(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

Like dokumenter
Lineær uavhengighet og basis

Basis, koordinatsystem og dimensjon

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.

10 Radrommet, kolonnerommet og nullrommet

Eksamensoppgave MAT juni 2010 (med løsningsforslag)

Lineære ligningssystem; Gauss-eliminasjon, Redusert echelonmatrise

MA1201/MA6201 Høsten 2016

Lineære ligningssystem og matriser

4.1 Vektorrom og underrom

4.2 Nullrom, kolonnerom og lineære transformasjoner

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

MAT-1004 Vårsemester 2017 Prøveeksamen

Eksamensoppgave i MA1201 Lineær algebra og geometri

MAT-1004 Vårsemester 2017 Prøveeksamen

8 Vektorrom TMA4110 høsten 2018

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

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

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

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

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

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

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

MAT1120 Repetisjon Kap. 1

UNIVERSITET I BERGEN

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

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

EKSAMEN I MATEMATIKK 3 (TMA4110)

MAT1120 Oppgaver til plenumsregningen torsdag 18/9

MAT-1004 Vårsemester 2017 Obligatorisk øving 6

4.4 Koordinatsystemer

EKSAMENSOPPGAVER FOR TMA4110/TMA4115 MATEMATIKK 3

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

Lineær algebra. 0.1 Vektorrom

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

MAT 1110: Bruk av redusert trappeform

TMA4122/TMA4130 Matematikk 4M/4N Høsten 2010

LØSNINGSFORSLAG EKSAMEN MA1202/MA6202 VÅR 2010

EKSAMEN I MA1202 LINEÆR ALGEBRA MED ANVENDELSER

TMA4115 Matematikk 3 Vår 2017

TMA4110 Matematikk 3 Haust 2011

Lineærtransformasjoner

Eksamensoppgave i TMA4115 Matematikk 3

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

Løsningsforslag for eksamen i Matematikk 3 - TMA4115

MAT-1004 Vårsemester 2017 Obligatorisk øving 3

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra

Kap. 6 Ortogonalitet og minste kvadrater

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

MAT1120 Repetisjon Kap. 1, 2 og 3

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

Løsningsforslag øving 7

Homogene lineære ligningssystem, Matriseoperasjoner

Lineære likningssystemer og matriser

12 Projeksjon TMA4110 høsten 2018

12 Lineære transformasjoner

EKSAME SOPPGAVE MAT-1004 (BOKMÅL)

MA1202/MA S løsningsskisse

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

Lineær algebra-oppsummering

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

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

7.4 Singulærverdi dekomposisjonen

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

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

Emne 7. Vektorrom (Del 1)

Diagonalisering. Kapittel 10

MAT-1004 Vårsemester 2017 Obligatorisk øving 2

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

Minste kvadraters løsning, Symmetriske matriser

4.4 Koordinatsystemer

Et forsøk på et oppslagsverk for TMA4145 Lineære metoder

TMA4110 Matematikk 3 Høst 2010

4.1 Vektorrom og underrom

4.1 Vektorrom og underrom

Vektorligninger. Kapittel 3. Vektorregning

9 Lineærtransformasjoner TMA4110 høsten 2018

SIF5010 Matematikk 3. y 00, 2y 0 +5y = sin x 4A, 2B =0 4B +2A =1;

Oppgave 1 (25 %) - Flervalgsoppgaver

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

6.4 (og 6.7) Gram-Schmidt prosessen

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra

Kap. 6 Ortogonalitet og minste kvadraters problemer

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

3.9 Teori og praksis for Minste kvadraters metode.

MA1201/MA6201 Høsten 2016

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

EKSAMEN I MA1202 OG MA6202 LINEÆR ALGEBRA MED ANVENDELSER

Notat2 - MAT Om matriserepresentasjoner av lineære 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.

