Matriser og vektorrom - Matematik
Matriser og vektorrom - Matematik
Matriser og vektorrom - Matematik
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>Matriser</strong> <strong>og</strong> <strong>vektorrom</strong><br />
Dan Laksov<br />
Notater for gymnaset. Del av et prosjekt ˚ar 2002-2003 støttet av:<br />
Marianne och Marcus Wallenbergs Stiftelse<br />
Versjon 4. Juli 2002<br />
Matematiska Institutionen<br />
KTH
Matematiska Institutionen<br />
KTH<br />
100 44 STOCKHOLM<br />
ISBN ?<br />
c○2001 Matematiska Institutionen
Innledning<br />
Dette er notater for et kurs om matriser <strong>og</strong> vektorer gitt skole˚arene 2000/2001 <strong>og</strong><br />
2001/2002 for matematikkinteresserte elever i andre klasse p˚a Östra Reals Gymnasium<br />
i Stockholm. Undervisningstiden var en dobbelttime per uke i 24 uker. Undervisningen<br />
alternerte mellom Östra Reals Gymnasium, der Dick Andersson ga undervisningen,<br />
<strong>og</strong> KTH, der Dan Laksov underviste. Vi vil takke Dick Andersson<br />
for hans hjelp med disse notatene, <strong>og</strong> for hans entusiasme for matematikk, som fikk<br />
pr<strong>og</strong>ramlederen til ˚a starte dette prosjektet.<br />
Materialet dekker de grunnleggende delene av et vanlig kurs i Lineær algebra<br />
p˚a universiteter <strong>og</strong> høyskoler. Vektorer, matriser <strong>og</strong> ligninger er grundig fremstilt,<br />
<strong>og</strong> en abstrakt fremstilling av <strong>vektorrom</strong> inng˚ar. Hensikten med kurset er ˚a lære<br />
elevene ˚a løse lineære ligninger, <strong>og</strong> ˚a regne med vektorer <strong>og</strong> matriser. Samtidig har<br />
vi forsøkt ˚a gi et bredere perspektiv p˚a matematikken ved ˚a fremheve betydningen<br />
av avbildninger <strong>og</strong> <strong>vektorrom</strong>. I oppgavene har vi introdusert materiale fra algebra,<br />
kombinatorikk <strong>og</strong> tallteori, som vi h˚aper skal virke inspirerende.<br />
Forelesningene er en del av et prosjekt om <strong>Matematik</strong> för Gymnasiet støttet av<br />
Marianne och Marcus Wallenbergs Stiftelse <strong>og</strong> som har som m˚al ˚a øke interessen<br />
for-, <strong>og</strong> kunnskap om-, matematikk i gymnaset. Prosjektlederen vil benytte denne<br />
anledningen til ˚a takke Marianne och Marcus Wallenbergs Stiftelse for støtten, som<br />
har gjort prosjektet mulig, <strong>og</strong> som er en oppmuntring til samarbeide mellom gymnas<br />
<strong>og</strong> høyskole. Vi vil <strong>og</strong>s˚a takke Institut Mittag-Leffler som har hjulpet til med ˚a<br />
forvalte prosjektmidlene.<br />
iii<br />
Matematiska Institutionen, 10. juli 2002<br />
Dan Laksov
iv matr. <strong>og</strong> vekt.
Innhold<br />
<strong>Matriser</strong> (MATRISER) 1<br />
1. Euklidske Vektorer . . . 1<br />
2. Operasjoner p˚a vektorer . . . 11<br />
3. <strong>Matriser</strong> . . . 17<br />
4. Matrisemultiplikasjon . . . 23<br />
5. Avbildninger av planet . . . 35<br />
Vektorrom (VEKTORROM) 43<br />
1. Mengder <strong>og</strong> <strong>vektorrom</strong> . . . 43<br />
2. Avbildninger . . . 55<br />
3. Lineære avbildninger . . . 65<br />
Ligninger (LIGNINGER) 73<br />
1. Eksempler . . . 73<br />
2. Gauss-Jordan eliminasjon . . . 85<br />
3. Ikke singulære matriser <strong>og</strong> determinanter . . . 97<br />
Fasit (FASIT) 111<br />
2. <strong>Matriser</strong> . . . 111<br />
3. <strong>Matriser</strong> . . . 112<br />
4. <strong>Matriser</strong> . . . 112<br />
3. Vektorrom . . . 113<br />
1. Ligninger . . . 114<br />
Indeks (INDEKS) 117<br />
v
vi matr. <strong>og</strong> vekt.
1. Euklidske Vektorer.<br />
<strong>Matriser</strong><br />
(1.1) Innledning. En vektor er en horisontal eller vertikal oppstilling av symboler.<br />
Vi treffer p˚a slike oppstillinger overallt. En rad med bokstaver i en bok, eller en<br />
kolonne i en tabell er en vektor. Slike oppstillinger har ingen interesse i seg selv.<br />
Det som gjør vektorer s˚a viktige er at vi kan regne med dem. Vi kan multiplisere<br />
en vektor med et tall <strong>og</strong> legge sammen to vektorer om de har samme størrelse.<br />
Dette gir vektorer en struktur som er avgjørende for anvendelser i <strong>og</strong> utenfor matematikken.<br />
Ennu viktigere er det av vi kan multiplisere en vektor med en matriser.<br />
Slike operasjoner er blandt de aller viktigste operasjonene i matematikken <strong>og</strong> dens<br />
anvendelser. En rekke matematiske strukturer blir studert ved at vi presenterer dem<br />
som operasjoner av matriser p˚a <strong>vektorrom</strong>. Det er derfor ikke bare innenfor den disiplinen<br />
av matematikken vi skal behandle i denne boken, <strong>og</strong> som kalles lineær algebra<br />
som teknikkene er nyttige. De gir <strong>og</strong>s˚a informasjon om mange andre, tilsynelatende<br />
urelaterte, strukturer.<br />
Vi skal gi de viktigste egenskapene ved matrisemultiplikasjon. Først skal vi imidlertid<br />
presentere vektorer <strong>og</strong> forklare hvorfor de er s˚a viktige. Vi skal <strong>og</strong>s˚a gi deres<br />
viktigste egenskaper.<br />
(1.2) Eksempel. De vektorene vi skal se nærmere p˚a er en oppstilling av tall.<br />
Eksempler p˚a slike oppstillinger er:<br />
<br />
,<br />
3<br />
2<br />
√ <br />
2 ,<br />
π<br />
som kalles 2-vektorer. Andre eksempler er:<br />
1 <br />
2<br />
3<br />
,<br />
som kalles 3-vektorer.<br />
For ˚a spare vertikal plass skriver vi:<br />
(1, 2) t =<br />
2 √3<br />
−5<br />
<br />
,<br />
<br />
π<br />
−5 ,<br />
π <br />
π<br />
−1<br />
,<br />
<br />
1<br />
, <strong>og</strong> (π, π, −1)<br />
2<br />
t π <br />
= π ,<br />
−1<br />
der t øverst til høyre p˚a vektorene (1, 2) t respektive (π, π, −1) t st˚ar for transponert.<br />
1
2 <strong>Matriser</strong><br />
Vilk˚arlige 2- <strong>og</strong> 3-vektorer v skriver vi<br />
<br />
a1<br />
v = = (a1, a2) t a1 <br />
<strong>og</strong> v = a2 = (a1, a2, a3) t<br />
a2<br />
der a1,a2 <strong>og</strong> a3 er tall.<br />
Vi kan generelt definere n vektorer for hver positivt tall n:<br />
(1.3) Definisjon. La n være et positivt helt tall. En n-vektor v er en oppstilling:<br />
v =<br />
⎛<br />
⎜<br />
⎝<br />
a1<br />
a2<br />
.<br />
.<br />
an<br />
⎞<br />
a3<br />
⎟<br />
⎠ = (a1, a2, . . . , an) t<br />
av tall a1, a2, . . . , an. Tallet ai kalles den i’te koordinaten til v. Bokstaven t oppe<br />
til høyre p˚a en liggende vektor st˚ar for den transponerte av vektoren, <strong>og</strong> vi kaller<br />
(a1, a2, a3) t for den transponerte av vektoren v.<br />
(1.4) Visualisering. En vektor er en oppstilling av tall. P˚a linjen, i planet <strong>og</strong> i<br />
rommet er vi vant til ˚a visualisere vektorer som punkter. Dette kan hjelpe til med ˚a<br />
forst˚a endel av egenskapene til vektorer.<br />
For eksempel er vi vant til ˚a visualisere en 2-vektor som et punkt i planet. For<br />
eksempel vil (5, 3) t være representert ved<br />
y<br />
3<br />
2<br />
1<br />
(5, 3) t<br />
0 1 2 3 4 5 6 x<br />
der første koordinaten i (5, 3) t er x-koordinaten <strong>og</strong> den andre er y-koordinaten. P˚a<br />
en tilsvarende m˚ate kan vi representere alle punktene i planet, <strong>og</strong> hvert punkt kan<br />
representeres som en vektor. Derfor svarer 2-vektorer helt til punktene i planet.<br />
Vi vet <strong>og</strong>s˚a at 3-vektorene svarer til punktene i rommet. Det vil si at vi kan representere<br />
3-vektorer som punkter i rommet der første koordinaten er x-koordinaten,<br />
den andre koordinaten er y-koorodinaten <strong>og</strong> den tredje koordinaten er z-koordinaten,<br />
<strong>og</strong> omvendt, til hvert punkt i planet svarer nøyaktig en 3-vektor. For eksempel vil<br />
vektoren (2, 5, 3) t være representert ved
MATRISER 1 3<br />
x<br />
2<br />
1<br />
z<br />
3<br />
2<br />
1<br />
0<br />
(2, 5, 3) t<br />
1 2 3 4 5 6 y<br />
Tilsvarende kan vi representere alle vektorer som punkter i rommet, <strong>og</strong> omvendt vil<br />
hver punkt i rommet representeres ved en vektor.<br />
Vi sier at 2-vektorene er en matematisk modell for planet <strong>og</strong> 3-vektorene er en<br />
matematisk modell for rommet. Det er viktig ˚a forst˚a at v˚are vektorer ikke er virkeligheten,<br />
men at de kan brukes som en modell for virkeligheten. Fra et matematisk<br />
synspunkt er vektorer av en vilk˚arlig dimensjon veldefinerte objekter som vi kan regne<br />
med. Det spiller ikke noe rolle for den matematiske beskrivelsen at det finnes modeller<br />
for 2- <strong>og</strong> 3-vektorer. Derimot er det typisk at matematikken, som ofte utvikler<br />
seg helt etter egne prinsipper <strong>og</strong> lover, kan brukes til ˚a beskrive den virkeligheten vi<br />
lever i.<br />
Fra et matematisk synspunkt er 4-vektorer, som (1, 3, −2, 4) t , (6π, 2, −1, π) t <strong>og</strong><br />
√ 2, −5, 2, 1 t , like naturlige som 2-vektorer <strong>og</strong> 3-vektorer. Derimot kan vi ikke visualisere<br />
4-vektorer p˚a en naturlig m˚ate. Dette har skapt mye filosofisk forvirring<br />
om hva det fire dimensjonale rommet er for noe. P˚a den andre siden har mangelen<br />
p˚a en fysisk modell for det fire dimensjonale rommet gitt opphav til mye underholdende<br />
litteratur om hvilke mirakler vi kan utføre i rommet om man lever i det fire<br />
dimensjonale rommet. Situasjonen tilsvarer hva vi, som lever i det tredimensjonale<br />
rommet kan gjøre i det to dimensjonale rommet. For eksempel kan vi ta en todimensjonal<br />
person ut av et lukket rom i planet, det vil si et kvadrat, uten ˚a passere dører<br />
eller vinduer, ved ˚a løfte opp personen i det tredimensjonale rommet, føre personen<br />
over veggen, <strong>og</strong> sette den ned p˚a utsiden. Like spennende er det ˚a beskrive hva som<br />
skulle hende med oss om vi ble manipulerte av skapelser som befant seg i et eventuelt<br />
firedimensjonalt rom som inneholder v˚art.<br />
Matematisk sett har vi ingen problemer med firedimensjonale rom. For oss best˚ar<br />
det fire dimensjonale rommet av 4-vektorer <strong>og</strong> vi kan operere like fritt i det fire<br />
dimensjonale rommet som i det todimensjonale, eller for den sakens skyld i det elvedimensjonale<br />
rommet. Det er veldig viktig av vi p˚a denne naturlige m˚aten kan<br />
arbeide i rom av høy dimensjon. Selvom vi ikke kan se rom av høyere dimensjon<br />
enn tre forekommer de ofte i anvendelsene. Vanligvis er koordinatene parametre i et<br />
fysisk system. For eksempel n˚ar vi vil forutsi hvordan været blir i morgen, vil dette<br />
avhenge av trykk, temperatur, luftfuktighet, vindhastigheter <strong>og</strong> retninger, <strong>og</strong> mye<br />
annet. Disse faktorene kalles parametre for værsystemet. For ˚a f˚a en bra forutsigelse<br />
m˚a vi ikke bare kjenne disse parametrene der vi st˚ar, men p˚a en rekke andre steder<br />
p˚a jorden. Dette blir da nye parametre. I de systemene som finnes i dag for ˚a forutsi
4 <strong>Matriser</strong><br />
været er antallet parametre enormt, <strong>og</strong> de matematiske modellene som behandler<br />
systemet er ytterst kompliserte. Dette er en av grunnene til at værvarsler over lengre<br />
perioder er s˚a vanskelige.<br />
Noe av styrken i matematikken ligger i abstraksjonen. Dette gir oss muligheter<br />
til ˚a betrakte generelle teorier som kan anvendes over store felt. Vi behøver ikke<br />
engang ha et bilde av hva som foreg˚ar, men kan manipulere objektene ganske abstrakt<br />
for ˚a f˚a ut de resultatene vi behøver. Derfor klarer vi oss oftest uten figurer. I<br />
mange situasjoner hjelper det mye ˚a ha et bilde av situasjonen, selv der det egentlig<br />
ikke finnes slike bilder. Vi benytter oss da av anal<strong>og</strong>ier i lavere dimensjoner der<br />
vi kan tegne. Et eksempel p˚a dette er de værkartene som brukes i televisjonen til<br />
˚a illustrere værsituasjonen <strong>og</strong> der noen ganske f˚a av parametrene inng˚ar. Lesere<br />
som har stort behov av ˚a se matematiske p˚astander, eller kanskje rentav har angst<br />
for høyere dimensjoner, oppmuntrer vi til ˚a tegne figurer i planet <strong>og</strong> rommet for ˚a<br />
illustrere begrepene vi innfører. Vi gir <strong>og</strong>s˚a noen oppgaver som hjelper den visuelle<br />
forst˚aelsen.<br />
N˚ar vi skal anvende matematikken er det ofte meget viktig ˚a ha et bra bilde av de<br />
matematiske modellene. Spesielt i mekanikk <strong>og</strong> fysikk er vektorer betraktet som piler<br />
meget viktige. Vektorer representerer da fysiske størrelser som b˚ade har en størrelse<br />
<strong>og</strong> retning. Vi har alle erfaring av hvordan det bidrar til den fysiske forst˚aelsen at vi<br />
b˚ade kan se i hvilken retning en kraft virker, <strong>og</strong> hvilken størrelse den har, eller at en<br />
pil b˚ade gir hastigheten til en partikkel, <strong>og</strong> retningen den beveger seg i.<br />
(1.5) Spr˚ak <strong>og</strong> anvendelser. Ordet vektor kommer fra latin <strong>og</strong> er avledet av det<br />
latinske ordet for ˚a bære eller føre med seg. Vektorer i en liknende betydelse som<br />
vi har innført dem ble ble først brukt i fysikken <strong>og</strong> mekanikken, der vektorer er noe<br />
som har b˚ade størrelse <strong>og</strong> retning, som hastighet <strong>og</strong> kraft. Vektoren plasseres i det<br />
punktet kraften virker <strong>og</strong> har samme retning som kraften <strong>og</strong> lengden av vektoren<br />
representerer størrelsen til kraften. Det er praktisk at alle pilene i planet, <strong>og</strong> ikke<br />
bare de som begynner i origo, betraktes som vektorer, <strong>og</strong> at to piler som har samme<br />
lengde <strong>og</strong> retning, men muligens begynner i ulike punkter, betraktes som like. Hver<br />
vektor, i denne bemerkelsen, er lik nøyaktig en vektor som begynner i origo, det vil<br />
si en vektor i den betydelsen vi har brukt ovenfor.<br />
y<br />
(c − a, d − b) t<br />
(a, b) t<br />
(c, d) t<br />
N˚ar vi regner med vektorer spiller det imidlertid ingen rolle hvor vektoren virker. Vi<br />
velger ˚a plassere alle vektorene slik at de begynner i origo.<br />
x
MATRISER 1 5<br />
y<br />
b<br />
(a, b) t<br />
a x<br />
N˚ar vi vil illustrere bruken av vektorer med diagrammer er det praktisk ˚a kunne<br />
plassere vektorene der det passer best for den situasjonen vi er i. Vi skal i disse<br />
notatene illustrere flere geometriske situasjoner med vektorer, <strong>og</strong> vise hvordan vektorregning<br />
forenkler beregninger <strong>og</strong> hvordan diagrammer av vektorer gjør det lett ˚a<br />
f˚a geometrisk oversikt over situasjonen. Det kommer aldrig til ˚a være noen problemer<br />
med ˚a skille p˚a en vektor i den algebraiske betydningen vi har sett ovenfor, som<br />
en samling av koordinater (a1, a2) t <strong>og</strong> illustrasjonen av en vektor med en pil som<br />
begynner i origo (0, 0) t <strong>og</strong> slutter i punktet (a, b) t ,<br />
Det kommer heller ikke til ˚a være noe problem ˚a forestille oss at vi translaterer<br />
denne vektoren til et annet punkt i rommet, som i figuren ovenfor. Vi har illustrert<br />
forskjellen, <strong>og</strong> likheten, mellom en vektor <strong>og</strong> dens representasjon i planet. Selvsagt<br />
er det ikke noen forskjell mellom situasjonen i planet <strong>og</strong> i rommet. Translasjoner av<br />
vektorer i planet <strong>og</strong> i rommet er lett ˚a foreta. Ogs˚a i høyere dimensjonale rom er det<br />
ingen problemer ˚a translatere vektorer <strong>og</strong> situasjonen er helt anal<strong>og</strong> til den i planet.<br />
I dimensjoner større enn tre er imidlertid problemet at vi ikke kan se vektorene s˚a vi<br />
har ingen muligheter for ˚a illustrere situasjonene med diagrammer, <strong>og</strong> det har derfor<br />
ikke noen mening ˚a snakke om hvor vi plasserer vektorene. Vi m˚a da klare oss med<br />
den algebraiske representasjonen av vektorer som vi har gitt. Skal vi illustrere hva<br />
som hender i høyere dimensjonale rom f˚ar vi klare oss med anal<strong>og</strong>ier i planet <strong>og</strong> i<br />
rommet. I rommet vil vektoren (a, b, c) t være representert av en pil som begynner i<br />
origo (0, 0, 0) t <strong>og</strong> slutter i punktet (a, b, c) t .<br />
x<br />
a<br />
z<br />
c<br />
(a, b, c) t<br />
Betraktelsene ovenfor kan brukes som motivasjon for v˚ar presentasjon av vektorer<br />
<strong>og</strong> <strong>og</strong>s˚a gi en visuell idé om noen av resultatene om vektorer. Vi skal imidlertid ikke<br />
se p˚a vektorer slik man gjør i anvendelser. For oss skal en vektor være et n-tuppel<br />
(a1, a2, . . . , an) t .<br />
b<br />
y
6 <strong>Matriser</strong><br />
(1.6) Opgaver.<br />
1. Det finnes fire 2-vektorer (0, 0), (0, 1), (1, 0), (1, 1) som bare har koordinater 0<br />
eller 1.<br />
(1) Skriv opp alle 3-vektorer som bare har koordinater 0 eller 1.<br />
(2) Hvor mange n-vektorer er det som bare har koordinater 0 eller 1?<br />
2. Det finnes to 2-vektorer (1, 2), (2, 1) som har koordinater 1 eller 2 <strong>og</strong> der koordinatene<br />
er ulike. Videre finnes et seks vektorer (1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1),<br />
(3, 1, 2), (3, 2, 1) som har koordinater 1, 2 eller 3 <strong>og</strong> der alle koordinatene er ulike.<br />
(1) Skriv opp alle 4-vektorer som har koordinater 1, 2, 3, eller 4, <strong>og</strong> der alle alle<br />
koordinatene er ulike.<br />
(2) Hvor mange n-vektorer finnes som har koordinater 1, 2, . . . , n − 1, eller n <strong>og</strong><br />
der alle koordinatene er ulike?<br />
Vektorene i punkt (3) kalles for permuasjoner av tallene 1. 2, . . . , n.<br />
3. Ved kodning av meddelelser er det vanlig ˚a representere alfabetet ved strenger<br />
av nuller <strong>og</strong> etter. Dette kan vi gjøre ved ˚a representere nummeret for hver bokstav<br />
binært, det vil si vi representerer a, b, c, d, e, f, g, . . . ˚a ved<br />
a →1 = (1, 0, 0, 0, 0)<br />
b →2 = 1 · 2 = (0, 1, 0, 0, 0)<br />
c →3 = 1 + 1 · 2 = (1, 1, 0, 0, 0)<br />
d →4 = 1 · 2 2 = (0, 0, 1, 0, 0)<br />
e →5 = 1 + 1 · 2 2 = (1, 0, 1, 0, 0)<br />
f →6 = 1 · 2 + 1 · 2 2 = (0, 1, 1, 0, 0)<br />
g →7 = 1 + 1 · 2 + 1 · · · 2 2 = (1, 1, 1, 0, 0)<br />
.<br />
˚a →29 = 1 + 1 · 2 2 + 1 · 2 3 + 1 · 2 4 = (1, 0, 1, 1, 1).<br />
Merk p˚a norsk er ˚a den 29’ende bokstaven i alfabetet.<br />
Et ord med 6 bokstaver blir da kodet som en vektor med 6 · 5 = 30 koordinater,<br />
som alle er 0 eller 1. For eksempel gir<br />
(0, 1, 1, 0, 1, |1, 0, 1, 0, 0, |1, 0, 1, 1, 0, |0, 0, 1, 0, 1, |1, 1, 1, 1, 0, |0, 1, 0, 0, 1)<br />
ordet vektor.<br />
I kodning benytter man seg ofte av avstanden mellom ord, det vil si antallet koordinater<br />
i de tilsvarende vektorene som er ulike. For eksempel, om vi tar ord med en<br />
bokstav, f˚ar vi avstandene d(a, b) = 2, d(a, c) = 1, d(a, d) = 2, d(a, e) = 1, d(a, f) = 3
MATRISER 1 7<br />
<strong>og</strong> d(a, v) = 4. Mer presist om v = (a1, a2, . . . , an) t <strong>og</strong> w = (b1, b2, . . . , bn) t s˚a definerer<br />
vi avstanden d(v, w) mellom vektorene v <strong>og</strong> w som antallet indekser i slik at<br />
ai = bi.<br />
(1) Fullfør tabellen over representasjonen av alfabetet som 5-vektorer.<br />
(2) Vis at avstandsfunksjonen definerer en metrikk p˚a alle n vektorer med 0’er<br />
<strong>og</strong> 1’ere som koordinater. Det vil si, vi har for alle slike vektorer u, v <strong>og</strong> w<br />
(a) d(v, w) = 0 hvis <strong>og</strong> bare hvis v = w.<br />
(b) d(v, w) = d(w, v).<br />
(c) d(u, w) ≤ d(u, v) + d(v, w).<br />
Hint. For ˚a vise del (c) kan det være en fordel ˚a innføre Kronecker deltaet<br />
<br />
1 om a = b<br />
δab =<br />
0 om a = b.<br />
Vis først, ved ˚a diskutere alle muligheter for n˚ar a, b <strong>og</strong> c er like eller ulike, at<br />
<strong>og</strong> at dette er det samme som at<br />
δab + δbc ≤ 1 + δac<br />
1 − δac ≤ 1 − δab + 1 − δbc.<br />
Deretter viser du at om v = (b1, b2, . . . , bn) <strong>og</strong> w = (c1, c2, . . . , cn) s˚a er<br />
d(v, w) = 1 − δb1c1 + 1 − δb2c2 + · · · + 1 − δbncn .<br />
Vis til slutt at (c) følger av at om u = (a1, a2, . . . , an) s˚a vil<br />
1 − δaici<br />
≤ 1 − δaibi + 1 − δbici for i = 1, 2, . . . , n.<br />
Leopold Kronecker (1823-1891) var en av de mest innflytelsesrike matematikerne i<br />
forrige ˚arhundret. Han kjempet for strigens i matematikken <strong>og</strong> ville inordne matematikken<br />
i et liknende aritmetisk mønster som tallteorien. Han er kjent for ˚a ha sagt<br />
at de hele tallene har gud skapt, alt annet er menneskenes verk. (Die ganzen Zahlen<br />
hat der liebe Gott gemacht, alles andere ist Menschenwerk). Mindre flatterende er<br />
hans kontroverser med Georg Cantor (1845-1918) om mengdelæren, der Cantors teori<br />
s˚a sm˚att ble alment akseptert som et viktig verktøy i matematikken. Kronecker har<br />
gitt viktige bidrag til mange ulike omr˚ader av matematikken, spesielt til elliptiske<br />
funksjoner, idealteorien, representasjonsteorien <strong>og</strong> tallteorien.<br />
4. Utvid siste delen av Oppgave 1. til vektorer v der koordinatene ai er valgt fra et<br />
vilk˚arlig alfabet b1, b2, . . . .
8 <strong>Matriser</strong><br />
5. La m <strong>og</strong> n være hele tall slik at 0 ≤ m ≤ n. Betrakt følgende tre tall<br />
(1) Antallet forskjellige m˚ater vi kan velge m ulike tall fra tallenen 1, 2, . . . , n<br />
uten ˚a ta hensyn til rekkefølgen av de m tallene. N˚ar m = 0 setter vi tallet<br />
lik 1.<br />
For eksempel n˚ar n = 3 <strong>og</strong> m = 2 har vi tre valg {1, 2}, {1, 3} <strong>og</strong> {2, 3}.<br />
(2) Antallet n-vektorer som har m koordinater lik 0, <strong>og</strong> som har n−m koordinater<br />
lik 1.<br />
For eksempel n˚ar n = 3 <strong>og</strong> m = 2 har vi de tre vektorene (0, 0, 1), (0, 1, 0)<br />
<strong>og</strong> (1, 0, 0).<br />
(3) Antallet stier fra origo (0, 0) t til (m, n − m) t som følger et rutenett av linjer<br />
i planet der linjene er parallelle med x-aksen eller y-aksen <strong>og</strong> der linjene g˚ar<br />
gjennom punktene (a, b) t der a <strong>og</strong> b er hele tall.<br />
For eksempel om n = 3 <strong>og</strong> m = 2 har vi<br />
(1) Vis at de tre tallene ovenfor er like.<br />
(2) Kall dette tallet Bm,n. Vis at Bm,n = Bm,n−1 + Bm−1,n−1 n˚ar 0 < m < n.<br />
(3) Gi mening til formelen ovenfor n˚ar 0 = m eller m = n.<br />
(4) For hver positivt tall setter vi n! = 1 · 2 · · · n <strong>og</strong> 0! = 1. Vi kaller tallet n! for<br />
n-fakultet. Vis at Bm,n =<br />
n!<br />
m!(n−m)! .<br />
6. En grafe med n hjørner er en samling av n punkter nummerert med 1, 2, . . . , n <strong>og</strong><br />
kanter som g˚ar mellom hjørne nummer p <strong>og</strong> hjørne nummer q for noen p <strong>og</strong> q med<br />
p = q.<br />
For eksempel er<br />
1<br />
3<br />
2<br />
1 2<br />
grafer. Den første har 3 hjørner <strong>og</strong> tre sider {1, 2}, {1, 3} <strong>og</strong> {2, 3}.<br />
En sti av lengde m fra et hjørne p til et hjørne q er en vektor (p0, p1, . . . , pn) t der<br />
{pi−1, pi} er en kant for i = 1, . . . , n <strong>og</strong> der i0 = p <strong>og</strong> in = q.<br />
Alle stier av lengde 1 i den første grafen er<br />
(1, 2) t , (1, 3) t <strong>og</strong> (2, 3) t ,<br />
<strong>og</strong> de av lengde 2 som begynner i hjørne 1 er<br />
(1, 2, 1) t , (1, 3, 1) t , (1, 3, 2) t , (1, 2, 3) t .<br />
4<br />
3
MATRISER 1 9<br />
Alle stier av lengde 1 i den andre grafen er (1, 2) t , (2, 3) t , (2, 4) t , (3, 4) t , <strong>og</strong> de<br />
av lengde 2 som begynner i hjørnene 1, 2, eller 3 er (1, 2, 1) t , (1, 2, 3) t , (1, 2, 4) t ,<br />
(2, 1, 2) t , (2, 3, 2) t , (2, 4, 2) t , (2, 3, 4) t , (2, 4, 3) t , (3, 2, 3) t , (3, 4, 3) t , (3, 2, 4) t , (3, 4, 2) t<br />
<strong>og</strong> (3, 2, 1) t .<br />
(1) Kontroller listen av stier av lengde 2 i den første grafen <strong>og</strong> finn alle stier av<br />
lengde 3.<br />
(2) Kontroller listen av stier av lengde 2 i den andre grafen <strong>og</strong> finn alle stier av<br />
lengde 3.
10<br />
<strong>Matematik</strong>k MA
MATRISER 2 11<br />
2. Operasjoner p˚a vektorer.<br />
(2.1) Multiplikasjon av en skalar med en vektor. Den første operasjonen vi skal<br />
studere er multiplikasjon av et tall, eller skalar som vi ofte sier i denne forbindelse,<br />
med en vektor. For eksempel kan vi multiplisere tallet 5 med 2-vektoren (1, 2) t ved<br />
˚a sette<br />
5 (1, 2) t = (5, 10) t .<br />
Tallet 2 kan vi multiplisere med 3-vektoren −5, √ 7, π t<br />
ved ˚a sette<br />
<br />
2 −5, √ t <br />
7, π = −10, 2 √ t 7, 2π .<br />
Produktet at en skalar med en vektor f˚ar vi alts˚a ved ˚a multiplisere hver koordinat<br />
i vektoren med skalaren. Mer generelt kan vi multiplisere et tall a med en 2-vektor<br />
(a1, a2) t ved ˚a sette<br />
a (a1, a2) t = (aa1, aa2) t<br />
<strong>og</strong> med en 3-vektor (a1, a2, a3) t ved ˚a sette<br />
a (a1, a2, a3) t = (aa1, aa2, aa3) t .<br />
Generelt kan vi definere produktet av et tall med en vektor:<br />
(2.2) Definisjon. Produktet av et tall a <strong>og</strong> en n-vektor v = (a1, a2, . . . , an) t er<br />
av = a (a1, a2, . . . , an) t = (aa1, aa2, . . . , aan) t .<br />
Vi multipliserer et tall med en vektor ved ˚a multiplisere tallet med hver koordinat<br />
i vektoren. For enkelhets skyld skriver vi −v = (−1)v = (−1) (a1, a2, . . . , an) t =<br />
(−a1, −a2, . . . , −an) t <strong>og</strong> 0 = 0v = 0 (a1, a2, . . . , an) t = (0, 0, . . . , 0) t .<br />
(2.3) Addisjon av vektorer. Vi kan addere to vektorer n˚ar de er like store. For<br />
eksempel, om u = (1, 2) t , v = (3, −5) t <strong>og</strong> w = π, √ 2 t setter vi<br />
u + v = (1, 2) t + (3, −5) t = (1 + 3, 2 − 5) t = (4, −3) t ,<br />
u + w = (1, 2) t <br />
+ π, √ t <br />
2 = 1 + π, 2 + √ t 2 <strong>og</strong><br />
v + w = (3, −5) t <br />
+ π, √ t <br />
2 = 3 + π, −5 + √ t 2 .<br />
Vi adderer to vektorer ved ˚a addere hver koordinat i den ene vektoren med den<br />
tilsvarende koordinaten i den andre vektoren. Mer generelt definerer vi summen av<br />
to 2-vektorer (a1, a2) t <strong>og</strong> (b1, b2) t ved<br />
(a1, a2) t + (b1, b2) t = (a1 + b1, a2 + b2) t<br />
<strong>og</strong> summen av to 3-vektorer (a1, a2, a3) t <strong>og</strong> (b1, b2, b3) t ved<br />
(a1, a2, a3) t + (b1, b2, b3) t = (a1 + b1, a2 + b2, a3 + b3) t .<br />
Generelt kan vi definere summen av to n-vektorer:
12 <strong>Matriser</strong><br />
(2.4) Definisjon. Summen av to n-vektorer (a1, a2, . . . , an) t <strong>og</strong> (b1, b2, . . . , bn) t er<br />
(a1, a2, . . . , an) t + (b1, b2, . . . , bn) t = (a1 + b1, a2 + b2, . . . , an + bn) t .<br />
Det vil si, vi adderer to vektorer ved ˚a addere hver koordinat i den ene med den<br />
tilsvarende koordinaten i den andre.<br />
(2.5) Regneregler. Multiplikasjon av en vektor med en skalar <strong>og</strong> addisjon av to<br />
vektorer gjør det mulig ˚a regne med vektorer p˚a en liknende m˚ate som regninger med<br />
tall. Før vi gir de viktigste regnereglene skal vi innføre en praktisk notasjon som gjør<br />
bevisene mer gjennomsiktige.<br />
(2.6) Notasjon. Vi skriver<br />
(a1, a2, . . . , an) t = (ai) t<br />
n .<br />
Denne notasjonen gjør at vi kan konsentrere oss om den i’te koordinaten ai. Indeksen<br />
n viser at vi har en n-vektor. Med denne notasjonen f˚ar vi at multiplikasjon av et<br />
tall a med en n-vektor v = (ai) t<br />
n = (a1, a2, . . . , an) t kan skrives som<br />
av = a (ai) t<br />
t<br />
n = (aai) n ,<br />
<strong>og</strong> addisjon av v med n-vektoren w = (bi) t<br />
n = (b1, b2, . . . , bn) t kan skrives som<br />
v + w = (ai) t t<br />
n + (bi) n = (ai + bi) t<br />
n .<br />
(2.7) Proposisjon. La u, v <strong>og</strong> w være tre n-vektorer. Da gjelder følgende regneregler:<br />
(1) u + 0 = 0 + u = u,<br />
(2) u + (−u) = (−u) + u = 0,<br />
(3) (u + v) + w = u + (v + w),<br />
(4) u + v = v + u.<br />
Bevis. Alle regnereglene følger av enkle regninger. Vi setter u = (ai) t<br />
n<br />
w = (ci) t<br />
n .<br />
(1) Vi har en sekvens av likheter u + 0 = (ai) t<br />
n<br />
Tilsvarende f˚ar vi at 0 + u = u.<br />
(2) Vi har at u+(−u) = (ai) t<br />
t<br />
t<br />
n +(− (ai) n ) = (ai)<br />
0. Tilsvarende f˚ar vi at (−u) + u = 0.<br />
(3) Vi har at (u + v) + w = ((ai) t<br />
n<br />
+ (bi) t<br />
n<br />
, v = (bi) t<br />
n <strong>og</strong><br />
+ (0)t n = (ai + 0) t t<br />
n = (ai) n = u.<br />
n<br />
t<br />
+(−ai) n = (ai − ai) t<br />
n = (0)t n =<br />
) + (ci) t<br />
n = (ai + bi) t<br />
n<br />
(ai + bi + ci) t<br />
n . Tilsvarende f˚ar vi at u + (v + w) = (ai + bi + ci) t<br />
n .<br />
(4) Vi har at u+v = (ai) t<br />
n<br />
+(bi) t<br />
n = (ai + bi) t<br />
n = (bi + ai) t<br />
n<br />
= (bi) t<br />
n<br />
+(ai) t<br />
n<br />
+ (ci) t<br />
n =<br />
= v+u.
→<br />
→<br />
MATRISER 2 13<br />
(2.8) Terminol<strong>og</strong>i. Vi kaller elementet 0 i (1) i Proposisjon (2.7) for det nøytrale<br />
element for addisjonen, <strong>og</strong> elementet −u i (2) for inversen til u. Egenskapen (3)<br />
kaller vi assosiativitet av addisjonen <strong>og</strong> egenskapen (4) kaller vi kommutativitet av<br />
addisjonen.<br />
(2.9) Merk. Assosiativiteten (u + v) + w = u + (v + w) viser at det ikke spiller<br />
noe rolle i hvilken rekkefølge vi adderer tre vektorer. Derfor skriver vi u + v + w =<br />
(u + v) + w = u + (v + w).<br />
(2.10) Proposisjon. La a <strong>og</strong> b være tall <strong>og</strong> la v <strong>og</strong> w være n-vektorer. Vi har<br />
følgende regneregler:<br />
(1) a(v + w) = av + aw,<br />
(2) (a + b)v = av + bv,<br />
(3) a(bv) = (ab)v,<br />
(4) 1v = v.<br />
Bevis. Vi skriver v = (ai) t<br />
t<br />
n <strong>og</strong> w = (bi) n . Alle regnereglene følger av enkle regninger.<br />
(1) Vi har en sekvens av likheter a(v + w) = a((ai) t<br />
n<br />
(a(ai + bi)) t<br />
n = (aai + abi) t<br />
n<br />
= (aai) t<br />
n<br />
(2) Vi har at (a + b)v = (a + b) (ai) t<br />
n<br />
(bai) t<br />
n<br />
= a (ai) t<br />
n<br />
+ b (ai) t<br />
n<br />
(3) Vi har at (ab)v = (ab) (ai) t<br />
n<br />
(4) Vi har at 1v = 1 (ai) t<br />
n<br />
= av + bv.<br />
= (1ai) t<br />
n<br />
= (abai) t<br />
n<br />
+ (abi) t<br />
n<br />
= a (ai) t<br />
n<br />
+ (bi) t<br />
n ) = a (ai + bi) t<br />
n =<br />
+ a (bi) t<br />
n<br />
= ((a + b)ai) t<br />
n = (aai + bai) t<br />
n<br />
= (ai) t<br />
n<br />
= a (bai) t<br />
n<br />
= v.<br />
t<br />
= a(b (ai) n ) = a(bv).<br />
= av + aw.<br />
= (aai) t<br />
n +<br />
(2.11) Terminol<strong>og</strong>i. Egenskapen (1) i Proposisjon (2.10) kaller distributivitet av<br />
skalarmultiplikasjon med hensyn til addisjon av vektorer, <strong>og</strong> egenskapen (2) distributivitet<br />
av addisjon av skalarer med hensyn til multiplikasjon med vektorer. Vi kaller<br />
egenskapen (3) at multiplikasjon av skalarer med vektorer er assosiativ.<br />
(2.12) Merk. Assosiativiteten a(bv) = (ab)v viser at det ikke spiller noe rolle i<br />
hvilken rekkefølge vi multiplisere skalarer med vektorer. Derfor skriver vi abv =<br />
a(bv) = (ab)v.<br />
(2.13) Opgaver.<br />
1. La a = 3 <strong>og</strong> b = 5. Bestem av + bw n˚ar<br />
(1) v = (1, 2) t <strong>og</strong> w = (−5, 3) t .<br />
(2) v = (1, 2, 3) t <strong>og</strong> w = (−2, −3, 4) t .<br />
(3) v = (1, π, 4) t <strong>og</strong> w = (−2, −3, 4) t .<br />
(4) v = (1, π) t <strong>og</strong> w = √ 2, 1 t .<br />
2. La u = (1, 2, 6) t <strong>og</strong> v = (−1, 2, 3) t . Bestem au + bv n˚ar<br />
(1) a = 3 <strong>og</strong> b = 2.<br />
(2) a = −1 <strong>og</strong> b = 7.<br />
(3) a = π <strong>og</strong> b = 1.<br />
(4) a = √ 2 <strong>og</strong> b = −2.
