Obligatorisk oppgave 2
|
|
- Paul Petersen
- 6 år siden
- Visninger:
Transkript
1 Universitetet i Oslo MAT0 Obligatorisk oppgave Skrevet av: Sindre Rannem Bilden 4. oktober 04
2 Først utleder vi hva U T U tilsier, siden U kan skrives kan også U T skrives på formen U = [ u u n ] U T = u T. u T n der u T j er den transponerte av u j for j =,,n Matriseproduktet U T gir derfor en rekke skalarprodukter ved u T v = u v u T. [ u T ] u u T u n u u u u n u u n =..... =..... u T n u T n u u T n u n u n u u n u n Vi ser her at vi har to betingelser for at U skal være en semidiagonal matrise: U T U må være diagonal, som tilsier at u i u j = 0 der j i. Ortogonale vektorer gir akkurat denne egenskapen. U T U må også kun bestå av positive elementer langs hoveddiagonalen. Matematisk blir dette u j u j > 0. Dette løses ved å sette betingelsen u j 0 for j =,,n Ved å se på betingelsene opp mot resultatet av matriseproduktet, faller det ut at u j må være ulik nullvektor og være ortogonal på u i der i j. Da alle vektorer u j må være ortogonale og ulik nullvektor er alle u j j =,,n disse også lineært uavhengige. Da følger det fra Invertibel Matrise Teoremet at U er invertibel. Vi definerer matrisen U = [ u u n] T der alle u j skrives på formen u j = u j u j u j, j =,,n. For å sjekke om U er den inverterte matrisen til U ser vi på matriseproduktet U U U U = u T. [ u T ] u u T u n u u u n =.... u u u n. =..... u T n u T n u u T n u n u n u u n u n
3 Setter først inn for tilfellet utenfor hoveddiagonalen, u j u i der j i u j u i = 0 = 0 u j u j u j u j Setter så inn for hoveddiagonalen, u j u i der j = i u j u j u j u j = u j u j u j u j = Vi ser at dette tilsvarer identitetsmatrisen I og U = U t = π 6 t = π t = 5π 6 cos(t ) cos(t ) sin(t ) sin(t ) sin(t ) C = cos(t ) cos(t ) S = sin(t ) sin(t ) sin(t ) cos(t ) cos(t ) sin(t ) sin(t ) sin(t ) Når man setter inn verdier for t j j =,, får man matrisene C = 0 S = 0 hvor begge kan radreduseres til identitetsmatrisen, som tilsier lineært uavhengige vektorer. Ser også at alle vektorer er ulik nullvektor, som vil si at matrisene er semiortogonale. Ved bruk av det generelle uttrykket for den inverse matrisen gitt i Oppg. får vi matrisene C = 0 S = 0
4 t = linspace(pi/6,5 pi/6,8) C = zeros (8,8); S = zeros (8,8); I = eye (8); for i = :8 6 for j = :8 C(i, j ) = cos (( j ) t( i )); S(i, j ) = sin ( j t( i )); C notnull = true ; S notnull = true ; for j =:8 C sum = 0; S sum = 0; 6 for i=:8 C sum = C sum + abs(c(i, j )); S sum = S sum + abs(s(i, j )); if C sum == 0 C notnull = false ; if S sum == 0 S notnull = false ; 6 if and(c notnull, rref (C) == I ) disp ( C har ortogonale vektorer ulik nullvektor ) disp ( og er derfor invertibel ) C inv = zeros (8,8); for j = :8 cj = C(:, j ); C inv (:, j)=c(:, j )./( transpose ( cj ) cj ); C inv = transpose (C inv) 6 if and(s notnull, rref (S) == I ) disp ( S har ortogonale vektorer ulik nullvektor ) disp ( og er derfor invertibel ) S inv = zeros (8,8); 4 for j = :8 sj = S(:, j ); S inv (:, j)=s(:, j )./( transpose ( sj ) sj ); S inv = transpose (S inv) 46 diary ObOp. txt
5 Programmet skriver ut dette resultatet: Oblig Oppg t = C har ortogonale vektorer ulik nullvektor og er derfor invertibel C inv = S har ortogonale vektorer ulik nullvektor og er derfor invertibel S inv =
