Hopp til hovedinnholdet

Universitetseksamen etter tema

Øv på ett tema om gangen med oppgavene fra universitetseksamenene vi har lagt ut, foreløpig NTNU Matematikk 1, NTNU Matematikk 3, OsloMet Matte 2000 og OsloMet Matte 3000. Velg område og tema, så henter vi oppgavene fra alle settene. Prøv selv først – løsningen ligger under oppgaven når du står fast.

Område

Emne

matriser

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

3 oppgaver i OsloMet Matte 2000 om matriser

Oppgavene

MEK2000 ordinær eksamen 2024

Oppgave 1

Matrisen
A=(5−64−5) A = \begin{pmatrix} 5 & -6 \\ 4 & -5 \end{pmatrix}
kan skrives slik:
A=PDP−1 A = PDP^{-1}
der
P=(1312)ogD=(−1001) P = \begin{pmatrix} 1 & 3 \\ 1 & 2 \end{pmatrix} \quad \text{og} \quad D = \begin{pmatrix} -1 & 0 \\ 0 & 1 \end{pmatrix}

Oppgave 1a)

Vis at dette stemmer ved å regne ut PDP−1. {PDP^{-1}}\text{.}
Vis løsning på oppgave 1a
Svar
Vi regnet ut den inverse og så produktet:
P−1=(−231−1)‾‾ \underline{\underline{P^{-1} = \begin{pmatrix} -2 & 3 \\ 1 & -1 \end{pmatrix}}}
PDP−1=(5−64−5)=A‾‾ \underline{\underline{PDP^{-1} = \begin{pmatrix} 5 & -6 \\ 4 & -5 \end{pmatrix} = A}}
Vi finner \( {P^{-1}} \) med formelen for den inverse til en \( 2 \times 2 \)-matrise. Så ganger vi sammen to matriser om gangen og sjekker at vi ender på \( A\text{.} \)
1. Finn den inverse matrisen Formelen for den inverse til en \( 2 \times 2 \)-matrise er: \[ \begin{pmatrix} \textcolor{blue}{a} & \textcolor{red}{b} \\ \textcolor{red}{c} & \textcolor{blue}{d} \end{pmatrix}^{-1} = \dfrac{1}{\textcolor{blue}{a}\textcolor{blue}{d} - \textcolor{red}{b}\textcolor{red}{c}}\begin{pmatrix} \textcolor{blue}{d} & -\textcolor{red}{b} \\ -\textcolor{red}{c} & \textcolor{blue}{a} \end{pmatrix} \]Hvis du er usikker på formelen, kan du se videoen Eksempel 2x2 diagonalisering.
Her er: \[ \begin{aligned} \textcolor{blue}{a} &= \textcolor{blue}{1} & \textcolor{red}{b} &= \textcolor{red}{3} \\ \textcolor{red}{c} &= \textcolor{red}{1} & \textcolor{blue}{d} &= \textcolor{blue}{2} \end{aligned} \]
Plugger vi dette inn, får vi: \[ \begin{aligned} P^{-1} &= \dfrac{1}{\textcolor{blue}{1} \cdot \textcolor{blue}{2} - \textcolor{red}{3} \cdot \textcolor{red}{1}}\begin{pmatrix} \textcolor{blue}{2} & -\textcolor{red}{3} \\ -\textcolor{red}{1} & \textcolor{blue}{1} \end{pmatrix} \\ &= -1 \cdot \begin{pmatrix} 2 & -3 \\ -1 & 1 \end{pmatrix} \\ &= \begin{pmatrix} -2 & 3 \\ 1 & -1 \end{pmatrix} \end{aligned} \]
2. Gang sammen de to første Vi ganger rader med kolonner, som i videoen Multiplikasjon. Første element er første rad i \( P \) ganget med første kolonne i \( D\text{:} \) \( {1 \cdot (-1) + 3 \cdot 0 = -1}\text{.} \) Slik får vi: \[ \begin{aligned} PD &= \begin{pmatrix} 1 & 3 \\ 1 & 2 \end{pmatrix}\begin{pmatrix} -1 & 0 \\ 0 & 1 \end{pmatrix} \\ &= \begin{pmatrix} -1 & 3 \\ -1 & 2 \end{pmatrix} \end{aligned} \]
3. Gang med den inverse Nå ganger vi \( PD \) med \( {P^{-1}} \) på samme måte: \[ \begin{aligned} PDP^{-1} &= \begin{pmatrix} -1 & 3 \\ -1 & 2 \end{pmatrix}\begin{pmatrix} -2 & 3 \\ 1 & -1 \end{pmatrix} \\ &= \begin{pmatrix} 2 + 3 & -3 - 3 \\ 2 + 2 & -3 - 2 \end{pmatrix} \\ &= \begin{pmatrix} 5 & -6 \\ 4 & -5 \end{pmatrix} = A \end{aligned} \]
Produktet er \( A\text{,} \) så \( {A = PDP^{-1}} \) stemmer.

