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 1–10
Oppgavene
Oppgave 4
La
Oppgave 4a)
Finn en basis for nullrommet til og bestem dimensjonen til kolonnerommet og nullrommet til
Vis løsningSkjul løsning på oppgave 4a
Svar
En basis for nullrommet er:
Nullrommet er alle løsninger av \( {A\mathbf{x} = \mathbf{0}}\text{.} \) Vi radreduserer derfor \( A\text{,} \) og antallet pivoter gir begge dimensjonene.
1. Radreduser matrisen
Vi bruker Gauss-eliminasjon, som i videoen Eksempel Gauss Eliminering. \( {R_1 \leftrightarrow R_2}\text{:} \)
\[ \begin{bmatrix} 1 & 3 & 10 & 4 \\ 0 & 1 & 3 & 1 \\ -1 & 5 & 14 & 4 \\ -2 & 3 & 7 & 1 \end{bmatrix} \]
\( {R_3 \to R_3 + R_1}\text{:} \)
\[ \begin{bmatrix} 1 & 3 & 10 & 4 \\ 0 & 1 & 3 & 1 \\ 0 & 8 & 24 & 8 \\ -2 & 3 & 7 & 1 \end{bmatrix} \]
\( {R_4 \to R_4 + 2R_1}\text{:} \)
\[ \begin{bmatrix} 1 & 3 & 10 & 4 \\ 0 & 1 & 3 & 1 \\ 0 & 8 & 24 & 8 \\ 0 & 9 & 27 & 9 \end{bmatrix} \]
\( {R_3 \to R_3 - 8R_2}\text{:} \)
\[ \begin{bmatrix} 1 & 3 & 10 & 4 \\ 0 & 1 & 3 & 1 \\ 0 & 0 & 0 & 0 \\ 0 & 9 & 27 & 9 \end{bmatrix} \]
\( {R_4 \to R_4 - 9R_2}\text{:} \)
\[ \begin{bmatrix} 1 & 3 & 10 & 4 \\ 0 & 1 & 3 & 1 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \end{bmatrix} \]
\( {R_1 \to R_1 - 3R_2} \) gir redusert trappeform:
\[ \begin{bmatrix} \textcolor{red}{1} & 0 & 1 & 1 \\ 0 & \textcolor{red}{1} & 3 & 1 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \end{bmatrix} \]
2. Finn nullrommet
Pivotene står i kolonne \( 1 \) og \( 2\text{,} \) så \( x_3 \) og \( x_4 \) er frie. Vi setter \( {x_3 = \textcolor{blue}{s}} \) og \( {x_4 = \textcolor{green}{t}}\text{,} \) og radene gir:
\[ \begin{aligned} x_1 &= -\textcolor{blue}{s} - \textcolor{green}{t} \\ x_2 &= -3\textcolor{blue}{s} - \textcolor{green}{t} \end{aligned} \]
Det gir oss alle løsningene av \( {A\mathbf{x} = \mathbf{0}}\text{:} \)
\[ \mathbf{x} = \textcolor{blue}{s}\begin{bmatrix} -1 \\ -3 \\ 1 \\ 0 \end{bmatrix} + \textcolor{green}{t}\begin{bmatrix} -1 \\ -1 \\ 0 \\ 1 \end{bmatrix} \]
De to vektorene spenner ut nullrommet. De er lineært uavhengige, siden bare den første har noe annet enn \( 0 \) på tredje plass og bare den andre på fjerde. De er altså en basis, og nullrommet har dimensjon \( 2\text{.} \)
3. Finn dimensjonene
Antallet pivoter er rangen, og den er dimensjonen til kolonnerommet:
\[ \dim \operatorname{Col} A = \operatorname{rang} A = \textcolor{red}{2} \]
Rangteoremet forteller oss at for en matrise med \( n \) kolonner er:
\[ \operatorname{rang} M + \dim \operatorname{Nul} M = n \]
Her er \( {M = A^T}\text{,} \) som har \( {n = 4} \) kolonner. Radrommet og kolonnerommet har samme dimensjon, så \( {\operatorname{rang} A^T = \operatorname{rang} A = \textcolor{red}{2}}\text{.} \) Plugger vi dette inn, får vi:
\[ \dim \operatorname{Nul} A^T = 4 - \textcolor{red}{2} = 2 \]
Oppgave 4b)
Finn en ortogonal basis for kolonnerommet til
Vis løsningSkjul løsning på oppgave 4b
Svar
En ortogonal basis for kolonnerommet er:
Vi bruker radreduksjonen fra a).
Pivotkolonnene i \( A \) er en basis for kolonnerommet. Vi gjør dem ortogonale med Gram-Schmidt.
