4.1 Lineære Transformationer
|
|
- Maria Carstensen
- 8 år siden
- Visninger:
Transkript
1 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, dvs v 1, v 2 V, L(v 1 + v 2 )=L(v 1 )+L(v 2 ) (1) α F, v V, L(αv) =αl(v) (2) Det er ækvivalent, at (Hvis (1), (2) gælder, så er α 1,α 2 F, v 1, v 2 V, L(α 1 v 1 + α 2 v 2 )=α 1 L(v 1 )+α 2 L(v 2 ) (3) α 1 L(v 1 )+α 2 L(v 2 ) (2) = L(α 1 v 1 )+L(α 2 v 2 ) (1) = L(α 1 v 1 + α 2 v 2 ), mens hvis (3) gælder, så gælder (1) (tag α 1 =1,α 2 =1) og (2) (tag α 1 = α 1, α 2 =0, v 1 = v) En lineær transformation L : V W kaldes også undertiden for en lineærtransformation, en lineær afbildning, og, men for det meste kun når V = W, en lineær operator Inspireret af den kortere formulering i (3), og til senere brug: Lemma 412 Lad V være et F-vektorrum, lad S V, S S er et underrum α 1,α 2 F,s 1,s 2 S, α 1 s 1 + α 2 s 2 S ( ) Hvis S er et underrum, og α 1,α 2 F, s 1,s 2 S så er α 1 s 1,α 2 s 2 S (C1) og derfor er α 1 s 1 + α 2 s 2 S (C2); så ( ) gælder Omvendt, hvis ( ) gælder, så gælder (C1) (tag α 2 =0) og (C2) (tag α 1 =1,α 2 =1), og S er et underrum 59
2 SEKTION 41 LINEÆRE TRANSFORMATIONER Eksempler Lad A Mat m,n (F) Afbildningen L A : F n F m induceret af A er defineret ved L A (x) =Ax x F n L A er en lineær transformation, fordi, for alle x, y F n og alle α, β F, L A (αx + βy) =A(αx + βy) =αa(x)+βa(y) =αl A (x)+βl A (y) 2 Lad V være et F-vektorrum Identitetsafbildningen I V : V V givet ved er en lineær transformation I V (v) =v v V 3 Lad U R være et interval D : C r (U, R) C r 1 (U; R) (r 1) givet ved D(f) =f er en lineær transformation: for f, g C r (U, R) og α, β R, D(αf + βg) =(αf + βg) = αf + βg = αd(f)+βd(g) 4 Definer L : C([a, b], R) R ved L(f) = b f(x) dx a L er en lineær transformation (L(αf + βg) = = = α b a b a b (αf + βg)(x) dx (αf(x)+βg(x)) dx a f(x) dx + β b a g(x) dx = αl(f)+βl(g) α, β R, f, g C([a, b], R)) 5 Lad V være et F-vektorrum med ordnet basis V = {v 1,, v n } Koordinatiseringsafbildningen θ V : V F n givet ved θ V (v) =[v] V er en lineær transformation: vi så i 332, at dvs [v + w] V =[v] V +[w] V og [αv] V = α[v] V, Θ V (v + w) =Θ V (v)+θ V (w) og Θ V (αv) =αθ V (v) 60
3 SEKTION 41 LINEÆRE TRANSFORMATIONER Eksempler 413, fortsat 6 Betragt en rotation i R 2 omkring 0 gennem vinklen θ; kald den inducerede afbildning R θ : R 2 R 2 Lad R θ ([ x1 x 2 ]) = [ x 1 x 2 ] [ x 1 ] x 2 θ [ x1 x 2 ] α x 2 x 1 Hvis x 1 = r cos α, x 2 = r sin α, så er x 1 = r cos(α + θ), x 2 = r sin(α + θ) Når sum-formlerne for sin, cos anvendes, fås x 1 = r cos(α + θ) =r(cos α cos θ sin α sin θ) = x 1 cos θ x 2 sin θ, x 2 = r sin(α + θ) =r(sin α cos θ + cos α sin θ) = x 2 cos θ + x 1 sin θ Vi har derfor ([ ]) x1 R θ = x 2 [ ] [ cos θx1 sin θx 2 cos θ sin θ = sin θx 2 + cos θx 2 sin θ cos θ ][ x1 x 2 ] ; så ifølge Eksempel 1 er R θ en lineær transformation 61
4 SEKTION 41 LINEÆRE TRANSFORMATIONER Proposition 414 ([L], s 179,180) Lad V, W være F-vektorrum, lad L : V W være en lineær transformation Der gælder: 1 L(0 V )=0 W ; 2 L respekterer lineære kombinationer, dvs hvis α 1,, α n F og v 1,, v n V, så gælder L(α 1 v α n v n )=α 1 L(v 1 )+ + α n L(v n ); 3 L( v) = L(v) v V 1 L(0 V )=L(00) = 0L(0) =0 W 2 Ved induktion Udsagnet er sandt for n =2 Antag, at det er sandt for n = k L(α 1 v α k v k + α k+1 v k+1 ) (1) = L(α 1 v α k v k )+L(α k+1 v k+1 ) (2) = L(α 1 v α k v k )+α k+1 L(v k+1 ) induktionsantagelsen = α 1 L(v 1 )+ + α k L(v k )+α k+1 L(v k+1 ) Så udsagnet er sandt for n = k +1, induktionsskridtet er taget, og udsagnet gælder for alle n N 3 For alle v V har vi L( v) = L(( 1)v) = ( 1)L(v) = L(v) Lemma 415 Lad V, W være F-vektorrum; lad {v 1,, v n } være en basis for V Lad L : V W være en lineær transformation L er da entydigt bestemt af L(v 1 ),, L(v n ) Lad L : V W være en lineær transformation, således at L (v 1 )=L(v 1 ),, L (v n )= L(v n ) Vi må vise, at L = L Lad v V ; vi kan skrive v = c 1 v c n v n Vi har L (v) =L (c 1 v c n v n )=c 1 L (v 1 )+ + c n L (v n ) = c 1 L(v 1 )+ + c n L(v n )=L(c 1 v c n v n ) = L(v) 62