14 <strong>Matriser</strong><br />
3. Bestem 2-vektoren x slik at v − x = w n˚ar<br />
(1) v = (2, 3) t <strong>og</strong> w = (5, −4) t .<br />
(2) v = (−1, −11) t <strong>og</strong> w = 1 1<br />
2 , 3<br />
(3) v = (π, 3) t <strong>og</strong> w = 1, √ 2 t .<br />
(4) v = 1<br />
4<br />
, 1<br />
5<br />
t <strong>og</strong> w = 1<br />
3 , −2 t .<br />
t.<br />
4. Bestem 3-vektoren x slik at v − x = w n˚ar<br />
(1) v = (4, 2, 3) t <strong>og</strong> w = (5, 2, −4) t .<br />
(2) v = (−1, 2, −11) t <strong>og</strong> w = 6, 1 1<br />
2 , 3<br />
(3) v = (π, 5, 3) t <strong>og</strong> w = −7, 1, √ 2 t .<br />
(4) v = 7, 1<br />
4<br />
, 1<br />
5<br />
t <strong>og</strong> w = 1<br />
3 , −2, 6 t .<br />
t.<br />
5. La v = (1, 1) t <strong>og</strong> w = (2, −1) t . Bestem konstanter a <strong>og</strong> b slik at u = av + bw n˚ar<br />
(1) u = (4, 1) t .<br />
(2) u = 1<br />
2 , 2 t<br />
.<br />
(3) u = − 1<br />
3 , 1 t<br />
.<br />
(4) u = (−1, 5) t .<br />
6. La u = (1, 0, 0) t , v = (1, 1, 0) t <strong>og</strong> w = (2, 0, −1) t . Bestem konstanter a, b <strong>og</strong> c<br />
slik at x = au + bv + cw n˚ar<br />
(1) x = (1, 4, 1) t .<br />
(2) x = 1<br />
2 , −7, 2 t .<br />
(3) x = − 1 1<br />
3 , 1, 2<br />
t.<br />
(4) x = (−1, 2, 5) t .<br />
7. I denne oppgaven skal du betrakte en vektor i planet som en pil med gitt retning<br />
<strong>og</strong> lengde. Du skal <strong>og</strong>s˚a betrakte to piler som like om de har samme retning <strong>og</strong><br />
lengde, men ikke nødvendigvis har samme begynnelsespukt.<br />
(1) La u = (a, b) t <strong>og</strong> v = (c, d) t være 2-vektorer. Vis at u + v er diagonalen i<br />
rektangelet som har hjørner i punktene (0, 0) t , (a, b) t <strong>og</strong> (c, d) t .<br />
y<br />
(c, d) t<br />
(a, b) t<br />
(a, b) t + (c, d) t<br />
(2) La u = (a, b) t <strong>og</strong> v = (c, d) t være vektorer. Vis at v − u er vektoren som<br />
begynner i (a, b) t <strong>og</strong> slutter i (c, d) t .<br />
x
MATRISER 2 15<br />
y<br />
(c, d) t<br />
(c, d) t − (a, b) t<br />
(a, b) t<br />
8. Gjør tilsvarende oppgaver som i Oppgave (3) for 3-dimensjonale vektorer.<br />
9. I denne oppgaven skal du betrakte en 2-vektor v = (a1, a2) t som en vektor<br />
med begynnelse i origo (0, 0) t <strong>og</strong> slutt i (a1, a2) t . Vi setter v = a2 1 + a22 <strong>og</strong> om<br />
w = (b1, b2) t s˚a setter vi v · w = a1b1 + a2b2.<br />
(1) Vis at v er lengden av vektoren v = (a1, a2) t .<br />
(2) Anta at w ikke er origo (0, 0) t . Vis at den korteste avstanden fra punktet<br />
(a1, a2) t til linjen L gjennom origo <strong>og</strong> (b1, b2) t er<br />
v 2 w 2 − (v · w) 2<br />
w<br />
Hint. Vi har at alle punktene p˚a linjen L er p˚a formen t (b1, b2) t for noe t. Vektoren<br />
som begynner i t (b1, b2) t <strong>og</strong> slutter i (a1, a2) t er ut = (a1, a2) t − t (b1, b2) t =<br />
(a1 − tb1, a2 − tb2) t . Vi vil finne den minste lengden vektoren ut kan ha. Vi f˚ar<br />
ut 2 = (a1 − tb1) 2 + (a2 − tb2) 2 = a 2 1 + a 2 2 − 2t(a1b1 + a2b2) + t 2 (b 2 1 + b 2 2)<br />
= (b 2 1 + b 2 2 a1 + a<br />
2)<br />
2 2<br />
b2 1 + b2 − 2t<br />
2<br />
a1b1 + a2b2<br />
b2 1 + b2 + t<br />
2<br />
2<br />
<br />
<br />
v · v · w<br />
= (w · w) − 2tv + t2<br />
<br />
w · w v · v<br />
<br />
v · v (v · w)2 v · w<br />
= (w · w) − + (− + t)2 .<br />
w · w (w · w) 2 w · w<br />
Av det siste uttrykket ser vi at ut2 er minst n˚ar t = v·w<br />
w·w<br />
avstanden kvadrert er<br />
(w · w)<br />
<br />
v · v (v · w)2<br />
−<br />
w · w (w · w) 2<br />
<br />
(v · w)2<br />
= v · v −<br />
w · w .<br />
y L<br />
v·w<br />
w·w (b1, b2) t<br />
θ<br />
x<br />
.<br />
x<br />
t (b1, b2) t<br />
ut = (a1, a2) t − t (b1, b2) t<br />
(a1, a1) t<br />
, <strong>og</strong> at vi da har at<br />
(3) Anta at v = (a1, a2) t <strong>og</strong> w = (b1, b2) t begger er forskjellige fra origo. La
16 <strong>Matriser</strong><br />
θ være den av vinklene mellom L <strong>og</strong> linjen gjennom origo <strong>og</strong> (a1, a2) t som<br />
tilfredsstiller 0 ≤ θ ≤ π. Vis at<br />
cos θ =<br />
v · w<br />
vw .<br />
Hint. For ˚a vise p˚astand (3) merker vi at avstanden mellom punktene (a1, a2) t <strong>og</strong><br />
v·w<br />
w·w (b1, b2) er den minste avstanden mellom (a1, a2) t <strong>og</strong> linjen L. Derfor vil linjen<br />
mellom (a1, a2) t <strong>og</strong> v·w<br />
w·w (b1, b2) være høyden i trekanten med hjørner (0, 0) t , (a1, a2) t<br />
<strong>og</strong> (b1, b2) t <strong>og</strong> derfor st˚a normalt p˚a L. Det følger at cos θ = v·w<br />
w·w (b1,b2) t <br />
(a1,a2) t <br />
v·w<br />
vw .<br />
10. Gjør tilsvarende oppgave som Oppgave (5) i tre dimensjoner.<br />
v·w<br />
=<br />
w·w w<br />
v<br />
11. For i = 1, 2, . . . , n setter vi ei = (0, 0, . . . , 0, 1, 0, . . . , 0) t der den i’te koordinaten<br />
er 1 <strong>og</strong> alle andre koordinater er 0.<br />
(1) Vis at alle n-vektorer v kan skrives som<br />
v = a1e1 + a2e2 + · · · + anen<br />
for noen tall a1, a2, . . . , an.<br />
(2) Vis at fremstillingen i (1) er entydig, det vil si at om<br />
v = a1e1 + a2e2 + · · · + anen = b1e1 + b2e2 + · · · + bnen,<br />
s˚a er ai = bi for alle i.<br />
(3) Vis at p˚astanden i (2) er det samme som ˚a p˚ast˚a at om<br />
s˚a er ai = 0 for alle i.<br />
a1e1 + a2e2 + · · · + anen = 0,<br />
=
MATRISER 3 17<br />
3. <strong>Matriser</strong>.<br />
(3.1) Innledning. En matrise er en rektangulær oppstilling av tall. Ordet matrise er<br />
avledet av det latinske ordet for livmor. Det var James Joseph Sylvester (1814-1897)<br />
som innførte ordet, <strong>og</strong> brukte det i betydningen av noe som frembringer noe annet,<br />
i dette tilfellet determinanter. Determinanter skal vi behandle senere, men historisk<br />
kom de før matrisene. Sylvester er mest kjent for sitt arbeide med invariantteorien.<br />
Han var en meget allsidig person, blandt annet var han poet. Kanskje det er derfor<br />
han er <strong>og</strong>s˚a kjent for ˚a ha gitt navn til en rekke viktige matematiske begreper.<br />
Hver tabell er en matrise. En TV- eller dataskjerm er <strong>og</strong>s˚a en matrise. Slike<br />
skjermer best˚ar av et rektangulært nettverk av punkter der antallet punkter per<br />
kvadratsentimeter bestemmer kvaliteten p˚a bildet. Hvert punkt kan gies en viss gr˚aeller<br />
fargetone <strong>og</strong> det er disse gr˚a eller fargete prikkene som utgjør bildet. Fargen<br />
eller gr˚atonen kan beskrives av et tall. Bildet p˚a en dataskjerm representeres derfor<br />
av en matrise, som for de beste skjermene kan ha imponerende størrelse. Rørlige<br />
bilder fremkommer ved at matrisen endrer seg. Hver gang vi ser bilder eller tekst p˚a<br />
en TV-skjerm som speiles, vries, vikles ut, eller forsvinner ut i uendeligheten er det<br />
en sekvens av enkle matematiske operasjoner som utføres i rask rekkefølge p˚a den<br />
matrisen som i hvert øyeblikk representerer skjermen.<br />
I likhet med vektorer er det ikke matrisen i seg selv som er interessant, men<br />
de operasjonene vi kan utføre p˚a den. Som for vektorer kan vi multiplisere matriser<br />
med skalarer <strong>og</strong> legge sammen to matriser om de har samme størrelse. Den<br />
mest fascinerende, komplekse, <strong>og</strong> mest anvendbare operasjonen er imidlertid multiplikasjon<br />
av matriser. Multiplikasjonen kommer inn overalt i matematikken <strong>og</strong> dens<br />
anvendelser. Den kan iblandt virke mystisk <strong>og</strong> helt umotivert, men vi skal vise at<br />
den har en naturlig forklaring.<br />
(3.2) Eksempler p˚a matriser. De matrisene vi skal se nærmere p˚a er rektangulære<br />
oppstillinger av tall. Eksempler p˚a slike oppstillinger er<br />
<br />
2 −1<br />
,<br />
3 4<br />
√ <br />
π − 5 ,<br />
1 0<br />
som alle er 2 × 2-matriser. Andre eksempler er<br />
som er 2 × 3-matriser <strong>og</strong><br />
som er 3 × 3-matriser.<br />
<br />
2 −1 3<br />
,<br />
3 4 7<br />
2 −1 3 <br />
3 4 7 ,<br />
5 1 6<br />
<br />
5 −2<br />
,<br />
1−π 7<br />
√ <br />
4π 2 −1<br />
,<br />
2 π−6 5<br />
√<br />
4π 2 −7 <br />
√<br />
2 π−6 5 ,<br />
2π 4 0
18 <strong>Matriser</strong><br />
En vilk˚arlig 2 × 2-matrise skriver vi<br />
a11 a12<br />
a21 a22<br />
der a11, a12, a21, a22 er tall. Tilsvarende skriver vi<br />
for en vilk˚arlig 2 × 3-matrise <strong>og</strong><br />
<br />
,<br />
a11 a12 a13<br />
a21 a22 a23<br />
a11 a12 a13<br />
a21 a22 a23<br />
a31 a32 a33<br />
for en 3 × 3-matrise, der alle aij’ene er tall.<br />
Generelt kan vi definere m × n-matriser for alle hele positive tall m <strong>og</strong> n:<br />
(3.3) Definisjon. La m <strong>og</strong> n være hele positive tall. En m × n-matrise er en<br />
oppstilling<br />
⎛<br />
a11 a12 . . .<br />
⎞<br />
a1n<br />
⎜ a21<br />
A = ⎜<br />
⎝<br />
.<br />
a22<br />
.<br />
. . . a2n ⎟<br />
.<br />
⎠<br />
der alle aij’ene er tall.<br />
Vi kaller vektoren ⎛<br />
⎜<br />
⎝<br />
a1j<br />
a2j<br />
.<br />
amj<br />
den j’te søylen til matrisen A <strong>og</strong><br />
<br />
<br />
am1 am2 . . . amn<br />
⎞<br />
⎟<br />
⎠ = (a1j, a2j, . . . , amj) t<br />
(ai1, ai2, . . . , ain) t<br />
for den i’te rekken til A. Tallet aij, det vil si tallet som st˚ar i i’te rekke <strong>og</strong> j’te søyle,<br />
kaller vi den (i, j)’te koordinaten til A.<br />
(3.4) Merk. En m × 1-matrise er det samme om en m-vektor.<br />
(3.5) Notasjon. Det inng˚ar mange symboler i en matrise <strong>og</strong> den tar stor plass.<br />
Derfor finnes det flere ulike m˚ater for ˚a forenkle notasjonen. Det er vanlig ˚a forenkle<br />
skrivem˚aten ved ˚a skrive færre koordinater som i<br />
⎛<br />
a11 . . .<br />
⎞<br />
a1n<br />
A = ⎝<br />
.<br />
.<br />
am1 . . . amn<br />
⎠
MATRISER 3 19<br />
p˚a samme m˚ate som vi kan skrive en n-vektor som (a1, . . . , an) t . Ennu enklere er det<br />
˚a skrive<br />
A = (aij)m,n,<br />
der m <strong>og</strong> n er antallet rekker, respektive søyler, <strong>og</strong> aij er den (i, j)’te koordinaten.<br />
Denne notasjonen, som vi ofte skal bruke nedenfor, svarer helt til notasjonen (ai) t<br />
n<br />
for n-vektorer.<br />
(3.6) Multiplikasjon av en skalar med en matrise. Multiplikasjon av en skalar<br />
med en matrise er helt anal<strong>og</strong> med multiplikasjon av en skalarmed en vektor. For<br />
eksempel kan vi multiplisere tallet 5 med 2 × 2-matrisen ved ˚a sette<br />
<strong>og</strong> tallet 2 med 2 × 3-matrisen<br />
2<br />
<br />
1 −4<br />
5<br />
2 3<br />
√<br />
−5 7 π<br />
2 −3 0<br />
√ <br />
−5 7 π<br />
2 3 0<br />
=<br />
<br />
5 −20<br />
,<br />
10 15<br />
<br />
ved ˚a sette<br />
=<br />
√ <br />
−10 2 7 2π .<br />
4 6 0<br />
1 −4<br />
2 3<br />
Vi multipliserer en skalar med en matrise ved ˚a multiplisere skalaren med hver koordinat<br />
i matrisen.<br />
<br />
a11 a12<br />
Mer generelt kan vi definere multiplikasjon av et tall a med 2×2-matrisen<br />
ved ˚a sette<br />
<strong>og</strong> med 2 × 3-matrisen<br />
a11 a12 a13<br />
<br />
a11 a12<br />
a a21 a22<br />
a21 a22 a23<br />
<br />
a11 a12 a13<br />
a<br />
a21 a22 a23<br />
aa11 aa12<br />
=<br />
<br />
ved ˚a sette<br />
<br />
=<br />
aa21 aa22<br />
<br />
,<br />
aa11 aa12 aa13<br />
aa21 aa22 aa23<br />
Generelt kan vi definere produktet en av skalar med en m × n-matrise:<br />
<br />
.<br />
a21 a22<br />
(3.7) Definisjon. La a være et tall <strong>og</strong> la A = (aij)m,n være en m × n-matrise.<br />
Produktet av a med A er<br />
⎛<br />
a11 a12 . . .<br />
⎞<br />
a1n<br />
⎜ a21<br />
aA = a ⎜<br />
⎝ .<br />
a22<br />
.<br />
. . . a2n ⎟<br />
.<br />
⎠ =<br />
⎛<br />
aa11 aa12 . . .<br />
⎞<br />
aa1n<br />
⎜ aa21<br />
⎜<br />
⎝ .<br />
aa22<br />
.<br />
. . . aa2n ⎟<br />
.<br />
⎠ .<br />
am1 am2 . . . amn<br />
aam1 aam2 . . . aamn<br />
Vi multipliserer en skalar med en matrise ved ˚a multiplisere skalaren med hver koordinat<br />
i matrisen. Med v˚ar forenklete notasjon kan vi skrive dette som<br />
aA = a(aij)m,n = (aaij)m,n.<br />
Vi skriver −A = (−1)A = (−1)(aij)m,n = (−aij)m,n <strong>og</strong> 0 = 0A = 0(aij)m,n =<br />
(0aij)m,n = (0)m,n.
20 <strong>Matriser</strong><br />
(3.8) Addisjon av matriser. Tilsvarende addisjon av vektorer kan vi addere<br />
matriser om de har samme størrelse. For eksempel, om vi har tre 2 × 2-matriser<br />
s˚a setter vi<br />
1 2<br />
−3 4<br />
<br />
+<br />
<br />
1 2<br />
, −3 4<br />
<br />
5 4 6 6<br />
= ,<br />
6 −7 3 −3<br />
<br />
5 4<br />
, 6 −7<br />
<br />
π<br />
√<br />
5<br />
<br />
0 1−π<br />
√ <br />
1 2 π 5<br />
+ =<br />
−3 4 0 1−π<br />
<strong>og</strong> √ √ <br />
5 4 π 5 5+π 4+ 5<br />
+ =<br />
.<br />
6 −7 0 1−π 6 −6+7π<br />
P˚a samme m˚ate kan vi addere 2 × 3-matriser ved ˚a sette<br />
<br />
1 2 3<br />
+<br />
−3 4 6<br />
<br />
3 −7 −1 4 −5 2<br />
= <strong>og</strong><br />
11 2 4 8 6 10<br />
<br />
1 2 3<br />
+<br />
−3 4 6<br />
√ <br />
π 2 11<br />
=<br />
0 1−π 7<br />
√ <br />
1+π 2+ 5<br />
−3 5−π<br />
√ <br />
1+π 2+ 2 14<br />
.<br />
−3 5−π 13<br />
Vi adderer alts˚a to matriser ved ˚a addere hver koordinat i den ene matrisen med<br />
den tilsvarende koordinaten i den andre matrisen. Mer generelt kan vi addere to<br />
a11 a12 b11 b12<br />
2 × 2-matriser <strong>og</strong> ved ˚a sette<br />
a21 a22<br />
a11 a12<br />
a21 a22<br />
b21 b22<br />
<br />
+<br />
<strong>og</strong> vi kan addere to 2 × 3-matriser<br />
a11 a12 a13<br />
a21 a22 a23<br />
<br />
+<br />
b11 b12<br />
b21 b22<br />
b11 b12 b13<br />
<br />
=<br />
a11 a12 a13<br />
b21 b22 b23<br />
a21 a22 a23<br />
<br />
=<br />
a11+b11 a12+b12<br />
a21+b21 a22+b22<br />
<br />
<strong>og</strong><br />
b11 b12 b13<br />
b21 b22 b23<br />
<br />
,<br />
a11+b11 a12+b12 a13+b13<br />
a21+b21 a22+b22 a23+b23<br />
Generelt kan vi definere summen av to m × n-matriser:<br />
<br />
ved ˚a sette<br />
(3.9) Definisjon. La A = (aij)m,n <strong>og</strong> B = (bij)m,n være to m × n-matriser.<br />
Summen av A <strong>og</strong> B er:<br />
⎛<br />
a11 a12 . . . a1n<br />
⎞<br />
⎜ a21<br />
A + B = ⎜<br />
⎝ .<br />
.<br />
a22<br />
.<br />
.<br />
. . . a2n<br />
.<br />
.<br />
⎟<br />
⎠<br />
am1 am2 . . . amn.<br />
+<br />
⎛<br />
b11 b12 . . . b1n<br />
⎞<br />
⎜ b21<br />
⎜<br />
⎝ .<br />
.<br />
b22<br />
.<br />
.<br />
. . . b2n<br />
.<br />
.<br />
⎟<br />
⎠<br />
⎛<br />
a11 + b11 a12 + b12 . . .<br />
bm1 bm2 . . .<br />
⎞<br />
a1n + b1n<br />
bmn.<br />
⎜ a21 + b21<br />
= ⎜<br />
⎝ .<br />
a22 + b22<br />
.<br />
. . . a2n + b2n<br />
.<br />
⎟<br />
⎠<br />
am1 + bm1 am2 + bm2 . . . amn + bmn.<br />
.<br />
<br />
.
MATRISER 3 21<br />
Vi adderer to matriser ved ˚a addere hver koordinat i den ene matrisen med den<br />
tilsvarende koordinaten i den andre matrisen. I den forenklete notasjonen kan dette<br />
skrives<br />
A + B = (aij)m,n + (bij)m,n = (aij + bij)m,n.<br />
(3.10) Opgaver.<br />
1. La a = 2 <strong>og</strong> b = 7. Regn ut aA + bB n˚ar<br />
<br />
3 −1<br />
0 −1<br />
(1) A = , B = .<br />
7 3<br />
−1 0<br />
<br />
π 1<br />
(2) A = 3 √ <br />
1−π 4<br />
, B = √ .<br />
7<br />
2 0<br />
<br />
3 −2 0<br />
5 2 1<br />
(3) A = , B = .<br />
−1 0 4<br />
1 2 3<br />
1 1 10 −1 −7 3 <br />
(4) A = 4 −7 1 , B = 2 1 4 .<br />
−2 −3 −1<br />
<br />
1 0 2<br />
<br />
2. La A =<br />
, B = . Beregn aA + bB n˚ar<br />
2 −3 −1<br />
−7 2 1<br />
(1) a = 3, b = −1.<br />
(2) a = −1, b = 0.<br />
(3) a = 7, b = −2.<br />
(4) a = π, b = √ 2.<br />
4 −1 3<br />
2 0 4<br />
3. Bestem 2 × 2-matrisen X slik at A − X = B n˚ar<br />
<br />
2 3<br />
5 −4<br />
(1) A = <strong>og</strong> B = .<br />
−1 2<br />
3 2<br />
<br />
0 −2<br />
1 −5<br />
(2) A = <strong>og</strong> B = .<br />
−7 3<br />
−2 3<br />
<br />
1 1<br />
5 −4<br />
(3) A = 2 3 <strong>og</strong> B = 1 1 .<br />
−1 2 3 2 <br />
2π 3<br />
5π −4<br />
(4) A = <strong>og</strong> B = .<br />
− √ 2 2<br />
√ 3 2<br />
4. Bestem 3 × 2-matrisen Z slik at A − X = B n˚ar<br />
<br />
4 2 3<br />
5 2 −4<br />
(1) A = <strong>og</strong> B =<br />
.<br />
1 2 4<br />
−1 −2 −3<br />
<br />
−1 2 −11<br />
1 1 6<br />
(2) A =<br />
<strong>og</strong> B =<br />
2 3 .<br />
2 6 3 −3 −2 −1<br />
√<br />
π 5 3<br />
−7 1 2<br />
(3) A = 2 3 4 <strong>og</strong> B =<br />
3 4 5<br />
π √ <br />
.<br />
4 −5 <br />
1 1<br />
1<br />
7 4 5<br />
3 −2 6<br />
(4) A = <strong>og</strong> B = .<br />
3 3<br />
2<br />
1<br />
7<br />
2<br />
3<br />
1<br />
4 −1<br />
5. N˚ar det gjelder skalar multiplikasjon <strong>og</strong> addisjon oppfører matriser seg som vektorer.<br />
Til en m × n-matrise A = (aij)m,n tilordner vi (mn)-vektoren<br />
vA = (a11, a12, . . . , a1n, a21, a22, . . . , a2n, . . . , am1, am2, . . . , amn) t .<br />
(1) Vis at for alle m × n-matriser A <strong>og</strong> B <strong>og</strong> skalarer a <strong>og</strong> b har vi at v (aA+bB) =<br />
avA + bvB.
→<br />
→<br />
22 <strong>Matriser</strong><br />
(2) La eij være m × n-matrisen med (i, j)’te koordinat lik 1 <strong>og</strong> alle andre koordinater<br />
lik 0. Vis at hver m × n-matrise A kan skrives p˚a formen<br />
A = a11e11 + a12e12 + · · · + a1ne1n + a21e21 + a22e22 + · · · + a2ne2n<br />
+ · · · + am1em1 + am2em2 + · · · + amnemn<br />
der a11, a12, . . . , a1n, a21, a22, . . . , a2n, . . . , am1, am2, . . . , amn er tall som er entydig<br />
bestemte.<br />
6. En grafe med n-hjørner er en samling av n punkter nummerert med 1, 2, . . . , n<br />
<strong>og</strong> kanter som g˚ar mellom noen av hjørnene p <strong>og</strong> q med p = q. Se Oppgave (4) i<br />
Seksjon 1. Vis at en grafe med n-hjørner svarer til n × n-matriser med koordinater<br />
0 eller 1, <strong>og</strong> med 0 p˚a diagonalen.<br />
Hint. Sett (p, q)’te koordinaten i n × n-matrisen lik 1 om det finnes en kant mellom<br />
p <strong>og</strong> q, <strong>og</strong> la alle andre koordinater være 0. For eksempel er<br />
⎛ ⎞<br />
⎛<br />
⎞<br />
0 1 0 0<br />
0 1 1<br />
⎝ 1 0 1 ⎠ ⎜ 1 0 1 1 ⎟<br />
respektive ⎝<br />
⎠<br />
0 1 0 1<br />
1 1 0<br />
0 1 1 0<br />
matrisene som svarer til figurene i Oppgave (4) i Seksjon 1.<br />
Hvordan vi skal tilordne en grafe til en n × n-matrise med 0’er <strong>og</strong> 1’ere som<br />
koordinater, <strong>og</strong> 0 p˚a diagonalen er nu klart.
MATRISER 4 23<br />
4. Matrisemultiplikasjon.<br />
(4.1) Multiplikasjon av en matrise med en vektor. Neste m˚alsetning er ˚a<br />
definere multiplikasjon av matriser. Vi forbereder oss for dette ved ˚a betrakte spe-<br />
sialtilfellet der vi multipliserer en matrise med en vektor.<br />
1 2<br />
Vi multipliserer 2 × 2-matrisen med 2-vektoren (7, 3) −4 5<br />
t ved ˚a sette<br />
<br />
1 2 7 1·7+2·3 13<br />
=<br />
=<br />
−4 5 3 −4·7+5·3 −13<br />
<br />
<strong>og</strong> 2 × 3-matrisen<br />
med 3-vektoren (4, −1, 6) t ved ˚a sette<br />
π 7 3<br />
−1 √ 2 5<br />
π 7 3<br />
−1 √ 2 5<br />
4<br />
−1<br />
6<br />
<br />
=<br />
<br />
π4+7(−1)+3·6<br />
(−1)4+ √ <br />
4π+11<br />
=<br />
2(−1)+5·6 26− √ <br />
. 2<br />
Multiplikasjon av en matrise med en vektor v er bare mulig om matrisen har like<br />
mange søyler som v har koordinater. Resultatet er en vektor med like mange koordinater<br />
som matrisen har rekker, <strong>og</strong> i’te koordinaten i denne vektoren er summen av<br />
koordinatene i v multiplisert med de tilsvarende koordinatene i i’te rekke i matrisen.<br />
Mer generelt multipliserer vi en 2 × 2-matrise med 2-vektoren ved ˚a sette:<br />
<br />
a11 a12 a1 a11a1+a12a2<br />
=<br />
,<br />
a21 a22<br />
a2<br />
a21a1+a22a2<br />
<strong>og</strong> en 2 × 3-matrise med 3 vektoren ved ˚a sette<br />
a1 <br />
a11 a12 a13<br />
a11a1+a12a2+a13a3<br />
a2 =<br />
a21 a22 a23<br />
a3<br />
a21a1+a22a2+a23a3<br />
(4.2) Merk. For at det skal være mulig ˚a multiplisere en matrise med en vektor<br />
m˚a antallet søyler i matrisen være lik antallet koordinater i vektoren. Resultatet er<br />
en vektor som har samme antall koordinater som matriser har rekker.<br />
Generelt kan vi definere multiplikasjon av en m × n-matrise med en n-vektor:<br />
(4.3) Definisjon. La A = (aij)m,n være en m×n-matrise <strong>og</strong> v = (ai) t<br />
n en n-vektor.<br />
Produktet av A med v er<br />
⎛<br />
⎞ ⎛ ⎞<br />
a11 a12 . . . a1n a1<br />
⎜ a21<br />
Av = ⎜<br />
⎝ .<br />
a22<br />
.<br />
. . . a2n<br />
.<br />
⎟ ⎜ a2 ⎟<br />
⎟ ⎜ ⎟<br />
⎠ ⎝ .<br />
⎠<br />
am1 am2 . . . amn.<br />
=<br />
⎛<br />
⎞<br />
a11a1 + a12a2 + · · · + a1nan<br />
⎜<br />
⎝<br />
a21a1 + a22a2 + · · · + a2nan<br />
.<br />
⎟<br />
⎠ .<br />
an<br />
<br />
.<br />
am1a1 + am2a2 + · · · + amnan<br />
Produktet av en m × n-matrise A med en n-vektor v gir en m-vektor w <strong>og</strong> den i’te<br />
koordinaten i w f˚ar vi ved ˚a multiplisere koordinatene i den i’te rekken i A med de<br />
tilsvarende koordinatene i v <strong>og</strong> ta summen. I den forkortete notasjonen har vi<br />
Av = (aij)m,n (ai) t<br />
n = (ai1a1 + ai2a2 + · · · + ainan) t<br />
m .<br />
(4.4) Merk. Resultatet av ˚a multiplisere en m × n-matrise med en n-vektor er en<br />
m-vektor.
24 <strong>Matriser</strong><br />
(4.5) Regneregler. Vi har mange regneregler for multiplikasjon av en skalar med<br />
en matrise <strong>og</strong> for multiplikasjon av en matrise med en vektor. Før vi gir <strong>og</strong> beviser<br />
de viktigste resultatene innfører vi en enkel notasjon for summer som gjør uttrykkene<br />
<strong>og</strong> regningene mer gjennomskinlige.<br />
(4.6) Summasjon av indekser. Vi skal ofte h˚andtere uttrykk p˚a formen<br />
ai1a1 + ai2a2 + · · · + ainan.<br />
Det er derfor praktisk ˚a innføre en enkel notasjon for slike summer. Mer generellt<br />
skal vi innføre en notasjon for summer av tall. Dette gjøres ved at vi skriver<br />
7<br />
ai = a3 + a4 + a5 + a6 + a7,<br />
i=3<br />
der a3, a4, . . . , a7 er tall. Symbolet st˚ar for sum, <strong>og</strong> 7 i=3 betyr at indeksen i løper<br />
fra verdien 3 til verdien 7. Hvilken bokstav vi bruker for indeksen spiller selvsagt<br />
ingen rolle s˚a vi har<br />
7<br />
aj = a3 + a4 + a5 + a6 + a7.<br />
j=3<br />
Med samme notasjon har vi for eksempel<br />
9<br />
i=1<br />
der alle ai’ene er tall <strong>og</strong><br />
ai = a1 + a2 + a3 + a4 + a5 + a6 + a7 + a8 + a9<br />
6<br />
i=1<br />
i<br />
2i + 1<br />
1 2 3 4 5 6<br />
= + + + + +<br />
3 5 7 9 11 13 .<br />
Vi kan <strong>og</strong>s˚a summere opp til et vilk˚arlig tall. For eksempel vil<br />
n<br />
i = 1 + 2 + 3 + · · · + n <strong>og</strong><br />
i=1<br />
Mer generelt har vi at<br />
n<br />
i=1<br />
i2 i = 1 · 2 1 + 2 · 2 2 + 3 · 2 3 + · · · + n2 n .<br />
n<br />
ai = a1 + a2 + · · · + an.<br />
i=1<br />
Med denne hendige notasjonen f˚ar vi at<br />
n<br />
j=1<br />
aijaj = ai1a1 + ai2a2 + · · · + ainan.
MATRISER 4 25<br />
Vi kan da uttrykke multiplikasjonen av matrisen A = (aij)m,n med vektoren v = (ai) t<br />
n<br />
p˚a den kompakte formen<br />
Merk at i uttrykket<br />
Av = (aij)m,n (ai) t<br />
n =<br />
n j=1 aijaj<br />
betegner den i’te koordinaten.<br />
Vi skal mange ganger ha bruk for likhetene<br />
m<br />
i=1<br />
ai<br />
n<br />
bj =<br />
j=1<br />
De er alle lik summen<br />
m<br />
t<br />
m<br />
i=1 j=1<br />
n<br />
aibj =<br />
n <br />
j=1<br />
aijaj<br />
t .<br />
m<br />
er j en summasjonsindeks mens i er fast <strong>og</strong><br />
n<br />
j=1 i=1<br />
m<br />
bjai =<br />
n<br />
j=1<br />
bj<br />
m<br />
ai.<br />
a1b1 + a1b2 + · · · + a1bn + a2b1 + a2b2 + · · · + a2bn<br />
+ · · · + amb1 + amb2 + · · · + ambn.<br />
(4.7) Proposisjon. La a være et tall <strong>og</strong> v <strong>og</strong> w to n-vektorer. Videre, la A være<br />
en m × n-matrise. Da har vi at<br />
(1) A(av) = (aA)v.<br />
(2) A(v + w) = Av + Aw.<br />
Bevis. Sett v = (ai) t<br />
t<br />
n , w = (bi) n <strong>og</strong> A = (aij)m,n. Da har vi at<br />
(aA)v = (aaij)m,n (ai) t<br />
n =<br />
Videre har vi at<br />
n <br />
j=1<br />
aaijaj<br />
t<br />
m<br />
<br />
n<br />
t = aij(aaj)<br />
j=1<br />
m<br />
i=1<br />
= (aij)m,n (aai) t<br />
n = A(av).<br />
A(v + w) = (aij)m,n((ai) t t<br />
n + (bi) n ) = (aij)m,n (ai + bi) t<br />
n =<br />
<br />
n<br />
t aij(aj + bj)<br />
j=1<br />
m<br />
<br />
n<br />
= aijaj +<br />
j=1<br />
n<br />
j=1<br />
aijbj<br />
t<br />
m<br />
<br />
n<br />
=<br />
j=1<br />
aijaj<br />
t<br />
= (aij)m,n (ai) t<br />
n + (aij)m,n (bi) t<br />
n = Av + Aw.<br />
m<br />
<br />
n<br />
=<br />
j=1<br />
aijbj<br />
t<br />
m
26 <strong>Matriser</strong><br />
(4.8) Multiplikasjon av matriser. Vi er nu klare til ˚a definere multiplikasjon av<br />
matriser. Som vanlig begynner vi med noen<br />
eksempler som illustrer hva som hender.<br />
Vi multipliserer 2 × 2-matrisene <strong>og</strong> ved ˚a sette:<br />
1 −2<br />
7 3<br />
<br />
5 4<br />
=<br />
−1 2<br />
<strong>og</strong> produktet av 2 × 2-matrisen<br />
<br />
1 −2 5 4 π<br />
7 3 −1 2 √ <br />
= 5<br />
1 −2<br />
7 3<br />
Videre kan vi multiplisere 3×2-matrisen<br />
1 2<br />
−2 5<br />
0 −1<br />
5 4<br />
−1 2<br />
<br />
1·5+(−2)(−1) 1·4+(−2)2 7 0<br />
=<br />
7·5+3(−1) 7·4+3·2 32 34<br />
<br />
<br />
1 −2<br />
5 4 π<br />
med 2 × 3-matrisen<br />
7 3<br />
−1 2 √ <br />
ved 5<br />
√<br />
1·5+(−2)(−1) 1·4+(−2)2 1π−2 5<br />
7·5+3(−1) 7·4+3·2 7π+3 √ √<br />
7 0 π−2 5<br />
=<br />
5 32 34 7π+3 √ <br />
.<br />
5<br />
1<br />
−2<br />
2<br />
5<br />
<br />
med 2×3-matrisen<br />
0 −1<br />
1·3+2·0 1(−1)+2·2 1(−2)+2·4<br />
3 −1 −2<br />
=<br />
0 2 4<br />
(−2)·3+5·0 (−2)(−1)+5·2 (−2)(−2)+5·4<br />
0·3+(−1)0 0(−1)+(−1)2 0(−2)+(−1)4<br />
<br />
=<br />
<br />
3 −1 −2<br />
ved<br />
0 2 4<br />
3 3 6 <br />
−1 12 24 .<br />
0 −2 −4<br />
Vi kan bare multiplisere to matriser om den første har like mange søyler som den<br />
andre har rekker. Resultatet er en matrise med like mange rekker som den første<br />
matrisen <strong>og</strong> like mange søyler som den andre. Den (i, j)’te koordinaten f˚ar vi ved ˚a<br />
multiplisere koordinatene i den i’te rekken i første matrisen med de tilsvarende koordinatene<br />
i den j’te søylen i den andre matrisen <strong>og</strong> summere. Mer generelt definerer<br />
vi produktet av to 2 × 2-matriser ved<br />
<br />
a11 a12 b11 b12 a11b11+a12b21 a11b12+a12b22<br />
=<br />
,<br />
a21 a22<br />
b21 b22<br />
<strong>og</strong> av 2 × 2-matrisen med en 2 × 3-matrise ved<br />
<br />
a11 a12 b11 b12 b13<br />
=<br />
a21 a22<br />
b21 b22 b23<br />
a21b11+a22b21 a21b12+a22b22<br />
a11b11+a12b21 a11b12+a12b22 a11b13+a12b23<br />
a21b11+a22b21 a21b12+a22b22 a21b13+a22b23<br />
I hvert av tilfellene fremkommer produktet AB ved at vi tar i’te søyle i B <strong>og</strong> betrakter<br />
den som en vektor (b1i, b2i, . . . , bni) t . Denne søylen multipliserer vi med A <strong>og</strong> f˚ar den<br />
i’te søylen A (b1i, b2i, . . . , bni) t .<br />
(4.9) Merk. Vi ser at at multiplikasjonen ovenfor bare er mulig n˚ar antallet søyler<br />
i den første matrisen er lik antallet rekker i den andre, <strong>og</strong> at resultatet er en matrise<br />
med samme antall rekker som den første matrisen <strong>og</strong> samme antall søyler som den<br />
andre matrisen.<br />
Generelt definerer vi produktet av en m × n-matrixe A med en n × p-matrise B<br />
ved ˚a la den i’te søylen i produktet AB være produktet av matrisen A med den i’te<br />
søylen i B. Med andre ord, vi f˚ar i’te søyle i AB ved ˚a betrakte i’te søyle i B som<br />
en vektor (b1i, b2i, . . . , bmi) t <strong>og</strong> ta produktet A (b1i, b2i, . . . , bmi) t . Matriseprodukt er<br />
derfor det samme som p vektorprodukter. Mer presist har vi:<br />
<br />
.
MATRISER 4 27<br />
(4.10) Definisjon. La A = (aij)m,n være en m × n-matrise <strong>og</strong> B = (bij)n,p en<br />
n × p-matrise. Produktet av A <strong>og</strong> B er<br />
⎛<br />
⎞ ⎛<br />
a11 a12 . . . a1n b11 b12 . . .<br />
⎞<br />
b1p<br />
⎜ a21 a22 . . . a2n ⎟ ⎜ b21 b22 . . . b2p ⎟<br />
AB = ⎜<br />
⎟ ⎜<br />
⎟<br />
⎝ .<br />
.<br />
.<br />
⎠ ⎝<br />
⎠<br />
. . .<br />
=<br />
am1 am2 . . . amn bn1<br />
⎛<br />
a11b11 + a12b21 + · · · + a1nbn1<br />
bn2<br />
. . .<br />
. . . bnp<br />
a11b1p + a12b2p + · · · + a1nbnp<br />
⎜<br />
⎝<br />
a21b11 + a22b21 + · · · + a2nbn1<br />
.<br />
. . . a21b1p + a22b2p + · · · + a2nbnp<br />
.<br />
am1b11 + am2b21 + · · · + amnbn1 . . . am1b1p + am2b2p + · · · + amnbnp<br />
I forenklet notasjon f˚ar vi<br />
<br />
n<br />
AB = (aij)m,n(bij)n,p =<br />
k=1<br />
aikbkj<br />
t .<br />
m,p<br />
Sammenliknet med ˚a skrive ut hele matrisen er uttrykket i forenklet notasjon et<br />
under av enkelhet.<br />
(4.11) Merk. Resultatet av ˚a multiplisere en m × n-matrise med en n × p-matrise<br />
er en m × p-matrise. N˚ar p = 1 f˚ar vi multiplikasjon av en matrise med en vektor,<br />
slik vi har definert den ovenfor.<br />
(4.12) Regneregler. Det finnes mange regneregler for multiplikajson av en skalar<br />
med en matrise, <strong>og</strong> for addisjon <strong>og</strong> multiplikasjon av matriser. De fleste regnereglene<br />
for skalarmultiplikasjon <strong>og</strong> addisjon er anal<strong>og</strong>e med de som gjelder for vektorer.<br />
Lengre frem skal vi vise at følgende regel er en konsekvens av at vi kan tolke matriser<br />
som avbildninger. Vi tar med et bevis her for ˚a f˚a trening p˚a ˚a regne med matriser.<br />
(4.13) Proposisjon. La A være en m × n-matrise, B en n × p-matrise <strong>og</strong> C en<br />
p × q-matrise. Da har vi<br />
(AB)C = A(BC).<br />
Bevis. Vi setter A = (aij)m,n, B = (bij)n,p <strong>og</strong> C = (cij)p,q. Da har vi at AB =<br />
( n<br />
k=1 aikbkj)m,n. Derfor vil<br />
<br />
p<br />
<br />
n<br />
(AB)C =<br />
l=1<br />
k=1<br />
aikbkl<br />
<br />
clj<br />
t<br />
m,q<br />
<br />
p<br />
=<br />
n<br />
l=1 k=1<br />
aikbklclj<br />
P˚a den andre siden kan vi begynne med BC = ( p<br />
l=1 bklclj)n,q <strong>og</strong> f˚ar<br />
<br />
n<br />
A(BC) =<br />
k=1<br />
aik<br />
p <br />
l=1<br />
bklclj<br />
t<br />
m,q<br />
<br />
n<br />
=<br />
p<br />
k=1 l=1<br />
aikbklclj<br />
t .<br />
m,q<br />
t .<br />
m,q<br />
⎞<br />
⎟<br />
⎠ .
28 <strong>Matriser</strong><br />
Likheten i Proposisjonen følger av at<br />
p <br />
n<br />
l=1 k=1<br />
aikbklclj<br />
t<br />
m,q<br />
<br />
n<br />
=<br />
p<br />
k=1 l=1<br />
aikbklclj<br />
t .<br />
m,q<br />
(4.14) Terminol<strong>og</strong>i. Likheten (AB)C = A(BC) viser at multiplikasjon av matriser<br />
er uavhengig av rekkefølgen av multiplikasjonen. Vi sier at multiplikasjon av matriser<br />
er assosiativ <strong>og</strong> skriver ABC = (AB)C = A(BC).<br />
(4.15) Merk. Vi har at 1 1<br />
0 1<br />
men 1 0<br />
1 1<br />
<br />
1 0<br />
=<br />
1 1<br />
<br />
1 1<br />
=<br />
0 1<br />
<br />
2 1<br />
,<br />
1 1<br />
<br />
1 1<br />
.<br />
1 2<br />
Matrisemultiplikasjon er derfor avhengig av ordenen av faktorene. Vi sier at matrisemultiplikasjon<br />
ikke er kommutativ. Dette skiller matrisemultiplikasjonen fra de andre<br />
regnereglene vi har støtt p˚a <strong>og</strong> gjør den spesielt interessant.<br />
(4.16) Opgaver. <br />
1. La A = <strong>og</strong> B =<br />
5 −2<br />
3 1<br />
(1) v = (2, −3) t<br />
(2) v = (5, 4) t<br />
(3) v = π, √ 2 t .<br />
<br />
−3 7<br />
. Regn ut Av + Bv n˚ar<br />
2 0<br />
2. La v = (−1, 2) t <strong>og</strong> w = (5, −3) t . Regn ut Av + Aw n˚ar<br />
<br />
5 −2<br />
(1) A =<br />
(2) A =<br />
(3) A =<br />
3. La A =<br />
3 1 <br />
7 3<br />
4 −5<br />
√<br />
π 5<br />
1 −1<br />
<br />
5 −2<br />
3 1<br />
<br />
<br />
.<br />
<br />
.<br />
(1) Regn ut AB <strong>og</strong> BA n˚ar<br />
4 −1<br />
(a) B =<br />
3 2 <br />
π −1<br />
(b) B =<br />
6 2 <br />
(c) B = .<br />
√ 2 1<br />
−1 0<br />
(2) Regn ut AB n˚ar<br />
(a) B =<br />
(b) B =<br />
<br />
4 −1 0<br />
3 2 1 √<br />
π −1 2<br />
0 2 √ 5<br />
(3) Regn ut BA n˚ar<br />
<br />
.
MATRISER 4 29<br />
4. Regn ut<br />
(1)<br />
(2)<br />
(a) B =<br />
(b) B =<br />
4 −1<br />
3 2<br />
<br />
0 1<br />
π −1<br />
√<br />
0<br />
√<br />
2<br />
2 5<br />
1 2 <br />
1 2 3<br />
3 4<br />
−2 −3 −4<br />
5 6 1 2<br />
1 2 3<br />
3 4<br />
−2 −3 −4<br />
5 6<br />
5 0<br />
4 2<br />
<br />
<br />
.<br />
5. Kan du finne en 2 × 2-matrise X slik at AX =<br />
<br />
1 2<br />
(1) A = .<br />
0 1 <br />
−3 2<br />
(2) A = .<br />
0 2 <br />
1 0<br />
(3) A = .<br />
7 0 <br />
(4) A = .<br />
<br />
.<br />
Regn ut XA n˚ar X finnes.<br />
⎛<br />
6. La A = ⎝<br />
.<br />
⎛<br />
⎞<br />
⎝<br />
a11 a12 ··· a1n<br />
a21 a22 ··· a2n<br />
.<br />
am1 am2 ··· amn<br />
a11 a21 ··· am1<br />
a12 a22 ··· am2<br />
.<br />
.<br />
a1n a2n ··· anm<br />
⎞<br />
<br />
1 0<br />
n˚ar<br />
0 1<br />
⎠ være en m × n-matrise. Vi danner en matrise A t =<br />
⎠ ved˚a la radene i A bli søylene i A t . Matrisen A t er en n×m-matrise<br />
som kalles den transponerte til matrisen A.<br />
Vis at for alle m × n-matriser A <strong>og</strong> n × p matriser B s˚a har vi at (AB) t = B t A t .<br />
7. La<br />
⎛<br />
1 0 . . .<br />
⎞<br />
0<br />
⎜ 0<br />
In = ⎜<br />
⎝ .<br />
1<br />
.<br />
. . .<br />
. ..<br />
0 ⎟<br />
.<br />
⎠<br />
0 0 . . . 1<br />
være matrisen med 1 p˚a diagonalen <strong>og</strong> alle andre koordinatene lik 0. En elementær<br />
operasjon p˚a en matriser er en av følgende:<br />
(1) Multiplikasjon av en rad med et ikke null tall.<br />
(2) Multiplikasjon av en rad med et tall <strong>og</strong> addisjon av denne raden til en annen<br />
rad.<br />
(3) Ombytte av to rader.<br />
<br />
a11 a12<br />
For eksempel for matrisen f˚ar vi ved elementære operasjoner de tre ma-<br />
trisene a11 a12<br />
aa21 aa22<br />
a21 a22<br />
<br />
,<br />
a11<br />
a12<br />
a21+aa11 a22+a12<br />
<br />
<strong>og</strong><br />
a21 a22<br />
a11 a12<br />
<br />
.
