Kompendium

SF1624 Algebra och Geometri
Kompendium med övningsuppgifter och lösningsförslag
Institutionen för matematik, KTH
2017
Innehåll
1. Förord 7
I. Uppgifter 9
2. Kontrollskrivningar 11
2.1. Kontrollskrivningar 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.1. 2010-09-13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.2. 2010-11-29 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.3. 2010-12-08 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.1.4. 2011-09-12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.1.5. 2011-09-23 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.6. 2011-10-14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.7. 2011-12-08 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.8. 2012-01-30 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.1.9. 2012-09-10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.1.10. 2012-09-19 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.11. 2012-12-06 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.12. 2013-01-28 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.1. 2010-09-27 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.2. 2011-01-28 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.3. 2011-02-14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.4. 2011-09-26 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.5. 2011-10-27 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.6. 2011-11-09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.7. 2012-02-06 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.8. 2012-02-13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.9. 2012-09-24 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.10. 2013-02-04 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2.11. 2013-02-11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3. Tentamen 23
3.1. 2010-10-22 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.2. 2011-01-10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3. 2011-03-16 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.4. 2011-06-09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.5. 2011-10-17 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.6. 2012-01-09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.7. 2012-03-12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.8. 2012-06-12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.9. 2012-10-16 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.10. 2012-12-13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.11. 2013-01-07 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.12. 2013-03-11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.13. 2013-06-04 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3
3.14. 2013-10-28 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.15. 2014-01-13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.16. 2014-03-14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.17. 2014-05-20 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.18. 2014-10-29 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.19. 2015-01-19 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.20. 2015-03-13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.21. 2015-06-10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.22. 2015-10-23 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.23. 2016-01-13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.24. 2016-01-18 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.25. 2016-03-17 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.26. 2016-06-09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.27. 2016-10-21 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.28. 2017-01-11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.29. 2017-03-13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
II. Lösningar 67
4. Kontrollskrivningar 69
4.1.1. 2010-09-13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.1.2. 2010-11-29 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.1.3. 2010-12-08 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.1.4. 2011-09-12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.1.5. 2011-09-23 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.1.6. 2011-10-14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.1.7. 2011-12-08 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.1.8. 2012-01-30 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.1.9. 2012-09-10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.1.10. 2012-09-19 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.1.11. 2012-12-06 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.1.12. 2013-01-28 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.2.1. 2010-09-27 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.2.2. 2011-01-28 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
4.2.3. 2011-02-14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.2.4. 2011-09-26 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.2.5. 2011-10-27 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.2.6. 2011-11-09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
4.2.7. 2012-02-06 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.2.8. 2012-02-13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4.2.9. 2012-09-24 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.2.10. 2013-02-04 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
4.2.11. 2013-02-11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5. Tentamen 89
5.1. 2010-10-22 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
5.2. 2011-01-10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.3. 2011-03-16 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.4. 2011-06-09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
5.5. 2011-10-17 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
5.6. 2012-01-09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
5.7. 2012-03-12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
5.8. 2012-06-12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
5.9. 2012-10-16 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
5.10. 2012-12-13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
5.11. 2013-01-07 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
5.12. 2013-03-11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
5.13. 2013-06-04 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
5.14. 2013-10-28 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
5.15. 2014-01-13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
5.16. 2014-03-14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
5.17. 2014-05-20 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
5.18. 2014-10-29 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
5.19. 2015-01-19 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
5.20. 2015-03-13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
5.21. 2015-06-10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
5.22. 2015-10-23 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
5.23. 2016-01-13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
5.24. 2016-01-18 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
5.25. 2016-03-17 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
5.26. 2016-06-09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
5.27. 2016-10-21 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
5.28. 2017-01-11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
5.29. 2017-03-13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
III. Ordlistor 165

6. Engelsk-Svensk ordlista 167
7. Svensk-Engelsk ordlista 169

1. Förord
7
Del I.
Uppgifter
9
2. Kontrollskrivningar
Åren 2010–2013 innehöll KTH:s kurs SF1624 två kontrollskrivningar. Dessa har ersatts med seminarieprov
sedan hösten 2013. Denna avsnitt innehåller uppgifterna från kontrollskrivningar, som dels ingår i de rekommen-
derade uppgifterna för kursen och dels är bra material att öva på.
2.1. Kontrollskrivningar 1
2.1.1. 2010-09-13
1. För varje tal a har vi ekvationssystemet i tre okända x, y och z som ges av

 (a − 3)y = 1,
(?) 2x − ax + ay − 3y + 2z − az = 1,
(4 − 2a)x + (2a − 6)y + 5z − 2az = 3.

Visa att ekvationssystemet (?) har en unik lösning om och endast om a 6= 2 och a 6= 3. Lös sedan
ekvationssystemet (?) då a = 2 med hjälp av radoperationer på totalmatrisen för systemet.
2. Bestäm en ekvation för det plan som innehåller punkterna (0, 1, −2), (3, 0, −1) och (2, 1, 0), och avgör
om linjen (x, y, z) = (1, 1, −1) + t · (3, 1, 5) ligger i detta plan.
3. Förklara med hjälp av egenskaperna hos determinanter varför det för kvadratiska matriser, A, i allmänhet
gäller att det(AT A) = (det(A))2 och använd sedan detta för att beräkna det(AT A) i specialfallet när
 
1 1 2 0
1 0 3 1
A= 2 3 0 0 .

0 0 1 4
2.1.2. 2010-11-29
1. Betrakta det linjära ekvationssystemet

 x1 + x2 + x3 = 7,
x1 − x3 + x4 = 8,
x2 + 2x3 + x4 = 9.

a) Använd Gausselimination för att överföra totalmatrisen för ekvationssystemet till reducerad trapp-
stegsform.
b) Ange lösningmängden för ekvationssystemet med hjälp av den reducerade totalmatrisen.
c) Förklara hur det kommer sig att det finns lösningar till systemet även om man ändrar högerledet.
2. Betrakta triangeln ABC med hörn i punkterna A = (1, 0, 1), B = (2, −3, 2) och C = (4, 1, 0) i R3 .
a) Beräkna koordinaterna för vektorerna u = AB och v = AC.
b) Använd kryssprodukten för att beräkna arean av triangeln ABC.
c) Använd skalärprodukten för att beräkna cosinus för vinkeln vid hörnet A.
3. Bestäm alla tal t så att punkterna (1, 2, 3), (2, 3, 2), (t + 1, 3, t + 2) och (t, 2t, 2t + 5) ligger i samma plan
i R3 och ange en ekvation för detta plan för något av dessa värden för t.
11
2.1.3. 2010-12-08

 x1 − x2 + x3 + 2x4 = 3,
x1 + x2 − x3 + x4 = 1,
x1 − 3x2 + 3x3 + 3x4 = a.

där a är en konstant.

a) Använd Gausselimination för att överföra totalmatrisen för ekvationssystemet till trappstegsform i
fallet då a = 6.
b) Bestäm det värde på konstanten a för vilket systemet har lösning.
c) Ange tre olika lösningar till systemet för detta värde på a.
2. Matrisen  
2 −1 0 0 0
−1 2 −1 0 0
 
0
A= −1 2 −1 0
0 0 −1 2 −1
0 0 0 −1 2
är ett speciallfall av en typ av matriser som ofta förekommer i olika tillämpningar, exempelvis i samband
med diskretisering av differentialekvationer för numerisk lösning. Använd rad- eller kolonnoperationer för
att beräkna determinanten av matrisen A.
3. Betrakta de två linjerna i rummet, R3 , som på parameterform beskrivs av
(x, y, z) = (1, 1, 0) + t · (1, −1, 1) och (x, y, z) = (1, 0, 1) + t · (1, 0, −1).
a) Bestäm med hjälp av kryssprodukten en vektor som är ortogonal mot bägge dessa linjer.
b) Kontrollera med hjälp av skalärprodukten att denna vektor verkligen är ortogonal mot bägge linjerna.
c) Bestäm en ekvation för ett plan som ligger mellan dessa linjer, dvs ett plan som är parallellt med
bägge linjerna och sådant att de två linjerna ligger på olika sidor om planet.
2.1.4. 2011-09-12
1. Betrakta ekvationssystemet

 x + 3y − z + 3w = 4,
(∗) 3x + 7y + 3z + 9w = 2,
−x + 2y − 12z + 5w = 9.

a) Använd Gauss-Jordans metod för bestämma lösningsmängden till (∗).

b) Avgör om det går att ändra högerledet i (∗) så att systemet blir inkonsistent.
2. Låt de tre vektorerna ~u, ~v och w
~ ges av
     
1 −1 −2
~u = 1 ,  2  ~ =  1 .
och w
2 0 3
a) Beräkna vektorprodukten, ~u × ~v .
b) Bestäm den ortogonala projektionen av w
~ på ~u.
3. Bestäm en ekvation för det plan som består av punkter med lika långt avstånd till punkten A = (−1, 1, 2)
som till punkten B = (1, 5, −4). (Ledning: Mittpunkten på sträckan mellan A och B ligger i planet.)
2.1.5. 2011-09-23
1. Betrakta de två linjära ekvationssystem som ges av totalmatriserna
   
1 −2 −2 −1 −1 1 −2 −2 −1 1
 4 3 0 3 4  och  4 3 0 3 −5  .
3 −2 −3 0 0 3 −2 −3 0 1
a) Lösningen av det ena systemet ges av x1 = 7 − 3t, x2 = −11 + 3t, x3 = 14 − 5t och x4 = t, där t
är en reell parameter. Vilket av systemen är det?
b) Använd Gauss-Jordans metod för att bestämma lösningsmängden till det andra systemet, dvs det
system som inte har lösningen som anges i (a).
2. De tre punkterna A = (2, 4, −3), B = (1, 0, 1) och C = (3, −2, 3) bildar en triangel i rummet.
−−→ −→
a) Beräkna vektorprodukten av vektorerna ~u = AB och ~v = AC
b) Använd resultatet i (a) för att beräkna arean av triangeln.
3. Bestäm skärningspunkten mellan planet med ekvation x + 2y + 4z − 5 = 0 och den linje som passerar
genom punkterna (1, 1, 1) och (4, 0, 1).
2.1.6. 2011-10-14
1. Betrakta det linjära ekvationssystemet i de tre obekanta, x, y och z som ges av

 3x − 7y − 3z = 4,
−x + 4y + 2z = 4,
x + y + z = a.


a) Bestäm det enda värde på konstanten a för vilket systemet har lösning, dvs är konsistent.
b) Bestäm samtliga lösningar till systemet för detta värde på konstanten a.
2. Skriv om möjligt vektorerna    
1 2
~u =  1  ~ = 2 
och w
2 1
som linjärkombinationer av vektorerna
  
0 2
f~ =  1  och ~g =  0  .
3 −5
3. Bestäm en ekvation för det plan som går genom punkten P = (2, 3, 0) och som innehåller linjen (x, y, z) =
(1 − t, 2 − t, 3 + t).
2.1.7. 2011-12-08
1.
a) Bestäm den reducerade trappstegsformen av matrisen
 
2 1 2 1
 0 0 1 −2
A= .
 2 1 3 −1
−4 −2 −8 3
b) Bestäm rangen av matrisen
0 1 1 0 2
.
0 0 0 1 1
2. Två plan i rummet ges av ekvationerna 2x − 4y + 5z = 2 och 2x − y + 2z = 5.

a) Skärningen mellan de båda planen är en linje. Bestäm en parameterframställning av denna linje.
b) Förklara varför riktningsvektorn till skärningslinjen kan ges som vektorprodukten av normalvekto-
rerna till planen.
3. Bestäm en ekvation för det plan som innehåller linjen (x, y, z) = (t, 2t, 3t) och som är parallellt med
linjen (x, y, z) = (1 + t, 1 − t, 3 − t).
2.1.8. 2012-01-30
1. Betrakta det linjära ekvationssystem som ges av totalmatrisen
 
1 1 1 1 1 1 1
 1 2 1 2 1 2 1 .
1 2 2 1 2 2 1
a) Använd Gauss-Jordans metod för att bestämma lösningsmängden till ekvationssystemet.

b) Hur ändras lösningsmängden om hela högerledet multipliceras med en konstant a?
2. En tetraeder är en tredimensionell kropp med fyra hörn och där sidorna är trianglar. De fyra punkterna
O = (0, 0, 0), A = (1, 2, −3), B = (3, 1, 0) och C = (0, 2, 1) utgör hörnen i en tetraeder. Volymen av
tetraedern kan beräknas som en sjättedel av absolutbeloppet av trippelprodukten, (~u × ~v ) · w,
~ av de tre
vektorer som går från ett av hörnen till de tre andra.
−→ −−→
a) Beräkna vektorprodukten av de två vektorerna ~u = OA och ~v = OB
b) Beräkna volymen av den tetraeder som har hörn i punkterna O, A, B och C.
2
3. Låt H vara det plan som ges av ekvationen 3x + 4y + 5z = 0 och låt ~u = 1 .
3
a) Bestäm den ortogonala projektionen av ~u på en normalvektor till planet H.
b) Skriv vektorn ~u som en summa ~uH + ~uN , där ~uH ligger i planet H och ~uN är vinkelrät mot planet
H.
2.1.9. 2012-09-10

17x − 13y + 2z − 7w = 5,
(*)
13x + 6y − z + 11w = 3.
a) Bestäm en lösning av systemet för vilken x = 0 och w = 1.

b) Förklara varför systemet (*) har oändligt många lösningar.
c) Finns det en lösning av systemet för vilken y = −2x och w = −3x ?
2. Betrakta de två vektorerna    

4 −1
~u = 2 och ~v = −2 .
0 1
a) Bestäm vektorprodukten ~u × ~v och kontrollera att den är ortogonal mot både ~u och ~v .
~ så att trippelprodukten (~u × ~v ) · w
b) Bestäm en vektor w ~ är positiv (> 0).
~ så att trippelprodukten (~u × ~v ) · w
c) Bestäm alla vektorer w ~ är noll.
3. Låt A = (1, 2, −3) och B = (4, 1, 2) vara två punkter i R3 och låt ` vara linjen genom A och B.
a) Bestäm en ekvation för det plan som går genom A och som är vinkelrätt mot `.
b) Bestäm avståndet mellan detta plan och punkten B.
2.1.10. 2012-09-19

 x1 +2x2 +2x3 +x4 = 0,
2x1 +3x2 +3x3 +2x4 = 3,
3x1 +x2 +3x3 +4x4 = 12.

a) Bestäm den reducerade trappstegsformen till totalmatrisen för ekvationssystemet.

b) Bestäm lösningsmängden till ekvationssystemet.
c) Finns det något högerled då motsvarande ekvationssystem saknar lösning?
2. Låt A = (2, 3, 4), B = (1, 0, 1) och C = (3, 2, 2) vara tre punkter i R3 .
−−→ −→
a) Beräkna vektorprodukten AB × AC.
−−→ −→ −−→
b) Beräkna skalärprodukten (AB × AC) · BC.
c) Förklara varför reultat i (b) inte beror på vilka punkter A, B och C vi hade valt från början.
3. Planet H ges av ekvationen 3x + 2y + z = 0, och planet W ges på parameterform som
  
 2t 
W =  4s  : s, t reella tal .
t + 2s
 
a) Bestäm en ekvation vars lösningsmängd är W .

b) Bestäm en parameterfrämställning för skärningen av H och W .
2.1.11. 2012-12-06
1. Bestäm lösningarna till följande ekvationssystem

 x − 2y −z = 0,
−x + 2y + 3z = 0,
3x − 6y − 7z = 0.

2. Betrakta linjen ` i R2 definierad av ekvationen x − y + 2 = 0. Låt A = (0, 0) och B = (10, 0). Bestäm
en punkt C på linjen ` så att triangeln ABC är rätvinklig i C.
3. Ett plan i rummet kan på parameterform beskrivas som alla punkter P = (x, y, z) så att
       
x 1 3 1
y  = 1 + s 1 + t 0 ,
z 0 0 1
där s och t är reella parametrar.
a) Visa att punkten Q = (3, 3, −4) ligger i planet och bestäm motsvarande värden på parametrarna s
och t.
b) Visa att punkten R = (4, 4, 4) inte ligger i planet.
c) Bestäm en ekvation för planet.
2.1.12. 2013-01-28

 2x + 9y + 4z = 1+a
−2x + 7y − 2z = a−1
2x + y + (a2 + 2)z = 2

i de tre obekanta x, y och z, där a är en reell konstant.

Bestäm för vilka värden på a som systemet har oändligt många lösningar, ingen lösning, respektive precis
en lösning.
2.
a) Två punkter P och Q bildar tillsammans med origo, O, en triangel i R3 . Ange ett uttryck för arean
av denna triangel.
b) Punkterna      
1 −3 −1
A = 2 , B= 2  och C = −1
3 1 2
bildar hörnen i en triangel i R3 . Bestäm dess area.
3. Betrakta de tre punkterna P = (0, 1, 0), Q = (2, 1, 1) och R = (0, −1, 2).
a) Bestäm en ekvation för ett plan som innehåller alla tre punkterna, P , Q och R.
b) Avgör om de tre punkterna ligger på samma linje.
2.2. Kontrollskrivningar 2
2.2.1. 2010-09-27
1. Beräkna dimensionerna av radrummet, kolonnrummet och nollrummet till matrisen
 
1 0 −1 1
−2 1 2 1
 
−3 −3 −1 −1 .
 
3 2 1 −2
1 4 3 2
2. I nedanstående figur illustreras en bas B = {u, v} för R2 och en punkt P . Bestäm koordinaterna för P
med avseende på basen B.
u
P v
3. Speglingen i en linje genom origo i R2 med normalvektor n fås av

u·n
T (u) = u − 2 projn u = u − 2 n.
||n||2
Bestäm standardmatrisen för speglingen i linjen y = 2x i R2 .

2.2.2. 2011-01-28
1. Låt V vara mängden av vektorer (x1 , x2 , x3 ) i R3 som uppfyller x1 + x2 + x3 = 0, dvs är ortogonala mot
vektorn (1, 1, 1).
a) Visa att V är ett underrum i R3 .
b) En bas för V ges av B = { (1, 0, −1), (1, −1, 0) }. Bestäm koordinaterna för vektorn v = (1, −2, 1)

1 −1 2
2. I denna uppgift är A = .
−3 3 −6
a) Bestäm en bas för nollrummet till A och en bas för radrummet till A. (Kontrollera gärna räkningarna
genom att se att de båda rummens basvektorer är ortogonala mot varandra.)
b) Bestäm en bas för kolonnrummet till A och en bas för nollrummet till AT . (Även här kan räkningarna
kontrolleras på samma sätt som ovan.)
3. Den här uppgiften handlar om linjära avbildningar från R2 till R2 och deras standardmatriser. Låt (x, y)
vara koordinaterna i ett rätvinkligt koordinatsystem i R2 .
a) Låt T1 : R2 → R2 vara rotationen kring origo med en vinkel på 90◦ (π/2 radianer) moturs. Bestäm
standardmatrisen, A, för T1 .
b) Låt T2 : R2 → R2 vara speglingen i linjen y = −x. Bestäm standardmatrisen, B, för T2 .
c) Bestäm standardmatrisen, C, för sammansättningen T2 ◦ T1 .
d) Avbildningen T2 ◦ T1 är en spegling. I vilken linje? Motivera ditt svar.
2.2.3. 2011-02-14
1. Låt u = (1, 2) och v = (1, 1) vara två vektorer i R2 .
a) Visa att vektorerna u och v utgör en bas B för R2 .
b) Linjen L har ekvationen 2x − y = 1 när den uttrycks i koordinaterna (x, y) med avseende på stan-
dardbasen i R2 . Bestäm ekvationen för linjen om den uttrycks i koordinaterna (x0 , y 0 ) med avseende
på basen B.
2. Låt T : R2 → R3 vara en linjär avbildning sådan att
T (1, 2) = (3, 1, 2) och T (1, 1) = (1, 1, 3).
a) Bestäm standardmatrisen för T .
b) Bildrummet (eng. range) till T utgör ett plan W i R3 . Bestäm en ekvation för W .
3. För de tre vektorerna u, v och w gäller att

 u + 2v − w = (1, 2, 3),
u + 3v − 2w = (0, 1, 1),
2u + v + 2w = (1, 0, 1).

Avgör om vektorerna u, v och w utgör en bas för R3 .
2.2.4. 2011-09-26
1. Betrakta den inverterbara linjära avbildningen T : R3 −→ R3 , som ges av matrisen
 
0 3 2
A =  2 −5 1  .
1 5 6
Bestäm standardmatrisen för den inversa avbildningen, T −1 .
2. Avbildningen T : R3 → R2 ges av matrisen

−1 2 1
A= .
2 −4 −2
a) Hitta två vektorer ~u och ~v som utgör en bas för nollrummet, ker(T ).
b) Bestäm en ekvation för planet som utgör nollrummet till T .
3. De fyra vektorerna
       
1 1 2 3
 1   2   3   5 
 −1  ,
~u1 =  
 2 ,
~u2 =   ~u3 =  
 2  och ~u4 =  
 3 
2 −1 0 0
i R4 är linjärt beroende. Skriv en av dem som en linjärkombination av de andra.
2.2.5. 2011-10-27
1. Den linjära avbildningen T : R2 → R2 uppfyller

5 2 0 3
T = och T =
10 11 5 4
a) Bestäm matrisen A som hör till T .

b) Kontrollera att A är sin egen invers.
2. Låt T : R3 −→ R3 vara den linjära avbildning som hör till matrisen

 
1 0 1
 2 −1 1  .
3 −2 1
a) Bestäm en bas för nollrummet till T .

b) Bestäm dimensionen för bilden av T .
3. Låt      
1 2 1
 1   −2   −2 
 0 ,
~u =  
 4 ,
~v =   och w
~ =
 3 

2 0 −1
vara tre vektorer i R4 .
a) Bestäm en bas för det delrum av R4 som vektorerna spänner upp.
b) Bestäm en vektor i R4 som inte ligger i detta delrum.
2.2.6. 2011-11-09
1. Låt A vara den inverterbara matrisen  
1 −2 1
A = −2 3 1 .
3 −6 1
Bestäm inversen till A.
2. Betrakta matrisen  
−1 −1 0 1
A =  −3 −1 1 1 .
2 0 −1 0
a) Bestäm en bas för nollrummet, ker(A).
b) Bestäm en bas för bildrummet, im(A).
3. Låt T1 : R2 → R2 vara speglingen i linjen y = −x och låt T2 : R2 → R2 vara speglingen i x-axeln

y = 0.
a) Visa att sammansättningen T2 ◦ T1 innebär en rotation kring origo med ett kvarts varv moturs.
b) Ge även den geometriska tolkningen för sammansättningen T1 ◦ T2 .
2.2.7. 2012-02-06
1. Betrakta delmängderna U , V och W i R2 som ges av ekvationerna (x + y)(x − y) = 0, 2x = 1, respektive
y = x2 .
y y y
x x x
a) Ge definitionen av vad som menas med ett delrum i R2 .

b) Förklara med hjälp av definitionen varför ingen av de tre givna delmängderna, U , V eller W, utgör
ett delrum av R2 .
2. Betrakta de linjära avbildningarna S, T : R2 → R2 som ges av matriserna

1 −2 2 4
A= respektive B = .
2 −4 1 2
a) Bestäm matrisprodukterna AB och BA.

b) Vilken av de båda produkterna svarar mot sammansättningen T ◦ S?
c) Bestäm en bas för nollrummet till en av de båda sammansättningarna S ◦ T eller T ◦ S.
3. Vi vet följande om en linjär avbildning T : R4 −→ R3 . En bas för nollrummet, ker(T ), ges av

   
2 0
2 1
~u1 = 
1 och ~u2 = 0
  
0 1
och dessutom gäller att  

  1
2 1
T (~u3 ) = 3 , där ~u3 = 
1 .

4
1
4
a) Visa att vektorn ~v = 5 ligger i det linjära höljet span{~u1 , ~u2 , ~u3 }.
3
3
b) Använd linjäriteten hos T för att bestämma T (~v ), där ~v är vektorn i del (a).
2.2.8. 2012-02-13

1 3
A= .
2 4

3
a) Bestäm T .
5

3
b) Bestäm alla vektorer ~v sådana att T (~v ) = .
5
2. Låt     
2 3 1
~u =  1  , ~v =  4  , och ~ = 2 
w
1 −1 −1
vara tre vektorer i R3 .
a) Visa att dessa tre vektorer är linjärt beroende.
b) Ange en ekvation för det plan som vektorerna spänner.

4 1
3. Betrakta vektorerna ~u = och ~v = i R2 .
1 −4

2 4
a) Bestäm vektorn ~x i R som har koordinatvektorn med avseende på basen {~u, ~v }.
1

5
b) I R2 har vi vektorn ~y = . Bestäm koordinatvektorn för ~y med avseende på basen {~u, ~v }.
14
2.2.9. 2012-09-24
1. Låt T : R3 → R4 vara den linjära avbildningen med standardmatris
 
1 0 1
 2 1 3
 1 2 3 .
 
−1 1 0
a) Bestäm en bas för bildrummet im(T ).

b) Bestäm dimensionen för nollrummet ker(T ).
2. Låt T : R2 −→ R2 vara en linjär avbildning som avbildar kvadraten med hörn i punkterna (0, 0), (2, 1),
(1, 3) och (−1, 2) på kvadraten med hörn i punkterna (0, 0), (3, −4), (7, −1), (4, 3)
a) Bestäm matrisen för T . (Det finns två möjligheter.)
b) Förklara varför alla kvadrater i planet avbildas på kvadrater av T .
3. Låt W vara det delrum som spänns upp av vektorerna

     
1 1 4
~u = 2 , ~v = 1 ~ =  6 .
och w
3 2 10
a) Bestäm en bas för W .

b) Bestäm ett linjärt ekvationssystem vars lösningsmängd är W .
2.2.10. 2013-02-04
1. Låt T : R2 → R2 vara en linjär avbildning sådan att

0 1 3 4
T = och T = .
1 4 −2 −5
a) Bestäm standardmatrisen för T .
b) Bestäm standardmatrisen för den linjära avbildningen S : R2 → R2 som tvärtom uppfyller

1 0 4 3
S = och S = .
4 1 −5 −2
2. För att avgöra om vektorer är linjärt oberoende kan vi använda Gausselimination. Vi kan välja att antingen
ställa upp vektorerna som rader eller som kolonner i en matris. Betrakta de tre vektorerna
     
1 3 2
 2   5   −1 
~u =   −3  , ~v =  −7  och w
   ~ =  4 

2 6 4
a) Ställ upp vektorerna som kolonner i en matris A. Använd sedan Gausselimination på A för att avgöra
om de är linjärt oberoende.
b) Ställ också upp vektorerna som rader i en matris B. Använd sedan Gausselimination på B för att
avgöra om de är linjärt oberoende.
3. Låt W vara det delrum i R4 som spänns upp av vektorerna
     
3 2 1
−6 10 −11
 2  , ~v2 =  4  , och ~v3 =  0  .
~v1 =      
5 8 1
a) Bestäm dimensionen för W .
b) Bestäm en vektor ~u i R4 som inte ligger i W .
2.2.11. 2013-02-11
1. Den linjära avbildningen T : R2 −→ R3 ges av
 
3x + y
x
T = x − 2y  .
y
y−x
a) Bestäm matrisen för T .
b) Avgör om någon av vektorerna
  

2 4
~v =  3  ~ = −1
eller w
−2 1
ligger i bildrummet im(T ).
 
