Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Ruimtemeetkunde deel I<br />
Lineaire Algebra<br />
Liliane Van Maldeghem Hendrik Van Maldeghem<br />
Cursus voor<br />
Latijn-Wiskunde, Wetenschappen-Wiskunde<br />
en Economie-Wiskunde
Hoofdstuk 1<br />
Reële affiene 3-ruimte<br />
1.1 Axioma’s voor een affiene 3-ruimte<br />
We beschouwen een oneindige verzameling E, waarvan de elementen punten genoemd<br />
worden, en twee soorten deelverzamelingen van E, nl. de rechten en de vlakken van E<br />
(rechten kunnen geen vlakken zijn en vlakken kunnen geen rechten zijn). Zoals in het vlak<br />
stellen we punten voor door grote letters A, B, enz. rechten door kleine letters a, b, enz.<br />
en vlakken door Griekse letters α, β, enz.<br />
Als een punt A element is van een rechte a dan zeggen we dat het punt A op de rechte<br />
a ligt of dat de rechte a door het punt A gaat, we schrijven<br />
A ∈ a<br />
en als een punt A element is van een vlak α dan zeggen we dat het punt A in het vlak<br />
α gelegen is of het vlak α gaat door het punt A, we schrijven<br />
A ∈ α.<br />
Als een rechte a deelverzameling is van een vlak α dan zeggen we dat de rechte a gelegen<br />
is in het vlak α of dat het vlak α door de rechte a gaat, we schrijven<br />
a ⊂ α.<br />
Punten van E zijn collineair als ze op eenzelfde rechte gelegen zijn.<br />
Punten van E zijn coplanair als ze in eenzelfde vlak gelegen zijn.<br />
De verzameling E heeft dan de structuur van een reële affiene 3-ruimte als en slechts als<br />
voor de rechten en de vlakken de volgende axioma’s gelden:<br />
3
4 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
(E1) Elke rechte is een oneindige echte deelverzameling van E.<br />
(E2) Door twee verschillende punten gaat juist één rechte van E.<br />
(E3) Elk vlak is een oneindige echte deelverzameling van E.<br />
(E4) Door drie niet-collineaire punten gaat juist één vlak van E.<br />
(E5) Voor elke rechte van E en elk vlak van E geldt: Heeft de rechte twee verschillende<br />
punten met het vlak gemeen, dan ligt de rechte in het vlak.<br />
(E6) Voor elke twee vlakken van E geldt: Zijn de vlakken verschillend, maar hebben ze ten<br />
minste één punt gemeen, dan is hun doorsnede een rechte van E.<br />
We zeggen dat de vlakken elkaar snijden volgens een rechte. Deze rechte noemen<br />
we de snijlijn van de twee vlakken. Noemen we de twee vlakken resp. α en β en<br />
de snijlijn s dan schrijven we<br />
α ∩ β = s.<br />
(E7) Voor elk punt van E en elke rechte van E die het punt niet bevat, bestaat juist één<br />
rechte van E die gaat door het gegeven punt, die met de gegeven rechte in eenzelfde<br />
vlak gelegen is en die met de gegeven rechte geen enkel punt gemeen heeft.<br />
Opmerking: Uit deze axioma’s volgt dadelijk, dat elk vlak van de affiene ruimte E een<br />
affien vlak is.<br />
(E8) Elk vlak van de ruimte E is een reëel affien vlak.<br />
1.2 Onderlinge ligging van twee rechten<br />
Uit axioma (E2) volgt dat twee rechten samenvallen als ze meer dan één punt gemeen<br />
hebben.<br />
Twee rechten hebben dus ofwel geen enkel punt gemeen, ofwel één punt gemeen, ofwel<br />
vallen ze samen (zie fig. 1.1).<br />
1. Hebben twee rechten a en b geen enkel punt gemeen dan kunnen zich twee gevallen<br />
voordoen:<br />
a. De rechten a en b hebben geen enkel punt gemeen en kunnen in eenzelfde vlak<br />
liggen (axioma (E7)). Die rechten worden strikt parallelle rechten genoemd.<br />
We schrijven<br />
a strikt<br />
b
1.2. ONDERLINGE LIGGING VAN TWEE RECHTEN 5<br />
Figuur 1.1: onderlinge ligging van twee rechten<br />
b. De rechten hebben geen enkel punt gemeen en kunnen niet in eenzelfde vlak<br />
liggen. De rechten worden kruisende rechten genoemd. We schrijven<br />
a b ∧ a ∩ b = φ.<br />
2. Hebben twee rechten a en b één punt gemeen dan worden ze snijdende rechten<br />
genoemd. We noemen S het snijpunt van a en b. We schrijven<br />
a ∩ b = S.<br />
3. Twee rechten a en b hebben alle punten gemeen. Het zijn samenvallende rechten.<br />
We schrijven<br />
a = b<br />
We noemen twee rechten parallel als en slechts als ze strikt parallel zijn of samenvallend<br />
zijn. We schrijven<br />
a b ⇐⇒ a strikt<br />
b ∨ a = b .<br />
Het axioma (E7) is gelijkwaardig met het parallellenpostulaat van Euclides in de ruimte nl.<br />
door elk punt A van de ruimte E gaat juist één rechte a ′ parallel met een gegeven rechte a.<br />
De rechte a ′ valt samen met a in geval het punt A op de rechte a gelegen is.<br />
Besluit voor de onderlinge ligging van twee verschillende rechten.<br />
Als twee verschillende rechten in eenzelfde vlak liggen dan zijn ze snijdend of strikt parallel.<br />
Twee kruisende rechten liggen nooit in eenzelfde vlak!
6 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
STELLING 1.1 Een vlak is volledig bepaald door één van de volgende mogelijkheden :<br />
a. drie niet collineaire punten (axioma (E4));<br />
b. twee strikt parallelle rechten;<br />
c. twee snijdende rechten;<br />
d. een rechte en een punt niet op de rechte gelegen.<br />
RM I groepswerk 1 1. Vul de volgende zinnen aan<br />
• Drie punten op eenzelfde rechte noemen we punten.<br />
• Vier punten in eenzelfde vlak noemen we punten.<br />
2. Welk axioma maakt dat elk vlak in de ruimte E op zichzelf een affien vlak is?<br />
3. Vul de volgende zin aan en maak een schets.<br />
Zijn van de drie coplanaire rechten a, b en c de rechten a en b evenwijdig en snijdt c<br />
de rechte a dan · · · · · · · · · · · · · · ·<br />
4. Vul de volgende zinnen in met altijd, soms of nooit. Geef telkens de reden en formuleer<br />
de stelling(en) die je eventueel toepast.<br />
(a) Door 4 verschillende punten gaat juist één vlak.<br />
(b) Als twee rechten elkaar niet snijden dan liggen ze in eenzelfde<br />
vlak.<br />
(c) Twee parallelle rechten bepalen een vlak.
1.3. ONDERLINGE LIGGING VAN EEN RECHTE EN EEN VLAK 7<br />
(d) Als een rechte één van twee evenwijdige rechten snijdt dan snijdt ze<br />
de andere.<br />
(e) Door een rechte gaat minstens één vlak.<br />
(f) Door twee verschillende rechten gaat juist één vlak.<br />
1.3 Onderlinge ligging van een rechte en een vlak<br />
Uit axioma (E5) volgt dat een rechte in een vlak ligt als ze met het vlak meer dan één punt<br />
gemeen heeft.<br />
Een rechte a en een vlak α hebben dus ofwel geen enkel punt gemeen ofwel één punt gemeen,<br />
ofwel ligt de rechte in het vlak (zie fig. 1.2).<br />
Figuur 1.2: onderlinge ligging van een rechte en een vlak 1
8 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
1. Een rechte a is strikt parallel met een vlak α als en slechts als de rechte en het vlak<br />
geen enkel punt gemeen hebben. We schrijven<br />
a strikt<br />
α.<br />
2. Een rechte a snijdt een vlak α als en slechts als de rechte en het vlak juist één<br />
punt gemeen hebben. We noemen S het snijpunt van de rechte a en het vlak α. We<br />
schrijven<br />
a ∩ α = S.<br />
3. Alle punten van een rechte a zijn ook punten van het vlak α: de rechte a ligt in het<br />
vlak α. We schrijven<br />
a ⊂ α.<br />
Een rechte is parallel met een vlak als en slechts als de rechte strikt parallel is met het<br />
vlak of de rechte ligt in het vlak. We schrijven<br />
Stellingen<br />
a α ←→ a strikt<br />
α ∨ a ⊂ α .<br />
STELLING 1.2 Als een rechte evenwijdig is met een vlak en een punt gemeen heeft met<br />
dat vlak dan ligt ze in dat vlak.<br />
Met symbolen:<br />
a α<br />
A ∈ α<br />
<br />
=⇒ a ⊂ α<br />
STELLING 1.3 Een rechte is parallel met een vlak als en slechts als de rechte parallel is<br />
met ten minste één rechte van het vlak (zie fig. 1.3).<br />
Met symbolen:<br />
a α ⇐⇒ ∃a ′ :<br />
a ′ ⊂ α<br />
a ′ a<br />
STELLING 1.4 Snijdt één van twee evenwijdige rechten een vlak dan snijdt de andere<br />
ook het vlak (zie fig. 1.4).
1.3. ONDERLINGE LIGGING VAN EEN RECHTE EN EEN VLAK 9<br />
Met symbolen<br />
Figuur 1.3: onderlinge ligging van een rechte en een vlak 2<br />
a b<br />
a ∩ α = {A}<br />
<br />
=⇒ b ∩ α = {B}<br />
STELLING 1.5 Is één van twee evenwijdige rechten evenwijdig met een vlak dan is de<br />
andere ook evenwijdig met dat vlak (zie fig. 1.4).<br />
Met symbolen<br />
a b<br />
a α<br />
<br />
=⇒ b α<br />
STELLING 1.6 Als twee rechten evenwijdig zijn met eenzelfde rechte dan zijn ze onderling<br />
evenwijdig.<br />
Met symbolen<br />
a c<br />
b c<br />
<br />
=⇒ a b<br />
STELLING 1.7 Parallellisme van rechten is een equivalentierelatie in de verzameling van<br />
de rechten van E.<br />
Bewijs: De evenwijdigheid van rechten voldoet aan drie eigenschappen van een equivalentierelatie.
10 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
Figuur 1.4: onderlinge ligging van een rechte en een vlak 3<br />
1. Elke rechte is evenwijdig met zichzelf omdat samenvallende rechten ook evenwijdige<br />
rechten zijn (de reflectieve eigenschap).<br />
2. Als een rechte evenwijdig is met een andere rechte dan is die ander rechte ook evenwijdig<br />
met de eerste rechte (de symmetrische eigenschap).<br />
3. Als twee rechten evenwijdig zijn met een derde rechte dan zijn ze onderling evenwijdig<br />
(de transitieve eigenschap).<br />
Een equivalentierelatie tussen elementen van een verzameling doet in die verzameling een<br />
partitie ontstaan, i.e. een verdeling van de verzameling in parten die geen elementen met<br />
elkaar gemeen hebben en waarvan de unie de volledige verzameling oplevert (te vergelijken<br />
met de partjes van een sinaasappel). Deze parten worden de equivalentieklassen van de<br />
equivalentierelatie genoemd.<br />
Deze stelling laat de volgende definities toe. De richting van de rechte a is de verzameling<br />
van alle rechten parallel met a d.i. de equivalentieklasse van de rechte a voor de relatie van<br />
parallellisme van rechten. De rechte a wordt een vertegenwoordiger of representant<br />
van de equivalentieklasse genoemd dus een representant van de richting.<br />
Opmerking:<br />
• Als een rechte parallel is met een vlak dan is ze parallel met oneindig veel rechten van<br />
dat vlak, die alle behoren tot eenzelfde richting van rechten.
1.3. ONDERLINGE LIGGING VAN EEN RECHTE EN EEN VLAK 11<br />
• Elke rechte parallel met een vlak bepaalt een richting van rechten in het vlak en in<br />
de ruimte. Zo zijn er oneindig veel richtingen van rechten bepaald door de rechten<br />
evenwijdig met het vlak.<br />
RM I groepswerk 2 Vul de volgende zinnen in met altijd, soms of nooit. Geef telkens<br />
de reden en formuleer de stelling(en) die je eventueel toepast.<br />
1. Als drie verschillende rechten concurrent zijn dan liggen ze in eenzelfde<br />
vlak.<br />
2. Als een rechte evenwijdig is met een vlak dan is ze evenwijdig met<br />
elke rechte van dat vlak.<br />
3. Als twee rechten evenwijdig zijn met eenzelfde vlak dan zijn ze<br />
onderling evenwijdig.<br />
4. Een rechte evenwijdig met de snijlijn van twee vlakken is evenwijdig<br />
met beide vlakken.
12 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
1.4 Onderlinge ligging van twee vlakken<br />
Figuur 1.5: onderlinge ligging van twee verschillende vlakken<br />
Voor twee gegeven vlakken doet zich juist één van de volgende drie mogelijkheden voor (zie<br />
fig. 1.5):<br />
1. Twee vlakken α en β van E heten strikt parallel als en slechts als ze geen enkel punt<br />
gemeen hebben. We schrijven<br />
α strikt<br />
β.<br />
2. Hebben twee verschillende vlakken ten minste één punt gemeen dan hebben ze een<br />
rechte door dat punt gemeen (axioma (E6)). In dit geval spreekt men van snijdende<br />
vlakken α en β met snijlijn α ∩ β = s.<br />
3. Hebben twee vlakken tenminste drie niet-collineaire punten gemeen dan vallen ze<br />
samen (E4).<br />
Twee vlakken α en β zijn parallel als en slechts als ze strikt parallel zijn of als ze<br />
samenvallend zijn. We schrijven<br />
α β ⇐⇒ α strikt<br />
β ∨ α = β .<br />
Belangrijke opmerking: In de ruimte wordt een rechte bepaald door twee verschillende<br />
punten of door twee snijdende vlakken
1.4. ONDERLINGE LIGGING VAN TWEE VLAKKEN 13<br />
Stellingen<br />
STELLING 1.8 Is een rechte parallel met elk van twee snijdende vlakken dan is ze parallel<br />
met de snijlijn van de twee vlakken (zie fig. 1.6).<br />
Met symbolen<br />
a α<br />
a β<br />
α ∩ β = s<br />
⎫<br />
⎬<br />
=⇒ a s<br />
⎭<br />
Figuur 1.6: Rechte evenwijdig met twee snijdende vlakken<br />
Gevolgen van deze stelling voor de onderlinge stand van twee rechten :<br />
GEVOLG 1.1 Is een rechte a parallel met een vlak α en brengt men door a een vlak β<br />
aan die α snijdt, dan is de snijlijn van α en β parallel met a.<br />
Met symbolen<br />
a α<br />
a ⊂ β<br />
α ∩ β = s<br />
⎫<br />
⎬<br />
=⇒ a s<br />
⎭<br />
GEVOLG 1.2 Zijn twee rechten a en b gelegen in resp. twee snijdende vlakken β en α en<br />
zijn ze evenwijdig dan zijn ze noodzakelijk evenwijdig met de snijlijn c van α en β.
14 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
Figuur 1.7: evenwijdige rechten in snijdende vlakken - onderlinge ligging van 3 vlakken<br />
Met symbolen<br />
Bewijs:zelf<br />
a b<br />
a ⊂ β<br />
b ⊂ α<br />
α ∩ β = c<br />
⎫<br />
⎪⎬<br />
=⇒ a b c<br />
⎪⎭<br />
GEVOLG 1.3 Zijn twee rechten a en b gelegen in resp. twee snijdende vlakken β en α en<br />
zijn ze snijdend dan snijden ze elkaar op de snijlijn c van α en β.<br />
Met symbolen<br />
a ∩ b = {S}<br />
a ⊂ β<br />
b ⊂ α<br />
α ∩ β = c<br />
⎫<br />
⎪⎬<br />
=⇒ S ∈ c<br />
⎪⎭
1.4. ONDERLINGE LIGGING VAN TWEE VLAKKEN 15<br />
Figuur 1.8: snijdende rechten in snijdende vlakken - onderlinge ligging van 3 vlakken<br />
Belangrijke opmerking voor de onderlinge ligging van drie verschillende<br />
vlakken:<br />
Aangezien twee strikt parallelle rechten of twee snijdende rechten een vlak γ bepalen, verkrijgen<br />
we hier twee gevallen voor de onderlinge ligging van drie vlakken. Het derde geval<br />
is een limietgeval van het tweede geval.<br />
(i) In het geval de rechten a en b elkaar snijden, verkrijgen we het algemeen geval<br />
voor de onderlinge ligging van 3 vlakken, nl. dat ze elkaar snijden in een<br />
punt S. De drie vlakken α, β en γ snijden elkaar twee aan twee volgens drie rechten<br />
a, b en c die elkaar snijden in S (zie figuur 1.8).<br />
Met symbolen<br />
β ∩ γ = a<br />
γ ∩ α = b<br />
α ∩ β = c<br />
⎫<br />
⎬<br />
∧ a ∩ b ∩ c = {S}<br />
⎭<br />
(ii) In geval de rechten a en b strikt evenwijdig zijn, verkrijgen we het geval dat de drie<br />
vlakken α, β en γ geen enkel punt gemeen hebben en elkaar twee aan twee snijden<br />
volgens strikt parallelle rechten a, b en c (zie figuur 1.7).<br />
Met symbolen<br />
β ∩ γ = a<br />
γ ∩ α = b<br />
α ∩ β = c<br />
⎫<br />
⎬<br />
⎭<br />
∧ a strikt<br />
b strikt<br />
c strikt<br />
a<br />
(iii) In geval de rechten a en b samenvallen, dan vallen ze samen met de snijlijn c van α<br />
en β en verkrijgen we het geval dat de drie vlakken α, β en γ elkaar snijden volgens<br />
een rechte (zie figuur 1.7).<br />
Met symbolen<br />
β ∩ γ = a<br />
γ ∩ α = b<br />
α ∩ β = c<br />
⎫<br />
⎬<br />
∧ a = b = c<br />
⎭
16 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
GEVOLG 1.4 Zijn twee rechten a en b gelegen in resp. twee snijdende vlakken en zijn ze<br />
kruisend dan snijden ze de snijlijn van de twee vlakken in resp. twee verschillende punten<br />
of snijdt de ene rechte de snijlijn en is de andere rechte parallel met de snijlijn.<br />
Met symbolen<br />
⎫<br />
a ∩ b = φ ⎧<br />
a b ⎪⎬ ⎨ a ∩ s = {A}<br />
a ⊂ α =⇒ b ∩ s = {B}<br />
⎩<br />
b ⊂ β ⎪⎭<br />
A = B<br />
α ∩ β = s<br />
∨<br />
a ∩ s = {A}<br />
b s<br />
∨<br />
a s<br />
b ∩ s = {B}<br />
In geval a ∩ s = {A} en b ∩ s = {B} wordt de rechte s = AB een steunrechte van de<br />
kruisende rechten genoemd.<br />
Figuur 1.9: kruisende rechten in snijdende vlakken<br />
STELLING 1.9 Zijn twee vlakken parallel, dan is elke rechte van het ene vlak parallel met<br />
het andere vlak.<br />
Met symbolen<br />
α β<br />
a ⊂ α<br />
<br />
=⇒ a β<br />
STELLING 1.10 Twee vlakken zijn parallel als twee snijdende rechten van het ene vlak<br />
parallel zijn met resp. twee rechten van het tweede vlak.
1.4. ONDERLINGE LIGGING VAN TWEE VLAKKEN 17<br />
Met symbolen<br />
a1 ⊂ α b1 ⊂ β a1 b1<br />
a2 ⊂ α b2 ⊂ β a2 b2<br />
a1 ∩ a2 = {A}<br />
⎫<br />
⎬<br />
=⇒ α β<br />
⎭<br />
Deze stelling gebruiken we om aan te tonen dat twee vlakken evenwijdig zijn, zie ook fig.<br />
1.11.<br />
STELLING 1.11 Snijdt een rechte één van twee parallelle vlakken dan snijdt ze ook het<br />
andere vlak (zie fig. 1.10).<br />
Met symbolen<br />
α β<br />
a ∩ α = {A}<br />
<br />
=⇒ a ∩ β = {B}<br />
STELLING 1.12 Is een rechte parallel met één van twee parallelle vlakken dan is ze ook<br />
parallel met het andere vlak (zie fig. 1.10).<br />
Met symbolen<br />
α β<br />
a α<br />
<br />
=⇒ a β<br />
Figuur 1.10: ligging van een rechte tov. twee strikt parallelle vlakken<br />
STELLING 1.13 Snijdt een vlak één van twee evenwijdige vlakken dan snijdt ze ook het<br />
andere, en de snijlijnen zijn evenwijdig (zie fig. 1.10).
18 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
Met symbolen<br />
Figuur 1.11: niet-snijdende rechten in strikt evenwijdige vlakken<br />
α β<br />
γ ∩ α = a<br />
<br />
=⇒<br />
γ ∩ β = b<br />
a b<br />
Gevolg van de stellingen voor de onderlinge stand van twee rechten :<br />
GEVOLG 1.5 Als twee rechten gelegen zijn in resp. twee strikt evenwijdige vlakken dan<br />
zijn ze verschillend en niet-snijdend dwz. ze zijn ofwel strikt evenwijdig ofwel kruisend.<br />
STELLING 1.14 Als twee vlakken parallel zijn met eenzelfde vlak dan zijn ze onderling<br />
parallel.<br />
Met symbolen<br />
α β<br />
γ α<br />
<br />
=⇒ γ β<br />
Belangrijke opmerking voor de onderlinge ligging van drie verschillende<br />
vlakken:<br />
(iv) Twee vlakken α en β zijn strikt parallel, het derde vlak γ snijdt α en β volgens<br />
evenwijdige snijlijnen resp. b en a (zie fig. 1.12 rechts).<br />
Met symbolen<br />
α ∩ β = φ<br />
β ∩ γ = a<br />
γ ∩ α = b<br />
⎫<br />
⎬<br />
⎭<br />
=⇒ a strikt<br />
b
1.4. ONDERLINGE LIGGING VAN TWEE VLAKKEN 19<br />
(v) De drie vlakken α, β en γ zijn twee aan twee strikt parallel (zie fig. 1.12 links).<br />
Met symbolen<br />
α strikt<br />
β strikt<br />
γ strikt<br />
α<br />
Figuur 1.12: ligging van een vlak tov. twee strikt parallelle vlakken<br />
STELLING 1.15 Door elk punt gaat juist één vlak parallel met een gegeven vlak.<br />
STELLING 1.16 Parallellisme van vlakken is een equivalentierelatie in de verzameling<br />
van de vlakken van E.<br />
Deze stelling laat de volgende definitie toe. De richting van een vlak is de verzameling<br />
van alle vlakken parallel met dat vlak d.i. de equivalentieklasse van het gegeven vlak voor<br />
de relatie van parallellisme van vlakken in E.<br />
STELLING 1.17 Door elk punt gaan oneindig veel rechten parallel met een gegeven vlak.<br />
Deze rechten vormen een stralenbundel met top het gegeven punt en liggen allemaal in een<br />
vlak evenwijdig met het gegeven vlak.
20 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
Belangrijke opmerking:<br />
• Als twee rechten kruisend zijn kunnen we steeds door de ene rechte een vlak aanbrengen<br />
parallel met de andere rechte. Zo bekomen we twee strikt parallelle vlakken. Deze<br />
vlakken bepalen een richting van vlakken die we de richting van vlakken bepaald<br />
door de kruisende rechten noemen.<br />
Zijn twee rechten snijdend dan vallen deze parallelle vlakken samen met het vlak<br />
bepaald door deze snijdende rechten.<br />
• Wat kunnen we uit een tekening in het vlak afleiden omtrent de onderlinge<br />
ligging van twee rechten:<br />
Zien we op een tekening in het vlak dat<br />
1. twee rechten snijdend zijn dan zijn deze rechten in werkelijk snijdend of kruisend.<br />
2. twee rechten evenwijdig zijn dan zijn deze rechten in werkelijk kruisend of strikt<br />
evenwijdig.<br />
3. twee rechten samenvallend zijn dan zijn deze rechten in werkelijk snijdend of<br />
evenwijdig.<br />
Dit wordt bewezen in de paragraaf over projecties van twee rechten.<br />
RM I groepswerk 3 1. Formuleer de drie verschillende eigenschappen van een equivalentierelatie<br />
voor de evenwijdigheid van vlakken.<br />
Vul de volgende zinnen in met altijd, soms of nooit. Geef telkens de reden en formuleer<br />
de stelling(en) die je eventueel toepast.<br />
(a) Als twee vlakken niet parallel zijn dan zijn ze snijdend.
1.4. ONDERLINGE LIGGING VAN TWEE VLAKKEN 21<br />
(b) Als één van twee snijdende rechten parallel is met een vlak dan is de andere<br />
rechte parallel met dat vlak.<br />
(c) Twee vlakken zijn evenwijdig als twee snijdende rechten van<br />
het ene vlak evenwijdig zijn met het andere vlak.<br />
(d) Een vlak evenwijdig met de snijlijn van twee vlakken is evenwijdig<br />
met beide vlakken.<br />
(e) Door een rechte gaat één vlak parallel met een gegeven vlak.<br />
(f) Door elk van twee kruisende rechten kunnen we een vlak aanbrengen,<br />
zó dat beide vlakken parallel zijn.<br />
(g) Als twee vlakken evenwijdig zijn en men door een punt van het eerste vlak een<br />
rechte trekt parallel met het tweede vlak dan ligt die rechte in<br />
het eerste vlak.<br />
(h) Door een punt gaat juist één rechte parallel met een gegeven<br />
vlak.
22 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
(i) Als twee vlakken evenwijdig zijn met eenzelfde rechte dan zijn ze<br />
onderling evenwijdig.<br />
2. De snijpunten van twee strikt parallelle rechten en twee strikt parallelle vlakken zijn<br />
de hoekpunten van een parallellogram. Welke vlakke figuur krijgen we als we twee<br />
snijdende rechten snijden met twee strikt parallelle vlakken? Maak een schets voor<br />
elk van de 3 mogelijkheden.<br />
3. Gegeven: twee parallelle vlakken α en β , twee punten A en B van β , een punt C<br />
van α, een rechte l van α, de rechte m door B parallel met AC.<br />
Construeer:<br />
(a) het snijpunt van α en m;<br />
(b) het snijpunt van vl(A, B, C) en l.
1.4. ONDERLINGE LIGGING VAN TWEE VLAKKEN 23<br />
4. Gegeven: twee snijdende vlakken α en β en hun snijlijn s, twee punten A en B van α.<br />
Construeer: het snijpunt van AB en β.<br />
5. Construeer een rechte die door een gegeven punt gaat, een gegeven rechte snijdt en<br />
evenwijdig is met een gegeven vlak.<br />
(a) Beschouw eerst een algemene ligging van de gegevens: de gegeven rechte snijdt<br />
het gegeven vlak en het punt P ligt niet op die rechte of in dat vlak. Maak een<br />
schets daarvan.<br />
(b) Hoe liggen de gegeven elementen t.o.v. van elkaar opdat er geen enkele oplossing<br />
mogelijk is en opdat er oneindig veel oplossingen mogelijk zijn? Maak in die<br />
twee gevallen een schets.
24 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
Affiene stellingen van Desargues<br />
Twee perspectieve driehoeken zijn twee driehoeken waarvan de verbindingslijnen van<br />
overeenkomstige hoekpunten verschillend en concurrent zijn of evenwijdig.<br />
STELLING 1.18 (Stellingen van Desargues)<br />
1. Zijn van twee perspectieve driehoeken twee paren overeenkomstige zijlijnen parallel<br />
dan is het derde paar overeenkomstige zijlijnen parallel.<br />
2. Zijn overeenkomstige zijlijnen van twee driehoeken twee aan twee parallel dan zijn de<br />
driehoeken perspectieve driehoeken.<br />
RM I groepswerk 4 Gegeven zijn twee rechten a en b die elkaar snijden buiten het kader<br />
van de tekening. Construeer de rechte c door een punt P en door het snijpunt van a en b.<br />
1.5 Constructie van de snijlijn van twee snijdende vlakken<br />
1. Gegeven:<br />
Gevraagd:<br />
α ∩ β = s,<br />
A, B ∈ β , C ∈ α en A, B, C ∈ s.<br />
vl(A, B, C) ∩ α.
1.5. CONSTRUCTIE VAN DE SNIJLIJN VAN TWEE SNIJDENDE VLAKKEN 25<br />
Oplossing: De vlakken α en vl(A, B, C) zijn verschillende vlakken en hebben het punt<br />
C gemeen (zie fig. 1.14). De snijlijn x is een rechte door C. Om de snijlijn x te<br />
kunnen tekenen moeten we ofwel een tweede punt van x bepalen ofwel de richting van<br />
x kennen.<br />
• Is AB / s dan is het snijpunt S van AB en s het tweede gemeenschappelijk<br />
punt van α en vl(A, B, C). De gevraagde snijlijn is CS (zie ook gevolg 1.3 op<br />
p. 14). De rechte CS is direct te tekenen op voorwaarde dat het punt S binnen<br />
het kader van de tekening valt.<br />
Valt S buiten het kader van de tekening dan steunen we op de stelling van<br />
Desargues om de rechte x te tekenen. Daartoe tekenen we twee perspectieve<br />
driehoeken ACD en BEF met D, F ∈ s. De rechte CE is de gevraagde snijlijn<br />
(zie fig. 1.13).<br />
Figuur 1.13: snijlijn van twee vlakken 1
26 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
• Is AB s dan is x AB, want is een rechte a parallel met een vlak α dan is ze<br />
parallel met de snijlijn van α en elk vlak door a dat α snijdt (zie ook gevolg 1.2<br />
op p. 13).<br />
Figuur 1.14: snijlijn van twee vlakken 2<br />
2. Gegeven: vlak α, punten A, B /∈ α en C ∈ α.<br />
Gevraagd:<br />
vl(A, B, C) ∩ α.<br />
Oplossing: Deze opgave herleidt zich tot de voorgaande opgave als we eerst door de<br />
rechte AB een vlak β aanbrengen, dat α snijdt. Vervolgens bepalen we de snijlijn s<br />
van α en β. Tenslotte passen we de constructie toe uit de voorgaande opgave. Het<br />
vlak β noemen we hier een hulpvlak.<br />
RM I groepswerk 5 1. Hier is de doorsnede getekend van een kubus met een vl(P QR)<br />
door enkel rechten te snijden en punten te verbinden. Welke hulpvlakken worden hier<br />
telkens gebruikt? Welke veelhoek vormt deze doorsnede. Welke zijden zijn evenwijdig?
1.5. CONSTRUCTIE VAN DE SNIJLIJN VAN TWEE SNIJDENDE VLAKKEN 27<br />
2. Teken de doorsnede van de kubus met het vl(P QR) door enkel rechten te snijden en<br />
punten te verbinden.
28 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE
1.5. CONSTRUCTIE VAN DE SNIJLIJN VAN TWEE SNIJDENDE VLAKKEN 29<br />
3. Hier is de doorsnede getekend van een piramide met een vl(P QR) door enkel rechten<br />
te snijden en punten te verbinden. We bekomen die doorsnede door eerst de snijlijn<br />
te tekenen van vl(P QR) met het grondvlak van de piramide.<br />
4. Teken de doorsnede van de piramide met het vl(P QR) door enkel rechten te snijden<br />
en punten te verbinden. Teken eerst de snijlijn van vl(P QR) en het grondvlak van<br />
de piramide.
30 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
1.6 Enkele opgaven ivm. kruisende rechten<br />
Figuur 1.15: kruisende rechten 1<br />
1. Gegeven: Een punt A niet gelegen op een rechte b, α = vl(A, b) en B is een punt niet<br />
gelegen in α.<br />
Te bewijzen: AB en b zijn kruisende rechten.<br />
Bewijs: Onderstel dat AB en b in eenzelfde vlak β gelegen zijn, dan vallen α en β<br />
samen want ze zijn allebei bepaald door b en A. Hieruit volgt dat B ∈ α, wat in strijd<br />
is met het gegeven.<br />
2. Gegeven: a en b zijn kruisende rechten,<br />
Te Bewijzen: AB kruist A ′ B ′ .<br />
A, A ′ ∈ a, A = A ′ ,<br />
B, B ′ ∈ b, B = B ′ .<br />
Bewijs: analoog met het voorgaande bewijs.<br />
Een ander bewijsje: De vlakken α = vl(a,AB) en β = vl(b,A’B’) snijden elkaar<br />
volgens A ′ B. De rechten a en b snijden deze snijlijn in resp. de punten A ′ en B die<br />
verschillend zijn van elkaar.<br />
3. Gegeven: a kruist b en b α.<br />
Gevraagd: Is a dan snijdend met α?<br />
4. Hoeveel rechten snijden tegelijk twee kruisende rechten a en b?
1.6. ENKELE OPGAVEN IVM. KRUISENDE RECHTEN 31<br />
5. Hoeveel rechten gaan door een gegeven punt en steunen op twee kruisende rechten?<br />
Constructie van een rechte door P die a en b snijdt. Deze rechte gaan we in de ruimte<br />
bepalen als de doorsnede van twee vlakken, die resp. de rechten a en b bevatten.<br />
We veronderstellen dat P geen punt is van a en ook geen punt van b. De rechte a en<br />
het punt P bepalen dan een vlak α en de rechte b en het punt P bepalen een vlak β.<br />
De vlakken α en β hebben het punt P gemeenschappelijk.<br />
We kunnen twee gevallen onderscheiden (zie fig. 1.16):<br />
(a) α ∩ β = s en P ∈ s.<br />
a. Algemeen geval: s snijdt b en s snijdt a. We hebben hier één oplossing, nl.<br />
s.<br />
b. s b maar dan snijdt s rechte a (a en b zijn kruisend)<br />
of s a maar dan snijdt s rechte b (a en b zijn kruisend).<br />
Het geval b. betekent dat één van de kruisende rechten evenwijdig is met het<br />
vlak bepaald door de andere rechte en het punt P of dat één van de vlakken α<br />
of β behoort tot de richting van vlakken bepaald door de kruisende rechten a<br />
en b. Een rechte door P die steunt op de ene rechte kan de andere rechte nooit<br />
snijden. We hebben hier geen oplossingen.<br />
Figuur 1.16: kruisende rechten 2<br />
(b) α = β.<br />
In dit geval liggen a en b in eenzelfde vlak. Dit is in strijd met het gegeven dat<br />
a en b kruisende rechten zijn.
32 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
Veronderstellen we P ∈ a of P ∈ b, dan hebben we door P een bundel steunrechten.<br />
6. Hoeveel rechten zijn evenwijdig met een gegeven rechte en steunen op twee kruisende<br />
rechten?<br />
Constructie van een steunrechte van a en b en parallel met c.<br />
We veronderstellen dat c niet parallel is met a en ook niet met b. Door a gaat juist<br />
één vlak α parallel met c en door b gaat juist één vlak β parallel met c. De vlakken<br />
α en β zijn beide parallel met de rechte c, want een rechte is parallel met een vlak als<br />
die rechte parallel is met minstens één rechte van dat vlak.<br />
We kunnen twee gevallen onderscheiden (zie fig. 1.17):<br />
(a) Algemeen geval: α ∩ β = s en s c (zie fig. 1.17a).<br />
De rechte s snijdt a, want a en s liggen in eenzelfde vlak en zijn niet-parallel.<br />
Analoog snijdt s ook b. We hebben hier één oplossing, nl. s.<br />
(b) α ∩ β = φ (zie fig. 1.17b).<br />
In dit geval zijn er geen oplossingen. De rechte c is parallel met de richting van<br />
vlakken bepaald door de kruisende rechten a en b.<br />
Veronderstellen we c a of c b, dan zijn er dus ook geen oplossingen.<br />
Opmerking: In 5 en 6 hebben we een steunrechte geconstrueerd van twee kruisende rechten.<br />
Eigenlijk moeten we nog bewijzen dat er hoogstens één steunrechte is.
1.6. ENKELE OPGAVEN IVM. KRUISENDE RECHTEN 33<br />
Figuur 1.17: kruisende rechten 3, a en b<br />
Bewijs: We voeren een bewijsje uit het ongerijmde. Stel dat er twee verschillende steunrechten<br />
van a en b zijn die door een punt P gaan (die parallel zijn met c) dan bepalen deze<br />
twee steunrechten een vlak α, want twee snijdende rechten (parallelle rechten) bepalen een<br />
vlak. De rechten a en b hebben met α elk twee verschillende punten gemeen. Ze liggen<br />
dus allebei in α. Dit is in strijd met het gegeven dat a en b kruisende rechten zijn. De<br />
onderstelling is vals, er gaat dus hoogstens één steunrechten door een punt P (parallel met<br />
c). <br />
Besluit voor 5 en 6 : Als één van twee kruisende rechten parallel is met het vlak bepaald<br />
door de andere rechte en het gegeven punt (evenwijdig met de gegeven derde rechte) dan<br />
bestaat er door dat punt (evenwijdig met die derde rechte) geen steunrechte van de kruisende<br />
rechten. Is dit niet het geval dan betaat er door dat punt (evenwijdig met die derde rechte)<br />
juist één steunrechte van de kruisende rechten.<br />
Voor 6 kunnen we het besluit nog anders formuleren: Onder alle steunrechten van twee<br />
kruisende rechten is er geen enkele die parallel is met een vlak van de richting van vlakken<br />
bepaald door de kruisende rechten. Voor elke andere richting van rechten bestaat er juist<br />
één steunrechte van de twee kruisende rechten.
34 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
RM I groepswerk 6 1. Construeer de steunrechte van a en b door het punt P<br />
2. Hoeveel rechten zijn evenwijdig met twee gegeven snijdende vlakken en steunen op<br />
twee kruisende rechten?<br />
3. Hoeveel rechten steunen op vier rechten a, b, c en d als a en b snijdend zijn, alsook c<br />
en d? Elk van de rechten a en b zijn kruisend met elk van de rechten c en d.
1.6. ENKELE OPGAVEN IVM. KRUISENDE RECHTEN 35<br />
4. Hier zie je de constructie van een steunrechte van drie 2 aan 2 kruisende rechten a, b<br />
en c. Verklaar deze constructie. Hoeveel steunrechten zijn er mogelijk?<br />
5. * Construeer een rechte die twee gegeven vlakken en twee gegeven rechten snijdt.<br />
6. * Construeer een rechte die vier gegeven rechten, waarvan er twee elkaar snijden,<br />
snijdt.
