1.1 Legemer. Legemer er talsystemer udstyret med addition og multiplikation, hvor vi kan regner som vi plejer at gøre med de reelle tal.
|
|
- Carl Jessen
- 7 år siden
- Visninger:
Transkript
1 SEKTION 11 LEGEMER 11 Legemer Legemer er talsystemer udstyret med addition og multiplikation, hvor vi kan regner som vi plejer at gøre med de reelle tal Definition 111 Et legeme F er en mængde udstyret med en addition og en multiplikation Disse er afbildninger +:F F F, : F F F, men vi genbruger den kendte notation fra R og skriver a + b i stedet for +(a, b), a b (eller ofte bare ab) i stedet for (a, b) De følgende aksiomer skal være opfyldt: A1 a, b, c F (a + b)+c a +(b + c) (den associative lov for addition) A2 a, b F a + b b + a (den kommutative lov for addition) A3 et element 0 F, så a + 0 a a F (eksistens af et neutralt element for addition) A4 a F a F, så a +( a) 0 (eksistens af additiv invers) M1 a, b, c F (a b) c a (b c) (den associative lov for multiplikation) M2 a, b F a b b a (den kommutative lov for multiplikation) M3 et element 1 F \{0}, så a 1a a F (eksistens af et neutralt element for multiplikation) M4 a F \{0} a 1 F, så a a 1 1 D (eksistens af multiplikativ invers) a, b, c F (a + b) c a c + b c (den distributive lov) Lemma 112 Der gælder entydighed i A3, A4, M3 og M4 1
2 SEKTION 11 LEGEMER i A3: Vi har a F a + 0 a (1) Antag 0 F, så b F b +0 b (2) a 0 i (1) giver b 0 i (2) giver Men 0 +0 A , så 00 i M3: Vi har a F a 1a (3) Antag 1 F, så b F b 1 b (4) a 1 i (3) giver 1 11 b 1 i (4) giver Men 1 1 M2 1 1, så 11 i A4: Antag y + z 0 Vi vil vise, at z y Vi har y +(y + z) y +0 A3 y og så z y i M4: Antag a b 1 Vi vil vise, at b a 1 Vi har a 1 (a b) a 1 1a 1 og så b a 1 y +(y + z) A1 ( y + y)+z A2 (y + y)+z A4 0 + z A2 z +0 A3 z, a 1 (a b) M1 (a 1 a) b M2 (a a 1 ) b M4 1 b M2 b 1 M3 b, 2
3 SEKTION 11 LEGEMER Lemma 113 a F, 0 a 0og ( 1) a a Vi har og så ( 1) a a 0a 0+( a 0) a (0 + 0) + ( a 0) M2 & D (a 0+a 0) + ( a 0) a 0+(a 0+( a 0)) a a 0, a +( 1) a M2 & M3 1 a +( 1) a (1 + ( 1)) a 0 a 0, Notation 114 Vi skriver ofte a b for a +( b) - definition af subtraktion a/b for a b 1 - definition af division N {1, 2, 3, 4, } er ikke et legeme - der mangler feks 0 og negative tal Dem lægger vi til: Z {0, ±1, ±2, } er heller ikke et legeme - der mangler multiplikative invers Dem lægger vi til: Q {p/q : p, q Z,q 0} er et legeme Så langt kom de gamle grækere! Men hvor er 2? Eller π? Det er nemlig sværere at konstruere R, hvor vi må opfatte elementer i R som grænseværdier for følger af elementer i Q (feks konvergerer 1, 14, 141, 1414, mod 2) For at undgå bøvl af denne type, vedtog senatet i Kentucky i 1800-tallet en lov, der befalede, at π 3 Men hjulene ville ikke makke ret De komplekse tal C fås fra R ved at tilføje et ekstra tal i, som tilfredsstiller i 2 1, og regne som vi plejer: (a + ib)+(c + id) (a + c)+i(b + d), (a + ib) (c + id) ac + iad + ibc + i 2 bd ac bd + i(ad + bc) 3
4 SEKTION 11 LEGEMER C er et legeme: A i0 A4 (a + ib) a +( ib) a ib M i0 M4 Hvis a + ib 0(dvs at mindst én af a, b ikke er 0): (a + ib) 1 (a ib) (a 2 + b 2 ) 1 a ib a 2 + b 2 a a 2 + b 2 i b a 2 + b 2 Man kunne dog risikere, at det hele endte i modstrid når vi regner som vi plejer En alternativ, og mere korrekt, tilgang er at opfatte C som planen R 2 udstyret med addition ( ) ( ) ( ) a c a + c +, b d b + d og multiplikation ( ) a b ( ) c d ( ) ac bd ; ad + bc man tjekker nemt, at aksiomerne A1-A4, M1-M4 gælder uden at ty til vi regner som vi plejer Vi ser, at 1 er ( ( 1 0) og at 0 ( 1) 0 ) ( 1 1 ) 0 1 Vi identificerer ( a 0) med a for a R, ({(x, 0) : x R} kaldes ofte den reelle akse i C), og skriver i ( ( 0 1) Så er a b) a + ib - og alt er som før Der er andre legemer: et interessant, og ganske nyttigt i mange sammenhænge, eksempel er F 2 {0, 1}, hvor Vi inddrager legemer fordi en stor del af lineær algebra fungerer - og giver værdifulde resultater og metoder - i denne generalitet Specielt er lineær algebra over C enormt vigtigt Det er lineær algebra over R og C, som vi koncentrerer os om i dette kursus - når der skrives et legeme F, så må I tænke R eller C uden at gå glip af ret meget af kursets indhold 4
5 SEKTION 12 LINEÆRE LIGNINGSSYSTEMER 12 Lineære ligningssystemer Systemer af lineære ligninger Her er et system af m lineære ligninger i n ubekendte: a 11 x a 1n x n b 1, a m1 x a mn x n b m, ( ) hvor a ij,b k F En løsning til systemet ( ) er c 1,, c n F, så ligningerne passer, når c i erne sættes ind på x i ernes pladser Løsningsmængden er mængden af alle løsninger I har set på sådanne systemer i det reelle tilfælde (F R) tidligere, og har set på effektive metoder til at finde løsninger Det er blevet kraftigt antydet, at metoderne altid virker Vi vil vise, at metoderne virker, også for generelle F Systemet kan skrives som Ax b, hvor A [ ] a ij er en m n opstilling af koefficienterne fra F,, en matrix, x x 1 x n, Ax er defineret ved Ax og b b 1 b m a 11 x 1 + +a 1n x n, a m1 x 1 + +a mn x n Løsningsmetoden går ud på at manipulere den udvidede matrix [ A b ] med elementære rækkeoperationer, ERO ([L], s 8) 1 R i R j : byt den i te og den j te række af matricen; 2 R i sr i : gang den i te række med s F \{0}; 3 R i R i + tr j : læg t gange den j te række til den i te række (t F,j i) Anvendelser af disse ERO er på [ A b ] svarer til algebraiske manipulationer af ligningerne ( ): 1 R i R j : byt den i te og den j te ligning; 2 R i sr i : gang den i te ligning med s F \{0}; 3 R i R i + tr j : læg t gange den j te ligning til den i te ligning (t F,j i) 5
