Matematik H Forelæsningsnoter til Lineær Algebra Niels Vigand Pedersen Udgivet af Asmus L Schmidt Københavns Universitet Matematisk Afdeling August
ii 3 oplag, juni 5
Forord Gennem en særlig aftale varetages undervisningen i matematik på erhvervsøkonomimatematikstudiet ved Handelshøjskolen i København af Matematisk Afdeling, Institut for Matematiske Fag, Københavns Universitet Denne undervisning består af to kurser, Matematik H og Matematik H, der følges på henholdsvis første og andet år af studiet Matematik H er opdelt i to dele, nemlig et kursus i lineær algebra og et kursus i matematisk analyse Nærværende notesæt udgør det skriftlige materiale til kurset i lineær algebra Det er beregnet til et halvt års studier med forelæsningstimer, øvelsestimer samt en skriftlig aflevering om ugen Sættet består af forelæsningsnoter, 35 hjemmeopgaver, 46 øvelsesopgaver og en samling af blandede opgaver I forelæsningsnoterne er der lagt vægt på en stringent gennemgang af matematikken Det betyder, at alle definitioner er omhyggeligt og præcist givet, og der bliver ført bevis (argumenteret) for langt de fleste påstande Formålet med at give disse beviser er først og fremmest, at det er gennem arbejdet med dem (naturligvis forenet med øvelsesregning), at den dybe forståelse nås Men formålet er også at præsentere den videnskabelige matematiske metode Det er formålet med de fleste videnskaber at finde frem til sandheder, men matematik adskiller sig ved at kræve absolut sandhed I matematik kan et udsagn ikke være nogenlunde rigtigt I andre teorier, som feks økonomi, ville et sådant krav være absurd; hvis bare virkeligheden beskrives godt (efter en given målestok) betragtes teorien som værende sand Det er efter min mening vigtigt, når man arbejder med matematisk økonomi, at man behersker metoderne fra begge områder, således at man kan overskue hvad der er sandt i hvilken forstand Som regel præsenteres beviserne med mange detaljer, men det er, som med al matematisk læsning, alligevel nødvendigt at læseren hele tiden stopper op og tænker hvert enkelt skridt igennem, før det næste tages Den matematiske sprogbrug er tit meget kortfattet, og der bruges en række faste vendinger, som det er helt afgørende at forstå den præcise betydning af (feks er hvis ikke det samme som hvis og kun hvis ) Det kan være en langsommelig, og af og til måske kedelig, proces, og det kan undervejs blive svært at se skoven for bare træer Forhåbentlig kan øvelser og forelæsninger her bidrage til at fremhæve de centrale (og smukke!) punkter i teorien I denne udgave af forelæsningsnoterne er der foretaget en hel del rettelser i forhold til tidligere, ligesom opgavesamlingerne er let reviderede Afsnittene 4, 5-6, 33, 35-37 er omskrevet, og der er tilføjet en samling af blandede opgaver Forfatteren til notesættet, Niels Vigand Pedersen, afgik alt for tidligt ved døden i 995 Da det ikke har været muligt at finde filen med kildeteksten, har det været nødvendigt at genskabe kildeteksten (i LATEX) på grundlag af den seneste udgave (998) ved Henrik Schlichtkrull Overassistent Dita Andersen har ydet en forbilledlig indsats ved skrivning af manuskriptet København, juli Asmus L Schmidt iii
iv
Indhold Lineære afbildninger og matricer Talrummene R n Matricer 6 3 Lineære afbildninger 4 Matrix algebra 6 5 Invers matrix 3 6 Transponeret matrix 6 Række- og søjleoperationer Lineære ligningssystemer 3 Række- og søjleoperationer 3 Trappematricer 3 3 Lineære ligningssystemer 35 4 Lineære ligningssystemer og lineære afbildninger 45 5 Operationsmatricer 46 6 Regulære matricer Matrixinversion 49 3 Determinanter 55 3 Determinant af -matrix 55 3 Determinant af 3 3-matrix 55 33 Permutationer 56 34 Determinant af n n-matrix 59 35 Cramers formler 63 36 Determinant og invers matrix 66 37 Udvikling af determinant 69 4 Vektorrum 7 4 Definition af vektorrum; eksempler 7 4 Lineære afbildninger; isomorfi 7 43 Endeligdimensionale vektorrum; basis 74 44 Underrum 77 45 Lineær afhængighed; lineær uafhængighed 8 46 Udtyndingsalgoritmen; udvidelsesalgoritmen 85 47 Direkte sum af underrum 87 48 Rang; dimensionssætningen 9 v
Indhold 5 Vektorrum og matricer 94 5 Koordinattransformationer 94 5 Lineære afbildninger og matricer 96 53 Lineære afbildninger og koordinattransformationer 98 54 Determinant af endomorfi 6 Diagonalisering af matricer 6 Diagonaliserbare matricer; egenværdier og egenvektorer 6 Betydningen af rodmultipliciteterne 9 63 Betydningen af egenværdimultipliciteterne 64 Potensopløftning af matricer; anvendelser 7 Vektorrum med skalarprodukt 6 7 Skalarprodukt; Gram-Schmidt ortogonalisering 6 7 Ortogonale matricer 73 Ortogonalprojektion 74 Diagonalisering af symmetriske matricer 3 75 Kvadratiske former 8 Appendiks 33 A Mængder 33 A Afbildninger 33 A3 Bevis for Sætning 744 35 Det græske alfabet 37 Hjemmeopgaver 38 Øvelsesopgaver 48 Blandede opgaver 85 Stikord 9 vi
Lineære afbildninger og matricer Talrummene R n De naturlige tal betegnes med N og de reelle tal betegnes med R (jvf A) Lad n være et naturligt tal Mængden af alle n-talsæt x (x,,x n ), hvor x,,x n er reelle tal, betegnes med R n Vi kalder også x for en vektor i R n Tallene x,,x n kaldes koordinaterne for vektoren x Det er ofte bekvemt at skrive x (x,,x n )somenn-talsøjle x x Denne dobbelttydige skrivemåde er kendt fra regning ( ) med (koordinater for) vektorer x i planen, der jo betegnes både med feks (x, y) og y For en vektor x n x x x n i R n og et tal λ R defineres vektoren λx ( x multipliceret med λ ) ved λx λx λx n Med x betegner vi vektoren ( )x, altså x x x n
Lineære afbildninger og matricer For to vektorer x y x, y i R n defineres vektoren x + y ( summen af x og y ) ved x + y x + y x n + y n Med x y betegner vi vektoren x +( y), altså x y x y x n y n x n Med disse definitioner af x og x y opnås, at vi kan regne med minustegn på sædvanlig måde Et udtryk af formen λx + µy kaldes en linearkombination af x og y Eksempel Hvis vektorerne x og y er givet ved x 3, y 4 er x + y 3 4 + Nulvektoren o i R n defineres ved 3 5 6 4 8 o y n 3 5 + 3 5 En vektor x R n, der ikke er nulvektoren, kaldes en egentlig vektor Vi har nu defineret to operationer på vektorer i R n, nemlig multiplikation af en vektor med et tal (skalarmultiplikation) og dannelse af to vektorers sum (addition) Om disse operationer gælder følgende regneregler, der i tilfældet n er bekendte fra regning med (koordinater for) vektorer i planen 5 3 6
