Hopp til hovedinnholdet

TMA4115 ordinær eksamen 2022

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

20. mai 2022 · Hjelpemidler: Kode C: bestemt, enkel kalkulator tillatt. Ingen skrevne eller trykte hjelpemidler.

Last ned PDF

Oppgaver

10 oppgaver

Oppgave 1

Finn alle løsninger av ligninga
z4+5z2+4=0. z^4 + 5z^2 + 4 = 0\text{.}
Vis løsning på oppgave 1

Svar

z=±i,z=±2i‾‾ \underline{\underline{z = \pm i, \quad z = \pm 2i}}
Vi ser at likningen bare har \( z^4 \) og \( z^2\text{.} \) Vi setter derfor \( {w = z^2} \) og får en andregradslikning i \( w\text{.} \)
1. Skriv om til en andregradslikning Med \( {w = z^2} \) er \( {z^4 = (z^2)^2 = w^2}\text{.} \) Likningen blir da: \[ w^2 + 5w + 4 = 0 \]
2. Løs andregradslikningen abc-formelen forteller oss at: \[ w = \dfrac{-\textcolor{red}{b} \pm \sqrt{\textcolor{red}{b}^2 - 4\textcolor{blue}{a}\textcolor{green}{c}}}{2\textcolor{blue}{a}} \]Hvis du er usikker på den, kan du se videoen Andregradslikninger & abc-formelen.
Her er: \[ \textcolor{blue}{a} = \textcolor{blue}{1}, \quad \textcolor{red}{b} = \textcolor{red}{5}, \quad \textcolor{green}{c} = \textcolor{green}{4} \]
Plugger vi dette inn i abc-formelen, får vi: \[ \begin{aligned} w &= \dfrac{-\textcolor{red}{5} \pm \sqrt{\textcolor{red}{5}^2 - 4 \cdot \textcolor{blue}{1} \cdot \textcolor{green}{4}}}{2 \cdot \textcolor{blue}{1}} \\ &= \dfrac{-5 \pm \sqrt{9}}{2} = \dfrac{-5 \pm 3}{2} \end{aligned} \]
Det gir oss: \[ w = -1 \quad \text{eller} \quad w = -4 \]
3. Løs for z Vi setter \( {w = z^2} \) tilbake og tar roten på begge sider. Roten av et negativt tall skriver vi med \( {i = \sqrt{-1}}\text{,} \) som i videoen Imaginære Tall: \[ \sqrt{-k} = \sqrt{k} \cdot \sqrt{-1} = \sqrt{k}\,i, \quad k > 0 \]
\( {z^2 = -1} \) gir: \[ z = \pm\sqrt{-1} = \underline{\pm i} \]
\( {z^2 = -4} \) gir: \[ z = \pm\sqrt{4} \cdot \sqrt{-1} = \underline{\pm 2i} \]
Kontroll: Med \( {z = 2i} \) blir venstresiden \( {16 - 20 + 4 = 0}\text{.} \)
En fjerdegradslikning har fire løsninger, og vi har funnet alle fire.

Oppgave 2

La a=[311], {\mathbf{a} = \begin{bmatrix} 3 \\ 1 \\ 1 \end{bmatrix}}\text{,} og la V V være mengden V={x∈R3:aTx=0}. {V = \{\mathbf{x} \in \mathbb{R}^3 : \mathbf{a}^T\mathbf{x} = 0\}}\text{.}
Vis at V V er et underrom av R3, \mathbb{R}^3\text{,} og finn en basis for det ortogonale komplementet V⊥. V^{\perp}\text{.}
Vis løsning på oppgave 2

Svar

V er et underrom av R3‾‾ \underline{\underline{V \text{ er et underrom av } \mathbb{R}^3}}
Basis for V⊥: {[311]}‾‾ \underline{\underline{\text{Basis for } V^{\perp}\text{: } \left\{\begin{bmatrix} 3 \\ 1 \\ 1 \end{bmatrix}\right\}}}
\( V \) er alle vektorene som står vinkelrett på \( \mathbf{a}\text{.} \) Vi sjekker de tre kravene til et underrom, og ser så at \( V^{\perp} \) er linjen langs \( \mathbf{a}\text{.} \)
1. Skriv opp kravene \( V \) er et underrom av \( \mathbb{R}^3 \) når: \[ \begin{aligned} &1.\ \ \mathbf{0} \in V \\ &2.\ \ \mathbf{x}, \mathbf{y} \in V \;\Rightarrow\; \mathbf{x} + \mathbf{y} \in V \\ &3.\ \ \mathbf{x} \in V,\ c \in \mathbb{R} \;\Rightarrow\; c\mathbf{x} \in V \end{aligned} \]
2. Sjekk de tre kravene Nullvektoren gir: \[ \mathbf{a}^T\mathbf{0} = 0 \]Altså er \( \mathbf{0} \in V\text{.} \)
La \( \textcolor{blue}{\mathbf{x}} \) og \( \textcolor{red}{\mathbf{y}} \) ligge i \( V\text{,} \) altså \( {\textcolor{blue}{\mathbf{a}^T\mathbf{x} = 0}} \) og \( {\textcolor{red}{\mathbf{a}^T\mathbf{y} = 0}}\text{.} \) Vi ganger inn, som med vanlige tall: \[ \begin{aligned} \mathbf{a}^T(\textcolor{blue}{\mathbf{x}} + \textcolor{red}{\mathbf{y}}) &= \textcolor{blue}{\mathbf{a}^T\mathbf{x}} + \textcolor{red}{\mathbf{a}^T\mathbf{y}} \\ &= \textcolor{blue}{0} + \textcolor{red}{0} = 0 \end{aligned} \]Altså er \( {\mathbf{x} + \mathbf{y} \in V}\text{.} \)
Med et tall \( c \) setter vi \( c \) utenfor: \[ \mathbf{a}^T(c\textcolor{blue}{\mathbf{x}}) = c \cdot \textcolor{blue}{\mathbf{a}^T\mathbf{x}} = c \cdot \textcolor{blue}{0} = 0 \]Altså er \( c\mathbf{x} \in V\text{.} \) Alle tre kravene holder, så \( V \) er et underrom.
3. Finn dimensjonen til V Kravet \( {\mathbf{a}^T\mathbf{x} = 0} \) er én likning: \[ 3x_1 + x_2 + x_3 = 0 \]
Likningen har uendelig mange løsninger, som i videoen Hva betyr de forskjellige løsningene?. Vi kan velge \( {x_1 = s} \) og \( {x_2 = t} \) fritt, og da er \( {x_3 = -3s - t}\text{:} \) \[ \begin{aligned} \mathbf{x} &= \begin{bmatrix} s \\ t \\ -3s - t \end{bmatrix} \\ &= s\begin{bmatrix} 1 \\ 0 \\ -3 \end{bmatrix} + t\begin{bmatrix} 0 \\ 1 \\ -1 \end{bmatrix} \end{aligned} \]
De to vektorene er ikke multipler av hverandre, så de er lineært uavhengige og en basis for \( V\text{:} \) \[ \dim V = 2 \]
4. Finn det ortogonale komplementet \( V^{\perp} \) er alle vektorene som står vinkelrett på hver vektor i \( V\text{.} \) Siden \( {\mathbf{a}^T\mathbf{x} = \mathbf{a} \cdot \mathbf{x}}\text{,} \) står \( \mathbf{a} \) vinkelrett på hele \( V\text{:} \) \[ \begin{aligned} &\mathbf{a} \cdot \mathbf{x} = 0 \text{ for alle } \mathbf{x} \in V \\ &\Rightarrow \quad \mathbf{a} \in V^{\perp} \end{aligned} \]
Dimensjonene til et underrom og komplementet summerer seg til dimensjonen av hele rommet: \[ \dim V + \dim V^{\perp} = 3 \]
Plugger vi inn \( {\dim V = 2}\text{,} \) får vi: \[ \dim V^{\perp} = 3 - 2 = 1 \]
\( V^{\perp} \) har altså dimensjon \( 1\text{,} \) og \( {\mathbf{a} \neq \mathbf{0}} \) ligger i den. Da er \( \{\mathbf{a}\} \) en basis for \( V^{\perp}\text{.} \)

Oppgave 3

La
A=[24i4−4ii−22+i1+i−2+2i2]. A = \begin{bmatrix} 2 & 4i & 4 - 4i \\ i & -2 & 2 + i \\ 1 + i & -2 + 2i & 2 \end{bmatrix}\text{.}
Finn en basis for kolonnerommet (søylerommet) til A, A\text{,} og en basis for nullrommet til A. A\text{.}
Vis løsning på oppgave 3

