Dag 5 - Versionshistorik

Vcrispin den 5 juni 2007 kl. 15.20

Vcrispin — Tue, 05 Jun 2007 15:20:24 GMT

← Äldre version		Versionen från 5 juni 2007 kl. 15.20
Rad 6:		Rad 6:

	Gör följande övningar i första hand:		Gör följande övningar i första hand:
-	* 1.3.4bcdef, 1.3.5abcdgj och 1.3.13a	+	* 1.3.4bcdef, 1.3.5abcdgj, 1.3.13a


Rad 27:		Rad 27:
	Viktigt att lägga på minnet från detta avsnitt är också räknereglerna $(AB)^T=B^TA^T$ och $(A^T)^{-1}=(A^{-1})^T$.		Viktigt att lägga på minnet från detta avsnitt är också räknereglerna $(AB)^T=B^TA^T$ och $(A^T)^{-1}=(A^{-1})^T$.

-	När du är klar med genomläsningen kan du lösa uppgifterna 1.4.6, 1.4.14 och 1.4.16. På de sista två kan du finna svaret på sidan [[Lösningar till 1.4.14 och 1.4.16]]. (Men titta inte på det förrän du har ett eget svar. På den här sortens uppgifter är tankarna på vägen fram till svaret det värdefulla, att "plugga in" någon annans lösning är i stort sett meningslöst.)	+
		+	Gör följande övningar i första hand:
		+	* 1.4.6, 1.4.14, 1.4.16 [på de sista två kan du finna svaret på sidan [[Lösningar till 1.4.14 och 1.4.16]], men tänk på att på den här sortens uppgifter är tankarna på vägen fram till svaret det värdefulla, att "plugga in" någon annans lösning är i stort sett meningslöst]

Vcrispin den 4 juni 2007 kl. 15.34

Vcrispin — Mon, 04 Jun 2007 15:34:58 GMT

← Äldre version		Versionen från 4 juni 2007 kl. 15.34
Rad 2:		Rad 2:


-	En matris är inget mer exotiskt än ett rektangulärt schema av tal, tex heltal eller reella tal. (Läs s.23-25 för att se några exempel.) Det som är intressant och listigt med matriser är att man kan addera, subtrahera och multiplicera dem och att dessa operationer visar sig ha väldigt användbara egenskaper. I det här avsnittet skall vi fokusera på hur räkneoperationerna går till, varför de är så användbara kommer vi att återkomma till senare. Ett exempel på användbarheten av matrismultiplikation finns dock redan på sid 32, att ett linjärt ekvationsystem smidigt kan skrivas med hjälp av matriser. Läs nu avsnitt 1.3 noggrant och lös sedan uppgifterna 1.3.4bcdef, 1.3.5abcdgj och 1.3.13a. Återigen kan du hitta hjälp på traven och lösningar till en del av uppgifterna på kursbokens hemsida: [http://www.justask4u.com/csp/ELA9/EFramesetMain.csp?CSPCHD=00000001000g31lzdlOb003027314678].	+	En matris är inget mer exotiskt än ett rektangulärt schema av tal, tex heltal eller reella tal. (Läs s.23-25 för att se några exempel.) Det som är intressant och listigt med matriser är att man kan addera, subtrahera och multiplicera dem och att dessa operationer visar sig ha väldigt användbara egenskaper. I det här avsnittet skall vi fokusera på hur räkneoperationerna går till, varför de är så användbara kommer vi att återkomma till senare. Ett exempel på användbarheten av matrismultiplikation finns dock redan på sid 32, att ett linjärt ekvationsystem smidigt kan skrivas med hjälp av matriser. Läs nu avsnitt 1.3 noggrant. Återigen kan du hitta hjälp på traven och lösningar till en del av uppgifterna på kursbokens hemsida: [http://www.justask4u.com/csp/ELA9/EFramesetMain.csp?CSPCHD=00000001000g31lzdlOb003027314678].
		+
		+
		+	Gör följande övningar i första hand:
		+	* 1.3.4bcdef, 1.3.5abcdgj och 1.3.13a

Vcrispin den 4 juni 2007 kl. 13.34

Vcrispin — Mon, 04 Jun 2007 13:34:14 GMT

← Äldre version		Versionen från 4 juni 2007 kl. 13.34
Rad 24:		Rad 24:

	När du är klar med genomläsningen kan du lösa uppgifterna 1.4.6, 1.4.14 och 1.4.16. På de sista två kan du finna svaret på sidan [[Lösningar till 1.4.14 och 1.4.16]]. (Men titta inte på det förrän du har ett eget svar. På den här sortens uppgifter är tankarna på vägen fram till svaret det värdefulla, att "plugga in" någon annans lösning är i stort sett meningslöst.)		När du är klar med genomläsningen kan du lösa uppgifterna 1.4.6, 1.4.14 och 1.4.16. På de sista två kan du finna svaret på sidan [[Lösningar till 1.4.14 och 1.4.16]]. (Men titta inte på det förrän du har ett eget svar. På den här sortens uppgifter är tankarna på vägen fram till svaret det värdefulla, att "plugga in" någon annans lösning är i stort sett meningslöst.)
-
-
-	== 1.5 Elementarmatriser och en metod för att beräkna $A^{-1}$ ==
-
-
-	En elementarmatris, $E$ är en matris som fås genom att utföra en elementär radoperation (se definitionen på sid 5 i läroboken) på enhetsmatrisen. Genom att multiplicera en matris $A$ med $E$ från vänster kan man sedan utföra samma elementära radoperation på $A$. Detta innebär att Gausselimination kan ses som multiplikation från vänster med en produkt av elementarmatriser. Om det går att finna en sådan elimination som resulterar i enhetsmatrisen så har man också hittat inversen till $A$ eftersom $E_kE_{k-1} \cdots E_3E_2E_1A=I$ medför att $E_kE_{k-1} \cdots E_3E_2E_1$ är invers till $A$. Läs detaljerna om detta i boken och titta särskilt noga på exempel 4 och 5, som du kommer att ha nytta av för att kunna lösa övningarna till detta avsnitt: 1.5.6abc, 1.5.8ad och 1.5.10.

Vcrispin den 4 juni 2007 kl. 13.10

Vcrispin — Mon, 04 Jun 2007 13:10:35 GMT

← Äldre version		Versionen från 4 juni 2007 kl. 13.10
Rad 1:		Rad 1:
		+	== 1.3 Matriser och matrisräkning ==
		+
		+
		+	En matris är inget mer exotiskt än ett rektangulärt schema av tal, tex heltal eller reella tal. (Läs s.23-25 för att se några exempel.) Det som är intressant och listigt med matriser är att man kan addera, subtrahera och multiplicera dem och att dessa operationer visar sig ha väldigt användbara egenskaper. I det här avsnittet skall vi fokusera på hur räkneoperationerna går till, varför de är så användbara kommer vi att återkomma till senare. Ett exempel på användbarheten av matrismultiplikation finns dock redan på sid 32, att ett linjärt ekvationsystem smidigt kan skrivas med hjälp av matriser. Läs nu avsnitt 1.3 noggrant och lös sedan uppgifterna 1.3.4bcdef, 1.3.5abcdgj och 1.3.13a. Återigen kan du hitta hjälp på traven och lösningar till en del av uppgifterna på kursbokens hemsida: [http://www.justask4u.com/csp/ELA9/EFramesetMain.csp?CSPCHD=00000001000g31lzdlOb003027314678].
		+
		+
	== 1.4 Inversa matriser och räkneregler för matriser ==		== 1.4 Inversa matriser och räkneregler för matriser ==

Rad 18:		Rad 24:

	När du är klar med genomläsningen kan du lösa uppgifterna 1.4.6, 1.4.14 och 1.4.16. På de sista två kan du finna svaret på sidan [[Lösningar till 1.4.14 och 1.4.16]]. (Men titta inte på det förrän du har ett eget svar. På den här sortens uppgifter är tankarna på vägen fram till svaret det värdefulla, att "plugga in" någon annans lösning är i stort sett meningslöst.)		När du är klar med genomläsningen kan du lösa uppgifterna 1.4.6, 1.4.14 och 1.4.16. På de sista två kan du finna svaret på sidan [[Lösningar till 1.4.14 och 1.4.16]]. (Men titta inte på det förrän du har ett eget svar. På den här sortens uppgifter är tankarna på vägen fram till svaret det värdefulla, att "plugga in" någon annans lösning är i stort sett meningslöst.)
		+

	== 1.5 Elementarmatriser och en metod för att beräkna $A^{-1}$ ==		== 1.5 Elementarmatriser och en metod för att beräkna $A^{-1}$ ==
Rad 23:		Rad 30:

	En elementarmatris, $E$ är en matris som fås genom att utföra en elementär radoperation (se definitionen på sid 5 i läroboken) på enhetsmatrisen. Genom att multiplicera en matris $A$ med $E$ från vänster kan man sedan utföra samma elementära radoperation på $A$. Detta innebär att Gausselimination kan ses som multiplikation från vänster med en produkt av elementarmatriser. Om det går att finna en sådan elimination som resulterar i enhetsmatrisen så har man också hittat inversen till $A$ eftersom $E_kE_{k-1} \cdots E_3E_2E_1A=I$ medför att $E_kE_{k-1} \cdots E_3E_2E_1$ är invers till $A$. Läs detaljerna om detta i boken och titta särskilt noga på exempel 4 och 5, som du kommer att ha nytta av för att kunna lösa övningarna till detta avsnitt: 1.5.6abc, 1.5.8ad och 1.5.10.		En elementarmatris, $E$ är en matris som fås genom att utföra en elementär radoperation (se definitionen på sid 5 i läroboken) på enhetsmatrisen. Genom att multiplicera en matris $A$ med $E$ från vänster kan man sedan utföra samma elementära radoperation på $A$. Detta innebär att Gausselimination kan ses som multiplikation från vänster med en produkt av elementarmatriser. Om det går att finna en sådan elimination som resulterar i enhetsmatrisen så har man också hittat inversen till $A$ eftersom $E_kE_{k-1} \cdots E_3E_2E_1A=I$ medför att $E_kE_{k-1} \cdots E_3E_2E_1$ är invers till $A$. Läs detaljerna om detta i boken och titta särskilt noga på exempel 4 och 5, som du kommer att ha nytta av för att kunna lösa övningarna till detta avsnitt: 1.5.6abc, 1.5.8ad och 1.5.10.
-
-
-	== 1.6 Mer om ekvationssystem och inverterbarhet ==
-
-
-	Det här avsnittet bygger vidare på teorin för linjära ekvationssystem och innehåller flera viktiga satser. Här kommer beviset för att varje linjärt ekvationssytem har ingen, en eller oändligt många lösningar som utlovades i avsnitt 1.1. Dessutom visas att när man skall visa att $B$ är invers till $A$ så räcker det att kolla att $AB=I$ ''eller'' $BA=I$. Den viktigaste satsen är dock 1.6.4 som beskriver hur inverterbarhet av en kvadratisk matris $A$ hänger ihop med lösbarhet hos system $A\bf x=y$. I satsen radas ett antal ekvivalenta påståenden upp. Detta innebär att för en vissa matriser $A$ är alla sex påståendena i satsen sanna och föra andra matriser $A$ är alla sex falska. Det kan alltså inte vara så att några påståenden är sanna och några falska för samma matris. Läs nu avsnitt 1.6 och lös sedan följande uppgifter: 1.6.1, 1.6.9abc och 1.6.17. För svar till den sista övningen gå till [[Svar på övning 1.6.17]].
-
-	== 1.7 Diagonala triangulära och symmetriska matriser ==
-
-
-	Detta avsnitt, som är relativt lättläst, beskriver tre speciella typer av kvadratiska matriser. En diagonal matris har bara nollor utanför diagonalen, en triangulär bara nollor ovanför (alternativt nedanför) diagonalen. En symmetrisk matris är oförändrad efter spegling i diagonalen, eller med andra ord $A^T=A$. När du läst igenom avsnittet i boken kan du kontrollera dina kunskaper genom att räkna 1.7.3, 1.7.10ab och 1.7.11.

Vcrispin: /* 1.6 Mer om ekvationssystem och inverterbarhet */

Vcrispin — Mon, 04 Jun 2007 09:35:21 GMT

1.6 Mer om ekvationssystem och inverterbarhet

← Äldre version		Versionen från 4 juni 2007 kl. 09.35
Rad 28:		Rad 28:


