Hopp til hovedinnholdet

TMA4115 konteeksamen 2024

Matematikk 3 ved NTNU: alle oppgavene fra settet, med svar og løsningsforslag steg for steg. Prøv selv først – løsningen ligger under hver oppgave.

16. august 2024

Last ned PDF

Oppgaver

10 oppgaver

Oppgave 1

Oppgave 1a)

Finn alle komplekse tall z z som oppfyller ligningen
(z+1)(z+1)‾=(z+i)(z+i)‾. (z + 1)\overline{(z + 1)} = (z + i)\overline{(z + i)}\text{.}
Vis løsning på oppgave 1a
Svar
Løsningene er alle tall med lik realdel og imaginærdel:
z=t+ti,t∈R‾‾ \underline{\underline{z = t + ti, \quad t \in \mathbb{R}}}
Vi ser at hver side er et tall ganget med sitt eget konjugat. Vi skriver derfor \( {z = x + yi} \) og regner ut begge sider.
1. Skriv z på kartesisk form Vi skriver \( {z = x + yi}\text{,} \) der \( x \) og \( y \) er reelle tall. Da får vi realdelen i blått og imaginærdelen i rødt: \[ \begin{aligned} z + 1 &= (\textcolor{blue}{x + 1}) + \textcolor{red}{y}i \\ z + i &= \textcolor{blue}{x} + (\textcolor{red}{y + 1})i \end{aligned} \]
Konjugatet får vi ved å bytte fortegn på imaginærdelen, som i videoen Kompleks konjugat: \[ \overline{\textcolor{blue}{a} + \textcolor{red}{b}i} = \textcolor{blue}{a} - \textcolor{red}{b}i \]
2. Regn ut begge sider Tredje kvadratsetning og \( {i^2 = -1} \) forteller oss at: \[ \begin{aligned} (\textcolor{blue}{a} + \textcolor{red}{b}i)(\textcolor{blue}{a} - \textcolor{red}{b}i) &= \textcolor{blue}{a}^2 - \textcolor{red}{b}^2i^2 \\ &= \textcolor{blue}{a}^2 + \textcolor{red}{b}^2 \end{aligned} \]Hvis du er usikker på dette, kan du se videoen Kompleks konjugat.
For venstre side er: \[ \textcolor{blue}{a} = \textcolor{blue}{x + 1}, \quad \textcolor{red}{b} = \textcolor{red}{y} \]
For høyre side er: \[ \textcolor{blue}{a} = \textcolor{blue}{x}, \quad \textcolor{red}{b} = \textcolor{red}{y + 1} \]
Plugger vi dette inn, blir likningen: \[ (\textcolor{blue}{x + 1})^2 + \textcolor{red}{y}^2 = \textcolor{blue}{x}^2 + (\textcolor{red}{y + 1})^2 \]
3. Løs likningen Vi ganger ut parentesene: \[ \begin{aligned} &x^2 + 2x + 1 + y^2 \\ &= x^2 + y^2 + 2y + 1 \end{aligned} \]
Trekker vi \( {x^2 + y^2 + 1} \) fra begge sider, får vi: \[ \begin{aligned} 2x &= 2y \\ y &= x \end{aligned} \]
Det betyr at \( z \) er en løsning nøyaktig når imaginærdelen er lik realdelen. Kaller vi den felles verdien \( t\text{,} \) får vi: \[ z = t + ti, \quad t \in \mathbb{R} \]

Oppgave 1b)

Skissér alle løsninger z z i det komplekse planet.
Vis løsning på oppgave 1b
Svar
Løsningene er linjen gjennom origo med stigningstall 1: 1\text{:}
Im⁡z=Re⁡z‾‾ \underline{\underline{\operatorname{Im} z = \operatorname{Re} z}}
Vi bruker løsningene fra a).
Et komplekst tall \( {a + bi} \) er punktet \( (a, b) \) i det komplekse planet. Vi tegner derfor alle punktene løsningene gir.
1. Finn punktene I a) fant vi: \[ z = t + ti, \quad t \in \mathbb{R} \]
Tallet \( {\textcolor{blue}{a} + \textcolor{red}{b}i} \) plottes i punktet \( (\textcolor{blue}{a}, \textcolor{red}{b})\text{,} \) som i videoen Det komplekse planet. Her er \( {\textcolor{blue}{a} = \textcolor{blue}{t}} \) og \( {\textcolor{red}{b} = \textcolor{red}{t}}\text{,} \) så: \[ \textcolor{blue}{t} + \textcolor{red}{t}i \;\leftrightarrow\; (\textcolor{blue}{t}, \textcolor{red}{t}) \]
Punktene \( (t, t) \) ligger på linjen gjennom origo med stigningstall \( 1\text{,} \) her i grønt: \[ \textcolor{green}{\operatorname{Im} z = \operatorname{Re} z} \]
2. Tegn linjen Venstre side i likningen er \( {|z + 1|^2}\text{,} \) kvadratet av avstanden fra \( z \) til \( {-1}\text{.} \) Høyre side er kvadratet av avstanden til \( {-i}\text{.} \) Linjen er derfor alle punktene som ligger like langt fra \( {-1} \) og \( {-i}\text{:} \) \[ |z - (-1)| = |z - (-i)| \]
Tegner vi punktene \( (t, t)\text{,} \) får vi den grønne linjen:

Oppgave 2

Oppgave 2a)

Bestem en basis for nullrommet Null⁡M \operatorname{Null} M når
M=[1−22−43−240−4−54−83−173−6132] M = \begin{bmatrix} 1 & -2 & 2 & -4 & 3 \\ -2 & 4 & 0 & -4 & -5 \\ 4 & -8 & 3 & -1 & 7 \\ 3 & -6 & 1 & 3 & 2 \end{bmatrix}
Vis løsning på oppgave 2a
Svar
En basis for nullrommet er:
{[21000],[−20310]}‾‾ \underline{\underline{\left\{ \begin{bmatrix} 2 \\ 1 \\ 0 \\ 0 \\ 0 \end{bmatrix}, \begin{bmatrix} -2 \\ 0 \\ 3 \\ 1 \\ 0 \end{bmatrix} \right\}}}
Nullrommet er alle løsninger av \( {M\mathbf{x} = \mathbf{0}}\text{.} \) Vi radreduserer derfor \( M \) og skriver løsningene med de frie variablene.
1. Radreduser matrisen Vi bruker Gauss-eliminasjon, som i videoen Eksempel Gauss Eliminering. Først rydder vi under ettallet i første kolonne. \( {R_2 \to R_2 + 2R_1}\text{:} \) \[ \begin{bmatrix} 1 & -2 & 2 & -4 & 3 \\ 0 & 0 & 4 & -12 & 1 \\ 4 & -8 & 3 & -1 & 7 \\ 3 & -6 & 1 & 3 & 2 \end{bmatrix} \]
\( {R_3 \to R_3 - 4R_1}\text{:} \) \[ \begin{bmatrix} 1 & -2 & 2 & -4 & 3 \\ 0 & 0 & 4 & -12 & 1 \\ 0 & 0 & -5 & 15 & -5 \\ 3 & -6 & 1 & 3 & 2 \end{bmatrix} \]
\( {R_4 \to R_4 - 3R_1}\text{:} \) \[ \begin{bmatrix} 1 & -2 & 2 & -4 & 3 \\ 0 & 0 & 4 & -12 & 1 \\ 0 & 0 & -5 & 15 & -5 \\ 0 & 0 & -5 & 15 & -7 \end{bmatrix} \]
\( {R_4 \to R_4 - R_3}\text{:} \) \[ \begin{bmatrix} 1 & -2 & 2 & -4 & 3 \\ 0 & 0 & 4 & -12 & 1 \\ 0 & 0 & -5 & 15 & -5 \\ 0 & 0 & 0 & 0 & -2 \end{bmatrix} \]
\( {R_3 \to -\dfrac{1}{5}R_3}\text{:} \) \[ \begin{bmatrix} 1 & -2 & 2 & -4 & 3 \\ 0 & 0 & 4 & -12 & 1 \\ 0 & 0 & 1 & -3 & 1 \\ 0 & 0 & 0 & 0 & -2 \end{bmatrix} \]
\( {R_2 \leftrightarrow R_3}\text{:} \) \[ \begin{bmatrix} 1 & -2 & 2 & -4 & 3 \\ 0 & 0 & 1 & -3 & 1 \\ 0 & 0 & 4 & -12 & 1 \\ 0 & 0 & 0 & 0 & -2 \end{bmatrix} \]
\( {R_3 \to R_3 - 4R_2}\text{:} \) \[ \begin{bmatrix} 1 & -2 & 2 & -4 & 3 \\ 0 & 0 & 1 & -3 & 1 \\ 0 & 0 & 0 & 0 & -3 \\ 0 & 0 & 0 & 0 & -2 \end{bmatrix} \]
\( {R_3 \to -\dfrac{1}{3}R_3}\text{:} \) \[ \begin{bmatrix} 1 & -2 & 2 & -4 & 3 \\ 0 & 0 & 1 & -3 & 1 \\ 0 & 0 & 0 & 0 & 1 \\ 0 & 0 & 0 & 0 & -2 \end{bmatrix} \]
\( {R_4 \to R_4 + 2R_3}\text{:} \) \[ \begin{bmatrix} 1 & -2 & 2 & -4 & 3 \\ 0 & 0 & 1 & -3 & 1 \\ 0 & 0 & 0 & 0 & 1 \\ 0 & 0 & 0 & 0 & 0 \end{bmatrix} \]
Så rydder vi over pivotene. \( {R_1 \to R_1 - 2R_2}\text{:} \) \[ \begin{bmatrix} 1 & -2 & 0 & 2 & 1 \\ 0 & 0 & 1 & -3 & 1 \\ 0 & 0 & 0 & 0 & 1 \\ 0 & 0 & 0 & 0 & 0 \end{bmatrix} \]
\( {R_1 \to R_1 - R_3}\text{:} \) \[ \begin{bmatrix} 1 & -2 & 0 & 2 & 0 \\ 0 & 0 & 1 & -3 & 1 \\ 0 & 0 & 0 & 0 & 1 \\ 0 & 0 & 0 & 0 & 0 \end{bmatrix} \]
\( {R_2 \to R_2 - R_3} \) gir redusert trappeform: \[ \begin{bmatrix} \textcolor{red}{1} & -2 & 0 & 2 & 0 \\ 0 & 0 & \textcolor{red}{1} & -3 & 0 \\ 0 & 0 & 0 & 0 & \textcolor{red}{1} \\ 0 & 0 & 0 & 0 & 0 \end{bmatrix} \]
2. Finn nullrommet Pivotene, i rødt, står i kolonne \( 1\text{,} \) \( 3 \) og \( 5\text{,} \) så \( x_2 \) og \( x_4 \) er frie. Vi setter \( {x_2 = \textcolor{blue}{s}} \) og \( {x_4 = \textcolor{green}{t}}\text{,} \) og radene gir: \[ \begin{aligned} x_1 &= 2\textcolor{blue}{s} - 2\textcolor{green}{t} \\ x_3 &= 3\textcolor{green}{t} \\ x_5 &= 0 \end{aligned} \]
Det gir oss alle løsningene av \( {M\mathbf{x} = \mathbf{0}}\text{:} \) \[ \mathbf{x} = \textcolor{blue}{s}\begin{bmatrix} 2 \\ 1 \\ 0 \\ 0 \\ 0 \end{bmatrix} + \textcolor{green}{t}\begin{bmatrix} -2 \\ 0 \\ 3 \\ 1 \\ 0 \end{bmatrix} \]
De to vektorene spenner ut nullrommet. De er lineært uavhengige, siden bare den første har noe annet enn \( 0 \) på andre plass og bare den andre på fjerde. De er altså en basis.