Svar

Col A: {[2i1+i],[4−4i2+i2]}‾‾ \underline{\underline{\text{Col}\,A\text{: } \left\{ \begin{bmatrix} 2 \\ i \\ 1 + i \end{bmatrix}, \begin{bmatrix} 4 - 4i \\ 2 + i \\ 2 \end{bmatrix} \right\}}}
Nul A: {[−2i10]}‾‾ \underline{\underline{\text{Nul}\,A\text{: } \left\{ \begin{bmatrix} -2i \\ 1 \\ 0 \end{bmatrix} \right\}}}
Vi radreduserer \( A \) til trappeform. Pivotkolonnene i \( A \) er en basis for kolonnerommet, og de frie variablene gir nullrommet.
1. Radreduser matrisen Vi radreduserer som i videoen Gauss Eliminering, bare med komplekse tall. Vi ganger ut ledd for ledd og bruker \( {i^2 = -1}\text{,} \) som i videoen Multiplikasjon med Komplekse tall.
\( R_1 \to \tfrac{1}{2}R_1 \) gir: \[ \begin{bmatrix} 1 & 2i & 2 - 2i \\ i & -2 & 2 + i \\ 1 + i & -2 + 2i & 2 \end{bmatrix} \]
\( {R_2 \to R_2 - \textcolor{blue}{i}R_1}\text{.} \) Her er \( {\textcolor{blue}{i} \cdot 2i = -2} \) og: \[ \begin{aligned} &(2 + i) - \textcolor{blue}{i}(2 - 2i) \\ &= 2 + i - 2i + 2i^2 \\ &= -i \end{aligned} \]
Det gir: \[ \begin{bmatrix} 1 & 2i & 2 - 2i \\ 0 & 0 & -i \\ 1 + i & -2 + 2i & 2 \end{bmatrix} \]
\( {R_3 \to R_3 - \textcolor{red}{(1 + i)}R_1}\text{.} \) Her er: \[ \begin{aligned} \textcolor{red}{(1 + i)} \cdot 2i &= 2i + 2i^2 \\ &= -2 + 2i \\ \textcolor{red}{(1 + i)}(2 - 2i) &= 2 - 2i + 2i - 2i^2 \\ &= 4 \end{aligned} \]
Det gir: \[ \begin{bmatrix} 1 & 2i & 2 - 2i \\ 0 & 0 & -i \\ 0 & 0 & -2 \end{bmatrix} \]
\( R_2 \to iR_2\text{,} \) der \( {i \cdot (-i) = -i^2 = 1}\text{,} \) gir: \[ \begin{bmatrix} 1 & 2i & 2 - 2i \\ 0 & 0 & 1 \\ 0 & 0 & -2 \end{bmatrix} \]
\( {R_3 \to R_3 + 2R_2} \) gir: \[ \begin{bmatrix} 1 & 2i & 2 - 2i \\ 0 & 0 & 1 \\ 0 & 0 & 0 \end{bmatrix} \]
2. Finn basis for kolonnerommet Pivotene står i kolonne \( 1 \) og \( 3\text{.} \) Pivotkolonnene i den opprinnelige matrisen er en basis for kolonnerommet \( \text{Col}\,A\text{:} \) \[ \left\{ \begin{bmatrix} 2 \\ i \\ 1 + i \end{bmatrix}, \begin{bmatrix} 4 - 4i \\ 2 + i \\ 2 \end{bmatrix} \right\} \]
Kolonne \( 2 \) gir ingenting nytt, for den er \( 2i \) ganger kolonne \( 1\text{:} \) \[ \begin{aligned} 2i\begin{bmatrix} 2 \\ i \\ 1 + i \end{bmatrix} &= \begin{bmatrix} 4i \\ 2i^2 \\ 2i + 2i^2 \end{bmatrix} \\ &= \begin{bmatrix} 4i \\ -2 \\ -2 + 2i \end{bmatrix} \end{aligned} \]
3. Finn basis for nullrommet Nullrommet \( \text{Nul}\,A \) er løsningene av \( {A\mathbf{x} = \mathbf{0}}\text{.} \) Trappeformen gir: \[ \begin{aligned} x_1 + 2i\,x_2 + (2 - 2i)x_3 &= 0 \\ x_3 &= 0 \end{aligned} \]
Kolonne \( 2 \) har ingen pivot, så \( x_2 \) er fri, som i videoen Hva betyr de forskjellige løsningene?. Vi setter \( {\textcolor{green}{x_2 = t}}\text{,} \) og da er \( {x_1 = -2i\textcolor{green}{t}}\text{:} \) \[ \mathbf{x} = \begin{bmatrix} -2i\textcolor{green}{t} \\ \textcolor{green}{t} \\ 0 \end{bmatrix} = \textcolor{green}{t}\begin{bmatrix} -2i \\ 1 \\ 0 \end{bmatrix} \]
Vi sjekker: \( {-2i} \) ganger kolonne \( 1 \) pluss kolonne \( 2 \) er \( \mathbf{0}\text{,} \) siden kolonne \( 2 \) er \( 2i \) ganger kolonne \( 1\text{.} \)

Oppgave 4

Bestem om funksjonene
f1(x)=1,  f2(x)=x,  f3(x)=sin⁡(x), f_1(x) = 1,\ \ f_2(x) = x,\ \ f_3(x) = \sin(x)\text{,}
er ortogonale i indreproduktsrommet C([−π,π]), {\mathcal{C}([-\pi, \pi])}\text{,} når indreproduktet er definert ved
⟨f,g⟩=∫−ππf(x)g(x) dx. \langle f, g \rangle = \int_{-\pi}^{\pi} f(x)g(x)\,dx\text{.}
Hvis ikke, finn en ortogonal basis for det lineære spennet span(f1,f2,f3) \text{span}(f_1, f_2, f_3) ved å bruke Gram-Schmidts ortogonaliseringsmetode.
Vis løsning på oppgave 4

