MA1201/MA6201 Høsten 2016

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

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

Diagonalisering. Kapittel 10

16 Ortogonal diagonalisering

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

Løsningsforslag MAT 120B, høsten 2001

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

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra

UNIVERSITETET I OSLO

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

13 Oppsummering til Ch. 5.1, 5.2 og 8.5

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

MA1202/MA S løsningsskisse

Minste kvadraters løsning, Symmetriske matriser

MAT1120 Oppgaver til plenumsregningen torsdag 25/9

MA1201/MA6201 Høsten 2016

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

MAT-1004 Vårsemester 2017 Prøveeksamen

7.1 forts. Schur triangularisering og spektralteoremet

Egenverdier og egenvektorer

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

UNIVERSITET I BERGEN

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

LØSNINGSFORSLAG EKSAMEN MA1202/MA6202 VÅR 2010

EKSAMEN I MA1202 LINEÆR ALGEBRA MED ANVENDELSER

LØSNINGSSKISSE TIL EKSAMEN I FAG SIF august 2001

= 3 11 = = 6 4 = 1.

Lineær algebra. 0.1 Vektorrom

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

Eksamensoppgave i TMA4115 Matematikk 3

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

MA1201/MA6201 Høsten 2016

UNIVERSITETET I OSLO

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

Lineær algebra-oppsummering

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

Diagonalizering. En n n matrise A sies å være diagonaliserbar hvis den er similær med en diagonalmatrise D. A = PDP 1

Eksamensoppgave MAT juni 2010 (med løsningsforslag)

TMA4110 Matematikk 3 Haust 2011

Kap. 5 Egenverdier og egenvektorer

Kap. 7 Symmetriske matriser og kvadratiske former

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

MAT Prøveeksamen 29. mai - Løsningsforslag

MAT-1004 Vårsemester 2017 Prøveeksamen

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

TMA4110 Matematikk 3 Haust 2011

6.4 Gram-Schmidt prosessen

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

UNIVERSITETET I OSLO

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

Eksamen i ELE Matematikk valgfag Torsdag 18. mai Oppgave 1

Øving 5 Diagonalisering

Egenverdier for 2 2 matriser

EKSAMEN I MATEMATIKK 3 (TMA4110)

7 Egenverdier og egenvektorer TMA4110 høsten 2018

EKSAMENSOPPGAVER FOR TMA4110/TMA4115 MATEMATIKK 3

MAT UiO. 10. mai Våren 2010 MAT 1012

Løsningsforslag øving 7

Kap. 6 Ortogonalitet og minste kvadraters problemer

MA1201/MA6201 Høsten 2016

15 Hovedprinsippet for vektorrom med et indre produkt

7.4 Singulærverdi dekomposisjonen

UNIVERSITETET I OSLO

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.

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

EKSAMEN I MA1202 OG MA6202 LINEÆR ALGEBRA MED ANVENDELSER

5.8 Iterative estimater på egenverdier

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

Oppgaver til seksjon med fasit

Lineær uavhengighet og basis

Løsningsforslag for eksamen i Matematikk 3 - TMA4115

Generelle teoremer og definisjoner MA1201 Lineær Algebra og Geometri - NTNU

Pensum i lineæralgebra inneholder disse punktene.

Løsningsforslag øving 6

MA0002 Brukerkurs i matematikk B Vår 2016

MAT UiO mai Våren 2010 MAT 1012

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

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra

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

MAT1120 Notat 2 Tillegg til avsnitt 5.4

5.5 Komplekse egenverdier

Kap. 6 Ortogonalitet og minste kvadrater

EKSAMEN I NUMERISK LINEÆR ALGEBRA (TMA4205)

MAT1120 Notat 2 Tillegg til avsnitt 5.4

Innlevering BYPE2000 Matematikk 2000 HIOA Obligatorisk innlevering 3 Innleveringsfrist Torsdag 24. april 2014 før forelesningen Antall oppgaver: 9

