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 81–89
Oppgavene
Oppgave 2
La og la være mengden
Vis at er et underrom av og finn en basis for det ortogonale komplementet
Vis løsningSkjul løsning på oppgave 2
Svar
\( V \) 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
Finn en basis for kolonnerommet (søylerommet) til og en basis for nullrommet til
Vis løsningSkjul løsning på oppgave 3
Svar
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
er ortogonale i indreproduktsrommet når indreproduktet er definert ved
Hvis ikke, finn en ortogonal basis for det lineære spennet ved å bruke Gram-Schmidts ortogonaliseringsmetode.
Vis løsningSkjul løsning på oppgave 4
Svar
Funksjonene er ikke ortogonale, men en ortogonal basis er:
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
Vis løsningSkjul løsning på oppgave 5
Svar
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
- Flere oppgaver om basis og dimensjon,
- Flere oppgaver om lineærtransformasjoner,
- Flere oppgaver om matriser
La være lineærtransformasjonen definert ved
der
Finn matrisa som oppfyller for alle
La være en basis for gitt ved og være standardbasisen, Finn matrisa som oppfyller
Finn også matrisa som oppfyller og vis at
Husk: er koordinatvektoren til med hensyn på basisen
Vis løsningSkjul løsning på oppgave 6
Svar
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 være en reell -matrise. Vi får oppgitt at
Bestem egenverdiene til og tilhørende egenvektorer, og begrunn hvorfor er diagonaliserbar. Finn så en diagonalisering av og beregn
Vis løsningSkjul løsning på oppgave 7
Svar
Egenverdiene er ulike, så er diagonaliserbar:
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 og Hvert år blir
– 80 % av befolkningen værende igjen i 15 % flytter fra til og 5 % flytter fra til
– 90 % av befolkningen værende igjen i 5 % flytter fra til og 5 % flytter fra til
– 80 % av befolkningen værende igjen i 10 % flytter fra til og 10 % flytter fra til
Anta det totale innbyggertallet i og er og at ingen fødes eller dør.
Hvor mange mennesker bor henholdsvis i og i det lange løp (når tiden går mot uendelig)?
Vis løsningSkjul løsning på oppgave 8
Svar
I det lange løp er antall 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
- Flere oppgaver om andreordens differensiallikninger,
- Flere oppgaver om differensiallikninger,
- Flere oppgaver om systemer av differensiallikninger
La og være to kontinuerlig deriverbare reelle funksjoner, og et reelt tall. Vi ser på ligningssystemet
Finn den generelle løsningen for systemet av differensialligninger for alle reelle tall
Vis løsningSkjul løsning på oppgave 9
Svar
og er vilkårlige konstanter:
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
- Flere oppgaver om basis og dimensjon,
- Flere oppgaver om egenverdier,
- Flere oppgaver om lineærtransformasjoner
La være vektorrommet av reelle -matriser, og la funksjonen være gitt ved
der betegner den transponerte matrisa til
Vis at er en lineærtransformasjon.
Vis at og er egenverdier for
Hva er de tilhørende egenrommene til disse to egenverdiene, og hva er dimensjonen til hvert av egenrommene? Kan ha noen andre egenverdier?
Vis løsningSkjul løsning på oppgave 10
Svar
er lineær, og og er 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.