Forskjell mellom versjoner av «TMA4115 - Matematikk 3»
Linje 1: | Linje 1: | ||
{{Infobox |
{{Infobox |
||
− | + | *Vurderingsform: Skriftlig eksamen (100 %). Hjelpemiddelkode [https://innsida.ntnu.no/wiki/-/wiki/English/Permitted+examination+aids C]. |
|
*Øvingsopplegg: Ukentlige skriftlige øvinger (8/12). Innleveringssted: Nordre lavblokk (SBII). |
*Øvingsopplegg: Ukentlige skriftlige øvinger (8/12). Innleveringssted: Nordre lavblokk (SBII). |
||
*[https://wiki.math.ntnu.no/tma4115 Hjemmeside] |
*[https://wiki.math.ntnu.no/tma4115 Hjemmeside] |
Revisjonen fra 4. mai 2015 kl. 12:18
{{Infobox
- Vurderingsform: Skriftlig eksamen (100 %). Hjelpemiddelkode C.
- Øvingsopplegg: Ukentlige skriftlige øvinger (8/12). Innleveringssted: Nordre lavblokk (SBII).
- Hjemmeside
}}
Innhold
Om faget
Matematikk 3 er tredelt og tar for seg følgende emner:
- Komplekse tall
En rimelig kort innføring som blant annet tar for seg aritmetikk med komplekse tall, komplekse tall på polarform og røtter og potenser av komplekse tall.
- Andre ordens ordinære lineære differensialligninger
Tar for seg løsing av 2. ordens ordinære lineære diff. ligninger. Herunder homogene og inhomogene med konstante koeffisienter og spesialtilfeller som "Euler-Cauchy ligninger", homogene ligninger med 1 kjent løsning og metode med variasjon av parametre.
- Matriseregning og lineær algebra
Hovedvekten av faget er lagt på denne delen. Den gir en innføring i lineær algebra med fokus på blant annet: Løsing av lineære ligningsett med "Gauss-Jordan"-eliminasjon, matrisearitmetikk, determinanter, vektorrom og underrom, lineær avhengighet, basiser, ortogonalitet i <math> R^n</math>, projeksjoner og minste kvadraters metode, "Gram-Schmidt"-algoritmen, egenverdier og egenvektorer, diagonalisering av matriser, systemer av første ordens differensialligninger, kjeglesnitt i "vridde" koordinatsystem.
Våren 2011 var Advanced Engineering Mathematics (Erwin Kreyszig) lærebok i alle tre deler, mens Elementary Linear Algebra (Edwards & Penney) også ble benyttet i del (iii).
Komplekse tall
Et komplekst tall kan skrives på formen <math>z = a+bi = r\left(\cos\,\theta + i\,\sin\,\theta\right) = re^{i\,\theta}</math>.
<math>|z| = \sqrt{a^2 + b^2} = r\quad \operatorname{Arg}\,z = \arctan{\frac{b}{a}} = \theta</math>
Den komplekskonjugerte til <math>a + bi</math> er <math>a - bi</math>.
Røtter av komplekse tall
Gitt <math>w = z^n, \quad w = re^{i\,\theta + 2\pi k}, \quad z = \rho e^{i\,\phi}</math>
<math>z^n = \rho^n e^{i\,n\phi} = w</math>
<math>\rho = \sqrt[n]{r} \quad \phi = i\frac{\theta + 2\pi k}{n}, k \in \left[0,n-1\right]</math>
Et komplekst tall har n n-terøtter, som ligger jevnt fordelt på en sirkel med radius <math>\rho</math> i det komplekse planet.
Andre ordens differensiallikninger
Homogene differensiallikninger
Den homogene andreordens differensiallikningen <math>y + ay' + by = 0\,</math> løses ved å løse den karakteristiske likningen <math>\lambda^2 + a\lambda + b = 0\,</math>.
- Hvis den karakteristiske likningen har kompleks løsning <math>\lambda = \alpha + i\omega</math>, er den generelle løsningen <math>y = e^{\alpha x}\left(c_1\cos{\omega x} + c_2\sin{\omega x}\right)</math>
- Hvis den karakteristiske likningen har én reell løsning (dobbelrot), er den generelle løsningen <math>y = \left(c_1 + c_2x\right)e^{\lambda x}</math>
- Hvis den karakteristiske likningen har to distinkte, reelle løsninger, er den generelle løsningen <math>y = c_1e^{\lambda_1x} + c_2e^{\lambda_2x}</math>
Euler-Cauchy-likning
Euler-Cauchy-likninger er på formen <math>y + \frac{a}{x}y' + \frac{b}{x^2}y = 0</math>. Den karakteristiske likningen er <math>m^2 + (a-1)m + b = 0\,</math>, og løsningen er <math>y = c_1x^{m_1} + c_2x^{m_2}</math>
Inhomogene differensiallikninger
Den inhomogene andreordens differensiallikningen <math>y + ay' + by = r(x)\,</math> har løsning <math>y = y_h + y_p\,</math>, der <math>y_h\,</math> er løsningen av den homogene likningen, og <math>y_p</math> er én partikulær løsning av den inhomogene likningen. <math>y_p\,</math> kan finnes på ulike måter:
Ubestemte koeffisienters metode
Variasjon av parametre
Viktige matriseidentiter og egenskaper
Konsekvenser av invertiblitet
Følgende utsagn er ekvivalente:
- A er inverterbar.