6 SEKTION 12 LINEÆRE LIGNINGSSYSTEMER Lad ( ) være systemet, der fremkommer fra ( ) ved at anvende en af disse operationer Lemma 121 Løsningsmængderne for ( ) og ( ) er ens vi siger, at systemerne ( ) og ( ) er ækvivalente ([L], s 4) Lad os sige, at matricer A, B er rækkeækvivalente (og skrive A B), hvis B kan dannes fra A vha en følge af ERO er Proposition 122 Hvis [A b] [B c], så har Ax b og Bx c ens løsningsmængder Løsningsteknikken går nu ud på at finde [A b] [B c], således at løsninger til systemet Bx c er nemt at skrive ned Definition 123 En matrix er i rækkeechelonform (REF), hvis 1 En række, som kun indeholder 0 er, ligger under alle rækker med en ikke-0 indgang 2 Den første ikke-0 indgang i en række er 1 og ligger i en søjle til højre for den første ikke-0 indgang i rækkerne ovenover Eksempel Den første ikke-nul indgang i en række i en matrix i REF kaldes en pivot Definition 125 En matrix er i reduceret rækkeechelonform (RREF), hvis den er i REF og hvis, i en søjle, som indeholder en pivot, alle andre indgange end pivot en er 0 Eksempel
7 SEKTION 12 LINEÆRE LIGNINGSSYSTEMER Lemma 127 Antag, at [H c] er i RREF, hvor H Mat m,n (F), c F m 1 Hvis [H c] har en pivot i den sidste søjle c, så har ligningssystemet Hx c ingen løsning 2 Antag, at [H c] har pivot erne i søjlerne j 1 < <j k n Skriv i 1 < <i n k for tallene {1,, n} \ {j 1,, j k } Da er alle løsninger til ligningssystemet Hx c af formen z 1,, z n F, hvor z i1,, z in k F vælges frit, og z j1 c 1 z jk c k p: i p>j 1 h 1,ip z ip p: i p>j k h k,ip z ip Eksempel 128 [H c] Der er pivot er i søjlerne 1, 3 og 5; så j 1 1,j 2 3,j 3 5 De resterende søjler er da 2, 4; så i 1 2,i 2 4 Det tilsvarende ligningssystem Hx c er x 1 +2x 2 +7x 4 1, x 3 +3x 4 2, x 5 3; med løsninger hvor z 2,z 4 vælges frit og z 1 1 2z 2 7z 4, z 3 2 3z 4, z 5 3 7
8 SEKTION 12 LINEÆRE LIGNINGSSYSTEMER for lemma Hvis der er en pivot i sidste søjle i [H c], så er rækken, som indeholder denne pivot, af formen [0 0 1] Dette svarer til, at en af ligningerne udtrykt ved Hx c er Denne ligning har ingen løsning 0x x n 1 2 De første k af de m ligninger udtrykt ved Hx c er x j1 + h 1,ip x ip c 1, p: i p>j 1 x jk + p: i p>j k h k,ip x ip c k, og de resterende, svarende til m k nulrækker, stiller ingen krav Så z 1,, z n F giver en løsning til Hx c hvis og kun hvis z j1,, z jk de angivne betingelser tilfredsstiller Nøglen til løsningen af lineære ligningssystemer er således at rækkereducere de relevante matricer til RREF: Sætning 129 Lad A Mat m,n (F) Der findes H Mat m,n (F) i RREF med A H Vi vil argumentere med hjælp af induktion: Induktion 1210 Lad P (i) være et udsagn, som defineres for alle hele tal i med i 0 i j 0, hvor i 0,j 0 er faste tal; j 0 kan også være Antag, at P (i 0 ) er sandt, (begyndelsesudsagnet), og at hvis k < j 0 og P (k) er sandt, så er P (k + 1) også sandt (induktionsskridtet) Så er P (i) sandt for alle tal i, i 0 i j 0 I praksis er i 0 næsten altid enten 0 eller 1 8
9 SEKTION 12 LINEÆRE LIGNINGSSYSTEMER for sætningen Vi anvender induktion Lad P (i), 0 i n, være udsagnet, at der findes K Mat m,i (F) i RREF, L Mat m,n i (F), således at A [K L] P (0) er sandt (!); vi ønsker at vise, at P (n) er sandt Vi må vise, at induktionsskridtet kan tages Antag så at P (i) gælder, med i < n, så A [K L] med K Mat m,i (F) i RREF Vi må vise, at P (i + 1) er sandt Lad q være den første søjle i L Nu beskriver vi bare reduktion-til-rref algoritmen: Hvis q k+1,, q m alle er 0, så er K [K q] i RREF og A [K L] [K L ], hvor L har som søjler de sidste n i 1 søjler af L Så P (i + 1) er sandt i dette tilfælde Hvis q l 0med k +1 l m, så dannes en matrix B ved at anvende følgende ERO er på [K L]: R l q 1 l R l R i R i q i R l for i 1,, m, i l, R l R k+1 Da K s sidste m k rækker er nulrækker, ændres K ikke af disse ERO er, mens q ændres til søjlevektoren 0 0 e k+1 1 k +1 te indgang 0 0 De første k +1søjler i B er således K [K e k+1 ], som er i RREF Så B [K L ], hvor L har som søjler de sidste n i 1 søjler i B Da A [K L] [K L ], er P (i + 1) sandt 9
10 SEKTION 13 MATRIX ALGEBRA 13 Matrix Algebra Vi generaliserer [L], 13 (og 14, 15) fra reelle matricer til matricer med indgange fra et legeme F En m n F-matrix er en m n ordnet rektangulær opstilling af elementer fra F, skrevet så der er m rækker og n søjler Vi skriver Mat m,n (F) (eller M m,n (F) eller F m n ) for mængden af disse matricer Eksempel 131 i 1 A 2+i 3 Mat 3,2 (C) 7 1 i [ ] i B Mat i 2,4 (C) Vi skriver ofte, for A Mat m,n (F), A a 11 a 1n [a ij ]; a m1 a mn nogle gange også (A) ij a ij for den ij te indgang i A Vi kan også fremhæve rækker: a(1, :) Mat m,n (F) A, a(m, :) hvor a(i, :) [a i1,, a in ] Mat 1,n (F) er en rækkevektor, den i te ræke i A eller søjler: Mat m,n (F) B [b(:, 1),, b(:,n)], hvor er en søjlevektor, den j te søjle i B b(:,j) b(1j) b(mj) Mat m,1 (F) Notationen med : er præcis, men ofte unødvendigt omstændelig, så vi skriver også ofte bare A i rækkeform B i søjleform A a 1 a m med a 1,, a m 1 n rækkevektorer, B [b 1,, b m ] med b 1,, b n m 1 søjlevektorer 10
11 SEKTION 13 MATRIX ALGEBRA Addition Hvis A, B Mat m,n (F), så er A + B [a ij + b ij ] Skalarmultiplikation Hvis α F, A Mat m,n (F), så er αa [αa ij ] Matrixmultiplikation Hvis A Mat m,n (F), B Mat n,p (F), så defineres AB Mat m,p (F) ved Specielt er (AB) ij a i1 b 1j + a i2 b 2j + + a in b nj n a ik b kj k1 a 11 a 1n Ax a m1 a mn x 1 x n så matrixligningen Ax b er det samme som ligningssystemet a 11 x a 1n x n b 1 a m1 x a mn x n b m a 11 x a 1n x n, a m1 x a mn x n Eksempel 132 og [ ][ ] i 1 1 i 1 i i 1 [ ][ ] 1 i i 1 i 1 1 i [ ] i 1+1 ( i) i i ( i) ( i) 1 i +( i) 1 [ ] 0 0 ; 0 0 [ ] 1 i + i i ( i) ( i) i +1 1 ( i) 1+1 ( i) [ ] 2i 2 2 2i Matrixmultiplikation er ikke kommutativ! Bemærk, at den (i, j) te indgang i AB afhænger kun af den i te række i A og den j te søjle i B den er faktisk produktet af disse to (hvis vi identificerer en 1 1 matrix med dens indgang): (AB) ij a(i, :)b(:,j) 11
