MA1201/MA6201 Høsten 2016

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

(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

8 Vektorrom TMA4110 høsten 2018

LØSNINGSFORSLAG EKSAMEN MA1202/MA6202 VÅR 2010

MA1201/MA6201 Høsten 2016

Vektorrom. Kapittel 7. Hva kan vi gjøre med vektorer?

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

MAT Onsdag 7. april Lineær uavhengighet (forts. 1.8 Underrom av R n, nullrom, basis MAT Våren UiO. 7.

Diagonalisering. Kapittel 10

Kap. 6 Ortogonalitet og minste kvadrater

Basis, koordinatsystem og dimensjon

4.2 Nullrom, kolonnerom og lineære transformasjoner

10 Radrommet, kolonnerommet og nullrommet

Lineærtransformasjoner

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

EKSAMEN I MA1202 LINEÆR ALGEBRA MED ANVENDELSER

MA1201/MA6201 Høsten 2016

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

MAT 1110: Bruk av redusert trappeform

MAT-1004 Vårsemester 2017 Prøveeksamen

MAT-1004 Vårsemester 2017 Prøveeksamen

Lineær uavhengighet og basis

Løsningsforslag øving 7

Lineær algebra. 0.1 Vektorrom

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

Eksamensoppgave i TMA4115 Matematikk 3

MA1202/MA S løsningsskisse

3.9 Teori og praksis for Minste kvadraters metode.

UNIVERSITET I BERGEN

MA1201/MA6201 Høsten 2016

9 Lineærtransformasjoner TMA4110 høsten 2018

Eksamensoppgave MAT juni 2010 (med løsningsforslag)

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

MA1201, , Kandidatnummer:... Side 1 av 5. x =.

Eksamensoppgave i MA1201 Lineær algebra og geometri

EKSAMEN I TMA4110 MATEMATIKK 3 Bokmål Mandag 6. juni 2011 løsningsforslag

EKSAMEN I MA1202 OG MA6202 LINEÆR ALGEBRA MED ANVENDELSER

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

UNIVERSITETET I OSLO

Emne 7. Vektorrom (Del 1)

12 Projeksjon TMA4110 høsten 2018

4.1 Vektorrom og underrom

TMA4110 Matematikk 3 Haust 2011

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra

EKSAMENSOPPGAVER FOR TMA4110/TMA4115 MATEMATIKK 3

EKSAMEN I MATEMATIKK 3 (TMA4110)

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

Minste kvadraters løsning, Symmetriske matriser

Lineære likningssystemer og matriser

Kap. 6 Ortogonalitet og minste kvadraters problemer

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

MAT-1004 Vårsemester 2017 Obligatorisk øving 6

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

16 Ortogonal diagonalisering

Egenverdier og egenvektorer

GENERELLE VEKTORROM. Hittil har vi bare snakket om vektorrom av type

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

UNIVERSITETET I OSLO

4.4 Koordinatsystemer

Løsningsforslag for eksamen i Matematikk 3 - TMA4115

x 1 x 2 x = x n b 1 b 2 b = b m Det kan være vanskelig (beregningsmessig) og bearbeide utrykk som inneholder

15 Hovedprinsippet for vektorrom med et indre produkt

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

7 Egenverdier og egenvektorer TMA4110 høsten 2018

6.4 Gram-Schmidt prosessen

Universitetet i Agder Fakultetet for teknologi og realfag Institutt for matematiske fag. Eksamen MA desember Lykke til!

Obligatorisk oppgave nr1 MAT Lars Kristian Henriksen UiO

7.4 Singulærverdi dekomposisjonen

TMA4115 Matematikk 3 Vår 2017

6.4 (og 6.7) Gram-Schmidt prosessen

Vektorligninger. Kapittel 3. Vektorregning

Lineær algebra-oppsummering

4 Matriser TMA4110 høsten 2018

Løsningsforslag øving 6

MA0002 Brukerkurs i matematikk B Vår 2014

MAT1120 Oppgaver til plenumsregningen torsdag 18/9

Lineære ligningssystemer og gausseliminasjon

UNIVERSITETET I OSLO

Matriser. Kapittel 4. Definisjoner og notasjon

Løsningsforslag til eksamen i MA0002, Brukerkurs i matematikk B

EKSAMEN I NUMERISK LINEÆR ALGEBRA (TMA4205)

Generelle teoremer og definisjoner MA1201 Lineær Algebra og Geometri - NTNU

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

Lineær 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.