36 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
RM I HUISTAAK 1 1. Formuleer de stellingen waarmee we in oefeningen kunnen<br />
bewijzen dat<br />
(a) twee rechten parallel zijn;<br />
(b) twee vlakken parallel zijn;<br />
(c) een rechte en een vlak parallel zijn.<br />
2. Gegeven: twee strikt parallelle vlakken α en β , twee punten A en B van α, een punt<br />
C van β en een punt S van ]B, C[.<br />
Construeer: het snijpunt van AS en β<br />
3. Hoeveel rechten snijden terzelfdertijd drie gegeven twee aan twee kruisende rechten?<br />
Breng door die drie rechten vlakken aan die elkaar snijden volgens een rechte.<br />
4. Construeer een rechte x die in een gegeven vlak α ligt, een gegeven rechte a snijdt en<br />
evenwijdig is met een gegeven vlak β = α. Vermeld de stellingen die je toepast.<br />
5. * Hoeveel steunrechten van twee kruisende rechten zijn er die parallel zijn met een<br />
gegeven vlak? Wanneer zijn er helemaal geen steunrechten?
1.7. PARALLELPROJECTIES VAN E 37<br />
1.7 Parallelprojecties van E<br />
1.7.0.1 Definities<br />
We beschouwen een vlak Π en een rechte d waarvoor geldt<br />
Π ∩ d = {D}<br />
De parallelprojectie van E op het vlak Π volgens de richting van de rechte d,<br />
d /Π, is de transformatie van E, waarbij een punt P van E wordt afgebeeld op een punt P ′<br />
van Π dat het snijpunt is van de rechte door P parallel met d en het vlak Π (zie fig. 1.18).<br />
Met symbolen: p d Π : E −→ E : P ↦−→ P ′ ∈ Π<br />
Het vlak Π wordt het projectievlak genoemd.<br />
Opmerking: Een punt P ′ van Π is het beeld van oneindig veel punten, nl. van alle punten<br />
van de rechte door P ′ parallel met d.<br />
Figuur 1.18: parallelprojecties van een punt P<br />
De parallelprojectie van E op de rechte d volgens de richting van het vlak Π,<br />
Π /d, is de transformatie van E, waarbij een punt P van E wordt afgebeeld op een punt P ′′<br />
van d, dat het snijpunt is met d van het vlak door P parallel met Π.<br />
Met symbolen: p Π d : E −→ E : P ↦−→ P ′′ ∈ d.
38 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
Opmerking: Een punt P ′′ van d is het beeld van oneindig veel punten, nl. van alle punten<br />
van het vlak door P ′′ parallel met Π.<br />
Het punt P vormt met het snijpunt {D} = Π ∩ d, zijn projectie P ′ op het vlak Π en zijn<br />
projectie P ′′ op de rechte d een parallellogram P P ′ DP ′′ . (zie fig. 1.18).<br />
1.7.0.2 Het beeld van een rechte onder een parallelprojectie<br />
Figuur 1.19: duid de projecties aan van a, P , Q en A met Q ∈vl((x, d)<br />
1. De rechte a snijdt Π en is niet evenwijdig met d (algemene stand t.o.v. Π en d)<br />
a ∩ Π = {S} ∧ a d<br />
• Het punt S wordt in zichzelf geprojecteerd vermits het een punt is van Π. Een<br />
ander punt A van a wordt in een punt A ′ ∈ Π geprojecteerd en AA ′ d. Het<br />
vlak(a, AA ′ ) = α is het vlak door a evenwijdig met d.<br />
α ∩ Π = SA ′<br />
De projectie P ′ op Π van elk ander punt P van a ligt op SA ′ omdat P P ′ evenwijdig<br />
is met α en een punt P gemeen heeft met α. We noemen α het projecterend<br />
vlak op Π door de rechte a.<br />
Besluit: Om de projectie van een rechte a op een vlak Π te bepalen, hebben we<br />
twee mogelijkheden
1.7. PARALLELPROJECTIES VAN E 39<br />
– de projectie a ′ wordt bepaald door twee punten nl. de projecties van twee<br />
verschillende punten van a.<br />
– wde projectie a ′ wordt bepaald als snijlijn van twee vlakken, nl. het projecterend<br />
vlak α door a en het projectievlak Π.<br />
Is in het bijzonder a snijdend met d dan is α = vlak(a, d) het projecterend vlak<br />
en de projectie a ′ is een rechte door D. Teken dit geval bij op figuur 1.19<br />
• de projectie van de rechte a op d is de rechte d zelf.<br />
2. De rechte a is evenwijdig met d . Teken dit geval bij op figuur 1.19<br />
a d<br />
• de projectie van de rechte a op Π is het punt S, dat het snijpunt van de rechte<br />
a met het projectievlak Π. Alle punten van a worden op hetzelfde punt S van Π<br />
geprojecteerd. Hier gaan oneindig veel projecterende vlakken door a omdat elk<br />
vlak door a evenwijdig is met d.<br />
• de projectie van de rechte a op d is de rechte d zelf.<br />
3. De rechte a is evenwijdig met Π<br />
• de projectie van de rechte a op Π is een rechte a ′ parallel met a. Inderdaad, het<br />
projecterend vlak door a snijdt Π volgens a ′ evenwijdig met a omdat a evenwijdig<br />
is met Π.<br />
Besluit: Is een rechte a parallel met het projectievlak dan moeten we enkel de<br />
projectie A ′ zoeken van één punt van a. De projectie van a is dan de rechte a ′<br />
door A ′ evenwijdig met a.<br />
• de projectie van de rechte a op d is het punt A ′′ dat het snijpunt is van d met<br />
het vlak Π ′ door a parallel met Π. Alle punten van Π ′ worden op hetzelfde punt<br />
A ′′ van d geprojecteerd.<br />
Is in het bijzonder a snijdend met d dan is de projectie van a op d het snijpunt<br />
van a en d. Teken dit geval bij op figuur 1.20
40 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
Figuur 1.20: bepaal de projecties van a, P , Q en R<br />
1.7.0.3 De projecties van twee rechten<br />
We gaan na hoe de onderlinge ligging kan zijn van twee rechten a en b als hun projecties op<br />
Π resp. de rechten a ′ en b ′ zijn. De rechten a ′ en b ′ zijn de snijlijnen van de projecterende<br />
vlakken α en β op Π door resp. a en b.<br />
1. De rechten a ′ en b ′ zijn snijdend De projecterende vlakken α en β die evenwijdig zijn<br />
met d snijden elkaar volgens de rechte s. Deze snijlijn s is de steunrechte van a en b<br />
evenwijdig met d. We noemen A en B de steunpunten op resp. a en b.<br />
(a) als A = B dan zijn a en b kruisend (fig. 1.21);<br />
(b) als A = B dan zijn a en b snijdend (fig. 1.24).<br />
2. De rechten a ′ en b ′ zijn strikt evenwijdig De projecterende vlakken α en β die evenwijdig<br />
zijn met d zijn onderling strikt evenwijdig vermits twee snijdende rechten van<br />
α evenwijdig zijn met twee snijdende rechten van β. Voor de onderlinge ligging van<br />
a en b hebben we twee mogelijkheden:<br />
(a) a en b zijn kruisend (fig. 1.21);<br />
(b) a en b zijn strikt evenwijdig (fig. 1.22);.<br />
3. De rechten a ′ en b ′ vallen samen De projecterende vlakken α en β die evenwijdig<br />
zijn met d vallen samen.
1.7. PARALLELPROJECTIES VAN E 41<br />
(a) a en b zijn snijdend (fig. 1.25);<br />
(b) a en b zijn evenwijdig (fig. 1.23);.<br />
RM I groepswerk 7 1. Hoe is het beeld van een parallellogram en van een driehoek<br />
bij parallelprojectie op een vlak?<br />
2. Gegeven twee snijdende vlakken α en β, s is de snijlijn, een punt A van α en een<br />
punt B van β, beide niet gelegen op s. De rechte a ′ is de projectie van de rechte a op<br />
het vlak α volgens de richting van AB. Bepaal de projectie van a op β volgende de<br />
richting van AB.<br />
3. Maak een overzicht van de verschillende mogelijkheden voor de projecties van twee<br />
verschillende rechten a en b als minstens één van beide rechten parallel is met d.<br />
4. Geef de verschillende mogelijkheden voor de projectie op een vlak van twee kruisende<br />
rechten, twee snijdende rechten en twee strikt parallelle rechten.<br />
5. Bij de onderstaande tekeningen is het projectievlak het (x, y)-vlak en de projectierichting<br />
de richting van z. Vul de volgende tekeningen aan met het gevraagde:<br />
Figuur 1.21: teken de projecties van AB en P Q en onderzoek de onderlinge ligging van a<br />
en b
42 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
Figuur 1.22: teken de projecties van de parallelle rechten a en b<br />
Figuur 1.23: teken de projecties van de parallelle rechten a en b
1.7. PARALLELPROJECTIES VAN E 43<br />
Figuur 1.24: teken de projecties van de snijdende rechten a en b waarbij b ∩ z = {B}<br />
Figuur 1.25: teken de projecties van de snijdende rechten a en b en van het punt C ∈ a
44 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
Figuur 1.26: teken de projecties van a en b en de onderlinge ligging van a en b?<br />
Figuur 1.27: teken projecties van a en b en de onderlinge ligging van a en b?
1.8. VECTOREN 45<br />
1.8 Vectoren<br />
1.8.1 Het begrip vector<br />
De puntenkoppels (P, P ′ ) en (Q, Q ′ ) zijn equipollente puntenkoppels als en slechts als<br />
zich één van de volgende gevallen voordoet:<br />
1. (P, P ′ ) = (Q, Q ′ );<br />
2. P = P ′ ∧ Q = Q ′ ;<br />
3. P , P ′ , Q en Q ′ zijn de hoekpunten van een parallellogram P P ′ Q ′ Q;<br />
4. tenminste drie van de vier punten P , P ′ , Q en Q ′ liggen op eenzelfde rechte en er<br />
bestaat tenminste één koppel (R, R ′ ), niet gelegen op de rechte, waarvoor P P ′ R ′ R en<br />
RR ′ Q ′ Q parallellogrammen zijn (in dit geval liggen de koppels (P, P ′ ) en (Q, Q ′ ) op<br />
eenzelfde rechte).<br />
Opmerking: Als we in het vervolg willen onderzoeken of twee puntenkoppels equipollent<br />
zijn dan kunnen we kijken of deze puntenkoppels kunnen verbonden worden door één of twee<br />
parallellogrammen.<br />
We kunnen gemakkelijk aantonen dat de relatie “is equipollent met” in de verzameling van<br />
de puntenkoppels van de ruimte E een equivalentierelatie is.<br />
Een vector in E is een equivalentieklasse van equipollente puntenkoppels.<br />
Is v = <br />
AB met A, B ∈ E dan wordt het puntenkoppel (A, B) een representant van de<br />
vector v genoemd. De rechte AB noemen we een drager van de vector v. Alle dragers<br />
van eenzelfde vector zijn parallelle rechten, vermits de representanten van eenzelfde vector<br />
equipollente puntenkoppels zijn. De verzameling van de dragers van een vector v is een<br />
richting van rechten bepaald door die vector. Een vector bepaalt dus steeds een richting<br />
van rechten.<br />
Een vector v is parallel met een rechte a als en slechts als a behoort tot de richting<br />
van rechten bepaald door v.<br />
Twee vectoren zijn parallel als en slechts als ze eenzelfde richting van rechten bepalen.
46 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
1.8.2 Bewerkingen met vectoren<br />
Som van vectoren en scalaire vermenigvuldiging van vectoren<br />
De definitie van de som van vectoren in E is dezelfde als in Π (zie ook fig. ??), alsook van<br />
de scalaire vermenigvuldiging van vectoren in E. De formule van Chasles-Möbius is<br />
het gevolg van de definitie van de som van vectoren:<br />
AB = AC + CB.<br />
De som van vectoren is onafhankelijk van het aangrijpingspunt van de representanten (zie<br />
figuur).<br />
De eigenschappen zijn dezelfde als in Π (zie ook fig. 1.28).<br />
1. De som van twee vectoren is commutatief.<br />
2. De som van vectoren is associatief.<br />
∀v, ∀w : v + w = w + v.<br />
∀v, ∀w, ∀u : (v + w) + u = v + (w + u).<br />
3. Het verschil van twee vectoren is de som van de eerste vector en de tegengestelde van<br />
de tweede vector.<br />
4. De scalaire vermenigvuldiging is distributief t.o.v. de optelling van vectoren.<br />
∀v, ∀w, ∀r ∈ R : r(v + w) = rv + r w.<br />
Eigensc
1.8. VECTOREN 47<br />
Figuur 1.28: eigenschappen van som en scalaire vermenigvuldiging van vectoren<br />
5. De scalaire vermenigvuldiging is distributief t.o.v. de optelling van reële getallen.<br />
∀v, ∀r, s ∈ R : (r + s)v = rv + sv.<br />
6. De scalaire vermenigvuldiging is gemengd associatief.<br />
De verhouding van evenwijdige vectoren<br />
∀v, ∀r, s ∈ R : (rs)v = r(sv).<br />
Elke vector is steeds te schrijven als een veelvoud van elke evenwijdige vector verschillend<br />
van de nulvector. Dit veelvoud wordt de verhouding van de evenwijdige vectoren<br />
genoemd.<br />
Met symbolen:<br />
v2 = o =⇒ (v1 v2 ⇐⇒ ∃r ∈ R | v1 = r v2 ⇐⇒ v1<br />
v2<br />
= r).<br />
STELLING 1.19 (Stelling van Thales) De verhouding van evenwijdige vectoren blijft<br />
behouden bij parallelprojectie.
48 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
Dit wordt geïllustreerd op fig. 1.29.<br />
u<br />
v<br />
u ′<br />
= .<br />
v ′<br />
Dit laatste geldt omdat een homothetie met centrum t de driehoek ABC afbeeldt op driehoek<br />
EF G.<br />
Figuur 1.29: parallelprojectie van parallelle vectoren
1.8. VECTOREN 49<br />
1.8.3 De reële vectorruimten R, EO, +<br />
De ruimten met oorsprong: E0<br />
We kiezen in E een vast punt O, dat we de oorsprong van EO noemen.<br />
We beschouwen een vector v en representeren hem vanuit de oorsprong, d.w.z. we nemen<br />
voor voor v die vertegenwoordiger waarvan het beginpunt in O ligt.<br />
v = <br />
OP<br />
Op die manier correpondeert met elke vector v van E een punt P van EO en omgekeerd,<br />
correspondeert met elk punt P van EO juist één vector v van E<br />
We noemen de representant (O, P ) van de vector v de plaatsvector van het punt P .<br />
Opmerking: Een vector laten overeenkomen met een punt kunnen we vergelijken met het<br />
laten overeenkomen van een georiënteerde hoek met een punt op de goniometrische cirkel.<br />
De reële vectorruimten R, EO, +<br />
Voor de plaatsvectoren van EO , die representanten zijn van vectoren van E, gelden dezelfde<br />
eigenschappen als voor vectoren in E.<br />
1. De som van twee plaatsvectoren is weer een plaatsvector.<br />
2. De som van plaatsvectoren is associatief, net zoals de som van vectoren.<br />
3. De nulvector is het neutraal element voor de som van plaatsvectoren.<br />
4. Voor elke plaatsvector bestaat de tegengestelde plaatsvector. De som van de plaatsvector<br />
en zijn tegengestelde plaatsvector geeft de nulvector.<br />
5. De som van plaatsvectoren is commutatief.<br />
1. Het product van een reëel getal en een plaatsvector is weer een plaatsvector.<br />
2. De scalaire vermenigvuldiging is distributief t.o.v. de som van plaatsvectoren.<br />
3. De scalaire vermenigvuldiging is distributief t.o.v. de som van reële getallen.<br />
4. De scalaire vermenigvuldiging is gemengd associatief.<br />
5. Het getal 1 is het neutraal element voor de scalaire vermenigvuldiging.<br />
Omwille van deze 10 eigenschappen noemen we de structuur R, EO, + een reële vectorruimte.
50 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
1.9 *Spiegeling van E om een vlak volgens de richting<br />
van een rechte<br />
De spiegeling van E om het vlak Π volgens de richting van de rechte d, d /Π, is<br />
de transformatie van E, die een punt P afbeeldt op P ′′ zodanig dat P P ′′ parallel is met d<br />
en het snijpunt P ′ van P P ′′ met Π het midden is van [P P ′′ ] (op de tekening is Π = α).<br />
Er geldt:<br />
PP ′ = P ′ P ′′ .<br />
1.10 *Spiegeling van E om een rechte volgens de richting<br />
van een vlak<br />
De spiegeling van E om de rechte a volgens de richting van het vlak Π, Π /d, is<br />
de transformatie van E, die een punt P afbeeldt op Q zodanig dat P Q parallel is met Π en<br />
de rechte d snijdt in een punt S dat het midden is van [P Q].<br />
Er geldt:<br />
PS = SQ.<br />
Deze twee spiegelingen zijn permutaties van E (bijecties van E in zichzelf).<br />
Construeer op bijgevoegde figuur de projectie Q van P .<br />
Opmerking: De definities van verschuiving en homothetie zijn dezelfde als in het vlak.
1.11. VEELVLAKKEN 51<br />
1.11 Veelvlakken<br />
Een veelvlak is een lichaam begrensd door vlakdelen die zijvlakken genoemd worden.<br />
Naargelang het aantal zijvlakken verkrijgen we een viervlak, een vijfvlak, ... een n-vlak,. . . enz.<br />
(n ∈ N \ {0, 1, 2, 3}) (zie fig. 1.30).<br />
Figuur 1.30: n-vlakken<br />
Een ribbe van een veelvlak is de gemeenschappelijke zijde van twee veelhoeken die in<br />
verschillende zijvlakken liggen.<br />
Een hoekpunt van een veelvlak is het gemeenschappelijk punt van drie of meer zijvlakken.<br />
Een diagonaal van een veelvlak is een lijnstuk dat twee hoekpunten verbindt die niet<br />
in één zijvlak gelegen zijn.<br />
Een zijvlaksdiagonaal van een veelvlak is een diagonaal van een zijvlak.<br />
Een diagonaalvlak van een veelvlak is een vlak door drie hoekpunten die niet in één<br />
zijvlak liggen.<br />
Een veelvlak is convex als het helemaal aan één kant ligt van het draagvlak van elk zijvlak.<br />
In het ander geval wordt het veelvlak concaaf genoemd.
52 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
Bijzondere veelvlakken<br />
Prisma Een prismatisch oppervlak ontstaat door het verschuiven van een rechte langs<br />
de zijden van een vlakke veelhoek (zie fig. 1.31). Deze rechte snijdt het vlak van de veelhoek<br />
en wordt de beschrijvende van het prismatisch oppervlak genoemd.<br />
Figuur 1.31: prismatisch oppervlak<br />
Een prisma is een veelvlak dat begrensd is door een prismatisch oppervlak en twee parallelle<br />
vlakken, die de beschrijvende snijden (zie fig. 1.32). De twee vlakke doorsneden zijn twee<br />
veelhoeken.<br />
De veelhoeken worden grondvlak en bovenvlak genoemd, en de andere zijvlakken die<br />
parallellogrammen zijn worden opstaande zijvlakken genoemd. Opstaande ribben zijn<br />
snijlijnstukken van twee opstaande zijvlakken.<br />
Al naar gelang het aantal opstaande zijvlakken spreken we van een 3-zijdige, een 4zijdig,...<br />
een n-zijdig prisma (n ∈ N \ {0, 1, 2}).<br />
Bijzonder prisma: Parallellepipedum Een parallellepipedum is een prisma waarvan<br />
grond-en bovenvlak parallellogrammen zijn (zie fig. 1.32).<br />
Afgeknot prisma Een afgeknot prisma is een veelvlak begrensd door een prismatisch<br />
oppervlak en twee niet parallelle vlakken die de beschrijvende snijden, en waarvan de snijlijn<br />
het prismatisch oppervlak niet snijdt (zie fig. 1.32).<br />
De opstaande zijvlakken zijn trapezia.
1.11. VEELVLAKKEN 53<br />
Figuur 1.32: prisma — parallellepipedum — afgeknot prisma<br />
Piramide Een piramide is een veelvlak waarvan alle hoekpunten in eenzelfde vlak liggen<br />
behalve één.<br />
Het ene hoekpunt dat niet in het vlak van de andere hoekpunten gelegen is wordt de<br />
top van de piramide genoemd. De opstaande ribben van een piramide zijn de<br />
ribben die de andere hoekpunten met de top van de piramide verbinden. Het zijvlak<br />
waarin alle hoekpunten liggen behalve de top wordt het grondvlak van de piramide<br />
genoemd. De andere zijvlakken worden de opstaande zijvlakken van de piramide<br />
genoemd. De opstaande zijvlakken zijn driehoeken. Het grondvlak is een veelhoek. Al<br />
naargelang het aantal opstaande zijvlakken spreken we van een 3-zijdige, 4-zijdige, ...,<br />
n-zijdige piramide (n ∈ N \ {0, 1, 2}).<br />
Afgeknotte piramide Een afgeknotte piramide is het veelvlak begrensd door een<br />
piramide en twee parallelle vlakken die de opstaande ribben van de piramide snijden.<br />
De opstaande zijvlakken zijn trapezia, de twee andere zijvlakken worden grondvlak en<br />
bovenvlak van de afgeknotte piramide genoemd.<br />
Figuur 1.33: 4-zijdige piramide — 5-zijdige afgeknotte piramide
54 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
1.12 Het midden van een lijnstuk<br />
Is M het midden van het lijnstuk [A, B] dan geldt:<br />
Voegen we O tussen dan krijgen we:<br />
MA + MB = o,<br />
MO + OA + MO + OB = o ⇐⇒ 2 MO + OA + OB = o<br />
In de ruimte Eo geldt voor de plaatsvector van het midden:<br />
2 OM = OA + OB ⇐⇒ OM = 1<br />
( OA +<br />
2 OB) (1.1)<br />
Figuur 1.34: midden van een lijnstuk bekeken in een parallellogram<br />
1.13 Zwaartepunt van een driehoek<br />
Is Z het zwaartepunt de driehoek (ABC) dan geldt<br />
AZ = 2<br />
3 AMa,<br />
BZ <br />
2<br />
=<br />
3 BMb,<br />
Tellen we de vergelijkingen van 1.2 lid aan lid op dan bekomen we<br />
CZ <br />
2<br />
=<br />
3 CMc. (1.2)<br />
AZ + BZ + CZ = 2<br />
( AMa<br />
+<br />
3 BMb + CMc). (1.3)
1.13. ZWAARTEPUNT VAN EEN DRIEHOEK 55<br />
Als we het punt A eventjes opvatten als een oorsprong O, kunnen we de formule 1.1 voor<br />
het midden Ma van het lijnstuk [B, C] schrijven als volgt<br />
Analoog geldt<br />
en<br />
2 <br />
AMa = <br />
AB + <br />
AC.<br />
2 <br />
BMb = <br />
BA + <br />
BC<br />
2 <br />
CMc = <br />
CA + <br />
CB.<br />
Gebruiken we deze betrekkingen in 1.3 dan verkrijgen we<br />
AZ + BZ + CZ<br />
= 1<br />
(2AMa + 2<br />
3 BMb + 2 CMc)<br />
= 1<br />
( AB +<br />
3 AC + BA + BC + CA + CB).<br />
In het tweede lid zijn de vectoren twee aan twee tegengesteld waaruit volgt dat<br />
AZ + BZ + CZ = o (1.4)<br />
Om de plaatsvector van het zwaartepunt te bekomen, voegen we O tussen in de betrekking<br />
1.4.<br />
AO + OZ + BO + OZ + CO + OZ = o ⇐⇒ 3 OZ + AO + BO + CO = o<br />
In de ruimte Eo geldt voor de plaatsvector van het zwaartepunt van een driehoek:<br />
3 OZ = OA + OB + OC ⇔ OZ = 1<br />
( OA +<br />
3 OB + OC) (1.5)<br />
Wegens 1.4 geldt dat de som van de vectoren van het zwaartepunt naar de hoekpunten van<br />
de driehoek gelijk is aan de nulvector: ZA + ZB + ZC = o.
56 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
Met de vectoren <br />
OA, <br />
OB en <br />
OC kunnen we het parallellepipedum<br />
A C ′ O ′ B ′<br />
O B A ′ C<br />
construeren. We noemen Z en Z ′ de respectieve zwaartepunten van de driehoeken ABC en<br />
A ′ B ′ C ′ . We passen de vectoriële betrekking 1.5 toe op de driehoeken (ABC) en (A ′ B ′ C ′ )<br />
vanuit resp. O en O ′ en we verkrijgen:<br />
en<br />
Hieruit volgt<br />
. (zie fig. 1.35)<br />
3 OZ = OA + OB + OC = OO ′<br />
3 <br />
O ′ Z ′ = <br />
OA ′ + <br />
OB ′ + <br />
OC ′ = <br />
O ′ O<br />
OZ = ZZ ′ = Z ′ O ′<br />
Figuur 1.35: zwaartepunt van een driehoek bekeken in een parallellepipedum<br />
1.14 Zwaartepunt van een viervlak<br />
Een rechte is een zwaartelijn van een viervlak ABCD als en slechts als ze een hoekpunt<br />
verbindt met het zwaartepunt van het overstaande zijvlak.<br />
Een viervlak heeft vier zwaartelijnen (zie ook fig. 1.20). We noemen Za, Zb, Zc en Zd<br />
de zwaartepunten van resp. de zijvlakken ABC, BCD, CDA en DAB van het viervlak<br />
ABCD.<br />
Een rechte die de middens van twee overstaande ribben verbindt, wordt een bimediaan<br />
van het viervlak genoemd. Een viervlak heeft drie bimedianen.
1.14. ZWAARTEPUNT VAN EEN VIERVLAK 57<br />
STELLING 1.20 De drie bimedianen van een viervlak zijn concurrent.<br />
Bewijs: We noemen M1, M2, M3, M4, M5 en M6 de middens van resp. de ribben [AB],<br />
[CD], [BC], [DA], [BD], [AC] van het viervlak ABCD (zie figuur 1.36). Als we in een<br />
zijvlak de middens van twee ribben verbinden dan verkrijgen we een middenparallel van<br />
het zijvlak , die evenwijdig is met de derde ribbe van een zijvlak. Zo zijn er per ribbe twee<br />
middenparallellen in twee zijvlakken. Aangezien er zes ribben zijn, zijn er twaalf middenparallellen<br />
die twee aan twee evenwijdig zijn met telkens een ribbe van het viervlak. Op die<br />
manier krijgen we drie parallellogrammen. De diagonalen van deze drie parallellogrammen<br />
zijn de bimedianen van het viervlak. Een bimediaan is een diagonaal van twee van de drie<br />
parallellogrammen. Aangezien de diagonalen van een parallellogram elkaar middendoor<br />
delen, gaan de drie bimedianen door eenzelfde punt.<br />
Merk op dat de middens van de ribben van een viervlak de hoekpunten zijn van een achtvlak<br />
waarvan de overstaande ribben gelijk zijn en evenwijdig.<br />
Figuur 1.36: de bimedianen van een viervlak
58 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
STELLING 1.21 De vier zwaartelijnen van een viervlak zijn concurrent.<br />
Bewijs: We tonen aan dat de verbindingslijn DZ van een hoekpunt D van het viervlak<br />
met het gemeenschappelijk punt Z van de bimedianen, het overstaande zijvlak ABC snijdt<br />
in het zwaartepunt Zd van dat zijvlak. In driehoek M1DC trekken we door M2 de rechte<br />
M2E parallel met DZ (E ∈ [M1, C]). Aangezien M2E en ZZd middenparallellen zijn van<br />
resp. de driehoeken DZdC en M1M2E delen de punten Zd en E de zwaartelijn CM1 van het<br />
zijvlak ABC in drie gelijke delen. Hieruit volgt dat Zd het zwaartepunt is van het zijvlak<br />
ABC.<br />
Analoog tonen we aan dat de drie andere verbindingslijnen CZ, AZ en BZ van resp. de<br />
hoekpunten C, A en B het overstaande zijvlak snijden in het zwaartepunt van dat zijvlak.<br />
Hieruit volgt dat de vier zwaartelijnen door hetzelfde punt Z gaan. <br />
Deze stelling laat toe het zwaartepunt van een viervlak te definiëren.<br />
Het snijpunt Z van de zwaartelijnen van een viervlak is het zwaartepunt van het viervlak<br />
(zie fig. 1.37).<br />
Figuur 1.37: zwaartepunt Z van het viervlak ABCD
1.14. ZWAARTEPUNT VAN EEN VIERVLAK 59<br />
STELLING 1.22 Het zwaartepunt ligt op een zwaartelijn op drievierde van het hoekpunt.<br />
Bewijs: In driehoek M1DC zien we gemakkelijk in dat (zie fig. 1.36)<br />
ZdZc<br />
= 1<br />
. CD. <br />
3<br />
De driehoeken ZZcZd en ZCD zijn gelijkvormig. Hieruit volgt:<br />
|ZC|<br />
|ZZc|<br />
= |ZD|<br />
|ZZd|<br />
= |CD|<br />
|ZcZd|<br />
Het zwaartepunt Z ligt dus op [C, Zc] op drievierden van C en op [D, ZD] op drievierden<br />
van D. Analoog tonen we dat aan voor de twee andere zwaartelijnen.<br />
Er geldt dus:<br />
AZ = 3<br />
4 AZa<br />
BZ = 3<br />
4 BZb<br />
CZ = 3<br />
. CZc<br />
<br />
4<br />
DZ = 3<br />
. DZd<br />
<br />
4<br />
Gevolgen: Uit het bewijs van de voorgaande stelling volgt:<br />
DZ + CZ + AZ + BZ<br />
= 3<br />
.( DZd<br />
+<br />
4 CZc + AZa + BZb)<br />
= 1<br />
.(( DA +<br />
4 DB + DC) + ( CA + CB + CD) + ( AB + AC + AD) + ( BA + BC + BD))<br />
= o<br />
Hieruit volgt<br />
= 3<br />
DZ + CZ + AZ + BZ = o<br />
⇕<br />
ZA + ZB + ZC + ZD = o.<br />
Om de plaatsvector van het zwaartepunt te bepalen, voegen we O tussen. We verkrijgen:
60 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
DO + OZ + CO + OZ + AO + OZ + BO + OZ = o<br />
⇕<br />
4 <br />
OZ + <br />
DO + <br />
CO + <br />
AO + <br />
BO = o<br />
In de ruimte Eo geldt voor de plaatsvector van het zwaartepunt van een viervlak:<br />
waaruit volgt<br />
4 <br />
OZ = <br />
OA + <br />
OB + <br />
OC + <br />
OD (1.6)<br />
OZ = 1<br />
( OA +<br />
4 OB + OC + OD)
1.14. ZWAARTEPUNT VAN EEN VIERVLAK 61<br />
RM I groepswerk 8 1. Men noemt Za, Zb, Zc en Zd de respectieve zwaartepunten<br />
van de zijvlakken BCD, ACD, ABD en ABC van een viervlak A B C D (zie fig.<br />
1.38).<br />
(a) Bewijs dat de viervlakken ABCD en ZaZbZcZd hetzelfde zwaartepunt hebben.<br />
Gebruik 1.6.<br />
(b) Bewijs dat 3 ZaZb = BA.<br />
Figuur 1.38: opgaven nr. 1
62 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
2. Men noemt M, N en P de respectieve middens van de ribben [B ′ , C ′ ], [C ′ , A ′ ] en<br />
[A ′ , B ′ <br />
′ ′ ′ A B C<br />
] van het prisma<br />
. (zie fig. 1.39)<br />
A B C<br />
Bewijs dat de driehoeken AB ′ C ′ , BC ′ A ′ en CA ′ B ′ hetzelfde zwaartepunt hebben en<br />
leid hieruit af, dat de drie rechten AM, BN en CP concurrent zijn.<br />
3. Gegeven is een driezijdig prisma<br />
A B C<br />
A ′ B ′ C ′<br />
De punten G en G ′ zijn de zwaartepunten van resp. de driehoeken ABC en A ′ B ′ C ′ .<br />
(zie fig. 1.39)<br />
Bewijs met vectoren dat<br />
(i) GG ′ parallel is met AA ′ ;<br />
(ii) |GG ′ | = |AA ′ | = |BB ′ | = |CC ′ |.<br />
<br />
.<br />
Figuur 1.39: opgave nrs. 2 en 3<br />
4. Bewijs dat het midden van een lijnstuk behouden blijft bij parallelprojectie.<br />
5. Bewijs dat het zwaartepunt van een driehoek behouden blijft bij parallelprojectie.<br />
6. In elk vierzijdig prisma snijden de diagonalen elkaar in twee punten, die op een rechte<br />
liggen parallel met grond- en bovenvlak. Bewijs dat.
1.14. ZWAARTEPUNT VAN EEN VIERVLAK 63<br />
Oplossingen: Vectoriële bewijzen van de oefeningen<br />
1. (a) Gegeven: Z is zwaartepunt van viervlak (A B C D):<br />
ZA + ZB + ZC + ZD = o<br />
Te bewijzen: Z is zwaartepunt van viervlak (ZA ZB ZC ZD)<br />
3<br />
(4) 1 = 3<br />
3<br />
ZZA<br />
+ ZZB + ZZC + ZZD = o<br />
Bewijs:<br />
1ste lid (1)<br />
= ( ZA + AZA) + ( ZB + BZB) + ( ZC + CZC) + ( ZD + DZD)<br />
(2)<br />
= o + AZA<br />
+ BZB + CZC + <br />
(3) 1 DZD = 3 ( AB + AC + AD) +<br />
1(<br />
BA + BC + BD) + 1<br />
3 ( CA + CB + CD) + 1<br />
3 ( DA + DB + DC)<br />
( AB + BA) + 1(<br />
AC + CA) + · · · (5)<br />
= o=2de lid<br />
(b) 1ste lid<br />
(1)<br />
= 3ZAA + 3 AB + 3 BZB<br />
BC + BD) (5)<br />
= BA + CA + DA + 3 AB + BA + BC + BD (4)<br />
= AB + ( CA + BC) + ( DA + BD) (1)<br />
=<br />
AB + BA + BA = BA=2de lid<br />
2. Gegeven: Z is zwaartepunt van driehoek (A B ′ C ′ ): <br />
Te bewijzen: Z is zwaartepunt van driehoek (B A ′ C ′ ): <br />
(5)<br />
= −3AZA + 3 AB + 3 <br />
(3)<br />
BZB = −( AB + AC + AD) + 3AB + ( BA +<br />
ZA + ZB ′ + ZC ′ = o<br />
ZB + ZA ′ + ZC ′ = o<br />
Bewijs: 1ste lid (1)<br />
= ZA + AB + ZB ′ + B ′ A ′ + ZC ′ = ZA + ZB ′ + ZC ′ + AB + B ′ (5)<br />
A ′ = o= 2de lid<br />
3. G en G ′ zijn zwaartepunten van resp. grondvlak en bovenvlak:<br />
We trekken beide leden lid aan lid af:<br />
(1) : Formule van Chasles-Möbius<br />
3 <br />
OG = <br />
OA + <br />
OB + <br />
OC<br />
3 <br />
OG = <br />
OA + <br />
OB + <br />
OC<br />
GG ′ = AA ′ + BB ′ + CC ′ = 3 AA ′ = BB ′ = CC ′<br />
(2) : eigenschap van zwaartepunt van een viervlak<br />
(3) : eigenschap van plaatsvector van zwaartepunt van een driehoek<br />
(4) : commutativiteit en associativiteit van optelling van vectoren<br />
(5) : tegengestelde vectoren
64 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
4. Het diagonaalvlak (AA ′ , CC ′ ) bepaald door de twee evenwijdige opstaande ribben AA ′ en BB ′ ,<br />
snijdt bovenvlak en grondvlak volgens evenwijdige snijlijnen A ′ C ′ en AC. De figuur (A C C ′ A ′ ) is<br />
een parallllogram waarvan de diagonalen elkaar middendoor snijden, nl. in M. Analoog snijden de<br />
diagonalen BD ′ en B ′ D elkaar middendoor, nl. in N.<br />
Voor M en N geldt (als midden van een lijnstuk):<br />
Beide leden lid aan lid aftrekken:<br />
2 OM = OA + OC ′<br />
2 ON = OB + OD ′<br />
2 NM = BA + D ′ C ′ = BA + DC = BA + AE = BE<br />
Vector BE is een vector waarvan de representant (B, E) in het grondvlak gelegen is. Omdat 2 NM =<br />
BE, is NM parallel met de rechte BE van het grondvlak. Dus NM is evenwijdig met het grondvlak<br />
(zie tekening).