1 2 −1 3
A = 2 4 −2 6 .
3 6 −3 9
a) Bestäm en bas för nollrummet ker(T ).
b) Bildrummet im(T ) är en linje. Ge en parameterframställning av denna linje.
3.
a) Visa att matrisen  
1 1 0 1 1
A = −1 0 1 1 2
0 −1 −1 1 0
uppfyller att de tre första kolonnerna är linjärt beroende, liksom de tre sista kolonnerna, medan de tre
mittersta inte är det.
b) Ge ett exempel på en 3 × 5-matris B sådan att de tre första kolonnerna utgör en bas för R3 , liksom
de tre sista kolonnerna, medan de tre mittersta inte gör det.
3. Tentamen
In denna avsnitt hittar du ett stort antal gamla tentamina som kan användas för övningsändamål, speciellt inför
tentamen.
Innan år 2016 betod tentamen av nio uppgifter och var gick i fem timmar. Medan själva uppgifterna är repre-
sentativa för aktuella tentor, så är omfånget i nuläget dock betydligt mindre.
3.1. 2010-10-22
1. Uttrycket
(x, y, z) = (1, 1, 1) + s(1, 3, 0) + t(0, 5, 1)
definierar ett plan W i rummet där s och t är reella parametrar.
a) Bestäm en normalvektor till planet med hjälp av kryssprodukten av de bägge riktningsvektorerna
(1, 3, 0) och (0, 5, 1). (1 p)
b) Bestäm en ekvation för planet W på formen ax + by + cz + d = 0. (2 p)
c) Bestäm det kortaste avståndet från planet W till origo, exempelvis genom att projicera vektorn från
origo till punkten (1, 1, 1) på normalvektorn till planet. (1 p)
2. Låt T vara avbildningen från R2 till R2 som relativt standardbasen har matrisen

0 1
A= .
−1 0
a) Beskriv i ord vad T gör. (1 p)

b) Vilken matrisrepresentation får T i basen B = {(2, 1), (−1, 2)}? (3 p)
3. a) Använd Gausselimination för att bestämma en bas för nollrummet till matrisen
 
3 1 4 2
 1 3 0 4 
A= .
 0 4 −2 5 
1 −1 2 −1
(3 p)
b) Använd räkningarna från del (a) för att bestämma dimensionen för kolonnrummet till A, dvs rangen
av A. (1 p)
4. Visa hur Gram-Schmidts metod fungerar genom att bestämma en ortonormal bas för det underrum i R4
som spänns upp av vektorerna (1, 0, 0, 1), (1, 1, 1, 1), (3, 3, 1, 3). (Använd den vanliga euklidiska inre
produkten, dvs hu, vi = u · v.) (4 p)
5. Betrakta matrisen
11 4
B= .
−30 −11
a) Visa att vektorerna e = (−2, 5) och f = (1, −3) är egenvektorer till B, och bestäm deras tillhörande
egenvärden. (1 p)
b) Uttryck vektorn u = (−8, 22) som en linjärkombination av e och f . (2 p)
23
c) Beräkna B 43 u med hjälp av resultaten från (a) och (b). (1 p)
6. Låt
1 2 1 0
A= och P = ,
6 5 0 a
där a är en positiv konstant. Bestäm a så att R2 har en ortogonal bas bestående av egenvektorer till matrisen
B = P −1 AP . Ange även en sådan bas. (4 p)
7. Låt planet W vara definerat av ekvationen x+y+z = 0 och betrakta den linjära avbildningen T : R3 → R3
som definieras genom att varje punkt i R3 projiceras ortogonalt på planet W .
a) Bestäm en matrisrepresentation för T med avseende på en bas där en av basvektorerna är normalvek-
tor till planet och de andra två ligger i planet. (1 p)
b) Använd basbytesmatris för att från svaret i (a) komma fram till standardmatrisen för avbildningen T .
(3 p)
8. På julafton kokar Algot en tallrik gröt och ställer vid husknuten. För att vara säker på att den är genomkokt
mäter han temperaturen, och den är mycket riktigt 100 grader enligt termometern. Efter en timme smyger
han ut och ser att tomten inte har varit där ännu, och han passar på att mäta grötens temperatur igen: 10
grader. Efter ytterligare två timmar har tomten fortfarande inte varit framme. Algot mäter temperaturen
ännu en gång och nu visar termometern bara 1 grad. Tomten har fastnat i en skorsten och det tar ytterligare
tre timmar innan han hittar fram till gröten.
Det är nollgradigt ute och enligt Newtons avsvalningslag gäller
T = 10a−bt
där T är temperaturen (i grader), t är tiden (i timmar) och a och b är reella konstanter.
a) Logaritmera avsvalningslagen till log10 T = a − bt. Algots mätningar ger tre ekvationer men vi
har bara två obekanta, a och b. Vad blir a och b om man löser ekvationssystemet med minsta-
kvadratmetoden? (För positiva tal x är 10-logaritmen, log10 x, det tal som uppfyller 10log10 x = x.
Exempelvis är log10 100 = 2 eftersom 100 = 102 .) (3 p)
b) Om vi ska lita på minsta-kvadratmetodens approximation, vad har gröten för temperatur när tomten
kommer? Svara med ett bråk eller på decimalform. (1 p)
9. Låt V och W vara 3-dimensionella underrum i ett 5-dimensionellt vektorrum U . Visa att det måste finnas
någon nollskild vektor u som tillhör både V och W . (4 p)
3.2. 2011-01-10
1. De tre totalmatriserna
     
1 0 3 −1 3 4 1 0 3 0 4 4 1 0 3 1 0 4
 0 1 3 −1 2 1 ,  0 1 3 0 3 1  och  0 1 3 −3 0 1 
0 0 0 1 1 0 0 0 0 1 1 0 0 0 0 1 1 0
svarar mot linjära ekvationssystem i fem obekanta x1 , x2 , x3 , x4 , x5 .

a) En av matriserna är på reducerad trappstegsform. Vilken? (1 p)
b) Välj någon av matriserna och använd denna för att bestämma lösningsmängden till motsvarande
ekvationssystem. (2 p)
c) Avgör om någon av de andra två matriserna svarar mot ett linjärt ekvationssystem med samma
lösningsmängd. (1 p)
2. Den linjära avbildningen T : R2 −→ R3 uppfyller att
T (1, 2) = (3, 1, 4) och T (1, 1) = (2, 1, 3).
a) Bestäm standardmatrisen för avbildningen T . (3 p)

b) Bestäm en bas för bildrummet till T . (1 p)
3. Vektorerna v = (1, 1, 0) och w = (0, −1, 1) spänner upp ett plan W i R3 .

a) Bestäm en vektor u1 som är parallell med v, och som har längd 1. (1 p)
b) Bestäm en vektor u2 så att {u1 , u2 } utgör en ortonormal bas för planet W . (2 p)
c) När vi beräknar kryssprodukten u1 × u2 får vi en normalvektor till W som redan är normerad, dvs
som har längd 1. Varför? (1 p)
4. En linje y = kx + m ska anpassas till punkterna (−2, 1), (1, 2), (4, 2) och (7, 6).
a) Bestäm de värden på konstanterna k och m som ger bäst anpassning i minsta-kvadratmening. (3 p)
b) Rita ut linjen tillsammans med punkterna i ett koordinatsystem och illustrera vad det är som har
minimerats för dessa värden på konstanterna. (1 p)
5. a) Förklara varför matrisen  

2 0 4
A= 0 8 0 
4 a 2
är ortogonalt diagonaliserbar precis bara om a = 0. (1 p)
T
b) Bestäm då a = 0 en ortogonal matris P sådan att P AP blir diagonal. (3 p)
6. För alla heltal n ≥ 2, låt An vara n × n-matrisen som man får om man skriver upp talen 1, 2, . . . , n2 i
ordning, rad för rad. Till exempel är
 
1 2 3
1 2
A2 = och A3 =  4 5 6 .
3 4
7 8 9
a) Beräkna det A2 . (1 p)
b) Beräkna det A3 med hjälp av radoperationer. (1 p)
c) Visa att det An = 0 för n > 3 genom att påvisa ett linjärt beroende mellan kolonnerna. (2 p)
7. Bestäm kortaste avståndet mellan punkten (7, 6, 5) och skärningslinjen mellan planen 2x − z = −1 och
y = 2 i R3 . (4 p)
8. Låt V vara vektorrummet av symmetriska 2 × 2-matriser, och låt T : V → V vara avbildningen som som
ges av T (A) = P AP för alla A i V , där

0 1
P = .
−1 0
a) Visa att
1 0 0 1 0 0
B= , ,
0 0 1 0 0 1
är en bas för V . (1 p)
b) Visa att T är en linjär avbildning från V till V . (1 p)
c) Bestäm matrisen för T med avseende på basen B. (2 p)
9. Betrakta matrisekvationen
A3 = 2A2 − A.
a) Ge ett exempel på en 3 × 3-matris som uppfyller ekvationen och som varken är nollmatrisen eller
identitetsmatrisen. (1 p)
b) Visa att 0 och 1 är de enda möjliga egenvärdena för kvadratiska matriser som uppfyller ekvationen
oavsett storlek. (3 p)
3.3. 2011-03-16
1. a) Använd Gauss-Jordanelimination för att beräkna inversen av matrisen
 
0 1 1
A =  −1 3 1 .
1 −1 0
(3 p)
b) Använd resultatet från (a) för att lösa matrisekvationen XA = B, där

0 1 2
B= .
5 −3 1
(1 p)
2. Låt matrisen  
1 2 3
 1 5 7 
A=
 −1

1 1 
3 0 1
representera en linjär avbildning T : R3 → R4 med avseende på standardbasen.
a) Beräkna T (1, 2, −2). (1 p)
b) Bestäm kärnan till T , dvs nollrummet till matrisen A. (2 p)
c) Visa att T (1, 0, 0), T (0, 1, 0) och T (0, 0, 1) är linjärt beroende. (1 p)
3. Låt T vara den linjära avbildning från R2 till R2 som ges av standardmatrisen

1 4
A=
0 −1
a) Bestäm standardmatrisen för sammansättningen T ◦ T . (1 p)

2
b) Bestäm en bas för R som består av egenvektorer till A. (3 p)
p
4. Om vi har en triangel med sidlängderna a, b och c kan vi beräkna arean som 41 − det(A) där
 
0 1 1 1
 1 0 a2 b2 
A=  1 a2
.
0 c2 
1 b2 c2 0
√ √ √
Använd denna formel för att beräkna arean av en triangel med sidlängderna 2, 3 och 2 2. (4 p)
5. Studera R4 med den vanliga euklidiska inre produkten hu, vi = u · v. Låt W vara det delrum till R4 som
ges av lösningsmängden till ekvationen
x1 − x2 + 2x3 − 3x4 = 0.
a) Bestäm en bas för W . (1 p)
b) Använd Gram-Schmidts metod för att utgående från basen i (a) hitta en ortonormal bas för W . (3 p)
6. a) Redogör för hur vi kan bestämma den punkt Q i ett givet plan med ekvation på formen ax+by +cz =
d som ligger närmast en given punkt P i rummet.
Illustrera metoden genom att för var och en av de tre punkterna P1 = (1, 1, 0), P2 = (1, 1, 1) och
P3 = (2, −1, −1) bestämma motsvarande närmsta punkt i planet med ekvationen x − 2y + 2z = 1.
(3 p)
b) Använd räkningarna ovan för att avgöra vilka (om någon) av punkterna P1 , P2 och P3 som ligger på
samma sida av planet som origo. (1 p)
7. Låt A vara en symmetrisk 3 × 3-matris som har ett egenvärde som är lika med 2. Anta att alla vektorer som
uppfyller x − 2y + z = 0 är egenvektorer till A med egenvärdet 1.
a) Bestäm en egenvektor med egenvärde 2. (1 p)
3
b) Bestäm matrisen A. (Ledning: Börja med att bestämma en ortogonal bas för R som består av egen-
vektorer till A.) (3 p)
8. På campus finns det två studentpubar A och B. Varje fredag fördelar sig studenterna efter följande mönster,
som enbart beror på pubvalet förra helg. Av de studenter som var på pub A kommer 60% välja pub A igen,
medan de resterande 40% väljer pub B. Av dem som var på pub B förra helgen kommer enbart 20% välja
pub B, medan 80% väljer pub A. Vid terminstart väljer 50% av studenterna pub A och 50% av studenterna
väljer pub B.
a) Låt an vara andelen studenter som väljer pub A fredag n och bn vara andelen studenter som väljer
pub B fredag n. Visa att vi då har sambandet

an+1 0,60 0,80 an
=
bn+1 0,40 0,20 bn
för n ≥ 0 om vi numrerar fredagarna 0, 1, 2 . . . . (1 p)

b) Vad blir fördelningen av studenterna på de olika pubarna vid slutet av studietiden (d.v.s. efter en
mycket lång tid)? (3 p)
9. För alla vektorer u, v och w i R3 gäller att
u × (v × w) + v × (w × u) + w × (u × v) = 0.
Bevisa detta genom att

a) Visa att vänsterledet, T (u, v, w), är linjärt i u när v och w fixerade. (1 p)
b) Visa att vänsterledet är noll om u är en linjärkombination av v och w. (1 p)
c) Visa att vänsterledet är noll om u är ortogonal mot både v och w. (1 p)
d) Förklara varför man från (a)-(c) kan dra slutsatsen att påståendet gäller för alla vektorer u, v och w
i R3 . (1 p)
3.4. 2011-06-09
1. Betrakta ekvationssystemet 
 x − y − 4z = 2
2x + 3y + z = 2
3x + 2y − 3z = c

där c är en konstant och x, y och z är de tre obekanta.

a) Visa att det inte finns någon lösning till ekvationssystemet om c = 2. (2 p)
b) Bestäm det värde på konstanten c som gör att systemet har minst en lösning och ange lösningsmängden
i detta fall. (2 p)
2. a) Definiera vad det betyder att tre vektorer u, v och w i R4 är linjärt oberoende. (1 p)
4
b) Avgör om följande tre vektorer i R är linjärt oberoende:
u = (1, −1, 1, −1), v = (1, 2, −2, −1) och w = (1, −4, 4, −1).
(2 p)
4
c) Bestäm en bas till det underrum (delrum) i R som spänns upp av de tre ovanstående vektorerna u,
v och w. (1 p)
3. Betrakta den symmetriska matrisen
 
−2 −8 2
A =  −8 4 −10  .
2 −10 7
a) Visa att vektorerna u = (1, −2, 2) och v = (−2, 1, 2) är egenvektorer till A och ange motsvarande
egenvärden. (2 p)
b) Eftersom matrisen är symmetrisk kommer också u × v att vara en egenvektor. Kontrollera detta och
använd det för att hitta en basbytesmatris P sådan att P −1 AP är en diagonalmatris. (2 p)
4. Två plan i rummet sägs skära varandra under rät vinkel om deras normalvektorer är ortogonala mot varand-
ra. Bestäm en ekvation för det plan i R3 som innehåller linjen (x, y, z) = (2, 1, 0) + t · (1, 3, 1) och som
skär planet med ekvation 2x + z − 3 = 0 under rät vinkel. (4 p)
5. Man vill använda minsta-kvadratmetoden för att uppskatta parametrarna i en modell där en storhet z beror
på storheterna x och y enligt z = f (x, y) = ax + by + c. Efter nio mätningar har man följande tabell av
mätvärden:
x 0 0 0 1 1 1 2 2 2
y 0 1 2 0 1 2 0 1 2
z −5 −3 1 −4 −2 1 −1 1 4
Tre olika ingenjörer har angripit problemet och kommit fram till tre olika lösningar. Ingenjör A säger att det
bästa valet är (a, b, c) = (3, 3, −7), Ingenjör B talar för (a, b, c) = (2, 3, −6) och Ingenjör C för (2, 2, −5).
a) Vilken av ingenjörerna har lyckats bäst i minsta-kvadratmening? (2 p)
b) Har någon av dem räknat fram den korrekta minsta-kvadratlösningen? (2 p)
6. Vi har att B = {f1 , f2 } är en bas för ett underrum V i R5 . Vi har två vektorer g1 och g2 i V som tillsammans
med f1 och f2 uppfyller relationerna

f1 + 2g1 = 3g2 ,
2f2 − 4g1 = f1 .
a) Visa att B 0 = {g1 , g2 } också bildar en bas för V . (2 p)
0
b) Bestäm koordinaterna till vektorn 2f1 − 5f2 i basen B = {g1 , g2 }. (2 p)
7. Låt V vara det tvådimensionella delrum av R4 som utgör lösningsmängden till det homogena linjära ek-
vationssystemet
x1 + x2 + x3 + x4 = 0,
x1 − x2 + x3 + x4 = 0.
Den ortogonala projektionen T : R4 −→ V är en linjär avbildning och kan beskrivas med hjälp av en
matris om vi väljer en bas för domänen R4 och en bas för målrummet V . För R4 är det naturligt att välja
standardbasen, men det går också att välja andra baser.
a) Bestäm en ortogonal bas B för V (2 p)
4
b) Bestäm matrisen för avbildningen T med avseende på någon vald bas för R och basen B för V .
(2 p)
8. Låt S = {(x, y, z)|x2 + y 2 + z 2 = 1} vara enhetssfären i det tredimensionlla rummet R3 . En storcirkel på
S är skärningen mellan S och ett plan genom origo i R3 . Låt P vara en given punkt på sfären S.
a) Låt Q vara en annan punkt på sfären. Visa att det alltid finns minst en storcirkel genom P och Q.
(2 p)
b) Bestäm de punkter, Q, på sfären sådana att det finns en unik storcirkel genom P och Q. (2 p)
9. Om vi har en triangel med hörn i punkterna A, B och C i R3 är det intressant inom datorgrafik att avgöra
om en ljusstråle från origo, O, till en punkt P passerar utanför triangeln, eller fångas upp av triangeln.
a) Om triangeln inte ligger i ett plan genom origo kan vi byta bas till {u, v, w}, där u = OA, v = OB
och w = OC. När vi uttrycker vektorn OP i denna bas kan vi se på koordinaterna ifall linjen genom
O och P går genom triangeln. Hur? (1 p)
b) Vi kan också se på dessa koordinater om P ligger på samma sida om triangeln som O, i vilket fall
strålen ändå når till P utan att träffa triangeln. Hur? (1 p)
c) Illustrera metoden ovan genom att utföra räkningarna för triangeln med hörn i A = (5, 5, 0), B =
(5, 0, 5) och C = (0, 5, 5) och de tre punkterna P1 = (3, 5, 3), P2 = (3, 6, 2) och P3 = (2, 4, 3).
(2 p)
3.5. 2011-10-17
1. Bestäm en ekvation för det plan som innehåller punkterna (3, 5, 5) och (4, 5, 7) och som är vinkelrätt mot
planet med ekvation x + y + z − 7 = 0. (4 p)
h1i h2i h1i
2. Givet vektorerna ~u1 = 1 , ~u2 = 1 och ~u3 = 0 .
3 3 1
3
a) Visa att ~u1 , ~u2 och ~u3 utgör en bas för R . (2 p)
h1i
b) Skriv vektorn ~v = 1 som en linjärkombination av ~u1 , ~u2 och ~u3 . (2 p)
6
3. Låt  
1 2 0
A= 3 4 1 .
0 −1 −1
a) Beräkna determinanten för A. (2 p)
b) Beräkna det((AT A)−5 ). (2 p)
4. Bestäm matrisen för en linjär avbildning T : R3 −→ R3 vars bildrum, im(T ), ges av planet med ekvation
x + 3y − 7z = 0. (4 p)
3 0 0
A =  −3 0 3 .
−6 −6 9
h1i
a) Kontrollera att 2 är en egenvektor till A. (1 p)
3
b) Bestäm samtliga egenvärden till A och bestäm en bas för varje egenrum till A. (3 p)
6. Låt W vara delrummet i R4 som har en bas B som består av vektorerna
   
1 1
2 1
1 och ~u2 = 2 .
~u1 =    
2 1
a) Vilken av vektorerna
    
−1 −1 1
 2   2  −2 
~v1 = 
−4
,
 ~v2 = 
−5

 och ~v3 =  
−6 
3 2 1
ligger i W ? (2 p)
b) Bestäm koordinatvektorn med avseende på basen B för den av vektorerna som ligger i W . (2 p)
7. Det finns många linjära avbildningar T : R2 −→ R2 som bevarar area och avbildar vektorn [ 11 ] på vektorn
[ 43 ]. Bestäm alla sådana linjära avbildningar. (4 p)
8. Låt ~u vara en vektor i R3 med ett rätvinkligt koordinatsystem. Vinkeln mellan ~u och x-axeln är 60◦ och
vinkeln mellan ~u och y-axeln är 45◦ . Bestäm vinkeln mellen ~u och z-axeln. (4 p)
9. Visa att om det finns någon bas i Rn vars vektorer är egenvektorer till de båda n × n-matriserna A och B
så kommuterar dessa, dvs AB = BA.
3.6. 2012-01-09
1. Bestäm ett tredje hörn, C, i en triangel ABC i planet så att arean av triangeln blir 10 areaenheter om
A = (−1, 1) och B = (2, −3). (4 p)
2. Låt V vara det tredimensionella delrum i R4 som ges av 3x1 + 2x2 + 3x3 + 2x4 = 0 och låt S vara
mängden som består av följande fem vektorer i R4 .
         
1 1 2 3 2
 0   1   3   2   −3 
 −1  ,  −1  ,  −2  ,  3 och  0 .
         

0 −1 −3 2 0
a) Bestäm alla vektorer i S som ligger i delrummet V . (2 p)

b) Bestäm en bas för V som består av några av vektorerna från S. (2 p)
3. Låt T : R2 −→ R2 vara den linjära avbildning som representeras av matrisen

2 1
A= .
2 3
a) Bestäm egenvärden och tillhörande egenrum för avbildningen T . (3 p)

2
b) Bestäm en bas B för R så att matrisen för T med avseende på basen B blir en diagonalmatris. (1 p)
4. En ingenjör har vid ett experiment uppmätt följande värden för tre storheter x, y och z enligt följande
tabell:
x −1 −1 0 1 1
y −1 1 0 −1 1
z 3 5 4 4 7
Enligt en modell för förloppet ska storheterna uppfylla en ekvation z = ax + by + c.
a) Med hjälp av minsta kvadratmetoden leds ingenjören till att lösa ekvationssystemet med totalmatrisen
 
4 0 0 3
 0 4 0 5 .
0 0 5 23
Förklara hur ingenjören kommit fram till detta. (2 p)

b) Vilken slutsats drar ingenjören när det gäller vilket samband z = ax + by + c som i minsta-
kvadratmening passar bäst till de gjorda mätningarna? (1 p)
c) Jämför modellens värden med mätningarna och förklara vad det är som har minimerats med hjälp av
minsta-kvadratmetoden. (1 p)
5. Låt W = ker(T ) vara nollrummet till avbildningen T : R4 −→ R3 som ges av matrisen
 
1 1 1 1
A= 1 2 3 4 .
3 4 5 6
a) Bestäm en ortogonal bas för W . (2 p)

T
b) Beräkna den ortogonala projektionen på W av vektorn ~v = 1 1 2 2 . (2 p)
6. Betrakta en linjär avbildning, T : R2 → R2 , sådan att lösningsmängden till

1
T (~x) =
2
ges av
t+1
~x = ,
3−t
där t är en reell parameter.
a) Bestäm nollrummet, ker(T ). (2 p)
b) Bestäm bildrummet, im(T ). (2 p)
7. När vi har en triangel i rummet kan vi med hjälp av ortogonal projektion på de tre koordinatplanen xy-
planet, xz-planet och yz-planet få tre olika trianglar.
a) Beskriv hur vi kan bestämma arean av triangeln om vi känner till areorna av de tre projektionerna.
(2 p)
b) Illustrera metoden genom att beräkna arean av triangeln med hörn i punktern A = (1, 2, 3), B =
(2, 2, 2) och C = (3, 1, 6) både direkt och genom areorna av de tre projektionerna. (2 p)
8. För varje heltal n ≥ 1, låt An vara n×n-matrisen med ettor på diagonalen och superdiagonalen, minusettor
på subdiagonalen och nollor för övrigt. För n = 1 finns inga super- eller subdiagonaler så vi definierar
A1 = (1). Exempelvis är
 
  1 1 0 0 0
  1 1 0 0  −1
1 1 0  −1 1 1 0 0 
1 1 0   
A3 = −1 1 1 , A4 = 
   , A5 =  0 −1
 1 1 0  .
0 −1 1 1 
0 −1 1  0 0 −1 1 1 
0 0 −1 1
0 0 0 −1 1
a) Det gäller att det An = det An−1 + det An−2 för alla n ≥ 3. Varför? (3 p)
b) Beräkna det A10 . (1 p)
9. Visa att en 3 × 3-matris A med rang rank(A) = 1 och spår tr(A) = 0 inte kan vara diagonaliserbar. (4 p)
3.7. 2012-03-12
1. Betrakta ekvationssystemet i de tre obekanta x, y och z, som ges av

 x + (1 − a)y + 2z = 0
2x + ay + 3z = 1
x + (2a − 1)y + az = a


a) Bestäm lösningsmängden i det fall då a = 1. (2 p)
b) Undersök för vilka värden på konstanten a som ekvationssystemet har precis en lösning, oändligt
många lösningar, respektive ingen lösning. (2 p)
2. Låt T : R3 → R3 vara den ortogonala projektionen på planet x − 3y − 5z = 0.

a) Bestäm en bas för nollrummet, ker(T ). (2 p)
b) Bestäm en bas för bildrummet, im(T ). (2 p)
3. Betrakta matrisen
5 −2
A= .
7 −4
a) Bestäm egenvärdena till matrisen A och förklara varför A är diagonaliserbar. (2 p)
b) Bestäm en matris S sådan att S −1 AS är en diagonalmatris. (2 p)
4. Låt W ⊆ R4 vara delrummet som ges av ekvationen
x − 2y + 3z + w = 0.
a) Bestäm en linjär avbildning T : R4 −→ R4 vars bildrum im(T ) är W . (3 p)

b) Varför finns det ingen linjär avbildning S : R2 −→ R4 vars bildrum im(S) är W ? (1 p)
5. En linje (x, y, z) = (4 + 3t, 5t, t − 2) och ett plan med ekvation 2x + y − 2z − 3 = 0 är givna. När linjen
projiceras på planet fås en ny linje som ligger i planet. Bestäm denna linje. (4 p)
6. Låt T : R2 −→ R2 vara den linjära avbildning som ges av matrisen

4 2
,
1 5
och låt B vara basen som ges av vektorerna

1 1
~u1 = och ~u2 = .
1 2
a) Bestäm matrisen för avbildningen T med avseende på basen B. (2 p)

b) Bestäm koordinatvektorn, [T (~x)]B , där ~x = [ 13 ]. (2 p)
7. Låt W vara delrummet i R4 som spänns upp av de två vektorerna

1 2
2
~u1 = −2 och ~u2 = 30 .
−1 −2
a) Bestäm en bas för det ortogonala komplementet W ⊥ . (2 p)

b) Skriv vektorn
 
1
1
~x =  
1
1
som en summa ~x = ~u + ~v , där ~u ligger i W och ~v ligger i W ⊥ . (2 p)
8. Inom datorgrafiken är ett av de grundläggande problemen att projicera punkter i en tre-dimensionell scen
på en två-dimensionell datorskärm. En vanlig projektionsmetod är att från den punkt Q i scenen som
ska projiceras bilda en rät linje till en tänkt betraktare E. Den punkt Q0 där linjen skär skärmens plan är
projektionspunkten av Q. I skärmens plan införs ett koordinatsystem genom att välja ett origo i punkten P
och två basvektorer ~u1 och ~u2 .
E
Q0
u2
Q
P
u1
−−→
a) Ange med hjälp av vektorerna OP , ~u1 och ~u2 ett uttryck för vektorn från origo O (i rummet) till en
punkt Q0 som har koordinater (s1 , s2 ) i skärmens koordinatsystem. (1 p)
b) Använd (a)-delen och linjen genom E och Q för att skriva upp en vektorekvation för punkten Q0 . De
tre obekanta i ekvationen kommer att vara s1 , s2 och linjens parameter. (1 p)
c) Visa att punkten Q0 har koordinaterna
−−→ −−→ −−→ −−→ !
P E · (EQ × ~u2 ) P E · (EQ × ~u1 )
−−→ , −−→
~u1 · (EQ × ~u2 ) ~u2 · (EQ × ~u1 )
−−→
i skärmens koordinatsystem genom att ta skalärprodukten av ekvationen med EQ × ~u1 respektive
−−→
EQ × ~u2 . (2 p)
9. Låt T vara en linjär avbildning från R4 till R5 vars nollrum, ker(T ), har dimension 1. Låt V vara ett
3-dimensionellt delrum av R4 . Låt S : V −→ R5 vara den avbildning som fås genom att använda avbild-
ningen T bara på vektorer i V . Avgör vilka möjligheter det finns för dimensionen av bildrummet im(S).
(4 p)
3.8. 2012-06-12
1. En triangel i rummet har hörnen i punkterna P = (−1, 2, 1), Q = (5, 2, 3) och R = (2, 1, −1).
a) Använd skalärprodukten för att visa att triangeln är rätvinklig. (2 p)
b) Bestäm arean av triangeln. (2 p)
2. a) Bestäm matrisen som representerar den linjära avbildningen T : R2 −→ R2 som uppfyller

1 1 0 0
T = och T = .
−1 1 −1 1
(2 p)
b) Visa att det inte finns någon linjär avbildning T : R2 −→ R2 som uppfyller

1 1 0 0 1 1
T = , T = och T = .
−1 1 −1 1 −2 4
(2 p)
3. Betrakta avbildningen T : R3 −→ R3 som ges av matrisen

 
−1 1 −1
A= 0 2 2 .
1 0 2
a) Bestäm en bas för nollrummet, ker(T ). (2 p)

b) Bestäm en bas för bildrummet, im(T ). (2 p)
     
 2
 1 5 
 2 9 13
4. Låt W = span  , ,  .
2 9 13

 
2 1 5
 
a) Bestäm en ortonormal bas för W . (2 p)

4 4
b) Låt T : R −→ R vara den ortogonala projektionen på delrummet W . Bestäm matrisen för avbild-
ningen T . (2 p)
5. Låt T : R3 −→ R3 vara avbildningen som ges av matrisen

 
2 −1 7
A = −1 7 2 .
7 2 −1
Det finns nollskilda vektorer ~u och ~v sådana att
T (~u) = −7~u och T (~v ) = 7~v .
a) Bestäm alla sådana vektorer ~u och ~v . (2 p)

3
b) Bestäm en ortogonal bas för R som består av egenvektorer till T . (2 p)
6. Efter mätningar leds en student till att bestämma ekvationen, y = ax2 +bx+c, för den parabel som i minsta-
kvadratmening bäst anpassar till punkterna (−2, 5), (−1, 7), (0, 6), (1, 4) och (2, 3). Efter räkningar kom-
mer studenten fram till ekvationssystemet med totalmatris
 
34 0 10 43
 0 10 0 −7  .
10 0 5 25
a) Förklara hur man kommer fram till detta ekvationssystem. (2 p)

b) Kontrollera att a = −0, 5, b = −0, 7 och c = 6 är en lösning och förklara vilken slutsats vi kan dra
för det ursprungliga problemet. (2 p)
7. a) Låt T : Rn −→ Rn vara en linjär avbildning med egenskapen att sammansättningen T 2 = T ◦ T

är lika med nollavbildningen. Visa att varje vektor i bildrummet, im(T ), också ligger i nollrummet,
ker(T ). (2 p)
b) För varje reell konstant a, bestäm alla linjära avbildningar T : R2 → R2 sådana att T ([ 10 ]) = [ a1 ]
och T 2 = 0. (2 p)
8. Bevisa eller ge motexempel till nedanstående påståenden om kvadratiska matriser.
a) Om A2 är inverterbar så är A inverterbar. (2 p)
2
b) Om A är ortogonal så är A ortogonal. (2 p)
9. Låt T : R4 −→ R3 vara den linjära avbildning som ges av matrisen

 
1 1 1 1
A = 1 2 3 4 .
1 3 4 5
Låt V vara delrummet i R4 som ges av ekvationssystemet

x1 + x2 + x3 + x4 = 0,
x2 + 2x3 + x4 = 0.
a) Bestäm en bas B för V . (1 p)

2
b) Genom att använda koordinater med avseende på basen B kan vi identifiera V med R och får
därmed en linjär avbildning S : R2 −→ R3 genom att använda T på de vektorer i R4 som ligger i V .
Bestäm matrisen för S. (3 p)
3.9. 2012-10-16
1. Planet H ges av ekvationen 3x + 2y + z = 0, och planet W ges på parameterform som
 
