Lineær Algebra. Lars Hesselholt og Nathalie Wahl

Save this PDF as:
 WORD  PNG  TXT  JPG

Størrelse: px
Starte visningen fra side:

Download "Lineær Algebra. Lars Hesselholt og Nathalie Wahl"

Transkript

1 Lineær Algebra Lars Hesselholt og Nathalie Wahl 2. udgave, oktober 207

2 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, at det implicit fremstår i sin naturlige generalitet. Vi har også lagt vægt på ikke-kommutativitet, og vi benytter således ikke, at ab og ba er ens, medmindre det er nødvendigt. Vores hovedkilde som inspiration har været den uovertrufne præsentation af lineær algebra i N. Bourbaki, Algebra I og Algebra II. Vores gennemgang af determinanten er også stærkt inspireret af H. A. Nielsen, Lineær Algebra, Aarhus Universitet fra 988. Endvidere er bogens layout og visse figurer overført fra Niels Vigand Pedersen, Lineær Algebra, Københavns Universitet, 2. udgave fra 2009, revideret af Morten Risager. Vi takker Anna Schøtt-Edholm og Katja Thorseth for nøje gennemlæsning bogen. København, oktober 207, Lars Hesselholt og Nathalie Wahl ii

3 Hvordan man læser denne bog Matematik adskiller sig fra andre naturvidenskaber ved, at matematiske begreber har præcise definitioner, og at matematiske udsagn har præcise beviser. Alle matematiske begreber er opbygget fra det grundlæggende begreb mængde, der som det eneste er udefineret, og alle matematiske beviser fremkommer i princippet ved at kombinere de grundlæggende udsagn om mængder, der er beskrevet i Zermelo-Fraenkel aksiomerne. Det formelle grundlag betyder dog ikke, at ideer, der udtrykkes i matematik, er løsrevet fra resten af verden. Snarere er matematik i denne sammenhæng ligesom musik i den forstand, at man skal lære at spille et instrument, før man kan udtrykke sine ideer. Det er også afgørende, at man lærer definitioner helt rigtigt og ikke kun nogenlunde rigtigt, ligesom det i musik er vigtigt, at man rammer de rigtige toner. At læse en matematisk tekst som denne er derfor en aktiv proces, hvor man typisk ikke forstår nye begreber fuldt ud, den første gang man læser dem, men må gå tilbage og genlæse definitioner og sætninger samtidigt med, at man læser eksempler og laver opgaver eller browser i Wikipedia. 2 Det kan også tit være nyttigt at tænke på ekstreme tilfælde, såsom Hvad siger denne definition, hvis A er den tomme matrix? Skal man også læse og forstå beviser? Med tiden, ja. Beviser er matematikkens svar på eksperimenter i den forstand, at beviser benyttes til at afgøre om et udsagn gælder. Det er ikke så let at sige præcist, hvad et formelt bevis er, 3 men uformlet består et bevis i at angive, hvordan et udsagn, som man ønsker at bevise, logisk følger fra en række udsagn, som antages at gælde, ved hjælp af logiske operationer. At finde et bevis for et udsagn er dog ikke nogen formel proces og kræver typisk en dyb forståelse af det udsagn, man ønsker at vise. Omvendt forstår man typisk også et udsagn langt bedre, hvis man forstår dets bevis (eller beviser, 4 og da beviser er en matematikers eneste værktøjer, er det vigtigt at lære sig disse. Bogen kan læses i flere omgange og på flere niveauer. De fleste begreber i lineær algebra har således mening i meget stor generalitet, ligesom de fleste sætninger gælder meget generelt. Vi tillader derfor skalarer, der er mere generelle end reelle tal og komplekse tal, da de første fem kapitler ikke anvender de mere specielle (arkimediske egenskaber ved de reelle og komplekse tal. I første omgang er læseren dog mere end velkommen til at forestille sig, at skalarer enten er reelle tal eller komplekse tal. For eksempel lyder det første aksiom x y ( z (z x z y x = y, hvilket betyder, at hvis to mængder x og y har de samme elementer, så er x = y. Det andet aksiom lyder x y( y x, hvilket betyder, at der findes en mængde, der ingen elementer har, og ifølge det første aksiom findes der højst én sådan mængde. Vi kalder denne mængde for den tomme mængde og betegner den med. 2 Den engelske version af Wikipedia er ofte en fremragende kilde, især hvad eksempler angår. 3 Definitionen af et formelt bevis kan findes i Kenneth Kunen, The foundations of mathematics, Studies in Logic (London, 9, Mathematical Logic and Foundations. College Publications, London, Sætning er eksempel herpå. iii

4

5 Indhold 0 Skalarer 0. Afbildninger Legemer Højre og venstre multiplikation Opgaver Lineære ligningssystemer. Lineære ligningssystemer Rækkeoperationer og Gauss-elimination Rang og løsningsmængde Opgaver Matricer og lineære afbildninger Matricer Vektorrummet F m Lineære afbildninger Invertible matricer Operationsmatricer Hermitiske former Opgaver Determinant Determinant af 2 2-matrix Determinant for n n-matricer Triangulære matricer og beregning af determinanter Determinant og invers matrix Polynomier Opgaver Vektorrum Vektorrum Lineære afbildninger Basis for et vektorrum Matrixrepræsentation af lineære afbildninger Kerne og billede Affine underrum og kvotientrum v

6 Indhold 4.7 Opgaver Egenværdier og egenrum Egenværdier og egenrum for kvadratiske matricer Diagonaliserbare matricer Egenværdier og egenrum for lineære endomorfier Opgaver Vektorrum med indre produkt Indre produkt Ortogonalitet Lineære isometrier Spektralsætningen Klassifikation af hermitiske former Opgaver vi

7 0 Skalarer Hele vejen igennem bogen vil vi arbejde med en grundlæggende mængde af tal, som vi betegner F. Vi siger, at elementer a F er skalarer. De to hovedeksempler, vi har i tankerne, er de reelle tal F = R og de komplekse tal F = C. Vi specificerer nedenfor de aritmetiske strukturer + og på mængden af skalarer, som vi skal gøre brug af. Disse aritmetiske strukturer er alle velkendte fra de reelle og de komplekse tal. 0. Afbildninger En afbildning er en triple bestående af to mængder X og Y og en regel f, der til ethvert element x X tilordner et element f (x Y. Vi skriver denne triple som f : X Y eller X Y f og kalder mængderne X og Y for afbildningens domæne og codomæne. Eksempel 0.. Afbildningerne f : R R og g : R [0,, hvor f (x = x 2 og g(x = x 2, er to forskellige afbildninger, da deres codomæner er to forskellige mængder. Vi minder om, at en afbildning f : X Y er injektiv, hvis der for alle y Y findes højst ét x X, sådan at f (x = y; at den er surjektiv, hvis der for alle y Y findes mindst ét x X, sådan at f (x = y; og den er bijektiv, hvis der for alle y Y findes præcis ét x X, sådan at f (x = y. Vi bemærker, at en afbildning er bijektiv, hvis og kun hvis den både er injektiv og surjektiv. Eksempel 0..2 Afbildningen f : R R fra eksempel 0.. er hverken injektiv eller surjektiv, mens afbildningen g : R [0, er surjektiv, men ikke injektiv. For hvis y [0,, da er g(x = y for x = ± y, så g : R [0, er surjektiv, men da det for y > 0 gælder, at + y y, så er g : R [0, ikke injektiv. Formelt definerer vi en regel til at være en delmængde f X Y, sådan at det for alle x X gælder, at der præcis findes ét element y Y, sådan at (x, y f. Vi skriver da y = f (x i stedet for (x, y f.

8 0 Skalarer X f Y X f Y X f Y Figur 0.: Injektive, surjektive og bijektive afbildninger g Givet afbildninger g : Y Z og f : X Y, sådan at domænet af den første afbildning er lig med codomænet af den anden, da definerer vi den sammensatte afbildning X g f Z ved (g f (x = g(f (x. Vi siger også, at diagrammet f Y g X h Z kommuterer, hvis h = g f. Vi definerer identitetsafbildningen af en mængde X til at være afbildningen id X : X X givet ved id X (x = x. Lemma 0..3 En afbildning f : X Y er bijektiv, hvis og kun hvis der eksisterer en afbildning g : Y X, sådan at f g = id Y og g f = id X. Bevis Vi antager først, at der findes en afbildning g : Y X, sådan at f g = id Y og g f = id X, og viser, at f : X Y er bijektiv. Givet y Y, da opfylder x = g(y X, at f (x = f (g(y = (f g(y = id Y (y = y, så f : X Y er surjektiv. Hvis også x X opfylder, at f (x = y, da er x = id X (x = (g f (x = g(f (x = g(y = g(f (x = (g f (x = id X (x = x, så f : X Y er også injektiv og dermed bijektiv. Omvendt, hvis f : X Y er bijektiv, så lader vi g : Y X være afbildningen, der til y Y tilordner det entydigt bestemte element x X, sådan at f (x = y. Hvis x X og y Y, da er udsagnene f (x = y og x = g(y derfor ensbetydende. Specielt er udsagnene f (g(y = y og g(y = g(y ensbetydende, hvilket viser, at f g = id Y. Tilsvarende er udsagnene g(f (x = x og f (x = f (x ensbetydende, hvilket viser, at også g f = id X. Hvis f : X Y er bijektiv, så er afbildningen g : Y X med f g = id Y og g f = id X, entydigt bestemt. For hvis også g : Y X opfylder f g = id X og g f = id Y, da er g = g id Y = g (f g = (g f g = id X g = g. 2

