MAT1120 Notat 1 Tillegg til avsnitt 4.4

Like dokumenter
MAT1120 Notat 1 Tillegg til avsnitt 4.4

4.4 Koordinatsystemer

4.4 Koordinatsystemer

MAT1120 Notat 2 Tillegg til avsnitt 5.4

MAT1120 Notat 2 Tillegg til avsnitt 5.4

Notat2 - MAT Om matriserepresentasjoner av lineære avbildninger

Lineær uavhengighet og basis

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

4.1 Vektorrom og underrom

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

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

MAT1120 Repetisjon Kap. 1

4.2 Nullrom, kolonnerom og lineære transformasjoner

UNIVERSITETET I OSLO

Kap. 6 Ortogonalitet og minste kvadrater

4.1 Vektorrom og underrom

MAT1120 Repetisjon Kap. 1, 2 og 3

Lineærtransformasjoner

12 Lineære transformasjoner

6.5 Minste kvadraters problemer

OBLIG 2 - MAT 1120 Høsten 2005

UNIVERSITETET I OSLO

6.4 Gram-Schmidt prosessen

4.1 Vektorrom og underrom

Repetisjon: om avsn og kap. 3 i Lay

6.4 (og 6.7) Gram-Schmidt prosessen

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

4.1 Vektorrom og underrom

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

UNIVERSITETET I OSLO

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

Emne 7. Vektorrom (Del 1)

8 Vektorrom TMA4110 høsten 2018

Repetisjon: Om avsn og kap. 3 i Lay

9 Lineærtransformasjoner TMA4110 høsten 2018

15 Hovedprinsippet for vektorrom med et indre produkt

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

6 Determinanter TMA4110 høsten 2018

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

Lineære likningssystemer og matriser

10 Radrommet, kolonnerommet og nullrommet

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

Løsningsforslag øving 7

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

7.4 Singulærverdi dekomposisjonen

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

MAT 1110: Bruk av redusert trappeform

MAT1120 Oppgaver til plenumsregningen torsdag 18/9

MAT3000/ Våren 2013 Obligatorisk oppgavesett nr. 2 Løsningsskisse

Kap. 7 Symmetriske matriser og kvadratiske former

Kap. 5 Egenverdier og egenvektorer

5.8 Iterative estimater på egenverdier

6.8 Anvendelser av indreprodukter

Obligatorisk oppgave 1 MAT1120 HØSTEN 2014

MAT-1004 Vårsemester 2017 Obligatorisk øving 2

UNIVERSITETET I OSLO

MAT Prøveeksamen 29. mai - Løsningsforslag

Lineære ligningssystemer og gausseliminasjon

Lineær algebra-oppsummering

UNIVERSITET I BERGEN

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

Mer om kvadratiske matriser

Egenverdier for 2 2 matriser

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

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra

= 3 11 = = 6 4 = 1.

Oppgave 1 (25 %) - Flervalgsoppgaver

Mer om kvadratiske matriser

Løsningsforslag øving 6

Kap. 5 Egenverdier og egenvektorer

Determinanter. Kapittel 6. Determinanter for 2 2-matriser. La oss beregne arealet av dette parallellogrammet. Vi tegner på noen hjelpelinjer:

Lineære ligningssystemer og gausseliminasjon

5.5 Komplekse egenverdier

6.6 Anvendelser på lineære modeller

Egenverdier og egenvektorer

Obligatorisk innlevering 3 - MA 109, Fasit

MAT UiO. 10. mai Våren 2010 MAT 1012

Mer om lineære likningssystemer, vektorer og matriser

Dagens mål. Det matematiske fundamentet til den diskrete Fourier-transformen Supplement til forelesning 8 INF Digital bildebehandling

Pensum i lineæralgebra inneholder disse punktene.

OPPGAVER FOR FORUM

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

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

4 Matriser TMA4110 høsten 2018

Eksamensoppgave i MA1201 Lineær algebra og geometri

MAT1120 Oppgaver til plenumsregningen torsdag 25/9

7.1 forts. Schur triangularisering og spektralteoremet

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

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

EKSAME SOPPGAVE MAT-1004 (BOKMÅL)

(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

12 Projeksjon TMA4110 høsten 2018

Vektorligninger. Kapittel 3. Vektorregning

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

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

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

Diagonalisering. Kapittel 10

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

Transkript:

MAT1120 Notat 1 Tillegg til avsnitt 4.4 Vi tar utgangspunkt i Teorem 8 fra avsn. 4.4 i boka. For ordens skyld gjentar vi teoremet her: Teorem 8 [Avsn. 4.4]: Anta at B = {b 1,..., b n } er en (ordnet) basis for et vektorrom V. Da er koordinatavbildningen x [x] B en isomorfi fra V på R n, dvs at avbildningen er lineær, 1-1 og på. Poenget med dette teoremet er at ethvert spørsmål om vektorrommet V som har med lineær algebra å gjøre kan oversettes til et tilsvarende spørsmål om R n ved hjelp av koordinatavbildningen. Mange endeligdimensjonale vektorrom har en naturlig basis (som gjerne kalles standardbasisen), så dette kan ofte brukes. Følgende resultat, som ikke står nevnt eksplisitt i boka, er en konsekvens av teoremet ovenfor. Korollar til Teorem 8 [Avsn. 4.4] : Anta at B = {b 1,..., b n } er en (ordnet) basis for et vektorrom V og la S være en endelig delmengde av V, bestående av p forskjellige vektorer, u 1,..., u p (ordnet i denne rekkefølgen). Betrakt da mengden S B = { [u 1 ] B,..., [u p ] B } av vektorer i R n, og n p matrisen [S B ] som har vektorene i S B som sine kolonnevektorer, dvs Da gjelder: [S B ] = [ [u 1 ] B [u p ] B ]. S utspenner V S B utspenner R n. S er lineært uavhengig i V S B er lineært uavhengig i R n. S er en basis for V S B er en basis for R n p = n og matrisen [S B ] er invertibel. 1

Noen kommentarer. 1) Fra den siste påstanden i korollaret ser vi at dersom V har en basis B med n elementer, så er antall vektorer i en hvilken som helst annen basis for V også lik n: dette tallet n kalles dimensjonen til V (og er temaet for avsnitt 4.5). 2) Når S er en basis for V, kalles den invertible matrisen [S B ] for en koordinatskifte-matrise, eller for en basisskifte-matrise. Slike matriser skal vi studere nærmere i avsnitt 4.7. 3) Om S B utspenner R n, eller om S B er lineært uavhengig, eller om S B er basis for R n, kan vi avgjøre ved å beregne den reduserte trappeformen R = rref([s B ]) til [S B ] og se på pivotene til R. Vi vet nemlig at S B utspenner R n R har pivoter i alle sine rader, S B er lineært uavhengig R har pivoter i alle sine kolonner, S B er basis for R n p = n og R = I n (identitetsmatrisen). Tar vi oss bryet med å beregne [S B ] og R, vil vi derfor lett kunne finne ut av det vi måtte ønske å vite om S. Men her mådet ikke glemmes at det fins situasjoner der svaret kan gis nokså direkte, uten å følge dette oppsettet (som ofte vil være regningskrevende). Så det kan være lurt å tenke seg om litt før man setter i gang... Eksempel 1. La B = {1, t, t 2 } være standardbasisen for P 2 og la Da er S = { 1 t 2, t t 2, 2 t t 2 }. S B = {[1 t 2 ] B, [t t 2 ] B, [2 t t 2 ] B } = { 1 0, 0 1 1 1 så [S B ] = 1 0 2 0 1 1. 1 1 1 Utregning gir at R = rref([s B ]) er gitt ved R =, 2 1 1 1 0 2 0 1 1 0 0 0. }, 2

Vi ser at R ikke har pivoter i alle rader og heller ikke pivoter i alle kolonner. Dermed kan vi konkludere fra korollaret (i kombinasjon med kommentar 3)) at S hverken utspenner P 2 eller er lineært uavhengig. En lineær avhengighetsrelasjon mellom vektorene i S kan vi forøvrig lett lese av R. Vi ser at k 3 = 2 k 1 k 2 (der k j -ene betegner kolonnevektorene til R). Tilsvarende lineær avhengighetsrelasjon må da gjelde mellom vektorene i S. Dette betyr at 2 t t 2 = 2 (1 t 2 ) (t t 2 ) som vi jo ser er riktig. Hadde vi klart å se dette med en gang, hadde vi ikke trengt å gjøre utregningene ovenfor for å komme frem til at S er lineært avhengig. Betrakt nå mengden S = {1 t 2, t t 2, 2 t + t 2 } (som fremkommer ved å forandre et fortegn i siste vektor i S). Vi finner da at [S ] B = 1 0 2 0 1 1. 1 1 1 Utregning gir nå at rref([s B ]) = I 3. Dermed er S B en basis for R3, og vi kan konkludere fra korollaret at S er en basis for P 2. Eksempel 2. Vi betrakter V = Span {sin t, sin 2t, sin 3t} og dets delmengde S = {2 sin t sin 2t + sin 3t, sin t + sin 2t 3 sin 3t}. Er S lineært uvahengig? Skal vi bruke korollaret for å kunne besvare dette spørsmålet, må vi først finne en basis for V. Den opplagte kandidaten er B = {sin t, sin 2t, sin 3t}, som per definisjon utspenner V. Vi sjekker at B er lineært uavhengig: 3

