Hopp til hovedinnholdet

Universitetseksamen etter tema

Øv på ett tema om gangen med oppgavene fra universitetseksamenene vi har lagt ut, foreløpig NTNU Matematikk 1 og NTNU Matematikk 3. Velg område og tema, så henter vi oppgavene fra alle settene. Prøv selv først – løsningen ligger under oppgaven når du står fast.

Område

Emne

basis og dimensjon

Velger du flere tema, får du oppgavene som har alle sammen.

19 oppgaver i NTNU Matematikk 3 om basis og dimensjon · viser 11–19

Oppgavene

TMA4110 ordinær eksamen 2023

Oppgave 9

La T ⁣:V→W T\colon V \to W være en lineærtransformasjon mellom to vektorrom V V og W W og la U U være et underrom av V. V\text{.} Vis at
T(U)={T(u)∣u∈U} T(U) = \{T(u) \mid u \in U\}
er et underrom av W. W\text{.}
Vis løsning på oppgave 9

Svar

T(U) T(U) inneholder 0 \mathbf{0} og er lukket under addisjon og skalering:
T(U) er et underrom av W‾‾ \underline{\underline{T(U) \text{ er et underrom av } W}}
En delmengde er et underrom når den inneholder nullvektoren og er lukket under addisjon og multiplikasjon med skalar. Vi sjekker de tre kravene for \( T(U) \) ved å bruke at \( U \) oppfyller dem og at \( T \) er lineær.
1. Skriv opp kravene En delmengde \( H \) av \( W \) er et underrom når: \[ \begin{aligned} &\text{(i)} \quad \mathbf{0} \in H \\ &\text{(ii)} \quad \textcolor{blue}{w_1}, \textcolor{red}{w_2} \in H \;\Rightarrow\; \textcolor{blue}{w_1} + \textcolor{red}{w_2} \in H \\ &\text{(iii)} \quad \textcolor{blue}{w_1} \in H,\ c \text{ en skalar} \\ &\qquad \Rightarrow\; c\textcolor{blue}{w_1} \in H \end{aligned} \]
At \( T \) er lineær, betyr at den bevarer addisjon og skalering, slik matrisene i kapittelet Transformasjon gjør. For alle \( u, v \in V \) og skalarer \( c \) er: \[ \begin{aligned} T(u + v) &= T(u) + T(v) \\ T(cu) &= cT(u) \end{aligned} \]
2. Vis at nullvektoren er med \( U \) er et underrom, så \( \mathbf{0} \in U\text{.} \) Med \( {c = 0} \) i den andre regelen får vi: \[ T(\mathbf{0}) = T(0 \cdot \mathbf{0}) = 0 \cdot T(\mathbf{0}) = \mathbf{0} \]
Altså er: \[ \mathbf{0} = T(\mathbf{0}) \in T(U) \]
3. Vis at summer er med La \( \textcolor{blue}{w_1}, \textcolor{red}{w_2} \in T(U)\text{.} \) Da finnes \( \textcolor{blue}{u_1}, \textcolor{red}{u_2} \in U \) med \( {\textcolor{blue}{w_1} = T(\textcolor{blue}{u_1})} \) og \( {\textcolor{red}{w_2} = T(\textcolor{red}{u_2})}\text{.} \) Linearitet gir: \[ \begin{aligned} \textcolor{blue}{w_1} + \textcolor{red}{w_2} &= T(\textcolor{blue}{u_1}) + T(\textcolor{red}{u_2}) \\ &= T(\textcolor{blue}{u_1} + \textcolor{red}{u_2}) \end{aligned} \]
\( U \) er lukket under addisjon, så \( {\textcolor{blue}{u_1} + \textcolor{red}{u_2} \in U}\text{.} \) Derfor er: \[ \textcolor{blue}{w_1} + \textcolor{red}{w_2} \in T(U) \]
4. Vis at skalering er med La \( {\textcolor{blue}{w_1} = T(\textcolor{blue}{u_1})} \) være i \( T(U)\text{,} \) med \( \textcolor{blue}{u_1} \in U\text{,} \) og \( c \) en skalar. Linearitet gir: \[ c\textcolor{blue}{w_1} = cT(\textcolor{blue}{u_1}) = T(c\textcolor{blue}{u_1}) \]
\( U \) er lukket under skalering, så \( c\textcolor{blue}{u_1} \in U\text{.} \) Derfor er: \[ c\textcolor{blue}{w_1} \in T(U) \]
Alle tre kravene holder, så \( T(U) \) er et underrom av \( W\text{.} \)