9 0.2 Legemer Vi kalder afbildningen g : Y X for den inverse afbildning af f : X Y. Den betegnes sommetider med f : Y X. Vi bemærker, at det ifølge lemma 0..3 kun er bijektive afbildninger, der har en invers afbildning. Eksempel 0..4 Vi lader a R og betragter afbildningen f : R R, der er defineret ved f (x = ax. Hvis a 0, da er f : R R bijektiv, og dens inverse afbildning g : R R er givet ved g(y = a y. Hvis a = 0, da er f (x = 0 for alle x R, så f : R R er hverken injektiv eller surjektiv, og har derfor ikke nogen invers afbildning. 0.2 Legemer Vi lader F være et vilkårligt legeme, hvilket vil sige en mængde af skalarer udstyret med sum og produkt, der opfylder de sædvanlige aritmetiske regler. Den præcise definition er som følger. Definition 0.2. Et legeme er en triple (F,+,, der består af en mængde F samt to afbildninger +: F F F og : F F F, sådan at det gælder: (A For alle a, b, c F er (a + b + c = a + (b + c. (A2 Der findes et element 0 F, sådan at a + 0 = a = 0 + a for alle a F. (A3 For alle a F, findes der et b F, sådan at a + b = 0 = b + a. (A4 For alle a, b F er a + b = b + a. (P For alle a, b, c F er (a b c = a (b c. (P2 Der findes et element F, sådan at a = a = a for alle a F. (P3 For alle 0 a F, findes b F, sådan at a b = = b a. Endvidere er 0. (P4 For alle a, b F er a b = b a. (D For alle a, b, c F er a (b + c = (a b + (a c. (D2 For alle a, b, c F er (a + b c = (a c + (b c. Vi forkorter normalt og skriver ab i stedet for a b. Vi forkorter også normalt og skriver blot F for legemet (F,+,. Dette er et eksempel på misbrug af notation, idet vi benytter symbolet F til at betegne to forskellige objekter. 3

10 0 Skalarer Eksempel Vi giver følgende mere eller mindre velkendte eksempler på legemer. (R Det bedst kendte eksempel på et legeme er nok legemet af reelle tal (R,+,, hvor R er mængden af reelle tal, og hvor + og er henholdsvis den sædvanlige sum og det sædvanlige produkt af reelle tal. (Q Et andet velkendt eksempel er legemet af rationale tal (Q,+,, hvor Q R er delmængden af rationale tal, og hvor igen + og er de sædvanlige sum og produkt operationer. (C Et meget vigtigt eksempel er legemet af komplekse tal (C,+,, som består af mængden af komplekse tal C = {a + ib a, b R} med + og defineret ved henholdsvis (a + ib + (c + id = (a + c + i(b + d (a + ib (c + id = (ac bd + i(ad + bc. Det modsatte element af a+ ib er a+ i( b, som vi også skriver a ib, og, hvis a + ib 0, da er det multiplikativt inverse element af a + ib givet ved a + ib = a ib (a + ib(a ib = a ib a 2 + b 2 = a a 2 + b 2 i b a 2 + b 2. (F 2 Det mindste legeme er legemet (F 2,+,, hvor F 2 = {0,}, og hvor + er defineret til at være lig med 0. Der findes mange andre legemer, endelige som uendelige, og lineær algebra fungerer over et vilkårligt legeme. I dette kursus vil vi dog kun bruge R og C som eksempler. De grundlæggende egenskaber (A (A4, (P (P4 og (D (D2, der per definition gælder for sum og produkt i et legeme, har flere konsekvenser, som er velkendte for de reelle og de komplekse tal, men som altid gælder så snart de grundlæggende betingelser er opfyldt. Vi nævner her nogle af de vigtigste: ( Elementet 0 F, der opfylder (A2, er entydigt bestemt. For hvis 0 og 0 begge opfylder (A2, da gælder Vi kalder 0 F for nul-elementet i F. 0 = = 0. 4

11 0.2 Legemer (2 Givet a F, da er elementet b F, der opfylder (A3 ligeledes entydigt bestemt. For hvis både b og b opfylder (A3, da er b = b + 0 = b + (a + b = (b + a + b = 0 + b = b. Vi skriver a for dette element b og kalder det for det modsatte element af a. (3 Man viser tilsvarende, at elementet F, der opfylder (P2, er entydigt bestemt; vi kalder dette element for et-elementet i F. Hvis a F, og der findes b F, sådan at ab = = ba, så ser vi ligeledes, at elementet b F er entydigt bestemt af a F. Vi siger da, at a er invertibel, og at vi skriver a for det entydigt bestemte b F, sådan at ab = = ba, og kalder det for det multiplikativt inverse element af a. Så ifølge (P3 gælder det i et legeme F, at ethvert element a 0 er invertibelt. (4 Hvis a + c = b + c, så er a = b, idet a (A2 = a + 0 (A3 = a + (c + ( c (A = (a + c + ( c = (b + c + ( c (A = b + (c + ( c (A3 = b + 0 (A2 = b. Det vil sige, at vi kan trække et vilkårligt c F fra på begge sider at et lighedstegn. Tilsvarende gælder det for alle c F med c 0, at hvis a c = b c, så er a = b, fordi a (P2 = a (P3 = a (c c (P = (a c c (P = (b c c = b (c c (P3 = b (P2 = b. Det vil sige, at vi kan dividere med c F på begge sider af et lighedstegn, forudsat at c er invertibel. Vi kan derimod ikke dividere med 0, fordi 0 ikke er invertibel. Vi nævner derudover de følgende to konsekvencer af Definition 0.2.: Sætning Lad F være et legeme. For alle a F gælder følgende: (E a 0 = 0 = 0 a. (E2 a ( = a = ( a. Bevis Vi beviser først (E. Givet a F, da er a 0 (A2 = a (0 + 0 (D = (a 0 + (a 0, og ved at trække a 0 fra venstre og højre side får vi da, at 0 = (a 0 som ønsket. 5

12 0 Skalarer Vi viser dernæst (E2. Ifølge bemærkning (2 ovenfor, er a F det entydigt bestemte element, der opfylder a + ( a = 0 = ( a + a. Men udregningerne a + ( a (P2 = a + ( a (D2 = ( + ( a (A3 = 0 a (E = 0 ( a + a (P2 = ( a + a (D = a ( + ( (A3 = a 0 (E = 0 viser, at elementet ( a også har denne egenskab, hvilket viser (E2. Bemærkning Triplen (Z,+,, hvor Z er mængden af hele tal, og hvor + og er de sædvanlige sum og produkt operationer, opfylder alle aksiomerne i Definition 0.2. med undtagelse af (P3. For + og er de eneste elementer i Z, der er invertible, så ikke alle 0 x Z er invertible. Dermed er (Z,+, altså ikke noget legeme. En triple af denne art kaldes for en kommutativ ring. Disse forekommer i enorm variation Højre og venstre multiplikation Hvis (F,+, er et legeme, så gælder det ifølge aksiom (P4, at a b = b a for alle a, b F. Med andre ord, så gør det ingen forskel, om vi ganger a med b fra højre eller fra venstre. Der forekommer dog naturligt også tripler (F,+,, der opfylder alle aksiomerne for at være et legeme med undtagelse af (P4, og vi siger da, at (F,+, er et skævlegeme. Et klassisk eksempel på et skævlegeme er Hamilton s kvaternioner, som vi beskriver i eksempel 0.3. nedenfor. Enhedskvaternioner bestemmer rotationer af 3-dimensionalt rum, og a b svarer da til først at udføre rotationen bestemt af b og dernæst rotationen bestemt af a, mens b a svarer til at udføre disse rotationer i modsat rækkefølge, hvilket typisk ikke er det samme. I lineær algebra spiller multiplikation fra højre og venstre forskellige roller, og vi gør det derfor til en regel altid at være forsigtige med, hvilken side vi ganger fra. Den kommutative lov (P4 gælder således ikke for multiplikation af matricer, som vi indfører i kapitel 2. For eksempel kan rotationer af 3-dimensionalt rum udtrykkes ved matricer, og sammesætning af rotationer svarer da til matrixmultiplikation. Endelig er (P4 slet ikke nødvendig i de fleste af de efterfølgende kapitler, og mange beviser bliver faktisk lettere, når man ikke tillader sig at bruge (P4. Eksempel 0.3. Hamilton s kvaternioner er skævlegemet (H, +,, hvor H = {a + ib + jc + kd a, b, c, d R} er mængden af kvaternioner, og hvor + er defineret ved (a + ib + jc + kd + (a 2 + ib 2 + jc 2 + kd 2 = (a + a 2 + i(b + b 2 + j(c + c 2 + k(d + d 2, 2 Det mere end 5000 sider lange Stacks Project (stacks.math.columbia.edu omhandler kommutative ringe og deres egenskaber. 6

13 0.4 Opgaver mens er defineret ved (a + ib + jc + kd (a 2 + ib 2 + jc 2 + kd 2 = (a a 2 b b 2 c c 2 d d 2 + i(a b 2 + b a 2 + c d 2 d c 2 + j(a c 2 b d 2 + c a 2 + d b 2 + k(a d 2 + b c 2 c b 2 + d a 2. For eksempel er i j = k, mens j i = k, så multiplikation er ikke kommutativ. 0.4 Opgaver 0. Vis, at afbildningen f : R 2 R 2 defineret ved ( ( u u + v f = v u v er bijektiv, og angiv den inverse afbildning g : R 2 R Afgør i hvert af følgende tilfælde, om den angivne afbildning f : X Y er injektiv, surjektiv og/eller bijektiv, og angiv billedet af f : X Y. Hvis f : X Y er bijektiv, angiv da også den inverse afbildning g : Y X. a f : R R, f (x = x 2. b f : R R, f (x = x 3. ( x c f : R 2 R, f = xy. y ( ( x x + y d f : R 2 R 2, f =. y x y e f : R {0} R, f (x = x. f f : R {0} R {0}, f (x = x. g f : [0,] [0,], f (x = x Afgør, om hver af de følgende afbildninger er injektiv, surjektiv og/eller bijektiv. Hvis afbildningen er bijektiv, angiv da også den inverse afbildning. a Afbildningen f : C R 2 defineret ved f (z = b Afbildningen g : C 2 R 2 defineret ved ( z g = w ( Re(z. Im(z ( Re(z. Im(z 7