1. Finn en basis for kolonnerommet
I a) fant vi den reduserte trappeformen:
\[ \begin{bmatrix} \textcolor{red}{1} & 0 & 1 & 1 \\ 0 & \textcolor{red}{1} & 3 & 1 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \end{bmatrix} \]
Pivotene står i kolonne \( 1 \) og \( 2\text{,} \) så kolonne \( 1 \) og \( 2 \) i \( A \) er en basis for kolonnerommet. Vi tar kolonnene fra \( A\text{,} \) ikke fra den reduserte matrisen:
\[ \textcolor{blue}{\mathbf{a}_1} = \begin{bmatrix} 0 \\ 1 \\ -1 \\ -2 \end{bmatrix}, \quad \textcolor{red}{\mathbf{a}_2} = \begin{bmatrix} 1 \\ 3 \\ 5 \\ 3 \end{bmatrix} \]
2. Bruk Gram-Schmidt
Gram-Schmidt forteller oss at vi beholder den første vektoren og trekker projeksjonen på den fra den andre:
\[ \begin{aligned} \mathbf{v}_1 &= \textcolor{blue}{\mathbf{a}_1} \\ \mathbf{v}_2 &= \textcolor{red}{\mathbf{a}_2} - \dfrac{\textcolor{red}{\mathbf{a}_2} \cdot \textcolor{blue}{\mathbf{a}_1}}{\textcolor{blue}{\mathbf{a}_1} \cdot \textcolor{blue}{\mathbf{a}_1}}\,\textcolor{blue}{\mathbf{a}_1} \end{aligned} \]
Vi regner ut prikkproduktene, som i videoen Multiplikasjon:
\[ \begin{aligned} \textcolor{red}{\mathbf{a}_2} \cdot \textcolor{blue}{\mathbf{a}_1} &= 0 + 3 - 5 - 6 = -8 \\ \textcolor{blue}{\mathbf{a}_1} \cdot \textcolor{blue}{\mathbf{a}_1} &= 0 + 1 + 1 + 4 = 6 \end{aligned} \]
Plugger vi dette inn, får vi:
\[ \begin{aligned} \mathbf{v}_2 &= \textcolor{red}{\mathbf{a}_2} - \dfrac{-8}{6}\,\textcolor{blue}{\mathbf{a}_1} = \textcolor{red}{\mathbf{a}_2} + \dfrac{4}{3}\,\textcolor{blue}{\mathbf{a}_1} \\ &= \textcolor{red}{\begin{bmatrix} 1 \\ 3 \\ 5 \\ 3 \end{bmatrix}} + \dfrac{4}{3}\textcolor{blue}{\begin{bmatrix} 0 \\ 1 \\ -1 \\ -2 \end{bmatrix}} = \dfrac{1}{3}\begin{bmatrix} 3 \\ 13 \\ 11 \\ 1 \end{bmatrix} \end{aligned} \]
Vi kan gange \( \mathbf{v}_2 \) med \( 3\text{,} \) for et multiplum står fortsatt vinkelrett på \( \mathbf{v}_1\text{.} \) Vi sjekker med prikkproduktet:
\[ \begin{aligned} \textcolor{blue}{\begin{bmatrix} 0 \\ 1 \\ -1 \\ -2 \end{bmatrix}} \cdot \begin{bmatrix} 3 \\ 13 \\ 11 \\ 1 \end{bmatrix} &= 0 + 13 - 11 - 2 \\ &= 0 \end{aligned} \]
Oppgave 5
La være vektorrommet bestående av reelle -matriser og la
Oppgave 5a)
Vis at er et underrom av
Vis løsningSkjul løsning på oppgave 5a
Svar
inneholder nullmatrisen og er lukket under addisjon og skalarmultiplikasjon:
En matrise ligger i \( U \) når første og tredje kolonne er like. Vi sjekker de tre kravene til et underrom.
1. Skriv opp kravene
En delmengde \( U \) er et underrom når den inneholder nullmatrisen og er lukket under addisjon og skalarmultiplikasjon:
\[ \begin{aligned} &1. \ \ 0 \in U \\ &2. \ \ X, Y \in U \ \Rightarrow \ X + Y \in U \\ &3. \ \ X \in U, \ k \in \mathbb{R} \ \Rightarrow \ kX \in U \end{aligned} \]
2. Sjekk nullmatrisen
Med \( {a = b = c = d = 0} \) får vi nullmatrisen, så den ligger i \( U\text{:} \)
\[ \begin{bmatrix} 0 & 0 & 0 \\ 0 & 0 & 0 \end{bmatrix} \in U \]
3. Sjekk addisjon
Vi legger sammen to matriser i \( U \) tall for tall, som i videoen Addisjon og subtraksjon:
\[ \begin{aligned} &\begin{bmatrix} \textcolor{blue}{a} & b & \textcolor{blue}{a} \\ \textcolor{red}{c} & d & \textcolor{red}{c} \end{bmatrix} + \begin{bmatrix} \textcolor{blue}{a'} & b' & \textcolor{blue}{a'} \\ \textcolor{red}{c'} & d' & \textcolor{red}{c'} \end{bmatrix} \\ &= \begin{bmatrix} \textcolor{blue}{a + a'} & b + b' & \textcolor{blue}{a + a'} \\ \textcolor{red}{c + c'} & d + d' & \textcolor{red}{c + c'} \end{bmatrix} \end{aligned} \]Første og tredje kolonne er fortsatt like, så summen ligger i \( U\text{.} \)
4. Sjekk skalarmultiplikasjon
Vi ganger med et tall \( k\text{:} \)
\[ k\begin{bmatrix} \textcolor{blue}{a} & b & \textcolor{blue}{a} \\ \textcolor{red}{c} & d & \textcolor{red}{c} \end{bmatrix} = \begin{bmatrix} \textcolor{blue}{ka} & kb & \textcolor{blue}{ka} \\ \textcolor{red}{kc} & kd & \textcolor{red}{kc} \end{bmatrix} \]Også her er første og tredje kolonne like, så \( kX \) ligger i \( U\text{.} \) Alle tre kravene holder.
Oppgave 5b)
La være lineærtransformasjonen gitt ved
Vis at er surjektiv, men ikke injektiv.
Vis løsningSkjul løsning på oppgave 5b
Svar
Hver vektor i treffes, men en matrise ulik går til
For surjektiv viser vi at vi treffer hver vektor i \( \mathbb{R}^3\text{.} \) For ikke injektiv holder det med én matrise ulik nullmatrisen som går til nullvektoren.
