Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra

Like dokumenter
UNIVERSITET I BERGEN

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

EKSAME SOPPGAVE MAT-1004 (BOKMÅL)

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

MA1201/MA6201 Høsten 2016

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

Eksamensoppgave MAT juni 2010 (med løsningsforslag)

MAT1120 Notat 2 Tillegg til avsnitt 5.4

EKSAMEN I MA1202 LINEÆR ALGEBRA MED ANVENDELSER

MAT1120 Notat 2 Tillegg til avsnitt 5.4

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

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

= 3 11 = = 6 4 = 1.

Vi skal koble diagonalisering av matriser sammen med ortogonalitet. Skal bl.a. se på

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

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

MAT-1004 Vårsemester 2017 Prøveeksamen

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

EKSAMEN I MA1202 OG MA6202 LINEÆR ALGEBRA MED ANVENDELSER

Notat2 - MAT Om matriserepresentasjoner av lineære avbildninger

LØSNINGSSKISSE TIL EKSAMEN I FAG SIF august 2001

Rom og lineæritet. Erik Bédos. Matematisk Institutt, UiO 2012.

7.4 Singulærverdi dekomposisjonen

Diagonalisering. Kapittel 10

Lineær uavhengighet og basis

MAT3000/ Våren 2013 Obligatorisk oppgavesett nr. 2 Løsningsskisse

Utkast til løsningsforslag til eksamen i emnet MAT Lineær algebra Utan ansvar for feil og mangler Mandag 31. mai 2010, kl

EKSAMENSOPPGAVER FOR TMA4110/TMA4115 MATEMATIKK 3

Lineær algebra-oppsummering

MAT Prøveeksamen 29. mai - Løsningsforslag

13 Oppsummering til Ch. 5.1, 5.2 og 8.5

UNIVERSITETET I OSLO

Løsningsforslag MAT 120B, høsten 2001

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

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

MAT-1004 Vårsemester 2017 Prøveeksamen

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

4.4 Koordinatsystemer

Eksamensoppgave i TMA4110/TMA4115 Calculus 3

6.4 Gram-Schmidt prosessen

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

Lineær algebra. 0.1 Vektorrom

MA1202/MA S løsningsskisse

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

MAT1120 Oppgaver til plenumsregningen torsdag 25/9

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

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

4.1 Vektorrom og underrom

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

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

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

Kap. 7 Symmetriske matriser og kvadratiske former

Kap. 6 Ortogonalitet og minste kvadrater

Eksamensoppgave i TMA4115 Matematikk 3

Minste kvadraters løsning, Symmetriske matriser

Eksamensoppgave i MA1201 Lineær algebra og geometri

Mer om kvadratiske matriser

Eksamensoppgave i MA1202/MA6202 Lineær algebra med anvendelser

Løsningsforslag for eksamen i Matematikk 3 - TMA4115

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

5.8 Iterative estimater på egenverdier

Mer om kvadratiske matriser

Kap. 6 Ortogonalitet og minste kvadraters problemer

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

EKSAMENSOPPGAVE. 4 (1+3) Det er 12 deloppgaver (1abc, 2abcd, 3abc, 4ab) Andrei Prasolov

6.8 Anvendelser av indreprodukter

Oppgave 1 (25 %) - Flervalgsoppgaver

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

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

Basis, koordinatsystem og dimensjon

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

Egenverdier og egenvektorer

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

UNIVERSITETET I OSLO

4.1 Vektorrom og underrom

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

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

UNIVERSITETET I OSLO

4.1 Vektorrom og underrom

15 Hovedprinsippet for vektorrom med et indre produkt

Det matematisk-naturvitenskapelige fakultet

Eksamensoppgavehefte 2. MAT1012 Matematikk 2: Mer lineær algebra

Løsningsforslag MAT102 Vår 2018

MAT 1110: Bruk av redusert trappeform

Egenverdier for 2 2 matriser

MAT UiO. 10. mai Våren 2010 MAT 1012

UiO MAT1012 Våren Ekstraoppgavesamling

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

EKSAMEN. 1 Om eksamen. EMNE: MA-109 FAGLÆRER: Svein Olav Nyberg, Turid Knutsen, Øystein Alvik

Løsningsforslag øving 6

Pensum i lineæralgebra inneholder disse punktene.