5 SEKTION 41 LINEÆRE TRANSFORMATIONER Notation 416 Lad X, Y være mængder, f : X Y en afbildning X er domænen af f, Y er billedmængden eller codomænen af f 1 Lad A X Billedet af A under f er f(a) ={y Y x X med f(x) =y} 2 Lad B Y Det inverse billede eller urbilledet af B under f er f 1 (B) ={x X f(x) B} Bemærk, at f 1 (f(a)) A, f(f 1 (B)) B, og at disse inklusioner kan være ægte: Lad f : R R være givet ved f(x) =x 2 x R Så er f({1}) ={1}, f 1 f({1}) =f 1 {1} = { 1, 1}, og f(f 1 ({ 1})) = f( ) = Sætning 417 ([L], 411) Lad V, W være F-vektorrum, lad L : V W være en lineær transformation 1 Lad S V være et underrum Da er L(S) et underrum af W 2 Lad T W være et underrum Da er L 1 (T ) et underrum af V Vi anvender Lemma Lad w 1, w 2 L(S), α 1 α 2 F Der findes s 1, s 2 S med L(s 1 )=w 1, L(s 2 )=w 2 Vi har α 1 s 1 + α 2 s 2 S (Lemma 412), så α 1 w 1 + α 2 w 2 = α 1 L(s 1 )+α 2 L(s 2 )=L(α 1 s 1 + α 2 s 2 ) L(S) 2 Lad v 1, v 2 L 1 (T ), α 1,α 2 F Vi har L(α 1 v 1 + α 2 v 2 )=α 1 L(v 1 )+α 2 L(v 2 ) Da L(v 1 ),L(v 2 ) T er α 1 L(v 1 )+α 2 L(v 2 ) T, så α 1 v 1 + α 2 v 2 L 1 (T ) Notation 418 Hvis L : V W er en lineær transformation mellem F-vektorrum, så kaldes L 1 ({0 W }) ofte for kernen (eller nulrummet) for L, og vi skriver Ker(L) =L 1 ({0 W })={v V L(v) =0 W } 63
6 SEKTION 41 LINEÆRE TRANSFORMATIONER Eksempler Definer D : P 3 (R) P 3 (R) ved differentiation, D(p) =p for p P 3 (R) Så er Ker(D) ={p P 3 (R) p =0} = {de konstante polynomier} D p har grad < 2, så D(P 3 (R)) P 2 (R) Vi har faktisk lighed, D(P 3 (R)) = P 2 (R), fordi D(a 0 x a 1x 2 )=a 0 + a 1 x for alle a 0,a 1 R x 1 [ ] 2 ([L], Ex 12, s 182) Lad F 3 F 2 være givet ved L x 2 x1 + x = 2 x x 2 + x 3 3 x 1 Vi har Ker(L) = x 2 F 3 x 1 + x 2 =0,x 2 + x 3 =0 ; vi ser, at x 3 kan vælges x 3 frit, kald den a, og så er x 2 = a, x 3 = a; altså er 1 Ker(L) = a 1 a F 1 Lad S = Span F er L(S) =F 2, 0 0 F 3 = 1 a a [ 0 a, b F Da L 0 a = for a, b b] b b Proposition 4110 Lad A Mat n,m (F), og lad L A : F n F m være den lineære transformation givet ved L A (x) =Ax Vi har 1 Ker(L A )=N(A); 2 L A (F n )=Sø(A) 1 Ker(L A )={x F n L A (x) =0} = {x F n Ax = 0} = N(A) 2 Skriv A =[a 1,, a n ] i søjleform,og lad x = x 1 x n F n Så er L A (x) =Ax = x 1 a x n a n Så y L A (F n ) y Span(a 1,, a n )=Sø(A) 64
7 SEKTION 42 MATRIXREPRÆSENTATIONER AF LINEÆRE TRANSFORMATIONER 42 Matrixrepræsentationer af Lineære Transformationer Sætning ([L], 421) Lad L : F n F m være en lineær transformation Definer M(L) Mat m,n (F) ved M(L) =[L(e 1 ),, L(e n )] Så er L(x) = M(L)x for alle x F n, og at M(L) er den entydige matrix med denne egenskab Lad x = x 1 x n F n, så x = x 1 e x n e n Vi har da L(x) =L(x 1 e x n e n ) = x 1 L(e 1 )+ + x n L(e n ) =[L(e 1 ),, L(e n )] = M(L)x Hvis A Mat m,n (F) tilfredsstiller, at L(x) =Ax for alle x F n, så gælder dette specielt for x = e i, i =1,, n, så L(e i )=Ae i = {i te søjle i A} Så søjlerne i M(L), Aer ens, og A = M(L) x 1 x n Notation 422 M(L) kaldes standard-matrix-repræsentationen (SMR) af L Læg mærke til, at L M(L) = L for en lineær transformation L : F n F m, og at M(L A )=A for en matrix A Mat m,n (F) Eksempel 423 [ ] cos θ sin θ M(R θ )= sin θ cos θ 65