-	Det här avsnittet bygger vidare på teorin för linjära ekvationssystem och innehåller flera viktiga satser. Här kommer beviset för att varje linjärt ekvationssytem har ingen, en eller oändligt många lösningar som utlovades i avsnitt 1.1. Dessutom visas att när man skall visa att $B$ är invers till $A$ så räcker det att kolla att $AB=I$ ''eller'' $BA=I$. Den viktigaste satsen är dock 1.6.4 som beskriver hur inverterbarhet av en kvadratisk matris $A$ hänger ihop med lösbarhet hos system $Ax=y$. I satsen radas ett antal ekvivalenta påståenden upp. Detta innebär att för en vissa matriser $A$ är alla sex påståendena i satsen sanna och föra andra matriser $A$ är alla sex falska. Det kan alltså inte vara så att några påståenden är sanna och några falska för samma matris. Läs nu avsnitt 1.6 och lös sedan följande uppgifter: 1.6.1, 1.6.9abc och 1.6.17. För svar till den sista övningen gå till [[Svar på övning 1.6.17]].	+	Det här avsnittet bygger vidare på teorin för linjära ekvationssystem och innehåller flera viktiga satser. Här kommer beviset för att varje linjärt ekvationssytem har ingen, en eller oändligt många lösningar som utlovades i avsnitt 1.1. Dessutom visas att när man skall visa att $B$ är invers till $A$ så räcker det att kolla att $AB=I$ ''eller'' $BA=I$. Den viktigaste satsen är dock 1.6.4 som beskriver hur inverterbarhet av en kvadratisk matris $A$ hänger ihop med lösbarhet hos system $A\bf x=y$. I satsen radas ett antal ekvivalenta påståenden upp. Detta innebär att för en vissa matriser $A$ är alla sex påståendena i satsen sanna och föra andra matriser $A$ är alla sex falska. Det kan alltså inte vara så att några påståenden är sanna och några falska för samma matris. Läs nu avsnitt 1.6 och lös sedan följande uppgifter: 1.6.1, 1.6.9abc och 1.6.17. För svar till den sista övningen gå till [[Svar på övning 1.6.17]].
-		+
-		+

	== 1.7 Diagonala triangulära och symmetriska matriser ==		== 1.7 Diagonala triangulära och symmetriska matriser ==

Vcrispin: /* 1.4 Inversa matriser och räkneregler för matriser */

Vcrispin — Mon, 04 Jun 2007 09:32:33 GMT

1.4 Inversa matriser och räkneregler för matriser

← Äldre version		Versionen från 4 juni 2007 kl. 09.32
Rad 8:		Rad 8:
	*(4) Om $ab=0$ så är antingen $a=0$ eller $b=0$		*(4) Om $ab=0$ så är antingen $a=0$ eller $b=0$

-	Den sista egenskapen är mycket viktig vid ekvationslösning. Det är till exempel den vi använder när vi sluter oss till att $x^2+px+q=0$ har lösningarna $x=-\frac{p}{2}\pm \sqrt{\frac{p^2}{4}-q}$. Resonemanget bakom är $x^2+px+q=0 \Leftrightarrow (x+\frac{p}{2})^2-\frac{p^2}{4}+q=0 \Leftrightarrow (x+\frac{p}{2})^2-(\frac{p^2}{4}-q)=0 \Leftrightarrow \big( x+\frac{p}{2}-\sqrt{\frac{p^2}{4}+q}\big) \big( x+\frac{p}{2}+\sqrt{\frac{p^2}{4}+q}\big)=0 \Leftrightarrow x+\frac{p}{2}=\pm \sqrt{\frac{p^2}{4}-q}$.	+	Den sista egenskapen är mycket viktig vid ekvationslösning. Det är till exempel den vi använder när vi sluter oss till att $x^2+px+q=0$ har lösningarna $x=-\frac{p}{2}\pm \sqrt{\frac{p^2}{4}-q}$. Resonemanget bakom är $x^2+px+q=0 \Leftrightarrow (x+\frac{p}{2})^2-\frac{p^2}{4}+q=0 \Leftrightarrow (x+\frac{p}{2})^2-(\frac{p^2}{4}-q)=0 \Leftrightarrow \big( x+\frac{p}{2}-\sqrt{\frac{p^2}{4}-q}\big) \big( x+\frac{p}{2}+\sqrt{\frac{p^2}{4}-q}\big)=0 \Leftrightarrow x+\frac{p}{2}=\pm \sqrt{\frac{p^2}{4}-q}$.
	I näst sista steget har vi använt konjugatregeln baklänges och i sista steget egenskap (4).		I näst sista steget har vi använt konjugatregeln baklänges och i sista steget egenskap (4).