Talrummene R n Sætning (Regneregler for vektorer i R n ) For vilkårlige vektorer x, y, z i R n og vilkårlige tal λ, µ i R gælder: V: (x + y)+z x +(y + z) V: x + o x V3: x +( x) o V4: x + y y + x V5: λ(x + y) λx + λy V6: (λ + µ)x λx + µx V7: (λµ)x λ(µx) V8: x x Bevis Disse regneregler følger let af de tilsvarende regneregler for de reelle tal Vi nøjes med et par eksempler Lad x x x n,y y y n,z z være vektorer i R n Der gælder da: x + y z x + y + z (x + y)+z + x n + y n z n x n + y n + z n z n og x y + z x + y + z x +(y + z) + x n y n + z n x n + y n + z n Heraf ses, at (x + y)+z x +(y + z), altså er V opfyldt For feks at indse, at V5 er opfyldt skriver vi x + y λ(x + y ) λx + λy λ(x + y) λ x n + y n λ(x n + y n ) λx n + λy n 3
Lineære afbildninger og matricer og λx λy λx + λy λx + λy +, λx n λy n λx n + λy n hvoraf gyldigheden af V5 aflæses De øvrige regneregler bevises efter et tilsvarende mønster Den fælles værdi af (x + y)+z og x +(y + z) (regneregel V) betegnes x + y + z Den fælles værdi af (λµ)x og λ(µx) (regneregel V7) betegnes λµx Eksempel 3 Hvis vektorerne x, y, z er givet ved er For to vektorer x 3 4 x + y 3z,y 3 4 + i R n defineres skalarproduktet x y ved 3 5 3 5,z 3 x y x,y x n y n x y x y + + x n y n, også betegnet n j x jy j Om skalarproduktet gælder følgende regneregler, der i tilfældet n er bekendte fra regning med skalarprodukt af vektorer i planen Sætning 4 (Regneregler for skalarprodukt) For vilkårlige vektorer x, y, z i R n og vilkårlige tal λ R gælder: S: (x + y) z x z + y z S: (λx) y λ(x y) S3: x y y x 9 4
Talrummene R n S4: x x S5: x x x o Bevis Regnereglerne S, S og S3 følger let af de tilsvarende regneregler for de reelle tal Vi nøjes derfor med et enkelt eksempel Lad x x x n,y y y n,z z være vektorer i R n Der gælder da: x + y z (x + y) z x n + y n z n (x + y )z + +(x n + y n )z n x z + y z + + x n z n + y n z n og z n x z + y z (x z + + x n z n )+(y z + + y n z n ) x z + y z + + x n z n + y n z n Heraf ses, at (x + y) z x z + y z, altså er S opfyldt Beviset for regnereglerne S og S3 følger et tilsvarende mønster Gyldigheden af S4 og S5 følger umiddelbart af, at x x x + + x n For en vektor x R n defineres længden af vektoren x som tallet x x x Denne definition giver mening da x x (S4) Vi bemærker, at x netophvis x o, ogat λx λ x for λ R, x R n En vektor x R n for hvilken x kaldes en enhedsvektor Hvisx R n er en egentlig vektor, da er vektoren y x x en enhedsvektor Vektoren y siges at være fremgået af x ved normering To vektorer x og y i R n siges at være ortogonale, hvis x y 5
Lineære afbildninger og matricer Eksempel 5 Hvis x, y er givet ved x 3 6,y 7 er og x y 7+( 3) +6 ( ) x +( 3) +6 49 7, y 7 + +( ) 54 3 6 Vektorerne e,,e j j,,e n kaldes standard enhedsvektorerne i R n Der gælder, at e i oge i e j fori j Hvis x x er en vektor i R n gælder, at x n x x e + + x n e n, og at x j x e j Matricer En matrix er et rektangulært talskema af formen a a a n a a a n A a m a m a mn 6
Matricer Den i te række i A, der også betegnes A [i, ], er (a i a in ), og den j te søjle i A, der også betegnes A [,j], er a j a mj Tallet a ij står i den i te række og den j te søjle og betegnes også A [i, j] Matricen A har m rækker og n søjler, og består således af mn reelle tal Vi kalder også A for en m n-matrix Vi kan opfatte A som opbygget af nm-talsøjler, og omtaler a a a m,,a n som matricens søjlevektorer Denj te søjlevektor er a j a j a mj a n a mn En matrix, hvori alle elementer er lig kaldes en nulmatrix Nulmatricer betegnes eller m,n Eksempel En 3 -matrix ser således ud a a a a a 3 a 3 Eksempel Matricen ( 4 7 3 5 5 8 ) hartorækkerogfemsøjler,ogeraltsåen 5-matrix Her er A [, ] ( 4 7 3 ), ( ) A [, ], A [, 4] 8 5 7
Lineære afbildninger og matricer I stedet for at opskrive matricen A i et skema bruges også den kortere skrivemåde A (a ij ) i m, j n Som en forkortelse af dette udtryk skriver vi ofte kun A (a ij ) m,n og fremhæver, at dette sidste udtryk altså er ensbetydende med a a n A a m a mn En n n matrix a a n a n a nn kaldes også enkvadratisk matrix I en kvadratisk matrix siges a ij at stå idiagonalen dersom i j, oguden for diagonalen dersom i j En kvadratisk matrix, hvori alle elementer uden for diagonalen er lig kaldes en diagonalmatrix En diagonalmatrix hvori alle diagonalelementer er lig kaldes en enhedsmatrix Enhedsmatricer betegnes E eller E n,n, dersom man ønsker at fremhæve rækkeog søjleantal Enhedsmatricer har altså formen E Detses,atdenj te søjlevektor i E netop er den j te standard enhedsvektor i R n Eksempel 3 De følgende matricer er eksempler på diagonalmatricer: 3, 5, Den sidste af disse matricer er en enhedsmatrix 8
Matricer En kvadratisk matrix a a n A a n a nn kaldes en nedre trekantsmatrix hhv øvre trekantsmatrix dersom a ij for alle i og j med i<jhhv i>j En nedre trekantsmatrix hhv øvre trekantsmatrix er altså en matrix af formen a a a a n a a, hhv a a n a n a n a nn a nn Eksempel 4 De følgende matricer er eksempler på nedre trekantsmatricer: 3, 3 5,, 4 3 og de følgende matricer er eksempler på øvre trekantsmatricer: 3 3, 5, 3 En m -matrix har formen a a m eller blot a a m og kaldes en søjlematrix, ogen n-matrix har formen og kaldes en rækkematrix (a a n )ellerblot(a a n ) Detses,atvinuhartomåder på hvilken vi kan navngive en n-talsøjle x x n, 9
Lineære afbildninger og matricer nemlig x x x og X x n I første tilfælde kalder vi søjlen for en vektor, og i andet tilfælde kalder vi søjlen for en (søjle-)matrix Det er bekvemt at have disse to muligheder for navngivning af en søjle; det afhænger af sammenhængen hvilken man bruger, men vi vil i øvrigt ikke skelne skarpt mellem de to muligheder På samme måde som vi taler om en matrices søjlevektorer, taler vi om en matrices søjlematricer Matricerne E,,E n kaldes for standard enhedssøjlematricerne Er der givet en m n-matrix A og en m p-matrix B kan man danne en m (n + p)- matrix C ud fra A og B s søjler ved at opskrive B s søjler efter A s søjler Matricen C kaldes en blokmatrix med blokkene A og B og man skriver C (A B ) Tilsvarende kan man slå flere matricer sammen og opnå blokmatricer af formen ( ) A A A n Er specielt A,,A n søjlematricer med m elementer, er ( ) A A A n en m n-matrix, hvis j te søjlematrix er A j Er tilsvarende a,,a n vektorer i R m kan disse opfattes som søjlematricer, og vi benytter da også betegnelsen A ( a a n ) for den m n-matrix A,hvisj te søjlevektor er a j Eksempel 5 Hvis A 3 x n og B 8 4 3 3,