8 SEKTION 42 MATRIXREPRÆSENTATIONER AF LINEÆRE TRANSFORMATIONER Sætning 424 ([L], 422) Lad V, W være F-vektorrum, og lad V = {v 1,, v n }, W = {w 1,, w m } være ordnede baser for V, W Lad L : V W være en lineær transformation; definer M W,V (L) Mat m,n (F) ved M W,V (L) = [[L(v 1 )] W,, [L(v n )] W ] Der gælder, at [L(v)] W = M W,V (L)[v] V for alle v V, og at M W,V er den entydige matrix med denne egenskab (se [L], s 187) Lad v V Vi kan skrive v = x 1 v x n v n, hvor Vi har så x 1 x n =[v] V L(v) =L(x 1 v x n v n )=x 1 L(v 1 )+ + x n L(v n ) [L(v)] W =[x 1 L(v 1 )+ + x n L(v n )] W = x 1 [L(v 1 )] W + + x n [L(v n )] W (fordi [] W respekterer lineær struktur) x 1 = [[L(v 1 )] W,, [L(v n )] W ] = M W,V (L)[v] V x n Hvis A Mat m,n (F) tilfredsstiller, at [L(v)] W = A[v] V for alle v V så gælder dette specielt for v = v i, i =1,, n, så [L(v i )] W = A[v i ] V = Ae i = {i te søjle i A} Så M W,V (L), Ahar de samme søjler, og er ens Notation 425 M W,V (L) kaldes matrixrepræsentationen (MR) for L mht W, V Bemærk, at hvis L : F n F m er en lineær transformation, så er M(L) =M Em,E n (L), hvor E m, E n er standardbaserne i F m, F n 66
9 SEKTION 42 MATRIXREPRÆSENTATIONER AF LINEÆRE TRANSFORMATIONER Sætning 424 kan måske bedst forstås vha et kommutativt diagram: V θ V L W θ W F n L M W,V (L) F m Diagrammet kommuterer, fordi, for alle v V, θ W(L(v))=[L(v)] W =M W,V(L)[v] V =M W,V(L)θ V(v)=L MW,V (L)(θ V(v)) Sætning 426 ([L], 423) Lad U = {u 1,, u n }, V = {v 1,, v m } være ordnede baser for F n, F m Skriv V =[v 1,, v m ] Mat m,m (F) Lad L : F n F m være en lineær transformation Så er M V,U (L) =V 1 [L(u 1 ),, L(u n )] Skriv M V,U (L) =A; så for alle x F n, [L(x)] V = A[x] U Specielt, når x = u i (i =1,, n), fås [L(u i )] V = Ae i = a i, den i te søjle i A Så, for i =1,, n, L(u i )=a 1i v a mi v m = V a i ; og a i = V 1 L(u i ) Altså A =[a 1,, a n ]=[V 1 L(u 1 ),, V 1 L(u n )] = V 1 [L(u 1 ),, L(u n )] Korollar 427 ([L], 424) Lad L : F n F m være en lineær transformation Lad U = {u 1,, u n }, V = {v 1,, v m } være ordnede baser for F n, F m Vi har da [v 1,, v m L(u 1 ),, L(u n )] [ m M V,U (L)] Lad V =[v 1,, v n ] i søjleform V 1 [v 1,, v m L(u 1 ),, L(u n )] = V 1 [V L(u 1 ),, L(u n )] =[I V 1 [L(u 1 ),, L(u n )]] =[I M V,U (L)] Da V 1 er et produkt af elementære matricer (det er alle invertible matricer, ifølge 1413) er [v 1,, v m L(u 1 ),, L(u n )] [I M V,U (L)] 67
10 SEKTION 42 MATRIXREPRÆSENTATIONER AF LINEÆRE TRANSFORMATIONER Proposition 428 Lad V, V være ordnede baser for F-vektorrummet V ; og lad W, W være ordnede baser for F-vektorrumet W Lad L : V W være en lineær transformation Der gælder M W,V (L) =K W,W M W,V K V,V For v V gælder [v] V = K V,V[v] V og M W,V (L)[v] V =[L(v)] W ; og for w W gælder [w] W = K W,W [w] W Vi har derfor [L(v)] W = K W,W [L(v)] W = K W,W M W,V (L)[v] V = K W,W M W,V (L)K V,V[v] V Så K W,W M W,V (L)K V,V er MR for L mht W, V Når vi arbejder med lineære operatorer, dvs lineære transformationer L fra et vektorrum V til sig selv, er det mest naturligt kun at bruge én ordnet basis V = {v 1,, v n } for V for matrixrepræsentationer Korollar 429 ([L], Sætning 431) Lad V være et F-vektorrum, og lad V, V være ordnede baser for V Lad L : V V være en lineær transformationder gælder M V,V (L) =K V,V M V,V K V,V =(K V,V) 1 M V,V K V,V Den første linie i udsagnet er et specielt tilfælde af Proposition A; den anden linie følger af, at K V,V =(K V,V) 1 Vi siger, at A, B Mat n,n (F) er similære, hvis der findes en invertibel matrix S, så B = S 1 AS (og SBS 1 = A) 68