1.15. WISKUNDE-CULTUUR 65<br />
RM I HUISTAAK 2 1. a. Hoeveel diagonalen en hoeveel diagonaalvlakken heeft<br />
een parallellepipedum?<br />
b. Toon aan dat de diagonalen door eenzelfde punt gaan en elkaar middendoor<br />
delen. Welk speciaal punt voor het parallellepipedum is dit midden?<br />
c. De snijpunten S1, S2, S3 en S4 van de diagonalen van de opstaande zijvlakken van<br />
een parallellepipedum zijn de hoekpunten van een parallellogram S1 S2 S3 S4.<br />
Bewijs dit met vectoren (tip: toon aan dat S1S2<br />
= S4S3).<br />
2. Men noemt M het midden van de ribbe [A, B] van een parallellepipedum<br />
<br />
′ A<br />
A<br />
′ B<br />
B<br />
′ C<br />
C<br />
<br />
′ D<br />
.<br />
D<br />
Bewijs dat de diagonaal AC ′ evenwijdig met het vlak B ′ CM is.<br />
1.15 Wiskunde-Cultuur<br />
1. EUCLIDES was een Grieks wijsheer van 450 tot 380 v.C.<br />
2. FANO is een stad in midden Italië. Configuratie van Fano (eindige meetkunde).<br />
3. CRAMER Gabriël was een Zwitsers wiskundige van 1704 tot 1752. Naast de regel<br />
van Cramer bestaat ook de paradox van Cramer. Deze paradox zegt dat, ofschoon in<br />
het algemeen een kromme van graad n door 1n(n<br />
+ 3) punten eenduidig is bepaald,<br />
2<br />
het best kan voorkomen dat deze punten een oneindig aantal krommen van graad n<br />
bepalen. Zo is een kromme van graad 3 bepaald door negen punten bepaald, doch<br />
door de negen snijpunten van twee derdegraadskrommen gaat een bundel van zulke<br />
krommen. Hij heeft over deze paradox gecorrespondeerd met EULER (1707-1783).<br />
4. HESSE Ludwig Otto was een Duits wiskundige van 1811 tot 1874.<br />
5. CHASLES Michel was een frans wiskundige van 1793 tot 1880. Hij is een der grondleggers<br />
van de projectieve meetkunde. Hij is in de 19de eeuw een vertegenwoordiger<br />
van de algebraïsche richting in de meetkunde zoals MÖBIUS en PLÜCKER (1801-<br />
1868) in Duitsland en CAYLEY (1821-1895) in Engeland. Chasles had een grote<br />
belangstelling voor de geschiedenis van de wiskunde. Zijn gevoel voor het historische<br />
openbaart zich in zijn bekend Apercu historiques sur l’origine et le développement des
66 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
méthodes en géometrie (1837), een der eerste belangrijke geschriften over de geschiedenis<br />
van de meetkunde. Dit nog zeer leesbare boek behandelt zowel de Griekse als<br />
de toen moderne meetkunde en is een goed voorbeeld van een geschiedenis geschreven<br />
door iemand die zelf een zelfstandig onderzoeker was. Deze liefde voor de geschiedenis<br />
maakte Chasles ook wel eens blind en zo is hij het slachtoffer geworden van een grappenmaker,<br />
die aan Chasles tussen 1861 en 1870 duizende valse documenten verkocht,<br />
brieven van GALILEI (1564-1642), PASCAL (1623-1662) en NEWTON (1642-1727)<br />
tot brieven van PLATO (428-348 v.C.) en zelfs van de apostelen toe.<br />
6. MÖBIUS August Ferdinant was een Duits wis- en sterrenkundige van 1790 tot 1868.<br />
Het lint van Möbius wordt verkregen door twee overstaande zijden van een rechthoek<br />
averechts aan elkaar te plakken. Bij het overlangs omlopen van dit lint constateert<br />
men dat het slechts één zijde heeft. Het Möbius-lint is een voorbeeld van een eenzijdig<br />
oppervlak. Wanneer je de Möbiusband in de lengterichting doormidden knipt, blijft<br />
hij één geheel (precies zoals een limerick suggereert). De viervlakken van Möbius zijn<br />
twee viervlakken die tegelijkertijd in en om elkaar zijn beschreven, dwz. de hoekpunten<br />
van het ene viervlak liggen in de zijvlakken van het andere.<br />
7. THALES van Milete was een Grieks wijsheer en wiskundige van 624 tot 545 v.C.<br />
Voor wat de kosmologie betreft, nam Thales aan dat de (platte) aarde op water drijft<br />
en daardoor onbeweeglijk op dezelfde plaats vertoeven kan. Echt filosofisch, in de zin<br />
dat naar een alomvattende verklaring van alles gestreefd lijkt, is zijn opvatting dat<br />
alles uit het water voortkomt en er in wezen uit bestaat. Deze opvatting was voor<br />
ARISTOTELES (384-322 v.C.) aanleiding hem aan het begin van de geschiedenis van<br />
de eigenlijke filosofie te plaatsen.<br />
8. ARCHIMEDES was de grootste Griekse wiskundige van 287 tot 212 v.C. Hij woonde<br />
in Syracuse op Sicilië als adviseur van Koning Hieron. Hij is één van de weinige<br />
wetenschappelijke figuren van de Oudheid die meer is dan een naam: we weten iets<br />
van hem als persoon. Zo weten we dat hij gedood werd toen in 212 v.C. de Romeinen<br />
onder Marcellus Syracuse innamen na een lang beleg waarin de bejaarde geleerde zijn<br />
grote technische bekwaamheid in dienst van de belegerden had gesteld. Zulk een ijver<br />
voor practische toepassingen doet ons enigszins vreemd aan als wij aan de minachting<br />
denken waarmee de school van Plato op zulk ‘misbruik’ van de wetenschappen<br />
neerzag, maar Plutarchus heeft een soort verklaring gegeven: “Ofschoon deze uitvindingen<br />
hem de reputatie van bovenmenselijke wijsheid hadden verschaft, heeft hij<br />
het beneden zijn waardigheid geacht enig geschrift over die onderwerpen na te laten,<br />
doch, aangezien hij al dit construeren van werktuigen en andere kunsten die nut of<br />
winst afwerpen als onedel en minderwaardig verwierp, plaatste hij zijn gehele eerzucht<br />
in die speculaties waarvan de schoonheid en de diepzinnigheid buiten contact met de<br />
gewone noodzakelijkheden van het leven blijven”.
1.15. WISKUNDE-CULTUUR 67<br />
De belangrijkste bijdragen van Archimedes tot de wiskunde behoren tot het gebied dat<br />
we nu de integraalrekening noemen: de bepaling van de oppervlakte van vlakke figuren<br />
en de inhoud van lichamen. In zijn Cirkelmeting berekende hij benaderingswaarden<br />
van de cirkelomtrek met behulp van de omtrek van ingeschreven en omgeschreven regelmatige<br />
veelhoeken. Hij berekende achtereenvolgens door een verdubbelingsformule<br />
de zijde van de veelhoek met 6, 12, 24, 48 en 96 zijden, en vond (in onze notatie)<br />
3 10<br />
71<br />
< 3 284 1<br />
4<br />
2018 7<br />
40<br />
< 3<br />
1 284 4<br />
2017 1<br />
4<br />
< α < 3<br />
1 667 2<br />
4673 1<br />
2<br />
< 3<br />
1 667 2<br />
4672 1<br />
2<br />
< 3 1<br />
7 .<br />
een resultaat dat gewoonlijk geresumeerd wordt door te zeggen dat Archimedes een<br />
waarde van α vond die dicht bij 3 1<br />
7 ligt.<br />
Ofschoon α een Griekse letter is, hebben de Grieken daarmee nooit de verhouding van<br />
omtrek en middellijn van de cirkel aangegeven. Het symbool komt in enige geschriften<br />
van de 18de eeuw voor, doch werd het eerst algemeen aanvaard nadat EULER het in<br />
zijn veel gelezen “Introductio” van 1748 geregeld had gebruikt. In decimale notatie<br />
betekent Archimedes’ benadering:<br />
3, 1409... < α < 3, 1429...<br />
Archimedes gebruikte de hoofdletter α als een getal dat wij met 80 aanduiden.<br />
In Archimedes’ boek “Over de bol en de cilinder” vinden we de uitdrukking voor de<br />
oppervlakte van de sfeer in de vorm dat deze oppervlakte gelijk is aan het viervoud<br />
van de oppervlakte van een grote cirkel van de sfeer, en ook een uitdrukking voor de<br />
inhoud van de bol als tweederden van de inhoud van de omgeschreven cilinder.<br />
Archimedes is ook nog gekend in de fysica i.v.m. ondergedompelde lichamen en hefbomen.<br />
9. DESARQUES Gerard was een Frans wiskundige en architect van 1591 tot 1662. In<br />
de tijd van Desargues bestonden nog geen wetenschappelijke tijdschriften in Europa.<br />
Zo leidde de constante wiskundige bedrijvigheid tot een aanzienlijke briefwisseling<br />
tussen de wiskundige van die tijd en tot discussiegroepen. Sommige geleerden maakten<br />
zich verdienstelijk door als bemiddelaar tussen verschillende correspondenten op<br />
te treden. De meest bekende van deze bemiddelaars was de Minderbroeder Marin<br />
MERSENNE (wijsgeer 1588-1648), die ook zelf een verdienstelijk wiskundige was, en<br />
naar wie de getallen van Mersenne zijn genoemd (2 n − 1, als n een priemgetal is)<br />
getallen die eigenlijk al bij EUCLIDES voorkomen. Met Mersenne correspondeerden<br />
DESCARTES (wijsgeer 1596-1650), FERMAT (1601-1665), Desargues, PASCAL<br />
(1623-1662) en vele anderen. Een ontdekking werd via Mersenne in heel Europa<br />
bekend gemaakt. Uit die discussiegroepen hebben zich in Parijs en elders genootschappen<br />
en academies ontwikkeld. Hun oorsprong hangt ten dele samen met een<br />
oppositie tegen de universiteiten die nog in menig opzicht hun scholastiek karakter
68 HOOFDSTUK 1. REËLE AFFIENE 3-RUIMTE<br />
hadden behouden en daardoor de gewoonte behielden om reeds verworven kennis in<br />
oude vaste vormen door te geven (hierop maakte de Leidse universiteit die eerst in<br />
1575 was opgericht een uitzondering). De nieuwe academies vertegenwoordigden de<br />
nieuwe manier van onderzoek. De eerste Academie was in Napels opgericht (1560),<br />
ze werd gevolgd door de “Accademia dei Lincei” in Rome (1603). De Royal Society<br />
van London dateert van 1662, de Franse Académie van 1666. De wiskundigen van<br />
die tijd hebben klassieke problemen met nieuwe oplossingen verrijkt na er een geheel<br />
nieuw licht op te hebben doen vallen. Zij hebben ook nieuwe terreinen geopend. Een<br />
voorbeeld van een geheel nieuwe zienswijze op klassieke theorema’s was de projectieve<br />
methode van Desargues. De nieuwe inzichten van Desargues en Pascal vonden geen<br />
gunstig gehoor doordat in de 17de eeuw de analytische meetkunde het metrische karakter<br />
van de geometrie eens te meer voorop had gezet. Desarques heeft wiskundige<br />
roem verworven door een boekje met de curieuze titel Brouillon project d’une atteinte<br />
aux événement des rencontre d’une cone avec un plan (1639).
Hoofdstuk 2<br />
Matrices<br />
2.1 De reële n-tallen<br />
2.1.1 Definitie<br />
Een reëel n-tal is van de gedaante [x1, x2, · · · , xn] met x1, x2, · · · , xn ∈ R en twee n-tallen<br />
zijn gelijk aan elkaar als en slechts als de gelijkstandige elementen aan elkaar gelijk zijn<br />
(soms ook geordend n-tal genoemd).<br />
[x1, x2, . . . , xn] = [y1, y2, . . . , yn] ⇐⇒ x1 = y1 ∧ x2 = y2 ∧ . . . ∧ xn = yn.<br />
Verkorte notatie: [xi] met i ∈ {1, 2, · · · n} en xi ∈ R.<br />
[xi] = [yi] ⇐⇒ ∀i ∈ {1, 2, · · · n} : xi = yi<br />
De verzameling van de reële n-tallen noteren we door R n .<br />
2.1.2 Bewerkingen met n-tallen<br />
• De som van twee reële n-tallen<br />
De som van twee reële n-tallen is het n-tal dat we bekomen door de gelijkstandige<br />
elementen van beide n-tallen bij elkaar op te tellen.<br />
Met symbolen:<br />
∀x1, x2, . . . , xn, y1, y2, . . . , yn ∈ R :<br />
[x1, x2, . . . , xn] + [y1, y2, . . . , yn] = [x1 + y1, x2 + y2, . . . , xn + yn].<br />
Verkorte notatie: [xi] + [yi] = [xi + yi] met i ∈ {1, 2, · · · n}<br />
69
70 HOOFDSTUK 2. MATRICES<br />
• De scalaire vermenigvuldiging van n-tallen<br />
Het product van een n-tal met een reëel getal is het n-tal dat we bekomen door elk<br />
element van het n-tal met dat getal te vermenigvuldigen.<br />
Met symbolen:<br />
∀x1, x2, . . . , xn ∈ R ∧ ∀r ∈ R : r.[x1, x2, . . . , xn] = [rx1, rx2, . . . rxn].<br />
Verkorte notatie: r · [xi] = [rxi] met i ∈ {1, 2, · · · n}<br />
2.1.3 De reële vectorruimte van de n-tallen<br />
1. De som van twee reële n-tallen is weer een reëel n-tal.<br />
Bewijs: Omdat [xi] + [yi] = [xi + yi] en de som van twee reële getallen weer een reëel<br />
getal is geldt dat [xi + yi] ∈ R n<br />
2. De som van reële n-tallen is associatief: ([xi] + [yi]) + [zi] = [xi] + ([yi] + [zi]).<br />
Bewijs:<br />
([xi] + [yi]) + [zi] = [xi + yi] + [zi]<br />
= [(xi + yi) + zi]<br />
= [xi + (yi + zi)]<br />
= [xi] + [yi + zi]<br />
= [xi] + ([yi] + [zi])<br />
Dit bewijs steunt op de associativiteit van de som van reële getallen. Duid met een<br />
kruisje aan waar deze eigenschap van reële getallen toegepast wordt in het bewijs.<br />
Schrijf naast de andere stappen van het bewijs telkens de reden.<br />
3. Het n-tal [0, 0, ...0] is neutraal element voor de som van n-tallen.<br />
Bewijs: [xi] + [0] = [xi + 0] = [xi]<br />
Het bewijs steunt op het feit dat 0 het neutraal element is voor de som van reële<br />
getallen.<br />
4. Voor elk n-tal bestaat een tegengesteld n-tal. Het tegengesteld n-tal is het n-tal dat<br />
we bekomen door elk element van het oorspronkelijk n-tal te vervangen door zijn<br />
tegengestelde voor de som van reële getallen.<br />
Notatie: −[xi] = [−xi]<br />
De som van een n-tal en zijn tegengesteld n-tal is het neutraal element [0, 0, ..., 0] ∈ R n .<br />
Bewijs: [xi] + [−xi] = [xi + (−xi)] = [xi − xi] = [0]<br />
5. De som van n-tallen is commutatief: [xi] + [yi] = [yi] + [xi].<br />
Bewijs: [xi] + [yi] = [xi + yi] = [yi + xi] = [yi] + [xi]<br />
Het bewijs steunt op de commutativiteit van de som van reële getallen.
2.1. DE REËLE N-TALLEN 71<br />
6. Het product van een reëel getal en een n-tal is weer een n-tal.<br />
Bewijs: Omdat r · [xi] = [rxi] en het product van twee reële getallen weer een reëel<br />
getal is, geldt dat [rxi] ∈ R n .<br />
7. Het product van een n-tal met een reëel gatal is distributief t.o.v. de som van n-tallen:<br />
r · ([xi] + [yi]) = r · [xi] + r · [yi].<br />
Bewijs:<br />
r · ([xi] + [yi]) = r · [xi + yi]<br />
= [r(xi + yi)]<br />
= [rxi + ryi]<br />
= [rxi] + [ryi]<br />
= r · [xi] + r · [yi]<br />
Dit bewijs steunt op de distributiviteit het product t.o.v. de som van reële getallen.<br />
Duid met een kruisje aan waar deze eigenschap van reële getallen toegepast wordt in<br />
het bewijs. Schrijf naast de andere stappen van het bewijs telkens de reden.<br />
8. De som van reële getallen is distributief t.o.v. het product van een n-tal met een reëel<br />
getal: (r + s) · [xi] = r · [xi] + s · [xi].<br />
Bewijs:<br />
(r + s) · [xi] = [(r + s)xi]<br />
= [rxi + sxi)]<br />
= [rxi] + [sxi]<br />
= r · [xi] + s · [xi]<br />
Dit bewijs steunt op de distributiviteit het product t.o.v. de som van reële getallen.<br />
Duid met een kruisje aan waar deze eigenschap van reële getallen toegepast wordt in<br />
het bewijs. Schrijf naast de andere stappen van het bewijs telkens de reden.<br />
9. Het product van een van een n-tal met een reëel getal is gemengd associatief:<br />
r · (s · [xi]) = (rs) · [xi]<br />
Bewijs:<br />
r · (s · [xi]) = r · [sxi]<br />
= [r(sxi)]<br />
= [(rs)xi]<br />
= (rs) · [xi]<br />
Dit bewijs steunt op de associativiteit het product van reële getallen. Duid met een<br />
kruisje aan waar deze eigenschap van reële getallen toegepast wordt in het bewijs.<br />
Schrijf naast de andere stappen van het bewijs telkens de reden.<br />
10. Het neutraal element voor de scalaire vermenigvuldiging van n-tallen is 1 ∈ R.<br />
Bewijs: 1 · [xi] = [1xi] = [xi]<br />
Besluit: Omwille van deze 10 eigenschappen is de structuur R, R n , + van de reële n-tallen<br />
een reële vectorruimte. De n-tallen worden dan ook vectoren genoemd.
72 HOOFDSTUK 2. MATRICES<br />
2.2 De reële matrices<br />
2.2.1 Definitie<br />
Een reële matrix van de orde (m × n) is een m-tal waarvan de m elementen op zichzelf<br />
n-tallen zijn. Deze n-tallen worden de rijvectoren van de matrix genoemd.<br />
Met symbolen: [[a11, a12, · · · , a1n], [a21, a22, · · · , a2n] · · · , [am1, am2, · · · , amn]]<br />
Het is handiger de m vectoren onder elkaar te schrijven. Zo verkrijgen we een schema of<br />
tabel van nm reële getallen geschikt in m rijen en n kolommen en geplaatst tussen haken.<br />
De reële getallen aij worden de elementen van de matrix genoemd.<br />
Een matrix van de orde (m × n) heeft dus de volgende algemene gedaante:<br />
⎡<br />
⎢<br />
⎣<br />
a11<br />
a21<br />
.<br />
a12<br />
a22<br />
.<br />
· · ·<br />
· · ·<br />
a1n<br />
a2n<br />
.<br />
⎤<br />
⎥<br />
⎦<br />
am1 am2 · · · amn<br />
We noteren een matrix kort door A, B, . . . of [aij], [bij], . . ..<br />
De verzameling van de (m × n)-matrices noteren we door R m×n .<br />
Om met matrices te werken beschikken wij over EXCEL en DERIVE.<br />
Om in EXCEL een matrix te bepalen selecteren we een cellenrechthoek die<br />
de elementen van de matrix moeten bevatten. Klik dan op invoegen, naam<br />
en bepalen of definiëren. We tikken een naam in, bvb. Ma en klikken op<br />
toevoegen en ok. Deze naam is nu opgenomen in de lijst van namen die reeds<br />
gemaakt werden. In deze lijst staan ook het nummer van het blad en het adres<br />
van de cellen waarop de naam betrekking heeft. We tikken de getallen van de<br />
matrix in de rechthoek.<br />
In DERIVE wordt een matrix ingevoerd als een vector<br />
[[a11, a12, · · · , a1n], [a21, a22, · · · , a2n] · · · , [am1, am2, · · · , amn]]<br />
of met een sneltoets.
2.2. DE REËLE MATRICES 73<br />
Gelijkheid van twee matrices<br />
Vermits een matrix een vector is, geldt dat twee matrices gelijk zijn aan elkaar als de<br />
overeenkomstige rijvectoren aan elkaar gelijk zijn. Dit is maar mogelijk op voorwaarde<br />
dat de matrices hetzelfde aantal rijvectoren hebben en dat de rijvectoren hetzelfde aantal<br />
elementen bevatten. Dit komt er op neer dat twee matrices slechts kunnen gelijk zijn als ze<br />
dezelfde orde hebben en als de gelijkstandige elementen van de matrices aan elkaar gelijk<br />
zijn. Dit laatste betekent dat niet alleen de opgenomen elementen een rol spelen maar<br />
tevens de plaats die deze elementen innemen in de matrix.<br />
Met symbolen: [aij]<br />
<br />
m×n<br />
= [bij] ⇐⇒ aij = bij<br />
<br />
m×n<br />
2.2.2 Bewerkingen met matrices<br />
Omdat matrices vectoren zijn, zijn de definities van de bewerkingen dezelfde en gelden<br />
dezelfde eigenschappen als voor de vectoren.<br />
• De som van twee matrices<br />
De som van twee matrices van dezelfde orde is gelijk aan de matrix die we<br />
bekomen door de gelijkstandige elementen van beide matrices op te tellen.<br />
Met EXCEL selecteren we de rechthoek waar de som van de matrices moet komen.<br />
Vervolgens typen we =Ma + Mb in de eerste cel en drukken we op CTR , SHIFT<br />
en ENTER .<br />
Met symbolen:<br />
⎡<br />
⎢<br />
⎣<br />
Korte notatie: [aij]<br />
<br />
m×n<br />
a11 a12 . . . a1n<br />
a21 a22 . . . a2n<br />
.<br />
.<br />
.<br />
⎤<br />
⎥<br />
⎦ +<br />
⎢<br />
⎣<br />
am1 am2 . . . amn bm1 bm2 . . . bmn<br />
⎡<br />
⎤<br />
a11 + b11 a12 + b12 . . . a1n + b1n<br />
⎢ a21 + b21 a22 + b22 . . . a2n + b2n<br />
⎥<br />
= ⎢<br />
⎥<br />
⎣ . . . ⎦<br />
+ [bij]<br />
<br />
m×n<br />
⎡<br />
b11 b12 . . . b1n<br />
b21 b22 . . . b2n<br />
am1 + bm1 am2 + bm2 . . . amn + bmn<br />
= [aij + bij]<br />
<br />
m×n<br />
OPGAVEN — 1 Bepaal de getallen a, b en c uit de volgende matriciële gelijkheid:<br />
.<br />
.<br />
.<br />
⎤<br />
⎥<br />
⎦
74 HOOFDSTUK 2. MATRICES<br />
⎡ √ ⎤ ⎡ √ ⎤ ⎡<br />
1<br />
1<br />
5<br />
2 5<br />
3 5<br />
6 2<br />
a. ⎣ −3 b ⎦ + ⎣ −b 1 ⎦ = ⎣<br />
5 −2 2 2<br />
√ 5<br />
− 7<br />
⎤<br />
2 3b ⎦;<br />
7 0<br />
<br />
2 a 3 −b<br />
b. +<br />
c 0 0 √ <br />
a + b −3<br />
=<br />
3 2c √ <br />
.<br />
3<br />
Oplossing: 1 a. b = 1/2; b. ;a = 1, b = 4, c = 0.<br />
Voorbeelden uit de praktijk:<br />
– Voorraadmatrices.<br />
Een voorraadmatrix, i.e. een matrix waarvan bvb. in de kolommen de verschillende<br />
maten staan van schoenen en in de rijen de verschillende modellen. De<br />
getallen in de matrix geven de voorraad van elk model en elke maat. Wanneer er<br />
een nieuwe bestelling binnenkomt, krijgen we een nieuwe voorraadmatrix. Deze<br />
is de som van de oude voorraadmatrix en de bestellingsmatrix.<br />
– Puntenmatrices.<br />
De puntenlijsten kunnen ook beschouwd worden als matrices waar in de kolommen<br />
de verschillende vakken staan en in de rijen de namen van de verschillende<br />
leerlingen. De getallen in de matrix geven de punten van elke leerling voor elk<br />
vak. De puntenlijst van het einde van het schooljaar is dan de som van de<br />
puntenlijsten van het eerste en tweede semester.<br />
• Scalaire vermenigvuldiging van matrices<br />
Het product van een matrix met een reëel getal r is gelijk aan de matrix die<br />
we bekomen door alle elementen van de matrix te vermenigvuldigen met r.<br />
⎡<br />
⎢<br />
r. ⎢<br />
⎣<br />
a11<br />
a21<br />
.<br />
a12<br />
a22<br />
.<br />
. . .<br />
. . .<br />
a1n<br />
a2n<br />
.<br />
⎤<br />
⎥<br />
⎦ =<br />
⎡<br />
⎢<br />
⎣<br />
ra11<br />
ra21<br />
.<br />
ra12<br />
ra22<br />
.<br />
. . .<br />
. . .<br />
ra1n<br />
ra2n<br />
.<br />
⎤<br />
⎥<br />
⎦<br />
am1 am2 . . . amn<br />
ram1 ram2 . . . ramn<br />
Korte notatie: r · [aij] = [raij]<br />
<br />
m×n m×n<br />
Met EXCEL selecteren we de rechthoek waar het scalair product moet komen. Vervolgens<br />
typen we =r ∗ Ma in de eerste cel en drukken we op CTR , SHIFT en<br />
ENTER .<br />
2.2.3 De reële vectorruimte van de matrces<br />
De structuur R, R m×n , + van de matrices va, dezelfde orde m × n is een reële vectorruimte
2.2. DE REËLE MATRICES 75<br />
OPGAVEN — 2 Bewijs de volgende eigenschappen rechtstreeks zoals we gedaan hebben voor n-tallen.<br />
Gebruik hierbij de verkorte notatie voor matrices [aij]. Vergeet niet bij elke stap in het bewijs de reden te<br />
vermelden.<br />
1. de associativiteit voor de som van matrices;<br />
2. de distributiviteit van de scalaire vermenigvuldiging t.o.v. de som van matrices;<br />
3. de gemengde associativiteit van de scalaire vermenigvuldiging van matrices.<br />
Het verschil van twee matrices<br />
Elke matrix heeft een tegengestelde matrix. Zo is de volgende definitie mogelijk. Het<br />
verschil van twee matrices van dezelfde orde is de som van de eerste matrix en de<br />
tegengestelde matrix van de tweede matrix.<br />
Met symbolen:<br />
∀A, B ∈ R m×n : A − B = A + (−B)<br />
Met EXCEL selecteren we de rechthoek waar de som van de matrices moet komen. Vervolgens<br />
typen we =Ma − Mb in de eerste cel en drukken we op CTR , SHIFT en ENTER .<br />
OPGAVEN — 3 Gegeven: de matrices A = ⎣<br />
Gevraagd: 1<br />
3<br />
2 (A + B) + 2 (A − B).<br />
Oplossing:<br />
⎡<br />
3 ⎣<br />
7 −1 −8 1<br />
0 2 8 0<br />
0 2 −1 5<br />
⎤<br />
⎦;<br />
⎡<br />
3 1 −2 1<br />
1 1 5 3<br />
2 1 0 2<br />
⎤<br />
⎡<br />
⎦ en B = ⎣<br />
2.2.4 Oplossen van matriciële vergelijkingen<br />
−1 3 4 1<br />
2 0 2 6<br />
4 0 1 −1<br />
We herhalen de regels voor gelijkwaardige vergelijkingen die moeten toegepast worden om<br />
een vergelijking op te lossen in R.<br />
Een gelijkheid blijft behouden als we in beide leden eenzelfde reeël getal optellen.<br />
Een gelijkheid blijft behouden als we beide leden met eenzelfde reeël getal verschillend van 0<br />
vermenigvuldigen.<br />
Bij het oplossen van een vergelijking in R maken we gebruik van de eigenschappen die geldig<br />
zijn in het veld van de reële getallen.<br />
We lossen een matriciële vergelijking op door gebruik te maken van de eigenschappen van<br />
de structuur R, R m×n , + die een reële vectorruimte is.<br />
⎤<br />
⎦.
76 HOOFDSTUK 2. MATRICES<br />
⎡<br />
2 3<br />
1 4<br />
⎤<br />
⎡<br />
6 −3<br />
−1 4<br />
Voorbeeld: Gegeven de matrices A = ⎣ ⎦ en B = ⎣<br />
2 −1<br />
Los de volgende matriciële vergelijking op naar X: A + 2X = B.<br />
Oplossing: We lossen eerst de vergelijking op naar X.<br />
A + r · X = B met r = 0<br />
2 −1<br />
⇔ −A + (A + r · X) = −A + B elke matrix bezit een tegengestelde<br />
⇔ −A + (A + r · X) = B − A de som van matrices is commutatief<br />
⇔ (−A + A) + r · X = B − A de som van matrices is associatief<br />
⇔ O + r · X = B − A definitie van tegengestelde matrix<br />
⇔ r · X = B − A O is neutraal element voor de som van matrices<br />
⇔ 1<br />
r<br />
⇔ ( 1<br />
r<br />
1<br />
1<br />
(r · X) = (B − A) r = 0 dus bestaat r<br />
r<br />
1<br />
r) · X = (B − A) scal.verm. is gemeng associatief<br />
r<br />
⇔ 1 · X = 1<br />
(B − A) definitie van omgekeerden in R<br />
r<br />
⇔ X = 1<br />
(B − A) 1 is neutraal element vr. scal.verm. van matrices<br />
r<br />
Nu substitueren we de gegeven matrices A en B in de laatste vergelijking.<br />
X = 1<br />
2 (<br />
⎡<br />
6<br />
⎣ −1<br />
2<br />
⎤ ⎡<br />
−3 2<br />
4 ⎦ − ⎣ 1<br />
−1 2<br />
⎤<br />
3<br />
4 ⎦) =<br />
−1<br />
1<br />
⎡<br />
4<br />
⎣ −2<br />
2<br />
0<br />
⎤ ⎡<br />
−6 2<br />
0 ⎦ = ⎣ −1<br />
0 0<br />
⎤<br />
−3<br />
0 ⎦<br />
0<br />
<br />
3<br />
OPGAVEN — 4 Gegeven: de matrices A =<br />
0<br />
2<br />
−4<br />
<br />
1<br />
en B =<br />
5<br />
Gevraagd: Los de volgende matriciële vergelijking op naar X:<br />
Vermeld de gebruikte eigenschappen.<br />
5 Gegeven: de matrices A = ⎣<br />
⎡<br />
1 2 3 4<br />
5 6 7 8<br />
9 10 11 12<br />
2A − 3X = 4B − 5X.<br />
⎤<br />
⎡<br />
⎦ en B = ⎣<br />
1 0 2 0<br />
0 1 0 2<br />
2 1 0 3<br />
⎤<br />
1 2 3<br />
4 5 6<br />
Gevraagd: Los de volgende matriciële vergelijking op naar X. Substitueer pas dan de gegeven matrices:<br />
a. X + A = 2A − X;<br />
⎤<br />
⎦.<br />
⎦.<br />
<br />
.
2.2. DE REËLE MATRICES 77<br />
b. (A + X) − (B + X) = A + B + X;<br />
c. −3X = 2(A − B) + 3(A + B).<br />
Vermeld telkens de gebruikte eigenschappen.<br />
<br />
−1 2<br />
Oplossingen: 4<br />
8 14<br />
⎡<br />
⎤<br />
1/2 1 3/2 2<br />
<br />
5<br />
;<br />
7<br />
⎡<br />
−2 0 −4<br />
⎤<br />
0<br />
5 a. ⎣ 5/2 3 7/2 4 ⎦; b. ⎣ 0 −2 0 −4<br />
9/2 5 11/2 6 −4 −2 0 −6<br />
⎦; c. − 1<br />
3<br />
⎡<br />
⎣<br />
6 10 17 20<br />
25 31 35 42<br />
47 51 55 63<br />
2.2.5 De getransponeerde matrix van een matrix<br />
De getransponeerde matrix van een matrix A is de matrix A t die we bekomen door<br />
in de matrix A de rijen met de kolommen te verwisselen.<br />
([aij]<br />
<br />
m×n<br />
) t = [aji]<br />
<br />
n×m<br />
Is A een matrix van de orde m × n dan is A t een matrix van de orde n × m.<br />
STELLING 2.1 De getransponeerde van de getransponeerde van een matrix is gelijk aan<br />
de matrix.<br />
Met symbolen:<br />
∀A ∈ R m×n : (A t ) t = A.<br />
STELLING 2.2 De getransponeerde van de som van twee matrices is gelijk aan de som<br />
van de getransponeerde van die matrices.<br />
Met symbolen:<br />
∀A, B ∈ R m×n : (A + B) t = A t + B t<br />
STELLING 2.3 De getransponeerde matrix van het product van een matrix met een reëel<br />
getal is gelijk aan het product van de getransponeerde van die matrix en dat reëel getal.<br />
Met symbolen:<br />
∀r ∈ R, ∀A ∈ R m×n : (r.A) t = r.A t<br />
⎤<br />
⎦;
78 HOOFDSTUK 2. MATRICES<br />
2.2.6 Soorten matrices<br />
1. Een rijmatrix is een matrix van de orde (1 × n) dit is een matrix met één rij. Zij<br />
zijn element van R1×n .<br />
<br />
x1 x2 · · · xn<br />
<br />
2. Een kolommatrix is een matrix van de orde (m×1) dit is een matrix met één kolom.<br />
Zij zijn element van Rm×1 . ⎡ ⎤<br />
⎢<br />
⎣<br />
x1<br />
x2<br />
.<br />
xm<br />
3. Een vierkante matrix van de orde n is een matrix waarvan het aantal rijen gelijk<br />
is aan het aantal kolommen gelijk aan n.<br />
Een element aij waarvoor i = j is een element van de hoofddiagonaal en een element<br />
aij waarvoor i + j = n + 1 is een element van de nevendiagonaal.<br />
4. Een symmetrische matrix is een vierkante matrix waarvan de getransponeerde de<br />
matrix zelf is.<br />
A is symmetrisch ⇐⇒ A t = A,<br />
[aij]<br />
<br />
m×n<br />
⎥<br />
⎦<br />
is symmetrisch ⇐⇒ aij = aji.<br />
Bij een symmetrische matrix zijn de elementen symmetrisch t.o.v. de hoofddiagonaal<br />
gelijk aan elkaar.<br />
5. Een driehoeksmatrix is een vierkante matrix waarvan alle elementen boven of onder<br />
de hoofddiagonaal gelijk zijn aan nul.<br />
6. Een diagonaalmatrix is een vierkante matrix waarvan alle elementen boven en onder<br />
de hoofddiagonaal gelijk zijn aan nul.<br />
7. Een scalaire matrix is een diagonaalmatrix waarvan alle elementen op de hoofddiagonaal<br />
gelijk zijn aan elkaar.<br />
8. Een scheefsymmetrische matrix is een vierkante matrix waarvan de getransponeerde<br />
de tegengestelde matrix is.<br />
A is scheefsymmetrisch ⇐⇒ A t = −A,<br />
[aij]<br />
<br />
m×n<br />
is scheefsymmetrisch ⇐⇒ aij = −aji.
2.2. DE REËLE MATRICES 79<br />
Is i = j dan is aii = −aii. Hieruit volgt dat aii = 0.<br />
Bij een scheefsymmetrisce matrix zijn alle diagonaalelementen nul en zijn de elementen<br />
symmetrisch t.o.v. de hoofddiagonaal tegengesteld.<br />
OPGAVEN — 6 Gegeven zijn de matrices: A =<br />
Bereken indien mogelijk:<br />
a. A + C en C + A;<br />
b. A + (B + C) en (A + B) + C;<br />
c. 3 · (4 · A) en 12 · A;<br />
d. 3 · (B + C) en 3 · B + 3 · C;<br />
e. 2 · B + 6 · B en 8 · B;<br />
f. A + B t en A t + B;<br />
g. (A + B) t en A t + B t ;<br />
h. (−7 · C) t en −7 · C t ;<br />
i. (A t ) t .<br />
1 2 3<br />
3 4 0<br />
<br />
1 1 1<br />
, B =<br />
0 1 0<br />
<br />
en C =<br />
1 0 1<br />
2 1 2<br />
Sommige uitdrukkingen zijn aan elkaar gelijk. Geef de naam van de eigenschap van bewerkingen met<br />
matrices die daarmee overeenstemt.<br />
7 Bewijs dat voor elke vierkante matrix A geldt dat A + A t een symmetrische matrix is.<br />
8 Bewijs dat als A een vierkante matrix is A − A t een scheefsymmetrische matrix is.<br />
9 Bewijs dat de getransponeerde van een driehoeksmatrix, een diagionaalmatrix, een scalaire matrix, een<br />
vierkante matrix, een symmetrische matrix terug een driehoeksmatrix respectievelijk diagionaalmatrix, een<br />
scalaire matrix, een vierkante matrix, een symmetrische matrix is.<br />
10 Bewijs dat een driehoeksmatrix symmetrisch is als en slechts als het een diagonaalmatrix is.<br />
11 Onderzoek resp. voor een symmetrisch matrix, een driehoeksmatrix, een diagonaalmatrix en een scalaire<br />
matrix hoe de som is, hoe de tegengestelde matrix is en hoe de matrix is als hij met een reëel getal<br />
wordt vermenigvuldigd.<br />
Oplossingen: <br />
2 2<br />
6 a.<br />
5 5<br />
<br />
4 3<br />
; b.<br />
2 5<br />
⎡ ⎤<br />
2 3<br />
<br />
3 5 12<br />
; c.<br />
6 2 36<br />
⎡<br />
⎤<br />
−7 −14<br />
24<br />
48<br />
36<br />
0<br />
f. gaat niet g. ⎣ 3 5 ⎦; h. ⎣ 0 −7 ⎦; i. A<br />
4 0 −7 −14<br />
<br />
; d.<br />
6 3 6<br />
6 6 6<br />
<br />
; e.<br />
8 8 8<br />
0 8 0<br />
<br />
;<br />
<br />
.