TMA4115 konteeksamen 2023

Oppgave 3

La
A=[12−1−13−92−18]. A = \begin{bmatrix} 1 & 2 & -1 \\ -1 & 3 & -9 \\ 2 & -1 & 8 \end{bmatrix}\text{.}

Oppgave 3a)

Finn en basis for Col⁡A \operatorname{Col} A og Null⁡A. \operatorname{Null} A\text{.}
Vis løsning på oppgave 3a
Svar
En basis for hvert av rommene er:
Col⁡A: {[1−12],[23−1]}‾‾ \underline{\underline{\operatorname{Col} A\text{: } \left\{ \begin{bmatrix} 1 \\ -1 \\ 2 \end{bmatrix}, \begin{bmatrix} 2 \\ 3 \\ -1 \end{bmatrix} \right\}}}
Null⁡A: {[−321]}‾‾ \underline{\underline{\operatorname{Null} A\text{: } \left\{ \begin{bmatrix} -3 \\ 2 \\ 1 \end{bmatrix} \right\}}}
Vi radreduserer \( A\text{.} \) Pivotkolonnene gir en basis for \( \operatorname{Col} A\text{,} \) og den frie variabelen gir en basis for \( \operatorname{Null} A\text{.} \)
1. Radreduser matrisen Vi bruker Gauss-eliminasjon, som i videoen Eksempel Gauss Eliminering. Først lager vi nuller under den første eneren.
\( {R_2 \to R_2 + R_1}\text{:} \) \[ \begin{bmatrix} 1 & 2 & -1 \\ 0 & 5 & -10 \\ 2 & -1 & 8 \end{bmatrix} \]
\( {R_3 \to R_3 - 2R_1}\text{:} \) \[ \begin{bmatrix} 1 & 2 & -1 \\ 0 & 5 & -10 \\ 0 & -5 & 10 \end{bmatrix} \]
\( {R_3 \to R_3 + R_2}\text{:} \) \[ \begin{bmatrix} 1 & 2 & -1 \\ 0 & 5 & -10 \\ 0 & 0 & 0 \end{bmatrix} \]
\( R_2 \to \dfrac{1}{5}R_2\text{:} \) \[ \begin{bmatrix} 1 & 2 & -1 \\ 0 & 1 & -2 \\ 0 & 0 & 0 \end{bmatrix} \]
\( {R_1 \to R_1 - 2R_2} \) gir redusert trappeform: \[ \begin{bmatrix} \textcolor{red}{1} & 0 & 3 \\ 0 & \textcolor{red}{1} & -2 \\ 0 & 0 & 0 \end{bmatrix} \]
Pivotene, i rødt, står i kolonne \( 1 \) og \( 2\text{.} \)
2. Finn en basis for kolonnerommet Pivotkolonnene i den opprinnelige matrisen \( A \) er en basis for kolonnerommet. Vi tar kolonnene fra \( A\text{,} \) ikke fra trappeformen, siden radoperasjonene endrer kolonnene: \[ \operatorname{Col} A = \operatorname{Sp}\left\{ \begin{bmatrix} 1 \\ -1 \\ 2 \end{bmatrix}, \begin{bmatrix} 2 \\ 3 \\ -1 \end{bmatrix} \right\} \]
3. Finn en basis for nullrommet Nullrommet er alle løsningene av \( {A\mathbf{x} = \mathbf{0}}\text{.} \) Kolonne \( 3 \) har ingen pivot, så \( {x_3 = \textcolor{blue}{t}} \) er fri. De to radene i trappeformen sier: \[ \begin{aligned} x_1 + 3\textcolor{blue}{t} &= 0 \\ x_2 - 2\textcolor{blue}{t} &= 0 \end{aligned} \]
Det gir oss: \[ \mathbf{x} = \begin{bmatrix} -3\textcolor{blue}{t} \\ 2\textcolor{blue}{t} \\ \textcolor{blue}{t} \end{bmatrix} = \textcolor{blue}{t}\begin{bmatrix} -3 \\ 2 \\ 1 \end{bmatrix} \]
Vektoren er ikke nullvektoren, så den alene er en basis for nullrommet.