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

MAT1120 Repetisjon Kap. 1, 2 og 3

6.4 (og 6.7) Gram-Schmidt prosessen

EKSAMEN I MATEMATIKK 3 (TMA4110)

Transkript:

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 regler. Oppgavesettet er på sider. Alle svar må begrunnes. Oppgave. Betrakt matrisen A = 0 0 4 6 2. 6 5 5 a. Finn determinanten til A. b. Finn den reduserte trappeformen til A. c. Finn en basis for nullrommmet Nul(A). Hva er dimensjonen til Nul(A)? d. Finn den generelle løsningen til ligningen A x = 9 6. e. Finn en basis for søylerommet Col(A). Hva er rangen til A? f. Finn alle egenverdier og egenvektorer for A. g. Er A diagonaliserbar? Hvis ja : finn den tilsvarende diagonal matrisen. h. Finn en ortogonal basis for Col(A). Fasit til oppgave. a. Finn determinanten til A. det(a) = det [ ] 6 2 = ( 0+0) = 0. 5 5

2 b. Finn den reduserte trappeformen til A. A = 0 0 4 6 2 0 0 0 6 2 0 0 0. 6 5 5 0 5 5 0 0 0 c. Finn en basis for nullrommmet Nul(A). Hva er dimensjonen til Nul(A)? Vi må finne løsninger til homogen lineær systemet A x = 0. Vi bruker redusert trappeformen og finner 0 0 0 x x 2 = 0 0. 0 0 0 x 0 Da er x x 2 = 0 x, som sier at basis for Nul(A) er x Nul(A) er. 0 og dimensjon til d. Finn den generelle løsningen til ligningen A x = 9 6. Den generelle løsningen er sum av løsningen til den homogene likning en og en spesielt løsning. La oss finne en spesielt løsning til A x = 9 6. Vi skriver utvidet matrisen og finne den reduserte trappeformen: 0 0 9 4 6 2 6 0 0 0 6 2 8 0 0 0 6 5 5 0 5 5 0 0 0 0 Den generelle løsningen er x x 2 = 0 x +. 0 x e. Finn en basis for søylerommet Col(A). Hva er rangentil A? Det er klart at den andre og den tredje søylene er lineært avhengige siden 0 6 = 0 2. 5 5

Fra rangteoremet vet vi at = dim ( Col(A) ) +dim ( Null(A) ) = dim ( Col(A) ) +, da er dimensjon til Col(A) er 2 som sier at rang til A er 2. Vi velger basis vektorene for Col(A) som v = 0 2, v 2 = 4. 5 6 f. Finn alle egenverdier og egenvektorer for A. Den karakteristiske ligningen for matrisen A er P A (λ) = λ +4λ 2 λ = λ(λ )(λ ) = 0. Så har vi tilsvarende egenverdiene og egenvektorene: λ =, v = 0, λ 2 =, 2 v 2 = 0 2, λ = 0, 5 v = 0. g. Er A diagonaliserbar? Hvis ja : finn den tilsvarende diagonal matrisen. Siden matrisen A har forskellige egenverdier, er tilsvarende egenvektorer lineært uavhengige. Matrisen P = 0 0 0 2 er inverterbar og 2 5 P = 0 0 2, D = 0 0 0 0. 4 5 2 0 0 0 Vi finner diagonalmatrisen D = P AP = 0 0 0 0. 0 0 0 h. Finn en ortogonal basis for Col(A). Vi bruker Gram-Schmidt prosedyren. Velger u = v Col(A). La oss reigne ut v v = 29, u v 2 = 88. Dar er u 2 = v 2 proj u v 2 = v 2 v v 2 v v = v 2 + 88 v = v 29 60 29 24. 29