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

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

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

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

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

Eksamensoppgave i TMA4110/TMA4115 Calculus 3

12 Projeksjon TMA4110 høsten 2018

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

Kap. 5 Egenverdier og egenvektorer

Lineære likningssystemer og matriser

Side av 5 fra matriseteori har vi at en symmetrisk matrise alltid er ortogonalt diagonaliserbar. Det vil si at X kan skrives på formen X = M M (6) der

MA0002 Brukerkurs i matematikk B Vår 2014

MA2501, Vårsemestre 2019, Numeriske metoder for lineære systemer

Eksamen i TMA4180 Optimeringsteori Løsningsforslag.

Digital Arbeidsbok i ELE 3719 Matematikk

Transkript:

MA/MA6 Høsten 6 Norges teknisk naturvitenskapelige universitet Institutt for matematikk Løsningsforslag Øving Med forebehold om feil. Hvis du finner en, ta kontakt med Karin. Kapittel 6. a) Stemmer. Anta at A har de distinkte egenverdiene λ,, λ n. La x i være egenvektoren tilhørende egenverdien λ i, slik at Ax i = λ i x i. La P være matrisen som har x,, x n som kolonnevektorer (i den rekkefølgen). Fra teorem 5.. vet vi at x,, x n er lineært uavhengige, så P er en inverterbar matrise. La Λ være diagonalmatrisen som har λ,, λ n som diagonalelementer. La oss se på AP = A [ [ [ x x n = Ax Ax n = λ x λ n x n λ = [. x x n............. = P Λ. λ n Ligningen AP = P Λ kan vi skrive om til Λ = P AP. Siden Λ er en diagonalmatrise, er A altså diagonaliserbar. b) Stemmer ikke. La B være en ikke-diagonaliserbar kvadratisk matrise, for eksempel den i eksempel 5. La A være identitetsmatrisen av samme dimensjon som B. Da er A diagonaliserbar (den er ferdig diagonalisert), og AB = B = BA, men B er ikke diagonaliserbar. c) Stemmer. Anta at λ er en egenverdi for A, med tilhørende egenvektor x. Vi kan skrive om ligningen A = P AP til P A = BP. Dermed er B(P x) = P Ax = P λx = λ(p x). Det gir oss at Λ er en egenverdi for B, med tilhørende egenvektor P x. Altså er alle egenverdier av A også egenverdier for B. Vi kan på samme måte vise at alle egenverdier av B er egenverdier for A, ved å ta utgangspunkt i AP = P B. Eventuelt kan vi bruke lemma..4, side 66, som sier at similære matriser (som A og B er) har samme karakteristiske polynom. d) Stemmer ikke. La oss igjen se på matrisen B fra eksempel 5. Vi viste i eksempelet spesielt at B ikke er diagonaliserbar. Om vi ser på matrisen D =, [ så har den samme egenverdier som B, men siden B ikke er diagonaliserbar kan det ikke finnes noen matrise slik at D = P BP. 8. november 6 Side av 7