Oppgave 2b)

La MT M^T være den transponerte til M. M\text{.} Bestem en ortogonal basis for Col⁡MT. \operatorname{Col} M^T\text{.}
Hint: Kolonnerommet til MT M^T er det samme som radrommet til M. M\text{.}
Vis løsning på oppgave 2b
Svar
En ortogonal basis for Col⁡MT \operatorname{Col} M^T er:
{[1−2020],[2−43−50],[00001]}‾‾ \underline{\underline{\left\{ \begin{bmatrix} 1 \\ -2 \\ 0 \\ 2 \\ 0 \end{bmatrix}, \begin{bmatrix} 2 \\ -4 \\ 3 \\ -5 \\ 0 \end{bmatrix}, \begin{bmatrix} 0 \\ 0 \\ 0 \\ 0 \\ 1 \end{bmatrix} \right\}}}
Vi bruker radreduksjonen fra a).
Radoperasjoner endrer ikke radrommet, så radene i den reduserte matrisen fra a) gir en basis. Vi gjør dem ortogonale med Gram-Schmidt.
1. Finn en basis for radrommet I a) fant vi den reduserte trappeformen: \[ \begin{bmatrix} 1 & -2 & 0 & 2 & 0 \\ 0 & 0 & 1 & -3 & 0 \\ 0 & 0 & 0 & 0 & 1 \\ 0 & 0 & 0 & 0 & 0 \end{bmatrix} \]
Hver radoperasjon lager rader som er kombinasjoner av de gamle, og den kan gjøres baklengs. Radrommet er derfor det samme før og etter, og med hintet får vi: \[ \begin{aligned} \operatorname{Col} M^T &= \operatorname{Row} M \\ &= \operatorname{Span}\{\textcolor{blue}{\mathbf{r}_1}, \textcolor{red}{\mathbf{r}_2}, \textcolor{green}{\mathbf{r}_3}\} \end{aligned} \]
Her er de tre radene som ikke er null, skrevet som kolonner: \[ \begin{aligned} \textcolor{blue}{\mathbf{r}_1} &= \textcolor{blue}{\begin{bmatrix} 1 \\ -2 \\ 0 \\ 2 \\ 0 \end{bmatrix}}, & \textcolor{red}{\mathbf{r}_2} &= \textcolor{red}{\begin{bmatrix} 0 \\ 0 \\ 1 \\ -3 \\ 0 \end{bmatrix}}, \\ \textcolor{green}{\mathbf{r}_3} &= \textcolor{green}{\begin{bmatrix} 0 \\ 0 \\ 0 \\ 0 \\ 1 \end{bmatrix}} \end{aligned} \]Hver av dem har en ledende ener der de andre har \( 0\text{,} \) så de er lineært uavhengige og en basis.
2. Bruk Gram-Schmidt Gram-Schmidt forteller oss at vi beholder den første vektoren og trekker fra projeksjonene på dem vi alt har: \[ \begin{aligned} \textcolor{blue}{\mathbf{v}_1} = {} & \textcolor{blue}{\mathbf{r}_1} \\ \mathbf{v}_2 = {} & \textcolor{red}{\mathbf{r}_2} - \dfrac{\textcolor{red}{\mathbf{r}_2} \cdot \textcolor{blue}{\mathbf{v}_1}}{\textcolor{blue}{\mathbf{v}_1} \cdot \textcolor{blue}{\mathbf{v}_1}}\textcolor{blue}{\mathbf{v}_1} \\ \mathbf{v}_3 = {} & \textcolor{green}{\mathbf{r}_3} - \dfrac{\textcolor{green}{\mathbf{r}_3} \cdot \textcolor{blue}{\mathbf{v}_1}}{\textcolor{blue}{\mathbf{v}_1} \cdot \textcolor{blue}{\mathbf{v}_1}}\textcolor{blue}{\mathbf{v}_1} \\ & - \dfrac{\textcolor{green}{\mathbf{r}_3} \cdot \mathbf{v}_2}{\mathbf{v}_2 \cdot \mathbf{v}_2}\mathbf{v}_2 \end{aligned} \]
Siden \( {\textcolor{blue}{\mathbf{v}_1} = \textcolor{blue}{\mathbf{r}_1}}\text{,} \) regner vi ut prikkproduktene med \( \textcolor{blue}{\mathbf{r}_1}\text{,} \) som i videoen Multiplikasjon: \[ \begin{aligned} \textcolor{red}{\mathbf{r}_2} \cdot \textcolor{blue}{\mathbf{r}_1} &= 0 + 0 + 0 - 6 + 0 = -6 \\ \textcolor{blue}{\mathbf{r}_1} \cdot \textcolor{blue}{\mathbf{r}_1} &= 1 + 4 + 0 + 4 + 0 = 9 \end{aligned} \]
Plugger vi dette inn, får vi: \[ \begin{aligned} \mathbf{v}_2 &= \textcolor{red}{\mathbf{r}_2} + \dfrac{6}{9}\textcolor{blue}{\mathbf{r}_1} \\ &= \textcolor{red}{\begin{bmatrix} 0 \\ 0 \\ 1 \\ -3 \\ 0 \end{bmatrix}} + \dfrac{2}{3}\textcolor{blue}{\begin{bmatrix} 1 \\ -2 \\ 0 \\ 2 \\ 0 \end{bmatrix}} = \dfrac{1}{3}\begin{bmatrix} 2 \\ -4 \\ 3 \\ -5 \\ 0 \end{bmatrix} \end{aligned} \]Et multiplum står fortsatt vinkelrett på \( \mathbf{v}_1\text{,} \) så vi ganger med \( 3 \) og bruker \( {\mathbf{v}_2 = (2, -4, 3, -5, 0)}\text{.} \)
\( \textcolor{green}{\mathbf{r}_3} \) har bare et tall på femte plass, og der har både \( \mathbf{v}_1 \) og \( \mathbf{v}_2 \) en \( 0\text{:} \) \[ \textcolor{green}{\mathbf{r}_3} \cdot \mathbf{v}_1 = 0, \quad \textcolor{green}{\mathbf{r}_3} \cdot \mathbf{v}_2 = 0 \]Begge projeksjonene er null, så \( {\mathbf{v}_3 = \textcolor{green}{\mathbf{r}_3}}\text{.} \)
Kontroll: Prikkproduktet er \( {\mathbf{v}_1 \cdot \mathbf{v}_2 = 2 + 8 - 10 = 0}\text{.} \)

Oppgave 3

La a a være et reelt tall. Vi ser på en matrise og et ligningssystem
A=[1a14−a4−a0a213] A = \begin{bmatrix} 1 & a & 1 \\ 4 - a & 4 - a & 0 \\ a^2 & 1 & 3 \end{bmatrix}
(⋆){x1+ax2+x3+7x4=3(4−a)x1+(4−a)x2+(4−a)x4=5a2x1+x2+3x3+19x4=1 (\star) \left\{ \begin{aligned} &x_1 + ax_2 + x_3 + 7x_4 = 3 \\ &(4 - a)x_1 + (4 - a)x_2 \\ &\qquad + (4 - a)x_4 = 5 \\ &a^2x_1 + x_2 + 3x_3 + 19x_4 = 1 \end{aligned} \right.

