DesignMat Uge 11. Vektorrum



Relaterede dokumenter
DesignMat Uge 11 Vektorrum

DesignMat Uge 1 Gensyn med forårets stof

Lidt alment om vektorrum et papir som grundlag for diskussion

DesignMat Uge 1 Repetition af forårets stof

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

DesignMat Egenværdier og Egenvektorer

Lineære ligningssystemer og Gauss-elimination

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

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

Lineære Afbildninger. enote Om afbildninger

Kursusgang 3 Matrixalgebra Repetition

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

Vektorrum. enote Generalisering af begrebet vektor

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

Lineære ligningssystemer

Oversigt [LA] 6, 7, 8

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

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

DesignMat Uge 5 Systemer af lineære differentialligninger II

9.1 Egenværdier og egenvektorer

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

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

t a l e n t c a m p d k Matematik Intro Mads Friis, stud.scient 27. oktober 2014 Slide 1/25

Oversigt [LA] 3, 4, 5

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

Lineær Algebra, kursusgang

Lineær Algebra F08, MØ

Chapter 3. Modulpakke 3: Egenværdier. 3.1 Indledning

Oversigt [LA] 11, 12, 13

Kursusgang 3 Matrixalgebra fortsat

Noter om polynomier, Kirsten Rosenkilde, Marts Polynomier

Besvarelser til Lineær Algebra Ordinær eksamen - 6. Juni 2016

Lineær algebra: Spænd. Lineær (u)afhængighed

Svar på opgave 336 (Januar 2017)

Egenværdier og egenvektorer

DesignMat Lineære ligningssystemer og Gauss-elimination

Matricer og lineære ligningssystemer

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

Tidligere Eksamensopgaver MM505 Lineær Algebra

Matricer og Matrixalgebra

Diagonalisering. Definition (diagonaliserbar)

qwertyuiopåasdfghjklæøzxcvbnmqw ertyuiopåasdfghjklæøzxcvbnmqwert yuiopåasdfghjklæøzxcvbnmqwertyui Polynomier opåasdfghjklæøzxcvbnmqwertyuiopå

Matematik for økonomer 3. semester

Komplekse tal. x 2 = 1 (2) eller

Nøgleord og begreber Ortogonalt komplement Tømrerprincippet. [LA] 13 Ortogonal projektion

Praktiske Maple Ting. - Hvis du skal indsætte kvadratroden, et integrale, lambda, osv. Så skriv eks. Sqrt, int, eller lambda, tryk escape og du kan

Komplekse Tal. 20. november UNF Odense. Steen Thorbjørnsen Institut for Matematiske Fag Århus Universitet

LINEÆR ALGEBRA DIFFERENTIALLIGNINGER

Geometriske grundbegreber 1. lektion

MATRICER LINEÆRE LIGNINGER

DESIGNMAT FORÅR 2012: UGESEDDEL Forberedelse Læs alle opgaverne fra tidligere ugesedler, og læg særlig mærke til dem du har spørgsmål til.

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

Matematik: Struktur og Form Spænd. Lineær (u)afhængighed

Hilbert rum. Chapter Indre produkt rum

EKSAMENSOPGAVELØSNINGER CALCULUS 2 (2005) AUGUST 2006 AARHUS UNIVERSITET

Komplekse tal. Mikkel Stouby Petersen 27. februar 2013

DesignMat Komplekse tal

Modulpakke 3: Lineære Ligningssystemer

Lineær algebra 1. kursusgang

Besvarelser til Lineær Algebra Ordinær Eksamen - 5. Januar 2018

Oversigt [LA] 6, 7, 8

MATRICER LINEÆRE LIGNINGER

Komplekse tal og polynomier

DesignMat Uge 11 Lineære afbildninger

Polynomier. Indhold. Georg Mohr-Konkurrencen. 1 Polynomier 2. 2 Polynomiumsdivision 4. 3 Algebraens fundamentalsætning og rødder 6

Lineære 1. ordens differentialligningssystemer

3.1 Baser og dimension

Eksamen i Lineær Algebra. Første Studieår ved Det Tekniske Fakultet for IT og Design samt Det Ingeniør- og Naturvidenskabelige Fakultet