1. Skriv opp definisjonene
\( T \) er surjektiv når hver vektor i \( \mathbb{R}^3 \) er bildet av en matrise i \( U\text{:} \)
\[ \begin{aligned} &\text{for hver } \mathbf{w} \in \mathbb{R}^3 \text{ finnes } X \in U \\ &\text{slik at } T(X) = \mathbf{w} \end{aligned} \]
En lineærtransformasjon er injektiv nøyaktig når bare nullmatrisen går til nullvektoren, altså når kjernen bare inneholder nullmatrisen:
\[ \ker T = \{ 0 \} \]Hvis du vil se hva en lineærtransformasjon gjør med vektorer, kan du se videoen Lineær transformasjon.
2. Vis at T er surjektiv
Vi tar en vilkårlig vektor med koordinatene \( \textcolor{blue}{x}, \textcolor{red}{y}, \textcolor{green}{z} \) og velger \( {a = \textcolor{blue}{x}}\text{,} \) \( {b = 0}\text{,} \) \( {c = \textcolor{red}{y}} \) og \( {d = \textcolor{green}{z}}\text{.} \) Da får vi:
\[ T\left(\begin{bmatrix} \textcolor{blue}{x} & 0 & \textcolor{blue}{x} \\ \textcolor{red}{y} & \textcolor{green}{z} & \textcolor{red}{y} \end{bmatrix}\right) = \begin{bmatrix} \textcolor{blue}{x} + 0 \\ \textcolor{red}{y} \\ \textcolor{green}{z} \end{bmatrix} = \begin{bmatrix} \textcolor{blue}{x} \\ \textcolor{red}{y} \\ \textcolor{green}{z} \end{bmatrix} \]Hver vektor i \( \mathbb{R}^3 \) blir truffet, så \( T \) er surjektiv.
3. Vis at T ikke er injektiv
Vi velger \( {a = 1} \) og \( {b = -1}\text{,} \) så \( {a + b = 0}\text{,} \) og \( {c = d = 0}\text{:} \)
\[ \begin{aligned} T\left(\begin{bmatrix} 1 & -1 & 1 \\ 0 & 0 & 0 \end{bmatrix}\right) &= \begin{bmatrix} 1 - 1 \\ 0 \\ 0 \end{bmatrix} \\ &= \begin{bmatrix} 0 \\ 0 \\ 0 \end{bmatrix} \end{aligned} \]Matrisen er ikke nullmatrisen, men ligger i kjernen. Dermed er \( {\ker T \neq \{ 0 \}}\text{,} \) og \( T \) er ikke injektiv.
Oppgave 4
La være vektorrommet bestående av reelle -matriser. Vi ser på følgende delmengde av
består altså av alle reelle -matriser som er slik at
Oppgave 4a)
Vis at er et underrom av
Hint: Du kan få bruk for at og at
Vis løsningSkjul løsning på oppgave 4a
Svar
Alle tre kravene holder:
En delmengde er et underrom når den inneholder nullmatrisen og er lukket under addisjon og skalarmultiplikasjon. Vi sjekker de tre kravene ett for ett.
1. Skriv opp kravene
\( U \) er et underrom av \( \mathcal{M}_2(\mathbb{R}) \) når:
\[ \begin{aligned} &1.\ \ O \in U \\ &2.\ \ A, B \in U \;\Rightarrow\; A + B \in U \\ &3.\ \ A \in U,\ c \in \mathbb{R} \;\Rightarrow\; cA \in U \end{aligned} \]Her er \( O \) nullmatrisen.
2. Sjekk nullmatrisen
Transponerer vi, blir radene kolonner, som i videoen Finn A invers og transponert (3x3 matrise). Nullmatrisen har bare nuller, så:
\[ O^T = O = -O \]Altså er \( O \in U\text{.} \)
3. Sjekk addisjon
La \( \textcolor{blue}{A} \) og \( \textcolor{red}{B} \) ligge i \( U\text{,} \) altså \( {\textcolor{blue}{A^T = -A}} \) og \( {\textcolor{red}{B^T = -B}}\text{.} \) Med hintet får vi:
\[ \begin{aligned} (\textcolor{blue}{A} + \textcolor{red}{B})^T &= \textcolor{blue}{A^T} + \textcolor{red}{B^T} \\ &= \textcolor{blue}{-A} \textcolor{red}{- B} \\ &= -(\textcolor{blue}{A} + \textcolor{red}{B}) \end{aligned} \]Altså er \( {A + B \in U}\text{.} \)
4. Sjekk skalarmultiplikasjon
La \( \textcolor{blue}{A} \) ligge i \( U \) og \( c \) være et reelt tall. Med hintet får vi:
\[ \begin{aligned} (c\textcolor{blue}{A})^T &= c \cdot \textcolor{blue}{A^T} \\ &= c \cdot (\textcolor{blue}{-A}) \\ &= -(c\textcolor{blue}{A}) \end{aligned} \]Altså er \( cA \in U\text{.} \) Alle tre kravene holder, så \( U \) er et underrom.
