Download
Download
Download
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Læsevejledning:<br />
LinAlg<br />
Uge 4, 3.12 – 7.12, 2007<br />
Vi fortsætter diskussionen af abstrakte vektorrum. Ideen er at andre matematiske<br />
objekter har egenskaber, der er helt tilsvarende til de Euklidiske<br />
talrum R n eller til C n . Ved at betragte egenskaberne abstrakt kan man opn˚a<br />
fælles resultater for alle objekterne samtidig. Desuden viser det sig, at man<br />
ofte vil kunne benytte talrummene som modeller for de øvrige eksempler.<br />
Vi vil koncentrere os om 4 konkrete eksempler p˚a vektorrum<br />
• Talrummene R n og C n<br />
• Rummet af m × n matricer R m×n<br />
• Polynomiumsrummet Pn best˚aende af polynomier af grad mindre end<br />
n: p(x) = cn−1x n−1 +cn−2x n−2 +. . .+c1x+c0. Vi betragter ogs˚a rummet<br />
P = ∪ ∞ n=1Pn af alle polynomier.<br />
• Rummet C[a, b] af kontinuerte funktioner p˚a intervallet [a, b], hvor<br />
a, b ∈ R. Vi betragter ogs˚a rummene C n [a, b] af n gange kontinuert<br />
differentiable funktioner p˚a [a, b].<br />
Det har f.eks. vist sig yderst værdifuldt at tænke p˚a funktionerne i C[a, b],<br />
som vektorer, for det giver en mulighed for at benytte geometrisk intuition,<br />
n˚ar man arbejder med funktioner.<br />
Forelæsning 4a: (SL: 3.3-3.4) Vi indfører begreberne linær afhængighed<br />
og uafhængighed. For n vektorer i R n kan vi lade dem være søjlerne i<br />
en n × n matrix X. Sætning 3.3.1 udtrykker at lineær afhængighed (uafhængighed)<br />
er ensbetydende med at X er singulær (invertibel). Derefter inføres<br />
basis og dimension for et vektorrum.<br />
Øvelser: SL: 3.2.2, 3.2.3(a,d,f,g), 3.2.4, 3.2.8, 3.2.9, 3.3.2 (a,d), 3.3.4(b,c)<br />
1
Klassetime 4a: Aflever ugeopgave 3.<br />
Gennemgang af udvalgte opgaver fra øvelserne.<br />
Diskuter, at løsningsrummet til en homogen 2. ordens lineær differentialligning<br />
u ′′ (x) + pu ′ (x) + qu(x) = 0<br />
p, q ∈ R, udgør et underrum i vektorrummet C(R). De der har baggrundsviden<br />
fra MatIntro kan svare p˚a: Hvor mange vektorer (funktioner) skal der<br />
til at udspænde dette underrum?<br />
Gennemgang (hvis ikke gjort tidligere) af ugeopgave 2.<br />
Forelæsning 4b: (SL 3.5-3.6) Basisskift og koordinatskift. Koordinattransformationsmatricen.<br />
Række- og søjlerum.<br />
Egen tid:<br />
• Arbejd med ugeopgave 4. Der kan hentes hjælp i maple manual 4<br />
• Forbered tavlegennemgange af opgaverne stillet til klassetime 4b.<br />
Forelæsning 4c: (SL 3.6, 4.1) Afslutning af 3.6. Definition af lineære<br />
afbildninger. Kerne og billedrum.<br />
Klassetime 4b:<br />
• Diskuter i klassen opgaverne SL 3.3.6, 3.4.11, 3.4.17, 3.B.3.<br />
• Diskuter metoderne sidst p˚a ugesedlen.<br />
• Diskuter eventuelle udest˚aende problemer i ugeopgave 4.<br />
Repetition: Tag SL: chapter test 3.A.<br />
Dimensionsregler:<br />
2
• Dimension af rækkerummet=Dimension af søjlerummet=rang af matricen=antal<br />
ledende variable.<br />
• Dimension af nulrummet=antal frie variable.<br />
Metoder:<br />
• Problem: Afgør om givne vektorer i R n er lineært uafhængige.<br />
Metode: Opskriv matricen med vektorerne som søjler. Udfør Gausselimination.<br />