Oppgave 3b)

Har systemet
Ax=b A\mathbf{x} = \mathbf{b}
løsning for enhver b∈R3? \mathbf{b} \in \mathbb{R}^3\text{?} Hvis det har en løsning for en spesifikk b, \mathbf{b}\text{,} er denne løsningen da unik? Begrunn svaret.
Vis løsning på oppgave 3b
Svar
Nei, bare na˚r b1=b2+b3‾‾ \underline{\underline{\text{Nei, bare når } b_1 = b_2 + b_3}}
Løsningen er ikke unik‾‾ \underline{\underline{\text{Løsningen er ikke unik}}}
Vi gjør de samme radoperasjonene som i a), nå med \( \mathbf{b} \) som ekstra kolonne.
Vi radreduserer totalmatrisen med en vilkårlig \( \mathbf{b}\text{.} \) Nullraden forteller oss hvilke \( \mathbf{b} \) som gir løsning, og den frie variabelen om løsningen er unik.
1. Radreduser totalmatrisen Vi skriver \( {\mathbf{b} = (b_1, b_2, b_3)} \) og setter opp totalmatrisen, som i videoen En, Ingen eller Uendelig mange løsninger?: \[ \left[\begin{array}{ccc|c} 1 & 2 & -1 & b_1 \\ -1 & 3 & -9 & b_2 \\ 2 & -1 & 8 & b_3 \end{array}\right] \]
\( {R_2 \to R_2 + R_1}\text{:} \) \[ \left[\begin{array}{ccc|c} 1 & 2 & -1 & b_1 \\ 0 & 5 & -10 & b_2 + b_1 \\ 2 & -1 & 8 & b_3 \end{array}\right] \]
\( {R_3 \to R_3 - 2R_1}\text{:} \) \[ \left[\begin{array}{ccc|c} 1 & 2 & -1 & b_1 \\ 0 & 5 & -10 & b_2 + b_1 \\ 0 & -5 & 10 & b_3 - 2b_1 \end{array}\right] \]
\( {R_3 \to R_3 + R_2}\text{:} \) \[ \left[\begin{array}{ccc|c} 1 & 2 & -1 & b_1 \\ 0 & 5 & -10 & b_2 + b_1 \\ 0 & 0 & 0 & \textcolor{blue}{b_2 + b_3 - b_1} \end{array}\right] \]
2. Avgjør om det alltid finnes løsning Den siste raden er likningen: \[ 0 = \textcolor{blue}{b_2 + b_3 - b_1} \]
En nullrad med noe annet enn \( 0 \) på høyre side betyr at systemet ikke har løsning, som i videoen Hva betyr de forskjellige løsningene?. Systemet har altså løsning bare når \( {b_1 = b_2 + b_3}\text{.} \) Velger vi for eksempel \( {\mathbf{b} = (1, 0, 0)}\text{,} \) blir den siste raden: \[ 0 = \textcolor{blue}{0 + 0 - 1} = -1 \]Det går aldri, så det finnes ingen løsning for denne \( \mathbf{b}\text{.} \)
3. Avgjør om løsningen er unik I a) fant vi at nullrommet ikke bare er nullvektoren: \[ A\begin{bmatrix} -3 \\ 2 \\ 1 \end{bmatrix} = \mathbf{0} \]
Er \( \mathbf{x}_p \) en løsning, er derfor også \( {\mathbf{x}_p + t(-3, 2, 1)} \) en løsning for alle \( t\text{:} \) \[ A\left(\mathbf{x}_p + t\begin{bmatrix} -3 \\ 2 \\ 1 \end{bmatrix}\right) = \mathbf{b} + t \cdot \mathbf{0} = \mathbf{b} \]
Når systemet har én løsning, har det altså uendelig mange, og løsningen er ikke unik.

TMA4115 konteeksamen 2023

Oppgave 9

La Mn×n(R) \mathcal{M}_{n \times n}(\mathbb{R}) betegne vektorrommet av reelle n×n n \times n -matriser og la
Sn={A∈Mn×n(R) : A⊤=A} \mathcal{S}_n = \left\{ A \in \mathcal{M}_{n \times n}(\mathbb{R}) \ : \ A^{\top} = A \right\}
(A⊤ A^{\top} er den transponerte av A A ).