Oppgave 4b)
Finn en basis for og angi dimensjonen til
Vis løsningSkjul løsning på oppgave 4b
Svar
Vi skriver opp en vilkårlig \( 2 \times 2 \)-matrise, transponerer den og ser hvilke krav \( {A^T = -A} \) gir på tallene. Da ser vi hvilke matriser som spenner ut \( U\text{.} \)
1. Finn kravene på tallene
Vi skriver en vilkårlig matrise i \( \mathcal{M}_2(\mathbb{R}) \) som:
\[ A = \begin{bmatrix} p & \textcolor{red}{q} \\ \textcolor{green}{r} & s \end{bmatrix} \]
Transponerer vi, blir radene kolonner, som i videoen Finn A invers og transponert (3x3 matrise). Kravet \( {A^T = -A} \) blir da:
\[ \begin{bmatrix} p & \textcolor{green}{r} \\ \textcolor{red}{q} & s \end{bmatrix} = \begin{bmatrix} -p & -\textcolor{red}{q} \\ -\textcolor{green}{r} & -s \end{bmatrix} \]
To matriser er like når tallene på samme plass er like:
\[ \begin{aligned} p &= -p & \textcolor{green}{r} &= -\textcolor{red}{q} \\ \textcolor{red}{q} &= -\textcolor{green}{r} & s &= -s \end{aligned} \]
Det gir oss:
\[ p = 0, \quad s = 0, \quad \textcolor{green}{r} = -\textcolor{red}{q} \]
2. Finn basisen
Alle matrisene i \( U \) er altså på formen:
\[ A = \begin{bmatrix} 0 & \textcolor{red}{q} \\ -\textcolor{red}{q} & 0 \end{bmatrix} = \textcolor{red}{q}\begin{bmatrix} 0 & 1 \\ -1 & 0 \end{bmatrix} \]
Hver matrise i \( U \) er et multiplum av én matrise, så den matrisen spenner ut \( U\text{.} \) Den er ikke nullmatrisen, så alene er den lineært uavhengig. Den er derfor en basis, og basisen har ett element:
\[ \dim U = 1 \]
Oppgave 9
La være vektorrommet som består av polynomer av grad mindre enn eller lik 2, og med reelle koeffisienter.
La der
Mengden danner en basis for (du trenger ikke å vise dette).
Finn koordinatvektoren til med hensyn til basisen
Vis løsningSkjul løsning på oppgave 9
Svar
Koordinatvektoren er tallene \( c_1\text{,} \) \( c_2 \) og \( c_3 \) som gjør at \( {q = c_1p_1 + c_2p_2 + c_3p_3}\text{.} \) Vi sammenligner koeffisientene og løser likningssystemet vi får.
1. Sett opp likningene
Koordinatvektoren til \( q \) med hensyn til \( S \) er koeffisientene i kombinasjonen
\[ q = c_1p_1 + c_2p_2 + c_3p_3 \]skrevet som en vektor:
\[ [q]_S = \begin{bmatrix} c_1 \\ c_2 \\ c_3 \end{bmatrix} \]
Vi skriver \( q \) som en slik kombinasjon og samler leddene etter potensen av \( x\text{:} \)
\[ \begin{aligned} &x^2 + 2x + 3 \\ &= c_1(x^2 + 1) + c_2(6x^2 + x + 2) \\ &\quad + c_3(3x^2 + x) \\ &= \textcolor{blue}{(c_1 + 6c_2 + 3c_3)}x^2 \\ &\quad + \textcolor{red}{(c_2 + c_3)}x + \textcolor{green}{(c_1 + 2c_2)} \end{aligned} \]
To polynomer er like når koeffisientene foran \( x^2\text{,} \) \( x \) og konstantleddet er like:
\[ \begin{aligned} \textcolor{blue}{c_1 + 6c_2 + 3c_3} &= \textcolor{blue}{1} \\ \textcolor{red}{c_2 + c_3} &= \textcolor{red}{2} \\ \textcolor{green}{c_1 + 2c_2} &= \textcolor{green}{3} \end{aligned} \]
2. Radreduser totalmatrisen
Vi setter opp totalmatrisen og radreduserer, som i videoen Gauss Eliminering:
\[ \left[\begin{array}{ccc|c} 1 & 6 & 3 & 1 \\ 0 & 1 & 1 & 2 \\ 1 & 2 & 0 & 3 \end{array}\right] \]
\( {R_3 \to R_3 - R_1} \) gir:
\[ \left[\begin{array}{ccc|c} 1 & 6 & 3 & 1 \\ 0 & 1 & 1 & 2 \\ 0 & -4 & -3 & 2 \end{array}\right] \]
\( {R_3 \to R_3 + 4R_2} \) gir:
\[ \left[\begin{array}{ccc|c} 1 & 6 & 3 & 1 \\ 0 & 1 & 1 & 2 \\ 0 & 0 & 1 & 10 \end{array}\right] \]
3. Løs nedenfra og opp
Vi leser av radene nedenfra:
\[ \begin{aligned} c_3 &= 10 \\ c_2 &= 2 - c_3 = -8 \\ c_1 &= 1 - 6c_2 - 3c_3 \\ &= 1 + 48 - 30 = 19 \end{aligned} \]
Vi sjekker at kombinasjonen gir \( q\text{:} \)
\[ \begin{aligned} &19(x^2 + 1) - 8(6x^2 + x + 2) \\ &\quad + 10(3x^2 + x) \\ &= (19 - 48 + 30)x^2 \\ &\quad + (-8 + 10)x + (19 - 16) \\ &= x^2 + 2x + 3 \end{aligned} \]
Oppgave 6
Oppgave 6a)
Vis at
er et indreprodukt i vektorrommet bestående av polynomer av grad mindre enn eller lik
Hint: vis linearitet, symmetri og positivitet.
Vis løsningSkjul løsning på oppgave 6a
Svar
For alle og er:
Indreproduktet er skalarproduktet av verdiene i \( 0\text{,} \) \( 1 \) og \( 2\text{.} \) Vi sjekker de tre kravene ett for ett.