Oppgave 1b)

Bruk dette til å bestemme egenverdiene og tilhørende egenvektorer for A. A\text{.}
Vis løsning på oppgave 1b
Svar
Egenverdiene med egenvektorene, der t≠0: t \ne 0\text{:}
λ1=−1,v1=t(11)‾‾ \underline{\underline{\lambda_1 = -1, \quad \mathbf{v}_1 = t\begin{pmatrix} 1 \\ 1 \end{pmatrix}}}
λ2=1,v2=t(32)‾‾ \underline{\underline{\lambda_2 = 1, \quad \mathbf{v}_2 = t\begin{pmatrix} 3 \\ 2 \end{pmatrix}}}
Vi ganger \( {A = PDP^{-1}} \) med \( P \) fra høyre. Da ser vi kolonne for kolonne at kolonnene i \( P \) er egenvektorer, med tallene på diagonalen i \( D \) som egenverdier.
1. Skriv om likningen Vi ganger med \( P \) fra høyre på begge sider: \[ \begin{aligned} A &= PDP^{-1} \\ AP &= PDP^{-1}P = PD \end{aligned} \]Det går fordi \( {P^{-1}P = I}\text{.} \) I videoen Bevis diagonalisering går det andre veien: der settes likningene for hver egenvektor sammen til én matriselikning.
2. Les av kolonne for kolonne En vektor \( \mathbf{v} \ne \mathbf{0} \) er en egenvektor med egenverdi \( \lambda \) når: \[ A\mathbf{v} = \lambda\mathbf{v} \]Du ser definisjonen i videoen Introduksjon egenverdier egenvektorer.
\( D \) er diagonal, så første kolonne i \( PD \) er første kolonne i \( P \) ganget med \( {\textcolor{blue}{-1}}\text{,} \) og andre kolonne er andre kolonne i \( P \) ganget med \( \textcolor{red}{1}\text{.} \) Likningen \( {AP = PD} \) sier derfor kolonne for kolonne: \[ \begin{aligned} A\textcolor{blue}{\begin{pmatrix} 1 \\ 1 \end{pmatrix}} &= \textcolor{blue}{-1} \cdot \textcolor{blue}{\begin{pmatrix} 1 \\ 1 \end{pmatrix}} \\ A\textcolor{red}{\begin{pmatrix} 3 \\ 2 \end{pmatrix}} &= \textcolor{red}{1} \cdot \textcolor{red}{\begin{pmatrix} 3 \\ 2 \end{pmatrix}} \end{aligned} \]
Egenverdiene står altså på diagonalen i \( D\text{,} \) og egenvektorene er kolonnene i \( P \) i samme rekkefølge, som i videoen Intro diagonalisering. Alle multipler \( t \ne 0 \) av en egenvektor er også egenvektorer.
Kontroll: \( {A\begin{pmatrix} 1 \\ 1 \end{pmatrix} = \begin{pmatrix} 5 - 6 \\ 4 - 5 \end{pmatrix} = \begin{pmatrix} -1 \\ -1 \end{pmatrix}}\text{,} \) som er \( {-1} \) ganger vektoren.

