Kompendium til lineær Algebra
Transcription
Kompendium til lineær Algebra
Kompendium til Lineær Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Indholdsfortegnelse : Elementær vektorregning...................................... 2 Matricer ................................................................. 5 Lineære ligningssystemer ..................................... 8 Operationsmatricer................................................ 10 Basis og dimension ............................................... 12 Lineære afbildninger ............................................. 16 Lineære afbildningers matrixligninger ................. 21 Determinanter........................................................ 26 Spektralteori .......................................................... 30 Kvadratiske former ............................................... 34 Oversigtsopgave.................................................... 38 Stikordsregister ..................................................... 52 Forord: Dette kompendium er ment som en hjæ lp til at hurtigt at finde de relevante formler til brug ved opgaveregning i lineæ r algebra. Kompendiet er udarbejdet primæ rt på baggrund af ”Lineæ r Algebra” af Mogens Nørgaard Olesen og Frank Hansen, og kompendiet bør benyttes sammen med denne læ rebog. Man kan evt. også søge hjæ lp i Jens Carstensens ”Lineæ r Algebra”, der også er benyttet ved udarbejdelsen af dette kompendium. Der er ved de enkelte sæ tninger og definitioner givet en henvisning til læ rebogen, som man som studerende kan benytte som reference. Jeg håber, at mange vil finde fordele i anvendelsen af dette væ rk. PS: Hvis du finder en fejl, så send mig en mail på: [email protected]. Erik Bennike februar 2001 -1- Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike (OHPHQW UYHNWRUUHJQLQJ/$NDS Def.: ,QGUHSURGXNW Et indre produkt er en afbildning ([, \) → ([ | \) ∈ 5, hvor ([, \) ∈ 5 × 5 som opfylder betingelserne • • • • • ([ \ ) = (\ [ ) ([ + \ ] ) = ([ ] )+ (\ ] ) (λ[ \ ) = λ ([ \ ) ([ [ )≥ 0 & ([ [ ) = 0 ⇔ [ = 0 (LA def. 1.2.6) hvor [, \, ] er vektorer tilhørende 5 og er en skalar. Def.: 6NDODUSURGXNWHW Et specielt indre produkt er skalarproduktet, der defineres ved [1 \1 [2 \ , KYRU [ = RJ \ = 2 \ [ [ ⋅ \ = ∑ [ \ =1 (LA def. 1.2.1) Def.: 1RUPHQDIHQYHNWRU Normen af en vektor ||x|| defineres som [ = ([ [ ) ∀[∈5 (LA s. 19) Specielt er normen af en vektor med skalarproduktet som indre produkt givet ved 1 2 [ = [ ⋅ [ = ∑ [ 2 =1 ∀[∈5 -2- (LA s. 18) Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Sæ tn.: 5HJQHUHJOHUIRUQRUPHUDIYHNWRUHU [ ≥0 • & [ = 0 <=> [ = 0 • λ[ = λ ⋅ [ • [+ \ = [ + \ • [+ \ + [− \ =2 [ +2 \ 2 • 2 2 2 ∀ [, \ ∈ 5 og ∀ ∈ 5. (LA Sæ tn. 1.2.10) Def.: 9LQNHOPHOOHPYHNWRUHU Vinklen mellem to vektorer [ og \ defineres ud fra cosθ = ([ \ ) [⋅ \ ([ \ ) => θ = cos −1 ⋅ [ \ (LA s. 23) Def.: +\SHUSODQ En mæ ngde + kaldes en hyperplan hvis + = {\ ∈ 5 | D · (\ – [) = 0} (LA s. 25) D kaldes en normalvektor for hyperplanen og [ er et fast punkt i hyperplanen. Def.: 8QGHUUXP Lad 8 væ re en ikke-tom delmæ ngde af vektorrummet 5 . 8 kaldes et underrum hvis • • [+\∈8 [∈8 ∀ [, \ ∈ 8 ∀ ∈ 5 ∧ ∀ [ ∈ 8 (LA def. 1.4.1) De to betingelser kan samles til • [+ \∈8 ∀ , ∈ 5 ∧ ∀ [, \ ∈ 8 (LA sæ tn. 1.4.4) Def.: 8GVS QGLQJHQDIHQP QJGH Lad 0 væ re en ikke-tom delmæ ngde af 5 . Ved udspæ ndingen af 0 forstås mæ ngden VSDQ 0 = ∑ λ D λ ∈ 5, D ∈ 0 , S ∈ 1 =1 af linearkombinationer af vektorer fra 0. -3- (LA def. 1.4.7) Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Hvis 0 er en endelig mæ ngde af vektorer dvs. 0 {D1D2«D }, så kaldes span M for udspæ ndingen af vektorerne D1D2«D . Sæ tn.: 8GVS QGLQJHQDIHQP QJGHHUHWXQGHUUXP Udspæ ndingen af en ikke-tom mæ ngde 0, der er en delmæ ngde af 5 , er et underrum af 5 . Hvis 8 er et underrum af 5 og 0 er en delmæ ngde af 8, så er span 0 en delmæ ngde af 8. Udspæ ndingen af en mæ ngde er det mindste underrum der indeholder mæ ngden. (LA sæ tn. 1.4.8 & s. 31ø) Sæ tn.: ) OOHVP QJGHQPHOOHPXQGHUUXP Fæ llesmæ ngden mellem vilkårlig mange underrum af 5 er selv et underrum af 5 . (LA sæ tn. 1.4.11) Sæ tn.: 6XPDIYHNWRUHUIUDIRUVNHOOLJHXQGHUUXP Lad der væ re givet endelig mange underrum 8182«8 af 5 . Mæ ngden 8 = {[ = [1 + [2 + + [ [1 ∈8 1 , [2 ∈ 8 2 , ... , [ ∈ 8 } (LA sæ tn. 1.4.12) er et underrum af 5 . Sæ tn.: 'LUHNWHVXPDIXQGHUUXP Summen af Q underrum er direkte, hvis og kun hvis den eneste fremstilling af nulvektoren fremkommer som den trivielle fremstilling, hvor alle led selv er nulvektoren. For at en sum mellem Q underrum ikke skal væ re direkte skal der altså gæ lde, at nulvektoren kan fremstilles som summen af to eller flere egentlige vektorer fra forskellige underrum. Summen mellem to underrum 81 og 82er direkte, hvis og kun hvis fæ llesmæ ngden 81 82 kun indeholder nulvektoren. (LA s. 33 mv.) At en sum mellem underrum er direkte skrives som 8 = 8 1 ⊕ 8 2 ⊕ ... ⊕ 8 -4- Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike 0DWULFHU/$NDS VIGTIGT: Husk at når der skrives at en matrix $ ∈ 5 , så menes der en matrix med P ræ kker og Q søjler. Benæ vnes også tit som en ” P × Q matrix” , og udtales ” P kryds Q matrix” . Sæ tn.: 5HJQHUHJOHUIRUPDWULFHU • • • • $+ % = % + $ NRPPXWDWLY ORY $ + (% + & ) = ($ + % )+ & $ + 2 × = 2 × DVVRFLDWLY ORY +$= $ 'HU ILQGHV HQ HQW\GLJW EHVWHPW PDWUL[ − $ = (− 1)$ IRU KYLONHQ (− $)+ $ = $ + (− $) = 2 × (LA s. 47) IRU DOOH P × Q PDWULFHU $, % RJ &. Desuden gæ lder der følgende regneregler for skalarer og matricer • • • • λ ( $ + % ) = λ$ + λ% (λ + µ )$ = λ$ + µ$ (λµ )$ = λ (µ$) 1$ = $ (LA s. 47) for alle P × Q matricer $ og % og skalarer , ∈ 5. Addition og subtraktion af matricer foregår ved koordinatvis addition/subtraktion. Tilsvarende foregår multiplikation med skalarer ved koordinatvis multiplikation. Def.: 0DWUL[PXOWLSOLNDWLRQ Først slår vi fast at matrixmultiplikation ikke er kommutativ (dvs. $Â%%Â$). For at kunne definere matrixproduktet er det nødvendigt at indføre lidt yderligere notation Vi kalder den L’te ræ kke i matrix $ for vektoren D og den M’te søjle i matrix % for vektoren E . Matrixproduktet defineres ved D1 ⋅ E 2 1 D ⋅ E1 $ ⋅ % = $% = D ⋅E 1 D1 ⋅ E2 D 2 ⋅ E2 D ⋅ E2 D1 ⋅ E D 2 ⋅ E D ⋅ E Vi bemæ rker at søljeantallet i den første matrix skal væ re lig ræ kkeantallet i den anden matrix. Således kan den omvendte multiplikation altså kun lade sig gøre, hvis S P. -5- Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Ved multiplikationen er ræ kke- og søjleantallet i den fremkomne matrix altså bestemt af: Den første matrix bestemmer ræ kkeantallet og den anden matrix bestemmer søjleantallet. Sæ tn.: 5HJQHUHJOHUIRUPDWUL[PXOWLSOLNDWLRQ • • • • $(% + & ) = $% + $& ($ + % )& = $& + %& (λ$)% = $(λ% ) = λ ($% ) ($% )& = $(%& ) $ ∈ 5 , % , & ∈ 5 $, % ∈ 5 , & ∈ 5 λ ∈ 5, $ ∈ 5 RJ % ∈ 5 $ ∈ 5 , % ∈ 5 , & ∈ 5 (LA sæ tn. 2.2.4/5) Def.: 5HJXODULWHWLQYHUWLELOLWHWDINYDGUDWLVNHPDWULFHU En kvadratisk matrix $ kaldes regulæ r (invertibel) hvis der findes en kvadratisk Q × Q matrix %, således at $Â% %Â$ ( (LA def. 2.2.7) hvor ( er enhedsmatricen. Matricen % kaldes $’ s inverse matrix (og omvendt), og den benæ vnes $–1. Sæ tn.: 5HJXODULWHWDILQYHUVHPDWULFHU Lad $ væ re en regulæ r matrix. Så er den inverse matrix $–1 også regulæ r, og $ er dennes inverse matrix, dvs. ($–1) –1 $ (LA sæ tn. 2.2.9) Sæ tn.: ,QYHUVWPDWUL[SURGXNW Lad $ og % væ re regulæ re matricer. Så er også matrixproduktet $% regulæ rt og den inverse matrix til matrixproduktet er matricen ($%)–1 %–1Â$–1 (LA sæ tn. 2.2.10) Bemæ rk ræ kkefølgen! Def.: 7UDQVSRQHUHWPDWUL[ Den transponerede matrix til $ benæ vnes $ og fremkommer ved at ombytte ræ kker og søjler i $. Der gæ lder