1. Skriv indreproduktet som en sum
Vi samler de tre leddene i en sum. Det er det samme som skalarproduktet av verdivektorene \( (p(0), p(1), p(2)) \) og \( (q(0), q(1), q(2))\text{,} \) som i videoen Multiplikasjon:
\[ \langle p, q \rangle = \sum_{k=0}^{2} p(k)q(k) \]
2. Vis symmetri
Reelle tall kan ganges i hvilken som helst rekkefølge:
\[ \begin{aligned} \langle p, q \rangle &= \sum_{k=0}^{2} p(k)q(k) \\ &= \sum_{k=0}^{2} q(k)p(k) = \langle q, p \rangle \end{aligned} \]
3. Vis linearitet
For polynomer \( p, q, r \) i \( \mathcal{P}_2 \) og et reelt tall \( \textcolor{blue}{c} \) ganger vi ut og deler summen i to:
\[ \begin{aligned} &\langle \textcolor{blue}{c}p + q, r \rangle \\ &= \sum_{k=0}^{2} \big(\textcolor{blue}{c}p(k) + q(k)\big)r(k) \\ &= \textcolor{blue}{c}\sum_{k=0}^{2} p(k)r(k) + \sum_{k=0}^{2} q(k)r(k) \\ &= \textcolor{blue}{c}\langle p, r \rangle + \langle q, r \rangle \end{aligned} \]
4. Vis positivitet
Et kvadrat er aldri negativt:
\[ \langle p, p \rangle = \textcolor{red}{p(0)}^2 + \textcolor{red}{p(1)}^2 + \textcolor{red}{p(2)}^2 \geq 0 \]
Summen er null bare når alle tre kvadratene er null. Da har \( p \) tre nullpunkter, mens et polynom av grad høyst \( 2 \) som ikke er nullpolynomet, har høyst to:
\[ \begin{aligned} &\langle p, p \rangle = 0 \\ &\Rightarrow\; \textcolor{red}{p(0)} = \textcolor{red}{p(1)} = \textcolor{red}{p(2)} = 0 \\ &\Rightarrow\; p = 0 \end{aligned} \]
Alle tre kravene holder, så \( \langle p, q \rangle \) er et indreprodukt i \( \mathcal{P}_2\text{.} \)
Oppgave 6b)
Finn en ortogonal basis for underrommet utspent av vektorene i med hensyn på indreproduktet i a).
Vis løsningSkjul løsning på oppgave 6b
Svar
Vi bruker Gram-Schmidt: vi beholder den første vektoren og trekker fra den andre det som peker i samme retning som den første.
1. Skriv opp Gram-Schmidt
Gram-Schmidt for to vektorer \( p_1 \) og \( p_2 \) forteller oss at:
\[ \begin{aligned} \textcolor{blue}{q_1} &= p_1 \\ \textcolor{red}{q_2} &= p_2 - \dfrac{\langle p_2, \textcolor{blue}{q_1} \rangle}{\langle \textcolor{blue}{q_1}, \textcolor{blue}{q_1} \rangle}\,\textcolor{blue}{q_1} \end{aligned} \]
Her er:
\[ \textcolor{blue}{q_1} = p_1 = \textcolor{blue}{1 - x}, \qquad p_2 = -1 + x^2 \]
2. Regn ut indreproduktene
Vi trenger verdiene i \( 0\text{,} \) \( 1 \) og \( 2\text{:} \)
\[ \begin{array}{c|ccc} x & 0 & 1 & 2 \\ \hline \textcolor{blue}{q_1}(x) & 1 & 0 & -1 \\ p_2(x) & -1 & 0 & 3 \end{array} \]
Indreproduktet ganger verdiene parvis og legger sammen, som skalarproduktet i videoen Multiplikasjon:
\[ \begin{aligned} \langle p_2, \textcolor{blue}{q_1} \rangle &= (-1) \cdot 1 + 0 \cdot 0 + 3 \cdot (-1) \\ &= -4 \\ \langle \textcolor{blue}{q_1}, \textcolor{blue}{q_1} \rangle &= 1^2 + 0^2 + (-1)^2 = 2 \end{aligned} \]
3. Finn den andre basisvektoren
Plugger vi dette inn i Gram-Schmidt, får vi:
\[ \begin{aligned} \textcolor{red}{q_2} &= -1 + x^2 - \dfrac{-4}{2}(\textcolor{blue}{1 - x}) \\ &= -1 + x^2 + 2 - 2x \\ &= x^2 - 2x + 1 \end{aligned} \]
Kontroll: \( \textcolor{red}{q_2} \) har verdiene \( 1\text{,} \) \( 0\text{,} \) \( 1\text{,} \) så \( {\langle \textcolor{red}{q_2}, \textcolor{blue}{q_1} \rangle = 1 + 0 - 1 = 0}\text{.} \)
\( \textcolor{blue}{q_1} \) og \( \textcolor{red}{q_2} \) er ortogonale, ikke null og utspenner det samme rommet som \( p_1 \) og \( p_2\text{,} \) så de er en ortogonal basis for \( U\text{.} \)
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 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 2
Finn en basis for rommene og når
Vis løsningSkjul løsning på oppgave 2
Svar
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. Først lager vi nuller under den første eneren. Raden vi endrer, står i blått.