14 0 Skalarer c Afbildningen h: C 2 C 2 defineret ved h ( z = w ( z. w d Afbildningen l : C 2 C 2 defineret ved 0.4 Vi betragter mængderne l ( z = w ( i z w z. A = {a, b, c} B = {2,3,5,7,} D = {α,ω} E = {I,V,X,L,C,D,M}. Angiv for hver af følgende afbildninger, om den er injektiv og/eller surjektiv. Angiv den inverse afbilding i de tilfælde, hvor afbildningen er bijektiv. a Afbildningen f : A B defineret ved f (a = 2, f (b =, f (c = 2. b Afbildningen g : D A defineret ved g(α = b, g(ω = a. c Afbildningen h: E A defineret ved h(i = c, h(v = a, h(x = a, h(l = b, h(c = c, h(d = b, h(m = a. d Afbildningen i : A D B defineret ved i(a = 7, i(b = 3, i(c =, i(α = 2, i(ω = Afbildningerne f, g : R 3 R 3 er givet ved x x + x 2 x x + x 2 + 2x 3 f x 2 = x 2 + x 3, g x 2 = x 2 + x 3. x 3 x + x 3 x 3 x + x 3 a Gør rede for, at f : R 3 R 3 er bijektiv, mens g : R 3 R 3 ikke er bijektiv. b Angiv den inverse afbildning til f : R 3 R 3. 8

15 0.4 Opgaver 0.6 Lad X, Y og Z være mængder, og lad f : X Y og g : Y Z være afbildninger. a Vis, at hvis f : X Y og g : Y Z begge er injektive, da er g f : X Z også injektiv. b Vis, at hvis f : X Y og g : Y Z begge er surjektive, da er g f : X Z også surjektiv. c Vis, at hvis f : X Y og g : Y Z begge er bijektive, da er g f : X Z bijektiv, og at det endvidere gælder, at (g f = f g : Z X. d Vis, at hvis g f : X Z er injektiv, så er også f : X Y injektiv. e Vis, at hvis g f : X Z er surjektiv, så er også g : Y Z surjektiv. 0.7 ( Angiv en bijektiv afbildning f : [0,] [0,. [Vink: Afbildningen f : [0,] [0, kan ikke være kontinuert.] 9

16

17 Lineære ligningssystemer I dette kapitel indfører vi lineære ligningssystemer og beskriver en algoritme til at finde deres løsninger. Denne algoritme eller metode, der allerede er beskrevet i den kinesiske tekst Ni kapitler om den matematiske kunst skrevet omkring begyndelsen af vor tidsregning, blev langt senere genfundet af først Newton og senere Gauss, og går nu, noget uretfærdigt, under navnet Gauss-elimination. Denne algoritme er utroligt effektiv og er grundlaget for stort alle beregninger i lineær algebra. Algoritmen består i at omforme ligningssystemer ved hjælp af rækkeoperationer, der ikke ændrer løsningsmængden, men gør det muligt umiddelbart at angive denne. Vi samler al information om et lineært ligningssystem i en matrix, og vi indfører en speciel form for matricer, som vi kalder matricer på reduceret echelonform, hvor det tilhørende ligningssystem umiddelbart kan løses. Gauss-elimination er da en algoritme, der ved hjælp af rækkeoperationer omdanner en given matrix til en entydigt bestemt matrix på reduceret echelonform. Løsning af lineære af ligningssystem ved Gauss-elimination er beskrevet i detaljer i sætning.2.8 nedenfor. I grove træk afgør algoritmen, om der er løsninger eller ej, og hvis der er løsninger, så bliver de alle fundet af algoritmen. Specielt afgør algoritmen, om der er nul, én eller flere løsninger. Vi minder om fra kapitel 0, at vi arbejder med skalarer i et legeme F, som for os er enten de reelle eller de komplekse tal. De eneste egenskaber ved de reelle og komplekse tal, som vi anvender, er, at de kan adderes og multipliceres, og at disse operationer opfylder legemesaksiomerne beskrevet i definition Lineære ligningssystemer Det lineære ligningssystem 4x + x 2 = 9 x x 2 = består af to ligninger 4x + x 2 = 9 og x x 2 = med to ubekendte x og x 2. Det er ikke svært at se, at x = 2 og x 2 = tilfredsstiller begge ligninger, og derfor er en løsning til ligningssystemet, samt at dette er den eneste løsning. Vi angiver denne løsning som x = ( 2.

18 Lineære ligningssystemer Generelt siger vi, at et system af ligninger på formen a x + a 2 x a n x n = b a 2 x + a 22 x a 2n x n = b 2 a m x + a m2 x a mn x n = b m med a i j, b i F er et lineært ligningssystem med m ligninger i n ubekendte over F, og vi kalder skalarerne a i j og b i for ligningssystemets koefficienter og konstanter. Ved en løsning til ligningssystemet forstår vi en familie af n skalarer x x 2 x =., der samtidigt tilfredstiller de m ligninger i systemet. Den mængde, der består af alle løsninger til ligningssystemet, kaldes for ligningssystemets løsningsmængde. Hvis konstanterne b i alle er lig med 0, siger vi, at ligningssystemet er homogent, og ellers siger vi, at det er inhomogent. Ethvert homogent ligningssystem har løsningen 0 0 x = 0 =., 0 mens et inhomogent ligningssystem ikke behøver at have nogen løsning. x n. Eksempel.. (Homogent og inhomogent ligningssystem Ligningssystemet 2x 3x 2 + x 3 = x + x 2 x 3 = 2 3x + 2x 2 + 2x 3 = 3 med m = 3 ligninger i n = 3 ubekendte er inhomogent; og ligningssystemet 2x 3x 2 + x 3 = 0 x + x 2 x 3 = 0 3x + 2x 2 + 2x 3 = 0 er det tilhørende homogene ligningssystem. 2

19 .2 Rækkeoperationer og Gauss-elimination Det er nyttigt ikke at skulle skrive de variable x j hele tiden, og derfor samler vi ligningssystemets koefficienter a i j i en m n-matrix a a 2... a n a 2 a a 2n A =......, a m a m2... a mn som vi kalder ligningssystemets koefficientmatrix. Vi siger, at matricen har m rækker og n søjler. Hvis vi tilføjer den ekstra søjle b b 2 b =., der består af ligningssystemets konstanter, så får vi en m (n + -matrix a a 2... a n b a 2 a a 2n b 2 ( A b = , a m a m2... a mn b m som vi kalder ligningssystemets totalmatrix. Vi har her, som det er sædvane, inkluderet en lodret linje, der adskiller koefficienter og konstanter. Linjen er ikke af matematisk betydning og har udelukkende til formål at huske os på, hvilket ligningssystem denne matrix repræsenterer. b m Eksempel..2 (Totalmatrix Ligningssystemet i eksempel.. har totalmatrix Den har 3 rækker og 4 søjler, og er dermed en 3 4-matrix...2 Rækkeoperationer og Gauss-elimination I dette afsnit indfører vi rækkeoperationer og viser, hvordan de anvendes til at løse lineære ligningssystemer. Vi illustrerer først dette med det simple eksempel 4x + x 2 = 9 x x 2 =, 3

20 Lineære ligningssystemer hvor vi nu beskriver hver skridt i udregningen. Vi begynder med at addere den anden ligning til den første, og får da ligningssystemet 5x = 0 x x 2 =. Vi ganger dernæst den første ligning med /5 og den anden med, hvilket giver x = 2 x + x 2 =. Endelig adderer vi den første ligning til den anden og får derved x = 2 x 2 =. De fire ligningssystemer har alle samme løsningsmængde, da de operationer, vi har udført, kan inverteres og derfor bevarer løsningsmængden. Vi konkluderer dermed, at den fælles løsningsmængde består af den entydige løsning ( x x 2 = Vi skal nu vise, at denne løsningsmetode virker for et generelt lineært ligningssystem. Så vi betragter lineære ligningssystemer ( 2. a x + a 2 x a n x n = b a 2 x + a 22 x a 2n x n = b 2 a m x + a m2 x a mn x n = b m bestående af m ligninger i n ubekendte og indfører de følgende tre typer af operationer, der omformer et sådant lineært ligningssystem til et nyt lineært ligningssystem med samme løsningsmængde.. Type M: Multiplikation fra venstre af en ligning med en skalar c 0. Type S: Addition af et venstre multiplum af en ligning til en anden ligning. Type T: Ombytning af to ligninger. Her indikerer M, S og T henholdsvis multiplikation, sum og transposition, og som vi forklarede i afsnit 0.3, så skelner vi mellem multiplikation med skalarer fra venstre og fra højre. 4