11 SEKTION 42 MATRIXREPRÆSENTATIONER AF LINEÆRE TRANSFORMATIONER Korollar 4210 (se [L], s 202) A, B Mat n,n (F) er similære hvis, og kun hvis, der findes ordnede baser V, W for F n og en lineær transformation L : F n F n så A = M V,V (L), B= M W,W (L) : Dette følger af Korollar 429 ovenfor : Lad E være standardbasen i F n Da [x] E = x for alle x F n er M E,E (L A ) = [[L A (e 1 )] E,, [L A (e n )] E ] =[L A (e 1 ),, L A (e n )] =[Ae 1,, Ae n ]=A Antag, at B = S 1 AS Lad S = {s 1,, s n }, hvor S =[s 1,, s n ] i søjleform Da S er invertibel, er S en ordnet basis for F n Der gælder, ifølge Lemma 335, at For i =1,, n er den i te søjle i M S,S (L A ) S[x] S = x, og [x] S = S 1 x for alle x F n [L A (s i )] S =[As i ] S = S 1 As i = S 1 ASe i = Be i, den i te søjle i B Så M S,S (L A )=B Så A er MR for L A mht E, E, B er MR for L A mht S, S Eksempel 4211 Lad L : P 4 (C) P 4 (C) være den lineære transformation givet ved L(p)(x) =(x + 1) 2 p (x) 4(x + 1)p (x)+6p(x); Lad os finde Ker L, dvs vi finder polynomiale løsninger af grad højst tre til differentialligningen (x + 1) 2 f (x) 4(x + 1)f (x)+6f(x) =0 Vi finder MR af L mht U = {1, x, x 2,x 3 } i både domæne og billedmængden Vi beregner derfor L(1) = 6, L(x) = 4(x + 1) + 6x =2x 4, L(x 2 ) = 2(x + 1) 2 8(x + 1)x +6x 2 = 4+2, L(x 3 ) = 6(x + 1) 2 x 12(x + 1)x 2 +6x 3 =6x 69
12 SEKTION 42 MATRIXREPRÆSENTATIONER AF LINEÆRE TRANSFORMATIONER Eksempel 4211, fortsat Vi har da M U,U (L) = [[L(u 1 )] U,, [L(u 4 )] U ]= x 3 2x 4 Den generelle løsning til M U,U (L)x = 0 er da 2x 3 3x 4 x 3, så x N MU,U (L) = Span 2 1, 3 0 = Span([p 1] U, [p 2 ] U ), 0 1 hvor p 1 (x) = 1 + 2x + x 2,p 2 (x) = 2 3x + x 3 Så Ker L = Span(p 1,p 2 ) (fordi p Ker L L(p) =0 [L(p)] U = [0] U ;=0 M U,U (L)[p] U = 0 [p] U N MU,U (L)) Læg mærke til, at p 1 (x) = (1 + x) 2,p 2 (x)+3p 1 (x) = 1 + 3x +3x 2 + x 3 = (1 + x) 3, så Ker L = Span((1 + x) 2, (1 + x) 3 ) Det havde nok været bedre at arbejde med den ordnede basis V = {1, 1+x, (1 + x) 2, (1 + x) 3 }; vi har da så vi ser L(1) = 6,L(1 + x) = 2(x + 1),L((1 + x) 2 )=0,L((1 + x) 3 )=0, så M V,V (L) = ; N MV,V (L) = Span(e 3, e 4 ) = Span([v 3 ] V, [v 4 ] V ); Ker L = Span(v 3, v 4 ) = Span((1 + x) 2, (1 + x) 3 ) Læg mærke til, at, som teorien foreskriver, M V,V (L) =K V,U M U,U (L)K U,V, idet =
13 SEKTION 43 MERE OM LINEÆRE TRANSFORMATIONER 43 Mere om Lineære Transformationer Lad f : X Y, g : Y Z være afbildninger Sammensætningen g f : X Z er afbildningen givet ved g f(x) =g(f(x)) x X X f Y g f g Z Lemma 431 Lad L : U V, M : V W være lineære transformationer mellem F-vektorrum Da er M L : U W en lineær transformation Lad α 1,α 2 F, u 1, u 2 U M L(α 1 u 1 + α 2 u 2 )=M(L(α 1 u 1 + α 2 u 2 )) = M(α 1 L(u 1 )+α 2 L(u 2 )) = α 1 M(L(u 1 )) + α 2 M(L(u 2 )) = α 1 M L(u 1 )+α 2 M L(u 2 ) Sammensætning af lineære transformationer af Euklidiske rum svarer til matrixmultiplikation: Lemma Lad A Mat m,n (F), B Mat n,p (F) Så er L A L B = L AB 2 Lad K : F p F n,l: F n F m være lineære transformationer Så er M(L K) =M(L)M(K) 1 For y F p er L A L B (y) =L A (L B (y)) = L A (By) =A(By) =(AB)y 2 For y F p er M(L K)y = L K(y) =L(K(y)) = L(M(K)y) =M(L)M(K)y 71
14 SEKTION 43 MERE OM LINEÆRE TRANSFORMATIONER Eksempel 433: Spejling Lad L θ være linien igennem 0 i R 2, som danner en vinkel θ med x-aksen; og lad S θ : R 2 R 2 være givet ved spejling i denne linie S 0, som er givet ved spejling i x-aksen, er nem at sætte på formel: ([ ]) [ x x S 0 =, y y] så S 0 er lineær, med SMR [ ] Spejling i L θ kan opnås ved at rotere R 2 gennem θ, spejle i x-aksen, og rotere R 2 gennem θ; så S θ = R θ S 0 R θ er en sammensætning af lineære transformationer, så lineær Vi har: M(S θ )=M(R θ S 0 R θ )=M(R θ )M(S 0 )M(R θ ) [ ][ ][ ] cos θ sin θ 1 0 cos θ sin θ = sin θ cos θ 0 1 sin θ cos θ [ ][ ] cos θ sin θ cos θ sin θ = sin θ cos θ sin θ cos θ [ cos = 2 θ sin 2 ] θ 2 sin θ cos θ 2 sin θ cos θ sin 2 θ cos 2 θ [ ] [ ][ ] cos 2θ sin 2θ cos 2θ sin 2θ 1 0 = = sin 2θ cos 2θ sin 2θ cos 2θ 0 1 = M(R 2θ )M(S 0 )=M(R 2θ S 0 ); så S θ = R 2θ S 0 Spejlingen i L θ kan altså også realiseres ved først at spejle i x-aksen, så roter 2θ mod uret 72