DesignMat Lineære differentialligninger I

LinAlgDat 2014/2015 Google s page rank

Algebra INTRO. I kapitlet arbejdes med følgende centrale matematiske begreber:

Ligningssystemer - nogle konklusioner efter miniprojektet

Vejledende besvarelse på august 2009-sættet 2. december 2009

Underrum - generaliserede linjer og planer

Eksempler Determinanten af en kvadratisk matrix. Calculus Uge

DesignMat Lineære differentialligninger I

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

DiploMat 1 Inhomogene lineære differentialligninger

Matematikken bag Parallel- og centralprojektion

Funktionalligninger. Anders Schack-Nielsen. 25. februar 2007

Besvarelser til Lineær Algebra Reeksamen August 2016

Teoretiske Øvelsesopgaver:

Lineær Algebra, kursusgang

Egenskaber ved Krydsproduktet

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.

Eksempel på 2-timersprøve 2 Løsninger

Mat10 eksamensspørgsmål

Kvadratiske matricer. enote Kvadratiske matricer

Modulpakke 3: Lineære Ligningssystemer

t a l e n t c a m p d k Matematik Intro Mads Friis, stud.scient 7. november 2015 Slide 1/25

Lineær Algebra. Lars Hesselholt og Nathalie Wahl

Lineære 1. ordens differentialligningssystemer

Lineær Algebra, kursusgang

DesignMat Uge 4 Systemer af lineære differentialligninger I

DesignMat Den komplekse eksponentialfunktion og polynomier

Potensrækker. Morten Grud Rasmussen november Definition 1 (Potensrække). En potensrække er en uendelig række på formen

Mere om differentiabilitet

Lineær Algebra eksamen, noter

Lineære 1. ordens differentialligningssystemer

Transkript:

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 ikke-tom mængde udstyret med en addition + og en multiplikation med skalar. Vi forlanger, at disse to operationer opfylder a, b V = a + b V s L a V = sa V (fortsat)

Lad L betegne R eller C. Lad V være en ikke-tom mængde udstyret med en addition + og en multiplikation med skalar. Vi forlanger, at disse to operationer opfylder a, b V = a + b V s L a V = sa V Desuden forlanger vi for alle a, b, c V og s, t L: (fortsat) a + b = b + a, (a + b) + c = a + (b + c) 0 V så a + 0 = a, a 1 V så a + a 1 = 0 s (ta) = (st) a, (s + t) a = sa + ta s (a + b) = sa + sb, 1a = a

Lad L betegne R eller C. Lad V være en ikke-tom mængde udstyret med en addition + og en multiplikation med skalar. Vi forlanger, at disse to operationer opfylder a, b V = a + b V s L a V = sa V Desuden forlanger vi for alle a, b, c V og s, t L: (fortsat) a + b = b + a, (a + b) + c = a + (b + c) 0 V så a + 0 = a, a 1 V så a + a 1 = 0 s (ta) = (st) a, (s + t) a = sa + ta s (a + b) = sa + sb, 1a = a V er da et over L. Hvis L = R er V et reelt. Hvis L = C er V et komplekst.

Nulet er entydigt bestemt: Hvis 0 1 og 0 2 begge er nuler, altså opfylder a + 0 = a for alle a, så gælder 0 1 = 0 1 + 0 2 = 0 2 + 0 1 = 0 2 (fortsat)

Nulet er entydigt bestemt: Hvis 0 1 og 0 2 begge er nuler, altså opfylder a + 0 = a for alle a, så gælder 0 1 = 0 1 + 0 2 = 0 2 + 0 1 = 0 2 Hvis a + a 1 = 0 og a + a 2 = 0 (begge er modsatte er til a), så fås a 2 = a 2 + 0 = a 2 + (a + a 1 ) = (a 2 + a) + a 1 = (a + a 2 ) + a 1 = 0 + a 1 = a 1 (fortsat)

Nulet er entydigt bestemt: Hvis 0 1 og 0 2 begge er nuler, altså opfylder a + 0 = a for alle a, så gælder 0 1 = 0 1 + 0 2 = 0 2 + 0 1 = 0 2 Hvis a + a 1 = 0 og a + a 2 = 0 (begge er modsatte er til a), så fås a 2 = a 2 + 0 = a 2 + (a + a 1 ) = (a 2 + a) + a 1 = (a + a 2 ) + a 1 = 0 + a 1 = a 1 (fortsat) Det entydigt bestemte modsatte til a betegnes med a.