2t
 4s  ,
t + 2s
där s och t är reella parametrar.

a) Bestäm en ekvation vars lösningsmängd är W . (2 p)
b) Bestäm en parameterfrämställning för skärningen av H och W . (2 p)
2. a) Bestäm en 2 × 2-matris A sådan att både bildrummet im(A) och nollrummet ker(A) är lika med

2
span .
1
(3 p)
2
b) Använd matrisen från del (a) och bestäm nollrummet ker(A ). (1 p)
1 2 0
A = 2 1 1
0 1 2
och basen (~u, ~v , w)
~ som ges av
     
1 1 0
~u = 1 , ~v = 0 ~ = 1 .
och w
1 1 2
~ utgör en bas för R3 .

a) Visa att vektorerna A~u, A~v och Aw (3 p)
3
b) Förklara varför A~u1 , A~u2 och A~u3 A utgör en bas för varje bas (~u1 , ~u2 , ~u3 ) för R . (1 p)
4. Bestäm en ekvation för det plan som innehåler både punkten (1, 2, 0) och linjen som ges av följande
ekvationssystem:

2x − y + 2z = −1,
−x − y + z = 1.
(4 p)
5. Låt T : R3 → R3 vara en linjär avbildning så att:

           
1 0 0 0 0 0
T  1  =  0  , T  2  =  1  och T  1  =  2  .
1 0 0 0 1 0
a) Bestäm egenvärden och egenrum till T . (3 p)

b) Avgör om standardmatrisen för T är diagonaliserbar. (1 p)
6. Vid sampling av en ljudsignal uppmäts under en kort tidsperiod 1024 mätvärden som sparas som en vektor
i RN , med N = 1024. Vid digital ljudbehandling kan sedan denna vektor transformeras i filter. Ett sådant
filter ges av
yi = xi + 2xi−1 + xi−2 , i = 1, 2, . . . , N
där vi för enkelhets skull skriver x0 = x−1 = 0 för att hantera fallen i = 1 och i = 2.
a) Visa att detta filter svarar mot en linjär avbildning T : RN −→ RN . (2 p)
b) Visa att avbildningen T är inverterbar. (2 p)
7. (a) Visa att 1 och −1 är de enda möjliga egenvärdena till ortogonala matriser. (2 p)
(b) Visa att det för varje ortogonal 5 × 5-matris A måste finnas en nollskild vektor ~v som uppfyller
antingen likheten A~v = ~v eller A~v = −~v . (2 p)
8. De komplexa talen kan betraktas som vektorer i R2 genom korrespondensen

x
x + yi ←→ .
y
a) Fixera ett komplext tal z = a + bi. Visa att multiplikation med talet z svarar mot den linjära avbild-
ningen T : R2 −→ R2 som har standardmatris

a −b
A= .
b a
(2 p)
b) Förklara varför matrisen är inverterbar om z är nollskilt. (1 p)
1
c) Bestäm matrisen till den linjära avbildning som svarar mot multiplikation med talet 4−3i . (1 p)
~ ligger i samma plan i R3 . Bestäm vinkeln mellan ~u och ~v om vi vet

9. Vi vet att de tre vektorerna ~u, ~v och w
att
|~v | = 1, |w|
~ = 2, ~v · ~u = 2, ~ · ~u = 4
w
och att vinkeln mellan ~v och w~ är π3 . (Vinkeln 0 ≤ α ≤ π mellan två noll-skilda vektorer ~x och ~y definieras
av sambandet |~x||~y | cos(α) = ~x~y .) (4 p)
3.10. 2012-12-13
1. Betrakta punkterna A = (2, 2) och B = (6, 4) och linjen (−1, 3) + t(2, −1) i planet.
a) Det finns exakt en punkt P på linjen så att triangeln ABP är rätvinklig med den räta vinkeln i B.
Bestäm P . (2 p)
b) Det finns även exakt en punkt Q på linjen så att triangeln ABQ är rätvinklig med den räta vinkeln i
Q. Bestäm Q. (2 p)
2. Betrakta den linjära avbildning T : R2 → R2 som ges av matrisen

2 1
A= .
3 1
a) Linjen med ekvation 3x + 4y = 0 avbildas av T på en linje H. Bestäm en ekvation för linjen H.
(3 p)
b) Även linjen med ekvation 3x + 4y = 1 avbildas på en linje. Bestäm en ekvation för denna linje. (1 p)
3. Om ~u och ~v är två vektorer i rummet så får vi en linjär avbildning T : R3 −→ R1 genom
T (~x) = (~u × ~x) · ~v ,
för ~x i R3 .
a) Låt    
1 2
~u = 2 och ~v = 0
0 1
och bestäm matrisen för T i detta fall. (2 p)
b) Bestäm nollrum och bildrum för T om ~u och ~v är två linjärt oberoende vektorer. (2 p)
4. Låt B = (~e, f~) vara en bas för ett delrum V i Rn . Låt ~u och ~v vara två vektorer i Rn som uppfyller
relationerna
~u + ~e = ~v och f~ + 2~u = −3~v .
a) Bestäm koordinatvektorn till ~v med avseende på basen B. (2 p)
b) Visa att vektorerna ~u och ~v också utgör en bas för V . (2 p)
5. Avbildningen T : R2 → R2 avbildar enhetskvadraten på en parallellogram enligt figuren nedan. Rita ut
egenrummen och ange motsvarande egenvektorer. (4 p)
y y
x x
Enhetskvadraten och dess bild genom avbildningen T .

T
6. Låt V vara alla vektorer x y z w i R4 som uppfyller x = y och x + y = z + w.
a) Förklara varför V är ett delrum av R4 . (1 p)
4 4
b) Bestäm standardmatrisen för en linjär avbildning T : R −→ R vars bildrum, im(T ), är V . (3 p)
7. a) Låt A vara en inverterbar och diagonaliserbar matris. Visa att alla potenser Ak också är diagonaliser-
bara, där k är ett godtyckligt heltal. (2 p)
b) Ge ett exempel på en 2 × 2-matris A som inte är diagonaliserbar, medan A2 är diagonaliserbar. (2 p)
8. Delrummet W av R4 spänns upp av vektorerna
   
1 0
2 2
~v = 
0
 och w −1 .
~ = 
−1 3
Den linjära avbildningen T : R4 → R4 uppfyller att T (~v ) = ~v + w

~ och T (w)
~ = 2w,
~ samt att nollrummet,
ker(T ), har dimension 2.
Bestäm egenvärdena till avbildningen T . (4 p)
9. De tre punkterna (6, 5, 5), (5, 4, 1) och (4, 3, 6) är tre av de åtta hörnen i en kub. Bestäm volymen av denna
kub. (4 p)
3.11. 2013-01-07

 x + y + 2z = 0
x + 2y + az = 1
3x + 4y + 6z = b

i de tre obekanta x, y och z.

a) Undersök för vilka värden på konstanterna a, b som ekvationssystemet har precis en lösning, oändligt
många lösningar, respektive ingen lösning. (2 p)
b) Bestäm alla lösningar till systemet i de fall det har oändligt många lösningar. (2 p)
2. Alla delrum i Rn kan ses både som nollrum och som bildrum till linjära avbildningar. Det finns i allmänhet
många linjära avbildningar som ger samma nollrum och samma bildrum. Låt W vara det delrum i R3 som
ges av ekvationen x + 4y − 3z = 0.
a) Bestäm matriserna för två olika avbildningar S1 , S2 : R3 −→ R3 som har W som nollrum. (3 p)
b) Bestäm en 3 × 3-matris, på reducerad trappstegsform, som har W som nollrum. (1 p)
3. Bestäm alla värden av parametern a så att matrisen

2 a
A=
1 3
är diagonaliserbar. (4 p)
4. Bestäm standardmatrisen för den linjär avbildning f : R2 → R2 vars matris med avseende till basen
B = ([ 11 ] , [ 02 ]) är
−1 11
.
2 −8
(4 p)
5. Vid en mätning av två storheter har vi fått följande mätvärden
I (mA) 0 2 4 6
U (mV) 1 7 8 10
Två forskare tvistar om det finns ett linjärt samband U = RI, eller om det krävs en konstantterm för att
förklara sambandet, U = RI + U0 .
a) Ställ upp de två minsta-kvadratproblem som fås från de givna mätdata för att bestämma de okända
parametrarna i de två modellerna. (2 p)
b) Lös minsta-kvadratproblemen och formulera adekvata slutsatser. (1 p)
c) Förklara varför minsta-kvadratavvikelsen säkerligen är mindre i det andra fallet. (1 p)
6. Låt ` vara linjen (1, 0, 1) + t(2, 1, −1) och m vara linjen (0, 1, 2) + t(1, 2, 1).
a) Det finns många plan i R3 som varken skär ` eller m. Alla dessa är parallella. Bestäm en normalvektor
till dem. (1 p)
b) Bestäm en ekvation för det plan i R3 som varken skär ` eller m och som har samma avstånd till `
som till m. (3 p)
7. Låt A vara en symmetrisk 3 × 3-matris. Antag att 1 är ett egenvärde till A, och att alla vektorer ~v som
ligger i planet x − y + 2z = 0 uppfyller A~v = 2~v . Bestäm
 
2
A 2 .
3
(4 p)
8. Den linjära avbildningen T : R3 → R3 bestäms av

           
1 1 0 1 0 1
T 0 = 2 T 1 = 0 och T 0 = −1 .
0 3 0 1 1 0
Delrummet W av R3 ges av ekvationen 3x+4y −5z = 0. Vi får en inducerad linjär avbildning TW : W →

R3 som skickar w
~ i W till T (w).
~ Bestäm en matris för TW med avseende på någon bas för W . (4 p)
9. Låt        

 1 1 
 
 −2 1 
0 0  0   0 

   


 
 



   
U = span  1 , 2  och V = span  1  ,  −1  .
       
0 0  0   0 

    
 

 
 
 

2 1 1 0
   
Låt vidare W vara det delrum i R5 som består av alla vektorer som ligger i både U och V . Bestäm en bas
för W . (4 p)
3.12. 2013-03-11
1. De tre planen med ekvationerna x − 2y + z = 4, x + y + z = 2 och x + z = 6 skär varandra parvis i tre
olika linjer i rummet.
a) Bestäm parameterformen för minst två av dessa linjer. (2 p)
b) Avgör om de tre linjerna skär varandra i en punkt. (2 p)
2. Låt de tre vektorerna ~u, ~v och w~ i R3 vara givna av
     
1 1 −1
~u = −1 , ~v = 0 ~ =  1 .
och w
−2 1 −2
~ är en bas för R3 .

a) Visa att B = (~u, ~v , w) (2 p)
b) Bestäm koordinaterna för vektorn  
1
~ex = 0
0
(2 p)
3. Betrakta följande matris:
2 3
A=
−1 −2
(a) Bestäm en 2 × 2-matris S så att S −1 AS är en diagonalmatris. (2 p)
999
(b) Bestäm A . (2 p)
4. Betrakta de linjära avbildningarna S : R4 → R3 och T : R3 → R2 som ges av
 
x    
 y  x−y x
x + 3y
S 
    = y+z
  och T   y  = .
z  y − 4z − x
w z
w
a) Vilken av de båda sammansättningarna S ◦ T och T ◦ S är definierad? (1 p)

b) Bestäm standardmatrisen för den sammansättning F som är defininerad enligt del (a). (2 p)
c) Bestäm dimensionen av bildrummet im(F ). (1 p)
5. Betrakta följande delrum i R3 .
       
 1 −1   1 0 
U1 = span  2  ,  1  , U2 = span  0  ,  1 
1 0 1 0
   
a) Bestäm en nollskild vektor som ligger i både U1 och U2 . (1 p)

b) Bestäm en vektor i U1 som inte ligger i U2 . (2 p)
c) Visa att skärningen av de båda delrummen är en linje genom origo. (1 p)
 
−1
6. En ljusstråle som går genom punkten P (3, 3, 5), parallellt med vektorn ~v = −1 reflekteras i planet
−4
x + y + z = 5. Den reflekterade strålen skär planet x + y = 50 i punkten Q. Bestäm koordinaterna till
punkten Q. (4 p)
7. Låt A vara en symmetrisk 3 × 3-matris som har följande vektorer som egenvektorer:
     
1 1 0
~u =  1  , ~v =  0  och w ~ =  1 .
1 −1 1
Visa att A bara har ett egenvärde. (4 p)

8. Ett delrum av R4 som ges av en enda nollskild ekvation
ax1 + bx2 + cx3 + dx4 = 0,
T
kallas ett hyperplan. Vektorn a b c d och dess nollskilda multipler utgör hyperplanets normal-
vektorer. Vi säger att två hyperplan är vinkelräta mot varandra om deras normalvektorer är ortogonala.
Bestäm två hyperplan i R4 som är vinkelräta mot varandra och mot hyperplanen som ges av ekvationerna
x + w = 0 och 2x + y + z + 2w = 0.
9. Låt ~u, ~v och w
~ vara tre linjärt oberoende vektorer i rummet och låt A vara matrisen som har dessa vektorer
som kolonner. Bilda matrisen B genom att låta dess rader bestå av vektorerna ~v × w, ~ × ~u och ~u × ~v .
~ w
a) Visa att BA är en multipel av identitetsmatrisen I3 . (2 p)
b) Använd detta till att beräkna inversmatrisen till
 
1 7 1
1 6 −2 .
1 5 1
(2 p)
3.13. 2013-06-04
1. De tre punkterna A = (1, 0, 1), B = (4, 2, −1) och C = (5, 1, 4) bildar en triangel i rummet. Med höjden,
h, mot sidan AB menas avståndet från punkten C till linjen genom A och B.
−→ −−→
a) Bestäm höjden h. (Ledning: Dela upp AC i en komposant som är parallell med AB och en som är
−−→
vinkelrät mot AB.) (2 p)
b) Använd resultatet från del (a) för att bestämma arean av triangeln. (1 p)
−−→ −→
c) Beräkna arean av triangeln även med hjälp av vektorprodukten av AB och AC. (1 p)
2. Låt T : R3 → R4 vara en linjär avbildning sådan att:
     
  1   1   0
1  0  1 1
 0   0 
T  1  =   0 
 , T  1  =   och T  0  =  
 1   2 
1 0 1
0 0 0
h x i
a) Bestäm T y . (2 p)
z
b) Bestäm en bas för nollrummet ker(T ). (2 p)
3. a) Bestäm egenvärden och egenvektorer till matrisen

−2 2
A= .
−2 3
(3 p)
1
b) Förklara varför matrisen B = 19 A har samma egenvektorer som matrisen A. (1 p)
4. Låt W = im(A) vara bildrummet till matrisen
 
−1 2 1 3 4 5
 −1 2 2 4 6 8 
A=  2 −4 1 −3 −2
.
−1 
2 −4 0 −4 −4 −4
Bestäm en ortonormal bas för W . (4 p)
5. Låt T : R2 → R2 vara speglingen i linjen 3x + 4y = 0.
a) Bestäm matrisen för T . (2 p)
b) Rita upp hur parallellogrammen med hörn i (0, 0), (0, 2), (1, 1) och (1, 3) avbildas genom avbild-
ningen. (2 p)
T T
6. Vektorerna ~u1 = 1 2 0 −1 och ~u2 = 1 0 −1 1 bildar en bas B = (~u1 , ~u2 ) för delrum-
met W i R4 . Matrisen
1 2
S=
2 3
är övergångsmatrisen som omvandlar koordinater med avseende på basen B till koordinater med avseende
på basen C = (~v1 , ~v2 ). Bestäm vektorerna ~v1 och ~v2 . (4 p)
7. Låt V vara mängden av alla 7 × 7-matriser. Betrakta V som R49 genom att ställa kolonnerna i matriserna
under varandra.
a) Visa att avbildningen T : V → V som skickar en matris A till A + AT är en linjär avbildning. (2 p)
b) Visa att de nollskilda symmetriska matriserna är egenvektorer för T . (2 p)
8. Låt (~u1 , ~u2 , . . . , ~un ) vara en bas för Rn . Vi säger att (~v1 , ~v2 , . . . , ~vn ) är en dual bas för Rn om

0, om i 6= j,
~ui · ~vj = (3.1)
1, om i = j.
a) Visa att villkoren (3.1) innebär att (~v1 , ~v2 , . . . , ~vn ) faktiskt utgör en bas för Rn . (2 p)
b) Låt n = 3 och bestäm en dual bas (~v1 , ~v2 , ~v3 ) om
     
1 1 1
~u1 = 1 , ~u2 = 0 och ~u3 = 1 .
1 1 0
(2 p)
9. Visa att det för 2 × 2-matriser A gäller att om Ak = 0, för något heltal k > 2, så är också A2 = 0. (4 p)
3.14. 2013-10-28
1. Vi har matriserna
   
1 1 −1 −1 1 0 −3 0
−1 1 −1 1 0 0 0 1
A=  och E =  .
1 −1 1 −1 0 0 1 0
1 0 0 −1 0 1 0 0
a) Bestäm vilka elementära radoperationer vi måste utföra på matrisen A för att få matrisen EA. (1 p)
b) Bestäm en matris E2 sådan att E2 A byter plats på rad 1 och 4 i matrisen A. (1 p)
c) Bestäm rangen till A. (1 p)
d) Bestäm determinanten till A. (1 p)
2. Lösningsmängden V till ekvationssystemet

 x1 + x2 − x3 − x4 = 0
2x1 + 3x2 − x3 − x4 = 0
x2 + x3 + x4 = 0

är ett delrum av R4 .

a) Bestäm en bas för V . (1 p)
b) Bestäm en avbildning T : R5 → R4 sådan att bildrummet är V . (1 p)
⊥
c) Bestäm en bas för det ortogonala komplementet V . (2 p)
3. Avbildningen T : R2 −→ R2 ges av matrisen

1 2
A= .
1 0
a) Bestäm egenvektorer och egenvärden till T . (1 p)
b) Rita upp egenrummen till T . (1 p)
c) Bestäm två linjärt oberoende egenvektorer för T . (1 p)
d) Bestäm matrisrepresentationen av T med avseende på en bas av egenvektorer. (1 p)
4. Anna, Bertil, Cecilia och Daniel köper snask i en kiosk där alla priser är i hela kronor.
• Anna köper 1 lakritsklubba, 2 salta remmar och 8 hallonkolor.
• Bertil köper 2 lakritsklubbor, 3 salta remmar och 10 hallonkolor.
• Cecilia köper 3 lakritsklubbor, 4 salta remmar och 12 hallonkolor.
• Daniel köper 5 lakritsklubbor, 4 salta remmar och 3 hallonkolor.
Anna betalar 21 kronor, Bertil 31 kronor och Cecilia 41 kronor. Vad betalar Daniel? (4 p)
5. En två meter lång man står i en plan sluttning med ekvationen x − 2y + 2z = 3. Han har fötterna i punkten
P = (1, 2, 3) och huvudet i punkten Q = (1, 2, 5). Det är mitt i natten och den enda ljuskällan i närheten
är en lampa i punkten R = (−5, −4, 8). Hur lång är mannens skugga? (4 p)
6. Låt
A = ~u~uT + 2~v~v T ,
där
1 3 1 4
~u = och ~v = .
5 4 5 −3
a) Visa att ~u och ~v är egenvektorer till A. (2 p)
b) Visa att A är ortogonalt diagonaliserbar genom att ange en ortognal matris P och en diagonalmatris
D så att A = P DP T . (2 p)
7. Till varje tal a har vi följande tre vektorer i R3 ,
     
1 1−a 2
~u =  2  , ~v =  a  ~ =  3 .
och w
1 2a − 1 a
a) Bestäm för vilka tal a vektorerna ~u, ~v och w
~ är linjärt beroende. (2 p)
2 3 2
b) Låt a = 3. Förklara att det finns oändligt många linjära avbildningar T : R → R med egenskapen
att (2 p)

3 1 −1
T (~u) = , T (~v ) = , T (w)
~ = .
6 2 0
8. I R2 har vi linjen L som ges av ekvationen 4x + 3y = 0. Låt

1 −9 −48
A= ,
50 −48 19
och låt ~x vara en godtycklig vektor i R2 Visa/förklaraatt när n växer, så kommer An ~x närma sig (konver-
9 · 19 + 482

9 · 11
gera mot) linjen L. Ledning: 2
= . (4 p)
50 102
9. Låt A = (ai,j ) vara en strikt övretriangluär 4 × 4-matris; dvs ai,j = 0 om i ≥ j. Låt I beteckna identitets-
matrisen, och låt V vara vektorrummet av alla (4 × 4)-matriser.
a) Visa att A4 = 0. (2 p)
−1 2 3
b) Visa att (I − A) är med i det linjära höljet Span{I, A, A , A }. (2 p)
3.15. 2014-01-13
1. Vi har parallellogrammen T med hörn A = (1, 1, 1), B = (2, 3, 0), C = (3, 2, 4) och D = (4, 4, 3).
a) Bestäm arean av parallellogrammen T . (2 p)
b) Bestäm en ekvation för planet som innehåller T . (2 p)
2. För varje tal a har vi följande ekvationssystem i tre okända x, y och z.

 (a − 2)x + 4y + 2z = 1
(∗) ay + z = 2
ax + 2y + z = 3

   
x 1
Vi kan också skriva ekvationssystemet som en matrisekvation AX = B, där X = y  och B = 2.
z 3
a) Bestäm matrisen A. (1 p)
b) Bestäm determinanten till A. (1 p)
c) Bestäm för vilka tal a ekvationssystemet (∗) har en unik lösning. (1 p)
d) Välj ett värde på a där systemet har en unik lösning och bestäm denna lösning. (1 p)
3. Avbildningen T : R2 −→ R2 ges av matrisen

9 −12
A= .
−12 16
Med linjen L menas alla vektorer på formen L = {(2 + 4t, 2 + 3t)}, godtyckliga tal t.
a) Avgör om punkten P = (2, 3) är i bildrummet för T . (1 p)
b) Bestäm nollrummet för T . (1 p)
c) Vad avbildas linjen L på genom avbildningen T ? (2 p)
4. Vi har ekvationssystemet i fyra okända x, y, z, w,

x − 2z − w = 0
x + y − 4z − 3w = 0
Lösningsmängden till ekvationssystemet är ett delrum V ⊆ R4 .

a) Bestäm en ortonormal bas B = {~u, ~v } för V . (2 p)
 
−4
 2 
b) Verifiera att ~x = (~x · ~u)~u + (~x · ~v )~v med ~x = 
−5 .
 (1 p)
6
 
1
 1 
c) Bestäm projektionen av vektorn   1  på delrummet V . (1 p)

1
5. Det linjära ekvationssysemet 

 x = 16
3y = 3



−3x + 2y = −4
x + y = −4




2x + y = 9

i de två variablerna x och y är överbestämt och har ingen lösning. Det går att använda minsta kvadratme-
toden för att finna de bästa tänkbara värdena på x och y.
a) Ställ upp normalekvationen för systemet och bestäm minsta kvadratlösningen. (3 p)
b) Vad är det som är minimerat i minsta kvadratlösningen? (1 p)
6. Låt H ⊆ R3 vara ett givet plan genom origo och låt T : R3 −→ R3 vara den linjära avbildning som ges av
ortogonal projektion på planet H.
a) Använd en normalvektor till planet H för att ge ett uttryck för T (~x), där ~x är en godtycklig vektor.
(1 p)
b) Bestäm alla egenvärden och egenvektorer till T . (2 p)
3
c) Låt B vara en godtycklig ON-bas för R , och låt A vara matrisrepresentationen för T . Förklara varför
A är en symmetrisk matris. (1 p)
7. Vektorerna    
1 1
0 1
~u = 
1
 och ~v = 
0

−1 1
ger en bas B = {~u, ~v } för vektorrummet V i R4 . Övergångsmatrisen från basen B till basen C ges av
matrisen
1 2
P = .
4 3
Bestäm vektorerna i R4 som utgör basen C. (4 p)
8. Låt ABCD vara parallellogrammen med diagonalerna AC och BD. Punkten E ligger mitt på sträckan
−−→ −−→
AB och punkten F delar sträckan CD i förhållandet 1 : 4 , alltså CF = 41 F D. Sträckorna AF och DE
skär varandra i punkten P. Använd vektorberäkningar för att bestämma i vilket förhållandet sträckan AF
delas av punkten P . (4 p)
9. Låt Vn vara vektorrummet av n × n-matriser, där n ≥ 2 är ett fixt heltal. Vi har en linjär avbildning
T : Vn −→ R3 , som skickar en matris X till
T (X) = (r(X), c(X), d(X)),
där r(X) är summan av elementen i de två första raderna i X, c(X) är summan av elementen i de två sista
kolonnerna i X, och d(X) är summan av diagonalelementen. Bestäm dimensionen till nollrummet av T .
(4 p)
3.16. 2014-03-14
1. I rummet R3 har vi punkterna P = (−3, −1, 4) och Q = (2, 3, 3), samt linjen L1 som ges av vektorerna
på formen  3 
2t
 1t  ,
2
−2t
a) Bestäm parameterformen för linjen L2 som går genom P och Q. (1 p)
b) Linjerna L1 och L2 har en gemensam punkt. Bestäm denna skärningspunkt. (1 p)
c) Bestäm en ekvation för planet H som innehåller L1 och L2 . (2 p)
2. a) Bestäm ett andragradspolynom p(x) = a + bx + cx2 vars graf y = p(x) går genom punkterna
(−1, 4), (1, 2) och (2, 7). (3 p)
b) Hur många sådana polynom finns det? (1 p)
3. Den linjära avbildningen T : R2 −→ R2 är bestämd av

1 1 −2 0
T = och T = .
3 0 −4 1
Enhetskvadraten Ω har hörn (0, 0), (1, 0), (0, 1) och (1, 1), och avbildas genom T på en parallellogram
T (Ω).
a) Bestäm matrisen för avbildningen T . (1 p)
2
b) Visa att bildrummet till T är R . (1 p)
c) Rita upp T (Ω), och bestäm dess area. (2 p)
4. Följande tre vektorer i R4 ,
     
1 1 1
1 −1 1
0 ,
~u =   ~v = 
1
 och w
~ =
 0 ,

1 0 −2
är ortogonala. Vi låter V vara deras linjära hölje, V = Span{~u, ~v , w}.
~
a) Bestäm en ortonormal bas för V . (1 p)
 
0
−2
 1  på delrummet V .
b) Bestäm projektionen av vektorn  (2 p)

8
c) Bestäm en linjär avbildning T : R4 −→ R4 vars nollrum är V . (1 p)
5. Planet W i R3 är alla vektorer på formen
 
t
 2t − 2s  ,
2t + 2s
där s och t är reella tal.
(a) Beskriv W som lösningmängden till ett system av linjära ekvationer. (2 p)
 
1
(b) Bestäm alla vektorer i W som har längden 1 och som är ortogonala mot vektorn (2 p)  1 .
1
6. En linjär avbildning T : R4 −→ R4 har egenvärdena −1, 0, 1 och 2. Visa att det finns ett plan i V ⊆ R4
där alla vektorer avbildas på sig själva av T 2 . (4 p)
7. I R4 har vi vektorerna
       
5 5 1 1
9 8 1 2
~e = 
2 ,
 f~ = 
4 ,
 ~x =  
2 och ~y =  
0
5 5 1 1
Vi har att B = {~e, f~} en bas för V ⊆ R4 , och L : V −→ V är en linjär avbildning. Vi vet att med avseende
på basen B så ges avbildningen L av matrisen

2 0
D= .
0 3
a) Bestäm koordinatmatrisen till ~x med avseende på basen B. (1 p)

b) Bestäm övergångs matrisen (basbyte) från basen B till basen {~x, ~y }. (2 p)
c) Bestäm egenvektorerna för L. (1 p)
8. Mittpunkterna på sidorna i en triangel är punkterna (1, 2, 3), (−2, 3, 1) och (−3, 2, 3). Bestäm triangelns
hörn. (4 p)
9. Låt L vara lösningsmängden till ekvationssystemet

2x − 2y + z = 1,
x + y + z = 2.
Bestäm alla delrum av R3 som innehåller L. (4 p)
3.17. 2014-05-20
1. Planet P innehåller punkterna (1, 1, 0), (0, 3, 1) och (2, 2, 2).
a) Bestäm en ekvation, på formen ax + by + cz + d = 0, för planet P . (2 p)
b) Bestäm en ekvation för det plan som är ortogonalt mot P och som innehåller linjen (x, y, z) =
(t + 1, 2t, 1 − t). (2 p)
2. För varje givet tal a har vi följande ekvationssystem i tre okända x, y och z:

 2x + 9y + 4z = 3
−2x + 7y + 2z = 1
2x + y + (a2 − 1)z = 1

a) Avgör om (1, 1, 1) är med i lösningsmängden när a = 0. (1 p)

b) Bestäm lösningsmängden när a = 2. (1 p)
c) Bestäm för vilka värden på a som ekvationssystemet har en unik lösning, saknar lösning, respektive
har oändligt många lösningar. (2 p)
3. Diagonalisera matrisen
2 3
A= ,
−1 −2
och beräkna sedan A17 . (4 p)
4. I R4 har vi följande vektorer
         
1 1 −1 1 −7
−1 2 −8 1 2
~u1 =  2  , ~u2 =  1  ,
   ~u3 = 
 1 ,
 ~u4 =  
1 och ~u5 = 
 4 .