Oppgave 9a)

Bestem en basis for Sn \mathcal{S}_n når n=2. {n = 2}\text{.}
Vis løsning på oppgave 9a
Svar
En basis for S2 \mathcal{S}_2 er:
{[1000],[0110],[0001]}‾‾ \underline{\underline{\left\{ \begin{bmatrix} 1 & 0 \\ 0 & 0 \end{bmatrix}, \begin{bmatrix} 0 & 1 \\ 1 & 0 \end{bmatrix}, \begin{bmatrix} 0 & 0 \\ 0 & 1 \end{bmatrix} \right\}}}
Vi skriver en vilkårlig \( 2 \times 2 \)-matrise med bokstaver og ser hva kravet \( {A^{\top} = A} \) betyr for tallene. Da kan vi skrive matrisen som en lineærkombinasjon av faste matriser.
1. Finn kravet til tallene Vi transponerer ved å gjøre radene til kolonner, som i videoen Finn A invers og transponert (3x3 matrise): \[ A = \begin{bmatrix} a & b \\ c & d \end{bmatrix}, \quad A^{\top} = \begin{bmatrix} a & c \\ b & d \end{bmatrix} \]
Matrisene er like når tallene på samme plass er like. Det gir oss: \[ A^{\top} = A \iff b = c \]
2. Skriv matrisen som en lineærkombinasjon En symmetrisk matrise har altså \( \textcolor{red}{b} \) på begge plassene utenfor diagonalen. Vi splitter den opp, som når vi legger sammen matriser plass for plass i videoen Addisjon og subtraksjon: \[ \begin{aligned} & \begin{bmatrix} \textcolor{blue}{a} & \textcolor{red}{b} \\ \textcolor{red}{b} & \textcolor{green}{d} \end{bmatrix} \\ &= \textcolor{blue}{a}\begin{bmatrix} 1 & 0 \\ 0 & 0 \end{bmatrix} + \textcolor{red}{b}\begin{bmatrix} 0 & 1 \\ 1 & 0 \end{bmatrix} \\ &\quad + \textcolor{green}{d}\begin{bmatrix} 0 & 0 \\ 0 & 1 \end{bmatrix} \end{aligned} \]
De tre matrisene er selv symmetriske og spenner ut \( \mathcal{S}_2\text{.} \)
3. Vis at matrisene er uavhengige Setter vi lineærkombinasjonen lik nullmatrisen, får vi: \[ \begin{bmatrix} \textcolor{blue}{a} & \textcolor{red}{b} \\ \textcolor{red}{b} & \textcolor{green}{d} \end{bmatrix} = \begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix} \]
Tallene på samme plass må være like, så: \[ \textcolor{blue}{a} = \textcolor{red}{b} = \textcolor{green}{d} = 0 \]
Matrisene er altså lineært uavhengige, så de er en basis, og \( {\dim \mathcal{S}_2 = 3}\text{.} \)

Oppgave 9b)

Finn dim⁡Sn \dim \mathcal{S}_n for alle n∈N. n \in \mathbb{N}\text{.}
Vis løsning på oppgave 9b
Svar
dim⁡Sn=n(n+1)2‾‾ \underline{\underline{\dim \mathcal{S}_n = \dfrac{n(n + 1)}{2}}}
Vi gjør det samme som i a), for en \( n \times n \)-matrise.
En symmetrisk matrise er bestemt av tallene på og over diagonalen. Hvert av dem gir én basismatrise, så dimensjonen er antallet slike plasser.
1. Finn de frie tallene Transponering gjør radene til kolonner, som i videoen Finn A invers og transponert (3x3 matrise). Kravet \( {A^{\top} = A} \) betyr derfor at tallet i rad \( i\text{,} \) kolonne \( j \) er likt tallet i rad \( j\text{,} \) kolonne \( i\text{:} \) \[ a_{ij} = a_{ji} \quad \text{for alle } i, j \]
Tallene på diagonalen kan vi velge fritt. Utenfor diagonalen bestemmer tallet over diagonalen tallet under. Vi lar \( E_{ij} \) være matrisen med \( 1 \) på plass \( (i, j) \) og \( 0 \) ellers. Som i a) gir hvert fritt tall én basismatrise: \[ \begin{aligned} & E_{ii} \quad \text{for } i = 1, \dots, n \\ & E_{ij} + E_{ji} \quad \text{for } i < j \end{aligned} \]
Hver symmetrisk matrise er én bestemt lineærkombinasjon av dem, med \( a_{ij} \) som koeffisienter, så de er en basis.
2. Tell plassene Diagonalen har \( \textcolor{blue}{n} \) plasser. Av de \( {n^2 - n} \) plassene utenfor ligger halvparten over diagonalen: \[ \begin{aligned} \dim \mathcal{S}_n &= \textcolor{blue}{n} + \textcolor{red}{\dfrac{n^2 - n}{2}} \\ &= \dfrac{2n + n^2 - n}{2} = \dfrac{n(n + 1)}{2} \end{aligned} \]
For \( {n = 2} \) gir det \( {\tfrac{2 \cdot 3}{2} = 3}\text{,} \) som i a).