12 SEKTION 13 MATRIX ALGEBRA og Vi kan også skrive AB a 1 a m B a 1 B a m B AB A [ b 1,, b p ] [ Ab1,,Ab p ] 0-matricer m n 0-matricen 0( 0 m,n ) Mat m,n (F) er matricen, hvis indgange alle er 0 Hvis A Mat m,n (F), så er 0 m,n + A A A +0 m,n ; og 0 l,m A 0 l,n, A 0 n,p 0 m,p Identitetsmatricer Identitetsmatricen I( I n ) Mat n,n (F) har indgange { 0 i j (I) ij 1 i j, så Vi ser, at 1 I AI n A for A Mat m,n (F), I n B B for B Mat n,p (F) 12
13 SEKTION 13 MATRIX ALGEBRA Regneregler Proposition 133 Følgende udsagn gælder for vilkårlige α, β F og for alle F-matricer A, B, C for hvilke de opstillede operationer er defineret: R1 A + B B + A R2 (A + B)+C A +(B + C) R3 (α + β)a αa + βa R4 α(a + B) αa + αb R5 (αβ)a α(βa) R6 A(B + C) AB + AC R7 (A + B)C AC + BC R8 α(ab) (αa)b A(αB) R9 (AB)C A(BC) R1-R5 følger umiddelbart af egenskaberne ved et legeme, feks betragt den (i, j) te indgang i (A + B)+C: og R2 følger ((A + B)+C) ij (A + B) ij + C ij (A ij + B ij )+C ij A1 A ij +(B ij + C ij )A ij +(B + C) ij (A +(B + C)) ij, 13
14 SEKTION 13 MATRIX ALGEBRA, fortsat R6-R9 er lidt vanskeligere, fordi matrixmultiplikation er mere kompliceret end matrixaddition Feks betragt den (i, j) te indgang i (AB)C, hvor vi antager at A Mat m,n (F), B Mat n,p (F), C Mat p,q (F): og R9 følger Resten overlades til læseren ((AB)C) ij p (AB) ik C kj k1 ( p n ) A il B lk C kj k1 M2,D M1 A1,A2 D l1 ( p n ) (A il B lk )C kj k1 l1 ( p n ) A il (B lk C kj ) k1 n l1 ( n p ) A il (B lk C kj ) l1 k1 ( p A il l1 k1 n A il (BC) lj l1 (A(BC)) ij, B lk C kj ) Den transponerede matrix Hvis A Mat(F), så dannes den transponerede matrix A T Mat n,m (F) ved at anvende A s rækker som søjlerne i A T (eller A s søjler som rækkerne i A T ) For eksempel: Bemærk, at (A T ) ij A ji [ ] T i i i i 1 14
15 SEKTION 13 MATRIX ALGEBRA Proposition (A T ) T A 2 (αa) T αa T 3 (A + B) T A T + B T 4 (AB) T B T A T Vi viser (4), de andre er nemmere For den (i, j) te indgang i (AB) T gælder i te (AB) T søjle ij (AB) ji {j te række i A} i B [a j1,, a jn ] b 1i b ni a j1 b 1i + + a jn b ni og for den (i, j) te indgang i B T A T gælder j te (B T A T ) ij { i te række i B T } søjle i A T [b 1i,, b ni ] a j1 elementer i elementer i A s B s i te søjle a jn j te række Så (AB) T B T A T b 1i a j1 + + b ni a jn a j1 b 1i + + a jn b ni 15
16 SEKTION 14 INVERTIBLE MATRICER 14 Invertible matricer En matrix A Mat n,n (F) er invertibel, hvis der findes B Mat n,n (F), så AB BA I ; B kaldes en multiplikativ invers for A Hvis A ikke er invertibel, så er A singulær Derfor siges en invertibel matrix også at være ikke singulær, mens en singulær matrix siges også at være ikke invertibel Lemma 141 (Entydighed af invers) Lad A Mat n,n (F) Hvis C, D Mat n (F) er således, at AC I DA, så er C D Der gælder specielt, at hvis AC CA I, så er C den entydige matrix med denne egenskab D(AC) DI D og (DA)C IC C, men (DA)C D(AC) (associativitet af matrix multiplikation, R9) så C D Hvis A er invertibel, så skriver vi ofte A 1 for A s (entydige) multiplikative invers Lemma 142 ([L], sætning 133) Antag, at A, B Mat n,n (F) er invertible Da er AB invertibel, og (AB) 1 B 1 A 1 Der findes matricer A 1,B 1 Mat n,n (F) så AA 1 I A 1 A, BB 1 I B 1 B Der gælder (B 1 A 1 )(AB) B 1 ((A 1 A)B) B 1 (IB) B 1 B I og (AB)(B 1 A 1 )(A(BB 1 ))A 1 (AI)A 1 AA 1 I 16
17 SEKTION 14 INVERTIBLE MATRICER Korollar 143 Antag, at A 1,, A k Mat n,n (F) er invertible Da er produktet A 1 A k invertibelt, og (A 1 A k ) 1 A 1 k A 1 k 1 A 1 1 et er induktivt Udsagnet gælder, når k 1 Antag så, at det gælder for k matricer; vi må vise, at det gælder for k +1 A 1 k+1 (A 1 k (A 1 k+1 A 1 k (ved anvendelse af den induktive hypotese) På samme måde vises, at A 1 1 )(A 1 A k+1 ) A 1 k 1 A 1 1 )(A 1 A k )A k+1 A 1 k+1 IA k+1 (A 1 A k+1 )(A 1 I k+1 A 1 k Induktionsskridtet er taget, og beviset derved fuldført A 1 1 )I Elementære matricer En elementær matrix E Mat n,n (F) er en matrix dannet ved at anvende en ERO på identitetsmatricen I Mat n,n (F) Vi skriver også E R for elementærmatricen dannet ved at anvende ERO en R 1 Lad os skrive ɛ i [0,, 1,, 0], hvor det er den i te indgang, som er 1 Så er I ɛ ɛ n ɛ 1 ɛ j i te række Hvis R (R i R j ), så er E R, hvis R (R i sr i ), så er E R sɛ i, ɛ i j te række ɛ n ɛ 1 og hvis R (R i R i + tr j ), så er E R ɛ i + tɛ j ɛ n 17
18 SEKTION 14 INVERTIBLE MATRICER Sætning 144 ([L], bunden af s 63) Lad R være en elementær rækkeoperation, og E den elementære matrix dannet fra identitetsmatricen I Mat n,n (F) ved anvendelse af R Lad A Mat n,p (F) Da er EA matricen dannet fra A ved anvendelse af R Bemærk først, at hvis vi skriver i rækkeform,så er Hvis R (R i R j ) så er A a 1 a n ɛ i A a i ɛ j ɛ j A a j EA A, ɛ i ɛ i A a i hvis R (R i sr i ) så er og hvis R (R i R i + tr j ) så er ɛ 1 ɛ 1 A a 1 EA sɛ i A sɛ i A s a i, ɛ n ɛ n A a n ɛ 1 ɛ 1 A EA ɛ i + tɛ j A (ɛ i + tɛ j )A ɛ n ɛ n A a 1 a i + t a j a n I alle tilfælde er EA altså resultatet af den relevante R anvendt på A 18
19 SEKTION 14 INVERTIBLE MATRICER Lemma 145 ([L], sætning 141) Elementære matricer er invertible: E Ri R j E Ri R j I E Ri s 1 R i E Ri sr i I E Ri sr i E Ri s 1 R i E Ri R i tr j E Ri R i+tr j I E Ri R i+tr j E Ri R i tr j Korollar 146 Produkter af elementære matricer er invertible Lemma 147 (se også definitionen i bunden af [L], s 64) Lad A, B Mat m,n (F) A B (dvs B dannes fra A ved at anvende en følge af ERO er) der findes elementærmatricer E 1,, E k, så B E k E k 1 E 1 A : Antag, at B dannes fra A ved at anvende ERO er R 1,, R k successivt Lad E 1,, E k være resultatet af disse anvendt på I Det følger da af Sætning 144 at E k E 1 A B : Lad R 1,, R k være ERO erne, der anvendes på I for at danne elementærmatricerne E 1,, E k Hvis B E k E 1 A følger det af Sætning 144, at B dannes fra A ved at anvende R 1,, R k successivt Så A B Sætning 148 ([L], sætn 142) Lad A Mat n,n (F) Følgende er ækvivalente: (a) A er ikke-singulær, dvs invertibel, (b) Ligningen Ax 0har kun den ene løsning 0, (c) A er række-ækvivalent til I 19