Vcrispin: /* 1.4 Inversa matriser och räkneregler för matriser */

Vcrispin — Mon, 04 Jun 2007 09:31:10 GMT

1.4 Inversa matriser och räkneregler för matriser

← Äldre version		Versionen från 4 juni 2007 kl. 09.31
Rad 8:		Rad 8:
	*(4) Om $ab=0$ så är antingen $a=0$ eller $b=0$		*(4) Om $ab=0$ så är antingen $a=0$ eller $b=0$

-	Den sista egenskapen är mycket viktig vid ekvationslösning. Det är till exempel den vi använder när vi sluter oss till att $x^2+px+q=0$ har lösningarn $x=-\frac{p}{2}\pm \sqrt{\frac{p^2}{4}-q}$. Resonemanget bakom är $x^2+px+q=0 \Leftrightarrow (x+\frac{p}{2})^2-\frac{p^2}{4}+q=0 \Leftrightarrow (x+\frac{p}{2})^2-(\frac{p^2}{4}-q)=0 \Leftrightarrow \big(x+\frac{p}{2}-\sqrt{\frac{p^2}{4}+q\big})\big(x+\frac{p}{2}+\sqrt{\frac{p^2}{4}+q}\big)=0 \Leftrightarrow x+\frac{p}{2}=\pm \sqrt{\frac{p^2}{4}-q}$.	+	Den sista egenskapen är mycket viktig vid ekvationslösning. Det är till exempel den vi använder när vi sluter oss till att $x^2+px+q=0$ har lösningarna $x=-\frac{p}{2}\pm \sqrt{\frac{p^2}{4}-q}$. Resonemanget bakom är $x^2+px+q=0 \Leftrightarrow (x+\frac{p}{2})^2-\frac{p^2}{4}+q=0 \Leftrightarrow (x+\frac{p}{2})^2-(\frac{p^2}{4}-q)=0 \Leftrightarrow \big( x+\frac{p}{2}-\sqrt{\frac{p^2}{4}+q}\big) \big( x+\frac{p}{2}+\sqrt{\frac{p^2}{4}+q}\big)=0 \Leftrightarrow x+\frac{p}{2}=\pm \sqrt{\frac{p^2}{4}-q}$.
	I näst sista steget har vi använt konjugatregeln baklänges och i sista steget egenskap (4).		I näst sista steget har vi använt konjugatregeln baklänges och i sista steget egenskap (4).

Vcrispin: /* 1.4 Inversa matriser och räkneregler för matriser */

Vcrispin — Mon, 04 Jun 2007 09:29:06 GMT

1.4 Inversa matriser och räkneregler för matriser

← Äldre version		Versionen från 4 juni 2007 kl. 09.29
Rad 8:		Rad 8:
	*(4) Om $ab=0$ så är antingen $a=0$ eller $b=0$		*(4) Om $ab=0$ så är antingen $a=0$ eller $b=0$

-	Den sista egenskapen är mycket viktig vid ekvationslösning. Det är till exempel den vi använder när vi sluter oss till att $x^2+px+q=0$ har lösningarn $x=-\frac{p}{2}\pm \sqrt{\frac{p^2}{4}-q}$. Resonemanget bakom är $x^2+px+q=0 \Leftrightarrow (x+\frac{p}{2})^2-\frac{p^2}{4}+q=0 \Leftrightarrow (x+\frac{p}{2}-\sqrt{\frac{p^2}{4}+q})\big(x+\frac{p}{2}+\sqrt{\frac{p^2}{4}+q})=0 \Leftrightarrow x+\frac{p}{2}=\pm \sqrt{\frac{p^2}{4}-q}$	+	Den sista egenskapen är mycket viktig vid ekvationslösning. Det är till exempel den vi använder när vi sluter oss till att $x^2+px+q=0$ har lösningarn $x=-\frac{p}{2}\pm \sqrt{\frac{p^2}{4}-q}$. Resonemanget bakom är $x^2+px+q=0 \Leftrightarrow (x+\frac{p}{2})^2-\frac{p^2}{4}+q=0 \Leftrightarrow (x+\frac{p}{2})^2-(\frac{p^2}{4}-q)=0 \Leftrightarrow \big(x+\frac{p}{2}-\sqrt{\frac{p^2}{4}+q\big})\big(x+\frac{p}{2}+\sqrt{\frac{p^2}{4}+q}\big)=0 \Leftrightarrow x+\frac{p}{2}=\pm \sqrt{\frac{p^2}{4}-q}$.
	I näst sista steget har vi använt konjugatregeln baklänges och i sista steget egenskap (4).		I näst sista steget har vi använt konjugatregeln baklänges och i sista steget egenskap (4).