Nulet er entydigt bestemt: Hvis 0 1 og 0 2 begge er nuler, altså opfylder a + 0 = a for alle a, så gælder 0 1 = 0 1 + 0 2 = 0 2 + 0 1 = 0 2 Hvis a + a 1 = 0 og a + a 2 = 0 (begge er modsatte er til a), så fås a 2 = a 2 + 0 = a 2 + (a + a 1 ) = (a 2 + a) + a 1 = (a + a 2 ) + a 1 = 0 + a 1 = a 1 (fortsat) Det entydigt bestemte modsatte til a betegnes med a. Det ses af ( a) + a = a + ( a) = 0 at a er modsat til a altså, at ( a) = a.

Nulet er entydigt bestemt: Hvis 0 1 og 0 2 begge er nuler, altså opfylder a + 0 = a for alle a, så gælder 0 1 = 0 1 + 0 2 = 0 2 + 0 1 = 0 2 Hvis a + a 1 = 0 og a + a 2 = 0 (begge er modsatte er til a), så fås a 2 = a 2 + 0 = a 2 + (a + a 1 ) = (a 2 + a) + a 1 = (a + a 2 ) + a 1 = 0 + a 1 = a 1 (fortsat) Det entydigt bestemte modsatte til a betegnes med a. Det ses af ( a) + a = a + ( a) = 0 at a er modsat til a altså, at ( a) = a. Sætning. a + x = b har den entydigt bestemte løsning x = b + ( a), sa = 0 s = 0 a = 0, ( 1) a = a.

Mængden af geometriske vektorer i rummet V 3 g. Mængden af geometriske vektorer i planen V 2 g. (fortsat)

Mængden af geometriske vektorer i rummet V 3 g. Mængden af geometriske vektorer i planen V 2 g. Mængden af talsæt R n med sædvanlig addition og multiplikation med skalar. (fortsat)

Mængden af geometriske vektorer i rummet V 3 g. Mængden af geometriske vektorer i planen V 2 g. Mængden af talsæt R n med sædvanlig addition og multiplikation med skalar. Mængden R m n af reelle m n-matricer med sædvanlig addition og multiplikation med skalar. (fortsat)

Mængden af geometriske vektorer i rummet V 3 g. Mængden af geometriske vektorer i planen V 2 g. Mængden af talsæt R n med sædvanlig addition og multiplikation med skalar. Mængden R m n af reelle m n-matricer med sædvanlig addition og multiplikation med skalar. Mængden af reelle polynomier af højst n te grad P n (R). Sædvanlig addition af funktioner. Sædvanlig multiplikation med en skalar (en konstant!). (fortsat)

Mængden af geometriske vektorer i rummet V 3 g. Mængden af geometriske vektorer i planen V 2 g. Mængden af talsæt R n med sædvanlig addition og multiplikation med skalar. Mængden R m n af reelle m n-matricer med sædvanlig addition og multiplikation med skalar. Mængden af reelle polynomier af højst n te grad P n (R). Sædvanlig addition af funktioner. Sædvanlig multiplikation med en skalar (en konstant!). Mængden af reelle kontinuerte funktioner defineret på intervallet I : C (I ). Operationer som for polynomier. (fortsat)

Hvis U er en delmængde af met V, og U med de arvede operationer selv er et, så kaldes U et underrum af V. (fortsat)

Hvis U er en delmængde af met V, og U med de arvede operationer selv er et, så kaldes U et underrum af V. Sætning. Lad U V og U =. Så er U et underrum af V hvis og kun hvis a, b U = a + b U s L a U = sa U (fortsat)

Hvis U er en delmængde af met V, og U med de arvede operationer selv er et, så kaldes U et underrum af V. Sætning. Lad U V og U =. Så er U et underrum af V hvis og kun hvis a, b U = a + b U s L a U = sa U Trivielle underrum af V er V selv og {0}. (fortsat)