30 <strong>Matriser</strong><br />
En elementær n × n-matrise er en matrise som vi f˚ar fra In ved en av de tre<br />
elementære operasjonene.<br />
Vis at du kan utføre en elementær operasjon p˚a en m × n-matrise A ved ˚a utføre<br />
samme operasjon p˚a Im slik at du f˚ar en elementær matrise E <strong>og</strong> deretter ta produktet<br />
EA.<br />
8. La<br />
I3 = A (123) =<br />
A (231) =<br />
1 0 0 <br />
0 1 0<br />
0 0 1<br />
, A (132) =<br />
0 0 1<br />
1 0 0<br />
0 1 0<br />
<br />
, A (312) =<br />
1 0 0 <br />
0 0 1<br />
0 1 0<br />
, A (213) =<br />
0 1 0<br />
0 0 1<br />
1 0 0<br />
<br />
, A (321) =<br />
0 1 0 <br />
1 0 0 ,<br />
0 0 1<br />
0 0 1<br />
0 1 0<br />
1 0 0<br />
(1) For hver av matrisene Aσ, finn en matrise Aτ slik at AσAτ = Aτ Aσ = I3.<br />
(2) Regn ut<br />
(a) A (312)A (231)<br />
(b) A (231)A (312).<br />
(3) Vi vil studere omflytninger, eller som vi sier permutasjoner, av tallene 1, 2, 3.<br />
Det finnes 6 slike permutasjoner<br />
I = B (123) =<br />
B (231) =<br />
Her betyr B (312) =<br />
s˚a betyr Bσ =<br />
<br />
1 2 3<br />
, B<br />
1 2 3 (132) =<br />
<br />
1 2 3<br />
, B<br />
2 3 1 (312) =<br />
<br />
1 2 3<br />
3 1 2 <br />
1 2 3<br />
σ(1) σ(2) σ(3)<br />
<br />
1 2 3<br />
1 3 2<br />
B (213) =<br />
<br />
1 2 3<br />
, B<br />
3 1 2 (321) =<br />
<br />
.<br />
<br />
1 2 3<br />
2 1 3<br />
<br />
1 2 3<br />
.<br />
3 2 1<br />
<br />
at vi flytter 1 til 3, 2 til 1 <strong>og</strong> 3 til 2. Mer generelt<br />
<br />
at vi flytter i til σ(i) for i = 1, 2, 3. Vi kan mul-<br />
tiplisere permutasjoner ved at BσBτ betyr at vi først utfører permutasjonen<br />
τ <strong>og</strong> deretter σ.<br />
<br />
1 2 3 1 2 3 1 2 3<br />
For eksempel har vi B (132)B (213) =<br />
= = B<br />
1 3 2 2 1 3 3 1 2 (312) <strong>og</strong><br />
<br />
1 2 3 1 2 3 1 2 3<br />
B (213)B (132) =<br />
= = B<br />
2 1 3 1 3 2 2 3 1 (231).<br />
Regn ut<br />
(a) B (312)B (231)<br />
(b) B (231)B (312).<br />
(4) For hver permutasjon Bσ, finn en Bτ slik at BσBτ = Bτ Bσ = I.<br />
(5) Sammenlikn resultatene i del (1) med de i del (4), <strong>og</strong> de i del (2) med de i<br />
del (3). Kan du forklare likhetene?<br />
9. Generaliser det du har vist i Oppgave (5) til n × n-matriser <strong>og</strong> permutasjoner av<br />
tallene 1, 2, . . . , n.<br />
Hint. Det kan være praktisk ˚a introdusere Kroneckers delta δij som tar verdien<br />
<br />
1<br />
n˚ar i = j <strong>og</strong> verdien 0 n˚ar i = j. Til en permutasjon Bσ =<br />
av<br />
1, 2, . . . , n svarer da n × n-matrisen Aσ = (δ iσ(j))n,n.<br />
1 2 ... n<br />
σ(1) σ(2) ... σ(n)
MATRISER 4 31<br />
10. I denne Oppgaven kaller vi matriser p˚a formen<br />
for komplekse tall. Sett<br />
for hvert tall a setter vi<br />
I2 =<br />
<br />
a b<br />
−b a<br />
<br />
1 0<br />
<strong>og</strong> i =<br />
0 1<br />
a = aI2 =<br />
<br />
0 1<br />
. −1 0<br />
<br />
a 0<br />
.<br />
0 a<br />
(1) Vis at hver kompleks tall kan skrives entydig p˚a formen a + bi.<br />
(2) Vis at om u = a + bi, v = c + di <strong>og</strong> w = e + fi er komplekse tall s˚a har vi<br />
(a) 0 + u = u + 0 = u.<br />
(b) u + (−u) = (−u) + u = 0.<br />
(c) (u + v) + w = u + (v + w).<br />
(d) u + v = v + u.<br />
(3) Vis at om u = a + bi, v = c + di <strong>og</strong> w = e + fi er komplekse tall s˚a har vi<br />
(a) 1u = u1 = u.<br />
(b) Det finnes et komplekst tall u −1 slik at uu −1 = u −1 u = 1.<br />
(c) (uv)w = u(vw).<br />
(d) uv = vu.<br />
(4) Vis at om u = a + bi, v = c + di <strong>og</strong> w = e + fi er komplekse tall s˚a har vi<br />
u(v + w) = uv + uw.<br />
Ettersom de komplekse tallene tilfredsstiller (2) (a), (b), (c), (d) <strong>og</strong> (3) (a), (b), (c),<br />
(d) samt (4), sier vi at de danner en kropp.<br />
11. I denne oppgaven kaller vi matriser p˚a formen<br />
⎛<br />
a b −c<br />
⎞<br />
−d<br />
⎜ −b<br />
⎝<br />
c<br />
a<br />
−d<br />
d<br />
a<br />
−c ⎟<br />
⎠ .<br />
−b<br />
d c b a<br />
for kvaternioner. Disse er meget viktig b˚ade i matematikk <strong>og</strong> fysikk. De ble oppdaget<br />
i 1843 av William Rowan Hamilton (1805-1865), det sies da han gikk over en bro i<br />
Dublin. Han ble s˚a begeistret over kvaternionene at han brukte en stor del av livet<br />
p˚a ˚a studere dem. Hamilton har gjort store innsatser i matematikken <strong>og</strong> har <strong>og</strong>s˚a<br />
har bidratt vesentlig til mekanikken. Han var br˚amoden <strong>og</strong> ble allerede i 1827 Royal<br />
Astronomer of Ireland, en stilling han beholdt hele livet.<br />
Sett<br />
⎛<br />
⎞ ⎛<br />
⎞<br />
1 0 0 0<br />
0 1 0 0<br />
⎜ 0 1 0 0 ⎟ ⎜ −1 0 0 0 ⎟<br />
I4 = ⎝<br />
⎠ , i = ⎝<br />
⎠ ,<br />
0 0 1 0<br />
0 0 0 −1<br />
0 0 0 1<br />
0 0 1 0
→<br />
→<br />
→<br />
32 <strong>Matriser</strong><br />
For hvert tall setter vi<br />
⎛<br />
0 0 −1 0<br />
⎞ ⎛<br />
0 0 0<br />
⎞<br />
−1<br />
⎜ 0<br />
j = ⎝<br />
1<br />
0<br />
0<br />
0<br />
0<br />
−1 ⎟<br />
⎠ ,<br />
0<br />
⎜ 0<br />
k = ⎝<br />
0<br />
0<br />
−1<br />
1<br />
0<br />
0<br />
0<br />
⎟<br />
⎠ .<br />
0 1 0 0<br />
1 0 0 0<br />
⎛<br />
a 0 . . .<br />
⎞<br />
0<br />
⎜ 0<br />
a = aI4 = ⎜<br />
⎝ .<br />
.<br />
a<br />
.<br />
.<br />
. . .<br />
. ..<br />
0 ⎟<br />
. ⎟<br />
.<br />
⎠<br />
0 0 . . . a<br />
.<br />
(1) Vis at hver kvaternion kan skrives entydig p˚a formen a + bi + cj + dk.<br />
(2) Vis at vi har multiplikasjonstabellen<br />
· 1 i j k<br />
1 1 i j k<br />
i i − 1 k − j<br />
j j − k − 1 i<br />
k k j − i − 1<br />
der (i, j)’te koordinaten i tabellen er produktet av tallet til venstre for i’te<br />
rekke <strong>og</strong> tallet over j’te søyle.<br />
(3) Kan du vise at kvaternionene har egenskapene (2) (a), (b), (c), (d) <strong>og</strong> (3) (a),<br />
(b), (c), samt (4) i Oppgave (8) men ikke betingelsen uv = vu?<br />
Ettersom kvaternionene tilfredsstiller betingelsene (2) (a), (b), (c), (d) <strong>og</strong><br />
(3) (a), (b), (c), samt (4) i Oppgave (8) kaller vi dem en skjevkropp.<br />
12. Vi sier at en n × n-matrise A = (aij)n er symmetrisk om aij = aji for alle i <strong>og</strong><br />
j. Matrisen A er skjevsymmetrisk om aij = −aji <strong>og</strong> aii = 0 for alle i <strong>og</strong> j. Videre<br />
sier vi at matrisen er øvre triangulær om aij = 0 for alle j > i <strong>og</strong> at den er nilpotent<br />
om aij = 0 for alle j ≥ i.<br />
(1) Vis at om A <strong>og</strong> B er symmetriske s˚a er AB symmetrisk.<br />
(2) Vis at om A <strong>og</strong> B er skjevsymmetriske s˚a er AB skjevsymmetrisk.<br />
(3) Vis at om A <strong>og</strong> B er triangulære s˚a er AB triangulær.<br />
(4) Vis at om A <strong>og</strong> B er nilpotent s˚a er AB nilpotent.<br />
(5) Vis at om A er nilpotent s˚a er A n = 0.<br />
13. La A11, A12, A21 <strong>og</strong> A22 være henholdsvis r × p-, r × q-, s × p- <strong>og</strong> s × q-matriser,<br />
<strong>og</strong> la B11, B12, B21 <strong>og</strong> B22 være henholdsvis p × t-, p × s-, q × t- <strong>og</strong> q × s-matriser.<br />
Vis at <br />
A11 A12 B11 B12<br />
A21 A22<br />
B21 B22<br />
<br />
=<br />
der vi har delt opp matrisene i blokker.<br />
A11B11+A12B21 A11B12+A12B22<br />
A21B11+A22B21 A21B12+A22B22<br />
14. En grafe med n-hjørner er en samling av n punkter nummerert med 1, 2, . . . , n<br />
<strong>og</strong> kanter som g˚ar mellom noen hjørner p <strong>og</strong> q der p = q. Se Oppgave (4) Seksjon 1.<br />
<br />
,
→<br />
→<br />
→<br />
MATRISER 4 33<br />
I Oppgave (4) Seksjon 3 s˚a vi hvordan vi at grafer tilsvarer n × n-matriser med bare<br />
nuller <strong>og</strong> enere som koordinater, <strong>og</strong> med nuller p˚a diagonalen.<br />
(1) Vis at (p, q)’te koordinaten i a <strong>og</strong> A2 gir antallet stier av lengde 1 respektive<br />
2 mellom p <strong>og</strong> q. Sammenlikn med resultatene i Oppgave (4) i Seksjon 1.<br />
(2) Vis at (p, q)’te koordinaten i A 3 <strong>og</strong> A 4 gir antallet stier av lengde 3 respektive<br />
4 mellom p <strong>og</strong> q. Sammenlikn med resultatet i Oppgave (4) i Seksjon 1.<br />
(3) Vis at (p, q)’te koordinaten i An gir antallet stier av lengde n mellom p <strong>og</strong> q.
34<br />
<strong>Matematik</strong>k MA
MATRISER 5 35<br />
5. Avbildninger av planet.<br />
(5.1) Avbildninger av planet. N˚ar vi ser tekst <strong>og</strong> bilder som vries, vendes,<br />
speiles, forstørres eller forminskes p˚a televisjonen eller p˚a en dataskjerm, s˚a betrakter<br />
vi et fascinerende eksempel p˚a anvendt matematikk. Bevegelsen fremkommer ved<br />
et enormt antall matrisemultiplikasjoner som blir utført i rask rekkefølge p˚a punktene<br />
i planet som svarer til punktene p˚a billedskjermen. Her skal vi i detalj vise<br />
hvordan slike operasjoner fremkommer. En leser med litt kunnskap til datorer kan<br />
uten vanskeligheter bruke teorien til ˚a bevege bilder <strong>og</strong> tekst p˚a sin egen dataskjerm.<br />
For enkelhets skyld holder vi oss til plane bilder. Vil vi ta hensyn til perspektivet i<br />
bildene m˚a vi gjøre de tilsvarende operasjonene i rommet. En leser som har forst˚att<br />
materialet i dette kapitlet skulle ikke ha noen vanskeligheter med ˚a generalisere ma-<br />
terialet til tre dimensjoner.<br />
<br />
1 0<br />
<br />
0 −1<br />
(5.2) Speilinger. La A = . For hvert punkt (a, b) t i planet kan vi multiplis-<br />
<br />
ere den tilsvarende vektoren med matrisen <strong>og</strong> f˚ar et nytt punkt<br />
= .<br />
<br />
1 0<br />
<br />
a<br />
0 −1 b<br />
a<br />
−b<br />
Matrisemultiplikasjonen flytter alts˚a punktet (a, b) t til punktet (a, −b) t . Dette er en<br />
<br />
−1 0<br />
speiling av punktet i x-aksen. Tilsvarende vil matrisen speile punktet (a, b)<br />
0 1<br />
t<br />
<br />
<br />
i y-aksen til<br />
= . Bruker vi istedenfor matrisen flyttes<br />
−1 0<br />
0 1<br />
a<br />
b<br />
−a<br />
b<br />
−1 0<br />
0 −1<br />
punktet (a, b) t til punktet (−a, −b) t ligger symmetrisk om origo.<br />
For ˚a konstruere <strong>og</strong> analysere operasjoner av planet som er gitt ved 2 × 2-matriser<br />
er det viktig ˚a merke at vi kan sette sammen slike flytninger av planet. Om vi, for<br />
eksempel, først speiler (a, b) t <br />
1 0 a a<br />
i x-aksen, det vil si flytter den til<br />
=<br />
0 −1 b −b ,<br />
<strong>og</strong> deretter speiler i y-aksen, det vil si flytter (a, −b) t <br />
−1 0<br />
til (a, −b)<br />
0 1<br />
t = (−a, −b) t ,<br />
<br />
s˚a er dette det samme som ˚a bruke produktmatrisen<br />
= p˚a<br />
−1 0<br />
0 1<br />
1 0<br />
0 −1<br />
−1 0<br />
0 −1<br />
punktet (a, b) t . Sammensetning av flytninger f˚ar vi alts˚a ved ˚a multiplisere matriser.<br />
I dette tilfellet er sammensetningen en flytning symmetrisk om origo.<br />
y<br />
x<br />
y<br />
Iblandt kan sammensetningen av matriser gi overraskende resultater. For eksempel<br />
sender matrisen punktet (a, b) t <br />
til<br />
= . Dette er speiling om<br />
0 1<br />
1 0<br />
0 1<br />
1 0<br />
x<br />
a<br />
b<br />
b<br />
a<br />
y<br />
x
→<br />
→<br />
36 <strong>Matriser</strong><br />
<br />
1 0<br />
linjen x = y. Speiler vi først punktet i x-aksen med <strong>og</strong> deretter i linjen x = y<br />
0 −1<br />
f˚ar vi den sammensatte flytningen av (a, b) t <br />
0 1 1 0 a 0 −1 a<br />
til<br />
=<br />
=<br />
1 0 0 −1 b 1 0 b<br />
<br />
. Dette innser vi, med litt ettertanke, er det samme som rotasjon av planet 90<br />
−b<br />
a<br />
grader.<br />
For ˚a speile i en vilk˚arlig linje L velger vi et punkt (c, d) t p˚a L med c 2 + d 2 = 1.<br />
Matrisen<br />
2 2<br />
c −d 2cd<br />
2cd d 2 −c 2<br />
<br />
gir da en speiling om linjen L (se Oppgave (2)). Dette<br />
stemmer for (1, 0) t , som gir speiling om x-aksen, <strong>og</strong> for (0, 1) t , som gir speiling om<br />
y-aksen.<br />
<br />
3 0<br />
0 1<br />
(5.3) Strekning <strong>og</strong> krympning. Matrisen transformerer punktet (a, b) t<br />
<br />
3 0 a 3a<br />
til<br />
= . Vi har alts˚a strukket planet i x-retningen med en faktor 3.<br />
0 1 b b<br />
<br />
<br />
Tilsvarende strekker matrisen planet 3 ganger i y-retningen <strong>og</strong> matrisen<br />
1 0<br />
0 3<br />
3 0<br />
0 3<br />
forstørrer planet 3 ganger.<br />
1<br />
Matrisen 3 0<br />
<br />
sender (a, b)<br />
0 1<br />
t <br />
1<br />
til 3 0<br />
<br />
a<br />
1<br />
= 3<br />
0 1 b<br />
a<br />
<br />
som krymper vektoren med<br />
b<br />
en faktor 1<br />
<br />
1 0<br />
3 i x-retningen. Tilsvarende krymper matrisen 0 1<br />
<br />
planet i y-retningen<br />
<br />
3<br />
<strong>og</strong> matrisen<br />
1<br />
3 0<br />
0 1<br />
3<br />
Generelt vil matrisen<br />
krymper planet med en faktor 1<br />
3 .<br />
y<br />
<br />
k 0<br />
0 l<br />
3 : 1<br />
retningen <strong>og</strong> en faktor l i y-retningen.<br />
(5.4) Rotasjon. Ovenfor s˚a vi at matrisen<br />
x<br />
y<br />
1 : 3<br />
strekke eller krympe planet med en faktor k i x-<br />
x<br />
<br />
0 −1<br />
gir en rotasjon 90 grader, <strong>og</strong> at<br />
1 0<br />
den er den sammensatte av en speiling i x-aksen med en speiling om linjen x = y.<br />
Litt omtanke viser at en speiling θ grader er det samme som en speiling om x-aksen<br />
sammensatt med en speiling om linjen L med stigning 1<br />
2θ (se Oppgave (1)). Rotasjon<br />
θ grader f˚ar vi derfor av matrisen<br />
c 2 +d 2<br />
2cd<br />
2cd d 2 −c 2<br />
<br />
1 0<br />
2 2<br />
c −d −2cd<br />
=<br />
0 −1 2cd c 2 −d 2<br />
<br />
,<br />
der (c, d) t er et punkt p˚a linjen som har vinkelen 1<br />
2<br />
at c2 + d2 = 1.<br />
θ med x-aksen som er valgt slik
→<br />
→<br />
MATRISER 5 37<br />
Dette er en ganske uvanlig m˚ate ˚a se rotasjoner p˚a. Det vanligste er ˚a bruke geometriske<br />
argumenter, <strong>og</strong> addisjonsformler for sinus <strong>og</strong> cosinus for ˚a vise at rotasjoner<br />
θ grader er gitt av matrisen<br />
. I virkeligheten gir dette samme matriser<br />
cos θ − sin θ<br />
sin θ cos θ<br />
som ovenfor (se Oppgave (3) <strong>og</strong> (5)).<br />
Projeksjoner av punkter ned p˚a en gitt linje er <strong>og</strong>s˚a gitt av matriser. Slike avbildninger<br />
virker litt meningsløse i planet, men i rommet gir de spektakulære effekter<br />
n˚ar de platter ut tredimensjonale<br />
figurer til todimensjonale.<br />
1 0<br />
Matrisen sender punktet (a, b)<br />
0 0<br />
t til punktet (a, 0) t .<br />
<br />
Derfor gir matrisen<br />
projeksjon p˚a x-aksen. Tilsvarende gir projeksjonen p˚a y-aksen. Generelt har<br />
0 0<br />
0 1<br />
vi sett (se Oppgave (5) Seksjon 2) at projeksjonen av et punkt (a, b) t p˚a linjen L<br />
gjennom origo <strong>og</strong> punktet (c, d) t = 0 er<br />
(ac + bd) (c, d) t = ac 2 + bcd, acd + bd 2 t ,<br />
n˚ar vi velger c <strong>og</strong> d p˚a linjen slik at c 2 + d 2 = 1. Derfor vil matrisen<br />
projeksjonen.<br />
<br />
2<br />
c cd<br />
cd d 2<br />
<br />
gi denne<br />
(5.5) Lineære avbildninger. Vi vil se litt mer generelt p˚a avbildninger av planet<br />
gitt av matriser. La A =<br />
a11 a12<br />
a21 a22<br />
<br />
. Punktene t (a, b) t + (1 − t) (c, d) t for alle t<br />
utgjør linjen gjennom punktene (a, b) t <strong>og</strong> (c, d) t . Hvert punkt p˚a linjen vil A sende<br />
til punktet<br />
a11 a12<br />
<br />
ta+(1−t)c<br />
a21 a22 tb+(1−t)d =<br />
<br />
aa11+ba12<br />
ca11+da12<br />
= t<br />
+ (1 − t)<br />
= t<br />
aa21+ba22<br />
<br />
taa11+(1−t)ca11+tba12+(1−t)da12<br />
taa21+(1−t)ca21+tba22+(1−t)da22<br />
ca21+da22<br />
som ligger p˚a linjen gjennom bildene<br />
a11 a12<br />
a21 a22<br />
a11 a12<br />
a21 a22<br />
<br />
a<br />
b<br />
a<br />
b<br />
<strong>og</strong><br />
<br />
<br />
a11 a12<br />
+ (1 − t) a21 a22<br />
a11 a12<br />
a21 a22<br />
<br />
c<br />
d<br />
<br />
c<br />
, d<br />
av (a, b) t re-<br />
spektive (c, d) t ved A. Hver matrise har derfor den tiltalende egenskapen at den<br />
sender linjer til linjer. Derfor kaller vi disse avbildningene lineære. Dette gjør at<br />
den sender trekanter til trekanter <strong>og</strong> firkanter til firkanter, <strong>og</strong> s˚a videre, slik at det<br />
er lett ˚a se hva en slik avbildning av planet gjør. I v˚are figurer har vi brukt denne<br />
egenskapen.<br />
Vi har sett at matriser kan speile, rotere, projisere, strekke <strong>og</strong> trykke sammen,<br />
<strong>og</strong> kan utføre alle kombinasjoner av slike bevegelser. Nu vil vi undersøke hva som<br />
hender med arealer under disse transformasjonene. Vi skal se p˚a hva som hender<br />
med et parallell<strong>og</strong>ram, det vil si en firkant slik at motst˚aende sider er parallelle. Om<br />
vi kan bestemme hvordan arealet av et parallell<strong>og</strong>ram forandrer seg ved en lineær<br />
avbildning vet vi <strong>og</strong>s˚a hvordan alle rimelige figurer forandrer seg ettersom vi kan<br />
tenke oss at vi tilmæmer andre figurer med sm˚a parallell<strong>og</strong>rammer.
→<br />
38 <strong>Matriser</strong><br />
La R være parallell<strong>og</strong>rammet som er bestemt av punktene (0, 0) t , (a1, a2) t <strong>og</strong><br />
(b1, b2) t .<br />
y<br />
(0, 0)<br />
(a1, a2) t<br />
(b1, b2) t<br />
Vi har sett (Oppgave (5) Seksjon 2) at avstanden mellom punktet (a1, a2) t <strong>og</strong><br />
linjen gjennom (0, 0) t <strong>og</strong> (b1, b2) t er<br />
<br />
Arealet av parallell<strong>og</strong>rammet er derfor<br />
<br />
<br />
b 2 1 + b2 2<br />
For en matrise A =<br />
a2 1 + a22 − (a1b1 + a2b2) 2<br />
b2 1 + b2 .<br />
2<br />
a 2 1 + a2 2 − (a1b1 + a2b2) 2<br />
b 2 1 + b2 2<br />
<br />
a 2 1 b2 2 + a2 2 b2 1 − 2a1b1a2b2 = (a1b2 − a2b1) 2 = |a1b2 − a2b1|.<br />
a11 a12<br />
a21 a22<br />
<br />
skriver vi det A = a11a22 − a12a21 <strong>og</strong> kaller det A for<br />
determinanten til A. Vi skal se at determinantene spiller en viktig rolle i studiet<br />
av matriser. Her noterer vi bare at vi har vist at arealet av parallell<strong>og</strong>rammet er<br />
bestemt av (0, 0) t , (a1, a2) t <strong>og</strong> (b1, b2) t <br />
a1 a2<br />
er tallverdien av det .<br />
x<br />
b1 b2<br />
Matrisen A transformerer parallell<strong>og</strong>rammet bestemt av vektorene (0, 0) t , (a1, a2) t<br />
<strong>og</strong> (b1, b2) t til parallell<strong>og</strong>rammet bestemt av<br />
<br />
a11 a12<br />
<br />
=<br />
<br />
a11 a12 a1<br />
,<br />
=<br />
a21 a22<br />
0<br />
0<br />
0<br />
0<br />
a21 a22<br />
a2<br />
<br />
a11a1+a12a2<br />
a21a1+a22a2<br />
<br />
a11 a12<br />
<strong>og</strong><br />
a21 a22<br />
Arealet av parallell<strong>og</strong>rammet etter forflytningen med A er derfor<br />
<br />
a11a1+a12a2 a21a1+a22a2<br />
det<br />
a11b1+a12b2 a21b1+a22b2<br />
<br />
b1 a11b1+a12b2<br />
=<br />
.<br />
b2 a21b1+a22b2<br />
= (a21b1 + a22b2)(a11a1 + a12a2) − (a11b1 + a12b2)(a21a1 + a22a2)<br />
= (a11a22 − a12a21)(a1b2 − a2b1) = det<br />
a11 a12<br />
a21 a22<br />
<br />
det<br />
<br />
a1 a2<br />
b1 b2<br />
<br />
.
→<br />
→<br />
→<br />
MATRISER 5 39<br />
Arealet av et parallell<strong>og</strong>ram multipliseres derfor med faktoren | det A| n˚ar parallell<strong>og</strong>rammet<br />
forflyttes ved hjelp av A.<br />
Vi har ganske grundig behandlet rotasjoner. En rotasjon skal selvsagt bevare<br />
lengder <strong>og</strong> vinkler. Nu vil vi betrakte problemet fra den andre siden <strong>og</strong> undersøke<br />
hvilke 2 × 2-matriser som vil bevare lengder <strong>og</strong> vinkler. Vi skal vise, kanskje litt<br />
overraskende, at om A gir en transformasjon som bevarer lengden p˚a vektorene e1 =<br />
(1, 0) t <strong>og</strong> e2 = (0, 1) t <strong>og</strong> dessuten bevarer vinkelen p˚a 90 grader mellom e1 <strong>og</strong> e2 s˚a<br />
vil A enten være en rotasjon, eller en speiling fulgt av en rotasjon.<br />
Lengden til en vektor v = (a1, a2) t er v = a2 1 + a22 <strong>og</strong> vinkelen mellom linjene<br />
fra origo til punktene v <strong>og</strong> w = (b1, b2) t er (se Oppgave (5) Seksjon 2)<br />
cos θ =<br />
v · v<br />
vw =<br />
a1b1 + a2b2<br />
<br />
a2 1 + a2 <br />
2 b2 1 + b2 2<br />
om b˚ade v <strong>og</strong> w er forskjellige fra origo. Matrisen A =<br />
a11 a12<br />
a21 a22<br />
<br />
flytter e1 til<br />
(a11, a21) t <strong>og</strong> e2 til (a12, a22) t . Skal matrisen A bevare lengden av e1 <strong>og</strong> e2 m˚a vi<br />
derfor ha at a 2 11 + a 2 21 = 1 <strong>og</strong> a 2 12 + a 2 22 = 1.<br />
Om matrisen skal bevare vinkelen mellom x- <strong>og</strong> y-aksen m˚a vi ha at 0 = e1 · e2 =<br />
Ae1 ·Ae2 = (a11, a21) t ·(a12, a22) t = a11a12 +a21a22. Vi har alts˚a funnet tre likninger<br />
som koordinatene til A m˚a tilfredsstille om lengden av e1 <strong>og</strong> e2 <strong>og</strong> vinkelen mellom<br />
x- <strong>og</strong> y-aksen skal bevares<br />
a 2 11 + a 2 21 = 1, a 2 12 + a 2 22 = 1, <strong>og</strong> a11a12 + a21a22 = 0.<br />
Disse likningene kan vi løse som i Oppgave (6). Løsningene er<br />
Dette gir matrisene<br />
<br />
a − √ 1−a2 √<br />
1−a2 a<br />
a11 = 1, a12 = 1 − a 2 , a21 = 1 − a 2 , a22 = −a<br />
a11 = 1, a12 = 1 − a 2 , a21 = − 1 − a 2 , a22 = a<br />
a11 = 1, a12 = − 1 − a 2 , a21 = 1 − a 2 , a22 = a<br />
a11 = 1, a12 = − 1 − a 2 , a21 = − 1 − a 2 , a22 = −a.<br />
<br />
,<br />
a − √ 1−a 2<br />
− √ 1−a 2 −a<br />
<br />
,<br />
√<br />
a 1−a2 − √ 1−a2 a<br />
<br />
,<br />
a<br />
√ 1−a2 √<br />
1−a2 −a<br />
De vanligste fremstillingene av rotasjon er ved hjelp av sinus <strong>og</strong> cosinus. P˚a mange<br />
m˚ater er dette mer naturlig ettersom det er lett ˚a fremstille vinkler, <strong>og</strong> derfor rotasjon,<br />
med de trigonometriske funksjonen. Det er imidlertid ikke vanskelig ˚a finne<br />
sammenhengen mellom v˚ar fremstilling <strong>og</strong> den ved hjelp av av sinus <strong>og</strong> cosinus (se<br />
Oppgave (8)). Av likningen a 2 11 + a 2 12 = 1 f˚ar vi at |a| < 1 s˚a det finnes nøyaktig to<br />
<br />
.
→<br />
40 <strong>Matriser</strong><br />
vinkler θ slik at a = cos θ. Da vil √ 1 − a 2 = √ 1 − cos θ 2 = | sin θ|. Vi ser at det bare<br />
finnes en verdi av θ slik at matrisene ovenfor kan skrives p˚a en av de to formene<br />
cos θ − sin θ<br />
sin θ cos θ<br />
<br />
,<br />
cos θ sin θ<br />
sin θ − cos θ<br />
Den første av disse er rotasjonen med θ som vi har støtt p˚a tidligere <strong>og</strong> den andre er<br />
en speiling i x-aksen sammensatt med rotasjonen (se Oppgave (4)).<br />
(5.6) Opgaver.<br />
1. La L <strong>og</strong> H være to linjer i planet som danner en vinkel p˚a θ grader med hverandre,<br />
der 0 < θ ≤ 180.<br />
Vis at om vi speiler et punkt i H <strong>og</strong> deretter speiler det nye punktet i L, s˚a er resultatet<br />
det samme som˚a rotere det opprinnelige punktet 2θ grader om skjæringspunktet<br />
mellom linjene.<br />
Hint. La (g, h) t være skjæringspunktet mellom linjene L <strong>og</strong> H. Videre la K være<br />
linjen gjennom et punkt (a, b) t <strong>og</strong> la ϕ være vinkelen mellom K <strong>og</strong> H, der vi regner<br />
tegnet av vinklene ut fra H. Da vil vinkelen mellom K <strong>og</strong> L være θ − ϕ. Speiler vi<br />
(a, b) t i H f˚ar vi en et punkt (c, d) t slik at linjen gjennom (g, h) t <strong>og</strong> (c, d) t danner<br />
vinkelen θ + ϕ med L. Speiling av (c, d) t i L gir et punkt (e, f) t slik at vinkelen<br />
mellom linjen gjennom (e, f) t <strong>og</strong> (g, h) t danner en vinkel θ + ϕ med L, <strong>og</strong> derfor<br />
vinkelen θ + ϕ + θ − ϕ = 2θ med K.<br />
(e, f) t<br />
2. Vis at<br />
2 2<br />
c −d 2cd<br />
2cd d 2 −c 2<br />
gjennom (c, d) t = 0.<br />
<br />
(g, h) t<br />
θ<br />
ϕ<br />
L K<br />
θ + ϕ θ − ϕ (a, b) t<br />
θ + ϕ<br />
(c, d) t<br />
der c 2 +d 2 = 1 er matrisen som beskriver en speiling i linjen<br />
y L<br />
θ<br />
(b1, b2)<br />
v·w<br />
w·w (b1, b2) t<br />
(a1, a1) t<br />
x<br />
<br />
.<br />
H
→<br />
→<br />
→<br />
MATRISER 5 41<br />
Hint. Det følger av Oppgave (5) i Seksjon 2 at linjen fra et punkt (a, b) t som st˚ar<br />
normalt p˚a linjen L gjennom origo <strong>og</strong> (c, d) t skjærer L i punktet (ac + bd) (c, d) t .<br />
Vektoren fra (a, b) t til (ac + bd) (c, d) t er derfor (ac + bd) (c, d) t − (a, b) t . Speiling i<br />
L gies av den doble vektoren. Derfor er punktet symmetrisk med (a, b) t med hensyn<br />
til L lik<br />
2(ac + bd) (c, d) t − 2 (a, b) t + (a, b) t<br />
= 2(ac + bd)c − a(c 2 + d 2 ), 2(ac + bd)d − b(c 2 + d 2 ) t<br />
= a(c 2 − d 2 ) + 2bdc, 2acd + (d 2 − c 2 )b t =<br />
3. Vis at matrisene p˚a formen<br />
matrisene<br />
cos θ − sin θ<br />
sin θ cos θ<br />
<br />
.<br />
2 2<br />
c −d −2cd<br />
2cd c 2 −d 2<br />
<br />
c 2 −d 2<br />
2cd<br />
2cd d 2 −c 2<br />
<br />
a<br />
. b<br />
med c 2 + d 2 = 1 er de samme som<br />
Hint. Sett a = c 2 − d 2 . Da vil a = 2c 2 − 1 <strong>og</strong> a = 1 − d 2 . Derfor f˚ar vi at<br />
4c 2 d 2 = (1 + a)(1 − a) = 1 − a 2 <strong>og</strong> at 2cd er lik plus eller minus √ 1 − a 2 . Av<br />
c 2 + d 2 = 1 f˚ar vi at |c| ≤ 1 <strong>og</strong> |d| ≤ 1 <strong>og</strong> derfor at |a| < 1. Det finnes derfor eksakt<br />
to vinkler θ slik at a = cos θ. Vi har <strong>og</strong>s˚a √ 1 − a 2 = √ 1 − cos 2 θ = | sin θ|. De to<br />
valgene av θ gir ulike tegn p˚a sin θ. Derfor finnes det nøyaktig en vinkel θ slik at<br />
cos θ = a = c 2 − d 2 . Med denne vinkelen tar matrisen formen<br />
cos θ − sin θ<br />
sin θ cos θ<br />
Omvendt, om vi har gitt den siste matrisen s˚a kan vi, ettersom | cos θ| ≤ 1, finne<br />
tall c <strong>og</strong> d slik at 2c 2 = cos θ + 1 <strong>og</strong> 2d 2 = 1 − cos θ. Vi har at c <strong>og</strong> d er entydig<br />
bestemt opp til tegn. Legger vi sammen likningene f˚ar vi at 2c 2 + 2d 2 = 2 s˚a<br />
c 2 + d 2 = 1. Trekker vi likningene fra hverandre f˚ar vi at 2(c 2 − d 2 ) = 2 cos θ s˚a vi<br />
har at cos θ = c 2 − d 2 . Multipliserer vi likningene f˚ar vi at 4c 2 d 2 = 1 − cos 2 θ = sin 2 θ<br />
s˚a 2cd = ± sin θ. Nu bestemmer vi tegnene for c <strong>og</strong> d slik at 2cd = sin θ. Vi f˚ar da<br />
at matrisen tar formen<br />
c 2 −d 2 −2cd<br />
2cd c 2 −d 2<br />
<br />
. Merk at c <strong>og</strong> d ikke er entydig bestemte, men<br />
at de to mulige parene (c, d) gir samme matrise.<br />
<br />
4. Vis at matrisen<br />
er en speiling i x-aksen sammensatt med en rotasjon.<br />
cos θ sin θ<br />
sin θ − cos θ<br />
5. Bruk Oppgave (3) til ˚a vise ligningene<br />
sin(ϕ + θ) = cos ϕ sin θ − sin ϕ cos θ, cos(ϕ + θ) = cos ϕ cos θ − sin ϕ sin θ.<br />
<br />
Hint. Vi viste i Oppgave (3) at matrisen<br />
gir en rotasjon θ grader.<br />
cos θ − sin θ<br />
sin θ cos θ<br />
Sammensetter vi denne rotasjonen med en rotasjon ϕ grader f˚ar vi en rotasjon ϕ + θ<br />
grader. Dette kan vi uttrykke som<br />
<br />
=<br />
cos ϕ − sin ϕ<br />
sin ϕ cos ϕ<br />
cos θ − sin θ<br />
sin θ cos θ<br />
<br />
cos(ϕ+θ) − sin(ϕ+θ)<br />
.<br />
sin(ϕ+θ) cos(ϕ+θ)<br />
Multiplikasjon av matrisene i venstre side av likningen gir de søkte ligningene.<br />
<br />
.
42 <strong>Matriser</strong><br />
6. Vis at likningene<br />
har nøyaktig de 4 løsningene<br />
a 2 11 + a 2 21 = 1, a 2 12 + a 2 22 = 1 <strong>og</strong> a11a12 + a21a22 = 0<br />
a11 = 1, a12 = 1 − a 2 , a21 = 1 − a 2 , a22 = −a<br />
a11 = 1, a12 = 1 − a 2 , a21 = − 1 − a 2 , a22 = a<br />
a11 = 1, a12 = − 1 − a 2 , a21 = 1 − a 2 , a22 = a<br />
a11 = 1, a12 = − 1 − a 2 , a21 = − 1 − a 2 , a22 = −a.<br />
Hint. Sett a = a11. Vi f˚ar da av den første likningen at a 2 21 = 1 − a 2 . Da gir den<br />
andre likningen at a 2 a 2 12 = a 2 11a 2 12 = (−a21a22) 2 = a 2 21a 2 22 = (1 − a 2 )(1 − a 2 12). Dette<br />
gir at (a 2 + 1 − a 2 )a 2 12 = 1 − a 2 12 = a 2 , s˚a a 2 12 = 1 − a 2 . Den andre likningen gir da<br />
at a 2 22 = 1 − a 2 12 = a 2 . Vi har alts˚a likningene<br />
a11 = a, a 2 12 = 1 − a 2 , a 2 21 = 1 − a 2 , a 2 22 = a 2 .<br />
Opptil tegn bestemmer dette koeffisientene til A som uttrykk i a. Det er 8 ulike valg<br />
av tegn tilsvarende de 3 kvadratuttykkene. Av de ˚atte valgene vil alle tilfredsstille<br />
de to første likningene men bare fire vil tilfresdstiller den tredje.<br />
7. Løs likningene a 2 11 + a21 = 1, a 2 21 + a 2 22 = 1 <strong>og</strong> a11a12 + a21a22 = 0 p˚a en slik<br />
m˚ate at du direkte f˚ar at koordinatene gir matrisene<br />
c 2 −d 2 −2cd<br />
2cd c 2 −d 2<br />
<br />
,<br />
c 2 −d 2<br />
2cd<br />
2cd d 2 −c 2<br />
Hint: Observer at du kan finne tall c <strong>og</strong> d slik at 2c 2 = a11 + 1 <strong>og</strong> 2d 2 = 1 − a11.<br />
Vis først at da vil a11 = c 2 − d 2 <strong>og</strong> c 2 + d 2 = 1. Derfor vil a 2 21 = 1 − a 2 11 =<br />
(1 − a11)(1 + a11) = 4c 2 d 2 . Fortsett p˚a denne m˚aten p˚a en tilsvarende m˚ate som vi<br />
gjorde ovenfor.<br />
8. Tegn en enkel figur p˚a din dataskjerm, for eksempel et kvadrat. Velg et stort tall<br />
n.<br />
(1) Se hva som hender n˚ar du bruker avbildningene<br />
<br />
Sm =<br />
1 0<br />
0 1− 2m<br />
n<br />
p˚a kvadratet n˚ar m = 0, 1, . . . , n.<br />
(2) Se hva som hender n˚ar du bruker avbildningene<br />
<br />
2π 2π<br />
cos n − sin n<br />
Rm =<br />
sin 2π<br />
n<br />
cos 2π<br />
n<br />
p˚a kvadratet n˚ar m = 0, 1, . . . , n.<br />
(3) Prøv ulike kombinasjoner av avbildningene ovenfor, enten ved˚a ta produktene<br />
SmRm eller RmSm, eller ved ˚a la en av dem løpe en stund <strong>og</strong> deretter bruke<br />
den andre, eller en kombinasjon av de to.<br />
<br />
.