15 SEKTION 43 MERE OM LINEÆRE TRANSFORMATIONER Sammenhængen mellem sammensætning af lineære transformationer og matrixmultiplikation gælder mere generelt: Proposition 434 Lad U, V, W være vektorrum med ordnede baser U =[u 1,, u p ], V =[v 1,, v n ], W =[w 1,, w m ], og lad L : U V, M : V W være lineære transformationer Så gælder M W,U (M L) =M W,V (M) M V,U (L) Vi har et kommutativt diagram U L V M W θ U θ V θ W F p L A F n L B F m hvor A = M V,U (L), B= M W,V (M) Det første kommutative kvadrat udtrykker, at A = M V,U (L) tilfredsstiller mens det andet udtrykker, at B = M W,V (M) tilfredsstiller Vi har da, for vilkårlig u U, [L(u)] V = A[u] U for alle u U, (1) [M(v)] W = B[v] V for alle v V (2) [M L(u)] W =[M(L(u))] W = B[L(u)] V ((2) anvendt med v = L(u)) = B(A[u] U ) ((1)) =(BA)[u] U Så BA er matrixrepræsentation for M L mht W, U 73
16 SEKTION 43 MERE OM LINEÆRE TRANSFORMATIONER og Så er En afbildning f : X Y er invertibel hvis der findes en afbildning g : Y X, så g f = I X, dvs g(f(x)) = x for alle x X, g kaldes en invers afbildning til f f g = I Y, dvs f(g(y)) = y for alle y Y ; En invers til f er faktisk entydigt bestemt: for antag, at g, h : Y X er således, at g f = I X,f h = I Y g = g I Y = g (f h) =(g f) h = I X h = h Hvis den findes, så kaldes inversen for f : X Y for f 1 : Y X Proposition 435 Lad L : V W være en lineær tranformation,og antag, at L er invertibel Så er L 1 lineær Lad α 1,α 2 F, w 1, w 2 W Så er L 1 (α 1 w 1 + α 2 w 2 )=L 1 ( α 1 L(L 1 (w 1 )) + α 2 L(L 1 (w 2 )) ) (fordi L L 1 = I W ) =L 1 (L(α 1 L 1 (w 1 )+α 2 L 1 (w 2 )) (fordi L er lineær) =α 1 L 1 (w 1 )+α 2 L 1 (w 2 ) (fordi L 1 L = I V ) Notation 436 En invertibel lineær transformation kaldes ofte en lineær isomorfi Eksempel 437 Rotationen R θ : R 2 R 2 er invertibel, med invers R θ 74
17 SEKTION 43 MERE OM LINEÆRE TRANSFORMATIONER Lad V være et F-vektorrum med ordnet basis V =[v 1,, v n ] Afbildningen θ V : V F n givet ved θ V (v) =[v] V for alle v V er invertibel; dens invers θ 1 V : Fn V er givet ved θ 1 V x 1 x n = x 1 v x n v n for alle x 1 x n F n Lad nu V, W være F-vektorrum med ordnede baser V, W, og lad L : V W være en lineær transformation Skriv Vi har et kommutativt diagram V A = M W,V (L) L W θ V θ W F n L A F n og Da θ V,θ W er invertible, er L = θ 1 W L A θ V, L A = θ W L θ 1 V 75
18 SEKTION 43 MERE OM LINEÆRE TRANSFORMATIONER Proposition 438 Lad V, W være F-vektorrum,og lad V = {v 1,, v n }, W = {w 1,, w m } være ordnede baser for V, W Lad L : V W være lineær 1 L er invertibel n = m og M W,V (L) er invertibel 2 Hvis L er invertibel, M V,W (L 1 )=(M W,V (L)) 1 Skriv A = M W,V (L), matrix-repræsentationen for L mht W, V Antag, at A er invertibel Så er m = n Definer M : W V ved M = θ 1 V L A 1 θ W Vi ser, at [M(w)] V = θ V (M(w)) = L A 1(θ W (v)) = A 1 [w] W for alle w W, så M er den entydige lineære transformation W V med matrixrepræsentation A 1 mht W, V Ifølge Proposition 434 er [M L(v)] V = A 1 A[v] V =[v] V for alle v V Anvendes (θ V ) 1, fås M L(v) =v v V På samme måde er [L M(w)] W = AA 1 [w] W = [w] W for alle w W ; og anvendes (θ W ) 1, fås L M(w) =w for alle w W Så L er invertibel, med L 1 = M Antag, at L er invertibel L A er invertibel med invers θ V L 1 θ 1 W, fordi L A = θ W L θ 1 V og (θ W L θ 1 V )(θ V L 1 θ 1 W )=I F m, (θ V L 1 θ 1 W )(θ W L θ 1 V )=I F n Hvis x Ker(L), så er x = L 1 A (L A(x)) = L 1 A (0) =0, så N(A) =Ker L A = {0} Hvis y F m, så er y = L A (L 1 A (y)) L A(F m )=Sø(A), så Sø(A) =F m Rangligningen giver antallet af søjler i A = rang(a)+n(a), altså n = m + 0; = m Så A er en kvadratisk matrix Vi har lige set, at N(A) ={0}, så A er invertibel 76