Hvis U er en delmængde af met V, og U med de arvede operationer selv er et, så kaldes U et underrum af V. Sætning. Lad U V og U =. Så er U et underrum af V hvis og kun hvis a, b U = a + b U s L a U = sa U Trivielle underrum af V er V selv og {0}. Ved en af linearkombination af vektorerne a 1, a 2,..., a p V forstås et udtryk af formen (fortsat) hvor c 1, c 2,..., c p L. c 1 a 1 + c 2 a 2 +... + c p a p

Hvis U er en delmængde af met V, og U med de arvede operationer selv er et, så kaldes U et underrum af V. Sætning. Lad U V og U =. Så er U et underrum af V hvis og kun hvis a, b U = a + b U s L a U = sa U Trivielle underrum af V er V selv og {0}. Ved en af linearkombination af vektorerne a 1, a 2,..., a p V forstås et udtryk af formen (fortsat) hvor c 1, c 2,..., c p L. c 1 a 1 + c 2 a 2 +... + c p a p Ved span (a 1, a 2,..., a p ) forstås mængden af linearkombinationer af vektorerne a 1, a 2,..., a p.

span (a 1, a 2,..., a p ) er et underrum af V. Det er det mindste underrum, der indeholder a 1, a 2,..., a p. (fortsat)

span (a 1, a 2,..., a p ) er et underrum af V. Det er det mindste underrum, der indeholder a 1, a 2,..., a p. Vektorerne a 1, a 2,..., a p V siges at være lineært uafhængige hvis x 1 a 1 + x 2 a 2 +... + x p a p = 0 = x 1 = x 2 =... = x p = 0 (fortsat)

span (a 1, a 2,..., a p ) er et underrum af V. Det er det mindste underrum, der indeholder a 1, a 2,..., a p. Vektorerne a 1, a 2,..., a p V siges at være lineært uafhængige hvis x 1 a 1 + x 2 a 2 +... + x p a p = 0 = x 1 = x 2 =... = x p = 0 a 1, a 2,..., a p er altså lineært uafhængige, hvis x 1 v 1 + x 2 v 2 +... + x p v p kun kan være nul, når alle koeffi cienterne er nul. (fortsat)

span (a 1, a 2,..., a p ) er et underrum af V. Det er det mindste underrum, der indeholder a 1, a 2,..., a p. Vektorerne a 1, a 2,..., a p V siges at være lineært uafhængige hvis x 1 a 1 + x 2 a 2 +... + x p a p = 0 = x 1 = x 2 =... = x p = 0 a 1, a 2,..., a p er altså lineært uafhængige, hvis x 1 v 1 + x 2 v 2 +... + x p v p kun kan være nul, når alle koeffi cienterne er nul. Hvis vektorerne a 1, a 2,..., a p ikke er lineært uafhængige, siges de at være lineært afhængige. (fortsat)

span (a 1, a 2,..., a p ) er et underrum af V. Det er det mindste underrum, der indeholder a 1, a 2,..., a p. Vektorerne a 1, a 2,..., a p V siges at være lineært uafhængige hvis x 1 a 1 + x 2 a 2 +... + x p a p = 0 = x 1 = x 2 =... = x p = 0 a 1, a 2,..., a p er altså lineært uafhængige, hvis x 1 v 1 + x 2 v 2 +... + x p v p kun kan være nul, når alle koeffi cienterne er nul. Hvis vektorerne a 1, a 2,..., a p ikke er lineært uafhængige, siges de at være lineært afhængige. En for et V er et lineært uafhængigt system a 1, a 2,..., a n af vektorer, som udspænder V, altså V = span (a 1, a 2,..., a n ). (fortsat)

Vektorerne e 1, e 2, e 3 i met R 3 givet ved 1 0 0 e 1 = 0, e 2 = 1, e 3 = 0 0 0 1 er lineært uafhængige og udgør en for R 3 : Den kanoniske for R 3. (I bogen den sædvanlige i R 3 ). (fortsat)

Vektorerne e 1, e 2, e 3 i met R 3 givet ved 1 0 0 e 1 = 0, e 2 = 1, e 3 = 0 0 0 1 er lineært uafhængige og udgør en for R 3 : Den kanoniske for R 3. (I bogen den sædvanlige i R 3 ). Polynomierne 1, x, x 2, x 3, x 4 i met P 4 (R) af polynomier af grad højst 4 er lineært uafhængige og udgør en for P 4 (R): monomiebasen. (fortsat)