Svar

Funksjonene er ikke ortogonale, men en ortogonal basis er:
{1, x, sin⁡x−3π2 x}‾‾ \underline{\underline{\left\{ 1,\ x,\ \sin x - \dfrac{3}{\pi^2}\,x \right\}}}
Funksjonene er ortogonale når indreproduktet av hvert par er \( 0\text{.} \) Vi regner ut de tre integralene, og bruker Gram-Schmidt når ett av dem ikke er \( 0\text{.} \)
1. Regn ut de to enkle integralene \[ \begin{aligned} \langle f_1, f_2 \rangle &= \int_{-\pi}^{\pi} x\,dx = \left[\dfrac{x^2}{2}\right]_{-\pi}^{\pi} \\ &= \dfrac{\pi^2}{2} - \dfrac{\pi^2}{2} = 0 \end{aligned} \]
\[ \begin{aligned} \langle f_1, f_3 \rangle &= \int_{-\pi}^{\pi} \sin x\,dx \\ &= \Big[-\cos x\Big]_{-\pi}^{\pi} \\ &= -\cos\pi + \cos(-\pi) \\ &= 1 - 1 = 0 \end{aligned} \]
2. Regn ut det tredje integralet \( \langle f_2, f_3 \rangle \) er integralet av et produkt, så vi bruker delvis integrasjon. Den forteller oss at: \[ \int \textcolor{red}{u}\textcolor{blue}{v'}\,dx = \textcolor{red}{u}\textcolor{blue}{v} - \int \textcolor{red}{u'}\textcolor{blue}{v}\,dx \]Videoen Delvis integrasjon regner nettopp \( \int x\sin x\,dx\text{.} \)
Her er: \[ \begin{aligned} \textcolor{red}{u} &= \textcolor{red}{x} & \textcolor{red}{u'} &= \textcolor{red}{1} \\ \textcolor{blue}{v'} &= \textcolor{blue}{\sin x} & \textcolor{blue}{v} &= \textcolor{blue}{-\cos x} \end{aligned} \]
Plugger vi dette inn, får vi: \[ \begin{aligned} \langle f_2, f_3 \rangle &= \Big[\textcolor{red}{x} \cdot (\textcolor{blue}{-\cos x})\Big]_{-\pi}^{\pi} \\ &\quad - \int_{-\pi}^{\pi} \textcolor{red}{1} \cdot (\textcolor{blue}{-\cos x})\,dx \\ &= \Big[-x\cos x + \sin x\Big]_{-\pi}^{\pi} \\ &= (\pi + 0) - (-\pi + 0) = 2\pi \end{aligned} \]
Siden \( {\langle f_2, f_3 \rangle = 2\pi \neq 0}\text{,} \) er funksjonene ikke ortogonale.
3. Skriv opp Gram-Schmidt Gram-Schmidt forteller oss at: \[ \begin{aligned} u_1 &= f_1 \\ u_2 &= f_2 - \dfrac{\langle f_2, u_1 \rangle}{\langle u_1, u_1 \rangle}\,u_1 \\ u_3 &= f_3 - \dfrac{\langle f_3, u_1 \rangle}{\langle u_1, u_1 \rangle}\,u_1 - \dfrac{\textcolor{green}{\langle f_3, u_2 \rangle}}{\textcolor{darkorange}{\langle u_2, u_2 \rangle}}\,u_2 \end{aligned} \]Da er \( u_1\text{,} \) \( u_2 \) og \( u_3 \) ortogonale og spenner ut det samme rommet.
4. Finn de ortogonale funksjonene Siden \( {\langle f_2, f_1 \rangle = 0}\text{,} \) blir \( {u_2 = f_2 = x}\text{.} \) Siden \( {\langle f_3, f_1 \rangle = 0}\text{,} \) faller det midterste leddet i \( u_3 \) bort. Vi trenger: \[ \textcolor{green}{\langle f_3, u_2 \rangle} = \langle f_3, f_2 \rangle = \textcolor{green}{2\pi} \]
\[ \begin{aligned} \textcolor{darkorange}{\langle u_2, u_2 \rangle} &= \int_{-\pi}^{\pi} x^2\,dx = \left[\dfrac{x^3}{3}\right]_{-\pi}^{\pi} \\ &= \dfrac{\pi^3}{3} + \dfrac{\pi^3}{3} = \textcolor{darkorange}{\dfrac{2\pi^3}{3}} \end{aligned} \]
Plugger vi dette inn, får vi: \[ \begin{aligned} u_3 &= \sin x - \dfrac{\textcolor{green}{2\pi}}{\textcolor{darkorange}{\tfrac{2\pi^3}{3}}}\,x \\ &= \sin x - \dfrac{3}{\pi^2}\,x \end{aligned} \]
Vi sjekker at \( u_3 \) står ortogonalt på \( u_2\text{:} \) \[ \begin{aligned} \langle u_3, u_2 \rangle &= 2\pi - \dfrac{3}{\pi^2} \cdot \dfrac{2\pi^3}{3} \\ &= 2\pi - 2\pi = 0 \end{aligned} \]

Oppgave 5

Bruk minste kvadraters metode for å finne en tilnærmet løsning på det overbestemte ligningssystemet
2x+y=53x−2y=1−x+3y=6. \begin{aligned} 2x + y &= 5 \\ 3x - 2y &= 1 \\ -x + 3y &= 6\text{.} \end{aligned}
Vis løsning på oppgave 5

Svar

x=53,y=73‾‾ \underline{\underline{x = \dfrac{5}{3}, \quad y = \dfrac{7}{3}}}
Systemet har tre likninger og bare to ukjente, og det har ingen eksakt løsning. Vi skriver det derfor som \( {M\mathbf{v} = \mathbf{b}} \) og løser normallikningene \( {M^TM\mathbf{v} = M^T\mathbf{b}}\text{.} \)
1. Skriv systemet på matriseform \[ \underbrace{\begin{bmatrix} 2 & 1 \\ 3 & -2 \\ -1 & 3 \end{bmatrix}}_{M} \underbrace{\begin{bmatrix} \textcolor{blue}{x} \\ \textcolor{red}{y} \end{bmatrix}}_{\mathbf{v}} = \underbrace{\begin{bmatrix} 5 \\ 1 \\ 6 \end{bmatrix}}_{\mathbf{b}} \]
2. Sett opp normallikningene Minste kvadraters løsning er den som gjør summen av de kvadrerte avvikene minst. Den finner vi med normallikningene: \[ M^TM\begin{bmatrix} \textcolor{blue}{x} \\ \textcolor{red}{y} \end{bmatrix} = M^T\mathbf{b} \]
Vi ganger rad med kolonne, som i videoen Multiplikasjon: \[ \begin{aligned} M^TM &= \begin{bmatrix} 2 & 3 & -1 \\ 1 & -2 & 3 \end{bmatrix}\begin{bmatrix} 2 & 1 \\ 3 & -2 \\ -1 & 3 \end{bmatrix} \\ &= \begin{bmatrix} 4 + 9 + 1 & 2 - 6 - 3 \\ 2 - 6 - 3 & 1 + 4 + 9 \end{bmatrix} \\ &= \begin{bmatrix} 14 & -7 \\ -7 & 14 \end{bmatrix} \end{aligned} \]
\[ \begin{aligned} M^T\mathbf{b} &= \begin{bmatrix} 2 & 3 & -1 \\ 1 & -2 & 3 \end{bmatrix}\begin{bmatrix} 5 \\ 1 \\ 6 \end{bmatrix} \\ &= \begin{bmatrix} 10 + 3 - 6 \\ 5 - 2 + 18 \end{bmatrix} = \begin{bmatrix} 7 \\ 21 \end{bmatrix} \end{aligned} \]
3. Løs normallikningene Normallikningene er: \[ \begin{aligned} 14\textcolor{blue}{x} - 7\textcolor{red}{y} &= 7 \\ -7\textcolor{blue}{x} + 14\textcolor{red}{y} &= 21 \end{aligned} \]
Vi deler begge på \( 7\text{:} \) \[ \begin{aligned} 2\textcolor{blue}{x} - \textcolor{red}{y} &= 1 \\ -\textcolor{blue}{x} + 2\textcolor{red}{y} &= 3 \end{aligned} \]
Den første gir \( {\textcolor{red}{y} = 2\textcolor{blue}{x} - 1}\text{.} \) Setter vi det inn i den andre, får vi: \[ \begin{aligned} -\textcolor{blue}{x} + 2(2\textcolor{blue}{x} - 1) &= 3 \\ 3\textcolor{blue}{x} &= 5 \\ \textcolor{blue}{x} &= \textcolor{blue}{\dfrac{5}{3}} \end{aligned} \]
Det gir oss: \[ \textcolor{red}{y} = 2 \cdot \dfrac{5}{3} - 1 = \textcolor{red}{\dfrac{7}{3}} \]
Kontroll: Avvikene \( {M\mathbf{v} - \mathbf{b} = \left(\tfrac{2}{3}, -\tfrac{2}{3}, -\tfrac{2}{3}\right)} \) står vinkelrett på begge kolonnene i \( M\text{,} \) som de skal.

Oppgave 6

La T:R2→R2 T : \mathbb{R}^2 \to \mathbb{R}^2 være lineærtransformasjonen definert ved
T(x)=x⋅vv⋅v v−2x, T(\mathbf{x}) = \dfrac{\mathbf{x} \cdot \mathbf{v}}{\mathbf{v} \cdot \mathbf{v}}\,\mathbf{v} - 2\mathbf{x}\text{,}
der v=[22]. {\mathbf{v} = \begin{bmatrix} 2 \\ 2 \end{bmatrix}}\text{.}
Finn matrisa A A som oppfyller T(x)=Ax {T(\mathbf{x}) = A\mathbf{x}} for alle x∈R2. \mathbf{x} \in \mathbb{R}^2\text{.}
La B \mathcal{B} være en basis for R2 \mathbb{R}^2 gitt ved {[32],[15]}, {\left\{ \begin{bmatrix} 3 \\ 2 \end{bmatrix}, \begin{bmatrix} 1 \\ 5 \end{bmatrix} \right\}}\text{,} og E \mathcal{E} være standardbasisen, {[10],[01]}. {\left\{ \begin{bmatrix} 1 \\ 0 \end{bmatrix}, \begin{bmatrix} 0 \\ 1 \end{bmatrix} \right\}}\text{.} Finn matrisa P P som oppfyller P[x]B=[x]E. {P[\mathbf{x}]_{\mathcal{B}} = [\mathbf{x}]_{\mathcal{E}}}\text{.}
Finn også matrisa B B som oppfyller [T(x)]B=B[x]B, {[T(\mathbf{x})]_{\mathcal{B}} = B[\mathbf{x}]_{\mathcal{B}}}\text{,} og vis at AP=PB. {AP = PB}\text{.}
Husk: [x]B [\mathbf{x}]_{\mathcal{B}} er koordinatvektoren til x \mathbf{x} med hensyn på basisen B \mathcal{B}
Vis løsning på oppgave 6