endvidere følgende • • • ($ + % ) = $ (λ$) = λ$ ($ ) +% (LA def. 2.2.12) =$ -6- Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Def.: 7UDQVSRQHULQJDIPDWUL[SURGXNW Lad $ væ re en P × Q matrix og % væ re en S × P matrix. Der gæ lder (BA) = A B (LA sæ tn. 2.2.14) Bemæ rk ræ kkefølgen! Sæ tn.: 5HJXODULWHWDIWUDQVSRQHUHWPDWUL[ En kvadratisk matrix $ er regulæ r, hvis og kun hvis den transponerede matrix $ er regulæ r. Endvidere gæ lder det, at ($ )–1 (A–1) for enhver regulæ r matrix A (LA sæ tn. 2.2.15) -7- Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike /LQH UHOLJQLQJVV\VWHPHU/$NDS Def.: NYLYDOHQVDIWROLJQLQJVV\VWHPHU To ligningssystemer kaldes æ kvivalente, hvis de har samme løsningsmæ ngde. (LA def. 3.1.3) Def.: 2PIRUPQLQJHUDIOLQH UHOLJQLQJVV\VWHPHU Omformningerne (F), ¡ (F) og n af et lineæ rt ligningssystem bestående af P ligninger med Q ubekendte defineres ved: (F)For L M multipliceres den M’ te ligning med konstanten F og resultatet læ gges til den L’ te ligning. ¡ (F) Den L’ te ligning multipliceres med konstanten F n Den L’ te ligning ombyttes med den M’ te. (LA def. 3.1.4) Disse svarer til ræ kkeoperationerne i matricer, der leder til at echelonmatricen og det oprindelige ligningssystem (matrix) er æ kvivalente. (LA sæ tn. 3.1.5) Def.: ,QLWLDOHWWDORJHFKHORQPDWUL[ Et initialettal i en matrix indføres således: Hvis det første fra 0 forskellige element i en ræ kke er 1, så kaldes dette ettal for et initialettal. En P × Q matrix ) kaldes en echelonmatrix hvis følgende er opfyldt: (LA s. 68) • Enhver ræ kke, bortset fra evt. nulræ kker har et initialettal. • Over og under alle initialettaller står der lutter nuller. • Hvis to ræ kker ikke er nulræ kker, står initialettallet i den øvre ræ kke i en søjle læ ngere til venstre end initialettallet i den nedre. • Evt. nulræ kker står nederst i matricen. (LA def. 3.2.1) Sæ tn.: (FKHORQV WQLQJHQ En P × Q matrix kan ved ræ kkeomformninger omformes til en echelonmatrix (LA sæ tn. 3.2.3) -8- Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Sæ tn.: ,QLWLDOHWWDORJNRQVLVWHQV Hvis der i den udvidede koefficientmatrix til en givent lineæ rt ligningssystem står et initialettal i søjlen læ ngst til højre, da er ligningssystemet inkonsistent. Hvis dette ikke er tilfæ ldet, da er ligningssystemet konsistent. -9- (LA sæ tn. 3.2.5) Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike 2SHUDWLRQVPDWULFHU/$NDS Sæ tn.: 5 NNHRSHUDWLRQHURJRSHUDWLRQVPDWULFHU Lad $ (D ) væ re en P × Q matrix. • Resultatet af ræ kkeoperationen (F) udført på matricen $ er lig med matrixproduktet af P × P operationsmatricen (F) og $. • Resultatet af ræ kkeoperationen ¡ (F) udført på matricen $ er lig med matrixproduktet af P × Poperationsmatricen (F) og $. • Resultatet af ræ kkeoperationen n udført på matricen $ er lig med matrixproduktet af P × P operationsmatricen c og $. (LA sæ tn. 4.1.1) Sæ tn.: ,QYHUVLRQDIRSHUDWLRQVPDWULFHU Samtlige operationsmatricer er regulæ re. • (F ) IRU L ≠ M , L, M = 1,, P. 'HQ LQYHUVH PDWUL[ HU (F ) = (− F ) −1 • (F ) IRU F ≠ 0, L = 1,, P. 'HQ LQYHUVH PDWUL[ HU (F ) = (1 ) −1 • c (LA kor. 4.1.2) IRU L, M = 1,, P. 'HQ LQYHUVH PDWUL[ HU c −1 = c Sæ tn.: 2SHUDWLRQVPDWULFHURJ(FKHORQPDWUL[ Lad $ væ re en P × Q matrix. Der findes en P × Q echelonmatrix )og en regulæ r P × P matrix 5 således at $ 5Â). Matricen 5 kan skrives som et produkt 5 5 Â5 ÂÂÂ5! af operationsmatricer. (LA sæ tn. 4.1.3) Sæ tn.: ,QYHUWHULQJDIPDWULFHU En Q × Q matrix $ er regulæ r, hvis og kun hvis der findes Q × Q operationsmatricer 5152«5" for hvilke 51 52 5$ ($ ( # ) = (( # I givet fald er $–1 %. %) (LA sæ tn. 4.2.2) - 10 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Sæ tn.: ,QYHUWHULQJDIGLDJRQDOPDWUL[ Invertering af en regulæ r diagonalmatrix foregår ved på hver plads i diagonalen at tage den reciprokke væ rdi til det pågæ ldende diagonalelement. Sæ tn.: ,QYHUWHULQJDI×PDWUL[ Invertering af en 2 × 2 matrix foregår således: D F $ = E G $ −1 = 1 G − F 1 G − F = det $ − E D DG − EF − E D - 11 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike %DVLVRJGLPHQVLRQ/$NDS Def.: /LQH UDIK QJLJKHGRJOLQH UUHODWLRQ Lad (D1D2«D" ) væ re et sæ t af vektorer fra 5 . En fremstilling af nulvektoren som en & linearkombination 1D1 2D2ÂÂÂ " D" 0 ! af D1D2«D" kaldes en lineæ r relation mellem sæ ttets vektorer. Hvis alle koefficienterne 1 2« " er nul, kaldes fremstillingen triviel eller uegentlig. Hvis dette ikke er tilfæ ldet kaldes fremstillingen ikke-triviel eller egentlig. Et sådant sæ t af vektorer kaldes lineæ rt afhæ ngigt, hvis der findes en egentlig lineæ r relation mellem sæ ttets vektorer. Ellers kaldes sæ ttet for lineæ rt uafhæ ngigt. (LA 5.1(.1)) Bemæ rk specielt, at et sæ t af vektorer aldrig kan væ re lineæ rt uafhæ ngigt, hvis to eller flere af vektorerne i sæ ttet er proportionale. (LA s. 94) Et vektorsæ t, hvor mindst en af vektorerne er nulvektoren er altid lineæ r afhæ ngigt. (LA s. 95ø) Sæ tn.: /LQHDUDIK QJLJKHGRJOLQHDUNRPELQDWLRQ Lad (D1D2«D" ) væ re et sæ t af vektorer i 5 . Sæ ttet er lineæ rt afhæ ngigt, hvis og kun hvis ! (mindst) en af vektorerne kan skrives som en linearkombination af de øvrige. Eller: Et sæ t af vektorer er lineæ rt afhæ ngigt, hvis og kun hvis (mindst) (LA sæ tn. 5.1.4) en af vektorerne tilhører udspæ ndingen af de øvrige. Sæ tn.: 6XSSOHULQJVV WRJGHOV WOLQH UXDIK QJLJKHG Lad D1D2«D" væ re vektorer i 5 . ! • Hvis sæ ttet (D1D2«D" ) er lineæ rt afhæ ngigt, så er ethvert sæ t af vektorer, som fremkommer ved at supplere det givne sæ t også lineæ rt afhæ ngigt. • Hvis sæ ttet (D1D2«D" ) er lineæ rt uafhæ ngigt, så er ethvert delsæ t også lineæ rt uafhæ ngigt. (LA sæ tn. 5.1.7) - 12 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Def.: %DVLVIRUHWXQGHUUXP Lad 8 væ re et underrum af5 , og lad (D1D2«D" ) væ re et sæ t af vektorer i 8. Vi kalder ! sæ ttet (D1D2«D" ) en basis for 8, hvis det er lineæ rt uafhæ ngigt og udspæ nder 8. (LA def. 5.2.1) Sæ tn.: *UDVVPDQQVXGVNLIWQLQJVV WQLQJ Lad (D1D2«D" ) væ re et lineæ rt uafhæ ngigt sæ t af vektorer i 5 og lad ! U = span {D1D2«D" } væ re underrummet frembragt af vektorerne i sæ ttet. Hvis (E1E2«E% ) er et lineæ rt uafhæ ngigt sæ t af vektorer fra 8, så gæ lder der at TS. Endvidere kan man udskifte T af vektorerne i sæ ttet (D1D2«D" ) med vektorerne E1E2«E% , så det på denne måde fremkomne sæ t er lineæ rt uafhæ ngigt og frembringer underrummet 8. (LA sæ tn. 5.2.4) Sæ tn.: %DVHUIRUXQGHUUXPRJDQWDODIYHNWRUHU Lad 8 væ re et underrum af 5 . Hvis (D1D2«D" ) og (E1E2«E% ) begge er baser for 8, ! gæ lder det at S T. (LA kor. 5.2.5) Endvidere: Hvis (D1D2«D" ) er et lineæ rt uafhæ ngigt sæ t af vektorer i 5 , gæ lder der at ! SQ. (LA kor. 5.2.6) Sæ tn.: (NVLVWHQVDIEDVLVWLOXQGHUUXP Ethvert underrum af 5 har en basis. ! Def.: 'LPHQVLRQDIHWXQGHUUXP (LA sæ tn. 5.2.7) Lad 8 væ re et underrum af 5 . Ved dimensionen af 8 forstås antallet af vektorer i en basis ! for 8. Dimensionen af 8 betegnes med dim 8. (LA def. 5.2.8) Sæ tn.: 6XSSOHULQJVV WQLQJHQ Lad 8 væ re et underrum af 5 af dimension S. Hvis TS, og (D1D2«D% ) er et lineæ rt ! uafhæ ngigt sæ t af vektorer i 8, så findes der supplerende vektorer X%'& 1«X" , i 8 for hvilke det supplerende sæ t (D1D2«D" X%'& 1«X" ) er en basis for 8. - 13 - (LA sæ tn. 5.2.10) Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Sæ tn.: 'LPHQVLRQRJGLUHNWHVXPDIXQGHUUXP Hvis 8182«8" er underrum af5 , som danner direkte sum 8 = 81 ⊕ 82 ⊕ ··· ⊕ 8" , så ! gæ lder der, at dim 8 = dim 81 + dim 82 + … + dim 8" Q (LA sæ tn. 5.2.12) Def.: 2UWRQRUPDOLWHWDIYHNWRUV W Et sæ t af vektorer (D1D2«D" ) kaldes ortonormalt (et ortonormalt sæ t) hvis vektorerne i sæ ttet er enhedsvektorer og indbyrdes