Er vektorerne v 1, v 2, v 3 givet ved 1 5 v 1 = 2 3, v 2 = 6 7 4 8 lineært uafhængige?, v 3 = 9 10 11 12 (fortsat)

Er vektorerne v 1, v 2, v 3 givet ved 1 5 v 1 = 2 3, v 2 = 6 7 4 8 lineært uafhængige?, v 3 = 9 10 11 12 Vi undersøger om x 1 v 1 + x 2 v 2 + x 3 v 3 = 0 er mulig uden at x 1 = x 2 = x 3 = 0. (fortsat)

Er vektorerne v 1, v 2, v 3 givet ved 1 5 v 1 = 2 3, v 2 = 6 7 4 8 lineært uafhængige?, v 3 = 9 10 11 12 Vi undersøger om x 1 v 1 + x 2 v 2 + x 3 v 3 = 0 er mulig uden at x 1 = x 2 = x 3 = 0. x 1 Med A = [v 1 v 2 v 3 ] og x = x 2 kan vektorligningen x 3 skrives Ax = 0. (fortsat)

Er vektorerne v 1, v 2, v 3 givet ved 1 5 v 1 = 2 3, v 2 = 6 7 4 8 lineært uafhængige?, v 3 = 9 10 11 12 Vi undersøger om x 1 v 1 + x 2 v 2 + x 3 v 3 = 0 er mulig uden at x 1 = x 2 = x 3 = 0. x 1 Med A = [v 1 v 2 v 3 ] og x = x 2 kan vektorligningen x 3 skrives Ax = 0. Vektorerne v 1, v 2, v 3 er altså lineært uafhængige netop når Ax = 0 kun har den trivielle løsning x = 0. (fortsat)

Er vektorerne v 1, v 2, v 3 givet ved 1 5 v 1 = 2 3, v 2 = 6 7 4 8 lineært uafhængige?, v 3 = 9 10 11 12 Vi undersøger om x 1 v 1 + x 2 v 2 + x 3 v 3 = 0 er mulig uden at x 1 = x 2 = x 3 = 0. x 1 Med A = [v 1 v 2 v 3 ] og x = x 2 kan vektorligningen x 3 skrives Ax = 0. Vektorerne v 1, v 2, v 3 er altså lineært uafhængige netop når Ax = 0 kun har den trivielle løsning x = 0. Resultatet udregnes nu ved Gausselimination. Se Maple for udregningerne. Vektorerne er lineært afhængige. (fortsat)

Er vektorerne v 1, v 2, v 3 givet ved 1 5 v 1 = 2 3, v 2 = 6 7 4 8 lineært uafhængige?, v 3 = 9 10 11 12 (fortsat)

Er vektorerne v 1, v 2, v 3 givet ved 1 5 v 1 = 2 3, v 2 = 6 7 4 8, v 3 = 9 10 11 12 lineært uafhængige? Med A = [v 1 v 2 v 3 ] og x defineret som tidligere skal altså afklares om Ax = 0 kun har den trivielle løsning x = 0. (fortsat)

Er vektorerne v 1, v 2, v 3 givet ved 1 5 v 1 = 2 3, v 2 = 6 7 4 8, v 3 = 9 10 11 12 lineært uafhængige? Med A = [v 1 v 2 v 3 ] og x defineret som tidligere skal altså afklares om Ax = 0 kun har den trivielle løsning x = 0. Ved Gausselimination i Maple ses, at vektorerne er lineært uafhængige. (fortsat)

Er vektorerne v 1, v 2, v 3 givet ved 1 5 v 1 = 2 3, v 2 = 6 7 4 8, v 3 = 9 10 11 12 lineært uafhængige? Med A = [v 1 v 2 v 3 ] og x defineret som tidligere skal altså afklares om Ax = 0 kun har den trivielle løsning x = 0. Ved Gausselimination i Maple ses, at vektorerne er lineært uafhængige. Udgør de en for R 4? Vi mangler at undersøge, om span(v 1, v 2, v 3 ) = R 4. (fortsat)