Oppgave 3a)

Avgjør for hvilke verdier av a a det det⁡A=0. {\det A = 0}\text{.}
Vis løsning på oppgave 3a
Svar
Determinanten er 0 0 for tre verdier av a: a\text{:}
a=−4,a=1,a=4‾‾ \underline{\underline{a = -4, \quad a = 1, \quad a = 4}}
Vi regner ut determinanten langs første rad, faktoriserer uttrykket og ser når en av faktorene er \( 0\text{.} \)
1. Regn ut determinanten Determinanten til en \( 3 \times 3 \)-matrise langs første rad forteller oss at: \[ \begin{aligned} &\begin{vmatrix} \textcolor{blue}{p} & \textcolor{red}{q} & \textcolor{green}{r} \\ s & t & u \\ v & w & z \end{vmatrix} \\ &= \textcolor{blue}{p}(tz - uw) - \textcolor{red}{q}(sz - uv) \\ &\quad + \textcolor{green}{r}(sw - tv) \end{aligned} \]Hvis du er usikker på den, kan du se videoen Determinanter 3x3 matrise.
Her er første rad \( {\textcolor{blue}{p} = \textcolor{blue}{1}}\text{,} \) \( {\textcolor{red}{q} = \textcolor{red}{a}} \) og \( {\textcolor{green}{r} = \textcolor{green}{1}}\text{,} \) og de to andre radene er: \[ \begin{aligned} s &= 4 - a & t &= 4 - a & u &= 0 \\ v &= a^2 & w &= 1 & z &= 3 \end{aligned} \]
Plugger vi dette inn, får vi: \[ \begin{aligned} &\det A \\ &= \textcolor{blue}{1}\big((4 - a) \cdot 3 - 0 \cdot 1\big) \\ &\quad - \textcolor{red}{a}\big((4 - a) \cdot 3 - 0 \cdot a^2\big) \\ &\quad + \textcolor{green}{1}\big((4 - a) \cdot 1 - (4 - a)a^2\big) \\ &= 3\textcolor{darkorange}{(4 - a)} - 3a\textcolor{darkorange}{(4 - a)} \\ &\quad + \textcolor{darkorange}{(4 - a)}(1 - a^2) \end{aligned} \]
2. Faktoriser uttrykket Alle leddene har faktoren \( {\textcolor{darkorange}{4 - a}}\text{.} \) Faktoriserer vi den ut, får vi: \[ \begin{aligned} \det A &= \textcolor{darkorange}{(4 - a)}(3 - 3a + 1 - a^2) \\ &= -\textcolor{darkorange}{(4 - a)}(a^2 + 3a - 4) \end{aligned} \]
To tall med produkt \( {-4} \) og sum \( 3 \) er \( 4 \) og \( {-1}\text{.} \) Ganger vi ut, ser vi at: \[ \begin{aligned} (a + 4)(a - 1) &= a^2 - a + 4a - 4 \\ &= a^2 + 3a - 4 \end{aligned} \]
Det gir oss: \[ \det A = -\textcolor{darkorange}{(4 - a)}(a + 4)(a - 1) \]
Kontroll: Med \( {a = 0} \) gir faktorene \( {-4 \cdot 4 \cdot (-1) = 16}\text{,} \) og første rad i \( A \) gir \( {1 \cdot 12 - 0 + 1 \cdot 4 = 16}\text{.} \)
3. Sett determinanten lik null Et produkt er \( 0 \) nøyaktig når en av faktorene er \( 0\text{:} \) \[ \begin{aligned} 4 - a &= 0 & &\text{gir} & a &= 4 \\ a + 4 &= 0 & &\text{gir} & a &= -4 \\ a - 1 &= 0 & &\text{gir} & a &= 1 \end{aligned} \]

Oppgave 3b)

Finnes det en verdi av a a slik at ligningssystemet (⋆) (\star) i ukjente x1,x2,x3,x4 x_1, x_2, x_3, x_4 ikke er selvmotsigende? Begrunn svaret.
Vis løsning på oppgave 3b
Svar
For a=0 {a = 0} er det⁡A≠0, {\det A \neq 0}\text{,} så systemet har en løsning med x4=0: {x_4 = 0}\text{:}
Ja, for eksempel a=0‾‾ \underline{\underline{\text{Ja, for eksempel } a = 0}}
Vi bruker determinanten fra a).
Vi ser at koeffisientene foran \( x_1\text{,} \) \( x_2 \) og \( x_3 \) er akkurat kolonnene i \( A\text{.} \) Når \( A \) er inverterbar, kan vi derfor sette \( {x_4 = 0} \) og løse for resten.
1. Koble systemet til A Koeffisientmatrisen til \( (\star) \) har \( A \) som de tre første kolonnene, i blått: \[ \begin{bmatrix} \textcolor{blue}{1} & \textcolor{blue}{a} & \textcolor{blue}{1} & 7 \\ \textcolor{blue}{4 - a} & \textcolor{blue}{4 - a} & \textcolor{blue}{0} & 4 - a \\ \textcolor{blue}{a^2} & \textcolor{blue}{1} & \textcolor{blue}{3} & 19 \end{bmatrix} \]
Setter vi \( {x_4 = 0}\text{,} \) blir systemet: \[ \textcolor{blue}{A}\begin{bmatrix} x_1 \\ x_2 \\ x_3 \end{bmatrix} = \begin{bmatrix} 3 \\ 5 \\ 1 \end{bmatrix} \]
2. Velg en verdi av a En kvadratisk matrise har en invers nøyaktig når determinanten ikke er \( 0\text{:} \) \[ \det A \neq 0 \iff A^{-1} \text{ finnes} \]Formelen for den inverse deler på determinanten, så den virker nettopp når determinanten ikke er \( 0\text{.} \) Videoen Invers matrise med determinanter viser det for en \( 2 \times 2 \)-matrise.
I a) fant vi: \[ \det A = -(4 - a)(a + 4)(a - 1) \]
Vi velger \( {a = 0}\text{:} \) \[ \det A = -4 \cdot 4 \cdot (-1) = 16 \neq 0 \]
3. Løs for de tre ukjente Da finnes \( {A^{-1}}\text{,} \) og vi ganger begge sider med den fra venstre, som i videoen Likningssystem med inversmatrise: \[ \begin{bmatrix} x_1 \\ x_2 \\ x_3 \end{bmatrix} = A^{-1}\begin{bmatrix} 3 \\ 5 \\ 1 \end{bmatrix} \]
Disse \( x_1, x_2, x_3 \) sammen med \( {x_4 = 0} \) oppfyller alle tre likningene i \( (\star)\text{.} \) Systemet har altså en løsning, og er ikke selvmotsigende. Det samme gjelder blant annet for hver \( a \) med \( {\det A \neq 0}\text{.} \)

Oppgave 4

Oppgave 4a)