6 4 C = {,cos(t),cos(t),,cos(7t)} Om C består av ortogonale funksjoner vil C være lineært uavhengige og en basis for W C. Ortogonalitet kan påvises ved definisjonen på ortogonalitet for funksjoner: f,g = Vi kan se på C som et sett cosinusfunksjoner: b Da kan ortogonalitet vises med uttrykket under: a f(t)g(t) = 0 C = {cos(0t),cos(t),cos(t),,cos(7t)} cos(it), cos(jt) = π cos(x) kan skrives som en kompleks eksponentialfunksjon cos(x) = eix +e ix 0 cos(it)cos(jt) = 0 Siden i kommer i konflikt med indekseringen døpes indeks i til k. Den nye skriveformen gir integralet π 0 ( eikt +e ikt )( eijt +e ijt ) = π ( eit(k+j) +e it(k j) +e it(j k) +e it( k j) ) 0 4 = [ ] e it(k+j) π 4 i(k +j) + eit(k j) i(k j) + eit(j k) i(j k) + eit( k j) i( k j) 0 = [ ] e it(k+j) π 4 i(k +j) e it(k+j) i(k +j) + eit(k j) i(k j) e it(k j) i(k j) 0 = [ e it(k+j) e it(k+j) + eit(k j) e it(k j) ] π 4 i(k +j) i(k j) 0 = [ e iπ(k+j) e iπ(k+j) + eiπ(k j) e iπ(k j) e0 e 0 4 i(k +j) i(k j) i(k +j) + e0 e 0 ] i(k j) = [ e iπ(k+j) e iπ(k+j) + eiπ(k j) e iπ(k j) ] 4 i(k +j) i(k j) 5
7 Ved eulers formel kan e ix skrives e ix = cos(x)+isin(x) e iπ(k+j) = cos(π(k +j))+isin(π(k +j)) e iπ(k+j) = cos( π(k +j))+isin( π(k+j)) og tilsvare for det andre leddet. Når dette settes inn i uttrykket fås: = +j)+isin(π(k +j) cos( π(k +j)) isin( π(k+j)) [cos(π(k 4 i(k +j) cos(π(k j)+isin(π(k j) cos( π(k j)) isin( π(k j)) + ] i(k j) Sinusfunskjonene vil alltid være lik 0 siden ±π(k±j) vil være et helt antall π. = [ ] cos(π(k +j) cos( π(k +j)) cos(π(k j) cos( π(k j)) + 4 i(k +j) i(k j) Videre kan man se at både cos(π(k +j og cos( π(k +j)) kan skrives som ( ) (k+j), tilsvare for (k j). Da kan utrykket forenkles til = [ ( ) (k+j) ( ) (k+j) + ( )(k j) ( ) (k j) ] = 0 4 i(k +j) i(k j) Dermed er det vist at C er ortogonal og derfor lineært uavhengig, siden C spenner ut W C er C en basis for W C. 5 Matrisen til T C, med hensyn på C og ε kan skrives: C TC = [[ T(C ) ] ε [T(C 8 ) ] ] ε C (t ) C 8 (t ) C TC =.. C (t 8 ) C ε 8 (t 8 ) ε cos(0t ) cos(7t ) C TC = = C. cos(0t 8 ). cos(7t 8 ) C er koordinatmatrisen til T C og siden C er inverterbar (Oppg. ) er T C en isomorfi. 6
8 6 Når vi har y = ( g(t ),,g(t 8 ) ) R 8 som definerer punktene g C må gå gjennom for å oppfylle kravet til en midtpunkinterpolasjon av g. g C (t ) = g(t ),,g C (t 8 ) = g(t 8 ) Med andre ord må T C (g C ) = ( g(t ),,g(t 8 ) ) T C (g C ) = T C (T C (y)) T C (T C (y)) = T C(T ( C g(t ),,g(t 8 ) ) T C (T C (y)) = ( g(t ),,g(t 8 ) ) T C (g C ) = ( g(t ),,g(t 8 ) ) Ser så om g C tilfredstiller [ g C] C = C y [ g C ] C = [ T C (y)] C ] [ T C (y)] C = [ T C C [ y ]ε = [ T C Fra Notat ser bruker vi at [ TC ]C = [ ] T C og vet fra Oppg. 5 at [ ] T C C = C C [ g C ] C = C y ] C y 7
9 7 For at V l og V o skal være underrom må tre kriterier være oppfylt. a) Nullvektoren 0 i V ligger i V l og V o. b) V l og V o er lukket under addisjon. c) V l og V o er lukket under multiplikasjon med skalar. I oppgaveteksten er a) oppfylt, i tillegg kan b) og c) vises lett: b) f( t) = f(t) g( t) = g(t) h( t) = f( t)+g( t) h(t) = f(t)+g(t) = f( t)+g( t) = h( t) h(t) = h( t) c) f( t) = f(t) c R h = cf h(t) = cf(t) = cf( t) = h( t) h(t) = h( t) Tilsvare kan vises for f( t) = f(t), dermed er V l og V o underrom for V. 8
10 [T(f)](t) = f( t) V l = {f V T(f) = f} f l = ( ) f +T(f) Om f l ligger i V l må kravet om f( t) = f(t) være oppfylt for alle t. f l ( t) = Tilsvare for f o. Legges f l og f o sammen fås ( ) ( ) f( t)+f( ( t)) = f(t)+f( t) = fl (t) f l (t)+f o (t) = ( ) ( ) f(t)+[t(f)](t) + f(t) [T(f)](t) = f(t)+[t(f)](t)+f(t) [T(f)](t) = f(t) = f(t) Vi sjekker om f ( 6) stemmer godt for cos(t) og t på F 9