Er vektorerne v 1, v 2, v 3 givet ved 1 5 v 1 = 2 3, v 2 = 6 7 4 8, v 3 = 9 10 11 12 lineært uafhængige? Med A = [v 1 v 2 v 3 ] og x defineret som tidligere skal altså afklares om Ax = 0 kun har den trivielle løsning x = 0. Ved Gausselimination i Maple ses, at vektorerne er lineært uafhængige. Udgør de en for R 4? Vi mangler at undersøge, om span(v 1, v 2, v 3 ) = R 4. Vi skal altså undersøge, om der for enhver given vektor b R 4 findes tal x 1, x 2, x 3 så x 1 v 1 + x 2 v 2 + x 3 v 3 = b. (fortsat)

Er vektorerne v 1, v 2, v 3 givet ved 1 5 v 1 = 2 3, v 2 = 6 7 4 8, v 3 = 9 10 11 12 lineært uafhængige? Med A = [v 1 v 2 v 3 ] og x defineret som tidligere skal altså afklares om Ax = 0 kun har den trivielle løsning x = 0. Ved Gausselimination i Maple ses, at vektorerne er lineært uafhængige. Udgør de en for R 4? Vi mangler at undersøge, om span(v 1, v 2, v 3 ) = R 4. Vi skal altså undersøge, om der for enhver given vektor b R 4 findes tal x 1, x 2, x 3 så x 1 v 1 + x 2 v 2 + x 3 v 3 = b. Dette er altså et spørgsmål om Ax = b kan løses for ethvert b R 4. Svar: Nej (se Maple). (fortsat)

Er vektorerne p 1, p 2, p 3, p 4 P 3 (R) givet ved p 1 = 2 x 2x 3, p 2 = 2 + x 2 x 3, p 3 = 1 + x x 2 x 3 og p 4 = 1 lineært uafhængige? (fortsat)

Er vektorerne p 1, p 2, p 3, p 4 P 3 (R) givet ved p 1 = 2 x 2x 3, p 2 = 2 + x 2 x 3, p 3 = 1 + x x 2 x 3 og p 4 = 1 lineært uafhængige? Vi skal undersøge om c 1 p 1 + c 2 p 2 + c 3 p 3 + c 4 p 4 = 0 for alle x R medfører, at c 1 = c 2 = c 3 = c 4 = 0. (fortsat)

Er vektorerne p 1, p 2, p 3, p 4 P 3 (R) givet ved p 1 = 2 x 2x 3, p 2 = 2 + x 2 x 3, p 3 = 1 + x x 2 x 3 og p 4 = 1 lineært uafhængige? Vi skal undersøge om c 1 p 1 + c 2 p 2 + c 3 p 3 + c 4 p 4 = 0 for alle x R medfører, at c 1 = c 2 = c 3 = c 4 = 0. Ved indsættelse og omordning efter potenser af x kan ligningen omskrives til ( 2c 1 + 2c 2 c 3 c 4 ) + x ( c 1 + c 3 ) + x 2 (c 2 c 3 ) + x 3 ( 2c 1 c 2 c 3 ) = 0. (fortsat)

Er vektorerne p 1, p 2, p 3, p 4 P 3 (R) givet ved p 1 = 2 x 2x 3, p 2 = 2 + x 2 x 3, p 3 = 1 + x x 2 x 3 og p 4 = 1 lineært uafhængige? Vi skal undersøge om c 1 p 1 + c 2 p 2 + c 3 p 3 + c 4 p 4 = 0 for alle x R medfører, at c 1 = c 2 = c 3 = c 4 = 0. Ved indsættelse og omordning efter potenser af x kan ligningen omskrives til ( 2c 1 + 2c 2 c 3 c 4 ) + x ( c 1 + c 3 ) + x 2 (c 2 c 3 ) + x 3 ( 2c 1 c 2 c 3 ) = 0. Dette er opfyldt for alle x R hvis og kun hvis ligningssystemet (fortsat) 2c 1 + 2c 2 c 3 c 4 = 0 c 1 + c 3 = 0 c 2 c 3 = 0 2c 1 c 2 c 3 = 0 kun har nulløsningen.