-	Så vad har detta med matrisräkning att göra? Jo, för matriser gäller (2) och (3) men ''inte'' (1) och (4). Att (1) inte kan gälla för matriser är egentligen ganska självklart för om A är en $n \times m$-matris (dvs en matris med $n$ rader och $m$ kolumner) och B är en $k \times l$-matris så måste $m=k$ för att AB skall vara definierad, och $l=n$ för att BA skall vara definierad. Det kan alltså mycket väl vara så att en av produkterna är definierad, men inte den andra. Då kan man förstås inte säga att de båda produkterna är lika. Men inte ens om båda produkterna är definierade och lika stora är det säkert att $AB=BA$. Detta är mycket viktigt att hålla i minnet då man arbetar med matriser. Att inte (4) gäller har att göra med att en produkt av två matriser kan bli 0 (dvs nollmatrisen) även om ingen av faktorerna är det. Som demonstrerats ovan betyder detta ekvationslösning med matriser inte helt och hållet kan göras som för reella tal. Läs nu sidorna 39-41 i boken för att se exempel på det du just läst här. Konstruera sedan två $3 \times 3$-matriser som inte kommuterar och två $2 \times 2$-matriser B och C sådana att $BC=0$, men $B \neq 0$ och $C \neq 0$.	+	Så vad har detta med matrisräkning att göra? Jo, för matriser gäller (2) och (3) men ''inte'' (1) och (4). Att (1) inte kan gälla för matriser är egentligen ganska självklart för om A är en $n \times m$-matris (dvs en matris med $n$ rader och $m$ kolumner) och B är en $k \times l$-matris så måste $m=k$ för att AB skall vara definierad, och $l=n$ för att BA skall vara definierad. Det kan alltså mycket väl vara så att en av produkterna är definierad, men inte den andra. Då kan man förstås inte säga att de båda produkterna är lika. Men inte ens om båda produkterna är definierade och lika stora är det säkert att $AB=BA$. Detta är mycket viktigt att hålla i minnet då man arbetar med matriser. Att inte (4) gäller har att göra med att en produkt av två matriser kan bli 0 (dvs nollmatrisen) även om ingen av faktorerna är det. Som demonstrerats ovan betyder detta att ekvationslösning med matriser inte helt och hållet kan göras som för reella tal. Läs nu sidorna 39-41 i boken för att se exempel på det du just läst här. Konstruera sedan två $3 \times 3$-matriser som inte kommuterar och två $2 \times 2$-matriser B och C sådana att $BC=0$, men $B \neq 0$ och $C \neq 0$.

	Läs nu igenom avsnitt 1.4 i boken. När du är klar bör du veta vad som menas med enhetsmatris (identity matrix på engelska) och invers matris. Enhetsmatrisen är matrisernas motsvarighet till ettan bland de reella talen. Att bilda $A^{-1}$ för en matris $A$ är motsvarigheten till att bilda $1/a$ för ett reellt tal $a$. På grund av att ordningen spelar roll vid matrismultiplikation kan man inte använda skrivsättet $1/A$ för matriser eftersom man inte skulle veta om $B/A$ betyder $A^{-1}B$ eller $BA^{-1}$.		Läs nu igenom avsnitt 1.4 i boken. När du är klar bör du veta vad som menas med enhetsmatris (identity matrix på engelska) och invers matris. Enhetsmatrisen är matrisernas motsvarighet till ettan bland de reella talen. Att bilda $A^{-1}$ för en matris $A$ är motsvarigheten till att bilda $1/a$ för ett reellt tal $a$. På grund av att ordningen spelar roll vid matrismultiplikation kan man inte använda skrivsättet $1/A$ för matriser eftersom man inte skulle veta om $B/A$ betyder $A^{-1}B$ eller $BA^{-1}$.

Vcrispin: /* 1.4 Inversa matriser och räkneregler för matriser */

Vcrispin — Mon, 04 Jun 2007 09:26:26 GMT

1.4 Inversa matriser och räkneregler för matriser

← Äldre version		Versionen från 4 juni 2007 kl. 09.26
Rad 8:		Rad 8:
	*(4) Om $ab=0$ så är antingen $a=0$ eller $b=0$		*(4) Om $ab=0$ så är antingen $a=0$ eller $b=0$