\( {R_2 \to R_2 - 2R_1}\text{:} \)
\[ \begin{bmatrix} 1 & 2 & 1 & 0 & 2 \\ \textcolor{blue}{0} & \textcolor{blue}{0} & \textcolor{blue}{0} & \textcolor{blue}{1} & \textcolor{blue}{-1} \\ 4 & 8 & 5 & 1 & 9 \\ 2 & 4 & 3 & 0 & 6 \end{bmatrix} \]
\( {R_3 \to R_3 - 4R_1}\text{:} \)
\[ \begin{bmatrix} 1 & 2 & 1 & 0 & 2 \\ 0 & 0 & 0 & 1 & -1 \\ \textcolor{blue}{0} & \textcolor{blue}{0} & \textcolor{blue}{1} & \textcolor{blue}{1} & \textcolor{blue}{1} \\ 2 & 4 & 3 & 0 & 6 \end{bmatrix} \]
\( {R_4 \to R_4 - 2R_1}\text{:} \)
\[ \begin{bmatrix} 1 & 2 & 1 & 0 & 2 \\ 0 & 0 & 0 & 1 & -1 \\ 0 & 0 & 1 & 1 & 1 \\ \textcolor{blue}{0} & \textcolor{blue}{0} & \textcolor{blue}{1} & \textcolor{blue}{0} & \textcolor{blue}{2} \end{bmatrix} \]
\( {R_2 \leftrightarrow R_3}\text{:} \)
\[ \begin{bmatrix} 1 & 2 & 1 & 0 & 2 \\ \textcolor{blue}{0} & \textcolor{blue}{0} & \textcolor{blue}{1} & \textcolor{blue}{1} & \textcolor{blue}{1} \\ \textcolor{blue}{0} & \textcolor{blue}{0} & \textcolor{blue}{0} & \textcolor{blue}{1} & \textcolor{blue}{-1} \\ 0 & 0 & 1 & 0 & 2 \end{bmatrix} \]
\( {R_4 \to R_4 - R_2}\text{:} \)
\[ \begin{bmatrix} 1 & 2 & 1 & 0 & 2 \\ 0 & 0 & 1 & 1 & 1 \\ 0 & 0 & 0 & 1 & -1 \\ \textcolor{blue}{0} & \textcolor{blue}{0} & \textcolor{blue}{0} & \textcolor{blue}{-1} & \textcolor{blue}{1} \end{bmatrix} \]
\( {R_4 \to R_4 + R_3}\text{:} \)
\[ \begin{bmatrix} \textcolor{red}{1} & 2 & 1 & 0 & 2 \\ 0 & 0 & \textcolor{red}{1} & 1 & 1 \\ 0 & 0 & 0 & \textcolor{red}{1} & -1 \\ \textcolor{blue}{0} & \textcolor{blue}{0} & \textcolor{blue}{0} & \textcolor{blue}{0} & \textcolor{blue}{0} \end{bmatrix} \]
Nå står matrisen på trappeform. Pivotene, i rødt, står i kolonne \( 1\text{,} \) \( 3 \) og \( 4\text{.} \)
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:
\[ \operatorname{Col}(A) = \operatorname{Sp}\left\{ \begin{bmatrix} 1 \\ 2 \\ 4 \\ 2 \end{bmatrix}, \begin{bmatrix} 1 \\ 2 \\ 5 \\ 3 \end{bmatrix}, \begin{bmatrix} 0 \\ 1 \\ 1 \\ 0 \end{bmatrix} \right\} \]
3. Finn en basis for nullrommet
Nullrommet er alle løsningene av \( {A\mathbf{x} = \mathbf{0}}\text{.} \) Kolonne \( 2 \) og \( 5 \) har ingen pivot, så \( x_2 \) og \( x_5 \) er frie. Vi setter:
\[ x_2 = \textcolor{darkorange}{s}, \quad x_5 = \textcolor{magenta}{t} \]
Vi løser radene i trappeformen nedenfra. Rad \( 3\text{,} \) \( 2 \) og \( 1 \) sier:
\[ \begin{aligned} x_4 - \textcolor{magenta}{t} &= 0 \\ x_3 + x_4 + \textcolor{magenta}{t} &= 0 \\ x_1 + 2\textcolor{darkorange}{s} + x_3 + 2\textcolor{magenta}{t} &= 0 \end{aligned} \]
Setter vi inn nedenfra, får vi:
\[ x_4 = \textcolor{magenta}{t}, \quad x_3 = -2\textcolor{magenta}{t}, \quad x_1 = -2\textcolor{darkorange}{s} \]
Det gir oss:
\[ \mathbf{x} = \begin{bmatrix} -2\textcolor{darkorange}{s} \\ \textcolor{darkorange}{s} \\ -2\textcolor{magenta}{t} \\ \textcolor{magenta}{t} \\ \textcolor{magenta}{t} \end{bmatrix} = \textcolor{darkorange}{s}\begin{bmatrix} -2 \\ 1 \\ 0 \\ 0 \\ 0 \end{bmatrix} + \textcolor{magenta}{t}\begin{bmatrix} 0 \\ 0 \\ -2 \\ 1 \\ 1 \end{bmatrix} \]
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 \( 5\text{.} \) Altså er de en basis.
Oppgave 1
Oppgave 1a)
Regn ut en basis for kolonnerommet og nullrommet til matrisen
Vis løsningSkjul løsning på oppgave 1a
Svar
En basis for kolonnerommet og for nullrommet er:
Vi radreduserer \( A\text{.} \) Pivotkolonnene viser hvilke kolonner i \( A \) som er en basis for kolonnerommet, og trappeformen gir løsningene av \( {A\mathbf{x} = \mathbf{0}}\text{.} \)
1. Radreduser matrisen
Vi bytter rad 1 og rad 2, så vi får et lite tall øverst, og radreduserer, som i videoen Gauss Eliminering. Raden vi endrer, står i grønt.
