4.1 Vektorrom og underrom

Like dokumenter
4.1 Vektorrom og underrom

4.1 Vektorrom og underrom

4.1 Vektorrom og underrom

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

Kap. 6 Ortogonalitet og minste kvadrater

4.2 Nullrom, kolonnerom og lineære transformasjoner

4.4 Koordinatsystemer

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

MAT1120 Repetisjon Kap. 1

Lineær uavhengighet og basis

5.8 Iterative estimater på egenverdier

Løsningsforslag øving 6

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

8 Vektorrom TMA4110 høsten 2018

5.5 Komplekse egenverdier

MAT1120 Notat 2 Tillegg til avsnitt 5.4

Lineærtransformasjoner

9 Lineærtransformasjoner TMA4110 høsten 2018

OPPGAVER FOR FORUM

MAT1120 Notat 1 Tillegg til avsnitt 4.4

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

MAT1120 Notat 1 Tillegg til avsnitt 4.4

MAT1120 Notat 2 Tillegg til avsnitt 5.4

Seksjonene : Vektorer

Seksjonene : Vektorer

6.8 Anvendelser av indreprodukter

UNIVERSITETET I OSLO

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

MAT3000/ Våren 2013 Obligatorisk oppgavesett nr. 2 Løsningsskisse

UNIVERSITET I BERGEN

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

MAT1120 Repetisjon Kap. 1, 2 og 3

Emne 7. Vektorrom (Del 1)

Notat2 - MAT Om matriserepresentasjoner av lineære avbildninger

3.9 Teori og praksis for Minste kvadraters metode.

UNIVERSITETET I OSLO

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

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

4.4 Koordinatsystemer

MAT Prøveeksamen 29. mai - Løsningsforslag

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

Lineær algebra. 0.1 Vektorrom

UNIVERSITETET I OSLO

6.6 Anvendelser på lineære modeller

MAT-1004 Vårsemester 2017 Obligatorisk øving 2

= 3 11 = = 6 4 = 1.

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

MAT UiO. 10. mai Våren 2010 MAT 1012

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

Diagonalisering. Kapittel 10

Egenverdier og egenvektorer

Mer om lineære likningssystemer, vektorer og matriser

Kap. 6 Ortogonalitet og minste kvadraters problemer

6.4 Gram-Schmidt prosessen

En rekke av definisjoner i algebra

Grublegruppe 19. sept. 2011: Algebra I

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

Løsningsforslag øving 7

10 Radrommet, kolonnerommet og nullrommet

7 Egenverdier og egenvektorer TMA4110 høsten 2018

MA1202/MA S løsningsskisse

Lineære likningssystemer og matriser

Vektorligninger. Kapittel 3. Vektorregning

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

Kap. 5 Egenverdier og egenvektorer

Oppgave 1 (25 %) - Flervalgsoppgaver

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

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

Mer lineær algebra. Inger Christin Borge. Matematisk institutt, UiO. Kompendium i MAT1012 Matematikk 2. Våren 2014

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

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

Lineær algebra-oppsummering

6 Determinanter TMA4110 høsten 2018

Notat med oppgaver for MAT1140

6.5 Minste kvadraters problemer

Basis, koordinatsystem og dimensjon

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra

7.4 Singulærverdi dekomposisjonen

12 Projeksjon TMA4110 høsten 2018

Obligatorisk oppgave 2

Egenverdier for 2 2 matriser

13 Oppsummering til Ch. 5.1, 5.2 og 8.5

EKSAMENSOPPGAVER FOR TMA4110/TMA4115 MATEMATIKK 3

EKSAME SOPPGAVE MAT-1004 (BOKMÅL)

Emne 9. Egenverdier og egenvektorer

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

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

Repetisjon: Om avsn og kap. 3 i Lay

7.1 forts. Schur triangularisering og spektralteoremet

EKSAMEN I MA1202 LINEÆR ALGEBRA MED ANVENDELSER

5.6 Diskrete dynamiske systemer

MAT1120 Oppgaver til plenumsregningen torsdag 25/9

Homogene lineære ligningssystem, Matriseoperasjoner

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

Notat om Peanos aksiomer for MAT1140

6.4 (og 6.7) Gram-Schmidt prosessen

Repetisjon: om avsn og kap. 3 i Lay

Transkript:

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, polynomer, matriser,... Vektorrom inneholder mange interessante underrom, som selv er vektorrom. 1 / 15

Vektorrom Definisjon. Et (reelt) vektorrom er en mengde V, der elementene kalles vektorer, som er utstyrt med to operasjoner: addisjon og multiplikasjon med skalar. Med en skalar menes her et reelt tall. Det kreves at følgende ti egenskaper (ofte kalt aksiomer) holder for alle u, v, w V og c, d R: 1. u + v V (dvs. V er lukket under addisjon). 2. u + v = v + u. 3. (u + v)+w = u +(v + w). 4. Det fins en nullvektor 0 slik at u + 0 = u. 5. For hver u V fins en vektor u V slik at u +( u) =0. fortsetter neste side! 2 / 15

Vektorrom (fortsettelse av definisjon) 6. Skalart multippel av u med c betegnes med c u og ligger i V (dvs. V er lukket under multiplikasjon med skalar). 7. c (u + v) =c u + c v. 8. (c + d) u = c u + d u. 9. c (d u) =(cd) u. 10. 1 u = u. Merk: Det er opplagt at R n med sine vanlige operasjoner er et (reelt) vektorrom. Notasjon. Egenskap 3 gir at vi ikke trenger å bruke paranteser når det gjelder summer med flere vektorer. Vi skriver f.eks. ( ((v1 ) ) v 1 + v 2 + v 3 + v 4 i stedet for + v 2 )+v 3 + v4. 3 / 15

Eksempler på vektorrom. Mengden F som består av alle reelle følger av typen x = {x j } j=1 =(x 1, x 2, x 3,...), med operasjoner definert ved x + y =(x 1 + y 1, x 2 + y 2, x 3 + y 3,...), c x =(cx 1, cx 2, cx 3,...) Har da 0 = (0, 0, 0,...) og x =( x 1, x 2, x 3,...) (Vi sjekker f.eks. egenskapene 2. og 9. på tavla). Tilsvarende (se s. 234) kan man betrakte signalrommet S som består av alle reelle følger av typen s = {s j } j= =(..., s 2, s 1, s 0, s 1, s 2,...) 4 / 15

Eksempler på vektorrom (fortsettelse). Mengden V = F(D, R) som består av alle funksjoner av typen f : D R der D er en gitt mengde, med operasjonene f + g og c f definert ved for alle t D. (f + g)(t) =f(t)+g(t), (c f)(t) =c (f(t)) Nullvektoren 0 er da gitt ved 0(t) = 0 for alle t D, mens ( f)(t) = f(t), t D. (Egenskapene 4. og 7. sjekkes på tavla) 5 / 15

Eksempler på vektorrom (fortsettelse). La f(t) =t 2 + 1, g(t) = cos t, t [0, 2π]. Da er f, g F([0, 2π], R) og gir en vektor i F([0, 2π], R). (f +3g)(t) =t 2 + 1 + 3 cos t Mengden M m n som består av alle m n (reelle) matriser med sine vanlige operasjoner A + B og ca. Noen skriver R m n eller M m n (R) i stedet for M m n. Vi skriver ofte M n i stedet for M n n. 6 / 15

Merk: Man kan også definere komplekse vektorrom, dvs. vektorrom der skalarene er komplekse tall i stedet for reelle tall. Vi komme tilbake til dette i Avsn. 5.5. La nå V være et vektorrom. Fra egenskapene 1. 10. kan man utlede andre egenskaper. F.eks. Nullvektoren 0 i V er entydig bestemt. Hvis u V, er u entydig bestemt. Videre gjelder: 0 u = 0 c 0 = 0 c u = 0 c = 0 eller u = 0 u =( 1) u (Viser en av disse på tavla). 7 / 15