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 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 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 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 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 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 mereDesignMat 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 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 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 mere1.1 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 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 mereDesignMat 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 mereNoter til Lineær Algebra
Noter til Lineær Algebra Eksamensnoter til LinAlg Martin Sparre, www.logx.dk, August 2007, Version π8 9450. INDHOLD 2 Indhold 0. Om disse noter.......................... 3 Abstrakte vektorrum 4. Definition
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 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 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 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 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 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 merez 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 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 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 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 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 mereAffine 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 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 mereMASO Uge 8. Invers funktion sætning og Implicit given funktion sætning. Jesper Michael Møller. Department of Mathematics University of Copenhagen
MASO Uge 8 Invers funktion sætning og Implicit given funktion sætning Jesper Michael Møller Department of Mathematics University of Copenhagen Uge 43 Formålet med MASO Oversigt Invertible og lokalt invertible
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 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 mereØlopgaver 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 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 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 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 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 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 mereDiagonalisering. Definition (diagonaliserbar)
1 Diagonalisering 2 Definition (diagonaliserbar) Lad A være en n n-matrix. A siges at være diagonaliserbar hvis A er similær med en diagonal matrix, dvs. A = PDP 1, hvor D er en n n diagonal matrix og
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 mereEksamen i Lineær Algebra
Eksamen i Lineær Algebra Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet & Det Sundhedsvidenskabelige Fakultet Onsdag den. januar,. Kl. 9-3. Nærværende eksamenssæt består af 8 nummererede
Læs mereGEOMETRI-TØ, UGE 12. A σ (R) = A f σ (f(r))
GEOMETRI-TØ, UGE 12 Hvis I falder over tryk- eller regne-fejl i nedenstående, må I meget gerne sende rettelser til fuglede@imfaudk Opvarmningsopgave 1, [P] 632 Vis at Ennepers flade σ(u, v) = ( u u 3 /3