1 −1 5 1 1
Delrummet V = Span{u~1 , u~2 , u~3 , u~4 } har dimension tre.

a) Bestäm en bas för V . (1 p)
⊥
b) Avgör om V = Span{~u5 }. (2 p)
c) Skriv V som lösningsmängden till ett linjärt ekvationssystem. (1 p)
5. Vid en laboration får två studenter följande mätvärden
t (ms) 0 1 2 3 4 5 6 7 8 9 10
x (mm) 0 1 1 1 2 2 2 2 3 3 3
Mätutrustningen är inte speciellt tillförlitlig och för att få ut det mest av mätningarna bestämmer sig stu-
denterna för att använda minsta kvadratmetoden för att få reda på vilket linjärt samband x = at + b som
bäst passar de gjorda mätningarna. Den ena studenten hävdar att man skulle tjäna på att göra en substitution
som leder till att man istället skriver sambandet som x = a(t − 5 ms) + b.
a) Utför de räkningar som behövs för att bestämma det linjära sambandet, antingen med eller utan
substitutionen. (3 p)
b) Förklara varför det ena sättet leder till en lättare beräkning. (1 p)
6. Låt L vara en linje genom origo i planet. Låt T : R2 −→ R2 vara den linjära avbildning som speglar
planet i linjen L. Vi låter N vara linjen som är ortogonal mot L och som går genom origo. Låt ~u vara en
riktningsvektor för L, och ~n en riktningsvektor för N .
a) Vad är T (~u), och vad är T (~n)? (1 p)
b) Bestäm egenvektorer och egenvärden till avbildningen T . (1 p)
c) Skriv T (3~u + 4~n) som en linjärkombination av ~u och ~n. (2 p)
7. Bestäm alla linjära avbildningar T : R3 → R3 som uppfyller följande två krav: (4 p)

a) Vektorerna    
1 0
−1 och 1
0 1
utgör en bas för nollrummet för T .
 
0
b) Bildrummet för T är linjen med riktningsvektor 0.
1
8. På Algebramuseet finns en projektionsmaskin. Om man stoppar in en vektor ~v i R3 och trycker på en knapp
så matar maskinen ut den ortogonala projektionen av ~v på ett (fixerat) tvådimensionellt delrum W till R3 .
Maskinen börjar bli gammal och håller bara för två knapptryckningar till. Tyvärr går den inte att reparera
så museets chefsingenjör vill i stället bygga en ny maskin med exakt samma funktion. Problemet är att hon
inte vet vilket delrum W maskinen är byggd för.
Chefsingenjören är visserligen väldigt bra på linjär algebra, men räcker två knapptryckningar för att hon
säkert ska kunna lista ut vad W är innan maskinen går sönder? (4 p)
9. Låt A vara en symmetrisk 4 × 4-matris som har följande två egenskaper:

a) Rangen till matrisen A är 2.
b) Vektorerna    
1 0
2 1
 
0 och  
1
1 0
är egenvektorer med egenvärdet 2.
Bestäm alla egenvektorer till A. (4 p)
3.18. 2014-10-29
1. a) Bestäm linjen genom punkterna A = (0, 0, 1) och B = (2, 4, −1). (1 p)
b) Med hjälp av projektion kan man bestämma det kortaste avståndet från en punkt P till en linje `.
Förklara hur man gör detta genom att beräkna kortaste avståndet från punkten P = (1, 2, 4) till linjen
som ges av (1 − t, 2 − 2t, t), där t är en reell parameter. (3 p)
2. a) För vilka värden på parametern a utgör vektorerna

     
1 1 1
~v1 =  1  , ~v2 =  2  , ~v3 =  a 
2 a 2
en bas i rummet R3 ? (2 p)
b) Låt a = 3, och bestäm koordinatvektorn av
 
1
~e1 =  0 
0
med avseende på basen {~v1 , ~v2 , ~v3 }. (2 p)
3. Vi har matriserna  
1 7
2 3
A= och B = 2 −4 .
1 4
0 2
a) Bestäm inversen till matrisen A. (2 p)
b) Lös matrisekvationen XA = B. (2 p)
4. En linjär avbildning T : R4 → R4 har egenvärden λ = 0, 1, 2 och 4. Låt A vara dess standardmatris.

a) Är A diagonaliserbar? (1 p)
b) Vilken dimension har bildrummet Im(T ). (2 p)
c) Bestäm det karakteristiska polynomet till A. (1 p)
       
1 1 1 −5
5. Vi har baserna β = {−1 ,  0 } och γ = { 1  ,  2 } för vektorrummet i R3 som ges av
0 −1 −2 3
ekvationen x + y + z = 0.
a) Vad menas med en basbytesmatris? (2 p)
b) Bestäm vilken av matriserna nedan som är basbytesmatrisen från basen β till basen γ (motivera ditt
svar) (2 p)
 
1 −5
−1 −2 1 −3 2
P1 = , P2 = , P3 = 1  2 .
2 −3 7 −2 −1
−2 3
6. Temperaturen i Algots hus varierar över året ungefär enligt modellen
(m + d)π
T = 20 + r sin ,
6
där T är temperaturen (i grader Celsius), m är månadens nummer (1 för januari, 2 för februari, o.s.v.), och
r och d är reella konstanter som uppfyller r > 0 och −6 < d ≤ 6. Förra året mätte Algot temperaturen vid
fyra tillfällen: I januari var det 17.0 grader, i februari var det 20.0 grader, i mars var det 18.6 grader och i
september var det 21.6 grader.
Algot vill anpassa modellen till mätvärdena genom att bestämma konstanterna r och d så att summan av
kvadraterna av felen minimeras. (Med felen menas här skillnaden mellan mätvärdena och den temperatur
som ges av modellen.)
a) Modellen kan också skrivas T − 20 = a sin mπ mπ dπ
6 + b cos 6 , där a = r cos 6 och b = r sin 6
dπ
är reella konstanter. (Du kommer väl ihåg formeln sin(u + v) = sin u cos v + cos u sin v!) Bestäm
konstanterna a och b så att felkvadratsumman minimeras. (3 p)
b) Hur ska Algot välja konstanterna r och d? (1 p)
7. En tetraeder är en tredimensionell kropp med fyra hörn och fyra triangelformade sidor. Tetraedern är
regelbunden om alla fyra sidor är liksidiga trianglar. Låt ~x, ~y och ~z vara de tre vektorerna längs kanterna
från ett hörn i en regelbunden tetraeder där
k~xk = k~y k = k~zk = 1.
a) Visa att vektorn ~z − 31 ~x − 13 ~y är en vektor som ger höjden av tetraedern mot sidan som spänns upp
av ~x och ~y . (2 p)
b) Bestäm längden av ~z − 13 ~x − 13 ~y . (2 p)
8. Låt A vara en fixerad (n × n) matris.
a) Visa att alla (n × n) matriser X som kommuterar med A, dvs sådana att AX = XA, utgör ett
vektorrum. (2 p)
b) Bestäm en bas av detta vektorrum i fall n = 2 och då (2 p)

−1 1
A= .
2 3
9. Vid ett universitet finns tre lunchrestauranger med dom fantasifulla namnen A, B och C. Alla studenter
byter restaurang varje dag för att få omväxling. Av dom som går till A en viss dag kommer precis hälften
att gå till B nästa dag och den andra hälften går till C. På samma sätt går hälften av B-besökarna till A
dagen därpå och hälften till C. Men av dom som går till C går alla till B nästa dag. (Ingen vill byta direkt
från C till A för maten är så mycket sämre där.)
Processen kan beskrivas som en markovkedja med tre tillstånd. Om a(n), b(n), c(n) betecknar antalet
studenter som går till A, B respektive C dag n så har överföringsmatrisen T egenskapen att
   
a(n + 1) a(n)
 b(n + 1)  = T  b(n) 
c(n + 1) c(n)
för alla n = 0, 1, 2, . . . .
(a) Bestäm två egenvektorer till T hörande till egenvärdena 1 respektive −1/2. (2 p)
(b) En viss dag går exakt lika många studenter till alla tre restauranger. Hur ser fördelningen ut 30
lunchdagar senare?
(2 p)
3.19. 2015-01-19
1. För varje tal a har vi ekvationssystemet

 x+y+z = 1
2x + ay + 3z = 1
3x + (a + 1)y + az = 2.

a) Bestäm för vilka värden på parametern a systemet har en lösning; inga lösningar; oändligt många
lösningar. (3 p)
b) Lös ekvationssytemet när a = 1. (1 p)
2. Betrakta följande vektorer i R3 :
       
1 1 1 0
~v = −1 w~ = 0 ~u = 2 och ~z = −2 .
3 1 1 4
a) Bestäm en ekvation för planet Span(~v , w).

~ (1 p)
b) Ligger vektorn ~z i Span(~v , w)?
~ (1 p)
3
c) Bildar ~v , w,
~ ~u en bas för R ? (1 p)
d) Beräkna rangen av matrisen (1 p)
 
1 1 1 0
A = −1 0 2 −2 .
3 1 1 4
3. Anpassa kurvan y = ax2 + bx + c med minstakvadratmetoden till följande tabell av mätdata
x -1 0 1 2
y 2 0 2 4
(4 p)
4. Planet H ges av ekvationen 3x − 5y + 3z = 0.
a) Bestäm en orthonormal (ON) bas β för H. (1 p)
3
b) Utvidga β till en ON-bas för R . (1 p)
3 3
c) Låt T : R → R vara ortogonala projektionen på H. Bestäm en matrisrepresentation för T . (2 p)
5. Enligt Cayley-Hamiltons sats gäller att varje kvadratisk matris uppfyller sin egen karaktäristiska ekvation.
Betrakta matrisen  
0 −2 1
A = −2 0 1 .
1 1 0
a) Bestäm alla egenvektorer till A med egenvärde 2. (1 p)
b) Beräkna det karaktäristiska polynomet PA (x) för matrisen A. (2 p)
c) Verifiera att Cayley-Hamiltons sats gäller för matrisen genom att beräkna PA (A). (1 p)
6. Linjen L i R3 går genom origo. En riktningsvektor för linjen bildar vinkeln 60◦ mot den positiva x-axeln
och vinkeln 45◦ mot den positiva y-axeln. Linjen L skär planet
√
x + 2y − 3z = 6
i punkten P . Bestäm P . (4 p)
7. I datortomografi behöver man kunna hålla reda på alla linjer i planet genom att ge dem koordinater. Ett sätt
att göra det är genom att till en linje i planet tillordna paret (r, ϕ) där r > 0 och 0 ≤ ϕ < 2π fås genom
att (r cos ϕ, r sin ϕ) är den punkt på linjen som ligger närmast origo. Vi är bara interesserade av linjer som
inte går genom origo.
a) Bestäm en ekvation på formen ax + by + c = 0 för linjen med koordinater (r, ϕ). (2 p)
b) Visa att linjerna (r1 , ϕ1 ) och (r2 , ϕ2 ) är parallella om och endast om (2 p)
cos(ϕ1 ) sin(ϕ2 ) = cos(ϕ2 ) sin(ϕ1 ).
8. Kurvan C i R2 ges av ekvationen 3x2 − 10xy + 3y 2 + 12 = 0. Låt β = {~u, ~v } vara basen med vektorerna

1 1 1 −1
~u = √ och ~v = √ .
2 1 2 1

z
Visa att koordinatvektorerna för vektorer på kurvan C, med avseende på basen β, satisfierar ekvatio-
w
nen z 2 − 4w2 = 6. (4 p)
9. Låt Pn vara vektorrummet av polynom p(x) av grad högst n. Den linjära avbildningen T : Pn → Pn
definieras som
1
T (p(x)) = (p(x) − p(0)).
x
a) Låt n = 3. Bestäm matrisrepresentationen till avbildningen T med avseende på basen {1, x, x2 , x3 }.
(1 p)
b) Låt n = 10. Bestäm det minsta heltalet m sådan att T m = 0. (1 p)
c) Låt n = 100. Bestäm alla egenvärden och egenvektorer av avbildningen T . (2 p)
3.20. 2015-03-13
1. Planet H ges av ekvationen 3x − 2y + 5z + 1 = 0.
a) Bestäm en linje N som är vinkelrät mot H. (2 p)
b) Bestäm en linje L som inte skär planet H. (2 p)
2. Låt e~1 , e~2 , e~3 vara standardbasen för R3 . Betrakta den linjära avbildningen F : R3 → R2 som är definierad
genom

1 2 1
F (e~1 ) = , F (e~2 ) = och F (e~3 ) = .
0 −1 1
 
−3
(a) Bestäm F (~v ) där ~v =  1 . (1 p)
1
(b) Bestäm dimensionen av nollrummet Ker(F ), och bildrummet Im(F ). (2 p)
(c) Bestäm en bas för nollrummet Ker(F ). (1 p)
3. a) Vad menas med begreppet egenvektor? (1 p)

b) Avgör vilka vektorerna

1 10 1 1
~x = , ~y = , ~z = och w
~=
5 −2 1 −1

1 5
som är egenvektorer till matrisen A = . (2 p)
1 5
c) Bestäm egenvärden och tillhörande egenrum till matrisen A. (1 p)
4. I R4 har vi, för varje tal a, följande tre vektorer
     
1 2 4
 2   a   2 
~v1 =   0  , ~v2 = 
   och ~v3 = 
 3 .

1 
−1 3 11
Vi låter V = Span(~v1 , ~v2 , ~v3 ) vara deras linjära hölje.

a) Bestäm för vilka värden a vektorrummet V har dimension tre. (2 p)
⊥
b) Låt a = 1, och bestäm en bas till det ortogonala komplementet V . (2 p)
5. a) Definiera vad som menas med koordinatvektorn för en vektor med avseende på en bas. (1 p)
2
b) Betrakta följande vektorer i R :

1 1
~v = och w
~= .
2 −1
Bestäm en bas B för R2 sådan att koordinatvektorn för ~v är w

~ och koordinatvektorn för w~ är ~v . (3 p)

a c
6. Låt ~v = och ~n = vara två nollskilda vektorer i R2 , där ac + bd = 0. Låt L vara det linjära höljet
b d
till ~v .
a) Varför är β = {~v , ~n} en bas för R2 ? (1 p)
2 2
b) Låt T : R → R vara speglingen om linjen L. Bestäm matrisrepresentationen B till T med avseende
på basen β. (1 p)
c) Låt P vara basbytesmatrisen från standardbasen till β. Bestäm P −1 BP . (2 p)
7. Talföljden {f0 , f1 , f2 , f3 , . . . , } satisfierar följande rekursiva formel
fn+2 = 2fn+1 + 8fn , (∗)

för alla n ≥ 0. De två första termerna i talföljden f0 = a och f1 = b. Uttryck fn+1 som en sluten
är kända,
fn+1
formel i a och b. (Tips: Beteckna F (n + 1) = och skriv ekvationen (*) på matrisform). (4 p)
fn
8. Betrakta följande två figurer. (Vid varje punkt anges dess koordinater i ett vanligt cartesiskt koordinatsy-
stem.)
(11/2,13/2)
(3/2,9/2)
(3,3) (5,3) (13/2,9/2)
(6,3)
(0,2)
(4,1)
(4,2)
(2,0) (3,0) (−3,1)
(a) Bestäm en linjär avbildning T : R2 → R2 som transformerar den vänstra figuren till den högra. Du
ska ange matrisen för T . (2 p)
(b) Bestäm arean för det inneslutna området i den högra figuren. (2 p)
9. Om A, B, C och D är kvadratiska matriser av samma storlek kan vi bilda en större kvadratisk matris som
blockmatrisen
A B
M= .
C D
Antag att A är inverterbar och att matriserna A och C kommuterar med varandra, dvs att AC = CA. Visa
att (4 p)
det(M ) = det(AD − CB).
(Du kan använda fritt att om B eller C är noll-matrisen, då gäller att det(M ) = det(AD).)
3.21. 2015-06-10
1. Betrakta följande punkter i rummet:
A = (−1, 0, 1), B = (1, 1, 2) och C = (0, 0, 2).
(a) Ange en parametrisk ekvation för linjen l som går genom B och C. (1 p)
(b) Bestäm en ekvation (normalform) för planet π som går genom A och är ortogonalt mot l. (1 p)
(c) Bestäm avståndet mellan A och linjen l. (2 p)
2. Till varje tal a har vi matrisen  
1 1 −a
A =  −1 1 0 .
2 2a + 2 −2a − 4
a) För vilka a är matrisen A inverterbar? (2 p)
b) Låt a = 3, och bestäm inversen till A. (2 p)
3. Låt T : R3 → R3 vara den linjära avbildningen
T (x, y, z) = (x + 2y + z, 2x + y − z, −3x − y + 2z).
a) Bestäm matrisrepresentation för avbildningen T . (1 p)

b) Bestäm en bas för nollrummet, ker(T ). (1 p)
c) Bestäm dimensionen till bildrummet till T . (1 p)
 
1
d) Låt P = 2. Bestäm någon annan punkt Q sådan att T (P ) = T (Q). (1 p)
3
5 5 5
A= 5 5 5 .
5 5 5
a) Bestäm ett egenvärde som har två linjärt oberoende egenvektorer. (2 p)
b) Ange alla egenvärden och avgör om matrisen A är diagonaliserbar. (2 p)
   
−2 1
−2 0 ⊥
5. Låt V vara det linjära höljet till vektorerna 
 0  och 2, och låt V beteckna dess ortogonala komple-
  
1 2
ment.
a) Bestäm en bas för V ⊥ . (2 p)
b) Låt T : R4 →R4 vara speglingen i V , dvs T (~x) = ~x om ~x är i V , och T (~x) = −~x om ~x är i V ⊥ .
1
1
Bestäm T (1).
 (2 p)
1
6. Bestäm en symmetrisk matris A som satisfierar följande.

T
a) Egenrummet tillhöranda egenvärdet λ = 2 är 2t t −t , godtyckliga tal t.
b) Egenrummet tillhörande egenvärdet λ = 4 har dimension två. (4 p)
 
1
7. Bestäm den räta linje L som går genom punkten P = 1, och som skär de båda linjerna (4 p)
1
   
3t s
L1 = { t  | tal t} och L2 = {s + 4 | tal s}.
t+1 2s
8. Låt V1 ⊂ V2 ⊂ · · · ⊂ Vn = Rn vara en uppsättning delrum till Rn sådana att Vk har dimension k för
varje k och Vk−1 är ett delrum till Vk för varje k ≥ 2. En sådan uppsättning delrum kallas en flagga.
Låt T : Rn → Rn vara en linjär avbildning som stabiliserar flaggan. Med det menas att för varje k =
1, 2, . . . , n och för varje vektor v ∈ Rn gäller implikationen v ∈ Vk ⇒ T (v) ∈ Vk . Låt nu v1 , v2 , . . . , vn
vara vektorer i Rn sådana att span{v1 , v2 . . . , vk } = Vk för varje k. Visa att matrisen för T med avseende
på basen v1 , v2 . . . , vn är övertriangulär. (4 p)
9. Matrisen  
3 1 4
1 
A= 2 8 0
10
5 1 6
har egenvektorer ~x1 , ~x2 , ~x3 med tillhörande egenvärden
√ √
7 + 57 7 − 57
λ1 = 1, λ2 = , och λ3 = .
20 20
 
a
Låt X =  b  vara en vektor med positiva koefficienter a ≥ 0, b ≥ 0 och c ≥ 0 sådana att a + b + c = 1.
c
Bestäm punkten An X, när n → ∞. (4 p)
3.22. 2015-10-23
1. Vi har följande punkter:    
0 2
A = 1 och B = 0
2 2
i rummet R3 .
a) Bestäm en ekvation för det plan H som går genom origo 0 och genom punkterna A och B. (2 p)
b) Bestäm en parameterform för linjen l som är ortogonal mot planet H och innehåller punkten Q =
(1, 1, −1). (1 p)
c) Bestäm avståndet mellan punkten Q och planet H. (1 p)
2. Låt {e~1 , e~2 , e~3 } vara standardbasen till R3 . Betrakta den linjära avbildning F : R3 → R2 som bestäms av

1 2 0
F (e~1 ) = , F (e~2 ) = , och F (e~3 ) = .
1 −1 1
 
−3
a) Bestäm F (~v ) där ~v =  1  . (1 p)
1
b) Varför är bildrummet till F hela R2 ? (1 p)
c) Bestäm en bas till bildrummet Im(F ). (1 p)
d) Bestäm en bas till Ker(F ). (1 p)
3. För konstanterna a, b ges avbildningen L : R4 → R4 , genom

   
x1 ax1 − x3
x2   x2 + x4 
Lx3  =  x3 − x4  .
   
x4 bx1 + x2 + x4
a) Använd determinanten för att bestämma alla a, b sådana att L blir inverterbar. (2 p)
−1
b) Låt a = b = 1, och bestäm i detta fall den inversa avbildningen L . (2 p)
4. Matrisen  
4 1 −1
A= 1 4 −1
−1 −1 4
har egenvärdena 3 och 6. Bestäm en ortonormal bas av egenvektorer till A. (4 p)
5. Vektorrummet V ⊂ R4 spänns upp av vektorerna

       
1 1 1 0
2 0 1 1
3 , ~v2 = 1 ,
~v1 =    
2 ,
~v3 =  
1 .
~v4 =  
4 0 2 2
a) Bestäm en bas B för V . (2 p)

b) Bestäm talet a så att vektorn  
7
−4
w  3 ,
~ = 
a
ligger i V , bestäm därefter koordinaterna för w
~ i basen B. (2 p)

2 2 1 −2
6. Matrisrepresentationen av den linjära avbildningen T : R → R i basen , är matrisen
1 2

1 0
D= .
0 − 21

n2
Bestäm T för alla heltal n > 0. (4 p)
5
   
1 2
7. Planet H i R3 innehåller punkten A = 2. En ljusstråle går genom punkten P = 1, träffar planet H
3   2
3
i punkten A, reflekteras och går sedan genom punkten Q = 3. Bestäm en noll-skild normalvektor till
1
planet H. (4 p)
8. Låt a, b, c och d vara reella konstanter sådana att a < b < c < d. Visa att ekvationssystemet
x+y+z+w = k1
ax + by + cz + dw = k2
a2 x + b2 y + c2 z + d2 w = k3
a3 x + b3 y + c3 z + d3 w = k4
med avseende på x, y, z och w, har exakt en lösning, oavsett valet av rella talen k1 , . . . , k4 . (4 p)
9. Låt Λ vara ett nollskilt egenvärde till en kvadratisk, inverterbar matris A. Visa att Λ−1 är egenvärde till
A−1 . (4 p)
3.23. 2016-01-13
1. Låt A = (1, −1, 1), B = (1, 3, 1), C = (1, 1, 0) vara punkter i R3 .
a) Beskriv på parameterform planet P som innehåller A, B och C och ange ett system av linjära ekva-
tioner som beskriver P . (2 p)
b) Låt L vara linjen genom A och B. Beräkna avståndet mellan C och linjen L. (2 p)
2. Betrakta följande matris:

 
2 4 2
A = 1 1 0
2 0 −2
 
−1
a) Avgör om vektorn  1  ligger i bilden im(A). (2 p)
1
b) Bestäm en bas till nollrummet ker(A). (2 p)
3. Låt
−1 4
A=
0 1
a) Bestäm egenvärdena och motsvarande egenvektorerna till matrisen A. (1 p)
b) Bestäm en 2 × 2-matris S så att S −1 AS är en diagonalmatris. (1 p)
139
c) Beräkna A . (2 p)
4. För att bestämma längdutvidgningskoefficienten λ för en metall gjordes ett experiment där en metallstång
upphettades och längden avlästes. Använd minsta kvadratmetoden för att ur dessa data bestämma λ.
Temp (C ◦ ) 20 22 24 26
Längd (mm) 1 2 4 5
Följande linjära samband mellan temperaturen T och längden L gäller:
L(T ) = L0 + L1 (T − Tm ),
där Tm = 23 är medelvärdet av de fyra temperaturvärdena. Längdutvidgningskoefficienten λ fås ur sam-

bandet L1 = λL0 .
5. a) Motivera varför det finns precis en linjär avbildning f : R2 → R3 sådan att

     
2 −1 0
1 1 3
f =  1 , f = −1 och f = −1 .
−1 1 1
−1 −1 −3
(2 p)
b) Bestäm matrisen till f i standardbaserna. (2 p)
6. Vektorrummet W spänns upp av basen B = {~u, ~v }, där

   
−1 2
~u = −1 och ~v = 0 .
−1 1

1 1
a) Låt C vara en annan bas till W sådant att matrisen T = är övergångsmatrisen från basen B
2 3
till basen C. Bestäm basen C. (2 p)
 
0
b) Avgör om vektorn  2  ligger i W och i så fall bestäm vektorns koordinater i baserna B och C.
1
(2 p)
7. För en n × n matris  
a11 a12 ··· a1n
 a21 a22 ··· a2n 
A= .
 
.. .. 
 .. . . 
an1 an2 ··· ann
kallas summan av de diagonala elementerna a11 + a22 + · · · + ann för spåret av A och betecknas med
tr(A).
a) Låt A och B vara n × n-matriser. Bevisa att tr(AB) = tr(BA). Konkludera att tr(A) = tr(B −1 AB)
under förutsättningen att B är inverterbar. (2 p)
b) Låt f : Rn → Rn vara en linjär avbildning. Låt M vara matrisen till f med avseende på en bas B.
Spåret av avbildningen f definieras som spåret till matrisen M . Visa att detta är väldefinierad, dvs.
att spåret är oberoende av basvalet. (2 p)
8. Låt A vara en symmetrisk och inverterbar matris.

a) Bevisa att inversen A−1 också är en symmetrisk matris. (2 p)
T T −1
b) Bevisa att (~x) A~x är en positivt definit kvadratisk form om och endast om (~x) A ~x är en positivt
definit kvadratisk form. (2 p)
9. Låt ~v1 , ~v2 , och ~v3 vara ortonormala vektorer i R3 . Beräkna beloppet av determinanten:

det ~v1 + ~v2 ~v2 + ~v3 ~v3 + ~v1
(4 p)
3.24. 2016-01-18
T
1. Ett plan H innehåller punkten P = 1 −2 0 och linjen l som är skärningslinjen mellan planen
x + y − z = 2 och 2x + 3y − 4z = 0. Bestäm en ekvation för planet H. (4 p)
2. Ekvationen
1 2 1
x + 3xy + y 2 + 16x − 4y = 0
2 2

x
kan skrivas som en matrisekvation X T AX + P X = 0, där A är en symmetrisk matris, och X = .
y
a) Bestäm A och P . (2 p)
b) Bestäm alla egenvärden och egenvektorer till matrisen A. (2 p)

1 −2 −3
A= .
0 7 11
a) Bestäm en bas för nollrummet, ker(T ), till T . (2 p)

b) Avgör om ker(T ) är med i delrummet V = Span(~u, ~v , w),
~ där (2 p)
     
4 3 1
~u = 0 , ~v = 2 ~ = −2 .
och w
1 1 0
ax + by + z = 1
x+y+z =2−a
x + by + z = 1
a) Bestäm alla värden på a och b för vilka systemet inte har några lösningar. (1 p)
b) Bestäm alla värden på a och b för vilka systemet har precis en lösning. (1 p)
c) Bestäm alla värden på a och b för vilka systemet har oändligt många lösningar, samt ange dessa
lösningar. (2 p)
5. Låt L1 vara linjen i R3 som ges av (3, −1, 7) + t(2, 1, 4), och låt L2 vara linjen som går igenom punkterna
(0, −3, 5) och (2, a, 1).
a) Bestäm alla värden på parametern a för vilka linjerna L1 och L2 skär varandra, samt bestäm skärningspunkten.
(2 p)
b) För dessa värden på a, bestäm en ekvation för planet som innehåller båda linjerna. (2 p)
6. I planet R2 har vi följande tre vektorer

3 4 1
~v = , ~n = och w
~= .
4 −3 7
Låt T : R2 −→ R2 vara speglingen genom linjen L = Span(~v ), och låt β = {~v , ~n}.
a) Bestäm koordinatvektorn till w
~ i basen β. (2 p)
b) Bestäm koordinatvektorn till T (2~v + 3~n) i basen β. (2 p)
7. Bestäm determinanten för matrisen (4 p)
 
1 2 3 4 · n
2
 2 3 4 · n
3
 3 3 4 · n
4
A= 4 4 4 · n
.
 . . . · .
. . . . · .
n n n . · n
8. Låt A vara en n × n matris  

a11 ··· a1n
 .. .. 
A= . . 
an1 ··· ann
där a1i + a2i + · · · ani = 1 för alla i.
T
a) Visa att om X = x1 x2 . . . xn är en egenvektor med positiva koefficienter (xi ≥ 0, i=
1, . . . , n), då är egenvärdet 1. (2 p)
b) Visa att om X är en egenvektor med egenvärde 6= 1 då ligger X i hyperplanet x1 + · · · + xn = 0.
(2 p)
   
0 1/2
9. En ljusstråle L börjar i punkten 0 och har riktningsvektor 1/2. Låt dessutom S vara en sfär kring
5 −1
origon med radie 3, given av ekvationen
x2 + y 2 + z 2 = 32 .
Sfären är ljusreflekterande.

a) Visa att strålen träffar S i någon punkt P och beräkna dess koordinater. (2 p)
b) Beskriv den (enligt reflexionslagen) reflekterade strålen som utgår från P i parameterform. (2 p)
3.25. 2016-03-17
1. Linjen L1 ges av      
x −1 −2
y  = −3 + t −1
z 0 1
och linjen L2 ges av      
x 4 1
y  = 2 + s 5
z 3 1
a) Bestäm i parameterform det plan Π som är parallellt med linjen L1 och innehåller linjen L2 . (2 p)
b) Bestäm avståndet mellan linjerna L1 och L2 . (2 p)
2. Vi har matrisen  
5 6 0
A =  −3 −4 0 .
3 3 −1
a) Bestäm alla egenvektorer till egenvärdena 1 och −2. (3 p)
b) Varför är matrisen A diagonaliserbar? (1 p)
3. Den kvadratiska formen Q på R2 ges av
Q(~x) = x21 + x1 x2 + x22 .
a) Ange den symmetriska matris A som uppfyller Q(~x) = ~xT A~x. (1 p)

b) Avgör om Q är positivt definit, negativt definit, positivt semidefinit, negativt semidefinit eller indefi-
nit. (3 p)
4. Låt TA : R2 → R2 vara den linjära avbildning som har standardmatris

−1 3
A= .
2 −6
a) Låt L vara linjen som ges av 2x − 3y = −11. Visa att TA avbildar L på en linje TA (L). (2 p)
0 0 0
b) Hitta en linje L så att TA (L ) är en punkt. Ange ekvation för L . (2 p)
5. I R4 har vi följande fyra vektorer

       
1 −1 −3 1
0 2 2 1
~u = 
 2 ,
 ~v = 
 1 ,
 w
~ =
−3
 och ~x =  
1
−1 1 3 1
Vektorrummet V = Span(~u, ~v , w).

