,, e n } er f.eks. en ortonormal basis for R n. Merk: Anta at B = {u 1,, u p } er en ortonormal basis for et underrom W i R n. Teorem 5 gir da at hvis v W, så er v = (v u 1 ) u (v u p ) u p. 12 / 16
13 Teorem 6. La U være en m n matrise. Da har U ortonormale kolonner hvis og bare hvis U T U = I. Teorem 7. La U være en m n matrise med ortonormale kolonner, og la x, y R n. Da gjelder: a) U x = x ; b) (U x) (U y) = x y ; c) (U x) (U y) = 0 x y = 0. Definition. En kvadratisk matrise U kalles ortogonal når U er invertibel og U 1 = U T, dvs. når U T U = UU T = I. Merk: La U være en kvadratisk matrise. Da gjelder: U er ortogonal U T U = I U har ortonormale kolonner UU T = I U har ortonormale rader. 13 / 16
14 6.3 Ortogonale projeksjoner Teorem 8 (Ortogonal dekomposisjon) La W være et underrom av R n. Da har enhver v R n en entydig dekomposisjon på formen der ˆv W og q W. v = ˆv + q Hvis {u 1,..., u p } er en ortogonal basis for W, så er ˆv gitt ved og da er q = v ˆv. ˆv = v u 1 u 1 u 1 u v u p u p u p u p Vektoren ˆv kalles den ortogonale projeksjonen av v på W og ˆv betegnes ofte med Proj W (v). Merk: Dersom v W, så er Proj W (v) = v (jf. Teorem 5). 14 / 16
15 Den ortogonale projeksjon av en vektor på et underrom W er enklest å angi når man har valgt en ortonormal basis for W: Teorem 10. La W være et underrom av R n. Anta at {u 1,..., u p } er en ortonormal basis for W. Dann matrisen U = [ u 1 u p ] og la v R n. Da er Merk: Proj W (v) = (v u 1 ) u (v u p ) u p = (UU T ) v UU T er en n n matrise. U T U = I p (siden U har ortonormale kolonner). Teoremet viser at avbildningen v Proj W (v) fra R n inn i R n er lineær og at UU T er dens standardmatrise. 15 / 16
16 En viktig egenskap ved ortogonal projeksjon på et underrom er at det svarer til beste approksimasjon: Teorem 9 (Beste approksimasjon) La W være et underrom av R n, v R n og ˆv = Proj W (v). Da er ˆv den vektoren i W som er nærmest v, i den forstand at for alle w W med w ˆv. v ˆv < v w Vektoren ˆv kalles ofte den beste approksimasjonen til v blant vektorene i W. Teoremet sier at avstanden d(v, w) fra v til en vektor w W oppnår sitt minimum når w = ˆv, og bare da. Man definerer derfor avstanden fra v til W ved d(v, W ) = d(v, ˆv) = v ˆv. 16 / 16
5.8 Iterative estimater på egenverdier
5.8 Iterative estimater på egenverdier Det finnes ingen eksplisitt formel for beregning av egenverdiene til en kvadratisk matrise. Iterative metoder som finner (ofte) en (meget god) approksimasjon til
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
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
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 =
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: MAT 1120 Lineær algebra Eksamensdag: Mandag 5 desember 2016 Tid for eksamen: 09.00 13.00 Oppgavesettet er på 6 sider. Vedlegg:
Detaljer4.4 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 ;
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
Detaljer4.1 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,
DetaljerUNIVERSITETET 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
DetaljerMAT1120 Notat 2 Tillegg til avsnitt 5.4
MAT1120 Notat 2 Tillegg til avsnitt 54 Dette notatet utfyller bokas avsnitt 54 om matriserepresentasjonen (også kalt koordinatmatrisen) til en lineær avbildning mellom to endeligdimensjonale vektorrom
Detaljer4.1 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,
DetaljerMAT1120 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
DetaljerVi 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
Detaljer6.8 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
DetaljerMAT 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
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
Detaljer3.9 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:
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.
DetaljerUNIVERSITY OF OSLO. Faculty of Mathematics and Natural Sciences. Matlab-utskrift (1 side).
UNIVERSITY OF OSLO Faculty of Mathematics and Natural Sciences Examination in: MAT 2 Lineær algebra Day of examination: 9. desember 2. Examination hours: 4.3 8.3. This problem set consists of 6 pages.