11 8 t list = linspace(pi/6,5 pi /6,8); 4 f = inline ( ( pi.ˆ t.ˆ). exp(t./(. pi )), t ); f ell = 0.5 ( f ( t list)+f( t list )); f o = 0.5 ( f ( t list) f( t list )); y c = (C inv ( f ell ) ) ; 9 y s = (S inv ( f o ) ) ; f 6 y c()+y c () cos(t)+y c () cos( t)+y c (4) cos( t )+... y c (5) cos(4 t)+y c (6) cos (5 t)+y c (7) cos(6 t)+y c (8) cos(7 t )+... y s () sin ( t)+y s () sin ( t)+y s () sin ( t)+y s (4) sin (4 t ) y s (5) sin (5 t)+y s (6) sin (6 t)+y s (7) sin (7 t)+y s (8) sin (8 t) start = pi ; stop = pi ; dt = 0.ˆ( ); 9 n = (stop start )/dt ; t = linspace(start, stop,n); h = figure ; plot(t, f (t), r,t, f 6 (t ), b ) 4 saveas (h, oppg8 plot, eps )
12 9 t list = linspace(pi/6,5 pi /6,8); f = inline ( t. exp(t/ pi ), t ); f ell = 0.5 ( f ( t list)+f( t list )); 6 f o = 0.5 ( f ( t list) f( t list )); y c = (C inv ( f ell ) ) ; y s = (S inv ( f o ) ) ; f 6 y c()+y c () cos(t)+y c () cos( t)+y c (4) cos( t )+... y c (5) cos(4 t)+y c (6) cos (5 t)+y c (7) cos(6 t)+y c (8) cos(7 t )+... y s () sin ( t)+y s () sin ( t)+y s () sin ( t)+y s (4) sin (4 t )+... y s (5) sin (5 t)+y s (6) sin (6 t)+y s (7) sin (7 t)+y s (8) sin (8 t) 6 start = pi ; stop = pi ; dt = 0.ˆ( ); n = (stop start )/dt ; t = linspace(start, stop,n); h = figure ; plot(t, f (t), r,t, f 6 (t ), b ) saveas (h, oppg9 plot, eps )
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,
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
DetaljerForelesning i Matte 3
Forelesning i Matte 3 Determinanter H. J. Rivertz Institutt for matematiske fag 1. februar 008 Innhold 1. time 1 Determinanter og elementære radoperasjoner Innhold 1. time 1 Determinanter og elementære
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,
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.
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
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
DetaljerKap. 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
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,
Detaljer5.8 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
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
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
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
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
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,
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
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
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
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
DetaljerMatriser. Kapittel 4. Definisjoner og notasjon
Kapittel Matriser Vi har lært å løse et lineært ligningssystem ved å sette opp totalmatrisen til systemet gausseliminere den ved hjelp av radoperasjoner på matrisen Vi skal nå se nærmere på egenskaper
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
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
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
DetaljerEksamensoppgave i TMA4110/TMA4115 Calculus 3
Institutt for matematiske fag Eksamensoppgave i TMA4110/TMA4115 Calculus 3 Faglig kontakt under eksamen: Markus Szymik Tlf: 411 16 793 Eksamensdato: August 2018 Eksamenstid (fra til): 09:00 13:00 Hjelpemiddelkode/Tillatte
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
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
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
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.