3 Lineære afbildninger er og hvis er a ( ) A B,a 3 8 4 3 3 3 ( ) a a a 3 a 4,a 3 4 4 3 4 4,,a 4, 3 Lineære afbildninger Lad a a a n a a a n A a m a m a mn være en m n-matrix Til A knyttes en afbildning f : R n R m ved fastsættelsen x f x n a x + + a n x n a m x + + a mn x n Definition 3 En afbildning f : R n R m,derpå denne måde er knyttet til en m n-matrix A,kaldeslineær Eksempel 3 En lineær afbildning f : R R 3 har formen ( ) a x + a x x f a x x + a x a 3 x + a 3 x Eksempel 33 Afbildningen f : R 5 R givet ved x x ( f x 3 x 4 x +4x 3 7x 4 +3x 5 5x +5x +8x 4 +x 5 x 5 )
Lineære afbildninger og matricer er lineær, idet den er givet ved matricen ( 4 7 3 5 5 8 Eksempel 34 En fabrik fremstiller to varer X og X under anvendelse af tre råvarer Y, Y og Y 3 Hvis der dagligt fremstilles x enheder af X og x enheder af X siger vi, at fabrikkens produktionssæt er (x,x ) Hvis fabrikken dagligt forbruger y enheder af Y, y enheder af Y og y 3 enheder af Y 3 siger vi, at fabrikkens forbrugssæt er (y,y,y 3 ) Om den pågældende produktion gælder, at 3 enheder af Y produktion af en enhed af X kræver enheder af Y enhed af Y 3 og produktion af en enhed af X kræver ) 5 enheder af Y 5 enheder af Y 3 enheder af Y 3 Der er da følgende sammenhæng mellem forbrugssæt og produktionssæt: y 3x +5x y x +5x y 3 x +3x Lader vi f : R R 3 betegne den afbildning, der til et produktionssæt (x,x ) knytter det tilsvarende forbrugssæt (y,y,y 3 )servi,at ( ) y 3x +5x x f y x x +5x, y 3 x +3x og dermed, at f er en lineær afbildning givet ved 3 -matricen 3 5 5 3 Til en given m n-matrix A (a ij ) m,n knytter vi altså en lineær afbildning f : R n R m Viserat a a n f a,,f a n a m a mn
3 Lineære afbildninger Med andre ord har vi: Sætning 35 (Søjlereglen) Den j te søjlevektor i A er lig med billedet ved f af den j te standard enhedsvektor Af denne sætning fås umiddelbart: Sætning 36 En lineær afbildning f : R n R m er knyttet til netop en m n-matrix A Eksempel 37 Lad afbildningen f : R R være givet ved f ( ) ( x x + y y x y Vi vil undersøge, om denne afbildning er lineær Er f lineær, må den tilhørende matrix ifølge søjlereglen være ( ) A ) Men den til A hørende lineære afbildning g : R R er så g ( ) x y ( ) x + y x y Det ses umiddelbart, at afbildningerne f og g er forskellige, og derfor er f ikke lineær Idet a j betegner den j te søjlevektor i A kan Sætning 35 udtrykkes: a j a j a mj f(e j )a j, j n For en vektor x x x n 3
Lineære afbildninger og matricer i R n finder vi så følgende udtryk for f(x): x a x + + a n x n f x n a m x + + a mn x n a x a n x n + + a m x a mn x n x a a m + + x n a n a mn, altså f(x) x a + + x n a n Eksempel 38 Den lineære afbildning f fra Eksempel kan skrives x x f x 3 x 4 x x 5 ( 5 ) ( ) ( ) ( ) 4 7 + x + x 5 3 + x 4 8 + x 5 ( 3 Den identiske afbildning på R n, dvs den afbildning e : R n R n for hvilken e(x) x for alle x R n, er lineær, idet den er givet ved n n-enhedsmatricen E Sætning 39 Lad f : R n R m være en lineær afbildning Da gælder L: f(λx) λf(x) for alle x R n, λ R L: f(x + y) f(x)+f(y) for alle x,y R n Hvis omvendt f : R n R m er en afbildning, så L og L er opfyldt, da er f en lineær afbildning Bevis Antag først, at f er lineær, og lad A være den tilhørende m n-matrix Idet a,,a n betegner søjlevektorerne i A gælder for en vilkårlig vektor x x x n ) 4
3 Lineære afbildninger i R n,at Men da gælder f(x) x a + + x n a n λx λx λx n f(λx) λx a + + λx n a n λ(x a + + x n a n )λf(x) Dette viser, at L er opfyldt For at vise at L er opfyldt bemærker vi, at der for vilkårlige vektorer x y x,y gælder, at og derfor er x n y n x + y x + y, x n + y n f(x + y) (x + y )a + +(x n + y n )a n x a + y a + + x n a n + y n a n (x a + + x n a n )+(y a + + y n a n ) f(x)+f(y) Dette viser, at L er opfyldt Antag nu omvendt at f : R n R m er en afbildning, så LogLeropfyldtSæt a j f(e j ), lad A være m n-matricen A ( a a n ), og lad g : R n R m være den lineære afbildning, der er knyttet til A Der gælder g(x) x a + + x n a n x f(e )+ + x n f(e n ) f(x e )+ + f(x n e n ) (her benyttes L) f(x e + + x n e n ) (her benyttes L) f(x) Dette viser, at afbildningen f er lig med afbildningen g, og dermed at f er lineær 5
Lineære afbildninger og matricer Vi slutter med følgende Sætning 3 Hvis f : R n R m er en lineær afbildning knyttet til matricen A (a ij ) m,n gælder, at a ij f(e j ) e i, i m, j n Bevis Hvis a j a j a mj er den j te søjlevektor i A gælder, at a ij a j e i Men da a j f(e j )fås heraf, at a ij f(e j ) e i 4 Matrix algebra For matricer er der 3 regneoperationer: multiplikation med skalar, addition og multiplikation For a a n A a m a mn (a ij ) defineres For λa λa n λa (λa ij ) λa m λa mn a a n b b n A, B, a m a mn b m b mn hvor A og B begge er m n matricer, defineres a + b a n + b n A + B (a ij + b ij ) a m + b m a mn + b mn 6
4 Matrix algebra For a a p b b n A, B, a m a mp, b p b pn hvor A er en m p-matrix, og B er en p n-matrix, defineres C A B,somden m n-matrix c c n C c m c mn for hvilken c ij a i b j + + a ip b pj, i m, j n, eller anderledes udtrykt p c ij a ik b kj, i m, j n k Som det ses, er c ij lig med skalarproduktet af den i te række i A med den j te søjle i B, altså c ij (A B )[i, j] A [i, ] B [,j] Dette gør, at det er meget nemt at huske reglen for matrixmultiplikation Bemærk, at for at produktet A B skal være defineret skal antallet af søjler i A være lig med antallet af rækker i B Eksempel 4 Hvis er 3A A ( 6 9 3 3 6 ( 3 4 ), B ), B ( 8 4 6 ( 4 3 Eksempel 4 Hvis a a ( ) A a a b b og B b a 3 a b 3 er en 3 -matrix hhv -matrix er a b + a b a b + a b A B a b + a b a b + a b a 3 b + a 3 b a 3 b + a 3 b ), ) ( 8 7, 3A +B 6 ) 7
Lineære afbildninger og matricer Eksempel 43 Vi udregner et produkt af en 3-matrix og en 3 4-matrix Den resulterende matrix bliver en 4-matrix ( ) 3 5 5 3 ( ) 8 3 6 Sætning 44 For matrixregning gælder følgende regneregler: M: (A + B )+C A +(B + C ) M: A + A M3: A +( A ) M4: A + B B + A M5: λ(a + B )λa + λb M6: (λ + µ)a λa + µa M7: (λµ)a λ(µa ) M8: A A M9: λ(a B )(λa )B A (λb ) M: A (B + C )A B + A C M: (A + B )C A C + B C M: (A B )C A (B C ) Her er nulmatricen, og A ( )A den matrix, der fremgår af A ved at skifte fortegn for alle elementer i A Sidstnævnte matrix kaldes A s modsatte matrix Bemærk, at det er et krav, at operationerne i M-M skal være definerede Reglerne bevirker, at man stort set kan regne med matricer som med tal, men med en betydningsfuld forskel Der gælder normalt ikke A B B A Derfor må man ikke ændre på rækkefølgen af faktorerne i et matrixprodukt Derimod kan man udelade parenteser ved produkt af 3 eller flere matricer, hvilket er en konsekvens af den vigtige regel M, den såkaldte associative regel for matrixmultiplikation 8
