Lineær Algebra, kursusgang

Relaterede dokumenter
Underrum - generaliserede linjer og planer

Lineær algebra: Spænd. Lineær (u)afhængighed

Lineær algebra 1. kursusgang

Matematik og FormLineære ligningssystemer

Ligningssystemer - nogle konklusioner efter miniprojektet

Eksamen i Lineær Algebra

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

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

(Prøve)eksamen i Lineær Algebra

Eksamen i Lineær Algebra

To find the English version of the exam, please read from the other end! Eksamen i Lineær Algebra

Besvarelser til Lineær Algebra Reeksamen August 2016

Kursusgang 3 Matrixalgebra Repetition

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

Prøveeksamen A i Lineær Algebra

(Prøve)eksamen i Lineær Algebra

Oversigt [LA] 11, 12, 13

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

3.1 Baser og dimension

Tidligere Eksamensopgaver MM505 Lineær Algebra

Reeksamen i Lineær Algebra

Eksamen i Lineær Algebra

Besvarelser til Lineær Algebra Ordinær Eksamen Juni 2018

To find the English version of the exam, please read from the other end! Eksamen i Lineær Algebra

Matematik: Stuktur og Form Lineære ligningssystemer

Eksamen i Lineær Algebra

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

Lineær Algebra - Beviser

Diagonalisering. Definition (diagonaliserbar)

Besvarelser til Lineær Algebra Ordinær Eksamen - 5. Januar 2018

Eksamen i Lineær Algebra

Lineær Algebra F08, MØ

Besvarelser til Lineær Algebra Ordinær Eksamen Juni 2017

Besvarelser til Lineær Algebra med Anvendelser Ordinær Eksamen 2016

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

Eksamen i Lineær Algebra

Eksamen i Lineær Algebra

Reeksamen i Lineær Algebra

Egenværdier og egenvektorer

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

Oversigt [LA] 6, 7, 8

Eksamen i Lineær Algebra

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

DesignMat Uge 11 Lineære afbildninger

Eksamen i Lineær Algebra

Kursusgang 3 Matrixalgebra fortsat

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

Matematik og Form: Matrixmultiplikation. Regulære og singu

Matrx-vektor produkt Mikkel H. Brynildsen Lineær Algebra

Lineær Algebra eksamen, noter

Eksamen i Lineær Algebra

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

Definition 13.1 For en delmængde af vektorer X R n er det ortogonale komplement. v 2

Kursusgang 3 Matrixalgebra Repetition

DesignMat Uge 1 Gensyn med forårets stof

Skriftlig eksamen Vejledende besvarelse MATEMATIK B (MM02)

2010 Matematik 2A hold 4 : Prøveeksamen juni 2010

Matematik for økonomer 3. semester

Lineære ligningssystemer og Gauss-elimination

Besvarelser til Lineær Algebra Ordinær eksamen - 6. Juni 2016

Eksamen i Lineær Algebra

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

Module 1: Lineære modeller og lineær algebra

Sandt/falsk-opgave: Diskuter opgave 23 side 12 i gruppen, men husk at begrunde jeres svar, som teksten før opgave 23 kræver!

Lineær algebra: Matrixmultiplikation. Regulære og singulære

Lineær algebra: Lineære afbildninger. Standardmatricer

Lidt alment om vektorrum et papir som grundlag for diskussion

Lineær Algebra, TØ, hold MA3

Vektorrum. enote Generalisering af begrebet vektor

Lineær Algebra, kursusgang

Lineær Algebra, kursusgang

Eksempel på 2-timersprøve 2 Løsninger

Lineære Afbildninger. enote Om afbildninger

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.

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

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

Oversigt [LA] 3, 4, 5

To ligninger i to ubekendte

Mat10 eksamensspørgsmål

Fejlkorligerende køder Fejlkorrigerende koder

DesignMat Uge 1 Repetition af forårets stof

Noter til Lineær Algebra

Definition. og lœngden, normen. og afstanden mellem vektorer a og b. Der gælder

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

Matematik: Struktur og Form Matrixmultiplikation. Regulære og singulære matricer

Københavns Universitet, Det naturvidenskabelige Fakultet. Afleveringsopgave 3

Chapter 3. Modulpakke 3: Egenværdier. 3.1 Indledning

Lineær algebra Kursusgang 6

2. gang. Det bliver den 18. februar, idet jeg er på ferie den 11/2. Med venlig hilsen Jon Johnsen