Mer om lineære likningssystemer, vektorer og matriser

Lineære ligningssystemer og gausseliminasjon

Forelesning 10 Cramers regel med anvendelser

MAT1120 Notat 1 Tillegg til avsnitt 4.4

Eksamensoppgave i TMA4110/TMA4115 Calculus 3

Obligatorisk innleveringsoppgave, løsning Lineær algebra, Våren 2006

UNIVERSITETET I OSLO

MAT1120 Notat 1 Tillegg til avsnitt 4.4

UNIVERSITETET I OSLO

Transkript:

NTNU Institutt for matematiske fag TMA4115 Matematikk 3 våren 2009 Løsningsforslag - Øving 10 Fra Edwards & Penney, avsnitt 4.4 5 Vi bruker Algoritme 1 og 2 i EP på sidene 190 og 193 for å finne en basis for rad- og kolonnerommet til A. Vi begynner med Gauss eliminasjon A = 3 1 3 4 ( 3)R 1+R 2 0 2 6 1 (3/2)R 2+R 3 0 2 6 1 2 5 11 12 0 3 9 10 0 0 0 11 1 2 Den siste matrisen E er på echelonform og har ingen nullrader, følgelig danner radene (1, 1, 1, 1), (0, 2, 6, 1), (0, 0, 0, 11 1 2 ) en basis for radrommet til A (vær oppmerksom på at du kan få en annen basis, for eksempel, Gauss-Jordan eliminasjon gir basisen (1, 0, 2, 0), (0, 1, 3, 0), (0, 0, 0, 1) ). Kolonner fra den første matrisen som tilsvarer til lederelementene til E er en basis for kolonnerommet til A, vi får (1, 3, 2), (1, 1, 5), (1, 4, 12). 10 Vi begynner med Gauss eliminasjon. A = 1 3 4 3 6 2 1 3 2 3 0 0 0 5 5 0 0 0 6 6 R 1 +R 2, 1 +R 4 6/5R 3 +R 4 1/5R 3 0 2 2 1 1 0 3 3 0 3 0 0 0 1 1 0 0 0 0 0 2R 2+R 3 3R 2 +R 4 Vi får at (1, 2, 3, 1, 3), (0, 1, 1, 2, 3), (0, 0, 0, 1, 1) er en basis for radrommet til A og (1, 1, 2, 2), (2, 3, 2, 1), (1, 3, 3, 2) er en basis for kolonnerommet til A. 15 Vi har gitt mengden S = {v 1, v 2, v 3, v 4 } av vektorer, og skal bestemme en delmengde av S som danner en basis for rommet utspent av S, dvs. vi skal finne en basis for V = span{v 1, v 2, v 3, v 4 } = alle mulige lineærkombinasjoner av v 1, v 2, v 3 og v 4. For å gjøre dette setter vi vektorene som kolonner i en matrise A = [ v 1 v 2 v 3 v 4. Da lfov10 16. mars 2009 Side 1

