Løsningsforslag øving 6

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

Lineærtransformasjoner

8 Vektorrom TMA4110 høsten 2018

9 Lineærtransformasjoner TMA4110 høsten 2018

4.1 Vektorrom og underrom

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

4.1 Vektorrom og underrom

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

Løsningsforslag øving 7

4.1 Vektorrom og underrom

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

Matriser. Kapittel 4. Definisjoner og notasjon

Egenverdier og egenvektorer

4.1 Vektorrom og underrom

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

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

4 Matriser TMA4110 høsten 2018

Vektorligninger. Kapittel 3. Vektorregning

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

Diagonalisering. Kapittel 10

4.2 Nullrom, kolonnerom og lineære transformasjoner

En rekke av definisjoner i algebra

Lineær algebra. 0.1 Vektorrom

Lineær uavhengighet og basis

MAT 1110: Bruk av redusert trappeform

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

Lineær algebra-oppsummering

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

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

4.4 Koordinatsystemer

Lineære likningssystemer og matriser

7 Egenverdier og egenvektorer TMA4110 høsten 2018

UNIVERSITET I BERGEN

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

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.

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

Homogene lineære ligningssystem, Matriseoperasjoner

Eksamensoppgave i MA1201 Lineær algebra og geometri

Forelesning i Matte 3

Løsningsforslag til noen oppgaver om Zorns lemma

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

7 Ordnede ringer, hele tall, induksjon

Eksamen i MNFMA205/SIF5021, 19. mai 1999-Løsningsforslag a b Oppgave 2. (a) Vi skal vise at H = 0 a b under matrisemultiplikasjon. Vi har at det.

Matriseoperasjoner. E.Malinnikova, NTNU, Institutt for matematiske fag. September 22, 2009

5.8 Iterative estimater på egenverdier

Mer om kvadratiske matriser

Løsningsforslag til prøveunderveiseksamen i MAT-INF 1100, H-03

Mer om kvadratiske matriser

MA1201/MA6201 Høsten 2016

EKSAMEN I MA1202 LINEÆR ALGEBRA MED ANVENDELSER

Gauss-eliminasjon og matrisemultiplikasjon

4.4 Koordinatsystemer

MAT1140: Partielle ordninger, Zorns lemma og utvalgsaksiomet

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

Grublegruppe 19. sept. 2011: Algebra I

Julenøtter til gruppe 5&7! (IKKE eksamensrelevant, bare for gøy gjerne i romjulen)

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

5.5 Komplekse egenverdier

MAT1120 Notat 2 Tillegg til avsnitt 5.4

6 Determinanter TMA4110 høsten 2018

Partielle ordninger, Zorns lemma og utvalgsaksiomet

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra

Notat 05 for MAT Relasjoner, operasjoner, ringer. 5.1 Relasjoner

MAT1120 Repetisjon Kap. 1, 2 og 3

Oppgave 14 til 9. desember: I polynomiringen K[x, y] i de to variable x og y over kroppen K definerer vi undermengdene:

MAT1120 Repetisjon Kap. 1

Lineære ligningssystemer og gausseliminasjon

Inverse matriser. E.Malinnikova, NTNU, Institutt for matematiske fag. September, 2009

I dette kapittelet skal vi studerer noen matematiske objekter som kalles matriser. Disse kan blant annet brukes for å løse lineære likningssystemer.

A.3.e: Ortogonale egenfunksjonssett

LØSNINGSFORSLAG EKSAMEN MA1202/MA6202 VÅR 2010

Lineære rom og avbildninger

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.

DAFE ELFE Matematikk 1000 HIOA Obligatorisk innlevering 3 Innleveringsfrist Torsdag 26. mars 2015 Antall oppgaver:

MAT1120 Notat 2 Tillegg til avsnitt 5.4

Repetisjon: Om avsn og kap. 3 i Lay

6.4 Gram-Schmidt prosessen

Emne 7. Vektorrom (Del 1)

Oppgaver MAT2500. Fredrik Meyer. 29. august 2014

MAT1120 Notat 1 Tillegg til avsnitt 4.4

Elementær Matriseteori

Eksamensoppgave i MA1202/MA6202 Lineær algebra med anvendelser

Notasjon i rettingen:

Komplekse tall. Kapittel 2. Den imaginære enheten. Operasjoner på komplekse tall

MAT1120 Notat 1 Tillegg til avsnitt 4.4

= 3 11 = = 6 4 = 1.