Svar

A=[−321212−32],P=[3125]‾‾ \underline{\underline{A = \begin{bmatrix} -\tfrac{3}{2} & \tfrac{1}{2} \\ \tfrac{1}{2} & -\tfrac{3}{2} \end{bmatrix}, \quad P = \begin{bmatrix} 3 & 1 \\ 2 & 5 \end{bmatrix}}}
B=126[−32245−46]‾‾ \underline{\underline{B = \dfrac{1}{26}\begin{bmatrix} -32 & 24 \\ 5 & -46 \end{bmatrix}}}
AP=PB=[−721−32−7]‾‾ \underline{\underline{AP = PB = \begin{bmatrix} -\tfrac{7}{2} & 1 \\ -\tfrac{3}{2} & -7 \end{bmatrix}}}
Kolonnene i \( A \) er bildene av enhetsvektorene. Kolonnene i \( P \) er basisvektorene i \( \mathcal{B}\text{,} \) og kolonnene i \( B \) er bildene av basisvektorene, skrevet med hensyn på \( \mathcal{B}\text{.} \)
1. Finn standardmatrisen Kolonnene i \( A \) er der enhetsvektorene havner, som i videoen Vis at transformasjonen stemmer: \[ A = \begin{bmatrix} T(\textcolor{blue}{\mathbf{e}_1}) & T(\textcolor{red}{\mathbf{e}_2}) \end{bmatrix} \]
Her er \( {\mathbf{v} \cdot \mathbf{v} = 2^2 + 2^2 = 8}\text{,} \) \( {\textcolor{blue}{\mathbf{e}_1} \cdot \mathbf{v} = 2} \) og \( {\textcolor{red}{\mathbf{e}_2} \cdot \mathbf{v} = 2}\text{.} \) Det gir: \[ \begin{aligned} T(\textcolor{blue}{\mathbf{e}_1}) &= \dfrac{2}{8}\begin{bmatrix} 2 \\ 2 \end{bmatrix} - 2\begin{bmatrix} 1 \\ 0 \end{bmatrix} = \textcolor{blue}{\begin{bmatrix} -\tfrac{3}{2} \\ \tfrac{1}{2} \end{bmatrix}} \\ T(\textcolor{red}{\mathbf{e}_2}) &= \dfrac{2}{8}\begin{bmatrix} 2 \\ 2 \end{bmatrix} - 2\begin{bmatrix} 0 \\ 1 \end{bmatrix} = \textcolor{red}{\begin{bmatrix} \tfrac{1}{2} \\ -\tfrac{3}{2} \end{bmatrix}} \end{aligned} \]
Det gir oss: \[ A = \begin{bmatrix} \textcolor{blue}{-\tfrac{3}{2}} & \textcolor{red}{\tfrac{1}{2}} \\ \textcolor{blue}{\tfrac{1}{2}} & \textcolor{red}{-\tfrac{3}{2}} \end{bmatrix} \]
2. Finn P At \( {[\mathbf{x}]_{\mathcal{B}} = \begin{bmatrix} c_1 \\ c_2 \end{bmatrix}} \) betyr at \( {\mathbf{x} = c_1\mathbf{b}_1 + c_2\mathbf{b}_2}\text{.} \) Skrevet som et matriseprodukt er det: \[ \mathbf{x} = \begin{bmatrix} \mathbf{b}_1 & \mathbf{b}_2 \end{bmatrix}\begin{bmatrix} c_1 \\ c_2 \end{bmatrix} \]
Altså er \( P \) matrisen med basisvektorene som kolonner: \[ P = \begin{bmatrix} 3 & 1 \\ 2 & 5 \end{bmatrix} \]
3. Finn B Setter vi inn \( {\mathbf{x} = \mathbf{b}_j}\text{,} \) er \( {[\mathbf{b}_j]_{\mathcal{B}} = \mathbf{e}_j}\text{,} \) og \( B\mathbf{e}_j \) er kolonne \( j \) i \( B\text{.} \) Kolonnene i \( B \) er altså: \[ B = \begin{bmatrix} [T(\mathbf{b}_1)]_{\mathcal{B}} & [T(\mathbf{b}_2)]_{\mathcal{B}} \end{bmatrix} \]
Bildene av basisvektorene er: \[ \begin{aligned} T(\mathbf{b}_1) &= A\begin{bmatrix} 3 \\ 2 \end{bmatrix} = \begin{bmatrix} -\tfrac{9}{2} + 1 \\ \tfrac{3}{2} - 3 \end{bmatrix} \\ &= \begin{bmatrix} -\tfrac{7}{2} \\ -\tfrac{3}{2} \end{bmatrix} \\ T(\mathbf{b}_2) &= A\begin{bmatrix} 1 \\ 5 \end{bmatrix} = \begin{bmatrix} -\tfrac{3}{2} + \tfrac{5}{2} \\ \tfrac{1}{2} - \tfrac{15}{2} \end{bmatrix} \\ &= \begin{bmatrix} 1 \\ -7 \end{bmatrix} \end{aligned} \]
Koordinatene finner vi med \( {[\mathbf{y}]_{\mathcal{B}} = P^{-1}\mathbf{y}}\text{.} \) Formelen for den inverse til en \( 2 \times 2 \)-matrise forteller oss at: \[ \begin{bmatrix} p & q \\ r & s \end{bmatrix}^{-1} = \dfrac{1}{ps - qr}\begin{bmatrix} s & -q \\ -r & p \end{bmatrix} \]Hvis du er usikker på den, kan du se videoen Invers matrise med determinanter.
Her er: \[ \begin{aligned} p &= 3 & q &= 1 \\ r &= 2 & s &= 5 \end{aligned} \]
Plugger vi dette inn, får vi: \[ \begin{aligned} P^{-1} &= \dfrac{1}{3 \cdot 5 - 1 \cdot 2}\begin{bmatrix} 5 & -1 \\ -2 & 3 \end{bmatrix} \\ &= \dfrac{1}{13}\begin{bmatrix} 5 & -1 \\ -2 & 3 \end{bmatrix} \end{aligned} \]
Det gir oss kolonnene i \( B\text{:} \) \[ \begin{aligned} [T(\mathbf{b}_1)]_{\mathcal{B}} &= \dfrac{1}{13}\begin{bmatrix} -\tfrac{35}{2} + \tfrac{3}{2} \\ 7 - \tfrac{9}{2} \end{bmatrix} = \begin{bmatrix} -\tfrac{16}{13} \\ \tfrac{5}{26} \end{bmatrix} \\ [T(\mathbf{b}_2)]_{\mathcal{B}} &= \dfrac{1}{13}\begin{bmatrix} 5 + 7 \\ -2 - 21 \end{bmatrix} = \begin{bmatrix} \tfrac{12}{13} \\ -\tfrac{23}{13} \end{bmatrix} \end{aligned} \]
Altså er: \[ \begin{aligned} B &= \begin{bmatrix} -\tfrac{16}{13} & \tfrac{12}{13} \\ \tfrac{5}{26} & -\tfrac{23}{13} \end{bmatrix} \\ &= \dfrac{1}{26}\begin{bmatrix} -32 & 24 \\ 5 & -46 \end{bmatrix} \end{aligned} \]
4. Vis at AP = PB \( AP \) har \( A\mathbf{b}_1 \) og \( A\mathbf{b}_2 \) som kolonner, og dem fant vi over: \[ AP = \begin{bmatrix} -\tfrac{7}{2} & 1 \\ -\tfrac{3}{2} & -7 \end{bmatrix} \]
Vi setter \( \tfrac{1}{26} \) utenfor og ganger rad med kolonne, som i videoen Multiplikasjon: \[ \begin{aligned} PB &= \dfrac{1}{26}\begin{bmatrix} 3 & 1 \\ 2 & 5 \end{bmatrix}\begin{bmatrix} -32 & 24 \\ 5 & -46 \end{bmatrix} \\ &= \dfrac{1}{26}\begin{bmatrix} -96 + 5 & 72 - 46 \\ -64 + 25 & 48 - 230 \end{bmatrix} \\ &= \dfrac{1}{26}\begin{bmatrix} -91 & 26 \\ -39 & -182 \end{bmatrix} \\ &= \begin{bmatrix} -\tfrac{7}{2} & 1 \\ -\tfrac{3}{2} & -7 \end{bmatrix} \end{aligned} \]
Altså er \( {AP = PB}\text{.} \) Det er ingen tilfeldighet: begge sider tar \( [\mathbf{x}]_{\mathcal{B}} \) til \( [T(\mathbf{x})]_{\mathcal{E}}\text{.} \)