21 .2 Rækkeoperationer og Gauss-elimination De tre typer af operationer bevarer både antallet m af ligninger og antallet n af ubekendte. Endvidere gælder det, at enhver løsning til et givet ligningssystem igen er en løsning til det nye ligningssystem, der fremkommer ved at udføre en af de tre typer operationer. Desuden har hver af de tre typer operationer en invers operation: For hvis vi ganger ligning i med c 0 fra venstre, så kan vi gange den nye ligning i med c 0 fra venstre og derved få den oprindelige ligning i tilbage. Og hvis vi adderer c gange ligning j til ligning i j, så kan vi adderer c gange ligning j til den nye ligning i og derved få den oprindelige ligning i tilbage. Endelig, hvis vi ombytter ligning i og j, så kan vi ombytte dem igen, og derved komme tilbage til, der hvor vi startede. Derfor er enhver løsning til det nye ligningssystem også en løsning til det oprindelige ligningssystem. Med andre ord har de to ligningssystemer den samme løsningsmængde. Vi udtrykker nu de tre typer operationer ved ligningssystemernes totalmatricer ( A b = a a 2... a n b a 2 a a 2n b a m a m2... a mn b m, hvor de svarer til de følgende tre typer rækkeoperationer på matricer: Type M: Multiplikation fra venstre af en række med en skalar c 0. Type S: Addition af et venstre multiplum af en række til en anden række. Type T: Ombytning af to rækker. Vi bemærker, at disse rækkeoperationer bevarer antallet af rækker og antallet af søjler. Rækkeoperationer forstås lettest ved gennemgang af nogle eksempler. Disse eksempler illustrerer samtidigt, hvordan vi angiver rækkeoperationer. Eksempel.2. Vi betragter igen ligningssystemet 4x + x 2 = 9 x x 2 =, som vi løste i starten af afsnitet. Vi udfører nu de rækkeoperationer på ligningssyste- 5

22 Lineære ligningssystemer met totalmatrix (A b, der svarer til de rækkeoperationer, vi anvendte tidligere. ( 4 9 (A b = ( R2 5 R ( 0 2 ( 0 2 ( R 2 ( (A b 0 2 = 0 +R Ligningssystemet hørende til (A b er x = 2 x 2 =, hvilket er trivielt at løse. Bemærkning.2.2 Vi bemærker, at de fem matricer i eksempel.2. ikke er lig med hinanden, og at det derfor er forkert at skrive lighedstegn mellem dem. Vi viser nu, at rækkeoperationer er invertible i den forstand, at hvis en given rækkeoperation omformer matricen A til matricen A, så omformer den inverse rækkeoperation matricen A til matricen A. Sætning.2.3 Rækkeoperationerne af type M, S og T er invertible, og de inverse rækkeoperationer er givet følger: ( Den inverse af rækkeoperationen af type M, der består i at gange række i med c 0 fra venstre, er rækkeoperationen af type M, der består i at gange række i med c fra venstre. (2 Den inverse af rækkeoperationen af type S, der består i at addere c gange række j til række i j, er rækkeoperationen af type S, der består i at addere c gange række j til række i. (3 Den inverse af rækkeoperationen af type T, der består i at ombytte række i og j, er den samme rækkeoperation af type T. 6

23 .2 Rækkeoperationer og Gauss-elimination Bevis Vi beviser (2; ( og (3 vises tilsvarende. Så lad A = (a kl være en m n-matrix, og lad A = (a være m n-matricen, der fremkommer fra A ved rækkeoperationen af kl type S, der adderer c gange den i te række til den j te række. Da gælder det, at a kl = { a jl + c a il hvis k = j, a kl hvis k j. Lad A = (a kl være m n-matricen, der fremkommer fra A ved rækkeoperationen af type S, der adderer c gange den i te række til den j te række. Da gælder det, at a kl = { a jl + ( c a il hvis k = j, a kl hvis k j, og vi skal vise, at A = A. Hvis k j, da er a kl = a kl = a kl, og hvis k = j, da er a jl = a jl + ( c a il = (a jl + c a il + ( c a il = a jl + (c a il + ( c a il = a jl + (c + ( c a il = a jl + 0 a il = a jl + 0 = a jl. Dette viser sætningen. Eksempel.2.4 Vi betragter igen matricerne (A b og (A b fra eksempel.2.. Vi udfører nu de inverse rækkeoperationer af de rækkeoperationer, vi udførte for at omdanne (A b til (A b, og vi udfører dem endvidere i den omvendte rækkefølge. ( (A b 0 2 = 0 ( 0 2 +( R ( 0 2 ( ( R 2 5 R +( R2 ( 4 9 (A b = De inverse rækkeoperationer, anvendt i omvendt rækkefølge, omdanner altså matricen (A b til den oprindelige matrix (A b. 7

24 Lineære ligningssystemer Sætning.2.5 Hvis totalmatricen (A b for et lineært ligningssystem kan omdannes til totalmatricen (A b for et andet lineært ligningssystem ved at udføre et endeligt antal rækkeoperationer, så har de to ligningssystemer den samme løsningsmængde. Bevis Vi beviser sætningen ved induktion på antallet N 0 af rækkeoperationer, der benyttes til at omdanne (A b til (A b. Hvis N = 0, har man udført ingen rækkeoperationer, så er (A b = (A b, og der er derfor ikke noget at vise. Vi antager dernæst, at påstanden er bevist for N = r, og beviser den for N = r. Så lad (A b være totalmatricen for et lineært ligningssystem, og lad (A b være en matrix, der er fremkommet fra matricen (A b ved at udføre r rækkeoperationer. Vi skal vise, at ligningssystemerne hørende til (A b og (A b har den samme løsningsmængde. Lad (B c være den matrix, der fremkommer fra (A b ved at udføre de r første af de r rækkeoperationer. Per induktion ved vi da, at ligningssystemerne hørende til (A b og (B c har samme løsningsmængde, og det er derfor tilstrækkeligt at vise, at ligningssystemerne hørende til (B c og (A b har samme løsningsmængde. Men (A b fremkommer fra (B c ved at udføre en enkelt rækkeoperation, og som vi allerede har bemærket har de tilhørende ligningssystemer derfor den samme løsningsmængde. Dette viser induktionsskridtet og dermed sætningen. Eksempel.2.6 Hvis man er meget forsigtig, så kan to eller flere operationer udføres i samme skridt forudsat, at de er ombyttelige. De fire operationer 0 2 R R 2 A = R ( R R A = omdanner A til A. De første to operationer er ombyttelige, da de ikke involverer de samme rækker, og det samme gælder for de sidste to operationer. Vi vil anvende rækkeoperationer til at omdanne totalmatricerne af ligningssystemer, til matricer på en særlig form, som vi kalder reduceret echelonform. Definitionen, som vi nu giver, forstås lettest ved samtidigt at betragte eksempel.2.8 nedenfor. 8

25 .2 Rækkeoperationer og Gauss-elimination Definition.2.7 En m n-matrix med indgange i et legeme F, a a 2 a n a 2 a 22 a 2n A = (a i j =......, a m a m2 a mn siges at være på reduceret echelonform, hvis der findes r 0 og j < < j r n, sådan at følgende gælder: ( For alle s r gælder det, at a i js = { hvis i = s, 0 hvis i s. (2 For alle s r og j < j s gælder det, at a s j = 0. (3 For alle r < i m og j n gælder det, at a i j = 0. Eksempel.2.8 Den følgende 5 9-matrix er på reduceret echelonform For denne matrix er r = 4, mens søjlerne j = 2, j 2 = 3, j 3 = 5 og j 4 = 8 er dens specielle søjler. Betingelsen ( udtrykker, at i søjle nummer j s er indgangen a s js lig med, mens alle øvrige indgange er lig med 0. Indgangene a s js =, som vi har markeret med blåt, kaldes for matricens ledende indgange. Betingelsen (2 udtrykker, at i en række, der indeholder en ledende indgang, er alle indgange til venstre for den ledende indgang lig med 0. Endelig udtrykker betingelsen (3, at i de sidste m r rækker er alle indgange lig med 0. Vi bemærker, at disse m r rækker er netop de rækker, der ikke indeholder en ledende indgang. Bemærkning.2.9 Definitionen af en matrix på reduceret echelonform bygger på nogle ret arbitrære valg. I stedet for at kræve, at j < < j r n, kunne vi for eksempel ligeså godt have valgt at kræve, at j r < < j n, hvilket ville betyde, at trappen af ledende indgange ville gå opad i stedet for at gå nedad. 9

26 Lineære ligningssystemer Figur.: Betegnelsen echelonform har sin oprindelse i den militære betegnelse echelonformation. Figuren viser fly, der flyver i echelonformation. Definition.2.0 I en matrix A, der er på reduceret echelonform, kaldes antallet r af ikke-nul rækker for matricens rang, mens den første ikke-nul indgang fra venstre i en række kaldes for rækkens ledende indgang. I en matrix på reduceret echelonform er de ledende indgange altså alle lig med, og antallet af ledende indgange i matricen er lig med rangen r. Vi siger endvidere, at en m n-matrix A = (a i j er på echelonform, hvis den opfylder betingelserne (2 og (3 i definition.2.7 samt den svagere betingelse ( For alle s r gælder det, at a s, js 0. Hvis en matrix A er på echelonform, så kalder vi igen antallet r af ikke-nul rækker for matricens rang, og vi kalder den første ikke-nul indgang fra venstre i en række for rækkens ledende indgang. Rangen r er således igen lig med antallet af ledende indgange i matricen. Eksempel.2. De to følgende 4 8-matricer, hvor indikerer en vilkårlig skalar, er henholdsvis på reduceret echelonform og på echelonform Deres rang er henholdsvis 3 og 4, og de ledende indgange er markeret med blåt. Vi bemærker, at i matricen, der er på reduceret echelonform, er de ledende indgange alle lig med, og at i de søjler, der indeholder en ledende indgang, er alle øvrige indgange lig med 0. 20