4 Matrix algebra Bevis De første regneregler er alle simple at vise For at vise M indfører vi elementære matricer I j,k, hvordererpåplads(j, k) og ellers En vilkårlig m n-matrix A kan derfor skrives A j,k a jk I j,k, hvor alle de indgående elementære matricer er m n Der gælder åbenbart for elementære matricer (der kan multipliceres) { k m I j,k I m,n δ km I j,n, hvor δ km ellers (δ km defineret på denne måde kaldes ofte Kroneckers delta) Det følger nu, at ( ) (A B )C a jk I j,k b mn I m,n c rs I r,s j,k m,n r,s j,k m,n r,s A (B C ) ( ) a jk I j,k bmn I m,n crs I r,s a jk b mn c rs I j,k j,k j,k m,n r,s og derfor er (A B )C A (B C ), såfremt ( ) ( ) I j,k I m,n I r,s I j,k I m,n I r,s Af reglen for produkt af elementære matricer følger, at ( ) I j,k I m,n I r,s δ km I j,ni r,s δ km δ nr I j,s, ) I I I j,kδ nr I m,s δ nr I j,ki m,s δ nr δ km I j,s, j,k ( m,n I r,s og det viser det ønskede Lad f : R n R m være en lineær afbildning knyttet til m n-matricen a a n A a m a mn ) a jk b mn c rs (I j,k I m,n I r,s, ( I m,n I r,s ), 9
Lineære afbildninger og matricer Dergælderda x a x + + a n x n f x n a m x + + a mn x n Hvis vi skriver vektorer i R n som søjlematricer x X x n ( ) kan ( ) udtrykkes ved hjælp af matrix multiplikation på følgende måde: eller mere udførligt f(x )A X, x a a n x f x n a m a mn x n Vi skal nu se, at matrix multiplikation hænger nøje sammen med sammensætning af lineære afbildninger Først et eksempel: Eksempel 45 Lad de lineære afbildninger f : R R 3 hhv g : R R være givet ved matricerne ( ) A, hhv B 3 3 Vi vil beregne den sammensatte afbildning h f g : R R 3 Der gælder ( ) ( ) ( ) ( ) x x x x + x h f g f(g )f x x x x + x (x + x ) ( x + x ) 4x x (x + x )+ ( x + x ) 4x +x 3 (x + x )+3 ( x + x ) 3x +6x Vi ser altså at den sammensatte afbildning h f g er lineær, og at den er givet ved 3 -matricen 4 C 4 3 6 Ved udregning ses, at C A B
4 Matrix algebra Sætning 46 Lad f : R p R m og g : R n R p være lineære afbildninger Den sammensatte afbildning h f g : R n R m er da ligeledes lineær Hvis f svarer til m p-matricen A og g svarer til p n-matricen B,dasvarerh f g til m n-matricen C A B Bevis Da f : Y A Y, g : X B X er f g : X A (B X )(A B )X,idetvibenyt- ter den associative regel for matrixprodukt Men heraf følger, at f g er den lineære afbildning, der svarer til matricen A B Sætning 47 Idet A er en m n-matrix gælder E m,ma A E n,n A Bevis Dette ses ved en simpel udregning, men følger også umiddelbart ved at opfatte A og E m,m hhv E n,n som matricer for lineære afbildninger For en n n-matrix A og et naturligt tal k defineres den k te potens af A k af A ved A k A A (k faktorer ) Specielt bemærkes, at A A Vi bemærker, at matrixproduktet ikke er kommutativt, idetderforton n-matricer A og B i almindelighed gælder, at A B B A For diagonalmatricer er matrixmultiplikation særlig overskuelig Hvis A λ og B µ λ n µ n er A B λ µ λ n µ n Eksempel 48 Vi ser igen på fabrikkenfraeksempel34råvarerne Y, Y og Y 3 fremstilles af fabrikken selv ud fra to andre råvarer Z og Z Om denne produktion gælder, at { enhed af Z produktion af en enhed af Y kræver, enhed af Z
Lineære afbildninger og matricer og og produktion af en enhed af Y kræver produktion af en enhed af Y 3 kræver { 4 enheder af Z 3 enheder af Z, { enheder af Z enheder af Z Ved denne produktion beskrives den fremstillede mængde af varerne Y, Y og Y 3 ved produktionssættet (y,y,y 3 ) og den hertil forbrugte mængde af Z og Z beskrives ved forbrugssættet (z,z ) Mellem disse to sæt gælder følgende sammenhæng: z y +4y +y 3 z y +3y Hvis g : R 3 R betegner den afbildning, der til sættet (y,y,y 3 ) knytter det tilhørende sæt (z,z ), ser vi, at y ( ) ( ) g y z y +4y +y 3, z y y +3y 3 og dermed, at g er en lineær afbildning knyttet til 3-matricen ( 4 3 Idet vi stadig benytter betegnelserne fra Eksempel 34 ser vi, at den sammensatte afbildning g f : R R knytter produktionssættet (x,x ) for varerne X og X til forbrugssættet (z,z )forråvarerne Z og Z Ifølge Sætning 44 er den sammensatte afbildning g f lineær, og den er knyttet til produktmatricen ( 4 3 ) ) 5 3 5 3 ( 55 9 ) Heraf sluttes eller ( z z ) ( 55 9 )( x x ), z x +55x z 9x +x
5 Invers matrix 5 Invers matrix Vi ser først på den omvendte til en bijektiv lineær afbildning Der gælder: Sætning 5 Lad f : R n R n være en bijektiv lineær afbildning Den omvendte afbildning f : R n R n er ligeledes lineær Bevis Vi viser, at f opfylder L og L fra Sætning 39 Først L: Lad λ R og y R n,ogsætx f (y), hvoraf y f(x) Der gælder så f (λy) f (λf(x)) f (f(λx)) λx λf (y), altså gælder L Dernæst L: Lad y,y R n,ogsæt x f (y ), x f (y ), hvoraf y f(x ), y f(x ) Der gælder f (y + y ) f (f(x )+f(x )) f (f(x + x )) x + x f (y )+f (y ), altså gælderl Undervejs har vi adskillige gange benyttet at f er lineær Definition 5 En n n-matrix A kaldes regulær (eller invertibel), hvis den tilhørende lineære afbildning f : R n R n er bijektiv I givet fald kaldes den til f hørende n nmatrix for den inverse til A og betegnes A Eksempel 53 Vi betragter afbildningen f : R 3 R 3 givet ved x x + x 3 f x x + x x 3 x x 3 Denne afbildning er lineær, idet den er givet ved matricen A At f er bijektiv vil sige, at ligningen f(x) y har netop en løsning x R 3 for hvert y R 3 I koordinater betyder denne ligning x + x 3 y x + x y x x 3 y 3 Ved addition af første og sidste ligning efterfulgt af division med ses, at x (y + y 3 ), der ved indsættelse i første og anden ligning giver x y + y y 3 x 3 y y 3 3
Lineære afbildninger og matricer Det ses heraf (samt ved at gøre prøve), at der for hvert y R 3 findes netop et x R 3 så y f(x), altså erf bijektiv og dermed er matricen A regulær Af de fundne udtryk for x,x,x 3 ses, at y x f : y x y 3 x 3 Den tilhørende matrix A kan herefter nedskrives: y + y 3 y + y y 3 y y 3 A Det bemærkes, at vi senere vil finde mere effektive metoder til at afgøre om en kvadratisk matrix er regulær, og i givet fald finde dens inverse Sætning 54 Der gælder følgende: () Enhedsmatricen E er regulær, og E E () Hvis A er regulær, er A regulær, og (A ) A (3) Hvis A er regulær er A A A A E (4) Hvis A og B er regulære, da er A B regulær, og (A B ) B A Bevis () følger umiddelbart af, at den identiske afbildning er bijektiv, og har sig selv til invers () følger af, at hvis en afbildning f er bijektiv, da er f bijektiv, og (f ) f (3) følger af, at hvis f er en bijektiv afbildning, da er f f og f f begge lig med den identiske afbildning (4) følger af, at hvis afbildningerne f og g er bijektive, da er f g bijektive, og (f g) g f,jvfaforennærmereomtaleafdisseting 4