Læs mereNoter 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 mereBesvarelser til Lineær Algebra Ordinær Eksamen - 5. Januar 2018
Besvarelser til Lineær Algebra Ordinær Eksamen - 5. Januar 08 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. 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 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 mereOm første og anden fundamentalform
Geometri, foråret 2005 Jørgen Larsen 9. marts 2005 Om første og anden fundamentalform 1 Tangentrummet; første fundamentalform Vi betragter en flade S parametriseret med σ. Lad P = σu 0, v 0 være et punkt
Læs mereEksamen 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 6. januar,
Læs mereEgenværdier og egenvektorer
1 Egenværdier og egenvektorer 2 Definition Lad A være en n n matrix. En vektor v R n, v 0, kaldes en egenvektor for A, hvis der findes en skalar λ således Av = λv Skalaren λ kaldes en tilhørende egenværdi.
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 mereLineære normale modeller (1) udkast. 1 Flerdimensionale stokastiske variable
E6 efterår 999 Notat 8 Jørgen Larsen 22. november 999 Lineære normale modeller ) udkast Ved hjælp af lineær algebra kan man formulere og analysere de såkaldte lineære normale modeller meget overskueligt
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 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 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] 11, 12, 13
Oversigt [LA] 11, 12, 13 Nøgleord og begreber Ortogonalt komplement Tømrerprincippet Ortogonal projektion Projektion på 1 vektor Projektion på basis Kortest afstand August 2002, opgave 6 Tømrermester Januar
Læs mereKlassisk Taylors formel
p. 1/17 Klassisk Taylors formel Sætning Lad f : (a, b) R være n gange differentiabel. For x 0, x (a, b) findes et ξ mellem x 0 og x der opfylder at f(x) = f(x 0 )+ f (x 0 ) 1! (x x 0 )+...+ f(n 1) (x 0
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 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 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 mereHistogrammetoden For (x i, y i ) R 2, i = 1,..., n, ser vi på den gennemsnitlige
Histogrammetoden For (x i, y i ) R 2, i = 1,..., n, ser vi på den gennemsnitlige længde: z = 1 n hvor z i = xi 2 + yi 2. n z i = 1 n i=1 n i=1 x 2 i + y 2 i Indfør tabellen samt vægtene Da er a k = #{i
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 mereTo find the English version of the exam, please read from the other end! Eksamen 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 mereReeksamen i Lineær Algebra
Reeksamen i Lineær Algebra Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet & Det Sundhedsvidenskabelige Fakultet Torsdag den 8. august, 2. Kl. 9-3. Nærværende eksamenssæt består af 8 nummererede
Læs merePrøveeksamen 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 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 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 mereEksamen 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 mereLineær algebra: Egenværdier, egenvektorer, diagonalisering
Lineær algebra: Egenværdier, egenvektorer, diagonalisering Institut for Matematiske Fag Aalborg Universitet 2011 Egenvektorer og egenværdier Mål: Forståelse af afbildningen x Ax fra R n R n for en n n-matrix
Læs mereSymmetriske og ortogonale matricer Uge 7
Symmetriske og ortogonale matricer Uge 7 Preben Alsholm Efterår 2009 1 Symmetriske og ortogonale matricer 1.1 Definitioner Definitioner En kvadratisk matrix A = [ a ij kaldes symmetrisk, hvis aij = a ji
Læs mereDESIGNMAT FORÅR 2012: UGESEDDEL Forberedelse Læs alle opgaverne fra tidligere ugesedler, og læg særlig mærke til dem du har spørgsmål til.
