Obligatorisk innleveringsoppgave, løsning Lineær algebra, Våren 2006

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

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

Lineære likningssystemer og matriser

Determinanter til 2 2 og 3 3 matriser

Øving 3 Determinanter

MAT1120 Repetisjon Kap. 1, 2 og 3

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

Repetisjon: Om avsn og kap. 3 i Lay

Matriser. Kapittel 4. Definisjoner og notasjon

Repetisjon: om avsn og kap. 3 i Lay

Homogene lineære ligningssystem, Matriseoperasjoner

Lineær algebra-oppsummering

Mer om kvadratiske matriser

1 Gauss-Jordan metode

Mer om kvadratiske matriser

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

4 Matriser TMA4110 høsten 2018

Pensum i lineæralgebra inneholder disse punktene.

Forelesning 10 Cramers regel med anvendelser

Oppgave 1 (25 %) - Flervalgsoppgaver

Elementær Matriseteori

Oppgave P. = 2/x + C 6 P. + C 6 P. d) 12(1 x) 5 dx = 12u 5 1/( 1) du = 2u 6 + C = 2(1 x) 6 + C 6 P. Oppgave P.

Gauss-eliminasjon og matrisemultiplikasjon

Lineær algebra. 0.1 Vektorrom

6 Determinanter TMA4110 høsten 2018

MAT1120 Repetisjon Kap. 1

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

Vektorligninger. Kapittel 3. Vektorregning

TMA4122/TMA4130 Matematikk 4M/4N Høsten 2010

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

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

Egenverdier for 2 2 matriser

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

Oppgave 1. e rt = 120e. = 240 e

Lineære ligningssystemer og gausseliminasjon

Lineære likningssett.

Lineære ligningssystem og matriser

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

Forelesning 22 MA0003, Mandag 5/ Invertible matriser Lay: 2.2

UNIVERSITET I BERGEN

MAT 1110: Bruk av redusert trappeform

Øving 4 Egenverdier og egenvektorer

Lineære ligningssystemer og gausseliminasjon

Regneregler for determinanter

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

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

Numerisk lineær algebra

Lineære ligningssystem; Gauss-eliminasjon, Redusert echelonmatrise

Øving 2 Matrisealgebra

Prøve i Matte 1000 BYFE DAFE 1000 Dato: 03. mars 2016 Hjelpemiddel: Kalkulator og formelark. Alle svar skal grunngis. Alle deloppgaver har lik vekt.

DAFE BYFE Matematikk 1000 HIOA Obligatorisk innlevering 1 Innleveringsfrist Fredag 22. januar :00 Antall oppgaver: 5.

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

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

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

LO118D Forelesning 5 (DM)

Forelesning i Matte 3

R: 0, , = 6000 D : 0, , = 4000 La v n = angi fordelingen etter n år (dvs. a b n stemmer for R og

MET Matematikk for siviløkonomer

(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

MET Matematikk for siviløkonomer

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

Løsningsforslag øving 6

Løsningsforslag. Oppgave 1 Gitt matrisene ] [ og C = A = 4 1 B = 2 1 3

Matriser En matrise er en rektangulær oppstilling av tall og betegnes med en stor bokstav, f.eks. A, B, C,.. Eksempler:

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

Øving 5 Diagonalisering

Kap. 7 Symmetriske matriser og kvadratiske former

MAT-1004 Vårsemester 2017 Obligatorisk øving 2

Lineær algebra. Kurskompendium, Utøya, MAT1000. Inger Christin Borge

MAT1120 Notat 2 Tillegg til avsnitt 5.4

UNIVERSITETET I OSLO

Obligatorisk innlevering 3 - MA 109, Fasit

RF5100 Lineær algebra Leksjon 2

Løsningsforslag. a) i. b) (1 i) 2. e) 1 i 3 + i LF: a) Tallet er allerede på kartesisk form. På polar form er tallet gitt ved

MA2501, Vårsemestre 2019, Numeriske metoder for lineære systemer

Diagonalisering. Kapittel 10

6.4 Gram-Schmidt prosessen

Lineærtransformasjoner

Forelesning 14 Systemer av dierensiallikninger

EKSAMEN I MA1202 LINEÆR ALGEBRA MED ANVENDELSER

MAUMAT644 ALGEBRA vår 2016 Første samling Runar Ile

7.4 Singulærverdi dekomposisjonen

Egenverdier og egenvektorer

En (reell) funksjon f fra en (reell) mengde D er en regel som til hvert element x D tilordner en unik verdi y = f (x).