Løsningsforslag Øving Alternativt kan man se på A og B av ulik dimensjon, men med samme egenverdier (for eksempel identitetsmatrisene I og I ). Vi vet at determinanten til en matrise er lik produktet av egenverdiene. Siden ikke er et kvadrattall, og egenverdiene til A er heltall, må A ha to distinkte egenverdier. Da vet vi fra oppgave (a) at A er diagonaliserbar. Kapittel 6.4 Når vi vil diagonalisere en symmetrisk matrise følger vi denne oppskriften. Finn det karakteristiske polynomet til matrisen. Finn egenverdiene til matrisen.. Finn egenvektorene til matrisen. Hvis en egenverdi har algebraisk multiplisitet større enn, sørg for at egenvektorene tilhørende den egenverdien er ortogonale. Normaliser egenvektorene. 4. La P være matrisen som har egenvektorene som kolonner, og la Λ være diagonalmatrisen som har egenverdiene til A som diagonalelementer, slik at tallet i rad og kolonne i av Λ er egenverdien som tilhører egenvektoren i kolonne i av P. 5. Du har nå at Λ = P T AP. Dette kan du med fordel dobbeltsjekke! b) Vi regner først ut det karakteristiske polynomet for matrisen: [ λ 4 det = ( λ)( λ) 4 4 = λ 5 = (λ 5)(λ + 5). 4 λ Vi har altså egenverdiene λ = 5 og λ = 5. Fra det regner vi ut egenvektorer: A 5I = [ 4 4 8 gir oss egenvektoren x = [. Normalisert får vi v = 5 [. A+5I = [ 8 4 4 gir oss egenvektoren x = [. Normalisert får vi v = [ 5. Da får vi at P = [ 5. Vi kontrollregner: P T AP = [ [ [ 4 5 = [ [ [ 4 5 4 5 4 = [ [ 5 = [ [ 5 5 = = Λ 5 5 5 5 5 f) Vi regner først ut det karakteristiske polynomet for matrisen: λ det λ = λ [ [ [ λ = ( λ) det + det + det λ λ λ = ( λ)(( λ)( λ) 4) + ( ( λ) 4) + ( 4 ( λ)) = λ + λ + 9λ 7 8. november 6 Side av 7

Løsningsforslag Øving Det er ikke så vanskelig å se at λ = er en rot av polynomet. Med polynomdivisjon får vi at λ + λ + 9λ 7 = (λ ) (λ + ), Så egenverdiene er λ, = (dobbel rot) og λ =. A I = [ [ gir oss egenvektorene og og v = [ 6 R R R R. Disse er ikke ortonormale, men ved å bruke [ Gram-Schmidt og så normalisere resultatet får vi egenvektorene v =. 4 A + I = 4 4 4 R +R 6 6 gir oss egenvektoren [ R R R 6 R Dette gir oss matrisen P = 4 4 4 R +R R R, som normalisert blir v = [. [ 6 Jeg vil såklart også her anbefale kontrollregning ;) 4 6 6 6 6 Vi vet at A er symmetrisk, så den må ha et fullt sett med egenvektorer. A har egenverdiene λ = og λ =. λ har geometrisk (og dermed algebraisk) multiplisitet, så λ må ha geometrisk og algebraisk multiplisitet. Videre vet vi at E(λ ) = E(λ ). Det vil si at dersom vi kan finne en basis for E(λ ), så har vi et fullt sett med egenvektorer tilhørende λ. Da har vi også et fullt sett med egenvektorer for A. Hvis de i tillegg er ortogonale, så har vi at A = P ΛP T, der P inneholder egenvektorene til A og Λ inneholder egenverdiene. For å finne egenvektorene for E(λ ) utvider vi basisen for E(λ ) til en ortogonal basis for R. De nye basisvektorene er da basisvektorer for E(λ ) = E(λ ). Vi starter med utgangspunkt i u = u = u = som er en basis for R. Vi kommer til å normalisere de nye vektorene underveis. 8. november 6 Side av 7

Løsningsforslag Øving v = u u = v = u u v v v = v = v v = 6 v = u u v v v u v v v = = + = 6 v = v v = = = = 6 6 6 Vi har altså P = [ 6 Da får vi A = P ΛP T = 6 6 = 6 = 8 8 = 4 4 6 8 4 4 Siden A [ = [, er λ = en egenverdi for A, med tilhørende egenvektor x = [. Vi vet at produktet av egenverdiene er lik determinanten, så den andre egenverdien må være λ =. Den tilhørende egenvektoren er ortogonal på x, så vi kan velge x = [. Vi normaliserer egenvektorene, og får v = [ og v = [. Vi setter [ λ Λ = = λ [ og P = [ Da får vi at A = P ΛP T = [ [ [ = = [ 5 5 [ [ 8. november 6 Side 4 av 7