4 Basisen u = 0 2, 5 60 u 2 = 29 er ortogonal basisen for Col(A). 24 29 Oppgave 2. a. Anta at B er en n n matrise slik at B T = B. Hva er det(b )? b. Anta at B er en n n matrise slik at B T = B. Finn summen b +b 22 +...+b nn. c. Anta at B er en matrise slik at B T = B. Finn det(b). d. Anta at C er en n n matrise slik at det(c) = og alle elementer c ij i C b er hele tall. La b =. være slik at alle koordinater b j, j =,...,n, b n også er hele tall. Bevis at løsningen til systemet C x = b er en vektor som består av hele tall. Hint: bruk Cramers regel. e. Anta at A er en n n diagonaliserbar matrise. Forklar sammenheng mellom egenverdier og egenvektorer til matrisene A og A 2. Fasit til oppgave 2. a. Anta at B er en n n matrise slik at B T = B. Hva er det(b )? = det(i) = det(bb ) = det(bb T ) = det(b)det(b T ) = ( det(b) ) 2 Derfor er detb = ± og det(b ) = ( det(b) ) = ±. b. Anta at B er en n n matrise slik at B T = B. Finn summen b +b 22 +...+b nn. Dersom B T = B da er b jj = b jj som medfører at b jj = 0. Vi får at b +b 22 +...+b nn = 0.

c. Anta at B er en matrise slik at B T = B. Finn det(b). Siden B T = B får vi B = 0 a b a 0 c og detb = a ( (c)( b) ) +b ( ( a)( c) ) = 0. b c 0 5 d. Anta at C er en n n matrise slik at det(c) = og alle elementer c ij b i C er hele tall. La b =. være slik at alle koordinater b j, j =,...,n, b n også er hele tall. Bevis at løsningen til systemet C x = b er en vektor som består av hele tall. Hint: bruk Cramers regel.. Vi betegner C j matrisen der byttet vi i matrisen C j-søyle med b. Cramers regel sier at x j = det(c j) det(c) = det(c j). Å finne determinanten det(c j ) måvi bare bruke addisjon og multiplikasjon av hele tall. Resultat blir et hel tall. e. Anta at A er en n n diagonaliserbar matrise. Forklar sammenheng mellom egenverdier og egenvektorer til matrisene A og A 2. Matrisen A har n egenverdier regnet med multiplisitet. La λ være en egenverdi for A og v den tilsvarende egenvektoren. Da har vi A v = λ v = A 2 v = A(A v ) = A(λ v ) = λa( v ) = λ 2 v. Vi konkluderer at A og A 2 har like egenvektorer, men egenverdier for A 2 lik kvadrat av egenverdier til A. Oppgave. La α = ( α, α 2, α, α 4 ) der 0 0 α = 0 0, α 2 =, α = 0, α 4 = 0 0. 0 0 a. Vis at α er en basis for R 4 og finn en matrise P slik at P x = [ x] α.

6 b. La T : R 4 R 4 være en lineæravbildning slik at T( α ) = β, T( α 2 ) = β 2, T( α ) = β, T( α 4 ) = β 4, der vektorene β j, j =,2,,4 er gitt ved β = α + α 2 + α + α 4, β 2 = α 2 + α + α 4, β = α + α 4, β 4 = α. Finn α-matrisen [T] α til avbildningen T. c. Finn standardmatrisen til lineæravbildningen gitt i punkt b. d. La vektorene γ, γ 2, γ, γ 4 være gitt ved γ = α α 2, γ 2 = α 2 α, γ = α α 4, γ 4 = α 4 α, der α, α 2, α, α 4 er en basis av et vektorrom V. Finn en basis for vektorrommet W = span{ γ, γ 2, γ, γ 4 } og angi dimensjonen til W. Fasit til oppgave. a. Vis at α er en basis for R 4 og finn en matrise P slik at P x = [ x] α. Vi former matrisen A ved søyler fra samling α: 0 0 A = 0 0 0 0 0. 0 0 Sidendet(A) = 0konkluderer viatsøyler iaerlineærtuavhengigeogvektorer fra α danner en basis for R 4. Matrisen P slik at P x = [ x] α er lik inverse til A: 0 P = A = 0 0 0 0 0. b. La T: R 4 R 4 være en lineæravbildning slik at T( α ) = β, T( α 2 ) = β 2, T( α ) = β, T( α 4 ) = β 4, der vektorene β j, j =,2,,4 er gitt ved β = α + α 2 + α + α 4, β = α + α 4, β 2 = α 2 + α + α 4, β 4 = α.