1. Mengder <strong>og</strong> <strong>vektorrom</strong>.<br />
Vektorrom<br />
(1.1) Innledning. Materialet om matriser <strong>og</strong> vektorer som vi har presentert kan<br />
virke kunstig <strong>og</strong> lite motivert. For ˚a forst˚a dypet <strong>og</strong> vidden av teorien, <strong>og</strong> innse<br />
hvorfor de er s˚a anvendbare m˚a de settes inn i en videre sammenheng. Dette fordyper<br />
ikke bare kunnskapen om matriser <strong>og</strong> vektorer, men utvider <strong>og</strong>s˚a v˚ar matematisk<br />
horisont <strong>og</strong> gir forst˚aelse av hvordan matematikken utvikler seg fra det spesielle til<br />
det generelle. I dette kapittelet skal vi gi den nødvendige bakgrunnen for ˚a forst˚a<br />
materialet. Vi skal se hvordan vi fra forholdsvis f˚a <strong>og</strong> enkle eksempler blir tvunget til<br />
generaliseringer som inneholder en stor mengde interessante spesialtilfeller, <strong>og</strong> som<br />
kaster nytt lys over eksemplene.<br />
Vi begynner med litt notasjon fra mengdelæren, som er den rette innfatningen for<br />
nesten all matematikk.<br />
(1.2) Mengder. Vi bruker ordet mengde for ˚a betegne en samling objekter. Disse<br />
objektene kaller vi elementer i mengden. Et eksempel p˚a en mengde er samlingen<br />
av alle n-vektorer (a1, a2, . . . , an) t . Denne mengden betegner vi med R n . Vektorene<br />
(a1, a2, . . . , an) t er elementene i mengden R n . Vi kjenner allerede flere viktige<br />
mengder. De naturlige tallene 0, 1, 2, . . . danner en mengde som vi betegner med N,<br />
<strong>og</strong> de hele tallene . . . , −2, −1, 0, 1, 2, . . . danner en mengde som vi betegner med Z.<br />
Andre kjente mengder er de rasjonale tallene Q som best˚ar av alle kvotienter m/n<br />
av hele tall m <strong>og</strong> n med n = 0, <strong>og</strong> de reelle tallene, som vi bare kaller tall i denne<br />
boken.<br />
Tallet −2 er et element i mengdene Z, Q <strong>og</strong> R, men ikke i N. Vi skriver dette<br />
som −2 ∈ Z, −2 ∈ Q <strong>og</strong> −2 ∈ R, men −2 /∈ N. Tallet √ 2 er med i R, men ikke i Q,<br />
<strong>og</strong> derfor heller ikke i Z eller N. Vi skriver dette som √ 2 ∈ R <strong>og</strong> √ 2 /∈ Q, √ 2 /∈ Z<br />
<strong>og</strong> √ 2 /∈ N.<br />
Generelt, om S er en mengde <strong>og</strong> s et element i S s˚a skriver vi s ∈ S.<br />
Ettersom alle naturlige tall er hele, alle hele tall er rasjonale <strong>og</strong> alle rasjonale tall<br />
er reelle, har vi at mengdene N, Z, Q <strong>og</strong> R ligger inneholdet i hverandre, men er<br />
ikke like. Dette skriver vi som N ⊂ Z ⊂ Q ⊂ R.<br />
Generelt sier vi at en mengde R er en undermengde av en mengde S om alle<br />
elementene i mengden R <strong>og</strong>s˚a er med i mengden S, <strong>og</strong> vi skriver R ⊆ S. Er de ulike,<br />
det vil si R best˚ar ikke av alle elementene i S, skriver vi R ⊂ S.<br />
43
44 Vektorrom<br />
(1.3) Notasjon. Det er ofte praktisk ˚a skrive<br />
R n = {(a1, a2, . . . , an) t : ai ∈ R for i = 1, 2, . . . , n}<br />
der de objektene som st˚ar innenfor parentesene {} <strong>og</strong> til venstre for kolonet er elementene<br />
i mengden, <strong>og</strong> det som st˚ar etter kolonet er betingelsene som disse elementene<br />
m˚a tilfredsstille for ˚a være med i mengden. I dette tilfellet er betingelsen at<br />
ai ∈ R for i = 1, 2, . . . , n, det vil si, koordinatene a1, a2, . . . , an skal være relle tall.<br />
To andre eksempler er N = {n ∈ Z : n ≥ 0}, som betyr at de naturlige tallene er de<br />
hele tallene som er minst lik 0, <strong>og</strong> Q = {m/n : m ∈ Z, n ∈ Z, n = 0} som uttrykker<br />
at de rasjonale tallene er alle kvotienter av hele tall med ikke null nevner. Vi skriver<br />
<strong>og</strong>s˚a<br />
N = {0, 1, 2, . . . }, Z = {. . . , −2, −1, 0, 1, 2, . . . } <strong>og</strong> generelt S = {a1, a2, . . . },<br />
n˚ar mengden S best˚ar av elementene a1, a2, . . . . I de siste eksemplene tilfredsstiller<br />
elementene ikke noen betingelser.<br />
(1.4) Visualisering. Ofte hjelper det ˚a se en mengde som en sirkelskive. En<br />
undermengde sees da som en mindre sirkelskive inneholdt i den første<br />
S<br />
R<br />
(1.5) Definisjon. Mengden R n = {(a1, a2, . . . , an) t : ai ∈ R for i = 1, 2, . . . , n}<br />
kaller vi det n-dimensjonale Euklidske rommet. Vi skriver ei = (0, . . . , 1, . . . , 0) t for<br />
vektoren som har 1 som i’te koordinat, <strong>og</strong> der alle andre koordinater lik 0.<br />
(1.6) Bemerkning. Vektorene e1, e2, . . . , en har de fundamentale egenskapene<br />
(1) Hver vektor v = (a1, a2, . . . , an) t kan skrives p˚a formen v = a1e1 + a2e2 +<br />
· · · + anen.<br />
(2) Om a1e1 + a2e2 + · · · + anen = 0 s˚a vil 0 = a1 = a2 = · · · = an.<br />
Egenskapene (1) <strong>og</strong> (2) er opplagte ettersom regnereglene for vektorer viser at a1e1 +<br />
a2e2 + · · · + anen bare er en annen m˚ate ˚a skrive (a1, a2, . . . , an) t p˚a, <strong>og</strong> ettersom<br />
sammenligning av koordinatene til høyre <strong>og</strong> venstre i ligningene (0, 0, . . . , 0) t = 0 =<br />
a1e1 + a2e2 + · · · + anen = (a1, a2, . . . , an) t viser at alle ai’ene er 0.
→<br />
→<br />
VEKTORROM 1 45<br />
(1.7) Vektorrom. Vi har sett at det n-dimensjonale Euklidske rommet R n ikke<br />
bare er en mengde, men at elementene <strong>og</strong>s˚a kan adderes. Under addisjon tilfredsstiller<br />
vektorene regnereglene (1), (2), (3) <strong>og</strong> (4) i Proposisjon (2.7) i Kapittel 1. Vi ut-<br />
trykker dette ved ˚a si at vektorene i R n danner en abelsk, eller kommutativ, gruppe<br />
under addisjon. Dette er ikke unikt for R n . Vi kjenner mange abelske grupper. For<br />
eksempel vil addisjon av de hele tallene Z tilfredsstille egenskapene (1), (2), (3) <strong>og</strong><br />
(4). Det samme gjelder for addisjon av de rasjonale tallene Q <strong>og</strong> de reelle tallene R.<br />
Derfor er Z, Q <strong>og</strong> R abelske grupper under addisjon. Ikke bare addisjon gir abelske<br />
grupper. La Q ∗ = Q \ {0} = {r ∈ Q : r = 0} være de ikke null rasjonale tallene. Da<br />
vil multiplikasjonen i Q ∗ tilfresstille egenskapene (1), (2), (3) <strong>og</strong> (4). Derfor er Q ∗<br />
en abelsk gruppe under multiplikasjon.<br />
Generelt har vi:<br />
(1.8) Definisjon. En abelsk eller kommutativ gruppe er en mengde G med en<br />
addisjon +, som til hvert par av elementer g <strong>og</strong> h i G gir et element g + h i G, <strong>og</strong><br />
som tilfredsstiller betingelsene<br />
(1) Det finnes et element 0 i G slik at 0 + g = g + 0 = g for alle elementene g i G.<br />
(2) For hvert element g i G finnes det et element −g i G slik at g + (−g) =<br />
(−g) + g = 0.<br />
(3) For alle tripler av element f, g, h i G har vi at (f + g) + h = f + (g + h).<br />
(4) For alle par av element g <strong>og</strong> h i G har vi at g + h = h + g.<br />
Gruppene er oppkalt etter den norske matematikeren Nils Henrik Abel (1802-<br />
1829). Han er mest kjent for ˚a ha vist at røttene til hvert polynom av femte grad<br />
ikke kan skrives som et rotuttrykk i koeffisientene til polynomet. Dette viste at de<br />
heroiske forsøkene som hadde p˚ag˚att i flere hundre ˚a p˚a ˚a finne løsninger til femtegradsligningen,<br />
p˚a en liknende m˚ate som vi kan bestemme røttene til andre-, tredje<strong>og</strong><br />
fjerdegradspolynom, var dømt til ˚a mislykkes. De abelske gruppene oppsto i<br />
forbindelse med arbeidet med femte grads likningen. Til tross for at Abel døde 27 ˚ar<br />
gammel rakk han ˚a gjøre en fundamental innsats p˚a mange omr˚ader i matematikken,<br />
blandt annet i teorien for elliptiske funksjoner.<br />
(1.9) Terminol<strong>og</strong>i. Egenskap (1) i Definisjon (1.8) kalles eksistens av et nøytralt<br />
element <strong>og</strong> egenskapen (2) eksistens av invers. Videre kaller vi egenskapen (3) assosiativitet<br />
av addisjon, <strong>og</strong> egenskapen (4) kaller vi kommutativitet av addisjon.<br />
(1.10) Merk. Det er viktig ˚a merke at + er en operasjon p˚a mengden G <strong>og</strong> at<br />
vi like gjerne kunne betegnet den med ·, eller ∗, eller ◦ , eller noe annet som passer<br />
for tilfellet. Grunnen til at vi bruker + er historisk. For vilk˚arlige grupper skulle vi<br />
brukt en av de andre symbolene, men for abelske grupper er det tradisjon ˚a bruke +.<br />
(1.11) Merk. Det finnes bare et eneste element 0 i G som har egenskapen (1).<br />
Dette er fordi om det fantes et annet element 0 ′ slik at 0 ′ + g = g + 0 ′ = g s˚a gir<br />
egenskapen (1) for elementene 0 <strong>og</strong> 0 ′ at<br />
0 ′ = 0 ′ + 0 = 0.
→<br />
46 Vektorrom<br />
Videre har vi at det bare finnes et eneste element −g som har egenskapen (2). Dette<br />
er fordi om h var et annet element slik at h + g = g + h = 0 s˚a f˚ar vi ved ˚a bruke<br />
egenskapene (1), (2) <strong>og</strong> (3) for h <strong>og</strong> −g at<br />
h = h + 0 = h + (g + (−g)) = (h + g) + (−g) = 0 + (−g) = 0.<br />
Vi skriver h + (−g) = h − g. Assosiativiteten f + (g + h) = (f + g) + h gjør at vi<br />
kan skrive f + g + h = f + (g + h) = (f + g) + h uten ˚a risikere flertydighet.<br />
(1.12) Eksempler. Det finnes mengder av eksempler p˚a abelske grupper i tillegg<br />
til de vi har sett. De fire vridninger av et kvadrat, som fører kvadratet over i seg<br />
selv, danner en abelsk gruppe med fire elementer.<br />
p2<br />
p3<br />
Om σ er en vridning 90 grader f˚ar vi at gruppen best˚ar av de fire elementene 0, σ,<br />
2σ, 3σ, som representerer vridningene 0 grader, 90 grader, 180 grader <strong>og</strong> 270 grader<br />
respektive. Vi har da 4σ = 0, 5σ = σ, 6σ = 2σ , 7σ = 3σ <strong>og</strong> s˚a videre.<br />
Tilsvarende har vi at alle vridninger av et regulært polygon med n sider, som<br />
fører polygonet over i seg selv, er en abelsk gruppe med n elementer. Elementene er<br />
grader med m = 0, 1, . . . , n − 1.<br />
vridningene m 2π<br />
n<br />
p4<br />
p3<br />
p5<br />
p2<br />
p6<br />
(1.13) Eksempel. Gruppen med bare to elementer {0, 1} spiller en stor rolle ved all<br />
elektronisk kommunikasjon. Den er definert ved at 1 + 1 = 0. De andre addisjonene<br />
er p˚atvungete av egenskapen (1) i Definisjonen (1.8). Vi betegner denne gruppen<br />
med Z2. Ved elektronisk overføring av informasjon blir bokstaver <strong>og</strong> meddelelser<br />
erstattet med strenger av 0’er <strong>og</strong> 1’er. En streng av lengde n kan vi betrakte som en<br />
n-vektor (a1, a2, . . . , an) t der koordinatene ai er elementer i Z2. Vi betegner mengden<br />
av alle n-tupler (a1, a2, . . . , an) med koordinater i Z2 med Z n 2 . Vektorene i Z n 2 kan<br />
σ<br />
σ<br />
p1<br />
p7<br />
p1<br />
p0<br />
p0
→<br />
→<br />
→<br />
→<br />
VEKTORROM 1 47<br />
vi addere komponentvis tilsvarende addisjonen av vektorer i R n . For eksempel vil<br />
(0, 1, 1, 0, 1) t + (1, 1, 1, 0, 1) t = (0 + 1, 1 + 1, 1 + 1, 0 + 0, 1 + 1) t = (1, 0, 0, 0, 0) t . Under<br />
komponentvis addisjon av koordinatene er Z n 2 en abelsk gruppe. Denne gruppen<br />
spiller en stor rolle ved kryptering <strong>og</strong> kodning av meddelelser.<br />
(1.14) Vektorrom. I tillegg til ˚a addere vektorer i det n-dimensjonale Euklidske<br />
rommet R n kan vi multiplisere dem med en skalar. Denne multiplikasjonen til-<br />
fredsstiller betingelsene (1), (2), (3) <strong>og</strong> (4) i Proposisjon (2.10) i Kapittel 1. Dette<br />
gir R n ytterligere struktur. Vi sier at R n er et <strong>vektorrom</strong>. Av eksemplene ovenfor<br />
er det bare i R n <strong>og</strong> R som vi p˚a en naturlig m˚ate kan multiplisere med skalarer<br />
<strong>og</strong> der egenskapene (1), (2), (3) <strong>og</strong> (4) i Proposisjon (2.10) i Kapittel 1 er oppfylt.<br />
Disse to eksemplene er ikke p˚a noen m˚ate unike blandt abelske grupper som <strong>og</strong>s˚a<br />
er <strong>vektorrom</strong>. N˚ar vi kommer til avbildninger skal vi se mange andre naturlige eksempler<br />
p˚a <strong>vektorrom</strong>. Før vi gir den generelle definisjonen av <strong>vektorrom</strong> vil vi gi<br />
noen eksempler som er viktige for oss <strong>og</strong> som motiverer at vi introduserer begrepet<br />
<strong>vektorrom</strong>.<br />
(1.15) Eksempel. La L være mengden av alle vektorer (a1, a2) t i R 2 som tilfredsstiller<br />
ligningen 2a1 − 5a2 = 0. Det vil si linjen<br />
L = {(a1, a2) t ∈ R 2 : 2a1 − 5a2 = 0}.<br />
Summen av to vektorer i L gir en vektor i L fordi om (b1, b2) t er en annen vektor<br />
i L s˚a vil (a1, a2) t + (b1, b2) t = (a1 + b1, a2 + b2) t <strong>og</strong> 2(a1 + b1) − 5(a2 + b2) =<br />
2a1 − 5a2 + 2b1 − 5b2 = 0.<br />
x2<br />
2<br />
1<br />
(5, 2) t<br />
2x1 − 5x2 = 0<br />
0 1 2 3 4 5 x1<br />
Vi vil vise at vektorene i L danner en abelsk gruppe under addisjon. For ˚a se dette<br />
observerer vi at egenskapene (3) <strong>og</strong> (4) i Definisjon (1.8) holder for alle vektorene i<br />
R 2 <strong>og</strong> derfor spesielt for vektorene i L. For ˚a vise at L er en abelsk gruppe rekker<br />
det derfor ˚a vise at egenskapene (1) <strong>og</strong> (2) holder, det vil si at 0 = (0, 0) t er i L <strong>og</strong> at<br />
− (a1, a2) t = (−a1, −a2) t er i L om (a1, a2) t . Men dette følger av at 2 · 0 − 5 · 0 = 0<br />
<strong>og</strong> av at 2(−a1) − 5(−a2) = −(2a1 − 5a2) = 0.<br />
Vi har at L ikke bare er en abelsk gruppe. Multipliserer vi en vektor i L med et<br />
tall f˚ar vi en ny vektor i L. Dette er fordi om (a1, a2) t er i L, det vil si 2a1 − 5a2 = 0<br />
<strong>og</strong> a er et tall, s˚a vil a (a1, a2) t = (aa1, aa2) t <strong>og</strong> 2aa1 − 5aa2 = a(2a1 − 5a2) = 0.<br />
Addisjon <strong>og</strong> skalarmultiplikasjon har egenskapene (1), (2), (3) <strong>og</strong> (4) i Proposisjon<br />
(2.10) i Kapittel 1. Dette er fordi alle vektorer i R2 tilfredsstiller disse egenskapene,<br />
<strong>og</strong> da vil spesielt de i L gjøre det.
→<br />
→<br />
48 Vektorrom<br />
Merk at L best˚ar av alle vektorene p˚a formen t (5, 2) t . Dette er fordi vi p˚a den<br />
ene siden har at 2(5t) − 5(2t) = 0, <strong>og</strong> p˚a den andre siden har at om 2a1 − 5a2 = 0 s˚a<br />
vil a1 = 5<br />
2a2 <strong>og</strong> derfor (a1, a2) t = 5<br />
2a2, t 1<br />
a2 = 2a2 (5, 2) t , s˚a vi har t = 1<br />
2a2. (1.16) Eksempel. La H være mengden av alle vektorer (a1, a2, a3) t i R 3 som<br />
tilfredsstiller ligningen a1 + 2a2 − 2a3 = 0. Det vil si planet<br />
H = {(a1, a2, a3) t ∈ R 3 : a1 + 2a2 − 2a3 = 0}.<br />
Summen av to vektorer i H gir en vektor i H fordi om (b1, b2, b3) t er en annen vektor<br />
i H s˚a vil (a1, a2, a3) t + (b1, b2, b3) t = (a1 + b1, a2 + b2, a3 + b3) t <strong>og</strong> (a1 + b1) + 2(a2 +<br />
b2) − 2(a3 + b3) = a1 + 2a2 − 2a3 + b1 + 2b2 − 2b3 = 0. Vektorene i H danner en<br />
abelsk gruppe under addisjon. For ˚a se dette observerer vi at egenskapene (3) <strong>og</strong> (4)<br />
i Definisjon (1.8) holder for alle vektorene i R 3 <strong>og</strong> derfor spesielt for vektorene i H.<br />
For ˚a vise at H er en abelsk gruppe rekker det derfor ˚a vise at egenskapene (1) <strong>og</strong><br />
(2) holder, det vil si at 0 = (0, 0, 0) t er i H <strong>og</strong> at − (a1, a2, a3) t = (−a1, −a2, −a3) t<br />
er i H om (a1, a2, a3) t er i H. Men dette følger av at 1 · 0 + 2 · 0 − 2 · 0 = 0 <strong>og</strong> av at<br />
(−a1) + 2(−a2) − 2(−a3) = −(a1 + 2a2 − 2a3) = 0.<br />
Vi har at H ikke bare er en abelsk gruppe. Multipliserer vi en vektor i H med<br />
et tall f˚ar vi en ny vektor i H. Dette er fordi om (a1, a2, a3) t er i H, det vil si<br />
a1 + 2a2 − 2a3 = 0 <strong>og</strong> a er et tall, s˚a vil a (a1, a2, a3) t = (aa1, aa2, aa3) t <strong>og</strong> aa1 +<br />
2aa2−2aa3 = a(a1+2a2−2a3) = 0. Addisjon <strong>og</strong> skalarmultiplikasjon har egenskapene<br />
(1), (2), (3) <strong>og</strong> (4) i Proposisjon (2.10) i Kapittel 1. Dette er fordi alle vektorer i R3 tilfresstiller disse egenskapene, <strong>og</strong> da vil spesielt de i L gjøre det.<br />
x2<br />
2<br />
1<br />
x3<br />
2<br />
1<br />
x1 + 2x2 − 2x3 = 0<br />
0 1 2 3 4<br />
Merk at vi kan skrive alle vektorene i H p˚a formen s (2, 0, 1) t + t (0, 1, 1) t =<br />
(2s, t, s + t) t . Dette er fordi vi p˚a den ene siden har at 2s + 2t − 2(s + t) = 0,<br />
<strong>og</strong> p˚a den andre siden har at om a1 + 2a2 − 2a3 = 0 s˚a vil a1 = −2a2 + 2a3 <strong>og</strong><br />
derfor (a1, a2, a3) t = (−2a2 + 2a3, a2, a3) t = (−a2 + a3) (2, 0, 1) t + a2 (0, 1, 1) t , s˚a vi<br />
har s = −a2 + a3 <strong>og</strong> t = a2.<br />
(1.17) Eksempel. La L være mengden av vektorer (a1, a2, a3) t i R 3 som tilfredsstiller<br />
ligningene a1 + 2a2 − 2a3 = 0 <strong>og</strong> a1 − 2a2 = 0, det vil si linjen<br />
L = {(a1, a2, a3) t ∈ R 3 : a1 + 2a2 − 2a3 = 0 = a1 − 2a2}.<br />
x1
→<br />
→<br />
→<br />
→<br />
→<br />
VEKTORROM 1 49<br />
Igjen har vi at produktet av en vektor i L <strong>og</strong> en skalar gir en vektor i L, <strong>og</strong> at summen<br />
av to vektorer i L gir en vektor i L. Dette ser vi ved ˚a bruke argumentet i Eksempel<br />
(1.16) p˚a hver av ligningene som definerer L. P˚a samme m˚ate gir argumentet i<br />
Eksempelet brukt p˚a hver av ligningene at L er en abelsk gruppe.<br />
x<br />
z<br />
Igjen ser vi at skalarmultiplikasjon <strong>og</strong> addisjon tilfredsstiller egenskapene (1), (2),<br />
(3) <strong>og</strong> (4) i Proposisjon (2.10) i Kapittel 1. Det vil si at L <strong>og</strong>s˚a er et <strong>vektorrom</strong>.<br />
Merk at alle vektorene i L kan skrives p˚a formen t (2, 1, 2) t . Dette er fordi vi<br />
s˚a i Eksempel (1.16) at de vektorene (a1, a2, a3) t som tilfredsstiller ligningen a1 +<br />
2a2 − a3 = 0 er vektorene p˚a formen s (2, 0, 1) t + t (0, 1, 1) t = (2s, t, s + t) t . For<br />
at vektoren <strong>og</strong>s˚a skal tilfredsstille ligningen a1 − 2a2 = 0 m˚a vi ha at 2s − 2t = 0,<br />
s˚a t = s. Det følger at vektorene som tilfredsstiller begge ligningene er p˚a formen<br />
t (2, 0, 1) t + t (0, 1, 1) t = t (2, 1, 2) t .<br />
Generelt har vi:<br />
(1.18) Definisjon. Et <strong>vektorrom</strong> er en abelsk gruppe V der vi kan multiplisere<br />
hvert element med tall slik at vi har<br />
(1) For alle tall a <strong>og</strong> alle par av elementer v <strong>og</strong> w i V vil a(v + w) = av + aw.<br />
(2) For alle par av tall a <strong>og</strong> b <strong>og</strong> alle elementer v i V vil (a + b)v = av + bv.<br />
(3) For alle par av tall a <strong>og</strong> b, <strong>og</strong> elementer v i V vil a(bv) = (ab)v.<br />
(4) For alle elementer v i V vil 1v = v.<br />
Elementene i <strong>vektorrom</strong>met V kalles vektorer.<br />
(1.19) Terminol<strong>og</strong>i. Egenskapen (1) i Definisjon (1.18) kalles distributivitet av<br />
skalar multiplikasjon med addisjon av vektorer, <strong>og</strong> (2) for distributivitet av addisjon av<br />
skalarer med hensyn p˚a vektorprodukt. Videre kalles (3), som tidligere, assosiativitet<br />
av skalarmultiplikasjon med vektorer.<br />
(1.20) Merk. Av egenskapene (1), (2), (3) <strong>og</strong> (4) i Definisjon (1.18) følger mange<br />
andre brukbare egenskaper. For eksempel har vi at 0v = 0 for alle vektorer v. Dette<br />
er fordi 0v = (0 + 0)v = 0v + 0v, s˚a 0v = 0v − 0v = 0. Vær oppmerksom p˚a at vi<br />
her, som mange andre steder, bruker 0 i flere ulike betydninger uten at det skaper<br />
y
→<br />
→<br />
→<br />
→<br />
→<br />
→<br />
→<br />
→<br />
→<br />
50 Vektorrom<br />
forvirring. Det er klart av sammenhengen at i likheten 0v = 0 er 0’en til venstre null<br />
i de reelle tallene, <strong>og</strong> 0’en til høyre nullen i <strong>vektorrom</strong>met V .<br />
Likheten a(bv) = (ab)v gjør at vi uten flertydighet kan skrive abv = a(bv) = (ab)v.<br />
(1.21) Definisjon. Et underrom W av et <strong>vektorrom</strong> V er en undermengde av V<br />
slik at<br />
(1) For alle par av elementer v <strong>og</strong> w i W summen v + w i V ligge i W .<br />
(2) For alle vektorer w i W <strong>og</strong> for alle tall a vil produktet av i V være i W .<br />
(1.22) Bemerkning. Et underrom W av et <strong>vektorrom</strong> V er selv et <strong>vektorrom</strong>.<br />
Ettersom egenskapene (1)–(4) i Definisjon (1.16) <strong>og</strong> i Definisjon (1.6) holder for alle<br />
vektorene i V holder de automatisk for alle vektorene i W . Derfor behøver vi bare<br />
verifisere egenskapene (1) <strong>og</strong> (2) i Definisjon (1.21). Det er denne observasjonen vi<br />
brukte i Eksemplene (1.15)–(1.17) ettersom <strong>vektorrom</strong>ene L <strong>og</strong> H er underrrom av<br />
R 2 <strong>og</strong> R 3 .<br />
(1.23) Vektorrom/Euklidske rom. Vi s˚a i (1.14) at de Euklidske rommene Rn er <strong>vektorrom</strong>. P˚a mange m˚ater er disse rommene fundamentale. Det som skiller<br />
de Euklidske rommene fra <strong>vektorrom</strong>mene i Eksemplene (1.13), (1.16) <strong>og</strong> (1.17) er<br />
at det i R n finnes de spesielle vektorene e1, e2, . . . , en der ei = (0, . . . , 1, . . . , 0) t har<br />
alle koordinater, bortsett fra den i’te, lik null. Hver vektor v i R n kan skrives p˚a<br />
formen v = a1, e1 + a2, e2 + · · · + anen <strong>og</strong> om a1e1 + a2e2 + · · · + anen = 0 s˚a er<br />
a1 = a2 = · · · = an = 0 (se (?)). Dette medfører blandt annet at fremstillingen<br />
v = a1, e1 + a2, e2 + · · · + anen er entydig, for om vi har v = b1e1 + b2e2 + · · · + bnen<br />
f˚ar vi at ai = bi for alle i.<br />
Vi s˚a i Eksempel (1.16) at det i <strong>vektorrom</strong>met H av alle vektorer (a1, a2, a3) t ,<br />
som ligger p˚a linjen x1 + 2x2 − x3 = 0 finnes to vektorer (2, 0, 1) t <strong>og</strong> (0, 1, 1) t slik<br />
at alle vektorene v i H kan skrives p˚a formen a (2, 0, 1) t + b (0, 1, 1) t <strong>og</strong> slik at om<br />
a (2, 0, 1) t + b (0, 1, 1) t = 0 s˚a er a = b = 0. Det som skiller H fra R 2 er at det ikke<br />
finnes noe par av vektorer som har disse egenskapene <strong>og</strong> som utmerker seg fremfor<br />
alle andre slike. For eksempel har alle par (2c, 0, c) t <strong>og</strong> (0, 1, 1) t , for alle ikke null tall<br />
c, samme egenskaper. Vi kan begrense utvalget av par ved ˚a forlange at lengden er lik<br />
med 1, slik at vi f˚a par 1<br />
√5c (2c, 0, c) t <strong>og</strong> 1<br />
2 (0, 1, 1)t . Men selv slike par er det uendelig<br />
mange av. Prøver vi ˚a restrisere ytterligere ved ˚a forlange at de to vektorene st˚ar<br />
normalt p˚a hverandre <strong>og</strong> har lengde en, med andre ord at de er orthonormale, s˚a finnes<br />
det fremdeles uendelig mange valg, for eksempel<br />
(−2 − 4c, 5 + c, 4 − c)t<br />
<strong>og</strong><br />
1<br />
√ 5+2c+2c 2 (2, c, 1 + c)t .<br />
1<br />
√ 45+18c+18c 2<br />
Samme type problem oppst˚ar i <strong>vektorrom</strong>mene L i Eksemplene (1.13) <strong>og</strong> (1.17).<br />
For eksempel har vi i Eksempel (1.17) en vektor (2, 1, 2) t som ligger p˚a linjen L som<br />
er skjæringen av planenen x1 + 2x2 − 2x3 = 0 <strong>og</strong> x1 − 2x2 = 0 <strong>og</strong> som er slik at alle<br />
vektorer v i L kan skrives v = a (2, 1, 2) t <strong>og</strong> a (2, 1, 1) t = 0 medfører at a = 0. Igjen<br />
finnes det uendelig mange vektorer som har samme egenskaper, nemlig vektorene<br />
(2c, c, c) t for alle ikke null tall c. Igjen kan vi begrense antallet ved ˚a forlange at
→<br />
VEKTORROM 1 51<br />
lengden er 1. Vi f˚ar da to vektorer 1 √ 5 (2, 1, 2) t <strong>og</strong> − 1 √ 5 (2, 1, 2) t . Nu st˚ar vi ovenfor<br />
problemet ˚a velge en retning i rommet. Vi ser at det er en betydelig forskjell p˚a<br />
<strong>vektorrom</strong>met L <strong>og</strong> p˚a R 1 . I R 1 finnes det en naturlig gitt vektor (1) t , mens det<br />
ikke finnes noe slikt naturlig valg i L.<br />
(1.24) Paritetsproblemet. Vi s˚a i Seksjon (1.21) at et <strong>vektorrom</strong> skiller seg fra<br />
det Euklidske rommet ved at det ikke finnes en naturlig oppsetning av vektorer<br />
f1, f2, · · · , fn slik at alle vektorer kan skrives som en sum a1f1 + a2f2 + · · · + anfn <strong>og</strong><br />
a1f1 + a2f2 + · · · + anfn = 0 medfører at alle ai’ene er null. I tilfellet med n = 1 s˚a vi<br />
at problemet var at vi ikke kan finne noen naturlig retning i rommet. Dette henger<br />
sammen med det viktige paritetsproblemet i fysikken. Gir vi to vektorer v <strong>og</strong> w i<br />
et <strong>vektorrom</strong> kan vi spørre om de har noen orientering i forhold til hverandre. For<br />
eksempel kan vi spørre om den ene ligger til høyre eller venstre for den andre, eller<br />
om den ene ligger medurs, eller medsols, i forhold til den andre. For to observatører<br />
som st˚ar p˚a samme sted <strong>og</strong> betrakter samme vektorer samtidig har dette mening.<br />
<strong>Matematik</strong>k m˚a man imidlertid kunne kommunisere til alle, overalt, <strong>og</strong> til enhver<br />
tid. Spørsm˚alene blir derfor meningsløse for personer som ikke har noen klokke, eller<br />
er p˚a en klode der klokkene g˚ar i motsatt retning. Bare ˚a vende papiret s˚a nord blir<br />
syd, skaper forvirring, <strong>og</strong> er vi i et annet solsystem betyr medsols noe helt annet enn<br />
p˚a jorden. Det finnes rett <strong>og</strong> slett ingen universell orientering av <strong>vektorrom</strong>. Dette<br />
betyr ikke at det ikke g˚ar an ˚a formulere begrepet orientering matematisk, men at vi<br />
i hvert enkelt tilfelle m˚a velge en orientering for <strong>vektorrom</strong>et, eller det matematiske<br />
systemet, vi behandler. N˚ar dette en gang er valgt kan to matematikere snakke<br />
fornuftig med hverandre. Det er ikke noe bekymmer at om de engang skulle møtes<br />
p˚a samme sted <strong>og</strong> legge sine tegninger ved siden av hverandre s˚a skulle deres sirkler,<br />
med femti prosents sannsynlighet, snurre i motsatt retning.<br />
(1.25) Opgaver.<br />
1. La H = {(a1, a2) t ∈ R 2 : a1 − 2a2 = 0}.<br />
(1) Vis at H er et <strong>vektorrom</strong> under skalarmultiplikasjon <strong>og</strong> addisjon av vektorer.<br />
(2) Vis at H best˚ar av de vektorene som ligger p˚a linjen som best˚ar av punktene<br />
t (2, 1) t .<br />
2. La H = {(a1, a2, a3) t ∈ R 3 : a1 − 5a2 + 2a3 = 0}.<br />
(1) Vis at H er et <strong>vektorrom</strong> under skalarmultiplikasjon <strong>og</strong> addisjon av vektorer.<br />
(2) Vis at H best˚ar av de vektorene som ligger i planet som best˚ar av punktene<br />
s (5, 1, 0) t + t (0, 2, 5) t .<br />
3. La H = {(a1, a2, a3) t ∈ R 3 : a1 − 5a2 + 2a3 = 0 = a1 − 2a2 + 5a3}.<br />
(1) Vis at H er et <strong>vektorrom</strong> under skalarmultiplikasjon <strong>og</strong> addisjon av vektorer.<br />
(2) Vi at H best˚ar av de vektorene som ligger p˚a linjen som best˚ar av punktene<br />
t (7, 1, −1) t .<br />
4. Vis at det finnes uendelig mange vektorer f i <strong>vektorrom</strong>et L slik at hver vektor
→<br />
→<br />
→<br />
52 Vektorrom<br />
v i H kan skrives p˚a formen v = af <strong>og</strong> om af = 0 s˚a er a = 0.<br />
(1) N˚ar L er <strong>vektorrom</strong>et i Eksempel (1.13).<br />
(2) N˚ar L er <strong>vektorrom</strong>et i Eksempel (1.15).<br />
(3) N˚ar L er <strong>vektorrom</strong>et i Oppgave (1).<br />
(4) Finn i alle tre oppgavene de vektorene av lengde 1 som ligger i <strong>vektorrom</strong>met<br />
L.<br />
5. Vis at det finnes uendelig mange samlinger av to vektorer f1, f2 i <strong>vektorrom</strong>et H<br />
slik at hver vektor v i H kan skrives p˚a formen v = a1f1 +a2f2 <strong>og</strong> om a1f1 +a2f2 = 0<br />
s˚a er a1 = a2 = 0.<br />
(1) N˚ar H er <strong>vektorrom</strong>et i Eksempel (1.14).<br />
(2) N˚ar H er <strong>vektorrom</strong>et i Oppgave (2).<br />
6. La Mm,n være mengden av alle m × n-matriser.<br />
Vis at Mm,n er et <strong>vektorrom</strong> under skalarmultiplikasjon <strong>og</strong> addisjon av matriser.<br />
7. La h1, h2, . . . , hn være tall som ikke alle er null <strong>og</strong> la<br />
H = {(a1, a2, . . . , an) t ∈ R n : h1a1 + h2a2 + · · · + hnan = 0}.<br />
Vi kaller H et hyperplan i R n .<br />
(1) Vis at H er et <strong>vektorrom</strong> under skalarmultiplikasjon <strong>og</strong> addisjon av vektorer.<br />
(2) Vis at W er et <strong>vektorrom</strong>.<br />
(3) Forklar hvorfor du bare behøver ˚a vise at summen av to vektorer i H ligger i<br />
H <strong>og</strong> at produktet av en vektor i H med en skalar ligger i H.<br />
8. La V være et <strong>vektorrom</strong> <strong>og</strong> la v1, v2, . . . , vn være vektorer i V . Videre la W være<br />
undermengden av V som best˚ar av alle summer a1v1 + a2v2 + · · · + anvn, det vil si<br />
W = {a1v1 + a2v2 + · · · + anvn : ai ∈ R for i = 1, 2, . . . , n}.<br />
Vis at W er et <strong>vektorrom</strong>. Forklar hvorfor du bare behøver ˚a vise at summen av<br />
to vektorer i W er i W <strong>og</strong> at produktet av en vektor i W med en skalar ligger i W .<br />
9. Vis at N ikke er en abelsk gruppe under addisjon.<br />
10. La S = {Z, Q, R} best˚a av de hele tallen, de rasjonale tallene, <strong>og</strong> de reelle<br />
tallene. Videre, la S ∗ = {Z ∗ , Q ∗ , R ∗ }, best˚a av de hele tallene, de rasjonale tallene<br />
<strong>og</strong> de reelle tallene der vi har tatt bort tallet 0.<br />
(1) Hvilke av mengdene i S er en gruppe under addisjon?<br />
(2) Hvilke av mengdene i S er en gruppe under multiplikasjon?<br />
(3) Hvilke av mengdene i S ∗ er en gruppe under addisjon?<br />
(4) Hvilke av mengdene i S ∗ er en gruppe under multiplikasjon?<br />
11. La mengden G = {0, 1, 2} best˚a av elementene 0, 1, 2. Definer addisjon av to<br />
elementer ved addisjonstabellen<br />
+ 0 1 2<br />
0 0 1 2<br />
1 1 2 0<br />
2 2 0 1
→<br />
→<br />
→<br />
VEKTORROM 1 53<br />
det vil si at summen av elementet til venstre for rad i <strong>og</strong> elementet som st˚ar over<br />
søyle j er den (i, j)’te koordinaten i tabellen.<br />
Vis at G er en abelsk gruppe.<br />
12. La G = {0, 1, . . . , n − 1}.<br />
Generaliser tabellen i Oppgave (3) slik at du f˚ar en abelsk gruppe med n elementer.<br />
13. La<br />
σi =<br />
<br />
0 1<br />
<br />
... n−i−1 n−i n−i+1 ... n−1<br />
i i+1 ... n−1 0 1 ... i−1<br />
være permutasjonen av tallene 0, 1, . . . , n−1 som sender j til i+j for j = 0, 1, . . . , n−<br />
i − 1 <strong>og</strong> j til j − n + i for j = n − i, n − i + 1, . . . , n − 1.<br />
(1) Vis at mengden Gn = {σ0, σ1, . . . , σn−1} danner en abelsk gruppe med nelementer<br />
n˚ar addisjonen er sammensetning av permutasjoner.<br />
(2) Vis at σ n 1 = σ0.<br />
(3) Sammenlikn gruppen G3 med gruppen i oppgave (3).<br />
(4) Sammenlikn gruppen Gn med gruppen i oppgave (4).<br />
Hint. Vis at σn = (σ1) n der (σ1) n = σ1σ1 · · · σ1 er σ1 sammensatt med seg selv n<br />
ganger.<br />
14. La F(N) være mengden av alle sekvenser (a0, a1, a2, . . . , an, . . . ) som best˚ar<br />
av tall a0, a1, a2, . . . . Vi definerer addisjon av to sekvenser v = (a0, a1, . . . ) <strong>og</strong> w =<br />
(b0, b1, . . . ) ved<br />
v + w = (a0 + b0, a1 + b1, . . . ),<br />
<strong>og</strong> multiplikasjon av et tall a med sekvensen v ved<br />
av = (aa0, aa1, . . . ).<br />
Vi skal si at en sekvens konvergerer mot null om an blir tilstrekkelig liten n˚ar n<br />
blir stor, med andre ord, hver gang vi gir et positivt tall ε s˚a finnes det et positivt<br />
tall N slik at n˚ar n ≥ N s˚a vil |an| < ε. La Fk(N) være undermengden av F(N)<br />
som best˚ar av sekvenser som konvergerer mot null.<br />
Vi sier at en sekvens (a0, a1, . . . ) er begrenset om det finnes et tall K slik at<br />
|an| < K for alle n. La Fb(N) være undermendgen av F(N) som best˚ar av alle<br />
begrensete sekvenser.<br />
La Fn(N) være undermengden av alle sekvenser som nesten bare har koordinater<br />
0, det vil si sekvenser v = (a0, a1, . . . ) som har den egenskapen at det finnes et Nv,<br />
avhengig av v, slik at an = 0 n˚ar n > N.<br />
Vi sier at en sekvens v = (a0, a1, . . . ) har begrenset sum det finnes et tall Nv slik<br />
at |a0 + a1 + · · · + an| < Nv for alle n. La Fbs(V) være alle seksvenser med begrenset<br />
sum.<br />
For i = 0, 1, 2, . . . lar vi ei = (0, . . . , 0, 1, 0, . . . ) være sekvensen med 1 som i’te<br />
koordinaten <strong>og</strong> alle andre koordinatene lik 0.<br />
(1) Vi at F(N) er et <strong>vektorrom</strong> med den addisjonen <strong>og</strong> multiplikasjonen vi har<br />
gitt ovenfor.
54 Vektorrom<br />
(2) Vis at Fk(N) er et underrom av F(N).<br />
(3) Vis at Fn(N) er et underrom av F(N).<br />
(4) Vis at Fn(N) er et underrom av Fk(N).<br />
(5) Vis at Fn(N) er et underrom av Fb(N).<br />
(6) Vis at Fbs(N) er et underrom av F(N).<br />
(7) Vis at om a0e0 + a1e1 + · · · + anen = 0 s˚a er a0 = a1 = · · · = an = 0.<br />
(8) Vi at ikke alle vektorene v i noen av rommene F(N), Fk(N), Fb(N), Fn(N)<br />
kan skrives p˚a formen v = a0e0 + a1e1 + · · · + anen for noen n uavhengig av<br />
v.<br />
(9) Vis at det ikke finnes vektorer f1, f2, . . . , fn i Fn(N) slik at alle vektorer v<br />
kan skrives p˚a formen v = a1f1 + a2f2 + · · · + anfn.
→<br />
VEKTORROM 2 55<br />
2. Avbildninger.<br />
(2.1) Avbildninger. Avbildninger tilhører de viktigste begrepene i matematikken.<br />
De opptrer i alle deler av matematikken <strong>og</strong> dens anvendelser. Vi bruker <strong>og</strong>s˚a avbildninger<br />
hver dag uten ˚a være klar over det. Personnummer er for eksempel en<br />
avbildning fra tall til personer, <strong>og</strong> adresser er en avbildning fra hus til gatenavn <strong>og</strong><br />
nummer. Her skal vi for det meste behandle avbildninger som oppst˚ar i forbindelse<br />
med matriser.<br />
I Seksjon (5) i Kapittel 1 s˚a vi hvordan 2 × 2-matriser<br />
<br />
avbilder planet til seg selv.<br />
Et slikt eksempel f˚ar vi av 2 × 2-matrisen A = som gir avbildning fra det<br />
2 −1<br />
3 4<br />
2-dimensjonale Euklidske rommet til seg selv. Den sender en 2-vektor v = (a1, a2) t<br />
til 2-vektoren<br />
Av =<br />
<br />
2 −1 a1 2a1−a2<br />
= .<br />
3 4 a2 3a1+4a2<br />
P˚a tilsvarende m˚ate gir 2 × 3-matrisen A =<br />
2 3 −1<br />
5 7 1<br />
<br />
en avbildning fra det 3-<br />
dimensjonale Euklidske rommet til det 2-dimensjonale Euklidske rommet ved ˚a sende<br />
3-vektoren v = (a1, a2, a3) t til 2-vektoren<br />
Av =<br />
Mer generelt gir 2 × 2-matrisen A =<br />
sender en 2-vektor v = (a1, a2) t til<br />
TA(v) = Av =<br />
Videre gir 2 × 3-matrisen A =<br />
sender 3-vektoren v = (a1, a2, a3) t til<br />
TA(v) = Av =<br />
a1 <br />
2 3 −1<br />
2a1+3a2−a3<br />
a2 =<br />
.<br />
5 7 1<br />
5a1+7a2+a3<br />
a3<br />
a11 a12<br />
a11 a12<br />
a21 a22<br />
a21 a22<br />
a11 a12 a13<br />
a21 a22 a23<br />
a11 a12 a13<br />
a21 a22 a23<br />
<br />
en avbildning TA fra R 2 til R 2 som<br />
<br />
a1 a11a1+a12a2<br />
=<br />
a2<br />
<br />
a21a1+a22a2<br />
<br />
.<br />
en avbildning TA fra R 3 til R 2 som<br />
a1 <br />
a11a1+a12a2+a13a3<br />
a2 =<br />
a3<br />
a21a1+a22a2+a23a3<br />
Generelt har vi at en m × n-matrise A = (aij)m,n gir en avbildning TA fra R n til<br />
R m som sender n-vektoren v = (a1, a2, . . . , an) t til m-vektoren<br />
Vi skriver dette som<br />
<br />
n<br />
TA(v) = Av =<br />
j=1<br />
aijaj<br />
TA : R n → R m .<br />
t .<br />
m<br />
<br />
.