12 Projeksjon TMA4110 høsten 2018

Oppgave 1. f(2x ) = f(0,40) = 0,60 ln(1,40) + 0,40 ln(0,60) 0,0024 < 0

Løsningsforslag øving 7

MA0002 Brukerkurs i matematikk B Vår 2016

a) Matrisen I uv T har egenverdier 1, med multiplisitet n 1 og 1 v T u, med multiplisitet 1. Derfor er matrisen inverterbar når v T u 1.

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra

MAT UiO. 10. mai Våren 2010 MAT 1012

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

Matriser En matrise er en rektangulær oppstilling av tall og betegnes med en stor bokstav, f.eks. A, B, C,.. Eksempler:

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

Lineære likningssystemer

TMA4100 Matematikk 1, høst 2013

Obligatorisk oppgavesett 1 MAT1120 H16

MAT-1004 Vårsemester 2017 Prøveeksamen

Høgskolen i Oslo og Akershus. e 2x + x 2 ( e 2x) = 2xe 2x + x 2 e 2x (2x) = 2xe 2x + 2x 2 e 2x = 2xe 2x (1 + x) 1 sin x (sin x) + 2x = cos x

Transkript:

Obligatorisk innleveringsoppgave, løsning Lineær algebra, Våren 006 Oppgave I hele oppgaven bruker vi I = 0 0 0 0. 0 0 a) Matrisen A har størrelse og B har størrelse slik at matriseproduktet A B er en -matrise. Vi lar produktet A B = [c ij ] der i og j. Som eksempel vises uttregningen av noen av tallene c ij. c = + 0 + ( ) = 0 c = ( ) + + ( ) ( ) = 6 c = ( ) + + ( ) = Dette er med på å gi 0 6 A B =. 8 b) Inversen til A kan nnes på ere måter. Et alternativ er å bruke determinanter og kofaktorer, se teorem side 0. Her vises metoden med bruk av Gauss-Jordan eliminasjon. Det er mange korrekte måter å utføre denne eliminasjonen på. Her vises et (forhåpentligvis) korrekt eksempel. Vi setter opp en stor matrise med matrisen A til venstre og I til høyre... 0 0 7 0. 0 0. 0 0 Vi beholder rad I, men erstatter rad II med II + I og rad III med III I... 0 0 0.. 0 0 9 8. 0 Vi beholder rad I og II, men erstatter rad III med III + 9 II... 0 0 0.. 0 0 0.

Vi fortsetter med å ordne til 'ere på diagonalen i matrisen til venstre.. 0 0 0 6. 0 0 0. 6 6 Legg merke til at matrisen til venstre er øvre triangulær mens matrisen til høyre er nedre triangulær. Vi skal nå fjerne tallene over diagonalen i matrisen til venstre. Vi beholder rad III og erstatter rad I med I + III og rad II med II + 6 III. 0.. 8 0 0.. 0 0.. 6 6 I siste steget beholder vi radene II og III. For å fjerne tallet i matrisen til venstre erstatter vi rad I med I II. 0 0.. 7 0 0.. 0 0... 6 Nå har vi I til venstre og vi leser av den inverse matrisen til høyre. 7 A = = 8 8 78 9 6 6 c) For å nne matrisen X utnytter vi at produktene A A = I og I X = X. Husk at for matriser må vi passe på rekkefølgen når vi multipliserer. Vi begynner med å multiplisere ligningen AX = B med A fra venstre A AX = A B I X = A B X = A B. 6 Vi utfører matrisemultiplikasjonen A B og får Legg merke til X = A B = 6 8 Fordi inversen A er unik, er det kun én matrise X som oppfyller ligningen AX = B. Det er viktig at vi ganger med A fra venstre. Om vi ganger fra høyre får vi AXA = BA som ikke bringer oss videre.