5 Invers matrix Lad os herefter se på hvornår diagonalmatricer er regulære Lad A λ være en diagonalmatrix Den til A hørende lineære afbildning er x λ x f x n λ n x n Det ses umiddelbart, at f er bijektiv netop når tallene λ,,λ n alle er forskellige fra, og i givet fald er den omvendte afbildning givet ved f y y n Af dette slutter vi umiddelbart følgende: λ n λ y λ n y n Sætning 55 En diagonalmatrix λ er regulær netop når alle diagonalelementerne er forskellige fra nul I givet fald er λ λ n λ n λ For en n n-matrix A har vi defineret den k te potens for hvert naturligt tal k Hvis A er regulær definerer vi for hvert naturligt tal k den negative potens A k ved A k (A ) k, λ n og vi sætter endvidere A E Herved har vi opnået, at A k er defineret for alle hele tal k Det er ikke svært at se, at A k A k A k +k for alle hele tal k,k Vi slutter med en nyttig sætning, som vi senere (Sætning 66) skal bevise en forbedret udgave af 5
Lineære afbildninger og matricer Sætning 56 Hvis A og B er n n-matricer, således at A B E og B A E, da er A (og B )regulær,oga B (og B A ) Bevis Lad f,g : R n R n være de lineære afbildninger der hører til A,hhvBDaer f g id R n og g f id R n,hvoraffås (A), at f (og g) erbijektiv,ogf g (og g f) Dette viser, at A er regulær, og A B 6 Transponeret matrix For en given m n-matrix a a n A a m a mn definerer vi den transponerede matrix A t som den n m-matrix a a m A t a n a nm hvorom det gælder, at Vi har altså a ij a ji, i n, j m a a m A t a n a mn Matricen A t opstår ud fra A ved at skrive første række i A som første søjle i A t, anden række i A som anden søjle i A t, osv Der gælder derfor A t [i, j] A [j, i] Eksempel 6 Hvis A er 3 -matricen a a A a a a 3 a 3 er A t givet ved 3-matricen ( ) A t a a a 3 a a a 3 6
6 Transponeret matrix Eksempel 6 Hvis er Hvis A ( 4 7 3 5 5 8 A t 5 5 4 7 8 3 x X x n ) er en søjlematrix, er X t rækkematricen givet ved X t (x x n ) Hvis x y X,Y er to søjlematricer, er skalarproduktet af vektorerne x X x n y n og y Y givet ved x y X t Y Om transponering af matricer gælder: Sætning 63 For en vilkårlig m n matrix A gælder (A t ) t A Bevis Dette følger af udregningen (A t ) t [i, j] A t [j, i] A [i, j] Sætning 64 Idet A og B er vilkårlige m p- hhv p n-matricer gælder (A B ) t B t A t 7
Lineære afbildninger og matricer Bevis Dette følger af udregningerne (A B ) t [i, j] (A B )[j, i] A [j, ] B [,i], (B t A t )[i, j] B t [i, ] A t [,j]b [,i] A [j, ] Sætning 65 Hvis A er en regulær n n-matrix, da er den transponerede A t ligeledes regulær, og der gælder (A t ) (A ) t Bevis Idet fås af Sætning 64 at A A E og A A E A t (A ) t (A A ) t E t E og (A ) t A t (A A ) t E t E Herefter følger resultatet af Sætning 56 Definition 66 Lad f : R n R m være en lineær afbildning hørende til m n- matricen A Veddentransponerede lineære afbildning til f forstås den lineære afbildning f t : R m R n, der hører til den transponerede matrix A t Om transponeret lineær afbildning gælder følgende vigtige sætning: Sætning 67 Lad f : R n R m være en lineær afbildning Der gælder da f(x) y x f t (y) ( ) for alle vektorer x R n og alle vektorer y R m Erendvidereg : R m R n en afbildning for hvilken f(x) y x g(y) ( ) for alle vektorer x R n og alle vektorer y R m,daerg f t Bevis Idet vi skriver vektorerne x og y som søjlematricer X og Y fås f(x) y (A X ) t Y (X t A t )Y X t (A t Y )x f t (y) Dette viser at ( ) er opfyldt Antag at g : R m R n er en lineær afbildning, der opfylder ( ) for alle vektorer x R n og alle vektorer y R m Daerf(x) y f(x) y x g(y) x f t (y) x (g(y) f t (y)) for alle vektorer x R n og alle vektorer y R m Specielt for x g(y) f t (y) fås g(y) f t (y),hvorafg(y) f t (y) for alle y R m, og det viser, at g f t 8
6 Transponeret matrix En matrix A (a ij ) m,n kaldes symmetrisk, hvisa t A Dette er ensbetydende med at m n, oga ij a ji for alle i, j n En lineær afbildning f kaldes symmetrisk hvis den tilhørende matrix er symmetrisk Dette er ensbetydende med at f t f Eksempel 68 Følgende matricer er symmetriske ( ), 3 5, 3 5 4 Af Sætning 67 fås umiddelbart Sætning 69 For en symmetrisk lineær afbildning f : R n R n gælder f(x) y x f(y) for alle vektorer x R n og alle vektorer y R n 9
Række- og søjleoperationer Lineære ligningssystemer Række- og søjleoperationer En given m n-matrix a a n A a m a mn kan omformes til en ny m n-matrix ved hjælp af de såkaldte række- og søjleoperationer Vi ser først på rækkeoperationer Afsådanne er der tre typer, nemlig Type M: Multiplikation af en række med et tal c Type B: Ombytning af to rækker Type S: Addition af et multiplum af en række til en anden række (Her hentyder M til multiplikation, B til byt og S til sum ) Eksempel Vi viser nu eksempler på de tre typer rækkeoperationer, og demonstrerer samtidig hvorledes rækkeoperationer angives Først multipliceres første række i den nedenfor givne matrix med, dernæst ombyttes første og anden række og endelig adderes den anden række multipliceret med til første række: ( ) ( ) 4 3 3 ( ) ( ) 3 R 3 Eksempel To (eller flere) operationer, der ikke influerer på hinanden (dvs er ombyttelige) kan udføres i samme skridt: 3 R 3 4 6 3 +3R 5 9 3
Trappematricer Til hver rækkeoperation svarer en omvendt rækkeoperation: Den omvendte til den rækkeoperation, der består i at multiplicere den række med en konstant c, er den rækkeoperation, der består i at multiplicere samme række med c Den rækkeoperation, der består i at ombytte to rækker, har sig selv til omvendt rækkeoperation Den omvendte til den rækkeoperation, der består i at multiplicere en række med en konstant c og addere den til en anden række, er den rækkeoperation, der består i at multiplicere den samme række med c og addere den til samme anden række Hvis man udfører en rækkeoperation på en matrix, og på den fremkomne matrix dernæst udfører den omvendte rækkeoperation, kommer man tilbage til den oprindelige matrix Eksempel 3 Vi udfører de omvendte til de i Eksempel udførte rækkeoperationer, og kommer herved tilbage til den oprindelige matrix: ( ) ( ) 3 +R 3 ( ) ( ) 4 3 3 Tilsvarende er der tre typer søjleoperationer, nemlig Type M: Multiplikation af en søjle med et tal c Type B: Ombytning af to søjler Type S: Addition af et multiplum af en søjle til en anden søjle Eksempel 4 Vi viser nu eksempler på de tre typer søjleoperationer, og demonstrerer samtidig hvorledes søjleoperationer angives: ( ) ( ) ( ) ( ) 3 3 3 6 +3S Trappematricer Lad A (a ij ) m,n være en m n-matrix Definition Matricen A kaldes en trin- matrix, hvisdenharformen a A, 3