56 Vektorrom<br />
Det er naturlig ˚a definere avbildninger mellom generelle mengder. P˚a den ene<br />
siden blir definisjonen brukbar i en mengde situasjoner, <strong>og</strong> p˚a den andre siden blir<br />
definisjonen gjennomsiktig.<br />
Generelt er en avbildning T fra en mengde R til en mengde S en regel som til hvert<br />
element r i R gir et element T (r) i S. Vi skriver dette som<br />
<strong>og</strong> iblandt som<br />
T : R → S<br />
R T −→ S.<br />
(2.2) Visualisering. Det er ofte praktisk ˚a se en avbildning T : R → S fra en<br />
mengde R til en mengde S som en pil mellom sirkelskiver<br />
R<br />
T<br />
S<br />
T (R)<br />
(2.3) Eksempler. Ovenfor s˚a vi hvordan en m×n-matrise A definerer en avbildning<br />
TA : R n → R m . Eksempler, av en annen karakter, er kjent fra analysen. For<br />
eksempel vil kvadrering definere en avbildning<br />
f : R → R<br />
som sender et tall a til f(a) = a 2 . Vi skriver f(x) = x 2 for denne avbildningen. Mer<br />
generelt har vi at polynomet p(x) = anx n + an−1x n−1 + · · · + a0 gir en avbildning<br />
p : R → R<br />
som sender tallet a til tallet p(a) = ana n + an−1a n−1 + · · · + a0. Kvadratroten gir en<br />
avbildning<br />
f : { r ∈ R : r ≥ 0} → R<br />
fra de ikke negative tallene til R som sender et tall a til f(a) = √ a. Denne avbildningen<br />
skriver vi f(x) = √ x.<br />
En avbildning T : R n → R kaller vi oftest en funksjon. De som har lest analyse<br />
har støtt p˚a mange andre viktige eksempler p˚a funksjoner, som sinus, cosinus, eksponensialfunksjonen,<br />
<strong>og</strong> klasser av funksjoner som kontinuerlige <strong>og</strong> differensierbare<br />
funksjoner.
VEKTORROM 2 57<br />
(2.4) Terminol<strong>og</strong>i. Ettersom avbildninger er s˚a sentrale b˚ade for matematikken<br />
<strong>og</strong> dens anvendelser forekommer det mye terminol<strong>og</strong>i i forbindelse med dem. Vi<br />
skal introdusere de viktigste begrepene nedenfor. Først ser vi p˚a to eksempler. La<br />
A = <strong>og</strong> la<br />
1 1 2<br />
−1 1 0<br />
TA : R 3 → R 2<br />
være avbildningen som sender 3-vektoren v = (a1, a2, a3) t til 2-vektoren TA(v) =<br />
Av = (a1 + a2 + 2a3, −a1 + a2) t . Avbildningen TA er definert p˚a alle 3-vektorer, <strong>og</strong><br />
sender dem til 2-vektorer. Vi sier at domenen, eller definisjonsomr˚adet, til TA er R 3<br />
<strong>og</strong> at m˚almengden, eller ko-domenen er R 2 .<br />
Vektoren<br />
TA(v) = A (a1, a2, a3) t = (a1 + a2 + 2a3, −a1 + a2) t<br />
kalles for bildet av v ved TA. Vi har i dette tilfellet at alle vektorene i R 2 er bildet<br />
av en vektor R 3 ved TA fordi<br />
<br />
a − 3b<br />
A ,<br />
4<br />
a + b<br />
a + b<br />
,<br />
4 4<br />
t<br />
<br />
a − 3b<br />
=<br />
4<br />
+ a + b<br />
4<br />
t + b − 3b a + b<br />
+ 2a , −a + = (a, b)<br />
4 4 4<br />
t .<br />
Dette uttrykker vi ved ˚a si at R2 er bildet av TA <strong>og</strong> at TA er surjektiv.<br />
1 1 <br />
Videre la B = −1 1 <strong>og</strong> la<br />
0 0<br />
TB : R 2 → R 3<br />
være avbildningen som sender 2-vektoren w = (a1, a2) t til 3-vektoren TB(w) =<br />
(a1 + a2, −a1 + a2, 0) t . Avbildningen TB er definert p˚a alle 2-vektorer <strong>og</strong> sender<br />
dem til 3-vektorer. Derfor er R 2 domenen, eller definisjonsomr˚adet, til TB, <strong>og</strong><br />
m˚almengden, eller ko-domenen, er R 3 .<br />
Vektoren<br />
TB(w) = B (a1, a2) t = (a1 + a2, −a1 + a2, 0) t<br />
er bildet av w = (a1, a2) t ved TB. Bildet av B best˚ar av alle vektorer i R 3 p˚a formen<br />
(a, b, 0) t . Dette er fordi vi p˚a den ene siden har at<br />
<br />
a1<br />
B = (a1 + a2, −a1 + a2, 0) a2<br />
t<br />
<strong>og</strong> p˚a den andre siden har vi for hver vektor (a, b, 0) t i R 3 at<br />
B<br />
<br />
a−b a − b<br />
2<br />
a+b =<br />
2 2<br />
a + b − b<br />
+ , −a<br />
2 2<br />
t a + b<br />
+ , 0 = (a, b, 0)<br />
2 t .
→<br />
58 Vektorrom<br />
Med notasjonen vi innførte i Seksjon (1.3) kan vi skrive bildet av TB som<br />
TB(R 2 ) = {(a, b, 0) t : a ∈ R, b ∈ R}.<br />
Avbildningen TB har den spesielle egenskapen at om v = (a1, a2) t <strong>og</strong> w = (b1, b2) t<br />
er ulike vektorer s˚a er <strong>og</strong>s˚a TB(v) <strong>og</strong> TB(w) ulike vektorer. Dette er fordi likheten<br />
B (a1, a2) t = B (b1, b2) t betyr at de to likningene a1 +a2 = b1 +b2 <strong>og</strong> a1 −a2 = b1 −b2<br />
holder. Adderer vi likningene f˚ar vi at a1 + a2 + a1 − a2 = b1 + b2 + b1 − b2 som gir at<br />
2a1 = 2b1. Subtraherer vi likningene f˚ar vi at a1 + a2 − (a1 − a2) = b1 + b2 − (b1 − b2)<br />
som gir at 2a2 = 2b2. Derfor f˚ar vi at om B (a1, a2) t = B (b1, b2) t s˚a vil (a1, a2) t =<br />
(b1, b2) t . Vi har vist at om v <strong>og</strong> w er ulike s˚a er bildene TB(v) <strong>og</strong> TB(w) ulike, <strong>og</strong> vi<br />
sier at avbildningen TB er injektiv.<br />
Merk at TA ikke er injektiv fordi A (0, 0, 0) t = A (1, 1, −1) t s˚a de to vektorene<br />
v = (0, 0, 0) t <strong>og</strong> w = (1, 1, 1) t har samme bilde TA(v) = TA(w)<br />
Generelt sier vi at en avbildning T : R → S fra en mengde R til en mengde S har<br />
R som domene, eller definisjonsmengde, <strong>og</strong> S som m˚almengde, eller ko-domene. For<br />
hvert element r i R kaller vi elementet T (r) i S for bildet av r, <strong>og</strong> mengden av alle<br />
bilder kaller vi bildet av R ved T . Det vil si, bildet er { T (r) : r ∈ R}. Vi betegner<br />
bildet av R ved T med T (R), det vil si T (R) = {T (r) : r ∈ R}.<br />
En avbildning T er surjektiv om bildet av T er S, det vil si at S = T (R). Med<br />
andre ord er T surjektiv om det for hvert element s i S finnes et element r i R slik at<br />
s = T (r). Avbildningen T er injektiv om to ulike elementer i R alltid avbildes p˚a to<br />
ulike elementer i S. Med andre ord, om r1 <strong>og</strong> r2 er ulike elementer i R s˚a er T (r1) <strong>og</strong><br />
T (r2) ulike elementer i S. En avbildning som er surjektiv <strong>og</strong> injektiv kalles bijektiv.<br />
En spesiell avbildning fortjener et eget navn fordi den forekommer s˚a ofte. Avbildningen<br />
av en mengde R inn i seg selv, som ikke gjør noen ting, det vil si den sender<br />
r til r for alle r i R kalles identitetsavbildningen <strong>og</strong> betegnes med idR. Av definisjon<br />
har vi at idR(r) = r for alle r i R.<br />
(2.5) Visualisering. Med bildet vi ga av avbildninger ovenfor blir en surjektiv<br />
avbildning<br />
<strong>og</strong> bildet av en injektiv avbildning blir<br />
R<br />
T<br />
S = T (R)
VEKTORROM 2 59<br />
R<br />
T<br />
S<br />
T (R)<br />
(2.6) Sammensetning av avbildninger. La oss betrakte eksemplene<br />
der A =<br />
<br />
1 1 2<br />
<strong>og</strong><br />
−1 1 0<br />
TA : R 3 → R 2<br />
TB : R 2 → R 3<br />
1 1 <br />
der B = −1 1 . Bildet av 3-vektoren v = (a1, a2, a3)<br />
0 0<br />
t ved TA er TA(v) = Av =<br />
(a1 + a2 + 2a3, −a1 + a2) t som ligger i R2 . Derfor kan vi bruke avbildningen TB p˚a<br />
denne vektoren. Vi f˚ar at<br />
TB(TA(v)) = B(Av)<br />
= (a1 + a2 + 2a3 + (−a1 + a2), −(a1 + a2 + 2a3) + (−a1 + a2), 0) t<br />
= (2a2 + 2a3, −2a1 − 2a3, 0) t .<br />
Vi har derfor f˚att en avbildning TBTA : R 3 → R 3 som vi kaller den sammensatte<br />
avbildningen av TA <strong>og</strong> TB. Det er interessant ˚a merke at TBTA = TBA. Dette er<br />
fordi<br />
BA =<br />
1 1<br />
−1 1<br />
0 0<br />
0 2 2 <br />
1 1 2<br />
= −2 0 −2 ,<br />
−1 1 0<br />
0 0 0<br />
<strong>og</strong> derfor vil avbildningen TBA sende vektoren (a1, a2, a3) t til<br />
0 2 2<br />
−2 0 −2<br />
0 0 0<br />
a1 2a2+2a3<br />
a2 =<br />
a3<br />
−2a1−2a3<br />
0<br />
s˚a TBA((a1, a2, a3) t ) = (2a2 + 2a3, −2a1 − 2a3, 0) t = TBTA((a1, a2, a3) t ).<br />
La oss nu betrakte avbildningen TB som sender 2-vektoren w = (a1, a2) t til 3vektoren<br />
TB(w) = Bw = (a1 + a2, −a1 + a2, 0) t . Ettersom denne vektoren ligger i<br />
R 3 kan vi bruke avbildningen TA p˚a denne. Vi f˚ar<br />
TA(TB(w)) = A(Bw)<br />
= (a1 + a2 + (−a1 + a2) + 2 · 0, −(a1 + a2) + (−a1 + a2) + 0 · 0) t<br />
= (2a2, −2a1) t .<br />
<br />
.
60 Vektorrom<br />
i R 2 . Dette er den sammensatte avbildningen TATB : R 2 → R 2 av TB <strong>og</strong> TA. Merk<br />
at denne avbildningen er lik TAB fordi<br />
AB =<br />
1 1 2<br />
−1 1 0<br />
1 1 <br />
−1 1 =<br />
0 0<br />
s˚a TAB sender 2-vektoren v = (a1, a2) t til<br />
<br />
a1 2a2<br />
=<br />
0 2<br />
−2 0<br />
a2<br />
−2a1<br />
<br />
0 2<br />
, −2 0<br />
Derfor er TAB(v) = (2a2, −2a1) t = TATB(v).<br />
Eksemplene ovenfor illustrerer ikke bare hvordan man setter sammen avbildninger,<br />
men vekker <strong>og</strong>s˚a mistanken om at det finnes en nær sammenheng mellom sammensetning<br />
av avbildninger derfinert av matriser, <strong>og</strong> matrisemultiplikasjon.<br />
Generelt definerer vi sammensetningen T U : Q → S av en avbildning U : Q → R<br />
fra en mengde Q til en mengde R, med en avbildning T : R → S fra R til en mengde<br />
S, ved ˚a sette<br />
(T U)(q) = T (U(q))<br />
for alle elementene q i Q. Det vil si, vi definerer sammensetningen ved at bildet T U(q)<br />
av q ved T U fremkommer ved at vi først tar bildet U(q) av q ved U, <strong>og</strong> deretter tar<br />
bildet av elementet U(q) i R ved T .<br />
Bildet av en sammensetning kan vi se som<br />
Q<br />
T<br />
R<br />
T (Q)<br />
<br />
.<br />
U<br />
S<br />
T (R)<br />
UT (Q)<br />
(2.7) Opgaver.<br />
1. Er følgende avbildninger T : R 2 → R injektive eller surjektive?<br />
(1) T ((x, y) t ) = x + y.<br />
(2) T ((x, y) t ) = x.<br />
(3) T ((x, y) t ) = 1.<br />
(4) T ((x, y) t ) = x − 5.<br />
2. Er følgende avbildninger U : R → R 2 injektive eller surjektive?<br />
(1) U(x) = (x, x) t .<br />
(2) U(x) = (1, 1) t .<br />
(3) U(x) = x 2 , x t .<br />
(4) U(x) = (1 + x, 1 − x) t .
→<br />
VEKTORROM 2 61<br />
3. La T : R 2 → R <strong>og</strong> U : R → R 2 være avbildningene definert i Oppgave (1) <strong>og</strong> (2)<br />
i denne Seksjonen.<br />
(1) Bestem verdien UT (x, y) i R 2 for alle punkter (x, y) t i R 2 i hvert av de fire<br />
tilfellene (1), (2), (3) <strong>og</strong> (4) i Oppgave 1. <strong>og</strong> 2. ovenfor <strong>og</strong> bestem i hvert av<br />
de fire tilfellene om UT er injektiv eller surjektiv.<br />
(2) Bestem verdien T U(x) i R for alle punkter x i R i hvert av de fire tilfellene<br />
(1), (2), (3) <strong>og</strong> (4) i Oppgave 1. <strong>og</strong> 2. ovenfor <strong>og</strong> bestem i hvert av de fire<br />
tilfellene om T U er injektiv eller surjektiv.<br />
4. Er følgende avbildninger injektive eller surjektive?<br />
(1) x 2 : R → R.<br />
(2) √ x : {a ∈ R : a ≥ 0} → R.<br />
5. La A = (a1, a2, . . . , an) være en 1 × n-matrise <strong>og</strong> B = (a1, a2, . . . , an) t være en<br />
n × 1-matrise<br />
(1) N˚ar er avbildningen TA : R n → R surjektiv, <strong>og</strong> n˚ar er den injektiv?<br />
(2) N˚ar er avbildningen TA : R → R n injektiv, <strong>og</strong> n˚ar er den surjektiv?<br />
6. Vis at en avbildning T : R → S er en bijeksjon hvis <strong>og</strong> bare hvis det finnes en<br />
avbildning U : S → R slik at T U(s) = s for alle s i S <strong>og</strong> UT (r) = r for alle r i R. Vi<br />
kaller en slik avbildning U den inverse til T .<br />
Hint. Om T er surjektiv s˚a finnes det for hver s i S et element r i R slik at T (r) = s,<br />
<strong>og</strong> om T er injektiv finnes det nøyaktig ett slikt element. Vi kan derfor sette U(s) = r<br />
<strong>og</strong> p˚a denne m˚aten definere U p˚a alle elementene i S. Det er klart av definisjonen av<br />
U at U(T (r)) = U(s) = r <strong>og</strong> at T (U(s)) = T (r) = s.<br />
Omvendt om T har en invers U vil den være surjektiv fordi for hvert element<br />
s i S har vi at s = T (U(s)). Den er injektiv, for om T (r1) = T (r2), har vi at<br />
r1 = UT (r1) = UT (r2) = r2.<br />
7. La S være en mengde. Vi betegner med A(S) alle avbildninger T : S → S fra<br />
S inn i seg selv som er injektive <strong>og</strong> surjektive, det vil si, bijektive. Vi definerer et<br />
produkt p˚a A(S) ved at to bijeksjoner T : S → S <strong>og</strong> U : S → S settes sammen til<br />
bijeksjonen UT : S → S. Videre lar vi I : S → S være identiteten, det vil si I(s) = s<br />
for alle s in S.<br />
(1) Vis at A(S) med dette produktet er en gruppe med enhet I, det vil si:<br />
(a) For alle bijeksjoner T i A(S) har vi at T I = IT = T .<br />
(b) For hver bijeksjon T : S → S finnes det en bijeksjon U : S → S slik at<br />
UT = T U = I.<br />
(c) La T, U, V være bijeksjoner i A(S). Da vil V (UT ) = (V U)T .<br />
(2) Vis at om S har tre eller flere elementer s˚a er A(S) ikke abelsk, det vil si, det<br />
finnes bijeksjoner T <strong>og</strong> U i A(S) slik at T U = UT .<br />
(3) Vis at om S er en endelig mengde med n elementer s˚a er A(S) gruppen av<br />
permutasjoner Sn av tallene {1, 2, . . . , n} (se (?)).
→<br />
→<br />
→<br />
→<br />
62 Vektorrom<br />
8. Vi har definert en avbildning mellom to mengder R <strong>og</strong> S litt løst som en regel.<br />
Definisjonen kan gjøres helt presis ved ˚a innføre mengden R × S som best˚ar av alle<br />
par (r, s) der r er med i R <strong>og</strong> s i S. Med annen notasjon har vi R × S = {(r, s) : r ∈<br />
R, s ∈ S}.<br />
Vis at en avbildninger T : R → S svarer til undermengder T ′ av R × S som er slik<br />
at for hvert element r i R finnes det bare et eneste element s slik at (r, s) er i T ′ .<br />
9. Vi har definert en grafe litt løst som n hjørner <strong>og</strong> kanter som g˚ar mellom noen<br />
av disse hjørnene (se Oppgave (?)). Med begrepene fra mengdelæren kan vi presisere<br />
dette. En grafe er en mengde V av hjørner, samt en undermengde E av mendgen<br />
{{p, q} : p, q ∈ V, p = q} som best˚ar av mengder {p, q} av to ulike hjørner p <strong>og</strong> q<br />
fra V . Vi kaller V hjørnene <strong>og</strong> E for kantene i grafen. V˚ar definisjon er litt mer<br />
begrenset enn vanlige definisjoner for grafer fordi vi ikke tar med elementer av typen<br />
{p, p}, som skulle svare til løkker i hjørnet p. Vi kunne ta med løkker i grafen ved ˚a<br />
la E være en undermengde av {{p, q} : p, q ∈ V }. Kantene har heller ingen retning<br />
ettersom {p, q} = {q, p}. Vi skulle kunne definere rettete grafer ved ˚a la E være<br />
en undermengde av mengden {(p, q) : p, q ∈ V, p = q} av ordnete par (p, q), fordi<br />
(p, q) = (q, p). Vi sier da at kanten (p, q) g˚ar fra hjørnet p til hjørnet q.<br />
Vis at grafer slik vi har definert dem ovenfor er det samme som definisjonen av<br />
grafer definert i Oppgave (1.6.4) i Kapittel 1, n˚ar V har et endelig antall elementer.<br />
10. La S være en mengde <strong>og</strong> la F(S) betegne mengden av avbidninger f : S → R.<br />
Vi kan definere produktet av en skalar a med en funksjon f i F(S) <strong>og</strong> summen av to<br />
funksjoner f <strong>og</strong> g i F(S) punktvis ved<br />
(af)(s) = a(f(s)) <strong>og</strong> (f + g)(s) = f(s) + g(s)<br />
for alle s i S. Vi at F(N) er det samme som <strong>vektorrom</strong>et definert i Oppagve (1.25)<br />
14 i Vektorrom 1().<br />
Vis at F(S) med punktvis skalarmultiplikasjon <strong>og</strong> addisjon danner et <strong>vektorrom</strong>.<br />
11. La F0 være alle funksjoner f : R → R med begrenset støtte, det vil si funksjoner<br />
f som har den egenskapen at det finnes tall Mf <strong>og</strong> Nf med Mf < Nf slik at f(r) = 0<br />
n˚ar r < Mf <strong>og</strong> n˚ar r > Nf .<br />
(1) Vis at punktvis skalarmultiplikasjon <strong>og</strong> addisjon av funksjoner (se Oppgave<br />
(2.7.4)) gir et skalarprodukt <strong>og</strong> en addisjon i F0.<br />
(2) Vis at F0 med denne skalarmultiplikasjonen <strong>og</strong> addisjonen er et <strong>vektorrom</strong>.<br />
(3) Vis at det ikke finnes funksjoner f1, f2, . . . , fn i F0 slik at alle funksjonene i F0<br />
kan skrives p˚a formen f = a1f1 +a2f2 +· · ·+anfn for noen tall a1, a2, . . . , an.<br />
12. La a <strong>og</strong> b være tall slik at a < b. Mengden av alle tall mellom a <strong>og</strong> b som er<br />
minst lik a <strong>og</strong> mindre enn b, det vil si mengden, {r ∈ R : a ≤ r < b}, betegnes<br />
med [a, b) <strong>og</strong> kalles et halv˚apent intervall. En type funksjoner som er meget viktige i<br />
analysen, <strong>og</strong> som brukes n˚ar man skal definere integraler, er trappetrinnsfunksjoner<br />
p˚a [a, b). Navnet gir et bra bilde av hvordan de ser ut. Dette kan behøves ettersom<br />
den formelle definisjonen er litt lang.
→<br />
→<br />
VEKTORROM 2 63<br />
a1<br />
a2<br />
a3<br />
a4<br />
a5<br />
En trappetrinnsfunksjon p˚a intervallet [a, b) er gitt av to sekvenser av tall a0, a1,<br />
. . . , an <strong>og</strong> b1, b2, . . . , bn, der a = a0 < a1 < a2 < · · · < an−1 < an = b bestemt<br />
av at f(r) = bi n˚ar ai−1 ≤ r < ai for i = 1, 2, . . . , n. Vi betegner mengden av<br />
trappetrinnsfunksjoner med T .<br />
(1) Vis at punktvis (se Oppgave (2.7.4) multiplikasjon av en trappetrinnsfunksjon<br />
med en skalar eller punktvis addisjon av to trappetrinnsfunksjoner gir<br />
en trappetrinnsfunksjon.<br />
(2) Vis at trappetrinnsfunksjonene med skalarmultiplikasjon <strong>og</strong> addisjon som i<br />
del (1) er et <strong>vektorrom</strong>.<br />
(3) Vis at det ikke finnes trappetrinnsfunksjoner t1, t2, . . . , tn slik at alle trappetrinnsfunksjoner<br />
kan skrives p˚a formen t = a1t1 +a2t2 +· · ·+antn for noen<br />
tall a1, a2, . . . , an.<br />
(4) Integralet <br />
t dx av en trappetrinnsfunksjon t over intervallet [a, b] er de-<br />
[a,b]<br />
finert som<br />
<br />
n<br />
t dx = aibi.<br />
[a,b]<br />
i=1<br />
Vis at integralet gir en lineær avbildning<br />
det vil si <br />
<br />
(t + u) dt = [a,b)<br />
for alle t <strong>og</strong> u i F <strong>og</strong> tall a.<br />
<br />
[a,b]<br />
[a,b)<br />
a6<br />
: T → R,<br />
t dx + <br />
[a,b)<br />
u dx <strong>og</strong> <br />
[a,b)<br />
at dx = a <br />
[a,b)<br />
t dx.<br />
13. Du kan gjøre denne oppgaven om du vet hva kontinuerlige <strong>og</strong> differensiable<br />
funksjoner er.<br />
La a <strong>og</strong> b være tall slik at a < b, <strong>og</strong> la (a, b) være mengden av alle tall mellom a<br />
<strong>og</strong> b, det vil si (a, b) = {r ∈ R : a < r < b}. Mengdene av funksjoner f : R → R<br />
som er kontinuerlige, respektive differensiable p˚a intervallet (a, b) betegner vi med<br />
C(a, b) respektive D(a, b). Definer skalarmultiplikasjon med funksjoner <strong>og</strong> addisjon<br />
av funksjoner i C(a, b) <strong>og</strong> D(a, b) punktvis, som i Oppgave (2.7.4).<br />
(1) Vis at C(a, b) er et <strong>vektorrom</strong>.<br />
(2) Vis at D(a, b) er et <strong>vektorrom</strong>.<br />
14. La P være mendgen av alle polynomfunksjoner, det vil si alle funksjoner<br />
p : R → R
→<br />
64 Vektorrom<br />
slik at det finnes et polynom anx n + an−1x n−1 + · · · + a0 som tilfredsstiller p(r) =<br />
anr n + an−1r n−1 + · · · + a0 for alle tall r. Videre la Pm være mengden av polynomfunksjoner<br />
av grad høyst m, det vil si polynomfunksjoner slik at vi kan velge et<br />
polynom med n ≤ m ovenfor.<br />
(1) Vis at den punktvise multiplikasjonen med en skalar <strong>og</strong> den punktvise addisjonen<br />
beskrevet i Oppgave (2.7.5) gir skalarmultiplikasjon <strong>og</strong> addisjon p˚a P<br />
<strong>og</strong> Pm.<br />
(2) Vis at P <strong>og</strong> Pm er <strong>vektorrom</strong> med denne skalarmultiplikasjonen <strong>og</strong> addisjonen.<br />
(3) Vis at det finnes vektorer p1, p2, . . . , pm i Pm slik at hvert polynom p i Pm<br />
kan skrives p˚a formen p = a1p1 + a2p2 + · · · + ampm der a1, a2, . . . , am er<br />
entydig bestemte tall.<br />
(4) Vis at det ikke finnes vektorer p1, p2, . . . , pm i P slik at hvert polynom p i P<br />
kan skrives p˚a formen p = a1p1+a2p2+· · ·+ampm for noen tall a1, a2, . . . , am.
→<br />
→<br />
→<br />
VEKTORROM 3 65<br />
3. Lineære avbildninger.<br />
(3.1) Lineære avbildninger. Lineære avbildninger er de som oftest oppst˚ar i<br />
matematikken <strong>og</strong> dens anvendelser. Avbildningen TA : R n → R m gitt av en m ×<br />
n-matriser A er lineær. Det interessante er at det omvendte er tilfelle. Enhver<br />
lineær avbildning T : R n → R m kommer fra en m × n-matrise. <strong>Matriser</strong> er derfor<br />
det samme som lineæravbildninger mellom Euklidske rom. Dette forklarer hvorfor<br />
matriser fremkommer overalt, p˚a en naturlig m˚ate. Mange egenskaper ved matriser<br />
som kan virke umotiverte <strong>og</strong> mystiske, som matrisemultiplikasjon <strong>og</strong> assosiativiteten<br />
av matrisemultiplikasjon, f˚ar sin naturlige forklaring ved sammenhengen med lineære<br />
avbildninger. Vi skal forklare hvordan matriser <strong>og</strong> lineære avbildninger svarer til<br />
hverandre, <strong>og</strong> dermed skingre litt av mystikken omkring matriser.<br />
I Seksjon (2.1) s˚a vi at en m × n-matrise A gir opphav til en avbildning TA :<br />
R n → R m slik at TA(v) = Av for alle vektorer v i R n . Videre s˚a vi Proposisjon<br />
(4.7) i Kapittel 1 at vi for hver skalar a <strong>og</strong> hvert par av vektorer v <strong>og</strong> w i R n har at<br />
A(av) = aAv <strong>og</strong> A(v + w) = Av + Aw. Med andre ord har vi at TA(av) = aTA(v)<br />
<strong>og</strong> TA(v + w) = TA(v) + TA(w) for alle tall a <strong>og</strong> alle vektorer v <strong>og</strong> w i R n . En<br />
avbildning som har disse egenskapene kaller vi en lineær avbildning. Ordet lineær<br />
kommer av at TA sender en linje til en linje. Mer presist, la v = (a1, a2, . . . , an) t <strong>og</strong><br />
w = (b1, b2, . . . , bn) t være to ulike vektorer i R n . Vektorene p˚a formen tv + (1 − t)w<br />
for ulike t gir alle punktene p˚a linjen gjennom v <strong>og</strong> w. Ettersom TA er lineær avbildes<br />
et punkt p˚a denne linjen til TA(tv + (1 − t)w) = tTA(v) + (1 − t)TA(w), det vil si til<br />
et punkt p˚a linjen gjennom bildene TA(v) <strong>og</strong> TA(w). Linjen gjennom v <strong>og</strong> w avbildes<br />
derfor til linjen gjennom TA(v) <strong>og</strong> TA(w).<br />
Generelt har vi:<br />
(3.2) Definisjon. La T : V → W være en avbildning fra et <strong>vektorrom</strong> V til et<br />
<strong>vektorrom</strong> W . Avbildningen T er lineær om vi har, for alle tall a <strong>og</strong> alle par av<br />
vektorer v <strong>og</strong> w i V , at<br />
(1) T (av) = aT (v).<br />
(2) T (v + w) = T (v) + T (w).<br />
(3.3) Merk. La T : V → W være en lineær avbildning. Om v1, v2, . . . , vn er vektorer<br />
i V <strong>og</strong> a1, a2, . . . , an er tall har vi at<br />
T (a1v1 + a2v2 + · · · + anvn) = a1T (v1) + a2T (v2) + · · · + anT (vn).<br />
Dette innser vi ved ˚a bruke definisjonen flere ganger, som for n = 3 der vi f˚ar<br />
T (a1v1 + a2v2 + a3v3) = T (a1v1 + (a2v2 + a3v3)) = T (a1v1) + T (a2v2 + a3v3) =<br />
a1T (v1) + T (a2v2) + T (a3v3) = a1T (v1) + a2T (v2) + a3T (v3).<br />
Om vektorene v1, v2, . . . , vn har den egenskapen at alle vektorer v i V kan skrives<br />
p˚a formen v = a1v1 + a2v2 + · · · + anvn ser vi at T er helt bestemt av verdiene<br />
T (v1), T (v2), . . . , T (vn). Spesielt følger det av (1.5) at e1, e2, . . . , en har denne egen-<br />
skapen for <strong>vektorrom</strong>met R n . Derfor vil hver lineær avbildning T : R n → W være<br />
bestemt av verdiene T (e1), T (e2, . . . , T (en).
→<br />
66 Vektorrom<br />
(3.4) Definisjon. Kjernen K til en lineær avbildning T : V → W er alle vektorer<br />
som avbildes p˚a null. Det vil si<br />
K = {v ∈ V : T (v) = 0}.<br />
(3.5) Bemerkning. Kjernen til en lineær avbildning er et underrom av V fordi om<br />
v <strong>og</strong> w er i K, det vil si T (v) = 0 = T (w), s˚a vil T (v + w) = T (v) + T (w) = 0, <strong>og</strong> for<br />
et tall a har vi T (av) = aT (v) = 0. Som vi har observert i (?) rekker det ˚a verifisere<br />
disse to egenskapene.<br />
Vi merker <strong>og</strong>s˚a at bildet til en linær avbildning <strong>og</strong>s˚a er et underrrom av W . Dette<br />
er fordi alle par av vektorer i bildet av T er p˚a formen T (v) respektive T (w) for<br />
noen v <strong>og</strong> w i V <strong>og</strong> vi har T (v) + T (w) = T (v + w), som <strong>og</strong>s˚a er i bildet. Videre vil<br />
aT (v) = T (av) som <strong>og</strong>s˚a er i bildet.<br />
(3.6) Proposisjon. En lineær avbildning T : V → W er injektiv hvis <strong>og</strong> bare hvis<br />
kjernen er 0.<br />
Bevis. Anta at T : V → W er injektiv. Om v er i kjernen vil T (v) = 0. Men T (0) = 0<br />
s˚a injektiviteten medfører at v = 0.<br />
Omvendt, anta at kjernen er 0. Om det er to vektorer v <strong>og</strong> w i V slik at T (v) =<br />
T (w) f˚ar vi at T (v − w) = T (v) − T (w) = 0. Derfor er v − w i kjernen, <strong>og</strong> derfor vil<br />
v − w = 0. Derfor er v = w <strong>og</strong> T er injektiv.<br />
Som nevnt er hver avbildning TA : R n → R m som kommer fra en m × n-matrise<br />
A lineær. Neste resultat viser at alle lineære avbildninger T : R n → R m kommer fra<br />
en m × n-matrise A <strong>og</strong> at m × n-matriser <strong>og</strong> lineære avbildninger R n → R m er to<br />
sider av samme sak.<br />
(3.7) Setning. La T : R n → R m være en lineær avbildning. Da finnes en m × nmatrise<br />
A slik at T = TA.<br />
Videre er korrespondansen som sender en m × n-matrise A til den lineære avbildningen<br />
TA en bijeksjon fra m × n-matriser til lineære avbildninger fra R n til<br />
R m .<br />
Bevis. Vi skal først konstruere en m × n-matrise A slik at T = TA. Dette viser den<br />
første delen av Setningen <strong>og</strong> at korrespondense som sender A til TA er surjektiv.<br />
La ei = (0, . . . , 0, 1, 0, . . . , 0) t være n-vektoren med i’te koordinat lik 1 <strong>og</strong> de andre<br />
koordinatene lik 0. Da kan hver vektor v = (a1, a2, . . . , an) t i R n entydig skrives p˚a<br />
formen v = a1e1 + a2e2 + · · · + anen. Tilsvarende lar vi fi = (0, . . . , 0, 1, 0, . . . , 0) t<br />
være en m-vektor med i’te koordinat lik 1 <strong>og</strong> de resterende koordinatene lik 0. Da<br />
kan hver vektor w = (b1, b2, . . . , bm) t i R m entydig skrives p˚a formen w = b1f1 +<br />
b2f2 + · · · + bmfm. Spesielt har vi for i = 1, 2, . . . , n at vi kan skrive<br />
T (ei) = a1if1 + a2if2 + · · · + amifm
VEKTORROM 3 67<br />
for entydig bestemte tall a1i, a2i, . . . , ami. Sett<br />
⎛<br />
a11 a12 . . .<br />
⎞<br />
a1n<br />
⎜ a21<br />
A = ⎜<br />
⎝ .<br />
a22<br />
.<br />
. . . a2n ⎟<br />
.<br />
⎠ .<br />
am1 am2 . . . amn<br />
Da har vi for hver vektor v = (a1, a2, . . . , an) t i R n at<br />
<br />
n<br />
TA(v) = Av =<br />
i=1<br />
i R m . Ettersom T er lineær har vi at<br />
a1iai,<br />
n<br />
a2iai, . . . ,<br />
i=1<br />
n<br />
i=1<br />
amiai<br />
T (v) = T (a1e1 + a2e2 + · · · + anen) = a1T (e1) + a2T (e2) + · · · + anT (en)<br />
= a1(a11f1 + a21f2 + · · · + am1fm) + a2(a12f1 + a22f2 + · · · + am2fm)<br />
+ · · · + an(a1nf1 + a2nf2 + · · · + amnfm)<br />
= (a1a11 + a2a12 + · · · + ana1n)f1 + (a1a21 + a2a22 + · · · + ana2n)f2<br />
+ · · · + (a1am1 + a2am2 + · · · + anamn)fm<br />
<br />
n<br />
=<br />
i=1<br />
<br />
n<br />
=<br />
i=1<br />
a1iai<br />
a1iai,<br />
<br />
n<br />
f1 +<br />
i=1<br />
a2iai<br />
n<br />
a2iai, . . . ,<br />
i=1<br />
<br />
n<br />
f2 + · · · +<br />
n<br />
i=1<br />
amiai<br />
i=1<br />
amiai<br />
i R m . Vi har vist at TA(v) = T (v) for alle v i V , det vil si at TA = T .<br />
Det gjenst˚ar˚a vise at avbildningen som sender A til TA er injektiv. For˚a vise dette<br />
rekker det ˚a vise at om den lineære avbildningen TB som vi tilordner en m×n-matrise<br />
B er lik TA s˚a vil A = B. Men vi har at<br />
t<br />
TB(ei) = Bei = (b1i, b2i, . . . , bmi) t<br />
for i = 1, 2, . . . , n, <strong>og</strong> om TA = TB har vi <strong>og</strong>s˚a<br />
Men vi har at<br />
TA(ei) = (b1i, b2i, . . . , bmi) t .<br />
TA(ei) = Aei = (a1i, a2i, . . . , ami) t .<br />
Det følger at a1i = b1i, a2i = b2i, . . . , ami = bmi for i = 1, 2, . . . , n. Derfor vil A = B,<br />
<strong>og</strong> vi har vist siste delen av Setningen.<br />
<br />
t<br />
fm
→<br />
68 Vektorrom<br />
(3.8) Sammensetning av avbildninger <strong>og</strong> matrisemultiplikasjon. Eksemplene<br />
vi ga i Seksjon (2.6) fikk oss til ˚a mistenke at matrisemultiplikasjonen svarer til<br />
en sammensetning av avbildninger. Mer presist, om A er en m×n-matrise <strong>og</strong> B er en<br />
p × m-matrise, s˚a vil TBTA = TBA, som lineære avbildninger fra R n til R p . Vi skal<br />
vise at dette holder. Dette forklarer hvorfor den mystiske matrisemultiplikasjonen i<br />
virkeligheten er helt naturlig, den reflekterer bare sammensetningen av de tilsvarende<br />
avbildningene.<br />
(3.9) Setning. La A være en m × n-matrise <strong>og</strong> B en p × m-matrise. Da vil TBTA =<br />
TBA.<br />
Bevis. La<br />
ei = (0, . . . , 0, 1, 0, . . . , 0) t , fi = (0, . . . , 0, 1, 0, . . . , 0) t <strong>og</strong> gi = (0, . . . , 0, 1, 0, . . . , 0) t<br />
være n-, m-, respektive p-vektoren med i’te koordinat lik 1 <strong>og</strong> resten av koordinatene<br />
lik 0. Vi har at<br />
TA(ei) = (a1i, a2i, . . . , ami) t = a1if1 + a2if2 + · · · + amifm<br />
for i = 1, 2, . . . , m der aij, for i = 1, 2, . . . , m <strong>og</strong> j = 1, 2, . . . , n, er entydig bestemte<br />
tall, <strong>og</strong> at<br />
TB(fi) = (b1i, b2i, . . . , bpi) t = b1ig1 + n2ig2 + · · · + bpigp,<br />
for i = 1, 2, . . . , m, der bij for i = 1, 2, . . . , p <strong>og</strong> j = 1, 2, . . . , m er entydig bestemte<br />
tall. Derfor har vi i R p at<br />
TB(TA(ei)) = TB(a1if1 + a2if2 + · · · + amifm)<br />
= a1iTB(f1) + a2iTB(f2) + · · · + amiTB(fm)<br />
= a1i(b11g1 + b21g2 + · · · + bp1gp) + a2i(b12g1 + b22g2 + · · · + bp2gp)<br />
+ · · · + ami(b1mg1 + b2mg2 + · · · + bpmgp)<br />
= (a1ib11 + a2ib12 + · · · + amib1m)g1<br />
+ (a1ib21 + a2ib22 + · · · + amib2m)g2<br />
+ · · · + (a1ibp1 + a2ibp2 + · · · + amibpm)gm<br />
<br />
m<br />
=<br />
j=1<br />
ajib1j,<br />
m<br />
m<br />
ajib2j, . . . ,<br />
j=1<br />
j−1<br />
ajibpj<br />
t<br />
.<br />
Tar vi avbildningen assosiert til produktet BA f˚ar vi i Rn at<br />
<br />
m<br />
m<br />
m<br />
TBA(ei) = b1jaji, b2jaji, . . . ,<br />
j=1<br />
j=1<br />
j=1<br />
bpjaji<br />
Vi har vist at TB(TA(ei)) = TBA(ei) for i = 1, 2, . . . , n. Men da følger det at<br />
TBTA = TBA fordi alle lineære avbildninger T med domene R n er helt bestem av<br />
verdiene T (e1), T (e2), . . . , T (en). Dette er fordi T ((a1, a2, . . . , an) t ) = T (a1e1+a2e2+<br />
· · · + anen) = a1T (e1) + a2T (e2) + · · · + anT (en).<br />
t<br />
.
→<br />
VEKTORROM 3 69<br />
(3.10) Sammensetning av tre avbildninger. Om vi har tre avbildninger<br />
P V −→ Q U −→ R T −→ S<br />
kan vi p˚a to m˚ater danne en avbildning fra P til S. Først kan vi sette sammen U <strong>og</strong><br />
V til UV <strong>og</strong> deretter bruke T slik at vi f˚ar avbildningen T (UV ), <strong>og</strong> deretter kan vi<br />
sette sammen T <strong>og</strong> U til avbildningen T U <strong>og</strong> deretter bruke denne p˚a V slik at vi<br />
f˚ar (T U)V . Det er klart at disse to avbildningene er like, fordi vi har (T (UV ))(p) =<br />
T ((UV )(p)) = T (U(V (p))) <strong>og</strong> ((T U)V )(p) = (T U)(V (p)) = T (U(V (p))) for hvert<br />
element p i P . Dette virker veldig formelt, men uttrykker bare at begge avbildningene<br />
f˚ar vi ved først ˚a bruke V , deretter U <strong>og</strong> til slutt T . Vi sier at sammensetning av<br />
avbildninger er transitiv <strong>og</strong> skriver<br />
T UV = (T U)V = T (UV ).<br />
(3.11) Merk. Assosiativiteten av avbildninger forklarer assosiativiteten av matrisemultiplikasjon<br />
(AB)C = A(BC) som vi viste i Setning (4.13) i Kapittel 1. Dette er<br />
fordi vi har at T (AB)C = TABTC = (TATB)TC = TATBTC = TA(TBTC) = TATBC =<br />
T A(BC). Dette gir et kort, klart <strong>og</strong> helt koordinatfritt bevis for transitiviteten av<br />
multiplikasjon av matriser. Vi skal imidlertid huske at regnearbeidet ble gjort da vi<br />
viste at TBA = TBTA.<br />
(3.12) Opgaver.<br />
1. La A =<br />
(1) (5, 3) t .<br />
(2) (π, 1) t .<br />
1 1<br />
−1 1<br />
(3) √ 2, −7 t .<br />
2. La A =<br />
1 2 1<br />
−1 0 7<br />
(1) (5, −1, 2) t .<br />
(2) π, 1 − π, √ 2 t .<br />
(3) (7, 6, −4) t .<br />
3. La A =<br />
1 3 2<br />
−1 0 1<br />
<br />
. Regn ut bildet ved TA : R 2 → R 2 av vektorene<br />
<br />
. Regn ut bildet ved TA: R 3 → R 2 av vektorene<br />
<br />
<strong>og</strong> B =<br />
3 0 <br />
1 2 .<br />
−2 4<br />
(1) Regn ut bildet ved TAB av vektorene<br />
(a) (1, −1) t .<br />
(b) (2, 4) t .<br />
(c) (3, 0) t .<br />
(2) Regn ut bildet ved TBA av vektorene<br />
(a) (1, −1, 2) t .<br />
(b) (7, 3, 1) t .<br />
(c) (6, 4, −2) t .