De oprindelige vektorer er lineært uafhængige, netop n˚ar<br />
der er ledende 1-taller i alle søjler efter elimination (alts˚a ingen frie<br />
variable).<br />
• Problem: Afgør om givne vektorer i R n udspænder R n .<br />
Metode: Opskriv matricen med vektorerne som søjler. Udfør Gausselimination.<br />
De oprindelige vektorer udspænder R n , netop n˚ar der ikke<br />
er 0-rækker efter elimination.<br />
• Problem: Bestem en basis for søjlerummet til en matrix.<br />
Metode: Udfør Gausselimination. Vælg de søjler i matricen før elimination,<br />
som svarer til søjler med ledende 1-taller efter elimination.<br />
Problem (udtynding): Denne metode kan benyttes, n˚ar man ønsker<br />
at udtynde et sæt vektorer til et lineært uafhængigt sæt med samme<br />
span (se SL Theorem 3.4.4(iii)).<br />
• Problem (Udvidelse): Givet lineært uafhængige vektorer i R n . Udvid<br />
til en basis for R n (se SL Theorem 3.4.4(ii)).<br />
Metode: Opskriv matricen med de givne vektorer som søjler. Tilføj en<br />
enhedsmatrix (med lige s˚a mange rækker) til højre for denne og udtynd.<br />
Dvs. udfør Gausselimination og udvælg de søjler før elimination, der<br />
svarer til søjler med ledende 1-taller efter elimination.<br />
• Problem: Bestem en basis for rækkerummet til en matrix.<br />
Metode: Udfør Gausselimination. Vælg de rækker i matricen efter<br />
elimination, som ikke er 0-rækker.<br />
3
• Problem: Bestem en basis for nulrummet for en matrix.<br />
Metode 1: Udfør Gausselimination, fortsæt evt. til du har den reducerede<br />
trappematrix. Sæt den første frie variabel lig 1 og de øvrige lig<br />
0 og løs ligningssystemet. Sæt den næste frie variable lig 1 og de øvrige<br />
lig 0 og løs ligningsystemet osv. Herved fremkommer liges˚a mange<br />
vektorer, som der er frie variable. Disse udgør en basis for nulrummet<br />
for matricen.<br />
Metode 2: Udfør Gausselimination, fortsæt evt. til du har den reducerede<br />
trappematrix. Kald de frie variable s, t, u, . . . eller s1, s2, . . ..<br />
Nulrummet er det samme som den fuldstændige løsningsmængde til<br />
den homogene ligning. Find denne fuldstændige løsning udtrykt ved<br />
de frie variable. Sæt den første frie variabel til 1 og de øvrige til 0. S˚a<br />
f˚ar du første vektor i basis for nulrummet. Sæt dernæst den anden frie<br />
variabel til 1 og de øvrige til 0, s˚a f˚ar du anden vektor i basis osv.<br />
OBS: De to metoder er næsten ens, men den sidste metode giver samtidig<br />
en beskrivelse af nulrummet.<br />
Her er et eksempel. Antag, at den reducerede trappematrix er<br />
⎡<br />
1 2 0 1<br />
⎤<br />
0<br />
⎢ 0<br />
⎢<br />
⎣ 0<br />
0<br />
0<br />
1<br />
0<br />
3<br />
0<br />
⎥<br />
0 ⎥<br />
1<br />
⎥<br />
⎦ .<br />
0 0 0 0 0<br />
Vi ser at x2 og x4 er frie variable. Sættes x2 = s, x4 = t, finder vi<br />
ligningssystemet<br />
x1 + 2s + t = 0, x3 + 3t = 0, x5 = 0,<br />
som har den fuldstændige løsning<br />
L = {(−2s − t, s, −3t, t, 0) | s, t ∈ R}.<br />
Vi aflæser basisvektorerne (og skriver dem som søjler i stedet for som<br />
rækker): ⎡ ⎤ ⎡ ⎤<br />
−2 −1<br />
⎢ 1 ⎥ ⎢<br />
⎥ ⎢ 0 ⎥<br />
⎢ 0 ⎥ ⎢<br />
⎥ ⎢ −3 ⎥<br />
⎣ 0 ⎦ ⎣ 1 ⎦<br />
0 0<br />
4