Anta at c 1 sin t + c 2 sin 2t + c 3 sin 3t = 0 for alle t R. Ved å sette inn f.eks. t = π/6, t = π/4 og t = π/2 i tur og orden får vi følgende likningssett: 1 3 2 c 1 + 2 c 2 + c 3 = 0 2 2 2 c 1 + c 2 + 2 c 3 = 0 c 1 + c 2 0 c 3 = 0 Utregning gir at koeffisientmatrisen til dette systemet er invertibel (gjør det!). Ved Invertibel Matrise Teoremet (IMT) følger det at B er lineært uavhengig. Dermed kan vi konkludere med at B er en basis for V. Vi får nå at [S B ] = 2 1 1 1, og deretter at rref([s B ]) = 1 0 0 1. 1 3 0 0 Siden rref([s B ]) har pivoter i begge sine kolonner kan vi konkludere med at S B, og derfor også S, er lineært uavhengig. I dette eksemplet er det nok enklere å begrunne direkte at S er lineært uavhengig ved å observere at ingen av funksjonene i S er et multiplum av den andre: dette kan vi innse ved å sette inn f.eks. t = π og t = π i begge funksjonene; alternativt kan vi se på grafene 4 2 til disse funksjonene. Til slutt går vi gjennom hovedpunktene i beviset for korollaret. Vi er gitt en ordnet basis B = {b 1,..., b n } for V. Videre er S = {u 1,..., u p } V, S B = { [u 1 ] B,..., [u p ] B } R n og [S B ] = [ ] [u 1 ] B [u p ] B er den assosierte m n matrisen. Vi begynner med en enkel observasjon. 4

La u V og c 1,, c p R. Da gjelder at u = c 1 u 1 + + c p u p (1) (siden koord. avb. er 1-1) (siden koord. avb. er lineær). [u] B = [ c 1 u 1 + + c p u p ]B [u] B = c 1 [u 1 ] B + + c p [u p ] B (2) Vi kan nå begrunne den første ekvivalensen i korollaret. Anta at S utspenner V. La x R n. Siden koordinatavbildningen er på R n, finnes det en u V slik at [u] B = x. Videre, fordi S utspenner V finnes det c 1,, c p R slik at (1) holder. Men da får vi fra (2) at x = [u] B = c 1 [u 1 ] B + + c p [u p ] B, mao at x er en lineær kombinasjon av vektorene i S B. Dette viser at S B utspenner R n (siden x var en vilkårlig vektor i R n ). Omvendt, anta at S B utspenner R n. La u V. Da finnes c 1,, c p R slik at (2) holder. Men da holder også (1), så u er en lineær kombinasjon av vektorene i S. Dette viser at S utspenner V (siden u var en vilkårlig vektor i V ). Dermed har vi vist den første ekvivalensen. Den andre ekvivalensen vises tilsvarende (jf. oppgave 4.4.25 i boka). Vi begrunner til slutt den siste påstanden i korollaret, som består av to ekvivalenser. Den første er grei: S er jo en basis for V hvis og bare hvis V er utspent av S og S er lineært uavhengig; med det vi nå vet, er dette ekvivalent med at S B utspenner R n og S B er lineært uavhengig, altså med at S B er en basis for R n. Vi ser nå på den siste ekvivalensen. Anta at S B er en basis for R n, mao at S B utspenner R n og S B er lineært uavhengig. Sett R = rref([s B ]). 5

Vi vet da at R vil ha pivoter i alle rader og i alle kolonner (se kommentar 3) i dette notatet). Dermed må p = n og R = I n. Men da er [S B ] invertibel i følge IMT. Omvendt, anta at p = n og [S B ] er invertibel. Da er R = I n (igjen ved IMT), så S B utspenner R n (siden R har pivoter i alle rader) og S B er lineært uavhengig (siden R har pivoter i alle kolonner). Dermed er S B en basis for R n. Dette fullfører beviset for den aller siste ekvivalensen. 6