Oppgave 1c)

Bruk dette til også å finne den generelle løsninga av de kopla differensiallikningene
x′(t)=5x(t)−6y(t)y′(t)=4x(t)−5y(t) \begin{aligned} x'(t) &= 5x(t) - 6y(t) \\ y'(t) &= 4x(t) - 5y(t) \end{aligned}
Vis løsning på oppgave 1c
Svar
Med vilkårlige konstanter C1 C_1 og C2: C_2\text{:}
x(t)=C1e−t+3C2ety(t)=C1e−t+2C2et‾‾ \underline{\underline{\begin{aligned} x(t) &= C_1e^{-t} + 3C_2e^{t} \\ y(t) &= C_1e^{-t} + 2C_2e^{t} \end{aligned}}}
Vi bruker egenverdiene og egenvektorene fra b).
På matriseform er systemet \( {\mathbf{x}' = A\mathbf{x}} \) med matrisen \( A\text{.} \) Egenverdiene og egenvektorene fra b) gir oss da den generelle løsningen direkte.
1. Skriv systemet på matriseform Koeffisientene foran \( x \) og \( y \) er radene i \( A\text{:} \) \[ \begin{pmatrix} x' \\ y' \end{pmatrix} = \begin{pmatrix} 5 & -6 \\ 4 & -5 \end{pmatrix}\begin{pmatrix} x \\ y \end{pmatrix} \]
2. Sett inn i formelen Når \( A \) har to ulike egenverdier, er den generelle løsningen, som i videoen System av difflikninger: \[ \begin{pmatrix} x \\ y \end{pmatrix} = C_1\textcolor{blue}{\mathbf{v}_1}e^{\textcolor{blue}{\lambda_1}t} + C_2\textcolor{red}{\mathbf{v}_2}e^{\textcolor{red}{\lambda_2}t} \]
I b) fant vi: \[ \begin{aligned} \textcolor{blue}{\lambda_1} &= \textcolor{blue}{-1}, & \textcolor{blue}{\mathbf{v}_1} &= \textcolor{blue}{\begin{pmatrix} 1 \\ 1 \end{pmatrix}} \\ \textcolor{red}{\lambda_2} &= \textcolor{red}{1}, & \textcolor{red}{\mathbf{v}_2} &= \textcolor{red}{\begin{pmatrix} 3 \\ 2 \end{pmatrix}} \end{aligned} \]
Plugger vi dette inn, får vi: \[ \begin{pmatrix} x \\ y \end{pmatrix} = C_1\textcolor{blue}{\begin{pmatrix} 1 \\ 1 \end{pmatrix}}e^{\textcolor{blue}{-t}} + C_2\textcolor{red}{\begin{pmatrix} 3 \\ 2 \end{pmatrix}}e^{\textcolor{red}{t}} \]
Komponent for komponent er det: \[ \begin{aligned} x(t) &= C_1e^{-t} + 3C_2e^{t} \\ y(t) &= C_1e^{-t} + 2C_2e^{t} \end{aligned} \]
Kontroll: \( {5x - 6y = -C_1e^{-t} + 3C_2e^{t}}\text{,} \) som er \( x'(t)\text{.} \)

MEK2000 konteeksamen 2020

Oppgave 2

Vi antar at sammenhengen mellom størrelsene t t og x x kan skrives:
x=x(t)=a t3+b t2+c t+d x = x(t) = a\,t^3 + b\,t^2 + c\,t + d
Vi måler x x for noen verdier av t t og får:
tx−18,1027,3110,52−5,13−1,1420,5 \begin{array}{r|r} t & x \\ \hline -1 & 8{,}1 \\ 0 & 27{,}3 \\ 1 & 10{,}5 \\ 2 & -5{,}1 \\ 3 & -1{,}1 \\ 4 & 20{,}5 \end{array}
Vi ønsker å estimere konstantene a,b,c a, b, c og d d i uttrykket for y y ved å bruke minste kvadraters metode. Vi får:
x=(ATA)−1ATy=[23,1317−1,1212−11,76672,9926] x = (A^T A)^{-1} A^T y = \begin{bmatrix} 23{,}1317 \\ -1{,}1212 \\ -11{,}7667 \\ 2{,}9926 \end{bmatrix}

Oppgave 2a)