70 Vektorrom<br />
4. Kjernen til en lineær avbildning TA : R n → R m er de vektorene v i R n som er<br />
slik at TA(v) = Av = 0, det vil si kjernen er {v ∈ R n : TA(v) = 0}.<br />
(1) Finn bildet <strong>og</strong> kjernen til avbildningen TAi : R2 → R2 <br />
n˚ar<br />
1 2<br />
(a) A1 =<br />
(b) A2 =<br />
(c) A3 =<br />
(d) A4 =<br />
3 −1<br />
<br />
1 2<br />
−2 −4<br />
<br />
1 1<br />
. −1 1<br />
<br />
1 1<br />
.<br />
1 1<br />
.<br />
<br />
.<br />
(2) Hvilke av avbildningene i (1) er injektive, hvilke er surjektive <strong>og</strong> hvilke er<br />
bijektive?<br />
(3) Kan du se noen sammenheng mellom injektivitet <strong>og</strong> kjernen av en avbildning?<br />
5. Kjernen til en lineær avbildning TA : R n → R m er de vektorene v i R n som er<br />
slik at TA(v) = Av = 0, det vil si kjernen er {v ∈ R n : TA(v) = 0}.<br />
(1) Finn bildet <strong>og</strong> kjernen til avbildningen TAi : R3 → R2 n˚ar<br />
1 2 3<br />
(a) A1 =<br />
(b) A2 =<br />
(c) A3 =<br />
(d) A4 =<br />
<br />
.<br />
3 −1 0<br />
<br />
1 2 −7<br />
−2 −4 14<br />
<br />
1 1 0<br />
−1 1 13<br />
<br />
1 1 6<br />
.<br />
1 1 0<br />
<br />
.<br />
<br />
.<br />
(2) Hvilke av avbildningene i (1) er injektive, hvilke er surjektive <strong>og</strong> hvilke er<br />
bijektive?<br />
(3) Kan du se noen sammenheng mellom injektivitet <strong>og</strong> kjernen av en avbildning?<br />
6. Kjernen til en lineær avbildning TA : R n → R m er de vektorene v i R n som er<br />
slik at TA(v) = Av = 0, det vil si kjernen er {v ∈ R n : TA(v) = 0}.<br />
(1) Finn bildet <strong>og</strong> kjernen til avbildningen TAi : R2 → R3 n˚ar<br />
1 3 <br />
(a) A1 = 2 −1 .<br />
3 0 1 −2 <br />
(b) A2 = 2 −4 .<br />
3 0 1 1 <br />
(c) A3 = 1 1 .<br />
0 13 1 1 <br />
(d) A4 = 1 1<br />
6 6<br />
.<br />
(2) Hvilke av avbildningene i (1) er injektive, hvilke er surjektive <strong>og</strong> hvilke er<br />
bijektive?<br />
(3) Kan du se noen sammenheng mellom injektivitet <strong>og</strong> kjernen av en avbildning?<br />
7. Hvilke av avbildningene T : R 2 → R 1 er lineære?<br />
(1) T ((x, y) t ) = xy<br />
(2) T ((x, y) t ) = x 2 + y
→<br />
VEKTORROM 3 71<br />
(3) T ((x, y) t ) = x + y + 1<br />
(4) T ((x, y) t ) = 5x − 7y<br />
<br />
.<br />
8. La A =<br />
a b<br />
c d<br />
(1) Vis at avbildningen TA : R2 → R2 assosiert til 2 × 2-matrisen er bijektiv,<br />
hvis <strong>og</strong> bare hvis ad − bc = 0.<br />
(2) Anta at ad − bc = 0 <strong>og</strong> sett B = 1<br />
<br />
d −b<br />
ad−bc . Vi at TATB <strong>og</strong> TBTA begge<br />
−c a<br />
er identitesavbildningen p˚a R 2 .<br />
9. Bestem matrisen A slik at den tilsvarende lineære avbildningen TA<br />
(1) TA (1, 2) t = (3, 1) t , TA (0, 2) t = 2, 2.<br />
(2) TA (4, 0) t = (4, 8) t , TA (3, 6) t = (9, 20) t .<br />
10. Bestem matrisen A slik at den tilsvarende lineære avbildningen TA<br />
(1) TA (1, 2) t = (5, 3, 1) t , TA (0, 3) t = 3, 6, 6.<br />
(2) TA (3, 1) t = (6, 2, 0) t , TA (2, 0) t = (4, 6, 8) t .<br />
11. La A være en øvre triangulær matrise <strong>og</strong> TA den tilsvarende lineære avbildningen.<br />
Bestem n˚ar TA er surjektiv eller injektiv n˚ar:<br />
<br />
a b<br />
(1) A = .<br />
0 c<br />
a b c <br />
(2) A = 0 e f .<br />
0 0 g<br />
⎛<br />
⎞<br />
(3) A = ⎝<br />
a11 a12 ... a1n<br />
0 a22 ... a2n<br />
.<br />
.<br />
.<br />
.<br />
. ..<br />
.<br />
.<br />
0 0 ... ann<br />
⎠.<br />
12. La S være en mengde <strong>og</strong> la F(S) være <strong>vektorrom</strong>met av alle funksjoner f :<br />
S → R (se Avbildninger (2.7) Oppgave 10). Vis at for hvert element s i S s˚a vil<br />
avbildningen T : F(S) → R definert ved T (f) = f(s) være lineær.<br />
13. For to vektorer u = (a1, a2, . . . , an) t <strong>og</strong> v = (b1, b2, . . . , bn) t i R n setter vi<br />
〈u, v〉n = a1b1 + a2b2 + · · · + anbn<br />
<strong>og</strong> for to vektorer x = (c1, c2, . . . , cm) t <strong>og</strong> y = (d1, d2, . . . , dm) t setter vi<br />
〈x, y〉m = c1d1 + c2d2 + · · · + cmdm.<br />
(1) La u <strong>og</strong> v være vektorer i R n . Vi at om 〈u, w〉n = 〈v, w〉n for alle vektorer w<br />
i R n s˚a vil u = v.<br />
(2) La T : R n → R m være en lineær avbildning. Vis at vi kan definere en<br />
avbildning<br />
T ∗ : R m → R n
→<br />
72 Vektorrom<br />
ved at for w i R m ˚a definere T ∗ (w) ved at<br />
〈T v, w〉m = 〈v, T ∗ w〉n<br />
for alle v in Rn .<br />
(3) Vis at avbildningen definert i (()ii) er en lineær avbildning. Den er kalt den<br />
duale avbildningen til T .<br />
⎛<br />
⎞<br />
(4) Vis at om T = TA for en matrise A = ⎝<br />
A t<br />
⎛<br />
= ⎝<br />
a11 a21 ··· am1<br />
a12 a22 ··· am2<br />
.<br />
.<br />
.<br />
.<br />
.<br />
.<br />
a1n asn ··· amn<br />
(5) Vis at T ∗∗ = T .<br />
⎞<br />
⎠.<br />
a11 a12 ··· a1n<br />
a21 a22 ··· a2n<br />
.<br />
.<br />
.<br />
.<br />
.<br />
.<br />
am1 ams ··· amn<br />
⎠, s˚a er T ∗ = T t<br />
A der<br />
Hint. For (iv) bruk at T ∗∗ er definert av 〈T ∗ w, x〉n = 〈w, T ∗∗ x〉m <strong>og</strong> at 〈u, v〉n =<br />
〈v, u〉n <strong>og</strong> 〈x, y〉m = 〈y, x〉m.<br />
14. La T : R n → R n være avbildningen definert ved<br />
T (a1, a2, . . . , an) t = (a1, a2, . . . , am, 0, . . . , 0) t .<br />
(1) Vis at T er en lineær avbildning.<br />
(2) Finn matrisen A slik at TA = T .<br />
(3) Vis at T T = T .<br />
(4) Vis at AA = A.<br />
(5) Finn en lineær avbildning U : R → R n slik at UT = T U <strong>og</strong> slik at for hver<br />
v i R n s˚a kan v skrives entydig p˚a formen v = T (v) + U(v).
→<br />
1. Eksempler.<br />
Ligninger<br />
(1.1) Innledning. Vi s˚a i (?) at matriser <strong>og</strong> lineære avbildninger mellom Euklidske<br />
rom er to sider av samme sak. I dette kapittelet skal vi vise at studiet av<br />
bildet <strong>og</strong> kjernen til en lineær avbildning er det samme som studiet av det lineære<br />
ligningssystemet som vi f˚ar av matrisen som tilsvarer den lineære avbildningen.<br />
Systemer av lineære ligninger oppst˚ar overalt i matematikken <strong>og</strong> deres anvendelser<br />
<strong>og</strong> er blandt de aller viktigste delene av matematikken. Det er derfor avgjørende ˚a<br />
ha effektive metoder for ˚a løse lineære ligninger, <strong>og</strong> det er ofte nødvendig ˚a forst˚a<br />
den bakomliggende teorien. Her skal vi presentere Gauss-Jordan eliminasjon, som er<br />
den mest brukte <strong>og</strong> mest anvendbare blandt metodene for ˚a løse lineære ligninger.<br />
Denne eliminasjonsmetoden leder <strong>og</strong>s˚a til en god forst˚aelse for teorien for systemer<br />
av lineære lininger.<br />
(1.2) Terminol<strong>og</strong>i. Gauss-Jordan eliminasjon best˚ar i˚a eliminere variable i lineære<br />
ligninger. Ettersom vi mange ganger kommer til ˚a multiplisere alle ledd i en ligning<br />
med et gitt tall <strong>og</strong> legge sammen høyre <strong>og</strong> venstre siden av ligninger innfører vi en<br />
spesiell terminol<strong>og</strong>i for dette. Vi sier at vi multipliserer en ligning med et tall, om vi<br />
multipliserer hvert ledd i ligningen med tallet.<br />
For eksempel vil multiplikasjon av ligningen<br />
med 3 gi ligningen<br />
x1 − 2x2 − 5x3 = 3<br />
3x1 − 6x2 − 15x3 = 9.<br />
Mer generelt gir multiplikasjon av ligningen<br />
med tallet a ligningen<br />
a1x1 + a2x2 + · · · + anxn = b<br />
aa1x1 + aa2x2 + · · · + aanxn = ab.<br />
Videre sier vi at vi legger sammen to ligninger om vi legger sammen høyre <strong>og</strong> venstre<br />
sidene av ligningene.<br />
73
74 Ligninger<br />
Om vi legger sammen ligningene<br />
x1 − 5x2 + 2x3 = 6<br />
<strong>og</strong> 2x1 + 3x2 − 6x3 = 1 f˚ar vi for eksempel ligningen<br />
3x1 − 2x2 − 4x3 = 7.<br />
Mer generellt, om vi legger sammen ligningene<br />
f˚ar vi ligningen<br />
a1x1 + a2x2 + · · · + anxn = b <strong>og</strong> b1x1 + b2x2 + · · · + bnxn = c<br />
(a1 + b1)x1 + (a2 + b2)x2 + · · · + (an + bn)xn = b + c.<br />
(1.3) Merk. N˚ar a = 0 har ligningen<br />
a1x1 + a2x2 + · · · + anxn = b (1.3.1)<br />
i de n variable x1, x2, . . . , xn samme løsninger som ligningen<br />
→<br />
a<br />
−1l1, a−1l2, . . . , a−1 →<br />
ln<br />
→<br />
→<br />
aa1x1 + aa2x2 + · · · + aanxn = ab (1.3.2)<br />
ettersom (l1, l2, . . . , ln) t er en løsning av ligningen (1.3.1) hvis <strong>og</strong> bare hvis vektoren<br />
t er en løsning av (1.3.2).<br />
Om<br />
b1x1 + b2x2 + · · · + bnxn = c<br />
er en annen ligning vil de tre systemene med to ligninger i n variable<br />
a1x1 + a2x2 + · · · + anxn = b<br />
b1x1 + b2x2 + · · · + bnxn = c.<br />
a1x1 + a2x2 + · · · + anxn = b<br />
(a1 + b1)x1 + (a2 + b2)x2 + · · · + (an + bn)xn = b + c.<br />
<br />
(a1 + b1)x1 + (a2 + b2)x2 + · · · + (an + bn)xn = b + c<br />
b1x1 + b2x2 + · · · + bnxn = c.<br />
(1.3.3)<br />
(1.3.4)<br />
(1.3.5)<br />
ha samme løsning. Dette er fordi vi f˚ar ligningene i (1.3.3) fra ligningene i (1.3.4) ved<br />
˚a trekke begge sider i den første ligningen fra de tilsvarende sidene i den andre, <strong>og</strong> fra<br />
ligningene i (1.3.5) ved ˚a trekke begge sider i den andre ligningen fra de tilsvarende<br />
sidene i den første.
→<br />
LIGNINGER 1 75<br />
(1.4) Eksempel. Matrisen<br />
gir en avbildning<br />
A =<br />
som sender vektoren v = (a1, a2, a3) t til<br />
1 3 1 <br />
2 7 0<br />
−1 −4 3<br />
TA : R 3 → R 3<br />
TA(v) = A (a1, a2, a3) t = (a1 + 3a2 + a3, 2a1 + 7a2, −a1 − 4a2 + 3a3) t .<br />
La b = (b1, b2, b3) t være en vektor i R 3 . Vi vil gi en metode for ˚a bestemme om<br />
vektoren b ligger i bildet av TA, det vil si, om det finnes vektorer x = (x1, x2, x3) t i<br />
R 3 slik at<br />
TA(x) = (x1 + 3x2 + x3, 2x1 + 7x2, −x1 − 4x2 + 3x3) t = (b1, b2, b3) t .<br />
Dette betyr at de tre koordinatene i den midterste vektoren skal være like de tilsvarende<br />
koordinatene i den høyre vektoren. Ligningen TA(x) = b er derfor det<br />
samme som systemet av tre ligninger i tre ukjente<br />
x1 + 3x2 + x3 = b1<br />
2x1 + 7x2 = b2 . (1.4.1)<br />
−x1 − 4x2 + 3x3 = b3<br />
Vi løser dette systemet ved ˚a eliminere variable. Først bruker vi den første ligningen<br />
til ˚a eliminere den variable x1 fra de to andre. Multipliser den første ligningen med<br />
−2 <strong>og</strong> legg den til den andre ligningen. Vi f˚ar ligningssystemet med tre ligninger i<br />
tre variable<br />
x1 + 3x2 + x3 = b1<br />
x2 − 2x3 = −2b1 + b2<br />
−x1 − 4x2 + 3x3 = b3.<br />
(1.4.2)<br />
Som vi s˚a i (1.3) har systemet (1.4.2) samme løsninger som systemet (1.4.1).<br />
Nu bruker vi den første ligningen til ˚a eliminere x1 fra den tredje ligningen ved ˚a<br />
legge den til den tredje ligningen. Vi f˚ar et system med tre ligninger i tre ukjente<br />
x1 + 3x2 + x3 = b1<br />
x2 − 2x3 = −2b1 + b2<br />
− x2 + 4x3 = b1 + b3.<br />
Nu bruker vi den andre ligningen til ˚a eliminere x2 fra den første <strong>og</strong> den tredje<br />
ligningen. Multipliser først den andre ligningen med −3 <strong>og</strong> legg den til den første,<br />
<strong>og</strong> legg deretter den andre ligningen til den tredje. Vi f˚ar<br />
x1 + 7x3 = 7b1 − 3b2<br />
x2 − 2x3 = −2b1 + b2<br />
2x3 = −b1 + b2 + b3.
→<br />
→<br />
→<br />
→<br />
→<br />
76 Ligninger<br />
Nu deler vi den tredje ligningen med 2 <strong>og</strong> f˚ar<br />
x1 + 7x3 = 7b1 − 3b2<br />
x2 − 2x3 = −2b1 + b2<br />
x3 = − 1<br />
2b1 + 1<br />
2b2 + 1<br />
2b3. Til slutt bruker vi den tredje ligningen til ˚a eliminere x3 fra de to andre ligningene.<br />
Multipliser først den tredje ligningen med −7 <strong>og</strong> legg den til den første, <strong>og</strong> deretter<br />
med 2 <strong>og</strong> legg den til den andre. Vi f˚ar ligningene<br />
x1 = 21<br />
2 b1 − 13<br />
2 b2 − 7<br />
2b3 x2 = −3b1 + 2b2 + b3<br />
x3 = − 1<br />
2b1 + 1<br />
2b2 + 1<br />
2b3, (1.4.3)<br />
som <strong>og</strong>s˚a er et system av tre ligninger med tre ukjente. P˚a hvert trinn i eliminasjonsprosessen<br />
vil de ligningene vi f˚ar ha samme løsninger som ligningssystemet (1.4.1)<br />
som vi startet med. Fordelen med systemet (1.4.3) er at vi umiddelbart ser at det<br />
har nøyaktig en løsning<br />
x1 = 21<br />
2 b1 − 13<br />
2 b2 − 7<br />
2 b3, x2 = −3b1 + 2b2 + b3, x3 = − 1<br />
2 b1 + 1<br />
2 b2 + 1<br />
2 b3.<br />
Løsningen kan <strong>og</strong>s˚a uttrykkes som<br />
21 TA<br />
2 b1 − 13<br />
2 b2 − 7<br />
2 b3, −3b1 + 2b2 + b3, − 1<br />
2 b1 + 1<br />
2 b2 + 1<br />
2 b3<br />
<br />
t<br />
= (b1, b2, b3) t .<br />
Vi ser at det finnes nøyaktig en løsning uansett hva (b1, b2, b3) t er. Dette kan vi <strong>og</strong>s˚a<br />
uttrykke ved ˚a si at TA er surjektiv <strong>og</strong> injektiv, det vil si bijektiv.<br />
Vi merker oss at de variable x1, x2, x3 ikke spilte noen vesentlig rolle i regningene<br />
ovenfor. Derfor kan vi spare mye plass, <strong>og</strong> gjøre løsningene mye mer oversiktlige,<br />
ved ˚a sette opp koeffisientene i ligningene (1.4.1) i en matrise, <strong>og</strong> bare regne med<br />
matrisene. Det vil se, vi bruker bare matrisen<br />
1 3 1 | b1 <br />
2 7 0 | b2<br />
−1 −4 3 | b3<br />
(1.4.4)<br />
der vi setter en strek i matrisen for ˚a skille venstre delen, som er matrisen A vi startet<br />
med, fra den høyre, som er vektoren (b1, b2, b3) t i R 3 .<br />
Operasjonene vi gjorde p˚a ligningene (1.4.1) kan vi nu gjøre direkte p˚a matrisen<br />
(1.4.4). Vi multipliserer første raden i (1.4.4) med −2 <strong>og</strong> legger den til den andre<br />
raden, <strong>og</strong> f˚ar<br />
1<br />
0<br />
3<br />
1<br />
1 | b1 <br />
−2 | −2b1+b2 .<br />
−1 −4 3 | b3
→<br />
LIGNINGER 1 77<br />
Deretter legger vi den første raden til den tredje <strong>og</strong> f˚ar<br />
1<br />
0<br />
3<br />
1<br />
1 | b1 <br />
−2 | −2b1+b2 .<br />
0 −1 4 | b1+b3<br />
Nu multipliserer vi den andre raden med −3 <strong>og</strong> legger den til den første, <strong>og</strong> deretter<br />
legger vi den til den tredje. Vi f˚ar<br />
Divisjon av den tredje raden med 2 gir<br />
1 0 7 |<br />
0 1 −2 |<br />
7b1−3b2<br />
−2b1+b2<br />
<br />
.<br />
0 0 2 | −b1+b2+b3<br />
1 0 7 | 7b1−3b2<br />
0 1 −2 | −2b1+b2<br />
0 0 1 | − 1<br />
2<br />
b1+ 1<br />
2<br />
b2+ 1<br />
2 b3<br />
Til slutt multipliserer vi den tredje raden med −7 <strong>og</strong> legger den til den første, <strong>og</strong><br />
deretter multipliserer vi den med 2 <strong>og</strong> legger den til den andre. Vi f˚ar<br />
1 0 0 | 21<br />
2<br />
b1− 13<br />
2<br />
b2− 7<br />
2 b3<br />
0 1 0 | −3b1+2b2+b3<br />
0 0 1 | − 1<br />
2<br />
b1+ 1<br />
2<br />
b2+ 1<br />
2 b3<br />
Denne matrisen representerer ligningssystemet (1.4.3) som vi fikk ovenfor.<br />
(1.5) Eksempel. Matrisen<br />
A =<br />
<br />
0 1 3<br />
1 4 5<br />
gir en avbildning TA : R 3 → R 2 som sender vektoren v = (a1, a2, a3) t til<br />
TA(v) = A (a1, a2, a3) t = (a2 + 3a3, a1 + 4a2 + 5a3) t .<br />
Vi vil undersøke om vektoren (b1, b2) t ligger i bildet til TA, det vil si, om det finnes<br />
en vektor x = (x1, x2, x3) t slik at TA (x1, x2, x3) t = (b1, b2) t , <strong>og</strong> vi vil bestemme<br />
eventuelle slike vektorer. Sammenlikner vi første <strong>og</strong> andre koordinaten i ligningene<br />
TA(x) = TA (x1, x2, x3) t = (x2 + 3x3, x1 + 4x2 + 5x3) t = (b1, b2) t<br />
f˚ar vi et system av to ligninger i tre ukjente<br />
<br />
.<br />
<br />
.<br />
x2 + 3x3 = b1<br />
x1 + 4x2 + 5x3 = b2.<br />
(1.5.1)<br />
Disse ligningene løser vi igjen ved ˚a eliminere variable. Først bytter vi om ligningene<br />
<strong>og</strong> f˚ar<br />
x1 + 4x2 + 5x3 = b2<br />
x2 + 3x3 = b1.
→<br />
→<br />
→<br />
→<br />
78 Ligninger<br />
Vi bruker nu den andre ligningen til ˚a eliminere x2 i den første. Dette gjør vi ved<br />
˚a multiplisere den andre ligningen med −4 <strong>og</strong> legge den til den første. Dette gir<br />
systemet<br />
x1 − 7x3 = −4b1 + b2<br />
x2 + 3x3 = b1<br />
(1.5.2)<br />
med to ligninger i tre ukjente, som har samme løsninger som systemet (1.5.1). Vi ser<br />
av (1.5.2) at vi kan velge x3 til ˚a være et vilk˚arlig tall x3 = s <strong>og</strong> at vi for hvert s f˚ar<br />
løsningene<br />
x1 = −4b1 + b2 + 7s, x2 = b1 − 3s, x3 = s.<br />
Det finnes derfor, for alle valg av (b1, b2) t , uendelig mange løsninger, en for hvert<br />
valg av s. Vi sier at s er en parameter <strong>og</strong> at det finnes en 1-dimensjonal familie av<br />
løsninger.<br />
Vi kan <strong>og</strong>s˚a uttrykke løsningen ved<br />
TA<br />
<br />
(−4b1 + b2 + 7s, b1 − 3s, s) t<br />
= (b1, b2) t<br />
for alle (b1, b2) t <strong>og</strong> alle s. Avbildningen TA er derfor surjektiv, men den er ikke<br />
injektiv ettersom hver vektor (b1, b2) t er bildet av uendelig mange vektorer.<br />
Vi merker igjen at de variable x1, x2, x3 ikke spiller noen rolle i eliminasjonen.<br />
Derfor sparer vi plass <strong>og</strong> øker oversikten ved ˚a erstatte ligningssystemet med den<br />
utvidete koeffisientmatrisen 0 1 3 | b1<br />
1 4 5 | b2<br />
Eliminasjonen av de variable som vi utførte p˚a systemet (1.5.1) tilsvarer da ˚a bytte<br />
om radene slik at vi f˚ar 1 4 5 | b2<br />
0 1 3 | b1<br />
<strong>og</strong> deretter ˚a multiplisere den siste raden med −4 <strong>og</strong> addere den til den første raden.<br />
Dette gir 1 0 −7 | −4b1+b2<br />
0 1 3 | b1<br />
<br />
.<br />
<br />
,<br />
<br />
. (1.5.3)<br />
Matrisen (1.5.3) svarer til det samme ligningssystemet (1.5.2) som vi fant ovenfor.<br />
(1.6) Eksempel. Matrisen<br />
A =<br />
1 2 <br />
4 3<br />
−1 2<br />
definerer en avbildning TA : R 2 → R 3 som sender vektoren (a1, a2) t til vektoren<br />
(a1 + 2a2, 4a1 + 3a2, −a1 + 2a2) t . Vi vil undersøke om en vektor (b1, b2, b3) t ligger i<br />
bildet til TA, det vil si, om det finnes vektorer x = (x1, x2) t slik at<br />
TA(x) = (x1 + 2x2, 4x1 + 3x2, −x1 + 2x2) t = (b1, b2, b3) t . (1.6.1)
→<br />
→<br />
→<br />
LIGNINGER 1 79<br />
Sammenlikner vi de tre koordinatene i ligningen (1.6.1) f˚ar vi et system av tre<br />
ligninger i to ukjente<br />
x1 + 2x2 = b1<br />
4x1 + 3x2 = b2<br />
−x1 + 2x2 = b3.<br />
(1.6.2)<br />
Vi løser systemet ved ˚a eliminere variable. Først bruker vi den første ligningen til<br />
˚a eliminere x1 i de to andre ligningene. Multipliser den første ligningen med −4 <strong>og</strong><br />
legg den til den andre ligningen, <strong>og</strong> legg deretter den første ligningen til den tredje.<br />
Vi f˚ar et system av tre ligninger i to ukjente<br />
x1 + 2x2 = b1<br />
− 5x2 = −4b1 + b2<br />
4x2 = b1 + b3.<br />
Multipliserer vi den andre ligningen med − 1<br />
5<br />
f˚ar vi<br />
x1 + 2x2 = b1<br />
x2 = 4<br />
5 b1 − 1<br />
5 b2<br />
4x2 = b1 + b3.<br />
Vi bruker nu den andre ligningen til ˚a eliminere x2 fra den første <strong>og</strong> tredje ligningen.<br />
Multipliser den andre ligningen med −2 <strong>og</strong> legg den til den første, <strong>og</strong> multipliser<br />
deretter den første ligningen med −4 <strong>og</strong> legg den til den andre ligningen. Dette gir<br />
systemet av tre ligninger i to ukjente<br />
x1 = − 3<br />
5 b1 + 2<br />
5 b2<br />
x2 = 4<br />
5 b1 − 1<br />
5 b2<br />
0 = − 11<br />
5 b1 + 4<br />
5 b2 + b3.<br />
(1.6.3)<br />
Av ligningssystemet (1.6.3) ser vi at om ligningen skal ha løsninger s˚a m˚a vi ha at<br />
− 11<br />
5 b1 + 4<br />
5 b2 + b3 = 0, eller<br />
−11b1 + 4b2 + 5b3 = 0. (1.6.4)<br />
Bare n˚ar ligningen (1.6.4) er oppfyllt har vi at ligningssystemet (1.6.2) har en løsning,<br />
<strong>og</strong> da er løsningen gitt av<br />
x1 = − 3<br />
5 b1 + 2<br />
5 b2, x2 = 4<br />
5 b1 − 1<br />
5 b2.<br />
Vi kan uttrykke dette ved ˚a si at bildet av TA er planet<br />
H = {(b1, b2, b3) t ∈ R 3 : −11b1 + 4b2 + 5b3 = 0}
→<br />
→<br />
→<br />
→<br />
80 Ligninger<br />
<strong>og</strong> at, for hvert punkt (b1, b2, b3) t i planet H, finnes det nøyaktig et punkt x =<br />
<br />
3 − 5b1 + 2 4<br />
5b2, 5b1 − 1<br />
5b2 t 2 i R slik at TA(x) = b. Med andre ord er TA injektiv, men<br />
ikke surjektiv.<br />
Igjen ser vi at de variable x1, x2, x3 ikke har noen vesentlig rolle i eliminasjonen,<br />
s˚a det er enklere <strong>og</strong> mer instruktivt ˚a se p˚a den utvidete koordinatmatrisen<br />
<br />
1 2 | b1<br />
4 3 | b2<br />
−1 2 | b3<br />
til systemet (1.6.2). Eliminasjonene kan da skrives som<br />
1<br />
4<br />
2 | b1 1 2 | b1 <br />
3 | b2 → 0 −5 | −4b1+b2 →<br />
−1 2 | b3 0 4 | b1+b3<br />
1 2 | b1<br />
0 1 | 4 1<br />
5 b1− 5 b2<br />
0 4 | b1+b3<br />
1 0 | −<br />
→<br />
3<br />
5<br />
0 1 |<br />
0 0 | − 11<br />
5<br />
Matrisen lengst til høyre korresponderer med systemet (1.6.3).<br />
4<br />
5<br />
b1+ 2<br />
5 b2<br />
b1− 1<br />
5 b2<br />
b1+ 4<br />
5 b2+b3<br />
<br />
. (1.6.5)<br />
(1.7) Merk. Vi har sett at et lineært system av ligninger kan representeres av en<br />
matrise. Ved hjelp av de tre operasjonene<br />
(1) multiplikasjon av en rad med et tall <strong>og</strong> addisjon av denne raden til en annen<br />
rad,<br />
(2) ombytte av to rader,<br />
(3) multiplikasjon av en rad med en ikke null konstant,<br />
kan vi f˚a matrisen over p˚a en form slik at vi umiddelbart kan finne løsningen til det<br />
tilsvarende ligningssystemet.<br />
Ettersom ligningssystemet som svarer til den matrisen vi startet med har samme<br />
løsninger som ligningssystemet som svarer til den matrisen vi ender opp med har vi<br />
f˚att en effektiv m˚ate for ˚a finne løsningene til et system av lineære ligninger.<br />
I eksemplene (1.4)-(1.6) startet vi med koeffisientmatrisene<br />
1<br />
2<br />
3<br />
7<br />
1 <br />
0 ,<br />
−1 −4 3<br />
<br />
0 1 3<br />
,<br />
1 4 5<br />
<strong>og</strong> vi endte opp med de tilsvarende matrisene<br />
1 0 0<br />
0 1 0<br />
0 0 1<br />
<br />
,<br />
1 0 7<br />
0 1 3<br />
<br />
,<br />
1 2 <br />
4 3<br />
−1 2<br />
1 0 <br />
0 1<br />
0 0<br />
. (1.7.1)<br />
Vi sier at matriser p˚a formen (1.7.1) er i redusert trappetrinnsform <strong>og</strong> prosessen<br />
som vi har beskrevet, som reduserte matrisen til denne formen, kalles Gauss-Jordan<br />
eliminasjon. En redusert trappetrinnsform er en matrise der radene har første ikke<br />
null koeffisient, kalt den ledende koordinaten, lik 1, <strong>og</strong> i kolonnen som inneholder en<br />
ledende koordinat er alle andre koeffisienter lik 0. Videre skal de ledende koordinatene<br />
ligge lenger til høyre jo lenger ned i matrisen raden ligger.<br />
Vi skal komme tilbake til alle begrepene vi har sett ovenfor i mye større generalitet.<br />
Det er viktig fullt ut ˚a forst˚a begrepen i de spesielle tilfellene vi har behandlet ovenfor<br />
ettersom notasjonen i de generelle tilfellene kan bli ganske involvert.
LIGNINGER 1 81<br />
(1.8) Opgaver.<br />
1. La A være en 3 × 3-matrise <strong>og</strong> b = (b1, b2, b3) t en vektor i R 3 . Undersøk om<br />
ligningen Ax = b har en løsning x = (x1, x2, x3) t . Bestem alle slike løsninger n˚ar de<br />
finnes, <strong>og</strong> avgjør om TA er injektiv eller surjektiv i tilfellene<br />
1 5 1 <br />
(1) A = 2 17 4 .<br />
3 18 4 1 2 4 <br />
(2) A = 2 1 4 .<br />
3 3 2 1 2 2 <br />
(3) A = 2 5 5 .<br />
<br />
(4) A =<br />
.<br />
1 5 5<br />
1 2 3<br />
−1 −2 −3<br />
−5 −10 −15<br />
(Gjem utregningene. Du f˚ar bruk for dem i kommende oppgaver.)<br />
2. La A være en 2×3-matrise <strong>og</strong> b = (b1, b2) t en vektor i R 2 . Undersøk om ligningen<br />
Ax = b har en løsning x = (x1, x2, x3) t . Bestem alle slike løsninger n˚ar de finnes, <strong>og</strong><br />
avgjør om TA er injektiv eller surjektiv i tilfellene<br />
<br />
6 1 0<br />
(1) A = .<br />
5 1 0 <br />
1 2 4<br />
(2) A = .<br />
3 7 14 <br />
1 1 2<br />
(3) A = .<br />
−2 −2 4<br />
<br />
(4) A = .<br />
1 10 1<br />
3 −35 3<br />
(Gjem utregningene. Du f˚ar bruk for dem i kommende oppgaver.)<br />
3. La A være en 3 × 2-matrise <strong>og</strong> b = (b1, b2, b3) t en vektor i R 3 . Undersøk om<br />
ligningen Ax = b har en løsning x = (x1, x2) t . Bestem alle slike løsninger n˚ar de<br />
finnes, <strong>og</strong> avgjør om TA er injektiv eller surjektiv i tilfellene<br />
(1) A =<br />
(2) A =<br />
(3) A =<br />
(4) A =<br />
1 3<br />
2 7<br />
−2 −8<br />
1 4 <br />
2 12<br />
3 4 0 5<br />
0 1<br />
<br />
.<br />
.<br />
<br />
.<br />
0 6<br />
2 15<br />
1 6<br />
−3 −12<br />
<br />
.<br />
(Gjem utregningene. Du f˚ar bruk for dem i kommende oppgaver.)<br />
<br />
3<br />
4. Bestem alle matriser A slik at a11 = a22 = 1 <strong>og</strong> A = . (KTH 2000).<br />
5. Løs ligningssystemet<br />
x− z = 0<br />
y+2z = 1<br />
x+2y−3z =4.<br />
1<br />
1<br />
10
82 Ligninger<br />
1 2 3 <br />
2 1 1 .<br />
3 3 4<br />
(1) Bestem kjernen til TA : R3 → R3 , det vil si alle vektorer v i R3 som er slik<br />
at TA(v) = 0.<br />
(2) Bestem bildet til TA, det vil si alle vektorer TA(v) for v i R3 .<br />
6. La A =<br />
7. For hvert tall b har vi et ligningssystem<br />
5x− y=−2b 2<br />
10x−2y=−b 2 − 3b + 2.<br />
(1) For hvilke b har systemet løsninger?<br />
(2) Bestem løsningene n˚ar systemet har løsninger.<br />
8. Ofte har vi anvendelse for ˚a finne heltallsløsninger av lineære ligninger med<br />
heltallskoeffisienter. N˚ar vi søker heltallsløsninger av slike ligninger kalles de diofantiske<br />
ligninger.<br />
(1) Finn en heltallsløsning, om den finnes, til ligningene<br />
(a) 5x + 3y = 1.<br />
(b) 11x − 3y = 5.<br />
(c) 33x + 27y = 1.<br />
(d) 33x + 7y = 1.<br />
(2) Bestem alle løsningene til ligningene (a), (b), (c) <strong>og</strong> (d) i del (1) av denne<br />
oppgaven.<br />
Hint. Bruk at om du har funnet en løsning (a, b) til ligningen mx + ny = p, der<br />
a, b, m, n, p er heltall, <strong>og</strong> en løsning (c, d) til ligningen mx + ny = 0 s˚a vil (a + c, b + d)<br />
være en løsning av ligningen mx + ny = p.<br />
9. La m, n, p være hele tall. Anta at m <strong>og</strong> n er innbyrdes primiske, d.v.s. det finnes<br />
inget primtall som deler b˚ade m <strong>og</strong> n.<br />
Hint. Bruk at om du har funnet en løsning (a, b) til ligningen mx + ny = p, der<br />
a, b, m, n, p er heltall, <strong>og</strong> en løsning (c, d) til ligningen mx + ny = 0 s˚a vil (a + c, b + d)<br />
være en løsning av ligningen mx + ny = p.<br />
10. La m, n, p være hele tall. Anta at m <strong>og</strong> n er innbyrdes primiske, d.v.s. det finnes<br />
inget primtall som deler b˚ade m <strong>og</strong> n.<br />
(1) Vis at den diofantiske ligningen mx + ny = p har en heltallsløsning.<br />
(2) Vis at om du har en heltallsløsning s˚a kan du finne alle heltallsløsninger til<br />
den diofantiske ligningen mx + ny = p.<br />
Hint. (1) Det rekker˚a vise (1) for p = 1 ettersom vi etterp˚a kan multiplisere ligningen<br />
med p. For ˚a vise ligningen for p = 1 betrakter vi mengden S av alle tall l som<br />
har egenskapen at for alle tall n som er innbyrdes primisk med l s˚a vil det finnes<br />
heltallsløsninger av ligningen lx + ny = 1. Vi har at tallet 1 ligger i S. Anta at vi<br />
har vist at tallene 1, 2, . . . , m − 1 alle ligger i S. Vi vil vise at da ligger <strong>og</strong>s˚a m i
LIGNINGER 1 83<br />
S. La n være primisk med n. Da kan vi finne heltall q <strong>og</strong> r slik at n = qm + r der<br />
0 < r < m. Men vi har at r er primisk med m fordi en felles faktor ville dele n.<br />
Ettersom vi har at r er i S kan vi finne hele tall c <strong>og</strong> d slik at cm + rd = 1. Men da<br />
har vi cm + (n − qm)d = 1, som gir (c − qd)m + nd = 1. Derfor er <strong>og</strong>s˚a m med i S.<br />
(2) Bruk samme hint som i forrige oppgave.<br />
11. Et utmerket <strong>og</strong> velkjent eksempel p˚a et diofantisk problem er Archimedes’<br />
Problema bovinum. Solguden hadde en hjord med kuer <strong>og</strong> okser. Det var<br />
V = vite okser v=vite kuer<br />
S = svarte okser s =svarte kuer<br />
F = flekkete okser f =flekkete kuer<br />
B = brune okser b=brune kuer.<br />
Blandt oksene var antallet vite minus antallet brune like en halv pluss en tredjedel av<br />
antallet av de svarte. Antallet svarte minus antallet brune var en fjerdedel pluss en<br />
femtedel av antallet flekkete. Antallet flekkete minus antallet brune var en sjettedel<br />
pluss en syvendedel av antallet vite. Med andre ord var<br />
V − B = ( 1<br />
2<br />
S − B = ( 1<br />
4<br />
F − B = ( 1<br />
6<br />
+ 1<br />
3<br />
+ 1<br />
5<br />
+ 1<br />
7<br />
5 )S = 6S (1)<br />
)F = 9<br />
20<br />
)V = 13<br />
42<br />
F (2)<br />
V (3)<br />
Blandt kuene var antallet vite like en tredjedel pluss en fjerdedel av antallet svarte<br />
kyr, antallet svarte var en fjerdedel pluss en femtedel av antallet flekkete kyr, antallet<br />
flekkete en femtedel pluss en sjettedel av antallet brune kyr, <strong>og</strong> antallet brune en<br />
sjettedel pluss en syvendedel av antallet vite kyr. Med andre ord<br />
v = ( 1<br />
3<br />
s = ( 1<br />
4<br />
f = ( 1<br />
5<br />
b = ( 1<br />
6<br />
1<br />
7<br />
+ 4 )(s + S) = 12 (s + S) (4)<br />
+ 1<br />
5<br />
+ 1<br />
6<br />
+ 1<br />
7<br />
Finn sammensetningen av hjorden.<br />
Hint. De tre første ligningene gir<br />
Løs disse likningen slik at du f˚ar<br />
)(f + F ) = 9<br />
20<br />
)(b + B) = 11<br />
30<br />
)(v + V ) = 13<br />
42<br />
6V − 5S = 6B<br />
20S −9F = 20B<br />
(f + F ) (5)<br />
(b + B) (6)<br />
(v + V ) (7)<br />
−13V +42F = 42B.<br />
V = 742 178 1580<br />
B, S = B, F =<br />
297 99 891 B.
84 Ligninger<br />
Ettersom 1580 <strong>og</strong> 891 ikke har noen felles faktor m˚a vi ha, for at F skal være hel, at<br />
B = 891G for noe tall G. Derfor har vi at<br />
V = 742<br />
891G= 742 · 3G = 2226G<br />
297<br />
S = 178<br />
891G= 178 · 9G = 1602G<br />
99<br />
B = 891G<br />
Setter vi disse verdiene inn i ligningene (4), (5), (6) <strong>og</strong> (7) f˚ar vi<br />
12v−7s = 11214G<br />
20s−9f = 14220G<br />
30f−11b = 9801G<br />
−13v +42b = 28938G<br />
Løs disse fire ligningene i fire ukjente v, s, f, b. Vi f˚ar om c = 4657 at<br />
cv = 7206360G<br />
cs = 4893246G<br />
cf = 3515820G<br />
cb = 5439213G. (8)<br />
Vi har at 4657 er et primtall <strong>og</strong> det g˚ar fort ˚a kontrollere at ingen av tallene p˚a høyre<br />
side i ligningene (8) er delbare med 4651. Derfor m˚a vi ha at G = 4651g for noe<br />
heltall g. Vi har derfor vist at<br />
V = 10366482g<br />
S = 7460514g<br />
F = 7358060g<br />
B = 4149387g<br />
v = 7206360g<br />
s = 4893246g<br />
f = 3515820g<br />
b = 5439213g.<br />
Vi ser at vi har uendelig mange løsninger <strong>og</strong> de minste f˚ar vi for g = 1.