Række- og søjleoperationer Lineære ligningssystemer hvor a,oghvor betyder, at der på depågældende pladser kan stå vilkårlige tal Tallet a kaldes da for matricens første trin Positionen (i, j) for første trin i en trin- matrix er (,j )for j n Matricen A, der fremkommer af A ved at slette første række kaldes restmatricen for trin- matricen A Hvis restmatricen A også er en trin- matrix kaldes A for en trin- matrix I givet fald kaldes første trin i A for andet trin i A Positionen (i, j) for andet trin i en trin- matrix er (,j )forj <j n Restmatricen A for trin- matricen A kaldes også restmatricen for trin- matricen A Tilsvarende defineres trin-3, trin-4, matricer Matricen A kaldes en trappematrix, hvis den er en trin-d matrix for et d,, 3,, og hvis den tilsvarende restmatrix enten er tom (dvs uden elementer) eller en nulmatrix Hvis A er en trappematrix kaldes tallene j < <j d for trinpositionerne for A Vi definerer nulmatricen til at være en trappematrix Eksempel Følgende matricer er trin- matricer Første trin er indrammet Det ses, at j,hhvj 3 4 5 6 3 4 5 7 3 3 6, 3 4 4 5 3 De tilhørende restmatricer er 5 7 3 3 6, 4 4 5 3 3 Eksempel 3 Følgende matricer er trin- matricer Trinnene er indrammet Det ses, at j ogj 3,hhvj ogj 4 3 4 5 6 7 3 6 4 5, 3 4 3 3 Eksempel 4 Følgende matricer er (trin-3 hhv trin-4) trappematricer Trinnene er indrammet Det ses, at j,j 3ogj 3 6,hhvj,j 4,j 3 5ogj 4 7 3 4 5 6 7 3 6, 3 4 3 3
Trappematricer For at afgøre om en given matrix er en trin- matrix opsøger man altså første søjle, a der ikke er nulsøjlen Har denne søjle formen er matricen en trin- matrix Man kan så danne restmatricen, og undersøge om den er en trin- matrix Er dette tilfældet kan man fortsætte, og ender man til sidst med en nulmatrix eller den tomme matrix, er den givne matrix en trappematrix Nedenstående Sætning 7 siger, at enhver matrix ved hjælp af rækkeoperationer kan omformes til en trappematrix Vi giver først et par eksempler på, at det er tilfældet Som det vil fremgå af det følgende, er man normalt interesseret i, at trinnene i en trappematrix har værdien, og det kan man naturligvis altid opnå (ved hjælp af rækkeoperationer af Type M) Eksempel 5 En matrix omdannes til en (trin-) trappematrix ved hjælp af rækkeoperationer: 4 5 5 4 4 3 3 4 3 4 4 5 5 4 R +R Eksempel 6 En matrix omdannes til en (trin-4) trappematrix ved hjælp af rækkeoperationer: 4 3 6 3 +R R R 3 8 3R 3 33
Række- og søjleoperationer Lineære ligningssystemer Sætning 7 Enhver m n-matrix kan ved hjælp af rækkeoperationer omformes til en trappematrix Bevis Lad A (a ij ) m,n være den givne matrix Vi kan antage, at A ikke er nulmatricen Lad j være det mindste tal, så denj te søjle ikke er nulsøjlen Vi sørger først for, at a j, ved om nødvendigt at foretage en rækkeombytning Det kan lade sig gøre, da den j te søjle ikke er nul Dernæst skaffer vi nuller under a j ved at addere række multipliceret med a j a j tilrække,rækkemultipliceretmed a 3j a j til3rækkeetc På denne måde bliver A omdannet til en trin- matrix Idet rækkeoperationer, der ikke involverer række, i en trin- matrix ikke ødelægger, at matricen er en trin- matrix, kan vi nu behandle restmatricen A på samme måde, og når herved frem til en trin- matrix Således fortsættes, indtil restmatricen enten er tom eller en nulmatrix, og den fremkomne matrix er en trappematrix For at omdanne en given matrix til en trappematrix opsøges altså den første søjle forskellig fra nul, og ved hjælp af rækkeoperationer omdannes matricen til en matrix, der har nuller i denne søjle, undtagen på første plads Herved er fremkommet en trin- matrix Restmatricen behandles nu på samme måde, og fortsættes på den måde fremkommer til sidst en trappematrix Bemærk, at antallet d af trin i en m n-matrix trappematrix naturligvis altid er mindre end eller lig med både række- og søjleantallet Der gælder, at m d netop hvis sidste række ikke er en nulrække, og d n netop hvis der om trinpositionerne gælder, at j,j,,j d n d Definition 8 En reduceret trappematrix er en trappematrix, således at trinnene alle har værdien, og således, at der er nuller ikke blot under, men også over trinnene Sætning 9 Enhver m n-matrix kan ved hjælp af rækkeoperationer omformes til en reduceret trappematrix Bevis Det drejser sig om at vise, at en trappematrix kan omformes til en reduceret trappematrix (Sætning 7) Først skaffes -taller i trinnene ved rækkeoperationer af type M Dernæst begynder vi bagfra, idet der først skaffes nuller over sidste trin ved hjælp af rækkeoperationer af Type S Dette influerer ikke på de søjler, der står til venstre for den søjle, der indeholder sidste trin, og de rækker der står under den række, der indeholder sidste trin Herefter fortsættes på samme måde med næstsidste trin, og vi ender til slut med en reduceret trappematrix Eksempel Matricen fra Eksempel 5 videreomformes til en reduceret trappematrix: 4 4R 5 34
3 Lineære ligningssystemer Eksempel Matricen fra Eksempel 6 videreomformes til en reduceret trappematrix: +R 4 R 3 +R 4 R 3 R 4 +R 3 Lineære ligningssystemer Et lineært ligningssystem med m ligninger og n ubekendte har formen a x + a x + + a n x n b a x + a x + + a n x n b a m x + a m x + + a mn x n b m En løsning til ligningssystemet er et talsæt (x,x,,x n ), som tilfredsstiller alle ligningssystemets ligninger Mængden af alle løsninger kaldes løsningsmængden Hvis alle b i -erne er lig med kaldes ligningssystemet homogent, ellers kaldes det inhomogent Et homogent ligningssystem har altid løsningen (x,,x n )(,, ) Eksempel 3 Ligningssystemet x 3x + x 3 x + x x 3, 3x +x +x 3 3 der består af 3 ligninger med 3 ubekendte, er inhomogent Det tilhørende homogene ligningssystem er x 3x + x 3 x + x x 3 3x +x +x 3 Matricen a a a n a a a n A a m a m a mn 35