ortogonale. (LA s. 114) Sæ tn.: 2UWRQRUPHULQJDIYHNWRUV W*UDP6FKLPGWVRUWRQRUPDOLVHULQJVPHWRGH Lad 5 væ re udstyret med et indre produkt (·|·). Hvis (D1D2«D" ) er et lineæ rt uafhæ ngigt ! sæ t af vektorer i 5 , så findes der et ortonormalt sæ t (E1E2«E" ) for hvilket ! span {E1«E } = span {D1«D } for L 1, 2, …, S (LA s. 115) Måden hvorpå man finder disse ortonormale vektorer er som følger: Først dannes vektorerne (F1F2«F" ), og derefter normeres de til sæ ttet (E1E2«E" ): F1 = D1 (D F ) F (F F ) (D F ) (D − F − (F F ) (F F2 = D2 − F3 = D 3 2 1 1 1 3 1 1 1 F( = D( − 1 2 F2 ) F2 ) F2 (D( F ) (D( F ) F − F (F F ) (F F ) 1 2 1 1 E1 = 3 1 1 2 2 2 −− (D( (F( F( −1 F( −1 ) F( ) −1 −1 1 1 1 F1 , E2 = F2 , , E) = F) F1 F2 F) (LA s. 115-116) Sæ tn.: (NVLVWHQVDIRUWRQRUPDOEDVLVIRUXQGHUUXP Ethvert underrum af et euklidisk vektorrum, som er forskelligt fra det trivielle underrum kun bestående af nulvektoren, har en ortonormalbasis. - 14 - (LA kor. 5.3.2) Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Sæ tn.: 6XSSOHULQJWLORUWRQRUPDOWV WLHXNOLGLVNYHNWRUUXP Lad 8 væ re et underrum af dimension T i et euklidisk vektorrum (5 , (·|·)), og lad * (D1D2«D+ ) væ re et ortonormalt sæ t af vektorer i 8. Hvis S<T, så findes der supplerende vektorer X+-, 1«X. således at sæ ttet (D1D2«D+ X. , 1«X+ ) udgør en ortonormalbasis for 8. (LA sæ tn. 5.3.4) Sæ tn.: 9HNWRUHURJRUWRQRUPDOEDVLV Lad (5 , (·|·)) væ re et euklidisk vektorrum udstyret med en ortonormalbasis (D1D2«D+ ). Der * gæ lder / for enhver vektor [ ∈ 5 . [ = ∑ ([ D 0 )D 0 0 * =1 (LA sæ tn. 5.3.5) Sæ tn.: 'HWRUWRJRQDOHNRPSOHPHQW Lad 0 væ re en ikke-tom delmæ ngde af et euklidisk vektorrum (5 , (·|·)). Mæ ngden af vektorer * 0 ⊥ = { [ ∈ 5 | ([|\) = 0 ∀ \ ∈ 0} * (LA s. 118m) * som er ortogonale på samtlige vektorer er et underrum af 5 . Lad 8 væ re et underrum af et euklidisk vektorrum (5 , (·|·)). Underrummet 8 ⊥ har * dimension Q±dim 8 og kaldes det ortogonale komplement til 8. Der gæ lder at 8 ⊥⊥ = 8 ⊥ ( ) ⊥ = 8 . Underrummene 8 og 8⊥ danner direkte sum med summen 5 . * (LA sæ tn. 5.3.6) - 15 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike /LQH UHDIELOGQLQJHU/$NDS Def.: /LQH UDIELOGQLQJ En afbildning 7 : 5 * 5 , hvor Q og P er to naturlige tal, kaldes lineæ r, hvis 1 7( [ + \) = 7[ + 7\ ∈ 5 ∀ [, \ ∈ 5 * ∀ , En vilkårlig lineæ r afbildning 7 : 5 * Endvidere gæ lder det at 7–[ –7[. 1 (LA def. 6.1.1) * 1 5 afbilder nulvektoren i 5 på nulvektoren i 5 . Billedet ved en lineæ r afbildning 7 af en linearkombination af vektorerne D1D2«D+ er en linearkombination af vektorerne 7D17D2«7D+ med de samme koefficienter 7 (span 0) = span 7(0) Sæ tn.: /LQH UDIK QJLJKHGDIELOOHGHUQHDIYHNWRUV W Lad 7 : 5 * • 5 væ re en lineæ r afbildning og lad D1D2«D+ ∈ 5 . Der gæ lder følgende: 1 * Hvis vektorsæ ttet (D1D2«D+ ) er lineæ rt afhæ ngigt, medfører det, at også sæ ttet (7D17D2«7D+ ) er lineæ rt afhæ ngigt. Hvis vektorsæ ttet (7D17D2«7D+ ) er lineæ rt uafhæ ngigt, medfører det, at også • sæ ttet (D1D2«D+ ) er lineæ rt uafhæ ngigt, og at 7 er en injektiv afbildning. dim 7(8) GLP8 for ethvert underrum 8 af 5 . * • (LA sæ tn. 6.1.2) Def.: %LOOHGUXPRJQXOUXP Lad 7 : 5 * 1 5 væ re en lineæ r afbildning. Billedmæ ngden 5(7) = {7[ | [ ∈ 5 } * kaldes billedrummet for 7 og mæ ngden & * 1(7) = { [ ∈ 5 | 7[ = 0 } kaldes nulrummet (kernen) for 7. (De vektorer, der når de afbildes via 7 bliver nulvektoren) En afbildning φ : 01 02 kaldes surjektiv, hvis φ (01) = 02. (LA def. 6.1.3) En afbildning er surjektiv hvis og kun hvis dim 5(7) = P, og dermed skal PQ for at en afbildning skal have mulighed for at væ re surjektiv. En nødvendig, men ikke tilstræ kkelig betingelse. - 16 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Sæ tn.: 6XUMHNWLYLWHWRJELOOHGUXP Lad (D1D2«D* ) væ re en basis for 5 , og lad 7 : 5 * * 1 5 væ re en lineæ r afbildning. Billedrummet 5(7) frembringes af sæ ttet (7D17D2«7D* ). • 7 er surjektiv, hvis og kun hvis sæ ttet (7D 2 7D3 «7D* ) frembringer hele 5 . • dim 5(7) Q • 1 (LA sæ tn. 6.1.4) Sæ tn.: 1XOUXPRJXQGHUUXP Nulrummet 1(7) for en lineæ r afbildning 7 : 5 * 1 * 5 er et underrum af vektorrummet 5 . (LA sæ tn. 6.1.5) En afbildning mellem to mæ ngder kaldes injektiv, hvis forskellige punkter fra ” startmæ ngden” ikke kan afbildes i samme punkt i ” destinationsmæ ngden” . Sæ tn.: ,QMHNWLYLWHWRJQXOUXP En lineæ r afbildning 7 : 5 * & 1 5 er injektiv, hvis og kun hvis 1(7) = { 0 }. dim 1(7) = 0 (LA sæ tn. 6.1.6) Sæ tn.: /LQH UXDIK QJLJKHGRJLQMHNWLYLWHW Lad (D1D2«D* ) væ re en basis for5 , og lad 7 : 5 * * 1 5 væ re en lineæ r afbildning. Der gæ lder, at 7 er injektiv, hvis og kun hvis sæ ttet (7D17D2«7D* ) er lineæ rt uafhæ ngigt. (LA sæ tn. 6.1.7) Sæ tn.: %LOOHGUXPRJVXUMHNWLYLWHWVDPWLQMHNWLYLWHW Lad 7 : 5 * • • 1 5 væ re en lineæ r afbildning. Der gæ lder følgende: 7 er surjektiv, hvis og kun hvis dim 5(7) = P. 7 er injektiv, hvis og kun hvis dim 5(7) = Q. (LA kor. 6.1.8) En afbildning kaldes bijektiv, hvis den både er injektiv og surjektiv. For at en lineæ r afbildning skal væ re bijektiv skal således Q = P, altså en afbildning: 7:5 * * 5 . En sådan afbildning kaldes en endomorfi. - 17 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Sæ tn.: (QGRPRUILRJLQMHNWLYLWHWVXUMHNWLYLWHWELMHNWLYLWHW Lad 7 : 5 * * 5 væ re en endomorfi. Så gæ lder det at hvis: 7 er surjektiv <=> 7 er injektiv <=> 7 er bijektiv (LA kor. 6.1.9) Ikke forstået sådan at alle endomorfier har de ovenstående egenskabet, blot forstået sådan, at hvis den har én af egenskaberne, så har den automatisk dem alle tre. Sæ tn.: *UDVVPDQQVGLPHQVLRQVV WQLQJ Lad 7 : 5 * 1 5 væ re en lineæ r afbildning. Der gæ lder at dim 5(7) + dim 1(7) = Q (LA sæ tn. 6.1.11) Sæ tn.: 5HJQLQJPHGOLQH UHDIELOGQLQJHU Først definerer vi summen af to lineæ re afbildninger. Lad 7, 6 : 5 * 1 5 væ re to lineæ re afbildninger. Vi definerer: (7 + 6 )([) = 7[ + 6[ ∀ [, \ ∈ 5 * Denne er også en lineæ r afbildning (sæ tn.) Vi definerer også produktet af 7 med en skalar : ( 7)([) = 7[ ∀[∈5 (LA s. 135) * Denne afbildning er også en lineæ r afbildning (sæ tn.) Ved differensen 7 – 6 mellem to lineæ re afbildninger forstås (LA s. 135) 7±6 7(–1)6 Denne afbildning er også en lineæ r afbildning. (LA s. 135) Sæ tn.: 6DPPHQVDWRJLQYHUVOLQH UDIELOGQLQJ Lad 6 : 5 5 og 7 : 5 * 7 6 : 5 1 * 5 væ re lineæ re afbildninger. Den sammensatte afbildning + 5 er også lineæ r. + Lad 7 : 5 7–1 : 5 1 * * (LA sæ tn. 6.2.2) * * 5 væ re en bijektiv, lineæ r afbildning. Den inverse afbildning 5 er også lineæ r. (LA sæ tn. 6.2.3) Sæ tn.: $GMXQJHUHWDIELOGQLQJ Lad 7 : 5 * 5 væ re en lineæ r afbildning mellem euklidiske vektorrum. Der findes en 1 entydigt bestemt lineæ r afbildning 7 : 5 4 1 * 5 for hvilken - 18 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike (7[_\) = ([ | 7 \) ∀ [∈5 , ∀ \ ∈ 5 4 * 1 (LA sæ tn. 6.3.1) Afbildningen 7 kaldes den til 7 adjungerede afbildning. 4 Sæ tn.: 1XOUXPELOOHGUXPRJDGMXQJHUHWDIELOGQLQJ Lad 7 : 5 * 1 5 væ re en lineæ r afbildning mellem euklidiske vektorrum. Der gæ lder 1 (7 ) = 5 7 * ( ) ⊥ (LA sæ tn. 6.3.3) idet 7 er den til 7 adjungerede afbildning. 