Oppgave 7

La A A være en reell 3×3 3 \times 3 -matrise. Vi får oppgitt at
A[111]=[−3−3−3],A[−110]=[000],A[11−2]=[22−4]. \begin{aligned} A\begin{bmatrix} 1 \\ 1 \\ 1 \end{bmatrix} &= \begin{bmatrix} -3 \\ -3 \\ -3 \end{bmatrix}, \quad A\begin{bmatrix} -1 \\ 1 \\ 0 \end{bmatrix} = \begin{bmatrix} 0 \\ 0 \\ 0 \end{bmatrix}, \\ A\begin{bmatrix} 1 \\ 1 \\ -2 \end{bmatrix} &= \begin{bmatrix} 2 \\ 2 \\ -4 \end{bmatrix}\text{.} \end{aligned}
Bestem egenverdiene til A A og tilhørende egenvektorer, og begrunn hvorfor A A er diagonaliserbar. Finn så en diagonalisering av A, A\text{,} og beregn
A2022[021]. A^{2022}\begin{bmatrix} 0 \\ 2 \\ 1 \end{bmatrix}\text{.}
Vis løsning på oppgave 7

Svar

Egenverdiene er ulike, så A A er diagonaliserbar:
λ1=−3: v1=[111]‾‾ \underline{\underline{\lambda_1 = -3\text{: } \mathbf{v}_1 = \begin{bmatrix} 1 \\ 1 \\ 1 \end{bmatrix}}}
λ2=0: v2=[−110]‾‾ \underline{\underline{\lambda_2 = 0\text{: } \mathbf{v}_2 = \begin{bmatrix} -1 \\ 1 \\ 0 \end{bmatrix}}}
λ3=2: v3=[11−2]‾‾ \underline{\underline{\lambda_3 = 2\text{: } \mathbf{v}_3 = \begin{bmatrix} 1 \\ 1 \\ -2 \end{bmatrix}}}
A=PDP−1‾‾ \underline{\underline{A = PDP^{-1}}}
P=[1−1111110−2]‾‾ \underline{\underline{P = \begin{bmatrix} 1 & -1 & 1 \\ 1 & 1 & 1 \\ 1 & 0 & -2 \end{bmatrix}}}
D=[−300000002]‾‾ \underline{\underline{D = \begin{bmatrix} -3 & 0 & 0 \\ 0 & 0 & 0 \\ 0 & 0 & 2 \end{bmatrix}}}
A2022[021]=32022[111]‾‾ \underline{\underline{A^{2022}\begin{bmatrix} 0 \\ 2 \\ 1 \end{bmatrix} = 3^{2022}\begin{bmatrix} 1 \\ 1 \\ 1 \end{bmatrix}}}
Vi ser at hver av de tre likningene har formen \( {A\mathbf{v} = \lambda\mathbf{v}}\text{.} \) Da kan vi lese av egenverdiene og egenvektorene direkte, og potensen regner vi ut med \( {A^k = PD^kP^{-1}}\text{.} \)
1. Les av egenverdiene En egenvektor \( {\mathbf{v} \neq \mathbf{0}} \) med egenverdi \( \lambda \) oppfyller, som i videoen Introduksjon egenverdier egenvektorer: \[ A\mathbf{v} = \lambda\mathbf{v} \]
Vi skriver høyresidene som et tall ganger vektoren: \[ \begin{aligned} A\textcolor{blue}{\begin{bmatrix} 1 \\ 1 \\ 1 \end{bmatrix}} &= \begin{bmatrix} -3 \\ -3 \\ -3 \end{bmatrix} = \textcolor{blue}{-3}\textcolor{blue}{\begin{bmatrix} 1 \\ 1 \\ 1 \end{bmatrix}} \\ A\textcolor{red}{\begin{bmatrix} -1 \\ 1 \\ 0 \end{bmatrix}} &= \begin{bmatrix} 0 \\ 0 \\ 0 \end{bmatrix} = \textcolor{red}{0}\textcolor{red}{\begin{bmatrix} -1 \\ 1 \\ 0 \end{bmatrix}} \\ A\textcolor{green}{\begin{bmatrix} 1 \\ 1 \\ -2 \end{bmatrix}} &= \begin{bmatrix} 2 \\ 2 \\ -4 \end{bmatrix} = \textcolor{green}{2}\textcolor{green}{\begin{bmatrix} 1 \\ 1 \\ -2 \end{bmatrix}} \end{aligned} \]
Det gir egenverdiene og egenvektorene: \[ \begin{aligned} \textcolor{blue}{\lambda_1} &= \textcolor{blue}{-3}, & \textcolor{blue}{\mathbf{v}_1} &= \textcolor{blue}{\begin{bmatrix} 1 \\ 1 \\ 1 \end{bmatrix}} \\ \textcolor{red}{\lambda_2} &= \textcolor{red}{0}, & \textcolor{red}{\mathbf{v}_2} &= \textcolor{red}{\begin{bmatrix} -1 \\ 1 \\ 0 \end{bmatrix}} \\ \textcolor{green}{\lambda_3} &= \textcolor{green}{2}, & \textcolor{green}{\mathbf{v}_3} &= \textcolor{green}{\begin{bmatrix} 1 \\ 1 \\ -2 \end{bmatrix}} \end{aligned} \]Alle multipler \( t\mathbf{v}_j \) med \( {t \neq 0} \) er også egenvektorer. En \( 3 \times 3 \)-matrise har høyst tre egenverdier, så det er ingen flere.
2. Begrunn at A er diagonaliserbar Egenvektorer med ulike egenverdier er lineært uavhengige. Det gir regelen for en \( {n \times n\text{-matrise } A}\text{:} \) \[ \begin{aligned} &\lambda_1, \dots, \lambda_n \text{ er ulike} \\ &\Rightarrow\; A \text{ er diagonaliserbar} \end{aligned} \]
Her er \( {n = 3}\text{,} \) og \( {-3}\text{,} \) \( 0 \) og \( 2 \) er ulike. Da er \( \mathbf{v}_1\text{,} \) \( \mathbf{v}_2 \) og \( \mathbf{v}_3 \) en basis for \( \mathbb{R}^3\text{,} \) og \( A \) er diagonaliserbar.
3. Sett opp diagonaliseringen Egenvektorene er kolonnene i \( P\text{,} \) og egenverdiene står på diagonalen i \( D \) i samme rekkefølge, som i videoen Intro diagonalisering: \[ A = PDP^{-1} \]
Det gir oss: \[ P = \begin{bmatrix} \textcolor{blue}{1} & \textcolor{red}{-1} & \textcolor{green}{1} \\ \textcolor{blue}{1} & \textcolor{red}{1} & \textcolor{green}{1} \\ \textcolor{blue}{1} & \textcolor{red}{0} & \textcolor{green}{-2} \end{bmatrix} \]\[ D = \begin{bmatrix} \textcolor{blue}{-3} & 0 & 0 \\ 0 & \textcolor{red}{0} & 0 \\ 0 & 0 & \textcolor{green}{2} \end{bmatrix} \]
4. Regn ut potensen Ganger vi \( {PDP^{-1}} \) med seg selv, blir hver \( {P^{-1}P} \) til \( I\text{,} \) som i videoen Eksempel 2x2 diagonalisering: \[ A^{2022}\mathbf{w} = PD^{2022}P^{-1}\mathbf{w} \]Her er \( {\mathbf{w} = (0, 2, 1)} \) vektoren vi skal gange med.
\( {\mathbf{c} = P^{-1}\mathbf{w}} \) er løsningen av \( {P\mathbf{c} = \mathbf{w}}\text{,} \) altså \( {c_1\mathbf{v}_1 + c_2\mathbf{v}_2 + c_3\mathbf{v}_3 = \mathbf{w}}\text{:} \) \[ \begin{aligned} c_1 - c_2 + c_3 &= 0 \\ c_1 + c_2 + c_3 &= 2 \\ c_1 - 2c_3 &= 1 \end{aligned} \]
Trekker vi den første fra den andre, får vi: \[ 2c_2 = 2 \quad \Rightarrow \quad c_2 = 1 \]
Da gir den første \( {c_1 + c_3 = 1}\text{.} \) Trekker vi den tredje fra den, får vi: \[ \begin{aligned} (c_1 + c_3) - (c_1 - 2c_3) &= 1 - 1 \\ 3c_3 &= 0 \end{aligned} \]
Altså er \( {c_3 = 0} \) og \( {c_1 = 1}\text{:} \) \[ \mathbf{c} = \begin{bmatrix} 1 \\ 1 \\ 0 \end{bmatrix} \]
En diagonalmatrise opphøyes tall for tall, som i videoen Eksempel 2x2 diagonalisering: \[ D^{2022} = \begin{bmatrix} (-3)^{2022} & 0 & 0 \\ 0 & 0^{2022} & 0 \\ 0 & 0 & 2^{2022} \end{bmatrix} \]
Her er \( {0^{2022} = 0}\text{,} \) og \( {(-3)^{2022} = 3^{2022}} \) siden \( 2022 \) er et partall. Ganger vi med \( \mathbf{c}\text{,} \) blir bare det første tallet igjen: \[ D^{2022}\mathbf{c} = \begin{bmatrix} 3^{2022} \cdot 1 \\ 0 \cdot 1 \\ 2^{2022} \cdot 0 \end{bmatrix} = \begin{bmatrix} 3^{2022} \\ 0 \\ 0 \end{bmatrix} \]
Til slutt ganger vi med \( P\text{.} \) Bare første kolonne, \( \mathbf{v}_1\text{,} \) blir igjen: \[ A^{2022}\mathbf{w} = P\begin{bmatrix} 3^{2022} \\ 0 \\ 0 \end{bmatrix} = 3^{2022}\begin{bmatrix} 1 \\ 1 \\ 1 \end{bmatrix} \]
Kontroll: \( {\mathbf{c} = (1, 1, 0)} \) betyr \( {\mathbf{v}_1 + \mathbf{v}_2 = \mathbf{w}}\text{,} \) og det stemmer: summen av \( (1, 1, 1) \) og \( {(-1, 1, 0)} \) er \( (0, 2, 1)\text{.} \)