Oppgave a) Det er mange måter å regne ut en determinant på, avhengig av situasjonen vil noen måter peker seg ut som enklere enn andre. I dette tilfellet velger jeg ut utvikle determinanten langs den andre raden. Pass på fortegnene, se side 00. 0 0 det(m) = 0 0 0 0 0 = 0 + 0 0 0 + 0 = 0 + 0 = ( ( ) ( ) ) = 0. Et alternativ er å utvikle langs tredje kolonne. 0 0 det(m) = 0 0 0 0 0 = 0 0 + 0 0 0 0 = 0 0 0 Denne determinanten nner vi ved å utvikle langs andre rad. Når vi har gjort det får vi determinater og kan bruke formelen for determinanter på side 98 i læreboken. 0 0 0 = 0 + 0 = ( ( ) ( ) ) = ( ) = 0 b) Merk at siden det(m) = 0 så har ikke matrisen M en invers og vi kan ikke regne med én unik løsning av det homogene ligningssystemet Mx = 0. Som over er det mange riktige måter å gjøre Gauss eliminasjon på. Her presenterers én måte. Vi begynner med å fjerne tallene under diagonalen i M. 0 0 M = 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 = N 0 0 0 0 0 0 0 Fordi vi startet med et homogent system, har ligningsystemet N x = 0 har samme løsning som Mx = 0 og vi skriver 0 0 x 0 0 0 0 x 0 0 x = 0 0. 0 0 0 0 0 Ordet homogent betyr at høyresiden i ligningsystemet er nullvektoren 0 = (0, 0, 0, 0). x

Det er en fri variabel x = s og vi får x x = 0 x = s, x + 0x = 0 x = 0, x x = 0 x = s. På vektorform har vi løsningen x = (x, x, x, x ) = (s, 0, s, s) = s(, 0,, ). Oppgave Her får vi bruk for noen regneregler med potenser. En liten repetisjon kan være nyttig. La A og B være n n-matriser og la p og q være (reelle) tall.. A p+q = A p A q.. A pq = (A p ) q = (A q ) p.. A p = (A ) p.. For matriser er det INGEN sammenheng mellom (AB) p og A p B p. a) Vi nner først E = E E = 0 0 0 0. Dette er en diagonalmatrise 0 0 Vi bruker reglene over og skriver E = E + = E E = 0 0 0 0 0 0 0 0 0 0 = 0 0 = I 0 0 0 0 0 0 b) Før vi setter i gang å lete etter E bør vi forsikre oss om at E faktisk har en invers. Det gjør vi ved å ta determinanten på begge side av ligningen E = I. Husk at det(i) = og det(e ) = (det E). det(e ) = det(i) (det E) = det(e) = ± 0. Siden det(e) 0 har E en inversmatrise E, se teorem side 06. For å nne inversen tar vi utgangspunkt i ligningen I = E, men skriver E = E E. I = E E E I = E EE E = E. Vi nner E = E = E E = 0 0 0 0 0 0 0 0 = 0 0 0 0. 0 0 0 0 0 0 Alternativt kunne vi brukt Gauss-Jordan eliminasjon som i b, men det hadde vært langt mer arbeidskrevende. Diagonalmatriser er matriser der bare diagonalen har elementer ulik 0. Diagonalmatriser multipliseres ved å gange sammen diagonalelementene punktvis.