4 Sæ tn.: 6XPSURGXNWRJVNDODUPXOWLSOLNDWLRQDIDGMXQJHUHWDIELOGQLQJ Lad 76 : 5 * 1 5 væ re lineæ re afbildninger mellem euklidiske vektorrum. Det gæ lder at (76)* = 7 + 6 • 4 ( 7)* = 7 • Lad nu 7 : 5 * 4 4 , ∈5 5 og 6: 5 1 1 (LA øv. 6.3.5) 5 væ re lineæ re afbildninger mellem euklidiske + vektorrum. Det gæ lder at (67)* = 7 6 4 • 4 (LA øv. 6.3.5) Bemæ rk ræ kkefølgen! Def.: 6\PPHWULVNVHOYDGMXQJHUHWHQGRPRUIL En endomorfi af et euklidisk vektorrum kaldes symmetrisk eller selvadjungeret, hvis 7 =7 4 (LA def. 6.3.6) Sæ tn.: Lad 76 væ re endomorfier af et euklidisk vektorrum (5 , (·|·)) for hvilke * (7[ | [) = (6[ | [) ∀[∈5 * Hvis 7 og 6 er selvadjungerede, så gæ lder det at 7 = 6. (LA sæ tn. 6.3.8) Sæ tn.: 5HJQHUHJOHUIRUQRUPHQDIOLQH UHDIELOGQLQJHU Lad 76 : 5 * • • • 1 5 væ re lineæ re afbildninger mellem euklidiske vektorrum. Der gæ lder at ||7[|| __7|| · ||[|| ||7 + 6|| __7|| + ||6|| || 7|| = | | · ||7|| ∀[∈5 * ∀ ∈5 (LA sæ tn. 6.3.10) - 19 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Lad 7 : 5 * • 5 og 6 : 5 1 1 5 væ re lineæ re afbildninger mellem euklidiske vektorrum. ||67|| __6|| · ||7|| + (LA øv. 6.3.11) Sæ tn.: 1RUPHQDIDGMXQJHUHWDIELOGQLQJ Lad 7 : 5 * 1 5 væ re en lineæ r afbildning mellem euklidiske vektorrum. Der gæ lder at 7 = 7 og ||7 || = ||7|| og ||7 7|| = ||7||2 454 Def.: ,VRPHWUL 4 En lineæ r afbildning7 : 5 4 * || 7[ || = || [ || ∀ [ ∈ 5 (LA sæ tn. 6.3.12) * 1 5 kaldes en isometri, hvis (LA def. 6.4.5) - 20 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike /LQH UHDIELOGQLQJHUVPDWUL[OLJQLQJHU/$NDS Sæ tn.: /LQH UHDIELOGQLQJHURJPDWULFHU Til enhver lineæ r afbildning 7 : 5 7[ = \ gæ lder: 5 er der knyttet en P × Q matrix $, således at det * 1 < = $; <=> ∀[∈5 ∀\∈5 * 1 (LA s. 155) Her betegner ; og < koordinatsøjlerne for hhv. [ og \ – alt dette naturligvis for et givent valg * 1 af baser i de to vektorrum5 og 5 . Koordinatsøjlerne i $ er billederne af basisvektorerne i 5 . * Sæ tn.: 5HJQLQJPHGOLQH UHDIELOGQLQJHUVPDWULFHU For lineæ re afbildninger 76 : 5 $6 • • Lad 7 : 5 * • = $ 6 + $7 +7 $ 6 = ·$ 6 $9 ∈5 5 og 6: 5 1 1 1 5 gæ lder der, at (LA sæ tn. 7.1.2) 5 væ re lineæ re afbildninger. Der gæ lder at + = $9 ⋅ $8 :8 * (LA sæ tn. 7.1.3) Sæ tn.: 0DWUL[K¡UHQGHWLOELMHNWLYDIELOGQLQJ Lad 7 : 5 * matrix: 5 væ re en bijektiv lineæ r afbildning. Matricen $ 6 er regulæ r og den inverse 1 ($; )−1 = $; (LA sæ tn. 7.1.4) −1 Sæ tn.: $GMXQJHUHWDIELOGQLQJRJWUDQVSRQHUHWPDWUL[ Lad 7 : 5 * 1 5 væ re en lineæ r afbildning mellem euklidiske vektorrum udstyret med ortonormale baser (J1J2«J* ) og (I1I2«I1 ), og lad $ væ re matricen hørende til 7 med hensyn til de valgte baser. Den transponerede matrix $ er den til den adjungerede afbildning < 7 hørende matrix med hensyn til det samme valg af baser. 4 (LA sæ tn. 7.1.5) Def.: 5DQJHQDIHQPDWUL[ Ved rangen af en matrix forstås det største mulige antal søjler i noget lineæ rt uafhæ ngigt delsæ t udtaget blandt søjlerne i matricen. Rangen af matrix A skrives som rg $. - 21 - (LA def. 7.2.1) Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Med hensyn til den kanoniske basis, så er søjlerne i matricen $ koordinatsæ t for vektorerne 7H = 7H> «7H? og frembringer derfor billedrummet 5(7). Dvs. rg $ = dim 5(7) Undertiden benyttes betegnelsen 5($) som 5(7) og tilsvarende for nulrummet 1($) = 1(7). Def.: *UDVVPDQQVGLPHQVLRQVV WQLQJIRUPDWULFHU Lad $ væ re en P × Q matrix. Der gæ lder rg $ + dim 1($) = Q (LA sæ tn. 7.2.2) Antallet af exogene variable er lig med dim 1($). Således er antallet af endogene variable lig med rg $, altså lig antallet af søjler i den til $ hørende echelonmatrix, der indeholder et initialettal. Q er antallet af søjler i $. Sæ tn.: 6¡MOHUDQJRJU NNHUDQJ Lad $ væ re en P × Q matrix. Der gæ lder at ræ kkerang $ = søjlerang $ (LA sæ tn. 7.2.5) Sæ tn.: .RQVLVWHQVDIOLQH UHOLJQLQJVV\VWHPHURJUDQJDIPDWUL[ Et lineæ rt ligningssystem er konsistent, hvis og kun hvis rangen af ligningssystemets koefficientmatrix er lig med rangen af den udvidede koefficientmatrix. (LA sæ tn. 7.3.1) Def.: +RPRJHQHOLJQLQJVV\VWHPHU Et lineæ rt ligningssystem kaldes homogent, hvis konstantsøjlen E1 0 E 0 %= 2 = E@ 0 (LA def. 7.3.2) Ellers kaldes ligningssystemet for inhomogent. Sæ tn.: (QW\GLJO¡VQLQJWLOOLQH UWOLJQLQJVV\VWHPRJUDQJDIPDWUL[ Antag af et lineæ rt ligningssystem 6 er konsistent. Løsningen til 6 er entydig, hvis og kun hvis rg $ = Q (LA sæ tn. 7.3.3) - 22 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Sæ tn.: /¡VQLQJVP QJGHWLOKRPRJHQWRJLQKRPRJHQWOLJQLQJVV\VWHP ~ Lad 6 væ re et konsistent inhomogent ligningssystem med løsningsmæ ngde / og lad ; ∈ / væ re en vilkårlig løsning til 6. Der gæ lder at ~ / = ; = ; 0 + ; ; 0 ∈ /0 { } (LA sæ tn. 7.3.5) hvor /A betegner løsningsmæ ngden til det tilhørende homogene ligningssystem 6A . .RRUGLQDWWUDQVIRUPDWLRQ Lad (D1D2«D? ) og (E1E2«E? ) væ re to baser i 5 . En vilkårlig vektor [ ∈ 5 har en entydig fremstilling af formen [ = afbildning 6 : 5 ? ? 1D1 + 2D2 5 ved at sæ tte ? +… + 6[ = 6( 1D1 2D2« ? D? ) = 1E1 + ? ? D? . Vi kan derfor konstruere en lineæ r 2E2« ? E? Afbildningen 6 transformerer en vektor med et givet koefficientsæ t med hensyn til basen (D1D2«D? ) over i den vektor, der med hensyn til basen (E1E2«E? ) har samme koefficientsæ t. Specielt gæ lder det, at 6DB EB , L = 1,2,… ,Q Afbildningen 6 kaldes for koordinattransformationsafbildningen hørende til skiftet fra basen (D1D2«D? ) til basen (E1E2«E? ). 6 er entydigt bestemt. (LA s. 170) Sæ tn.: .RRUGLQDWWUDQVIRUPDWLRQVDIELOGQLQJVOLQHDULWHW Den ovennæ vnte koordinattransformationsafbildning er lineæ r og bijektiv. (LA sæ tn. 7.4.1) Omvendt gæ lder det også, at en hver bijektiv og lineæ r afbildning 6 : 5 koordinattransformationsafbildning. ? 5 er en ? (LA s. 171ø) Sæ tn.: 9HNWRUHUVRPOLQHDUNRPELQDWLRQDIEDVLVYHNWRUHU Lad (D1D2«D? ) og (E1E2«E? ) væ re to baser i 5 , og lad 6 væ re koordinattrans? formationsafbildningen bestemt ved 6DB EB , L 1,2,… ,n Enhver af vektorerne EC kan på entydig måde skrives som linearkombination af vektorerne i basen (D1D2«D? ). Der findes således koefficienter T1C ,T2C ,… ,T? C for hvilke EC T1C D1T2C D2ÂÂÂT? C D? M 1,2,… ,n Matricen 4 = (T E F )∈ 5D er regulæ r og hører til 6 med hensyn til begge baser (D1D2«D? ) og D (E1E2«E? ). (LA sæ tn. 7.4.2) - 23 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Matricen 4 kaldes koordinattransformationsmatricen hørende til skiftet fra basen (D1D2«D? ) til basen (E1E2«E? ). Koordinattransformationsmatricen hørende til skiftet fra basen (E1E2«E? ) til basen (D1D2«D? ) er den inverse matrix 4 –1. (LA s. 172) Sæ tn.: 9HNWRUHUXQGHUIRUVNHOOLJHEDVHURJNRRUGLQDWWUDQVIRUPDWLRQVPDWULFHQ Lad D = (D1D2«D? ) og E = (E1E2«E? ) væ re baser for vektorrummet 5 og lad [ ∈ 5 væ re ? ? en vilkårlig vektor, der med hensyn til baserne D og E har koordinatsøjlerne ;G og ;H . Hvis Q × Q matricen 4 = (TB C ) er koordinattransformationsmatricen hørende til skiftet fra D til E, gæ lder der at ;G 4;H (LA sæ tn. 7.4.4) Sæ tn.: .RRUGLQDWWUDQVIRUPDWLRQVPDWUL[ Vi tæ nker os en valgt basis (D1D2«D? ) i 5 . Lad 7 :5 ? ? 5 væ re en lineæ r afbildning, og ? lad $ ( B C ) ∈ 5I væ re den til 7 hørende matrix med hensyn til den valgte basis. Lad også I (E1E2«E? ) væ re en basis i 5 . Matricen ? % 4–1$4 (LA sæ tn. 7.4.6) er den til 7 hørende matrix med hensyn til basen (E1E2«E? ), idet 4 er koordinattransformationsmatricen hørende til skiftet fra (D1D2«D? ) til (E1E2«E? ). Hvis der findes en regulæ r matrix 4 for hvilken ovenstående ligning gæ lder, så kaldes de to kvadratiske matricer $ og % regulæ ræ kvivalente. (LA s. 175) Sæ tn.: 2UWRJRQDOPDWUL[RJNRRUGLQDWWUDQVIRUPDWLRQVPDWUL[ Lad (5 , (·|·) ) væ re et euklidisk vektorrum udstyret med ortonormalbaser (D1D2«D? ) og ? (E1E2«E? ). Hvis 4 betegner koordinattransformationsmatricen hørende til skiftet fra (D1D2«D? ) til (E1E2«E? ), gæ lder der at 4 = 4 –1 J (LA sæ tn. 7.4.8) En regulæ r matrix 4 for hvilken det ovenstående gæ lder kaldes en ortogonal matrix. Navnet er lidt misvisende – egentlig ville en ortonormal matrix have væ ret mere rammende, da der kræ ves for at en matrix 4 skal væ re ortogonal, at sæ ttet bestående af matricens søjlevektorer skal væ re et ortonormalt sæ t. - 24 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Hvis en sådan