Oppgave 8

Vi ser på flytting mellom byene A-by, {A\text{-by,}} B-by {B\text{-by}} og C-by. {C\text{-by.}} Hvert år blir
– 80 % av befolkningen værende igjen i A-by, {A\text{-by,}} 15 % flytter fra A-by {A\text{-by}} til B-by, {B\text{-by,}} og 5 % flytter fra A-by {A\text{-by}} til C-by. {C\text{-by.}} – 90 % av befolkningen værende igjen i B-by, {B\text{-by,}} 5 % flytter fra B-by {B\text{-by}} til A-by, {A\text{-by,}} og 5 % flytter fra B-by {B\text{-by}} til C-by. {C\text{-by.}} – 80 % av befolkningen værende igjen i C-by, {C\text{-by,}} 10 % flytter fra C-by {C\text{-by}} til A-by, {A\text{-by,}} og 10 % flytter fra C-by {C\text{-by}} til B-by. {B\text{-by.}}
Anta det totale innbyggertallet i A-by, {A\text{-by,}} B-by {B\text{-by}} og C-by {C\text{-by}} er 100 000 100\,000 og at ingen fødes eller dør.
Hvor mange mennesker bor henholdsvis i A-by, {A\text{-by,}} B-by {B\text{-by}} og C-by {C\text{-by}} i det lange løp (når tiden går mot uendelig)?
Vis løsning på oppgave 8

Svar

I det lange løp er antall innbyggere:
A-by: 24 000 innbyggere‾‾ \underline{\underline{A\text{-by: } 24\,000 \text{ innbyggere}}}
B-by: 56 000 innbyggere‾‾ \underline{\underline{B\text{-by: } 56\,000 \text{ innbyggere}}}
C-by: 20 000 innbyggere‾‾ \underline{\underline{C\text{-by: } 20\,000 \text{ innbyggere}}}
Vi setter opp overgangsmatrisen \( M\text{,} \) der hver kolonne sier hvor innbyggerne i én by bor året etter. I det lange løp går fordelingen mot likevektsvektoren \( \mathbf{q}\text{,} \) som oppfyller \( {M\mathbf{q} = \mathbf{q}}\text{.} \)
1. Sett opp overgangsmatrisen Vi ordner byene som \( A\text{,} \) \( B\text{,} \) \( C\text{.} \) Kolonne \( j \) er andelene av innbyggerne i by \( j \) som bor i hver by året etter, så hver kolonne summerer til \( 1\text{.} \) Fargen viser hvilken by tallene hører til: \[ M = \begin{bmatrix} \textcolor{blue}{0{,}8} & \textcolor{red}{0{,}05} & \textcolor{green}{0{,}1} \\ \textcolor{blue}{0{,}15} & \textcolor{red}{0{,}9} & \textcolor{green}{0{,}1} \\ \textcolor{blue}{0{,}05} & \textcolor{red}{0{,}05} & \textcolor{green}{0{,}8} \end{bmatrix} = \dfrac{1}{20}N \]
der \[ N = \begin{bmatrix} \textcolor{blue}{16} & \textcolor{red}{1} & \textcolor{green}{2} \\ \textcolor{blue}{3} & \textcolor{red}{18} & \textcolor{green}{2} \\ \textcolor{blue}{1} & \textcolor{red}{1} & \textcolor{green}{16} \end{bmatrix} \]
Fordelingen året etter får vi ved å gange med \( M\text{:} \) \[ \mathbf{x}_{k+1} = M\mathbf{x}_k \]
2. Sett opp likningen for likevekten Alle tallene i \( M \) er positive, så \( M \) er regulær. Da finnes én likevektsvektor, og \( \mathbf{x}_k \) går mot den uansett hvordan folk bor i starten: \[ M\mathbf{q} = \mathbf{q} \]
Vi ganger med \( 20 \) og flytter over: \[ \begin{aligned} N\mathbf{q} &= 20\mathbf{q} \\ (N - 20I)\mathbf{q} &= \mathbf{0} \end{aligned} \]
Det gir: \[ \begin{bmatrix} -4 & 1 & 2 \\ 3 & -2 & 2 \\ 1 & 1 & -4 \end{bmatrix}\begin{bmatrix} q_1 \\ q_2 \\ q_3 \end{bmatrix} = \begin{bmatrix} 0 \\ 0 \\ 0 \end{bmatrix} \]
3. Radreduser Vi radreduserer som i videoen Gauss Eliminering.
\( {R_1 \leftrightarrow R_3} \) gir: \[ \begin{bmatrix} 1 & 1 & -4 \\ 3 & -2 & 2 \\ -4 & 1 & 2 \end{bmatrix} \]
\( {R_2 \to R_2 - 3R_1} \) gir: \[ \begin{bmatrix} 1 & 1 & -4 \\ 0 & -5 & 14 \\ -4 & 1 & 2 \end{bmatrix} \]
\( {R_3 \to R_3 + 4R_1} \) gir: \[ \begin{bmatrix} 1 & 1 & -4 \\ 0 & -5 & 14 \\ 0 & 5 & -14 \end{bmatrix} \]
\( {R_3 \to R_3 + R_2} \) gir: \[ \begin{bmatrix} 1 & 1 & -4 \\ 0 & -5 & 14 \\ 0 & 0 & 0 \end{bmatrix} \]
4. Løs for q Nullraden gir uendelig mange løsninger, som i videoen Hva betyr de forskjellige løsningene?, så \( q_3 \) er fri. Vi setter \( {q_3 = 5t} \) for å slippe brøker: \[ \begin{aligned} -5q_2 + 14 \cdot 5t &= 0 \\ q_2 &= 14t \end{aligned} \]
Første rad gir da: \[ \begin{aligned} q_1 + 14t - 4 \cdot 5t &= 0 \\ q_1 &= 6t \end{aligned} \]
Ingen fødes eller dør, så summen er \( 100\,000\text{:} \) \[ \begin{aligned} 6t + 14t + 5t &= 100\,000 \\ 25t &= 100\,000 \\ t &= 4000 \end{aligned} \]
Det gir oss: \[ \mathbf{q} = 4000\begin{bmatrix} \textcolor{blue}{6} \\ \textcolor{red}{14} \\ \textcolor{green}{5} \end{bmatrix} = \begin{bmatrix} \textcolor{blue}{24\,000} \\ \textcolor{red}{56\,000} \\ \textcolor{green}{20\,000} \end{bmatrix} \]
Kontroll: Første rad i \( M\mathbf{q} \) gir \( {19\,200 + 2800 + 2000}\text{,} \) som er \( 24\,000\text{.} \)