- det(A) ≠ 0.
- A er radekvivalent med I.
- <math>Ax = 0</math> har kun den trivielle løsningen <math>x=0</math>
- <math>Ax=b</math> har én unik løsning.
Determinanter
NB: Kun definert for n x n-matriser.
- Ganger du én rad i en matrise med k, blir determinanten k ganger større.
- Bytter du to rader i en matrise, skifter determinanten fortegn.
- Tar du et multiplum av en rad og legger til en annen, er determinanten uendret.
- Hvis en matrise har determinant lik 0 er den IKKE inverterbar
- det(AB) = det(A)•det(B)
Lineær avhengighet
Def: Vektorene <math>v_1, v_2, ... ,v_k</math> er lineært uavhengige dersom <math>c_1 v_1+c_2v_2+...+c_k v_k=0 </math>, kun har den trivielle løsningnen <math>c_1=c_2=...=c_k=0</math>.
Basis
Def: En endelig mengde S av vektorer fra vektorrommmet V kalles en basis for V dersom:
- Vektorene i S er lineært uavhengige.
- Vektorene i S utspenner hele V.
Rad-, kolonne- og nullrom
- Radvektorene i en echelonmatrise A er lineært uavhengige og utgjør en basis for radrommet eller Row(A) til matriser som er radekvivalente med A.
- En basis for kolonnerommet til A finnes ved å redusere matrisen til en matrise E på echelonform. Kolonnene som korresponderer med med de ledende kolonnene i E utgjør basisen for kolonnerommet.
- Kolonnerommet eller Col(A) utgjør løsningsrommet til Ax=b. Altså ligger alle b som har løsning i Col(A).
- Nullrommet eller Null(A) er basis for løsningene av Ax=0.
- Rank(A) = dim(Col(A)) = dim(Row(A))
- n = rank(A) + dim(Null(A)). Der n er antall kolonner i A.
- Row(A) sitt ortogonale komplement er Null(A).
- Col(A) sitt ortogonale komplement er Null(<math>A^T</math>).
Ortogonal projeksjon
- Du finner den ortogonale projeksjonen p av b inn i underrommet V av <math>R^m</math> ved å løse <math>A^TAx' = A^Tb</math>, der A er en matrise med kolonnevektorer lik basisvektorene for V, og x' er "minste kvadraters løsning". Projeksjonen p = Ax'.
- <math>A^TA</math> er ikkesingulær, dvs inverterbar, hvis A er en mxn-matrise med rank(A) = n.
Egenvektorer og egenverdier
Def: <math>\lambda</math> er en egenverdi for en nxn-matrise A dersom det finnes en vektor v ≠ 0, slik at: <math>Av = \lambda v</math>
- Her kalles v en korresponderende egenvektor til egenverdien <math>\lambda</math>.
- Den karakteristiske likningen: <math>\lambda</math> er en egenverdi til matrisen A hvis og bare hvis <math>|A-\lambda I| = 0</math>. Egenvektorene finnes ved å løse <math>(A-\lambda I) v = 0 </math>.
Transponerte matriser
- En transponert matrise <math>A^T</math> er en matrise der kolonnenevektorene i A skrives som radvektorer, mens radvektorene i A skrives som kolonnevektorer.
- <math> (AB)^T = B^TA^T </math>
- A er symmetrisk dersom A har dimensjonene n x n og <math> A = A^T </math>
- Egenvektorene til en symmetrisk matrise er ortogonale.
Diagonalisering
- De kvadratiske matrisene A og B er similære dersom det eksisterer en invertibel matrise P slik at <math>A = PBP^{-1}</math>.
- A kan diagonaliseres ved: <math> A = PDP^{-1}</math>, der P er en matrise med kolonnevektorer lik egenvektorene til A, og D er en nxn-diagonalmatrise med egenverdiene langs diagonalen. NB! Egenverdien i kolonne i i D må korrespondere til egenvektoren i kolonne i i P.
- A er diagonaliserbar hvis og bare hvis A har n lineært uavhengige egenvektorer.
- Dersom egenvektorer korresponderer med forskjellige egenverdier er de lineært uavhengige.
- A kan skrives som <math>A = PDP^T</math> dersom A er en symmetrisk matrise. Her må matrisen P bestå av ortonormale vektorer, det vil si at egenvektorene må ha lengde én, slik at det(P) = 1. Da kalles P en ortogonal matrise.
- For en ortogonal matrise A gjelder:
- A er kvadratisk.
- <math>A^T </math> er ortogonal.
- Radene og kolonnene er ortonormale.
- <math>A^T = A^{-1}</math>.
- det(A) = ±1
Nyttige regneregler
- <math>(AB)^{-1}=B^{-1}A^{-1}</math>
- <math>(AB)^T=B^TA^T</math>
- <math> x \cdot y = x^T y</math>
- det( <math>A^{-1}</math> ) = 1/det(A)
- det( <math>A^{T}</math> ) = det(A)
- <math>A^{-1}A</math> = <math>I</math>