Karakterer. Kapittel Homomorfier av grupper. 8.2 Representasjoner

Lineære ligningssystemer og gausseliminasjon

Emne 9. Egenverdier og egenvektorer

12 Projeksjon TMA4110 høsten 2018

Kap. 6 Ortogonalitet og minste kvadrater

Oppgavesett. Kapittel Oppgavesett 1

Prøveunderveiseksamen i MAT-INF 1100, H-03

Oppgave 1 (25 %) - Flervalgsoppgaver

Innlevering BYPE2000 Matematikk 2000 HIOA Obligatorisk innlevering 3 Innleveringsfrist Torsdag 24. april 2014 før forelesningen Antall oppgaver: 9

Zorns lemma og utvalgsaksiomet

MAT1120 Oppgaver til plenumsregningen torsdag 25/9

Hint til oppgavene. Uke 34. Uke 35. Fullstendige løsningsforslag finnes på emnesidene for 2017.

Transkript:

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 vektor i U er i U igjen Dette betyr at en delmengde U ikke er et underrom hvis minst en av kravene )-3) ikke holder [ ] a a) Nei, den tilfredstiller ikke krav 3) Hvis er b hvilken som helst vektor i M slik at minst [ en av a a og b er forkjellig fra null, så er ikke i M Eks: [ [ [ ] er i M, men = er ikke i M ] ] b) Ja Vi sjekker krav )-3) Husk at mengden er a består av alle vektorer b slik at a b + = ): Nullvektoren tilfredstiller + =, så den er i ønsket mengde a a ): Hvis b og b er to vektorer i mengden, dvs a b + = og a b + =, a + a a a så tilfredstiller summen b + b = b + b + ligningen (a + a ) (b + b ) + ( + ) = (a b + ) + (a b + ) = + = Dette betyr at summen er i mengden igjen 3): Hvis a b er en vektor i mengden, dvs a b + =, og k er en skalar, så tilfredstiller k a b = ka kb ligningen k (ka) (kb) + (k) = k(a b + ) = k = Dette betyr at skalarmultiplumet er i mengden igjen ) Nei Ingen av kravene )-3) holder lengre (selv om vi bare byttet tallet med i del b)) Du trenger bare å forklare hvorfor ikke en av dem holder Vi ser enkelt at nullvektoren ikke ligger i mengden ettersom + Du kan tenke på hvorfor ) og 3) feiler hvis du vil Merk: Ligningen svarer til et plan i R 3 som ikke går gjennom origo Kan du lage en tegning som illustrer at den ikke er lukket under addisjon eller skalarmultiplikasjon? I forrige oppgave har vi et plan som går gjennom origo Kan du lage en tegning som illustrerer hvorfor dette er et underrom? d) Nei Den er ikke lukket under skalarmultiplikasjon [ ] siden vi tillater komplekse skalarer Eks: ligger i [ ] [ ] i L, men i = ligger ikke i L i e) Ja Den eneste grunnen til at det ikke er et komplekst underrom, er at L ikke er lukket under kompleks skalarmultiplikasjon Men hvis vi kun tillater multiplikasjon med reelle skalarer som jo er tilfellet i reelle vektorrom er ikke dette et problem Vi sjekker )-3): [ ] ) er et reelt tall, så er i L [ ] a ) summen av to reelle tall er et reelt tall Hvis b [ ] a og er i L, dvs a b, b, a og b er relle, så [ ] [ ] [ ] a a a + a er + = i L siden a b b b + b +a og b +b er relle tall [ a 3) hvis er en vektor i L, dvs a og b er reelle, og [ [ ] a ka k er en reell skalar; et reelt tall Så er k = kb i L siden ka og kb er relle tall 7 Snittet er et underrom; unionen er ikke nødvendigvis et underrom Union: Det er mange moteksempler Du kan f eks ta to linjer i R som kun krysser hverandre i origo Hver linje er et underrom, men unionen er ikke lukket under addisjon (prøv å tegne dette!) Snitt: både U og U inneholder null og er lukket under addisjon og skalarmultiplikasjon Husk at U U betyr U og U : u er i snittet U U hvis og bare hvis u er i U og U Null-vektoren ligger i U og U og derfor i U U ; summen av to vektorer i U U ligger i både U og U igjen (U og U er underrom)