Oppgave 9

La x(t) x(t) og y(t) y(t) være to kontinuerlig deriverbare reelle funksjoner, og a a et reelt tall. Vi ser på ligningssystemet
x′(t)=x(t)+ay(t)y′(t)=x(t). \begin{aligned} x'(t) &= x(t) + ay(t) \\ y'(t) &= x(t)\text{.} \end{aligned}
Finn den generelle løsningen for systemet av differensialligninger for alle reelle tall a. a\text{.}
Vis løsning på oppgave 9

Svar

C1 C_1 og C2 C_2 er vilkårlige konstanter:
a>−14, r1,2=1±1+4a2:x=C1r1er1t+C2r2er2ty=C1er1t+C2er2t‾‾ \underline{\underline{\begin{aligned} &a > -\tfrac{1}{4}\text{, } r_{1,2} = \tfrac{1 \pm \sqrt{1 + 4a}}{2}\text{:} \\ &x = C_1r_1e^{r_1t} + C_2r_2e^{r_2t} \\ &y = C_1e^{r_1t} + C_2e^{r_2t} \end{aligned}}}
a=−14:x=(12C1+C2+12C2t)e12ty=(C1+C2t)e12t‾‾ \underline{\underline{\begin{aligned} &a = -\tfrac{1}{4}\text{:} \\ &x = \left(\tfrac{1}{2}C_1 + C_2 + \tfrac{1}{2}C_2t\right)e^{\tfrac{1}{2}t} \\ &y = (C_1 + C_2t)e^{\tfrac{1}{2}t} \end{aligned}}}
a<−14, β=−1−4a2:x=e12t((12C1+βC2)cos⁡βt+(12C2−βC1)sin⁡βt)y=e12t(C1cos⁡βt+C2sin⁡βt)‾‾ \underline{\underline{\begin{aligned} &a < -\tfrac{1}{4}\text{, } \beta = \tfrac{\sqrt{-1 - 4a}}{2}\text{:} \\ &x = e^{\tfrac{1}{2}t}\Big(\left(\tfrac{1}{2}C_1 + \beta C_2\right)\cos\beta t \\ &\qquad + \left(\tfrac{1}{2}C_2 - \beta C_1\right)\sin\beta t\Big) \\ &y = e^{\tfrac{1}{2}t}\left(C_1\cos\beta t + C_2\sin\beta t\right) \end{aligned}}}
Den andre likningen sier at \( {x = y'}\text{.} \) Setter vi det inn i den første, får vi én andreordens likning for \( y\text{,} \) og formen på løsningen avhenger av fortegnet til diskriminanten.
1. Lag en andreordens likning Vi deriverer \( {y' = x} \) og bruker den første likningen: \[ y'' = x' = x + ay = y' + ay \]
Det gir oss: \[ y'' - y' - ay = 0 \]Når vi har funnet \( y\text{,} \) er \( {x = y'}\text{.} \) Omvendt løser hvert slikt par systemet, så vi får alle løsningene.
2. Finn røttene En likning \( {\textcolor{blue}{A}y'' + \textcolor{red}{B}y' + \textcolor{green}{C}y = 0} \) har den karakteristiske likningen, som i videoen Andre ordens homogene diff ligninger TEORI: \[ \textcolor{blue}{A}r^2 + \textcolor{red}{B}r + \textcolor{green}{C} = 0 \]Tallet \( \textcolor{green}{C} \) her er ikke konstantene \( C_1 \) og \( C_2 \) i løsningen.
Røttene finner vi med abc-formelen: \[ r = \dfrac{-\textcolor{red}{B} \pm \sqrt{\textcolor{red}{B}^2 - 4\textcolor{blue}{A}\textcolor{green}{C}}}{2\textcolor{blue}{A}} \]
Her er: \[ \textcolor{blue}{A} = \textcolor{blue}{1}, \quad \textcolor{red}{B} = \textcolor{red}{-1}, \quad \textcolor{green}{C} = \textcolor{green}{-a} \]
Den karakteristiske likningen er altså: \[ r^2 - r - a = 0 \]
Plugger vi dette inn i abc-formelen, får vi: \[ \begin{aligned} r &= \dfrac{-(\textcolor{red}{-1}) \pm \sqrt{(\textcolor{red}{-1})^2 - 4 \cdot \textcolor{blue}{1}(\textcolor{green}{-a})}}{2 \cdot \textcolor{blue}{1}} \\ &= \dfrac{1 \pm \sqrt{1 + 4a}}{2} \end{aligned} \]
Tallet \( {1 + 4a} \) under rottegnet avgjør hvilken form løsningen har. Det er positivt, null eller negativt når: \[ a > -\tfrac{1}{4}, \quad a = -\tfrac{1}{4}, \quad a < -\tfrac{1}{4} \]
3. Løs tilfellet med to reelle røtter For \( {a > -\tfrac{1}{4}} \) er \( {1 + 4a > 0}\text{,} \) og vi får to ulike reelle røtter: \[ \begin{aligned} r_1 &= \dfrac{1 + \sqrt{1 + 4a}}{2} \\ r_2 &= \dfrac{1 - \sqrt{1 + 4a}}{2} \end{aligned} \]
Den generelle løsningen er da, som i videoen Andre ordens homogene diff ligninger TEORI: \[ y = C_1e^{r_1t} + C_2e^{r_2t} \]
Vi deriverer og får \( x\text{:} \) \[ x = y' = C_1r_1e^{r_1t} + C_2r_2e^{r_2t} \]
4. Løs tilfellet med dobbeltrot For \( {a = -\tfrac{1}{4}} \) er \( {1 + 4a = 0}\text{,} \) og vi får dobbeltroten \( {r = \tfrac{1}{2}}\text{.} \) Den generelle løsningen er da, som i videoen Oppgave 1C - Differensiallikning med dobbel rot: \[ y = (C_1 + C_2t)e^{\tfrac{1}{2}t} \]
Vi finner \( {x = y'} \) med produktregelen. Den forteller oss at: \[ (\textcolor{red}{u}\textcolor{blue}{v})' = \textcolor{red}{u'}\textcolor{blue}{v} + \textcolor{red}{u}\textcolor{blue}{v'} \]
Her er: \[ \begin{aligned} \textcolor{red}{u} &= \textcolor{red}{C_1 + C_2t} & \textcolor{red}{u'} &= \textcolor{red}{C_2} \\ \textcolor{blue}{v} &= \textcolor{blue}{e^{\tfrac{1}{2}t}} & \textcolor{blue}{v'} &= \textcolor{blue}{\tfrac{1}{2}e^{\tfrac{1}{2}t}} \end{aligned} \]
Plugger vi dette inn, får vi: \[ \begin{aligned} x = y' &= \textcolor{red}{C_2}\textcolor{blue}{e^{\tfrac{1}{2}t}} + (\textcolor{red}{C_1 + C_2t}) \cdot \textcolor{blue}{\tfrac{1}{2}e^{\tfrac{1}{2}t}} \\ &= \left(\tfrac{1}{2}C_1 + C_2 + \tfrac{1}{2}C_2t\right)e^{\tfrac{1}{2}t} \end{aligned} \]
5. Løs tilfellet med komplekse røtter For \( {a < -\tfrac{1}{4}} \) er \( {1 + 4a < 0}\text{,} \) og vi får komplekse røtter. Vi skriver \( {\sqrt{1 + 4a} = \sqrt{-1 - 4a}\,i}\text{:} \) \[ r = \dfrac{1}{2} \pm \beta i, \quad \beta = \dfrac{\sqrt{-1 - 4a}}{2} \]
Den generelle løsningen er da, som i videoen Andre ordens homogene diff lign m.komplekse røtter TEORI: \[ y = e^{\tfrac{1}{2}t}\left(C_1\cos\beta t + C_2\sin\beta t\right) \]
Vi finner \( {x = y'} \) med produktregelen igjen. Nå er: \[ \begin{aligned} \textcolor{red}{u} &= \textcolor{red}{e^{\tfrac{1}{2}t}} \\ \textcolor{red}{u'} &= \textcolor{red}{\tfrac{1}{2}e^{\tfrac{1}{2}t}} \\ \textcolor{blue}{v} &= \textcolor{blue}{C_1\cos\beta t + C_2\sin\beta t} \\ \textcolor{blue}{v'} &= \textcolor{blue}{-\beta C_1\sin\beta t + \beta C_2\cos\beta t} \end{aligned} \]
Plugger vi dette inn i \( {\textcolor{red}{u'}\textcolor{blue}{v} + \textcolor{red}{u}\textcolor{blue}{v'}}\text{,} \) setter \( e^{\tfrac{1}{2}t} \) utenfor og samler leddene med \( \cos \) og \( \sin\text{,} \) får vi: \[ \begin{aligned} x &= e^{\tfrac{1}{2}t}\Big(\tfrac{1}{2}C_1\cos\beta t + \tfrac{1}{2}C_2\sin\beta t \\ &\quad - \beta C_1\sin\beta t + \beta C_2\cos\beta t\Big) \\ &= e^{\tfrac{1}{2}t}\Big(\left(\tfrac{1}{2}C_1 + \beta C_2\right)\cos\beta t \\ &\quad + \left(\tfrac{1}{2}C_2 - \beta C_1\right)\sin\beta t\Big) \end{aligned} \]