80 HOOFDSTUK 2. MATRICES<br />
2.2.7 Lineaire combinatie van vectoren<br />
Zijn v1, v2, . . . , vm m vectoren van een reële vectorruimte R, V, + en zijn r1, r2, . . . , rm m<br />
reële getallen, dan noemen we de vector<br />
v = r1.v1 + r2.v2 + · · · + rm. vm <br />
een lineaire combinatie van de vectoren v1, v2, . . . , vm. <br />
Opmerking: Een lineaire combinatie van één vector is een veelvoud van die vector.<br />
Voorbeelden.<br />
• In de vectorruimte R, R 2 , + is het koppel [−10, −12] een lineaire combinatie van de<br />
koppels [−1, 2], [2, 4] en [3, 2] want<br />
[−10, −12] = 3[−1, 2] − 5[2, 4] + [3, 2].<br />
Dit geldt omdat <br />
−10 = 3(−1) + (−5)2 + 3<br />
−12 = 3 · 2 + (−5)4 + 2<br />
(2.1)<br />
Het is handiger in een lineaire combinatie de vectoren als kolommatrices te schrijven<br />
<br />
−10 −1 2 3<br />
= 3 · − 5 · +<br />
−12 2 4 2<br />
Dit laatste geeft aanleiding tot hetzelfde stelsel 2.1.<br />
• In de vectorruimte R, R 3 , + is het 3-tal (3, −3, −4) een lineaire combinatie van de<br />
3-tallen (1, −1, 0), (2, 0, −3) en (1, 1, 1) want<br />
Dit geldt omdat ⎧ ⎨<br />
Met kolommatrices:<br />
(3, −3, −4) = 2(1, −1, 0) + (2, 0, −3) − (1, 1, 1)<br />
⎩<br />
⎡<br />
⎣<br />
1 · 2 + 2 · 1 + 1(−1) = 3<br />
(−1)2 + 0 · 1 + 1(−1) = −3<br />
0 · 2 + (−3)1 + 1(−1) = −4<br />
3<br />
−3<br />
−4<br />
⎤<br />
⎡<br />
⎦ = 2 · ⎣<br />
1<br />
−1<br />
0<br />
⎤<br />
⎡<br />
⎦ + ⎣<br />
2<br />
0<br />
−3<br />
⎤<br />
⎡<br />
⎦ − ⎣<br />
1<br />
1<br />
1<br />
⎤<br />
⎦
2.2. DE REËLE MATRICES 81<br />
• Het stelsel 2x + 3y − 5z = 2<br />
4x − 6y − 7z = 7<br />
kan geschreven worden als een lineaire combinatie van kolommatrices.<br />
<br />
2 3 −5 2<br />
x · + y · + z · =<br />
4 −6 −7 7<br />
Het stelsel oplossen zal erop neerkomen een lineaire combinatie van 3 vectoren [2, 4],<br />
[3, −6] en [−5, −7] te zoeken zodat we de vector [2, 7] bekomen.<br />
OPGAVEN — 12<br />
Gegeven zijn de vectoren<br />
1. [30, 105, 170, 40], [25, 80, 130, 10] en [25, 70, 120, 30]<br />
2. [3, −4, −5] en [6, −7, 2].<br />
3. (1, −4, 8], [4, −7, −4] en [8, 4, 1].<br />
(i) Tot welke vectorruimte behoren de vectoren;<br />
(ii) Bepaal een vector die een lineaire combinatie is van de vectoren. Schrijf de combinatie met kolommatrices.<br />
Oplossingen<br />
12 (i) 1. R 4 , 2. R 3 , 3. R 3
82 HOOFDSTUK 2. MATRICES<br />
2.3 Oplossen van lineaire stelsels<br />
2.3.1 Inleidende voorbeeld<br />
Dit schooljaar is de doelstelling van de algebra het leren oplossen van stelsels volgens een<br />
bepaalde efficiënte techniek. Vorige jaren hebben jullie al geleerd hoe je een eenvoudig<br />
stelsel kunt oplossen. Eén van de methodes is de combinatiemethode.<br />
Voorbeeld:<br />
We beschouwen het stelsel 2x − y = 7<br />
−3x + 4y = −3<br />
We behouden de eerste vergelijking en de tweede vergelijking vervangen we door een lineaire<br />
combinatie van de twee vergelijkingen zodat bijvoorbeeld de onbekende x verdwijnt (we elimineren<br />
x). Om de x te elimineren, gaan we de eerste vergelijking vermenigvuldigen met<br />
3, de tweede vergelijking vermenigvuldigen met 2 en vervolgens de vergelijkingen lid aan<br />
lid optellen. <br />
2x − y = 7 3<br />
−3x + 4y = −3 2 ⇐⇒<br />
<br />
2x − y = 7<br />
0x + 5y = 15<br />
We laten de tweede vergelijking staan en de eerste vergelijking vervangen we door een<br />
lineaire combinatie van de twee vergelijkingen zodat de onbekende y verdwijnt.<br />
<br />
2x − y = 7 5<br />
0x + 5y = 15 1 ⇐⇒<br />
<br />
10x + 0y = 50<br />
0x + 5y = 15 ⇐⇒<br />
<br />
x = 5<br />
y = 3<br />
Opmerking: Bij het correct toepassen van de combinatiemethode, gaan we over van een<br />
stelsel naar ander stelsel die gelijkwaardig is met het eerste stelsel. Dit betekent dat de<br />
oplossingen van het eerste stelsel dezelfde zijn als de oplossingen van het tweede stelsel.<br />
Als we lineaire combinaties van de vergelijkingen van een stelsel maken, maken we eigenlijk<br />
lineaire combinaties van de coëfficiënten van de onbekenden. Het is in feite niet nodig de<br />
onbekenden op te schrijven. Het is enkel van belang dat we weten welke coëfficiënten bij<br />
welke onbekenden horen. We definiëren daarom een schema of tabel van reële getallen die<br />
de coëfficiënten zijn van de onbekenden van het stelsel. De plaats van de getallen is van<br />
belang. Zo een schema is een reële matrix. Dit spaart schrijfwerk uit. We zullen nu het<br />
bovenstaande stelsel oplossen door de combinaties toe te passen op de rijvectoren van de<br />
matrix.<br />
<br />
2 −1 7<br />
−3 4 −3<br />
2v2+3v1<br />
∼<br />
2 −1 7<br />
0 5 15<br />
5v1+v2<br />
∼<br />
10 0 50<br />
0 5 15<br />
v1<br />
10 1 0 5<br />
∼<br />
0 1 3<br />
Uit deze matrix kunnen we de oplossing van het stelsel aflezen, nl. (5, 3).<br />
<br />
.
2.3. OPLOSSEN VAN LINEAIRE STELSELS 83<br />
Deze methode van oplossen noemen we de methode van Gauss-Jordan of de spilmethode.<br />
Deze methode laat ons toe grote stelsels met veel onbekenden op te lossen zonder dat we<br />
in de knoei geraken of in cirkeltjes gaan draaien. Voor het oplossen van een stelsel maken<br />
we gebruik van het begrip matrix en het begrip van vector van een reële vectorruimte.<br />
2.3.2 Rijequivalente matrices<br />
Rijoperaties op een matrix zijn:<br />
1. Het verwisselen in een matrix A van de i-de rijvector vi en de j-de rijvector vj ( met<br />
DERIVE: swap elements(A, i, j)).<br />
Met symbolen:<br />
vij = vji<br />
2. Het vervangen van een rijvector vi van A door een lineare combinatie van alle rijvectoren<br />
van A waarbij de scalair van vi verschillend is van 0.<br />
Met symbolen:<br />
⎡<br />
⎢<br />
⎣<br />
v1<br />
v2<br />
vi<br />
vm<br />
⎤<br />
⎡<br />
v1<br />
⎥ ⎢<br />
v2<br />
⎥<br />
⎥ ⎢<br />
⎥<br />
⎥ ⎢<br />
⎥<br />
. ⎥ ⎢<br />
.<br />
⎥<br />
⎥ ∼ ⎢<br />
⎥ met ri = 0<br />
⎥ ⎢ r1v1 + r2v2 + · · · + rivi + · · · + rmvm ⎥<br />
⎥ ⎢<br />
⎥<br />
. ⎦ ⎣<br />
.<br />
⎦<br />
vm <br />
Bijzondere rijoperatie<br />
⎡<br />
⎢<br />
⎣<br />
v1<br />
.<br />
vj<br />
.<br />
vi<br />
.<br />
vm<br />
⎤<br />
⎡<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ∼ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎦ ⎣<br />
v1<br />
.<br />
vj<br />
.<br />
rivi + rjvj<br />
.<br />
vm <br />
⎤<br />
⎤<br />
⎥ met ri = 0<br />
⎥<br />
⎦
84 HOOFDSTUK 2. MATRICES<br />
Een bijzonder geval van de voorgaande rijoperatie<br />
⎡ ⎤ ⎡ ⎤<br />
⎢<br />
⎣<br />
v1<br />
.<br />
vj<br />
.<br />
vi<br />
.<br />
vm<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ∼ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎦ ⎣<br />
v1<br />
.<br />
vj<br />
.<br />
rivi<br />
.<br />
vm <br />
⎥ met ri = 0<br />
⎥<br />
⎦<br />
Opmerking: De voorwaarden die gesteld worden voor de scalairen ri zijn belangrijk om<br />
het gelijkwaardig zijn van de corresponderende stelsels te garanderen.<br />
Rijequivalente matrices<br />
Twee matrices worden rijequivalente matrices genoemd als en slechts als de ene matrix<br />
overgaat in de andere matrix door het toepassen van een eindig aantal rijoperaties.<br />
Opmerking: Rijequivalente matrices corresponderen met gelijkwaardige stelsels.<br />
2.3.3 Gauss-Jordan-methode voor het oplossen van lineaire stelsels<br />
De methode van Gauss-Jordan bestaat erin door het toepassen van een eindig aantal rijoperaties<br />
op een matrix, de matrix in een zogenaamde canonieke gedaante te brengen, d.i. een<br />
gedaante waarbij zoveel mogelijk nullen optreden. We noemen die matrix de canonieke<br />
matrix van de matrix.<br />
De methode van Gauss-Jordan is een typische computermethode. Daarom zullen we meestal<br />
gebruik maken van DERIVE. Daartoe moeten we enkel de matrix A invoeren en het<br />
commando row reduce(A) schrijven.<br />
<br />
row reduce(<br />
2 −1 7<br />
−3 4 −3<br />
<br />
1 0 5<br />
) =<br />
0 1 3<br />
De spilmethode Hoe herleiden we zonder computer een matrix naar een canonieke matrix?<br />
Is het element van de eerste rij en eerste kolom gelijk aan nul dan verwisselen we de eerste rij met een andere<br />
rij waar het element in de eerste kolom verschillend is van nul, indien dit bestaat. Indien er geen zulke<br />
rij is, kijken we naar de tweede kolom in elke rij en zorgen ervoor dat, indien er zulk een niet-nul element<br />
bestaat, dit niet-nul element op de eerste rij komt. Indien er geen zulk een niet-nul element bestaat, kijken<br />
we naar de derde kolom in elke rij, enz. Stel dat het eerste niet-nul element dat we kunnen tegenkomen<br />
wanneer we alle rijen afgaan, op de i1-ste kolom staat. We brengen de corresponderende rij op de eerste<br />
rij. We laten de nieuwe eerste rij dan staan en vervangen elke andere rijvector door een lineaire combinatie<br />
<br />
.
2.3. OPLOSSEN VAN LINEAIRE STELSELS 85<br />
met de eerste rijvector, zodat het i1-ste coördinaatgetal van de nieuwe vector nul wordt. Nu zoeken we het<br />
eerste niet-nul getal in alle rijen uitgezonderd de eerste, bvb. het i2-de getal in de j2-de rij. We verwisselen<br />
dan de tweede met de j2-de rij zodat op de i2-de plaats van de tweede rij een niet-nul element staat. We<br />
laten die nieuwe tweede rij dan staan en vervangen elke andere rijvector door een lineaire combinatie met<br />
de tweede rijvector, zodat het i2-de coördinaatgetal van de nieuwe vector nul wordt. Op deze wijze gaan<br />
we verder. Uiteindelijk bekomen we een matrix in de zogenaamde canonieke gedaante. Hierin zijn de<br />
eerste elementen op de niet-nul rijen resp. a1i1 , a2i2 , · · · ,arir verschillend van nul. Zo een element van<br />
de canonieke matrix wordt een Jordan-element genoemd. De verzameling elementen akik<br />
noemen we<br />
de Jordan-diagonaal. De elementen van een Jordan-diagonaal zijn allemaal verschillend van nul, en alle<br />
elementen boven, onder en links van zulke elementen zijn gelijk aan nul.<br />
Als we de spilmethode willen toepassen zonder gebruik te maken van de computer, kunnen<br />
we wel elke rijoperatie met de computer controleren. Daartoe moet eerst de Utility-file<br />
VECTOR.MTH. ingeladen worden:<br />
swap elements(A, i, j) verwisselt in de matrix A het i-de rij met het jde rij.<br />
force0(A, i, j, k) vervangt de i-de rij door een lineaire combinatie van de i-de<br />
rij en de k-de rij om het element aij ∈ A nul te maken. Bij deze rijoperatie is<br />
het element akj het zogenaamd Jordan-element<br />
Voorbeeld: Los het volgend stelsel op met de methode van Gauss-Jordan zonder computer<br />
maar controleer elke stap met de computer.<br />
⎧<br />
⎪⎨<br />
⎪⎩<br />
2x − 3y + 4z − u = 3<br />
6x − 9y + 2z − 3u = 4<br />
x − 2y − z + 2u = 1<br />
3x − y + z − 7u = 4<br />
De verhoogde matix van het stelsel is een (4, 5)- matrix. Het eerste Jordan-element is het<br />
eerste element van de eerste rij a11 op voorwaarde dat dit element verschillend is van nul<br />
Hier is 2 het eerste Jordan-element. We omcirkelen dat element.<br />
⎡<br />
⎢<br />
⎣<br />
2v3 − v1<br />
force0(A,3,1,1)<br />
∼<br />
2 −3 4 −1 3<br />
6 −9 2 −3 4<br />
1 −2 −1 2 1<br />
⎤<br />
⎥<br />
⎦<br />
2v2 − 6v1<br />
force0(A,2,1,1)<br />
∼<br />
3 −1 1 −7 4<br />
⎡<br />
2<br />
⎢ 0<br />
⎣ 0<br />
−3<br />
0<br />
−1<br />
4<br />
−20<br />
−6<br />
−1<br />
0<br />
5<br />
⎤<br />
3<br />
−10 ⎥<br />
−1 ⎦<br />
3 −1 1 −7 4<br />
⎡<br />
⎢<br />
⎣<br />
2v4 − 3v1<br />
force0(A,4,1,1)<br />
∼<br />
2 −3 4 −1 3<br />
0 0 −20 0 −10<br />
1 −2 −1 2 1<br />
⎤<br />
⎥<br />
⎦<br />
3 −1 1 −7 4<br />
⎡<br />
2<br />
⎢ 0<br />
⎣ 0<br />
−3<br />
0<br />
−1<br />
4<br />
−20<br />
−6<br />
−1<br />
0<br />
5<br />
⎤<br />
3<br />
−10 ⎥<br />
−1 ⎦<br />
0 7 −10 −11 −1<br />
Het tweede Jordan-element is het eerste element verschillend van nul van de 2de rij maar<br />
dit element staat in de 3de kolom en er is nog een element verschillend van nul in de 2de
86 HOOFDSTUK 2. MATRICES<br />
kolom op de 3de rij. Daarom gaan we de 2de en de 3de rij met elkaar verwisselen. Als we<br />
geen computer gebruiken is het aan te raden de 2de rij (die 3de rij wordt) te delen door<br />
−10.<br />
v2/(−10)<br />
v23<br />
swap elements(A,2,3)<br />
∼<br />
⎡<br />
⎢<br />
⎣<br />
2 −3 4 −1 3<br />
0 −1 −6 5 −1<br />
0 0 2 0 1<br />
0 7 −10 −11 −1<br />
Het tweede Jordan-element is hier nu −1; We omcirkelen dat element en maken het element<br />
boven en onder −1 gelijk aan 0.<br />
−v1 + 3v2<br />
force0(A,1,2,2)<br />
∼<br />
⎡<br />
⎢<br />
⎣<br />
−2 0 −22 16 −6<br />
0 −1 −6 5 −1<br />
0 0 2 0 1<br />
0 7 −10 −11 −1<br />
⎤<br />
⎥<br />
⎦<br />
v1/(−2)<br />
−v4 − 7v2<br />
force0(A,4,2,2)<br />
∼<br />
⎡<br />
⎢<br />
⎣<br />
⎤<br />
⎥<br />
⎦<br />
1 0 11 −8 3<br />
0 −1 −6 5 −1<br />
0 0 2 0 1<br />
0 0 52 −24 8<br />
Het derde Jordan-element is het eerste element verschillend van 0 op 3de rij. Dit is 2. We<br />
omcirkelen 2. We delen ondertussen de 4de rij door 4 en maken de elementen boven 2 gelijk<br />
aan 0. (force0(A, 1, 3, 3) en force0(A, 2, 3, 3))<br />
v4/4<br />
2v1 − 11v3<br />
2v2 + 6v3<br />
∼<br />
⎡<br />
⎢<br />
⎣<br />
2 0 0 −16 −5<br />
0 −2 0 10 4<br />
0 0 2 0 1<br />
0 0 13 −6 2<br />
We delen de 2de rij door −2 en de 4de rij door −3<br />
v2/(−2)<br />
v4/(−3)<br />
∼<br />
⎡<br />
⎢<br />
⎣<br />
⎤<br />
⎥<br />
⎦<br />
2v4 − 13v3<br />
force0(A,4,3,3)<br />
∼<br />
2 0 0 −16 −5<br />
0 1 0 −5 −2<br />
0 0 2 0 1<br />
0 0 0 4 3<br />
⎡<br />
⎢<br />
⎣<br />
2 0 0 −16 −5<br />
0 −2 0 10 4<br />
0 0 2 0 1<br />
0 0 0 −12 −9<br />
Het 4de Jordan-element is het eerste element verschillend van 0 op de 4de rij. Dit is hier 4.<br />
We omcirkelen dat element en we maken de elementen boven 4 gelijk aan 0 (force0(A, 1, 4, 4)<br />
en force0(A, 2, 4, 4))<br />
⎡<br />
⎢<br />
⎣<br />
2 0 0 −16 −5<br />
0 −2 0 10 4<br />
0 0 2 0 1<br />
0 0 0 4 3<br />
⎤<br />
⎥<br />
⎦<br />
4v1 + 16v4<br />
4v2 − 10v2<br />
∼<br />
⎡<br />
⎢<br />
⎣<br />
⎤<br />
⎥<br />
⎦<br />
8 0 0 0 28<br />
0 4 0 0 7<br />
0 0 2 0 1<br />
0 0 0 4 3<br />
⎤<br />
⎥<br />
⎦<br />
⎤<br />
⎥<br />
⎦<br />
⎤<br />
⎥<br />
⎦
2.3. OPLOSSEN VAN LINEAIRE STELSELS 87<br />
We maken de Jordan-elementen gelijk aan 1 door de 1ste, 2de, 3de en 4de rij te delen door<br />
resp. 8, 4, 2 en 4.<br />
v1/8 v2/4<br />
v3/2 v4/4<br />
∼<br />
⎡<br />
1<br />
⎢ 0<br />
⎣ 0<br />
0<br />
1<br />
0<br />
0<br />
0<br />
1<br />
0<br />
0<br />
0<br />
⎤<br />
7/2<br />
7/4 ⎥<br />
1/2 ⎦<br />
0 0 0 1 3/4<br />
Het stelsel heeft één oplossing nl. [ 7<br />
2<br />
, 7<br />
4<br />
1 3 , , 2 4 ].<br />
Opmerking: De oplossing(en) van een stelsel kunnen op twee verschilllende manieren<br />
geïnterpreteerd worden.<br />
Voorbeeld: Beschouwen we het stelsel<br />
x − 2y = 4<br />
3x + y = 6<br />
We lossen het stelsel op met de methode van Gauss.<br />
<br />
1<br />
3<br />
−2<br />
1<br />
<br />
4 1<br />
∼<br />
6 0<br />
−2<br />
7<br />
<br />
4 7<br />
∼<br />
−6 0<br />
0<br />
7<br />
16<br />
−6<br />
De oplossing [ 15<br />
7<br />
<br />
∼<br />
1 0 16/7<br />
0 1 −6/7<br />
6 , − ] kunnen we op twee manieren meetkundig bekijken:<br />
7<br />
1. Het koppel [ 15 6 , − ] is in het vlak de coördinaat van het snijpunt van de rechten<br />
7 7<br />
x − 2y = 4 en 3x + y = 6;<br />
<br />
4<br />
2. De kolomvector is een lineaire combinatie van de kolomvectoren<br />
<br />
6<br />
−2<br />
met scalairen<br />
1<br />
<br />
1<br />
3<br />
en<br />
15 6 en 7 7 .<br />
<br />
4<br />
=<br />
6<br />
15<br />
7 ·<br />
<br />
1<br />
+<br />
3<br />
6<br />
7 ·<br />
<br />
−2<br />
1<br />
OPGAVEN — 13 Los de volgende stelsels op met de methode van Gauss-Jordan en geef de twee meetkundige<br />
interpretaties van de oplossingen.<br />
2x − y = 5<br />
x − y = 2<br />
a.<br />
b.<br />
x + y = 1<br />
x + y = −2<br />
Oplossingen: 13: a. (2, −1); b. (0, −2);
88 HOOFDSTUK 2. MATRICES<br />
RM I groepswerk 9 1. Los de volgende stelsels op met de methode van Gauss-Jordan.<br />
⎧<br />
⎪⎨<br />
2x<br />
x<br />
1.<br />
⎪⎩<br />
3x<br />
3x<br />
⎧<br />
⎨ x<br />
−<br />
+<br />
−<br />
−<br />
+<br />
3y<br />
2y<br />
y<br />
y<br />
y<br />
+<br />
−<br />
+<br />
+<br />
−<br />
4z<br />
z<br />
2z<br />
z<br />
2z<br />
−<br />
+<br />
−<br />
−<br />
+<br />
u<br />
2u<br />
3u<br />
7u<br />
u<br />
=<br />
=<br />
=<br />
=<br />
+<br />
3<br />
1<br />
4<br />
4<br />
3t = 1<br />
3. 2x<br />
⎩<br />
3x<br />
+<br />
+<br />
2y<br />
2y<br />
−<br />
−<br />
4z<br />
4z<br />
+<br />
−<br />
2u<br />
3u<br />
+<br />
−<br />
6t<br />
9t<br />
=<br />
=<br />
2<br />
3<br />
⎧<br />
⎨ x − 3y + z = −2<br />
5. 2x<br />
⎩<br />
3x<br />
−<br />
−<br />
y<br />
4y<br />
−<br />
+<br />
z<br />
z<br />
=<br />
=<br />
3<br />
2<br />
⎧<br />
⎪⎨<br />
2x + 4y + 3z − u = 1<br />
x − 2y − 2z − 3u = 5<br />
2.<br />
⎪⎩<br />
−3x + y + z − 5u = −9<br />
−x + y − z − u = −5<br />
4.<br />
6.<br />
x + 2y + 3z + 4u = 1<br />
2x + y + z + 2u = −1<br />
⎧<br />
⎨<br />
⎩<br />
x + y + z = 4<br />
2x + 5y − 2z = 3<br />
x + 7y − 5z = −6<br />
2. Geef de twee verschillende interpretaties van de oplossingen van de volgende stelsels<br />
en maak telkens een tekening in het vlak.<br />
a. a : x + y = 2, b : 2x + 2y = −2 en c : −x − y = −2;<br />
b. a : x + 5y = −8, b : 3x − 2y = 10, c : 5x + 3y = 4 en D : x + y = 0;<br />
c. a : x y<br />
+ 2 3<br />
= 1, b : x − y = 1 en c : 4x + 2y = 8.<br />
3. Een sleutel-op-de-deur bouwbedrijf bouwt drie types van woningen. Voor het eerste<br />
type woning zijn er 3 eenheden beton, 2 eenheden steen en 5 eenheden hout nodig.<br />
Voor het tweede type zijn dat 4 eenheden beton, 2 eenheden steen en 6 eenheden hout.<br />
Voor het derde type zijn dat 2 eenheden beton, 3 eenheden steen en 5 eenheden hout.<br />
Nadat een aantal woningen is afgewerkt, beweert de boekhouder dat er 50 eenheden<br />
beton zijn verwerkt, 100 eenheden steen en 200 eenheden hout. Hoeveel woningen<br />
werden er van elk type gebouwd? Of kloppen de cijfers van de boekhouder niet?<br />
4. Een bedrijf maakt 3 producten: A, B en C. Het heeft daarvoor drie machines nodig:<br />
I, II en III. Om een eenheid van product A te maken, heeft men machine I gedurende<br />
3 uur nodig, machine II ook gedurende 3 uur en machine III gedurende 2 uur. Om een<br />
eenheid van product B te maken, heeft men de machines achtereenvolgens 2 uur, 1<br />
uur en 1 uur nodig. Om een eenheid van product C te maken, heeft men de machines<br />
achtereenvolgens 8 uur, 7 uur en 5 uur nodig. Machine I is 800 uur beschikbaar,<br />
machine II is 700 uur per maand beschikbaar en machine III kan 500 uur per maand<br />
worden gebruikt. Hoeveel eenheden van elk product moet het bedrijf maandelijks<br />
maken om optimaal gebruik te maken van alle machines?<br />
Hoe kan de productie worden geoptimaliseerd als men 150 eenheden van product A<br />
moet maken?<br />
5. Een bedrijf maakt 2 producten: A en B. Het heeft daarvoor 2 machines nodig: machine<br />
I en nog een nieuw te bouwen machine II. Om een eenheid van product A te<br />
maken, heeft men machine I gedurende 3 uur. Om een eenheid van product B te
2.3. OPLOSSEN VAN LINEAIRE STELSELS 89<br />
maken, heeft men de machine I gedurende 2 uur. Hoe lang machine II nodig is, zal<br />
afhangen van hoe de machine II wordt gebouwd, maar in elk geval twee keer zo lang<br />
voor product B als voor product A. Beide machines zullen elk gedurende 60 uur per<br />
week operationeel zijn. Bepaal hoeveel eenheden van elk product het bedrijf wekelijks<br />
moet maken om optimaal gebruik te maken van beide machines.<br />
6. Schrijf de eerste vector als een lineaire combinatie van de volgende vectoren indien<br />
mogelijk. Zijn er ook soms meerdere mogelijkheden?<br />
(a) [7, 8, 9] en [1, 2, 3], [4, 5, 6];<br />
(b) [− 1 1 , − ] en [−6, 4], [3, −2];<br />
2 3<br />
(c) [0, 5] en [3, −6], [−4, 8];<br />
(d) [7, 8] en [1, 2], [4, 5];<br />
(e) [9, 5, 1] en [2, 1, 3], [−1, 3, 1], [−1, 1, 1];<br />
(f) [14, 18, 5] en [3, 2, 1], [2, −1, 1], [−1, 1, 1];<br />
(g) [23, −20, 41] en [1, 2, 7], [3, −3, 6], [−1, 3, −2];<br />
(h) [8, 56, 37] en [0.2, 3, 0.25], [0.5, −1, 2.5], [−1.25, −1, −4];<br />
(i) [1, −1, 1, 1] en [1, 2, 4, −1], [−2, 1, 1, 2];<br />
(j) [0, 4, −2, 1] en [0, 1, −2, 3], [1, −3, 4, −5], [−2, 2, 1, 4], [3, 1, 2, 2];<br />
(k) [0, 2] en [1, 1], [1, 2], [1, 3];<br />
(l) [0, 1, −1, 2] en [1, 0, −2, 1], [2, 1, 3, −1], [4, 1, −1, 1], [−1, 2, 1, 1], [−1, 1, 1, 1];<br />
Oplossingen: 1<br />
⎛ ⎞ ⎛<br />
x<br />
⎜<br />
1. ⎜ y ⎟ ⎜<br />
⎟<br />
⎝ z ⎠ = r. ⎜<br />
⎝<br />
16<br />
−29<br />
−28<br />
⎞<br />
⎟<br />
⎠<br />
u<br />
7<br />
+<br />
⎛<br />
⎜<br />
⎝<br />
9/7<br />
−1/7<br />
0<br />
⎞<br />
⎟<br />
⎠<br />
0<br />
2.<br />
⎛<br />
⎜<br />
⎝<br />
x<br />
y<br />
z<br />
⎞<br />
⎟<br />
⎠<br />
u<br />
=<br />
⎛<br />
⎜<br />
⎝<br />
39/14<br />
−23/14<br />
9/14<br />
⎞<br />
⎟<br />
⎠<br />
3.<br />
⎛<br />
⎜<br />
⎝<br />
⎞ ⎛<br />
x<br />
y ⎟ ⎜<br />
⎟ ⎜<br />
z ⎟ = r. ⎜<br />
u ⎠ ⎝<br />
⎞ ⎛<br />
5<br />
15<br />
−6 ⎟ ⎜<br />
⎟ ⎜ −18<br />
0 ⎟ + s. ⎜ 0<br />
1 ⎠ ⎝ 0<br />
⎞ ⎛<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎟ + k. ⎜<br />
⎠ ⎝<br />
⎞<br />
0<br />
2 ⎟<br />
1 ⎟<br />
0 ⎠<br />
−1/14<br />
t<br />
0<br />
1<br />
0<br />
+<br />
⎛<br />
⎜<br />
⎝<br />
⎞<br />
1<br />
0 ⎟<br />
0 ⎟<br />
0 ⎠<br />
0<br />
;<br />
⎛ ⎞ ⎛ ⎞ ⎛ ⎞<br />
x<br />
1<br />
0<br />
⎜<br />
4. ⎜ y ⎟ ⎜<br />
⎟<br />
⎝ z ⎠ = r. ⎜ −5 ⎟ ⎜<br />
⎟<br />
⎝ 3 ⎠ + s. ⎜ −2 ⎟<br />
⎝ 0 ⎠<br />
u<br />
0<br />
1<br />
+<br />
⎛ ⎞<br />
−1 ⎛<br />
⎜ 1 ⎟<br />
⎝ 0 ⎠ ; 5. ⎝<br />
0<br />
x<br />
⎞ ⎛ ⎞ ⎛ ⎞ ⎛<br />
3<br />
x<br />
y ⎠ = ⎝ 2 ⎠; 6. ⎝ y ⎠ = ⎝<br />
z 1<br />
z<br />
<br />
x + 2z = 200<br />
2. a. strijdig; b. (2, −2); c. strijdig; 3. strijdig 4.<br />
, (150, 75, 25);<br />
y + z = 100<br />
5. ( 30(t−1)<br />
t<br />
, 15(3−t)<br />
t ) met t het aantal uur dat II nodig heeft om 1 eenheid van A te maken, 15 vr A en 7,5<br />
vr B (t=2); 6. (a) [7, 8, 9] = −[1, 2, 3] + 2[4, 5, 6]; (b) gn lin. comb. mgl; (c) gn lin. comb. mgl;<br />
17<br />
3<br />
− 5<br />
3<br />
0<br />
⎞<br />
⎠.
90 HOOFDSTUK 2. MATRICES<br />
(d) [7, 8] = −[1, 2] + 2[4, 5]; (e) [9, 5, 1] = 2[2, 1, 3] + 4[−1, 3, 1] − 9[−1, 1, 1];<br />
(f) [14, 18, 5] = 7[3, 2, 1] − 3[2, −1, 1] + [−1, 1, 1]; (g) [23, −20, 41] = −[1, 2, 7] + 9[3, −3, 6] + 3[−1, 3, −2];<br />
(h) [8, 56, 37] = 2020<br />
67<br />
(j) [0, 4, −2, 1] = − 306<br />
73<br />
[0.2, 3, 0.25] + 1724<br />
67<br />
[0, 1, −2, 3] − 205<br />
73<br />
584<br />
[0.5, −1, 2.5] + 67 [−1.25, −1, −4]; (i) geen opl<br />
[1, −3, 4, −5] − 32<br />
73<br />
47<br />
[−2, 2, 1, 4] + 73 [3, 1, 2, 2];<br />
(k) ∞ veel mgl, bvb. [0, 2] = [1, 1] − 4[1, 2] + 3[1, 3]; (l) gn lin. comb. mgl.<br />
2.4 Lineaire onafhankelijkheid van vectoren<br />
m vectoren v1, v2, . . . , vm zijn lineair onafhankelijk als en slechts als de nulvector maar op<br />
één manier kan geschreven worden als lineaire combinatie van deze m vectoren, nl. de lineaire<br />
combinatie met de scalairen allen gelijk aan nul.<br />
Met symbolen:<br />
v1, v2, . . . , vm zijn lineair onafhankelijk<br />
⇕<br />
r1.v1 + r2.v2 + · · · + rm. vm = o =⇒ r1 = r2 = · · · = rm = 0<br />
De m vectoren v1, v2, . . . , vm zijn lineair afhankelijk als en slechts als ze niet lineair<br />
onafhankelijk zijn.<br />
Voorbeelden:<br />
• De vectoren (1, 2, 3) en (4, 5, 6) zijn lineair onafhankelijk omdat geldt dat het (3, 2)stelsel<br />
⎡ ⎤<br />
1<br />
⎡ ⎤<br />
4<br />
⎡ ⎤<br />
0<br />
x · ⎣ 2 ⎦ + y · ⎣ 5 ⎦ = ⎣ 0 ⎦<br />
3 6 0<br />
slechts één oplossing heeft, nl. (x, y) = (0, 0). Uit x · (1, 2, 3) + y · (4, 5, 6) = (0, 0, 0)<br />
volgt dat (x, y) = (0, 0).<br />
Merk op dat geen van de twee vectoren een veelvoud is van de andere vector.<br />
• De vectoren (1, 2, 3), (4, 5, 6) en (7, 8, 9) zijn lineair afhankelijk omdat geldt dat het<br />
(3, 3)-stelsel<br />
⎡ ⎤<br />
1<br />
⎡ ⎤<br />
4<br />
⎡ ⎤<br />
7<br />
⎡ ⎤<br />
0<br />
x · ⎣ 2 ⎦ + y · ⎣ 5 ⎦ + z · ⎣ 8 ⎦ = ⎣ 0 ⎦<br />
3 6 9 0<br />
niet enkel de nuloplossing (x, y, z) = (0, 0, 0) heeft maar nog minstens één andere<br />
oplossingen (x, y, z) = (0, 0, 0) heeft.<br />
Na toepassen van de methode van Gauss vinden we het stelsel<br />
x − z = 0<br />
y + 2z = 0<br />
⇐⇒ .<br />
x = z<br />
y = −2z
2.4. LINEAIRE ONAFHANKELIJKHEID VAN VECTOREN 91<br />
Uit x · (1, 2, 3) + y · (4, 5, 6) + z · (7, 8, 9) = (0, 0, 0) volgt dat (x, y, z) = r · (1, −2, 1).<br />
Praktisch betekent dit laatste dat<br />
1 · (1, 2, 3) − 2 · (4, 5, 6) + 1 · (7, 8, 9) = (0, 0, 0),<br />
m.a.w. elk van de vectoren is te schrijven als een lineaire combinatie van de twee<br />
andere vectoren, bvb.<br />
(7, 8, 9) = 2 · (4, 5, 6) − (1, 2, 3)<br />
• De vectoren (1, 2, 3), (2, 4, 6) en (7, 8, 9) zijn lineair afhankelijk omdat geldt dat het<br />
(3, 3)-stelsel<br />
⎡ ⎤<br />
1<br />
⎡ ⎤<br />
2<br />
⎡ ⎤<br />
7<br />
⎡ ⎤<br />
0<br />
x · ⎣ 2 ⎦ + y · ⎣ 4 ⎦ + z · ⎣ 8 ⎦ = ⎣ 0 ⎦<br />
3 6 9 0<br />
minstens één oplossing heeft verschillend van de nuloplossing.<br />
Na toepassen van de methode van Gauss vinden we het stelsel<br />
x + 2y = 0<br />
z = 0<br />
<br />
x = −2y<br />
⇐⇒ .<br />
z = 0<br />
Uit x · (1, 2, 3) + y · (2, 4, 6) + z · (7, 8, 9) = (0, 0, 0) volgt dat (x, y, z) = r · (−2, 1, 0).<br />
Praktisch betekent dit laatste dat<br />
−2 · (1, 2, 3) + 1 · (2, 4, 6) + 0 · (7, 8, 9) = (0, 0, 0),<br />
m.a.w. de vector (1, 2, 3) is te schrijven als een lineaire combinatie van de twee andere<br />
vectoren,<br />
(1, 2, 3) = 1<br />
(2, 4, 6) + 0 · (7, 8, 9)<br />
2<br />
ook de vector (2, 4, 6) is te schrijven als een lineaire combinatie van de twee andere<br />
vectoren,<br />
(2, 4, 6) = 2 · (1, 2, 3) + 0 · (7, 8, 9)<br />
De vector (7, 8, 9) is niet te schrijven als lineaire combinatie van de twee anderen. We<br />
kunnen de gelijkheid niet oplossen naar (7, 8, 9) omdat de coëffiënt nul is.<br />
Deze berekeningen waren eigenlijk allemaal overbodig omdat we reeds bij het begin<br />
zien dat de eerste twee vectoren veelvouden zijn van elkaar. De eerste twee zijn reeds<br />
lineair afhankelijk dus zijn de drie vectoren ook lineair afhankelijk.<br />
We kunnen dus zeggen dat de drie vectoren afhankelijk zijn omdat er minstens ëën<br />
te schrijven is als een lineaire combinatie van de twee anderen.
92 HOOFDSTUK 2. MATRICES<br />
De m vectoren v1, v2, . . . , vm zijn lineair afhankelijk als en slechts als minstens één<br />
van de vectoren te schrijven is als een lineaire combinatie van overige m − 1 vectoren.<br />
Met symbolen:<br />
v1, v2, . . . , vi, . . . , vm zijn lineair afhankelijk<br />
⇕<br />
∃i ∈ {1, 2, . . . , m} ∧ ∃(r1, r2 . . . rm) ∈ R m−1 : vi = r1 v1 + r2 v2 + · · · + rmvm. <br />
Een verzameling vectoren is een vrije verzameling als en slechts de vectoren van de<br />
verzameling lineair onafhankelijk zijn.<br />
RM I groepswerk 10 Zijn de volgende vectoren lineair onafhankelijk? Geef de combinatie<br />
bij afhankelijkheid.<br />
1. [0, 1, −9], [1, 1, 1], [1, 2, −3];<br />
2. [− 1,<br />
−2], [2, 12], [1, 7];<br />
3<br />
3. [0, 1, 1], [1, 1, 2], [−1, 4, −6];<br />
4. [9, 10, 1], [2, 3, 1], [1, 3, 2];<br />
5. [9, 5, 1], [2, 1, 3], [−4, −2, −6];<br />
6. [−4, 2, −1], [1, −0.5, 0.25], [−2, 1, −0.5], [8, −4, 2];<br />
7. [−5, −15, −30], [ 1<br />
3<br />
, 1, 2], [ 1<br />
2<br />
, 3<br />
2<br />
, 3], [− 1<br />
4<br />
3 3 , − , − 4 2 ];<br />
8. [1, 3, −2, 5], [2, 4, 3, −3], [−1, 1, −12, 8], [1, −2, 3, 0];<br />
9. [1, −1, 0, 2] en [1, 2, 0, −1], [−2, 2, 0, −4], [1, 4, 5, −3];<br />
oplossingen: 10. (a) lin.onafh. (b) 6[− 1<br />
3 , −2] + [2, 12] + 0[1, 7] = [0, 0]; (c) lin.onafh.<br />
(d) 3r[9, 10, 1] − 17r[2, 3, 1] + 7r[1, 3, 2] = [0, 0, 0]; (e) 0[9, 5, 1] + 2r[2, 1, 3] + r[−4, −2, −6] = [0, 0, 0]<br />
omdat [−4, −2, −6] = −2[2, 1, 3]; (f) [−4, 2, −1] + 4[1, −0.5, 0.25] + 2[−2, 1, −0.5] + 1<br />
2 [8, −4, 2] = [0, 0, 0]<br />
omdat [−4, 2, −1] = −4[1, −0.5, 0.25] = 2[−2, 1, −0.5] = − 1<br />
2 [8, −4, 2];<br />
(g) [−5, −15, −30] + 15 1<br />
1 3<br />
1 3 3<br />
3 , 1, 2] + 2[ 2 , 2 , 3] + 4[− 4 , − 4 , − 2 ] = [0, 0, 0]<br />
omdat [−5, −15, −30] = −15 1<br />
1 3<br />
1 3 3<br />
3 , 1, 2] = −10[ 2 , 2 , 3] = 20[− 4 , − 4 , − 2 ]; (h) lin.onafh.<br />
(i) 2[1, −1, 0, 2]+0[1, 2, 0, −1]−[−2, 2, 0, −4]+0[1, 4, 5, −3] = [0, 0, 0, 0] omdat [−2, 2, 0, −4] = −2[1, −1, 0, 2].