Detaljer4.1 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,
Detaljer4.2 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
Detaljer4.1 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,
DetaljerLineærtransformasjoner
Kapittel 8 Lineærtransformasjoner I forrige kapittel begynte vi å formulere lineær algebra på en generell måte, ved å gi en abstrakt definisjon av vektorrom For å beskrive sammenhenger mellom forskjellige
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
Detaljer15 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
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
DetaljerMAT1120 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
Detaljer12 Projeksjon TMA4110 høsten 2018
Projeksjon TMA0 høsten 08 En projeksjon er en lineærtransformasjon P som tilfredsstiller P x = P x for alle x Denne ligningen sier at intet nytt skjer om du benytter lineærtransformasjonen for andre gang,
Detaljer4.4 Koordinatsystemer
4.4 Koordinatsystemer Minner om at B = { b 1, b 2,..., b n } V kalles en basis for et vektorrom V dersom B er lineært uavhengig og B utspenner V. I samme vektorrom kan vi innføre ulike koordinatsystemer
DetaljerDiagonalisering. Kapittel 10
Kapittel Diagonalisering I te kapitlet skal vi anvende vår kunnskap om egenverdier og egenvektorer til å analysere matriser og deres tilsvarende lineærtransformasjoner Eksempel Vi begynner med et eksempel
DetaljerLineær 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
DetaljerUniversitet 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
DetaljerMAT1120 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
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
Detaljer7.1 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
DetaljerMA1201/MA6201 Høsten 2016
MA/MA6 Høsten 6 Norges teknisk naturvitenskapelige universitet Institutt for matematikk Med forebehold om feil Hvis du finner en, ta kontakt med Karin Kapittel 4 8 Vi benevner matrisen vi skal frem til
DetaljerSeksjonene : 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
DetaljerSeksjonene : 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
DetaljerMinste 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).
Detaljer9 Lineærtransformasjoner TMA4110 høsten 2018
9 Lineærtransformasjoner MA4 høsten 8 I forrige kapittel begynte vi å formulere lineær algebra på en generell måte, ved å gi en abstrakt definisjon av vektorrom For å beskrive sammenhenger mellom forskjellige
DetaljerMAT-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.........................
DetaljerMAT-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.............................
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
DetaljerRom 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
DetaljerDagens 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
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
DetaljerTMA4110 Matematikk 3 Haust 2011
Noregs teknisk naturvitskaplege universitet Institutt for matematiske fag TMA4 Matematikk Haust Løysingsforslag Øving Oppgåver frå læreboka kap. 6., s. 7 u v = ( 7)+( 5) ( 4)+( ) 6 = u = +( 5) +( ) = v
DetaljerA 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.
DetaljerGENERELLE 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.
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
DetaljerMAT-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
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:
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
DetaljerNotat2 - 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= 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
Detaljer8 Vektorrom TMA4110 høsten 2018
8 Vektorrom TMA4 høsten 8 I de foregående kapitlene har vi tatt en lang vandring gjennom den lineære algebraens jungel. Nå skal vi gå opp på en fjelltopp og skue ut over landskapet vi har vandret gjennom.
DetaljerKap. 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
DetaljerTMA4110 Eksamen høsten 2018 EKSEMPEL 1 Løsning Side 1 av 8. Løsningsforslag. Vi setter opp totalmatrisen og gausseliminerer: x 1 7x 4 = 0
TMA4 Eksamen høsten 28 EKSEMPEL Løsning Side av 8 Løsningsforslag Oppgave Vi setter opp totalmatrisen og gausseliminerer: 2 2 2 4 2 6 2 4 2 6 2 2 Dette gir likningene og 2 2 4 2 6 7 2. x 7x 4 = x 2 + 2x
Detaljer(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
DetaljerOppgavesett. Kapittel Oppgavesett 1
Kapittel 9 Oppgavesett Dette kapitlet består av fire oppgavesett med oppgaver fra alle deler av kompendiet. 9. Oppgavesett Oppgave. Et dynamisk system er gitt ved x n+ = M x n der M er -matrisen.6.. M
DetaljerGenerelle 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
DetaljerMAT3000/ 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
DetaljerEKSAMEN 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
DetaljerGenerelle teoremer og denisjoner MA1201 Lineær Algebra og Geometri - NTNU Lærebok: Anton, H. & Rorres, C.: Elementary Linear Algebra, 11.