Vis at
S={[xy−yx]  |  x,y reelle tall} S = \left\{ \begin{bmatrix} x & y \\ -y & x \end{bmatrix} \;\middle|\; x, y \text{ reelle tall} \right\}
er et underrom av vektorrommet M2 \mathcal{M}_2 av alle reelle 2×2 2 \times 2 -matriser.
Vis løsning på oppgave 4a
Svar
S S inneholder nullmatrisen og er lukket under addisjon og skalarmultiplikasjon:
S er et underrom av M2‾‾ \underline{\underline{S \text{ er et underrom av } \mathcal{M}_2}}
En matrise ligger i \( S \) når diagonaltallene er like og tallene utenfor diagonalen har motsatt fortegn. Vi sjekker de tre kravene til et underrom.
1. Skriv opp kravene En delmengde \( S \) er et underrom når den inneholder nullmatrisen og er lukket under addisjon og skalarmultiplikasjon: \[ \begin{aligned} &1. \ \ 0 \in S \\ &2. \ \ X, Y \in S \ \Rightarrow \ X + Y \in S \\ &3. \ \ X \in S, \ k \in \mathbb{R} \ \Rightarrow \ kX \in S \end{aligned} \]
2. Sjekk nullmatrisen Med \( {x = y = 0} \) får vi nullmatrisen, så den ligger i \( S\text{:} \) \[ \begin{bmatrix} 0 & 0 \\ -0 & 0 \end{bmatrix} = \begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix} \in S \]
3. Sjekk addisjon Vi legger sammen to matriser i \( S \) tall for tall, som i videoen Addisjon og subtraksjon: \[ \begin{aligned} &\begin{bmatrix} \textcolor{blue}{x} & \textcolor{red}{y} \\ -\textcolor{red}{y} & \textcolor{blue}{x} \end{bmatrix} + \begin{bmatrix} \textcolor{blue}{x'} & \textcolor{red}{y'} \\ -\textcolor{red}{y'} & \textcolor{blue}{x'} \end{bmatrix} \\ &= \begin{bmatrix} \textcolor{blue}{x + x'} & \textcolor{red}{y + y'} \\ -(\textcolor{red}{y + y'}) & \textcolor{blue}{x + x'} \end{bmatrix} \end{aligned} \]Summen har samme form, med \( {\textcolor{blue}{x + x'}} \) og \( {\textcolor{red}{y + y'}} \) i stedet for \( \textcolor{blue}{x} \) og \( \textcolor{red}{y}\text{,} \) så den ligger i \( S\text{.} \)
4. Sjekk skalarmultiplikasjon Vi ganger med et tall \( k\text{:} \) \[ k\begin{bmatrix} \textcolor{blue}{x} & \textcolor{red}{y} \\ -\textcolor{red}{y} & \textcolor{blue}{x} \end{bmatrix} = \begin{bmatrix} \textcolor{blue}{kx} & \textcolor{red}{ky} \\ -\textcolor{red}{ky} & \textcolor{blue}{kx} \end{bmatrix} \]Også her har vi samme form, så \( kX \) ligger i \( S\text{.} \) Alle tre kravene holder.

Oppgave 4b)

Finn en basis for S S og angi dimensjonen til S. S\text{.}
Vis løsning på oppgave 4b
Svar
En basis for S S er:
{[1001],[01−10]}‾‾ \underline{\underline{\left\{ \begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}, \begin{bmatrix} 0 & 1 \\ -1 & 0 \end{bmatrix} \right\}}}
dim⁡S=2‾‾ \underline{\underline{\dim S = 2}}
Hver matrise i \( S \) er bestemt av de to tallene \( x \) og \( y\text{.} \) Vi deler derfor matrisen i en \( x \)-del og en \( y \)-del.
1. Del matrisen i to Matrisene i \( S \) har formen: \[ \begin{bmatrix} \textcolor{blue}{x} & \textcolor{red}{y} \\ -\textcolor{red}{y} & \textcolor{blue}{x} \end{bmatrix}, \quad \textcolor{blue}{x}, \textcolor{red}{y} \in \mathbb{R} \]
Vi skriver matrisen som en sum og setter \( \textcolor{blue}{x} \) og \( \textcolor{red}{y} \) utenfor, tall for tall som i videoen Addisjon og subtraksjon: \[ \begin{aligned} \begin{bmatrix} \textcolor{blue}{x} & \textcolor{red}{y} \\ -\textcolor{red}{y} & \textcolor{blue}{x} \end{bmatrix} &= \begin{bmatrix} \textcolor{blue}{x} & 0 \\ 0 & \textcolor{blue}{x} \end{bmatrix} + \begin{bmatrix} 0 & \textcolor{red}{y} \\ -\textcolor{red}{y} & 0 \end{bmatrix} \\ &= \textcolor{blue}{x}\begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix} + \textcolor{red}{y}\begin{bmatrix} 0 & 1 \\ -1 & 0 \end{bmatrix} \end{aligned} \]Hver matrise i \( S \) er altså en kombinasjon av de to matrisene, så de spenner ut \( S\text{.} \)
2. Vis at de er lineært uavhengige En basis er vektorer som spenner ut rommet og er lineært uavhengige. Vi sjekker når kombinasjonen blir nullmatrisen: \[ \begin{aligned} \textcolor{blue}{x}\begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix} + \textcolor{red}{y}\begin{bmatrix} 0 & 1 \\ -1 & 0 \end{bmatrix} &= \begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix} \\ \begin{bmatrix} \textcolor{blue}{x} & \textcolor{red}{y} \\ -\textcolor{red}{y} & \textcolor{blue}{x} \end{bmatrix} &= \begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix} \end{aligned} \]Tallene øverst gir \( {\textcolor{blue}{x} = 0} \) og \( {\textcolor{red}{y} = 0}\text{,} \) så bare den trivielle kombinasjonen gir null. Matrisene er lineært uavhengige og en basis.
Dimensjonen er antallet vektorer i en basis: \[ \dim S = 2 \]

Oppgave 5

Beregn en linje g(x)=ax+b {g(x) = ax + b} som passer best mulig til de fem målinger:
kontroll (x)ma˚ling (y)−1200122−2312 \begin{array}{r|r} \text{kontroll \( (x) \)} & \text{måling \( (y) \)} \\ \hline -1 & 2 \\ 0 & 0 \\ 1 & 2 \\ 2 & -2 \\ 3 & \dfrac{1}{2} \end{array}
Vis løsning på oppgave 5

Svar

g(x)=−12x+1‾‾ \underline{\underline{g(x) = -\dfrac{1}{2}x + 1}}
De fem punktene ligger ikke på én linje, så vi finner linjen med minste kvadraters metode: vi løser normallikningene.
1. Sett opp likningssystemet Hver måling \( (x, y) \) gir en likning \( {\textcolor{blue}{a}x + \textcolor{red}{b} = y}\text{:} \) \[ \begin{aligned} -\textcolor{blue}{a} + \textcolor{red}{b} &= 2 \\ \textcolor{red}{b} &= 0 \\ \textcolor{blue}{a} + \textcolor{red}{b} &= 2 \\ 2\textcolor{blue}{a} + \textcolor{red}{b} &= -2 \\ 3\textcolor{blue}{a} + \textcolor{red}{b} &= \dfrac{1}{2} \end{aligned} \]
Den andre og tredje gir \( {\textcolor{red}{b} = 0} \) og \( {\textcolor{blue}{a} = 2}\text{,} \) men da blir den første \( {-2 = 2}\text{.} \) Systemet har altså ingen løsning. På matriseform er det: \[ \underbrace{\begin{bmatrix} -1 & 1 \\ 0 & 1 \\ 1 & 1 \\ 2 & 1 \\ 3 & 1 \end{bmatrix}}_{X}\begin{bmatrix} \textcolor{blue}{a} \\ \textcolor{red}{b} \end{bmatrix} = \underbrace{\begin{bmatrix} 2 \\ 0 \\ 2 \\ -2 \\ \tfrac{1}{2} \end{bmatrix}}_{\mathbf{y}} \]
2. Sett opp normallikningene Minste kvadraters metode forteller oss at linjen som gjør summen av de kvadrerte avvikene så liten som mulig, er løsningen av: \[ X^TX\begin{bmatrix} \textcolor{blue}{a} \\ \textcolor{red}{b} \end{bmatrix} = X^T\mathbf{y} \]
Vi ganger rad med kolonne, som i videoen Multiplikasjon: \[ \begin{aligned} &X^TX \\ &= \begin{bmatrix} -1 & 0 & 1 & 2 & 3 \\ 1 & 1 & 1 & 1 & 1 \end{bmatrix}\begin{bmatrix} -1 & 1 \\ 0 & 1 \\ 1 & 1 \\ 2 & 1 \\ 3 & 1 \end{bmatrix} \\ &= \begin{bmatrix} 15 & 5 \\ 5 & 5 \end{bmatrix} \end{aligned} \]
Høyresiden blir: \[ \begin{aligned} X^T\mathbf{y} &= \begin{bmatrix} -2 + 0 + 2 - 4 + \tfrac{3}{2} \\ 2 + 0 + 2 - 2 + \tfrac{1}{2} \end{bmatrix} \\ &= \begin{bmatrix} -\tfrac{5}{2} \\ \tfrac{5}{2} \end{bmatrix} \end{aligned} \]
3. Løs normallikningene Skrevet ut er normallikningene: \[ \begin{aligned} 15\textcolor{blue}{a} + 5\textcolor{red}{b} &= -\dfrac{5}{2} \\ 5\textcolor{blue}{a} + 5\textcolor{red}{b} &= \dfrac{5}{2} \end{aligned} \]
Trekker vi den andre fra den første, forsvinner \( \textcolor{red}{b}\text{:} \) \[ 10\textcolor{blue}{a} = -5 \quad \Rightarrow \quad \textcolor{blue}{a} = -\dfrac{1}{2} \]
Setter vi dette inn i den andre, får vi: \[ \begin{aligned} 5 \cdot \left(-\dfrac{1}{2}\right) + 5\textcolor{red}{b} &= \dfrac{5}{2} \\ 5\textcolor{red}{b} &= 5 \\ \textcolor{red}{b} &= 1 \end{aligned} \]
Kontroll: Avvikene \( {y - g(x)} \) er \( {\dfrac{1}{2}, -1, \dfrac{3}{2}, -2} \) og \( 1\text{,} \) og summen er \( 0\text{,} \) slik den alltid er for linjen fra normallikningene.