og derfor i U U ; et skalarmultiplum av en vektor i U U ligger i både U og U igjen (U og U er underrom) og derfor i U U 73 a) La M i,j være m n-matrisen som har i posisjon (i, j) og ellers Samlingen M i,j, i =, m, j =, n er en basis Grunnen er akkurat samme som grunnen til at vektorene e i, som har i-te komponent lik og resten lik, er en basis til R k Formelt bevis: Vi må vise at samlingen M i,j er lineært uavhengig og at den spenner ut M m n (fordi dette er definisjonen av en basis) Lineært uavhengig: Anta at a i,j M i,j =, i,j hvor er null-matrisen Merk at venstre side ikke er noe annet enn matrisen a, a, a,3 a,n a, a, a,3 a,n a m, a m, a m,3 a m,n som skal være lik høyre side: To matriser er like hvis og bare hvis hvert element er likt Derfor må alle a i,j = Så M i,j -ene er lineært uavhengig per definisjon her kan det være lurt å repetere definisjonen av lineær uavhengighet (hvis du ikke husker den) Spenner ut: Skriv en vilkårlig matrise A i M m n på elementform: a, a, a,3 a,n a, a, a,3 a,n A = a m, a m, a m,3 a m,n Dette betyr jo bare at Men du kan alternativt sjekke at summen av to inverterbare matriser ikke er inverterbar (generelt) Eks: identitetsmatrisen (I) tilfredstiller I + ( I) = Her er I og I inverterbare, mens summen ikke er inverterbar ) Basis for U: Matrisene M i,i for i =,, n Du kan sjekke at dette er en basis på samme måte som ovenfor Dimensjonen til U: n Basis for W : Matrisene M i,j + M j,i for i j og M i,i for i = j De spenner ut fordi en vilkårlig symmetrisk matrise kan skrives på formen a, a, a 3, a n, a, a, a 3, a n, A = a 3, a 3, a 3,3 a n,3 a n, a n, a n,3 a n,n = i j a i,j (M i,j + M j,i ) Lineært uavhengig: ligningen a i,j (M i,j + M j,i ) = i j betyr bare at a, a, a 3, a n, a, a, a 3, a n, a 3, a 3, a 3,3 a n,3 =, a n, a n, a n,3 a n,n så alle a i,j = Intuisjon: Element (i, j) må være likt som element (j, i) for symmetriske matriser, derfor inneholder M i,j + M j,i akkurat den informasjonen du trenger Dimensjonen til W : vi teller elementene langs og under diagonalen: 74 + + 3 + + n = n(n + ) a) Vektorrommene P n, for forskjellige n, er underrom av hverandre på følgende måte: A = i,j a i,j M i,j P P P Derfor spenner M i,j -ene ut M m n per definisjon igjen, det kan være lurt å huske definisjonen av å spenne ut her Dimensjonen er antall element i en basis: mn b) U og W er underrom; V er ikke Vi har sett mange eksempler på hvordan man sjekker at en delmengde er et underrom Du kan selv verifisere at U og W tilfredstiller krav )-3) fra løsningen til oppgave 7 Krav ) og ) er ikke oppfylt Null-matrisen som er nullvektoren i M m n er ikke invertibel (determinanten er null) Så V inneholder ikke nullvektoren Dette er nok til å avgjøre at V ikke er et underrom Grunn: P n er alle polynomer av grad mindre eller lik n Vektorrommene C n (R), for forskjellige n, også underrom av hverandre: C(R) C (R) C (R) C 3 (R) Grunn: Hvis en funksjon er deriverbar er den spesielt kontinuerlig; hvis en funksjon er to ganger deriverbar er den spesielt en gang deriverbar; hvis en funksjon er tre ganger deriverbar er den spesielt to ganger deriverbar; hvis en funksjon er fire ganger deriverbar er den spesielt tre ganger deriverbare; osv For hver n har vi: P n P C (R) C n (R) C(R)