Hvilket krav er det beregningene i minste kvadraters metode bygger på?
Vis løsning på oppgave 2a
Svar
Konstantene velges slik at summen av de kvadrerte avvikene blir minst mulig:
∑i=16(xi−x(ti))2 minst mulig‾‾ \underline{\underline{\sum_{i=1}^{6} \big(x_i - x(t_i)\big)^2 \text{ minst mulig}}}
Vi har seks målinger, men bare fire konstanter, så vi kan ikke regne med at kurven går gjennom alle punktene. Metoden velger konstantene som gjør avvikene samlet sett minst mulig.
1. Skriv opp avvikene Når punktene viser en trend, men ingen funksjon i modellen går gjennom alle, finner vi en tilnærmet funksjon med regresjon, som i videoen Oppgave 1A (Del 2) - S1 Eksamen Høst 2023.
For hver måling \( (t_i, x_i) \) er avviket mellom den målte verdien og modellen: \[ \textcolor{red}{e_i} = \textcolor{blue}{x_i} - \textcolor{green}{x(t_i)} \]
Avvikene kan være positive eller negative, så summen av dem kan bli liten selv om kurven ligger langt fra punktene.
2. Skriv opp kravet Minste kvadraters metode kvadrerer avvikene først. Kravet er at summen av kvadratene skal bli minst mulig: \[ \begin{aligned} S &= \sum_{i=1}^{6} \textcolor{red}{e_i}^2 \\ &= \sum_{i=1}^{6} \big(\textcolor{blue}{x_i} - \textcolor{green}{x(t_i)}\big)^2 \end{aligned} \]
Her er \( {\textcolor{green}{x(t_i)} = a\,t_i^3 + b\,t_i^2 + c\,t_i + d}\text{.} \)
Konstantene \( a, b, c \) og \( d \) er de ukjente i \( S\text{.} \) Setter vi de fire partielle deriverte av \( S \) lik \( 0\text{,} \) får vi likningene som formelen \( {(A^TA)^{-1}A^Ty} \) på arket løser.

Oppgave 2b)

Skriv opp matrisen A A og vektoren y. y\text{.}
Vis løsning på oppgave 2b
Svar
Kolonnene i A A hører til d,c,b d, c, b og a: a\text{:}
A=[1−11−110001111124813927141664]‾‾ \underline{\underline{A = \begin{bmatrix} 1 & -1 & 1 & -1 \\ 1 & 0 & 0 & 0 \\ 1 & 1 & 1 & 1 \\ 1 & 2 & 4 & 8 \\ 1 & 3 & 9 & 27 \\ 1 & 4 & 16 & 64 \end{bmatrix}}}
y=[8,127,310,5−5,1−1,120,5]‾‾ \underline{\underline{y = \begin{bmatrix} 8{,}1 \\ 27{,}3 \\ 10{,}5 \\ -5{,}1 \\ -1{,}1 \\ 20{,}5 \end{bmatrix}}}
Hver måling gir én likning der modellen skal treffe den målte verdien. Tallene i vektoren på arket viser hvilken konstant som hører til hvilken kolonne i \( A\text{.} \)
1. Finn rekkefølgen i vektoren Arket sier ikke i hvilken rekkefølge konstantene står i vektoren. Står \( \textcolor{blue}{a} \) først, gir modellen i \( {t = 4}\text{:} \) \[ \begin{aligned} x(4) &= \textcolor{blue}{23{,}1317} \cdot 4^3 - \textcolor{red}{1{,}1212} \cdot 4^2 \\ &\quad - \textcolor{green}{11{,}7667} \cdot 4 + \textcolor{darkorange}{2{,}9926} \\ &\approx 1418 \end{aligned} \]
Det er langt unna den målte verdien \( 20{,}5\text{.} \) Står konstantene i motsatt rekkefølge, \( \textcolor{darkorange}{d}, \textcolor{green}{c}, \textcolor{red}{b}, \textcolor{blue}{a}\text{,} \) treffer modellen godt: \[ \begin{aligned} x(4) &= \textcolor{blue}{2{,}9926} \cdot 4^3 - \textcolor{red}{11{,}7667} \cdot 4^2 \\ &\quad - \textcolor{green}{1{,}1212} \cdot 4 + \textcolor{darkorange}{23{,}1317} \\ &\approx 21{,}9 \end{aligned} \]
Vektoren på arket er altså: \[ \begin{bmatrix} \textcolor{darkorange}{d} \\ \textcolor{green}{c} \\ \textcolor{red}{b} \\ \textcolor{blue}{a} \end{bmatrix} = \begin{bmatrix} 23{,}1317 \\ -1{,}1212 \\ -11{,}7667 \\ 2{,}9926 \end{bmatrix} \]
2. Skriv én likning per måling Skulle kurven gått gjennom alle punktene, måtte \( {x(t_i) = x_i} \) for hver måling. Den første målingen, \( {t = -1} \) og \( {x = 8{,}1}\text{,} \) gir: \[ \begin{aligned} &\textcolor{darkorange}{d} + \textcolor{green}{c} \cdot (-1) + \textcolor{red}{b} \cdot (-1)^2 \\ &\quad + \textcolor{blue}{a} \cdot (-1)^3 = 8{,}1 \end{aligned} \]
Tallene foran \( \textcolor{darkorange}{d}, \textcolor{green}{c}, \textcolor{red}{b} \) og \( \textcolor{blue}{a} \) blir én rad i \( A\text{:} \) \[ \begin{bmatrix} 1 & t_i & t_i^2 & t_i^3 \end{bmatrix} = \begin{bmatrix} 1 & -1 & 1 & -1 \end{bmatrix} \]
Den målte verdien \( 8{,}1 \) blir det første tallet i \( y\text{.} \) Slik samler vi likningene på matriseform i videoen Polynom interpolasjon.
3. Sett opp A og y Én rad per måling, med \( {t = -1, 0, 1, 2, 3, 4}\text{,} \) gir matrisen: \[ A = \begin{bmatrix} 1 & -1 & 1 & -1 \\ 1 & 0 & 0 & 0 \\ 1 & 1 & 1 & 1 \\ 1 & 2 & 4 & 8 \\ 1 & 3 & 9 & 27 \\ 1 & 4 & 16 & 64 \end{bmatrix} \]
De målte verdiene av \( x \) gir vektoren: \[ y = \begin{bmatrix} 8{,}1 \\ 27{,}3 \\ 10{,}5 \\ -5{,}1 \\ -1{,}1 \\ 20{,}5 \end{bmatrix} \]