Oppgave 6

La M2 \mathcal{M}_2 være vektorrommet av alle 2×2 2 \times 2 -matriser og
T ⁣:M2→M2, T\colon \mathcal{M}_2 \to \mathcal{M}_2,
T([abcd])=[a00d]. T\left(\begin{bmatrix} a & b \\ c & d \end{bmatrix}\right) = \begin{bmatrix} a & 0 \\ 0 & d \end{bmatrix}\text{.}

Oppgave 6a)

Vis at T T er en lineærtransformasjon.
Vis løsning på oppgave 6a
Svar
T T bevarer addisjon og skalarmultiplikasjon:
T er en lineærtransformasjon‾‾ \underline{\underline{T \text{ er en} \ \text{lineærtransformasjon}}}
\( T \) beholder diagonalen og setter resten til \( 0\text{.} \) Vi sjekker de to kravene til en lineærtransformasjon med to vilkårlige matriser.
1. Skriv opp kravene \( T \) er en lineærtransformasjon når den for alle matriser \( X, Y \) og alle tall \( k \) oppfyller: \[ \begin{aligned} &1. \ \ T(X + Y) = T(X) + T(Y) \\ &2. \ \ T(kX) = kT(X) \end{aligned} \]Hvis du vil se hva en lineær transformasjon gjør, kan du se videoen Lineær transformasjon.
2. Sjekk addisjon Vi tar to matriser: \[ X = \begin{bmatrix} \textcolor{blue}{a} & b \\ c & \textcolor{red}{d} \end{bmatrix}, \quad Y = \begin{bmatrix} \textcolor{blue}{a'} & b' \\ c' & \textcolor{red}{d'} \end{bmatrix} \]
Vi legger sammen tall for tall, som i videoen Addisjon og subtraksjon, og bruker \( T\text{:} \) \[ \begin{aligned} T(X + Y) &= T\left(\begin{bmatrix} \textcolor{blue}{a + a'} & b + b' \\ c + c' & \textcolor{red}{d + d'} \end{bmatrix}\right) \\ &= \begin{bmatrix} \textcolor{blue}{a + a'} & 0 \\ 0 & \textcolor{red}{d + d'} \end{bmatrix} \\ &= \begin{bmatrix} \textcolor{blue}{a} & 0 \\ 0 & \textcolor{red}{d} \end{bmatrix} + \begin{bmatrix} \textcolor{blue}{a'} & 0 \\ 0 & \textcolor{red}{d'} \end{bmatrix} \\ &= T(X) + T(Y) \end{aligned} \]
3. Sjekk skalarmultiplikasjon Vi ganger \( X \) med et tall \( k\text{:} \) \[ \begin{aligned} T(kX) &= T\left(\begin{bmatrix} \textcolor{blue}{ka} & kb \\ kc & \textcolor{red}{kd} \end{bmatrix}\right) \\ &= \begin{bmatrix} \textcolor{blue}{ka} & 0 \\ 0 & \textcolor{red}{kd} \end{bmatrix} \\ &= k\begin{bmatrix} \textcolor{blue}{a} & 0 \\ 0 & \textcolor{red}{d} \end{bmatrix} \\ &= kT(X) \end{aligned} \]Begge kravene holder.

Oppgave 6b)

Bestem ker⁡T \ker T og avgjør om T T er injektiv (en-til-en) eller surjektiv (på). Begrunn svaret!
Vis løsning på oppgave 6b
Svar
ker⁡T={[0bc0]  |  b,c∈R}‾‾ \underline{\underline{\ker T = \left\{ \begin{bmatrix} 0 & b \\ c & 0 \end{bmatrix} \;\middle|\; b, c \in \mathbb{R} \right\}}}
T er ikke injektiv‾‾ \underline{\underline{T \text{ er ikke injektiv}}}
T er ikke surjektiv‾‾ \underline{\underline{T \text{ er ikke surjektiv}}}
Kjernen er matrisene som går til nullmatrisen. Den avgjør om \( T \) er injektiv, og formen på det \( T \) gir ut avgjør om den er surjektiv.
1. Finn kjernen Kjernen er alle matriser som \( T \) sender til nullmatrisen. Hvis du vil se hva en lineær transformasjon gjør, kan du se videoen Lineær transformasjon. \[ T\left(\begin{bmatrix} \textcolor{blue}{a} & b \\ c & \textcolor{red}{d} \end{bmatrix}\right) = \begin{bmatrix} \textcolor{blue}{a} & 0 \\ 0 & \textcolor{red}{d} \end{bmatrix} = \begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix} \]
Det skjer nøyaktig når \( {\textcolor{blue}{a} = 0} \) og \( {\textcolor{red}{d} = 0}\text{,} \) mens \( b \) og \( c \) kan være hva som helst: \[ \ker T = \left\{ \begin{bmatrix} 0 & b \\ c & 0 \end{bmatrix} \;\middle|\; b, c \in \mathbb{R} \right\} \]
2. Avgjør om T er injektiv En lineærtransformasjon er injektiv nøyaktig når bare nullmatrisen går til nullmatrisen: \[ \ker T = \{ 0 \} \]
Her ligger for eksempel denne matrisen i kjernen, uten å være nullmatrisen: \[ T\left(\begin{bmatrix} 0 & 1 \\ 0 & 0 \end{bmatrix}\right) = \begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix} \]Dermed er \( {\ker T \neq \{ 0 \}}\text{,} \) og \( T \) er ikke injektiv.
3. Avgjør om T er surjektiv \( T \) er surjektiv når hver matrise i \( \mathcal{M}_2 \) er \( T(X) \) for en \( X\text{.} \) Men alt \( T \) gir ut, har \( 0 \) utenfor diagonalen. Matrisen under blir derfor aldri truffet: \[ T(X) = \begin{bmatrix} \textcolor{blue}{a} & 0 \\ 0 & \textcolor{red}{d} \end{bmatrix} \neq \begin{bmatrix} 0 & 1 \\ 0 & 0 \end{bmatrix} \]\( T \) er altså ikke surjektiv.

Oppgave 7

Betrakt den stokastiske matrisen
A=[0010000110000100] A = \begin{bmatrix} 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \\ 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 \end{bmatrix}

Oppgave 7a)