20 SEKTION 14 INVERTIBLE MATRICER (a) (b): Lad ˆx være en løsning til Ax 0, så er ˆx I ˆx (A 1 A)ˆx A 1 (Aˆx) A (b) (c): Systemet Ax 0 kan rækkereduceres til Ux 0 med U i RREF, [A 0] [U 0] (HS er 0, fordi ERO er anvendt på en 0-søjle ændrer den ikke) Vi har da A U Systemet er da konsistent Ifølge resultatet fra B ville den have flere end en løsning (for R, C uendelig mange løsninger) hvis der var en fri variabel dvs hvis der var en søjle i U uden pivot Så vores antagelse må give, at U har en pivot i hver søjle Da U er i RREF er U I, så A I (c) (a): Der findes ERO er R 1, R k som transformerer ved successiv anvendelse A til I Lad E 1,, E k være de tilsvarende elementærmatricer, ifølge Sætning 144 er (E k E 1 )A I Vi har da så A er invertibel, med A 1 E k E 1 A (E k E 1 ) 1 I (E k E 1 ) 1, Korollar 149 Lad A Mat n,n (F) Systemet Ax b har en entydig løsning A er invertibel : Hvis A er invertibel og ˆx er en løsning til Az b, så er og entydigt bestemt ˆx I ˆx (A 1 A)ˆx A 1 (Aˆx) A 1 b, : Antag, at Ax b har den entydige løsning ˆx Lad z være en løsning til den homogene ligning Ax 0 Vi har da A(ˆx + z) Aˆx + Az b + 0 b Så ˆx + z er en løsning til Ax b Da løsningen ˆx til Ax b er entydig er ˆx + z ˆx så z 0 Ax 0 har derfor kun den ene løsning 0 og Sætning 148 fortæller, at A er invertibel 20
21 SEKTION 14 INVERTIBLE MATRICER Vi kan simplificere både den teoretiske og den praktiske behandling af inverser Lemma 1410 Lad A, B Mat n,n (F); og antag, at AB I Så er A, B invertible, med A 1 B, B 1 A Lad ˆx være en løsning til Bx 0 Vi har da ˆx I ˆx (AB)ˆx A(Bˆx) A0 0 Det følger nu af Sætning 148 ([L], sætning 142), at B er invertibel, og vi har B 1 IB 1 (AB)B 1 A(BB 1 )AI A, så AB I BA, og A er også invertibel, med A 1 B Lemma 1411 (se øverst på s66 i [L]) Lad A, C Mat n,n (F) Så gælder [ A I ] [ I C ] C A 1 : Hvis [A I] [I C], så findes der elementærmatricer E 1,, E k så E k E 1 [A I] [I C], altså E k E 1 A I, E k E 1 I C E k E 1 Så CA I Resten følger af lemmaet ovenfor : Antag, at A er invertibel, med invers C Så A I ifølge Sætning 148 Der findes da elementære matricer E 1,, E k så (E k E 1 )A I Vi har derfor C A 1 E k E 1 og E k E 1 (A I) [I E k E 1 I] [I E k E 1 ] [I C] 21
22 SEKTION 14 INVERTIBLE MATRICER Eksempel 1412 [ ] [ ] [ ] så [ ] [ ]
23 SEKTION 15 BLOKMATRICER 15 Blokmatricer Lad A Mat m,n (F) Hvis m m m p,n n n q (med m i,n j positive hele tal) så kan vi skrive n 1 n q m 1 A 11 A 1q A [ q ] p Aij m p A p1 A pq hvor A ij er en m i n j -matrix for 1 i p, 1 j q [L] har et eksempel på s 72, her er endnu et: Eksempel Nogle gange kan det være nyttigt at foretage sådanne opdelinger, fordi mange af A ij erne er på en speciel form, feks 0 Specielle tilfælde: m m 1, alle n i 1: A [a 1,, a n ] (søjleform), a(1, :) alle m j 1,n n 1 : A (rækkeform) a(m, :) Opdelinger af en matrix som blokmatrix spiller pænt sammen med addition, skalarmultiplikation og matrixmultiplikation: [ q ] [ q ] Hvis A p Aij,B p Bij med Aij,B ij m i n j -matricer, så er A + B p [ q ] Aij + B ij, og hvis α F, så er disse er oplagte αa p [ q ] αaij ; 23
24 SEKTION 15 BLOKMATRICER Proposition 152 (se [L], s 75, 76) Lad A Mat m,n (F), B Mat n,p (F) Skriv m m m r, n n n s, p p p t, med m i,n j,p k alle positive hele tal, og opdel: A r hvor A ij Mat mi,n j (F), B jk Mat nj,p k (F) Lad C AB, og opdel: hvor C ik Mat mi,p k (F) Så er [ s ] [ t ] Aij, s Bjk, C r C ik [ t ] Cik, s A ij B jk j1 Vi har set dette i specielle tilfælde: hvis A Mat m,n (F), B [b 1,, b p ] Mat n,p (F) er i søjleform, så er AB A [b 1,, b p ] [Ab 1,, Ab p ] Mere generelt, hvis C [c 1,, c q ] Mat n,q (F) også er i søjleform, så er A [B C] [AB AC], fordi A [ b 1,, b p, c 1,, c q ] [Ab1,, Ab p,ac 1,, Ac q ] Det specielle tilfælde, hvor r s t 2er også ofte brugt: m 1 m 2 n 1 n 2 [A11 ] [B11 A 12 n1 B 12 n 2 B 21 B 22 A 21 A 22 p 1 p 2 ] [ ] A11 B 11 + A 12 B 21 A 11 B 12 + A 12 B 22 A 21 B 11 + A 22 B 21 A 21 B 12 + A 22 B 22 Eksempel 153 ([L], s 77) Lad A Mat n,n (F), med opdelt form A k n k Så er A invertibel A 11 og A 22 er invertible k n k [ ] A A 22 24
25 SEKTION 15 BLOKMATRICER : [ ][ ] A A A A 22 Så A er invertibel med invers : Antag, at A er invertibel, med invers [ A A 1 22 B [ A 1 11 A A 1 k n k ] 22 A 22 k n k [ ] B11 B 12 B 21 B 22 ] [ ] Ik 0 I 0 I n n k Vi har da [ ] Ik 0 0 I n k [ ][ ] B11 B I BA 12 A11 0 B 21 B 22 0 A 22 [ ] B11 A 11 B 12 A 22 B 21 A 11 B 22 A 22 så B 11 A 11 I k, B 22 A 22 I n k, så A 11,A 22 er invertible for Proposition 152 Vi betragter den (a, b) te indgang i C ik,som er den ((m 1 + +m i 1 )+a, (p 1 + +p k 1 )+b) te indgang i C Da C AB er denne indgang produktet af den ((m m i 1 )+a) te række i A og den ((p p k 1 )+b) te søjle i B, dvs [ ] α1,, α s β 1 β s hvor α j er den a te række i A ij og β j er den b te søjle i B jk Altså (C ik ) ab α 1 β 1 + α 2 β α s β s (A i1 B 1k ) ab +(A i2 B 2k ) ab + +(A is B sk ) ab s ( A ij B jk ) ab j1 25
3.1 Baser og dimension
SEKTION 3 BASER OG DIMENSION 3 Baser og dimension Definition 3 Lad V være et F-vektorrum Hvis V = {0}, så har V dimension 0 2 Hvis V har en basis bestående af n vektorer, så har V dimension n 3 Hvis V
Læs mereDefinition multiplikation En m n-matrix og en n p-matrix kan multipliceres (ganges sammen) til en m p-matrix.
Oversigt [LA] 3, 4, 5 Nøgleord og begreber Matrix multiplikation Identitetsmatricen Transponering Fra matrix til afbildning Fra afbildning til matrix Test matrix-afbildning Inverse matricer Test invers
Læs mereNøgleord og begreber. Definition multiplikation En m n-matrix og en n p-matrix kan multipliceres (ganges sammen) til en m p-matrix.