Alle n-tegradspolynomer er polynomer; alle polynomer er uendelig mange ganger deriverbare; alle uendelig mange ganger deriverbare funksjoner er deriverbare n ganger; alle n ganger deriverbare funksjoner er kontinuerlige (deriverbar impliserer kontinuitet) b) Du skal vise at P n har en endelig basis på innleveringen Derfor er P n endeligdimensjonalt Vi har sett at P er uendeligdimensjonalt i notatet Derfor er resten av vektorrommene uendeligdimensjonale; alle har et uendeligdimensjonalt underrom 75 Ja, V er et vektorrom Husk at parantes viser hvilken operasjon som skal gjøres først Vi sjekker vektorromsaksiomene: (V): Bruk at multiplikasjon av reelle tall er assosiativt: r(st) = (rs)t r + ( s + t ) + st (st), r(st) = (rs)t = (rs)t) s + t = ( r + s ) + t (V): Bruk at multiplikasjon av reelle tall er kommutativt: rs = sr r + s s, = sr = s + r (V3): er nullvektoren r + rs = sr (V4): Alle tallene i boksene er større enn null Den additive inversen til r er r r + r r = (V5): Bruk potensregelen r ab = (r b ) a (V6): (ab) r ab, = (r b ) a = a r b = a (b r ) r ab = (r b ) a r, r (V7): Bruk potensregelen (rs) a = (r a )(r b ) a ( r + s ) = a rs = (rs) a (rs) a = (r a )(r b ) = (r a )(s a ) a + s a = a r + a s (V8): Bruk potensregelen r a+b = (r a )(r b ) 76 (a + b) r a+b, r a+b = (r a )(r b ) = (r a )(r b ) a + r b = a r + b r a) Nei Z er ikke lukket under skalarmultiplikasjon: Hvis du multipliserer et heltall med et reelt tall får du ikke nødvendigvis et heltall Eksempel: 3 = 3 er ikke et heltall b) Nei Du kan for eksempel sjekke at (ab) n a (b n) for alle valg av relle tall a og b, og heltall n Eksempel: = slik at ( ) = Men ( ) = = Merk: Vi viste altså at Z med denne skalarmultiplikasjonen umulig kan være et vektorrom Mer generelt kan man vise at det ikke finnes noen vektorromstruktur på Z Dette henger sammen med at noen typer uendelig er større enn andre 77 Et vektorrom må bestå av minst ett element, nemlig nullvektoren Ett element er mulig: Mengden som kun inneholder nullvektoren er et vektorrom: vi verifiserer at {} er et underrom av R n i det reelle tilfellet (eller C n i det komplekse tilfellet) som automatisk gir at det er et vektorrom igjen ) Nullvektoren ligger i {} ) Summen av to vektorer i {} må være + = som ligger i {} igjen 3) Et skalarmultiplum av en vektor i {} er på formen = som ligger i {} igjen Er to element mulig? Intuitivt: Nei I dette tilfellet har vi en ikke-null vektor, og derfor også hele linjen (i det reelle tilfellet; planet i det komplekse tilfellet) som denne vektoren spenner ut Et formelt bevis på at intuisjonen stemmer: Anta at V er et vektorrom som inneholder minst to vektorer Alle vektorrom må ha en nullvektor Derfor finnes det (minst) én ikkenull vektor v i V Men vi kan skalere vektoren v med uendelig mange skalarer (det er uendelig mange reelle tall og komplekse tall) Dvs vektorrommet må inneholde en vektor v for alle valg av skalarer Men dette gir uendelig mange forskjellige vektorer (v = v 3