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
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
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
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
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 ;
DetaljerForelesningsnotat i Diskret matematikk 27. september 2018
Kvadratiske matriser Hvis en matrise A er kvadratisk kan den multipliseres med seg selv. Vi skriver vanligvis A 2 istedenfor AA, A 3 istedenfor AAA, osv. Spesielt er A 1 = A. Enhetsmatriser, også kalt
DetaljerTMA4110 Matematikk 3 Haust 2011
Noregs teknisk naturvitskaplege universitet Institutt for matematiske fag TMA40 Matematikk 3 Haust 0 Løysingsforslag Øving Oppgåver frå læreboka kap 5, s 7-73 5 Eigenrommet som svarar til λ = 5 er det
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
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i MAT111 Prøveeksamen Eksamensdag: 5. juni 21. Tid for eksamen: 1. 13.3. Oppgavesettet er på 9 sider. Vedlegg: Tillatte hjelpemidler:
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
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
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
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
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
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
DetaljerMAT1120 Oppgaver til plenumsregningen torsdag 18/9
MAT1120 Oppgaver til plenumsregningen torsdag 18/9 Øyvind Ryan (oyvindry@i.uio.no) September 2008 Oppgaver fra 4.8 Teorem 16 s. 282: y k+n + a 1 y k+n 1 + + a n 1 y k+1 + a n y k = z k har alltid en løsning
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.
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
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
DetaljerLøsningsforslag: MAT 1110 Obligatorisk oppgave 2, V-12
Løsningsforslag: MAT 0 Obligatorisk oppgave, V- Oppgave a Siden f har en annenderivert, må både funksjonen selv og dens deriverte være kontinuerlige, og det sikrer at vi i regningene nedenfor har 0 0 -uttrykk:
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
Detaljer13 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
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
DetaljerMAT 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
DetaljerLøsningsforslag MAT 120B, høsten 2001
Løsningsforslag MAT B, høsten Sett A = ( ) (a) Finn egenverdiene og egenvektorene til A ( ) λ =, e = ( λ =, e = ) (b) Finn matrisen e ta og den generelle løsningen på initialverdiproblemet Ẋ = AX, X()
DetaljerMAT Grublegruppen Notat 6
MAT00 - Grublegruppen Notat 6 Jørgen O. Lye Vektorrom og indreprodukt Vektorrom Vi trenger å si litt om vektorrom og indreprodukt for å formulere Fourierrekker. Denisjonen av vektorrom kan man tenke på
Detaljer12 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
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
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
DetaljerMatriser En matrise er en rektangulær oppstilling av tall og betegnes med en stor bokstav, f.eks. A, B, C,.. Eksempler:
Matriser En matrise er en rektangulær oppstilling av tall og betegnes med en stor bokstav, f.eks. A, B, C,.. Eksempler: Tallene i en matrise kalles matriseelementer eller bare elementer. En matrise har
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
DetaljerMA1201/MA6201 Høsten 2016
MA121/MA621 Høsten 216 Norges teknisk naturvitenskapelige universitet Institutt for matematikk Med forebehold om feil. Hvis du finner en, ta kontakt med Karin. Kapittel 2.3 1 b) c) d) 1 3 1 1 3 1 A I 2
Detaljer=cos. =cos 6 + i sin 5π 6 = =cos 2 + i sin 3π 2 = i.
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 9 L SNINGSFORSLAG TIL EKSAMEN I SIF59 MATEMATIKK Bokmål Fredag. desember Oppgave a) Vi har z = i r e iθ = e i π r =,
DetaljerMatriser En matrise er en rektangulær oppstilling av tall og betegnes med en stor bokstav, f.eks. A, B, C,.. Eksempler:
Matriser En matrise er en rektangulær oppstilling av tall og betegnes med en stor bokstav, f.eks. A, B, C,.. Eksempler: Tallene i en matrise kalles elementer. En matrise har rader (vannrett, horisontalt)
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: MAT Kalkulus og lineær algebra Eksamensdag: Onsdag 9 mai 9 Tid for eksamen: 4:3 8:3 Oppgavesettet er på 7 sider Vedlegg: Tillatte
DetaljerOppgaver MAT2500. Fredrik Meyer. 29. august 2014
Oppgaver MAT500 Fredrik Meyer 9. august 04 Oppgave. Bruk cosinus-setningen til å se at definisjonen av vinkel i planet blir riktig. Løsning. Dette er en litt rar oppgave. Husk at cosinus-setningen sier
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
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.