Oversigt [LA] 3, 4, 5 Matrix multiplikation Nøgleord og begreber Matrix multiplikation Identitetsmatricen Transponering Fra matrix til afbildning Fra afbildning til matrix Test matrix-afbildning Inverse
Læs mereOversigt [LA] 3, 4, 5
Oversigt [LA] 3, 4, 5 Nøgleord og begreber Matrix multiplikation Identitetsmatricen Transponering Fra matrix til afbildning Fra afbildning til matrix Test matrix-afbildning Inverse matricer Test invers
Læs mereKursusgang 3 Matrixalgebra Repetition
Kursusgang 3 Repetition - froberg@mathaaudk http://peoplemathaaudk/ froberg/oecon3 Institut for Matematiske Fag Aalborg Universitet 12 september 2008 1/12 Lineære ligningssystemer Et lineært ligningssystem
Læs mereLineær algebra: Matrixmultiplikation. Regulære og singulære
Lineær algebra: Matrixmultiplikation. Regulære og singulære matricer Institut for Matematiske Fag Aalborg Universitet 2011 Matrixmultiplikation Definition Definition A = [a ij ], B = [b ij ]: AB = C =
Læs mereLigningssystemer - nogle konklusioner efter miniprojektet
Ligningssystemer - nogle konklusioner efter miniprojektet Ligningssystemet Ax = 0 har mere end en løsning (uendelig mange) hvis og kun hvis nullity(a) 0 Løsningerne til et konsistent ligningssystem Ax
Læs mereMatematik og Form: Matrixmultiplikation. Regulære og singu
Matematik og Form: Matrixmultiplikation. Regulære og singulære matricer Institut for Matematiske Fag Aalborg Universitet 2012 Matrixmultiplikation Definition Definition A = [a ij ], B = [b ij ]: AB = C
Læs mereNote om endelige legemer
Note om endelige legemer Leif K. Jørgensen 1 Legemer af primtalsorden Vi har i Lauritzen afsnit 2.1.1 set følgende: Proposition 1 Lad n være et positivt helt tal. Vi kan da definere en komposition + på
Læs mereMatematik: Struktur og Form Matrixmultiplikation. Regulære og singulære matricer
Matematik: Struktur og Form Matrixmultiplikation. Regulære og singulære matricer Martin Raussen Department of Mathematical Sciences Aalborg University 2017 1 / 12 Matrixmultiplikation Am n = [aij ], Bn
Læs mereLineær Algebra. Lars Hesselholt og Nathalie Wahl
Lineær Algebra Lars Hesselholt og Nathalie Wahl Oktober 2016 Forord Denne bog er beregnet til et første kursus i lineær algebra, men vi har lagt vægt på at fremstille dette materiale på en sådan måde,
Læs mereFigur. To ligninger i to ubekendte. Definition Ved m lineære ligninger med n ubekendte forstås. Definition 6.4 Givet ligningssystemet
Oversigt [LA] 6, 7, 8 Nøgleord og begreber Lineære ligningssystemer smængdens struktur Test løsningsmængde Rækkereduktion Reduceret matrix Test ligningssystem Rækkeoperationsmatricer Rangformlen Enten-eller
Læs mereMatematik Camp Noter og Opgaver
Matematik Camp 2018 Noter og Opgaver Freja Elbro Simon Skjernaa Erfurth Jonas Rysgaard Jensen Benjamin Muntz Anders Jess Pedersen Eigil Fjeldgren Rischel Nikolaj Jensen Ulrik Indhold Indhold i 1 Introduktion
Læs mereMatricer og lineære ligningssystemer
Matricer og lineære ligningssystemer Grete Ridder Ebbesen Virum Gymnasium Indhold 1 Matricer 11 Grundlæggende begreber 1 Regning med matricer 3 13 Kvadratiske matricer og determinant 9 14 Invers matrix
Læs mereMatematik for økonomer 3. semester
Matematik for økonomer 3. semester cand.oecon. studiet, 3. semester Planchesæt 2 - Forelæsning 3 Esben Høg Aalborg Universitet 10. september 2009 Institut for Matematiske Fag Aalborg Universitet Esben
Læs mereDesignMat Kvadratiske matricer, invers matrix, determinant
DesignMat Kvadratiske matricer, invers matrix, determinant Preben Alsholm Uge 5 Forår 010 1 Kvadratiske matricer, invers matrix, determinant 1.1 Invers matrix I Invers matrix I Definition. En n n-matrix
Læs mereKursusgang 3 Matrixalgebra fortsat
Kursusgang 3 fortsat - froberg@math.aau.dk http://people.math.aau.dk/ froberg/oecon3 Institut for Matematiske Fag Aalborg Universitet 12. september 2008 1/31 Nødvendige betingelser En nødvendig betingelse
Læs mereTo ligninger i to ubekendte
Oversigt [LA] 6, 7 Nøgleord og begreber Løs ligninger Eliminer ubekendte Rækkereduktion Reduceret matrix Enten-eller princippet Test ligningssystem Rækkeoperationsmatricer Beregn invers matrix Calculus
Læs mereMatrx-vektor produkt Mikkel H. Brynildsen Lineær Algebra
Matrx-vektor produkt [ ] 1 2 3 1 0 2 1 10 4 Rotationsmatrix Sæt A θ = [ ] cosθ sinθ sinθ cosθ At gange vektor v R 2 med A θ svarer til at rotere vektor v med vinkelen θ til vektor w: [ ][ ] [ ] [ ] cosθ
Læs mereOversigt [LA] 6, 7, 8
Oversigt [LA] 6, 7, 8 Nøgleord og begreber Lineære ligningssystemer Løsningsmængdens struktur Test løsningsmængde Rækkereduktion Reduceret matrix Test ligningssystem Rækkeoperationsmatricer Rangformlen
Læs mereLineær Algebra. Lars Hesselholt og Nathalie Wahl
Lineær Algebra Lars Hesselholt og Nathalie Wahl 2. udgave, oktober 207 Forord Denne bog er beregnet til et første kursus i lineær algebra, men vi har lagt vægt på at fremstille dette materiale på en sådan
Læs mereModulpakke 3: Lineære Ligningssystemer
Chapter 1 Modulpakke 3: Lineære Ligningssystemer 1.1 Indledning - typer af ligningesystemer og løsninger Den lineære ligning 2x=3 kan løses umiddelbart ved at dividere med 2 på begge sider, så vi får:
Læs mereNøgleord og begreber
Oversigt [LA] 9 Nøgleord og begreber Helt simple determinanter Determinant defineret Effektive regneregler Genkend determinant nul Test determinant nul Produktreglen Inversreglen Test inversregel og produktregel
Læs mereOversigt [LA] 1, 2, 3, [S] 9.1-3
Oversigt [LA] 1, 2, 3, [S] 9.1-3 Nøgleord og begreber Talpar, taltripler og n-tupler Linearkombination og span Test linearkombination Hvad er en matrix Matrix multiplikation Test matrix multiplikation
Læs mere4.1 Lineære Transformationer
SEKTION 41 LINEÆRE TRANSFORMATIONER 41 Lineære Transformationer Definition 411 ([L], s 175) Lad V, W være F-vektorrum En lineær transformation L : V W er en afbildning, som respekterer lineær struktur,
Læs mereDesignMat Uge 1 Gensyn med forårets stof
DesignMat Uge 1 Gensyn med forårets stof Preben Alsholm Efterår 2010 1 Hovedpunkter fra forårets pensum 11 Taylorpolynomium Taylorpolynomium Det n te Taylorpolynomium for f med udviklingspunkt x 0 : P
Læs mereMatematik YY Foråret Kapitel 1. Grupper og restklasseringe.