~
a) Visa att β = {~u, ~v } är en ortogonal bas för V . (1 p)
b) Vi har basen γ = {~v , w}
~ för V . Bestäm koordinatvektorn till ProjV (~x) i basen γ. (3 p)
6. Låt A vara en symmetrisk 3 × 3-matris.

  Anta att dess karakteristiska polynom har en enkel rot λ1 = 2 med
1
motsvarande egenvektor ~v1 =  1  och en dubbelrot λ2 = −2 .
−1
 
3
~ =  −3 . Beräkna A5 w
a) Låt w ~ (2 p)
0
b) Bestäm matrisen A. (2 p)
7. Planen P1 och P2 i R3 ges av ekvationerna:
P1 : x − y + z = 5 P2 : 2x + 2z = −8
   
1 2
Linjen L är 3 + t 0, godtyckliga tal t. Linjen L speglas genom P1 till en linje L0 . Avgör om L0 skär
0 4
planet P2 . (4 p)
8. Låt
β = {cos(x), sin(x), cos(2x), sin(2x), . . . , cos(10x), sin(10x)}.
Mängden β bildar en bas för ett delrum V av vektorrummet av reellvärda funktioner av en variabel x.
Derivationsavbildningen D : V −→ V är den linjära avbildning som skickar en vektor f (x) i V till
df
D(f (x)) = ,
dx
dess derivata.
a) Hitta matrisrepresentationen till D i basen β. (2 p)
b) Avgör om avbildningen D är diagonaliserbar. (2 p)
9. Låt A och P vara 3 × 3-matriser, där P är inverterbar.

a) Visa att tr(A) = tr(P −1 AP ), där tr betecknar spåret av matrisen. (2 p)
b) Antag att A är diagonaliserbar och uppfyller följande tre villkor
tr(A) = 0,
2
tr(A ) = 14,
3
tr(A ) = −18.
Beräkna det(A). (2 p)
3.26. 2016-06-09
1. Planet H1 ges av ekvationen 3x + 2y + 2z = 0, och H2 ges av ekvationen x + 2y − 2z = 0. Linjen L är
skärningen av H1 och H2 .
a) Bestäm en bas för skärningslinjen L. (2 p)
b) Avgör om linjen L är med i delrummet V = Span(~u, ~v , w),
~ där (2 p)
     
4 3 1
~u = 0 , ~v = 2 , och w ~ = −2 .
1 1 0
2. Klimatstatistiken visar att vintermedeltemperaturen i Stockholms län förändras enligt följande tabell (tem-
peraturen är avrundat till heltal grader)
Period 0 (1961-1970) −5◦ C
Period 1 (1971-1980) −2◦ C
Period 2 (1981-1990) −3◦ C
Period 3 (1991-2000) −1◦ C
Period 4 (2001-2010) −1◦ C
Bestäm en ekvation på formen T (k) = Ak + B som stämmer bäst med dessa värden i minstakvadratme-
ning. Här är k nummer av perioden och T (k) är medeltemperaturen i period k.
(4 p)
3. Låt  
3 −4 8
A= 2 −3 8  .
0 0 1
a) Bestäm alla egenvärden och egenvektorer till matrisen A. (2 p)
 
3
b) Beräkna A11~v där ~v =  2 .
1
 
1
4. Låt U vara lösningsmängden, i R3 , av ekvationen 2x + y = 0. Låt ~v =  0  .
115
a) Bestäm en ortonormalbas β till U (2 p)
b) Utvidga basen β till en ortonormalbas för R3 . (1 p)
c) Bestäm vektorn projU (~v ). (1 p)
5. Finns det något värde på a för vilket de tre planen
ax + y − z = 1, y + 2z = 7, x + z = 2,
har en rät linje gemensam? Bestäm i så fall för alla sådana a denna linjes ekvation på parameterform.(4 p)
6. Avbildningen R : R3 → R3 är en rotation med följande egenskaper: rotationsaxeln l är linjen x1 = x2 =

x3 ; positiva x1 -axeln avbildas till positiva x2 -axeln; positiva x2 -axeln avbildas till positiva x3 -axeln; posi-
tiva x3 -axeln avbildas till positiva x1 -axeln.
a) Bestäm matrisrepresentationen av avbildningen R i standardbas. (1 p)
b) Bestäm alla egenvärdena och egenvektorer av avbildningen. (1 p)
c) I varje plan vilkelrät mot linjen l verkar avbildningen R som planets rotation. Bestäm planets rota-
tionsvinkel. (2 p)
7. a) Bestäm en 2 × 2-matris A vars nollrum och kolonnrum överensstämmer. (2 p)

b) Visa att det inte finns någon 3 × 3-matris med ovanstående egenskap. (2 p)
8. Bestäm vilka samband mellan talen a, b, c som krävs för att matrisen
 
a 1 2
0 b −1
0 0 c
blir diagonaliserbar. (4 p)
9. Låt V vara ett n-dimensionellt vektorrum och L : V → V en linjär avbildning som uppfyller att L(L(v)) =
L(v) för alla v ∈ V .
a) Visa att den enda vektor som ligger i både Range(L) och Null(L) är nollvektorn. (2 p)
b) Visa att det finns en bas B till V sådant att matrisrepresentationen av L m.a.p. basen B är en diago-
nalmatris där alla diagonalelement är antingen 0 eller 1. (2 p)
3.27. 2016-10-21
1. Låt
4 −2 7
A= .
8 −310
T
a) Bestäm alla lösningar till det homogena systemet Ax = 0 0 (3 p)
T
b) Bestäm alla lösningar till Ax = −5 −3 . (3 p)
2. Låt V vara skärningen mellan de två hyperplan i R4 som ges av

(
x1 + x2 + x3 + x4 = 0
x1 − x2 − x3 − x4 = 0.
a) Bestäm en bas för delrummet V . (3 p)

b) Hitta ett ekvationssystem vars lösningar utgör delrummet W = V ⊥ . (3 p)
3. Låt  
3 a 0
A = 0 4 1 ,
0 2 5
där a är en reell parameter.
a) Bestäm egenvärdena till A och egenrum till varje egenvärde. (3 p)
b) För vilka val av a är A diagonaliserbar? (2 p)
−1
c) Bestäm för a = 0 en inverterbar matris P och en diagonal matris D sådana att A = P DP . (1 p)
4. Låt  
a11 a12 a13
A = a21 a22 a23 
a31 a32 a33
vara en 3 × 3-matris. Skriv Aij för determinanten av den 2 × 2-delmatrisen där man har strukit rad i och
kolonn j. Visa att följande formel alltid gäller:
a33 det(A) = A11 A22 − A12 A21 .
(6 p)
5. En reflektionen i R3 är en linjär avbildning
r~u (~x) = ~x − 2(~u · ~x)~u,

 
1
där ~u är en normalvektor av längd 1 till reflektionsplanet. Låt ~x =  2 .
−2
T
a) Bestäm en vektor ~u av längd 1 sådan att r~u (~x) är en positiv multippel av ~e1 = 1 0 0 . (4 p)
b) Visa att standardmatrisen till en reflektion alltid är en ortogonal matris. (2 p)
6. En matris A kallas för skevsymmetrisk om AT = −A. Antag att A är en skevsymmetrisk n × n-matris.
Bestäm alla vektorer ~v i Rn så att (A~v ) · ~v = 0. (6 p)
3.28. 2017-01-11
1. a) För vilka värden på k har ekvationssystemet (med avseende på x, y och z)
kx + ky + z = 3
2x + ky + z = 2
4x + 3y + 3z = 8
en entydig lösning, ingen lösning, oändligt många lösningar? (4 p)

b) Lös ekvationssystemet för k = 1. (2 p)
 
1
2. P är det plan i R3 som innehåller punkten (1, 0, 0) och linjen t 1, t i R.
1
a) Bestäm en normalvektor och en ekvation till P . (3 p)
b) Bestäm ortogonalprojektionen av punkten (2, 4, 2) på linjen som går genom origo och punkten
(0, 1, −1). (3 p)

2 −1
3. Låt T = vara övergångsmatrisen från basen V till basen W av ett delrum U av R4 .
−3 2
a) Bestäm övergångsmatrisen från bas W till bas V. (3 p)

2 1
b) Låt f : U → U vara en linjär avbildning som uppfyller [f ]W = . Bestäm [f ]V . (3 p)
2 −1
(Med [f ]B menas matrisen för avbildningen f med avseende på basen B.)
 
0
4. En linjär avbildning L : R3 → R3 definieras av formeln L(~x) = ~e3 ×~x för alla vektorer ~x. Här är ~e3 = 0
1
och med × menas kryssprodukten.
a) Bestäm standardmatris till L : R3 → R3 . (2 p)
b) L transformerar planet x3 = 0 till sig själv. Beskriv geometrisk hur vektorer i detta plan transforme-
ras. (1 p)
c) Bestäm alla egenvärden och tillhörande egenvektorer till L. (3 p)
5. Låt Q vara den kvadratiska form på R2n som är definierad genom
Q(x1 , . . . , x2n ) = x1 x2n + x2 x2n−1 + · · · + xn xn+1 .
a) Bestäm den symmetriska matrisen som tillhör Q. (2 p)

b) Avgör karaktären av Q: positivt/negativt (semi)definit eller indefinit? (4 p)
6. Låt A vara en n × n-matris. Col(A) betecknar kolonnrummet av A. Visa:
a) Om Col(Ak ) = Col(Ak+1 ) för något heltal k ≥ 1, så gäller Col(Ak ) = Col(Ak+l ) för alla heltal
l ≥ 1. (3 p)
b) Om Aj = 0 för något heltal j ≥ 1 så är An = 0. (3 p)
3.29. 2017-03-13
     
1 −1 1
1. Betrakta vektorerna P~ =  1  , Q ~ =  3  , ~u = −1. Låt l1 vara linjen som går genom P~ och Q
~ och
−2 0 1
låt l2 vara linjen som är parallell med ~u och som går genom P~ .
a) Bestäm parameterframställningar till linjerna l1 och l2 . (3 p)
b) Bestäm en ekvation för det plan som innehåller linjerna l1 och l2 . (3 p)
2. Betrakta följande matris:  
t 1 10 − t
A(t) =  1 0 −1 
10 1 t
a) För vilka värden på t är A(t) inverterbar? (3 p)
b) Ge något värde på t så att det motsvarande systemet
A(t)~x = ~0
har oändligt många lösningar och bestäm lösningsmängden. (3 p)

3. Delrummet V i R4 ges som det linjära höljet av vektorerna
     
1 1 2
1 −1  1 2 1 1
~u =   , ~v =   och w ~=  .
3 1  5 1 7 2
2 1 3
a) Bestäm en icke-trivial linjär relation mellan vektorerna ~u, ~v och w.
~ (3 p)
T
~

b) Beräkna avståndet från punkten P = 1 1 1 1 till V . (3 p)
4. Betrakta följande avbildning:
F : R2 → R2 , F (x, y) = (0, x)
a) Bestäm alla egenvärden och tillhörande egenrum till F . (3 p)
b) Bestäm om matrisen till F är diagonaliserbar. (3 p)
5. Delrummet V i R3 ges av ekvationen x − 2y + z = 0. Låt T : R3 → R3 vara den linjära avbildningen

   
x x − 2y + 3z
T y  = 2x − 4y + 6z  .
z 3x − 6y + 9z
~ till R3 sådan att V är det linjära höljet av ~u och ~v .

a) Hitta en bas B = {~u, ~v , w} (2 p)
b) Visa att T (~x) ligger i V för alla ~x som ligger i V . (2 p)
c) Bestäm en matrisrepresentation för avbildningen T med avseende på basen B av R3 . (2 p)
6. Multiplikationstabellen M definieras som den 9 × 9-matris vars element ges av formeln Mij = i · j, där
i, j = 1, 2, . . . , 9.
a) Bestäm rangen av matrisen M . (2 p)
2 2 2
b) Visa att talet 1 + 2 + · · · + 9 = 285 är ett egenvärde till matrisen M . Vad är motsvarande
egenvektorer? Bestäm därefter alla övriga egenvärdena till M (egenvektorer behöver inte anges).
(4 p)
Del II.
Lösningar
67
4. Kontrollskrivningar
4.1. Kontrollskrivningar 1 och

     
2 0 2
4.1.1. 2010-09-13 u = P Q = OQ − OP = 1 =  1  = 0 .
1. Ett linjärt ekvationssystem med lika många ekvationer som 0 −2 2
obekanta har en unik lösning om och endast om determinan- Därmed får vi
ten av koefficientmatrisen inte är noll. I vårt fall är koeffici-    
 
entmatrisen 3 2 (−1) · 2 − 1 · 0
  n = u × v = −1 × 0 =  1 · 2 − 3 · 2 
0 a−3 0 1 2 3 · 0 − (−1) · 2
A= 2−a a−3 2−a     
−2 1
4 − 2a 2a − 6 5 − 2a
= −4 = −2  2  .
och vi kan beräkna determinanten med hjälp av kofaktorut- 2 −1
veckling efter första raden och får Planets ekvation kan därmed skriva som x + 2y − z = d, för
någon konstant d och vi kan bestämma d genom att sätta in
2−a 2−a
det(A) = (a − 3)(−1)3 det någon av punkterna, tex P i ekvationen och får då
4 − 2a 5 − 2a

1 1
d = 0 + 2 · 1 − (−2) = 4.
= (3 − a)(2 − a) det
4 − 2a 5 − 2a Därmed är en ekvation för planet x + 2y − z = 4.
= (3 − a)(2 − a)(1 · (4 − 2a) − 1 · (5 − 2a)) För att avgöra om linjen ligger i planet sätter vi in (x, y, z) =
= −(3 − a)(2 − a) (1, 1, −1) + t · (3, 1, 5) i ekvationen och får då
x + 2y − z = (1 + 3t) + 2 · (1 + t) − (−1 + 5t) = 4,
där vi i andra steget tagit ut den gemensamma faktorn (2−a)
från första raden. vilket visar att linjen ligger i planet. Vi kunde också ha kon-
Det är nu klart att det(A) 6= 0 precis om a 6= 2 och a 6= 3. trollerat det genom att se att punkten (1, 1, −1) ligger i pla-
net och att linjens riktningsvektor är ortogonal mot planets
När a = 2 får blir totalmatrisen för ekvationssystemet normalvektor.
 
0 −1 0 1 3. Vi har att determinanten av en produkt är produkten av de-
 0 −1 0 1  terminanterna. Dessutom är determinanten av en matris lika
0 −2 1 3 med determinanten av transponatet av matrisen. Därmed får
vi att
och med Gauss-Jordans metod får vi
det(AT A) = det(AT ) det(A) = det(A)2 .
   
0 −1 0
1 −r1
För att beräkna det(AT A) kan vi därför först beräkna deter-
 0 −1 1  ∼  r2 − r1 
0
minanten av A och får då
0 −2 3
1 r3 − 2r1
1 1 2 0 r1
   
0 1 0 −1 r1
∼ 0 0 0 0  ∼ r3  1 0 3 1 r − r1
det(A) = = 2

0 0 1 1 r2 2 3 0 0 r3 − 2r1
  0 0 1 4 r4
0 1 0 −1
∼  0 0 1 1 . 1 1 2 0 r1
0 0 0 0 0 −1 1 1 −r2
= =−
0 1 −4 0 r3 + r2
Eftersom första kolonnen saknar ledande ett är x en fri va- 0 0 1 4 r4
riabel och vi sätter x = t för en reell parameter t. Vi kan 1 1 2 0
sedan lösa ut de båda övriga variablerna med hjälp av de noll- 0 1 −1 −1
skilda ekvationerna och får y = −1 och z = 1. Alltså ges =− = −((−3) · 4 − 1 · 1) = 13.
0 0 −3 1
lösningen till ekvationssystemet av (x, y, z) = (t, −1, 1), 0 0 1 4
Vi får nu att det(AT A) = (det(A)2 ) = 132 = 169.
2. För att bestämma en ekvation för planet behöver vi finna en
normalvektor n. Vi kan få en sådan genom att beräkna kryss-
produkten mellan två vektorer i planet. Vi kan använda de tre 4.1.2. 2010-11-29
givna punkterna för att hitta två sådana vektorer 1. a) Totalmatrisen för systemet ges av
       
3 0 3 1 1 1 0 7
u = P R = OR − OP =  0  −  1  = −1 1 0 −1 1 8
−1 −2 1 0 1 2 1 9
69
och med hälp av Gauss-Jordans metod kan vi överföra 3. Om de fyra punkterna ligger i samma plan finns det en noll-
den till övertriangulär form: skild ekvation ax + by + cz + d = 0 som alla punkter
    uppfyller. Detta ger oss ett homogent linjärt ekvationssystem
1 1 1 0 7 r1 med fyra ekvationer och fyra obekanta, vilket har icketriviala
1 0 −1 1 8 ∼ r2 − r1  lösningar precis om ekvationerna är linjärt beroende.
0 1 2 1 9 r3
    Totalmatrisen för ekvationssystemet ges av
1 1 1 0 7 r1 + r2  
∼ 0 −1 −2 1 1 ∼
   −r2  1 2 3 1 0
0 1 2 1 9 r3 + r2 
 2 3 2 1 0

t + 1 3 t+2 1 0
r1 − 21 r3
   
1 0 −1 1 8 t 2t 2t + 5 1 0
1
∼ 0 1 2 −1 −1 ∼ r2 + 2 r3 
0 0 0 2 10 1
r
2 3
och vi kan använda Gausselimination för att se när det finns
  icke-triviala lösningar:
1 0 −1 0 3
∼ 0 1
 2 0 4 
1 2 3 1
 
r1

0 0 0 1 5  2 3 2 1  r2 − 2r1 
 
 ∼ 
b) Eftersom det är en av kolonnerna i koefficientmatrisen
t + 1 3 t + 2 1 r3 − (t + 1)r1 
som inte har en ledande ett får vi införa en parameter  t 2t 2t + 5 1 r4 −tr1 
t och sätta x3 = t. De övriga variablerna kan nu di- 1 2 3 1 r1
rekt lösas ut från de tre ekvationerna som motsvarar
0 −1 −4 −1  −r2 
∼0 1 − 2t −1 − 2t
∼ ∼
raderna i matrisen: −t r3 + (1 − 2t)r2 
0 0 5−t  1−t r4
x1 = 3+x3 = 3+t, x2 = 4−2x3 = 4−2t och x4 = 5. 1 2 3 1
0 1 4 1
Lösningsmängden ges därmed av ∼ 
     0 0 −5 + 6t t − 1

 x1 3+t 
 0 0 5−t 1−t
x2  = 4 − 2t : t reellt tal .
    


 x3   t  
 Vi kan i det här läget se att det finns icke-triviala lösningar

x4 5
 om och endast om de två sista raderna är linjärt beroende
eftersom det redan finns ledande ettor i det två första raderna
c) Eftersom det finns en ledande etta i varje rad i ko- och motsvarande positioner är noll i de sista två.
efficientmatrisen kan det aldrig bli en ledande etta i
högerledet, oavsätt hur det ser ut. Vi kan därmed fin- Alltså kan vi avgöra detta genom att se på determinanten av
na lösningar för alla möjliga högerled precis som för 2 × 2-matrisen
6t − 5 t − 1
högerledet (7, 8, 9).
5−t 1−t
2. a) Ortsvektorerna för punkterna ges av vektorerna från
som ges av (6t − 5)(1 − t) − (t − 1)(5 − t) = −5t(t − 1).
origo till respektive punkt, dvs OA = (1, 0, 1), OB =
(2, −3, 2) och OC = (4, 1, 0). Eftersom OA+AB = Därmed ligger de fyra punkterna i samma plan precis om t =
OB får vi 0 eller t = 1. Vi kan sätta in dessa värden på t i totalmatrisen
ovan för att beräkna lösningen till systemet. För t = 0 får vi
u = AB = OB−OA = (2, −3, 2)−(1, 0, 1) = (1, −3, 1)
   
och på motsvarande sätt 1 2 3 1 0 1 2 3 1 0
0 1 4 1 0 0 1 4 1 0
 
v = AC = OC−OA = (4, 1, 0)−(1, 0, 1) = (3, 1, −1) 0 0 −5 −1 0 ∼ 0 0 1 1 0
 
5
0 0 5 1 0 0 0 0 0 0
b) För att beräkna arean med hjälp av kryssprodukten
använder vi att triangelns area är hälften av arean av med lösning d = s, c = − 15 s, b = −s + 54 s = − 51 s och
den parallellogram som spänns upp av u och v. Are-
a = −s + 35 s + 52 s = 0, där s är en reell parameter. Med
an av denna parallellogram ges av normen av kryss-
s = 5 får vi planets ekvartion till −y − z + 5 = 0, dvs
produkten u × v. VI beräknar kryssprodukten till
        y + z = 5.
1 3 (−3) · (−1) − 1 · 1 2
Med t = 1 får vi
u×v = −3× 1  =  −1 · (−1) + 1 · 3  =  4  .    
1 −1 1 · 1 − (−3) · 3 10 1 2 3 1 0 1 2 3 1 0
√ 0 1 4 1 0
 ∼ 0
 1 4 1 0
Normen av √ 2 2
denna ges av |(2, 4, 10)| = 2 + 4 √+ 10 = 2  
√ 0 0 1 0 0 0 0 1 0 0
120 = 2 30. Alltså ges arean av triangeln av 30 0 0 4 0 0 0 0 0 0 0
areaenheter.
c) Vi kan beräkna cosinus för vinkeln α vid hörnet A vilket ger lösning d = s, c = 0, b = −s − 4 · 0 = −s och
genom a = −s − 3 · 0 − 2 · (−s) = s. Med s = 1 får vi planets
ekvation till x − y + 1 = 0, dvs x − y = −1.
u·v
cos α = Det går också att lösa uppgiften på flera andra sätt, exempel-
|u| · |v|
vis genom att använda kryssprodukten mellan vektorer mel-
(1, −3, 1) · (3, 1, −1) lan punkterna för att få normalriktningen till ett plan som in-
= p p
12 + 32 + (−1)2 32 + 12 + (−1)2 nehåller tre av de fyra punkterna. Vi får fyra möjliga sätt att
1 · 3 + (−3) · 1 + 1 · (−1) 1 välja ut tre av punkterna och alla punkter ligger i samma plan
= =− . om dessa fyra normalvektorer är parallella.
11 11
Vi får då exempelvis kravet att (1, 1, −1) × (t, 1, t − 1) = Den allmänna lösningen till systemet erhålls nu ge-
(t, 1 − 2t, 1 − t) ska vara parallell med (1, 1, −1) × (t − nom att sätta de bägge fria variablerna x3 och x4 till t
1, 2t − 2, 2t + 2) = (4t, −1 − 3t, t − 1). Vi ser att kvoten resp s, och sedan uttrycka bundna variablerna x1 och
i den första positionen är 4 om inte t = 0, vilket i den sista x2 i t och s. Detta ger lösningen
positionen leder till att (t − 1) = 4(1 − t). Alltså måste
t = 0 eller t = 1 för att de ska vara parallella. Vi får nu (x1 , x2 , x3 , x4 ) = (2 − 3t/2, −1 + s + t/2, s, t),
direkt normalvektorerna för planen genom att sätta in t = 0 där s och t är godtyckliga tal.
och t = 1, vilket ger (0, 1, 1) respektive (1, −1, 0). För att
Med exempelvis (s, t) = (0, 0), (s, t) = (1, 0) och
få reda på konstanttermen i ekvationen sätter vi in någon av
(s, t) = (0, 2) erhålls de tre lösningarna
punkterna, tex (1, 2, 3) och får y +z = 5 respektive x−y =
−1.
       
x1 2 2 −1
x2  −1 0
  =   ,   och  0  .
 
x3   0  1  0 
4.1.3. 2010-12-08
x4 0 0 2
1. a) Om a = 6 blir totalmatrisen för systemet
  2. Med hjälp av elementära radoperationer transformerar vi ma-
1 −1 1 2 3 trisen till en övertriangulär matris vars determinant sedan en-
1 1 −1 1 1 . kelt kan beräknas, eftersom determinanten av en triangulär
1 −3 3 3 6 matris är lika med produkten av dess diagonalelement.
I själva verket räcker det i detta exempel med upprepad användning
Vi ska använda Gausselimination för att överföra to-
av operationen “addera en multipel av en rad till en annan
talmatrisen till trappstegsform. Efter varje totalmatris
rad”, vilket som bekant inte ändrar determinantens värde.
nedan anges vilken eller vilka radoperationer som ska
göras för att erhålla nästa totalmatris. 2 −1 0 0 0 r1
    −1 2 −1 0 0 r2 + 12 r1
1 −1 1 2 3 r1 0 −1 2 −1 0 = r3
1 1 −1 1 1 ∼ r2 − r1 0 0 −1 2 −1 r4
1 −3 3 3 6 r3 − r1 0 0 0 −1 2 r5
   
1 −1 1 2 3 r1 2 −1 0 0 0 r1
∼ 0 2 −2 −1 −2 ∼ (1/2)r2 0 3
−1 0 0 r2
2
0 −2 2 1 3 r3 = 0 −1 2 −1 0 = r3 + 32 r2
0 0 −1 2 −1 r4
   
1 −1 1 2 3 r1
∼ 0 1 −1 −1/2 −1 ∼  r2  0 0 0 −1 2 r5
0 −2 2 1 3 r3 + 2 · r2 2 −1 0 0 0 r1
3
−1
 
1 −1 1 2 3 0 2
0 0 r2
4 r3
∼ 0 1 −1 −1/2 −1 . = 0 0 3
−1 0 =
0 0 0 0 1 0 0 −1 2 −1 r4 + 43 r3
0 0 0 −1 2 r5
Nu är totalmatrisen på trappstegsform. (Tredje raden i
2 −1 0 0 0 r1
totalmatrisen svarar mot ekvationen 0 = 1, så syste- 3
met saknar lösning.) 0 2
−1 0 0 r2
4
= 0 0 3
−1 0 = r3
b) Om man byter ut högerledet 6 mot högerledet a i den 0 0 0 5
−1 r4
ursprungliga totalmatrisen ovan, samt genomför sam- 4
0 0 0 −1 2 r5 + 54 r4
ma radoperationer som nyss, så erhålls totalmatrisen
2 −1 0 0 0
3
 
1 −1 1 2 3 0 2
−1 0 0
4 3 4 5 6
 0 1 −1 −1/2 −1  = 0 0 3
−1 0 = 2 · · · · = 6.
0 0 0 0 a−5 0 0 0 5
−1 2 3 4 5
4
6
0 0 0 0 5
Tredje raden svarar mot ekvationen 0 = a − 5, så
systemet saknar lösning om a 6= 5, medan systemet 3. a) Att vara ortogonal mot båda linjerna har bara med lin-
har lösning(ar) om a = 5, t ex x3 = 0, x4 = 0, jernas riktning att göra och vi kan därmed få fram en
x2 = −1, x1 = 2. sådan vektor, n, som kryssprodukten av linjernas rikt-
c) Om a = 5 blir sista totalmatrisen ovan ningsvektorer, u och v, dvs
     
1 −1 1 2 3 1 1
 0 1 −1 −1/2 −1  . n = u × v = −1 ×  0 
0 0 0 0 0 1 −1
   
(−1) · (−1) − 1 · 0 1
Genom att addera andra raden till första raden erhålls =  −1 · (−1) + 1 · 1  = 2
den reducerade trappstegsformen 1 · 0 − (−1) · 1 1
 
1 0 0 3/2 2 b) Vi kan nu kontrollera genom skalärprodukten att
 0 1 −1 −1/2 −1  .
0 0 0 0 0 (1, 2, 1)·(1, −1, 1) = 1·1+2·(−1)+1·1 = 1−2+1 = 0
och b) De ledande ettorna kommer alltid hamna i koefficient-
matrisen, oberoende av högerledet. Alltså går det inte
(1, 2, 1)·(1, 0, −1) = 1·1+2·0+1·(−1) = 1+0−1 = 0, att ändra systemets högerled så att det blir inkonsi-
stent.
vilket visar att vektorn n = (1, 2, 1) är ortogonal mot
båda linjernas riktningsvektorer som önskat. 2. Vi beräknar vektorprodukten
       
c) Ett plan som är parallellt med båda linjerna måste ha 1 −1 1·0−2·2 −4
en normalvektor som är ortogonal mot båda linjerna. u × ~v = 1 ×  2  = 2 · (−1) − 1 · 0 = −2 .
~
Vi har redan hittat en sådan vektor i n = (1, 2, 1). Om 2 0 1 · 2 − 1 · (−1) 3
(x0 , y0 , z0 ) är en punkt i planet kan planets ekvation För att bestämma den ortogonala projektionen av w
~ på ~
u
skrivas som använder vi formeln for projektion,
n · (x − x0 , y − y0 , z − z0 ) = 0, ~ ·~
w u
·~
u.
u| 2
|~
eller Vi har att skalärprodukten
n · (x, y, z) = d,    
−2 1
där d = n · (x0 , y0 , z0 ). För olika värden på d ger ~ ·~
w u =  1  · 1
detta plan som alla är parallella med båda linjerna. 3 2
Väljer vi en punkt på den ena linjen, exempelvis (x0 , y0 , z0 ) = = (−2) · 1 + 1 · 1 + 3 · 2 = −2 + 1 + 6 = 5,
(1, 1, 0) får vi ekvationen x+2y+z = 3 och väljer vi
en punkt på den andra linjen, exempelvis (x0 , y0 , z0 ) = och att kvadraten u |2 = 1 2 +
u är |~
av längden till vektorn ~
2 2
1 + 2 = 6. Detta ger att projektionen av w ~ ned på ~u är
(1, 0, 1) får vi ekvationen x + 2y + z = 2. Därmed
kommer ekvationerna x + 2y + z = d, för d mellan 2 5
5 6
och 3, alla ge plan som ligger mellan de båda linjerna. u =  56  .
·~
Vi kan till exempel välja d = 5/2. 6 5
3
4.1.4. 2011-09-12 3. För att bestämma en ekvation för planet behöver vi en nor-
malvektor, samt en punkt P i planet. Vi har att mittpunkten
1. a) Vi använder Gauss-Jordans metod för att överföra to- mellan A och B ligger i planet. Detta betyder att koordina-
talmatrisen för ekvationssystemet till reducerad trapp- −→
terna till P är A + 21 AB. Vi har att
stegsform.
     
