Løsning Eksamensrelevante oppgaver i ELE 3719 Matematikk Vektorer, matriser og lineær algebra Dato Februar Oppgave 1. (A) Vi leser av at

Like dokumenter
Institutt for Samfunnsøkonomi

Vær OBS på at svarene på mange av oppgavene kan skrives på flere ulike måter!

Fasit til utvalgte oppgaver MAT1110, uka 13/4-16/4

Eksamen i ELE Matematikk valgfag Torsdag 18. mai Oppgave 1

Oppgave 1. e rt = 120e. = 240 e

UNIVERSITET I BERGEN

UNIVERSITETET I OSLO

TMA4110 Eksamen høsten 2018 EKSEMPEL 1 Løsning Side 1 av 8. Løsningsforslag. Vi setter opp totalmatrisen og gausseliminerer: x 1 7x 4 = 0

MET Matematikk for siviløkonomer

MET Matematikk for siviløkonomer

Forelesning 14 Systemer av dierensiallikninger

Eksamensoppgave MAT juni 2010 (med løsningsforslag)

13 Oppsummering til Ch. 5.1, 5.2 og 8.5

MA1201/MA6201 Høsten 2016

MAT1120 Oppgaver til plenumsregningen torsdag 25/9

1. Finn egenverdiene og egenvektorene til matrisen A = 2 1 A =

TMA4110 Matematikk 3 Eksamen høsten 2018 Løsning Side 1 av 9. Løsningsforslag. Vi setter opp totalmatrisen og gausseliminerer:

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra

Oppgave 1. = 2(1 4) = 6. Vi regner også ut de andre indreproduktene:

UNIVERSITETET I OSLO

LO510D Lin.Alg. m/graf. anv. Våren 2005

Løsningsforslag for eksamen i Matematikk 3 - TMA4115

Øving 3 Determinanter

Oppgave 1. f(2x ) = f(0,40) = 0,60 ln(1,40) + 0,40 ln(0,60) 0,0024 < 0

Forelesning 10 Cramers regel med anvendelser

MAT Prøveeksamen 29. mai - Løsningsforslag

2 3 2 t der parameteren t kan være et vilkårlig reelt tall. i) Finn determinanten til M. M =

Oppgave 1. (a) Vi løser det lineære systemet for a = 1 ved Gauss-eliminasjon. Vi nner først den utvidede matrisen: x A =

Lineær Algebra og Vektorrom. Eivind Eriksen. Høgskolen i Oslo, Avdeling for Ingeniørutdanning

12 Diagonalisering av matriser og operatorer (Ch. 5.1, 5.2 og 8.5)

MAT-1004 Vårsemester 2017 Prøveeksamen

7 Egenverdier og egenvektorer TMA4110 høsten 2018

Oppgave 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.

UNIVERSITETET I OSLO

Egenverdier og egenvektorer

ELE Matematikk valgfag

Løsninger for eksamen i MAT Lineær algebra og M102 - Lineær algebra, fredag 28. mai 2004, Oppgave 1. M s = = 1 2 (cofm 2) T.

Diagonalisering. Kapittel 10

Lineær algebra. 0.1 Vektorrom

MET Matematikk for siviløkonomer

y(x + y) xy(1) (x + y) 2 = x(x + y) xy(1) (x + y) 3

UNIVERSITETET I OSLO

R: 0, , = 6000 D : 0, , = 4000 La v n = angi fordelingen etter n år (dvs. a b n stemmer for R og

Egenverdier for 2 2 matriser

Løsningsforslag MAT 120B, høsten 2001

MET Matematikk for siviløkonomer

=cos. =cos 6 + i sin 5π 6 = =cos 2 + i sin 3π 2 = i.

Eksamensoppgave i TMA4115 Matematikk 3

Lineære likningssystemer og matriser

Fasit MAT102 juni 2016

Matriser og Kvadratiske Former

Lineær algebra-oppsummering

Høgskolen i Oslo og Akershus. e 2x + x 2 ( e 2x) = 2xe 2x + x 2 e 2x (2x) = 2xe 2x + 2x 2 e 2x = 2xe 2x (1 + x) 1 sin x (sin x) + 2x = cos x

Oppgave 1 (25 %) - Flervalgsoppgaver

MAT UiO. 10. mai Våren 2010 MAT 1012

MAT-1004 Vårsemester 2017 Prøveeksamen

Oppgave 1. (a) Vi løser det lineære systemet for a = 1 ved Gauss-eliminasjon. Vi nner først den utvidede matrisen: x A =