Række- og søjleoperationer Lineære ligningssystemer kaldes for ligningssystemets koefficientmatrix Tilføjes søjlematricen b B der kaldes ligningssystemets konstantsøjle efter sidste søjle i A,fås ligningssystemets totalmatrix a a a n b C, a m a m a mn b m b m, dererenm (n + )-matrix Bemærk, at C kan skrives som blokmatricen C ( A B ) Det er klart, at enhver m (n + )-matrix C kan opfattes som totalmatrix for et lineært ligningssystem med m ligninger og n ubekendte Eksempel 3 Totalmatricen for det inhomogene ligningssystem fra Eksempel 3 er 3 3 3 Af hensyn til overskueligheden er der her sat en skillelinie mellem ligningssystemets koefficientmatrix og dets konstantsøjle Sætter vi ser vi, at ligningssystemet kan skrives x X x n A X B, Sætning 33 Hvis det om totalmatricerne for to lineære ligningssystemer gælder, at den ene fremgår af den anden ved udførelse af rækkeoperationer, da har de to lineære ligningssystemer samme løsningsmængde 36
3 Lineære ligningssystemer Bevis Vi illustrerer sætningen på et ligningssystem bestående af 3 ligninger med 4 ubekendte Vi skriver totalmatricen under ligningssystemet: a x + a x + a 3 x 3 + a 4 x 4 b a x + a x + a 3 x 3 + a 4 x 4 b a 3 x + a 3 x + a 33 x 3 + a 34 x 4 b 3 a a a 3 a 4 b a a a 3 a 4 b a 3 a 3 a 33 a 34 b 3 ( ) Hvis vi udfører en rækkeoperation af type M på totalmatricen, feks multiplicerer vi tredie række med c,får vi følgende ligningssystem og totalmatrix a x + a x + a 3 x 3 + a 4 x 3 b a x + a x + a 3 x 3 + a 4 x 3 b ca 3 x + ca 3 x + ca 33 x 3 + ca 34 x 3 cb 3 a a a 3 a 4 b a a a 3 a 4 b ca 3 ca 3 ca 33 ca 34 cb 3 ( ) Det er klart, at de to ligningssystemer ( ) og( ) har samme løsningsmængde; ligningen ( ) fremkommer jo fra ligningen ( ) ved multiplikation af tredie ligning med c Hvis vi udfører en rækkeoperation af type B på totalmatricen, svarer det til at to af ligningerne ombyttes, og det ændrer naturligvis ikke på løsningsmængden Hvis vi udfører en rækkeoperation af type S på totalmatricen, feks multiplicerer vi tredie række med c og adderer den til første række, får vi følgende ligningssystem og totalmatrix (a + ca 3 )x +(a + ca 3 )x +(a 3 + ca 33 )x 3 +(a 4 + ca 34 )x 4 b + cb 3 a x + a x + a 3 x 3 + a 4 x 4 b a 3 x + a 3 x + a 33 x 3 + a 34 x 4 b 3 a + ca 3 a + ca 3 a 3 + ca 33 a 4 + ca 34 b + cb 3 a a a 3 a 4 b a 3 a 3 a 33 a 34 b 3 ( ) Igen er det klart, at en løsning til ligningen ( ) også er løsning til ligningen ( ); den sidste ligning i ( ) er jo blot multipliceret med c og adderet til den første ligning Omvendt er en løsning til ( ) også løsning til ( ), idet ( ) jo fremkommer fra ( ) ved at multiplicere tredie ligning med c og trække den fra første ligning 37
Række- og søjleoperationer Lineære ligningssystemer Vi vil nu give en række eksempler på, hvorledes man ved hjælp af Sætning 33 på behændig måde kan løse lineære ligningssystemer Fremgangsmåden er, at man omdanner det givne lineære ligningssystems totalmatrix til en trappematrix Eksempel 34 Vi vil bestemme løsningsmængden til det lineære ligningssystem x 3x + x 3 x + x x 3 3x +x +x 3 3 Vi opskriver totalmatricen for ligningssystemet, og omdanner denne til en trappematrix ved hjælp af rækkeoperationer: 3 3 +R 3 3 3 3 +3R 3 5 9 +5R 3 6 4 6 3 4 Vi opskriver herefter ligningssystemet, der har den herved fremkomne matrix til totalmatrix: x x + x 3 x + x 3 3 x 3 4 Heraf aflæses, at x 3 4 Dette indsættes så i den anden ligning, og vi finder x 4 3, hvoraf x, og indsættes så endelig i den første ligning fås x 4, hvoraf x 3Vislutteraltså, at ligningssystemet har netop en løsning, nemlig (x,x,x 3 ) (3,, 4) Eksempel 35 Vi vil bestemme løsningsmængden til det lineære ligningssystem x x 5x 3 3 x +3x +8x 3 4 x +6x +4x 3 Vi opskriver totalmatricen for ligningssystemet, og omdanner denne til en trappematrix ved hjælp af rækkeoperationer: 5 3 5 3 3 8 4 +R 6 4 +R 4 4 +R 38
5 3 3 Lineære ligningssystemer 5 3 Vi opskriver så ligningssystemet, der har den herved fremkomne matrix til totalmatrix: x +x +5x 3 3 x +x 3 Her har vi kun nedskrevet ligningerne, der kommer fra de to første rækker; den sidste række giver jo ligningen, og den kan vi derfor se bort fra Det ses, at for hvert valg af en værdi t af x 3 har systemet en løsning (x,x,x 3 ), nemlig x x 3 t og x 3 x 5x 3 3 ( t) 5t t Løsningsmængden er altså x x x 3 t t t t R Vi siger, at løsningsmængden er beskrevet ved en parameterfremstilling med parameter t Bemærk, at en løsning også kanskrives x x + t x 3 Eksempel 36 Vi vil bestemme løsningsmængden til det lineære ligningssystem x x 5x 3 3 x +3x +8x 3 4 x +6x +4x 3 5 Dette ligningssystem har samme koefficientmatrix som ligningssystemet i Eksempel 35, men konstantsøjlen er en anden Vi opskriver igen totalmatricen for ligningssystemet, og omdanner denne til en trappematrix ved hjælp af de samme rækkeoperationer som i Eksempel 35: 5 3 3 8 4 6 4 5 +R +R 5 3 5 5 3 4 5 3 5 +R Vi opskriver så ligningssystemet, der har den herved fremkomne matrix til totalmatrix: x +x +5x 3 3 x +x 3 5 39
Række- og søjleoperationer Lineære ligningssystemer Da den sidste ligning aldrig er opfyldt, idet venstresiden altid er, har ligningssystemet ingen løsninger Eksempel 37 Vi vil bestemme løsningsmængden til det lineære ligningssystem 4x 6y +z x 3y + z Vi opskriver totalmatricen for ligningssystemet, og omdanner denne til en trappematrix: ( ) ( ) ( ) 4 6 3 3 3 3 R Vi opskriver så ligningssystemet, der har den herved fremkomne matrix til totalmatrix: x 3y + z Sætter vi her z t og y s fås x 3s + t, hvoraf x + 3s t Der gælder altså, at der for hvert valg af en værdi t af z og en værdi af s af y findes en løsning (x, y, z), nemlig x + 3s t y s z t 3 + s + t Vi siger, at løsningsmængden er beskrevet ved en parameterfremstilling med parametrene (s, t) Eksempel 38 Vi vil bestemme løsningsmængden til det lineære ligningssystem x 3 x 4 +8x 5 3 x x +3x 3 +x 4 + x 5 3x 6x +x 3 +6x 4 +5x 5 7 Vi opskriver totalmatricen for ligningssystemet og omdanner denne til en trappematrix ved hjælp af rækkeoperationer: 8 3 3 3 8 3 3 6 6 5 7 3 6 6 5 7 3R 3 8 3 3 3 3 8 3 R 4