TMA4115 ordinær eksamen 2023

Oppgave 4

La
A=[1−218−121−21−2−2−1] A = \begin{bmatrix} 1 & -2 & 1 & 8 \\ -1 & 2 & 1 & -2 \\ 1 & -2 & -2 & -1 \end{bmatrix}

Oppgave 4a)

Regn ut en basis for både Null⁡A \operatorname{Null} A og Col⁡A. \operatorname{Col} A\text{.}
Vis løsning på oppgave 4a
Svar
En basis for hvert av rommene:
Null⁡A: {[2100],[−50−31]}‾‾ \underline{\underline{\operatorname{Null} A\text{: } \left\{ \begin{bmatrix} 2 \\ 1 \\ 0 \\ 0 \end{bmatrix}, \begin{bmatrix} -5 \\ 0 \\ -3 \\ 1 \end{bmatrix} \right\}}}
Col⁡A: {[1−11],[11−2]}‾‾ \underline{\underline{\operatorname{Col} A\text{: } \left\{ \begin{bmatrix} 1 \\ -1 \\ 1 \end{bmatrix}, \begin{bmatrix} 1 \\ 1 \\ -2 \end{bmatrix} \right\}}}
Vi radreduserer \( A \) til trappeform. Pivotkolonnene gir en basis for \( \operatorname{Col} A\text{,} \) og de frie variablene gir en basis for \( \operatorname{Null} A\text{.} \)
1. Radreduser matrisen Vi radreduserer, som i videoen Eksempel Gauss Eliminering. Raden som endres, står i blått.
\( {R_2 \to R_2 + R_1}\text{:} \) \[ \begin{bmatrix} 1 & -2 & 1 & 8 \\ \textcolor{blue}{0} & \textcolor{blue}{0} & \textcolor{blue}{2} & \textcolor{blue}{6} \\ 1 & -2 & -2 & -1 \end{bmatrix} \]
\( {R_3 \to R_3 - R_1}\text{:} \) \[ \begin{bmatrix} 1 & -2 & 1 & 8 \\ 0 & 0 & 2 & 6 \\ \textcolor{blue}{0} & \textcolor{blue}{0} & \textcolor{blue}{-3} & \textcolor{blue}{-9} \end{bmatrix} \]
\( R_2 \to \dfrac{1}{2}R_2\text{:} \) \[ \begin{bmatrix} 1 & -2 & 1 & 8 \\ \textcolor{blue}{0} & \textcolor{blue}{0} & \textcolor{blue}{1} & \textcolor{blue}{3} \\ 0 & 0 & -3 & -9 \end{bmatrix} \]
\( {R_3 \to R_3 + 3R_2}\text{:} \) \[ \begin{bmatrix} 1 & -2 & 1 & 8 \\ 0 & 0 & 1 & 3 \\ \textcolor{blue}{0} & \textcolor{blue}{0} & \textcolor{blue}{0} & \textcolor{blue}{0} \end{bmatrix} \]
\( {R_1 \to R_1 - R_2}\text{:} \) \[ \begin{bmatrix} \textcolor{blue}{1} & \textcolor{blue}{-2} & \textcolor{blue}{0} & \textcolor{blue}{5} \\ 0 & 0 & 1 & 3 \\ 0 & 0 & 0 & 0 \end{bmatrix} \]
Nå står matrisen på redusert trappeform. Pivotene, i rødt, står i kolonne \( 1 \) og \( 3\text{:} \) \[ \begin{bmatrix} \textcolor{red}{1} & -2 & 0 & 5 \\ 0 & 0 & \textcolor{red}{1} & 3 \\ 0 & 0 & 0 & 0 \end{bmatrix} \]
2. Finn en basis for kolonnerommet Pivotkolonnene i den opprinnelige matrisen \( A \) er en basis for kolonnerommet. Vi tar kolonnene fra \( A\text{,} \) ikke fra trappeformen, siden radoperasjonene endrer kolonnene: \[ \operatorname{Col} A = \operatorname{Sp}\left\{ \begin{bmatrix} 1 \\ -1 \\ 1 \end{bmatrix}, \begin{bmatrix} 1 \\ 1 \\ -2 \end{bmatrix} \right\} \]
3. Finn en basis for nullrommet Nullrommet er alle løsningene av \( {A\mathbf{x} = \mathbf{0}}\text{.} \) Kolonne \( 2 \) og \( 4 \) har ingen pivot, så \( x_2 \) og \( x_4 \) er frie. Vi setter: \[ x_2 = \textcolor{blue}{s}, \quad x_4 = \textcolor{red}{t} \]
De to første radene i trappeformen sier: \[ \begin{aligned} x_1 - 2\textcolor{blue}{s} + 5\textcolor{red}{t} &= 0 \\ x_3 + 3\textcolor{red}{t} &= 0 \end{aligned} \]
Løser vi for \( x_1 \) og \( x_3\text{,} \) får vi: \[ x_1 = 2\textcolor{blue}{s} - 5\textcolor{red}{t}, \quad x_3 = -3\textcolor{red}{t} \]
Det gir oss: \[ \mathbf{x} = \begin{bmatrix} 2\textcolor{blue}{s} - 5\textcolor{red}{t} \\ \textcolor{blue}{s} \\ -3\textcolor{red}{t} \\ \textcolor{red}{t} \end{bmatrix} = \textcolor{blue}{s}\begin{bmatrix} 2 \\ 1 \\ 0 \\ 0 \end{bmatrix} + \textcolor{red}{t}\begin{bmatrix} -5 \\ 0 \\ -3 \\ 1 \end{bmatrix} \]
De to vektorene utspenner nullrommet. De er lineært uavhengige, siden bare den første har noe annet enn \( 0 \) på plass \( 2\text{,} \) og bare den andre på plass \( 4\text{.} \) Altså er de en basis.