27 .2 Rækkeoperationer og Gauss-elimination Matricer på reduceret echelonform svarer til totalmatricer for ligningssystemer som umiddelbart kan løses. Det simpleste tilfælde er det tilfælde, hvor totalmatricen har en ledende indgang i alle søjler undtaget konstantsøjlen som i følgende eksempel. Eksempel.2.2 Matricen (A b = er på reduceret echelonform af rang r = 3. Den er totalmatricen for ligningsystemet x = 8 x 2 = x 3 = 3 som umiddelbart ses at have præcis den ene løsning 8 x =. 3 Som allerede nævnt består Gauss-elimination i at anvende rækkeoperationer til at omdanne totalmatricen hørende til et lineært ligningssystem til en matrix på reduceret echelonform. Det tilhørende lineære ligningssystemer har da ifølge sætning.2.5 samme løsningsmængde, men kan nu umiddelbart løses. Den følgende sætning viser, at denne løsningsmetode altid virker. Sætning.2.3 Enhver matrix A kan omdannes til en matrix A på reduceret echelonform ved at udføre et endeligt antal rækkeoperationer. Vi viser i sætning 2.5., at matricen A er entydigt bestemt af matricen A, hvilket kræver lidt flere værktøjer, end vi lige nu har til rådighed. Beviset for sætning.2.3 består i at angive den algoritme, der omformer A til A. Algoritmen er beskrevet ved induktion på antallet af søjler i A, og for at forstå den generelle algoritme i beviset er det en god idé sideløbende at læse eksempel , hvor algoritmen er anvendt på konkrete matricer. Bevis Vi lader A være en m n-matrix og viser ved induktion på antallet n af søjler, at A ved brug af rækkeoperationer kan omdannes til en matrix A på reduceret 2

28 Lineære ligningssystemer echelonform. Vi betragter først det basale tilfælde n =, hvor A = er en enkelt søjle. Hvis a i = 0 for alle i, så er A = A allerede på reduceret echelonform af rang r = 0, og i modsat fald findes i m med a i 0. Vi anvender nu først en rækkeoperation af type M til at gange den i te række med a i, hvorefter vi anvender en rækkeoperation af type T til at ombytte den i te række med den første række. Herved får vi en matrix B på formen b 2 B =.. a a 2. a m b m Endelig anvender vi for alle 2 i m en rækkeoperation af type S til at addere b i gange den første række til den i te række, hvorved vi får matricen A 0 =., 0 som er på reduceret echelonform af rang r =. Dette viser påstanden for n =. Så vi antager induktivt, at påstanden er vist for n = p og beviser den for n = p. Hvis alle indgange i den første søjle er lig med 0, så er 0 A =. B 0 hvor B er en m (p matrix. Den induktive antagelse viser, at der findes en følge af rækkeoperationer, som omdanner B til en matrix B på reduceret echelonform, og den samme følge af rækkeoperationer omdanner da matricen A til matricen 0 A =. B 0 der som ønsket er på reduceret echelonform. Hvis ikke alle indgange i den første søjle er lig med 0, så findes i m med a i 0, og vi kan da som i tilfældet n = først anvende,, 22

29 .2 Rækkeoperationer og Gauss-elimination en rækkeoperation af type M til at gange den i te række med a i og derefter anvende en rækkeoperation af type T til at ombytte den i te række med den første række. Endelig anvender vi for alle 2 i m en rækkeoperation af type S til at addere b i gange den første række til den i te række, hvorved vi får matricen B = b 2 b p 0. C 0, hvor C er en (m (p matrix. Den induktive antagelse viser nu, at der findes en følge af rækkeoperationer, der omdanner C til en matrix C på reduceret echelonform, og da alle indgange i den første søjle i B med undtagelse af b = er lig med 0, så omdanner de tilsvarende rækkeoperationer m p-matricen B til matricen D = b 2 b p 0. C 0. Endelig lader vi j 2 < < j r p nummerere de søjler i D, der indeholder de ledende indgange i C, og anvender for alle 2 s r rækkeoperationen af type S, der adderer b js gange den s te række i D til den første række i D. Matricen A, der fremkommer herved, er da på reduceret echelonform af rang r. Dette viser induktionsskridtet og dermed sætningen. I de følgende eksempler anvender vi algoritmen, der er beskrevet i beviset for sætning.2.3, på totalmatricen (A b hørende til et givet lineært ligningssystem. Herved får vi en matrix (A b på reduceret echelonform, og vi kan da umiddelbart angive løsningsmængden for det tilhørende ligningssystem. Denne løsningsmængde er ifølge sætning.2.5 den samme som løsningsmængden for det oprindelige ligningssystem. Eksempel.2.4 (Entydig løsning Vi anvender Gauss-elimination til at bestemme løsningsmængden til det lineære ligningssystem 2x 3x 2 +x 3 = x +x 2 x 3 = 2 3x +2x 2 +2x 3 = 3. Vi opskriver ligningssystemets totalmatrix (A b og anvender rækkeoperationer til at 23

30 Lineære ligningssystemer omdanne denne til en matrix (A b på reduceret echelonform. 2 3 (A b = 2 R R R R 2 +R R ( R 0 3 ( R ( 6 R 3 (A b = ( 2R 3 +( R 3 Her har vi markeret de indgange, vi har ønsket at ændre, med rødt; og i den endelige matrix (A b har vi markeret de tre ledende indgange med blåt. Ligningssystemet, der har (A b som totalmatrix, er nu x = 3 x 2 = x 3 = 4. Dette ligningssystem har tydeligvis præcis den ene løsning x 3 x = x 2 = x 3. 4 Ifølge sætning.2.5 er denne løsning også den entydige løsning til det oprindelige ligningssystem. 24

31 .2 Rækkeoperationer og Gauss-elimination Eksempel.2.5 (Løsningsmængde med én parameter Vi anvender Gausselimination til at bestemme løsningsmængden til det lineære ligningssystem x 2x 2 5x 3 = 3 2x +3x 2 +8x 3 = 4 2x +6x 2 +4x 3 = 0. Vi opskriver igen totalmatricen for ligningssystemet og omdanner den til en matrix på reduceret echelonform ved hjælp af rækkeoperationer (A b = R R ( 2R R 2 0 ( R ( R (A b = Vi har igen markeret de ledende indgange med blåt og de indgange, vi ønsker at ændre, med rødt. Ligningssystemet, der har (A b som totalmatrix, er nu. x + x 3 = x 2 + 2x 3 = 2 0 = 0. Vi ser heraf, at der for hver værdi t af x 3, findes præcis en værdi af x og af x 2, der giver en løsning til ligningssystemet, nemlig x t x = x 2 = 2 2t. x 3 t Med andre ord er den fælles løsningsmængde for de to ligningssystemer x t x = x 2 = 2 2t t F. x 3 t Løsningsmængden er altså parametriseret ved parameteren t F. Vi siger, at variablen x 3 er en fri variabel, da den kan tilordnes en vilkårlig værdi, og bemærker, at den 25

32 Lineære ligningssystemer svarer til den søjle i A, der ikke indeholder en ledende indgang. Vi siger endvidere, at variablene x og x 2, der svarer til de søjler i A, der indeholder en ledende indgang, er ledende variable. Generelt kan de ledende variable udtrykkes entydigt ved de frie variable. Eksempel.2.6 (Tom løsningsmængde Vi anvender igen Gauss-elimination til at bestemme løsningsmængden til det lineære ligningssystem x 2x 2 5x 3 = 3 2x +3x 2 +8x 3 = 4 2x +6x 2 +4x 3 = 5. Dette ligningssystem har samme koefficientmatrix som ligningssystemet i eksempel.2.5, men konstantsøjlen er en anden. Vi opskriver totalmatricen for ligningssystemet og omdanner denne til en matrix på reduceret echelonform (A b = R R ( 2R R (A b = ( R ( R 2 ( R 3 +R 3 +( 2R 3 Vi har igen markeret de indgange, vi ønsker at ændre, med rødt, og vi har markeret de tre ledende indgange med blåt. Ligningssystemet med (A b som totalmatrix er nu x + x 3 = 0 x 2 + 2x 3 = 0 0 =. Dette ligningssystem har ingen løsninger, da den sidste ligning 0 = ikke er opfyldt uanset hvilke værdier, vi tilskriver de variable. Ifølge sætning.2.5 har det oprindelige ligningssystem derfor hellere ingen løsninger. 26

33 .2 Rækkeoperationer og Gauss-elimination Generelt har et ligningssystem med totalmatrix (A b ingen løsninger, hvis og kun hvis konstantsøjlen i matricen (A b på reduceret echelonform, der fremkommer fra (A b ved rækkeoperationer, indeholder en ledende indgang. Eksempel.2.7 (Løsningsmængde med to parametre Vi anvender Gausselimination til at bestemme løsningsmængden til det lineære ligningssystem 2x 3 x 4 +8x 5 = 3 x 2x 2 +3x 3 +2x 4 +x 5 = 0 3x 6x 2 +0x 3 +6x 4 +5x 5 = 27 Så vi opskriver totalmatricen for ligningssystemet og omdanner denne til en matrix på reduceret echelonform ved hjælp af rækkeoperationer R R 2 (A b = ( 3R ( 3R ( 2R (A b = R 2 ( R 2 R 2 R 3 Vi har markeret de indgange, vi ønsker at ændre, med rødt; og vi har markeret de tre ledende indgange med blåt. Ligningssystemet med (A b som totalmatrix er nu x 2x 2 +3x 5 = 5 x 3 +2x 5 = 3 x 4 4x 5 = 7. 27