matrix 4 eksisterer, og altså er ortogonal, så kaldes matricerne $ og % ikke bare regulæ ræ kvivalente, men også ortogonalæ kvivalente. (LA s. 176n) - 25 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike 'HWHUPLQDQWHU/$NDSRJ Vi indfører en lidt speciel notation: Lad $ væ re en vilkårlig P × Q matrix og lad ; betegne en 1 × Q matrix. Hvis den U’ te ræ kke i $ erstattes med ; opfattet som ræ kke, fremkommer en ny matrix, som betegnes med ,K ( $← ;). (LA s. 186) Sæ tn.: :HLHUVWUDVV¶GHWHUPLQDQWV WQLQJ Determinantafbildningen $ → det $ er den eneste n-linearform defineret på mæ ngden af Q × Q matricer, som tilfredsstiller: • • det ( = 1 For enhver matrix $ = (DB C ) ∈ 5L og ethvert Q > 1 gæ lder der L M det $ = ∑ D N 1 ⋅ (− 1) det ('N N N +1 =1 ,1 ($)) (LA sæ tn. 8.2.3) Sæ tn.: 'HWHUPLQDQWDIHQKHGVPDWULFHQPY Lad Q ∈ 1 og F ∈ 5, og væ lg et U = 1,2,… ,n. Der gæ lder at • • • det (O = 1 det ,P ( $← ;< ) = det ,P ( $ ← ; ) + det ,P ( $ ← < ) det ( P (F)·$) = F· det $ (LA sæ tn. 9.1.1) Sæ tn.: 'LYHUVHUHJQHUHJOHUIRUGHWHUPLQDQWHU For enhver Q × Q matrix $ gæ lder der: • • • • • det ( $ ) = det $ = 0 det $ = 0 O Âdet $ , ∈5 , hvis $ indeholder en nulræ kke , hvis to af ræ kkerne i $ er ens (LA kor. 9.1.2) det ( Q R (F) · $ ) = det $ , for L M og F ∈ 5 det ( cQ R · $ ) = – det $ , for L M , idet L, M = 1,2,… ,Q (LA sæ tn. 9.1.3) Altså, hvis to ræ kker ombyttes, så skifter determinanten fortegn. - 26 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Sæ tn.: 'HWHUPLQDQWHUDIRSHUDWLRQVPDWULFHU For ethvert Q ∈ 1 og L, M = 1,2,… ,Q gæ lder der det (Q R (F)) = 1 , for L M og F ∈ 5 • det c Q R = – 1 , L M • det (6$) = det 6 · det $ • • det Q (F) = F ,F∈5 (LA kor. 9.1.4) Lad 6 og $ væ re Q × Q matricer. Hvis 6 er en operationsmatrix, gæ lder der (LA kor. 9.1.5) Sæ tn.: 'HWHUPLQDQWHQVEHW\GQLQJIRUUHJXODULWHWHQDIHQPDWUL[ En Q × Q matrix $ er regulæ r, hvis og kun hvis • det $ (LA teor. 9.1.6) Sæ tn.: )OHUHUHJQHUHJOHUIRUGHWHUPLQDQWHU For Q × Q matricer $ og % gæ lder der det ( $Â% ) = det $ · det % • det $–1 = ( det $ )–1 (LA teor. 9.1.8) • Regulæ ræ kvivalente matricer har samme determinant (LA kor. 9.1.9) • • , hvor $ er regulæ r det $ = det $ S (LA sæ tn. 9.1.10) Sæ tn.: 'HWHUPLQDQWDIGLDJRQDORJWUHNDQWVPDWUL[ Determinanten af en trekantsmatrix er lig med produktet af diagonalelementerne, følgelig er determinanten af en diagonalmatrix også lig med produktet af diagonalelementerne: T • det $ = ∏ D U U U =1 , hvor $ er en Q × Q diagonal- eller trekantsmatrix. (LA sæ tn. 9.1.11) Sæ tn.: 6¡MOHRSHUDWLRQHURJGHWHUPLQDQW Lad $ væ re en Q × Q matrix. Der gæ lder • • • det $= 0 det $ = 0 , hvis $ indeholder en nulsøjle , hvis to af søjlerne i $ er ens Ombyttes to forskellige søjler i $, så skifter determinanten fortegn - 27 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike • Hvis man til en søjle i $ adderer en linearkombination af de øvrige søjler, så forandres determinanten ikke. (LA kor. 9.2.1) Sæ tn.: /DSODFHVXGYLNOLQJVV WQLQJ Først indfører vi komplementet af en Q × Q matrix $: $ Q R = ( –1) Q VWR · det 'Q X R ($) , idet L, M = 1, 2, … , Q For en Q × Q matrix $ = (DQ R ) gæ lder der • • det $ = DP 1$P 1 + DP 2$P 2 + … + DP O $P O det $ = D1Y $1Y + D2Y $2Y + … + DO Y $O (LA s. 206) , U = 1, 2, … , Q Y , V = 1, 2, … , Q Det øverste kalder vi for at udvikle efter U’ te ræ kke. (LA sæ tn. 9.2.2) Det nederste kalder vi for at udvikle efter V’ te søjle. Sæ tn.: ,QYHUWHULQJDIUHJXO UHPDWULFHU Først indfører vi matricen = ( $Q R ) hvis element i den L’ te ræ kke og den M’ te søjle er komplementet, hvor $ er given Q × Q matrix: $ Q R = ( –1) Q VWR · det 'Q X R ($) , idet L, M = 1, 2, … , Q For enhver Q × Q matrix $ gæ lder der • $ = ( det $ ) · (O S (LA s. 211m) (LA sæ tn. 9.4.1) hvor (O er Q × Q enhedsmatricen. Lad $ væ re en regulæ r Q × Q matrix. Den inverse matrix er givet ved • $ −1 = 1 ~Z ⋅$ det $ (LA sæ tn. 9.4.2) Sæ tn.: &UDPHUVIRUPOHU Lad $; % væ re et Cramersk ligningssystem. At et ligningssystem er Cramersk vil sige et ligningssystem bestående af Q ligninger med Q ubekendte, hvis dog koefficientmatricen er regulæ r, dvs. har determinant forskellig fra nul. De ubekendte [1, [2, … , [O er givet ved formlen: - 28 - (LA s. 213) Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike • D11 D1(\ −1) E1 D1(\ +1) D1[ D2 (\ −1) E2 D2 (\ +1) D2 [ −1 D [\ = (det $) 21 D [ 1 D [ (\ −1) E[ D [ (\ +1) D [W[ (LA sæ tn. 9.5.1) for L = 1, 2, … , Q Husk dog d’ herrer M. Nørgaard Olesen og Frank Hansens kommentar til Cramers formler: ” &UDPHUVIRUPOHU«XGJ¡UHQHNVWUDRUGLQ UX¡NRQRPLVNPHWRGHWLODWO¡VHOLQH UH OLJQLQJVV\VWHPHU«EHQ\WWHVGHUIRUQ VWHQXGHOXNNHQGHLIRUELQGHOVHPHGWHRUHWLVNH RYHUYHMHOVHU” - 29 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike 6SHNWUDOWHRUL±/$NDS Def.: (JHQY UGL Lad 7 : 5 O 5 væ re en lineæ r afbildning og lad ∈ 5. Hvis der findes en egentlig vektor O [ ∈ 5 for hvilken 7[ = [ , så siges [ at væ re en egenvektor for 7, og kaldes den O tilhørende egenvæ rdi. (LA def. 10.1.1) Def.: (JHQUXP Til en given lineæ r afbildning 7 : 5 5 og et givet ∈ 5 indføres mæ ngden O O • 9 ] ( ) = {[ ∈ 5 | 7[ = [} • Denne kaldes egenrummet for 7 hørende til skalaren . O (LA def. 10.1.2) Denne er et underrum af 5 , idet 9 ] ( ) = 1 (7 – ,) O • Dimensionen af 9 ] ( ) kaldes egenvæ rdimultipliciteten for og betegnes med • HP ] ( ). er en egenvæ rdi for 7 hvis og kun hvis egenvæ rdimultipliciteten HP ] ( ) > 0. • Der gæ lder specielt, at 9 ] (0) = 1 (7). Derfor er nul en egenvæ rdi for 7, hvis og • kun hvis 7 ikke er injektiv. Mæ ngden af egenvæ rdier for en endomorfi 7 kaldes spektret for 7 og betegnes • (7). med (LA s. 222ø) Sæ tn.: 6XPDIHJHQUXPRJHJHQY UGLPXOWLSOLFLWHWHU Lad 7 : 5 O 1, 2, …, ^ 5 væ re en lineæ r afbildning med indbyrdes forskellige egenvæ rdier O . Egenrummene 9 ] ( 1), 9 ] ( 2), … , 9 ] ( ^ ) danner direkte sum, og summen af egenvæ rdimultipliciteterne: HP ] ( 1) + HP ] ( 2) + ··· + HP ] ( ^ ) Q (LA sæ tn. 10.1.4) Def.: 'HWNDUDNWHULVWLVNHSRO\QRPLXP Lad 7 væ re en endomorfi af 5 og lad $ væ re den til afbildningen 7 hørende matrix med O hensyn til en valgt basis. Polynomiet S ] ( W ) = det ( $ – W( ) kaldes det karakteristiske polynomium for 7. - 30 - (LA def. 10.2.1) Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Sæ tn.: (JHQY UGLRJGHWNDUDNWHULVWLVNHSRO\QRPLXP er egenvæ rdi for en lineæ r afbildning 7 : 5 En skalar det karakteristiske polynomium S ] . O 5 , hvis og kun hvis O er rod i (LA sæ tn. 10.2.2) Da et polynomium af Q’ te grad højst har Q reelle rødder, ser vi umiddelbart, at en endomorfi af 5 højst har Q egenvæ rdier. O (LA s. 224n) Def.: 5RGPXOWLSOLFLWHW Rodmultipliciteten for en rod i et polynomium S( W ) er det naturlige tal UP ( ) for hvilket S( W ) kan skrives på formen S (W ) = (W − λ ) _ ` (λ ) ⋅ 4 (W ) hvor 4(W) er et polynomium, som ikke har som rod. (LA s. 225) Rodmultipliciteten angiver det antal gange er rod i det karakteristiske polynomium. Sæ tn.: (JHQY UGLPXOWLSOLFLWHWRJURGPXOWLSOLFLWHW Lad 7 : 5 O • • 5 væ re en lineæ r afbildning. Der gæ lder O HP ] ( ) UP ] ( ) HP ] ( ) = Q – dim 5(7 – , ) for ethvert ∈ 5. (LA sæ tn. 10.2.3) 6\PPHWULVNDIELOGQLQJRJLQYDULDQWXQGHUUXP Def.: Lad (·|·) væ re et indre produkt i 5 . Husk, at en lineæ r afbildning 7 : 5 5 kaldes O O symmetrisk hvis (7[| \) = ([_7\) ∀ [,\ ∈ 5 . O O (LA s. 228n) Sæ tn.: Der gæ lder, at 7 er symmetrisk, hvis og kun hvis den tilhørende matrix med hensyn til en given ortonormalbasis er symmetrisk. (LA s. 229ø) Def.: Et underrum 8 af 5 kaldes invariant under en endomorfi 7 af 5 hvis 78 ⊆ 8. O O Egenrummet 9 ] ( ) hørende til en egenvæ rdi ∈ 5 er et simpelt eksempel på et invariant underrum. (LA s. 229ø) Sæ tn.: ,QYDULDQWXQGHUUXPV\PPHWULVNHQGRPRUILRJRUWRJRQDOWNRPSOHPHQW Lad 7 væ re en symmetrisk endomorfi af et euklidisk vektorrum (5 , (·|·)). O • Hvis 8 er et invariant underrum, så er også det ortogonale komplement 8 ⊥ invariant under 7. - 31 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike • er forskellige egenvæ rdier for 7, så er egenrummene 9 ] ( ) og Hvis og 9 ] ( ) ortogonale. Sæ tn.: 6\PPHWULVNHQGRPRUILRJGHWNDUDNWHULVWLVNHSRO\QRPLXP Lad 7 væ re en symmetrisk endomorfi af et euklidisk vektorrum (5 , (·|·)). O Det karakteristiske polynomium har en reel rod. (LA sæ tn. 10.3.2) Sæ tn.: 6SHNWUDOV WQLQJHQ Lad 7 : 5 O 5 væ re en symmetrisk lineæ r afbildning og lad O indbyrdes forskellige egenvæ rdier for 7. Der gæ lder: • 1, 2, …, ^ væ re de HP ] ( Q ) = UP ] ( Q ) for L = 1, 2, … , S • HP ] ( 1) + HP ] ( 2) + ··· + HP ] ( ^ ) = Q • Egenrummene danner direkte sum og 9 ] ( 1) ⊕ 9 ] ( 2) ⊕ ··· ⊕ 9 ] ( ^ ) = 5 O • Der findes en ortonormalbasis for 5 bestående af egenvektorer for 7. Med O hensyn til denne basis er den tilhørende matrix af formen λ 1 0 0 0 0 ' = 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 λ1 0 0 0 0 0 0 0 0 0 0 λ2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 λ2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 λa 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 λa Diagonalelementerne er egenvæ rdierne for 7 hver medtaget så mange gange som egenvæ rdimultipliciteten angiver. Sæ tn.: 6\PPHWULVNPDWUL[GLDJRQDOPDWUL[RJRUWRJRQDO NYLYDOHQV (La sæ tn. 10.3.3) En symmetrisk matrix $ ∈ 5 b er ortogonalæ kvivalent med en diagonalmatrix. Der findes b altså en matrix 4 ∈ 5 b for hvilken 4 = 4 d 1 og så matricen b c - 32 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike ' = 4 –1$4 er en diagonalmatrix. De Q diagonalelementer i ' er rødderne i det karakteristiske polynomium Se ( W ) = det ( $ – W(f ) ,W∈5 hver medtaget så mange gange, som rodmultipliciteten angiver. Søjlerne i ortogonalmatricen 4 er koordinatsøjler for vektorerne i en ortonormalbasis af egenvektorerne for $ med hensyn til den kanoniske basis. (LA kor. 10.3.4) Def.: 'HILQLWKHGVIRUKROG • • • • • En symmetrisk Q × Q matrix $ kaldes positiv definit, hvis & f ($[ | [) > 0 ∀ [ ∈ 5 , [ ≠ 0 Tilsvarende kaldes $ negativ definit, hvis –$ er positiv definit. Matricen $ kaldes positiv semidefinit, hvis ($[ [ )≥ 0 ∀ [∈ 5 f og kaldes negativ semidefinit, hvis ±$ er positiv semidefinit. Matricen $ kaldes indefinit, hvis der findes vektorer [, \ ∈ 5 for hvilke f ($[ [ )> 0 RJ ($\ \ )< 0 (LA def. 10.3.5) Sæ tn.: 'HILQLWKHGVIRUKROGRJHJHQY UGLHU Lad $ væ re en symmetrisk Q × Q matrix. Der gæ lder • • • • • $ er positiv definit, hvis og kun hvis samtlige egenvæ rdier er positive $ er positiv semidefinit, hvis og kun hvis samtlige egenvæ rdier er ikke-negative $ er negativ definit, hvis og kun hvis samtlige egenvæ rdier er negative $ er negativ semidefinit, hvis og kun hvis samtlige egenvæ rdier er ikke-positive $ er indefinit, hvis og kun hvis $ har både positive og negative egenvæ rdier (LA sæ tn. 10.3.6) - 33 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike .YDGUDWLVNHIRUPHU/$NDS Def.: .YDGUDWLVNIRUP Ved en kvadratisk form . : 5 → 5 defineret på det Q–dimensionale vektorrum 5 forstås f f en reel funktion med en forskrift af formen g . ([ ) = . ([1 , [2 , , [ g ) = ∑ F i h [i [h i ,h (LA def. 11.1.1) =1 hvor [ = ([1, [2, … , [f ) ∈ 5 . Tallene Fj k kaldes koefficienterne for kvadratiske form .. f Sæ tn.: 0DWUL[RJNYDGUDWLVNIRUP En kvadratisk form . : 5 → 5 kan skrives på formen f . ([) = ; & ; c hvor & = (F j k ) er en Q × Q matrix, og [1 [ ; = 2 [l (LA sæ tn. 11.1.3) er koordinatsøjlen for vektoren [ med hensyn til den kanoniske basis for 5 . f Sæ tn.: .YDGUDWLVNIRUPRJHQW\GLJWEHVWHPWV\PPHWULVNPDWUL[ Lad . : 5 → 5 væ re en kvadratisk form. Der findes en entydigt bestemt symmetrisk Q × Q f matrix $ for hvilken . ([) = ; $ ; c ∀[∈5 f idet ; betegner koordinatsøjlen for vektoren [. (LA sæ tn. 11.1.5) Sæ tn.: .YDGUDWLVNIRUPHQW\GLJWEHVWHPWV\PPHWULVNPDWUL[RJVNDODUSURGXNWHW Lad . væ re en kvadratisk form på 5 , og lad $ væ re den ovennæ vnte tilhørende entydigt f bestemte symmetriske Q × Q matrix. Der gæ lder . ([) = $[ · [ ∀[∈5 f (LA sæ tn. 11.1.7) - 34 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Def.: .YDGUDWLVNIRUPRJLVRWURSYHNWRU Lad . : 5 → 5 væ re en kvadratisk form, og lad $ væ re den til . hørende symmetriske f Q × Q matrix. En vektor Y ∈ 5 siges at væ re selvadjungeret eller isotrop med hensyn til . f hvis . (Y) = 0 (LA def. 11.1.8) Def.: 'HILQLWKHGVIRUKROGIRUNYDGUDWLVNHIRUPHU Lad . : 5 → 5 væ re en kvadratisk form. Vi siger, at . er f positiv definit, hvis . ([) > 0 • negativ definit, hvis .([) < 0 • positiv semidefinit, hvis . ([) • negativ semidefinit, hvis . ([) & for alle vektorer [ 0 . • (LA def. 11.2.1) indefinit, hvis der findes vektorer \ og ] i 5 for hvilke . (\) > 0 og . (]) < 0. • f Sæ tn.: 'HILQLWKHGVIRUKROGIRUNYDGUDWLVNIRUPRJV\PPHWULVNPDWUL[ En kvadratisk form har samme definithed som den tilhørende symmetriske matrix. (LA sæ tn. 11.2.2) Sæ tn.: 'HILQLWKHGVIRUKROGIRUNYDGUDWLVNIRUPRJHJHQY UGLHU Lad . : 5 → 5 væ re en kvadratisk form, og lad $ væ re den til . hørende symmetriske f matrix. Egenvæ rdierne for $ regnet med multiplicitet betegnes • • • • • • . er nulformen, hvis og kun hvis 1 = 0, … , . er positiv definit, hvis og kun hvis . er negativ definit, hvis og kun hvis 1 1 f < 0, … , . er negativ semidefinit, hvis og kun hvis 1 1 2, …, f . Der gæ lder =0 > 0, … , . er positiv semidefinit, hvis og kun hvis 1, >0 f f <0 « « f f . er indefinit, hvis og kun hvis $ har mindst én positiv og mindst én negativ egenvæ rdi. (LA sæ tn. 11.2.5) Def.: +RYHGXQGHUGHWHUPLQDQWOHGHQGHKRYHGXQGHUGHWHUPLQDQW En hovedunderdeterminant kaldes også en principal underdeterminant, og denne fremkommer ved at vi stryger et vist antal søjler og tilhørende ræ kker. Dvs. at hvis man vil - 35 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike stryge 3. søjle, skal også 3. ræ kke stryges. Determinanten af den nu fremkomne matrix kaldes en hovedunderdeterminant eller en principal underdeterminant. Antallet af hovedunderdeterminanter til en Q × Q matrix er givet ved 2 – 1. f En ledende hovedunderdeterminant også kaldet en ledende principal underdeterminant til en kvadratisk matrix $ fremkommer således: 'm = D11 D21 D12 D 22 D1m D2 m Dm 1 D m 2 D mnm , N = 1, 2, , Q (MA2 s. 154-155) Sæ tn.: 3RVLWLYGHILQLWRJOHGHQGHKRYHGXQGHUGHWHUPLQDQWHU En symmetrisk Q × Q matrix $ er positiv definit, hvis og kun hvis de ledende hovedunderdeterminanter alle er positive. (LA teor. 11.3.4) Sæ tn.: 3RVLWLYVHPLGHILQLWRJKRYHGXQGHUGHWHUPLQDQWHU En symmetrisk Q × Q matrix $ er positiv semidefinit, hvis og kun hvis samtlige hovedunderdeterminanter er ikke-negative. (LA teor. 11.3.5) Sæ tn.: 1HJDWLYGHILQLWRJVHPLGHILQLWRJOHGHQGHKRYHGXQGHUGHWHUPLQDQWHU Lad $ væ re en symmetrisk Q × Q matrix. Der gæ lder • Matricen $ er negativ definit, hvis og kun hvis de ledende hovedunderdeterminanter opfylder D11 D o o (− 1) ⋅ 'p (1 2 S ) = (− 1) ⋅ 21 Do 1 for S = 1, 2, … , Q • D12 D 22 Do 2 D1o D2 o >0 DoWo Matricen $ er negative semidefinit, hvis og kun hvis samtlige hovedunderdeterminanter opfylder q (− 1) ⋅ 'r (L1 L2 Lq )≥ 0 for S = 1, 2, … , Q 1 ≤ L1 < < Lq ≤ Q (LA kor. 11.3.6) - 36 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Hvis man fx skal afgøre om en 5 × 5 matrix er negativ definit tager de tilhørende ledende hovedunderdeterminanter. Så skal de ledende underdeterminanter have følgende fortegn: 1×1 2×2 3×3 4×4 5×5 (–1)1 = –1, dvs. ± (–1)2 = 1, dvs. (–1)3 = –1, dvs. ± (–1)4 = 1, dvs. (–1)5 = –1, dvs. ± Sæ tn.: 'HWHUPLQDQWHQDIHQV\PPHWULVNPDWUL[ Determinanten af en symmetrisk matrix er lig med produktet af egenvæ rdierne. - 37 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Oversigtsopgave til Lineæ r Algebra v/ Arne Frøsig Rasmussen 2 0 4 9LVWDUWHUPHGDWGHILQHUHHQPDWUL[$ $ = 0 6 0 4 0 2 %HUHJQGHWHUPLQDQWHQDI$ 9L/DSODFHXGYLNOHUHIWHUV¡MOH 2 0 4 2 4 det $ = 0 6 0 = 6 ⋅ = 6 ⋅ (4 − 16 ) = − 72 4 2 4 0 2 %HVWHPUDQJHQDIPDWUL[$ 'DGHW$HU$UHJXO U(UJRKDYHVUJ$ (UPDWUL[$UHJXO U"$QJLYLEHNU IWHQGHIDOG$s t v -D$HUUHJXO UMIVS¡UJVPnO9LXGUHJQHU$u 2 0 4 1 0 0 − 2 * 12 ($ ( w )= 0 6 0 0 1 0 * 16 4 0 2 0 0 1 1 0 0 − 16 0 13 0 1 0 0 16 0 0 0 1 1 0 − 1 3 6 6nOHGHVVHVGHWLJHQDWKDUHQLQYHUVPDWUL[$u GHUHUJLYHWYHG − 16 $ −1 = 0 1 3 9LNRQWUROOHUHUDW$Â$u (x 2 0 4 − 16 $ ⋅ $ −1 = 0 6 0 ⋅ 0 4 0 2 1 3 NRQWUROHU2.