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

Relaterede dokumenter
Lineær algebra: Spænd. Lineær (u)afhængighed

Matematik og FormLineære ligningssystemer

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

Matematik: Struktur og Form Matrixmultiplikation. Regulære og singulære matricer

Kursusgang 3 Matrixalgebra Repetition

Lineær Algebra, kursusgang

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

Lineær algebra: Matrixmultiplikation. Regulære og singulære

Lineære ligningssystemer og Gauss-elimination

Matematik for økonomer 3. semester

Lineær algebra 1. kursusgang

3.1 Baser og dimension

Oversigt [LA] 6, 7, 8

DesignMat Uge 1 Gensyn med forårets stof

Ligningssystemer - nogle konklusioner efter miniprojektet

Tidligere Eksamensopgaver MM505 Lineær Algebra

To ligninger i to ubekendte

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

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

Oversigt [LA] 11, 12, 13

Københavns Universitet, Det naturvidenskabelige Fakultet. Afleveringsopgave 3

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

Kursusgang 3 Matrixalgebra Repetition

Prøveeksamen A i Lineær Algebra

Modulpakke 3: Lineære Ligningssystemer

Besvarelser til Lineær Algebra Ordinær Eksamen Juni 2018

Eksamen i Lineær Algebra

(Prøve)eksamen i Lineær Algebra

Besvarelser til Lineær Algebra Ordinær Eksamen Juni 2017

Matrx-vektor produkt Mikkel H. Brynildsen Lineær Algebra

Lineær Algebra - Beviser

Eksamen i Lineær Algebra

Oversigt [LA] 6, 7, 8

Eksamen i Lineær Algebra

Vektorrum. enote Generalisering af begrebet vektor

Besvarelser til Lineær Algebra Ordinær eksamen - 6. Juni 2016

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

Chapter 3. Modulpakke 3: Egenværdier. 3.1 Indledning

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

Lineær algebra Kursusgang 6

Egenværdier og egenvektorer

Module 1: Lineære modeller og lineær algebra

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

Eksamen i Lineær Algebra

Besvarelser til Lineær Algebra Reeksamen August 2016

Skriftlig eksamen Vejledende besvarelse MATEMATIK B (MM02)

Lineær algebra: Lineære afbildninger. Standardmatricer

Besvarelser til Calculus og Lineær Algebra Globale Forretningssystemer Eksamen - 8. Juni 2015

Lineær Algebra eksamen, noter

MASO Uge 8. Invers funktion sætning og Implicit given funktion sætning. Jesper Michael Møller. Department of Mathematics University of Copenhagen

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.

Besvarelser til Lineær Algebra Ordinær Eksamen - 5. Januar 2018

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

2010 Matematik 2A hold 4 : Prøveeksamen juni 2010

DesignMat Uge 11. Vektorrum

Lineære ligningssystemer

Diagonalisering. Definition (diagonaliserbar)

Eksamen i Lineær Algebra

Egenværdier og egenvektorer

Eksamen i Lineær Algebra

Besvarelser til Lineær Algebra med Anvendelser Ordinær Eksamen 2016

Symmetriske matricer

Symmetriske og ortogonale matricer Uge 7

MATRICER LINEÆRE LIGNINGER

Nøgleord og begreber. Definition 15.1 Den lineære 1. ordens differentialligning er

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

Oversigt [S] 7.3, 7.4, 7.5, 7.6; [LA] 15, 16, 17

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

Besvarelse af Eksamensopgaver Juni 2005 i Matematik H1

Reeksamen i Lineær Algebra

LinAlgDat 2014/2015 Google s page rank

Lineær algebra: Egenværdier, egenvektorer, diagonalisering

Lineære Afbildninger. enote Om afbildninger

MATRICER LINEÆRE LIGNINGER

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

Modulpakke 3: Lineære Ligningssystemer

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

Eksamen i Lineær Algebra

D. C. Lay: Linear algebra and its applications, Third Edition Update, Addison Wesley;

Transkript:

Matematik: Struktur og Form Spænd. Lineær (u)afhængighed Martin Raussen Department of Mathematical Sciences Aalborg University 2017 1 / 8

Linearkombinationer. Spænd Definition Givet et antal vektorer a1,..., ap Rn. En vektor v = c1 a1 + + cp ap Rn, ci R, kaldes en linearkombination af vektorerne a1,..., ap Rn. Vektorernes spænd er mængden af alle deres linearkombinationer: Span{a1,..., ap } := {c1 a1 + + cp ap ci R} Rn. Eksempler 1. a 6= 0 Span{a} = {ca c R} Rn vektorer på en linje gennem Origo med retning a. 2. Span{a1, a2 } = {c1 a1 + c2 a2 c1, c2 R} vektorer i en plan med retningsvektorer a1, a2 med mindre a1 og a2 ligger på én linie. Bemærk: en hel plan, ikke bare en kvadrant! 2/8