Oppgave 4b)

Bestem dimensjonen til Null⁡(A⊤), \operatorname{Null}(A^{\top})\text{,} hvor A⊤ A^{\top} er den transponerte matrisen av A. A\text{.}
Vis løsning på oppgave 4b
Svar
dim⁡Null⁡(A⊤)=1‾‾ \underline{\underline{\dim \operatorname{Null}(A^{\top}) = 1}}
Vi bruker trappeformen fra a). Ved følgefeil kan det gis full uttelling.
\( A \) og \( A^{\top} \) har samme rang. Rangteoremet for \( A^{\top} \) gir oss da dimensjonen til nullrommet.
1. Finn rangen I a) fikk trappeformen til \( A \) to pivoter, så rangen er: \[ \operatorname{rank} A = \textcolor{blue}{2} \]
Når vi transponerer, blir radene til kolonner, som i videoen Finn A invers og transponert. Kolonnerommet til \( A^{\top} \) er derfor radrommet til \( A\text{,} \) og radrommet og kolonnerommet har samme dimensjon: \[ \operatorname{rank} A^{\top} = \operatorname{rank} A = \textcolor{blue}{2} \]
2. Bruk rangteoremet Rangteoremet for en matrise \( M \) med \( \textcolor{red}{n} \) kolonner forteller oss at: \[ \operatorname{rank} M + \dim \operatorname{Null} M = \textcolor{red}{n} \]
Her er \( {M = A^{\top}}\text{,} \) som er en \( 4 \times 3 \)-matrise: \[ \operatorname{rank} A^{\top} = \textcolor{blue}{2}, \quad \textcolor{red}{n} = \textcolor{red}{3} \]
Plugger vi dette inn, får vi: \[ \begin{aligned} \textcolor{blue}{2} + \dim \operatorname{Null}(A^{\top}) &= \textcolor{red}{3} \\ \dim \operatorname{Null}(A^{\top}) &= 1 \end{aligned} \]
Kontroll: Radene i \( A \) oppfyller \( {R_1 + 3R_2 + 2R_3 = \mathbf{0}}\text{,} \) så \( (1, 3, 2) \) ligger i \( \operatorname{Null}(A^{\top})\text{.} \)

TMA4115 ordinær eksamen 2023

Oppgave 10

La A A være en kolonnevektor (dvs. en n×1 n \times 1 -matrise) og la B B være en matrise slik at produktet AB AB utgjør en veldefinert kvadratisk matrise.