DetaljerLøsningsforslag til eksamen i MA1202/MA6202 Lineær algebra med anvendelser våren 2009.
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av Løsningsforslag til eksamen i MA22/MA622 Lineær algebra med anvendelser våren 29 Oppgave a) Rangen til A er lik antallet
DetaljerHøgskolen i Oslo og Akershus. 1 (x 2 + 1) 1/2 + x 1 2 (x2 + 1) 1/2 (x 2 + 1) = x 2x 2 x = = 3 ln x sin x
Løysingsforslag til eksamen i matematikk, mai 4 Oppgåve a) i) ii) f(x) x x + x(x + ) / ( f (x) x (x + ) / + x (x + ) /) g(x) ln x sin x x (x + ) / + x (x + ) / (x + ) x + + x x x + x + + x x + x + x +
Detaljer5.5 Komplekse egenverdier
5.5 Komplekse egenverdier Mange reelle n n matriser har komplekse egenverdier. Vi skal tolke slike matriser når n = 2. Ved å bytte ut R med C kan man snakke om komplekse vektorrom, komplekse matriser,
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 BERGEN Det matematisk-naturvitenskapelige fakultet. Eksamen i MAT111 Grunnkurs i matematikk I Løsningsforslag
UNIVERSITETET I BERGEN Det matematisk-naturvitenskapelige fakultet Eksamen i MAT Grunnkurs i matematikk I Løsningsforslag Onsdag 9. mai, kl. 9. 4. Bokmål Oppgave a) La R være området mellom kurvene Finn
DetaljerTMA4100 Matematikk 1 Høst 2014
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA400 Matematikk Høst 04 Løsningsforslag Øving 04 30 For å vise at f er en injektiv one-to-one funksjon, ser vi på den deriverte,
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,
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
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:
DetaljerMAT1110. Obligatorisk oppgave 1 av 2
30. mai 2017 Innleveringsfrist MAT1110 Obligatorisk oppgave 1 av 2 Torsdag 23. FEBRUAR 2017, klokken 14:30 i obligkassen, som står i gangen utenfor ekspedisjonen i 7. etasje i Niels Henrik Abels hus. Instruksjoner
Detaljer18. (og 19.) september 2012
Institutt for geofag Universitetet i Oslo 18. (og 19.) september 2012 Litt repetisjon: Array En array er en variabel som inneholder flere objekter (verdier) En endimensjonal array er en vektor En array
DetaljerEksamensoppgave i MA1101 Grunnkurs i analyse
Institutt for matematiske fag Eksamensoppgave i MA1101 Grunnkurs i analyse Faglig kontakt under eksamen: Kari Hag Tlf: 48 30 19 88 Eksamensdato: 15. oktober 018 Eksamenstid (fra til): 17:30 19:00 Hjelpemiddelkode/Tillatte
DetaljerObligatorisk innlevering 3 - MA 109, Fasit
Obligatorisk innlevering - MA 9, Fasit Vektorer Oppgave: Avgjør om, og er lineært uavhengige Dette er spørsmålet om det finnes vekter x, x, x - ikke alle lik - slik at x + x + x = Vi skriver det på augmentert
DetaljerMAT-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
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
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
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
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
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
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
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
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
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
DetaljerEgenverdier og egenvektorer
Kapittel 9 Egenverdier og egenvektorer Det er ofte hensiktsmessig å tenke på en matrise ikke bare som en tabell med tall, men som en transformasjon av vektorer Hvis A er en m n-matrise, så gir A en transformasjon
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:
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
DetaljerMAT Oblig 1. Halvard Sutterud. 22. september 2016
MAT1110 - Oblig 1 Halvard Sutterud 22. september 2016 Sammendrag I dette prosjektet skal vi se på anvendelsen av lineær algebra til å generere rangeringer av nettsider i et web basert på antall hyperlinker
DetaljerMAT 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,
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
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:
DetaljerMA0002 Brukerkurs i matematikk B Vår 2014
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA000 Brukerkurs i matematikk B Vår 04 Løsningsforslag. Eksamen 6. mai Løsning: Oppgave a) dy dx y y y )y ) : gy), så likevektsløsningene
Detaljer