Løsningsforslag Øving Jeg viser her kun resultatene for positivt (semi-)definitt; beviset for det negative tilfellet er symmetrisk. a) Anta at A og B er positivt definitte matriser, og anta at x. Da er (A + B)x x = (Ax + Bx) x = Ax x + Bx x > + =, og dermed er A + B positivt definitt. b) La A være positivt definitt. La λ være en egenverdi for A, med tilhørende egenvektor x. Da vet vi at λx x = Ax x >. Siden x x = x > (egenvektorer er per definisjon ulike nullvektoren), så må også λ >. På den andre siden, anta at A er en symmetrisk n n-matrise med kun positive egenverdier λ,, λn (telt med multiplisitet). Da vet vi vi kan danne en ortogonal basis for R n bestående av egenvektorer til A, kall de v,, v n. La x være en vilkårlig ikke-null vektor i R n. Da kan vi skrive x = a v + + a n v n. Ax x = A(a v + + a n v n ) (a v + + a n v n ) = (a Av + + a n Av n ) (a v + + a n v n ) = (a λ v + + a n λ n Av n ) (a v + + a n v n ) = a λ v + + a nλ n A v n > Den siste ulikheten kommer av at v i >, λ i > for alle i, og at a i for minst en i. c) Her er beviset nesten som i forrige oppgave, men med noen endringer, så jeg skriver det opp for sikkerhets skyld. La A være positivt semidefinitt. La λ være en egenverdi for A, med tilhørende egenvektor x. Da vet vi at λx x = Ax x. Siden x x = x > (egenvektorer er per definisjon ulike nullvektoren), så må også λ. På den andre siden, anta at A er en symmetrisk n n-matrise med kun ikkenegative egenverdier λ,, λn (telt med multiplisitet). Da vet vi vi kan danne en ortogonal basis for R n bestående av egenvektorer til A, kall de v,, v n. La x være en vilkårlig vektor i R n. Da kan vi skrive x = a v + + a n v n. Ax x = A(a v + + a n v n ) (a v + + a n v n ) = (a Av + + a n Av n ) (a v + + a n v n ) = (a λ v + + a n λ n Av n ) (a v + + a n v n ) = a λ v + + a nλ n A v n Den siste ulikheten kommer av at for alle i er a i, v og λ i større enn eller lik null. d) Siden oppgave (b) sa noe om positive egenverdier, mistenker vi at det kanskje er en ide å vise at A er positivt definitt. La x R n være ulik nullvektoren. Se på Ax x = (C T Cx) T x = x T C T Cx = (Cx) T (Cx) = Cx 8. november 6 Side 5 av 7

Løsningsforslag Øving Siden C har rang n, så er Cx = hvis og bare hvis x =. Altså har vi at Cx > (siden x ble antatt å være ulik nullvektoren), og dermed er Ax x >. Da er A positivt definitt, og har i følge oppgave (b) bare positive egenverdier. Ta en kikk på oppgave 6.4. igjen for løsningsmetoden for de neste to oppgavene! Eksamen a) Det karakteristiske polynomet er gitt ved: [ 6 λ det = (6 λ) = 6 λ+λ = λ λ+5 = (λ 7)(λ 5). 6 λ Vi har altså egenverdiene λ = 7 og λ = 5, og regner nå ut egenvektorene. gir oss egenvektoren x = [, som norma- A 7I = [ liseres til v = A 5I = [ til v = [ R R [ R +R [ [ gir oss egenvektoren x = [, som normaliseres A = P ΛP T = [ [ [ 7 5 Eksamen 5 a) Det karakteristiske polynomet er gitt ved: [ λ 4 det = ( λ) 6 = 9 6λ+λ 6 = λ 6λ 7 = (λ+)(λ 7). 4 λ Vi har altså egenverdiene λ = og λ = 7, og regner nå ut egenvektorene. A + I = 4 4 v = [ 4 4 R R A 7I = [ 4 4 til v = [ 4 4 [ 4 4 gir oss egenvektoren x = [, som normaliseres til R +R [ 4 4 gir oss egenvektoren x = [, som normaliseres A = P ΛP T = [ [ [ 7 8. november 6 Side 6 av 7