1 −1 2

1 3 −1 3 4
 
r1
 −→ − −→ −→      
AB = OB − OA = 5 − 1 = 4 .
 3 7 3 9 2 ∼ r2 − 3r1 
  −4 2 −6
−1 2 −12 5 9 r3 + r1
    Detta ger att
1 3 −1 3 4 r1      
1 −1 1 0
∼ 0 −2 6 0 −10 ∼  − 2 r2  −−→ −→ 1 −→      
OP = OA + AB = 1 + 2 = 3
0 5 −13 8 13 r3 + 25 r2 2 2 −3 −1
r1 + 21 r3
   
1 3 −1 3 4 1 −→
∼ 0 1 −3 0 5  3
∼ r2 + 2 r2 
 n = 2 AB är en normalvektor till
Vi har också att vektorn ~
0 0 2 8 −12 1
r det sökta planet i och med att mittpunkten mellan A och B
2 3
    måste vara den punkt i planet som ligger närmast de båda
1 3 0 7 −2 r1 − 3r2 punkterna. Därmed har vi att en ekvation för planet är x +
∼ 0 1 0 12 −13 ∼  r2  2y − 3z + d = 0. Sätter vi in koordinaterna för punkten P ,
0 0 1 4 −6 r3 som skall satisfiera ekvationen, erhåller vi att
 
1 0 0 −29 37 d = 0 − 2 · 3 + 3 · (−1) = −9.
∼ 0 1 0 12 −13
0 0 1 4 −6 Alternativt kan vi använda avståndsformeln och skriva kvadra-
ten på avståndet från punkten med koordinater (x, y, z) till
Vi ser från den reducerade trappstegsformen att det de bägge punkterna som
finns en ledande etta för de tre variablerna x, y och
z. Däremot är w en fri variabel och vi kan sätta w = t (x + 1)2 + (y − 1)2 + (z − 2)2
där t är en reell parameter. De tre ekvationerna ger nu = x2 + y 2 + z 2 + 2x − 2y − 4z + 1 + 1 + 4
direkt att
x = 37 + 29t, respektive
y = −13 − 12t,
(x − 1)2 + (y − 5)2 + (z + 4)2
z = −6 − 4t.
= x2 + y 2 + z 2 − 2x − 10y + 8z + 1 + 25 + 16.
Därmed ges lösningsmängden av
Ställer vi dessa uttryck lika får vi
      

 x 37 29 
 4x + 8y − 12z − 36 = 0
 y  = −13 + t · −12 : t reellt tal .
      
  z   −6   −4   och vi kan dela med den gemensamma faktorn 4 för att få
samma ekvation som tidigare.
 
w 0 1
 
4.1.5. 2011-09-23 3. Linjen genom punkterna kan ges på parameterframställning
om vi hittar riktningsvektorn och en punkt på linjen. Vi kan
1. a) Vi kan sätta in den givna lösningen i de två ekvations-
välja någon av de givna punkterna som en punkt på linjen och
systemen och se vilket som är uppfyllt. Det är samma
vektorn mellan punkterna som riktningsvektor, ~ u. Vi får
koefficientmatris i de båda systemen och när vi sätter      
in t = 0 får vi (x1 , x2 , x3 , x4 ) = (7, −11, 14, 0) 4 1 3
och vänsterledet i första ekvationen blir därmed u = 0 − 1 =  −1 
~
1 1 0
1·7+(−2)·(−11)+(−2)·14+(−1)·0 = 7+22−28 = 1.
och linjen kan skrivas
Alltså är det inte en lösning till det vänstra systemet      
som har högerled −1 i första ekvationen. x 1 3
y  = 1 + t ·  −1  .
b) Vi använder Gauss-Jordans metod för att överföra to-
z 1 0
talmatrisen till reducerad trappstegsform.
    När vi sätter in detta i ekvationen för planet kan vi lösa ut vil-
1 −2 −2 −1 −1 r1 ket värde på parametern t som svarar mot skärningspunkten
 4 3 0 3 4  ∼ r2 − 4r1
 
mellan linjen och planet. Vi får ekvationen
3 −2 −3 0 0 r3 − 3r1
    1 + 3t + 2 · (1 − t) + 4 · 1 − 5 = 0 ⇐⇒ t + 2 = 0.
1 −2 −2 −1 −1 r1
∼ 0 11 8 7 8  ∼  11 r2 1 Alltså ges skärningspunkten av t = −2, dvs
4
0 4 3 3 3 r3 − 11 r2
       
x 1 3 −5
    y  = 1 − 2 ·  −1  =  3 
1 −2 −2 −1 −1 r1
∼  0 1 8 7 8 
∼ r2 − 8r3
  z 1 0 1
11 11 11
1 5 1 11r
0 0 11 11 11 3
   
1 −2 −2 −1 −1 r1 + 2r2 + 2r4.1.6.
3 2011-10-14
∼ 0 1 0 −3 0 ∼ r2 
0 0 1 5 1 r3 1. Vi utför Gauss-Jordan elimination på totalmatrisen till ekva-
  tionssystemet, och erhåller
1 0 0 3 1    
∼  0 1 0 −3 0  . 3 −7 −3 4 −r2
0 0 1 5 1 −1 4 2 4 ∼ r1 + 3r2 
1 1 1 a r2 + r3
Alltså är x4 en fri variabel och vi sätter x4 = t för en      
reell parameter. Sedan löser vi ut de ledande variab- 1 −4 −2 −4 r1 1 −4 −2 −4
lerna genom de tre ekvationerna och får x1 = 1 − 3t, ∼ 0  5 3 16 ∼
  r2  ∼ 0  5 3 16
x2 = 3t och x3 = 1 − 5t. Lösningsmängden kan 0 5 3 4+a r3 − r2 0 0 0 a − 12
därmed skrivas som Systemet är konsistent bara när det inte finns ledande etta i
      

 x1 1 −3 
 högerledet, dvs bara när a = 12.
x2  =  0  + t ·  3  : t reellt tal .
   
Med a = 12 kan vi fortsätta med Gauss-Jordans metod och
  
  x3   1   −5   får
 
x4 0 1
 
r1 + 54 r2 1 0 52 44
     
1 −4 −2 −4 5
−→ −→ 0 5 3 16 ∼ 1 ∼ 0 1 5 5  3 16
  r
5 2
 
2. a) Vi beräknar först vektorerna ~ u = AB och ~v = AC
0 0 0 0 r 3 0 0 0 0
genom
      Vi sätter den fria variabeln till en parameter och for lösningsmängden
1 2 −1
−→ − −→ −→ till
u = AB = OB−OA =  0 − 4  =  −4 
~  44 2 

 5 − 5t
1 −3 4

 16 − 3 t : t reellt tal .
5 5
och t
 
     
3 2 1
−→ − − → −→ 2. Vi vill skriva ~ u och w ~ som en linjärkombination av f~ och ~g .
~v = AC = OC−OA =  −2 − 4  =  −6 
I första fallet vill hitta skalärer a och b sådan att
3 −3 6        
1 0 2 2b
Vi beräknar sedan vektorprodukten som u =  1  = a·f~+b·~g = a  1 +b  0  =  a  .
~
    2 3 −5 3a − 5b
−1 1
u × ~v =  −4  ×  −6 
~ Koordinaterna till vektorerna ger ett ekvationssystem. Vi ser
4 6 av de två första koordinaterna till f~ och ~g , att den enda möjligheten
    är att välja a = 1 och b = 21 . Men, den tredje koordinaten i
(−4) · 6 − 4 · (−6) 0
= 4 · 1 − (−1) · 6  =  10  1 · f~ + 12 · ~g blir 3a − 5b = 3 − 52 = 12 , vilket inte är tredje
(−1) · (−6) − 1 · (−4) 10 koordinaten i ~ u. Detta betyder att ~ u inte kan skrivas som en
linjärkombination av f~ och ~g . På samma sätt ser vi att för att
b) Arean av triangeln ges av halva längden av ~ u × ~v . skriva w ~ som en linjärkombination av f~ och ~g så måste vi
Längden av vektorn ges av välja a = 2 och b = 1. Vi erhåller att
p √  
02 + 102 + 102 = 10 2. 2
√ 2 · f~ + ~g = 2 = w. ~
Därmed är arean av triangeln 5 2 areaenheter. 1
3. För att bestämma en ekvation för planet behöver vi en nor- b) I och med att linjens riktningsvektor måste vara pa-
malvektor i tillägg till någon punkt. Det sökta planet skall in- rallell med båda planen är den vinkelrät mot båda pla-
T
nens normalvektorer. Vi kan välja vilken nollskild vek-

nehålla linjen, och specielt riktningsvektorn ~v = −1 −1 1 .
Planet skall också innehålla vektorn QP ~ , där Q är någon tor som helst som är parallell med linjen som rikt-
punkt på linjen, t.ex. Q = (1, 2, 3). Detta ger att QP ~ = ningsvektor och därmed kan vi speciellt välja vektor-
T produkten av normalvektorerna.
1 1 −3 . En normalvektor till planet ges av kryss-
produkten av dessa två vektorer 3. För att linjen (x, y, z) = (t,
12t,
3t) ska ligga i planet måste
        dess riktningsvektor, ~ u = 2 , vara ortogonal mot planets
−1 1 −1 · (−3) − 1 · 1 2 3
~ = −1× 1  = 1 · 1 − (−1) · (−3) = −2 .
~v ×QP normalvektor. Detsamma gäller för att linjen ska vara paral-
1 −3 (−1) · 1 − (−1) · 1 0 lell med planet,
vilket ger att den andra linjens riktningsvek-
1
tor, ~v = −1 . Därmed kan vi få planets normalvektor ~
n
En ekvation för planet ges då av 2x − 2y + d = 0. Insätter vi −1
koordinaterna till punkten P som skall ingå i planet erhåller som vektorprodukten av de bägge riktningsvektorerna. Detta
vi att d = 2. Ekvationen blir då 2x−2y +2 = 0, men vi kan ger
förenkla den genom att dela med −4 och får då x − y + 1 =     
1 1 2 · (−1) − 3 · (−1)
  
1
0. ~n = 2 × −1 =
     3 · 1 − 1 · (−1)  =  4  .
3 −1 1 · (−1) − 2 · 1 −3
4.1.7. 2011-12-08 Alltså kan planets ekvation skrivas som x + 4y − 3z =
1. a) Vi använder Gauss-Jordans metod för att bestämma d för någon konstant d. Eftersom planet ska innehålla lin-
den reducerade trappstegsformen av matrisen. Vi får jen (x, y, z) = (t, 2t, 3t) innehåller det speciellt origo och
därmed måste konstanten vara noll.
   1 
2 1 2 1 r
2 1
 0 0 1 −2  r2 
 
4.1.8. 2012-01-30
 ∼ 
 2 1 3 −1  r3 − r1 
−4 −2 −8 3 r4 + 2r1 1. a)
   
1 21 1 1 1 1 1 1 1 1 r1
   
1 2
r 1 − r2
0 0 1 −2  r2 
   1 2 1 2 1 2 1  ∼ r2 − r1 
∼ ∼ 3 − r1
1 2 2 1 2 2 1  r

0 0 1 −2  r3 − r2  
0 0 −4 5 r4 + 4r2 1 1 1 1 1 1 1 r1 − r2
∼ 0 1 0 1 0 1 0  ∼  r2 
1 5 r1 + 56 r4 1 12
     
1 2 0 0 0 1 0  r3 − r2 
2
0 0 1 −2 r2 − 2 r4  0 0  0 1 1 0 1
1 0 1 0 1 0 1 0 1 r1 − r3
∼ ∼ 3 ∼ 
0 0 0 0  − 31 r4  0 0 0 1 ∼ 0 1 0 1 0 1 0  ∼  r2 
0 0 0 −3 r3 0 0 0 0 −1
 0 0 1 1 0 0  r3
1 0 0 1 0 0 1
Detta är den reducerade trappstegsformen i och med ∼ 0 1 0 1 0 1 0 
att det är nollor både ovanför och nedanför de ledande 0 0 1 −1 1 0 0
ettorna som står längre och längre till höger längre ned
i matrisen. Vi får tre fria variabler som svarar mot de tre sista ko-
lonnerna i koefficientmatrisen. Vi inför en parameter
b) Den givna matrisen är redan på reducerad trappstegs-
för var och en av dessa och får då x4 = r, x5 = s,
form och den har två ledande ettor, en i varje nollskild
x6 = t och därefter
rad. Därmed är rangen, som är lika med antalet ledan-
de ettor, två för denna matris. x1 = 1 − r, x2 = −r − t och x3 = r − s.
2. a) Vi kan finna skärningen genom att hitta de gemensam- Vi kan nu uttrycka lösningsmängden som
ma lösningarna till de två ekvationerna, dvs genom att 
1−r 

lösa ekvationssystemet
 
−r − t

 


   

 r−s 
  
2x − 4y + 5z = 2,  : r, s, t reella tal .
r

2x −
   
y + 2z = 5. 

 s 




 

Vi kan göra det genom att använda Gauss-Jordans me- t
tod på totalmatrisen för ekvationssystemet och får då: b) När vi ändrar högerledet genom att multiplicera hela
1 högerledet med samma faktor a kommer detta att gälla
2 −4 5 2 r
2 1
∼ genom hela beräkningen och den reducerade matrisen
2 −1 2 5 r2 − r1
blir lika så när som på att högerledet är multiplicerat
5 r1 + 23 r2 1

1 −2 1 1 0 3 med a. Det innebär att lösningsmängden bara ändras
∼ 2 ∼ 1 ∼ 2
0 3 −3 3 r
3 2
0 1 −1 1 när det gäller konstanttermen och vi får
a−r 
 
Vi har fått en fri variabel, z, och ansätter en parameter  
−r − t
 
för denna. Detta ger z = t, y = 1+t och x = 3− 12 t.

 

 
 r−s 
  
Parameterframställningen av linjen är därmed  : r, s, t rella tal .
 r 

 

  s  
1 
 

(x, y, z) = (3, 1, 0) + t · (− , 1, 1). 
t

2
Alltså ändras lösningsmängden bara genom att kon- 4.1.9. 2012-09-10
stantdelen multipliceras med samma konstant a.
1. a) Med x = 0 och w = 1 har vi ekvationssystemet
2. a) Vektorerna ~
u och ~v ges av
−13y + 2z − 7 = 5,
6y − z + 11 = 3.
   
1 3
−→   −
−→  
u = OA = 2
~ och ~v = OB = 1 . Detta ekvationssystem, i två okända, skriver vi som matri-
−3 0
sekvationen
Vektorprodukten ges nu av

−13 2 12 y
= .
        6 −1 −8 z
1 3 2 · 0 − (−3) · 1 3
u×~v =  2 ×1 = (−3) · 3 − 1 · 0 = −9 .
~ Matrisen är inverterbar, med determinant 1, och vi har att sy-
−3 0 1·1−2·3 −5 stemet har den unika lösningen

Vi kan kontrollera räkningarna genom att se att skalärprodukten y 1 −1 −2 12 4
= = .
av denna vektor med vektorerna ~ u och ~v är noll: z 1 −6 −13 −8 32
  
3 1 b) Ett ekvationssystem i fler okända än antalet ekvationer har
−9· 2  = 3·1−9·2−5·(−3) = 3−18+15 = 0 antingen ingen lösning, eller oändligt många lösningar. Vi har
−5 −3 hittat en lösning, nämligen (0, 4, 32, 1), och därför finns det
oändligt många lösningar.
och
    c) Med y = −2x och w = −3x blir systemet
3 3
−9 · 1 = 3 · 3 − 9 · 1 − 5 · 0 = 9 − 9 − 0 = 0. 17x + 26x + 2z − 21x = 64x + 2z = 5,
−5 0 13x − 12x − z − 33x = −32x − z = 3.
Då −2 · 3 = −6 och inte 5, har systemet ingen lösning.
b) För att beräkna volymen av tetraedern beräknar vi först
trippelprodukten ~ u × ~v · w,
~ dvs 2. a) Vi har att      
    4 −1 2
3 0 2 × −2 = −4 ,
−9 × 2 = 3 · 0 − 9 · 2 − 5 · 1 = −23.
0 1 −6
−5 1
och vi har att
Volymen av tetraedern ges nu av en sjättedel av absol-    
4 2
utbeloppet, dvs 16 | − 23| = 23
6
. 2 · −4 = 8 − 8 = 0,
3. a) En normalvektor till planet kan vi läsa av genom ko- 0 −6
efficienterna i ekvationen och får    
−1 2
 
3 −2 · −4 = −2 + 8 − 6 = 0.
n = 4 .
~ 1 −6
5 u × ~v är vinkelrät mot ~
Så vektorn ~ u och ~v .
Vi kan projicera vektorn ~
u på ~
n genom b) Vi kan välja w
~ =~u × ~v . Vektorn ~
u × ~v är noll-skilld, och
~ ·w
därmed vill w ~ > 0.
   
2 3 u × ~v är normal till det plan som spänns upp av
c) Vi vet att ~
1 · 4   vektorerna u och v. De sökta vektorerna är därmed
3 5 3
u·~
~ n  
Proj~n ~
u= n =     4
~ 4t − s
n·~
~ n 3 3 5 ~ = 2t − 2s ,
w
4 · 4 s
5 5
      med skalärer s, t.
3 3 3
2·3+1·4+3·5   25   1   
= 4 = 4 = 4 . 3
3·3+4·4+5·5 5 50 5 2 5 ~
3. a) Linjen ` = A + t~v , där ~v = AB = −1. Riktnings-
5
b) För att skriva ~
u som en summa av en vektor som ligger vektorn ~v är en normalvektor för det sökta planet, som ges av
i planet och en som är vinkelrät mot kan vi använda en ekvation på formen
resultatet från del (a). Vi har att skillnaden
3x − y + 5z + d = 0.
     
2 3 1
1  1  Insätter vi A = (1, 2, −3) i planets ekvation får vi
u − Proj~n ~
~ u= 1 −
  4 = −2
3 2 5 2 1 3 − 2 − 15 + d = 0,
är ortogonal mot ~

n och därmed ligger i planet. Därmed vilket ger d = 14.
kan vi skriva ~
u=~ uH + ~ uN där b) Avståndet mellan punkten B = (4, 1, 2) och planet ges
    av uttrycket
1 3
1  1  √
~
uH = −2 och ~ uN = 4 . 3 · 4 − 1 · 1 + 5 · 2 + 14
2 1 2 5 | √ |= 35.
9 + 1 + 25
 
4.1.10. 2012-09-19  2t 
3. a) Vi har att planet W =  4s  , och vill hitta en
1. a) Totalmatrisen till systemet är 
t + 2s

  ekvation för W . Planet går genom origo, och en ekvation är
1 2 2 1 0 därmed på formen ax + by + cz = 0. Vi behöver  bara hitta
2 3 3 2 3 . 2
3 1 3 4 12 en normalvektor för planet W . Vektorerna ~ u = 0 och
1
Vi adderar -2 rad 1 till rad 2, och sedan adderar vi -3 rad 1 till  
0
rad 3. Detta ger matrisen
~v = 4 är med i planet. Därför är

1 2 2 1 0
 2
0 −1 −1 0 3 .      
2 0 −4
0 −5 −3 1 12
u × ~v = 0 × 4 = −4
~
Vi multiplicerar rad 2 med -1. Och därefter tar vi och adderar 1 2 8
-2 rad 2 till rad 1, och 5 rad 2 till rad 3. Detta ger En ekvation för planet är x + y − 2z = 0.

1 0 0 1 6
 b) Skärningen ges som lösningsmängden till ekvationssyste-
0 1 1 0 −3 . met som ges av 3x + 2y + z = 0 och x + y − 2z = 0.
0 0 2 1 −3 Totalmatrisen till ekvationssystemet är

1 1 −2
Vi multiplicerar tredje raden med 12 , och sedan tar vi och 3 2 1
.
adderar -1 rad 3 till rad 2. Detta ger
  Den reducerada trappstegsformen får vi efter att addera -1 rad
1 0 0 1 6 1 till rad 2. Sedan multiplicera rad 2 med -1. Slutligen addera
0 1 0 − 21 3
−2 . -1 rad 2 till rad 1. Detta ger
1
0 0 1 2
− 23
1 0 5
.
Detta är den reducerade trappstegsformen till matrisen. 0 1 −7
b) Lösningsmängden till ekvationssystemet kan vi läsa ut av Lösningsmängden ges som
den reducerade trappstegsformen. Vi har att x4 = t, med   
godtyckliga tal t, och att x3 = − 23 − 2t , x2 = − 32 + 2t , och  −5t 
x1 = 6 − t. Alltså ges lösningsmängden av  7t  : t reellt tal .
t
 
  
 6−t 
 3
 t

− 23 + 2t  : t reellt tal .

4.1.11. 2012-12-06
− − 
2 2

 


t
 1. Totalmatrisen till systemet är
 
1 −2 −1
c) Av den reducerade trappstegsformen ser vi att matrisen −1 2 3 .
har maximal rang 3, och då vill ekvationssystemet alltid ha 3 −6 −7
lösning.
    Vi adderar rad 1 till rad 2, och sedan adderar vi -3 rad 1 till
−1 1 rad 3. Detta ger matrisen
−→   −→  
2. a) Vi har att AB = −3 och att AC = −1 . Detta ger  
−3 −2 1 −2 −1
att       0 0 2 .
−1 −1 3 0 0 −4
−→ −→      
AB × AC = −3 × −3 = −5 .
−3 −3 4 Lösningarna till ekvationssystemet kan vi nu utläsa som z =
0, y = t och x = 2t, där t är godtyckligt.
 
2
−
−→   2. Vi söker en punkt C = (p, q) som ligger på linjen `, dvs
b) Vi har att BC = 2 , vilket ger att p − q + 2 = 0. Med andra ord har vi att q = p + 2. Punkten
1 ~ = (p, q) är vinkelrät mot
C skall vara sådan att vektorn AC
    vektorn BC~ = (p − 10, q). Detta betyder att
3 2
−→ −→ − −→    
(AB × AC) · BC = −5 · 2 = 6 − 10 + 4 = 0.
p p − 10

4 1 · = p2 − 10p + q 2 = 0.
q q
c) Om vi tar tre punkt A, B och C i rummet, då har vi att Vi har att q = p + 2, vilket ger att q 2 = p2 + 4p + 4. Insätter
vi detta i andragrads ekvationen, erhåller vi
−→ − −→ −→
AB + BC = AC.
0 = p2 − 10p + p2 + 4p + 4 = 2p2 − 6p + 4.
−−→ −→ −→ −→ −→
Detta betyder att BC är AC − AB. Vektorn AB × AC är Vi har att
−→ −→
ortogonal på AB och AC, och då också ortogonal på varje
−→ −→ 3 2 9
linjär kombination av AB och AC. p2 − 3p + 2 = (p − ) +2− ,
2 4
vilket ger att lösningarna till andragrads ekvationen ges av Nu ser vi att om a2 − 1 6= 0 då har vi en matris som har rang
3. Specielt vill en sådan matris ge en unik lösning, oberoende
3 1
p− =± . av värderna på högerledet. Om istället a2 − 1 = 0, då har
2 2 systemet uppenbarligen ingen lösning.
Detta ger två möjligheter för den sökta punkten C, nämligen
2. a) Area ges av uttrycket 1 ~ × OQ.
| OP ~
2
C1 = (2, 4) och C2 = (1, 3). b) Vi tänker oss att punkten C är origo
  i triangeln. Vi har
2 −2
Båda punkterna fungerar som lösning. ~ = 3 och CB ~ =  3 . Detta ger att
vektorerna CA
3. a) Vi vill bestämma s och t sådan att 1 −1
       
3 1 3 1  
−6
 3  = 1 + s 1 + t 0 . ~ ~
CA × CB =  0  .
−4 0 0 1 12
Av den tredje raden ser vi att t = −4, och av den andra raden
~ × CB
Längden till vektorn CA ~ är
får vi att s = 2. Vi ser också att dessa värden är satisfierade
i rad 1 (3 · 2 − 4 + 1 = 3). Detta betyder att punkten Q =  
(3, 3, −4) är i planet. −1 √ √
| 6  0  | = 6 1 + 0 + 4 = 6 5.
b) Om vi nu försöker bestämma lösningarna till ekvationssy- 2
stemet
√
       
4 1 3 1
4 = 1 + s 1 + t 0 , Arean av triangeln blir därmed 3 5.
4 0 0 1 3. a) Planet innehåller vektorerna
så ser vi av den tredje raden att t = 4, och av den andra raden    
att s = 3. Men dessa värden satisfierar inte den första raden, 2 0
då ~
P Q = 0 och ~
P R = −2 .
3 · 3 + 4 + 1 6= 4. 1 2
Detta betyder att punkten R = (4, 4, 4) inte ligger i planet. En normal för planet är
c) Vi bestämmer först en normalvektor
 till planet. Planet som      
2 0 2

3s + t
går genom origo, och är på formen  s , skalärer s och ~ ~
n = P Q × P R = 0 × −2 = −4 .
~
t 1 2 −4
t, är parallell med det ursprungliga planet. Vi har att punkter-
na (3, 1, 0) och (1, 0, 1) ligger i planet, och därmed har vi En ekvation för planet är på formen x − 2y − 2z + d = 0,
att en normalvektor är där talet d bestäms vid insättning. Insätter vi koordinaterna
      för punkten P får vi
3 1 1
n = 1 × 0 = −3 .
~ 0 − 2 − 0 + d = 0.
0 1 −1
En ekvation för plan med denna normalvektor ser ut som b) Om de tre punktern lå på en och samma linje då ville vek-
torn P~Q vara parallell med vektorn P~R. Vilket inte är fallet.
x − 3y − z + d = 0.
Talet d bestämmer vi vid insättning av någon punkt som pla- 4.2. Kontrollskrivningar 2
net innehåller, t.ex. punkten (1, 1, 0). Detta ger d = 2.
4.2.1. 2010-09-27
4.1.12. 2013-01-28 1. De sökta dimensionerna påverkas inte av elementära radope-
1. Systemet har totalmatris rationer. Använd första raden för att få inledande nollor i de
  övriga raderna:
2 9 4 1+a
−2 7 −2 a − 1 .

1 0 −1 1
 
r1
 
1 0 −1 1

2 1 a2 + 2 2 −2 1 2 1  r2 + 2r1  0 1 0 3 
     
−3 −3 −1 −1 ∼ r3 + 3r1  ∼ 0 −3 −4 2 
Vi adderar rad 1 till rad 2, och sedan adderar vi -1 rad 1 till   
 3 2 1 −2 r4 − 3r1  0 2 4 −5
  
rad 3. Och sedan delar vi rad 2 med talet 2. Nu ser matrisen 1 4 3 2 r5 − r1 0 4 4 1
ut som  
2 9 4 1+a
0 Använd nu andra raden för att få så många nollor som möjligt
8 1 a .
i den andra kolumnen:
0 −8 a2 − 2 1 − a
     
Addera slutligen rad 2 till rad 3, och vi har följande övretriangulär 1 0 −1 1 r1 1 0 −1 1
matris 0 1 0 3   r2  0 1 0 3 
       
2 9 4 1+a 0 −3 −4 2  ∼ r3 + 3r2  ∼ 0 0 −4 11 
     
0 8 1 a . 0 2 4 −5 r4 − 2r2  0 0 4 −11
0 0 a2 − 1 1 0 4 4 1 r5 − 4r2 0 0 4 −11
Genom att använda den tredje raden får vi enbart nollor på de och
sista två raderna:
e2 · n (0, 1) · (2, −1)

1 0 −1 1
 
r1
 
1 0 −1 1
 T (e2 ) = e2 − 2 n = (0, 1) − 2 (2, −1)
||n||2 ||(2, −1)||2
0 1 0 3  
  r2  0 1 0
  3 
0 0 −4 11  ∼  − 1 r3  ∼ 0 0 1 −11/4
  −1 4 3
  4 = (0, 1) − 2 (2, −1) = ( , ).

0 0 4 −11 r4 + r3  0 0 0
 
0 
 5 5 5
0 0 4 −11 r5 + r3 0 0 0 0 Alltså ges standardmatrisen för avbildningen T av
3 4
 
Denna matris är på trappstegsform, och vi noterar att vi har −
tre nollskilda rader. Radrummet har alltså dimension 3, och 5 5  = 1 −3 4

A= .
nollrummet har dimension 4 − 3 = 1. Enligt känd sats har  4 3  5 4 3
kolonnrummet samma dimension som radrummet, alltså 3. 5 5
Allt detta gäller även den ursprungliga matrisen.
2. Med skalan 1 ruta = 1 enhet får vi att u = (1, 3), v = T(u) v

(−3, 1), och P = (−5, 1).
T(v)
Koordinaterna för P i basen B ges nu av (x, y) där
x(1, 3) + y(−3, 1) = (−5, 1)

u
vilket ger oss ekvationssystemet O

x − 3y = −5
3x + y = 1 Figur av speglingen med u = 5e1 och v = 5e2 .
Med Gauss-Jordans metod på totalmatrisen för systemet får

vi 4.2.2. 2011-01-28

1 −3 −5

r1
1. a) Mängden V , som är en delmängd av R3 , är ett under-
∼ rum (eller delrum) i R3 om det för varje par av vekto-
3 1 1 r2 − 3r1
3
rer u och v i V och varje skalär k gäller att de båda
− 15

1 −3 −5 r1 + 10 r2 1 0 vektorerna u + v och k · u ligger i V .
∼ ∼ 1 ∼ 8
0 10 16 r
10 2
0 1 5 Antag alltså att u = (u1 , u2 , u3 ) och v = (v1 , v2 , v3 )
är två vektorer som båda ligger i V , dvs uppfyller
Alltså ges lösningen av (x, y) = (− 15 , 58 ), vilket är koordi-
u1 + u2 + u3 = 0 och v1 + v2 + v3 = 0, samt
naterna för P med avseende på basen B.
att k är en skalär (reellt tal). Låt w = u + v och
q = k · u. Vi ska visa att både w och q ligger i V .
u Vi har att
       
P v w1 u1 v1 u1 + v1
w = w2 = u2 + v2 = u2 + v2  ,
      
w3 u3 v3 u3 + v3
O
så vi får att
w1 + w2 + w3 = u1 + v1 + u2 + v2 + u3 + v3
Uppdelningen av ortsvektorn OP i komposanter u-led och v-led. = (u1 + u2 + u3 ) + (v1 + v2 + v3 ) = 0 + 0 = 0
vilket visar att w ligger i V .