2.4. LINEAIRE ONAFHANKELIJKHEID VAN VECTOREN 93<br />
RM I HUISTAAK 3 1. Los zonder computer het volgend stelsel op met de methode<br />
van Gauss Jordan. Controleer elke rijoperatie met de computer.<br />
⎧<br />
⎨<br />
⎩<br />
2x − y + 2z = 9<br />
x − 2y + 4z = 12<br />
3x + y − z = 2<br />
2. Gegeven is het stelsel met onbekenden x, y, z en u:<br />
⎧<br />
⎨<br />
⎩<br />
x + y + 2z + 2u = 10<br />
3x + 4y + 11z + 10u = 36<br />
17x + 13y + 14z + 18u = 146<br />
(a) Schrijf het meest eenvoudig gelijkwaardig stelsel van het gegeven stelsel op. Zeg<br />
hoe je dat bekomt door gebruik te maken van de computer.<br />
(b) Hoeveel vrije onbekenden heeft het stelsel en hoeveel oplossingen zijn er?<br />
(c) Geef een parametervoorstelling (in matrixgedaante) van de oplossingen.<br />
3. Gegeven zijn de vectoren v(1, 3, −1), u(1, 5, 1) en w(−1, −2, 2).<br />
(a) Waarom zijn de gegeven vectoren lineair afhankelijk?<br />
(b) Schrijf w als lineaire combinatie van v en u.
94 HOOFDSTUK 2. MATRICES<br />
2.5 Het product van matrices<br />
2.5.1 Definitie<br />
In de lineaire combinatie 2x−3y van de getallen x en y hebben we enerzijds de vector [2, −3]<br />
met de getallen van de lineaire combinatie en anderzijds de vector [x, y] met de getallen<br />
waar een lineaire combinatie van gemaakt wordt.<br />
In de vlakke meetkunde is de analytische uitdrukking van het scalair product van de vectoren<br />
[2, −3] en [x, y] zo een lineaire combinatie en we schrijven:<br />
[2, −3] · [x, y] = 2x − 3y<br />
Diezelfde lineaire combinatie kunnen we ook schrijven met matrices:<br />
<br />
x<br />
2 −3 · = [2x − 3y]<br />
y<br />
Het product dat we hier hanteren, is het product van matrices.<br />
We kunnen dat product nu uitbreiden:<br />
Voorbeeld:<br />
1. De lineaire combinatie met getallen 4, 7 en −9 van de getallen van de vector [x, y, z]<br />
is 4x + 7y − 9z. Nog een andere lineaire combinatie van de getallen van [x, y, z] is<br />
bvb. −8x + 5y − 8z. We kunnen dus schrijven<br />
[4x + 7y − 9z] = 4 7 −9 · ⎣<br />
⎡<br />
x<br />
y<br />
z<br />
⎤<br />
⎦ en [−8x + 5y − 8z] = −8 5 −8 · ⎣<br />
Deze twee verschillende lineaire combinaties van x, y en z kunnen we samenvatten in<br />
één uitdrukking met matrices:<br />
<br />
4x + 7y − 9z 4<br />
=<br />
−8x + 5y − 8z −8<br />
7<br />
5<br />
⎡ ⎤<br />
x<br />
−9<br />
· ⎣ y ⎦<br />
−8<br />
z<br />
2. Dezelfde lineaire combinaties als voor x, y en z kunnen we ook maken met drie andere<br />
getallen, bvb. a, b en c:<br />
<br />
4x + 7y − 9z<br />
<br />
4a + 7b − 9c = 4 7<br />
⎡<br />
<br />
x<br />
−9 · ⎣ y<br />
⎤<br />
a<br />
b ⎦<br />
z c<br />
Hier wordt eigenlijk een lineaire combinatie met scalairen 4, 7 en −9 van de rijvectoren<br />
[x, a], [y, b] en [(z, c] (zie de paragraaf van lineaire combinatie van vectoren).<br />
[4x + 7y − 9z, 4a + 7b − 9c] = 4 · [x, a] + 7 · [y, b] − 9 · [z, c]<br />
⎡<br />
x<br />
y<br />
z<br />
⎤<br />
⎦
2.5. HET PRODUCT VAN MATRICES 95<br />
3. We kunnen ook twee verschillende lineaire combinaties maken van de getallen van<br />
twee verschillende vectoren:<br />
⎡ ⎤<br />
x a<br />
4x + 7y − 9z 4a + 7b − 9c 4 7 −9<br />
=<br />
· ⎣ y b ⎦<br />
−8x + 5y − 8z −8a + 5b − 8c 8 5 −8<br />
z c<br />
Dit product kunnen we ook interpreteren als twee verschillende lineaire combinaties<br />
van de rijvectoren van de tweede matrix [x, a], [y, b] en [z, c].<br />
Het komt hierop neer dat we met de getallen uit een rij van de matrix links lineaire<br />
combinaties maken van de getallen uit een kolom van de matrix rechts.<br />
Vandaar de definitie van product van twee matrices:<br />
Om twee matrices te kunnen vermenigvuldigen moet het aantal kolommen van de eerste<br />
matrix B gelijk zijn aan het aantal rijen van de tweede matrix A. Stel dat B een (p × m)matrix<br />
is dan moet m het aantal rijen zijn in matrix A. De matrix A is een (m×n)-matrix.<br />
Het product B · A is een (p × n)-matrix.<br />
⎡<br />
⎤ ⎡<br />
⎤<br />
b11 b12 . . . b1m a11 a12 . . . a1n<br />
⎢ b21 b22 . . . b2m<br />
⎥ ⎢<br />
⎥ ⎢ a21 a22 . . . a2n<br />
⎥<br />
B · A = ⎢<br />
⎥ · ⎢<br />
⎥<br />
⎣ . . . ⎦ ⎣ . . . ⎦<br />
<br />
bp1 bp2 . . .<br />
<br />
bpm<br />
<br />
am1 am2 . . .<br />
<br />
amn<br />
<br />
p×m<br />
m×n<br />
⎡<br />
⎢<br />
= ⎢<br />
⎣<br />
b11a11 + b12a21 + . . . + b1mam1<br />
b21a11 + b22a21 + . . . + b2mam1<br />
.<br />
b11a12 + b12a22 + . . . + b1mam2<br />
b21a12 + b22a22 + . . . + b2mam2<br />
.<br />
. . .<br />
. . .<br />
⎤<br />
b11a1n + . . . + b1mamn<br />
b21a1n + . . . + b2mamn<br />
⎥<br />
.<br />
⎦<br />
bk1a11 + bk2a21 + . . . + bkmam1 bk1a12 + bk2a22 + . . . + bpmam2 . . . bp1a1n + . . . + bpmamn<br />
Om het element op de i-de rij en j-de kolom te bekomen vermenigvuldigen we de elementen<br />
van de i-de rij van de eerste matrix met de corresponderende elementen van de j-de kolom<br />
van de tweede matrix en tellen we de bekomen producten op.<br />
Om dit product korter maar toch algemeen te kunnen opschrijven, voeren we het sommatieteken<br />
in. ⎡ m k=1<br />
⎢<br />
⎣<br />
b1kak1<br />
m k=1 b1kak2 . . . m k=1 b1kakn<br />
m k=1 b2kak1<br />
m k=1 b2kak2 . . . m k=1 b2kakn<br />
.<br />
.<br />
.<br />
m k=1 bpkak1<br />
m k=1 bpkak2 . . . m k=1 bpkakn<br />
⎤<br />
⎥<br />
⎦<br />
<br />
p×n
96 HOOFDSTUK 2. MATRICES<br />
of nog korter m<br />
k=1<br />
bikakj<br />
<br />
<br />
p×n<br />
Het product van twee matrices kunnen we laten uitvoeren met EXCEL. Daartoe selecteren<br />
we de rechthoek waar het product moet komen en typen = PRODUCTMAT(Ma; Mb) in<br />
de eerste cel en drukken op CTR , SHIFT en ENTER .<br />
In de voorbeelden hebben we gezien dat het product van matrices ons in staat stelt op een<br />
efficiënte manier verschillende lineaire combinaties van een aantal vectoren te bepalen.<br />
Willen we lineaire combinaties maken van de rijvectoren van een matrix dan moeten we de<br />
matrix links vermenigvuldigen met een matrix waarvan de rijvectoren de scalairen van de<br />
lineaire combinatie bevatten. Willen we lineaire combinaties maken van de kolomvectoren<br />
van een matrix dan moeten we de matrix rechts vermenigvuldigen met een matrix waarvan<br />
de kolomvectoren de scalairen van de lineaire combinatie bevatten.<br />
RM I groepswerk 11 1. Maak gebruik van het product van matrices om de lineaire<br />
combinatie(s) met scalairen −5, −12 en 28 op te schrijven en uit te rekenen<br />
(a) van de getallen van de vectoren [5, 7, 9], [3, −8, 13], [−2, −1, 3] en [1, 1, 1];<br />
(b) van de vectoren [1, 2], [−5, 4] en [7, 9]<br />
2. Maak gebruik van het product van matrices om zelf drie verschillende combinaties<br />
op te schrijven en uit te rekenen van de getallen van de vectoren [−4, −3, −2, −1] en<br />
[1, 2, 3, 4].<br />
3. Maak gebruik van het product van matrices om zelf vier verschillende combinaties op<br />
te schrijven en uit te rekenen van de vectoren [9, 8, 7] en [6, 5, 4].<br />
4. Maak gebruik van het product van matrices om het volgend stelsel in een matrixgedaante<br />
te brengen. Los daarna het stelsel op.<br />
⎧<br />
⎧<br />
⎨ 3y − 2z = 5<br />
⎪⎨<br />
4x − 6y − 3z = 0<br />
(a) 2x − y + 5z = 0 (b) −2x + 3y + 3z =<br />
⎩<br />
⎪⎩<br />
3x + 4y + z = 12<br />
1<br />
2<br />
x + y + z = 1<br />
Oplossingen: ⎛ ⎞ 1. ⎛ (a) [143, ⎞ 445, ⎛ 106, ⎞11]<br />
(b) ⎛ [251, ⎞194];<br />
⎛<br />
0<br />
3 −2 5 0 3<br />
⎞<br />
−2<br />
⎛ ⎞<br />
x<br />
⎛<br />
5<br />
⎞<br />
4. x ⎝ 2 ⎠ + y ⎝ −1 ⎠ + z ⎝ 5 ⎠ = ⎝ 0 ⎠ ⇔ ⎝ 2 −1 5 ⎠ · ⎝ y ⎠ = ⎝ 0 ⎠ opl: [3, 1, −1]<br />
3<br />
⎛<br />
4<br />
⎞<br />
4<br />
⎛ ⎞<br />
−6<br />
1<br />
⎛<br />
−3<br />
12<br />
⎞ ⎛ ⎞<br />
3 4<br />
⎛<br />
4<br />
1<br />
−6<br />
z<br />
⎞<br />
−3<br />
12<br />
⎛ ⎞<br />
x<br />
⎛ ⎞<br />
(b) x ⎝ −2 ⎠ + y. ⎝ 3 ⎠ + z ⎝ 3 ⎠ = ⎝ ⎠ ⇔ ⎝ −2 3 3 ⎠ · ⎝ y ⎠ = ⎝ ⎠ opl:<br />
1<br />
1<br />
1<br />
1 1 1 z<br />
[ 1 1 1<br />
2 , 6 , 3 ].<br />
0<br />
1<br />
2<br />
1<br />
0<br />
1<br />
2<br />
1
2.5. HET PRODUCT VAN MATRICES 97<br />
2.5.2 Praktische voorbeelden<br />
• Uitgavenmatrix .<br />
Bij een marktstudie kunnen we een eerste matrix beschouwen. De rijen krijgen het<br />
label van een winkel en de kolommen krijgen het label van een product. De getallen<br />
in de matrix zijn de eenheidsprijzen van elk product in elke winkel. Bij een tweede<br />
matrix zijn de rijen gelabeld met de producten en de kolommen met een boodschappenlijstje.<br />
De getallen in de matrix zijn de nodige hoeveelheid van elk product voor<br />
elk boodschappenlijstje. Het product van de eerste en de tweede matrix geeft ons de<br />
zogenaamde uitgavenmatrix, waarbij de getallen in die matrix ons laten zien hoeveel<br />
we betalen voor onze verschillende boodschappenlijstjes in de verschillende winkels.<br />
Voorbeeld:<br />
A =<br />
w1<br />
w2<br />
w3<br />
A · B =<br />
w1<br />
w2<br />
w3<br />
vlees brood boter appel spons<br />
lijst1 lijst2<br />
en B =<br />
vlees<br />
brood<br />
boter<br />
appel<br />
spons<br />
lijst1 lijst2<br />
• Migratiematrix .<br />
Het we gtrekken van de bevolking van het platteland naar de steden is een bekend<br />
fenomeen in de ontwikkelingslanden. Voor een bepaald land zou in 5 jaar tijd 12,5<br />
percent van de bevolking van het platteland naar de steden trekken en 6,25 percent<br />
trekt van de stad naar het platteland. Op een bepaald moment wonen 8 miljoen<br />
mensen in de stad en 24 miljoen op het platteland.<br />
Na 5 jaar wonen er:<br />
in de stad: 0, 9375 · 8 + 0, 125 · 24 = 10, 50 mensen<br />
op het platteland: 0, 0625 · 8 + 0, 875 · 24 = 21, 50 mensen<br />
Deze lineaire combinaties van 8 en 24 kunnen we voorstellen door een product van<br />
twee matrices. <br />
0, 9375<br />
0, 0625<br />
<br />
0, 125 8 10, 5<br />
· = .<br />
0, 875 24 21, 5<br />
In de matrix van de orde 2×2 zijn de rijen “stad” en “platteland”,alsook de kolommen.<br />
De elementen van de matrix zijn de percentages gedeeld door 100 van de bevolking die<br />
verhuist en die blijft. De som van de getallen van eenzelfde kolom is 1. We noemen<br />
deze matrix een migratiematrix.
98 HOOFDSTUK 2. MATRICES<br />
De kolommatrix stelt de beginsituatie voor.<br />
De situatie na 10 jaar wordt gegeven door het volgend product:<br />
<br />
0, 9375 0, 125 10, 5 12, 53125<br />
· =<br />
.<br />
0, 0625 0, 875 21, 5 19, 46875<br />
Na 10 jaar wonen er in de stad 12 531 250 mensen en op het platteland nog 19 468<br />
750 mensen.<br />
Na 10 jaar is de situatie gelijk aan het product van het kwadraat van de migratiematrix<br />
en de beginsituatie.<br />
0, 9375 0, 125<br />
0, 0625 0, 875<br />
2 ·<br />
8<br />
24<br />
<br />
=<br />
12, 53125<br />
19, 46875<br />
• Leslie-matrices .<br />
Bij de studie van de leefgewoonten en de voortplanting van een bepaalde keversoort<br />
heeft men opgemerkt:<br />
– geen enkele kever wordt drie jaar oud;<br />
– kevers van het eerste levensjaar: één vierde van de geboren kevers overleeft zijn<br />
eerste levensjaar (gaat over naar het tweede levensjaar – kevers die geen week<br />
leven worden niet meegerekend);<br />
– kevers van het tweede levensjaar: de helft van de éénjarige wordt twee jaar (gaan<br />
van tweede naar derde levensjaar);<br />
– kevers van het tweede levensjaar: iedere kever van één jaar oud produceert (gemiddeld)<br />
twee nakomelingen (er gaan van het tweede levensjaar twee kevers over<br />
naar eerste levensjaar);<br />
– kevers van het derde levensjaar: iedere kever van twee jaar oud produceert vier<br />
kever (er gaan van het derde levensjaar vier kevers over naar eerste levensjaar).<br />
We nemen een matrix van de orde 3 × 3. De rijen zijn “1ste jaar”, “2de jaar” en<br />
“3de jaar”, alsook de kolommen. De elementen van de eerste kolom van de matrix<br />
geven voor één kever van het eerste levensjaar hoeveel kevers er resp. naar het eerste,<br />
tweede en derde levensjaar overgaan. De elementen van de tweede kolom geven voor<br />
één kever van het tweede levenjaar hoeveel kevers er naar resp. het eerste, tweede en<br />
derde levensjaar overgaan. De elementen van de derde kolom geven voor één kever van<br />
het derde levenjaar hoeveel kevers er naar resp. het eerste, tweede en derde levensjaar<br />
overgaan. Deze matrix noemen we een Leslie-matrix.<br />
⎡<br />
⎣<br />
0 2 4<br />
0, 25 0 0<br />
0 0, 5 0<br />
⎤<br />
⎦<br />
<br />
.
2.5. HET PRODUCT VAN MATRICES 99<br />
Op een bepaald moment telt men in een gebied 800 kevers in hun eerste levensjaar,<br />
400 in hun tweede levensjaar en 200 in hun derde levensjaar. Deze beginsituatie wordt<br />
voorgesteld door de kolommatrix.<br />
⎡<br />
⎣<br />
800<br />
400<br />
200<br />
Hoeveel kevers zijn er na één jaar en na twee jaar?<br />
De situatie van het aantal kevers na één jaar is gelijk aan het product:<br />
⎡<br />
⎤ ⎡ ⎤ ⎡ ⎤<br />
0 2 4 800 1600<br />
⎣ 0, 25 0 0 ⎦ · ⎣ 400 ⎦ = ⎣ 200 ⎦<br />
0 0, 5 0 200 200<br />
De situatie van het aantal kevers na twee jaar is gelijk aan het product:<br />
⎡<br />
⎤ ⎡ ⎤ ⎡ ⎤<br />
0 2 4 1600 1200<br />
⎣ 0, 25 0 0 ⎦ · ⎣ 200 ⎦ = ⎣ 400 ⎦<br />
0 0, 5 0 200 100<br />
De situatie van het aantal kevers na twee jaar is ook nog gelijk aan het product van<br />
het kwadraat van de Leslie-matrix en de kolommatrix van de beginsituatie:<br />
⎡<br />
0 2<br />
⎤2<br />
4<br />
⎡ ⎤<br />
800<br />
⎡ ⎤<br />
1200<br />
⎣ 0, 25 0 0 ⎦ · ⎣ 400 ⎦ = ⎣ 400 ⎦<br />
0 0, 5 0 200 100<br />
Door toegenomen insecticidengebruik neemt de vruchtbaarheid af. Er worden maar<br />
half zoveel jonge kevers geboren. Hoe zal de Leslie-matrix er nu uitzien? Onderzoek de<br />
consequenties van het insecticidegebruik op langere termijn bij dezelfde beginsituatie.<br />
2.5.3 Eigenschappen van het product van matrices<br />
STELLING 2.4 Het product van matrices is associatief.<br />
Met symbolen:<br />
Stel A ∈ R n×m , B ∈ R m×k , C ∈ R k×l .<br />
⎤<br />
⎦<br />
(A.B).C = A.(B.C)<br />
(A.B)<br />
<br />
n×k<br />
A<br />
<br />
n×m<br />
. C ∈ R<br />
k×l<br />
n×l<br />
. (B.C) ∈ R<br />
<br />
m×l<br />
n×l
100 HOOFDSTUK 2. MATRICES<br />
STELLING 2.5 Het product van twee matrices is distributief t.o.v. van de som van matrices.<br />
Met symbolen:<br />
A.(B + C) = A.B + A.C<br />
(A + B).C = A.C + B.C<br />
Stel voor de eerste gelijkheid A ∈ R n×m , B ∈ R m×k , C ∈ R m×k .<br />
A<br />
<br />
n×m<br />
A.B<br />
<br />
n×k<br />
. (B + C) ∈ R<br />
<br />
m×k<br />
n×k<br />
+ A.C ∈ R<br />
n×k<br />
n×k<br />
Wat de orde betreft is de linksdistributiviteit mogelijk.<br />
Stel voor de tweede gelijkheid A ∈ R n×m , B ∈ R n×m , C ∈ R m×k .<br />
(A + B)<br />
<br />
n×m<br />
A.C<br />
<br />
n×k<br />
. C ∈ R<br />
m×k<br />
n×k<br />
+ B.C ∈ R<br />
n×k<br />
n×k<br />
Wat de orde betreft is de rechtsdistributiviteit mogelijk.<br />
Het bewijs is niet moeilijk maar langdradig. We laten het weg.<br />
Belangrijk: Het product van twee matrices is niet commutatief.<br />
STELLING 2.6 Het neutraal element voor de vermenigvuldiging van matrices van de orde<br />
n × n is de eenheidsmatrix van de orde n × n. De eenheidsmatrix is de scalaire matrix met<br />
diagonaalelement gelijk aan 1.<br />
Er geldt:<br />
⎡<br />
1<br />
⎢ 0<br />
In = ⎢<br />
⎣ .<br />
0<br />
1<br />
.<br />
. . .<br />
. . .<br />
⎤<br />
0<br />
0 ⎥<br />
. ⎦<br />
<br />
0 0 . . .<br />
<br />
n×n<br />
1<br />
<br />
A.In = In.A.
2.5. HET PRODUCT VAN MATRICES 101<br />
STELLING 2.7 De getransponeerde matrix van een product van twee matrices is gelijk<br />
aan het product van de getransponeerde van die matrices maar in omgekeerde volgorde.<br />
Met symbolen:<br />
Stel A ∈ R n×m , B ∈ R m×k .<br />
(A.B) t = B t .A t<br />
A.B ∈ R n×k =⇒ (A.B) t ∈ R k×n<br />
B t ∈ R k×m ∧ A t ∈ R m×n =⇒ B t .A t ∈ R k×n<br />
Wat de orde betreft is deze gelijkheid mogelijk.<br />
Het bewijs is niet moeilijk maar langdradig. We laten het weg.<br />
RM I groepswerk 12 1. Gegeven: A =<br />
⎡<br />
1 0 1<br />
⎤<br />
3<br />
en C = ⎣ 2 1 2 3 ⎦.<br />
3 0 1 1<br />
Bereken indien mogelijk:<br />
(a) A.B en B.A;<br />
(b) A.(B.C) en (A.B).C;<br />
(c) A.(B + C) en (A + B).C;<br />
(d) A.B t , A t · B, B · A t en B t .A;<br />
(e) 2B.C − A.C<br />
2. Gegeven de matrices A =<br />
Bereken indien mogelijk:<br />
1 2 3 0<br />
4 5 6 1<br />
(a) A.B en B.A;<br />
(b) A.(B.C) en (A.B).C;<br />
(c) A.(B + C) en (A + B).C;<br />
(d) 2B.C − A.C;<br />
(e) A.B t , A t · B, B · A t en B t .A;<br />
1 2 3<br />
3 4 0<br />
<br />
, B =<br />
⎡<br />
⎢<br />
⎣<br />
<br />
1 1 1<br />
, B =<br />
0 1 0<br />
1 0<br />
0 1<br />
0 1<br />
1 0<br />
⎤<br />
⎥<br />
⎦ en C =<br />
<br />
−1 1<br />
1 1<br />
3. Bewijs dat voor elke vierkante matrix A geldt: A.A 2 = A 2 .A.<br />
Daaruit volgt dat we de derde macht van een matrix kunnen definiëren, nl. A 3 .<br />
<br />
.
102 HOOFDSTUK 2. MATRICES<br />
4. Toon aan dat alle scalaire matrices van de orde n×n commuteren voor het product van<br />
matrices met elke matrix van diezelfde orde. Toon ook aan dat het vermenigvuldigen<br />
van een matrix met een scalair op hetzelfde neerkomt als het vermenigvuldigen van<br />
die matrix met een scalaire matrix. Men kan dus bij het vermenigvuldigen steeds een<br />
scalaire matrix vervangen door een scalair of een scalair vervangen door een scalaire<br />
matrix.<br />
5. Toon aan dat, indien een vierkante matrix van de orde 2 × 2 commuteert met elke<br />
andere matrix van dezelfde orde, dan is die matrix een scalaire matrix.<br />
<br />
<br />
0 1<br />
0 0<br />
6. Welke matrices commuteren met de matrix ? En met de matrix ?<br />
0 0<br />
1 0<br />
7. Zijn A en B twee vierkante matrices die onderling commuteren dan zullen de matrices<br />
A − k.I en B − k.I eveneens commuteren.<br />
8. Onderzoek wat er gebeurt als men een vierkante matrix links en rechts vermenigvuldigt<br />
met een diagonaalmatrix.<br />
9. Onderzoek resp. voor een symmetrische matrix, een driehoeksmatrix, een diagonaalmatrix<br />
en een scalaire matrix hoe het product is.<br />
⎡<br />
0 1<br />
⎤<br />
−1<br />
10. Gegeven: de matrix A = ⎣ 4 −3 4 ⎦ .<br />
3 −3 4<br />
Toon aan dat A2 = I (involutorische matrix).<br />
⎡<br />
1 1<br />
⎤<br />
3<br />
11. Gegeven: de matrix A = ⎣ 5 2 6 ⎦ .<br />
−2 −1 −3<br />
Toon aan dat ∃n ∈ N : An = O (nilpotente matrix met index n).<br />
⎡<br />
4 8<br />
⎤<br />
2<br />
12. Gegeven: de matrix A = ⎣ −2 −4 −1 ⎦ .<br />
1 2 0<br />
Toon aan dat ∃n ∈ N : An = O (nilpotente matrix met index n).<br />
13. Gegeven de matrix A = 1<br />
⎡<br />
1 −4<br />
⎤<br />
8<br />
⎣ 4 9<br />
8<br />
−7<br />
4<br />
−4 ⎦. Toon aan dat A.A<br />
1<br />
t = At .A = I3.<br />
14. * Bewijs dat voor alle n ∈ N en alle x, y ∈ R geldt<br />
⎡<br />
1<br />
⎣ 0<br />
x<br />
1<br />
⎤n<br />
⎡<br />
y 1<br />
x ⎦ = ⎣ 0<br />
nx<br />
1<br />
n(n−1)<br />
ny + 2<br />
nx<br />
0 0 1 0 0 1<br />
x2<br />
⎤<br />
⎦ .
2.5. HET PRODUCT VAN MATRICES 103<br />
Oplossingen:<br />
1: (a) nt. uitvoerbaar; (b) nt. uitvoerbaar;<br />
⎡ ⎤<br />
⎡<br />
1 4 1 1 2<br />
6 2<br />
(d) ; ⎣ 2 6 2 ⎦;<br />
6 7<br />
; ⎣ 4 6<br />
7 4<br />
2 4<br />
3 3 3<br />
1 2<br />
⎡<br />
<br />
1 2 3<br />
1 5<br />
⎢<br />
2: (a) A · B = ; B · A = ⎢ 4 5 6<br />
5 11<br />
⎣ 4 5 6<br />
<br />
20 3 12 19<br />
(c) nt. uitvoerbaar; (A + B) · C =<br />
;<br />
13 5 13 24<br />
⎤<br />
3<br />
<br />
3 ⎦;<br />
−2 0 0 2<br />
(e) 2B · C − A · C =<br />
.<br />
−7 −2 −7 −15<br />
3<br />
⎤<br />
0<br />
<br />
1 ⎥<br />
4 6<br />
1 ⎦ ; (b) A · (B · C) = (A · B) · C = ;<br />
6 16<br />
1 2 3 0<br />
(c) nt. uitvoerbaar; (d) nt. uitvoerbaar; (e) nt. uitvoerbaar. <br />
a b a 0<br />
6: de matrices van de gedaante: . en . ;<br />
0 a c a<br />
RM I HUISTAAK 4 1. Gegeven zijn de vectoren v(1, 3, −1, 2), u(1, 5, 1, 5)<br />
en w(−1, −2, 2, −1).<br />
(a) Maak gebruik van het product van matrices om naar keuze vier verschillende<br />
lineaire combinaties van de gegeven vectoren uit te rekenen met de computer.<br />
Schrijf twee van die combinaties volledig uit en reken uit zonder computer. Vergelijk<br />
dat met het resultaat van de computer.<br />
(b) Maak gebruik van het product van matrices om naar keuze vier verschillende<br />
lineaire combinaties uit te voeren van de getallen van de gegeven vectoren met<br />
de computer. Zeg dan hoeveel combinaties er uitgevoerd zijn. Schrijf twee van<br />
die combinaties volledig uit en reken uit zonder computer. Vergelijk dat met het<br />
resultaat van de computer.<br />
⎡<br />
2. Gegeven: de matrix A = ⎣<br />
2 −2 −4<br />
−1 3 4<br />
1 −2 −3<br />
⎤<br />
⎦ .<br />
(i) Toon aan dat A 2 = A (idempotente matrix).<br />
(ii) Bereken (2A − I) 2 .<br />
3. Bewijs dat een matrix A idempotent is als er een matrix B bestaat waarvoor A.B = A<br />
en B.A = B.<br />
4. Bewijs dat A t .A en A.A t symmetrische matrices zijn.
104 HOOFDSTUK 2. MATRICES<br />
2.5.4 Inverse matrix van een vierkante matrix<br />
Elk reëel getal r = 0 heeft een omgekeerde, nl. r −1 = 1<br />
r zodat r · r−1 = 1.<br />
De matrix B is inverse matrix van een vierkante matrix A van de orde n als<br />
Notatie: B = A −1 en er geldt:<br />
B · A = In = A · B<br />
A.A −1 = In = A −1 .A.<br />
Maar niet elke matrix heeft een inverse matrix.<br />
Voorbeelden:<br />
• Gegeven de matrix:<br />
<br />
A =<br />
6 −4<br />
−3 2<br />
We onderzoeken of A een inverse matrix bezit.<br />
<br />
6 −4<br />
−3 2<br />
<br />
·<br />
AB = I2<br />
<br />
x<br />
z<br />
<br />
y<br />
t<br />
⇕<br />
=<br />
<br />
1<br />
0<br />
0<br />
1<br />
⎧<br />
⎪⎨<br />
⎪⎩<br />
⇕<br />
<br />
6x − 4z = 1<br />
6y − 4t = 0<br />
−3x + 2z = 0<br />
−3y + 2t = 1<br />
Dit resultaat kunnen we schrijven als twee kleinere stelsels.<br />
6x − 4z = 1<br />
−3x + 2z = 0<br />
<br />
6 −4<br />
<br />
1<br />
−3 2 0<br />
<br />
6 −4 1<br />
0 0 3<br />
Dit stelsel is strijdig.<br />
6y − 4t = 0<br />
−3y + 2t = 1<br />
<br />
6 −4<br />
<br />
0<br />
−3 2 1<br />
<br />
6 −4 0<br />
0 0 6<br />
Dit stelsel is strijdig.
2.5. HET PRODUCT VAN MATRICES 105<br />
De matrix A heeft dus geen inverse matrix. Daarom noemen we A een singuliere<br />
matrix.<br />
• Gegeven is de matrix<br />
A =<br />
4 5<br />
2 3<br />
We onderzoeken of A een inverse matrix bezit.<br />
4 5<br />
2 3<br />
<br />
AB = I2<br />
<br />
x<br />
z<br />
<br />
y<br />
t<br />
⇕<br />
=<br />
<br />
1<br />
0<br />
0<br />
1<br />
Dit resultaat kunnen we schrijven in twee stelsels.<br />
Dus: x = 3<br />
2<br />
4x + 5z = 1<br />
2x + 3z = 0<br />
<br />
4 5<br />
<br />
1<br />
2<br />
<br />
4<br />
3<br />
5<br />
0<br />
1<br />
<br />
0<br />
<br />
8<br />
2<br />
0<br />
−2<br />
<br />
12<br />
0 2 −2<br />
<br />
1 0 3<br />
2<br />
0 1 −1<br />
We vinden dus<br />
en z = −1.<br />
4y + 5t = 0<br />
2y + 3t = 1<br />
<br />
4 5<br />
<br />
0<br />
2<br />
<br />
4<br />
3<br />
5<br />
1<br />
<br />
0<br />
0<br />
<br />
8<br />
2<br />
0<br />
4<br />
<br />
−20<br />
0 2 4<br />
<br />
1 0 − 5<br />
2<br />
0 1 2<br />
Dus: y = − 5<br />
2<br />
<br />
3 5 −<br />
B = 2 2<br />
−1 2<br />
en t = 2.<br />
Beide stelsels worden opgelost door dezelfde rijoperaties toe te passen op de verhoogde<br />
matrices enkel de laatste kolom is verschillend.<br />
4 5 1 0<br />
2 3 0 1<br />
<br />
∼<br />
4 5 1 0<br />
0 2 −2 4<br />
<br />
∼<br />
<br />
.<br />
8 0 12 −20<br />
0 2 −2 4<br />
<br />
<br />
3 5<br />
1 0 −<br />
∼<br />
2 2<br />
0 1 −1 2
106 HOOFDSTUK 2. MATRICES<br />
We rekenen eenvoudig na dat ook (bewijs zie oefening 7)<br />
<br />
3<br />
BA = 2<br />
−1<br />
<br />
5 4 2 ·<br />
−2 2<br />
<br />
5 1<br />
=<br />
3 0<br />
<br />
0<br />
1<br />
De matrix A heeft een inverse matrix. Daarom noemen we A een reguliere matrix.<br />
• Gegeven is de matrix<br />
⎡<br />
A = ⎣<br />
1 2 3<br />
4 0 1<br />
0 3 4<br />
We onderzoeken of A een inverse matrix heeft.<br />
⎧<br />
⎨<br />
⎩<br />
⎡<br />
⎣<br />
1 2 3<br />
4 0 1<br />
0 3 4<br />
1x11 + 2x21 + 3x31 = 1<br />
4x11 + 0x21 + 1x31 = 0<br />
0x11 + 3x21 + 4x31 = 0<br />
⎤ ⎡<br />
⎦ ⎣<br />
⎧<br />
⎨<br />
∧<br />
⎩<br />
x11 x12 x13<br />
x21 x22 x23<br />
x31 x32 x33<br />
⎤<br />
⎦ .<br />
AB = I3<br />
⎤<br />
⇕<br />
⎡<br />
1 0 0<br />
⎦ = ⎣ 0 1 0<br />
0 0 1<br />
⇕<br />
1x12 + 2x22 + 3x32 = 0<br />
4x12 + 0x22 + 1x32 = 1<br />
0x12 + 3x22 + 4x32 = 0<br />
⎧<br />
⎨<br />
∧<br />
⎩<br />
⎤<br />
⎦<br />
1x13 + 2x23 + 3x33 = 0<br />
4x13 + 0x23 + 1x33 = 0<br />
0x13 + 3x23 + 4x33 = 1<br />
Om x11, . . . , x33 te vinden, moeten we dus drie stelsels oplossen. Omdat de stelsels<br />
enkel in de rechterkolom verschillen, kunnen we deze stelsels gelijktijdig oplossen.<br />
⎡<br />
1 2 3 1 0<br />
⎤<br />
0<br />
⎡<br />
1 2 3 1 0<br />
⎤<br />
0<br />
⎡<br />
−8 0 −2 0 −2 0<br />
⎤<br />
⎣ 4 0 1 0 1 0 ⎦ ∼ ⎣ 4 0 1 0 1 0 ⎦ ∼ ⎣ 0 −8 −11 −4 1 0 ⎦<br />
0 3 4 0 0 1 0 3 4 0 0 1 0 0 1 12 −3 −8<br />
⎡<br />
∼ ⎣<br />
We vinden dus<br />
−8 0 0 24 −8 −16<br />
0 −8 0 128 −32 −88<br />
0 0 1 12 −3 −8<br />
⎡<br />
A −1 = ⎣<br />
⎤<br />
⎡<br />
⎦ ∼ ⎣<br />
−3 1 2<br />
−16 4 11<br />
12 −3 −8<br />
1 0 0 −3 1 2<br />
0 1 0 −16 4 11<br />
0 0 1 12 −3 −8<br />
⎤<br />
⎦ .<br />
⎤<br />
⎦
2.5. HET PRODUCT VAN MATRICES 107<br />
Besluit:<br />
• De vierkante matrix A is regulier<br />
⇕<br />
de rijgereduceerde matrix van A is de eenheidsmatrix.<br />
• Om de inverse matrix van een reguliere matrix A te berekenen, passen we de methode<br />
van Gauß-Jordan toe op de matrix [A|I] tot we een matrix van de vorm [I|B]<br />
verkrijgen. De matrix B is dan de inverse matrix van A.<br />
Nog een voorbeeldje: Bepaal de inverse matrix van de matrix A indien hij bestaat.<br />
⎡<br />
1 −1<br />
⎤<br />
2<br />
A = ⎣ 3 4 −5 ⎦<br />
6 7 2<br />
Oplossing: Voor de inverse matrix voegen we de matrix I3 toe aan de matrix A om zodoende<br />
dezelfde rijoperaties op I3 als op A toe te passen.<br />
⎡<br />
⎤ ⎡<br />
1 −1 2 1 0 0 1 0 0 43/73 16/73<br />
⎤<br />
−3/73<br />
⎣ 3 4 −5 0 1 0 ⎦ ∼ ⎣ 0 1 0 −36/73 −10/73 11/73 ⎦<br />
6 7 2 0 0 1 0 0 1 −3/73 −13/73 7/73<br />
De inverse matrix van A is de matrix<br />
⎡<br />
43/73 16/73<br />
⎤<br />
−/73<br />
⎣ −36/73 −10/73 11/73 ⎦ .<br />
−3/73 −13/73 7/73<br />
2.5.5 De inverse matrix van een vierkante matrix van de orde 2<br />
<br />
a b<br />
Een vierkante (2 × 2)-matrix is niet-singulier als en slechts als (a, b) en (c, d)<br />
c d<br />
onafhankelijk zijn. We tonen aan dat dit is als en slechts als ad − bc = 0.<br />
1. a = 0<br />
a b 1 0<br />
c d 0 1<br />
De inverse matrix is<br />
a=0<br />
∼<br />
a b 1 0<br />
0 ad − bc −c a<br />
<br />
1<br />
ad − bc<br />
d −b<br />
−c a<br />
ad−bc=0<br />
∼<br />
1 0 d<br />
ad−bc<br />
0 1 −c<br />
ad−bc<br />
In geval ad − bc = 0 hebben we hier voor a = 0 geen inverse matrix.<br />
<br />
−b<br />
ad−bc<br />
a<br />
ad−bc<br />
<br />
(2.2)
108 HOOFDSTUK 2. MATRICES<br />
2. a = 0<br />
<br />
0 b 1 0 c=0 c d 0 1 b=0 cb 0 −d b<br />
∼<br />
∼<br />
c d 0 1 0 b 1 0 0 b 1 0<br />
<br />
d b<br />
d b<br />
1 0 − 1 0 −<br />
∼<br />
bc bc ∼<br />
bc bc<br />
0<br />
0<br />
0 1 1<br />
b<br />
0 1 c<br />
bc<br />
In het geval dat a = 0 en c = 0 en b = 0 is de voorwaarde ad − bc = bc = 0 voldaan.<br />
De inverse matrix is<br />
1<br />
<br />
d<br />
<br />
−b<br />
−bc −c 0<br />
Dit is het bijzonder geval voor a = 0 van de uitdrukking voor de inverse (2.2).<br />
Het is handig deze uitdrukking ad−bc schematisch te kunnen voorstellen. Daarom definiëren<br />
we het begrip van determinant van de orde twee.<br />
Is de matrix A een vierkante matrix van de orde 2 × 2 dan is de determinant van een<br />
matrix A het reëel getal<br />
Besluit<br />
<br />
<br />
det A = <br />
<br />
a b<br />
c d<br />
<br />
<br />
<br />
= ad − bc ∈ R.<br />
• Een vierkante (2 × 2)-matrix is niet-singulier als en slechts als zijn determinant verschillend<br />
is van nul.<br />
• Een vierkante (2×2)-matrix bezit een inverse matrix als en slechts als zijn determinant<br />
verschillend is van nul. De inverse matrix is dan<br />
−1 <br />
a b 1 d −b<br />
= <br />
c d <br />
a b <br />
.<br />
−c a<br />
<br />
c d <br />
Opmerking: De uitdrukking ad − bc doet oms denken aan kruisproduct bij een evenredigheid.<br />
Inderdaad, ingeval de getallen a, b, c en d verschilend zijn van nul kunnen we<br />
schrijven:<br />
ad = bc ⇐⇒ a b a<br />
= ⇐⇒<br />
c<br />
Deze evenredigheden drukken uit dat in de matrix de rijvector (a, b) een veelvoud is van de<br />
rijvector (c, d) en dat de kolomvector (a, c) een veelvoud is van (b, d). De rijvectoren alsook<br />
de kolomvectoren zijn lineair afhankelijk.<br />
TIP om te onthouden: we bekomen de inverse matrix door de elementen op de hoofddiagonaal<br />
met elkaar te verwisselen, de andere elementen van teken te veranderen en de bekomen<br />
matrix te delen door de uitdrukking ad − bc.<br />
d<br />
b<br />
= c<br />
d
2.5. HET PRODUCT VAN MATRICES 109<br />
OPGAVEN — 14 Bepaal de inverse matrix van de volgende matrices indien mogelijk:<br />
<br />
1<br />
(i)<br />
3<br />
2<br />
4<br />
<br />
⎡<br />
1<br />
(ii) ⎣ 2<br />
3<br />
2<br />
3<br />
4<br />
3<br />
4<br />
6<br />
⎤<br />
⎦<br />
⎡<br />
a<br />
(iii) ⎣ b<br />
a + b<br />
−b<br />
a + b<br />
a<br />
⎤<br />
0<br />
ab ⎦<br />
ab<br />
⎡<br />
1<br />
(iv) ⎣ 0<br />
0<br />
a<br />
1<br />
0<br />
⎤<br />
0<br />
a ⎦<br />
1<br />
(v)<br />
−3 5<br />
2 4<br />
<br />
⎡<br />
(vi) ⎣<br />
1 1 1<br />
2 0 1<br />
1 1 0<br />
⎤<br />
⎡<br />
⎦ (vii) ⎣<br />
⎡<br />
<br />
;(ii) ⎣<br />
<br />
−2<br />
Oplossingen: 14 (i)<br />
3/2<br />
1<br />
−1/2<br />
<br />
−2/11<br />
(v)<br />
1/11<br />
5/22<br />
3/22<br />
<br />
;(vi) 1<br />
⎡<br />
−1<br />
⎣ 1 2<br />
2<br />
1<br />
−1<br />
0<br />
1<br />
1<br />
−2<br />
2.5.6 Stellingen<br />
4 3 2<br />
3 5 2<br />
2 2 1<br />
⎤<br />
−2 0 1<br />
0 3 −2<br />
1 −2 1<br />
⎤<br />
⎡<br />
⎦; (vii) ⎣<br />
⎡<br />
⎦ (viii) ⎣<br />
⎤<br />
0 1 5<br />
3 2 4<br />
6 0 0<br />
⎡<br />
⎦; (iii) det F = 0; (iv) ⎣<br />
−1 −1 4<br />
−1 0 2<br />
4 2 −11<br />
⎤<br />
⎦; (viii) 1<br />
12<br />
⎤<br />
⎦<br />
1 −a a2 ⎤<br />
0 1 −a ⎦;<br />
0 0 1<br />
0 0 2<br />
−8 10 −5<br />
4 −2 1<br />
STELLING 2.8 De inverse matrix van een gegeven reguliere vierkante matrix is uniek.<br />
Bewijs: Is B.A = In, dan is A −1 = (B.A).A −1 = B.(A.A −1 ) = B wegens de associativiteit<br />
van de vermenigvuldiging van matrices. Dit volgt ook uit de uniciteit van de inverse bijectie<br />
van een gegeven bijectie.<br />
STELLING 2.9 De inverse matrix van het product van twee reguliere matrices A en B is<br />
het product van de inverse matrices van A en B maar in omgekeerde volgorde.<br />
Met symbolen:<br />
(A.B) −1 = B −1 .A −1<br />
Bewijs: We bewijzen dat de inverse matrix van A.B gelijk is aan B −1 .A −1 . We bewijzen<br />
dus dat het product van beide matrices in de twee volgorden de eenheidsmatrix is.<br />
1.<br />
(A.B).(B −1 .A −1 ) = A. B.(B −1 .A −1 ) ( prod. is ass.)<br />
= A. (B.B −1 ).A −1 ( idem)<br />
= A.(In.A −1 ) ( def. B −1 )<br />
= A.A −1 (In is neutr. el. )<br />
= In ( def. A −1 )<br />
⎡<br />
⎣<br />
⎤<br />
⎦.