Spænd. Vektor -og matrixligninger. Ligningssystemer Alt hænger sammen! Givet vektorer a1,..., ap, b Rm. De første vektorer danner en (m p )-matrix A = [a1,..., ap ]. Følgende statements er ensbetydende: Spænd b Span{a1,..., ap } Vektorligningen Der findes en løsning x1,..., xp til vektorligningen x1 a1 + + xp ap = b Matrixligningen Ax = b har en løsningsvektor x Rp Ligningssystemet med udvidet matriks [A b] = [a1... ap b] er konsistent. 3/8

Matrixligningen Ax = b Udspænder (søjle)vektorerne hele Rm? En løsning x = [x1,..., xn ] til matrixligningen Ax = b med matrix A = [a1,..., an ] svarer til en løsning af vektorligningen x1 a1 + + xn an = b en løsning af det lineære ligningssystem med totalmatrix [A b]. Udspænder (søjle)vektorerne hele Rm? Matrixligningen har en løsning for alle vektorer b Rm hvis og kun hvis Ligningssystemet med totalmatrix [A b] har en løsning for alle b Rm der efter en rækkereduktion af koefficientmatricen A findes Pivoter i hver række ranga = m. Specielt: Når n < m kan vektorerne a1,..., an ikke uspænde hele Rm! 4/8

Lineær (u)afhægnighed Definition Definition En ligning x1 v1 + + xp vp = 0 med reelle tal xi kaldes en afhængighedsrelation mellem vektorerne v1,..., vp i Rn. En mængde vektorer {v1,..., vp } kaldes lineært afhænging hvis de tillader en ikke-triviel afhængighedsrelation, dvs. en hvor ikke alle xi er lig med 0. Mængden kaldes lineært uafhængig hvis den eneste afhængighedsrelation mellem dem er givet ved den trivielle relation x1 = = xp = 0. Betydning Lineært afhængige vektorer udspænder mindre end deres antal berettiger til. Ikke-trivelle afhængighedsrelationer fører til spild. Spændet af lineært uafhængige vektorer er maksimalt stort i forhold til antal af vektorerne. Hver vektor i spændet er entydig linearkombination af disse vektorer. 5/8

Lineær (u)afhægnighed En opskrift Hvordan afgør man om en mængde {v1,..., vp } af vektorer i Rn er lineært afhængig eller uafhængig? Opskrift 1. Dan matricen A = [v1,..., vp ] med vektorerne som søjlevektorer. 2. Rækkereduktion til echelonform. 3. Hvis alle søjler er Pivotsøjler, så er vektorererne lineært uafhængige ellers lineært afhængige. Hvorfor? x1 v1 + + xp vp = 0 Ax = 0 med xt = [x1,, xp ]. En ikke-triviel afhængighedsrelation svarer altså til en ikke-triviel løsning af ligningssystemet givet ved matrixligningen Ax = 0: mindst en fri variabel! 6/8

Lineær uafhængighed Nogle kriterier Hvis 0-vektoren er indeholdt i en mængde vektorer, så er denne mængde altid lineært afhængig. En mængde af p vektorer i Rn er altid lineært afhængig såfremt p >n flere vektorer end dimensionen. En mængde af vektorer i Rn er lineært afhængig hvis og kun hvis en af vektorerne er linearkombination af de andre. Med andre ord: En mængde af vektorer i Rn er lineært afhængig hvis og kun hvis man kan fjerne en eller flere vektorer uden at spændet bliver mindre. Den er lineær uafhængig hvis fjernelse af en af vektorerne altid fører til et mindre spænd. 7/8

Rang af en matrix Vigtige interpretationer Definition Rangen af en m n matrix A = antal af Pivotsøjler. Nullitet (defekt) = antal søjler uden Pivot. Rangkriterier A har rang m Ax = b er konsistent for alle b Rm ; As søjlevektorer udspænder hele Rm ; en Pivotposition i hver række. A har rang n Ax = b har højst en løsning for et b Rm ; As søjlevektorer er lineært uafhængige; en Pivotposition i hver søjle. rang(a) = m = n (for en kvadratisk matrix A): For hver vektor b Rm har matrixligningen Ax = b netop én løsning. 8/8