34 Lineære ligningssystemer Så for hver værdi x 2 = t og x 5 = t 2 af de frie variable x 2 og x 5 er x 5 +2t 3t 2 x 2 t x = x 3 = 3 2t 2 x t 2 x 5 t 2 en løsning. Den fælles løsningsmængde til de to ligningssystemer er parametriseret ved de to parametre t F og t 2 F. Sætning.2.8 (Løsning af lineære ligningssystemer ved Gauss-elimination Løsningsmængden for det lineære ligningssystem a x + a 2 x a n x n = b a 2 x + a 22 x a 2n x n = b 2 a m x + a m2 x a mn x n = b m bestående af m ligninger i n ubekendte over F bestemmes som følger: ( Ligningssystemets totalmatrix (A b = a a 2... a n b a 2 a a 2n b a m a m2... a mn b m omdannes ved en følge af rækkeoperationer til en matrix (A b på reduceret echelonform af rang 0 r min{m, n}. (2 Hvis en af de ledende indgange i (A b er indeholdt i b, så har ligningssystemet ingen løsninger. (3 Hvis ingen af de ledende indgange i (A b er indeholdt i b, og hvis r = n, så har ligningssystemet præcis én løsning. (4 Hvis ingen af de ledende indgange i (A b er indeholdt i b, og hvis r < n, så parametriseres løsningsmængden ved at (i opdele de n variable i de r ledende variable x j,..., x jr svarende til de søjler i A, der indeholder en ledende indgang, og de resterende p = n r frie variable; (ii tilordne de frie variable vilkårlige værdier t,..., t p F; og (iii løse ligningssystemet med totalmatrix (A b for at bestemme værdierne af de ledende variable.. 28

35 .2 Rækkeoperationer og Gauss-elimination Bevis Vi har allerede vist i sætning.2.3, at der findes en følge af rækkeoperationer, der omdanner totalmatricen (A b til en matrix (A b på reduceret echelonform. Med andre ord kan skridtet ( altid udføres. Desuden har vi vist i sætning.2.5, at det givne ligningssystem og ligningssystemet med totalmatrix (A b har den samme løsningsmængde. I resten af beviset vil vi derfor udelukkende betragte det sidstnævnte ligningssystem. Vi viser nu (2, så vi antager, at b indeholder en af de ledende indgange i matricen (A b. Da denne m (n + -matrix er på reduceret echelonform med b som sidste søjle, gælder det nødvendigvis, at j r = n +, og derfor er a r j = 0 for alle j n, mens b r =. Den r te ligning i det tilhørende ligningssystem er derfor 0 x x n =, hvilket som ønsket viser, at ligningssystemet ingen løsninger har. Vi viser dernæst (3. Da m (n + -matricen (A b er på reduceret echelonform og har r = n ledende indgange, og da den sidste søjle b ikke indeholder nogen ledende indgang, må alle søjler i A nødvendigvis indeholde en ledende indgang. De første r = n ligninger i det tilhørende ligningssystem er da henholdsvis x = b.... x n = b n, mens de sidste m r ligninger alle er lig den trivielle ligning 0 = 0. Dette viser som ønsket, at ligningssystemet har en entydig løsning. Vi viser endelig (4. Da m (n + -matricen (A b er på reduceret echelonform og har r < n ledende indgange, og da den sidste søjle b ikke indeholder nogen ledende indgang, konkluderer vi derfor, at r af de n søjler i A indeholder en ledende indgang, mens de resterende p = n r søjler ikke indeholder en ledende indgang. Vi indicerer nu med j < < j r n og k < < k p n de søjler i A, der henholdsvis indeholder og ikke indeholder en ledende indgang. De første r ligninger i ligningssystemet giver da x j = b (a,k x k + + a,k p x k p. x jr = b r (a x r,k k + + a x r,k p k p, idet vi flytter de led, der indeholder en af de fri variable x k,..., x k p, til højre side af lighedstegnet. De resterende m r ligninger er igen alle lig den trivielle ligning 0 = 0. Dette viser som ønsket, at for hver værdi x k = t,..., x k p = t p af de frie variable, har ligningssystemet præcis én løsning. Som allerede nævnt så viser vi i sætning 2.5., at matricen (A b på reduceret echelonform og dens rang r er entydigt bestemt af matricen (A b og ikke afhænger af valget af rækkeoperationer, der omdanner (A b til (A b. 29

36 Lineære ligningssystemer Eksempel.2.9 (Ligningssystem med komplekse tal Vi anvender Gausselimination til at løse det lineære ligningssystem ix +( + ix 2 x 3 = 4 i x 2ix 2 +(2 ix 3 = 2 + 7i med to ligninger i tre variable over de komplekse tal C. Vi opskriver ligningssystemets totalmatrix (A b og omdanner den til en matrix (A b på reduceret echelonform ved hjælp af rækkeoperationer. ( i + i 4 i +i R2 (A b = 2i 2 i 2 + 7i ( 0 + i 2i 3 3i 2 ( i R 2i 2 i 2 + 7i ( 0 + i 3 2i 2 i 2 + 7i +2i R ( 0 + i 3 0 i 2 + i ( R 2 ( 0 + i 3 R 0 i 2 i R 2 ( (A b = 0 i 2 i 0 + i 3 Vi har som tidligere markeret de indgange, vi ønsker at ændre, med rødt og de ledende indgange i matricen (A b med blåt. Da b ikke indeholder ledende indgange, har ligningssystemet løsninger; og da rangen r = 2 af (A b er mindre end antallet n = 3 af variable, så er løsningsmængden uendelig og parametriseret af p = n r = parameter. Endelig aflæser vi umiddelbart fra matricen (A b, at for hver værdi t C af den frie variabel x 3 er der præcis den ene løsning x (2 i + i t x = x 2 = 3 ( + i t x 3 t til ligningssystemet. Vi understreger, at t C er en kompleks parameter. 30

37 .3 Rang og løsningsmængde.3 Rang og løsningsmængde Vi har hovedsageligt anvendt rækkeoperationer på totalmatricen (A b hørende til et lineært ligningssystem, men vi kan også anvende rækkeoperationer til at omdanne ligningssystemets koefficientmatrix A til en matrix A på reduceret echelonform. Vi afslutter dette kapitel med den følgende sætning om betydningen af rangen af matricen A for løsningsmængden. Sætningen siger blandt andet, at hvis A er en kvadratisk matrix og A har maksimal rang, så har ligningssystemet med totalmatrix (A b altid præcis én løsning, uanset hvad konstantsøjlen b er. Sætningen får stor betydning for vores forståelse af lineære afbildninger i kapitel 2. Sætning.3. Lad A være en m n-matrix, der ved hjælp af rækkeoperationer kan omdannes til en m n-matrix A på reduceret echelonform af rang 0 r min{m, n}. Da gælder: ( Ligningssystemet med totalmatrix (A b har mindst én løsning for alle valg af konstantsøjle b, hvis og kun hvis r = m. (2 Ligningssystemet med totalmatrix (A b har højst én løsning for alle valg af konstantsøjle b, hvis og kun hvis r = n. (3 Ligningssystemet med totalmatrix (A b har netop én løsning for alle valg af konstantsøjle b, hvis og kun hvis r = m = n. Bevis Vi vælger en gang for alle en følge af rækkeoperationer, der omdanner A til A. Vi viser først (. Hvis r = m, da indeholder hver række i A en ledende indgang. Derfor gælder det for alle b, at matricen (A b, der fremkommer fra (A b ved at anvende den valgte følge af rækkeoperationer, er på reduceret echelonform, og at de ledende indgange i (A b alle er indholdt i A. Da b altså ikke indeholder en ledende indgang, viser sætning.2.8 (3 (4, at ligningssystemet har en løsning. Hvis r < m, da er de sidste m r rækker i A alle lig med nul-rækken. Lad nu b = (b i, hvor b i = { hvis i = r +, 0 hvis i r +. Da er matricen (A b på reduceret echelonform af rang r +, og da b indeholder en ledende indgang, viser sætning.2.8 (2, at det tilhørende ligningssystem ingen løsninger har. Ifølge sætning.2.5 er det samme derfor tilfældet for ligningssystemet, hvis totalmatrix er den matrix (A b, der fås fra (A b ved i omvendt rækkefølge at udføre de inverse rækkeoperationer svarende til rækkeoperationerne i den valgte følge af rækkeoperationer. Dette viser (. 3

Lineær Algebra. Lars Hesselholt og Nathalie Wahl

Lineær 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 mere

Lineær Algebra - Beviser

Lineær 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 mere

DesignMat Uge 1 Gensyn med forårets stof

DesignMat 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 mere

Matricer og lineære ligningssystemer

Matricer 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 mere

Affine rum. a 1 u 1 + a 2 u 2 + a 3 u 3 = a 1 u 1 + (1 a 1 )( u 2 + a 3. + a 3. u 3 ) 1 a 1. Da a 2

Affine rum. a 1 u 1 + a 2 u 2 + a 3 u 3 = a 1 u 1 + (1 a 1 )( u 2 + a 3. + a 3. u 3 ) 1 a 1. Da a 2 Affine rum I denne note behandles kun rum over R. Alt kan imidlertid gennemføres på samme måde over C eller ethvert andet legeme. Et underrum U R n er karakteriseret ved at det er en delmængde som er lukket

Læs mere

Matematik for økonomer 3. semester

Matematik 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 mere

Lineære ligningssystemer og Gauss-elimination

Lineære 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 mere

DesignMat Kvadratiske matricer, invers matrix, determinant

DesignMat 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 mere

DesignMat Lineære ligningssystemer og Gauss-elimination

DesignMat Lineære ligningssystemer og Gauss-elimination DesignMat Lineære ligningssystemer og Gauss-elimination Preben Alsholm Uge Forår 010 1 Lineære ligningssystemer og Gauss-elimination 11 Om talrummet R n Om talsæt bestående af n tal R n er blot mængden

Læs mere

Figur. To ligninger i to ubekendte. Definition Ved m lineære ligninger med n ubekendte forstås. Definition 6.4 Givet ligningssystemet

Figur. 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 mere

Oversigt [LA] 3, 4, 5

Oversigt [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 mere

Chapter 3. Modulpakke 3: Egenværdier. 3.1 Indledning

Chapter 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 mere

Definition multiplikation En m n-matrix og en n p-matrix kan multipliceres (ganges sammen) til en m p-matrix.