Oppgave 2c)

Beregn den estimerte verdien av x(1,6). x(1{,}6)\text{.}
Vis løsning på oppgave 2c
Svar
Avrundet til én desimal, som målingene:
x(1,6)≈3,5‾‾ \underline{\underline{x(1{,}6) \approx 3{,}5}}
Vi bruker rekkefølgen \( d, c, b, a \) fra b).
Vi setter konstantene fra vektoren inn i modellen og regner ut \( x \) i \( {t = 1{,}6}\text{.} \)
1. Sett konstantene inn i modellen Med rekkefølgen fra b) er: \[ \begin{aligned} \textcolor{blue}{a} &= \textcolor{blue}{2{,}9926} & \textcolor{red}{b} &= \textcolor{red}{-11{,}7667} \\ \textcolor{green}{c} &= \textcolor{green}{-1{,}1212} & \textcolor{darkorange}{d} &= \textcolor{darkorange}{23{,}1317} \end{aligned} \]
Plugger vi dette inn i modellen, som i videoen Polynom interpolasjon, får vi: \[ \begin{aligned} x(t) = {} &\textcolor{blue}{2{,}9926}\,t^3 - \textcolor{red}{11{,}7667}\,t^2 \\ &- \textcolor{green}{1{,}1212}\,t + \textcolor{darkorange}{23{,}1317} \end{aligned} \]
2. Regn ut x i 1,6 Vi regner ut leddene hver for seg: \[ \begin{aligned} \textcolor{blue}{2{,}9926} \cdot 1{,}6^3 &\approx \textcolor{blue}{12{,}2577} \\ -\textcolor{red}{11{,}7667} \cdot 1{,}6^2 &\approx \textcolor{red}{-30{,}1228} \\ -\textcolor{green}{1{,}1212} \cdot 1{,}6 &\approx \textcolor{green}{-1{,}7939} \end{aligned} \]
Slår vi dette sammen, får vi: \[ \begin{aligned} x(1{,}6) &\approx \textcolor{blue}{12{,}2577} \textcolor{red}{- 30{,}1228} \\ &\quad \textcolor{green}{- 1{,}7939} + \textcolor{darkorange}{23{,}1317} \\ &\approx 3{,}4727 \end{aligned} \]
Målingene har én desimal, så vi runder av til én desimal.