Oppgave 10

La M3 \mathcal{M}_3 være vektorrommet av reelle 3×3 3 \times 3 -matriser, og la funksjonen T:M3→M3 T : \mathcal{M}_3 \to \mathcal{M}_3 være gitt ved
T(A)=A+AT,for A∈M3, T(A) = A + A^T, \quad \text{for } A \in \mathcal{M}_3\text{,}
der AT A^T betegner den transponerte matrisa til A. A\text{.}
Vis at T T er en lineærtransformasjon.
Vis at λ=0 {\lambda = 0} og λ=2 {\lambda = 2} er egenverdier for T. T\text{.}
Hva er de tilhørende egenrommene til disse to egenverdiene, og hva er dimensjonen til hvert av egenrommene? Kan T T ha noen andre egenverdier?
Vis løsning på oppgave 10

Svar

T T er lineær, og 0 0 og 2 2 er egenverdier:
λ=0: {A:AT=−A}, dim 3‾‾ \underline{\underline{\lambda = 0\text{: } \{A : A^T = -A\}\text{, dim } 3}}
λ=2: {A:AT=A}, dim 6‾‾ \underline{\underline{\lambda = 2\text{: } \{A : A^T = A\}\text{, dim } 6}}
Ingen andre egenverdier‾‾ \underline{\underline{\text{Ingen andre egenverdier}}}
Vi bruker regnereglene for transponering. \( {T(A) = \lambda A} \) gir enkle krav når \( {\lambda = 0} \) og \( {\lambda = 2}\text{:} \) \( {A^T = -A} \) og \( {A^T = A}\text{.} \)
1. Vis at T er lineær Transponerer vi, blir radene kolonner, som i videoen Finn A invers og transponert (3x3 matrise). Da gjelder: \[ \begin{aligned} (A + B)^T &= A^T + B^T \\ (cA)^T &= cA^T \end{aligned} \]
\( T \) er lineær når \( {T(A + B) = T(A) + T(B)} \) og \( {T(cA) = cT(A)}\text{.} \) Med \( \textcolor{blue}{A} \) og \( \textcolor{red}{B} \) får vi: \[ \begin{aligned} T(\textcolor{blue}{A} + \textcolor{red}{B}) &= \textcolor{blue}{A} + \textcolor{red}{B} + (\textcolor{blue}{A} + \textcolor{red}{B})^T \\ &= (\textcolor{blue}{A} + \textcolor{blue}{A^T}) + (\textcolor{red}{B} + \textcolor{red}{B^T}) \\ &= T(\textcolor{blue}{A}) + T(\textcolor{red}{B}) \end{aligned} \]
Med et tall \( c \) setter vi \( c \) utenfor: \[ \begin{aligned} T(c\textcolor{blue}{A}) &= c\textcolor{blue}{A} + (c\textcolor{blue}{A})^T \\ &= c\textcolor{blue}{A} + c\textcolor{blue}{A^T} = c\,T(\textcolor{blue}{A}) \end{aligned} \]
2. Vis at verdiene er egenverdier \( \lambda \) er en egenverdi når det finnes en \( {A \neq O} \) med \( {T(A) = \lambda A}\text{,} \) som \( {A\mathbf{v} = \lambda\mathbf{v}} \) i videoen Introduksjon egenverdier egenvektorer. Her er \( O \) nullmatrisen.
For \( {\lambda = 0} \) blir kravet: \[ A + A^T = O \quad \Leftrightarrow \quad A^T = -A \]Et eksempel med \( {A \neq O} \) er: \[ A = \begin{bmatrix} 0 & 1 & 0 \\ -1 & 0 & 0 \\ 0 & 0 & 0 \end{bmatrix} \]
Her er \( {A^T = -A}\text{,} \) så: \[ T(A) = A + A^T = O = 0 \cdot A \]
For \( {\lambda = 2} \) blir kravet: \[ A + A^T = 2A \quad \Leftrightarrow \quad A^T = A \]Identitetsmatrisen er et eksempel: \[ T(I) = I + I = 2I \]
3. Finn egenrommene Egenrommet til \( {\lambda = 0} \) er de antisymmetriske matrisene, \( {A^T = -A}\text{.} \) Diagonalen må være \( 0\text{,} \) og tallet under diagonalen er minus tallet over: \[ \begin{aligned} A &= \begin{bmatrix} 0 & \textcolor{blue}{p} & \textcolor{red}{q} \\ -\textcolor{blue}{p} & 0 & \textcolor{green}{r} \\ -\textcolor{red}{q} & -\textcolor{green}{r} & 0 \end{bmatrix} \\ &= \textcolor{blue}{p}\begin{bmatrix} 0 & 1 & 0 \\ -1 & 0 & 0 \\ 0 & 0 & 0 \end{bmatrix} \\ &\quad + \textcolor{red}{q}\begin{bmatrix} 0 & 0 & 1 \\ 0 & 0 & 0 \\ -1 & 0 & 0 \end{bmatrix} \\ &\quad + \textcolor{green}{r}\begin{bmatrix} 0 & 0 & 0 \\ 0 & 0 & 1 \\ 0 & -1 & 0 \end{bmatrix} \end{aligned} \]De tre matrisene spenner ut egenrommet \( E_0\text{,} \) og de er lineært uavhengige, siden hver har sitt eget tall på en plass der de andre har \( 0\text{:} \) \[ \dim E_0 = 3 \]
Egenrommet \( E_2 \) til \( {\lambda = 2} \) er de symmetriske matrisene, \( {A^T = A}\text{.} \) Tallet under diagonalen er lik tallet over: \[ A = \begin{bmatrix} p & q & r \\ q & s & u \\ r & u & w \end{bmatrix} \]Her er de seks tallene frie. Hvert av dem gir én basismatrise, med \( 1 \) der tallet står og \( 0 \) ellers, akkurat som for \( E_0\text{:} \) \[ 6 \text{ frie tall} \;\Rightarrow\; \dim E_2 = 6 \]
4. Utelukk andre egenverdier Anta at \( {T(A) = \lambda A} \) med \( {A \neq O}\text{.} \) Transponerer vi \( T(A)\text{,} \) får vi den samme matrisen tilbake: \[ \begin{aligned} T(A)^T &= (A + A^T)^T \\ &= A^T + A = T(A) \end{aligned} \]
Da er \( {(\lambda A)^T = \lambda A}\text{,} \) som gir: \[ \lambda A^T = \lambda A \quad \Leftrightarrow \quad \lambda(A^T - A) = O \]
Enten er \( {\lambda = 0}\text{,} \) eller så er \( {A^T = A}\text{.} \) I det siste tilfellet er \( {T(A) = 2A}\text{,} \) og siden \( {A \neq O}\text{,} \) får vi: \[ \begin{aligned} \lambda \neq 0 \;&\Rightarrow\; A^T = A \\ &\Rightarrow\; \lambda A = T(A) = 2A \\ &\Rightarrow\; \lambda = 2 \end{aligned} \]
Andre egenverdier finnes altså ikke. Det stemmer med dimensjonene: \( {3 + 6 = 9 = \dim \mathcal{M}_3}\text{,} \) så egenrommene fyller hele rommet.

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