Generelle teoremer og denisjoner MA1201 Lineær Algebra og Geometri - NTNU Lærebok: Anton, H. & Rorres, C.: Elementary Linear Algebra, 11. utgave Jonas Tjemsland 19. november 2014 1 Lineære likningssystemer
DetaljerEksamensoppgave i TMA4115 Matematikk 3
Institutt for matematiske fag Eksamensoppgave i TMA45 Matematikk 3 Faglig kontakt under eksamen: Aslak Bakke Buan a, Morten Andreas Nome b, Tjerand Silde c Tlf: a mobil Aslak, b mobil Morten, c mobil Tjerand
DetaljerEksamensoppgave 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(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
Detaljer6.6 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
DetaljerVektorrom. Kapittel 7. Hva kan vi gjøre med vektorer?
Kapittel 7 Vektorrom Vårt mål i dette kapitlet og det neste er å generalisere og abstrahere ideene vi har jobbet med til nå Især skal vi stille spørsmålet Hva er en vektor? Svaret vi skal gi, vil virke
DetaljerLøsningsforslag øving 7
Løsningsforslag øving 7 8 Husk at en funksjon er injektiv dersom x y gir f(x) f(y), men her ser vi at f(3) 9 f( 3), eller generelt at f(z) z f( z) for alle z C, som betyr at f ikke er injektiv Vi ser også
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
Detaljer10 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
DetaljerLøsninger 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
DetaljerEmne 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
DetaljerNorges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 7 L SNINGSFORSLAG TIL EKSAMEN I SIF5009 MATEMATIKK 3 Bokmål Man
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 7 L SNINGSFORSLAG TIL EKSAMEN I SIF59 MATEMATIKK Bokmål Mandag. desember Oppgave a) Karakteristisk polynom er + = ;
DetaljerA.3.e: Ortogonale egenfunksjonssett
TFY4250/FY2045 Tillegg 2 1 Tillegg 2: A.3.e: Ortogonale egenfunksjonssett Ikke-degenererte egenverdier La oss først anta at en operator ˆF har et diskret og ikke-degeneret spektrum. Det siste betyr at
Detaljerx 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
DetaljerForelesningsnotater SIF8039/ Grafisk databehandling
Forelesningsnotater SIF839/ Grafisk databehandling Notater til forelesninger over: Kapittel 4: Geometric Objects and ransformations i: Edward Angel: Interactive Computer Graphics Vårsemesteret 22 orbjørn
DetaljerEmne 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
DetaljerEgenverdier 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
DetaljerGeometri i rommet. Kapittel Vektorer i R 3. Lengden av v er gitt ved
Kaittel 5 Geometri i rommet I dette kaitlet skal vi konsentrere oss om isometrier i R. Det er stort sammenfall mellom teoriene i og dimensjoner, og mange av resultatene fra forrige kaittel er gyldig også
DetaljerMA1201/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
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
DetaljerUniversitetet 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:
DetaljerMer 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
DetaljerBasis, 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
DetaljerTMA4110 Matematikk 3 Eksamen høsten 2018 Løsning Side 1 av 9. Løsningsforslag. Vi setter opp totalmatrisen og gausseliminerer:
TMA4 Matematikk 3 Eksamen høsten 8 Løsning Side av 9 Løsningsforslag Oppgave Vi setter opp totalmatrisen og gausseliminerer: 8 5 4 8 3 36 8 4 8 8 8 Den siste matrisen her er på redusert trappeform, og
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
DetaljerOversigt [LA] 11, 12
Oversigt [LA] 11, 12 Nøgleord og begreber At diagonalisere en matrix Diagonalisering og egenvektorer Matrixpotens August 2002, opgave 2 Prikprodukt Skalarprodukt Længde Pythagoras formel Cauchy-Schwarz
DetaljerMAT1120 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
DetaljerMer 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
DetaljerLineær 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
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
DetaljerEKSAMENSOPPGAVER 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
DetaljerR: 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
DetaljerMA1202/MA S løsningsskisse
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA0/MA0 0S løsningsskisse Rettet. august 0 Oppgave a) Vi finner det karakteristiske polynomet, λ 0 λ λ λ λ detλi A) λ 0 λ λ
DetaljerOPPGAVER 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
DetaljerMA1201, , 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 =
Detaljer16 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