MEK2000 ordinær eksamen 2019

Oppgave 3

Oppgave 3a)

Vis at polynomet
p1(x)=1+2x−3x(x−1) p_1(x) = 1 + 2x - 3x(x - 1)
interpolerer de tre punktene (0,1), (0, 1)\text{,} (1,3) (1, 3) og (2,−1). {(2, -1)}\text{.} Bestem polynomet p2(x) p_2(x) som interpolerer punktene (0,1), (0, 1)\text{,} (1,3), (1, 3)\text{,} (2,−1) {(2, -1)} og (4,2). (4, 2)\text{.}
Vis løsning på oppgave 3a
Svar
p1 p_1 går gjennom de tre punktene, og polynomet gjennom alle fire er:
p2(x)=1+2x−3x(x−1)+2924 x(x−1)(x−2)‾‾ \underline{\underline{\begin{aligned} p_2(x) &= 1 + 2x - 3x(x - 1) \\ &\quad + \dfrac{29}{24}\,x(x - 1)(x - 2) \end{aligned}}}
Et polynom interpolerer punktene når grafen går gjennom alle sammen. Vi setter punktene inn i \( p_1\text{,} \) og bygger \( p_2 \) videre fra \( p_1\text{.} \)
1. Sett inn punktene At \( p_1 \) interpolerer punktene, betyr at grafen går gjennom dem, som i videoen Polynom interpolasjon. Vi setter inn: \[ \begin{aligned} p_1(0) &= 1 + 0 - 3 \cdot 0 \cdot (-1) = 1 \\ p_1(1) &= 1 + 2 - 3 \cdot 1 \cdot 0 = 3 \\ p_1(2) &= 1 + 4 - 3 \cdot 2 \cdot 1 = -1 \end{aligned} \]
Alle tre stemmer, så \( p_1 \) interpolerer punktene.
2. Legg til et ledd Med fire punkter trenger vi et polynom av grad \( 3\text{,} \) én mindre enn antall punkter, som i videoen Polynom interpolasjon. Vi bygger videre på \( p_1 \) og legger til et ledd som er \( 0 \) i \( {x = 0}\text{,} \) \( {x = 1} \) og \( {x = 2}\text{.} \) Da går \( p_2 \) fortsatt gjennom de tre første punktene: \[ p_2(x) = p_1(x) + \textcolor{blue}{c} \cdot x(x - 1)(x - 2) \]
Konstanten \( \textcolor{blue}{c} \) finner vi fra det fjerde punktet, \( {p_2(4) = 2}\text{.} \) Først er: \[ p_1(4) = 1 + 2 \cdot 4 - 3 \cdot 4 \cdot 3 = \textcolor{red}{-27} \]
Plugger vi inn \( {x = 4}\text{,} \) får vi: \[ \begin{aligned} \textcolor{red}{-27} + \textcolor{blue}{c} \cdot 4 \cdot 3 \cdot 2 &= 2 \\ 24\textcolor{blue}{c} &= 29 \\ \textcolor{blue}{c} &= \textcolor{blue}{\dfrac{29}{24}} \end{aligned} \]
Dermed er: \[ \begin{aligned} p_2(x) &= 1 + 2x - 3x(x - 1) \\ &\quad + \textcolor{blue}{\dfrac{29}{24}}\,x(x - 1)(x - 2) \end{aligned} \]
Ganger vi ut parentesene og trekker sammen, får vi det samme polynomet på vanlig form: \[ p_2(x) = \dfrac{29}{24}x^3 - \dfrac{53}{8}x^2 + \dfrac{89}{12}x + 1 \]
Anta at det er en lineær sammenheng mellom x- {x\text{-}} og y-verdiene {y\text{-verdiene}} i de fire punktene i spørsmål a.

Oppgave 3b)