Eksamen i ELE Matematikk valgfag Torsdag 18. mai Oppgave 1

Lineære ligningssystemer og gausseliminasjon

Generelle teoremer og denisjoner MA1201 Lineær Algebra og Geometri - NTNU Lærebok: Anton, H. & Rorres, C.: Elementary Linear Algebra, 11.

12 Lineære transformasjoner

MA2401 Geometri Vår 2018

Eksamensoppgave i TMA4110/TMA4115 Calculus 3

EKSAMEN I NUMERISK LØSNING AV DIFFERENSIALLIGNINGER MED DIFFERANSEMETODER (TMA4212)

MA0002 Brukerkurs i matematikk B Vår 2013

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

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra

OBLIG 2 - MAT 1120 Høsten 2005

4.1 Vektorrom og underrom

4.4 Koordinatsystemer

6.5 Minste kvadraters problemer

MA2401 Geometri Vår 2018

Transkript:

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 i denne oppgaven A Vi antar at A er en m n-matrise b) Vi vet fra teorem 46, s 64, at dim N(A) + dim R(A) n, og videre at i dette tilfellet er n (lengden av radvektorene er lik antall kolonner!) Siden de tre vektorene er lineært uavhengige (sjekk gjerne), må vektorene som skal være i nullrommet utgjøre en basis for nullrommet, og vektoren i radrommet utgjøre en basis for radrommet Siden er en basis for radrommet, er matrisen på formen a a a a a a A, a m a m a m med a i for minst en i Videre kan vi raskt sjekke at en slik matrise A vil ha de to vektorene som er oppgitt i oppgaven i nullrommet sitt Dermed er for eksempel en løsning av oppgaven d) Her ser vi fra lengden på vektorene i kolonne- og nullrommet at m n Siden kolonnerommet har basis, må A være på formen a b, der minst en av a og b er ulik null Videre skal være en nullvektor, slik at a b a, og dermed må a, b Dermed er for eksempel A en løsning på oppgaven a) Basisen for R(A) er u og u at x x t og x x 4 s, slik at x gitt av v og v tt Videre ser vi at Ax betyr Dermed er en basis for N(A) s 7 oktober 6 Side av 5

La x x x 4 være vektoren i oppgaven; Vi skal finne u au + bu og v cv + dv for (her bruker vi basisvektorene vi akkurat fant!) Vi kan bruke gausseliminasjon for å finne a, b, c, d: x x R x +R R 4 +R x x + x x x 4 x + x 4 R R 4 x (x + x ) x (x + x 4 ) R R R R 4 (x x ) (x + x ) (x x 4 ) (x + x 4 ) Altså får vi a (x x ), b (x x 4 ), c (x + x ) og (x + x 4 ) b) La b b b Vi ønsker å finne en x R(A), det vil si en vektor x på formen slik at Ax b La oss regne litt Ax c x c u + c u c c, c c c c c c c Altså har vi at c b og c b Dermed er x b b b b b b a) La b,,b n være kolonnevektorene i B Da kan vi skrive AB Ab Ab n (se side 84 i boka) Dersom C(B) N(A) må spesielt alle kolonnevektorer i B være i nullrommet til A, og dermed er AB Ab Ab n O På den andre siden, dersom AB O, så må vi ha at Ab Ab n, det vil si at enhver kolonnevektor av B er i nullrommet til A Da må enhver lineærkombinasjon av kolonnevektorene til B være i nullrommet til A, og følgelig er C(B) N(A) b) Hvis A og B er -matriser av rang, så har C(B) dimensjon, mens N(A) har dimensjon Altså har C(B) to basisvektorer, mens N(A) har en Dersom C(B) N(A), så må de to basisvektorene til C(B) være inneholdt i N(A), og dermed multipler av den ene basisvektoren til N(A) Da kan de ikke være lineært uavhengige Det følger at C(B) ikke er inneholdt i N(A) Dette argumentet kan generaliseres: Om U V, så er dim U dim V 7 oktober 6 Side av 5