Matematik YY Foråret 2004 Elementær talteori Søren Jøndrup og Jørn Olsson Kapitel 1. Grupper og restklasseringe. Vi vil i første omgang betragte forskellige typer ligninger og søge efter heltalsløsninger
Læs mereKursusgang 3 Matrixalgebra Repetition
Kursusgang 3 Repetition - froberg@math.aau.dk http://people.math.aau.dk/ froberg/oecon3 Institut for Matematiske Fag Aalborg Universitet 16. september 2008 1/19 Betingelser for nonsingularitet af en Matrix
Læs mereDet Ingeniør-, Natur- og Sundhedsvidenskabelige basisår Matematik 2A, Forår 2007, Hold 4 Opgave A Kommenteret version
Det Ingeniør-, Natur- og Sundhedsvidenskabelige basisår Matematik 2A, Forår 2007, Hold 4 Opgave A Kommenteret version Opgaven består af et antal delopgaver Disse er af varierende omfang Der er også en
Læs mereVi indleder med at minde om at ( a) = a gælder i enhver gruppe.
0.1: Ringe 1. Definition: Ring En algebraisk struktur (R, +,, 0,, 1) kaldes en ring hvis (R, +,, 0) er en kommutativ gruppe og (R,, 1) er en monoide og hvis er såvel venstre som højredistributiv mht +.
Læs mereEksempel 9.1. Areal = (a 1 + b 1 )(a 2 + b 2 ) a 1 a 2 b 1 b 2 2a 2 b 1 = a 1 b 2 a 2 b 1 a 1 a 2 = b 1 b 2
Oversigt [LA] 9 Nøgleord og begreber Helt simple determinanter Determinant defineret Effektive regneregler Genkend determinant nul Test determinant nul Produktreglen Inversreglen Test inversregel og produktregel
Læs mereLinAlg 2013 Q3. Tobias Brixen Mark Gottenborg Peder Detlefsen Troels Thorsen Mads Buch 2013
LinAlg 2013 Q3 Tobias Brixen Mark Gottenborg Peder Detlefsen Troels Thorsen Mads Buch 2013 1 Lineær algebra Dispositioner - Dispo 0 2013 Contents 1 Løsninger, og MKL, af lineære ligningssystemer 3 2 Vektorrum
Læs mere12.1 Cayley-Hamilton-Sætningen
SEKTION 12.1 CAYLEY-HAMILTON-SÆTNINGEN 12.1 Cayley-Hamilton-Sætningen Sætning 12.1.1 (Cayley-Hamilton) Lad A Mat n,n (C). Så gælder p A (A) =. Sætningen gælder faktisk over et vilkårligt legeme, men vi
Læs mere6.1 Reelle Indre Produkter
SEKTION 6.1 REELLE INDRE PRODUKTER 6.1 Reelle Indre Produkter Definition 6.1.1 Et indre produkt på et reelt vektorrum V er en funktion, : V V R således at, for alle x, y V, I x, x 0 med lighed x = 0, II
Læs mere9.1 Egenværdier og egenvektorer
SEKTION 9.1 EGENVÆRDIER OG EGENVEKTORER 9.1 Egenværdier og egenvektorer Definition 9.1.1 1. Lad V være et F-vektorrum; og lad T : V V være en lineær transformation. λ F er en egenværdi for T, hvis der
Læs mereOversigt [LA] 3, 4, 5
Oversigt [LA] 3, 4, 5 Nøgleord og begreber Fra matrix til afbildning Fra afbildning til matrix Test matrix-afbildning Inverse matricer Test invers matrix Matrix potens Lineære ligningssystemer Løsningsmængdens
Læs mere13.1 Matrixpotenser og den spektrale radius
SEKTION 3 MATRIXPOTENSER OG DEN SPEKTRALE RADIUS 3 Matrixpotenser og den spektrale radius Cayley-Hamilton-sætningen kan anvendes til at beregne matrixpotenser: Proposition 3 (Lasalles algoritme) Lad A
Læs mereKvadratiske matricer. enote Kvadratiske matricer
enote enote Kvadratiske matricer I denne enote undersøges grundlæggende egenskaber ved mængden af kvadratiske matricer herunder indførelse af en invers matrix for visse kvadratiske matricer. Det forudsættes,
Læs mereEksempler Determinanten af en kvadratisk matrix. Calculus Uge
Oversigt [LA] 8 Her skal du lære om 1. Helt simple determinanter 2. En udvidelse der vil noget 3. Effektive regneregler 4. Genkend determinant nul 5. Produktreglen 6. Inversreglen 7. Potensreglen 8. Entydig
Læs mereBesvarelser til Lineær Algebra Ordinær Eksamen Juni 2018
Besvarelser til Lineær Algebra Ordinær Eksamen - 5. Juni 28 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan. Dette dokument har udelukkende
Læs mereMatematik og FormLineære ligningssystemer
Matematik og Form Lineære ligningssystemer Institut for Matematiske Fag Aalborg Universitet 2014 Ligningssystemer og matricer Til et ligningssystem svarer der en totalmatrix [A b] bestående af koefficientmatrix
Læs mereMatematik: Stuktur og Form Lineære ligningssystemer
Matematik: Stuktur og Form Lineære ligningssystemer Martin Raussen Department of Mathematical Sciences Aalborg University 2016 1 / 10 Ligningssystemer og matricer Ligningssystem totalmatrix Til et ligningssystem
Læs mereLineær Algebra F08, MØ
Lineær Algebra F08, MØ Vejledende besvarelser af udvalgte opgaver fra Ugeseddel 3 og 4 Ansvarsfraskrivelse: Den følgende vejledning er kun vejledende. Opgaverne kommer i vilkårlig rækkefølge. Visse steder
Læs mereOversigt [LA] 1, 2, 3, [S] 9.1-3
Oversigt [LA], 2, 3, [S] 9.-3 Nøgleord og begreber Koordinatvektorer, talpar, taltripler og n-tupler Linearkombination Underrum og Span Test linearkombination Lineær uafhængighed Standard vektorer Basis
Læs mereMatematik og Form 3. Rækkereduktion til reduceret echelonfo. Rang og nullitet
Matematik og Form 3. Rækkereduktion til reduceret echelonform Rang og nullitet Institut for Matematiske Fag Aalborg Universitet 11.2.2013 Reduktion til (reduceret) echelonmatrix Et eksempel Et ligningssystem
Læs mereDesignMat Uge 1 Repetition af forårets stof
DesignMat Uge 1 Repetition af forårets stof Preben Alsholm Efterår 008 01 Lineært ligningssystem Lineært ligningssystem Et lineært ligningssystem: a 11 x 1 + a 1 x + + a 1n x n = b 1 a 1 x 1 + a x + +
Læs mereLineær Algebra eksamen, noter
Lineær Algebra eksamen, noter Stig Døssing, 20094584 June 6, 2011 1 Emne 1: Løsninger og least squares - Løsning, ligningssystem RREF (ERO) løsninger Bevis at RREF matrix findes Løsninger til system (0,
Læs mereLINALG JULENØD 2013 SUNE PRECHT REEH
LINALG JULENØD 203 SUNE PRECHT REEH Resumé I denne julenød skal vi se på lineær algebra for heltallene Z Hvad går stadig godt? og hvad går galt? I de reelle tal R kan vi for ethvert a 0 altid finde R som
Læs mereDe rigtige reelle tal
De rigtige reelle tal Frank Villa 17. januar 2014 Dette dokument er en del af MatBog.dk 2008-2012. IT Teaching Tools. ISBN-13: 978-87-92775-00-9. Se yderligere betingelser for brug her. Indhold 1 Introduktion
Læs mereAlgebra med Bea. Bea Kaae Smit. nøgleord andengradsligning, komplekse tal, ligningsløsning, ligningssystemer, nulreglen, reducering
Algebra med Bea Bea Kaae Smit nøgleord andengradsligning, komplekse tal, ligningsløsning, ligningssystemer, nulreglen, reducering Indhold 1 Forord 4 2 Indledning 5 3 De grundlæggende regler 7 3.1 Tal..........................