hvis og bare hvis = ) Derfor har vi automatisk uendelig mange vektorer i dette tilfellet Konklusjon: Det eneste endelige (reelle eller komplekse) vektorrommet er vektorrommet som kun inneholder nullvektoren 78 a) Husk definisjonen av lineær uavhengighet Vi må svare på følgende spørsmål: finnes det konstanter/skalarer/vekter a, b og som ikke alle er null slik at a os(x) + b sin(x) + tan(x) = for alle x i D? Hvis ja: funksjonene/vektorene er lineært avhengige Hvis nei: funksjonene/vektorene er lineært uavhengige Merk at ligningen skal holde for alle valg av x ettersom to funksjoner f og g er like hvis og bare hvis f(x) = g(x) for alle x Derfor kan vi velge ulike x-er for å svare på spørsmålet! Velg x = for å se at a = ettersom sin() = og tan() = Vi har tan(x) = sin(x) os(x) som gir ligningen b sin(x) = sin(x) os(x) for alle x i D Sinus er aldri null for x i D slik at vi kan stryke sin(x) på denne delen av D og få ligningen b os(x) = Men Cosinus er helt klart ikke konstant for alle x i D den tar på seg mange ulike funksjonsverdier i dette området! Så b og må være lik null Det eneste løsningen er a = b = = Svaret på spørsmålet er nei; vektorene er lineært uavhengige b) Ja Eksempel på løsning: La E være ett punkt i D (du kan velge dette punktet vilkårlig) En funksjon fra ett punkt til R er jo bare et tall i R Vektorrommet C(E) er altså bare vektorrommet R Tre vektorer (tall) i R er selvfølgelig lineært avhengige (vektorrommet er endimensjonalt) 79 a) Vi deler inn i to tilfeller avhengig av hvilket tall er: = : I dette tilfellet er = automatisk oppfylt : I dette tilfellet kan vi multiplisere begge sider av v = med som gir ( v) = Bruk (V8) og likheten = for å se at venstre side er ( v) = ( ) v = v Nå gir (V6) at v = v I del ) skal vi vise at høyre side tilfredstiller = Til sammen får vi at = b) Fra likheten u + v = u + w får du, ved å bruke aksiom (V) på begge sider: v + u = w + u Vi vet fra aksiom (V4) at u har en additiv invers u Legg til denne på hver side av likheten over; da får du: (v + u) + ( u) = (w + u) + ( u) Bruk aksiom (V) på begge sider: v + (u + ( u)) = w + (u + ( u)) Bruk aksiom (V4): Bruk aksiom (V3): v + = w + v = w ) Bruk (V3) på : = + Dette gir at Bruk (V7): = ( + ) = + Fra (V4) vet vi at det finnes en additiv invers ( ) til Legg til denne i siste ligning: + ( ( )) = ( + ) + ( ( )) Venstre side er Bruk (V) for å se at høyre side er ( + ) + ( ( )) = + ( + ( ( ))) og videre (V4) etterfulgt av (V3) for å få ( + ) + ( ( )) = + = Til sammen får vi at = d) Bruk (V6) for å se at v = v Dette gir at Aksiom (V8) gir v + ( ) v = v + ( ) v v + ( ) v = ( + ( )) v Vi vet at + ( ) = = slik at v + ( ) v = v Bruk del for å slå fast at v + ( ) v = Det er et bevis for at den additive inversen v til v er den unike vektoren som tilfredstiller v + ( v) = i notatet Derfor er ( ) v = v 7 4

a) Det virker rimelig at en basis for P n er gitt av, x, x n : dette er jo akkurat det vi trenger for å beskrive alle n-tegradspolynom Av samme grunn virker det rimelig at B = {, x, x, x 3, } er en basis for P: dette er jo akkurat det vi trenger for å beskrive alle polynom b) Vi må vise at vektorene i B spenner ut P og er lineært uavhengige fordi dette er definisjonen av en basis Spenner ut: Et vilkårlig polynom kan skrives på formen a + a x + a x + a n x n hvor noen koeffisienter muligens er lik null Dette polynomet er automatisk en lineærkombinasjon av, x, x,, x n som er en delmengde av B; et polynom er helt klart en lineærkombinasjon av vektorer i B Lineært uavhengig: Kravet for lineær uavhengighet blir i vårt tilfelle at en vilkårlig vektorligning a x i + a x i + + a k x i k =, hvor x ij -ene er ulike potenser av x (ulike vektorer i B), kun kan ha triviell løsning Men dette er et i k -tegradspolynom, og har derfor maksimalt i k nullpunkt Det eneste i k -tegradspolynomet som er null for alle x er nullpolynomet Nullpolynomet er det polynomet hvor alle koeffisientene er lik null, så vektorligningen kan kun ha triviell løsning 5