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 Nøgleord og begreber Matrix multiplikation Identitetsmatricen Transponering Fra matrix til afbildning Fra afbildning til matrix Test matrix-afbildning Inverse matricer Test invers

Læs mere

Nøgleord og begreber. Definition multiplikation En m n-matrix og en n p-matrix kan multipliceres (ganges sammen) til en m p-matrix.

Nøgleord 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 mere

Kursusgang 3 Matrixalgebra fortsat

Kursusgang 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 mere

Lineær algebra: Matrixmultiplikation. Regulære og singulære

Lineær 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 mere

Matematik og FormLineære ligningssystemer

Matematik 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 mere

Matrx-vektor produkt Mikkel H. Brynildsen Lineær Algebra

Matrx-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 mere

To ligninger i to ubekendte

To 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 mere

Matematik og Form: Matrixmultiplikation. Regulære og singu

Matematik 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 mere

Oversigt [LA] 6, 7, 8

Oversigt [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 mere

Forelæsningsnoter 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 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 mere

Matematik og Form 3. Rækkereduktion til reduceret echelonfo. Rang og nullitet

Matematik 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 mere

Noter om Komplekse Vektorrum, Funktionsrum og Differentialligninger LinAlg 2004/05-Version af 16. Dec.

Noter om Komplekse Vektorrum, Funktionsrum og Differentialligninger LinAlg 2004/05-Version af 16. Dec. Noter om Komplekse Vektorrum, Funktionsrum og Differentialligninger LinAlg 2004/05-Version af 16. Dec. 1 Komplekse vektorrum I defininitionen af vektorrum i Afsnit 4.1 i Niels Vigand Pedersen Lineær Algebra

Læs mere

Det 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 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 mere

Kursusgang 3 Matrixalgebra Repetition

Kursusgang 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 mere

Modulpakke 3: Lineære Ligningssystemer

Modulpakke 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 mere

Kvadratiske matricer. enote Kvadratiske matricer

Kvadratiske 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 mere

Kursusgang 3 Matrixalgebra Repetition

Kursusgang 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 mere

2010 Matematik 2A hold 4 : Prøveeksamen juni 2010

2010 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 mere

1.1 Legemer. Legemer er talsystemer udstyret med addition og multiplikation, hvor vi kan regner som vi plejer at gøre med de reelle tal.

1.1 Legemer. Legemer er talsystemer udstyret med addition og multiplikation, hvor vi kan regner som vi plejer at gøre med de reelle tal. 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

Læs mere

Teoretiske Øvelsesopgaver:

Teoretiske 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 mere

Besvarelser til Lineær Algebra med Anvendelser Ordinær Eksamen 2016

Besvarelser til Lineær Algebra med Anvendelser Ordinær Eksamen 2016 Besvarelser til Lineær Algebra med Anvendelser Ordinær Eksamen 206 Mikkel Findinge http://findinge.com/ Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan.

Læs mere

Lineære ligningssystemer

Lineære ligningssystemer enote 2 1 enote 2 Lineære ligningssystemer Denne enote handler om lineære ligningssystemer, om metoder til at beskrive dem og løse dem, og om hvordan man kan få overblik over løsningsmængdernes struktur.

Læs mere

3.1 Baser og dimension

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 mere

Vi indleder med at minde om at ( a) = a gælder i enhver gruppe.

Vi 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 mere

Indhold. 5. Vektorrum og matricer Koordinattransformationer

Indhold. 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 mere

LINALG JULENØD 2013 SUNE PRECHT REEH

LINALG 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 mere

Vektorrum. enote Generalisering af begrebet vektor

Vektorrum. enote Generalisering af begrebet vektor enote 7 1 enote 7 Vektorrum I denne enote opstilles en generel teori for mængder, for hvilke der er defineret addition og multiplikation med skalar, og som opfylder de samme regneregler som geometriske

Læs mere

Modulpakke 3: Lineære Ligningssystemer

Modulpakke 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 mere

Matematik H1. Lineær Algebra

Matematik 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 mere

Lineær Algebra eksamen, noter

Lineær 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 mere

Tidligere Eksamensopgaver MM505 Lineær Algebra

Tidligere 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 mere

Nøgleord og begreber

Nøgleord 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 mere

Grundlæggende Matematik

Grundlæggende 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 mere

Lineær Algebra F08, MØ

Lineær 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 mere

Eksempler Determinanten af en kvadratisk matrix. Calculus Uge

Eksempler 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 mere

Omskrivningsregler. Frank Nasser. 10. december 2011

Omskrivningsregler. Frank Nasser. 10. december 2011 Omskrivningsregler Frank Nasser 10. december 2011 2008-2011. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Indhold 1 Introduktion

Læs mere

Matricer og Matrixalgebra

Matricer 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 mere

Eksempel 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 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 mere

Oversigt [LA] 1, 2, 3, [S] 9.1-3

Oversigt [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 mere

t a l e n t c a m p d k Matematiske Metoder Anders Friis Anne Ryelund 25. oktober 2014 Slide 1/42

t a l e n t c a m p d k Matematiske Metoder Anders Friis Anne Ryelund 25. oktober 2014 Slide 1/42 Slide 1/42 Hvad er matematik? 1) Den matematiske metode 2) Hvad vil det sige at bevise noget? 3) Hvor begynder det hele? 4) Hvordan vælger man et sæt aksiomer? Slide 2/42 Indhold 1 2 3 4 Slide 3/42 Mængder

Læs mere

4.1 Lineære Transformationer

4.1 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 mere

1 Om funktioner. 1.1 Hvad er en funktion?

1 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 mere

Lineær Algebra, TØ, hold MA3

Lineær 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 mere

(Prøve)eksamen i Lineær Algebra

(Prøve)eksamen i Lineær Algebra (Prøve)eksamen i Lineær Algebra Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet & Det Sundhedsvidenskabelige Fakultet Nærværende eksamenssæt bestaår af 9 nummererede sider med ialt 15 opgaver.

Læs mere

Ølopgaver i lineær algebra

Ølopgaver i lineær algebra Ølopgaver i lineær algebra 30. maj, 2010 En stor del af de fænomener, vi observerer, er af lineær natur. De naturlige matematiske objekter i beskrivelsen heraf bliver vektorrum rum hvor man kan lægge elementer

Læs mere

Grundlæggende Matematik

Grundlæggende 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 mere

Oversigt [LA] 1, 2, 3, [S] 9.1-3

Oversigt [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 mere

Lineære 1. ordens differentialligningssystemer

Lineære 1. ordens differentialligningssystemer enote enote Lineære ordens differentialligningssystemer Denne enote beskriver ordens differentialligningssystemer og viser, hvordan de kan løses enoten er i forlængelse af enote, der beskriver lineære

Læs mere

DesignMat Uge 5 Systemer af lineære differentialligninger II

DesignMat Uge 5 Systemer af lineære differentialligninger II DesignMat Uge 5 Systemer af lineære differentialligninger II Preben Alsholm Efterår 21 1 Lineære differentialligningssystemer 11 Lineært differentialligningssystem af første orden Lineært differentialligningssystem

Læs mere

De rigtige reelle tal

De 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 mere

Eksamen i Lineær Algebra

Eksamen i Lineær Algebra To find the English version of the exam, please read from the other end Eksamen i Lineær Algebra Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet & Det Sundhedsvidenskabelige Fakultet Onsdag

Læs mere

Prøveeksamen A i Lineær Algebra

Prøveeksamen A i Lineær Algebra Prøveeksamen A i Lineær Algebra Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet og Det Sundhedsvidenskabelige Fakultet Der må gøres brug af bøger, noter mv Der må ikke benyttes lommeregner,

Læs mere

(Prøve)eksamen i Lineær Algebra

(Prøve)eksamen i Lineær Algebra (Prøve)eksamen i Lineær Algebra Maj 016 Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet & Det Sundhedsvidenskabelige Fakultet Nærværende eksamenssæt består af 10 nummererede sider med ialt

Læs mere

Eksamen i Lineær Algebra

Eksamen i Lineær Algebra Eksamen i Lineær Algebra Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet & Det Sundhedsvidenskabelige Fakultet Tirsdag den 8 januar, Kl 9- Nærværende eksamenssæt består af 8 nummererede sider

Læs mere

8 Regulære flader i R 3

8 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 mere

Hilbert rum. Chapter 3. 3.1 Indre produkt rum

Hilbert rum. Chapter 3. 3.1 Indre produkt rum Chapter 3 Hilbert rum 3.1 Indre produkt rum I det følgende skal vi gøre brug af komplekse såvel som reelle vektorrum. Idet L betegner enten R eller C minder vi om, at et vektorrum over L er en mængde E

Læs mere

z 1 = z 1z 1z 1 z 1 2 = z z2z 1 z 2 2

z 1 = z 1z 1z 1 z 1 2 = z z2z 1 z 2 2 M å l e p u n k t R i e m a n n s k G e o m e t r i E 8 J a ko b L i n d b l a d B l a ava n d 2 5 3 6 7 5 27 oktober 28 I n s t i t u t fo r M at e m at i s k e Fag A a r h u s U n i v e r s i t e t indledning

Læs mere

Uge 6 Store Dag. Opgaver til OPGAVER 1. Opgave 1 Udregning af determinant. Håndregning Der er givet matricen A =

Uge 6 Store Dag. Opgaver til OPGAVER 1. Opgave 1 Udregning af determinant. Håndregning Der er givet matricen A = OPGAVER Opgaver til Uge 6 Store Dag Opgave Udregning af determinant. Håndregning 0 Der er givet matricen A = 0 2 2 4 0 0. 2 0 a) Udregn det(a) ved opløsning efter en selvvalgt række eller søjle. b) Omform

Læs mere

Nogle grundlæggende begreber

Nogle grundlæggende begreber BE2-kursus 2010 Jørgen Larsen 5. februar 2010 Nogle grundlæggende begreber Lidt simpel mængdelære Mængder består af elementer; mængden bestående af ingen elementer er, den tomme mængde. At x er element

Læs mere

Forslag til hjemmeopgaver, som forbereder arbejdet med de nye emner den pågældende kursusgang, men primært er baseret på gymnasiepensum:

Forslag til hjemmeopgaver, som forbereder arbejdet med de nye emner den pågældende kursusgang, men primært er baseret på gymnasiepensum: Forslag til hjemmeopgaver, som forbereder arbejdet med de ne emner den pågældende kursusgang, men primært er baseret på gmnasiepensum: Ordinær kursusgang : Introduktion til vektorer og matricer. Regning

Læs mere

Lineære differentialligningers karakter og lineære 1. ordens differentialligninger

Lineære differentialligningers karakter og lineære 1. ordens differentialligninger enote 11 1 enote 11 Lineære differentialligningers karakter og lineære 1. ordens differentialligninger I denne note introduceres lineære differentialligninger, som er en speciel (og bekvem) form for differentialligninger.