(fortsat) Systemets koeffi cientmatrix er A = 2 2 1 1 1 0 1 0 0 1 1 0 2 1 1 0 Altså: Har Ac = 0 kun den trivielle løsning c = 0? (fortsat)

(fortsat) Systemets koeffi cientmatrix er A = 2 2 1 1 1 0 1 0 0 1 1 0 2 1 1 0 Altså: Har Ac = 0 kun den trivielle løsning c = 0? Gausselimination viser, at dette er tilfældet. p 1, p 2, p 3, p 4 er altså lineært uafhængige. (fortsat)

(fortsat) Systemets koeffi cientmatrix er A = 2 2 1 1 1 0 1 0 0 1 1 0 2 1 1 0 Altså: Har Ac = 0 kun den trivielle løsning c = 0? Gausselimination viser, at dette er tilfældet. p 1, p 2, p 3, p 4 er altså lineært uafhængige. Udgør de en for P 3 (R)? Vi mangler at undersøge, om span(p 1, p 2, p 3, p 4 ) = P 3 (R). (fortsat)

(fortsat) Systemets koeffi cientmatrix er A = 2 2 1 1 1 0 1 0 0 1 1 0 2 1 1 0 Altså: Har Ac = 0 kun den trivielle løsning c = 0? Gausselimination viser, at dette er tilfældet. p 1, p 2, p 3, p 4 er altså lineært uafhængige. Udgør de en for P 3 (R)? Vi mangler at undersøge, om span(p 1, p 2, p 3, p 4 ) = P 3 (R). Findes der for enhver given vektor p P 3 (R) tal c 1, c 2, c 3, c 4 så c 1 p 1 + c 2 p 2 + c 3 p 3 + c 4 p 4 = p? (fortsat)

(fortsat) Systemets koeffi cientmatrix er A = 2 2 1 1 1 0 1 0 0 1 1 0 2 1 1 0 Altså: Har Ac = 0 kun den trivielle løsning c = 0? Gausselimination viser, at dette er tilfældet. p 1, p 2, p 3, p 4 er altså lineært uafhængige. Udgør de en for P 3 (R)? Vi mangler at undersøge, om span(p 1, p 2, p 3, p 4 ) = P 3 (R). Findes der for enhver given vektor p P 3 (R) tal c 1, c 2, c 3, c 4 så c 1 p 1 + c 2 p 2 + c 3 p 3 + c 4 p 4 = p? Søjlerne i A består af polynomiernes koeffi cienter! Lad b tilsvarende være koeffi cienterne i polynomiet p. (fortsat)

(fortsat) Systemets koeffi cientmatrix er A = 2 2 1 1 1 0 1 0 0 1 1 0 2 1 1 0 Altså: Har Ac = 0 kun den trivielle løsning c = 0? Gausselimination viser, at dette er tilfældet. p 1, p 2, p 3, p 4 er altså lineært uafhængige. Udgør de en for P 3 (R)? Vi mangler at undersøge, om span(p 1, p 2, p 3, p 4 ) = P 3 (R). Findes der for enhver given vektor p P 3 (R) tal c 1, c 2, c 3, c 4 så c 1 p 1 + c 2 p 2 + c 3 p 3 + c 4 p 4 = p? Søjlerne i A består af polynomiernes koeffi cienter! Lad b tilsvarende være koeffi cienterne i polynomiet p. Kan Ac = b løses for ethvert b R 4? (fortsat)

(fortsat) Systemets koeffi cientmatrix er A = 2 2 1 1 1 0 1 0 0 1 1 0 2 1 1 0 Altså: Har Ac = 0 kun den trivielle løsning c = 0? Gausselimination viser, at dette er tilfældet. p 1, p 2, p 3, p 4 er altså lineært uafhængige. Udgør de en for P 3 (R)? Vi mangler at undersøge, om span(p 1, p 2, p 3, p 4 ) = P 3 (R). Findes der for enhver given vektor p P 3 (R) tal c 1, c 2, c 3, c 4 så c 1 p 1 + c 2 p 2 + c 3 p 3 + c 4 p 4 = p? Søjlerne i A består af polynomiernes koeffi cienter! Lad b tilsvarende være koeffi cienterne i polynomiet p. Kan Ac = b løses for ethvert b R 4? Svar: Ja, med T = [A b] har vi ρ (T ) = 4 = ρ (A). (fortsat)