3. I formeln för speglingen krävs att vi känner till en normalvek- Vidare har vi har att
tor för linjen. Om vi skriver om ekvationen som 2x − y = 0      
q1 u1 ku1
kan vi se att koefficienterna ger koordinaterna för en normal-
q = q2 = k · u2 = ku2  ,
vektor och vi kan sätta n = (2, −1). Vi får då att ||n||2 =
    
q3 u3 ku3
n · n = 22 + (−1)2 = 5.
För att bestämma standardmatrisen för avbildningen kan vi så vi får att
se på hur avbildningen behandlar standardbasvektorerna ef-
tersom bilden av dessa ger kolonnerna i standardmatrisen. q1 +q2 +q3 = ku1 +ku2 +ku3 = k(u1 +u2 +u3 ) = k 0 = 0,
Med e1 = (1, 0) och e2 = (0, 1) får vi nu med hjälp av vilket visar att även q ligger i V . Därmed är V ett
formeln för speglingen att underrum.
b) Att B = { u1 , u2 } = { (1, 0, −1), (1, −1, 0) }
e1 · n (1, 0) · (2, −1)
T (e1 ) = e1 − 2 n = (1, 0) − 2 (2, −1) är en bas till underrummet V innebär att varje vektor
||n||2 ||(2, −1)||2 v som ligger i V på ett entydigt sätt kan skrivas på
2 −3 4 formen v = c1 · u1 + c2 · u2 , där skalärerna c1 och
= (1, 0) − 2 (2, −1) = ( , )
5 5 5 c2 är koordinaterna för v i den givna basen B.
Speciellt bestäms koordinaterna c1 och c2 för vektorn Man kan konstatera att denna basvektor (1, −1, 2) för
v = (1, −2, 1) ur villkoret radrummet till A är ortogonal mot var och en av de
      bägge basvektorerna (1, 1, 0) och (−2, 0, 1) för noll-
1 1 1 rummet till A. Detta är som det ska, eftersom nollrum
−2 = c1 ·  0  + c2 · −1 . och radrum är ortogonala komplement till varandra.
1 −1 0 (Radrummet består av alla linjärkombinationer av ra-
derna i A medan nollrummet består av alla vektorer
Detta är ett linjärt ekvationssystem, i de obekanta c1 som är vinkelräta mot alla rader i A).
och c2 , med totalmatrisen
b) Nu överför vi, medelst elementära radoperationer, ma-

1 1 1
 trisen AT till reducerad trappstegsform.
−1 −2  ,
 0    
1 −3 1 −3
−1 0 1 T
A = −1  3  −→  0 0  = R̃
som med några elementära radoperationer överförs till 2 −6 0 0
  R̃ har erhållit genom att första raden i AT har adderat
1 0 −1 till andra raden i AT och (-2) gånger första raden i AT
 0 1 2 . har adderat till tredje raden i AT . R̃ är på reducerad
0 0 0 trappstegsform med enbart en trappstegsetta.
Ur denna totalmatris på reducerade trappstegsformen Nollrummen till AT och R̃ är desamma. Den fullständiga
kan vi läsa av att c1 = −1 och c2 = 2, vilket alltså lösningen till R̃u = 0 erhålls genom att sätta den
är de sökta koordinaterna för v. “fria” variabeln u2 till t och sedan uttrycka den “bund-
Anmärkning: Vi kunde (och borde kanske) ha börjat na” variabeln u1 i t. Detta ger att (u1 , u2 ) = (3t, t) =
med att kontrollera att den givna vektorn v ligger i V , t · (3, 1), ur vilket följer att vektorn (3, 1) utgör en bas
genom att konstatera att v1 + v2 + v3 = 1 − 2 + för nollrummet till R̃, och därmed även för nollrum-
1 = 0. Men eftersom ekvationssystemet ovan hade met till AT .
lösning kan vi ändå dra slutsatsen att v ligger i V . Om Radrummen till AT och R̃ är också desamma. De
vi hade försökt bestämma koordinaterna för en vektor nollskilda raderna i R̃ utgör en bas till radrummet för
som inte ligger i V , t ex (1, −1, 1), så hade tredje R̃, och därmed även för radrummet till AT . I detta
högerledet i den sista totalmatrisen ovan blivit 6= 0. fall utgör alltså den ensamma vektorn (1, −3) en bas
för radrummet till AT . Men radrummet för AT är ek-
2. Vi ska lösa uppgiften med en generell metodik, även om det
vivalent med kolonnrummet för A, vilket innebär att
för denna lilla matris går att hitta vissa av baserna på ett
vektorn (1, −3) utgör en bas även för kolonnrummet
enklare sätt.
till A.
a) Vi startar med att medelst elementära radoperationer
Man kan konstatera att denna basvektor (1, −3) för
överföra den givna matrisen A till reducerad trapp-
radrummet till AT (och kolonnrummet till A) är or-
stegsform (Gauss-Jordans metod.)
togonal mot basvektorn (3, 1) för nollrummet till AT .

1 −1 2

1 −1 2
Detta är igen som det ska. (Kolonnrummet till A består
A= −→ =R av alla linjärkombinationer av kolonnerna i A medan
−3 3 −6 0 0 0
nollrummet till AT består av alla vektorer som är vin-
Matrisen R har erhållits genom att 3 gånger första ra- kelräta mot alla kolonner i A).
den i A har adderat till andra raden i A. Anmärkning: Ett alternativt sätt att bestämma en bas
Matrisen R är på reducerad trappstegsform med en- för kolonnrummet till A är att välja ut de kolonner
bart en trappstegsetta. i A som svarar mot “trappstegsettor” i R från (a)-
Nollrummet till en matris påverkas inte av elementära uppgiften. Det leder till att första kolonnen i A utgör
radoperationer, så nollrummen till A och R är desam- en bas för kolonnrummet till A, med samma svar som
ma. Den fullständiga lösningen till systemet Rx = 0 ovan. På motsvarande sätt kan man bestämma en bas
erhålls genom att sätta de “fria” variablerna x2 och för kolonnrummet till AT (och därmed även för rad-
x3 till t respektive s, och sedan uttrycka den “bund- rummet till A) genom att välja ut de kolonner i AT
na” variabeln x1 i t och s. Detta ger att som svarar mot trappstegsettor i R̃. Även det ger sam-
(x1 , x2 , x3 ) = (t − 2s, t, s) = t · (1, 1, 0) + s · ma svar som ovan (i detta exempel).
(−2, 0, 1).
3. a) Eftersom rotationen är en linjär avbildning kan vi skri-
Ur detta följer att de båda vektorerna (1, 1, 0) och va upp standardmatrisen för avbildningen om vi känner
(−2, 0, 1) utgör en bas för nollrummet till matrisen till bilden av standardbasvektorerna. I detta fall kom-
R, och därmed utgör de en bas även för nollrummet mer ex att roteras till ey och ey till −ex , förutsatt att
till matrisen A. koordinatsystemet är högerorienterat. Alltså ges första
Radrummet till en matris påverkar inte heller av ele- kolonnen av (0, 1) och andra av (−1, 0). Standardma-
mentära radoperationer, så radrummen till de bägge trisen ges av

matriserna A och R är desamma. De nollskilda ra- 0 −1
A= .
derna i matrisen R (som är på trappstegsform) är all- 1 0
tid linjärt oberoende och utgör en bas till radrummet
för R, och därmed även till radrummet för A. I detta b) På samma sätt som i första deluppgiften behöver vi
fall utgör alltså den ensamma vektorn (1, −1, 2) en bestämma bilderna av basvektorerna. Denna gång speglas
bas för radrummet till A ex till −ey och ey speglas till −ex . Vi får därmed
standardmatrisen b) För att hitta en ekvation för planet W som går genom
origo räcker det att hitta en normalvektor. Denna nor-

0 −1
B= . malvektor ska vara ortogonal mot alla vektorer i W
−1 0
och vi kan få en sådan genom att bilda kryssproduk-
c) Standardmatrisen för sammansättningen ges av maten av två vektorer som ligger i W , till exempel de två
trisprodukten av de båda standardmatriserna för T1 givna vektorna u = (3, 1, 2) och v = (1, 1, 3). Vi
och T2 . Vi får därmed standardmatrisen får

0 −1 0 −1
C = BA =    
−1 0 1 0 1·3−2·1 1

0·0−1·1 0 · (−1) − 1 · 0

−1 0
n = u × v = 2 · 1 − 3 · 3 = −7 .

= = . 3·1−1·1 2
−1 · 0 + 0 · 1 −1 · (−1) + 0 · 0 0 1
d) Eftersom den andra basvektorn bevaras är det en speg- En ekvation för planet ges därmed av x−7y+2z = 0.
ling i y-axeln.
4.2.3. 2011-02-14 3. De tre vektorerna g1 = (1, 2, 3), g2 = (0, 1, 1) och g3 =

(1, 0, 1) är linjärt beroende som vi kan se genom Gausseli-
1. a) Eftersom det är två vektorer och R2 är tvådimensionellt mination på matrisen med dessa som kolonner:
är det samma sak att kolla att de utgör en bas som att
kolla att de är linjärt oberoende. Detta kan vi exempel-    
vis göra genom att beräkna determinanten av matrisen 1 2 3 r1
med dessa vektorer som rader. Vi får  0 1 1  ∼  r2 

1 2

1 0 1 r3 −r1
= 1 · 1 − 2 · 1 = −1
   
det 1 2 3 r1 − 2r2 1 0 1
1 1
∼ 0 1 1  ∼  r2  ∼  0 1 1 
och eftersom determinanten är skild från noll är vek- 0 −2 −2 r3 + 2r2 0 0 0
torerna linjärt oberoende och utgör en bas för R2 .
b) Vi kan skriva up basbytesmatrisen från basen B till Genom att se på nollrummet till denna matris ser vi att de
standardbasen som tre vektorerna alla är ortogonal mot vektorn (1, 1, −1) ligger

1 1 därmed i planet med ekvation x + y − z = 0.
P =
2 1
Om (x0 , y 0 ) avser koordinaterna med avseende på ba- Å andra sidan är matrisen som ger relationen mellan f1 , f2 ,
sen B får vi därmed att f3 med vektorerna g1 , g2 , g3 inverterbar, eftersom
1 1 x0

x
= 
1 2 −1 1 0
 
0 r1

y 2 1 y0
1 3 −2 0 0 ∼  r2 − r1 
1
När vi nu sätter in detta i ekvationen för linjen får vi 2 1 2 0 1 0 r3 − 2r1
2x−y = 1 ⇐⇒ 2(x0 +y 0 )−(2x0 +y 0 ) = 1 ⇐⇒ y 0 = 1. 
1 2 −1 1 0 0
 
r1 − 2r2

2. a) Eftersom f1 = (1, 2) och f2 = (1, 1) inte är paral- ∼ 0 1 −1 −1 1 0 ∼   r2 

lella är de linjärt oberoende och utgör en bas för R2 0 −3 4 −2 0 1 r3 + 3r2
   
och vi kan använda basbytesmatrisen för att uttrycka 1 0 1 3 −2 0 r1 − r3
standardbasvektorerna i denna bas. ∼ 0 1 −1 −1 1 0 ∼ r2 + r3 
 
0 0 1 −5 3 1 r3

1 1 1 0 r1
∼
2 1 0 1 r2 − 2r1 
1 0 0 8 −5 −1

∼ 0 1 0 −6 4 1 .

1 1 1 0 r + r2 1 0 −1 1
∼ ∼ 1 ∼ 0 0 1 −5 3 1
0 −1 −2 1 −r2 0 1 2 −1
Med andra ord kan vi skriva e1 = −f1 + 2f2 och
e2 = f1 − f2 . Alltså kan vi uttrycka vektorerna u, v och w som
Därmed kan vi beräkna bilderna av standardbasvekto- 
rerna under avbildningen T som  u = 8g1 − 5g2 − g3
T (e1 ) = T (−f1 + 2f2 ) = −T (f1 ) + 2T (f2 ) v = −6g1 + 4g2 + g3
w = −5g1 + 3g2 + g3

= −(3, 1, 2) + 2(1, 1, 3) = (−1, 1, 4)
och vilket visar att de också ligger i planet med ekvation x + y −

z = 0.
T (e2 ) = T (f1 − f2 ) = T (f1 ) − T (f2 )
= (3, 1, 2) − (1, 1, 3) = (2, 0, −1).
Dessa vektorer utgör kolonnerna i standardmatrisen
för T som därmed är 4.2.4. 2011-09-26
 
−1 2
A= 1 0 . 1. Matrisen för den inversa avbildningen ges av inversmatri-
4 −1 sen till A. Vi bestämmer inversmatrisen genom att använda
Gauss-Jordans metod på totalmatrisen [ A I3 ] och får då En ekvation för planet genom origo med normal vek-
    n är x − 2y − z = 0.
tor ~
0 3 2 1 0 0 r3
2 −5 1 0 1 0 ∼ r2 − 2r3  3. För att bestämma alla linjära relationer kan vi först omvandla
1 5 6 0 0 1 r1 matrisen med vektorerna som kolonner till reducerad trapp-
stegsform med hjälp av Gauss-Jordans metod. Vi får
r1 − 53 r3
   
1 5 6 0 0 1
∼ 0 −15 −11 0 1 −2 ∼  r3  
1 1 2 3
 
r1

0 3 2 1 0 0 r2 + 5r3
 ∼  r2 − r1 
 1 2 3 5  


1 0 8
− 35 0 1
 
r1 + 83 r3
 −1 2 2 3  r3 + r1 
3
∼ 0 −15 −11 0 1 −2 ∼ r2 − 11r3  2 −1 0 0 r4 − 2r1
0 0 −1 5 1 −2 −r3
   
1 1 2 3 r1 − r2
 35 8 13
   0 1 1 2  r2 
1 0 0 − r1
 
3 3 3 ∼ ∼ 
∼ 0 −15 0 −55 −10
 1
20 ∼ − 15 r2 
  0 3 4 6 r3 − 3r2 
0 0 1 −5 −1 2 r3 0 −3 −4 −6 r4 + 3r2
     

1 0 0 35 8
−3 13  1 0 1 1 r1 − r3 1 0 0 1
3 3
 ∼ r2 − r3  ∼ 0 1 0 2 .
11 2 0 1 1 2
∼ 0 1 0 − 43 
   
3 3 ∼ 0 0 1 0  r3  0 0 1 0
0 0 1 −5 −1 2
0 0 −1 0 r4 + r3 0 0 0 0
Alltså ges matrisen av den inversa avbildningen av
  Vi ser att de tre första kolonnerna har ledande ettor och är
35 8 −13 därmed linjärt oberoende. Den sista kolonnen går att skriva
−1 1
A = 11 2 −4  som en linjärkombination av de två försa genom
3 −15 −3 6
~
u4 = ~
u1 + 2~
u2
och vi kan kontrollera räkningarna genom multiplikationen
   vilket vi kan verifiera genom
35 8 −13 0 3 2
 11 2 −4 2 −5 1
     
  1 1 3
−15 −3 6 1 5 6  1 
+2· 2
  5 
  =  .

0 + 16 − 13 105 − 40 − 65 70 + 8 − 78
  −1   2  3 
=  0+4−4 33 − 10 − 20 22 + 2 − 24  2 −1 0
0−6+6 −45 + 15 + 30 −30 − 3 + 36
 
3 0 0
= 0 3 0 . 4.2.5. 2011-10-27
0 0 3
1. a) För att bestämma matrisen som hör till T ser vi på
2. a) För att bestämma nollrummet kan vi överföra matri- dess verkan på standardbasvektorerna ~e1 och ~e2 i R2 .
sen på reducerad trappstegssform med Gauss-Jordans Vi har att
1 0
metod. I det här fallet krävs bara två operationer och ~e2 =
vi får 5 5

−1 2 1

−r1

1 −2 −1
och
∼ ∼ 1 5 2 0
2 −4 −2 r2 − 2r1 0 0 0 ~e1 = −
5 10 5 5
Det blir två fria variabler och vi kan sätta x2 = s och vilket ger
x3 = t där s och t är reella parametrar. Därefter löser

vi ut x1 som x1 = 2x2 +x3 = 2s+t. Vi kan uttrycka 1 2 2 3 1 −4
det som att lösningmängden ges av T (~e1 ) = − =
5 11 5 4 5 3
     
x1 2 1 och
x2  = s · 1 + t · 0
1 3
x3 0 1 T (~e2 ) = .
5 4
och en bas för nollrummet består av de båda vektorer- Matrisen för T ges nu av bilderna av standardbasvek-
na     torerna som kolonner, vilket ger matrisen
2 1
u = 1 och ~v = 0
~ 1 −4 3
A= .
0 1 5 3 4
b) Den enda nollskilda ekvationen i ekvationssystemet b) För att se att matrisen är sin egen invers kan vi beräkna
A~x = ~0 utgör en ekvation för nollrummet. Alltså är A2 = A · A och får då
x − 2y − z = 0 en ekvation för nollrummet.
1 −4 3 −4 3
Ett annat sätt är att beräkna en normalvektor för planet A2 =
som vektorprodukten av de båda basvektorerna ~ u och 25 3 4 3 4

~v . Detta ger ~
n=~ u × ~v som beräknas till 1 −4 · (−4) + 3 · 3 −4 · 3 + 3 · 4
=
    
2 1 1·1−0·0
 
1
 25 3 · (−4) + 4 · 3 3·3+4·4

1 × 0 = 0 · 1 − 2 · 1 =  −2  . 1 25 0 1 0
= = .
0 1 2·0−1·1 −1 25 0 25 0 1
2. a) Nollrummet är detsamma som lösningmängden till det 4.2.6. 2011-11-09
homogena ekvationssystemet T (~ x) = ~0. För att bestämma
1. Vi kan beräkna inversen till A genom Gauss-Jordans metod
detta använder vi Gauss-Jordans metod på totalmatri-
på totalmatrisen A I3 . Vi får då
sen:    

1 0 1 0
 
r1
 1 −2 1 1 0 0 r1
2 −1 1 0 ∼ r2 − 2r1   −2 3 1 0 1 0 ∼ r2 + 2r1   
3 −2 1 0 r3 − 3r1 3 −6 1 0 0 1 r3 − 3r1
   

1 0 1 0
 
r1
 
1 0 1 0
 1 −2 1 1 0 0 r1 − 2r2
∼ 0 −1 −1 0 ∼  −r2  ∼ 0 1 1 0 ∼ 0 −1
 3 2 1 0 ∼   −r2 
1
0 −2 −2 0 r3 − 2r2 0 0 0 0 0 0 −2 −3 0 1 − r
2 3
   
Det finns nu en fri variabel, x3 , och vi får lösningsmängden 1 0 −5 −3 −2 0 r1 + 5r3
genom att sätta x3 = t där t är en reell parameter och ∼ 0 1 −3 −2 −1 0 ∼ r2 + 3r3 
3
lösa ut de båda övriga variablerna, x2 = −x3 = −t 0 0 1 2
0 − 12 r3
och x1 = −x3 = −t. Lösningsmängden blir därmed 1 0 0 92 −2 − 52
 
∼ 0 1 0 52 −1 − 32  .
    
 x1 −1 
x2  = t ·  −1  : t reellt tal 0 0 1 32 0 − 21
x3 1
 
Alltså har vi att
 
och en bas för nollrummet ges av vektorn (−1, −1, 1). 9 −4 −5
−1 1
A = 5 −2 −3
b) Eftersom det finns två ledande ettor i den reducerade 2 3 0 −1
trappstegsformen av matrisen för T är dimensionen
för bildrummet lika med 2. och vi kan kontrollera räkningarna genom att multiplicera
A−1 med A och får då
3. a) För att bestämma en bas för det delrum, V , som vekto-   
9 −4 −5 1 −2 1
rerna spänner upp kan vi se vektorerna som kolonner i 1
5 −2 −3 −2 3 1
en matris och bestämma en bas för motsvarande bild- 2 3 0 −1 3 −6 1
rum. Vi utför Gausselimination för att se vilka linjära
1 9·1−4·(−2)−5·3 9·(−2)−4·3−5·(−6) 9·1−4·1−5·1

relationer som finns mellan kolonnerna.
= 5·1−2·(−2)−3·3 5·(−2)−2·3−3·(−6) 5·1−2·1−3·1
2 3·1+0·(−2)−1·3 3·(−2)+0·3−1·(−6) 3·1+0·1−1·1
   
1 2 1 r1
1 −2 −2  r2 − r1  
9 + 8 − 15 −18 − 12 + 30 9 − 4 − 5

 ∼  1
0 4 3  r3  = 5+4−9 −10 − 6 + 18 5 − 2 − 3
2 0 −1 r4 − 2r1 2 3+0−3 −6 + 0 + 6 3+0−1
     
1 2 1 r1 1 2 1
   
2 0 0 1 0 0
0 −4 −3  − r2  0 1 1 3 1
∼ ∼ 4 ∼

4. = 0 2 0 = 0 1 0 .
 
0 4 3 r3 + r2  0 0 0 2 0 0 2 0 0 1
0 −4 −3 r4 − r2 0 0 0
2. a) Nollrummet ker(A) är lösningsmängden till ekvations-
Detta visar att de två första kolonnerna är linjärt obe- systemet med totalmatris [A|~0]. Vi kan bestämma den-
roende eftersom de har ledande ettor, medan den tredje na genom Gausselimination och får då
ligger i linjära höljet av de två första. Därmed är del-    
rummet som spänns upp av de tre vektorerna tvådimensionellt −1 −1 0 1 0 −r1
−3 −1 1 1 0 ∼ r2 − 3r1 
och en bas utgörs av ~ u och ~v .
2 0 −1 0 0 r3 + 2r1
b) För att hitta en vektor som inte ligger i detta delrum    1 
ska vi ha en vektor som inte går att skriva som en 1 1 0 −1 0 r 1 − 2 r2
∼ 0 2 1 −2 0 ∼ 1
linjärkombination av de båda basvektorerna ~ u och ~v .    r
2 2

Ett sätt att använda räkningarna från del (a) är att ändra 0 −2 −1 2 0 r3 + r2
den tredje vektorn i den tredje positionen, från 3 till 4. 
1 0 − 21 0 0

Eliminationen ändras då till ∼ 0 1 1
    2
−1 0 .
1 2 1 r1 0 0 0 0 0
1 −2 −2  r2 − r1 
 ∼  Det finns nu två fria variabler och vi inför parametrar
0 4 4  r3 
s och t, vilket ger x3 = s, x4 = t, x1 = 12 s och
2 0 −1 r4 − 2r1
      x2 = −t − 21 s. Lösningsmängden kan skrivas
1 2 1 r1 1 2 1    1    
0 −4 −3  − 1 r2  0 1 3   x1 2 0 
∼ ∼ 4 ∼ 4 .
 
 1
  = s − 2  + t 1 : s, t reella tal .
        x2  
0 4 4 r3 + r2  0 0 1
 
0 −4 −3 r4 − r2 0 0 0 

 x3   1   0  

x4 0 1
 
vilket visar att vektorn
  Därmed ges en bas för lösningsmängden, dvs nollrum-
1 met, av vektorerna
 −2 
~0 = 
 1 
w
 
 4 

2 0
− 1 
−1  2  och 1 .
 
 1  0
inte ligger i delrummet som spänns upp av ~ u och ~v . 0 1
b) Genom räkningarna i del (a) ser vi att det blir ledande och
ettor i de två första kolonnerna i matrisen efter Gausse-
liminationen. Detta betyder att dessa två kolonner är 2 4 1 −2
BA =
linjärt oberoende och att övriga kolonner ligger i det 1 2 2 −4
rum dessa två vektorer spänner upp. Med andra ord
2 · 1 + 4 · 2 2 · (−2) + 4 · (−4) 10 −20
utgör de två första kolonnerna i A en bas för bildrum- = =
1 · 1 + 2 · 2 1 · (−2) + 2 · (−4) 5 −10
met, im(A).
En bas för bildrummet ges därmed av b) BA svarar mot T ◦ S eftersom
   
−1 −1 T ◦S(~
x) = T (S(~
x)) = T (A~
x) = B(A~
x) = BA~
x.
−3 och −1 .
2 0
c) Nollrummet till S ◦ T består av de vektorer som upp-
x) = ~0, dvs AB~
fyller S ◦ T (~ x = ~0. Eftersom AB är
3. a) Eftersom det är en sammansättning av två linjära av- nollmatrisen är detta alla vektorer i R2 . En bas 2
för R
bildningar är det en linjär avbildning och det räcker ges exempelvis av standardbasen, 10 och 01 .
därmed att se på dess verkan på basvektorerna för R2 .
Om båda dessa roteras med ett kvarts varv moturs ro- Nollrummet till T ◦ S ges på motsvarande sätt av
teras också alla andra vektorer i planet så. x = ~0. Med Gausselimina-
lösningsmängden till BA~
tion får vi
Vi följer först ~ex som genom speglingen T1 avbildas 1
på −~ey . Sedan speglar T2 vektorn −~ey till vektorn 10 −20 0 r
10 1 1 −2 0
∼ 1 ∼ .
~ey . 5 −10 0 r2 − 2 r1 0 0 0
På samma sätt följer vi ~ey som speglas till −~ex genom
Den andra variabeln är fri och vi sätter x2 = t för en
T1 och sedan vidare till −~ex genom T2 .
parameter t. Lösningsmängden ges nu av
Därmed har båda basvektorerna roterats ett kvarts varv
moturs, och sammansättningen motsvarar en sådan ro- x 2
x= 1 =t
~ : t reellt tal.
tation av hela planet. x2 1
b) Vi kan göra precis på samma sätt som i (a). Vi får då 2
En bas för nollrummet ges därmed av 1 .
fram att ~ex avbildas på ~ex genom T2 och sedan vida-
re till −~ey genom T1 . Sedan får vi att ~ey speglas till 3. a) Att ~v ligger i det linjära höljet span{~
u1 , ~ u3 } be-
u2 , ~
−~ey genom T2 och sedan vidare på ~ex genom T1 . tyder att ~v är en linjärkombination av vektorerna ~ u1 ,
Båda vektorerna har roterats ett kvarts varv medurs ~
u2 och ~ u3 , dvs att det finns koefficienter a, b och c så
och sammansättingen T1 ◦ T2 innebär därmed en ro- att
tation av hela planet med ett kvarts varv medurs.
~v = a~u1 + b~ u2 + c~
u3 .
Vi kan också göra det mer algebraiskt och konstatera
att båda speglingarna är sina egna inverser varför vi För att se att det finns sådana ser vi på det linjära ek-
har att vationssystem detta motsvarar. Detta har totalmatrisen
 
2 0 1 4
(T1 ◦ T2 )−1 = T2−1 ◦ T1−1 = T2 ◦ T1 .  2 1 1 5 
 
 1 0 1 3 
De båda sammansättningarna T1 ◦ T2 och T2 ◦ T1
är därmed varandras inverser och om den ena roterar 0 1 1 3
moturs roterar den andra lika mycket medurs.
och med Gausselimination får vi
       
4.2.7. 2012-02-06 2 0 1 4 r3 1 0 1 3 r1
2 1 1 5 r2  2 1 1 5 r2 − 2r1 
1 0 1 3 ∼ r1  ∼ 2 0 1 4 ∼ r3 − 2r1 
       
1. a) Ett delrum i R2 är en icketom delmängd i R2 som är
sluten under addition av vektorer och under multipli- 0 1 1 3 r4 0 1 1 3 r4
kation av vektorer med skalär. 
1 0 1 3
 
r1

b) I det första fallet är mängden inte sluten 0 1 −1 −1  r2 

under
1ad- ∼ ∼ 
dition. Exempelvis tillhör vektorerna 11 och −1 0 0 −1 −2  −r3 
mängden U , men summan av dem, 20 tillhör inte U . 0 1 1 3 r4 − r2

   
I det andra fallet är 1 0 1 3 r1
mängden inte heller
sluten under 0 1 −1 −1  r2 
addition. Vektorn 10 tillhör V , men 20 = 10 +

∼0 0
∼ 
1 1 2   r3 
0 tillhör inte V .
0 0 2 4 r4 − 2r3
Inte heller den tredje mängden
är sluten under addi-      
tion. Exempelvis har vi att 11 tillhör W , men 22 =
1 0 1 3 r1 − r3 1 0 0 1
1 1 0 1 −1 −1 r2 + r3  0 1 0 1
1 + 1 tillhör inte W . ∼ ∼ ∼ 
0 0 1 2  r3  0 0 1 2
2. a) Vi utför matrismultiplikationerna och får 0 0 0 0 r4 0 0 0 0
Detta system har lösningen (a, b, c) = (1, 1, 2) och

1 −2 2 4 1·2−2·1 1·4−2·2 0 0
AB = = = därmed ligger ~v i det linjära höljet span{~
u1 , ~ u3 }.
u2 , ~
2 −4 1 2 2·2−4·1 2·4−4·2 0 0
b) På grund av linjäriteten har vi att b) För att finna ekvationen för planet kan vi beräkna en
normalvektor som vektorprodukten av två av vekto-
T (~v ) = T (~
u1 +~
u2 +2~
u3 ) = T (~
u1 )+T (~
u2 )+2T (~
u3 ) rerna, tex
      
och eftersom ~ u1 och ~u2 ligger i nollrummet har vi 2 3 1 · (−1) − 1 · 4 −5
T (~
u1 ) = T (~u2 ) = ~0. Därmed är  1  ×  4  1 · 3 − 2 · (−1) =  5  .
    1 −1 2·4−1·3 5
2 4
T (~v ) = 2T (~u3 ) = 2 3 = 6 . En ekvation för planet ges därmed av −5x + 5y +
4 8 5z = 0 och vi kan förenkla uttrycket genom att dela
med −5 och får x − y − z = 0.
4.2.8. 2012-02-13 Vi kan kontrolera räkningen genom att se att alla tre
vektorer uppfyller detta genom
1. a) Vi bestämmer T (~
x) genom matrismultiplikation A~
x
och får 2−1−1 = 0, 3−4−(−1) = 0 och 1−2−(−1) = 0.