MA1201 Lineær algebra og geometri Løsningsforslag for eksamen gitt 3. desember 2007

EKSAMEN I TMA4110 MATEMATIKK 3 Bokmål Fredag 4. desember 2009 løsningsforslag

MAT Vår Oblig 1. Innleveringsfrist: Fredag 19.februar kl. 1430

ELE Matematikk valgfag

Institutt for Samfunnsøkonomi. Utlevering: Kl. 09:00 Innlevering: Kl. 14:00

A 2 = PDP 1 PDP 1 = PD 2 P 1. og ved induksjon får vi. A k = PD k P 1. Kommentarer:

LØSNINGSFORSLAG EKSAMEN MA1202/MA6202 VÅR 2010

y(x) = C 1 e 3x + C 2 xe 3x.

MA0002 Brukerkurs i matematikk B. Eksamen 28. mai 2016 Løsningsforslag. Oppgave 1

n=0 n=1 n + 1 Vi får derfor at summen er lik 1/2. c)

TMA4110 Matematikk 3 Haust 2011

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

Løsningsforslag øving 7

Lineære likningssett.

Høgskolen i Oslo og Akershus. = 2xe 2x + x 2 e 2x (2x) = 2xe 2x + 2x 2 e 2x = 2xe 2x (1 + x) e 2x + x 2 ( e 2x) 1 sin x (sin x) + 2x = cos x

Til enhver m n matrise A kan vi knytte et tall, rangen til A, som gir viktig informasjon.

6.6 Anvendelser på lineære modeller

UNIVERSITY OF OSLO. Faculty of Mathematics and Natural Sciences. Matlab-utskrift (1 side).

UiO MAT1012 Våren Ekstraoppgavesamling

Løsningsforslag. e n. n=0. 3 n 2 2n 1. n=1

UNIVERSITETET I OSLO

EKSAMEN. 1 Om eksamen. EMNE: MA2610 FAGLÆRER: Svein Olav Nyberg, Trond Stølen Gustavsen. Klasser: (div) Dato: 24. mai 2004 Eksamenstid:

4 Matriser TMA4110 høsten 2018

Gauss-Jordan eliminasjon; redusert echelonform. Forelesning, TMA4110 Fredag 18/9. Reduserte echelonmatriser. Reduserte echelonmatriser (forts.

UNIVERSITETET I OSLO

Kapittel 3. Mer om egenverdier og egenvektorer. 3.1 Komplekse n-tupler og vektorer

Obligatorisk innleveringsoppgave, løsning Lineær algebra, Våren 2006

10 Radrommet, kolonnerommet og nullrommet

7.1 forts. Schur triangularisering og spektralteoremet

EKSAMENSOPPGAVE. to A4 ark egne notater og Rottmanns tabeller. Kontaktperson under eksamen: Professor Andrei Prasolov. Telefon:

Løsningsforslag MAT102 Vår 2018

3x + 2y 8, 2x + 4y 8.

Løsningsforslag. Oppgave 1 Gitt matrisene ] [ og C = A = 4 1 B = 2 1 3

MAT-1004 Vårsemester 2017 Obligatorisk øving 2

Lineær uavhengighet og basis

Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 7 L SNINGSFORSLAG TIL EKSAMEN I SIF5009 MATEMATIKK 3 Bokmål Man

Løsningsforslag til eksamen i MA1202/MA6202 Lineær algebra med anvendelser høsten 2009.

Digital Arbeidsbok i ELE 3719 Matematikk

tma4110 Matematikk 3 Notater høsten 2018 Øystein Skartsæterhagen Morten Andreas Nome Paul Trygsland

4.2 Nullrom, kolonnerom og lineære transformasjoner

12 Projeksjon TMA4110 høsten 2018

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

Lineære ligningssystemer. Forelesning, TMA4110 Torsdag 17/9. Lineære ligningssystemer (forts.) Eksempler

Transkript:

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 = ( 6 0 x + 0 8) y 0 = 5 (B) Den karakterstiske likningen til A er gitt ved 3 λ 5 5 9 λ = λ + λ + = 0 6x + 0y + 0 0x 8y + 5 Dermed er egenverdiene til A gitt ved λ = 6 ± 3 < 0. Siden begge egenverdier er negative, er A negativ semidenit (og også negativ denit). (C) Vi har at det(a) = 0, så A er invertibel. Dermed har π et entydig stasjonært punkt, gitt ved Ax + B T = 0 x = A B T Ettersom A er negativ (semi)denit, er π konkav og det stasjonære punktet x = A B T er et maksimum. Vi nner at x = 9 5 0 = 9 0 5 5 76.5 = 5 3 5 5 0 3 5 3.75 Dette gir maksimal verdi π(x, y ) = π(76.5, 3.75) = 069.375. Oppgave. (A) Den karakteristiske likningen til A er gitt ved λ 0 3 λ 0 9 λ = (3 λ)(λ λ 35) = 0 Dermed er egenverdiene til A gitt ved λ = 3 og λ = ± 36. Altså er λ = 3 en egenverdi, og de andre egenverdiene er λ = 7 og λ = 5. (B) Egenvektorene for λ = 3 er gitt ved det lineære systemet (A 3I)x = 0 0 0 0 9 x y = 0 0 z 0 Vi ser at at andre likning er irrelevant og kan tas bort, og at z er fri parameter siden 9 0 Vi løser de to gjenværende likningene for x og y og får x = z/7, y = 6z/7

Når vi setter z = t for den frie variabelen z, får vi dermed at egenvektorene for λ = 3 kan skrives som x y = t/7 6t/7 = 6 t z t 7 7 (C) Anta v, w 0 og at Av = λ v, Aw = λ w med λ λ. Vi skal vise at vektorene v, w er lineært uavhengige. Hvis de er lineært avhengige, så er v = cw for en c 0. Dette gir og dermed Av = A (cw) = caw λ v = cλ w = λ (cw) = λ v Vi kan skrive dette som (λ λ )v = 0, og dette er ikke mulig siden v 0 og λ λ. Dermed er v og w lineært uavhengige. Oppgave 3. (A) Vektorene {v, v, v 3 } er lineært uavhengige hvis og bare hvis det(t ) 0. Vi regner ut 3 h det(t ) = h h = (h ) h (3h h) + (3 h) = h + Dermed er vektorene lineært avhengige når h + = 0, det vil si når h = ±, og vektorene er lineært uavhengige når h ±. (B) Vi ser på matrisen med vektorene {T v, T v, T v 3 } som kolonner: ( T v T v T v 3 ) = T ( v v v 3 ) = T T = T Når h = har denne matrisen determinant det(t ) = det(t ) = ( h + ) = 36 0 Dermed er vektorene {T v, T v, T v 3 } lineært uavhengige når h =. Oppgave. (A) Den karakterstiske likningen til A er gitt ved 5 λ 0 3 λ 0 λ = (3 λ)(λ 9λ + 8) = 0 Dermed er egenverdiene til A gitt ved λ = 3, λ = 6, og dette viser at λ = 3 er en egenverdi. Alternativt kan man vise at λ = 3 er en egenverdi ved å sjekke at det(a 3I) = 0. Vi regner ut egenvektorene til A med egenverdi λ = 3 ved å løse likningssystemet (A 3I)x = 0 0 0 0 x y = 0 0 z 0 Vi ser at at andre likning er irrelevant og kan tas bort, og at tredje likning er første likning multiplisert med, og dermed også irrelevant. Derfor kan vi velge y = s og z = t som frie parametre, og når vi løser første likning for x får vi x = y + z x = s + t Vi får dermed at egenvektorene for λ = 3 kan skrives som x y = s + t s = s + 0 t z t 0

(B) Vi har at B = A T A = 5 0 3 5 9 7 3 0 3 0 = 7 5 0 3 5 7 Siden det(b) = det(a T A) = det(a T ) det(a) = det(a) = = 96 0 så følger det at B er invertibel. Videre har vi B = (A T A) = A (A T ) = A (A ) T Vi regner ut A ved hjelp av den adjungerte matrisen: A = 3 3 0 8 0 6 3 5 Dette gir B = 3 3 0 8 0 6 3 5 0 6 3 8 3 3 0 5 = 3 6 5 Alternativt kunne vi beregnet det(b) og B direkte, uten å gå veien om A. (C) Vi har at de stasjonære punktene for f er gitt ved f x = Bx + 6 6 = 0 x = B 6 6 = siden B er invertibel. (D) Når vi setter y = Ax, så har vi x T Bx = x T A T Ax = (Ax) T (Ax) = y T y 0 siden y T y = y + y + y 3 0. Dermed er den kvadratiske formen positiv semidenit. Siden det(b) = 0, så er ingen av egenverdiene til B null, og dermed er den kvadratiske formen til B også positiv denit. Oppgave 5. (A) Vektorene {v, v, v 3, v } er lineært avhengige hvis og bare hvis minst en av vektorene kan skrives som en lineær-kombinasjon av de tre andre. Vi forsøker å skrive v = c v +c v +c 3 v 3 : = c 0 + c 0 + c 3 = 0 0 c c 3 3 7 3 3 7 c 3 Siden koesientmatrisen har determinant 0 0 = (7 + ) + 3(0 + ) = 0 3 7 så har likningssystemet en løsning, og dermed er vektorene {v, v, v 3, v } lineært avhengige. (B) Regningen i oppgave a) viser at {v, v, v 3 } er lineært uavhengige: Siden determinanten i a) er ulik null, har likningen 0 = c v + c v + c 3 v 3 kun løsningen c = c = c 3 = 0. 3