c) AB kan ikke ha rang eller Da står vi igjen med følgende muligheter: rank AB Dette oppnås hvis feks A og B rank AB Dette oppnås hvis feks A B Merknad: Hvorfor gir vi oppgaver med å finne eksempler? Det er flere grunner til det, men i dag vil jeg nevne en spesielt: Det er et kjempenyttig verktøy å ha i den matematiske verktøykassen Hvis du er i tvil om noe stemmer, så tenk på hvor du tror det kan gå galt, og lag et eksempel som viser frem nettopp det Si at jeg hadde støtt på et teorem som sa at rank AB min(rank A, rank B) - og syntes at noe var rart Vel, med litt flaks hadde jeg tenkt at dette burde kunne motbevises med noen enkle matriser av ikke helt full rang, og så begynt å lete etter eksempler Men å vite hvordan man skal finne de eksemplene, det er en kunst som man bare lærer seg ved å trene Kapittel 4 a) Normalvektoren til planet er n Vektoren n utgjør en basis for V Vi skal regne ut projeksjonen av b langs n, men la oss for ryddighetens skyld først regne ut: b n 4 n n n Nå er vi klare til å regne ut projeksjonen av b, via ligningen i boksen på side 9: proj V b proj n b b n n n 4 Da får vi at proj V b b proj V b 4 c) Her følger vi samme fremgangsmåte som i punkt (a) Normalvektoren til planet er n Vi har at b n n n n 7 Projeksjonen av b langs n blir: proj V b proj n b b n n n 7 7 oktober 6 Side av 5

Da får vi at 4 proj V b b proj V b 7 7 4 7 La oss skrive dette systemet som Ax x 4 b x Minste kvadraters løsning av systemet er løsningen av A T Ax A T b, så la oss bedrive litt mellomregning: A T A 6 A T b 4 8 Altså skal vi løse systemet 6 x x 8 Det burde være tålelig greit å se at dette gir x 6 og x 8 Planet i oppgaven, V, er utspent av kolonnevektorene i A, dermed er V C(A) Nå vil vi finne punktet i C(A) som er nærmest b Det vil si, finn Ax som er nærmest mulig b Fra første del av oppgaven blir dette: Ax /6 8 / 7 65 66 94 4 La oss anta at vi jobber i R n ; da vil A være en n n-matrise Hvis proj V µ A, så vil det si at for alle x R n er proj V x µ A x Ax Da har vi for enhver x at: A x proj V (proj V x) proj V x Ax, der vi i den andre likheten bruker at proj V y y dersom y V For den andre delen av oppgaven, se vi først på oppgave 54, som foreslått Der lærer vi at A er symmetrisk (dvs A A T ), hvis Ax y x y for alle vektorer x, y R n Da gir det mening å vise at A oppfyller den betingelsen, slik oppgaven vår foreslår 7 oktober 6 Side 4 av 5

Vi vet fra definisjonen av projeksjon at hvis x, y R n, så kan vi skrive x v x + u x og y v y + u y, der v x, v y V og u x, u y V Mer spesifikt er v x proj V x og v y proj V y Nå er vi klar til å sjekke den fine betingelsen vår! Husk at Av v for v V og Au for u V Ax y A(v x + u x ) (v y + u y ) v x (v y + u y ) v x v y x Ay (v x + u x ) A(v y + u y ) (v x + u x ) v y v x v y Så betingelsen stemmer, og A er symmetrisk 5 Siden A har en tendens til å sende vektorer til kolonnerommet sitt, så velger jeg å anta at V C(A) Da har vi definitivt at Ax V Så må vi ta en kikk på V C(A) N(A T ) En vektor er ortogonal til V hvis og bare hvis den ligger i V, det vil si hvis og bare hvis den ligger i nullrommet til A T Så la oss se på x Ax: A T (x Ax) A T x + A T Ax Ax + A x Ax Ax Og da er vi i mål! Vi definerer nemlig en projeksjonsmatrise som en matrise A slik at µ A proj V, og her har vi vist at A har nettopp samme effekt som projeksjonen ned på V har på en vilkårlig vektor x Merk også at med denne og forrige oppgave, har vi vist at A er en projeksjonsmatrise hvis og bare hvis A T A og A A Eksamen Høst 5 4 a) (i) Kolonnerommet til A er definert som underrommet utspent av kolonnevektorene til A (ii) For å finne en basis for kolonnerommet starter vi med å radredusere A: A 5 R 4 8 R R R 4R R R R R +R 5 4 8 Siden pivotelementene i R står i første og andre kolonne, er en basis for C(A) gitt ved første og andre kolonnevektor i A, altså og (iii) dim C(A) b) Vi har altså at Im T A {b R b T A (x) Ax for en x R } Vi sjekker kriteriene for underrom, men la oss først ta en kikk på hva en vilkårlig vektor i Im T A ser ut som: La u, v Im T A, da kan vi skrive at u Ax og v Ay, der x, y R Siden A, så er Im T A La c R, da har vi at cax Acx Im A Videre ser vi at Ax + Ay A(x + y) Im T A 7 oktober 6 Side 5 av 5