Læs mere

Oversigt [LA] 1, 2, 3, [S] 9.1-3

Oversigt [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 mere

Eksamen i Lineær Algebra

Eksamen i Lineær Algebra To find the English version of the exam, please read from the other end Eksamen i Lineær Algebra Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet & Det Sundhedsvidenskabelige Fakultet Fredag

Læs mere

Oversigt [LA] 3, 4, 5

Oversigt [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 mere

Oversigt [LA] 6, 7, 8

Oversigt [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 mere

Lineær algebra 1. kursusgang

Lineær 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 mere

Komplekse tal. Mikkel Stouby Petersen 27. februar 2013

Komplekse tal. Mikkel Stouby Petersen 27. februar 2013 Komplekse tal Mikkel Stouby Petersen 27. februar 2013 1 Motivationen Historien om de komplekse tal er i virkeligheden historien om at fjerne forhindringerne og gøre det umulige muligt. For at se det, vil

Læs mere

De fire elementers kostbare spejl

De fire elementers kostbare spejl Projekt.6 Lineær algebra moderne og klassisk kinesisk De fire elementers kostbare spejl "Som bekendt anses matematikken for at være en meget vigtig videnskab. Denne bog om matematik vil derfor være af

Læs mere

Matematik. 1 Matematiske symboler. Hayati Balo,AAMS. August, 2014

Matematik. 1 Matematiske symboler. Hayati Balo,AAMS. August, 2014 Matematik Hayati Balo,AAMS August, 2014 1 Matematiske symboler For at udtrykke de verbale udsagn matematisk korrekt, så det bliver lettere og hurtigere at skrive, indføres en række matematiske symboler.

Læs mere

Lineær Algebra, kursusgang

Lineær 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 mere

Noter til Perspektiver i Matematikken

Noter til Perspektiver i Matematikken Noter til Perspektiver i Matematikken Henrik Stetkær 25. august 2003 1 Indledning I dette kursus (Perspektiver i Matematikken) skal vi studere de hele tal og deres egenskaber. Vi lader Z betegne mængden

Læs mere

DesignMat. Preben Alsholm. September Egenværdier og Egenvektorer. Preben Alsholm. Egenværdier og Egenvektorer

DesignMat. Preben Alsholm. September Egenværdier og Egenvektorer. Preben Alsholm. Egenværdier og Egenvektorer DesignMat September 2008 fortsat Eksempel : et Eksempel 4 () af I II uden I Lad V være et vektorrum over L (enten R eller C). fortsat Eksempel : et Eksempel 4 () af I II uden I Lad V være et vektorrum

Læs mere

DesignMat Uge 11 Lineære afbildninger

DesignMat Uge 11 Lineære afbildninger DesignMat Uge Lineære afbildninger Preben Alsholm Forår 008 Lineære afbildninger. Definition Definition Lad V og W være vektorrum over samme skalarlegeme L (altså enten R eller C for begge). Afbildningen

Læs mere

DesignMat Uge 2. Preben Alsholm. Efterår Lineære afbildninger. Preben Alsholm. Lineære afbildninger. Eksempel 2 på lineær.

DesignMat Uge 2. Preben Alsholm. Efterår Lineære afbildninger. Preben Alsholm. Lineære afbildninger. Eksempel 2 på lineær. er DesignMat Uge 2 er er lineær lineær lineær lineære er I smatrix lineære er II smatrix I smatrix II Efterår 2010 Lad V og W være vektorrum over samme skalarlegeme L (altså enten R eller C for begge).

Læs mere

Vektorer og lineær regression. Peter Harremoës Niels Brock

Vektorer og lineær regression. Peter Harremoës Niels Brock Vektorer og lineær regression Peter Harremoës Niels Brock April 2013 1 Planproduktet Vi har set, at man kan gange en vektor med et tal. Et oplagt spørgsmål er, om man også kan gange to vektorer med hinanden.

Læs mere

LinAlgDat 2014/2015 Google s page rank

LinAlgDat 2014/2015 Google s page rank LinAlgDat 4/5 Google s page rank Resumé Vi viser hvordan lineære ligninger naturligt optræder i forbindelse med en simpel udgave af Google s algoritme for at vise de mest interessante links først i en

Læs mere

Eksamen i Lineær Algebra

Eksamen i Lineær Algebra Eksamen i Lineær Algebra Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet & Det Sundhedsvidenskabelige Fakultet Tirsdag den 4 januar, 2 Kl 9-3 Nærværende eksamenssæt består af 8 nummererede

Læs mere

Kalkulus 2 - Grænseovergange, Kontinuitet og Følger

Kalkulus 2 - Grænseovergange, Kontinuitet og Følger Kalkulus - Grænseovergange, Kontinuitet og Følger Mads Friis 8. januar 05 Indhold Grundlæggende uligheder Grænseovergange 3 3 Kontinuitet 9 4 Følger 0 5 Perspektivering 4 Grundlæggende uligheder Sætning

Læs mere

Matematisk induktion

Matematisk induktion Induktionsbeviser MT01.0.07 1 1 Induktionsbeviser Matematisk induktion Sætninger der udtaler sig om hvad der gælder for alle naturlige tal n N, kan undertiden bevises ved matematisk induktion. Idéen bag

Læs mere

Egenværdier og egenvektorer

Egenværdier og egenvektorer enote 9 enote 9 Egenværdier og egenvektorer Denne note indfører begreberne egenværdier og egenvektorer for lineære afbildninger i vilkårlige generelle vektorrum og går derefter i dybden med egenværdier

Læs mere

Løsninger til udvalgte Eksamensopgaver i Lineær Algebra Juni 2000 og Juni 2001.

Løsninger til udvalgte Eksamensopgaver i Lineær Algebra Juni 2000 og Juni 2001. Løsninger til udvalgte Eksamensopgaver i Lineær Algebra Juni og Juni. Preben Alsholm 9. november 9 Juni Opgave 3 f : P (R) R 3 er givet ved f (P (x)) P () a + P () b, hvor a (,, ) og b (, 3, ). Vi viser,

Læs mere

Institut for Matematik, DTU: Gymnasieopgave. I. De komplekse tals historie. Historien om 3. grads ligningerne

Institut for Matematik, DTU: Gymnasieopgave. I. De komplekse tals historie. Historien om 3. grads ligningerne De komplekse tals historie side 1 Institut for Matematik, DTU: Gymnasieopgave I. De komplekse tals historie Historien om 3. grads ligningerne x 3 + a x = b, x 3 + a x 2 = b, - Abraham bar Hiyya Ha-Nasi,

Læs mere

MATRICER LINEÆRE LIGNINGER

MATRICER LINEÆRE LIGNINGER MOGENS ODDERSHEDE LARSEN MATRICER og LINEÆRE LIGNINGER med inddragelse af programmerne TI-Nspire og Maple 0 4 4 0 0 0 4 x x x x 5 udgave 05 FORORD Dette notat viser hvorledes man kan dels kan løse lineære

Læs mere

MATRICER LINEÆRE LIGNINGER

MATRICER LINEÆRE LIGNINGER MOGENS ODDERSHEDE LARSEN MATRICER og LINEÆRE LIGNINGER med inddragelse af programmerne TI-Nspire og Maple 0 3 4 3 4 0 3 0 3 0 3 4 x x x x 4 udgave 04 FORORD Dette notat giver en gennemgang af de matrixoperationer,

Læs mere

Sylvesters kriterium. Nej, ikke mit kriterium. Sætning 9. Rasmus Sylvester Bryder

Sylvesters 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 mere

DesignMat Uge 11 Vektorrum

DesignMat Uge 11 Vektorrum DesignMat Uge Vektorrum Preben Alsholm Forår 200 Vektorrum. Definition af vektorrum Definition af vektorrum Lad L betegne R eller C. Lad V være en ikke-tom mængde udstyret med en addition + og en multiplikation

Læs mere

DesignMat Uge 11. Vektorrum

DesignMat Uge 11. Vektorrum DesignMat Uge 11 (fortsat) Forår 2010 Lad L betegne R eller C. Lad V være en ikke-tom mængde udstyret med en addition + og en multiplikation med skalar. (fortsat) Lad L betegne R eller C. Lad V være en

Læs mere

Lineære ligningssystemer

Lineære ligningssystemer Lineære ligningssystemer Olav Geil Januar 000 Eksempel 1 Ligningssystemet 1) kan også skrives Matricen kaldes for koefficientmatricen for ligningssystemet 1) Ligningssystemet 1) er fuldstændig beskrevet

Læs mere