→<br />
→<br />
→<br />
LIGNINGER 2 85<br />
2. Gauss-Jordan eliminasjon.<br />
(2.1) Innledning. Vi vil beskrive Gauss-Jordan eliminasjon for generelle lineære<br />
ligningssystemer. Dette er en enkel <strong>og</strong> effektiv metode for ˚a bestemme om et system<br />
av lineære ligninger har løsninger <strong>og</strong> for ˚a finne løsningene n˚ar de eksisterer. Alle<br />
grunnprinsippene i eliminasjonen har vi brukt i Eksemplene i Seksjon (1). For de<br />
som har regnet eksemplene i Seksjon (1) kommer derfor metodene i denne seksjonen<br />
ikke som noen overraskelse. Det som gjenst˚ar er ˚a sette opp notasjonen slik at den<br />
blir h˚andterbar for systemer med mange ligninger <strong>og</strong> mange ukjente.<br />
Notasjonen kan virke komplisert <strong>og</strong> abstrakt ettersom det forekommer mange<br />
rekker <strong>og</strong> søyler, <strong>og</strong> det kan virke vanskelig ˚a se hvor elementene st˚ar. For de som<br />
har gjort eksemplene i Seksjon (1) er det enkelt ˚a se hvordan generaliseringene til<br />
m × n-matriser m˚a være. I virkeligheten er det s˚a greit at alle med god kjenneskap<br />
til eksemplene burde klare generaliseringen p˚a egen h˚and.<br />
Etter at vi har beskrevet Gauss-Jordan eliminasjonen for generelle linære ligningssystemer,<br />
viser vi hvordan disse eliminasjonene kan utføres ved hjelp av matriseoperasjoner.<br />
Dette har stor teoretisk betydning <strong>og</strong> danner grunnlaget for v˚ar<br />
behandling av determinanter i Seksjon 2.<br />
(2.2) Definisjon. Et system av m lineære ligninger i n variable x1, x2, . . . , xn er<br />
m ligninger p˚a formen<br />
a11x1 + a12x2 + · · · + a1nxn = b1<br />
a21x1 + a22x2 + · · · + a2nxn = b2<br />
.<br />
am1x1 + am2x2 + · · · + amnxn = bm.<br />
(2.2.1)<br />
Vi kaller systemet hom<strong>og</strong>ent om b1 = b2 = · · · = bm = 0. Det vil si et hom<strong>og</strong>ent<br />
system av lineære ligninger er et system p˚a formen<br />
Matrisen<br />
a11x1 + a12x2 + · · · + a1nxn = 0<br />
a21x1 + a22x2 + · · · + a2nxn = 0<br />
.<br />
am1x1 + am2x2 + · · · + amnxn = 0.<br />
A =<br />
⎛<br />
⎜<br />
⎝<br />
a11 a12 · · · a1n<br />
a21 a22 · · · a2n<br />
.<br />
am1 am2 · · · amn<br />
kalles koeffisientmatrisen til ligningssystemet <strong>og</strong> matrisen<br />
⎛<br />
⎞<br />
⎜<br />
⎝<br />
a11 a12 · · · a1n | b1<br />
a21 a22 · · · a2n | b2<br />
.<br />
am1 am2 · · · amn | bm<br />
⎞<br />
⎟<br />
⎠<br />
⎟<br />
⎠<br />
(2.2.2)
→<br />
→<br />
→<br />
86 Ligninger<br />
kalles den utvidete koeffisientmatrisen.<br />
(2.3) Merk. Lignigssystemet (2.2.1) kan skrives p˚a formen<br />
Ax = b<br />
med b = (b1, b2, . . . , bm) t <strong>og</strong> x = (x1, x2, . . . , xn) t . Om TA : R n → R m er avildningen<br />
gitt av matrisen A s˚a kan ligningssystemet <strong>og</strong>s˚a skrives p˚a formen<br />
TA(x) = b. (2.3.1)<br />
Vi ser av formen (2.3.1) at løsningen av det hom<strong>og</strong>ene ligningssystemet (2.2.2) er det<br />
samme som kjernen til TA. Videre ser vi at de vektorene b der ligning (2.2.1) har<br />
løsninger er bildet av TA.<br />
(2.4) Definisjon. Vi sier at matrisen<br />
⎛<br />
⎜<br />
⎝<br />
0 ··· 0 1 a1j1 +1 ··· a1j2−1 0 a1j2 +1 ··· a1j 0 a1j ··· a1n<br />
s−1 s+1<br />
0 ··· 0 0 ··· 0 1 a2j2 +1 ··· a2j 0 a2j ··· a2n<br />
s−1 s+1<br />
.<br />
.<br />
.<br />
.<br />
.<br />
.<br />
.<br />
.<br />
0 ... 0 0 ··· ··· 0 1 asj ··· asn<br />
s+1<br />
0 ... 0 0 ··· ··· 0 0 ··· 0<br />
.<br />
.<br />
.<br />
.<br />
0 ··· 0 0 ··· 0 0 ··· 0 0 ··· 0<br />
er p˚a redusert trappetrinnsform. Koordinatene (1, j1), (2, j2), . . . , (s, js) kalles de<br />
ledende koordinatene <strong>og</strong> s kalles rangen til matrisen.<br />
Den reduserte trappetrinnsformen karakteriseres av at første ikke null koordinat i<br />
hver rekke, det vil si ledende koordinatene koordinaten, er 1 <strong>og</strong> de resterende koordinatene<br />
i kolonnen denne 1’eren st˚ar er 0. Videre ligger de ledende koordinatene lenger<br />
til høyre jo lenger ned i matrisen vi kommer. Dette svarer tiil at j1 ≤ j2 ≤ · · · ≤ js.<br />
(2.5) Bemerkning. Det er lettere ˚a f˚a en ide om hvordan den reduserte trappetrinnsformen<br />
ser ut ved ˚a omnummerere de variable, eller, hvilket er det samme,<br />
˚a innføre nye variable y1, y2, . . . , yn der y1 = xj1 , y2 = xj2 , . . . , ys = xjs <strong>og</strong> der<br />
ys+1, ys+2, . . . , yn er de variable x1, x2, . . . ,xj1−1, xj1+1, . . . , xj2−1 , xj2+1 , . . . ,<br />
xjs−1, xjs+1, . . . , xn. Da ser den reduserte matrisen ut som<br />
⎛<br />
⎜<br />
⎝<br />
.<br />
.<br />
.<br />
.<br />
1 0 ··· 0 a1s+1 a1s+2 ··· a1n<br />
0 1 ··· 0 a2s+1 a2s+2 ··· a2n<br />
. .. . .<br />
.<br />
.<br />
.<br />
.<br />
0 ··· 1 ass+1 ass+2 ··· asn<br />
0 ··· 0 ··· 0<br />
.<br />
.<br />
.<br />
.<br />
.<br />
.<br />
.<br />
.<br />
.<br />
.<br />
.<br />
.<br />
.<br />
.<br />
0 ··· 0 ··· 0<br />
.<br />
.<br />
.<br />
⎞<br />
⎟ .<br />
⎟<br />
⎠<br />
.<br />
.<br />
.<br />
.<br />
.<br />
⎞<br />
⎟<br />
⎠
→<br />
→<br />
→<br />
→<br />
→<br />
LIGNINGER 2 87<br />
Det er lett ˚a se at denne matrisen er p˚a samme form som matrisen i (2.4), bare at<br />
vi har nummerert om søylene.<br />
En annen m˚ate ˚a betrakte denne omnummereringen p˚a er at vi flytter søylene<br />
nummer j1, j2, . . . , js der de ledende enerne st˚ar i matrisen i (2.4), til søylene<br />
nummerert med 1, 2, . . . , s. De resterende n − s sølene i matrisen i (2.4) lar vi bli<br />
st˚aende slik at de utgjør de siste n − 2 søylene i den nye matrisen <strong>og</strong> st˚ar i samme<br />
innbyrdes orden i den nye matrisen som rekkefølgen de hadde i matrisen (2.4).<br />
(2.6) Eliminasjon av variable. Gauss-Jordan eliminasjonen best˚ar i ˚a eliminere<br />
s˚a mange variable som mulig fra et system av lineære ligninger. Prosessen vi skal<br />
beskrive er ganske grei, men notasjonen kan virke komplisert. Det er derfor viktig<br />
˚a beherske de eksemplene vi har behandlet i forrige seksjon. Vi begynner med ˚a<br />
bestemme den første variable xj1 som forekommer i ligningssytemet med en ikke<br />
null koeffisient ai1j1 . Vi multiplserer ligning nummer i1 med a −1<br />
<strong>og</strong> bytter om rad<br />
i1j1<br />
nummer 1 <strong>og</strong> rad nummer i1. Den første ligningen i det nye systemet ser da ut som<br />
xj1 + b1j1+1 + · · · + b1nxn. Vi multipliserer nu den første ligningen med passende<br />
konstanter <strong>og</strong> trekker den fra de andre ligningene slik at koeffisientene foran xj1 bli<br />
null i alle disse ligningene. Ligningssystemet ser da ut som<br />
xj1 + b1j1+1xj1+1 + · · · + b1nxn = c1<br />
b2j1+1xj1+1 + · · · + b2nxn = c2<br />
.<br />
.<br />
bmj1+1xj1+1 + · · · + bmnxn = cm.<br />
Dette ligningssystemet har samme løsninger som systemet (2.2.1). Vi bestemmer<br />
nu den første variable xj2 i de siste m − 1 ligningene som forekommer med en ikke<br />
null koeffisient bi2j2 . Deretter multipliserer vi rad i2 med b −1<br />
<strong>og</strong> bytter om den<br />
i2j2<br />
andre rekken <strong>og</strong> rekke i2. Koeffisienten foran xj2 i den andre raden er nu 1 <strong>og</strong> ved<br />
˚a multiplisere den andre raden med passende konstanter <strong>og</strong> trekke resultatet fra de<br />
resterende radene kan vi oppn˚a at alle raden bortsett fra rad i2 ikke inneholder den<br />
variable xj2 . Ligningssystemet ser nu ut som<br />
xj1 + c1j1+1xj1+1+ · · ·+c1j2−1xj2−1+ + c1j2+1xj2+1+ · · · +c1nxn = d1<br />
xj2 + c2j2+1xj2+1+ · · · +c2nxn = d2<br />
.<br />
cmj2+1xj2+1 + · · ·+cmnxn =dm<br />
Denne prosessen kan vi fortsette til det ikke lenger finnes ikke null koeffisienter for<br />
noen av variablene, det vil si, alle de gjenst˚aende ligningene har null til venstre<br />
om likhetstegnet. Da vil koeffisientmatrisen være i redusert trappetrinnsform. Alle<br />
ligningssystemene vi f˚ar i prosessen har samme løsninger. Det som skiller det systemet<br />
vi startet med fra det vi ender opp med, <strong>og</strong> som har en redusert trappetrinnsmatrise
→<br />
88 Ligninger<br />
som koeffisientmatrise, er at vi kan lese løsningene direkte av det siste systemet. For<br />
lettest ˚a innse dette omnummererer vi de variable x1, x2, . . . , xn, eller, hvilket er det<br />
samme, innfører vi nye variable y1, y2, . . . , yn gitt ved y1 = xj1 , y2 = xj2 , . . . , ys = xjs<br />
<strong>og</strong> lar ys+1, ys+2, . . . , yn være de resterende variable x1, x2, . . . , xj1−1, xj1+1, . . .<br />
xj2−1, xj2+1, . . . , xjs−1, xjs+1, . . . , xn. Systemet har da formen<br />
y1<br />
y2<br />
+ d1s+1ys+1 + d1s+2ys+2 + · · · + d1nyn = f1<br />
+ d2s+1ys+1 + d2s+2ys+2 + · · · + d2nyn = f2<br />
.<br />
.<br />
ys + dss+1ys+1 + dss+2ys+2 + · · · + dsnyn = fs<br />
0 = fs+1<br />
.<br />
0 = fn<br />
Vi ser at vi bare har løsninger om betingelsene 0 = fs+1 = fs+2 = · · · = fm er<br />
oppfyllt. N˚ar disse betingelsene holder ser vi at vi kan velge alle variable ys+1, ys+2,<br />
. . . , yn fritt, ys+1 = ts+1, ys+2 = ts+2, . . . , yn = tn <strong>og</strong> at de resterende variablene<br />
y1, y2, . . . , ys er gitt av ts+1, ts+2, . . . , tn. Med andre ord vil løsningen være gitt av<br />
y1 = f1 − d1s+1ts+1 − d1s+2ts+2 − · · · − d1ntn<br />
y2 = f2 − d2s+1ts+1 − d2s+2ts+2 − · · · − d2ntn<br />
.<br />
.<br />
ys = fs − dss+1ts+1 − dss+2ts+2 − · · · − dsntn<br />
ys+1= ts+1<br />
ys+2= ts+2<br />
.<br />
.<br />
yn = tn<br />
der vi kan velge alle ti’ene fritt. Vi sier at at ts+1, ts+2, . . . , tn er parametre <strong>og</strong> at vi<br />
har en n − s-dimensjonal familie av løsninger.<br />
(2.7) Bemerkning. Vi ser med det samme at om m = n s˚a vil ligningssystemet<br />
(2.2.1) ha en enenste løsning om den reduserte trappetrinnsmatrisen er In. Den<br />
hom<strong>og</strong>ene ligningen har da bare løsningen x1 = x2 = · · · = xn = 0. Om n ≥ m ser<br />
vi at løsningen av det hom<strong>og</strong>ene systemet avhenger av n − s-parametre.<br />
(2.8) Elementære operasjoner. Som vi har sett spiller ikke de variable noen rolle<br />
i Gauss-Jordan eliminasjonen. Derfor er det fordelaktig ˚a gjøre eliminasjonen direkte<br />
p˚a koeffisientmatrisen, eller p˚a den utvidete koeffisientmatrisen.<br />
(2.9) Definisjon. La A være en m × n-matrise. Følgende tre operasjoner p˚a A<br />
kalles elementære operasjoner<br />
(1) Addisjon av en rad multiplisert med et tall til en annen rad.<br />
(2) Ombytte av to rader.<br />
(3) Multiplikasjon av en rad med et ikke null tall.<br />
.<br />
.
→<br />
→<br />
LIGNINGER 2 89<br />
(2.10) Eliminasjon for matriser. Gauss-Jordan eliminasjonen av variable i et<br />
system av lineære ligninger kan overføres direkte til elementære operasjoner p˚a radene<br />
til den tilsvarende koeffisientmatrisen. Prosessen beskrevet i Seksjon (2.6) ovenfor<br />
kan vi oversette direkte til elementære operasjoner p˚a matrisen. Vi ser at vi ender<br />
opp med en m × n-matrise som er p˚a redusert trappetrinnsform. Dette kalles Gauss-<br />
Jordan reduksjon av matrisen A.<br />
(2.11) Eksempel. Vi vil vise hvordan Gauss-Jordan reduksjonen fungerer p˚a et<br />
system av fire ligninger med seks ukjente<br />
x1 + 2x2 + x3 − 3x4 + 5x5 + x6 = b1<br />
3x1 + 6x2 + 6x3 − 15x4 + 21x5 + x6 = b2<br />
2x1 + 4x2 + 3x3 − 8x4 + 12x5 + x6 = b3<br />
5x1 + 10x2 + 7x3 − 19x4 + 29x5 + 2x6 = b4.<br />
Den utvidete koeffisientmatrisen til ligningssystemet (2.11.1) er<br />
⎛<br />
⎞<br />
⎝<br />
1 2 1 −3 5 1 | b1<br />
3 6 6 −15 21 1 | b2<br />
2 4 3 −8 12 1 | b3<br />
5 10 7 −19 29 2 | b4.<br />
⎠<br />
(2.11.1)<br />
Multipliserer vi den første raden med −3, −2 <strong>og</strong> −5 <strong>og</strong> legger den til radene to, tre<br />
<strong>og</strong> fire respektive f˚ar vi matrisen<br />
⎛<br />
⎞<br />
⎝<br />
1 2 1 −3 5 1 | b1<br />
0 0 3 −6 6 −2 | −3b1+b2<br />
0 0 1 −2 2 −1 | −2b1+b3<br />
0 0 2 −4 4 −3 | −5b1+b4.<br />
Vi bytter nu om den andre <strong>og</strong> tredje raden <strong>og</strong> f˚ar<br />
⎛<br />
⎝<br />
1 2 1 −3 5 1 | b1<br />
0 0 1 −2 2 −1 | −2b1+b3<br />
0 0 3 −6 6 −2 | −3b1+b2<br />
0 0 2 −4 4 −3 | −5b1+b4.<br />
Multipliserer vi den andre raden med −1, −3 <strong>og</strong> −2 <strong>og</strong> legger den til første, tredje<br />
<strong>og</strong> fjerde raden respektive s˚a f˚ar vi<br />
⎛<br />
⎞<br />
⎝<br />
⎠<br />
⎞<br />
⎠<br />
1 2 0 −1 3 2 | 3b1−b3<br />
0 0 1 −2 2 −1 | −2b1+b3<br />
0 0 0 0 0 1 | 3b1+b2−3b3<br />
0 0 0 0 0 −1 | −b1−2b3+b4.<br />
Til slutt multipliserer vi den tredje raden med −2 <strong>og</strong> legger den til den første raden,<br />
<strong>og</strong> dessuten legger vi den tredje raden til den andre <strong>og</strong> den fjerde. Vi f˚ar<br />
⎛<br />
⎞<br />
⎝<br />
1 2 0 −1 3 0 | −3b1−2b2+5b3<br />
0 0 1 −2 2 0 | b1+b2−2b3<br />
0 0 0 0 0 1 | 3b1+b2−3b3<br />
0 0 0 0 0 0 | 2b1+b2−5b3+b4.<br />
⎠<br />
⎠ (2.11.2)
→<br />
→<br />
90 Ligninger<br />
Koeffisientmatrisen (2.11.2) er i redusert trappetrinnsform <strong>og</strong> svarer til ligningssystemet<br />
x1 + 2x2 − x4 + 3x5 + = −3b1 − 2b2 + 5b3<br />
x3 − 2x4 + 2x5 = b1 + b2 − 2b3<br />
Vi ser at ligningssystemet bare har løsninger om<br />
0 = 2b1 + b2 − 5b3 + b4<br />
x6 = 3b1 + b2 − 3b3<br />
0 = 2b1 + b2 − 5b3 + b4.<br />
(2.11.3)<br />
<strong>og</strong> n˚ar ligningen (2.11.3) er oppfyllt kan vi velge de variable x2, x4, x5 fritt lik x2 =<br />
s, x4 = t, x5 = u <strong>og</strong> løsningen til systemet er derfor<br />
x1= −3b1 − 2b2 + 5b3 − 2s + t − 3u<br />
x2= s<br />
x3= b1 + b2 − 2b3 + 2t − 2u<br />
x4= t<br />
x5= u<br />
x6= 3b1 + b2 − 3b3<br />
for alle tall s, t <strong>og</strong> u, n˚ar 0 = 2b1 + b2 − 5b3 + b4.<br />
(2.12) Elementære matriser. Vi skal se at vi kan erstatte elementære operasjoner<br />
p˚a matriser med matrisemultiplikasjon. For ˚a oppn˚a dette innfører vi elementære<br />
matriser. Dette har stor teoretisk betydelse. Som vanlig illustrer vi først teorien med<br />
eksempler.<br />
(2.13) Eksempel. La<br />
Vi har at<br />
1 0 0<br />
0 1 0<br />
a 0 1<br />
A =<br />
1<br />
−1<br />
2<br />
4<br />
3 <br />
2 .<br />
5 −1 0<br />
1<br />
−1<br />
2<br />
4<br />
3 1<br />
2 = −1<br />
2<br />
4<br />
3<br />
2<br />
<br />
.<br />
5 −1 0 5+a −1+2a 3a<br />
Istedenfor ˚a legge a ganger første raden til den tredje raden i matrisen A, kan vi<br />
derfor multiplisere A til venstre med den matrisen vi f˚ar ved ˚a legge til a ganger<br />
første raden til den tredje raden i enhetsmatrisen I3.<br />
Videre har vi at<br />
0 0 1<br />
0 1 0<br />
1 0 0<br />
1<br />
−1<br />
2<br />
4<br />
3 <br />
2 =<br />
5 −1 0<br />
5 −1 0 <br />
−1 4 2 .<br />
1 2 3<br />
Istedenfor ˚a bytte om første <strong>og</strong> tredje raden i A kan vi derfor multiplisere A til venstre<br />
med matrisen vi f˚ar n˚ar vi bytter første <strong>og</strong> tredje raden i enhetsmatrisen I3. Til slutt<br />
har vi at<br />
1 0 0<br />
0 1 0<br />
0 0 a<br />
1<br />
−1<br />
2<br />
4<br />
3 <br />
2 =<br />
5 −1 0<br />
1<br />
−1<br />
2<br />
4<br />
3 <br />
2 .<br />
5a −a 0<br />
Istedenfor ˚a multiplisere siste raden i A med a kan vi derfor multiplisere A til venstre<br />
med den matrisen vi f˚ar n˚ar vi multipliserer siste raden i enhetsmatrisen I3 med a.
LIGNINGER 2 91<br />
(2.14) Definisjon. La<br />
⎛<br />
⎜<br />
Eij(a) = ⎜<br />
⎝<br />
1 0 ··· ··· ··· 0<br />
0 1 ···<br />
. ..<br />
··· ··· 0<br />
0 ··· 1 ··· 0 ··· 0<br />
.<br />
.<br />
0 ··· a ··· 1 ··· 0<br />
.<br />
.<br />
. ..<br />
0 ··· ··· ··· ··· 1<br />
være matrisen vi f˚ar av enhetsmatrisen Im ved ˚a multiplisere den i’te raden med a<br />
<strong>og</strong> legge til den den j’te raden. Videre la<br />
⎛<br />
⎞<br />
⎜<br />
Eij = ⎜<br />
⎝<br />
1 0 ··· ··· ··· 0<br />
0 1 ···<br />
. ..<br />
··· ··· 0<br />
0 ··· 0 ··· 1 ··· 0<br />
.<br />
.<br />
.<br />
.<br />
0 ··· 1 ··· 0 ··· 0<br />
. ..<br />
0 ··· ··· ··· 1<br />
være matrisen vi f˚ar av enhetsmatrisen Im ved ˚a bytte den i’te <strong>og</strong> j’te raden. Til<br />
slutt lar vi<br />
⎛<br />
⎞<br />
⎜<br />
Ei(a) = ⎜<br />
⎝<br />
1 0 ··· ··· 0<br />
0 1 ···<br />
. ..<br />
··· 0<br />
0 ··· a ··· 0<br />
.<br />
.<br />
. ..<br />
0 ··· ··· 1<br />
være matrisen vi f˚ar av enhetsmatrisen Im ved ˚a multiplisere den i’te raden med<br />
a = 0. Vi kaller matrisene Eij(a), Eij <strong>og</strong> Ei(a) for elementære matriser.<br />
(2.15) Setning. La<br />
A =<br />
a11 ··· a1n<br />
.<br />
.<br />
am1 ··· amn<br />
være en m × n-matrise.<br />
(1) Produktet Eij(a)A er matrisen vi f˚ar ved ˚a legge a ganger den i’te raden i A<br />
til den j’te raden. Det vil si<br />
⎛<br />
<br />
⎟<br />
⎠<br />
⎟<br />
⎠<br />
⎞<br />
⎟<br />
⎠<br />
a11 a12 ··· a1n<br />
⎜<br />
.<br />
⎜<br />
.<br />
⎜ ai1 ai2 ··· ain<br />
⎜<br />
Eij(a)A = ⎜<br />
.<br />
⎜<br />
.<br />
⎜ aj1+aai1 aj2+aai2 ··· ajn+aain<br />
⎜<br />
⎝<br />
.<br />
am1 am2 ··· amn<br />
⎞<br />
⎟ .<br />
⎟<br />
⎠
→<br />
→<br />
92 Ligninger<br />
(2) Produktet EijA er matrisen vi f˚ar ved˚a bytte om i’te <strong>og</strong> j’te raden i matrisen<br />
A. Det vil si<br />
⎛ a11<br />
⎜ aj1<br />
⎜<br />
EijA = ⎜ ai1 ⎜<br />
⎝<br />
⎞<br />
a12 a1n<br />
. ⎟<br />
aj2 ··· ajn ⎟<br />
. ⎟<br />
. ⎟ .<br />
ai2 ··· ⎟ ain ⎟<br />
. ⎠<br />
.<br />
am1 am2 ··· amn<br />
(3) Produktet Ei(a)A er matrisen vi f˚ar ved˚a multiplisere den i’te raden i A med<br />
tallet a. Det vil si<br />
⎛ a11 a12 ··· a1n ⎞<br />
.<br />
⎜<br />
. ⎟<br />
Ei(a)A = ⎜ aai1 ai2 ··· aain ⎟<br />
⎝<br />
.<br />
⎠<br />
.<br />
.<br />
am1 am2 ··· amn<br />
Bevis. Alle de tre ligningene følger umiddelbart ved˚a utføre matrisemultiplikasjonene<br />
Eij(a)A, EijA respektive Ei(a)A.<br />
(2.16) Korollar. Vi har ligningene<br />
Eij(a)Eij(−a) = Eij(−a)Eij(a) = Im<br />
EijEji = EjiEij = Im, Ei(a)Ei(a −1 ) = Ei(a −1 )Ei(a) = Im.<br />
Spesielt finnes det for hver elementær matrise E en annen elementær matrise F slik<br />
at EF = F E = Im.<br />
Bevis. Dette følger umiddelbart av setningen anvendt p˚a en elementær matrise E.<br />
(2.17) Bemerkning. Det følger av Setning (2.14) at det er det samme ˚a utføre<br />
elementære operasjoner p˚a en matrise A som det er ˚a multiplisere A fra venstre med<br />
elementære matriser. Gauss-Jordan reduksjon gjør derfor at vi kan multiplisere en n<br />
matrise A til venstre med elementære matriser til vi f˚ar en matrise p˚a redusert trappetrinnsform.<br />
Med andre ord, Gauss-Jordan eliminasjonen gir elementære matriser<br />
F1, F2, . . . , Fr slik at<br />
FrFr−1 · · · F1A = R<br />
er en redusert trappetrinnsmatrise. Av Korollar (2.15) følger det at vi kan finne<br />
elementære matriser E1, E2, . . . , Er slik at EiFi = Im for alle i. Da har vi at<br />
(E1E2 · · · Er)(Fr · · · F2F1) = E1E2 · · · Er−1(ErFr)Fr−1 · · · F2F1<br />
= E1E2 · · · Er−1ImFr−1 · · · F2F1 = E1E2 · · · Er−1Fr−1 · · · F2F1 = · · · = Im.<br />
(2.16.1)
→<br />
LIGNINGER 2 93<br />
Derfor f˚ar vi at<br />
A = ImA = (E1E2 · · · Er)(Fr · · · F2F1)A = E1E2 · · · ErR.<br />
Vi ser at Gauss-Jordan eliminasjonen gir at hver m × n-matrise kan skrives som et<br />
produkt av elementære m×m-matriser <strong>og</strong> en m×n-matrise p˚a redusert trappetrinnsform.<br />
Korollaret uttrykker at de elementære matrisene er invertible i den terminol<strong>og</strong>ien<br />
vi skal innføre i neste seksjon. Dette, sammen med oppspaltingen av matriser i<br />
elementære matriser <strong>og</strong> trappetrinnsmatriser, gjør at teorien for invertible matriser<br />
<strong>og</strong> determinanter i kommende kapitler blir grei.<br />
(2.18) Opgaver.<br />
1. For hvilke b har følgende ligningssytemer løsninger? Bestem alle løsningene for<br />
de systemene som kan løses<br />
(1)<br />
(2)<br />
(3)<br />
x1 + 2x2 + 2x3 + 19x4 + 0x5 = 7<br />
3x1 + 6x2 + 8x3 + 71x4 + 0x5 = 25<br />
2x1 + 7x2 + 6x3 + 39x4 + 0x5 = 20 + b.<br />
x1 + 2x2 + 3x3 + 26x4 + 21x5 = 9 + 21b<br />
2x1 + 4x2 + 7x3 + 59x4 + 47x5 = 20 + 46b<br />
3x1 + 6x2 + 11x3 + 92x4 + 74x5 = 31 + 74b.<br />
x1 + 2x2 + 1x3 + 12x4 + 7x5 = 8 + b<br />
−x1 − 2x2 + 0x3 − 5x4 − 4x5 = −4 − b<br />
−3x1 − 6x2 − x3 − 22x4 − 14x5 = 15 − 3b.<br />
(4)<br />
x1<br />
−2x1<br />
−3x1<br />
+<br />
−<br />
−<br />
2x2<br />
4x2<br />
6x2<br />
+<br />
−<br />
−<br />
3x3<br />
6x3<br />
9x3<br />
+<br />
−<br />
−<br />
5x4<br />
10x4<br />
15x4<br />
+<br />
−<br />
−<br />
x5<br />
2x5<br />
3x5<br />
=<br />
=<br />
=<br />
3<br />
−6 + b<br />
8 − b.<br />
2. Hvilke av matrisene nedenfor er i redusert trappetrinnsform?<br />
1 0 4 0 0 3 <br />
(1) 0 0 0 1 0 2<br />
0 0 0 0 1 1 1 0 4 0 1 3 <br />
(2) 0 1 0 2 0 1<br />
(3)<br />
0 0 0 0 1 2<br />
1 0 1 3 0<br />
0 1 −1 −2 0<br />
5<br />
3<br />
<br />
0 0 0 0 1 −2<br />
1 0 0 4 0 0 0 <br />
(4) 0 0 0 1 0 0 0<br />
<br />
(5)<br />
.<br />
0 0 0 0 0 0 0<br />
1 2 3 4 0 5 6<br />
0 0 0 0 1 2 3<br />
0 0 0 0 0 0 0<br />
3. I Oppgave (1.8.1) i Seksjon 1 skulle du bestemme løsningen til ligningene med<br />
koeffisientmatriser<br />
1 5 1 <br />
(1) A = 2 17 4 .<br />
3 18 4<br />
(2) A = .<br />
1 2 4<br />
2 1 4<br />
3 3 2
→<br />
→<br />
94 Ligninger<br />
(3) A =<br />
(4) A =<br />
1 2 2<br />
2 5 5<br />
<br />
.<br />
1 5 5<br />
1 2 3<br />
−1 −2 −3<br />
−5 −10 −15<br />
<br />
.<br />
Skriv alle disse matrisene som et produkt A = E1E2 · · · ErR av elementære matriser<br />
Ei <strong>og</strong> en matrise R p˚a redusert trappetrinnsform.<br />
4. I Oppgave (1.8.1) i Seksjon 1 skulle du finne løsningen til ligningene med koeffisientmatriser<br />
<br />
6 1 0<br />
(1) A = .<br />
5 1 0 <br />
1 2 4<br />
(2) A = .<br />
3 7 14 <br />
1 1 2<br />
(3) A = .<br />
−2 −2 4<br />
<br />
(4) A = .<br />
1 10 1<br />
3 −35 3<br />
Skriv alle disse matrisene som et produkt A = E1E2 · · · ErR av elementære matriser<br />
Ei <strong>og</strong> en matrise R p˚a redusert trappetrinnsform.<br />
5. I Oppgave (1.8.1) i Seksjon 1 skulle du finne løsningen til ligningene med koeffisientmatriser<br />
<br />
(1) A = .<br />
(2) A =<br />
(3) A =<br />
(4) A =<br />
1 3<br />
2 7<br />
−2 −8<br />
1 4 <br />
2 12<br />
3 4 0 5<br />
0 1<br />
<br />
.<br />
.<br />
0 6<br />
2 15<br />
1 6<br />
−3 −12<br />
<br />
.<br />
Skriv alle disse matrisene som et produkt A = E1E2 · · · ErR av elementære matriser<br />
Ei <strong>og</strong> en matrise R p˚a redusert trappetrinnsform.<br />
6. Bestem alle matrisene X som tilfredsstiller<br />
1 3 −2 <br />
2 −4 6 X =<br />
3 2 1<br />
7. Bestem alle matrisene X som tilfredsstiller<br />
1 0 1 <br />
1 1 0<br />
1 1 1<br />
X =<br />
4 −3 <br />
−2 4 .<br />
5 −2<br />
0 2 4 <br />
2 3 4<br />
1 4 7<br />
.<br />
8. N˚ar vi har et lineært ligningssystem med heltallskoeffisienter behøver vi ofte ˚a<br />
bestemme heltallsløsninger til dette systemet. Vil vi bestemme heltallsløsninger til<br />
et system med heltallskoeffisienter sier vi at ligningssystemet er diofantisk.
LIGNINGER 2 95<br />
La a, b, c, d være tall slik at ad − bc = 0.<br />
(1) Vis at ligningssystemet<br />
ax + by = e<br />
cx + dy = f<br />
har en eneste løsning.<br />
(2) Vis at om a, b, c, d, e, g, f er heltall s˚a har ligningen heltallsløsninger om ad−bc<br />
deler e <strong>og</strong> f.<br />
9. La<br />
a11x1 + a12x2 + · · · + a1nxn = 0<br />
a21x1 + a22x2 + · · · + a2nxn = 0<br />
.<br />
.<br />
am1x1 + am2x2 + · · · + amnxn = 0.<br />
være et hom<strong>og</strong>ent ligningssystem. Anta at Gauss-Jordan eliminasjonen reduserer<br />
systemet til<br />
x1<br />
x2<br />
+ d1s+1xs+1 + d1s+2xs+2 + · · · + d1nxn<br />
+ d2s+1xs+1 + d2s+2xs+2 + · · · + d2nxn<br />
.<br />
.<br />
.<br />
.<br />
xs + dss+1xs+1 + dss+2xs+2 + · · · + d2nxn<br />
(1) Vis at alle løsningene til (1) er gitt av<br />
x1 = −d1s+1ts+1 − d1s+2ts+2 − · · · − d1ntn<br />
x2 = −d2s+1ts+1 − d2s+2ts+2 − · · · − d2ntn<br />
.<br />
xs = −dss+1ts+1 − dss+2ts+2 − · · · − dsntn<br />
xs+1= ts+1<br />
xs+2= ts+2<br />
.<br />
xn = tn.<br />
for gitte tall ts+1, ts+2, . . . , tn.<br />
(2) Vis at mengden av løsninger til (1)<br />
H = {(a1, a2, . . . , an) : di1a1 + ai2a2 + · · · + ainan = 0} for i = 1, 2, . . . , m<br />
er et <strong>vektorrom</strong>. Vi har at H er kjernene til avbildningen TA : R n → R m .<br />
.<br />
.
96 Ligninger<br />
(3) Betrakt de n − s løsningene til ligningene<br />
fs+1 = (−b1s+1, −b2s+1, . . . , −bss+1, 1, 0, . . . , 0)<br />
fs+2 = (−b1s+2, −b2s+2, . . . , −bss+2, 0, 1, . . . , 0)<br />
.<br />
.<br />
fn = (−b1n, −b2n, . . . , −bsn, 0, . . . , 0, 1)<br />
som svarer til følgende n − s ulike verdier av ts+1, ts+2, . . . , tn<br />
ts+1 = 1, ts+2 = 0, . . . , tn = 0<br />
ts+1 = 0, ts+2 = 1, . . . , tn = 0<br />
ts+1 = 0, ts+2 = 0, . . . , tn = 1.<br />
Vis at alle løsningene v i H kan uttrykkes p˚a formen<br />
v = as+1fs+1 + as+2fs+2 + · · · + anfn<br />
for alle valg av tall as+1, as+2, . . . , an.<br />
(4) Vis at om as+1fs+1 + as+2fs+2 + · · · + anfn = 0 s˚a vil as+1 = as+2 = · · · =<br />
an = 0.<br />
.<br />
.
→<br />
→<br />
LIGNINGER 3 97<br />
3. Ikke singulære matriser <strong>og</strong> determinanter.<br />
(3.1) Ikke singulære matriser. De systemene av lineære ligninger vi støter p˚a<br />
har ofte like mange ligninger som ukjente. Vi skal i denne Seksjonen behandle slike<br />
systemer. Ofte vil koeffisientmatrisen A være invertibel, det vil si at det finnes en<br />
matrise B slik at BA er identitetsmatrisen In. Kjenner vi B kan vi ved ˚a regne som<br />
med tall finne løsningen til ligningssystemet. Vi skal vise hvordan vi kan avgjøre om<br />
det finnes en invers, <strong>og</strong> hvordan man effektivt kan finne denne inversen.<br />
(3.2) Setning. La A være en n × n-matrise. Følgende tre utsagn er ekvivalente.<br />
(1) Det finnes en n × n-matrise B slik at BA = In.<br />
(2) Den eneste n-vektoren v slik at Av = 0 er nullvektoren.<br />
(3) Matrisen A er et produkt A = E1E2 · · · Er av elementære matriser Ei.<br />
N˚ar betingelsene (1), (2) <strong>og</strong> (3) holder vil AB = In.<br />
Bevis. Anta at betingelsen (1) holder. Om Av = 0 f˚ar vi at v = Inv = (BA)v =<br />
B(Av) = B0 = 0. Derfor er v = 0 <strong>og</strong> betingelsen (2) holder.<br />
Anta at betingelsen (2) holder. Vi vet at vi kan skrive A som A = E1E2 · · · ErR der<br />
Ei’ene er elementære matriser <strong>og</strong> R er en n × n-matrise i redusert trappetrinnsform.<br />
Vi skal vise at R = In s˚a betingelsen (3) holder. Anta tvert imot at R = In. Da<br />
finnes det klart et i slik at Rei = 0. Da følger det at Aei = E1E2 · · · Erei = 0. Men<br />
antagelsen var at om Av = 0 s˚a er v = 0. Ettersom ei = 0 har vi en motsigelse mot<br />
antagelsen at R = In. Derfor m˚a R = In.<br />
Anta at betingelsen (3) holder. Da vil A = E1E2 · · · Er der E1, E2, . . . , Er er elementære<br />
matriser. Det følger av Korollar (2.15) at vi kan velge elementære matriser<br />
F1, F2, . . . , Fr slik at FiEi = In for alle i. Sett B = Fr · · · F2F1. Vi ser av ligningene<br />
(2.16.1) at BA = Fr · · · F2F1E1E2 · · · Er = In <strong>og</strong> at AB = E1E2 · · · ErFr · · · F2F1 =<br />
In. Derfor følger det at betingelsen (1) holder. Videre følger det at om betingelsen<br />
(3) holder s˚a har vi at AB = In.<br />
(3.3) Definisjon. La A være en n × n-matrise. Vi sier at A er invertibel, eller ikke<br />
singulær, om det finnes en matrise B slik at AB = BA = In.<br />
(3.4) Bemerkning. For en n × n-matrise A finnes det bare en matrise B slik<br />
at AB = BA = In. Dette er fordi om C er en annen matrise som tilfredsstiller<br />
AC = CA = In s˚a har vi at<br />
B = BIn = B(AC) = (BA)C = InC = C.<br />
(3.5) Definisjon. Om A er en ikke singulær n × n-matrise <strong>og</strong> B er matrisen slik at<br />
AB = BA = In s˚a skriver vi B = A −1 <strong>og</strong> kaller vi A −1 for den inverse matrisen til<br />
A.
→<br />
98 Ligninger<br />
(3.6) Systemer med like mange ligninger som ukjente. La<br />
a11x1 + a12x2 + · · · + a1nxn = b1<br />
a21x1 + a22x2 + · · · + a2nxn = b2<br />
an1x1 + an2x2 + · · · + annxn = bn<br />
være et system av n-ligninger med n ukjente. Koeffisientmatrisen til systemet er<br />
⎛<br />
⎞<br />
A = ⎝<br />
Ligningssystemet kan vi skrive som<br />
.<br />
a11 a12 ··· a1n<br />
a21 a22 ··· a2n<br />
.<br />
.<br />
.<br />
.<br />
an1 an2 ··· ann<br />
Ax = b<br />
der x = (x1, x2, . . . , xn) t <strong>og</strong> b = (b1, b2, . . . , bn) t . Dette systemet er spesielt enkelt ˚a<br />
løse n˚ar A er ikke singulær. Vi har da at<br />
⎠ .<br />
x = Inx = (A −1 A)x = A −1 (Ax) = A −1 b.<br />
Systemet har derfor nøyaktig en løsning <strong>og</strong> denne løsningen er gitt av<br />
x = A −1 b.<br />
(3.7) Utregning av inverse matriser. Vi s˚a nettopp at det for systemer av<br />
lineære ligninger med like mange ligninger som variable er viktig ˚a kunne avgjøre om<br />
koeffisientmatrisen er ikke singulær. N˚ar den er ikke singulær f˚ar vi en løsning om<br />
vi kan bestemme den inverse til koeffisientmatrisen. Setning (3.2) gir oss en effektiv<br />
metode for ˚a bestemme om en matrise er singulær <strong>og</strong> til ˚a regne ut den inverse matrisen<br />
n˚ar den finnes. Vi bruker Gauss-Jordan eliminasjon for ˚a redusere matrisen<br />
til redusert trappetrinnsform, <strong>og</strong> holder hele tiden orden p˚a hvilke elementære operasjoner<br />
vi har brukt ved b˚ade ˚a multiplisere A <strong>og</strong> identitetsmatrisen In med de<br />
elementære matrisene.<br />
(3.8) Eksempel. Vi vil vise at vi samtidig kan avgjøre om matrisen A =<br />
ikke singulær <strong>og</strong> finne den inverse matrisen n˚ar denne finnes. Vi skriver<br />
1 2 | 1 0<br />
3 7 | 0 1<br />
<br />
.<br />
<br />
1 2<br />
er<br />
3 7<br />
Vi utfører nu elementære operasjoner samtidig p˚a den venstre matrisen som er koeffisientmatrisen<br />
til systemet, <strong>og</strong> p˚a den høyre matrisen, som er identitetsmatrisen.<br />
Multipliser den første raden med −3 <strong>og</strong> legg den til den andre raden. Vi f˚ar<br />
1 2 | 1 0<br />
0 1 | −3 1<br />
<br />
.
LIGNINGER 3 99<br />
Deretter multipliserer vi den andre raden med −2 <strong>og</strong> legger den til den første raden.<br />
Dette gir<br />
<br />
1 0 | 7 −2<br />
.<br />
0 1 | −3 1<br />
Til venstre st˚ar nu identitetsmatrisen, hvilket viser at matrisen A er ikke singulær.<br />
Matrisen vil høyre er den inverse matrisen, det vil si A −1 =<br />
sikre p˚a dette er det bare ˚a regne ut A −1 A <strong>og</strong> se at vi f˚ar I2.<br />
7 −2<br />
−3 1<br />
(3.9) Eksempel. Vi vil vise at vi samtidig kan avgjøre om matrisen A =<br />
2 3 3 | 0 1 0<br />
3 5 9 | 0 0 1<br />
<br />
. For ˚a være<br />
1 1 0<br />
2 3 3<br />
3 5 9<br />
<br />
er<br />
inverterbar, <strong>og</strong> bestemme inversen n˚ar den finnes. Vi bruker elementære operasjoner<br />
p˚a matrisen<br />
1 1 0 | 1 0 0 <br />
.<br />
Først multipliserer vi den første raden med −2 <strong>og</strong> −3 <strong>og</strong> legger den til den andre<br />
respektive den tredje raden. Dette gir<br />
1 1 0 | 1 0 0<br />
0 1 3 | −2 1 0<br />
0 2 9 | −3 0 1<br />
Deretter multipliserer vi den andre raden med −1 <strong>og</strong> −2 <strong>og</strong> legger den til den første<br />
respektive den tredje raden. Dette gir<br />
1 0 −3 | 3 −1 0<br />
<br />
.<br />
0 1 3 | −2 1 0<br />
0 0 3 | 1 −2 1<br />
Legger vi den siste raden til den første <strong>og</strong> drar den fra den andre f˚ar vi<br />
1 0 0 | 4 −3 1<br />
0 1 0 | −3 3 −1<br />
0 0 3 | 1 −2 1<br />
Til slutt multipliserer vi den siste raden med 1<br />
3<br />
1 0 0 | 4 −3 1<br />
0 1 0 | −3 3 −1<br />
0 0 1 | 1<br />
3<br />
− 2<br />
3<br />
1<br />
3<br />
<br />
.<br />
<br />
.<br />
<strong>og</strong> f˚ar<br />
Ettersom vi har enhetsmatrisen til venstre er matrisen ikke singulær. Den høyre<br />
matrisen er da inversen A −1 =<br />
4 −3 1<br />
−3 3 −1<br />
1<br />
3<br />
− 2<br />
3<br />
ved ˚a utføre multiplikasjonen A −1 A <strong>og</strong> se at vi f˚ar I3.<br />
1<br />
3<br />
<br />
.<br />
<br />
. Igjen kan vi kontrollere v˚are utregninger
→<br />
→<br />
100 Ligninger<br />
(3.10) Eksempel. Metoden vi har brukt avslører, som vi har bemerket, om en<br />
<br />
matrise har en invers. Prøver vi metoden p˚a matrisen A = m˚a vi regne p˚a<br />
matrisen<br />
1 3 0 | 1 0 0<br />
5 16 0 | 0 1 0<br />
3 2 0 | 0 0 1<br />
0 1 0 | −5 1 0<br />
0 −7 0 | −3 0 1<br />
<br />
.<br />
1 3 0<br />
5 16 0<br />
6 19 0<br />
Multipliser den første raden med −5 <strong>og</strong> −3 <strong>og</strong> legg den til den andre respektive tredje<br />
raden. Vi f˚ar<br />
1 3 0 | 1 0 0 <br />
.<br />
Deretter multipliserer vi den andre raden med −3 <strong>og</strong> med 7 <strong>og</strong> legger den til den<br />
første respektive den siste raden. Vi f˚ar<br />
1 0 0 | 16 −3 0<br />
0 1 0 | −5 1 0<br />
0 0 0 | −38 7 1<br />
Ettersom den reduserte trappetrinnsmatrisen vi har til venstre ikke er I3 følger det<br />
av Setning (3.2) at matrisen A ikke har noen invers. Da kan heller ikke den inverse<br />
st˚a til høyre.<br />
(3.11) Generell invers til en matrise. For ˚a bestemme om en n × n-matrise A<br />
har en invers <strong>og</strong> finne den inverse om matrisen er invertibel utfører vi elementære<br />
operasjoner p˚a n × 2n-matrisen<br />
C = (A | In)<br />
som har matrisen A til venstre om skillelinjen <strong>og</strong> matrisen In til høyre. Vi multipliserer<br />
A med elementære matriser F1, F2, . . . , Fr til vi har at matrisen Fr · · · F2F1A = R<br />
er p˚a redusert trappetrinnsform. Vi har da redusert matrisen til<br />
D = (Fr · · · F2F1A | Fr · · · F2F1) = (R | Fr · · · F2F1).<br />
Det følger av Setning (3.1) at A er invertibel nøyaktig n˚ar R = In, det vil si n˚ar<br />
Fr · · · F2F1A = In.<br />
Fr · · · F2F1A = In.<br />
Sett B = Fr · · · F2F1. Da er B inversen til A fordi BA =<br />
Vi har derfor at n˚ar A er invertibel s˚a leder Gauss-Jordan eliminasjon anvendt p˚a<br />
den utvidete matrisen med A til venstre <strong>og</strong> In til høyre til matrisen<br />
som vi har sett i eksemplene ovenfor.<br />
(In | A −1 )<br />
<br />
.