\( {R_1 \leftrightarrow R_2}\text{:} \)
\[ \begin{bmatrix} \textcolor{green}{-2} & \textcolor{green}{6} & \textcolor{green}{0} & \textcolor{green}{-4} \\ 5 & -15 & -1 & 12 \\ 4 & -12 & -2 & 12 \end{bmatrix} \]
\( {R_1 \to -\tfrac{1}{2}R_1}\text{:} \)
\[ \begin{bmatrix} \textcolor{green}{1} & \textcolor{green}{-3} & \textcolor{green}{0} & \textcolor{green}{2} \\ 5 & -15 & -1 & 12 \\ 4 & -12 & -2 & 12 \end{bmatrix} \]
\( {R_2 \to R_2 - 5R_1}\text{:} \)
\[ \begin{bmatrix} 1 & -3 & 0 & 2 \\ \textcolor{green}{0} & \textcolor{green}{0} & \textcolor{green}{-1} & \textcolor{green}{2} \\ 4 & -12 & -2 & 12 \end{bmatrix} \]
\( {R_3 \to R_3 - 4R_1}\text{:} \)
\[ \begin{bmatrix} 1 & -3 & 0 & 2 \\ 0 & 0 & -1 & 2 \\ \textcolor{green}{0} & \textcolor{green}{0} & \textcolor{green}{-2} & \textcolor{green}{4} \end{bmatrix} \]
\( {R_3 \to R_3 - 2R_2}\text{:} \)
\[ \begin{bmatrix} 1 & -3 & 0 & 2 \\ 0 & 0 & -1 & 2 \\ \textcolor{green}{0} & \textcolor{green}{0} & \textcolor{green}{0} & \textcolor{green}{0} \end{bmatrix} \]
Matrisen står nå på trappeform. De ledende tallene, pivotene, står i kolonne 1 og kolonne 3.
2. Finn en basis for kolonnerommet
Pivotkolonnene i den opprinnelige matrisen \( A \) er en basis for kolonnerommet. Det gir oss kolonne 1 og kolonne 3 i \( A\text{:} \)
\[ \operatorname{Col} A = \operatorname{Sp}\left\{ \begin{bmatrix} 5 \\ -2 \\ 4 \end{bmatrix}, \begin{bmatrix} -1 \\ 0 \\ -2 \end{bmatrix} \right\} \]
De to andre kolonnene er kombinasjoner av disse. For eksempel er kolonne 2 lik \( {-3} \) ganger kolonne 1.
3. Finn en basis for nullrommet
Nullrommet er alle \( \mathbf{x} \) med \( {A\mathbf{x} = \mathbf{0}}\text{.} \) Trappeformen gir likningene:
\[ \begin{aligned} x_1 - 3\textcolor{blue}{x_2} + 2\textcolor{red}{x_4} &= 0 \\ -x_3 + 2\textcolor{red}{x_4} &= 0 \end{aligned} \]
Kolonne 2 og kolonne 4 har ingen pivot, så \( \textcolor{blue}{x_2} \) og \( \textcolor{red}{x_4} \) er frie. Løser vi for de andre, får vi:
\[ \begin{aligned} x_1 &= 3\textcolor{blue}{x_2} - 2\textcolor{red}{x_4} \\ x_3 &= 2\textcolor{red}{x_4} \end{aligned} \]
Vi skriver løsningen som en kombinasjon med de frie variablene foran:
\[ \begin{aligned} \mathbf{x} &= \begin{bmatrix} 3\textcolor{blue}{x_2} - 2\textcolor{red}{x_4} \\ \textcolor{blue}{x_2} \\ 2\textcolor{red}{x_4} \\ \textcolor{red}{x_4} \end{bmatrix} \\ &= \textcolor{blue}{x_2}\begin{bmatrix} 3 \\ 1 \\ 0 \\ 0 \end{bmatrix} + \textcolor{red}{x_4}\begin{bmatrix} -2 \\ 0 \\ 2 \\ 1 \end{bmatrix} \end{aligned} \]
De to vektorene er lineært uavhengige, siden hver av dem har en \( 1 \) der den andre har \( 0\text{.} \) De er derfor en basis for nullrommet.
Kontroll: \( 3 \) ganger kolonne 1 pluss kolonne 2 gir \( \mathbf{0}\text{,} \) og \( {-2} \) ganger kolonne 1 pluss \( 2 \) ganger kolonne 3 pluss kolonne 4 gir \( \mathbf{0}\text{.} \)
Oppgave 1b)
Bestem også
Vis løsningSkjul løsning på oppgave 1b
Svar
Vi bruker at \( A \) har to pivotkolonner, fra a). Ved følgefeil kan det gis full uttelling.
Rangteoremet knytter rangen og dimensjonen til nullrommet sammen. Vi bruker det på \( A^{\top}\text{,} \) som har samme rang som \( A\text{.} \)
1. Finn rangen til den transponerte
Rangen er antall pivoter i trappeformen. I a) fant vi to pivotkolonner, så:
\[ \operatorname{rank} A = 2 \]
En matrise og den transponerte har samme rang, siden radrommet til \( A \) er kolonnerommet til \( A^{\top}\text{,} \) og radrommet og kolonnerommet til en matrise har samme dimensjon:
\[ \operatorname{rank} A^{\top} = \operatorname{rank} A = 2 \]
2. Bruk rangteoremet
Rangteoremet forteller oss at for en matrise med \( \textcolor{blue}{n} \) kolonner er:
\[ \operatorname{rank} B + \dim \operatorname{Null} B = \textcolor{blue}{n} \]
Her er \( {B = A^{\top}}\text{,} \) som er en \( 4 \times 3 \)-matrise, så \( {\textcolor{blue}{n} = \textcolor{blue}{3}}\text{.} \) Plugger vi dette inn, får vi:
\[ \begin{aligned} 2 + \dim \operatorname{Null}(A^{\top}) &= \textcolor{blue}{3} \\ \dim \operatorname{Null}(A^{\top}) &= 1 \end{aligned} \]
Oppgave 8
To ulike ordnede basiser for er og hvor
Oppgave 8a)
En vektor har koordinater med hensyn på basis Hva er koordinatene til denne vektoren i standardbasisen?