Oppgave 10a)

Bestem antall rader og kolonner i B B og AB. AB\text{.}
Vis løsning på oppgave 10a
Svar
B B har 1 1 rad og n n kolonner, AB AB har n n rader og n n kolonner:
B: 1×n,AB: n×n‾‾ \underline{\underline{B\text{: } 1 \times n, \qquad AB\text{: } n \times n}}
Et produkt går opp når antall kolonner i den første matrisen er lik antall rader i den andre. Produktet får radene fra den første og kolonnene fra den andre.
1. Bruk regelen for dimensjonene Regelen for dimensjonene i et matriseprodukt, som i videoen Multiplikasjon, forteller oss at: \[ (\textcolor{blue}{m} \times \textcolor{red}{k}) \cdot (\textcolor{red}{k} \times \textcolor{green}{l}) = \textcolor{blue}{m} \times \textcolor{green}{l} \]
Her er \( A \) en \( \textcolor{blue}{n} \times \textcolor{red}{1} \)-matrise. For at \( AB \) skal gå opp, må \( B \) ha \( \textcolor{red}{1} \) rad. Vi kaller antall kolonner i \( B \) for \( \textcolor{green}{l}\text{:} \) \[ (\textcolor{blue}{n} \times \textcolor{red}{1}) \cdot (\textcolor{red}{1} \times \textcolor{green}{l}) = \textcolor{blue}{n} \times \textcolor{green}{l} \]
2. Bruk at produktet er kvadratisk \( AB \) er kvadratisk, så den har like mange rader som kolonner: \[ \textcolor{green}{l} = \textcolor{blue}{n} \]
Altså er \( B \) en \( 1 \times n \)-matrise, og \( AB \) er en \( n \times n \)-matrise.

Oppgave 10b)

Finn rangen til AB AB når vi antar at AB AB ikke er null-matrisen.
Vis løsning på oppgave 10b
Svar
rank⁡(AB)=1‾‾ \underline{\underline{\operatorname{rank}(AB) = 1}}
Vi bruker at \( B \) er en \( 1 \times n \)-matrise, fra a). Ved følgefeil kan det gis full uttelling.
Rangen er dimensjonen til kolonnerommet. Vi ser derfor på hva kolonnene i \( AB \) er.
1. Skriv opp kolonnene Vi skriver \( B \) med tallene sine: \[ B = \begin{bmatrix} \textcolor{red}{b_1} & \textcolor{red}{b_2} & \cdots & \textcolor{red}{b_n} \end{bmatrix} \]
Rad ganger kolonne, som i videoen Multiplikasjon, gir at kolonne \( j \) i \( AB \) er \( A \) ganget med tallet \( \textcolor{red}{b_j}\text{:} \) \[ AB = \begin{bmatrix} \textcolor{red}{b_1}\textcolor{blue}{A} & \textcolor{red}{b_2}\textcolor{blue}{A} & \cdots & \textcolor{red}{b_n}\textcolor{blue}{A} \end{bmatrix} \]
2. Finn rangen Alle kolonnene er multipler av den samme vektoren \( \textcolor{blue}{A}\text{.} \) Kolonnerommet ligger derfor i spennet av \( \textcolor{blue}{A}\text{,} \) som har dimensjon høyst \( 1\text{:} \) \[ \begin{aligned} & \operatorname{Col}(AB) \subseteq \operatorname{Sp}\{\textcolor{blue}{A}\} \\ & \Rightarrow \quad \operatorname{rank}(AB) \leq 1 \end{aligned} \]
\( AB \) er ikke null-matrisen, så minst én kolonne er ikke nullvektoren: \[ AB \neq 0 \quad \Rightarrow \quad \operatorname{rank}(AB) \geq 1 \]
Begge deler holder, så rangen er nøyaktig \( 1\text{.} \)

TMA4115 ordinær eksamen 2022

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 \( V^{\perp}\text{.} \)

TMA4115 ordinær eksamen 2022

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 \( 1\text{.} \)

TMA4115 ordinær eksamen 2022

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 \( [T(\mathbf{x})]_{\mathcal{E}}\text{.} \)

TMA4115 ordinær eksamen 2022

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.