110 HOOFDSTUK 2. MATRICES<br />
2.<br />
(B −1 .A −1 ).(A.B) = B −1 . A −1 .(A.B) ( prod. is ass.)<br />
= B −1 . (A −1 .A).B ( idem)<br />
= B −1 .(In.B) ( def. A −1 )<br />
= B −1 .B (In is neutr. el. )<br />
= In ( def. B −1 )<br />
STELLING 2.10 De inverse matrix van de inverse matrix van een reguliere matrix A is<br />
gelijk aan de matrix A.<br />
Met symbolen:<br />
(A −1 ) −1 = A<br />
Bewijs: We bewijzen dat de inverse matrix van A −1 gelijk is aan A. Inderdaad, A −1 .A = In<br />
en A.A −1 = In.<br />
STELLING 2.11 De inverse matrix van de getransponeerde matrix van een reguliere matrix<br />
A is gelijk aan de getransponeerde van de inverse matrix van A.<br />
Met symbolen:<br />
(A t ) −1 = (A −1 ) t = A −t<br />
Bewijs: We bewijzen dat de inverse matrix van A t gelijk is aan (A −1 ) t . We bewijzen dus<br />
dat het product van beide matrices in de twee volgorden gelijk is aan de eenheidsmatrix.<br />
1. A t .(A −1 ) t = (A −1 .A) t = I t n = In.<br />
2. (A −1 ) t .A t = (A.A −1 ) t = I t n = In.
2.6. ALGEBRAÏSCH REKENWERK MET MATRICES 111<br />
2.6 Algebraïsch rekenwerk met matrices<br />
Bij algebraïsch rekenwerk moeten we rekening houden met de structuur waarin we werken.<br />
2.6.1 Merkwaardige producten<br />
Vooreerst is het product van matrices niet commutatief, wat wel het geval is bij het product<br />
van reële getallen, complexe getallen, scalair product van vectoren etc.. . . . Er bestaan wel<br />
matrices die met elkaar commuteren zoals een scalaire matrix commuteert met elke matrix.<br />
De merkwaardige producten zoals (a ± b) 2 = a 2 ± 2a · b + b 2 en (a + b)(a − b) = a 2 − b 2 zijn<br />
niet meer geldig.<br />
De merkwaardige producten gelden wel voor matrices die onderling commuteren dus waarvoor<br />
A · B = B · A<br />
Anderzijds bestaan er dan ook matrices waarvoor (A+B) 2 = A 2 +B 2 . Dit is voor matrices<br />
waarvoor A · B = −B · A. <br />
1 −1<br />
Voorbeeld: A =<br />
en B =<br />
2 −1<br />
2.6.2 Nuldelers<br />
1 1<br />
4 −1<br />
De nulmatrix O is een opslorpend element voor het product van matrices. Er geldt<br />
<br />
.<br />
∀A ∈ R n×m : A.Om×k = On×k.<br />
Omgekeerd, als het product van twee matrices de nulmatrix oplevert wil dit niet zeggen<br />
dat minstens één van de twee factoren de nulmatrix moet zijn.<br />
A.B = O =⇒ A = O ∨ B = O<br />
Een nuldeler is een vierkante matrix A = O waarvoor een matrix B = O bestaat zodat<br />
A · B = O.<br />
Een nuldeler is steeds een singuliere matrix.<br />
Inderdaad, onderstel dat de matrix A niet-singulier is, dan kunnen we beide leden van<br />
A · B = 0 met A −1 vermenigvuldigen.<br />
A −1 · (A · B) = A −1 · O ⇐⇒ (A −1 · A) · B = O.<br />
Hieruit volgt dat B = O wat in strijd is met het gegeven dat B = O.<br />
Ga dit na met de volgende matrices: <br />
1 0<br />
0 0<br />
A = en B = .<br />
0 0<br />
0 1
112 HOOFDSTUK 2. MATRICES<br />
2.6.3 Matriciële vergelijkingen<br />
Gelijkwaardige matriciële gelijkheden<br />
In een gelijkheid met matrices kunnen we altijd beide leden links of rechts met<br />
eenzelfde matrix vermenigvuldigen.<br />
B = C =⇒ A · B = A · C<br />
Omgekeerd, als in beide leden van een gelijkheid links of rechts een gemeenschappelijke<br />
matrix optreedt, mag die factor niet zomaar geschrapt worden<br />
Ga dit na met de volgende matrices:<br />
<br />
0 1 1 1<br />
2 5<br />
A = , B = en C =<br />
0 2 3 4<br />
3 4<br />
A.B = A.C =⇒ A = O ∨ B = C<br />
Voorbeeld: Los de volgende matriciële vergelijkingen op naar X:<br />
X −1<br />
<br />
−4 −3<br />
1 0<br />
<br />
−<br />
<br />
.<br />
1 −4<br />
1 −2<br />
4 1<br />
2 1<br />
t<br />
=<br />
−5 −1<br />
1 3/2<br />
We lossen eerst de vergelijking op met de verkorte matrixgedaante: X −1 A − B · C t = D<br />
X −1 A − B · C t = D (1)<br />
⇔ (X −1 A − B · C t ) + B · C t = D + B · C t<br />
(2)<br />
⇔ X −1 A + (−B · C t + B · C t t (3)<br />
) = D + B · C ⇔ X −1 A + O = D + B · C t<br />
(4)<br />
⇔ X −1 t (5)<br />
A = D + B · C ⇔ X · (X −1 A) = X · (D + B · C t )<br />
(6)<br />
⇔ (X · X −1 )A = X · (D + B · C t ) (7)<br />
⇔ I · A = X · (D + B · C t )<br />
(8)<br />
⇔ X · (D + B · C t ) = A (9)<br />
⇔ (X · (D + B · C t )) · (D + B · C t ) −1 = A · (D + B · C t ) −1<br />
(10)<br />
⇔ X · ((D + B · C t ) · (D + B · C t ) −1 ) = A · (D + B · C t ) −1 (11)<br />
⇔ X · I = A · (D + B · C t ) −1<br />
(12)<br />
⇔ X = A · (D + B · C t ) −1<br />
Hier tonen we aan dat bij het oplossen van een matriciële vergelijking de axioma’s van reële<br />
vectorruimte gebruikt worden<br />
(1): Een matriciële vergelijking blijf gelijkwaardig als we in beide leden eenzelfde matrix<br />
optellen en elke matrix heeft een tegengestelde matrix;<br />
(2): associativiteit van de optelling in de verzameling van de matrices van dezelfde orde;<br />
(3): definitie van tegengestelde matrix van een matrix;
2.6. ALGEBRAÏSCH REKENWERK MET MATRICES 113<br />
(4): O is neutraal element voor de optelling van matrices;<br />
(5): Een matriciële vergelijking blijf gelijkwaardig als we beide leden links met eenzelfde<br />
niet singuliere matrix vermenigvuldigen en elke niet singuliere matrix heeft een inverse<br />
matrix;<br />
(6) en (10): associativiteit van het product van matrices;<br />
(7) en (11): definitie van inverse matrix van een niet singuliere matrix;<br />
(8) en (12): I is neutraal element voor de vermenigvuldiging van matrices;<br />
(9): Een matriciële vergelijking blijf gelijkwaardig als we beide leden rechts met eenzelfde<br />
niet singuliere matrix vermenigvuldigen en elke niet singuliere matrix heeft een inverse<br />
matrix;<br />
X =<br />
X =<br />
−4 −3<br />
1 0<br />
−4 −3<br />
1 0<br />
X =<br />
<br />
·<br />
<br />
·<br />
−4 −3<br />
1 0<br />
−5 −3<br />
3 3/2<br />
−5 −3<br />
3 3/2<br />
<br />
·<br />
−1 =<br />
<br />
+<br />
−5 −3<br />
3 3/2<br />
−4 −3<br />
1 0<br />
1 −4<br />
1 −2<br />
<br />
+<br />
<br />
0 −2<br />
2 0<br />
4 1<br />
2 1<br />
−1<br />
· ( 2<br />
<br />
3/2 3<br />
) ·<br />
3 −3 −5<br />
t −1<br />
<br />
=<br />
2 2<br />
1 2<br />
RM I groepswerk 13 1. Los⎡de volgende ⎤ matriciële vergelijking op naar X:<br />
0 1 2<br />
(2I − A)X = I + A met A = ⎣ 1 2 3 ⎦.<br />
1 0 1<br />
2. Los de volgende matriciële vergelijkingen op naar X:<br />
(a)<br />
3<br />
2<br />
1<br />
2<br />
t<br />
<br />
3<br />
− (X<br />
1<br />
2<br />
1<br />
<br />
1 1<br />
2 4<br />
(b) AX + 2B = C met A =<br />
(c)<br />
<br />
3 1<br />
(<br />
2 1<br />
<br />
· X) −1 +<br />
−1 ) t <br />
1 2<br />
=<br />
4 0<br />
<br />
, B =<br />
−2 3<br />
4 6<br />
<br />
;<br />
4 2<br />
−1 0<br />
<br />
·<br />
1 3<br />
2 −2<br />
<br />
en C =<br />
<br />
=<br />
8 2<br />
3 1<br />
3 15<br />
3 2<br />
3. Als de matrices A en B commuteren en als A regulier is, dan commuteren A −1 en B.<br />
Bewijs.<br />
4. a. Bewijs dat I − A de inverse matrix is van A als en slechts als A 2 − A + I = O.<br />
b. Welke matrix is de inverse van A als A 2 + A + I = 0?<br />
<br />
.<br />
t
114 HOOFDSTUK 2. MATRICES<br />
5. Gegeven is de matrix B = ⎣<br />
(i) Toon aan dat B3 = O.<br />
⎡<br />
(ii) Druk de matrix A = ⎣<br />
(iii) * Bewijs dat<br />
⎡<br />
0 1 3<br />
0 0 4<br />
0 0 0<br />
2 1 3<br />
0 2 4<br />
0 0 2<br />
⎤<br />
⎦ .<br />
⎤<br />
A n = 2 n−1 .<br />
⎦ uit in de gedaante λ.I + B, met λ ∈ R.<br />
⎡<br />
⎣<br />
2 n n(n + 2)<br />
0 2 4n<br />
0 0 2<br />
6. Bewijs dat voor elk reëel getal en elke reguliere matrix geldt: (r.A) −1 = 1<br />
r .A−1 .<br />
7. Bewijs dat uit A.B = In volgt dat B.A = In en dus B = A−1 . Op die manier kunnen<br />
de bovenstaande bewijzen gehalveerd worden.<br />
Oplossingen: 1 − 1<br />
⎡<br />
4<br />
⎣ 12 4<br />
0<br />
3<br />
4<br />
3<br />
⎤<br />
9<br />
24 ⎦;<br />
1<br />
2: (a)<br />
<br />
4<br />
16<br />
2<br />
12<br />
<br />
; (b) 1<br />
λ = 2;<br />
<br />
−5<br />
2 5<br />
<br />
−9<br />
;<br />
5<br />
(c)<br />
<br />
1<br />
13<br />
1<br />
−1<br />
<br />
−14<br />
5<br />
27<br />
RM I HUISTAAK 5 1. Bewijs dat de inverse matrix van een reguliere symmetrische<br />
matrix symmetrisch is.<br />
2. Gegeven is C = B −1 A.B, bereken C −1 en C n .<br />
3. Los de volgende matriciële vergelijking op naar X:<br />
<br />
3<br />
(<br />
−4<br />
<br />
−1<br />
· X)<br />
2<br />
−t <br />
1<br />
·<br />
5<br />
<br />
−2 5<br />
− ·<br />
0 6<br />
1 −9 <br />
1<br />
= 4 ·<br />
−3<br />
<br />
2<br />
0<br />
⎤<br />
⎦ .
2.7. DEELRUIMTEN 115<br />
2.7 Deelruimten<br />
2.7.1 Definitie<br />
De structuur R, W, + is een deelruimte van R, V, + als en slechts als W een deelverzameling<br />
is van V en de structuur R, W, + een reële vectorruimte is.<br />
Om te bewijzen dat een stuctuur een deelruimte is van een vectorruimte gaan we gebruik<br />
maken van de volgende stelling.<br />
2.7.2 Eigenschap<br />
STELLING 2.12 R, W, + is een deelruimte van R, V, + als en slechts als W een nietledige<br />
deelverzameling is van V en elk lineaire combinatie van twee vectoren van W weer<br />
een vector is van W .<br />
Met symbolen:<br />
R, W, + ≺ R, V, + ⇐⇒<br />
1. W ⊂ V ∧ W = ∅<br />
2. ∀r, s ∈ R ∧ ∀ w1, w2 ∈ W : r w1 + s w2 ∈ W<br />
Bewijs*: Het bewijs bestaat uit twee delen. Het eerste deel is onmiddellijk duidelijk want<br />
als R, W, + een deelruimte is van R, V, + dan is W een niet-ledige deelverzameling van V<br />
en is W gesloten voor de optelling en de scalaire vermenigvuldiging.<br />
In het tweede deel van het bewijs tonen we aan dat als de twee voorwaarden voor W vervuld<br />
zijn de structuur R, W, + een deelruimte is van R, V, +.<br />
1. W ⊂ V . Dit volgt uit de eerste voorwaarde.<br />
2. R, W, + is een reële vectorruimte. Alle eigenschappen van associativiteit, distributiviteit<br />
en commutativiteit zijn geldig in V dus ook geldig in W . De interne eigenschappen<br />
voor de optelling en de scalaire vermenigvuldiging volgen uit de tweede voorwaarde.<br />
We moeten nu nog enkel aantonen dat het neutraal element voor de optelling in W<br />
zit alsook het tegengesteld element van elk element van W .<br />
a. Omdat W = ∅ bestaat er een vector w ∈ W . Volgens de tweede voorwaarde is<br />
0.w = 0 ∈ W . Het neutraal element voor de optelling in V zit dus ook in W .<br />
b. Nemen we een willekeurige vector w ∈ W dan geldt volgens de tweede voorwaarde<br />
dat (−1).w = −w ∈ W . De tegengestelde vector van elke vector van W is<br />
een vector van W .
116 HOOFDSTUK 2. MATRICES<br />
Voorbeeld*: De verzameling van alle drietallen waarvan de som van de eerste twee elementen<br />
gelijk is aan het derde element vormt een deelruimte van de reële vectorruimte van de<br />
drietallen.<br />
W = {(x, y, z) : x + y = z met x, y, z ∈ R}<br />
1. W = ∅ want bijvoorbeeld het drietal (0, 0, 0) voldoet aan de voorwaarde x + y = z en<br />
behoort dus tot W .<br />
2. We beschouwen twee willekeurige drietallen (x1, y1, z1) en (x2, y2, z2) van W dan geldt<br />
x1 + y1 = z1<br />
x2 + y2 = z2<br />
We zullen nu aantonen dat elke lineaire combinatie van de drietallen (x1, y1, z1) en<br />
(x2, y2, z2) weer een drietal is van W .<br />
∀r, s ∈ R : r(x1, y1, z1) + s(x2, y2, z2)<br />
= (rx1 + sx2, ry1 + sy2, rz1 + sz2)<br />
Opdat dit drietal een element zou zijn van W moet de som van de eerste twee elementen<br />
van het drietal gelijk zijn aan het derde element.<br />
rx1 + sx2 + ry1 + sy2 = rx1 + ry1 + sx2 + sy2<br />
= r(x1 + y1) + s(x2 + y2)<br />
= rz1 + sz2<br />
2.7.3 Voortbrengende verzamelingen van vectoren<br />
STELLING 2.13 De verzameling van alle lineaire combinaties van een eindig aantal vectoren<br />
van een reële vectorruimte vormt een deelruimte van die vectorruimte.<br />
Bewijs*:<br />
We noemen C de verzameling van alle lineaire combinaties van de vectoren v1, v2, . . . , vm <br />
van de reële vectorruimte R, V, +:<br />
C = {r1.v1 + r2.v2 + · · · + rm. vm : r1, r2, . . . , rm ∈ R ∧ v1, v2, . . . , vm ∈ V }
2.7. DEELRUIMTEN 117<br />
1. C is een niet-ledige deelverzameling van V omdat C een verzameling is van vectoren<br />
van V .<br />
2. Elke lineaire combinatie van elke twee vectoren van C is weer een vector van C.<br />
Inderdaad, nemen we twee willekeurige vectoren w1 en w2 van C dan zijn beide vectoren<br />
lineaire combinaties van v1, v2, . . . , vm. <br />
w1 ∈ C =⇒ ∃r1, r2, . . . , rm : w1 = r1.v1 + r2.v2 + · · · + rm. vm <br />
w2 ∈ C =⇒ ∃s1, s2, . . . , sm : w2 = s1.v1 + s2.v2 + · · · + sm. vm <br />
Uit de formules 2.3 en 2.4 volgt:<br />
∀r, s ∈ R, ∃r1, r2, . . . , rm, s1, s2, . . . , sm ∈ R :<br />
r. w1 + s. w2 = r.(r1.v1 + r2.v2 + · · · + rm. vm) + s.(s1.v1 + s2.v2 + · · · + sm. vm) <br />
⇕<br />
r. w1 + s. w2 = (rr1 + ss1).v1 + (rr2 + ss2).v2 + · · · + (rrm + ssm). vm. <br />
(2.3)<br />
(2.4)<br />
∃t1, t2, . . . , tm ∈ R : r. w1 + s. w2 = t1.v1 + t2.v2 + · · · + tm. vm. (2.5)<br />
Dit laatste steunt op de commutativiteit en de associativiteit van de som van vectoren<br />
en op de gemengde associativiteit en de twee distributiviteiten van de scalaire<br />
vermenigvuldiging in de vectorruimte R, V, +. Uit formule 2.5 volgt dat de vector<br />
r. w1 + s. w2 een lineaire combinatie is van de vectoren v1, v2, . . . , vm en aldus behoort<br />
tot C.<br />
Opmerking: De vectoren vi met i ∈ {1, 2 . . . , m} zijn zelf ook vectoren van C. Daartoe<br />
kiezen we de scalair van vi gelijk aan 1 en de scalairen van de andere vectoren gelijk aan 0.<br />
De vectorruimte R, C, + van alle lineaire combinaties van de m vectoren v1, v2, . . . , vm noemen<br />
we de vectorruimte voortgebracht door de m vectoren v1, v2, . . . , vm. <br />
De verzameling {v1, v2, . . . , vm} is een voortbrengende verzameling vectoren van de<br />
vectorruimte R, C, +.<br />
Met symbolen:<br />
R, C, + = span{v1, v2, . . . , vm}
118 HOOFDSTUK 2. MATRICES<br />
2.7.4 Niet-triviale deelruimten van R, EO, +<br />
Triviale deelruimten van R, EO, + zijn de nulruimte R, {o}, + en de vectorruimte R, EO, +<br />
zelf.<br />
2.7.4.1 Vectorrechten<br />
Is u = o dan wordt door u een rechte door de oorsprong voortgebracht<br />
aO = span{u met u = o}<br />
aO = {P ∈ EO : <br />
OP = r.u met r ∈ R}<br />
⇕<br />
∀P ∈ aO, ∃r ∈ R : <br />
OP = ru.<br />
Beschouwen we een vector v = OP evenwijdig met aO dan is P ∈ aO.<br />
Omgekeerd, is P ∈ aO dan is v = OP evenwijdig met aO.<br />
De vectoren v en u zijn lineair afhankelijke vectoren.<br />
Twee en meer vectoren parallel met eenzelfde rechte zijn steeds lineair afhankelijk.<br />
aO wordt voortgebacht door u maar ook door een eindig aantal vectoren parallel met u<br />
waarvan er minstens één verschillend is van de nulvector. Deze vectoren vormen dan een<br />
voortbrengende verzameling vectoren voor aO. De verzameling {u} is een minimaal voortbrengende<br />
verzameling voor aO.<br />
We noemen {u} een basis voor de vectorrechte aO. De basis bestaat uit één vector. Daarom<br />
zeggen we dat de dimensie van aO gelijk is aan één en wordt aO een vectorrechte genoemd.
2.7. DEELRUIMTEN 119<br />
We zeggen dat de vergelijking aO : <br />
OP = r.u een vectoriële vergelijking is van de vectorrechte<br />
aO.<br />
Voorbeeld van een eendimensionale deelruimte van R, R2 , +:<br />
In de vectorruimte R, R2 , + brengen de koppels (3, 1 1<br />
2<br />
), (5, ) en (−2, − ) een eendimensi-<br />
5 3 15<br />
onale deelruimte ao voort, vermits één vector verschillend is van de nulvector en de twee<br />
andere vectoren veelvouden zijn van die vector.<br />
ao = span{(3, 1 1 2<br />
1<br />
), (5, ), (−2, − )} = span{(3,<br />
5 3 15 5 )}<br />
a0 = {(x, y) : (x, y) = r(3, 1<br />
) met r ∈ R}.<br />
5<br />
Deze vectoriële vergelijking van ao noemen we een parametervoorstelling van ao.<br />
Bepalen van een basis van een voortbrengende verzameling<br />
Het zou gemakkelijk zijn een minimaal voortbrengende verzameling te kunnen bepalen met<br />
een rekentechniek. De techniek moet ons toelaten alle afhankelijke vectoren weg te werken.<br />
We willen een onafhankelijke vector behouden.<br />
Hiertoe steunen we op het feit dat elke lineaire combinatie van de drie vectoren weer een<br />
vector is van a0.<br />
Omdat de drie vectoren lineair afhankelijk zijn, bestaat er een lineaire combinatie van de<br />
drie vectoren, met scalairen niet alle nul, die de nulvector oplevert. (zie 2.6).<br />
∃(r, s, t) = (0, 0, 0) : r(3, 1 1<br />
2<br />
) + s(5, ) + t(−2, − ) = (0, 0)<br />
5 3 15<br />
We geven zo twee verschillende lineaire combinaties:<br />
<br />
1<br />
1<br />
2<br />
−5(3, ) + 3(5, ) + 0(−2, − ) 5 3 15<br />
)<br />
=<br />
=<br />
(0, 0)<br />
(0, 0)<br />
2(3, 1<br />
5<br />
) + 0(5, 1<br />
3<br />
) + 3(−2, − 2<br />
15<br />
(2.6)<br />
De eerste lineaire combinatie maakt het mogelijk de vector (5, 1)<br />
te vervangen door de<br />
3<br />
nulvector en de tweede lineaire combinatie maakt het mogelijk de vector (−2, − 2 ) te ver-<br />
15<br />
vangen door de nulvector. Let er op dat de vector die vervangen wordt een scalair heeft<br />
verschillend van nul.<br />
Aan het stelsel 2.6 voegen we een lineaire combinatie toe om uit te drukken dat we eerste<br />
vector willen behouden.<br />
⎧<br />
⎨<br />
⎩<br />
1(3, 1<br />
1<br />
2<br />
1<br />
) + 0(5, ) + 0(−2, − ) = (3, 5 3 15 5 )<br />
−5(3, 1<br />
1<br />
2<br />
) + 3(5, ) + 0(−2, − ) = (0, 0)<br />
5 3 15<br />
) = (0, 0)<br />
2(3, 1<br />
5<br />
) + 0(5, 1<br />
3<br />
) + 3(−2, − 2<br />
15<br />
(2.7)
120 HOOFDSTUK 2. MATRICES<br />
Het stelsel 2.7 kunnen we op een handige manier schematisch voorstellen met behulp van<br />
het product van twee matrices. De matrix B bevat de scalairen van de lineaire combinaties<br />
van de drie gegeven vectoren en de tweede matrix A bevat de vectoren als rijvectoren. B<br />
wordt links vermenigvuldigd met A.<br />
⎡<br />
B · A = ⎣<br />
1 0 0<br />
−5 3 0<br />
2 0 3<br />
⎤<br />
⎡<br />
⎦ · ⎣<br />
3 1/5<br />
⎤<br />
5 ⎦ =<br />
1<br />
3<br />
−2 − 2<br />
15<br />
=<br />
⎡<br />
1 · 3 + 0 · 5 + 0 · (−2) 1 ·<br />
⎣<br />
1 1<br />
2<br />
+ 0 · + 0 · (− 5 3 15 )<br />
−5 · 3 + 3 · 5 + 0 · (−2) −5 · 1 1 2<br />
+ 3 · + 0 · ( 5 3 15 )<br />
2 · 3 + 0 · 5 + 3 · (−2) 2 · 1 1<br />
2<br />
+ 0 · + 3 · (− 5 3 15 )<br />
⎤<br />
⎦<br />
⎡ ⎤<br />
⎣<br />
3 1<br />
5<br />
0 0<br />
0 0<br />
We houden dus enkel de eerste vector (3, 1)<br />
over, de laatste twee vectoren werden vervangen<br />
5<br />
door de nulvector.<br />
De niet-nulvector (3, 1<br />
5 ) vormt een basis voor de eendimensionale deelruimte aO van R 2<br />
voortgebracht door de drie gegeven vectoren.<br />
Eigenlijk interesseert ons enkel de laatste matrix en niet welke lineaire combinaties we<br />
moeten maken om deze matrix te bekomen. Het is eenvoudiger als we de laatste matrix<br />
zouden kunnen bekomen zonder de matrix B te kennen. Dit kunnen we verwezenlijken<br />
door het toepassen van rijoperaties op A die dezelfde zijn als de combinaties die gemaakt<br />
worden om het product B ·A uit te voeren. Bij een rijoperatie wordt een rij vervangen door<br />
een lineaire combinatie van alle rijen maar de scalair van de vector die we vervangen moet<br />
verschillend zijn van nul. En dat was ook bij het uitvoeren van B · A het geval.<br />
⎡<br />
⎣<br />
3<br />
5<br />
1<br />
5<br />
1<br />
3<br />
−2 − 2<br />
15<br />
⎤<br />
⎦<br />
3v2 − 5v1<br />
3v3 + 2v1<br />
∼<br />
⎡<br />
⎣<br />
⎦<br />
1<br />
3<br />
5<br />
3 · 5 − 5 · 3 3 · 1 1 − 5 ·<br />
3 5<br />
3 · (−2) + 2 · 3 3 · (− 2 1 ) + 2 · 15 5<br />
⎤<br />
⎡<br />
⎦ ∼ ⎣<br />
3 1<br />
5<br />
0 0<br />
0 0<br />
We kunnen als basisvector ook een veelvoud (= 0) nemen van (3, 1)<br />
bvb. (15, 1). Bij een<br />
5<br />
matrix een rij vervangen door een veelvoud verschillend van nul van die rij is tevens een<br />
rijoperatie. We kunnen schrijven<br />
⎡<br />
⎣<br />
3 1<br />
5<br />
0 0<br />
0 0<br />
⎤<br />
⎦ 5v1<br />
∼<br />
⎡<br />
⎣<br />
15 1<br />
0 0<br />
0 0<br />
De laatste matrix is de canonieke matrix van A.<br />
⎤<br />
⎦ v1/15<br />
∼<br />
⎡<br />
⎣<br />
1 1/15<br />
0 0<br />
0 0<br />
⎤<br />
⎦<br />
⎤<br />
⎦
2.7. DEELRUIMTEN 121<br />
2.7.4.2 Vectorvlakken<br />
Zijn u en v twee lineair onafhankelijke vectoren dan zijn ze niet evenwijdig met eenzelfde<br />
rechte en er geldt<br />
ru + sv = o =⇒ r = s = 0.<br />
u en v brengen een vlak door de oorsprong voort.<br />
αO = span{u, v} met u en v lineair onafhankelijk.<br />
αO = {P ∈ EO : <br />
OP = x.u + yv met x, y ∈ R}<br />
⇕<br />
P ∈ αO ⇐⇒ ∃(x, y) ∈ R 2 : <br />
OP = xu + yv.<br />
Beschouwen we een vector w = OP evenwijdig met αO dan is P ∈ αO.<br />
Omgekeerd, is P ∈ αO dan is OP evenwijdig met αO.<br />
De vectoren w, u en v zijn lineair afhankelijke vectoren.<br />
Drie en meer vectoren parallel met eenzelfde vlak zijn steeds lineair afhankelijk.<br />
αO is een deelruimte van EO voortgebracht door een eindig aantal vectoren waarvan er<br />
precies twee u en v lineair onafhankelijk zijn. Deze verzameling vectoren vormt een voortbrengende<br />
verzameling voor αO.<br />
De verzameling {u, v} is een minimaal voortbrengende verzameling van αO.<br />
We noemen {u, v} een basis van het vectorvlak αO. Het minimum aantal vectoren waardoor<br />
een vectorvlak kan voortgebracht worden is 2. Daarom zeggen we dat de dimensie van<br />
een vectorvlak gelijk is aan 2 en noemen we αO een vectorvlak van EO.<br />
We zeggen dat de vergelijking αO : <br />
OP = xu + yv een vectoriële vergelijking is van het<br />
vectorvlak αO.