Oppgave 6. (A) Vi vet at λ = er egenverdi for A hvis og bare hvis det(a I) = 0. Vi regner ut det(a I): 6 6 8 = 6 6 6 = 0 siden alle radene i matrisen er like. Dette viser at λ = er en egenverdi for A. (B) Vi regner ut det karakteristiske polynomet det(a λi): λ 6 λ 6 8 λ = ( λ)(λ 9λ + ) ( (8 λ) + 6) + ( 6 6( λ)) Vi vet at λ er en faktor i det karakteristiske polynomet, og vi forsøker derfor å forenkle og faktorisere polynomet: ( λ)(λ )(λ 7) (λ ) + (λ ) = (λ ) [( λ)(λ 7) + ] De andre egenverdiene er derfor gitt ved ( λ)(λ 7) + = 0 λ + λ 8 = 0 Dette gir λ = and λ = 9. Dermed er alle egenverdiene for A gitt ved og det(a) = λ λ λ 3 = 9 = 36. λ =, λ =, λ 3 = 9 Oppgave 7. (A) Vi regner ut det(a) ved å utvikle determinanten langs tredje kolonne: 3 t A = t + 0 = ((t + ) (t + )) + (3(t + ) (t)) = 6t + t + Vi ser kolonnevektorene er lineært uavhengige for t og lineært avhengige for t =, siden A = 0 hvis og bare hvis t =. (B) Vi nner egenverdiene til A når t = ved å løse den karakteristiske likningen 3 λ λ 0 = ( + λ) + ( λ)( λ(3 λ) + 8) = 0 λ Denne likningen kan skrives som λ 8 + ( λ)(λ 3λ + 8) = λ 3 + λ 9λ = 0, og dette gir λ = 0 eller λ λ + 9 = 0. Egenverdiene til A når t = er gitt ved λ = 0, siden λ λ + 9 = 0 ikke har noen løsning. Oppgave 8. (A) Vektoren Q/ x av første ordens partielle deriverte til Q er gitt ved Ax, hvor A er den symmetriske matrisen til Q. Vi nner at A og den deriverte vektoren er gitt ved 0 0 0 0 A = 3 0 0 0 0 7 Q x = Ax = 6 0 0 0 0 x 0 0 0 0 8 De stasjonære punktene til Q er gitt ved Ax = 0, og den eneste løsningen av denne likningen er x = /(A 0) = 0 siden vi har 0 0 A = 3 0 0 0 0 7 = ( ) ( 3)(7 ( ) ) (7 ( ) ) = 0 0 0 De stasjonære punktene for Q er derfor x = 0.

(B) Vi avgjør om Q er positiv (semi)denit, negativ (semi)denit eller indenit ved å se på fortegnene til egenverdiene til A. Den karakteristiske likningen er gitt ved λ 0 0 3 λ 0 0 0 0 7 λ = (λ + λ + )(λ λ + 7) = 0 0 0 λ og egenverdiene er derfor gitt ved λ +λ+ = 0, som gir λ = ± < 0, og λ λ+7 = 0, som gir λ = / ± 3/ > 0. Siden A har to positive og to negative egenverdier, så er Q indenit. Oppgave 9. (A) Vi utvikler determinanten langs første kolonne og dette gir det(a) = ( + 3) s( + 3s) + ( + s) = 3s + 3s Likningen AX = I har løsninger hvis og bare hvis det(a) 0, og vi ser dette ved følgende argument: Hvis det(a) 0, så er A invertibel og X = A I = A er en løsning. Hvis det(a) = 0, så kan ikke likningen ha løsning, for i så fall er det(ax) = det(i) =, men vi har det(ax) = det(a) det(x) = 0. Til slutt ser vi at det(a) = 0 for s = 0 og s =, så matriselikningen har løsning for s 0,. (B) Med utgangspunkt i de tre datapunktene denerer vi X og y ved X = 0, y = 5 3 Dermed blir X T X = 3 5 5 3 med det(x T X) = 0, og beste tilpasning er gitt ved β0 = (X β T X) (X T y) = ( 3 5 6 = 5 3 ) Altså er den beste tilpasningen y = 73/ 7/ x = 5..93 x. 73 7 Oppgave 0. (A) Den symmetriske matrisen A blir A = a 0 a 0 0 a 0 a Egenverdiene til A er gitt ved a λ 0 a 0 λ 0 a 0 a λ = ( λ)(λ aλ + (a (a ) )) = 0 som gir λ = og λ = a ± a (a (a ) ) = a ± a = a ± (a ) =, a. Når a = 3 blir egenverdiene λ =, λ = og λ =. (B) Den kvadratiske formen er positiv denit om alle egenverdier er positive, og dette vil skje om a >. Når a < så har A både postive og negative egenverdier, og A er indenit. Om a =, så er egenverdiene λ =, λ = og λ = 0, og A er da hverken positiv denit, negativ denit eller indenit (men positiv semidenit). 5