LIGNINGER 3 101<br />
(3.12) Determinanter. Determinanter oppst˚ar overalt i matematikken. De kommer<br />
inn p˚a de mest uventete steder. Vi har allerede sett at de uttrykker volymer<br />
av parallellepiped. De spiller en fundamental rolle, som Jakobianer, for ligninger i<br />
flere variable, <strong>og</strong> for differensiallikninger forekommer de som Wronskianer <strong>og</strong> Pfaffianer.<br />
I lineæralgebraen bruker vi blandt annet determinanter til ˚a gi kriterier for<br />
ikke singulære matriser, <strong>og</strong> i eksplisitte løsninger, som Cramers regel, for løsninger<br />
av systemer av lineære ligninger. Determinanter har mest teoretisk interesse. N˚ar vi<br />
skal regne ut determinanter bruker vi oftest varianter av Gauss-Jordan eliminasjon.<br />
Her skal vi gi de viktigste egenskapene til determinanter <strong>og</strong> gi noen metoder for<br />
hvordan man beregner dem. Først er det hendig ˚a kjenne til permutasjoner <strong>og</strong> deres<br />
viktigste egenskaper.<br />
(3.13) Definisjon. En permutasjon σ av tallene (1, 2, . . . , n) er en omordning<br />
(σ(1), σ(2), . . . , σ(n)) av disse tallene. Det vil si at σ(1), σ(2), . . . , σ(n) er tallene<br />
1, 2, . . . , n i noen rekkefølge.<br />
Vi kan yttrykke det samme ved at en permutasjon σ er en bijeksjon σ : N → N<br />
av mengden N = {1, 2, . . . , n} til seg selv.<br />
Mengden av alle permutasjoner betegner vi med Sn. Vi kaller Sn den symmetriske<br />
gruppen p˚a n-bokstaver. Det er klart at Sn har n! = 1 · 2 · · · n elementer.<br />
Sammensetningen τσ av to permutasjoner σ : N → N <strong>og</strong> τ : N → N, er sammensetningen<br />
som avbildninger, det vil si vi bruker først avbildningen σ <strong>og</strong> deretter<br />
τ <strong>og</strong> f˚ar bijeksjonen τσ : N → N, det vil si (τσ)(i) = τ(σ(i)) for alle i.<br />
Den spesielle permutasjonen som tar i til j <strong>og</strong> j til i, men som holder alle andre<br />
tall fast betegner vi med τij. Det vil si vi har at τij(i) = j, τij(j) = i, <strong>og</strong> τij(k) = k for<br />
alle k forskjellig fra i <strong>og</strong> j. Vi kaller permutasjoner p˚a formen τij for transposisjoner.<br />
Avbildningen som holder alle elementene 1, 2, . . . , n fast skriver vi som id.<br />
(3.14) Eksempel. Vi har at<br />
Videre har vi<br />
S2 = {id, τ12}.<br />
S3 = {id, τ23 = (1, 3, 2), τ12 = (2, 1, 3), σ = (2, 3, 1), τ = (3, 1, 2), τ13 = (3, 2, 1)}.<br />
Vi har for eksempel<br />
στ13 = (1, 3, 2) = τ23 <strong>og</strong> τ13σ = (2, 1, 3) = τ12.<br />
(3.15) Definisjon. Vi sier at et par (ij) med i < j er en inversjon for en permutasjon<br />
σ om σ(i) > σ(j). Tegnet sign(σ) til σ er 1 om antallet inversjoner til σ er like <strong>og</strong><br />
−1 om antallet inversjoner er odde.
→<br />
102 Ligninger<br />
(3.16) Eksempel. Identiteten id har ingen inversjoner s˚a sign(id) = 1. I S3 har vi<br />
sign(τ23)=−1 fordi τ23(2) > τ(3)<br />
sign(τ12)=−1 fordi τ12(1) > τ12(2)<br />
sign(σ) = 1 fordi σ(1) > σ(3), σ(2) > σ(3)<br />
sign(τ) = 1 fordi τ(1) > τ(2), τ(1) > τ(3)<br />
sign(τ13)=−1 fordi τ13(1) > τ13(2), τ13(1) > τ13(2), τ13(2) > τ13(1).<br />
(3.17) Bemerkning. Om vi skal bytte om tallene i <strong>og</strong> j blandt tallene (1, 2, . . . , n)<br />
uten ˚a flytte de andre tallene kan vi gjøre det ved ˚a flytte i en plass til høyre j − iganger,<br />
til vi bytter den med j. Vi f˚ar da permutasjonen (1, 2, . . . , i − 1, i + 1, i, j +<br />
1, . . . , n). Deretter flytter vi j en plass til venstre j − i − 1 ganger til vi bytter den<br />
med i + 1. Med andre ord har vi at<br />
τij = (τii+1τi+1i+2 · · · τj−3j−2τj−2j−1)(τj−1jτj−2j−1 · · · τi+1i+2τii+1) (3.17.1)<br />
for hver permutasjon σ i Sn vil permutasjonene σ <strong>og</strong> στii+1 bare skille seg p˚a hvordan<br />
de flytter tallene i <strong>og</strong> i + 1 <strong>og</strong> vi har στii+1(i) = σ(i + 1) <strong>og</strong> στii+1 = σ(i). Derfor er<br />
(i, i + 1) en inversjon i den ene men ikke i den andre, <strong>og</strong> alle andre inversjoner er de<br />
samme. Derfor har vi at<br />
sign(στii+1) = − sign(σ).<br />
Ved ˚a bruke dette j − i − 1 + j − i = 2(j − i) − 1 ganger i formelen (3.17.1) ser vi at<br />
s˚a alle tranposisjoner har negativt tegn.<br />
sign(τij) = −1,<br />
(3.18) Definisjon. La A være en n × n-matrise. Summen<br />
det A = <br />
σ∈Sn<br />
sign(σ)a aσ(1)a 2σ(2) · · · a nσ(n)<br />
(3.18.1)<br />
kalles determinanten til A. Determinanten er følgelig en sum der termene er pluss<br />
eller minus produktet av en koordinat fra hver rekke <strong>og</strong> en fra hver søyle. Tegnet er<br />
bestemt av antallet ganger vi g˚ar til venstre n˚ar vi velger koordinatene vi multipliserer<br />
med. Dette er fordi inversjonene i den tilsvarende permutasjonen svarer til at vi g˚ar<br />
til venstre.<br />
<br />
a11 a12<br />
(3.19) Eksempel. For A = har vi<br />
det A = <br />
σ∈S2<br />
a12 a22<br />
a 1σ(1)a 2σ(2) = a11a22 + sign(τ12)a 1τ12(1)a 2τ12(2) = a11a22 − a12a21.
LIGNINGER 3 103<br />
For matrisen A =<br />
det A = <br />
a11 a12 a13<br />
a21 a22 a23<br />
a31 a32 a33<br />
<br />
har vi<br />
a 1σ(1)a 2σ(2)a 3σ(3) = a11a22a33 + sign(τ23)a 1τ23(1)a 2τ23(2)a3τ23<br />
σ∈S3<br />
+ sign(τ12)a1τ12(1)a2τ12(2)a3τ12(3) + sign(σ)a1σ(1)a2σ(2)a3σ(3) + sign(τ)a 1τ(1)a 2τ(2)a 3τ(3) + sign(τ12)a 1τ13(1)a 2τ13(2)a 3τ13(3)<br />
= a11a22a33 − a11a23a32 − a12a21a33 + a12a23a31 + a13a21a32 − a13a22a31<br />
= a11a22a33 + a12a13a31 + a13a21a32 − a11a23a32 − a12a21a13 − a13a22a31.<br />
For ˚a huske formelen for det A til en 3 × 3-matrise skriver vi opp matrisen to ganger<br />
⎛<br />
⎞<br />
⎜<br />
⎝<br />
a11 a12 a13 a11 a12 a13<br />
↘ ↘ ↘↙ ↙ ↙<br />
a21 a22 a13 a21 a22 a23<br />
↘↙ ↘↙ ↘↙<br />
a31 a32 a13 a31 a32 a33<br />
<strong>og</strong> tar summen av termene vi f˚ar n˚ar vi multipliserer til høyre med pluss <strong>og</strong> til venstre<br />
med minus.<br />
(3.20) Setning. Determinanten har tre fundamentale egenskaper<br />
(1) Multipliserer vi en rekke i A med tallet a vil determinanten multipliseres med<br />
a. Det vil si<br />
⎛<br />
a11 ... a1n<br />
.<br />
⎜ .<br />
⎜<br />
det ⎜ aai1 ... aain<br />
⎝<br />
.<br />
an1 ... ann<br />
⎟<br />
⎠<br />
⎞<br />
a11 ⎟<br />
... a1n<br />
⎟<br />
. .<br />
⎟ = a det<br />
⎠<br />
. . .<br />
an1 ... ann<br />
(2) Om hver koordinat i en rekke til A er en sum av to termer vil determinanten<br />
til A være en sum av determinantene til matrisene vi f˚ar n˚a bare en av hver<br />
term er med i matrisen. Det vil si<br />
⎛<br />
⎞ ⎛ ⎞ ⎛ ⎞<br />
⎜<br />
det ⎜<br />
⎝<br />
a11 ... a1n<br />
.<br />
bi1+ci1 ... bin+cin<br />
.<br />
.<br />
.<br />
.<br />
.<br />
an1 ... ann<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎟ = det ⎜<br />
⎠ ⎝<br />
a11 ... a1n<br />
.<br />
.<br />
bi1 ... bin<br />
.<br />
.<br />
.<br />
.<br />
an1 ... ann<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎟ + det ⎜<br />
⎠ ⎝<br />
a11 ... a1n<br />
.<br />
.<br />
ci1 ... cin<br />
.<br />
.<br />
.<br />
.<br />
an1 ... ann<br />
(3) Om to rekker i en matrise A er like s˚a er determinanten lik 0. Det vil si<br />
⎛ a11 ... a1n ⎞<br />
⎜<br />
.<br />
. ⎟<br />
⎜ a1 ⎜ ... ⎟ an ⎟<br />
⎜ . . ⎟<br />
det ⎜ . . ⎟ = 0.<br />
⎟<br />
⎜ a1 ... an ⎟<br />
⎝ ⎠<br />
.<br />
.<br />
an1 ... ann<br />
⎟<br />
⎠
→<br />
→<br />
→<br />
→<br />
104 Ligninger<br />
Bevis. Det er klart at egenskapene (1) <strong>og</strong> (2) holder ettersom vi har at hvert produkt<br />
a 1σ(1)a 2σ(2) · · · a nσ(n) inneholder nøyaktig et element fra hver rekke <strong>og</strong> vi har de to<br />
ligningene<br />
a 1σ(1) · · · aa iσ(i) · · · a nσ(n) = aa 1σ(1) · · · a nσ(n)<br />
<strong>og</strong><br />
a 1σ(1) · · · (b iσ(i) + c iσ(i)) · · · a nσ(n)<br />
= a 1σ(1) · · · b iσ(i) · · · a nσ(n) + a 1σ(1) · · · c iσ(i) · · · a nσ(n).<br />
For ˚a vise p˚astanden (3) merker vi at ettersom aij = aji s˚a vil termene<br />
a 1σ(1) · · · a iσ(i) · · · a jσ(j) · · · a nσ(n) <strong>og</strong> a 1τ(1) · · · a iτ(i) · · · a jτ(j) · · · a nτ(n)<br />
(3.20.1)<br />
være like n˚ar σ(k) = τ(k) n˚ar k er forskjellig fra i <strong>og</strong> j <strong>og</strong> σ(i) = τ(j) <strong>og</strong> σ(j) =<br />
τ(i). Med andre ord er termene (3.20.1) like n˚ar τ = στij. Men i determinanten<br />
forekommer det første leddet i (3.20.1) med koeffisienten sign(σ) <strong>og</strong> den andre med<br />
sign(τ). Ettersom vi har sett i Bemerkning (3.?) at sign(τ) = sign(στkj) = − sign(σ)<br />
vil de to leddene summere til null.<br />
(3.21) Korollar. Om vi bytter om to rekker i en matrise, vil determinanten bytte<br />
tegn. Det vil si<br />
⎛ ⎞ ⎛ ⎞<br />
⎜<br />
det ⎜<br />
⎝<br />
a11 ... a1n<br />
.<br />
.<br />
ai1 ... ain<br />
.<br />
.<br />
aj1 ... ajn<br />
.<br />
.<br />
an1 ... ann<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎟ = − det ⎜<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎠ ⎝<br />
Bevis. Det følger av (1) at determinanten til matrisen<br />
⎛<br />
⎜<br />
⎝<br />
a11 ... a1n<br />
.<br />
.<br />
ai1+aj1 ... ain+ajn<br />
.<br />
.<br />
.<br />
.<br />
ai1+aj1 ... ain+ajn<br />
.<br />
.<br />
an1 ... ann<br />
a11 ... a1n<br />
.<br />
.<br />
aj1 ... ajn<br />
.<br />
.<br />
.<br />
.<br />
ai1 ... ain<br />
.<br />
.<br />
an1 ... ann<br />
⎞<br />
⎟<br />
⎠<br />
⎟ .<br />
⎟<br />
⎠<br />
(3.11.1)<br />
er null. Bruker vi egenskapen (2) tre ganger p˚a determinanten av matrisen (3.21.1)
→<br />
→<br />
→<br />
→<br />
LIGNINGER 3 105<br />
f˚ar vi at den er summen av determinantene til de fire matrisene<br />
⎛ a11 ... ⎞ a1n<br />
⎜ .<br />
⎜ .<br />
. ⎟<br />
⎜ ai1 ... ain ⎟<br />
⎜ ⎟<br />
⎜ . .<br />
⎟ ,<br />
⎜ aj1 ... ajn ⎟<br />
⎜ ⎟<br />
⎝ .<br />
. ⎠<br />
.<br />
⎛ a11 ... a1n ⎞<br />
. .<br />
⎜ . . ⎟<br />
⎜ ai1 ⎜ ... ⎟ ain ⎟<br />
⎜ .<br />
⎜ .<br />
.<br />
⎟<br />
. ⎟ ,<br />
⎟<br />
⎜ ai1 ... ain ⎟<br />
⎝ ⎠<br />
. .<br />
⎛ a11 ... ⎞ a1n<br />
⎜<br />
. . ⎟<br />
⎜ aj1 ... ajn ⎟<br />
⎜ ⎟<br />
⎜<br />
.<br />
. ⎟<br />
. ⎟ ,<br />
⎜ aj1 ... ajn ⎟<br />
⎜ ⎟<br />
⎝ . . ⎠<br />
. .<br />
⎛<br />
⎜<br />
⎝<br />
.<br />
.<br />
.<br />
.<br />
an1 ... ann<br />
an1 ... ann<br />
an1 ... ann<br />
a11 ... a1n<br />
.<br />
aj1 ... ajn<br />
.<br />
.<br />
ai1 ... ain<br />
.<br />
an1 ... ann<br />
⎞<br />
⎟ . (3.21.2)<br />
⎟<br />
⎠<br />
Det følger av egenskapen (3) at de to midterste matrisene i (3.21.2) har determinant<br />
lik null. Derfor har determinanten til de to ytterste matrisene i (3.21.2) motsatt tegn.<br />
(3.22) Bemerkning. Bytter vi om to rader i en matrise bytter determinanten<br />
tegn. Derfor er det(EijA) = − det A. Spesielt har vi at det Eij = −1. Multipliserer<br />
vi en rad med et tall a følger det av egenskapen (1) at determinanten multipliseres<br />
med a. Derfor er det(Ei(a)A) = a det A, <strong>og</strong> spesielt vil det Ei(a) = a. Videre,<br />
multipliserer vi en rekke i en matrise med a <strong>og</strong> legger den til en annen matrise f˚ar vi<br />
av egenskapen (2) at determinanten er den samme som summen av determinanten<br />
til A <strong>og</strong> determinamanten til den matrisen der en rekker er a ganger en annen rekke.<br />
Det følger av egenskapene (1) <strong>og</strong> (2) at determinanten der en rekke er et tall ganger<br />
en annen rekker er null. Derfor har vi at det Eij(a)A = det A. Spesielt f˚ar vi at<br />
det Eij(a) = 1. Vi har vist at<br />
det Eij(a) = 1, det Ei(a) = a, det Eij = −1<br />
<strong>og</strong> for hver matrise A <strong>og</strong> hver elementær matrise E har vi at<br />
det(EA) = det A.<br />
(3.23) Bemerkning. Determinanten til en øvre diagonal matrise<br />
⎛<br />
A = ⎝<br />
a11 a12 ... a1n<br />
0 a22 ... a2n<br />
.<br />
. ..<br />
.<br />
0 0 ... ann<br />
er produktet av diagonalelementene a11a22 · · · ann. Med andre ord har vi at det(A) =<br />
a11a22 · · · ann. Dette er fordi vi tar produkter fra alle rekker <strong>og</strong> søyler s˚a det eneste<br />
elementet i summen for determinanten (3.18.1) er det som ikke inneholder 0 er produktet<br />
av diagonalelementene.<br />
(3.24) Bemerkning. Formelen (3.18.1) kan brukes til ˚a regne ut determinanter for<br />
2 × 2-matriser, <strong>og</strong> den er ganske bra for 3 × 3-matriser. For større matriser er det<br />
ofte raskere ˚a bruke Gauss-Jordan eliminasjon, eller snarere en forenklet variant av<br />
⎞<br />
⎠
→<br />
→<br />
→<br />
106 Ligninger<br />
denne. Vi ser for eksempel av (?) at vi ikke behøver ˚a redusere til den reduserte<br />
trappetrinnsformen. Det rekker ˚a redusere til en trappetrinnsform der elementene<br />
ovenfor de ledende koordinatene kan være forskjellig fra null. Dette kalles Gauss<br />
eliminasjon. Av (?) ser vi at vi i Gauss eliminasjonen bare behøver ˚a holde orden<br />
p˚a ombytte av rekker, som svarer til at determinanten bytter tegn, <strong>og</strong> multiplikasjon<br />
av en rekke med et tall, som betyr at determinanten multipliseres med dette tallet.<br />
Nedenfor skal vi gi et par eksempler p˚a hvordan vi kan regne ut determinanter til<br />
matriser p˚a ulike m˚ater. Hver person som skal regne ut determinanter kan spare mye<br />
arbeide ved ˚a bruke sin fantasi.<br />
1 2 3 <br />
(3.25) Eksempel. Bruker vi Gauss eliminasjon p˚a matrisen A = 4 −1 2 multi-<br />
7 3 1<br />
pliserer vi første rekke med −4 <strong>og</strong> −7 <strong>og</strong> drar fra andre respektive tredje rekke s˚a vi<br />
f˚ar<br />
1 2 3<br />
0 −9 −10<br />
0 −11 −20<br />
<br />
. Multipliserer vi nu den andre raden med − 1<br />
9<br />
Deretter legger vi 11 ganger andre rekke til den tredje <strong>og</strong> f˚ar<br />
s˚a f˚ar vi<br />
1 2 3<br />
0 1<br />
10<br />
9<br />
0 0 −20+ 10<br />
9 11<br />
1 2 3<br />
0 1 10<br />
9<br />
0 −11 −20<br />
<br />
.<br />
<br />
. Deter-<br />
minanten til den siste matrisen er (−20 · 9 + 10 · 11)/9 = −70/9. Under eliminasjone<br />
har vi multiplisert med −1/9. Derfor har vi at det A = (−9)(−70/9) = 70.<br />
Det bemerkelsesverdige er at vi av formelen (?) med det samme ser at determinanten<br />
skal være et heltall, men at brøker oppst˚ar p˚a veien, <strong>og</strong> forsvinner i det<br />
endelig svaret. Vi kan ved ˚a være litt smarte redusere brøregningene <strong>og</strong> holde orden<br />
p˚a konstanter. Eliminasjonen kan for eksempel gjøres litt anderledes som<br />
1 2 3 1 2 3 1 2 3<br />
4 −1 2 → 0 −9 −11 → 0 9 10<br />
7 3 1 0 −11 −20 0 11 20<br />
1 1<br />
9<br />
−→ 0<br />
2<br />
9<br />
3<br />
10<br />
1 2<br />
→ 0 9<br />
3<br />
10<br />
<br />
.<br />
0 11·9 20·9 0 0 180−11·10<br />
Determinanten av den siste matrisen er 9 · (180 − 110) = 9 · 70, men ettersom vi har<br />
blir det A = 70.<br />
multiplisert med 1<br />
9<br />
(3.26) Eksempel. Gauss eliminasjon brukt p˚a matrisen A =<br />
3 18 36<br />
9 43 115<br />
11 40 222<br />
1 1 6 12 <br />
3<br />
−→ 9 43 115 →<br />
11 40 222<br />
1 6 12<br />
0 −2 7<br />
0 −26 90<br />
− 1<br />
2<br />
−−→<br />
1 6 12<br />
0 1 − 7<br />
2<br />
0 −26 90<br />
<br />
→<br />
3 18 36 <br />
9 43 115<br />
11 40 222<br />
gir<br />
1 6 12<br />
0 1 − 7<br />
2<br />
0 0 90− 7<br />
2 26<br />
Determinanten til den siste matrisen er 90 − 7 · 13 = −1. Ettersom vi p˚a veien har<br />
multiplisert med 1 1<br />
3 <strong>og</strong> − 2 blir det A = 3(−2)(−1) = 6.<br />
Vi kan forenkle den siste delen av regningen ved ˚a observere at vi ved ˚a legge<br />
1 6 12 <br />
til −13 ganger den andre rekken til den tredje i matrisen 0 −2 7 f˚ar matrisen<br />
0 −26 90<br />
<br />
, som har determinant lik 2. Vi f˚ar derfor det A = 3 · 2 = 6.<br />
1 6 12<br />
0 −2 7<br />
0 0 −1<br />
<br />
.
→<br />
→<br />
→<br />
LIGNINGER 3 107<br />
(3.27) Setning. La A <strong>og</strong> B være to n × n-matriser.<br />
(1) Matrisen A er ikke-singuær hvis <strong>og</strong> bare hvis det A = 0.<br />
(2) Vi har at det(AB) = det A det B.<br />
Bevis. Vi kan skrive matrisene A <strong>og</strong> B p˚a formen A = E1E2 · · · ErR respektive<br />
B = F1F2 · · · FsS der R <strong>og</strong> S er reduserte trappetrinnsmatriser <strong>og</strong> Ei <strong>og</strong> Fi er<br />
elementære matriser. Vi har sett at A <strong>og</strong> B er ikke-singulære hvis <strong>og</strong> bare hvis<br />
R respektive S er enhetsmatrisen In. Det er klart at R = In hvis <strong>og</strong> bare hvis<br />
det R = 0. Av Bemerkningen (3.?) har vi at det A = det E1 det E2 · · · det Er det R<br />
<strong>og</strong> vi vet at determinanten til en elementær matrise er forskjellig fra null. Derfor er<br />
det A = 0 hvis <strong>og</strong> bare hvis R = 0, hvilket holder hvis <strong>og</strong> bare hvis R = In. Vi har<br />
derfor at det A = 0 hvis <strong>og</strong> bare hvis A er et produkt av elementære matriser, <strong>og</strong> det<br />
følger av Setning (3.?) at dette er det samme som at A er ikke-singulær.<br />
Det følger <strong>og</strong>s˚a at egenskapen (2) holder n˚ar A <strong>og</strong> B begge matrisene er ikkesingualære<br />
ettersom vi da har at<br />
det(AB) = det E1 det E2 · · · det Er det F1 det F2 · · · det Fs = det A det B.<br />
Videre gjelder formelen om enten A eller B, eller begge, er singulære. Dette er<br />
fordi om B er singulær, s˚a m˚a AB være singulær fordi det finnes en ikke null vektor<br />
v slik at Bv = 0 <strong>og</strong> derfor ABv = 0. Det følger da av del (1) av Setningen at begge<br />
sider av ligningen (2) er null.<br />
Til slutt anta at B er ikke singulær <strong>og</strong> A er singulær. Da finnes en vektor w = 0<br />
slik at Aw = 0. Sett v = B −1 w. Da er v = 0 fordi w = Bv. Men vi har at<br />
ABv = ABB −1 w = Aw = 0 s˚a da er AB singulær. Men n˚ar A <strong>og</strong> AB er singulære<br />
følger igjen formel (2) av formel (1) ettersom begge sidene i (2) er null.<br />
(3.28) Opgaver.<br />
1. I Oppgave (1.8.1) i Seksjon 1 skulle du finne løsningen til ligningene med koeffisientmatriser<br />
1 5 1 <br />
(1) A = 2 17 4 .<br />
3 18 4 1 2 4 <br />
(2) A = 2 1 4 .<br />
3 3 2 1 2 2 <br />
(3) A = 2 5 5 .<br />
<br />
(4) A =<br />
.<br />
1 5 5<br />
1 2 3<br />
−1 −2 −3<br />
−5 −10 −15<br />
Bestem hvilke av matrisene som er invertibel <strong>og</strong> finn den inverse for disse.<br />
2. Beregn determinantene til matrisene<br />
(1)<br />
(2)<br />
2 3 5<br />
7 −1 0<br />
3 −2 1<br />
<br />
.<br />
2 10 8<br />
−7 −17 −37<br />
−8 −28 −36<br />
<br />
.
→<br />
→<br />
108 Ligninger<br />
(3)<br />
(4)<br />
(5)<br />
16 −14 12<br />
40 −29 9<br />
56 −67 105<br />
−6 12 24<br />
−4 2 −5<br />
2 −14 −49<br />
15 20 35<br />
18 17 105<br />
9 11 28<br />
<br />
.<br />
<br />
.<br />
<br />
.<br />
3. For hvilke x er determinanten til matrisen<br />
større eller lik null. (KTH 2000).<br />
1 2 x 1<br />
0 −2 2 1<br />
3 1 −1 2<br />
−1 0 0 2<br />
4. En 3 × 3-matrise A defineres av<br />
x <br />
A =<br />
Er A inverterbar? (KTH 1999).<br />
Hint. Sett in passende verdier for x, y, z.<br />
5. La A =<br />
1 2 1<br />
0 −1 0<br />
1 1 λ<br />
<br />
.<br />
y<br />
z<br />
<br />
x+3y <br />
2y−z .<br />
x+z<br />
(1) For hvilke verdier av λ har matrisen A en invers?<br />
(2) Finn inversen for disse verdiene av λ.<br />
6. Vis at om a, b, c, d er hele tall slik at ad − bc = 1 s˚a er matrisen A =<br />
invertibel <strong>og</strong> den inverse matrisen har heltallskoeffisienter.<br />
<br />
a b<br />
c d<br />
7. La A <strong>og</strong> B være ikke singulære n × n-matriser. Vis at den inverse til AB er<br />
(AB) −1 = B −1 A −1 .<br />
8. Vis at om A er en invertibel matrise s˚a er den transponerte A t (?) <strong>og</strong>s˚a invertibel<br />
<strong>og</strong> (A t ) −1 = (A −1 ) t .<br />
Hint. Vi først at formelen holder for elementære matriser.<br />
9. La A være en m × n-matrise med m < n.<br />
(1) Vis at n × n-matrisen A t A alltid er singulær.<br />
(2) Vis at m × m-matrisen AA t kan være b˚ade singulær <strong>og</strong> ikke singulær.<br />
10. La Pn være mengden av n × n-permutasjonsmatriser definert i (?) <strong>og</strong> la ϕ :<br />
Sn → Pn være avbildningen definert ved ϕ(σ) = (aiσ(j))nn. Vis at for alle σ i Sn s˚a<br />
har vi<br />
sign(σ) = det(ϕ(σ)).<br />
11. La A = (aij) være en n × n-matrise. For alle i <strong>og</strong> j lar vi Aij være den<br />
(n − 1) × (n − 1)-matrisen vi f˚ar ved ˚a stryke rad i <strong>og</strong> kolonne j i A. Vis at<br />
(1) det A = ai1 det Ai1 − ai2 det Ai2 + · · · + ain det Ain.<br />
(2) det A = a1j det A1j − a2j det A2j + · · · + anj det Anj.
LIGNINGER 3 109<br />
12. La A <strong>og</strong> B være n × p-matriser. Vi skriver<br />
A(i1, i2, . . . , ip) <strong>og</strong>B(i1, i2, . . . , ip)<br />
for de p × p-matrisene matrisene vi f˚ar ved av kolonne nummer i1, i2, . . . , ip i A<br />
respektive B. Vis at<br />
det(A t B) =<br />
<br />
0≤i1
110<br />
<strong>Matematik</strong>k MA
2. <strong>Matriser</strong>.<br />
(2.13) Oppgaver.<br />
(1) Svar.<br />
(1) (−22, 21) t .<br />
(2) (−7, −9, 29) t .<br />
(3) (−7, 3π − 15) t .<br />
(4) 3 + 5 √ 2, 3π + 5 t .<br />
(2) Svar.<br />
(1) (1, 10, 24) t .<br />
(2) (−8, 12, 15) t .<br />
(3) (π − 1, 2π + 2, 6π + 3) t .<br />
(4) √ 2 + 2, 2 √ 2 − 4, 6 √ 2 − 6 t .<br />
(3) Svar.<br />
(1) (−3, 7) t .<br />
(2) − 3 34<br />
2 , − 3<br />
t.<br />
(3) π − 1, 3 − √ 2 t<br />
.<br />
t. (4) − 1 11<br />
12 , 5<br />
(4) Svar.<br />
(1) (−1, 0, 7) t .<br />
(2) −7, 3 34<br />
2 , − 3<br />
t.<br />
(3) π + 7, 4, 3 − √ 2 t<br />
.<br />
t. (4) 20<br />
3<br />
(5) Svar.<br />
, 9<br />
4<br />
, − 29<br />
5<br />
(1) a = 2, b = 1.<br />
(2) a = 3<br />
2<br />
, b = − 1<br />
2 .<br />
(3) a = 5<br />
9<br />
(4) a = 3, b = −2.<br />
, b = − 4<br />
9 .<br />
Fasit<br />
111
112 Fasit<br />
(6) Svar.<br />
(1) a = −1, b = 4, c = −1.<br />
(2) a = 23<br />
2 , b = −7, c = −2.<br />
(3) a = − 1<br />
1<br />
3 , b = 1, c = − 2 .<br />
(4) a = 7, b = 2, c = −5.<br />
3. <strong>Matriser</strong>.<br />
(3.10) Oppgaver.<br />
(1) Svar.<br />
(1)<br />
(2)<br />
(3)<br />
(4)<br />
(2) Svar.<br />
(1)<br />
(2)<br />
(3)<br />
(4)<br />
(3) Svar.<br />
(1)<br />
(2)<br />
(3)<br />
(4)<br />
<br />
<br />
6 −9<br />
.<br />
7 6 <br />
7−5π 30<br />
6+7 √ 2 2 √ 7<br />
<br />
41 10 7<br />
5 14 29<br />
.<br />
−5 −47 41<br />
22 −7 30<br />
3 −6 12<br />
<br />
.<br />
<br />
.<br />
<br />
2 −8 −6<br />
.<br />
−23 6 −1<br />
<br />
−2 3 1<br />
.<br />
7 −2 −1<br />
<br />
6 −19 −13<br />
.<br />
−53 14 15<br />
√ √ √<br />
2π+4 2 −3π− 2 −π+3 2<br />
−7π+2 √ 2 2π π+4 √ 2<br />
<br />
−3 7<br />
−4 0<br />
<br />
−1 3<br />
−5 0<br />
− 9<br />
3<br />
(4) Svar.<br />
(1)<br />
(2)<br />
(3)<br />
(4)<br />
<br />
.<br />
<br />
.<br />
<br />
3 .<br />
13<br />
− 4 3<br />
3 2<br />
−3π 7<br />
− √ 2− √ 3 0<br />
<br />
−1 0 7<br />
2 4 7<br />
−7 3<br />
2<br />
<br />
.<br />
− 34<br />
3<br />
<br />
.<br />
<br />
.<br />
5 8 4<br />
√<br />
π+7 4 3− 2<br />
3<br />
2<br />
9<br />
3 4<br />
7 5<br />
3 4<br />
20<br />
−π − 5<br />
4<br />
− 29<br />
5<br />
8<br />
7<br />
29<br />
5<br />
<br />
.<br />
<br />
.<br />
<br />
.
FASIT 3 113<br />
4. <strong>Matriser</strong>.<br />
(4.16) Oppgaver.<br />
(1) Svar.<br />
<br />
−11<br />
(1) .<br />
7 <br />
30<br />
(2) .<br />
(3)<br />
29<br />
2π+5 √ 2<br />
5π+ √ 2<br />
(2) Svar.<br />
<br />
22<br />
(1) .<br />
11 <br />
25<br />
(2) .<br />
(3)<br />
(3) Svar.<br />
(1)<br />
(2)<br />
(3)<br />
21 √<br />
− 5+4π<br />
5<br />
<br />
.<br />
<br />
.<br />
(a) AB =<br />
(b) AB =<br />
(c) AB =<br />
(a) AB =<br />
(b) AB =<br />
(a) BA =<br />
(b) BA =<br />
3. Vektorrom.<br />
(3.12) Oppgaver.<br />
(1) Svar.<br />
<br />
14 −9<br />
15 −1<br />
<br />
5π−12 −9<br />
3π+6 −1<br />
√<br />
5 2+2 5<br />
3 √ 2−1 3<br />
, BA =<br />
<br />
, BA =<br />
<br />
, BA =<br />
<br />
14 −9 −2<br />
.<br />
15 −1 1<br />
√ √<br />
5π −9 5 2−2 5<br />
3π −1 3 √ 2+ √ 5<br />
17 −9<br />
21 −4<br />
<br />
.<br />
(1) (8, −2) t .<br />
(2) (π + 1, 1 − π) t .<br />
(3) √ 2 − 7, − √ 2 − 7 t .<br />
<br />
17 −9<br />
. 21 −4<br />
<br />
5π−3 −2π−1<br />
36 −10<br />
√ √<br />
5 2+3 −2 2+1<br />
−5 2<br />
<br />
.<br />
<br />
3 1<br />
5π−3 −2π−1<br />
6 2<br />
5 √ 2+3 √ 5 −2 √ 2+ √ 5<br />
<br />
.<br />
<br />
.<br />
<br />
.
114 Fasit<br />
(2) Svar.<br />
(1) (5, 9) t .<br />
(2) √ 2 + 2 − π, 7 √ 2 − π t .<br />
(3) (15, −35) t .<br />
(4) Svar.<br />
(1)<br />
(a) Bilde R 2 . Kjerne (0, 0) t .<br />
(b) Bilde s (1, −2) t . Kjerne s (−2, 1) t .<br />
(c) Bilde R 2 . Kjerne (0, 0) t .<br />
(d) Bilde s (1, 1) t . Kjerne s (−1, 1) t .<br />
(2) Avbildningene A1 <strong>og</strong> A3 er injektive <strong>og</strong> surjektive. De andre to er hverken<br />
eller.<br />
(3) En avbildning er injektiv hvis <strong>og</strong> bare hvis kjernen er 0.<br />
(5) Svar.<br />
(1)<br />
(a) Bilde R 2 . Kjerne s (3, 9, −7) t .<br />
(b) Bilde R 2 . Kjerne s (0, 7, 2) t + t (2, −1, 0) t .<br />
(c) Bilde R 2 . Kjerne s (13, −13, 2) t .<br />
(d) Bilde R 2 . Kjerne s (1, −1, 0) t .<br />
(2) Ingen av avbildningene er injektive, <strong>og</strong> alle er surjektive.<br />
(3) En avbildning er injektiv hvis <strong>og</strong> bare hvis kjernen er 0.<br />
(6) Svar.<br />
(1)<br />
(a) Bilde s (1, 2, 3) t + t (3, −1, 0) t . Kjerne (0, 0) t .<br />
(b) Bilde s (1, 2, 3) t + t (−2, −4, 0) t . Kjerne (0, 0) t .<br />
(c) Bilde s (1, 1, 0) t + t (1, 1, 13) t . Kjerne (0, 0) t .<br />
(d) Bilde s (1, 1, 6) t . Kjerne s (1, −1) t .<br />
(2) A1, A2 <strong>og</strong> A3 er injektive. Ingen av avbildningene er surjektive.<br />
(3) En avbildning er injektiv hvis <strong>og</strong> bare hvis kjernen er 0.<br />
1. Ligninger.<br />
(1.8) Oppgaver.<br />
(1) Svar.<br />
(1)<br />
x1 = −4b1 − 2b2 + 3b3<br />
x2 = 4b1 + b2 − 2b3<br />
x3 = −15b1 − 3b2 + 7b3.
FASIT 1 115<br />
(2)<br />
(3)<br />
(4)<br />
(2) Svar.<br />
(1)<br />
(3) Svar.<br />
(1)<br />
x1 = − 5<br />
9 b1 + 4 2<br />
+<br />
9 9 b3<br />
x2 = 4<br />
9 b1 − 5<br />
9 b2 + 2<br />
9 b3<br />
x3 = 1<br />
6 b1 + 1<br />
b b2 − 1<br />
6 b3.<br />
x1 = 5b1 − 2b2<br />
x1 + x3 = −2b1 + b2<br />
0 = 5b1 − 3b2 + b3.<br />
x1 + 2x2 + 3x3 = b1<br />
x3 = s.<br />
0 = b1 + b2<br />
0 = 5b1 + b3.<br />
x1 = b1 − b2<br />
x2 = −5b1 + 6b2<br />
x1 = 7b1 − 3b2<br />
x2 = −2b1 + b2<br />
0 = −2b1 + 2b2 + b3.<br />
(4) Svar. <br />
1 −2<br />
.<br />
3 1
116<br />
<strong>Matematik</strong>k MA
abelsk, 44<br />
abelsk, 45<br />
addisjonstabellen, 52<br />
alfabet, 7<br />
assosiativ, 13, 27<br />
assosiativitet, 12, 45, 49<br />
avbildning, 55<br />
avstanden, 6<br />
begrenset støtte, 62<br />
bijektiv, 58<br />
bildet, 57, 58<br />
blokker, 32<br />
Cramers regel, 100<br />
definisjonsmengde, 58<br />
definisjonsomr˚adet, 57<br />
determinant, 17, 38, 93<br />
diagonalelementene, 105<br />
dimensjon, 78<br />
diofantisk, 82, 94<br />
distributivitet, 13, 49<br />
domene, 57, 58<br />
duale, 71<br />
elementær matrise, 29, 90, 91<br />
elementær operasjon, 29<br />
elementære operasjoner, 88<br />
elementer, 43<br />
eliminere variable, 75<br />
entydig, 16<br />
Euklidske rommet, 44<br />
fakultet, 8<br />
familie, 88<br />
familie av løsninger, 78<br />
funksjon, 56<br />
Gauss eliminasjon, 105<br />
Gauss, 106<br />
Index<br />
Gauss-Jordan eliminasjon, 73, 80, 88<br />
Gauss-Jordan reduksjon, 88<br />
Georg Cantor, 7<br />
grafe, 8, 22, 62<br />
gruppe, 45<br />
halv˚apent intervall, 62<br />
hele tallene, 43<br />
hjørnene, 62<br />
hom<strong>og</strong>ent, 85<br />
hyperplan, 52<br />
identitetsavbildningen, 58<br />
identitetsmatrisen, 97<br />
ikke singulær, 97<br />
indeks, 24<br />
injektiv, 57, 58<br />
innbyrdes primiske, 82<br />
integral, 63<br />
invariantteorien, 17<br />
invers, 12, 45, 61<br />
inverse matrisen, 97<br />
inversjon, 101<br />
invertibel, 93, 97<br />
kanter, 22, 62<br />
kjerne, 65, 69, 70<br />
ko-domene, 57, 58<br />
koeffisientmatrisen, 85<br />
kommutativ, 12, 28, 45<br />
kommutativ gruppe, 44, 45<br />
komplekse tall, 31<br />
konvergerer mot null, 53<br />
koordinat, 18<br />
Kronecker deltaet, 7<br />
Kronecker, Leopold, 7<br />
kropp, 31<br />
krympe, 36<br />
117
118 Index<br />
kvadrering, 56<br />
kvaternioner, 31<br />
løkker, 62<br />
løsninger, 45<br />
ledende koordinat, 80, 86, 105<br />
lineær algebra, 1<br />
lineær, 37, 65<br />
m˚almengde, 57, 58<br />
matematisk modell, 3<br />
matrise, 17, 18<br />
mengde, 43<br />
mengdelæren, 43<br />
metrikk, 6<br />
multiplikasjonstabellen, 32<br />
nøytral, 12<br />
nøytralt element, 45<br />
naturlige tallene, 43<br />
nilpotent, 32<br />
objekter, 43<br />
orientering, 51<br />
orthonormale, 50<br />
parallell<strong>og</strong>ram, 37<br />
parameter, 3, 78, 88<br />
paritetsproblemet, 51<br />
permuasjoner, 6<br />
permutasjon, 30, 101<br />
polynomfunksjoner, 63<br />
produktet, 11<br />
punktvis, 62<br />
rangen, 86<br />
rasjonale tallene, 43<br />
redusert trappetrinnsform, 80, 86<br />
reelle tallene, 43<br />
regel, 55, 61<br />
regel, 61<br />
rekke, 18<br />
rettete grafer, 62<br />
søyle, 18<br />
sammensatte, 59<br />
sammensetningen, 60<br />
skalar, 11<br />
skjevkropp, 32<br />
skjevsymmetrisk, 32<br />
sti, 8<br />
strekke, 36<br />
sum, 24<br />
surjektiv, 57, 58<br />
Sylvester, James Joseph, 17<br />
symmetrisk, 32<br />
symmetriske gruppen, 101<br />
system av lineære ligninger, 85<br />
tall, 43<br />
tegn, 101<br />
transitiv, 69<br />
transponert, 1, 2, 29<br />
transposisjoner, 101<br />
trappetrinnsform, 105<br />
trappetrinnsfunksjoner, 62<br />
tuppel, 5<br />
undermengde, 43<br />
underrom, 50<br />
utvidete koeffisientmatrisen, 85<br />
vektor, 1, 2, 49<br />
<strong>vektorrom</strong>, 47, 49<br />
øvre diagonal, 105<br />
øvre triangulær, 32