3 3 4 7 3 Lineære ligningssystemer 3 3 4 7 Vi opskriver så ligningssystemet, der har den herved fremkomne matrix til totalmatrix: x x +3x 3 +x 4 + x 5 x 3 +x 5 3 x 4 4x 5 7 Sætter vi her x 5 t,sesatx 4 7+4t og x 3 3 t Sætter vi videre x t ses, at x t +3( 3 t )+(7+4t )+t, hvoraf x 5+t 3t Der gælder altså, at der for hvert valg af en værdi t af x 5 og en værdi t af x findes en løsning (x,x,x 3,x 4,x 5 ), nemlig x 5+t 3t 5 3 x x 3 x 4 t 3 t 7+4t 3 7 + t 4 x 5 t Det ses, at løsningsmængden er beskrevet ved en parameterfremstilling med parametrene (t,t ) Den i eksemplerne illustrerede metode, der består i at omdanne totalmatricen for et givet lineært ligningssystem til en trappematrix, og hermed opnå et simplere ligningssystem, der har de samme løsninger som det oprindelige, kaldes Gauss-elimination Af og til går man videre og benytter Gauss-Jordan elimination, der består i at omdanne totalmatricen til en reduceret trappematrix Herved opnår man, at løsningsmængden umiddelbart kan opskrives Når man alligevel normalt foretrækker at nøjes med Gausselimination hænger det sammen med, at det samlede skrive- og regnearbejde i reglen er mindre end når der benyttes Gauss-Jordan elimination Eliminationsmetoderne er opkaldt efter den store tyske matematiker CF Gauss (777-855), og den tyske geodæt W Jordan (84-899) Eksempel 39 Vi ser på ligningssystemet i Eksempel 34 Dets totalmatrix blev i nævnte eksempel omformet til en trappematrix Vi går nu videre og omformer det til en reduceret trappematrix: 3 4 R 3 R 3 Det hertil hørende ligningssystem er 4 x 3 x, x 3 4 +R 3 4 4
Række- og søjleoperationer Lineære ligningssystemer der netop angiver løsningen Eksempel 3 Vi ser på ligningssystemet i Eksempel 38 Dets totalmatrix blev i nævnte eksempel omformet til en trappematrix Vi går nu videre og omformer den til en reduceret trappematrix: 3 3 4 7 3 R Det hertil hørende ligningssystem nedskrives: Indsættes heri x t, x 5 t fås 3 9 4 3 4 7 3 5 3 4 7 x x +3x 5 5 x 3 +x 5 3 x 4 4x 5 7 x t +3t 5 x 3 +t 3 x 4 4t 7, 3R hvoraf vi finder, som ovenfor x 5+t 3t x x 3 x 4 t 3 t 7+4t x 5 t Vi kan opsummere den beskrevne løsningsmetode for lineære ligningssystemer på følgende måde: () For et givet lineært ligningssystem A X B, ( ) hvor A er en m n-matrix og B er en søjlematrix, opskrives totalmatricen C ( A B ) Denne omdannes ved hjælp af rækkeoperationer til en trappematrix C ( A B ) 4
3 Lineære ligningssystemer Det hertil hørende lineære ligningssystem A X B ( ) har de samme løsninger som det oprindelige system ( ) () Betragt så det tilfælde, hvor totalmatricen C for ligningssystemet ( ) er en trappematrix med d trin og med trinpositioner j < <j d Hvis sidste trin står i sidste søjle af C er der ingen løsninger (jvf Eksempel 36) Antag så, at sidste trin ikke står i sidste søjle Hvis antallet af trin er lig antallet af søjler i A,altså n d, erdernetop en løsning (jvf Eksempel 34), og hvis antallet af søjler i A er større end antallet af trin, altså n>d, sættes de variable x j,hvorj ikke er en af trinpositionerne j,,j d lig med parametrene t,,t n d, og dernæst udtrykkes de variable x j,,x jd svarende til trinpositioner, ved parametrene t,,t n d (jvf Eksempel 35, 38) Sætning 3 Lad A være en m n-matrix, og antag at A ved hjælp af rækkeoperationer er omdannet til en trappematrix A med d trin Der gælder da: () Hvis m>dfindes der en søjle B,så ligningssystemet A X B ingen løsninger har () Hvis n>dhar ligningen A X en løsningsmængde givet ved parameterfremstilling med n d parametre, og ligningen har altså uendeligt mange løsninger (3) Hvis m n d har ligningssystemet A X B netop en løsning for hvert valg af B Bevis (): Hvis m > d sætter vi B e d+,hvore d+ er den (d + ) te standard enhedsvektor Ligningssystemet A X B har da ingen løsninger, idet totalmatricen C C ( A B ) er en trappematrix, der har sidste trin i sidste søjle Udfører vi nu på de omvendte til rækkeoperationer, der førte A over i A,vilC blive overført i en ( ) matrix C A B, og det ligningssystem A X B,derharC til totalmatrix, har da heller ingen løsninger Dette viser, at () gælder () og (3): Dette følger umiddelbart af ovenstående opsummering af løsningsmetoden for lineære ligningssystemer Eksempel 3 Vi betragter 3 3-matricen (jvf Eksempel 35 og 36) A 5 3 8 6 4 43
Række- og søjleoperationer Lineære ligningssystemer Denne omdannes ved hjælp af rækkeoperationer til en trappematrix: 5 5 3 8 +R 6 4 +R 4 +R 5 5 Idet antallet af trin er mindre end antallet af rækker i matricen findes ifølge Sætning 3 en søjle B b b b 3, så ligningen A X B ingen løsninger har Vi vil finde en sådan søjle B Ligningssystemet, der har totalmatricen 5 har ingen løsninger Vi udfører nu de omvendte rækkeoperationer på denne matrix 5 5 R 5 5 R 3 8 4 R 6 4 Ligningssystemet, der hardenne matrix til totalmatrix, har heller ingen løsninger Som søjlen B kan vi da bruge Sætning 33 Lad A være en m n-matrix, og antag at A ved hjælp af rækkeoperationer er omdannet til en trappematrix A med d trin Der gælder da: () Hvis ligningssystemet A X B har mindst en løsning for hvert valg af B,daer d m () Hvis ligningssystemet A X kun har en løsning (nemlig ), da er d n (3) Hvis ligningssystemet A X B har netop en løsning for hvert valg af B,daer d m n Bevis () og () følger umiddelbart af () og () i den foregående sætning (3) følger af () og () 44
4 Lineære ligningssystemer og lineære afbildninger 4 Lineære ligningssystemer og lineære afbildninger Vi skal nu drage nogle konklusioner om lineære afbildninger på baggrund af den viden om lineære ligningssystemer vi har opnået i afsnit 3 Lad A være en m n-matrix Et lineært ligningssystem med A som koefficientmatrix har formen A X B, ( ) hvor B er en given søjlematrix, og det drejer sig om at finde de søjler X, der tilfredsstiller ligningen Lader vi så f : R n R m være den lineære afbildning der hører til A,og skriver vi x X, b B lyder ligningen f(x) b ( ) At ligningen ( ) har en løsning for hvert valg af B betyder derfor, at f er surjektiv, og at ligningen ( ) harhøjst en løsning for hvert valg af B betyder at f er injektiv Endelig er f bijektiv når ligningen ( ) harnetop en løsning for hvert valg af B Om injektivitet af lineære afbildninger gælder følgende Sætning 4 En lineær afbildning f : R n R m er injektiv netop når ligningen f(x) o kun har løsningen x o Bevis For en lineær afbildning gælder altid, at f(o) o Hvisf er injektiv er det derfor klart, at f(x) o medfører at x o Antag omvendt at f(x) o medfører at x o Hvis x og x er løsninger til ligningen f(x) b, gælderatf(x )b f(x ), hvoraf o f(x ) f(x )f(x x ) Men så erx x o ifølge forudsætningen, og dermed er x x Viharhermedvist,atf er injektiv Bemærk, at vi undervejs benyttede at f er lineær Sætning 4 Lad f : R n R m være en lineær afbildning Der gælder () Hvis f er surjektiv er m n () Hvis f er injektiv er m n (3) Hvis f er bijektiv er m n Bevis Lad A være den m n-matrix der er knyttet til f Vi omdanner A til en trappematrix A med d trin (): Hvis f er surjektiv følger det af Sætning 33, at m d n (): Hvis f er injektiv følger det af Sætning 33, at n d m (3):Hvisf er bijektiv er den surjektiv og injektiv, hvoraf m n ( d) ifølge () og () 45