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
Velger du flere tema, får du oppgavene som har alle sammen.
89 oppgaver i NTNU Matematikk 3 · viser 31–40
Oppgavene
Oppgave 1
Oppgave 1a)
Finn alle komplekse tall som oppfyller ligningen
Vis løsningSkjul løsning på oppgave 1a
Svar
Løsningene er alle tall med lik realdel og imaginærdel:
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 i det komplekse planet.
Vis løsningSkjul løsning på oppgave 1b
Svar
Løsningene er linjen gjennom origo med stigningstall
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 når
Vis løsningSkjul løsning på oppgave 2a
Svar
En basis for nullrommet er:
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 være den transponerte til Bestem en ortogonal basis for
Hint: Kolonnerommet til er det samme som radrommet til
Vis løsningSkjul løsning på oppgave 2b
Svar
En ortogonal basis for er:
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 være et reelt tall. Vi ser på en matrise og et ligningssystem
Oppgave 3a)
Avgjør for hvilke verdier av det
Vis løsningSkjul løsning på oppgave 3a
Svar
Determinanten er for tre verdier av
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 slik at ligningssystemet i ukjente ikke er selvmotsigende? Begrunn svaret.
Vis løsningSkjul løsning på oppgave 3b
Svar
For er så systemet har en løsning med
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
er et underrom av vektorrommet av alle reelle -matriser.
Vis løsningSkjul løsning på oppgave 4a
Svar
inneholder nullmatrisen og er lukket under addisjon og skalarmultiplikasjon:
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 og angi dimensjonen til
Vis løsningSkjul løsning på oppgave 4b
Svar
En basis for er:
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 som passer best mulig til de fem målinger:
Vis løsningSkjul løsning på oppgave 5
Svar
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 være vektorrommet av alle -matriser og
Oppgave 6a)
Vis at er en lineærtransformasjon.
Vis løsningSkjul løsning på oppgave 6a
Svar
bevarer addisjon og skalarmultiplikasjon:
\( T \) 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 og avgjør om er injektiv (en-til-en) eller surjektiv (på). Begrunn svaret!
Vis løsningSkjul løsning på oppgave 6b
Svar
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
Oppgave 7a)
Finn en inverterbar matrise og en diagonal matrise slik at
Hint: Det er ikke nødvendig å beregne men det må begrunnes hvorfor oppfyller dette kravet!
Vis løsningSkjul løsning på oppgave 7a
Svar
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 og
Vis løsningSkjul løsning på oppgave 7b
Svar
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 en regulær stokastisk matrise?
Vis løsningSkjul løsning på oppgave 7c
Svar
Alle potensene av er eller og begge har nuller:
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
Vis løsningSkjul løsning på oppgave 8
Svar
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
- Flere oppgaver om differensiallikninger,
- Flere oppgaver om egenverdier,
- Flere oppgaver om systemer av differensiallikninger
Løs initialverdiproblemet
Vis løsningSkjul løsning på oppgave 9
Svar
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
Vis direkte ved bruk av definisjoner at funksjonen
er et indreprodukt i
Vis løsningSkjul løsning på oppgave 10
Svar
Funksjonen er symmetrisk, lineær og positiv:
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.