Underrom La V være et vektorrom. Visse delmengder av V er av spesiell interesse, nemlig de delmengdene som selv fungerer som et vektorrom. Definisjon. En delmengde H av V kalles et underrom dersom: a) Nullvektoren 0 i V ligger i H, b) H er lukket under addisjon (dvs. u, v H u + v H), c) H er lukket under multiplikasjon med skalar (dvs. u H, c R c u H). Merk at da er H selv et vektorrom med hensyn på operasjonene den arver fra V : Egenskapene 1. og 6. holder for H ved b) og c). Egenskap 4. holder for H pågrunn av a). Alle de andre egenskapene holder da også for H siden de holder for V.(Tenk gjennom dette!). 8 / 15

Noen eksempler på underrom. (Sjekker på tavla at a), b) og c) holder for noen av disse eksemplene). {0} og V er alltid underrom av V. Et plan eller en linje i R 3 som går gjennom origo er et underrom av R 3.(Illustreres geometriskt). H = { (x 1, x 2,...) F x 1 =0} er et underrom av følgerommet F. La P være mengden av alle reelle polynomer i en reell variabel t. Da er P et underrom av F(R, R). La D n bestå av alle n n diagonale matriser. Da er D n et underrom av M n. 9 / 15

Noen eksempler på mengder som ikke er underrom. 1) Et plan eller en linje i R 3 som ikke går gjennom origo er ikke et underrom av R 3. 2) K = {x R 2 x 1 0 } er ikke et underrom av R 2. 3) La K = {f F(R, R) f(0)f(1) = 0 }. Da er K ikke et underrom av F(R, R). 4) La K bestå av alle n n matriser som har determinant lik 0. Da er K ikke et underrom av M n. I hvert tilfelle kan vi angi de kravene blandt a), b) og c) som ikke holder. 10 / 15

Underrom utspent av en mengde Den enkleste (kanskje) måten å konstruere et underrom er å starte med visse vektorer i et vektorrom V og føye til alle de andre vektorene som må til for å få et underrom. Definisjon. La v 1, v 2,..., v p være vektorer i V og λ 1,λ 2,..., λ p R. Vektoren v = p λ j v j = λ 1 v 1 + + λ p v p j=1 kalles en lineær kombinasjon av v 1, v 2,..., v p. Vi lar Span {v 1, v 2,..., v p } betegne mengden som som består av alle lineære kombinasjoner av v 1, v 2,..., v p. Dette betyr at { } Span {v 1, v 2,..., v p } = λ 1 v 1 + +λ p v p λ 1,λ 2,..., λ p R. 11 / 15

Teorem 1. La v 1, v 2,..., v p V. Da er Span {v 1, v 2,..., v p } et underrom av V. W = Span {v 1, v 2,..., v p } kalles derfor underrommet utspent (eller generert) av v 1, v 2,..., v p. Disse vektorene kalles en generatormengde (eller spennmengde) for W. (Beviset for Teorem 1 skisseres). 12 / 15

Eksempel 1. La n være et naturlig tall eller 0. Definer { } P n = p P polynomet p er av grad høyst n. Da er P n et underrom av P. Vi kan nemlig la p 0, p 1,..., p n P være definert ved p 0 (t) =1, p 1 (t) =t,..., p n (t) =t n, t R. Da er (sjekkes på tavla). P n = Span {p 0, p 1,..., p n } Så påstanden følger av Teorem 1. (Den kan også sjekkes direkte). 13 / 15

Eksempel 2. La H = { x R 4 x 1 2x 2 + x 3 x 4 =0 }. H er løsningsmengden til et homogent lineært system, så H kan angies på parameterform. Utregning (på tavla) gir at H = Span 2 1 1 { 1 0, 0 1, 0 0 0 0 1 Teorem 1 sier da at H er et underrom av R 4. Dette kunne vi ha sjekket direkte; nå har vi i tillegg funnet en generatormengde for H. }. 14 / 15

Oppsummering rundt følgende spørsmål: Hvordan vise at en gitt mengde (med operasjoner) er et vektorrom? Hvordan vise at en gitt delmengde av et vektorrom er et underrom? Hvordan sjekke om en gitt vektor v er en lineær kombinasjon av gitte vektorer v 1, v 2,..., v p? Hva hvis V = R n? Og hva med Matlab da? 15 / 15