Lineær algebra: Egenværdier, egenvektorer, diagonalisering

Oversigt [LA] 11, 12, 13

Besvarelser til Calculus og Lineær Algebra Globale Forretningssystemer Eksamen - 3. Juni 2014

Egenværdier og egenvektorer

Det Ingeniør-, Natur- og Sundhedsvidenskabelige basisår Matematik 2A, Forår 2007, Hold 4 Opgave A Kommenteret version

Oversigt [LA] 6, 7, 8

Carl Friedrich Gauß ( ), malet af Christian Albrecht Jensen. Lineær algebra. Ib Michelsen

LiA 5 Side 0. Lineær algebra Kursusgang 5

LiA 2 Side 0. Lineær algebra 3. kursusgang

LinAlg 2013 Q3. Tobias Brixen Mark Gottenborg Peder Detlefsen Troels Thorsen Mads Buch 2013

Transkript:

Lineær Algebra, 2014 12. kursusgang Lisbeth Fajstrup Institut for Matematiske Fag Aalborg Universitet LinAlg November 2014

Om miniprojekt 2 Kirchoffs love. Opstil lineære ligningssystemer og løs dem. 0-1-matricer. Systematisk information om grafer/netværk (som i Dagens anvendelse kursusgang 9): Flyforbindelser. Skemalægning. 0-1-matrix A med a ij = 1 hvis studerende i vil følge kursus j. A er m n (m studerende, n kurser). C = A T A har c ij = antal studerende, som vil have både kursus i og j. MatLab - m-filer.

Underrum - generaliserede linjer og planer Definition En delmængde U R n er et underrum, hvis 0 U Hvis u og v er i U, så er u + v i U. (U er lukket under vektoraddition) Hvis u er i U og c er et reelt tal, så er cu i U. (U er lukket under skalarmultiplikation) Konsekvens: Hvis u 1,..., u k er i U, så er Span(u 1,..., u k ) i U. Et underrum er lukket under linearkombination

Eksempler {0} er et underrum af R n R n er er underrum af R n Underrum i R 3 : {0}, Linjer gennem origo. Planer gennem origo. R 3 Hvis S R er en endelig delmængde og S (S er ikke tom), så er Span(S) et underrum af R n

Nulrum Null(A) Definition Nulrummet Null A for en m n matrix A er løsningsmængden til Ax = 0 Null A er et underrum af R n (Sætning 4.2) Definition Nulrummet Null T for en lineær afbildning T : R n R m er løsningsmængden til T x = 0 Hvis A er standardmatricen for T, så er Null T = Null A.

Søjlerum Col(A) Definition Søjlerummet Col A for en m n matrix A er mængden af linearkombinationer af søjlevektorer i A. Col A= {Ax x R n } For en lineær afbildning T : R n R m med standardmatirx A, er Billedrummet for T (Range T ) lig med ColA. (Sætning 2.8) Rækkerum Rækkerummet Row A for en m n matrix A er spændet af A s rækkevektorer. Row A er et underrum af R n

Frembringere Definition En mængde S = {w 1,..., w k } frembringer underrummet V, hvis V = Span(S) Frembringere for ColA Pivotsøjlerne i A frembringer ColA. Argument: Søjlekorrespondenceprincippet. Frembringere for Null A Hvis R er den reducerede Echelonform for A, så er Null A = Null R. Frembringere for Null R findes ved løsning af Rx = 0. Antal frembringere = Antal frie variable.

Basis for et underrum Definition En endelig delmængde S af et underrum V er en basis for V, hvis S frembringer V, i.e. V = Span(S) S er lineært uafhængig Eksempel For en m n matrix A er pivotsøjlerne en basis for søjlerummet ColA

Vigtigt eksempel: Basis for Null(A) Betragt en m n-matrix A. En basis for Null(A) findes ved at opskrive løsningen til den homogene ligning Ax = 0 på vektorform: c 1 b 1 + c 2 b 2 + c k b k, hvor systemet først er reduceret ned til reduceret trappeform. B = {b 1, b 2,..., b k } udgør så en basis for Null(A). Bemærk: basen indeholder præcis nullity(a) vektorer. [Husk: nullity(a) er antal ikke-pivot søjler i A. Antal frie variable.] Sætning: Basis for Col(A) Lad A være en m n-matrix. Pivot søjlerne i A udgør en basis for Col(A).

Udtynding Sætning 4.3 Hvis S udspænder V, kan S udtyndes (reduceres) til en basis for V Metode/begrundelse: Opstil matricen C = [w 1... w k ] (søjlevektorer er elementerne i S) V = ColC pivotsøjlerne i C er en basis for V

Udvidelse Sætning 4.4 En lineært uafhængig delmængde af et underrum V R n S V kan udvides til en basis for V ved tilføjelse af vektorer. Konsekvens: Ethvert underrum undtagen V = {0} har en basis.