$u HUNRUUHNWXGUHJQHW 0 0 − 16 0 1 0 2 12 0 0 0 1 0 0 16 0 0 0 − 6 − 2 0 1 v 1 3 1 6 v v 1 0 0 0 = 0 1 0 0 − 16 0 0 1 0 1 3 1 6 - 38 - 1 3 * − 16 Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike %HVWHPGLPHQVLRQHQDIELOOHGUXPPHWIRUPDWUL[$ 'HWYLGHVJHQHUHOWDWGHOLQH UWXDIK QJLJHV¡MOHYHNWRUHUL$XGVS QGHU ELOOHGUXPPHWIRU$'DUJ$ MIVS¡UJVPnOInVGHUIRUDWGLP5$ $OWHUQDWLYW 2 0 4 − 2 * 12 * 16 $ = 0 6 0 4 0 2 1 0 2 0 1 0 0 0 − 6 1 3 * (− 16 ) 1 0 0 0 1 0 0 0 1 +HUDIVHVDWUJ$ DOWVnDQWDOOHWDIV¡MOHUL)GHULQGHKROGHUHWLQLWLDOHWWDORJLJHQ InV GLP5$ %HVWHPELOOHGUXPPHW5$ RJEHVNULYGHWVQDWXU y 'DGLP5$ VnHUELOOHGUXPPHWIRU$OLJKHOHR )¡OJHOLJHU$VXUMHNWLY 'HWLOLQLWLDOHWWDOOHQHLVS¡UJVPnOK¡UHQGHHUYLVWOLQH UWXDIK QJLJHV¡MOHYHNWRUHU LGHQRSULQGHOLJHPDWUL[$XGVS QGHUELOOHGUXPPHW5$ 2 0 4 y 5 ($) = VSDQ 0 , 6 , 0 R 4 0 2 %HVWHPHQEDVLVIRUELOOHGUXPPHWIRU$5$ 2 0 4 'HWOLQH UWXDIK QJLJHV¡MOHYHNWRUV W 0 , 6 , 0 XGJ¡UHQEDVLVIRU5$ 4 0 2 %HVWHPQXOUXPPHW1$IRU$RJGHWVGLPHQVLRQ 9LKDULIOJ*UDVVPDQQVGLPHQVLRQVV WQLQJDWGLP1$ Q±UJ$ ± & 'HUIRUHUQXOUXPPHWNXQOLJQXOYHNWRUHQDOWVn 1 ($) = 0 6nOHGHVHU$LQMHNWLY {} %HVWHP±RPPXOLJW±HQEDVLVIRUQXOUXPPHWIRU$ - 39 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike 'DGLP1$ MIVS¡UJVPnOILQGHVGHULQJHQEDVLVIRU1$ /LJJHUKKYLQXOUXPPHWIRU$" • • OLJJHUL1$MIVS¡UJVPnORJHUL¡YULJWGHWHQHVWHSXQNWGHUOLJJHUL QXOUXPPHW1$ OLJJHULNNHL1$MIRYHQIRU [1 %HJUXQGNRUWDWOLJQLQJHQ$[ E , [ = [2 , KDUO¡VQLQJIRUHWKYHUWYDOJDIE [ 3 'DUJ$ UJ$z KDU$[ EDOWLGHQO¡VQLQJMINRPSHQGLHWV $OWHUQDWLYW 'HQ WLO$ K¡UHQGH OLQH UH DIELOGQLQJ 7 HU VXUMHNWLY MI VS¡UJVPnO RJ GHUIRU Pn GHUY UHPLQGVWpQO¡VQLQJ (UGHQLVS¡UJVPnORPWDOWHO¡VQLQJHQW\GLJWEHVWHPW" -DGDDIELOGQLQJHQVRPLYLUNHOLJKHGHQHUHQHQGRPRUILVRPQ YQWLKKYVS¡UJVPnO RJEnGHVXUMHNWLYRJELMHNWLYRJHUGHUIRURJVnELMHNWLYMINRPSHQGLHWV y 0HQVnI¡OJHUGHWDWER [Vn7[ E $OWHUQDWLYW 'DGHW$VnI¡OJHUHQW\GLJKHGHQVWUDNV E1 %HWUDJWOLJQLQJVV\VWHPHW$[ E E = E2 YLONnUOLJ%HVWHPDQWDOOHWDIH[RJHQHYDULDEOHRJ E 3 DQJLY±RPPXOLJW±KYLONHDIYDULDEOHQH[ v [{ [y GHUNDQY OJHVVRPH[RJHQHYDULDEOH 'DGLP1$ Q±UJ$MRJHQHUHOWDQJLYHUDQWDOOHWDIH[RJHQHYDULDEOHRJGD GLP1$ MIVS¡UJVPnOVnNDQLQJHQDIYDULDEOHQH[ v [{ [y Y OJHVVRPH[RJHQH YDULDEOH %HVWHPVDPWOLJHHJHQY UGLHUIRUPDWULFHQ$RJGHUHVURGPXOWLSOLFLWHW - 40 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike 2−W 0 4 6−W 0 = 0 <=> WHUHQHJHQY UGLIRU$ !S| W ! 0 4 0 2−W (2 − W )⋅ (6 − W )⋅ (2 − W )+ 0 + 0 − (4 ⋅ 4 ⋅ (6 − W )+ 0 + 0) = 0 <=> (2 − W )2 ⋅ (6 − W )− (16 ⋅ (6 − W )) = 0 <=> (6 − W )(( 2 − W )2 − 16)= 0 6−W = 0 ∨ (2 − W )2 − 16 = 0 <=> ∨ (2 − W ) = ±4 <=> W =6 W =6 ∨ <=> − 2 W= 6 'YVW^±` | PHGUP| ± RJUP| %HVWHPHJHQUXPPHWK¡UHQGHWLOVDPWOLJHHJHQY UGLHU DGW ± +HUV¡JHV[Vn$[ ±[9LO¡VHUGHUIRU ($ − (− 2)( (UJRKDYHV [1 3 4 0 4 0 − 1 * 14 0) = 0 8 0 0 * 18 4 0 4 0 [1 = −W + [3 = 0 [1 − W − 1 [2 = 0 V WWHVGHUIRU[y WInV [2 = 0 GYV. [ = [2 = 0 = W ⋅ 0 , W ∈ R [ W 1 0 [3 = W = 0 3 − 1 +HUDIVHVDW 9} (− 2 ) = VSDQ 0 1 DGW 1 0 1 0 0 1 0 0 0 0 0 0 +HUV¡JHV[Vn$[ [9LO¡VHUGHUIRU − 4 0 4 0 1 * − 14 0)= 0 0 0 0 4 0 − 4 0 ($ − 6( (UJRKDYHV 3 1 0 −1 0 0 0 0 0 0 0 0 0 - 41 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike [1 − [3 = 0 0 = 0 V WWHVGHUIRU[~ W RJ[ W~ InV 0 = 0 [1 W 2 0 1 [ = [2 = W1 = W1 ⋅ 1 + W 2 ⋅ 0 , W1 , W 2 ∈ R [ W 0 1 3 2 0 1 +HUDIVHVDW 9 (6 ) = VSDQ 1 , 0 0 1 %HVWHPVDPWOLJHHJHQY UGLHUVHJHQY UGLPXOWLSOLFLWHW -IVS¡UJVPnOVHVVWUDNVDWHP ± RJHP $OWHUQDWLYW 'D$HUV\PPHWULVNHUHP UP RJGLVVHHUIXQGHWLVS¡UJVPnOWLODWY UHGH RYHQVWnHQGHMIL¡YULJWNRPSHQGLHWV %HVWHPIRUVDPWOLJHHJHQY UGLHUHQEDVLVIRUGHWLOK¡UHQGHHJHQUXP − 1 (QEDVLVIRU9 ±HUnEHQEDUWV WWHW 0 1 0 1 (QEDVLVIRU9 HUnEHQEDUWV WWHW 1 , 0 0 1 %HVWHPGLPHQVLRQHQDIGHLVS¡UJVPnOIXQGQHXQGHUUXPRJXQGHUV¡J L LL LLL 8QGHUV¡JRP9 ±A9 8QGHUV¡JRP9 ±9 R 8QGHUV¡JRP9 ±9 R − 1 0 1 'D 9 (− 2 ) = VSDQ 0 RJ 9 (6 ) = VSDQ 1 , 0 VHVVWUDNVDW 1 0 1 - 42 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike GLP9 ± RJGLP9 $GL 9LVNDOEORWYLVHDWDOOHNRPELQDWLRQHUDIEDVLVYHNWRUHUIRUGHWRHJHQUXPHULQGE\UGHV RUWRJRQDOH'HWWHJ¡UHVEORWYHGDWYLVHDWVNDODUSURGXNWHUQHJLYHU − 1 0 − 1 1 1 0 0 ⋅1 = 0 ⋅0 = 0⋅1 = 0 1 0 1 1 1 0 GYVVYDUHWHUMD $OWHUQDWLYW 3nVWDQGHQI¡OJHUDIDW$HUV\PPHWULVNMINRPSHQGLHWV $GLL 9LVNDOEORWYLVHDWYHNWRUV WWHWEHVWnHQGHDIGHWUHEDVLVYHNWRUHUIUDGHHJHQUXPHU OLQH UWXDIK QJLJWIRUGHUPHGYLOGHWUHEDVLVYHNWRUHUMRGDQQHHQEDVLVIRUR LGHW GLPR 2JGHWWHHUWLOI OGHWWKL −1 0 1 −1 1 0 1 0 = 1⋅ = −2 ≠ 0 (UJRHUVYDUHWMD 1 1 1 0 1 $OWHUQDWLYW 3nVWDQGHQI¡OJHUVWUDNVDIDW$HUV\PPHWULVNMINRPSHQGLHWV 6SHNWUDOV WQLQJHQ $GLLL 'DGHWXQGHULLHUYLVWDWHJHQUXPPHQHVXPPHUWLOR PDQJOHUYLEDUHDWYLVHDW & 9 (− 2 ) 9 (6) = 0 %HYLV {} [9 ± 9 ![9 ±[9 ! − 1 0 1 − 1 0 1 ∃λ1 , λ2 , λ3 ∈ 5 : [ = λ1 ⋅ 0 ∧ [ = λ2 ⋅ 1 + λ3 ⋅ 0 <=> λ1 ⋅ 0 = λ2 ⋅ 1 + λ3 ⋅ 0 <=> 1 0 1 1 0 1 − 1 0 1 & λ1 ⋅ 0 − λ2 ⋅ 1 − λ3 ⋅ 0 = 0 1 0 1 - 43 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike − 1 0 1 'DV WWHW 0 , 1 , 0 HUOLQH UWXDIK QJLJWVnKDURYHQVWnHQGHOLJQLQJNXQpQ 1 0 1 & O¡VQLQJQHPOLJ ~ RJGHUPHGInV [ = 0 6YDUHWHUGHUIRUMD $OWHUQDWLYW 3nVWDQGHQI¡OJHUGLUHNWHDIVSHNWUDOV WQLQJHQMILL *¡UUHGHIRUDWPDWULFHQ$HUGLDJRQDOLVHUEDU 0DWUL[$HUGLDJRQDOLVHUEDUMIVSHNWUDOV WQLQJHQNRPSHQGLHWV %HVWHPHQRUWRJRQDOPDWUL[4Vn4 $4HUHQGLDJRQDOPDWUL[RJDQJLY4RJ4 0 1 − 1 %HWUDJWHJHQYHNWRUEDVHQ 1 , 0 , 0 %HP UNDWYHNWRUHUQHLGHQQHRSJDYH 0 1 1 WLOI OGLJYLVHULQGE\UGHVRUWRJRQDOHIUDVWDUWDI9DUGHWWHLNNHWLOI OGHWNDQPDQ EUXJH*UDP6FKPLGWRUWRQRUPDOLVHULQJMINRPSHQGLHWV9LVNDOVnOHGHVL 0 1 − 1 2 2 GHQQHRSJDYHNXQQRUPHUHYHNWRUHUQHRJInU 1 , 0 , 0 VnLGHWV¡MOHUQHL4 1 1 0 2 2 0 VRPEHNHQGWHUGHRUWRQRUPDOLVHUHGHHJHQYHNWRUHUInV 4 = 1 0 1 2 0 1 2 − 0 'HUYHGInV 1 2 1 2 6 0 0 LI¡OJHVSHNWUDOV WQLQJHQDW 4 $4 = 0 6 0 'D4HURUWRJRQDOKDYHVDW 0 0 − 2 −1 0 4 = 4 = 12 1 − 2 −1 0 1 2 1 2 1 0 0 %HVWHPuPDWULFHQ4 $4 - 44 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike 'D4 $4HUHQGLDJRQDOPDWUL[MIVS¡UJVPnOVnInVOHW 16 0 −1 4 −1 $4 = 0 16 0 0 ( ) 0 0 MINRPSHQGLHWV −1 2 %HVWHPWDOOHQHGHW4 $4RJGHW4 $4 9LVWDUWHUPHGDWEHVWHPPHGHW4 $4 6 0 0 0 6 0 = 6 ⋅ 6 ⋅ (− 2 ) = − 72 MINRPSHQGLHWV 0 0 −2 'D4 $4HUHQNYDGUDWLVNPDWUL[HUGHW$ GHW$ MINRPSHQGLHWV GYV det 4 −1 $4 ( ) = (det(4 −1 −1 $4 )) −1 = − 721 5 1 4 9LGHILQHUHUQXHQQ\uPDWUL[%YHG % = − 1 0 2 %HVWHPPDWULFHQ$$Â% 2 3 1 2 0 4 2 0 4 5 1 4 2 0 4 18 14 12 $ + $ ⋅ % = 0 6 0 + 0 6 0 ⋅ − 1 0 2 = 0 6 0 + − 6 0 12 = 4 0 2 4 0 2 2 3 1 4 0 2 24 10 18 20 14 16 − 6 6 12 28 10 20 %HWUDJWGHWRI¡UVWHV¡MOHYHNWRUHULPDWULFHQ$$Â%VRPYLNDOGHUF RJF *¡UUHGHIRUDW V WWHWF F HUOLQH UWXDIK QJLJW 20 14 9HNWRUHUQH − 6 RJ 6 HURSODJWLNNHSURSRUWLRQDOHHUJRHUGHOLQH UWXDIK QJLJH 28 10 *¡UUHGHIRUDW8 VSDQ^F F `HUHWXQGHUUXPDIR L %HVWHPP QJGHQDIWDOSDUDEVnDE8 - 45 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike 20 14 8 = VSDQ − 6 , 6 HUHWXQGHUUXPDIR MINRPSHQGLHWV 28 10 $GL 20 14 20 14 1 α ⋅ − 6 + β ⋅ 6 = D 'HUIRUEHWUDJWHV − 6 6 28 10 28 10 E 1 0 0 3 D + 10 * 515 E − 75 * −485 7 10 1 20 51 5 − 48 5 1 0 0 1 0 0 15−35 510 1 107 0 1 0 1 10 + 3 102 3840 + 4080 − 4560 −( ) 39168 +HUDIInVDE8 ! 20 + 6 − 107 − 1 204 − 20192−28 1 20 1 D E 1 0 0 1 0 0 6 20 − 28 20 * 201 −140 + 60 2040 = 20 − 28 20 + 6 − 192 − 204 20 + 6 204 3840D + 4080E − 4560 = 0 ! 