7 Finn α-matrisen [T] α til avbildningen T Matrisen [T] α er 0 0 [T] α = 0 0 0. 0 c. Finn standardmatrisen til lineæravbildningen gitt i punkt b. Vi skriver i standardbasisen α = e + e 4, α 2 = e 2 + e, α = e + e 2, α 4 = e 4. Da er Vi finner T( α ) = β, = T( e )+T( e 4 ) = 2 e +2 e 2 + e +2 e 4, T( α 2 ) = β 2, = T( e 2 )+T( e ) = e +2 e 2 + e + e 4, T( α ) = β, = T( e )+T( e ) = e + e 2 + e, T( α 4 ) = β 4, = T( e 4 ) = e + e 4. Standardmatrisen er T( e ) = e +2 e 2 + e + e 4, T( e 2 ) = e 2 e, T( e ) = e + e 2 +2 e + e 4, T( e 4 ) = e + e 4. 0 M = 2 0 2 0. 0 d. La vektorene γ, γ 2, γ, γ 4 være gitt ved γ = α α 2, γ 2 = α 2 α, γ = α α 4, γ 4 = α 4 α, der α, α 2, α, α 4 er en basis av et vektorrom V. Finn en basis for vektorrommet W = span{ γ, γ 2, γ, γ 4 } og angi dimensjonen til W. Vektorene γ j, j =,2,,4 er lineært avhengige siden γ + γ 2 = γ γ 4 og en av γ j er en lineært kombinasjon av de andre. La oss vise at γ 2, γ, γ 4 er lineært uavhengige. La Da er a γ 2 +b γ +c γ 4 = 0,,a,b,c R. a( α 2 α )+b( α α 4 )+c( α 4 α ) = c α +a α 2 +(b a) α +(c b) α 4 = 0.

8 Siden α, α 2, α, α 4 er lineært uavhengige konkluderer vi at c = a = b a = c b = 0 = a = b = c = 0, som viser at γ 2, γ, γ 4 er lineært uavhengige og danner en basis for W. Dimenjon av W er. Oppgave 4. a. La a og b være vektorer i R n. Bevis at a + b a + b. () Hint: bruk a b a [ ] b. 2 b. La A =. Definerer et produkt i R 2 2 med hensyn til den symmetriske matrisen A ved x y = ( x) T A y. Finn u, u 2 R 2 slik at u 0, u 2 0 og u u 2 = 0 med hensyn til produktet definert i formel (2). Med andre ord mengden { u, u 2 } må være ortogonal med hensyn til produktet definert ved matrisen A. Hint: bruk Gram-Schmidt prosedyren med hensyn til produktet definert i formel (2) for standardbasisen e, e 2 for R 2. Fasit til oppgave 4. a. La a og b være vektorer i R n. Bevis at Hint: bruk a b a b. Vi regner a + b a + b. a + b 2 = ( a + b ) ( a + b ) = a a +2( a b )+ b b a 2 +2 a b + b 2 Ta kvadrad rot av bege sider. a 2 +2 a b + b 2 = ( a + b ) 2

[ ] 2 b. La A =. Definerer et produkt i R 2 2 med hensyn til den symmetriske matrisen A ved (2) x y = ( x) T A y. 9 Finn u, u 2 R 2 slik at u 0, u 2 0 og u u 2 = 0 med hensyn til produktet definert i formel (2). Med andre ord mengden { u, u 2 } må være ortogonal med hensyn til produktet definert ved matrisen A. Hint: bruk Gram-Schmidt prosedyren med hensyn til produktet definert i formel (2) for standardbasisen e, e 2 for R 2. Vi velger u = e og reiner Vi får at e T 2 A ] 2 e = (0,)[ 2][ 0 u 2 = e 2 e T 2 A e e T A e e. =, e T A ] 2 e = (,0)[ = 2. 2][ 0 Da er u 2 = e 2 [ ] /2 e =. 2 Mengde u, u 2 er ortogonal med hensyn til produkt definert ved matrisen A.