Vis løsningSkjul løsning på oppgave 8a
Svar
Koordinatene med hensyn på \( \mathscr{B} \) sier hvor mange av hver basisvektor vektoren består av. Vi setter derfor sammen \( 1 \) gang \( \mathbf{b}_1 \) og \( 2 \) ganger \( \mathbf{b}_2\text{.} \)
1. Sett sammen basisvektorene
Koordinatene sier hvor mye vi tar av hver basisvektor, slik vi bygger en vektor av \( \hat{\imath} \) og \( \hat{\jmath} \) i videoen Lineær transformasjon. At koordinatene er \( (\textcolor{blue}{1}, \textcolor{red}{2}) \) med hensyn på \( \mathscr{B}\text{,} \) betyr:
\[ \mathbf{x} = \textcolor{blue}{1} \cdot \mathbf{b}_1 + \textcolor{red}{2} \cdot \mathbf{b}_2 \]
Plugger vi inn vektorene, får vi:
\[ \begin{aligned} \mathbf{x} &= \textcolor{blue}{1}\begin{bmatrix} -1 \\ 8 \end{bmatrix} + \textcolor{red}{2}\begin{bmatrix} 1 \\ -5 \end{bmatrix} \\ &= \begin{bmatrix} -1 + 2 \\ 8 - 10 \end{bmatrix} = \begin{bmatrix} 1 \\ -2 \end{bmatrix} \end{aligned} \]
Oppgave 8b)
Bestem basisbyttematrisen fra til
Vis løsningSkjul løsning på oppgave 8b
Svar
Basisbyttematrisen gjør \( \mathscr{C} \)-koordinater om til \( \mathscr{B} \)-koordinater. Vi går via standardbasisen med matrisene som har basisvektorene som kolonner.
1. Finn et uttrykk for matrisen
Vi lar \( {P_{\mathscr{B}} = \begin{bmatrix} \mathbf{b}_1 & \mathbf{b}_2 \end{bmatrix}} \) og \( {P_{\mathscr{C}} = \begin{bmatrix} \mathbf{c}_1 & \mathbf{c}_2 \end{bmatrix}}\text{.} \) Som i a) er en vektor lik matrisen ganget med koordinatene, i begge basisene:
\[ \mathbf{x} = P_{\mathscr{B}}[\mathbf{x}]_{\mathscr{B}} = P_{\mathscr{C}}[\mathbf{x}]_{\mathscr{C}} \]
Ganger vi med \( {P_{\mathscr{B}}^{-1}} \) fra venstre, får vi:
\[ [\mathbf{x}]_{\mathscr{B}} = \underbrace{P_{\mathscr{B}}^{-1}P_{\mathscr{C}}}_{P_{\mathscr{B} \leftarrow \mathscr{C}}}[\mathbf{x}]_{\mathscr{C}} \]
2. Finn den inverse matrisen
Inversen til en \( 2 \times 2 \)-matrise er, som i videoen Invers matrise med determinanter:
\[ \begin{bmatrix} \textcolor{green}{a} & \textcolor{magenta}{b} \\ \textcolor{magenta}{c} & \textcolor{green}{d} \end{bmatrix}^{-1} = \dfrac{1}{\textcolor{green}{a}\textcolor{green}{d} - \textcolor{magenta}{b}\textcolor{magenta}{c}}\begin{bmatrix} \textcolor{green}{d} & -\textcolor{magenta}{b} \\ -\textcolor{magenta}{c} & \textcolor{green}{a} \end{bmatrix} \]
Her er:
\[ P_{\mathscr{B}} = \begin{bmatrix} \textcolor{green}{-1} & \textcolor{magenta}{1} \\ \textcolor{magenta}{8} & \textcolor{green}{-5} \end{bmatrix} \]
Determinanten er:
\[ (\textcolor{green}{-1})(\textcolor{green}{-5}) - \textcolor{magenta}{1} \cdot \textcolor{magenta}{8} = -3 \]
Plugger vi dette inn, får vi:
\[ P_{\mathscr{B}}^{-1} = \dfrac{1}{-3}\begin{bmatrix} \textcolor{green}{-5} & -\textcolor{magenta}{1} \\ -\textcolor{magenta}{8} & \textcolor{green}{-1} \end{bmatrix} = \dfrac{1}{3}\begin{bmatrix} 5 & 1 \\ 8 & 1 \end{bmatrix} \]
3. Gang sammen matrisene
Vi ganger rad med kolonne, som i videoen Multiplikasjon:
\[ \begin{aligned} P_{\mathscr{B} \leftarrow \mathscr{C}} &= \dfrac{1}{3}\begin{bmatrix} 5 & 1 \\ 8 & 1 \end{bmatrix}\begin{bmatrix} 1 & 1 \\ 4 & 1 \end{bmatrix} \\ &= \dfrac{1}{3}\begin{bmatrix} 5 + 4 & 5 + 1 \\ 8 + 4 & 8 + 1 \end{bmatrix} \\ &= \dfrac{1}{3}\begin{bmatrix} 9 & 6 \\ 12 & 9 \end{bmatrix} = \begin{bmatrix} 3 & 2 \\ 4 & 3 \end{bmatrix} \end{aligned} \]
Kontroll: Første kolonne sier at \( {\mathbf{c}_1 = 3\mathbf{b}_1 + 4\mathbf{b}_2}\text{,} \) og \( {3\mathbf{b}_1 + 4\mathbf{b}_2 = (1, 4)}\text{,} \) som stemmer.