Læs mereMatricer og Matrixalgebra
enote 3 1 enote 3 Matricer og Matrixalgebra Denne enote introducerer matricer og regneoperationer for matricer og udvikler hertil hørende regneregler Noten kan læses uden andet grundlag end gymnasiet,
Læs mereBesvarelser til Lineær Algebra Ordinær eksamen - 6. Juni 2016
Besvarelser til Lineær Algebra Ordinær eksamen - 6. Juni 2016 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan. Dette dokument har udelukkende
Læs mereOversigt [LA] 6, 7, 8
Oversigt [LA] 6, 7, 8 Nøgleord og begreber Lineære ligningssystemer Løsningsmængdens struktur Test løsningsmængde Rækkereduktion Reduceret matrix Test ligningssystem Rækkeoperationsmatricer Rangformlen
Læs mereForelæsningsnoter til. Lineær Algebra. Niels Vigand Pedersen. Udgivet af. Asmus L. Schmidt. Københavns Universitet Matematisk Afdeling
Forelæsningsnoter til Lineær Algebra Niels Vigand Pedersen Udgivet af Asmus L Schmidt Københavns Universitet Matematisk Afdeling August Revideret 9 ii udgave, oktober 9 Forord Gennem en særlig aftale varetages
Læs mereDesignMat Komplekse tal
DesignMat Komplekse tal Preben Alsholm Uge 7 Forår 010 1 Talmængder 1.1 Talmængder Talmængder N er mængden af naturlige tal, 1,, 3, 4, 5,... Z er mængden af hele tal... 5, 4, 3,, 1, 0, 1,, 3, 4, 5,....
Læs mereOversigt [LA] 1, 2, 3, [S] 9.1-3
Oversigt [LA] 1, 2, 3, [S] 9.1-3 Nøgleord og begreber Koordinatvektorer, talpar, taltripler og n-tupler Linearkombination Underrum og Span Test linearkombination Lineær uafhængighed Standard vektorer Basis
Læs mereTeoretiske Øvelsesopgaver:
Teoretiske Øvelsesopgaver: TØ-Opgave 1 Subtraktion division i legemer: Er subtraktion division med elementer 0 i legemer veldefinerede, eller kan et element b have mere end ét modsat element -b eller mere
Læs mereEksamen i Lineær Algebra
Eksamen i Lineær Algebra Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet 6. juni, 26. Kl. 9-3. Nærværende eksamenssæt består af nummererede sider med ialt 5 opgaver. Alle opgaver er multiple
Læs mereLineær Algebra, TØ, hold MA3
Lineær Algebra, TØ, hold MA3 Lad mig allerførst (igen) bemærke at et vi siger: En matrix, matricen, matricer, matricerne. Og i sammensætninger: matrix- fx matrixmultiplikation. Injektivitet og surjektivitet
Læs mereBesvarelser til Lineær Algebra Reeksamen August 2016
Besvarelser til Lineær Algebra Reeksamen - 9. August 26 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan. Dette dokument har udelukkende
Læs mereLineær algebra 1. kursusgang
Lineær algebra 1. kursusgang Eksempel, anvendelse To kendte punkter A og B på en linie, to ukendte punkter x 1 og x 2. A x 1 x 2 B Observationer af afstande: fra A til x 1 : b 1 fra x 1 til x 2 : b 2 fra
Læs mereGrundlæggende Matematik
Grundlæggende Matematik Hayati Balo, AAMS August 2012 1. Matematiske symboler For at udtrykke de verbale udsagn matematisk korrekt, så det bliver lettere og hurtigere at skrive, indføres en række matematiske
Læs mereUnderrum - generaliserede linjer og planer
1 Om miniprojekt 2 2 Kirchoffs love. Opstil lineære ligningssystemer og løs dem. 0-1-matricer. Systematisk information om grafer/netværk (som i Dagens anvendelse kursusgang 9): Flyforbindelser. Skemalægning.
Læs mereUndervisningsnotat. Matricer
Undervisningsnotat. Matricer januar, C Definition En matrix er en ordnet mængde tal opstillet i m rækker og n søjler. Matricen A kunne være defineret som vist nedenfor. Hvert element i matricen er forsynet
Læs mereSylvesters kriterium. Nej, ikke mit kriterium. Sætning 9. Rasmus Sylvester Bryder
Sætning 9 Sylvesters kriterium Nej, ikke mit kriterium Rasmus Sylvester Bryder Inspireret af en statistikers manglende råd om hvornår en kvadratisk matrix er positivt definit uden at skulle ud i at bestemme
Læs mereLineær Algebra, kursusgang
Lineær Algebra, 2014 12. kursusgang Lisbeth Fajstrup Institut for Matematiske Fag Aalborg Universitet LinAlg November 2014 Om miniprojekt 2 Kirchoffs love. Opstil lineære ligningssystemer og løs dem. 0-1-matricer.
Læs mereAlgebra. Dennis Pipenbring, 10. februar 2012. matx.dk
matx.dk Algebra Dennis Pipenbring, 10. februar 2012 nøgleord andengradsligning, komplekse tal, ligningsløsning, ligningssystemer, nulreglen, reducering Indhold 1 Forord 4 2 Indledning 5 3 De grundlæggende
Læs mereChapter 3. Modulpakke 3: Egenværdier. 3.1 Indledning
Chapter 3 Modulpakke 3: Egenværdier 3.1 Indledning En vektor v har som bekendt både størrelse og retning. Hvis man ganger vektoren fra højre på en kvadratisk matrix A bliver resultatet en ny vektor. Hvis
Læs mereBesvarelser til Lineær Algebra Ordinær Eksamen Juni 2017
Besvarelser til Lineær Algebra Ordinær Eksamen - 12. Juni 2017 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan. Dette dokument har udelukkende
Læs meret a l e n t c a m p d k Matematik Intro Mads Friis, stud.scient 27. oktober 2014 Slide 1/25
Slide 1/25 Indhold 1 2 3 4 5 6 7 8 Slide 2/25 Om undervisningen Hvorfor er vi her? Hvad kommer der til at ske? 1) Teoretisk gennemgang ved tavlen. 2) Instruktion i eksempler. 3) Opgaveregning. 4) Opsamling.
Læs mereGrundlæggende Matematik
Grundlæggende Matematik Hayati Balo, AAMS Juli 2013 1. Matematiske symboler For at udtrykke de verbale udsagn matematisk korrekt, så det bliver lettere og hurtigere at skrive, indføres en række matematiske
Læs mereModulpakke 3: Lineære Ligningssystemer
Chapter 4 Modulpakke 3: Lineære Ligningssystemer 4. Homogene systemer I teknikken møder man meget ofte modeller der leder til systemer af koblede differentialligninger. Et eksempel på et sådant system
Læs mereLineære ligningssystemer og Gauss-elimination
Lineære ligningssystemer og Gauss-elimination Preben Alsholm 18 februar 008 1 Lineære ligningssystemer og Gauss-elimination 11 Et eksempel Et eksempel 100g mælk Komælk Fåremælk Gedemælk Protein g 6g 8g
Læs mereIndhold. 5. Vektorrum og matricer Koordinattransformationer
Indhold Lineære afbildninger og matricer Talrummene R n, C n Matricer 8 3 Lineære afbildninger 4 Matrix algebra 8 5 Invers matrix 6 6 Transponeret og adjungeret matrix 9 Række- og søjleoperationer Lineære
Læs mereModule 1: Lineære modeller og lineær algebra
Module : Lineære modeller og lineær algebra. Lineære normale modeller og lineær algebra......2 Lineær algebra...................... 6.2. Vektorer i R n................... 6.2.2 Regneregler for vektorrum...........
