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

lineærtransformasjoner

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

11 oppgaver i NTNU Matematikk 3 om lineærtransformasjoner · viser 11–11

Oppgavene

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.