Finn en inverterbar matrise P P og en diagonal matrise D D slik at A=PDP−1. {A = PDP^{-1}}\text{.}
Hint: Det er ikke nødvendig å beregne P−1, {P^{-1}}\text{,} men det må begrunnes hvorfor P P oppfyller dette kravet!
Vis løsning på oppgave 7a
Svar
P=[1010010110−10010−1]‾‾ \underline{\underline{P = \begin{bmatrix} 1 & 0 & 1 & 0 \\ 0 & 1 & 0 & 1 \\ 1 & 0 & -1 & 0 \\ 0 & 1 & 0 & -1 \end{bmatrix}}}
D=[1000010000−10000−1]‾‾ \underline{\underline{D = \begin{bmatrix} 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 \\ 0 & 0 & -1 & 0 \\ 0 & 0 & 0 & -1 \end{bmatrix}}}
Vi ser at \( A \) bare bytter om koordinatene. Vi finner derfor egenverdiene og egenvektorene rett fra \( {A\mathbf{v} = \lambda\mathbf{v}}\text{,} \) og setter egenvektorene inn som kolonner i \( P\text{.} \)
1. Skriv opp egenverdilikningen En egenvektor \( {\mathbf{v} \neq \mathbf{0}} \) med egenverdi \( \lambda \) oppfyller: \[ A\mathbf{v} = \lambda\mathbf{v} \]Hvis du er usikker på dette, kan du se videoen Introduksjon egenverdier egenvektorer.
Vi ganger rad med kolonne, som i videoen Multiplikasjon: \[ A\begin{bmatrix} x_1 \\ x_2 \\ x_3 \\ x_4 \end{bmatrix} = \begin{bmatrix} x_3 \\ x_4 \\ x_1 \\ x_2 \end{bmatrix} \]
Likningen \( {A\mathbf{v} = \lambda\mathbf{v}} \) blir da fire likninger: \[ \begin{aligned} x_3 &= \lambda x_1 & x_1 &= \lambda x_3 \\ x_4 &= \lambda x_2 & x_2 &= \lambda x_4 \end{aligned} \]
2. Finn egenverdiene Setter vi \( {x_3 = \lambda x_1} \) inn i \( {x_1 = \lambda x_3}\text{,} \) får vi: \[ x_1 = \lambda \cdot \lambda x_1 = \lambda^2 x_1 \]Setter vi \( {x_4 = \lambda x_2} \) inn i \( {x_2 = \lambda x_4}\text{,} \) får vi på samme måte \( {x_2 = \lambda^2 x_2}\text{.} \) Er \( {x_1 = x_2 = 0}\text{,} \) blir også \( {x_3 = x_4 = 0}\text{,} \) og det er ikke en egenvektor. Da må \( x_1 \) eller \( x_2 \) være ulik \( 0\text{,} \) og vi kan dele på den: \[ \lambda^2 = 1 \quad \Rightarrow \quad \textcolor{blue}{\lambda = 1} \ \text{ eller } \ \textcolor{red}{\lambda = -1} \]
3. Finn egenvektorene For \( {\textcolor{blue}{\lambda = 1}} \) gir likningene \( {x_3 = x_1} \) og \( {x_4 = x_2}\text{:} \) \[ \mathbf{v} = x_1\textcolor{blue}{\begin{bmatrix} 1 \\ 0 \\ 1 \\ 0 \end{bmatrix}} + x_2\textcolor{blue}{\begin{bmatrix} 0 \\ 1 \\ 0 \\ 1 \end{bmatrix}} \]
For \( {\textcolor{red}{\lambda = -1}} \) gir de \( {x_3 = -x_1} \) og \( {x_4 = -x_2}\text{:} \) \[ \mathbf{v} = x_1\textcolor{red}{\begin{bmatrix} 1 \\ 0 \\ -1 \\ 0 \end{bmatrix}} + x_2\textcolor{red}{\begin{bmatrix} 0 \\ 1 \\ 0 \\ -1 \end{bmatrix}} \]
4. Sett opp P og D Diagonalisering forteller oss at: \[ \begin{aligned} A &= PDP^{-1} \\ P &= \begin{bmatrix} \mathbf{v}_1 & \mathbf{v}_2 & \mathbf{v}_3 & \mathbf{v}_4 \end{bmatrix} \\ D &= \begin{bmatrix} \lambda_1 & 0 & 0 & 0 \\ 0 & \lambda_2 & 0 & 0 \\ 0 & 0 & \lambda_3 & 0 \\ 0 & 0 & 0 & \lambda_4 \end{bmatrix} \end{aligned} \]Kolonnene \( \mathbf{v}_i \) er egenvektorer, og \( \lambda_i \) er egenverdien til \( \mathbf{v}_i\text{.} \) Hvis du er usikker på dette, kan du se videoen Intro diagonalisering.
Her er de fire egenvektorene fra over, med: \[ \textcolor{blue}{\lambda_1 = \lambda_2 = 1}, \quad \textcolor{red}{\lambda_3 = \lambda_4 = -1} \]
Plugger vi dette inn, får vi: \[ P = \begin{bmatrix} \textcolor{blue}{1} & \textcolor{blue}{0} & \textcolor{red}{1} & \textcolor{red}{0} \\ \textcolor{blue}{0} & \textcolor{blue}{1} & \textcolor{red}{0} & \textcolor{red}{1} \\ \textcolor{blue}{1} & \textcolor{blue}{0} & \textcolor{red}{-1} & \textcolor{red}{0} \\ \textcolor{blue}{0} & \textcolor{blue}{1} & \textcolor{red}{0} & \textcolor{red}{-1} \end{bmatrix} \]\[ D = \begin{bmatrix} \textcolor{blue}{1} & 0 & 0 & 0 \\ 0 & \textcolor{blue}{1} & 0 & 0 \\ 0 & 0 & \textcolor{red}{-1} & 0 \\ 0 & 0 & 0 & \textcolor{red}{-1} \end{bmatrix} \]
5. Begrunn at P er inverterbar En kvadratisk matrise er inverterbar nøyaktig når kolonnene er lineært uavhengige. Vi setter en kombinasjon av kolonnene lik null: \[ \begin{aligned} &c_1\textcolor{blue}{\begin{bmatrix} 1 \\ 0 \\ 1 \\ 0 \end{bmatrix}} + c_2\textcolor{blue}{\begin{bmatrix} 0 \\ 1 \\ 0 \\ 1 \end{bmatrix}} \\ &+ c_3\textcolor{red}{\begin{bmatrix} 1 \\ 0 \\ -1 \\ 0 \end{bmatrix}} + c_4\textcolor{red}{\begin{bmatrix} 0 \\ 1 \\ 0 \\ -1 \end{bmatrix}} = \mathbf{0} \end{aligned} \]
Det gir oss: \[ \begin{aligned} c_1 + c_3 &= 0 & c_2 + c_4 &= 0 \\ c_1 - c_3 &= 0 & c_2 - c_4 &= 0 \end{aligned} \]
Legger vi sammen likningene i hver kolonne, får vi \( {2c_1 = 0} \) og \( {2c_2 = 0}\text{,} \) og da også \( {c_3 = c_4 = 0}\text{.} \) Bare den trivielle kombinasjonen gir null, så kolonnene er lineært uavhengige og \( P \) er inverterbar.

Oppgave 7b)

Beregn A42 A^{42} og A43. A^{43}\text{.}
Vis løsning på oppgave 7b
Svar
A42=I=[1000010000100001]‾‾ \underline{\underline{A^{42} = I = \begin{bmatrix} 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix}}}
A43=A=[0010000110000100]‾‾ \underline{\underline{A^{43} = A = \begin{bmatrix} 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \\ 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 \end{bmatrix}}}
Vi bruker diagonaliseringen fra a).
Med \( {A = PDP^{-1}} \) er en potens av \( A \) lett å regne ut, for da trenger vi bare potensen av diagonalmatrisen \( D\text{.} \)
1. Skriv opp potensregelen I a) fant vi \( {A = PDP^{-1}} \) med: \[ D = \begin{bmatrix} \textcolor{blue}{1} & 0 & 0 & 0 \\ 0 & \textcolor{blue}{1} & 0 & 0 \\ 0 & 0 & \textcolor{red}{-1} & 0 \\ 0 & 0 & 0 & \textcolor{red}{-1} \end{bmatrix} \]
Ganger vi \( {PDP^{-1}} \) med seg selv, blir hver \( {P^{-1}P} \) i midten lik \( I\text{,} \) som i videoen Eksempel 2x2 diagonalisering. Det gir oss: \[ A^n = PD^nP^{-1} \]
En diagonalmatrise opphøyes ved å opphøye hvert tall på diagonalen, som i videoen Eksempel 2x2 diagonalisering.
2. Regn ut A opphøyd i 42 Vi opphøyer hvert tall på diagonalen i \( 42\text{:} \) \[ \begin{aligned} \textcolor{blue}{1}^{42} &= 1 \\ (\textcolor{red}{-1})^{42} &= 1 \end{aligned} \]
Alle tallene på diagonalen blir \( 1\text{,} \) så \( D^{42} \) er identitetsmatrisen: \[ D^{42} = I \]
Plugger vi dette inn, får vi: \[ A^{42} = PIP^{-1} = PP^{-1} = I \]
3. Regn ut A opphøyd i 43 Siden \( {(\textcolor{red}{-1})^{43} = -1}\text{,} \) er \( {D^{43} = D}\text{.} \) Da får vi: \[ A^{43} = PD^{43}P^{-1} = PDP^{-1} = A \]
Kontroll: \( A \) bytter \( x_1 \) med \( x_3 \) og \( x_2 \) med \( x_4\text{.} \) Gjør vi det to ganger, er alt tilbake, så \( {A^2 = I} \) og \( {A^{42} = (A^2)^{21} = I}\text{.} \)

Oppgave 7c)

Er A A en regulær stokastisk matrise?
Vis løsning på oppgave 7c
Svar
Alle potensene av A A er I I eller A, A\text{,} og begge har nuller:
A er ikke regulær‾‾ \underline{\underline{A \text{ er ikke regulær}}}
Vi bruker potensene fra b).
En stokastisk matrise er regulær når en potens av den bare har positive tall. Vi ser derfor på alle potensene av \( A\text{.} \)
1. Skriv opp definisjonen En stokastisk matrise \( A \) er regulær når det finnes en \( k \) der alle tallene i \( A^k \) er større enn \( 0\text{:} \) \[ (A^k)_{ij} > 0 \quad \text{for alle } i, j \]
2. Finn alle potensene Som i b) er \( {A^k = PD^kP^{-1}}\text{,} \) og en diagonalmatrise opphøyes tall for tall, som i videoen Eksempel 2x2 diagonalisering. Siden \( {(\textcolor{red}{-1})^k} \) er \( 1 \) for partall og \( {-1} \) for oddetall, er: \[ D^k = \begin{cases} I & k \text{ partall} \\ D & k \text{ oddetall} \end{cases} \]
Det gir oss: \[ A^k = \begin{cases} I & k \text{ partall} \\ A & k \text{ oddetall} \end{cases} \]
Både \( I \) og \( A \) har nuller, for eksempel øverst til høyre. Ingen potens av \( A \) har bare positive tall, så \( A \) er ikke regulær.