er V = Col(A) og vi kan finne en basis: 3 2 4 1 A = 2 1 3 2 2 2 2 3 2 1 3 4 0 0 0 5 0 0 0 2 2 1 3 2 2 2 2 3 2 1 3 4 0 0 0 1 0 0 0 0 og vi ser at vektorene v 1, v 2 og v 4 er en basis for span(s). 0 0 0 5 0 1 1 6 18 Vi skal finne en basis T for R 3 som inneholder v 1 = (3, 2, 1) og v 2 = (2, 2, 1). La A være matrisen med kolonnevektorer v 1, v 2 og vektorene i standardbasisen e 1, e 2 og e 3. Da er R 3 = Col(A), og vi kan bruke Algoritme 2 (Basis for kolonnerommet, EP 4.4 side 193) som i eksempel 5, side 194: A = [v 1 v 2 e 1 e 2 e 3 = Når vi reduserer til echelonform får vi E =, 3 2 1 0 0 2 2 0 1 0 1 1 0 0 1 1 1 0 0 1 0 5 1 0 3 0 0 0 1 2 Vi har lederelementer i kolonner 1, 2 og 4. Disse tilsvarer vektorene v 1, v 2 og e 2 i A. En basis for R 3 som inneholder v 1 og v 2 vil da være 29 Skriv A = [ a 1 a 2... a n, og husk at.. T = {v 1, v 2, e 2 } = {(3, 2, 1), (2, 2, 1), (0, 1, 0)}. (1) Ax = b x 1 a 1 +... + x n a n = b. Altså er b en lineær kombinasjon av kolonnene til A. Hvis b R m er slik at Ax = b har en løsning x 0 R n, så er x = x 0 + x h, der x h er løsningen av Ax = 0, løsningsmengden til Ax = b. (Vi har at Ax = A(x 0 + x h ) = Ax 0 + Ax h = b + 0 = b.) Siden n > m har det homogene systemet Ax = 0 uendelig mange løsninger x h (Theorem 3, s. 27 i ELA). Da har systemet Ax = b uendelig mange løsninger. Fra Edwards & Penney, avsnitt 5.1 2 Vi vil finne ut hvis vektorne v 1 = (3, 2, 3, 4), v 2 = (6, 3, 4, 6), v 3 = (17, 12, 21, 3) er parvis (innbyrdes) ortogonale. Av definisjonen i formel (1) får vi Vektorene er altså innbyrdes ortogonale. v 1 v 2 = 18 6 + 12 24 = 0, v 1 v 3 = 51 + 24 63 12 = 0, v 2 v 3 = 102 36 84 + 18 = 0. lfov10 16. mars 2009 Side 2

14 Vi skal finne en basis for det ortogonale komplementet V til underrommet V i R 3 utspent av vektoren v 1 = (1, 5, 3). V er radrommet til matrisen A = [ 1 5 3 og V = Null(A). Ligningssystemet Ax = 0 har her en ligning x 1 + 5x 2 3x 3 = 0. Her er x 2 og x 3 frie variabler og hvis x 2 = s og x 3 = t, så er x 1 = 5s + 3t. Med s = 1 og t = 0 får vi løsningsvektoren u 1 = ( 5, 1, 0), og med s = 0 og t = 1 får vi løsningsvektoren u 2 = (3, 0, 1). Da er {u 1, u 2 } en basis for V. 21 Vi skal finne en basis for det ortogonale komplementet V til underrommet V i R 5 utspent av vektorene v 1 = (1, 2, 3, 1, 3), v 2 = (1, 3, 4, 3, 6), og v 3 = (2, 2, 4, 3, 5). V er radrommet til 3 5 matrisen 1 2 3 1 3 A = 1 3 4 3 6. Da er V = Row(A) = Null(A) [Theorem 5 side 217 i EP. Vi finner en basis for Null(A) ved å bruke algoritmen i EP 4.3 side 186, og starter med å omforme A til en echelonmatrise: 1 3 4 3 6 ( 1)R 1+R 2 (2)R 2+R 3. 0 2 2 1 1 0 0 0 1 1 Da er løsningene til Ax = 0 gitt ved Parameterverdiene x 3 = s, x 5 = t, x 4 = x 5 = t, x 2 = x 3 2x 4 3x 5 = s t, x 1 = 2x 2 3x 3 x 4 3x 5 = s. s = 1, t = 0 gir løsningsvektoren u 1 = ( 1, 1, 1, 0, 0), s = 0, t = 1 gir løsningsvektoren u 2 = (0, 1, 0, 1, 1). Det ortogonale komplementet V er følgelig det 2-dimensjonale underrommet i R 5 med basis {u 1, u 2 }. 30 Hvis u v = 0 og u + v = 0, så er 0 = u (u + v) = u u + u v = u u = u 2. Altså er u = 0, og dermed også v = u = 0. Eksamensoppgaver Mai 01, oppg.4 Nullrommet til A, Null(A), er løsningsrommet til det homogene systemet Ax = 0. Vi finner løsningene ved først å omforme A til en echelonmatrise E (evt. en redusert echelonmatrise): A = 1 5 9 4 2 5 2 7 0 3 12 9 0 1 4 3 ( 1)R 1+R 2 ( 1 3 )R 2 ( 1)R 2 +R 3 0 1 4 3 = E. 0 0 0 0 lfov10 16. mars 2009 Side 3