Frembringende mængder for R n For en endelig delmængde S R n gælder Hvis S frembringer R n, så er der mindst n vektorer i S Hvis S er lineært uafhængig, så er der højst n vektorer i S Hvis S er en basis for R n, så er der præcis n vektorer i S Argument: Opstil n k matricen A med vektorerne fra C som søjler. Se på ligningssystemet Ax = b

Dimension og rang Definition : Dimension af underrum Dimensionen af et underrum H {0} af R n er antallet af vektorer i en vilkårlig basis for H. Dimensionen af H benævnes dim(h). Desuden er dim({0}) = 0. Giver det mening? Ja, for vi har Sætning 4.5 Lad V være et underrum af R n og V {0}. To vilkårlige baser for V indeholder da samme antal elementer.

Frembringende mængder for R n For en endelig delmængde S R n gælder Hvis S frembringer R n, så er der mindst n vektorer i S Hvis S er lineært uafhængig, så er der højst n vektorer i S Hvis S er en basis for R n, så er der præcis n vektorer i S Argument: Opstil n k matricen A med vektorerne fra C som søjler. Se på ligningssystemet Ax = b

Sætning 4.6 En lineært uafhængig delmængde af et underrum med dimension k har højst k elementer. M.a.o.: En delmængde med mere end k elementer er lineært afhængig.

Opgaver Afsnit 4.1 Find en udspændende mængde for et underrum. 1, 5, 9. Er en vektor i nulrummet for en given matrix. 11, 15 Er en given vektor i søjlerummet for en given matrix. 19,21 Find en udspændende mængde for nulrummet af en matrix. 27, 29 Test din forståelse af underrum, nulrum, søjlerum. 43-62. Vis, at en mængde ikke er et underrum. 81, Vis, at en mængde er et underrum. 89 Nulrum for en lineær afbildning er et underrum. 96. Afsnit 4.2. Find en basis for nulrum og søjlerum for en matrix. 1, 3, 5. Find en basis for billedrummet og nulrummet for en lineær transformation 9, Afsnit 4.1 Find en udspændende mængde for søjlerummet for en matrix. Med et foreskrevet antal elementer. 67, 69. Nyt stof. Afsnit 4.2 opgave 17

Intuition: Sætn. 4.6: Der er højst plads til k lineært uafhængige vektorer i V, så en mængde med k lineært uafhængige vektorer vil udspænde. Desuden skal der mindst bruges k vektorer til at udspænde V. Hvis der er præcis k, må de være lineært uafhængige. Er S en basis for V? Definitionen siger Er S indeholdt i V Er V = span(s)? Er S lineært uafhængig? S er en basis, hvis alle svar er ja. Sætning 4.7 Hvis dim(v ) = k og S V har k vektorer. Så er S en basis, hvis mindst en af de to betingelser gælder S er lineært uafhængig Span(S) = V

Række, søjle og nulrum Definition: Rang af en matrix Rangen af en m n-matrix A er defineret som rank(a) := dim(col(a)) = #pivot søjler i A. Sætning om matricers rang Lad A være en m n-matrix. Da gælder, rank(a) + dim(null(a)) = n. Rækkerum Row(A) = Span(Rækkerne i A) = Span(Ikke-nul-Rækkerne i den reducerede trappeform R) dim(row)(a) = #pivot søjler i A. = dim(col A)

Række, søjle og nulrum Definition: Rang af en matrix Rangen af en m n-matrix A er defineret som rank(a) := dim(col(a)) = #pivot søjler i A. Sætning om matricers rang Lad A være en m n-matrix. Da gælder, rank(a) + dim(null(a)) = n. Rækkerum Row(A) = Span(Rækkerne i A) = Span(Ikke-nul-Rækkerne i den reducerede trappeform R) dim(row)(a) = #pivot søjler i A. = dim(col A)

Række, søjle og nulrum Definition: Rang af en matrix Rangen af en m n-matrix A er defineret som rank(a) := dim(col(a)) = #pivot søjler i A. Sætning om matricers rang Lad A være en m n-matrix. Da gælder, rank(a) + dim(null(a)) = n. Rækkerum Row(A) = Span(Rækkerne i A) = Span(Ikke-nul-Rækkerne i den reducerede trappeform R) dim(row)(a) = #pivot søjler i A. = dim(col A)