DESIGNMAT FORÅR 2012: UGESEDDEL 13 INSTITUT FOR MATEMATIK 1. Forberedelse Læs alle opgaverne fra tidligere ugesedler, og læg særlig mærke til dem du har spørgsmål til. 2. Aktiviteter mandag 13 17 2.1.
Læs mereSkriftlig eksamen Vejledende besvarelse MATEMATIK B (MM02)
SYDDANSK UNIVERSITET ODENSE UNIVERSITET INSTITUT FOR MATEMATIK OG DATALOGI Skriftlig eksamen Vejledende besvarelse MATEMATIK B (MM2) Fredag d. 2. januar 22 kl. 9. 3. 4 timer med alle sædvanlige skriftlige
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 mereForslag 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 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 mereLøsninger 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 mereMM501 forelæsningsslides
MM50 forelæsningsslides uge 36, 2009 Produceret af Hans J. Munkholm Nogle talmængder s. 3 N = {, 2, 3, } omtales som de naturlige tal eller de positive heltal. Z = {0, ±, ±2, ±3, } omtales som de hele
Læs mereHilbert 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 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 mereSymmetriske og ortogonale matricer Uge 6
Symmetriske og ortogonale matricer Uge 6 Preben Alsholm Efterår 2010 1 Symmetriske og ortogonale matricer 1.1 Skalarprodukt og Cauchy-Schwarz ulighed Skalarprodukt og Cauchy-Schwarz ulighed Det sædvanlige
Læs mereLINEÆR ALGEBRA DIFFERENTIALLIGNINGER
LINEÆR ALGEBRA DIFFERENTIALLIGNINGER NOTER TIL CALCULUS 006 NIELSEN - SALOMONSEN INSTITUT FOR MATEMATISKE FAG AARHUS UNIVERSITET 006 Indhold Forord 5. Vektorer og linearkombinationer 7. Basis og dimension
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 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 mereEksamen 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 mereEksamen i Lineær Algebra. Første Studieår ved Det Tekniske Fakultet for IT og Design samt Det Ingeniør- og Naturvidenskabelige Fakultet
Eksamen i Lineær Algebra Første Studieår ved Det Tekniske Fakultet for IT og Design samt Det Ingeniør- og Naturvidenskabelige Fakultet 4. januar 9 kl. 9:-: Dette eksamenssæt består af 8 nummererede sider
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 & Det Sundhedsvidenskabelige Fakultet Onsdag den. februar, 3. Kl. 9-3. Nærværende eksamenssæt består af 9 nummererede
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 mereEndeligdimensionale vektorrum
Endeligdimensionale vektorrum I det følgende betegner X, Y og Z endeligdimensionale vektorrum Gerne udstyret med en norm, evt et indre produkt Eksempel: En skævt beliggende plan i rummet, X = {v R 3 v,
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 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 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 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 mereSymmetriske matricer
Symmetriske matricer Preben Alsholm 17. november 008 1 Symmetriske matricer 1.1 Definitioner Definitioner En kvadratisk matrix A = a ij kaldes symmetrisk, hvis aij = a ji for alle i og j. Altså hvis A
Læs mereOversigt [S] 7.3, 7.4, 7.5, 7.6; [DL] 1, 2
Oversigt [S] 7.3, 7.4, 7.5, 7.6; [DL] 1, 2 Her skal du lære om Separable ligninger Logistisk ligning og eksponentiel vækst 1. ordens lineær ligning August 2002, opgave 7 Rovdyr-Byttedyr system 1. ordens
Læs mereNøgleord og begreber Ortogonalt komplement Tømrerprincippet. [LA] 13 Ortogonal projektion
Oversigt [LA] 11, 12, 13 Nøgleord og begreber Ortogonalt komplement Tømrerprincippet Ortogonal projektion Projektion på 1 vektor Projektion på basis Kortest afstand August 2002, opgave 6 Tømrermester Januar
Læs mereOversigt over gruppeteori: definitioner og sætninger
Oversigt over gruppeteori: definitioner og sætninger (G, ) kaldesengruppe, når følgende aksiomer er opfyldt: 0) (G, ) er en organiseret (stabil) mængde: a, b G a b G 1) Den associative lov gælder, dvs.
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 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 mereLineære Afbildninger. enote 8. 8.1 Om afbildninger
enote 8 enote 8 Lineære Afbildninger Denne enote undersøger afbildninger mellem vektorrum af en bestemt type, nemlig lineære afbildninger Det vises, at kernen og billedrummet for lineære afbildninger er
Læs mere