Oppgave. (A) Vi utvikler determinanten langs første kolonne og dette gir det(a) = (9a 3a ) (9 3) + (a a) = a + 8a 6 Vi vet at A er inverterbar når det(a) 0. Siden det(a) = 0 for a = og a = 3, er A inverterbar for a, 3. (B) Med utgangspunkt i de tre datapunktene denerer vi X og y ved 0 0 X = 0 0, y = 3 Vi regner ut X T X og X T y, og nner at X T X = 0, X T y = 0 5 0 Vi ser at det(x T X) = 0, så beste tilpasning er gitt ved β 0 β = (X T X) (X T y) = 3 8 0 5 = 3 β Altså er den beste tilpasningen y = 3 x + x. Oppgave. (A) Vi velger matrisen A symmetrisk, og får dermed at f(x) = x T Ax + Bx + c der A = 0 0 0, B = ( 0 3 ), c = 0 3 De stasjonære punktene er gitt ved f/ x = Ax + B T = 0, og dette gir Ax = B T 0 0 0 x = 0 0 6 3 Siden det(a) = (3 ) = 0, så er A inverterbar og det er et eneste stasjonært punkt. Vi nner dette ved å løse det lineære likningssystemet, for eksempel ved hjelp av Gauss-eliminasjon, og nner x = x x = 3/ 0 / (B) Vi regner ut egenverdiene til A for å klassisere den kvadratiske formen, og får λ 0 0 λ 0 0 3 λ = ( λ)(λ + λ + ) = 0 x 3 Dette gir egenverdier λ = og λ = ( ± 6 8)/ = ±. Siden alle egenverdier er negative, er A negativ denit, og det stasjonære punktet er dermed et (globalt) maksimumspunkt. 6

Oppgave 3. (A) Vi utvikler determinanten langs første kolonne og dette gir det(a) = (9 + 6s) + (s s) = s 8s 9 Vi vet at A er inverterbar når det(a) 0. Siden det(a) = 0 for s = 9 og s =, er A inverterbar for s 9,. (B) Med utgangspunkt i de tre datapunktene denerer vi X og y ved 0 0 X = 0 0, y = 8 Vi regner ut X T X og X T y, og nner at X T X = 0, X T y = 0 0 0 9 Vi ser at det(x T X) = 0, så beste tilpasning er gitt ved β 0 β = (X T X) (X T y) = 3 8 0 0 = β 9 Altså er den beste tilpasningen y = + x + x. Oppgave. (A) Vi velger matrisen A symmetrisk, og får dermed at f(x) = x T Ax + Bx + c der A =, B = ( 3 3 ), c = 8 De stasjonære punktene er gitt ved f/ x = Ax + B T = 0, og dette gir Ax = B T x = 3 3 Vi nner disse ved å løse det lineære likningssystemet, for eksempel ved hjelp av Gausseliminasjon, og får x = x x = 3/ / x 3 / (B) Vi regner ut egenverdiene til A for å klassisere den kvadratiske formen, og får λ λ λ = ( λ)(λ + λ + 3) ( λ + ) + ( + + λ) = 0 Dette gir egenverdier ( λ)(λ + )(λ + 3) + (λ + ) = 0 Vi ser at λ = er en egenverdi siden (λ + ) er en felles faktor. (C) Vi regner ut de andre egenverdiene ved ( λ)(λ + 3) + = 0, som gir λ 5λ = 0, og dermed λ = 5 ± 5 6 = 5 ± 3 Alle egenverdier er dermed negative, og A er negativ denit. Det betyr at det stasjonære punktet er et (globalt) maksimumspunkt. 7