Læs mereLineær algebra Kursusgang 6
Lineær algebra Kursusgang 6 Mindste kvadraters metode og Cholesky dekomposition Vi ønsker at finde en mindste kvadraters løsning til det (inkonsistente) ligningssystem hvor A er en m n matrix. Ax = b,
Læs mereCarl Friedrich Gauß ( ), malet af Christian Albrecht Jensen. Lineær algebra. Ib Michelsen
Carl Friedrich Gauß 777 8, malet af Christian Albrecht Jensen Lineær algebra Ikast Ikast Version Hæftet her skal ses som et supplement til Klaus Thomsens forelæsninger på Aarhus Universitet og låner flittigt
Læs mereMat10 eksamensspørgsmål
Mat10 eksamensspørgsmål Martin Geisler 9. januar 2002 Resumé Dette dokument er en gennemgang af de eksamensspørgsmål der blev stillet til den mundtlige eksamen i Mat10, januar 2002
Læs meret a l e n t c a m p d k Matematik Intro Mads Friis, stud.scient 7. november 2015 Slide 1/25
Slide 1/25 Indhold 1 2 3 4 5 6 7 8 Slide 2/25 Om undervisningen Hvorfor er vi her? Slide 3/25 Om undervisningen Hvorfor er vi her? Hvad kommer der til at ske? 1) Teoretisk gennemgang ved tavlen. 2) Instruktion
Læs mereJeg foretager her en kort indføring af polynomier over såvel de reelle som
Polynomier, rødder og division Sebastian Ørsted 20. november 2016 Jeg foretager her en kort indføring af polynomier over såvel de reelle som de komplekse tal, hvor fokus er på at opbygge værktøjer til
Læs mereEksamen i Lineær Algebra
To find the English version of the exam, please read from the other end! Se venligst bort fra den engelske tekst på bagsiden, hvis du følger den danske version af prøven. Eksamen i Lineær Algebra Første
Læs mereEksempel 9.1. Areal = (a 1 + b 1 )(a 2 + b 2 ) a 1 a 2 b 1 b 2 2a 2 b 1 = a 1 b 2 a 2 b 1 a 1 a 2 = b 1 b 2. Eksempel = ( 1) = 10
Oversigt [LA] 9 Nem vej til rel Nøgleord og begreber Helt simple determinnter Determinnt defineret Effektive regneregler Genkend determinnt nul determinnt nul Produktreglen Inversreglen inversregel og
Læs mereMatematisk modellering og numeriske metoder. Lektion 5
Matematisk modellering og numeriske metoder Lektion 5 Morten Grud Rasmussen 19. september, 2013 1 Euler-Cauchy-ligninger [Bogens afsnit 2.5, side 71] 1.1 De tre typer af Euler-Cauchy-ligninger Efter at
Læs mereAlgebra - Teori og problemløsning
Algebra - Teori og problemløsning, januar 05, Kirsten Rosenkilde. Algebra - Teori og problemløsning Kapitel -3 giver en grundlæggende introduktion til at omskrive udtryk, faktorisere og løse ligningssystemer.
Læs mereMatematik H1. Lineær Algebra
Matematik H Forelæsningsnoter til Lineær lgebra Niels Vigand Pedersen Udgivet af smus L Schmidt Københavns Universitet Matematisk fdeling ugust ii oplag, juli 4 Forord Gennem en særlig aftale varetages
Læs merePolynomium Et polynomium. Nulpolynomiet Nulpolynomiet er funktionen der er konstant nul, dvs. P(x) = 0, og dets grad sættes per definition til.
Polynomier Polynomier Polynomium Et polynomium P(x) = a n x n + a n x n +... + a x + a 0 Disse noter giver en introduktion til polynomier, centrale sætninger om polynomiumsdivision, rødder og koefficienter
Læs mereMATRICER LINEÆRE LIGNINGER
MOGENS ODDERSHEDE LARSEN MATRICER og LINEÆRE LIGNINGER 6. udgave 2016 FORORD Dette notat viser hvorledes man kan løse lineære ligningssystemer ved Gaussmetode dels uden regnemidler dels med regnemidler.
Læs mereRegning. Mike Vandal Auerbach ( 7) 4x 2 y 2xy 5. 2x + 4 = 3. (x + 3)(2x 1) = 0. (a + b)(a b) a 2 + b 2 2ab.
Mike Vandal Auerbach Regning + 6 ( 7) (x + )(x 1) = 0 x + = 7 + x y xy 5 7 + 5 (a + (a a + b ab www.mathematicus.dk Regning 1. udgave, 018 Disse noter er en opsamling på generelle regne- og algebraiske
Læs mereLineær Algebra - Beviser
Lineær Algebra - Beviser Mads Friis 8 oktober 213 1 Lineære afbildninger Jeg vil i denne note forsøge at give et indblik i, hvor kraftfuldt et værktøj matrix-algebra kan være i analyse af lineære funktioner
Læs mere8 Regulære flader i R 3
8 Regulære flader i R 3 Vi skal betragte særligt pæne delmængder S R 3 kaldet flader. I det følgende opfattes S som et topologisk rum i sportopologien, se Definition 5.9. En åben omegn U af p S er således
Læs mere1 Om funktioner. 1.1 Hvad er en funktion?
1 Om funktioner 1.1 Hvad er en funktion? Man lærer allerede om funktioner i folkeskolen, hvor funktioner typisk bliver introduceret som maskiner, der tager et tal ind, og spytter et tal ud. Dette er også
Læs mereMatrix Algebra med Excel Forelæsningsnoter til FR86. Jesper Lund mail@jesperlund.com http://www.jesperlund.com
Matrix Algebra med Excel Forelæsningsnoter til FR86 Jesper Lund mail@jesperlund.com http://www.jesperlund.com 28. august 2002 1 Indledning Matrix algebra er et uundværligt redskab til økonometri, herunder
Læs mereEksamen i Lineær Algebra
To find the English version of the exam, please read from the other end! Se venligst bort fra den engelske version på modsatte side hvis du følger denne danske version af prøven. Eksamen i Lineær Algebra
Læs mereTidligere Eksamensopgaver MM505 Lineær Algebra
Institut for Matematik og Datalogi Syddansk Universitet Tidligere Eksamensopgaver MM55 Lineær Algebra Indhold Typisk forside.................. 2 Juni 27.................... 3 Oktober 27..................
Læs mereLiA 5 Side 0. Lineær algebra Kursusgang 5
LiA 5 Side 0 Lineær algebra Kursusgang 5 LiA 5 Side 1 Ved bestemmelse af mindste kvadraters løsning til (store) ligningssystemer vil man gerne anvende en metode der opfylder to krav: antallet af regneoperationer
Læs mere2010 Matematik 2A hold 4 : Prøveeksamen juni 2010
1 of 7 31-05-2010 13:18 2010 Matematik 2A hold 4 : Prøveeksamen juni 2010 Welcome Jens Mohr Mortensen [ My Profile ] View Details View Grade Help Quit & Save Feedback: Details Report [PRINT] 2010 Matematik
Læs mereSvar på opgave 336 (Januar 2017)
Svar på opgave 6 (Januar 07) Opgave: De komplekse tal a, b og c opfylder ligningssystemet Vis, at a, b og c er reelle. (a + b)(a + c) = b (b + c)(b + a) = c (c + a)(c + b) = a. Besvarelse:. metode Lad
Læs mereBesvarelser til Lineær Algebra og Calculus Globale Forretningssystemer Eksamen - 6. Juni 2016
Besvarelser til Lineær Algebra og Calculus Globale Forretningssystemer Eksamen - 6 Juni 206 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind Kontakt mig endelig, hvis du skulle falde over en
Læs meret a l e n t c a m p d k Talteori Anne Ryelund Anders Friis 16. juli 2014 Slide 1/36
Slide 1/36 sfaktorisering Indhold 1 2 sfaktorisering 3 4 5 Slide 2/36 sfaktorisering Indhold 1 2 sfaktorisering 3 4 5 Slide 3/36 1) Hvad er Taleteori? sfaktorisering Slide 4/36 sfaktorisering 1) Hvad er
Læs mere