c) Det kan umulig være slik at den som har laget oppgaven mener du skal sitte og regne ut E 00 for hånd, så her må det være et knep som reduserer regnearbeidet. E 00 = E 0+ = (E ) 0 E = I 0 E = E = 0 0 0 0. 0 0 Oppgave a) Vi setter opp ligningssystemet på matriseform Ax = b der a a A = a a og b = a + a 6 0 Vi har nøyaktig én løsning når det(a) 0. Vi går dermed løs på oppgaven med å nne det(a). Vi får bruk for samtlige regler vi har lært om utregning av determinanter. Det er mange riktige måter og rekkefølger å bruke de reglene på. Her følger ett mulig forslag. Tallet over likhetstegnet antyder hvilken egenskap (property) som er brukt, med henvisning til bokens kapitel.6. a a det(a) = a a a 6 = a + 0 a a 0 a a 6 = a a a 0 6 + a 0 a a a a 6 Vi ser på determinantene hver for seg. Den første gir, utviklet etter andre kolonne a a a 0 0 a = 0 6 6 + a a a 0 0 6 ( = ) ( 6 + 0 0 a + a ) 0 6 + 0 a a a = ( ) ( 0 + 0 a + 6a + 0 a + a ) = a.

Den andre determinanten gir a 0 a a a 0 = a a 0 = a a 6 6 6 0 0 a a 0 6 = a ( 0 + ) ( 6 0 a 0 + a ) 6 + 0 = a ( 0 + 9 ) + a (0 + a + 0) = a a. Vi setter dette inn i uttrykket for det(a) overfor. det(a) = a + ( a a ) = a 0a = a (a + ). Vi ser at det(a) = 0 når a = 0 og a =. Systemet har nøyaktig en løsning (gitt ved x = A b) når det(a) 0, noe som inntreer når a 0 og a. I resten av punkt a antar vi at a har en verdi slik at det(a) 0 for at vi kan bruke Cramers regel. Vi setter opp de nødvendige matrisene og determinantene. Merk at for hver matrise er en av kolonnene erstattet med b. a A = a + a og det(a ) = a(a 9a ) 0 a 6 a a A = a a + og det(a ) = 8a 0 6 a A = a a a + og det(a ) = a(a a + ) a 0 Jeg går ikke gjennom detaljene i hvordan determinantene regnes ut, men det foregår i all hovedsak som for det(a). Spesielt nyttig er egenskap i kap.6, Ved Cramers regel får vi x = det(a ) det(a) = a(a 9a ) a = a 9a (a + ) a(a + ) y = det(a ) det(a) = 8a a (a + ) = 9 (a + ) z = det(a ) det(a) = a(a a + ) a = a a + (a + ) a(a + ) b) Det er ingen enkel måte å besvare punktene b og c. Det vi må gjøre er å sette både a = 0 og a = inn i Ax = b og løse systemene med Gauss 6

eliminasjon (Siden det(a) = 0 i disse tilfellene kan vi ikke bruke Cramers regel). Først da kan vi besvare b og c. Vi begynner med a =. Det gir den utvidede koesientmatrisen [A. 0 0.. 0 0... b] = 6. 6. 6 6. 0 0 7 0.. For radene til venstre for den stiplede linjen observerer vi at 8III = 6I +0II, så om vi erstatter III med 6I + 0II 8III får vi 0 0.. 6. 0 0 0. 90 Dermed gir den tredje ligningen 0x + 0y + 0z = 90 som er en selvmotsigelse som innebærer at systemet ikke har noen løsninger. Svaret på b er: Systemet har ingen løsninger når a =. c) Vi fortsetter med a = 0. Det gir den utvidede koesientmatrisen [A. 0 0... b] = 0.. 6... 0 Legg merke til at III = I + II og når vi erstatter III med III I II får vi 0 0.. 0. 0... 0 0.. 0 0 0... 0 0 0 0... 0 Den nederste ligningen gir 0x + 0y + 0z = 0 og vi har uendelig mange løsninger. Den frie variabelen er z = s og vi har ligningene x z = x = + s, y + 0z = y =. Skrevet på vektorform gir dette løsningene x = ( + s,, s) = s(, 0, ) + (,, 0), der s R. Svaret på c er: Systemet har uendelig mange løsninger når a = 0. 7