122 HOOFDSTUK 2. MATRICES<br />
• Voorbeeld van een tweedimensionale deelruimte van R, R 3 , +:<br />
In de vectorruimte R, R 3 , + brengen de drietallen (1, −1, 0), (2, 0, −3) en (4, −2, −3)<br />
een tweedimensionale deelruimte voort omdat het drietal (4, −2, −3) een lineaire combinatie<br />
is van de lineair onafhankelijke drietallen (1, −1, 0) en (2, 0, −3)<br />
((1, −1, 0) en (2, 0, −3) zijn geen veelvouden van elkaar).<br />
αO = span{(1, −1, 0), (2, 0, −3), (4, −2, −3)}<br />
= span{(1, −1, 0), (2, 0, −3)}<br />
We willen twee onafhankelijke vector behouden.<br />
Hiertoe steunen we op het feit dat elke lineaire combinatie van de drie vectoren weer<br />
een vector is van α0.<br />
Omdat de drie vectoren lineair afhankelijk zijn, bestaat er een lineaire combinatie van<br />
de drie vectoren, met scalairen niet alle nul, die de nulvector oplevert.<br />
∃(r, s, t) = (0, 0, 0) : r(1, −1, 0) + s(2, 0, −3) + t(4, −2, −3) = (0, 0, 0)<br />
2(1, −1, 0) + (2, 0, −3) − (4, −2, −3) = (0, 0, 0) (2.8)<br />
De lineaire combinatie maakt het mogelijk de vector (4, −2, −3) te vervangen door de<br />
nulvector. Let er op dat de vector die vervangen wordt een scalair heeft verschillend<br />
van nul (we zouden ook (1, −1, 0) of (2, 0, −3) kunnen vervangen).<br />
We voegen twee lineaire combinaties toe aan de gelijkheid 2.8 om uit te drukken dat<br />
we de eerste twee vectoren willen behouden. We bekomen het stelsel:<br />
⎧<br />
⎨<br />
⎩<br />
1(1, −1, 0) + 0(2, 0, −3) + 0(4, −2, −3) = (1, −1, 0)<br />
0(1, −1, 0) + 1(2, 0, −3) + 0(4, −2, −3) = (2, 0, −3)<br />
2(1, −1, 0) + (2, 0, −3) − (4, −2, −3) = (0, 0, 0)<br />
In matrixgedaante verkrijgen we:<br />
⎡<br />
1 0 0<br />
⎤ ⎡<br />
B · A = ⎣ 0 1 0 ⎦ · ⎣<br />
2 1 −1<br />
1 −1 0<br />
2 0 −3<br />
4 −2 −3<br />
⎤<br />
⎡<br />
⎦ = ⎣<br />
1 −1 0<br />
2 0 −3<br />
0 0 0<br />
Zoals in het voorgaande voorbeeld kunnen we zonder de matrix B te kennen, door<br />
middel van rijoperaties op de matrix A de laatste matrix bekomen.<br />
⎡<br />
⎣<br />
1 −1 0<br />
2 0 −3<br />
4 −2 −3<br />
⎤<br />
⎦ −v3+2v1+v2<br />
∼<br />
⎡<br />
⎣<br />
1 −1 0<br />
2 0 −3<br />
0 0 0<br />
⎤<br />
⎦<br />
⎤<br />
⎦
2.7. DEELRUIMTEN 123<br />
De vectoren (1, −1, 0) en (2, 0, −3) vormen een basis van het vectorvlak αO voortgebracht<br />
door de drie drietallen.<br />
Met de methode van Gauss-Jordan kunnen we een basis bekomen van het vectorvlak<br />
αO zonder op voorhand iets te weten over de afhankelijkheid van de gegeven vectoren.<br />
⎡<br />
⎣<br />
1 −1 0<br />
2 0 −3<br />
4 −2 −3<br />
⎤<br />
⎦<br />
v2 − 2v1<br />
v3 − 4v1<br />
∼<br />
⎡<br />
⎣<br />
1 −1 0<br />
0 2 −3<br />
0 2 −3<br />
⎤<br />
⎦<br />
2v1 + v2<br />
v3 − v2<br />
∼<br />
⎡<br />
⎣<br />
2 0 −3<br />
0 2 −3<br />
0 0 0<br />
De vectoren (2, 0, −3) en (0, 2, −3) vormen een andere basis van αO, voortgebracht<br />
door de drie gegeven vectoren.<br />
• Voorbeeld van een tweedimensionale deelruimte van R, R 4 , +:<br />
In de vectorruimte R, R 4 , + brengen de viertallen (1, 2, −1, 0), (−2, −4, 2, 0), (2, 4, −3, 1),<br />
en (1, 2, −3, 2) een tweedimensionale deelruimte voort omdat (1, 2, −1, 0) en (−2, −4, 2, 0)<br />
veelvouden zijn van elkaar en (1, 2, −3, 2) een lineaire combinatie is van de onafhankelijke<br />
viertallen (1, 2, −1, 0) en (2, 4, −3, 1), .<br />
αO = span{(1, 2, −1, 0), (−2, −4, 2, 0), (2, 4, −3, 1), (1, 2, −3, 2)}<br />
= span{(1, 2, −1, 0), (−2, −4, −3, 1)}<br />
∃(x1, x2, x3, x4) = (0, 0, 0, 0) :<br />
x1(1, 2, −1, 0) + x2(−2, −4, 2, 0) + x3(2, 4, −3, 1) + x4(1, 2, −3, 2) = (0, 0, 0, 0)<br />
We geven twee verschillende lineaire combinaties:<br />
2(1, 2, −1, 0) + (−2, −4, 2, 0) + 0(2, 4, −3, 1) + 0(1, 2, −3, 2) = (0, 0, 0, 0)<br />
3(1, 2, −1, 0) + 0(−2, −4, 2, 0) − 2(2, 4, −3, 1) + (1, 2, −3, 2) = (0, 0, 0, 0)<br />
(2.9)<br />
De eerste combinatie laat toe de vector (−2, −4, 2, 0) te vervangen door de nulvector.<br />
De tweede combinatie laat toe de vector (1, 2, −3, 2) te vervangen door de nulvector.<br />
Merk op dat de scalairen van de vectoren die vervangen worden verschillend zijn van<br />
nul.<br />
We voegen aan het stelsel 2.9 twee vergelijkingen toe om uit te drukken dat we de<br />
eerste en derde vector willen behouden. We bekomen het stelsel:<br />
⎧<br />
⎪⎨<br />
⎪⎩<br />
1(1, 2, −1, 0) + 0(−2, −4, 2, 0) + 0(2, 4, −3, 1) + 0(1, 2, −3, 2) = (1, 2, −1, 0)<br />
2(1, 2, −1, 0) + (−2, −4, 2, 0) + 0(2, 4, −3, 1) + 0(1, 2, −3, 2) = (0, 0, 0, 0)<br />
0(1, 2, −1, 0) + 0(−2, −4, 2, 0) + 1(2, 4, −3, 1) + 0(1, 2, −3, 2) = (2, 4, −3, 1)<br />
3(1, 2, −1, 0) + 0(−2, −4, 2, 0) − 2(2, 4, −3, 1) + (1, 2, −3, 2) = (0, 0, 0, 0)<br />
⎤<br />
⎦
124 HOOFDSTUK 2. MATRICES<br />
In matrixgedaante verkrijgen we:<br />
⎡<br />
⎢<br />
⎣<br />
1 0 0 0<br />
2 1 0 0<br />
0 0 1 0<br />
3 0 −2 1<br />
⎤<br />
⎥<br />
⎦ ·<br />
⎡<br />
⎢<br />
⎣<br />
1 2 −1 0<br />
−2 −4 2 0<br />
2 4 −3 1<br />
1 2 −3 2<br />
⎤<br />
⎥<br />
⎦ =<br />
⎡<br />
⎢<br />
⎣<br />
1 2 −1 0<br />
0 0 0 0<br />
2 4 −3 1<br />
0 0 0 0<br />
Zoals in het voorgaande voorbeeld kunnen we zonder de matrix B te gebruiken, door<br />
middel van rijoperaties op de matrix A de laatste matrix bekomen.<br />
⎡<br />
⎢<br />
⎣<br />
1 2 −1 0<br />
−2 −4 2 0<br />
2 4 −3 1<br />
1 2 −3 2<br />
⎤<br />
⎥<br />
⎦<br />
v2 + 2v1<br />
v4 − 2v3 + 3v1<br />
∼<br />
⎡<br />
⎢<br />
⎣<br />
1 2 −1 0<br />
0 0 0 0<br />
2 4 −3 1<br />
0 0 0 0<br />
De vectoren (1, 2, −1, 0) en (2, 4, −3, 1) vormen een basis van het vectorvlak voortgebracht<br />
door de vier viertallen.<br />
Zoals in het vorig voorbeeld kunnen we met de methode van Gauss-Jordan een basis<br />
bekomen van het vectorvlak zonder op voorhand te weten of de vectoren al dan niet<br />
van elkaar afhankelijk zijn.<br />
⎡<br />
⎢<br />
⎣<br />
v23<br />
∼<br />
1 2 −1 0<br />
−2 −4 2 0<br />
2 4 −3 1<br />
1 2 −3 2<br />
⎡<br />
⎢<br />
⎣<br />
1 2 −1 0<br />
0 0 −1 1<br />
0 0 0 0<br />
0 0 −2 2<br />
⎤<br />
⎥<br />
⎦<br />
⎤<br />
⎥<br />
⎦<br />
v2 + 2v1<br />
v3 − 2v1<br />
v4 − v1<br />
∼<br />
v1 − v2<br />
v4 − 2v2<br />
∼<br />
⎡<br />
⎢<br />
⎣<br />
⎡<br />
⎢<br />
⎣<br />
1 2 −1 0<br />
0 0 0 0<br />
0 0 −1 1<br />
0 0 −2 2<br />
1 2 0 −1<br />
0 0 −1 1<br />
0 0 0 0<br />
0 0 0 0<br />
De vectoren (1, 2, 0, 1) en (0, 0, −1, 1) vormen een andere basis van hetzelfde vectorvlak<br />
voortgebracht door de vier viertallen.<br />
2.7.4.3 Besluit<br />
• Bij het toepassen van rijoperaties op een matrix, worden vectoren vervangen door<br />
andere vectoren die tot dezelfde deelruimte behoren als voortgebracht door de oorspronkelijke<br />
vectoren. De nieuwe vectoren brengen nog steeds dezelfde deelruimte<br />
voort.<br />
⎤<br />
⎥<br />
⎦<br />
⎤<br />
⎥<br />
⎦ .<br />
⎤<br />
⎥<br />
⎦<br />
⎤<br />
⎥<br />
⎦
2.8. RANG VAN EEN MATRIX 125<br />
• Bij het herleiden van een matrix naar zijn canonieke gedaante, worden de rijvectoren<br />
die afhankelijk zijn van de andere automatisch vervangen door de nulvector. De<br />
overblijvende niet-nulvectoren vormen een verzameling onafhankelijke vectoren die<br />
een basis vormen van de deelruimte (minimaal voortbrengende verzameling).<br />
• Elke basis van een deelruimte bezit eenzelfde aantal basisvectoren. De dimensie van<br />
een vectorruimte is het aantal basisvectoren van die vectorruimte.<br />
2.8 Rang van een matrix<br />
⎡<br />
⎢<br />
A = ⎢<br />
⎣<br />
a11 a12 · · · a1n<br />
a21 a22 · · · a2n<br />
.<br />
.<br />
am1 am2 · · · amn<br />
.<br />
⎤<br />
⎡<br />
⎥<br />
⎦ =<br />
⎢<br />
⎣<br />
De rijenrang van een matrix is de dimensie van de vectorruimte voortgebracht door de<br />
rijvectoren van de matrix.<br />
v1<br />
v2<br />
.<br />
vm <br />
RangA = dim span{v1, v2, . . . , vi, . . . , vm} = dim R, W, +<br />
STELLING 2.14 Rijequivalente matrices hebben dezelfde rang.<br />
Bewijs: Rijequivalente matrices hebben dezelfde rang vermits de rijvectoren dezelfde deelruimte<br />
voortbrengen. Een rijoperatie verandert immers niets aan de ruimte voortgebracht<br />
door de rijvectoren.<br />
Gevolg 1 Vormen de rijvectoren van een matrix een basis van een r-dimensionale ruimte<br />
dan zet elke rijoperatie op die matrix deze basis om in een basis van die r-dimensionale<br />
ruimte.<br />
Bepalen van de rang van een matrix :<br />
Om de rang van een matrix te bepalen gaan we de matrix herleiden naar zijn canonieke<br />
gedaante vermits hun rangen gelijk zijn en de rang van een canonieke matrix gemakkelijk<br />
te bepalen is. En we krijgen een eenvoudige basis van de deelruimte voortgebracht door de<br />
rijvectoren van de matrix cadeau...<br />
De rang van een matrix is gelijk aan het aantal niet-nul rijen van haar canonieke gedaante.<br />
Dit is ook gelijk aan het aantal Jordan-elementen.<br />
Opmerking: Noemen we r de rang van een matrix en zetten we in de canonieke matrix<br />
enkel de kolommen met een Jordan-element in een nieuwe matrix dan verkrijgen we een<br />
⎤<br />
⎥<br />
⎦
126 HOOFDSTUK 2. MATRICES<br />
diagonaalmatrix van de orde r × r, waarvan de diagonaalelementen de Jordan-elementen<br />
zijn.<br />
Definieer nu zelf op analoge wijze kolomoperaties op een matrix, kolomequivalente<br />
matrices en kolommenrang van een matrix..<br />
STELLING 2.15 Een matrix en zijn getransponeerde hebben dezelfde rang. M.a.w. de<br />
rijenrang van een matrix is gelijk aan de kolommenrang.<br />
GEVOLG 2.1 De dimensie van de vectorruimte voortgebracht door de rijvectoren is gelijk<br />
aan de dimensie van de ruimte voortgebracht door de kolomvectoren.<br />
RM I groepswerk 14 1. (a) Tot welke vectorruimte behoren de rijvectoren van de<br />
volgende matrices?<br />
(b) Bepaal de meest eenvoudige basis van de deelruimte.<br />
(c) Bepaal ook de dimensie van die deelruimten. Hoe noemen we die deelruimte in<br />
geval de rijvectoren tot R 3 of tot R 2 behoren?<br />
⎡<br />
−1<br />
⎤<br />
3<br />
⎡<br />
0 0<br />
⎤<br />
0<br />
a. ⎣ 5 0 ⎦ b. ⎣ −1 0 5 ⎦<br />
⎡<br />
2<br />
0<br />
−1<br />
⎤<br />
0<br />
⎡<br />
6 2 −5<br />
⎤<br />
1 2 3<br />
c. ⎣ 1 −1 ⎦ d. ⎣ 0 0 0 ⎦<br />
⎡<br />
2<br />
1<br />
3<br />
⎤<br />
2 −1<br />
⎡<br />
2 4 6<br />
⎤<br />
0 6 0<br />
e. ⎣ 3 2 1 ⎦ f. ⎣ −1 3 2 ⎦<br />
⎡<br />
4 4<br />
1<br />
−1<br />
−1 1<br />
⎤ ⎡<br />
2<br />
−1<br />
0 1<br />
2 3<br />
⎤<br />
6<br />
g. ⎣ −5 5 −5 ⎦ h. ⎣ 2 −1 5 1 ⎦<br />
i.<br />
0, 5<br />
⎡<br />
0<br />
⎢ 1<br />
⎣ −2<br />
4<br />
−0, 5 0, 5<br />
⎤<br />
2 4<br />
2 3 ⎥<br />
0 2 ⎦<br />
2 0<br />
j.<br />
⎡<br />
3<br />
√<br />
3<br />
⎢ −3<br />
⎢<br />
⎣<br />
0 13 7<br />
1 −1<br />
− √ 2<br />
√<br />
3 3<br />
2 √ 3<br />
3 −2 √ √<br />
2<br />
⎤<br />
⎥<br />
3 ⎥<br />
3 ⎦<br />
√ 6<br />
3<br />
− √ 6<br />
3<br />
2. Bereken het getal a, zodanig dat de vectoren u, v en w lineair onafhankelijk zijn.<br />
a. u(1, a − 1, 1), v(1, a, a − 1) en w(2, 7, a);<br />
b. u(a, a − 1, −1), v(3, a, 3) en w(−1, 1, a).
2.8. RANG VAN EEN MATRIX 127<br />
3. Bespreek de dimensie van de ruimte voortgebracht door de volgende vectoren.<br />
a. u(a, 2, 1) en v(1, a + 1, a);<br />
b. u(a, a, 0), v(2, 3, a) en w(a, 3, 2).<br />
c. u(1, a, a 2 ), v(1, a, ab) en (b, a, a 2 b).<br />
Oplossingen:<br />
1 a. 2; b. 2; c. 2; d. 1; e. 3; f. 3; g. 1; h. 3; i. 2; j. 1;<br />
2 a. a = 2 ∧ a = 4; b. a = 0 ∧ a = 4 ∧ a = −1;<br />
3 a. rang = 2 ⇐⇒ a = 1, rang = 1 ⇐⇒ a = 1; b. rang = 3 ⇐⇒ a = 1 ∧ a = 2 ∧ a = 0,<br />
rang = 2 ⇐⇒ a = 1 ∨ a = 2 ∨ a = 0;<br />
RM I HUISTAAK 6 1. Gegeven de matrix<br />
⎡<br />
1<br />
⎢ 3<br />
⎣ −1<br />
2<br />
4<br />
0<br />
−1<br />
0<br />
−2<br />
3<br />
−1<br />
7<br />
−1<br />
3<br />
−5<br />
⎤<br />
2<br />
0 ⎥<br />
4 ⎦<br />
−2 −2 −1 4 −4 2<br />
Gevraagd:<br />
(a) bepaal een zo eenvoudig mogelijke basis van de deelruimte voortgebracht door de<br />
kolomvectoren van de gegeven matrix, die vectoren zijn van de vierdimensionale<br />
vectorruimte R, R 4 , +;<br />
(b) geef de dimensie van die deelruimte.<br />
2. Bespreek de dimensie van de ruimte voortgebracht door de gegeven vectoren. Geef<br />
telkens aan welke van de gegeven vectoren als basis kunnen genomen worden voor de<br />
voorgebrachte deelruimte. u(a, 1, b), v(1, 1, ab) en w(1, a, b).
128 HOOFDSTUK 2. MATRICES<br />
2.9 *Verband tussen linksvermenigvuldigen van een<br />
matrix en het rijherleiden van een matrix<br />
Zij A een (m × n)-matrix, C de canonieke matrix van A en B een (m × m)-matrix die we<br />
links met A moeten vermenigvuldigen om C te bekomen.<br />
Tevens geldt<br />
B · A = C<br />
B · Im = B<br />
Hieruit volgt dat de matrix B bekomen wordt uit de eenheidsmatrix door dezelfde rijoperaties<br />
toe te passen als om C te bekomen uit A.<br />
We illustreren met een voorbeeld hoe we praktisch zo een matrix B kunnen bepalen.<br />
⎡<br />
1 0 1<br />
⎤<br />
3<br />
Voorbeeld: Gegeven de matrix A = ⎣ 2 1 2 3 ⎦ . We vullen de matrix A aan met de<br />
3 0 1 1<br />
eenheidsmatrix I3 en herleiden deze uitgebreide matrix naar de canonieke gedaante.<br />
⎡<br />
⎣<br />
1 0 1 3 1 0 0<br />
2 1 2 3 0 1 0<br />
3 0 1 1 0 0 1<br />
De matrix B is de (3 × 3)-matrix ⎣<br />
Controleer nu zelf het product<br />
⎡<br />
B · A = ⎣<br />
⎡<br />
⎤<br />
−1/2 0 1/2<br />
−2 1 0<br />
3/2 0 −1/2<br />
⎡<br />
⎦ ∼ ⎣<br />
1 0 0 −1 −1/2 0 1/2<br />
0 1 0 −3 −2 1 0<br />
0 0 1 4 3/2 0 −1/2<br />
−1/2 0 1/2<br />
−2 1 0<br />
3/2 0 −1/2<br />
⎤<br />
⎦ · ⎣<br />
Deze laatste matrix is de canonieke matrix van A.<br />
⎡<br />
⎤<br />
⎦ .<br />
1 0 1 3<br />
2 1 2 3<br />
3 0 1 1<br />
⎤<br />
⎡<br />
⎦ = ⎣<br />
⎤<br />
⎦ .<br />
1 0 0 −1<br />
0 1 0 −3<br />
0 0 1 4<br />
OPGAVEN — 15 Bepaal de rang van de volgende matrices. Bepaal de vierkante matrix die we links<br />
moeten vermenigvuldigen met de gegeven matrix om de canonieke gedaante van de matrix te bekomen door<br />
rijherleiding.<br />
⎤<br />
⎦
2.9. *VERBAND TUSSEN LINKSVERMENIGVULDIGEN VAN EEN MATRIX EN HET RIJHERLEIDE<br />
(i)<br />
⎡<br />
⎢<br />
⎣<br />
(iv) ⎣<br />
(vii)<br />
⎡<br />
⎡<br />
(x) ⎣<br />
1 3 5<br />
0 2 3<br />
0 6 4<br />
7 6 13<br />
⎡<br />
⎢<br />
⎣<br />
⎤<br />
⎥<br />
⎦<br />
2 1 1 0 1<br />
1 1 2 1 2<br />
7 5 8 3 8<br />
⎤<br />
(ii)<br />
⎡<br />
⎢<br />
⎣<br />
⎦ (v) ⎣<br />
1 2 −1 3 −1 2<br />
3 4 0 −1 3 0<br />
−1 0 −2 7 −5 4<br />
−2 −2 −1 4 −4 2<br />
1 1<br />
1 2<br />
1 3<br />
⎤<br />
⎤<br />
⎡<br />
⎥<br />
⎦ (viii)<br />
⎦ (xi)<br />
⎡<br />
⎢<br />
⎣<br />
2 2 2<br />
3 3 3<br />
−5 −5 −5<br />
19 19 19<br />
⎤<br />
⎥<br />
⎦<br />
1 2 3 4 5<br />
1 3 5 7 9<br />
7 6 5 4 3<br />
⎡<br />
⎣<br />
⎤<br />
1 3 −2 0<br />
2 −1 0 4<br />
−3 5 −2 −8<br />
1 1 0 0<br />
0 0 1 1<br />
1 0 1 0<br />
0 1 0 1<br />
2.9.1 Bepalen van de inverse matrix<br />
⎤<br />
⎥<br />
⎦<br />
(iii)<br />
⎦ (vi)<br />
⎤<br />
⎦ (ix)<br />
(xii)<br />
⎡<br />
⎢<br />
⎣<br />
⎡<br />
⎢<br />
⎣<br />
1 2 4 5 6<br />
1 2 2 3 2<br />
0 0 1 0 0<br />
−1 −2 0 0 0<br />
⎤<br />
⎥<br />
⎦<br />
−1 0 2 5 1<br />
0 −1 3 1 2<br />
0 1 0 0 3<br />
1 1 −1 0 4<br />
0 1 2<br />
1 0 −3<br />
⎡<br />
⎢<br />
⎣<br />
1 2 3<br />
0 2 3<br />
1 0 0<br />
1 −1 1<br />
We kunnen de inverse matrix van een gegeven matrix bepalen door het uitvoeren van<br />
elementaire rijoperaties. Als we kijken naar de formule<br />
A −1 · A = In<br />
kunnen we A −1 opvatten als een matrix B die links inwerkt op A om de eenheidsmatrix<br />
te bekomen. De eenheidsmatrix is dus de canonieke matrix van A. Dit betekent dat de<br />
rijvectoren van A lineair onafhankelijk zijn. Zo een vierkante matrix noemen we een nietsinguliere<br />
matrix of reguliere matrix. Er geldt eveneens<br />
A −1 · In = A −1<br />
Dit laatste betekent dat de inverse matrix A −1 bekomen wordt door op de eenheidsmatrix<br />
In dezelfde rijoperaties uit te voeren als op A om A in de gereduceerde gedaante te brengen.<br />
Merken we op dat de eerste rij van A −1 inwerkend op de matrix A de eerste rij oplevert van<br />
In, nl. (1, 0, 0). Zo geven de tweede en derde rij van A −1 inwerkend op A resp. de tweede<br />
en derde rij van In, nl. (0, 1, 0) en (0, 0, 1).<br />
Belangrijke opmerking: De inverse matrix van een vierkante matrix van de orde n<br />
bestaat als en slechts als de matrix een niet-singuliere matrix is of als de rang van de<br />
matrix gelijk is aan n.<br />
<br />
⎤<br />
⎥<br />
⎦<br />
⎤<br />
⎥<br />
⎦
130 HOOFDSTUK 2. MATRICES<br />
2.9.2 Bepalen van nuldelers met rijoperaties<br />
Met rijoperaties kunnen we ook gemakkelijk alle nuldelers van een gegeven matrix bepalen.<br />
Is een matrix A een m × n- matrix met rang r dan zal de gereduceerde gedaante van A een<br />
matrix zijn met m − r nulrijen. We noemen Im−r,n de gereduceerde gedaante van A. We<br />
bekomen echter ook deze gereduceerde gedaante door A links te vermenigvuldigen met een<br />
bepaalde matrix B van de orde m × m.<br />
Omdat<br />
B · A = Im−r,n.<br />
B · Im = B<br />
verkrijgen we de matrix B door dezelfde rijoperaties op Im als op A uit te voeren.<br />
De m − r laatste rijen van B inwerkend op de matrix A leveren de nulrijen op van de matrix<br />
Im−r,n. De gevraagde linkernuldelers zijn matrices van de orde m × m waarvan de rijen lineaire<br />
combinaties zijn van de m − r laatste rijen van B.<br />
Willen we nu ook rechternuldelers bepalen dan gaan we op analoge wijze tewerk maar werken<br />
met kolomoperaties op de matrix A. Het uitvoeren van een kolomoperatie op een matrix<br />
correspondeert met het vermenigvuldigen aan de rechterkant met een matrix C van de orde<br />
n × n.<br />
A · C = Im,n−r.<br />
Omdat<br />
In · C = C<br />
verkrijgen we de matrix C door dezelfde kolomoperaties op In als op A uit te voeren.<br />
De n − r laatste kolommen van C inwerkend op de matrix A leveren de nulkolommen op van<br />
de matrix Im,n−r. De gevraagde rechternuldelers zijn matrices van de orde n × n waarvan de<br />
kolommen lineaire combinaties zijn van de n − r laatste kolommen van C.<br />
In de praktijk gaan we de kolomoperaties op A herleiden tot rijoperaties op A t .<br />
Voorbeelden:<br />
⎡<br />
1 −1 0<br />
⎤<br />
−1<br />
a. Bepaal de linker- en rechternuldelers van de matrix A = ⎣ 0 5 7 4 ⎦.<br />
2 3 7 2<br />
Oplossing: Voor een linkernuldeler voegen we de matrix I3 toe aan de matrix A om<br />
zodoende dezelfde rijoperaties op I3 als op A toe te passen.<br />
⎡<br />
⎣<br />
1 −1 0 −1 1 0 0<br />
0 5 7 4 0 1 0<br />
2 3 7 2 0 0 1<br />
⎤<br />
⎡<br />
⎦ ∼ ⎣<br />
1 0 7/5 −1/5 0 −3/10 1/2<br />
0 1 7/5 4/5 0 1/5 0<br />
0 0 0 0 1 1/2 −1/2<br />
⎤<br />
⎦
2.9. *VERBAND TUSSEN LINKSVERMENIGVULDIGEN VAN EEN MATRIX EN HET RIJHERLEIDE<br />
De laatste rij van matrix<br />
⎡<br />
B = ⎣<br />
0 −3/10 1/2<br />
0 1/5 0<br />
1 1/2 −1/2<br />
links inwerkend op A geeft de nulrij van de gereduceerde gedaante I1,3 van A. Een<br />
linkernuldeler van A is een (3 × 3)-matrix waarvan de rijvectoren veelvouden zijn van de<br />
rijvector u = (1, 1/2, −1/2), dit zijn vectoren van span{u}. Eén van de nuldelers van A<br />
is bijvoorbeeld de matrix ⎡<br />
⎣<br />
1 1/2 −1/2<br />
2 1 −1<br />
−4 −2 2<br />
Voor een rechternuldeler van A voegen we de matrix I4 toe aan de matrix A om zodoende<br />
dezelfde kolomoperaties op I4 als op A toe te passen.<br />
⎡<br />
⎤<br />
1 −1 0 −1<br />
⎢ 0 5 7 4 ⎥<br />
⎢ 2 3 7 2 ⎥<br />
⎢ 1 0 0 0 ⎥<br />
⎢ 0 1 0 0 ⎥<br />
⎣ 0 0 1 0 ⎦<br />
0 0 0 1<br />
We voeren op de getransponeerde van deze matrix rijoperaties toe.<br />
⎡<br />
⎤<br />
1 0 2 1 0 0 0<br />
⎢ −1 5 3 0 1 0 0 ⎥<br />
⎣ 0 7 7 0 0 1 0 ⎦<br />
−1 4 2 0 0 0 1<br />
∼<br />
⎡<br />
1 0 2 0 0 4/7<br />
⎢ 0 1 1 0 0 1/7<br />
⎣ 0 0 0 1 0 −4/7<br />
⎤<br />
−1<br />
0 ⎥<br />
1 ⎦<br />
0 0 0 0 1 −1/7 −1<br />
De oorspronkelijke matrix is kolomequivalent met<br />
⎡<br />
1 0 0<br />
⎢ 0 1 0<br />
⎢ 2 1 0<br />
⎢ 0 0 1<br />
⎢ 0 0 0<br />
⎣ 4/7 1/7 −4/7<br />
⎤<br />
0<br />
0 ⎥<br />
0 ⎥<br />
0 ⎥<br />
1 ⎥<br />
−1/7 ⎦<br />
−1 0 1 −1<br />
⎡<br />
0<br />
⎢<br />
De laatste twee kolommen van matrix C = ⎢ 0<br />
⎣ 4/7<br />
0<br />
0<br />
1/7<br />
1<br />
0<br />
−4/7<br />
⎤<br />
0<br />
1 ⎥<br />
−1/7 ⎦ rechts inwer-<br />
−1 0 1 −1<br />
kend op A geven de twee nulkolommen van de gereduceerde gedaante I4,2 van A. Een<br />
⎤<br />
⎦ .<br />
⎤<br />
⎦
132 HOOFDSTUK 2. MATRICES<br />
rechternuldeler van A is een (4 × 4)-matrix ⎡ waarvan ⎤ de⎡kolomvectoren ⎤ lineaire combina-<br />
1<br />
0<br />
⎢<br />
ties zijn van de kolomvectoren u = ⎢ 0 ⎥ ⎢<br />
⎥<br />
⎣ −4/7 ⎦ en v = ⎢ 1 ⎥<br />
⎣ −1/7 ⎦ , dit zijn vectoren van<br />
1<br />
−1<br />
span{u, v}.<br />
Eén van de rechternuldelers van A is bijvoorbeeld de matrix<br />
⎡<br />
1<br />
⎢ 0<br />
⎣ −4/7<br />
0<br />
1<br />
−1/7<br />
1<br />
3<br />
−1<br />
⎤<br />
7<br />
7 ⎥<br />
−5 ⎦<br />
1 −1 −2 0<br />
.<br />
⎡ √<br />
2<br />
b. Bepaal de linker- en rechternuldelers van de matrix A = ⎣ 2<br />
1/2 3<br />
√ 2/2 3 √ 2<br />
2<br />
√ 2 1<br />
⎤<br />
⎦.<br />
6<br />
Oplossing: Voor de linkernuldelers:<br />
⎡ √<br />
2 1/2 3 1 0 0<br />
⎣ 2 √ 2/2 3 √ 2 0 1 0<br />
2 √ ⎤ ⎡<br />
1<br />
⎦ ∼ ⎣<br />
2 1 6 0 0 1<br />
√ 2/4 3 √ 2/4 0 0 √ 0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
1<br />
0<br />
0<br />
1<br />
2/4<br />
−1/2<br />
− √ ⎤<br />
⎦<br />
2/2<br />
⎡<br />
0 0<br />
De laatste twee rijen van matrix B = ⎣<br />
√ 2/4<br />
1<br />
0<br />
0<br />
1<br />
−1/2<br />
− √ ⎤<br />
⎦ links inwerkend op A leveren<br />
2/2<br />
de twee nulrijen op van de gereduceerde gedaante I2,3 van A. Een linkernuldeler van A<br />
is een (3 × 3)-matrix waarvan de rijvectoren lineaire combinaties zijn van de rijvectoren<br />
u = (1, 0, −1/2) en v = (0, 1, − √ 2/2), dit zijn vectoren van span{u, v}. Eén van de<br />
linkernuldelers van A is bijvoorbeeld de matrix<br />
⎡<br />
2<br />
⎣ 0<br />
0<br />
2<br />
−1<br />
− √ 2 2<br />
2<br />
√ 2<br />
⎤<br />
⎦ .<br />
−3<br />
Voor een rechternuldeler van A voegen we de matrix I3 toe aan de matrix A om zodoende<br />
dezelfde kolomoperaties op I3 als op A toe te passen.<br />
⎡ √<br />
2 1/2 3<br />
⎢ 2<br />
⎢<br />
⎣<br />
√ 2/2 3 √ 2<br />
2 √ ⎤<br />
⎥<br />
2 1 6 ⎥<br />
1 0 0 ⎥<br />
0 1 0 ⎦<br />
0 0 1
2.9. *VERBAND TUSSEN LINKSVERMENIGVULDIGEN VAN EEN MATRIX EN HET RIJHERLEIDE<br />
We voeren op de getransponeerde van deze matrix rijoperaties toe.<br />
⎡<br />
⎣<br />
√ 2 2 2 √ 2 1 0 0<br />
1/2 √ 2/2 1 0 1 0<br />
3 3 √ 2 6 0 0 1<br />
⎤<br />
⎡<br />
⎦ ∼ ⎣<br />
De oorspronkelijke matrix is kolomequivalent met<br />
⎡<br />
⎢<br />
⎣<br />
1 0 0<br />
√ 2 0 0<br />
2 0 0<br />
0 1 0<br />
0 0 1<br />
1/3 − √ 2/3 −1/6<br />
1 √ 2 2 0 0 1/3<br />
0 0 0 1 0 − √ 2/3<br />
0 0 0 0 1 −1/6<br />
⎡<br />
0 1 0<br />
De laatste twee kolommen van matrix C = ⎣ 0 0 1<br />
1/3 − √ ⎤<br />
⎦ rechts inwerkend<br />
2/3 −1/6<br />
op A geven de twee nulkolommen van de gereduceerde gedaante I3,2 van A. Een rechternuldeler<br />
van A is een (3 × 3)-matrix<br />
⎡<br />
waarvan de kolomvectoren lineaire combinaties<br />
1<br />
zijn van de kolomvectoren u = ⎣ 0<br />
− √ ⎤ ⎡ ⎤<br />
0<br />
⎦ en v = ⎣ 1 ⎦, dit zijn vectoren van<br />
2/3<br />
−1/6<br />
span{u, v}.<br />
Eén van de rechternuldelers van A is bijvoorbeeld de matrix<br />
⎡<br />
⎣<br />
3 0 3<br />
0 6 −6 √ 2<br />
− √ 2 −1 0<br />
OPGAVEN — 16 Bepaal de rang van de matrices uit opgave 15. Leid hieruit af of de matrices nuldelers<br />
hebben. Bepaal een linker- en rechternuldeler indien mogelijk:<br />
Oplossingen:<br />
15<br />
⎤<br />
⎤<br />
⎥<br />
⎦<br />
⎦ .<br />
⎤<br />
⎦
134 HOOFDSTUK 2. MATRICES<br />
(i)r = 3 L-N =<br />
⎡<br />
⎢<br />
⎣<br />
35 −42 4 −5<br />
1 −6/5 4/35 −1/7<br />
5 −6 4/7 −5/7<br />
⎤<br />
⎥<br />
⎦<br />
geen rechternuldelers;<br />
(ii) r = 1<br />
(iii) r = 4<br />
7 −42/5<br />
⎡<br />
19 0 0<br />
⎢<br />
L-N = ⎢ 0 19 0<br />
⎣ 0 0 19<br />
19 19 19<br />
geen linkernuldelers<br />
4/5<br />
⎤<br />
−2<br />
−3 ⎥<br />
5 ⎦<br />
0<br />
−1<br />
⎡<br />
⎤<br />
1 0 1<br />
R-N = ⎣ 0 1 −1 ⎦;<br />
−1 −1 0<br />
⎡<br />
1 2 −4<br />
⎢ −1/2 −1 2<br />
R-N = ⎢ 0 0 0<br />
⎣ 0 0 0<br />
3<br />
−3/2<br />
0<br />
0<br />
⎤<br />
−8<br />
4 ⎥<br />
0 ⎥<br />
0 ⎦<br />
0 0 0 0 0<br />
;<br />
(iv) r = 3 geen linkernuldelers<br />
⎡<br />
1<br />
⎢ −2<br />
R-N = ⎢ 0<br />
⎣ 1<br />
0 1 1<br />
0 −2 −2<br />
1 1 −1<br />
0 1 1<br />
−1<br />
2<br />
1<br />
−1<br />
⎤<br />
⎥<br />
⎦<br />
0 −1 −1 1 −1<br />
;<br />
(v) r = 2<br />
⎡<br />
15 −8<br />
L-N = ⎣ 1 −8/15<br />
15/8 −1<br />
−1<br />
−1/5<br />
−1/8<br />
⎤<br />
⎦<br />
⎡<br />
1<br />
⎢<br />
R-N = ⎢ 0<br />
⎣ −4<br />
3<br />
0 0 1<br />
1 0 −1<br />
−3 −2 1<br />
2 1 0<br />
⎤<br />
1<br />
1 ⎥<br />
−5 ⎦<br />
4<br />
;<br />
(vi) r = 4 geen linkernuldelers<br />
⎡<br />
37<br />
⎢ 42<br />
R-N = ⎢ 23<br />
⎣ 1<br />
−74 37/23<br />
−84 42/23<br />
−46 1<br />
−2 1/23<br />
37/14<br />
3<br />
23/14<br />
1/14<br />
37/42<br />
1<br />
23/42<br />
1/42<br />
⎤<br />
⎥<br />
⎦<br />
−14 28 −14/23 −1 −1/3<br />
;<br />
(vii) r = 2<br />
⎡<br />
1<br />
⎢<br />
L-N = ⎢ 0<br />
⎣ 1<br />
−2<br />
0<br />
1<br />
−1<br />
1<br />
−1<br />
−1<br />
0<br />
1<br />
1<br />
2<br />
−1<br />
0<br />
⎤<br />
⎥<br />
⎦<br />
⎡<br />
0<br />
⎢ 0<br />
⎢<br />
R-N = ⎢ 0<br />
⎢ 3<br />
⎣ 1<br />
0 0<br />
0 3<br />
2 0<br />
0 0<br />
0 −4<br />
1 1<br />
0 3<br />
0 2<br />
0 3<br />
−1 −4<br />
⎤<br />
1<br />
−3 ⎥<br />
2 ⎥<br />
3 ⎥;<br />
⎥<br />
4 ⎦<br />
(viii) r = 2<br />
⎡<br />
1<br />
L-N = ⎣ 0<br />
3<br />
−2<br />
−4<br />
−6<br />
⎤<br />
−1<br />
−2 ⎦<br />
−3<br />
⎡<br />
−4 1 −5<br />
1 0<br />
⎢<br />
R-N = ⎢ 0 1<br />
⎣ 1/2 3/2<br />
−1/2 1/4<br />
−1 −9<br />
1 4<br />
1 4<br />
2 8<br />
−1/4 −1<br />
⎤<br />
1<br />
⎥<br />
⎦ ;<br />
⎡<br />
1 3<br />
⎤<br />
−3/2<br />
(ix) r = 2 geen linkernuldelers R-N = ⎣ −2/3 −2 1 ⎦;<br />
1/3 1 −1/2<br />
⎡<br />
(x) r = 2 L-N = ⎣<br />
(xi) r = 3 L-N =<br />
(xii) r = 3 L-N =<br />
⎡<br />
⎢<br />
⎣<br />
1 −2 1<br />
2 −4 2<br />
−1/2 1 −1/2<br />
⎤<br />
1 1 −1 −1<br />
1/2 1/2 −1/2 −1/2<br />
2 2 −2 −2<br />
−5 −5 5 5<br />
⎡<br />
⎤<br />
1 −1 −1 0<br />
⎢ −2 2 2 0 ⎥<br />
⎣<br />
√<br />
1 −1/2<br />
√<br />
−1/2 0 ⎦<br />
√<br />
3 − 3 − 3 0<br />
⎦ geen rechternuldelers;<br />
⎤<br />
⎥<br />
⎦<br />
R-N =<br />
⎡<br />
⎢<br />
⎣<br />
1 −2 1/2 −1<br />
−1 2 −1/2 1<br />
−1 2 −1/2 1<br />
1 −2 1/2 −1<br />
geen rechternuldelers.<br />
⎤<br />
⎥<br />
⎦ ;
Hoofdstuk 3<br />
Oplosbaarheid van lineaire stelsels<br />
Je hebt vroeger gezien dat elke rechte in het vlak kan voorgesteld worden door een vergelijking van de<br />
eerste graad in twee onbekenden x en y. Om de doorsnede te bepalen van twee of meerdere rechten moeten<br />
we stelsels oplossen van vergelijkingen van de eerste graad in twee onbekenden.<br />
In de ruimte wordt een vlak voorgesteld door een vergelijking van de eerste graad in drie onbekenden en<br />
een rechte door een stelsel van twee vergelijkingen van de eerste graad in drie onbekenden (als doorsnede<br />
van twee niet-parallelle vlakken). Om de doorsnede te zoeken van rechten en vlakken in de ruimte zullen<br />
we stelsels moeten oplossen van vergelijkingen van de eerste graad in drie onbekenden x, y en z.<br />
We zullen in dit hoofdstuk dus dieper ingaan op de oplosbaarheid van lineaire stelsels.<br />
3.1 Definitie van een lineair stelsel<br />
We kunnen reeds een eenvoudige basis bepalen van een deelruimte voortgebracht door een<br />
aantal vectoren en nagaan hoeveel van die vectoren lineair onafhankelijk zijn. Daarvoor<br />
zetten we de coördinaten van de vectoren in een matrix en bepalen we de canonieke matrix.<br />
Stel dat we willen nagaan of een bepaalde vector lineair afhankelijk is van een stel andere<br />
vectoren dan leidt het zoeken naar een lineaire combinatie tot een lineair stelsel.<br />
We illustreren dat nog eens met een voorbeeld. We vragen ons af of de vector (3, −1, −1)<br />
kan geschreven worden als een lineaire combinatie van de vectoren (2, −1, 0), (5, −3, −1)<br />
en (1, 1, −1) en zoja welke zijn dan de scalairen van de lineaire combinatie. Bestaat er een<br />
stel scalairen (x, y, z) zodanig dat<br />
(3, −1, −1) = x.(2, −1, 0) + y.(5, −3, −1) + z.(1, 1, −1).<br />
In matrixgedaante wordt deze betrekking<br />
⎛ ⎞ ⎛ ⎞<br />
3<br />
2<br />
⎛<br />
⎝ −1 ⎠ = x. ⎝ −1 ⎠ + y. ⎝<br />
−1<br />
0<br />
135<br />
5<br />
−3<br />
−1<br />
⎞<br />
⎛<br />
⎠ + z. ⎝<br />
1<br />
1<br />
−1<br />
⎞<br />
⎠
136 HOOFDSTUK 3. OPLOSBAARHEID VAN LINEAIRE STELSELS<br />
of<br />
⎛<br />
x. ⎝<br />
2<br />
−1<br />
0<br />
⎞<br />
⎛<br />
⎠ + y. ⎝<br />
5<br />
−3<br />
−1<br />
⎞<br />
⎛<br />
⎠ + z. ⎝<br />
Dit geeft aanleiding tot het volgend lineair stelsel:<br />
⎧<br />
⎨<br />
⎩<br />
1<br />
1<br />
−1<br />
2x + 5y + z = 3<br />
−x − 3y + z = −1<br />
−y − z = −1<br />
⎞<br />
⎛<br />
⎠ = ⎝<br />
Het oplossen van een lineair stelsel is dus equivalent met het zoeken naar een lineaire<br />
combinatie.<br />
Een lineair (m, n)-stelsel is een stelsel van m lineaire vergelijkingen en n onbekenden.<br />
De algemene gedaante van een lineair (m, n)-stelsel is:<br />
⎧<br />
a11x1 + a12x2 + · · · + a1nxn = b1<br />
⎪⎨ a21x1 + a22x2 + · · · + a2nxn = b2<br />
⎪⎩<br />
De matrixgedaante van het stelsel is<br />
⎛<br />
⎜<br />
⎝<br />
a11<br />
a21<br />
.<br />
a12<br />
a22<br />
.<br />
. . .<br />
. . .<br />
a1n<br />
a2n<br />
.<br />
De verkorte matrixgedaante is<br />
.<br />
.<br />
.<br />
3<br />
−1<br />
−1<br />
am1x1 + am2x2 + · · · + amnxn = bm<br />
am1 am2 . . . amn<br />
⎞<br />
⎛<br />
⎟<br />
⎠ ·<br />
⎜<br />
⎝<br />
A · X = B.<br />
x1<br />
x2<br />
.<br />
xn<br />
⎞<br />
⎛<br />
⎟<br />
⎠ =<br />
⎜<br />
⎝<br />
Een oplossing van een lineair (m, n)-stelsel is een n-tal (r1, r2, . . . , rn) ∈ Rn dat oplossing<br />
is van elke vergelijking van het stelsel. De voorwaarden opdat (r1, r2, . . . , rn) een<br />
oplossing zou zijn van het stelsel, zijn:<br />
⎧<br />
a11r1 + a12r2 + · · · + a1nrn = b1<br />
⎪⎨ a21r1 + a22r2 + · · · + a2nrn = b2<br />
⎪⎩<br />
.<br />
.<br />
b1<br />
b2<br />
.<br />
bn<br />
.<br />
⎞<br />
⎟<br />
⎠ .<br />
am1r1 + am2r2 + · · · + amnrn = bm<br />
Heeft een stelsel minstens één oplossing, dan is het stelsel oplosbaar;<br />
.<br />
.<br />
⎞<br />
⎠
3.2. OPLOSSEN VAN LINEAIRE STELSELS 137<br />
Is een stelsel oplosbaar dan is de kolomvector van de tweede leden op minstens één manier<br />
te schrijven als lineaire combinatie van de kolomvectoren gevormd door de coëfficiënten van<br />
de onbekenden in de eerste leden.<br />
⎛<br />
⎜<br />
r1. ⎜<br />
⎝<br />
a11<br />
a21<br />
.<br />
am1<br />
⎞<br />
⎛<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎟ + r2. ⎜<br />
⎠ ⎝<br />
a12<br />
a22<br />
.<br />
am2<br />
⎞<br />
⎛<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎟ + · · · + rn. ⎜<br />
⎠ ⎝<br />
Heeft een stelsel geen enkele oplossing, dan is het strijdig.<br />
a1n<br />
a2n<br />
.<br />
amn<br />
⎞<br />
⎛<br />
⎟<br />
⎠ =<br />
⎜<br />
⎝<br />
De coëfficiëntenmatrix A van het lineair (m, n)-stelsel is de matrix:<br />
⎛<br />
⎜<br />
A = ⎜<br />
⎝<br />
a11 a12 . . . a1n<br />
a21 a22 . . . a2n<br />
.<br />
.<br />
am1 am2 . . . amn<br />
De matrix A bevat de coëfficiënten van de onbekenden van het stelsel<br />
De verhoogde matrix van het stelsel is<br />
⎛<br />
⎜<br />
AB = ⎜<br />
⎝<br />
.<br />
⎞<br />
⎟<br />
⎠<br />
a11 a12 . . . a1n b1<br />
a21 a22 . . . a2n b2<br />
.<br />
.<br />
am1 am2 . . . amn bm<br />
3.2 Oplossen van lineaire stelsels<br />
Om een stelsel op te lossen maken we gebruik van technieken om over te gaan van een<br />
stelsel naar een ander stelsel maar zodanig dat de oplossingen daardoor niet veranderen en<br />
dat er geen oplossingen verloren gaan en ook geen oplossingen ingevoerd worden.<br />
Twee stelsels zijn gelijkwaardige stelsels als en slechts als ze dezelfde oplossingen hebben.<br />
Een lineair stelsel gaat over in een gelijkwaardig stelsel als we:<br />
1. twee vergelijkingen met elkaar verwisselen.<br />
.<br />
.<br />
⎞<br />
⎟<br />
⎠<br />
b1<br />
b2<br />
.<br />
bm<br />
⎞<br />
⎟<br />
⎠
138 HOOFDSTUK 3. OPLOSBAARHEID VAN LINEAIRE STELSELS<br />
2. een vergelijking vervangen door een lineaire combinatie van die vergelijking met één<br />
van de andere vergelijkingen, de scalair bij de vergelijking die we vervangen mag niet<br />
gelijk aan nul zijn (combinatiemethode). We stellen de vergelijkingen kort voor door<br />
Vi = 0 met i ∈ {1, 2, . . . , m}.<br />
⎧<br />
⎪⎨<br />
⎪⎩<br />
b1 = 0<br />
. .<br />
Vi = 0<br />
. .<br />
Vj = 0<br />
. .<br />
Vm = 0<br />
r=0<br />
⇐⇒<br />
⎧<br />
⎪⎨<br />
⎪⎩<br />
b1 = 0<br />
. .<br />
rVi + sVj = 0<br />
. .<br />
Vj = 0<br />
. .<br />
Vm = 0<br />
De verhoogde matrix van het tweede stelsel bekomen we uit de verhoogde matrix van<br />
het eerste stelsel door het toepassen van een rijoperatie.<br />
Om een stelsel op te lossen gaan we de verhoogde matrix in canonieke gedaante brengen met<br />
de methode van Gauss-Jordan. De canonieke matrix van de verhoogde matrix correspondeert<br />
met een gelijkwaardig stelsel van het oorspronkelijk stelsel. Het stelsel behorende<br />
bij de canonieke matrix van de verhoogde matrix levert de eventuele oplossingen op van<br />
het oorspronkelijk stelsel. Bij het diagonaliseren blijft de rang van het stelsel behouden.<br />
3.3 Oplosbaarheid van een lineair stelsel<br />
De rang van een lineair (m, n)-stelsel is de rang van de coëfficiëntenmatrix A van het<br />
stelsel.<br />
rang van het stelsel=r=rangA<br />
en er geldt steeds<br />
r ≤ n ∧ r ≤ m<br />
Aangezien de coëfficiëntenmatrix een deelmatrix is van de verhoogde matrix is de rang van<br />
de verhoogde matrix steeds groter dan of gelijk aan de rang van het stelsel.<br />
r ≤ rangAB<br />
Opmerking: De rijvectoren van A brengen een r-dimensionale deelruimte van een ndimensionale<br />
vectorruimte voort, terwijl de kolomvectoren een r-dimensionale deelruimte<br />
van een m-dimensionale vectorruimte voortbrengen.