Oppgave 8

Finn generell løsning av
y′′−6y′+13y=−e−x. y'' - 6y' + 13y = -e^{-x}\text{.}
Vis løsning på oppgave 8

Svar

y=e3x(C1cos⁡(2x)+C2sin⁡(2x))−120e−x‾‾ \underline{\underline{\begin{aligned} y = {} & e^{3x}\big(C_1\cos(2x) + C_2\sin(2x)\big) \\ & - \dfrac{1}{20}e^{-x} \end{aligned}}}
Dette er en inhomogen andreordens differensiallikning. Vi finner den homogene løsningen fra den karakteristiske likningen, og en partikulær løsning ved å gjette \( {y = Ke^{-x}}\text{.} \)
1. Finn røttene Setter vi \( {y = e^{rx}}\text{,} \) gir den homogene likningen \( {\textcolor{blue}{a}y'' + \textcolor{red}{b}y' + \textcolor{green}{c}y = 0} \) den karakteristiske likningen, som i videoen Andre ordens homogene diff ligninger TEORI: \[ \textcolor{blue}{a}r^2 + \textcolor{red}{b}r + \textcolor{green}{c} = 0 \]
Her er: \[ \begin{aligned} \textcolor{blue}{a} &= \textcolor{blue}{1} \\ \textcolor{red}{b} &= \textcolor{red}{-6} \\ \textcolor{green}{c} &= \textcolor{green}{13} \end{aligned} \]
Det gir oss: \[ \textcolor{blue}{1} \cdot r^2 \textcolor{red}{{}- 6}r + \textcolor{green}{13} = 0 \]
abc-formelen forteller oss at: \[ r = \dfrac{-\textcolor{red}{b} \pm \sqrt{\textcolor{red}{b}^2 - 4\textcolor{blue}{a}\textcolor{green}{c}}}{2\textcolor{blue}{a}} \]Hvis du er usikker på abc-formelen her, kan du se videoen Andre ordens homogene diff ligning Komplekse røtter Eksempel.
Plugger vi de samme \( \textcolor{blue}{a}\text{,} \) \( \textcolor{red}{b} \) og \( \textcolor{green}{c} \) inn i abc-formelen, får vi: \[ \begin{aligned} r &= \dfrac{6 \pm \sqrt{(\textcolor{red}{-6})^2 - 4 \cdot \textcolor{blue}{1} \cdot \textcolor{green}{13}}}{2 \cdot \textcolor{blue}{1}} \\ &= \dfrac{6 \pm \sqrt{-16}}{2} = \dfrac{6 \pm 4i}{2} \\ &= 3 \pm 2i \end{aligned} \]
2. Skriv opp den homogene løsningen Med komplekse røtter \( {r = \textcolor{blue}{\alpha} \pm \textcolor{red}{\beta}i}\text{,} \) med realdelen \( \alpha \) i blått og imaginærdelen \( \beta \) i rødt, er den generelle løsningen, som i videoen Andre ordens homogene diff lign m.komplekse røtter TEORI: \[ y_h = e^{\textcolor{blue}{\alpha}x}\big(C_1\cos(\textcolor{red}{\beta}x) + C_2\sin(\textcolor{red}{\beta}x)\big) \]
Her er \( {\textcolor{blue}{\alpha} = \textcolor{blue}{3}} \) og \( {\textcolor{red}{\beta} = \textcolor{red}{2}}\text{,} \) så: \[ y_h = e^{\textcolor{blue}{3}x}\big(C_1\cos(\textcolor{red}{2}x) + C_2\sin(\textcolor{red}{2}x)\big) \]
3. Finn en partikulær løsning Høyresiden er en eksponentialfunksjon, så vi gjetter \( {y_p = Ke^{-x}}\text{,} \) som i videoen Inhomogene diffligner eksempel. Det går, siden \( {-1} \) ikke er en rot. Med kjerneregelen er \( {(e^{-x})' = -e^{-x}}\text{,} \) som i videoen Kjerneregelen: \[ \begin{aligned} y_p &= Ke^{-x} \\ y_p' &= -Ke^{-x} \\ y_p'' &= Ke^{-x} \end{aligned} \]
Setter vi dette inn i likningen, får vi: \[ \begin{aligned} Ke^{-x} + 6Ke^{-x} + 13Ke^{-x} &= -e^{-x} \\ 20K &= -1 \\ K &= -\dfrac{1}{20} \end{aligned} \]
4. Sett sammen løsningen Den generelle løsningen er den homogene løsningen pluss den partikulære, som i videoen Inhomogene diffligner eksempel: \[ \begin{aligned} y &= y_h + y_p \\ &= e^{3x}\big(C_1\cos(2x) + C_2\sin(2x)\big) \\ &\quad - \dfrac{1}{20}e^{-x} \end{aligned} \]

Oppgave 9

Løs initialverdiproblemet
y′(t)=[58−1−1]y(t), \mathbf{y}'(t) = \begin{bmatrix} 5 & 8 \\ -1 & -1 \end{bmatrix}\mathbf{y}(t),
y(0)=[1−1]. \mathbf{y}(0) = \begin{bmatrix} 1 \\ -1 \end{bmatrix}\text{.}
Vis løsning på oppgave 9

Svar

y(t)=[3et−2e3t−32et+12e3t]‾‾ \underline{\underline{\mathbf{y}(t) = \begin{bmatrix} 3e^{t} - 2e^{3t} \\ -\dfrac{3}{2}e^{t} + \dfrac{1}{2}e^{3t} \end{bmatrix}}}
Systemet er \( {\mathbf{y}' = A\mathbf{y}}\text{.} \) Vi finner egenverdiene og egenvektorene til \( A\text{,} \) skriver opp den generelle løsningen og bruker startverdien til å finne konstantene.
1. Finn egenverdiene Systemet er \( {\mathbf{y}' = A\mathbf{y}} \) med: \[ A = \begin{bmatrix} 5 & 8 \\ -1 & -1 \end{bmatrix} \]
Vi setter determinanten til \( {A - \lambda I} \) lik \( 0\text{,} \) som i videoen System av difflikninger. Determinanten til en \( 2 \times 2 \)-matrise er: \[ \begin{vmatrix} \textcolor{blue}{p} & \textcolor{red}{q} \\ \textcolor{green}{r} & \textcolor{magenta}{s} \end{vmatrix} = \textcolor{blue}{p}\textcolor{magenta}{s} - \textcolor{red}{q}\textcolor{green}{r} \]Hvis du er usikker på den, kan du se videoen Determinanter 2x2 matrise.
Her er: \[ \begin{aligned} \textcolor{blue}{p} &= \textcolor{blue}{5 - \lambda} & \textcolor{red}{q} &= \textcolor{red}{8} \\ \textcolor{green}{r} &= \textcolor{green}{-1} & \textcolor{magenta}{s} &= \textcolor{magenta}{-1 - \lambda} \end{aligned} \]
Plugger vi dette inn, får vi: \[ \begin{aligned} (\textcolor{blue}{5 - \lambda})(\textcolor{magenta}{-1 - \lambda}) - \textcolor{red}{8} \cdot (\textcolor{green}{-1}) &= 0 \\ \lambda^2 - 4\lambda + 3 &= 0 \\ (\lambda - 1)(\lambda - 3) &= 0 \end{aligned} \]
Det gir oss egenverdiene, nå med \( \lambda_1 \) i blått og \( \lambda_2 \) i rødt: \[ \textcolor{blue}{\lambda_1 = 1}, \quad \textcolor{red}{\lambda_2 = 3} \]
2. Finn egenvektorene Vi setter inn hver egenverdi og løser \( {(A - \lambda I)\mathbf{v} = \mathbf{0}}\text{,} \) som i videoen System av difflikninger. Andre rad er et multiplum av første, så én likning er nok.
For \( {\textcolor{blue}{\lambda_1 = 1}} \) får vi: \[ \begin{bmatrix} 4 & 8 \\ -1 & -2 \end{bmatrix}\begin{bmatrix} p \\ q \end{bmatrix} = \begin{bmatrix} 0 \\ 0 \end{bmatrix} \]Det gir \( {p = -2q}\text{.} \) Vi velger \( {q = -1}\text{:} \) \[ \textcolor{blue}{\mathbf{v}_1} = \textcolor{blue}{\begin{bmatrix} 2 \\ -1 \end{bmatrix}} \]
For \( {\textcolor{red}{\lambda_2 = 3}} \) får vi: \[ \begin{bmatrix} 2 & 8 \\ -1 & -4 \end{bmatrix}\begin{bmatrix} p \\ q \end{bmatrix} = \begin{bmatrix} 0 \\ 0 \end{bmatrix} \]Det gir \( {p = -4q}\text{.} \) Vi velger \( {q = -1}\text{:} \) \[ \textcolor{red}{\mathbf{v}_2} = \textcolor{red}{\begin{bmatrix} 4 \\ -1 \end{bmatrix}} \]
3. Skriv opp den generelle løsningen Den generelle løsningen er, som i videoen System av difflikninger: \[ \mathbf{y}(t) = C_1e^{\textcolor{blue}{\lambda_1}t}\textcolor{blue}{\mathbf{v}_1} + C_2e^{\textcolor{red}{\lambda_2}t}\textcolor{red}{\mathbf{v}_2} \]
Plugger vi inn egenverdiene og egenvektorene, får vi: \[ \mathbf{y}(t) = C_1e^{\textcolor{blue}{t}}\textcolor{blue}{\begin{bmatrix} 2 \\ -1 \end{bmatrix}} + C_2e^{\textcolor{red}{3t}}\textcolor{red}{\begin{bmatrix} 4 \\ -1 \end{bmatrix}} \]
4. Bruk startverdien Vi setter inn \( {t = 0}\text{,} \) som i videoen System av differensiallikninger, partikulær løsning. Da er \( {e^0 = 1}\text{:} \) \[ C_1\textcolor{blue}{\begin{bmatrix} 2 \\ -1 \end{bmatrix}} + C_2\textcolor{red}{\begin{bmatrix} 4 \\ -1 \end{bmatrix}} = \begin{bmatrix} 1 \\ -1 \end{bmatrix} \]
Det gir to likninger: \[ \begin{aligned} 2C_1 + 4C_2 &= 1 \\ -C_1 - C_2 &= -1 \end{aligned} \]
Den andre gir \( {C_1 = 1 - C_2}\text{.} \) Setter vi dette inn i den første, får vi: \[ \begin{aligned} 2(1 - C_2) + 4C_2 &= 1 \\ 2C_2 &= -1 \\ C_2 &= -\dfrac{1}{2} \end{aligned} \]Da er \( {C_1 = 1 - \left(-\dfrac{1}{2}\right) = \dfrac{3}{2}}\text{.} \)
Plugger vi konstantene inn, får vi: \[ \begin{aligned} \mathbf{y}(t) &= \dfrac{3}{2}e^{t}\begin{bmatrix} 2 \\ -1 \end{bmatrix} - \dfrac{1}{2}e^{3t}\begin{bmatrix} 4 \\ -1 \end{bmatrix} \\ &= \begin{bmatrix} 3e^{t} - 2e^{3t} \\ -\dfrac{3}{2}e^{t} + \dfrac{1}{2}e^{3t} \end{bmatrix} \end{aligned} \]
Kontroll: Med \( {t = 0} \) gir koordinatene \( {3 - 2 = 1} \) og \( {-\dfrac{3}{2} + \dfrac{1}{2} = -1}\text{.} \)