Forklar hvordan du kan bruke matriseregning til å bestemme den funksjonen y=α+β x {y = \alpha + \beta\,x} som «passer best» til de fire punktene. Du skal ikke regne ut α \alpha og β. \beta\text{.}
Vis løsning på oppgave 3b
Svar
Minste kvadraters metode gir normallikningene:
[47721][αβ]=[59]‾‾ \underline{\underline{\begin{bmatrix} 4 & 7 \\ 7 & 21 \end{bmatrix} \begin{bmatrix} \alpha \\ \beta \end{bmatrix} = \begin{bmatrix} 5 \\ 9 \end{bmatrix}}}
Fire punkter gir fire likninger med to ukjente, og de har ingen felles løsning. Vi skriver dem på matriseform og finner minste kvadraters løsning med normallikningene.
1. Tegn en skisse Vi tegner en skisse først. Punktene ligger ikke på én linje, så vi ser etter linjen som ligger nærmest alle fire:
2. Skriv likningene på matriseform Skal linjen gå gjennom et punkt \( (x, y)\text{,} \) må \( {\textcolor{blue}{\alpha} + \textcolor{red}{\beta}\,x = y}\text{.} \) De fire punktene gir fire likninger: \[ \begin{aligned} \textcolor{blue}{\alpha} + 0 \cdot \textcolor{red}{\beta} &= 1 \\ \textcolor{blue}{\alpha} + 1 \cdot \textcolor{red}{\beta} &= 3 \\ \textcolor{blue}{\alpha} + 2 \cdot \textcolor{red}{\beta} &= -1 \\ \textcolor{blue}{\alpha} + 4 \cdot \textcolor{red}{\beta} &= 2 \end{aligned} \]
På matriseform er det, som i videoen Polynom interpolasjon: \[ \underbrace{\begin{bmatrix} 1 & 0 \\ 1 & 1 \\ 1 & 2 \\ 1 & 4 \end{bmatrix}}_{A} \begin{bmatrix} \textcolor{blue}{\alpha} \\ \textcolor{red}{\beta} \end{bmatrix} = \underbrace{\begin{bmatrix} 1 \\ 3 \\ -1 \\ 2 \end{bmatrix}}_{\vec{y}} \]
De to første likningene gir \( {\textcolor{blue}{\alpha} = 1} \) og \( {\textcolor{red}{\beta} = 2}\text{,} \) men da stemmer ikke den tredje: \[ 1 + 2 \cdot 2 = 5 \neq -1 \]Systemet har altså ingen løsning.
3. Sett opp normallikningene Vi velger derfor \( \textcolor{blue}{\alpha} \) og \( \textcolor{red}{\beta} \) slik at summen av kvadratene av avvikene i punktene \( (x_i, y_i) \) blir minst mulig: \[ \sum_{i=1}^{4} \big(y_i - \textcolor{blue}{\alpha} - \textcolor{red}{\beta}\,x_i\big)^2 \]
Dette kalles minste kvadraters metode, og løsningen er den som oppfyller normallikningene: \[ A^T A \begin{bmatrix} \textcolor{blue}{\alpha} \\ \textcolor{red}{\beta} \end{bmatrix} = A^T \vec{y} \]\( A^T \) er den transponerte matrisen, der radene i \( A \) blir kolonner, som i videoen Ligning med matrise.
4. Regn ut matrisene Vi ganger rader med kolonner, som i videoen Multiplikasjon: \[ \begin{aligned} A^T A &= \begin{bmatrix} 1 & 1 & 1 & 1 \\ 0 & 1 & 2 & 4 \end{bmatrix} \begin{bmatrix} 1 & 0 \\ 1 & 1 \\ 1 & 2 \\ 1 & 4 \end{bmatrix} \\ &= \begin{bmatrix} 4 & 7 \\ 7 & 21 \end{bmatrix} \end{aligned} \]
På samme måte for høyresiden: \[ A^T \vec{y} = \begin{bmatrix} 1 & 1 & 1 & 1 \\ 0 & 1 & 2 & 4 \end{bmatrix} \begin{bmatrix} 1 \\ 3 \\ -1 \\ 2 \end{bmatrix} = \begin{bmatrix} 5 \\ 9 \end{bmatrix} \]
Normallikningene er altså to likninger med to ukjente: \[ \begin{bmatrix} 4 & 7 \\ 7 & 21 \end{bmatrix} \begin{bmatrix} \textcolor{blue}{\alpha} \\ \textcolor{red}{\beta} \end{bmatrix} = \begin{bmatrix} 5 \\ 9 \end{bmatrix} \]
Løsningen kan vi skrive med den inverse matrisen, og den gir linjen som passer best. Oppgaven ber oss ikke regne den ut: \[ \begin{bmatrix} \textcolor{blue}{\alpha} \\ \textcolor{red}{\beta} \end{bmatrix} = \begin{bmatrix} 4 & 7 \\ 7 & 21 \end{bmatrix}^{-1} \begin{bmatrix} 5 \\ 9 \end{bmatrix} \]