Med x 3 = s og x 4 = t blir x 2 = 4x 3 + 3x 4 = 4s + 3t og x 1 = 2x 2 3x 3 5x 4 = 11s 11t slik at Null(A) er gitt ved (x 1, x 2, x 3, x 4 ) = ( 11s 11t, 4s + 3t, s, t) = s( 11, 4, 1, 0) + t( 11, 3, 0, 1), s, t R. En basis B for Null(A) er vektorene vi får med henholdsvis s = 1, t = 0 og s = 0, t = 1: B = {( 11, 4, 1, 0), ( 11, 3, 0, 1)}. I det gitte inhomogene systemet er høyresiden b = (1, 1, 2) lik første kolonne i A slik at én løsning er x 0 = (1, 0, 0, 0). Løsningsmengden er alle vektorer av formen x = x 0 + x h = (1, 0, 0, 0) + s( 11, 4, 1, 0) + t( 11, 3, 0, 1), s, t R. b) I echelonmatrisen E er kolonne 1 og 2 pivotkolonner. De tilsvarende kolonnene i A er da en basis S for kolonnerommet Col(A): S = {(1, 1, 2), (2, 5, 5)}. Ikkenullradene i E er en basis T for radrommet Row(A): T = {(1, 2, 3, 5), (0, 1, 4, 3)}. Siden Row(A) = Null(A), får vi fra a) at en basis for Row(A) er B = {( 11, 4, 1, 0), ( 11, 3, 0, 1)}. Aug. 05, oppg.6 La a 1, a 2,..., a n være kolonnevektorene til den gitte m n-matrisen A. Da er altså A = [ a 1 a 2... a n, og med x = (x1, x 2,..., x n ) kan ligningssystemet Ax = b skrives x 1 a 1 + x 2 a 2 + + x n a n = b. For en gitt b R m vil følgelig ligningssystemet Ax = b ha løsning hvis og bare hvis b span{a 1, a 2,..., a n } = Col(A). Vi har dim Col(A) n. Da n < m, er Col(A) et ekte underrom av R m. Det finnes derfor b R m som ikke er i Col(A). For slike b har Ax = b ingen løsning. Flervalgsoppgaver 1 Vi skal bestemme rangen r for 3 4 matrisen 1 1 2 1 A = 1 0 1 2. 2 1 3 1 Vi husker at rang(a) = dim Row(A) = dim Col(A). Siden A har tre rader, er r 3, og alternativ D (r = 4) er utelukket. Vi ser også at første og andre rad i A er lineært uavhengige, følgelig er r 2 så alternativ A (r = 1) er også utelukket. For å avgjøre om det er alternativ B eller C som er riktig, kan vi omforme A til en echelonmatrise og lese av dim Row(A) som antall ikkenullrader. Vi får 1 0 1 2 ( 1)R 1+R 2 0 1 1 1 ( 1)R 2+R 3 0 1 1 1. 2 1 3 1 0 1 1 1 0 0 0 2 Siden vi får tre ikkenullrader, er r = 3, og C er det riktige alternativet. lfov10 16. mars 2009 Side 4

2 Vektorene u = (2, 2, 1, k) og v = (k, 1, 1, k) er ortogonale hvis og bare hvis u v = 0. Vi får u v = 2k + 2 1 + k 2 = k 2 + 2k + 1 = (k + 1) 2. Vi ser at u v = 0 hvis og bare hvis k = 1. Riktig svar er følgelig alternativ C. lfov10 16. mars 2009 Side 5