-	Den sista egenskapen är mycket viktig vid ekvationslösning. Det är till exempel den vi använder när vi sluter oss till att $x^2+px+q=0$ har lösningarn $x=-\frac{p}{2}\pm \sqrt{\frac{p^2}{4}-q}$. Resonemanget bakom är $x^2+px+q=0 \Leftrightarrow (x+\frac{p}{2})^2-\frac{p^2}{4}+q=0 \Leftrightarrow (x+\frac{p}{2}-\sqrt{\frac{p^2}{4}+q})((x+\frac{p}{2}+\sqrt{\frac{p^2}{4}+q})=0 \Leftrightarrow x+\frac{p}{2}=\pm \sqrt{\frac{p^2}{4}-q}$	+	Den sista egenskapen är mycket viktig vid ekvationslösning. Det är till exempel den vi använder när vi sluter oss till att $x^2+px+q=0$ har lösningarn $x=-\frac{p}{2}\pm \sqrt{\frac{p^2}{4}-q}$. Resonemanget bakom är $x^2+px+q=0 \Leftrightarrow (x+\frac{p}{2})^2-\frac{p^2}{4}+q=0 \Leftrightarrow (x+\frac{p}{2}-\sqrt{\frac{p^2}{4}+q})\big(x+\frac{p}{2}+\sqrt{\frac{p^2}{4}+q})=0 \Leftrightarrow x+\frac{p}{2}=\pm \sqrt{\frac{p^2}{4}-q}$
	I näst sista steget har vi använt konjugatregeln baklänges och i sista steget egenskap (4).		I näst sista steget har vi använt konjugatregeln baklänges och i sista steget egenskap (4).

Rad 18:		Rad 18:

	När du är klar med genomläsningen kan du lösa uppgifterna 1.4.6, 1.4.14 och 1.4.16. På de sista två kan du finna svaret på sidan [[Lösningar till 1.4.14 och 1.4.16]]. (Men titta inte på det förrän du har ett eget svar. På den här sortens uppgifter är tankarna på vägen fram till svaret det värdefulla, att "plugga in" någon annans lösning är i stort sett meningslöst.)		När du är klar med genomläsningen kan du lösa uppgifterna 1.4.6, 1.4.14 och 1.4.16. På de sista två kan du finna svaret på sidan [[Lösningar till 1.4.14 och 1.4.16]]. (Men titta inte på det förrän du har ett eget svar. På den här sortens uppgifter är tankarna på vägen fram till svaret det värdefulla, att "plugga in" någon annans lösning är i stort sett meningslöst.)
-
-

	== 1.5 Elementarmatriser och en metod för att beräkna $A^{-1}$ ==		== 1.5 Elementarmatriser och en metod för att beräkna $A^{-1}$ ==