3.4. STEEDS OPLOSBARE STELSELS 139<br />
STELLING 3.1 Een lineair stelsel is oplosbaar als en slechts als de rang van de verhoogde<br />
matrix gelijk is aan de rang van het stelsel.<br />
r = rangAB.<br />
Bewijs: Een lineair (m, n)-stelsel is oplosbaar als en slechts als de kolomvector van de constanten<br />
van het stelsel lineair afhankelijk is van de kolomvectoren van de coëfficiëntenmatrix.<br />
Dit betekent dat de kolomvector van de constanten van het stelsel behoort tot de ruimte<br />
voortgebracht door de kolomvectoren van de coëfficiëntenmatrix. Dit heeft als gevolg<br />
dat de dimensie van de ruimte voortgebracht door de klomvectoren van de verhoogde matrix<br />
gelijk is aan de dimensie van de ruimte voortgebracht door de kolomvectoren van de<br />
coëfficiëntenmatrix. Een lineair stelsel is dus oplosbaar als en slechts als de rang van de<br />
verhoogde matrix gelijk is aan de rang van de coëfficiëntenmatrix. <br />
3.4 Steeds oplosbare stelsels<br />
De voorwaarde van de stelling 3.1 is vervuld voor twee soorten speciale lineaire stelsels, nl.<br />
de stelsels waarvoor de rang gelijk is aan het aantal vergelijkingen en de homogene stelsels.<br />
3.4.1 Stelsels waarvan de rang gelijk is aan het aantal vergelijkingen<br />
STELLING 3.2 Een lineair stelsel waarvan de rang gelijk is aan het aantal vergelijkingen<br />
is steeds oplosbaar.<br />
Bewijs: Als de rang van het stelsel gelijk is aan het aantal vergelijkingen dan kan de rang<br />
van de verhoogde matrix niet kleiner zijn dan m maar kan ook niet groter zijn dan m vermits<br />
er maar m rijen zijn. Bij een stelsel waarvan de rang gelijk is aan het aantal vergelijkingen<br />
is de rang van de verhoogde matrix dus steeds gelijk aan de rang van de coëfficiëntenmatrix.<br />
Een stelsel waarvan de rang gelijk is aan het aantal vergelijkingen is dus steeds oplosbaar.<br />
<br />
3.4.1.1 Stelsels van Cramer<br />
Een lineair (n, n)-stelsel (vierkantig stelsel) met rang gelijk aan n wordt een stelsel van<br />
Cramer genoemd (r = m = n). Een stelsel van Cramer is een stelsel waarvan de rang<br />
gelijk is aan het aantal vergelijkingen. Een stelsel van Cramer is dus steeds oplosbaar.<br />
De oplossing van een stelsel van Cramer
140 HOOFDSTUK 3. OPLOSBAARHEID VAN LINEAIRE STELSELS<br />
STELLING 3.3 Een stelsel van Cramer heeft juist één oplossing.<br />
Bewijs: Een stelsel van Cramer ziet er algemeen als volgt uit<br />
⎧<br />
a11x1<br />
⎪⎨ a21x1<br />
+<br />
+<br />
a12x2<br />
a22x2<br />
+<br />
+<br />
· · ·<br />
· · ·<br />
+<br />
+<br />
a1nxn<br />
a2nxn<br />
=<br />
=<br />
b1<br />
b2<br />
⎪⎩<br />
.<br />
.<br />
. = .<br />
an1x1 + an2x2 + · · · + annxn = bn<br />
We weten dat een matrix en zijn canonieke matrix dezelfde rang hebben. De rang van de<br />
canonieke matrix van de coëfficiëntenmatrix is gelijk aan de rang van de coëfficiëntenmatrix<br />
en dus gelijk aan n. De canonieke matrix van de coëfficiëntenmatrix is de eenheidsmatrix<br />
van de orde n.<br />
De diagonaalvorm van de verhoogde matrix<br />
⎛<br />
a11<br />
⎜ a21<br />
⎜<br />
⎝ .<br />
a12<br />
a22<br />
.<br />
. . .<br />
. . .<br />
a1n<br />
a2n<br />
.<br />
⎞<br />
b1<br />
b2<br />
⎟<br />
. ⎠<br />
ziet eruit als volgt: ⎛<br />
an1 an2 . . . ann bn<br />
⎜<br />
⎝<br />
1 0 . . . 0 k1<br />
. . . k2<br />
0 0 . . . 1 kn<br />
Het oorspronkelijk stelsel is gelijkwaardig met het stelsel<br />
⎧<br />
⎪⎨ x1 = k1<br />
⎪⎩<br />
. .<br />
xn = kn<br />
Dit stelsel toont aan dat een stelsel van Cramer juist één oplossing heeft. <br />
Oplossen van een stelsel van Cramer met de inverse matrix<br />
De coëfficiëntenmatrix van een stelsel van Cramer is een niet-singuliere matrix van de orde<br />
n en bezit bijgevolg een inverse matrix.<br />
We schrijven een algemeen stelsel van Cramer in verkorte matrixgedaante:<br />
⎞<br />
⎟<br />
⎠<br />
A.X = B met rangA = n
3.4. STEEDS OPLOSBARE STELSELS 141<br />
en<br />
⎛<br />
⎞<br />
a11 a12 · · · a1n<br />
⎜ a21 a22 · · · a2n<br />
⎟<br />
A = ⎜<br />
⎟<br />
⎝ . . . ⎠<br />
⎛<br />
⎜<br />
X = ⎜<br />
⎝<br />
an1 an2 · · · ann<br />
x1<br />
x2<br />
.<br />
xn<br />
⎞<br />
⎛<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎟ en B = ⎜<br />
⎠ ⎝<br />
De vergelijking A.X = B is de matriciële vergelijking van het stelsel.<br />
De vergelijking ax = b in R kunnen we oplossen naar x op voorwaarde dat a = 0. De<br />
oplossing voor x bekomen we dan door beide leden te vermenigvuldigen met het omgekeerde<br />
van a voor de vermenigvuldiging. In R komt dat erop neer beide leden te delen door a.<br />
1 1 b<br />
ax = b ⇐⇒ x =<br />
a a a<br />
De coëfficiënt van x wordt 1 omdat 1.a<br />
= 1 en in het tweede lid mogen we a onder b plaatsen<br />
a<br />
omdat links of rechts vermenigvuldigen met 1 eender is (het product van reële getallen is<br />
a<br />
commutatief). Het product van matrices is echter niet commutatief.<br />
We kunnen nu op analoge wijze een matriciële vergelijking oplossen.<br />
Voor de coëfficiëntenmatrix A bestaat de inverse matrix A−1 waarvoor geldt<br />
A.A −1 = In = A −1 .A<br />
We kunnen nu de matriciële vergelijking als volgt oplossen:<br />
A.X = B ⇐⇒ A −1 .(A.X) = A −1 .B (A −1 bestaat)<br />
⇐⇒ (A −1 .A).X = A −1 .B ( prod. is ass.)<br />
⇐⇒ In.X = A −1 .B ( def A −1 )<br />
⇐⇒ X = A −1 .B (In is neutr. el. vr. prod)<br />
Voorbeeld: Los op twee verschillende manieren het volgend stelsel van Cramer op:<br />
Oplossing:<br />
⎧<br />
⎪⎨<br />
⎪⎩<br />
b1<br />
b2<br />
.<br />
bn<br />
⎞<br />
⎟<br />
⎠<br />
x + y + z + 2t = 4<br />
2x + 5y − 2z − 5t = 3<br />
x + 7y − 7z + 4t = −6<br />
−x + 4y + 3z − 9t = −8
142 HOOFDSTUK 3. OPLOSBAARHEID VAN LINEAIRE STELSELS<br />
1. Met de methode van Gauss-Jordan:<br />
⎛<br />
⎜<br />
⎝<br />
1<br />
2<br />
1<br />
1<br />
5<br />
7<br />
1<br />
−2<br />
−7<br />
2<br />
−5<br />
4<br />
⎞<br />
4<br />
3 ⎟<br />
−6 ⎠<br />
−1 4 3 −9 −8<br />
∼<br />
⎛<br />
1<br />
⎜ 0<br />
⎝ 0<br />
0<br />
1<br />
0<br />
0<br />
0<br />
1<br />
0<br />
0<br />
0<br />
151/32<br />
−9/8<br />
13/32<br />
0 0 0 1 0<br />
De oplossing van het stelsel is het 4-tal (151/32, −9/6, 13/32, 0).<br />
2. Met de inverse matrix van de coëfficiëntenmatrix van het stelsel:<br />
⎛<br />
⎜<br />
⎝<br />
1<br />
2<br />
1<br />
1<br />
5<br />
7<br />
1<br />
−2<br />
−7<br />
2<br />
−5<br />
4<br />
1<br />
0<br />
0<br />
0<br />
1<br />
0<br />
0<br />
0<br />
1<br />
⎞<br />
0<br />
0 ⎟<br />
0 ⎠<br />
−1 4 3 −9 0 0 0 1<br />
∼<br />
⎛<br />
1<br />
⎜ 0<br />
⎝ 0<br />
0<br />
1<br />
0<br />
0<br />
0<br />
1<br />
0<br />
0<br />
0<br />
37/160<br />
7/40<br />
47/160<br />
57/160<br />
−3/40<br />
−13/160<br />
−13/80<br />
1/10<br />
−3/80<br />
−7/32<br />
1/8<br />
3/32<br />
0 0 0 1 3/20 −1/10 1/20 0<br />
De oplossing verkrijgen we door het product A−1 · B te bepalen.<br />
⎛<br />
37/160<br />
⎜ 7/40<br />
⎝ 47/160<br />
57/160<br />
−3/40<br />
−13/160<br />
−13/80<br />
1/10<br />
−3/80<br />
⎞<br />
−7/32<br />
1/8 ⎟<br />
3/32 ⎠<br />
3/20 −1/10 1/20 0<br />
·<br />
⎛ ⎞<br />
4<br />
⎜ 3 ⎟<br />
⎝ −6 ⎠<br />
−8<br />
=<br />
⎛<br />
⎜<br />
⎝<br />
⎞<br />
⎟<br />
⎠<br />
151/32<br />
−9/8<br />
13/32<br />
0<br />
OPGAVEN — 17 De volgende stelsels werden reeds opgelost in het voorgaande hoofdstuk met de methodevan<br />
Gauss. Ga nu na of deze stelsels, stelsels zijn van Cramer en lost ze op met de inverse matrix.<br />
2x − y = 5<br />
x − y = 2<br />
a.<br />
b.<br />
x + y = 1<br />
x + y = −2<br />
c.<br />
⎧<br />
⎨<br />
⎩<br />
x − 3y + z = −2<br />
2x − y − z = 3<br />
3x − 4y + z = 2<br />
d.<br />
⎧<br />
⎨<br />
⎩<br />
x + y + z = 4<br />
2x + 5y − 2z = 3<br />
x + 7y − 7z = −6<br />
3.4.1.2 Stelsels waarvan de rang gelijk is aan het aantal vergelijkingen en strikt<br />
kleiner dan het aantal onbekenden<br />
Een stelsel waarvoor r = m < n kan herleid worden naar een stelsel van Cramer.<br />
Vermits de rang van de coëfficiëntenmatrix gelijk is aan m moet er een deelmatrix bestaan<br />
waarvoor de rang tevens gelijk is aan m. Zo een deelmatrix noemen we een hoofdmatrix,<br />
de bijbehorende onbekenden noemen we hoofdonbekenden en de overige (n − m)<br />
onbekenden noemen we vrije onbekenden van het stelsel.<br />
We brengen in de vergelijkingen de termen met de (n − r) vrije onbekenden over naar het<br />
tweede lid en we onderstellen ze een ogenblik als constant. Het stelsel is nu herleid tot een<br />
⎞<br />
⎟<br />
⎠<br />
⎞<br />
⎟<br />
⎠
3.4. STEEDS OPLOSBARE STELSELS 143<br />
vierkant (m, m)-stelsel waarvan de rang van de coëfficiëntenmatrix gelijk is aan m. Het stelsel<br />
is een stelsel van Cramer en heeft juist één oplossing voor die constante waarden van de<br />
vrije onbekenden. Laten we nu in het tweede lid de vrije onbekenden alle waarden aannemen<br />
onafhankelijk van elkaar, dan vinden we alle oplossingen van het stelsel. We zeggen dat het<br />
stelsel ∞ n−m oplossingen heeft of dat het stelsel een (n−m)-voudig onbepaald stelsel is.<br />
OPGAVEN — 18 Onderzoek of de rang van het stelsel gelijk is aan het aantal vergelijkingen. Los het<br />
stelsel ⎧ op.<br />
⎨ x + 2y − 3z − 4u = 6<br />
⎧<br />
⎨ x + y − 2z − u + 3t = 1<br />
a. x<br />
⎩<br />
2x<br />
+<br />
+<br />
3y<br />
5y<br />
+<br />
−<br />
z<br />
2z<br />
−<br />
−<br />
2u<br />
5u<br />
=<br />
=<br />
4<br />
10<br />
b. x<br />
⎩<br />
3x<br />
+<br />
+<br />
3y<br />
2y<br />
+<br />
−<br />
z<br />
4z<br />
−<br />
−<br />
2u<br />
3u<br />
+<br />
−<br />
6t<br />
9t<br />
=<br />
=<br />
2<br />
3<br />
Oplossing:<br />
3.4.1.2 a. r.(11, −4, 1, 0) + (10, −2, 0, 0); b. r(7, 2, 1, 7, 0) + s(105, −60, 33, 0, 7) + (1, 2/7, 1/7, 0, 0).<br />
3.4.2 Homogene lineaire stelsels<br />
Een lineair (m, n)-stelsel is een homogeen lineair (m, n)-stelsel als en slechts als de<br />
constanten b1, b2, . . . , bm van het stelsel gelijk zijn aan nul of m.a.w. als alle vergelijkingen<br />
van het stelsel homogene vergelijkingen zijn van de eerste graad in n onbekenden.<br />
De algemene gedaante van een homogeen lineair (m, n)-stelsel is:<br />
⎧<br />
⎪⎨<br />
a11x1<br />
a21x1<br />
+<br />
+<br />
a12x2<br />
a22x2<br />
+<br />
+<br />
· · ·<br />
· · ·<br />
+<br />
+<br />
a1nxn<br />
a2nxn<br />
=<br />
=<br />
0<br />
0<br />
⎪⎩<br />
. .<br />
. .<br />
am1x1 + am2x2 + · · · + amnxn = 0<br />
Het n-tal (0, 0, ..., 0) is steeds oplossing van een homogeen lineair (m, n)-stelsel. De nulvector<br />
(kolomvector van de tweede leden) is immers steeds te schrijven als een lineaire combinatie<br />
van elk stel vectoren. Dus:<br />
Een homogeen lineair stelsel is steeds oplosbaar, waaronder steeds de nuloplossing .<br />
Bijzondere homogene stelsels<br />
• Een homogeen lineair (n, n)-stelsel met rang gelijk aan n is in bijzonder een stelsel<br />
van Cramer en heeft juist één oplossing, nl. de nuloplossing (0, · · · , 0).<br />
Een homogeen lineair stelsel van Cramer heeft als oplossing de nuloplossing
144 HOOFDSTUK 3. OPLOSBAARHEID VAN LINEAIRE STELSELS<br />
• Een homogeen lineair (m, m + 1)-stelsel waarvan de rang gelijk is aan het aantal vergelijkingen<br />
m heeft ∞ 1 oplossingen waaronder de nuloplossing. De oplossingen zijn<br />
veelvouden van een bijzondere oplossing verschillend van de nuloplossing.<br />
Beschouwen we een homogeen lineair (2, 3)-stelsel met rang gelijk aan 2.<br />
We onderstellen dat<br />
u1x + v1y + w1z = 0<br />
u2x + v2y + w2z = 0<br />
u1 v1<br />
u2 v2<br />
(met rangA = 2). (3.1)<br />
<br />
een hoofdmatrix is. De onbekenden x en y zijn dan<br />
hoofdonbekenden van het stelsel en z is dan vrije onbekende. We brengen de termen<br />
in z naar het tweede lid.<br />
u1x + v1y + = −w1z<br />
u2x + v2y + = −w2z<br />
We lossen het stelsel op met behulp van de inverse matrix van de coëfficiëntenmatrix.<br />
We zetten het stelsel in matrixgedaante:<br />
x<br />
y<br />
u1 v1<br />
x<br />
y<br />
u2 v2<br />
<br />
=<br />
<br />
=<br />
<br />
·<br />
x<br />
y<br />
u1 v1<br />
u2 v2<br />
1<br />
u1v2 − u2v1<br />
<br />
−w1<br />
= · z<br />
−w2<br />
⇕<br />
−1 <br />
−w1<br />
· · z<br />
−w2<br />
⇕<br />
<br />
(v1w2 − v2w1)<br />
(u2w1 − u1w2)<br />
Geven we aan de vrije onbekende z de waarde z = (u1v2 − u2v1)r met r ∈ R. We<br />
krijgen voor de oplossingen de volgende parametervoorstelling:<br />
⎛ ⎞ ⎛<br />
⎞<br />
x v1w2 − v2w1<br />
⎝ y ⎠ = ⎝ u2w1 − u1w2 ⎠ r<br />
z<br />
u1v2 − u2v1<br />
Dit is de parametervoorstelling van een vectorrechte (zie later).<br />
Het drietal (v1w2 − v2w1, u2w1 − u1w2, u1v2 − u2v1) is een bijzondere oplossing van<br />
<br />
z
3.4. STEEDS OPLOSBARE STELSELS 145<br />
het homogeen stelsel, verschillend van de nuloplossing. Bijgevolg is de vector met<br />
coördinaat<br />
(v1w2 − v2w1, u2w1 − u1w2, u1v2 − u2v1)<br />
een basisvector van de vectorrechte. Deze vector is het vectorieel product van<br />
de twee rijvectoren van de coëfficiëntenmatrix van het stelsel, nl. (u1, v1, w1) en<br />
(u2, v2, w2).<br />
(u1, v1, w1) × (u2, v2, w2) = (v1w2 − v2w1, u2w1 − u1w2, u1v2 − u2v1)<br />
Met DERIVE verkrijgen we dat vectorieel product met het commando<br />
cross([u1, v1, w1], [u2, v2, w2]).<br />
De schematische schrijfwijze met determinanten is<br />
<br />
v1 w1<br />
<br />
<br />
<br />
,<br />
<br />
<br />
<br />
w1<br />
<br />
u1 <br />
<br />
,<br />
<br />
<br />
<br />
v2 w2<br />
w2 u2<br />
u1 v1<br />
u2 v2<br />
Voorbeeld: Los het volgend homogeen stelsel op:<br />
3x − 5y + 6z = 0<br />
−2x + y − z = 0<br />
Oplossing: Een basisvector van de vectorrechte voorgesteld door het homogeen stelsel<br />
is cross([3, −5, 6], [−2, 1, −1]) = (−1, −9, −7) ∼ (1, 9, 7) De parametervoorstelling van<br />
de vectorrechte is: ⎛ ⎞<br />
x<br />
⎛ ⎞<br />
1<br />
⎝ y ⎠ = ⎝ 9 ⎠ · r<br />
z 7<br />
OPGAVEN — 19 Bepaal een oplossing van het volgend homogeen stelsel<br />
<br />
x − y + 3z = 0<br />
6y − z = 0<br />
a.<br />
b.<br />
5x + 4y − 2z = 0<br />
7x − 2y − 5z = 0<br />
<br />
−x + 3z = 0<br />
c.<br />
x + y = 0<br />
⎧<br />
⎨ 2x − 3y + 2z = 0<br />
e. −6x<br />
⎩<br />
x<br />
+<br />
+<br />
9y<br />
y<br />
−<br />
−<br />
6z<br />
z<br />
= 0<br />
= 0<br />
d.<br />
⎧<br />
⎨<br />
f.<br />
⎩<br />
6x − 6y − 4z = 0<br />
−3x + 3y + 2z = 0<br />
x + 17y + 19z = 0<br />
x − 5y − 7z = 0<br />
2x + y − z = 0<br />
Oplossingen: 19 a. (x, y, z) = r(−10, 17, 9); b. (x, y, z) = r(32, 7, 42); c. (x, y, z) = r(−3, 3, −1); d.<br />
(x, y, z) = r(1, 1, 0) + s(2, 0, 3); e. (x, y, z) = r(1, 4, 5); f. (x, y, z) = r(12, −13, 11).
146 HOOFDSTUK 3. OPLOSBAARHEID VAN LINEAIRE STELSELS
Inhoudsopgave<br />
1 Reële affiene 3-ruimte 3<br />
1.1 Axioma’s voor een affiene 3-ruimte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3<br />
1.2 Onderlinge ligging van twee rechten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4<br />
1.3 Onderlinge ligging van een rechte en een vlak . . . . . . . . . . . . . . . . . . . . . . . . . . 7<br />
1.4 Onderlinge ligging van twee vlakken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12<br />
1.5 Constructie van de snijlijn van twee snijdende vlakken . . . . . . . . . . . . . . . . . . . . . 24<br />
1.6 Enkele opgaven ivm. kruisende rechten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30<br />
1.7 Parallelprojecties van E . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37<br />
1.7.0.1 Definities . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37<br />
1.7.0.2 Het beeld van een rechte onder een parallelprojectie . . . . . . . . . . . . . 38<br />
1.7.0.3 De projecties van twee rechten . . . . . . . . . . . . . . . . . . . . . . . . . 40<br />
1.8 Vectoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45<br />
1.8.1 Het begrip vector . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45<br />
1.8.2 Bewerkingen met vectoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46<br />
1.8.3 De reële vectorruimten R, EO, + . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49<br />
1.9 *Spiegeling van E om een vlak volgens de richting van een rechte . . . . . . . . . . . . . . . 50<br />
1.10 *Spiegeling van E om een rechte volgens de richting van een vlak . . . . . . . . . . . . . . . 50<br />
1.11 Veelvlakken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51<br />
1.12 Het midden van een lijnstuk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54<br />
1.13 Zwaartepunt van een driehoek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54<br />
1.14 Zwaartepunt van een viervlak . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56<br />
1.15 Wiskunde-Cultuur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65<br />
201
202 INHOUDSOPGAVE<br />
2 Matrices 69<br />
2.1 De reële n-tallen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69<br />
2.1.1 Definitie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69<br />
2.1.2 Bewerkingen met n-tallen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69<br />
2.1.3 De reële vectorruimte van de n-tallen . . . . . . . . . . . . . . . . . . . . . . . . . . . 70<br />
2.2 De reële matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72<br />
2.2.1 Definitie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72<br />
2.2.2 Bewerkingen met matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73<br />
2.2.3 De reële vectorruimte van de matrces . . . . . . . . . . . . . . . . . . . . . . . . . . 74<br />
2.2.4 Oplossen van matriciële vergelijkingen . . . . . . . . . . . . . . . . . . . . . . . . . . 75<br />
2.2.5 De getransponeerde matrix van een matrix . . . . . . . . . . . . . . . . . . . . . . . 77<br />
2.2.6 Soorten matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78<br />
2.2.7 Lineaire combinatie van vectoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80<br />
2.3 Oplossen van lineaire stelsels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82<br />
2.3.1 Inleidende voorbeeld . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82<br />
2.3.2 Rijequivalente matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83<br />
2.3.3 Gauss-Jordan-methode voor het oplossen van lineaire stelsels . . . . . . . . . . . . . 84<br />
2.4 Lineaire onafhankelijkheid van vectoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90<br />
2.5 Het product van matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94<br />
2.5.1 Definitie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94<br />
2.5.2 Praktische voorbeelden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97<br />
2.5.3 Eigenschappen van het product van matrices . . . . . . . . . . . . . . . . . . . . . . 99<br />
2.5.4 Inverse matrix van een vierkante matrix . . . . . . . . . . . . . . . . . . . . . . . . . 104<br />
2.5.5 De inverse matrix van een vierkante matrix van de orde 2 . . . . . . . . . . . . . . . 107<br />
2.5.6 Stellingen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109<br />
2.6 Algebraïsch rekenwerk met matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111<br />
2.6.1 Merkwaardige producten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111<br />
2.6.2 Nuldelers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111<br />
2.6.3 Matriciële vergelijkingen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112<br />
2.7 Deelruimten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115<br />
2.7.1 Definitie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115<br />
2.7.2 Eigenschap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115<br />
2.7.3 Voortbrengende verzamelingen van vectoren . . . . . . . . . . . . . . . . . . . . . . . 116
INHOUDSOPGAVE 203<br />
2.7.4 Niet-triviale deelruimten van R, EO, + . . . . . . . . . . . . . . . . . . . . . . . . . . 118<br />
2.7.4.1 Vectorrechten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118<br />
2.7.4.2 Vectorvlakken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121<br />
2.7.4.3 Besluit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124<br />
2.8 Rang van een matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125<br />
2.9 *Verband tussen linksvermenigvuldigen van een matrix en het rijherleiden van een matrix . 128<br />
2.9.1 Bepalen van de inverse matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129<br />
2.9.2 Bepalen van nuldelers met rijoperaties . . . . . . . . . . . . . . . . . . . . . . . . . . 130<br />
3 Oplosbaarheid van lineaire stelsels 135<br />
3.1 Definitie van een lineair stelsel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135<br />
3.2 Oplossen van lineaire stelsels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137<br />
3.3 Oplosbaarheid van een lineair stelsel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138<br />
3.4 Steeds oplosbare stelsels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139<br />
3.4.1 Stelsels waarvan de rang gelijk is aan het aantal vergelijkingen . . . . . . . . . . . . 139<br />
3.4.1.1 Stelsels van Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139<br />
3.4.1.2 Stelsels waarvan de rang gelijk is aan het aantal vergelijkingen en strikt<br />
kleiner dan het aantal onbekenden . . . . . . . . . . . . . . . . . . . . . . . 142<br />
3.4.2 Homogene lineaire stelsels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143<br />
4 Analytische affiene ruimtemeetkunde 147<br />
4.1 De coördinaatruimte van een vectorruimte . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148<br />
4.2 Coördinatisering van de 3-dimensionale ruimte R, EO, + . . . . . . . . . . . . . . . . . . . . 152<br />
4.2.1 De coördinaat van een punt van de ruimte R, EO, + . . . . . . . . . . . . . . . . . . 152<br />
4.2.2 Coördinaat van een vector van R, EO, + . . . . . . . . . . . . . . . . . . . . . . . . . 153<br />
4.3 Coördinaat van het zwaartepunt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155<br />
4.3.1 Zwaartepunt van een driehoek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155<br />
4.3.2 Zwaartepunt van een viervlak . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155<br />
4.4 Vergelijkingen van vlakken en rechten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156<br />
4.4.1 Richtingsruimte — richtingsvectoren van een vlak . . . . . . . . . . . . . . . . . . . 157<br />
4.4.2 Vectoriële vergelijking en parametervoorstelling van een vlak . . . . . . . . . . . . . 157<br />
4.4.3 Vectoriële vergelijking van een vlak met drie homogene parameters . . . . . . . . . . 161<br />
4.4.4 Cartesische vergelijking van een vectorvlak . . . . . . . . . . . . . . . . . . . . . . . 161<br />
4.4.5 Cartesische vergelijking van een vlak bepaald door een punt en een richting van vlakken163<br />
4.4.6 Vergelijking van een vlak bepaald door drie niet-collineaire punten . . . . . . . . . . 165
204 INHOUDSOPGAVE<br />
4.4.7 Vergelijking van een vlak bepaald door zijn doorgangen met x-as, y-as en z-as . . . . 165<br />
4.4.8 Bijzondere standen van een vlak t.o.v. het coördinatenstelsel . . . . . . . . . . . . . 165<br />
4.4.9 Richtingsruimte — richtingsvectoren van een rechte . . . . . . . . . . . . . . . . . . 168<br />
4.4.10 Vectoriële vergelijking en parametervoorstelling van een rechte . . . . . . . . . . . . 168<br />
4.4.11 Vectoriële vergelijking van een rechte met twee homogene parameters . . . . . . . . . 170<br />
4.4.12 Cartesische vergelijkingen van een rechte bepaald door een punt en een richtingsvector171<br />
4.4.13 Cartesische vergelijkingen van een rechte bepaald door twee punten . . . . . . . . . . 172<br />
4.5 De onderlinge ligging van een rechte en een vlak . . . . . . . . . . . . . . . . . . . . . . . . 177<br />
4.6 Onderlinge ligging van twee rechten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179<br />
4.7 Oplosbaarheid van lineaire stelsels i.v.m. onderlinge liggingen . . . . . . . . . . . . . . . . . 183<br />
4.7.1 Stelsel met één lineaire vergelijking . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183<br />
4.7.2 Stelsels van twee vergelijkingen – o.l. van 2 vlakken . . . . . . . . . . . . . . . . . . . 185<br />
4.7.2.1 Stelsels van twee vergelijkingen met rang gelijk aan twee . . . . . . . . . . 185<br />
4.7.2.2 Stelsels van twee vergelijkingen met rang gelijk aan één . . . . . . . . . . . 187<br />
4.7.3 Stelsels met drie vergelijkingen – o.l. van een rechte en een vlak of o.l. van 3 vlakken 189<br />
4.7.3.1 Stelsels met drie vergelijkingen en rang gelijk aan drie . . . . . . . . . . . . 189<br />
4.7.3.2 Stelsels van drie vergelijkingen met rang gelijk aan twee . . . . . . . . . . . 190<br />
4.7.3.3 Stelsels van drie vergelijkingen met rang gelijk aan één . . . . . . . . . . . 192<br />
4.7.4 Stelsels met vier vergelijkingen – o.l. van 2 rechten of o.l. van 4 vlakken . . . . . . . 196<br />
4.7.4.1 Stelsels met vier vergelijkingen en rang gelijk aan drie . . . . . . . . . . . . 196<br />
4.7.4.2 Stelsels met vier vergelijkingen en rang gelijk aan twee . . . . . . . . . . . 197<br />
4.8 Wiskunde-Cultuur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200