Oppgave 10

La
A=[2−1−14]. A = \begin{bmatrix} 2 & -1 \\ -1 & 4 \end{bmatrix}\text{.}
Vis direkte ved bruk av definisjoner at funksjonen
⟨u,v⟩=uTAv,u,v∈R2 \langle \mathbf{u}, \mathbf{v} \rangle = \mathbf{u}^TA\mathbf{v}, \qquad \mathbf{u}, \mathbf{v} \in \mathbb{R}^2
er et indreprodukt i R2. \mathbb{R}^2\text{.}
Vis løsning på oppgave 10

Svar

Funksjonen er symmetrisk, lineær og positiv:
uTAv er et indreprodukt‾‾ \underline{\underline{\mathbf{u}^TA\mathbf{v} \text{ er et indreprodukt}}}
Vi skriver først \( \mathbf{u}^TA\mathbf{v} \) ut med koordinater. Så sjekker vi de fire kravene til et indreprodukt ett for ett.
1. Skriv opp kravene Et indreprodukt på \( \mathbb{R}^2 \) oppfyller, for alle vektorer \( \mathbf{u}, \mathbf{v}, \mathbf{w} \) og alle tall \( c\text{:} \) \[ \begin{aligned} &1. \ \ \langle \mathbf{u}, \mathbf{v} \rangle = \langle \mathbf{v}, \mathbf{u} \rangle \\ &2. \ \ \langle \mathbf{u} + \mathbf{w}, \mathbf{v} \rangle = \langle \mathbf{u}, \mathbf{v} \rangle + \langle \mathbf{w}, \mathbf{v} \rangle \\ &3. \ \ \langle c\mathbf{u}, \mathbf{v} \rangle = c\langle \mathbf{u}, \mathbf{v} \rangle \\ &4. \ \ \langle \mathbf{u}, \mathbf{u} \rangle \geq 0 \\ &\phantom{4.} \ \ \langle \mathbf{u}, \mathbf{u} \rangle = 0 \text{ bare for } \mathbf{u} = \mathbf{0} \end{aligned} \]
2. Regn ut uttrykket Vi skriver \( {\mathbf{u} = (u_1, u_2)} \) og \( {\mathbf{v} = (v_1, v_2)}\text{,} \) og ganger rad med kolonne, som i videoen Multiplikasjon: \[ A\mathbf{v} = \begin{bmatrix} 2v_1 - v_2 \\ -v_1 + 4v_2 \end{bmatrix} \]
Så ganger vi med \( \mathbf{u}^T \) fra venstre: \[ \begin{aligned} &\langle \mathbf{u}, \mathbf{v} \rangle \\ &= u_1(2v_1 - v_2) + u_2(-v_1 + 4v_2) \\ &= 2u_1v_1 \textcolor{blue}{{}- u_1v_2} \textcolor{red}{{}- u_2v_1} + 4u_2v_2 \end{aligned} \]
3. Sjekk symmetri Bytter vi om \( \mathbf{u} \) og \( \mathbf{v}\text{,} \) bytter de to midterste leddene plass, og resten er likt: \[ \begin{aligned} &\langle \mathbf{v}, \mathbf{u} \rangle \\ &= 2v_1u_1 \textcolor{red}{{}- v_1u_2} \textcolor{blue}{{}- v_2u_1} + 4v_2u_2 \\ &= \langle \mathbf{u}, \mathbf{v} \rangle \end{aligned} \]
4. Sjekk linearitet Matrisemultiplikasjon kan ganges ut over en sum, og et tall kan settes utenfor. Det gir krav 2: \[ \begin{aligned} \langle \mathbf{u} + \mathbf{w}, \mathbf{v} \rangle &= (\mathbf{u} + \mathbf{w})^TA\mathbf{v} \\ &= \mathbf{u}^TA\mathbf{v} + \mathbf{w}^TA\mathbf{v} \\ &= \langle \mathbf{u}, \mathbf{v} \rangle + \langle \mathbf{w}, \mathbf{v} \rangle \end{aligned} \]
Og krav 3: \[ \begin{aligned} \langle c\mathbf{u}, \mathbf{v} \rangle &= (c\mathbf{u})^TA\mathbf{v} \\ &= c\,\mathbf{u}^TA\mathbf{v} = c\langle \mathbf{u}, \mathbf{v} \rangle \end{aligned} \]
5. Sjekk positivitet Med \( {\mathbf{v} = \mathbf{u}} \) blir uttrykket: \[ \langle \mathbf{u}, \mathbf{u} \rangle = 2u_1^2 - 2u_1u_2 + 4u_2^2 \]
Andre kvadratsetning forteller oss at: \[ (\textcolor{blue}{p} - \textcolor{red}{q})^2 = \textcolor{blue}{p}^2 - 2\textcolor{blue}{p}\textcolor{red}{q} + \textcolor{red}{q}^2 \]Hvis du er usikker på den, kan du se videoen Kvadratsetningene.
Med \( {\textcolor{blue}{p} = \textcolor{blue}{u_1}} \) og \( {\textcolor{red}{q} = \textcolor{red}{u_2}} \) kan vi dele uttrykket i kvadrater: \[ \begin{aligned} \langle \mathbf{u}, \mathbf{u} \rangle &= (\textcolor{blue}{u_1}^2 - 2\textcolor{blue}{u_1}\textcolor{red}{u_2} + \textcolor{red}{u_2}^2) \\ &\quad + u_1^2 + 3u_2^2 \\ &= (\textcolor{blue}{u_1} - \textcolor{red}{u_2})^2 + u_1^2 + 3u_2^2 \\ &\geq 0 \end{aligned} \]
En sum av kvadrater er \( 0 \) bare når hvert kvadrat er \( 0\text{.} \) Da er \( {u_1 = 0} \) og \( {u_2 = 0}\text{:} \) \[ \langle \mathbf{u}, \mathbf{u} \rangle = 0 \quad \Rightarrow \quad \mathbf{u} = \mathbf{0} \]Alle fire kravene holder.

Ferdig med settet? Se de andre settene i Matematikk 3, eller repeter temaene på fagsiden.