Vcrispin den 4 juni 2007 kl. 09.22

Vcrispin — Mon, 04 Jun 2007 09:22:14 GMT

← Äldre version		Versionen från 4 juni 2007 kl. 09.22
Rad 1:		Rad 1:
-	#REDIRECT [[D]]	+	== 1.4 Inversa matriser och räkneregler för matriser ==
		+
		+	Några av de mest grundläggande egenskaperna hos reella tal är
		+
		+	*(1) $ab=ba$, multiplikation är kommutativ
		+	*(2) $a(bc)=(ab)c$, multiplikation är associativ
		+	*(3) $a(b+c)=ab+ac$, distributiva lagen
		+	*(4) Om $ab=0$ så är antingen $a=0$ eller $b=0$
		+
		+	Den sista egenskapen är mycket viktig vid ekvationslösning. Det är till exempel den vi använder när vi sluter oss till att $x^2+px+q=0$ har lösningarn $x=-\frac{p}{2}\pm \sqrt{\frac{p^2}{4}-q}$. Resonemanget bakom är $x^2+px+q=0 \Leftrightarrow (x+\frac{p}{2})^2-\frac{p^2}{4}+q=0 \Leftrightarrow (x+\frac{p}{2}-\sqrt{\frac{p^2}{4}+q})((x+\frac{p}{2}+\sqrt{\frac{p^2}{4}+q})=0 \Leftrightarrow x+\frac{p}{2}=\pm \sqrt{\frac{p^2}{4}-q}$
		+	I näst sista steget har vi använt konjugatregeln baklänges och i sista steget egenskap (4).
		+
		+	Så vad har detta med matrisräkning att göra? Jo, för matriser gäller (2) och (3) men ''inte'' (1) och (4). Att (1) inte kan gälla för matriser är egentligen ganska självklart för om A är en $n \times m$-matris (dvs en matris med $n$ rader och $m$ kolumner) och B är en $k \times l$-matris så måste $m=k$ för att AB skall vara definierad, och $l=n$ för att BA skall vara definierad. Det kan alltså mycket väl vara så att en av produkterna är definierad, men inte den andra. Då kan man förstås inte säga att de båda produkterna är lika. Men inte ens om båda produkterna är definierade och lika stora är det säkert att $AB=BA$. Detta är mycket viktigt att hålla i minnet då man arbetar med matriser. Att inte (4) gäller har att göra med att en produkt av två matriser kan bli 0 (dvs nollmatrisen) även om ingen av faktorerna är det. Som demonstrerats ovan betyder detta ekvationslösning med matriser inte helt och hållet kan göras som för reella tal. Läs nu sidorna 39-41 i boken för att se exempel på det du just läst här. Konstruera sedan två $3 \times 3$-matriser som inte kommuterar och två $2 \times 2$-matriser B och C sådana att $BC=0$, men $B \neq 0$ och $C \neq 0$.
		+
		+	Läs nu igenom avsnitt 1.4 i boken. När du är klar bör du veta vad som menas med enhetsmatris (identity matrix på engelska) och invers matris. Enhetsmatrisen är matrisernas motsvarighet till ettan bland de reella talen. Att bilda $A^{-1}$ för en matris $A$ är motsvarigheten till att bilda $1/a$ för ett reellt tal $a$. På grund av att ordningen spelar roll vid matrismultiplikation kan man inte använda skrivsättet $1/A$ för matriser eftersom man inte skulle veta om $B/A$ betyder $A^{-1}B$ eller $BA^{-1}$.
		+
		+	Viktigt att lägga på minnet från detta avsnitt är också räknereglerna $(AB)^T=B^TA^T$ och $(A^T)^{-1}=(A^{-1})^T$.
		+
		+	När du är klar med genomläsningen kan du lösa uppgifterna 1.4.6, 1.4.14 och 1.4.16. På de sista två kan du finna svaret på sidan [[Lösningar till 1.4.14 och 1.4.16]]. (Men titta inte på det förrän du har ett eget svar. På den här sortens uppgifter är tankarna på vägen fram till svaret det värdefulla, att "plugga in" någon annans lösning är i stort sett meningslöst.)
		+
		+
		+
		+	== 1.5 Elementarmatriser och en metod för att beräkna $A^{-1}$ ==
		+
		+
		+	En elementarmatris, $E$ är en matris som fås genom att utföra en elementär radoperation (se definitionen på sid 5 i läroboken) på enhetsmatrisen. Genom att multiplicera en matris $A$ med $E$ från vänster kan man sedan utföra samma elementära radoperation på $A$. Detta innebär att Gausselimination kan ses som multiplikation från vänster med en produkt av elementarmatriser. Om det går att finna en sådan elimination som resulterar i enhetsmatrisen så har man också hittat inversen till $A$ eftersom $E_kE_{k-1} \cdots E_3E_2E_1A=I$ medför att $E_kE_{k-1} \cdots E_3E_2E_1$ är invers till $A$. Läs detaljerna om detta i boken och titta särskilt noga på exempel 4 och 5, som du kommer att ha nytta av för att kunna lösa övningarna till detta avsnitt: 1.5.6abc, 1.5.8ad och 1.5.10.
		+
		+
		+	== 1.6 Mer om ekvationssystem och inverterbarhet ==
		+
		+
		+	Det här avsnittet bygger vidare på teorin för linjära ekvationssystem och innehåller flera viktiga satser. Här kommer beviset för att varje linjärt ekvationssytem har ingen, en eller oändligt många lösningar som utlovades i avsnitt 1.1. Dessutom visas att när man skall visa att $B$ är invers till $A$ så räcker det att kolla att $AB=I$ ''eller'' $BA=I$. Den viktigaste satsen är dock 1.6.4 som beskriver hur inverterbarhet av en kvadratisk matris $A$ hänger ihop med lösbarhet hos system $Ax=y$. I satsen radas ett antal ekvivalenta påståenden upp. Detta innebär att för en vissa matriser $A$ är alla sex påståendena i satsen sanna och föra andra matriser $A$ är alla sex falska. Det kan alltså inte vara så att några påståenden är sanna och några falska för samma matris. Läs nu avsnitt 1.6 och lös sedan följande uppgifter: 1.6.1, 1.6.9abc och 1.6.17. För svar till den sista övningen gå till [[Svar på övning 1.6.17]].
		+
		+
		+
		+	== 1.7 Diagonala triangulära och symmetriska matriser ==
		+
		+
		+	Detta avsnitt, som är relativt lättläst, beskriver tre speciella typer av kvadratiska matriser. En diagonal matris har bara nollor utanför diagonalen, en triangulär bara nollor ovanför (alternativt nedanför) diagonalen. En symmetrisk matris är oförändrad efter spegling i diagonalen, eller med andra ord $A^T=A$. När du läst igenom avsnittet i boken kan du kontrollera dina kunskaper genom att räkna 1.7.3, 1.7.10ab och 1.7.11.