39168 4080 17 19 3840D = −4080E + 4560 <=> D = − 3840 E + 4560 3840 = − 16 E + 16 (UJRInV {(D, E)D = −17 16 E + 19 16 } %HVWHPHQRUWRQRUPDOEDVLVIRU9 IUDVS¡UJVPnO 'DEDVLVYHNWRUHUQHL9 HU´I¡GW´RUWRJRQDOHEHK¡YHUYLLNNHDWEUXJH*UDP 6FKPLGWVRUWRJRQDOLVHULQJVPHWRGH9LVNDOEORWQRUPHUHRJInUI¡OJHQGHEDVLV 0 1 , 0 1 1 0 2 1 %HVWHPGHWRUWRJRQDOHNRPSOHPHQWWLO9 RJWLO9 ±IUDVS¡UJVPnO $G9 - 46 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike 0 1 0 [1 + 1[2 + 0 [3 = 0 [9 ! [⊥ 1 ∧ [⊥ 0 <=> 9LEHWUDJWHUGHUIRU 1[1 + 0 [2 + 1[3 = 0 0 1 0 1 0 0 1 0 1 0 1 0 1 0 0 1 0 0 6 WWHVGHUIRU[ WInV − 1 [1 − W − 1 ⊥ [ = [2 = 0 Vn 9 (6 ) = [ [ = W ⋅ 0 , W ∈ 5 = VSDQ 0 [ W 1 1 3 $G9 ± − 1 [9 ± ! [⊥ 0 <=> − [1 + [3 = 0 6 WWHVGHUIRU[ WRJ[ VInV 1 0 1 [1 V 0 1 ⊥ [ = [2 = W Vn 9 (− 2 ) = [ [ = W ⋅ 1 + V ⋅ 0 , W ∈ 5 = VSDQ 1 , 0 [ V 0 1 0 1 3 − 3 28) 9LVDWXQGHUUXPPHW8 VSDQ 6 ⊆ 9 IUDVS¡UJVPnO − 3 − 3 'D9 HUHWXQGHUUXPHUGHWQRNDWYLVHDW 6 ∈9 (6 )RJGHWWHHUNODUWLGHW − 3 − 3 0 1 6 = 6 ⋅ 1 + (− 3)⋅ 0 − 3 0 1 /DGPDWUL[$Y UHGHQWLOHQNYDGUDWLVNIRUP4K¡UHQGHPDWUL[%HVWHP$¶VGHILQLWKHGVIRUKROG ,I¡OJHVS¡UJVPnOHU$¶VHJHQY UGLHURJ±'HUIRUHU4HOOHU$LQGHILQLWMI NRPSHQGLHWV - 47 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike /DG$EHWHJQH+HVVHPDWULFHQ IRUHQIXQNWLRQIR oR.DQIY UHHQNRQYHNVHOOHUNRQNDY IXQNWLRQ" 'D+HVVHPDWULFHQHULQGHILQLWHUGHQVnOHGHVKYHUNHQSRVLWLYVHPLGHILQLWHOOHUQHJDWLY VHPLGHILQLWRJNDQGHUIRUKYHUNHQY UHNRQYHNVHOOHUNRQNDY-I0$VRJ 0$V %HWUDJWHQOLQH UDIELOGQLQJ6R oRIRUKYLONHQGHWJ OGHUDW 6H H H 6H H EDVLVIRUR 6H H H KYRUH H H EHWHJQHUGHQNDQRQLVNH L %HJUXQGNRUWDWH LNNHHUHQHJHQYHNWRUIRU6 LLL %HJUXQGDW6HUVXUMHNWLY LL %HVWHPGHQWLO6K¡UHQGHPDWUL[$PKWH H H $GL 'HWWHHUNODUWWKL6H H H NÂH NR(UJRHUH LNNHHQHJHQYHNWRUIRU6 $GLL 'DV¡MOHYHNWRUHUQHLGHQWLOK¡UHQGHPDWUL[$HUELOOHGHUQHDIGHNDQRQLVNH 2 0 4 EDVLVYHNWRUHUInVOHW $ = 0 6 0 4 0 2 $GLLL %LOOHGUXPPHWIRU$XGVS QGHVDIGHOLQH UWXDIK QJLJHV¡MOHYHNWRUHUL$'DUJ$ LIOJVS¡UJVPnOVnKDYHVDW5$ R (UJRHU6VXUMHNWLY %HWUDJWHQOLQH UDIELOGQLQJ7R oR IRUKYLONHQGHWJ OGHUDW 1 1 2 7 1 = 6 , 0 4 1 6 7 0 = 0 , 1 6 0 8 7 1 = 6 2 4 Se MA1, s. 395 for en definition af Hessematricen. - 48 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike 1 %HJUXQGNRUWDW 0 HUHQHJHQYHNWRUIRU7 1 L LL %HVWHP7H 7H RJ7H KYRUH H H EHWHJQHUGHQNDQRQLVNHEDVLVIRUR LY %HJUXQGDW7HULQMHNWLY LLL Y %HVWHPGHQWLO7K¡UHQGHPDWUL[$PKWH H H 8QGHUV¡JRP7 R oR HUHQOLQH UDIELOGQLQJRJRSVNULYLEHNU IWHQGHIDOG PDWULFHQK¡UHQGHWLO7 PKWH H H $GL 1 6 1 'HWHUNODUWWKL 7 0 = 0 = 6 0 RJGHQWLOK¡UHQGHHJHQY UGLHU 1 6 1 $GLLLLL 1 2 9LKDUDOWVnDW $ 1 = 6 , 0 4 1 6 $ 0 = 0 , 1 6 0 8 $ 1 = 6 'LVVHRSO\VQLQJHUVDPOHVWLO 2 4 1 1 0 2 6 8 HQPDWUL[OLJQLQJ 1 0 1 = 6 0 6 7UDQVSRQHUHVGHQQHOLJQLQJInV 0 1 2 4 6 4 1 1 0 2 6 4 1 0 1 $ = 6 0 6 9LEHWUDJWHUGHUIRU 0 1 2 8 6 4 1 1 0 2 6 4 −1 1 1 1 0 1 6 0 6 0 −1 0 1 2 8 6 4 0 1 1 0 1 6 0 6 0 1 −1 − 4 6 − 2 0 0 3 12 0 6 * 1 1 − 1 3 0 2 6 4 1 4 − 6 2 1 2 8 6 4 1 0 0 2 0 0 1 0 0 6 0 0 1 4 0 - 49 - 1 * −1 4 0 = ( $ 2 ( ) Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike 2 0 4 2 0 4 6n $ = $ = 0 6 0 KYRUDIYLNDQDIO VH 7 (H1 ) = 0 , 7 (H2 ) = 6 , 7 (H3 ) = 0 4 0 2 4 0 2 $GLY {} & 'DGLP17 Q±UJ$ ± MIVS¡UJVPnOKDYHVDW 1 (7 ) = 0 (UJRHU7 LQMHNWLY -INRPSHQGLHWV $GY 'D7R oR HULQMHNWLYHU7DXWRPDWLVNRJVnELMHNWLYGD7HUHQHQGRPRUILMI NRPSHQGLHWV0HQGDHU7 RJVnOLQH UMINRPSHQGLHWVPHG −61 0 $ −1 = 0 16 1 0 3 0 MIVS¡UJVPnOVRPGHQWLOK¡UHQGHDIELOGQLQJVPDWUL[ −1 6 1 3 MINRPSHQGLHWV %HWUDJWHQOLQH UDIELOGQLQJ8R oR IRUKYLONHQGHWJ OGHUDW 2 8 (H1 + H2 ) = 6 , 4 EDVLVIRUR L LL 6 8 (H1 + H3 ) = 0 , 6 8 8 (H2 + H3 ) = 6 KYRUH H H EHWHJQHUGHQNDQRQLVNH 4 %HVWHPGHQWLO8K¡UHQGHPDWUL[PKWH H H LLL *¡UUHGHIRUDW8HUHQV\PPHWULVNDIELOGQLQJ %HJUXQGNRUWDWHJHQUXPPHW9 ±HULQYDULDQWXQGHU8 $GL - 50 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike 1 1 0 'D H1 + H2 = 1 , H1 + H3 = 0 RJ H2 + 2H3 = 1 NDQPDQYHGDWVDPPHQOLJQHPHG 0 1 2 RSO\VQLQJHUQHLVS¡UJVPnOGLUHNWHVHDW7RJ8LYLUNHOLJKHGHQHUEHVNULYHUGHQ 2 0 4 VDPPHOLQH UHDIELOGQLQJ,IOJVS¡UJVPnOLLLInVGDVWUDNV $ = 0 6 0 4 0 2 $GLL 3nVWDQGHQHUNODUWULJWLJLGHWGHQWLOK¡UHQGHPDWUL[$IXQGHWXQGHULNODUWHU V\PPHWULVNMIL¡YULJW/$V WQ $GLLL − 1 6HVLGHW 9 (− 2 ) = VSDQ 0 -IVS¡UJVPnO6nKYLV[9 ±InVDW 1 − 1 − 1 8 ([ ) = −2 ⋅ [ = −2 ⋅ W ⋅ 0 = N ⋅ 0 ∈ 9 (− 2) KYLONHWMRYLVHUDW89 ±9 ± 1 1 (UJRHU9 ±LQYDULDQWXQGHU8 (ULN%HQQLNHIHEUXDU - 51 - Kompendium til Lineæ r Algebra Politstudiet, matematik, 1. årsprøve Af Erik Bennike Stikordsregister: Adjungeret afbildning .................... 18, 19, 21 Laplaces udviklingssæ tning ........... 28 Basis for underrum......................... 13, 23, 24 Lineæ r afbildning........................... 16, 18, 21 Bijektivitet ..................................... 18, 21 Lineæ r (u)afhæ ngighed .................. 12, 16, 17 Billedet af et vektorsæ t .................. 16 Lineæ r relation ............................... 12 Billedrum ....................................... 16, 17, 19 Matrixmultiplikation ...................... 5, 6, 7 Cramers formler............................. 28 Norm af vektor ............................... 2, 3 Definithed ...................................... 33, 35, 36 Norm af lineæ r afbildning.............. 19, 20 Determinant ................................... 26, 27, 37 Nulrum ........................................... 16, 17, 19 Diagonalmatrix .............................. 27, 32 Operationsmatricer......................... 10, 27 Dimension af underrum ................. 13, 14 Ortogonal matrix ............................ 24 Direkte sum.................................... 4, 14 Ortogonalt komplement ................. 15, 31 Echelonmatrix................................ 8, 10 Ortonormalt vektorsæ t ................... 14, 15 Egenrum......................................... 30 Ortogonalæ kvivalens...................... 32 Egenvæ rdi ...................................... 30, 31, 33 Principal underdeterminant ............ 35,36 Egenvæ rdimultiplicitet................... 30, 31 Rangen af en matrix ....................... 21, 22 Gram-Schmidt ortonorm................ 14 Regneregler for matricer ................ 5, 6 Grassmanns dimensionssæ tn. ........ 18, 22 Regularitet af matricer.................... 6, 7, 27 Grassmanns udskiftningssæ tn........ 13 Rodmultiplicitet ............................. 31 Homogent ligningssystem.............. 23 Ræ kkeoperationer .......................... 8, 10 Hovedunderdeterminant................. 35, 36 Skalarprodukt ................................. 2, 34 Hyperplan....................................... 3 Selvadjungeret endomorfi .............. 19 Indre produkt.................................. 2 Suppleringssæ t ............................... 12, 13 Initialettal ....................................... 8, 9 Surjektivitet.................................... 17, 18 Injektiv afbildning.......................... 17, 18 Symmetrisk afbildning ................... 19, 31, 32 Invariant underrum ........................ 31 Symmetrisk matrix ......................... 32, 34, 37 Invers matrix .................................. 10, 11 Søjleoperationer ............................. 27 Isometri .......................................... 20 Transponeret matrix ....................... 6, 7, 21 Isotrop vektor................................. 35 Udspæ nding af mæ ngde................. 3, 4 Karakteristisk polynomium............ 30, 31, 32 Underrum ....................................... 3, 4, 17 Konsistens af ligningssystemer...... 22 Vinkel mellem vektorer.................. 3 Koordinattransformation................ 23, 24 Weierstrass’ determinansæ tn. ........ 26 Kvadratisk form ............................. 34, 35 Ækvivalens af ligningssystemer..... 8 - 52 -