1 3 3 1·3+3·5 18 Vi kan också lösa problemet genom att söka de tre
= = .
2 4 5 2·3+4·5 26 obekanta koefficienterna i ekvationen ax + by + cz =
0 och sätta in de tre vektorerna. Vi får då ett ekvations-
b) För att hitta de ~
x som går på en given vektor ~y , behöver system med totalmatris
vi lösa T (~x) = ~ y , dvs A~x=~ y . Vi kan lösa det med  
Gauss-Jordans metod på totalmatrisen. 2 1 1 0
 3 4 −1 0 

1 3 3 r1 1 2 −1 0
∼
2 4 5 r2 − 2r1
och Gauss-Jordans metod leder fram till den reduce-
r1 + 32 r2 1 0 32

1 3 3 rade trappstegsformen
∼ ∼ 1 ∼ 1
0 −2 −1 − 2 r2 0 1 2  
1 0 1 0
vilket säger oss att  0 1 −1 0 
3 0 0 0 0
2 3
T 1 = . vilket ger lösningen
2
5
   
a −1
och att det inte finns några andra lösningar. b = t ·  1  .
Vi kan kontrollera räkningarna genom c 1
1 3 23
3
1 · 2 + 3 · 12

3
1 = 3 1 = . 4
2 4 2 2· 2 +4· 2 5 3. a) Vektorn ~
x som har koordinatvektorn med avseen-
1
de på basen {~
u, ~v } ges av
2. a) Att vektorerna är linjärt beroende är detsamma som att
det finns en icke-trivial linjär relation. En sådan kan vi 4 1 16 + 1 17
4·~
u + 1 ·~v = 4 · + = = .
hitta genom att ställa upp vektorerna som kolonnerna 1 −4 4−4 0
i en matris A och sedan lösa det homogena ekvations-
x = ~0. Vi gör detta med Gausselimination

systemet A~ 5
b) Vi söker koordinaterna för vektorn ~
y= i basen
och får 14
    {~
y , ~v }, dvs de koefficienter a och b så att
2 3 1 0 r1
2 0 ∼ r1 − 2r1 

1 4   4 1 5
1 −1 −1 0 r3 − r2 a· +b· =
1 −4 14
     
1 4 2 0 r1 1 4 2 0 Detta innebär att lösa det linjära ekvationssystemet med
∼ 0 −5 −3 0 ∼  − 5 r2  ∼ 0 1 35 1
0 totalmatris
0 −5 −3 0 r3 − r2 0 0 0 0 4 1 5
1 −4 14
Vi kan nu konstatera att det finns icke-triviala lösningar
eftersom det bara finns ledande ettor i två av kolonner- och Gauss-Jordans metod ger
na. Allstå finns en linjär relation mellan kolonnern och

4 1 5 r2
de tre vektorerna är linjärt beroende. Vi kan också gå ∼
1 −4 14 r1 − 4r2
vidare och hitta en sådan relation, tex genom att sätta 4
den tredje variabeln till 5 och lösa ut den andra och se- 1 −4 14 r1 − 17 r2 1 0 2
∼ ∼ 1 ∼ .
dan den första från ekvationssystemet. Detta leder till 0 17 −51 r
17 2
0 1 −3
lösningen (2, −3, 5) och vi har att Alltså är koordinatvektorn för ~
y
~ = ~0
u − 3~v + 5w
2~

2
−3
vilket vi kan kontrollera genom
          med avseende på basen {~
u, ~v }. Vi kan konstollera att
2 3 1 2·2−3·3+5·1 0
2·1−3· 4 +5· 2  =  2·1−3·4+5·2  = 0 . 4 1 2·4−3·1 5
2· −3· = = .
1 −1 −1 2 · 1 − 3 · (−1) + 5 · (−1) 0 1 −4 2 · 1 − 3 · (−4) 14

4.2.9. 2012-09-24 −1 7 3 3 2/5
= + =
5 −1 5 −4 −11/5
1. Vi börjar med Gauss eliminering:
0 2 1 1 2
T = T − T =
addera första rad till fjärde 1 5 3 5 1
   
1 0 1 subtrahera första rad från tredje 1 0 1

2 7 1 3 11/5
 2 1 3  subtrahera 2 gånger första rad från andra 0 1 1  = − =
5 −1 5 −4 2/5
 

 1 −−−−−−−−−−−−−−−−−−−−→  
2 3   0 2 2 
−1 1 0 0 1 1 och att matrisen till T ges av:
2 11
    5 5
1 0 1 subtrahera 2 gånger andra rad från tredje 1 0 1 −511 2
 0 1 1  subtrahera andra rad från fjerde  0 1 1  5
 0 2 2  −−−−−−−−−−−−−−−−−−−−→  0 0 0 
   
Standardmatrisen till den andra avbildningen kan vi hitta på
0 1 1 0 0 0 samma sätt som ovan, eller som följer. Vi har att T (Q) = Q0
(a) Den första och den andra kolonnen har ledande et- och att T (P ) = S 0 . Om vi låter A vara standardmatrisen har
tor. Det betyder att de första två kolonnerna av den vi matrisekvationen
ursprungliga matrisen bildar en bas till im(T ). Alltså
    1 2 7 4
1 0 A = .
 2   1  3 1 −1 3
har vi att 
  ,   är en bas till im(T ).
1   2  Vi har vidare att
−1 1 −1 1
2
1 2 −
(b) Eftersom T är en linjär avbildning från R3 , har vi = 35 5 .
3 1 5
− 15
dim(ker(T )) + dim(im(T )) = 3. Från (a) vet vi att
dim(im(T )) = 2. Vi kan konstatera att dim(ker(T )) = Vi multiplicerar vår matrisekvation från höger med inversma-
1. trisen, och erhłler att
2. a) Vi har punkterna

7 4 1 1 −2 1 −5 −10
O = (0, 0) A= (− ) =−
−1 3 5 −3 1 5 −10 5
P = (2, 1), Q = (1, 3), S = (−1, 2) .
P 0 = (3, −4), Q0 = (7, −1), S 0 = (4, 3). b) Den första avbildningen skickar (2, 1) till (3, −4) och
(−1, 2) till (4, 3). Den andra skickar (2, 1) till (4, 3) och
En linjär avbildning T : R2 → R2
måste skicka noll-vektorn (−1, 2) till (3, −4). Båda skickar ortogonala vektorer
√ på or-
0 på noll. Vi har vidare att vektorn (−1, 2) = (1, 3) − togonala vektorer och skalerar med samma faktor ( 5). Båda
(2, 1), vilket betyder att avbildningen T skickar (−1, 2) till avbildar därför kvadrater på kvadrater.
T (1, 3)−T (2, 1). Vi vill först bestämma vilka möjliga punkt →→→
T kan skicka (1, 3) och (2, 1) till. Punkterna vi kan välja 3. a) Vi börjar med Gauss eliminering av matrisen [ u v w]:
mellan är P 0 , Q0 och S 0 . Vi har att Q0 − S 0 = P 0 och vi har
att Q0 − P 0 = S 0 , och detta ger oss de två möjligheterna för   subtrahera 2 gånger första rad från andra  
1 1 4 subtrahera 3 gånger första rad från tredje
1 1 4
avbildningen T . Vi har  2 1 6 −−−−−−−−−−−−−−−−−−−−− → 0 −1 −2 
T (P ) = P 0 T (Q) = Q0 eller T (P ) = S 0 T (Q) = Q0 . 3 2 10 0 −1 −2
   
Standardmatrisen till den första avbildningen: Vi har att 1 1 4 1 1 4
subtrahera andra rad från tredje

 0 −1 −2  −−−−−−−−−−−−−−→  0 −1 −2 
1 7 2 3 0 −1 −2 0 0 0
T = och T = .
3 −1 1 −4 Den första och den andra kolonnen är ledande kolonner. Det
Avbildningen T avbildar kvadraten med hörn i punkterna O, betyder att vektorerna
P , Q, S till O, 0 0 0
P , Q, S . För att hitta matrisen till T viska
   
1 1
1 0 1  2  och  1 
först skriva och som linjär kombinationer av
0 1 3
3 2
2
och . För att göra detta måste vi lösa systemet:
1 bildar en bas till W .
b) Vi har att W är ett plan i R3 . For att hitta en ekvation till
1 2 1 0 subtrahera 3 gånger första rad från andra 1 2 1 0
−−−−−−−−−−−−−−−−−−→ W måste vi hitta en normal vektor till W . Detta kan göras
3 1 0 1 0 −5 −3 1
med vektorprodukten,
1 0 − 15 25

1 2 1 0 1 2 1 0        
→ 3 1 → 3 1 1 1 4−3 1
0 −5 −3 1 0 1 5 −5 0 1 5 −5  2 × 1 = 3−2 = 1 
Alltså 3 2 1−2 −1

1 1 1 3 2 0 2 1 1 2 
1

=− + = −
0 5 3 5 1 1 5 3 5 1 Vi har att vektorn  1  är normal till W , och därmed
Vi kan konstatera att: −1
har vi att planet ges av ekvationen:
1 −1 1 3 2
T = T + T = x + y − z = 0.
0 5 3 5 1
4.2.10. 2013-02-04 3. a) Dimensionen av W ges av antalet vektorer i {v1 , v2 , v3 }
T som är linjärt oberoende. Detta kan bestämmas genom Gausse-
1. a) Vi ser att standardbasisvektorn 1 0 kan skrivas som
liminering på den matris vars kolumner motsvarar vektorer.
en linjärkombination
1
   

1

1 3 2

0 3 2 1 R
2 3
1 2 0 R1
= + . −6 10 −11
 ∼ R1 ∼  3 2
 1  ∼ R2 − 3R1
0 3 −2 3 1 
 2 4 −6 10 −11
0  R2 R3 + 6R1
Då T är linjär så måste det alltså gälla att 5 8 1 R4 5 8 1 R4 − 5R1
1 2 0

R

1 2 0

1 1 3 2 0 1 4 2 1 2 1
T = T + T = + = − 41 R2 0 1 − 1 
0 −2 1 3 −5 3 4 1 ∼ 0 −4 1  ∼
 
3 3  4
0 22 −11 R4 0 −2 1 
Kolonnerna av standardmatrisen till T är bilderna av stan- 0 −2 1 R3 − 11R4 0 0 0
dardbasvektorerna. Svaret är därför
Vi ser att rangen är lika till 3 som betyder att vektorerna
2 1 {~v1 , ~v2 , ~v3 } är linjärt oberoende och att dim(W ) = 3.
S= .
1 4
b) En vektor som inte ligger i W är linjärt oberoende med
b) Avbildningen S är inversavbildningen till T , vilket innebär ~v1 , ~v2 , ~v3 . Dat gäller att bestämma en fjärde kolumn som
att standardmatrisen för S är den inversa matrisen till stan- bildar en 4 × 4 matris av rang 4. Man kan ta vektorn w ~ =
dardmatrisen för T . Vi beräknar denna inversmatrisen: (0, 0, 0, 1).
−1
2 1 1 4 −1
= . 4.2.11. 2013-02-11
1 4 7 −1 2
1. a) Matrisen som representerar T ges av
Matrisen för avbildningen S med avseende till basen
 
3 1
1 4 1 0
B0 = { , } T T = 1 −2 
4 −5 0 1
−1 1
är
0 3 b) För att avgöra om vektorerna ~v och/eller w
~ ligger i im(T ),
MB 0 =
1 −2 måste vi lösa följande ekvationssystem:
Låt S vara standardbasen, vi behöver bestämma basbytema-  
trisen från basen S till basen B0 . Man ser att: 3 1 2 4
 1 −2 3 −1 .
1 5 1 4 4 −1 1 −2 1
= 21 + 21
0 4 −5
0 −4 1 1 4
= 21 + 21 
3 1 2 4
 
r3

1 4 −5
 1 −2 3 −1 ∼ r2 + r3
 
Vi kan då skriva: −1 1 −2 1 r1
5 −4    
21 21 1 −2 3 −1 r1
MS→B0 = 4 1 .
21
− 21 ∼ 0 −1 1 0 ∼ r2 
3 1 2 4 r3 − 3 · r1
Standardmatrisen för S ges av MB0 · MS→B0 :      
1 −2 3 −1 r1 1 −2 3 −1
5 −4
−1 −1
0 3 21 21
1 4 1 ∼ 0 1 0  ∼  r2  ∼ 0 1 0 
4 1 = .
1 −2 − 21 7 −1 −2 0 7 −7 7 r3 + 7r2 0 0 0 7
21


2. (a) Gausselimination på matrisen A ger: 4
→
  För att 0 6= 7, kan vi konstatera att w=  −1  ligger inte
1 3 2 R1
1
 2 5 −1  ∼ R2 − 3R1
 

−3 −7 2
4  R3 + 3R1 →
i im(T ) och v =  3  ligger i im(T )
2 6 4 R4 − 2R1
    −2
1 3 2 R1 1 3 2
0 −1 −5 −R2 0 1 5 2. Vi börjar med Gausselimination:
∼  ∼ ∼
 
0 2 10  R3 + 2R2 0 0 0
0 0 0 R4 0 0 0   subtrahera 2 gåger firsta rad från andra  
1 2 −1 3 och 3 gånger första rad från tredje
1 2 −1 3
2 4 −2 6 −−−−−−−−−−−−−−−−−−−→ 0 0 0 0
Slutmatrisen har två ledande ettor som betyder att bara två
bland de tre vektorerna (kolonner) är linjärt oberoende. 3 6 −3 9 0 0 0 0
b) Rangen av matrisen A är lika med 2. Rangen av en ma- (a) Vi har att ker(T ) består av lösningar till x + 2y −
trisen motsvarar antalet kolumner som är linjärt oberoende z + 3t = 0. Alltså ker(T ) består av alla vektorerna
och antalet rader som är linjärt oberoende. Detta betyder att

−2y + z − 3t
Gausseliminationen på matrisen B kommer att ge två ledan-  y 
som kan skrivas som  , där y, z, t är
de ettor som bevisar att vektorerna (Raderna) inte är linjärt  z 
oberoende. t
godtyckliga reella tal. Vi kan konstatera att följande
vektorer bildar en bas till ker(T ):
     
−2 1 −3
 1   0 
,  0
 
 ,  .
 0   1   0 
0 0 1
(b) Då bildrummet är en linje och innehåller den första

 av A kan vi konstatera att linjen spänns av
kolonnen

1
 2 
3
 
s
Alltså består linjen av alla punkter som kan skrivas som 2s,
3s
där s är ett godtyckligt reellt tal.
3. a) Vi använder Gausseliminering:
   
1 1 0 1 1 r1
−1 0 1 1 2 ∼ r2 + r1
0 −1 −1 1 0 r3
   
1 1 0 1 1 r1
∼ 0 1 1 2 3 ∼   r2 
0 −1 −1 1 0 r3 + r2
   
1 1 0 1 1 r1
∼ 0 1 1 2 3 ∼  r2 
1
0 0 0 3 3 3
r3
   
1 1 0 1 1 r1 − r3
∼ 0 1 1 2 3 ∼ r2 − 3 · r3
0 0 0 1 1 r3
 
1 1 0 0 0
∼ 0 1 1 −1 0
0 0 0 1 1
Radoperationer förändrar inte huruvida kolonnerna är linjärt

beroende eller inte. Alltså konstaterar vi:
• De första tre kolonnerna är linjärt beroende.
• De sista tre kolonnerna är linjärt beroende.
• Betrakta mittersta tre kolonnerna och gör följande trans-
formation:
   
1 0 1 1 0 1
subtrahera första rad från andra
1 1 2 − −−−−−−−−−−−−−→ 0 1 1 
0 0 1 0 0 1
Då denna matris har tre ledande ettor, är de tre mit-
tersta kolonnerna linjärt oberoende.
b) Betrakta följande matris:
 
1 0 0 0 1
0 1 0 1 0
0 0 1 0 0
Tre första kolonnerna består av vektorer som utgör standarda

bas för R3 . De tre sista kolonner är dessa tre vektorer igen,
även om ordningen är en annan. Därför bildar dessa tre vek-
torer också en bas. De tre mittersta bildar inte en bas då andra
och fjärde kolonnen är lika.
5. Tentamen
5.1. 2010-10-22 2. a) T roterar planet 90 grader medsols. Det räcker att se

på vad T gör med standardbasvektorerna (1, 0) och
1. a) Planets normalriktning ges av vektorprodukten mellan (0, 1) och vi får att
två icke-parallella tangentvektorer. Två sådana vekto-
rer är (1, 3, 0) och (0, 5, 1). Vi noterar att
0 1

1 0
T (1, 0) = =
−1 0 0 −1
       
1 0 3·1−0·5 3
3 × 5 = 0 · 0 − 1 · 1 = −1 .
0 1 1·5−3·0 5 och
b) Eftersom normalvektorn ger oss koefficienterna a, b

0 1 0 1
och c i planets ekvation ax + by + cz + d, kommer T (0, 1) = = .
−1 0 1 0
ekvationen att kunna skrivas
3x − y + 5z + d = 0. b) Basbytesmatrisen
Vi får d genom att stoppa in koordinaterna för en punkt
i planet. En sådan punkt är (1, 1, 1), vilket ger 2 −1
P =
1 2
3−1+5+d=0 ⇐⇒ d = −7.
Ekvationen för planet är alltså med de nya basvektorerna som kolumner avbildar vek-
3x − y + 5z − 7 = 0. torer med koordinater i nya basen till vektorer med
koordinater i standardbasen. Inversen
c) Kortaste vägen från origo till planet går längs planets
normalriktning. Den punkt på planet som ligger närmast 1 2 1
P −1 =
origo är alltså på formen k(3, −1, 5) = (3k, −k, 5k). 5 −1 2
Ekvationen för planet ger att
konverterar åt andra hållet. Relativt den nya basen re-
3(3k) − (−k) + 5(5k) − 7 = 0 presenteras T av matrisen
⇐⇒ 35k = 7 ⇐⇒ k = 1/5.

Punkten är alltså 1
(3, −1, 5),
och avståndet till origo 0 1
5 B −1 B
är lika med normen av denna punkt: −1 0
√ 1

2 1

0 1

2 −1

0 1

1 1p 2 35 = = .
k (3, −1, 5)k = 3 + 12 + 5 2 = . 5 −1 2 −1 0 1 2 −1 0
5 5 5
Vi kan också beräkna detta genom att projicera vek- Vi kan också se direkt på vad T gör med basvektorerna
torn från origo till (1, 1, 1) på normalvektorn. Då får i B:
vi en vektor från origo till den punkt i planet som lig-
ger närmast origo.
0 1 2 1
T (2, 1) = =
   
1 3 −1 0 1 −2
1 · −1  

  2 −1
1 1 5 3 =0· −1·
1 2
proj 3 1 =     −1
−1
1 3 3 5
5 −1 · −1 och
5 5

0 1 −1 2
   
3 3 T (−1, 2) = =
7   1  −1 0 2 1
= −1 = −1 .
35 5 5 5

2 −1
=1· +0·
På nytt är avståndet normen av denna vektor. 1 2
Ytterligare ett sätt är att använda formeln för avståndet
mellan en punkt (x0 , y0 , z0 ) och ett plan ax + by + Alltså avbildas den första basvektorn på minus den
zc + d = 0: andra och den andra avbildas på den första, vilket in-
nebär att matrisen är
|ax0 + by0 + cz0 + d|
avståndet = √ .
a2 + b2 + c2 0 1
B= .
I uppgiften är (x0 , y0 , z0 ) = (0, 0, 0) och (a, b, c, d) = −1 0
(3, −1, 5, −7), vilket ger avståndet
√
|3 · 0 − 1 · 0 + 5 · 0 − 7| 7 35 3. a) För att hitta en bas för kolonnrummet till A löser vi det
√ = √ = . homogena systemet som svarar mot ekvationen Ax =
32 + 12 + 52 35 5
89
0. Med Gausselimination på totalmatrisen får vi Vi ska sedan gå vidare och ersätta u3 med en vektor som
    tillsammans med v1 och v2 spänner upp W , men som också
3 1 4 2 0 r2 är ortogonal mot det delrum som spänns upp av v1 och v2 .
 1 3 0 4 0   ∼ r1  Eftersom v1 och v2 utgör en ortogonal bas för detta delrum
 

 0 4 −2 5 0  r3  får vi
1 −1 2 −1 0  r 4  v3 = u3 − projv1 − projv2 u3
1 3 0 4 0 r1
 3 1 4 2 0  r2 − 3r1 
  dvs
∼ ∼ 
 0 4 −2 5 0   r3  (3, 3, 1, 3) · (1, 0, 0, 1)
1 −1 2 −1 0 r − r1 v3 =(3, 3, 1, 3) − (1, 0, 0, 1)
  4  (1, 0, 0, 1) · (1, 0, 0, 1)
1 3 0 4 0 r1
1 (3, 3, 1, 3) · (0, 1, 1, 0)
 ∼ − 8 r2 − 3r1 
 0 −8 4 −10 0    − (0, 1, 1, 0)
∼ (0, 1, 1, 0) · (0, 1, 1, 0)
 0 4 −2 5 0   r3 + 21 r2 
0 −4 2 −5 0 r4 − 21 r2 6 4
  =(3, 3, 1, 3) − (1, 0, 0, 1) − (0, 1, 1, 0)
1 3 0 4 0 2 2
 0 1 −1 5
0  =(0, 1, −1, 0)
∼  0 0
2 4 
0 0 0 
0 0 0 0 0 För att nu få en ortonormal bas behöver vi normera basvek-
torerna och får då eftersom ||v1 ||2 = ||v2 ||2 = ||v3 ||2 = 2
Vi ser att x3 och x4 är fria variabler eftersom motsva-
att
rande kolonner saknar ledande ettor. Därför inför vi
parametrar s och t och får x3 = s, x4 = t. Ur andra √ √ √ √
ekvationen kan vi sedan lösa ut x2 som B = {(1/ 2, 0, 0, 1/ 2), (0, 1/ 2, 1/ 2, 0),
√ √
1 5 1 5 (0, 1/ 2, −1/ 2, 0)}
x2 = x3 − x4 = s − t
2 4 2 4 utgör en ortonormal bas för W .
och sedan ur den första
5. a) Vi utför matrismultiplikationerna Be och Bf , och erhåller
3 15 3 1
x1 = −3x2 −4x4 = − s+ t−4t = − s− t.
−22 + 20

−2
2 4 2 4 Be = = =e
60 − 55 5
Därmed kan alla lösningar skrivas som
11 − 12 −1
Bf = = = −f .
3

1 1 5
−30 + 33 3
− s − t, s − t, s, t
(x1 , x2 , x3 , x4 ) =
2 4 2 4 Per definition har vi att e och f är egenvektorer till B,
3 1 1 5 med respektive egenvärden 1 och −1.
= s(− , , 1, 0) + t(− , − , 0, 1)
2 2 4 4 b) Vi vill skriva vektorn u = (−8, 22) som en linjär
och vektorerna (−3/2, 1/2, 1, 0), (−1/4, −5/4, 0, 1) kombination ae + bf . Detta ger ekvationssystemet
utgör en bas för nollrummet till A.
−8 −2 1 a
b) Enligt en känd sats från boken är summan av rangen = ,
22 5 −3 b
och nollrumsdimensionen för en matris lika med an-
talet kolonner, och eftersom nollrummets dimension

a
är 2 enligt (a) får vi att kolonnrummets dimension är vilket vi skriver som u = P · . Inversen till matri-
b
4 − 2 = 2. sen P är
1 −3 −1
Vi kan också se rangen från antalet ledande ettor efter P −1 = .
att vi utfört Gausseliminationen i (a) och därmed får 1 −5 −2
vi också att rangen är 2. Detta ger
4. Låt u1 = (1, 0, 0, 1), u2 = (1, 1, 1, 1) och u3 = (3, 3, 1, 3)
a −3

−1 −8 2
vara vektorerna som utgör den givna basen för W . Vi bildar = = . (*)
b −5 −2 22 −4
nu successivt en ny ortogonal bas utifrån dessa bestående av
tre vektorer v1 , v2 och v3 . c) Vi har från uppgifterna ovan att u = 2e − 4f , där
Gram-Schmidts metod börjar med att vi väljer v1 = u1 . e och f är egenvektorer med egenvärden 1 och −1.
Nästa vektor v2 ska tillsammans med v1 spänna upp samma Detta ger att
delrum som u1 och u2 , men vara ortogonal mot v1 . Detta
åstadkommer vi genom att dra bort projektionen av u2 på v1 B 43 u = 2 · B 43 · e − 4 · B 43 · f
från u2 . Detta innebär att vi tar den komposant av u2 som är = 2(1)43 e − 4(−1)43 f
vinkelrät mot v1 . = 2e + 4f = 2(−2, 5) + 4(1, −3) = (0, −2).
Vi beräknar
Dvs, B 43 u = (0, −2).
v2 = u2 − projv1 u2
Alternativt kan vi för göra det genom att vi från upp-
(1, 1, 1, 1) · (1, 0, 0, 1) gifterna (a) och (b) har vi att matrisen B är diagonali-
=(1, 1, 1, 1) − (1, 0, 0, 1)
(1, 0, 0, 1) · (1, 0, 01) serbar, och att
2
=(1, 1, 1, 1) − (1, 0, 0, 1) = (0, 1, 1, 0). 1 0
2 D= = P −1 BP.
0 −1
Specielt har vi att P DP −1 = B. Därmed är 7. a) Matrisrepresentationen för avbildningen T med avse-
ende på basen B = {n, v1 , v2 }, där n är en nollskild
43 43 −1
B u = PD P u. normalvektor till W , och vektorerna v1 , v2 är en bas
för W ges av formeln
43 −1
att D = D, och från (*) har vi att P u =
Vi har

2

. Detta ger att D = [T (n)]B [T (v1 )]B [T (v2 )]B .
−4
Vi har uppenbarligen att T (n) = 0, T (v1 ) = v1 och
−2 1 1 0 2 att T (v2 ) = v2 . Detta ger matrisen
B 43 u =
5 −3 0 −1 −4  
0 0 0
−2 1 2 0
= = D = 0 1 0 .

5 −3 4 −2
0 0 1
6. Vi kan bilda en ortogonal bas av egenvektor till en given ma-
tris B om och endast om B är symmetrisk. Nu är b) Vi har sambandet A = P DP −1 , där A är standard-
matrisen till avbildningen T , och där P är basbytes-
matrisen
1 0 1 2 1 0
B = P −1 AP = P = PB→S
0 1/a 6 5 0 a

1 2a
från basen B till standardbasen S. Basen B väljer vi
= . konkret att vara
6/a 5
Denna matris är symmetrisk om och endast om n = (1, 1, 1), v1 = (1, 0, −1) v2 = (0, 1, −1).
√
2a = 6/a ⇐⇒ a2 = 3 ⇐⇒ a = ± 3. Matrisen P har vektorerna n, v1 , v2 sina koordina-
ter som respektive första, andra och tredje kolonn. Vi
√
Eftersom a är positivt, måste vi ha att a = 3. Vi får att beräknar inversen P −1 med Gauss-Jordan elimina-
√ tion, vilket ger
1
√ 2 3
B= . 
1 1 1

2 3 5. −1 1
P = 2 −1 −1
3 −1 2 −1
Det karakteristiska polynomet till B är
√
λ −√1 −2 3 Standardmatrisen ges av
= (λ−1)(λ−5)−12 = λ2 −6λ−7.
−2 3 λ − 5   
1 1 0 0 0 0
1
Nollställena till detta polynom ges av A = P DP −1 = 1 0 1  2 −1 −1
3 1 −1 −1 −1 2 −1
p
λ = 3 ± 32 + 7 = 3 ± 4,
 
2 −1 −1
1
= −1 2 −1
Egenvärdena är alltså λ1 = 7 och λ2 = −1. 3 −1 −1 2
Egenvektorerna hörande till egenvärdet λ1 = 7 är lösningarna
till ekvationen 8. a) Ekvationssystemet kan skrivas
√  
 a − b · 0 = log10 100  a−b·0

6√ −2 3 x =2
(7I − A)x = 0 ⇐⇒ a − b · 1 = log10 10 ⇐⇒ a−b·1 =1
−2 3 2 y
a − b · 3 = log10 1 a−b·3 =0
 
0
=
0 eller på matrisform
√
Genom att dela första raden med −2 3 och den andra
   
√ raden 1 0 2
med 2 får vi en och samma ekvation, nämligen − 3 · x + 1 −1 a = 1 .
b
y =√0. Denna ekvation har den allmänna lösningen (x, y) = 1 −3 0
t(1, 3).
Vi får normalekvationerna genom att multiplicera med
Egenvektorerna hörande till egenvärdet λ2 = −1 är lösningarna
systemmatrisens transponat från vänster,
till ekvationen
   
√ 1 0 2
1 1 1  a 1 1 1  

−2
√ −2 3 x 1 −1 = 1 ,
(−I −A)x = 0 ⇐⇒ 0 −1 −3

b 0 −1 −3
−2 3 −6 y 1 −3 0

0
= och uträknat,
0
√

3 −4 a 3
√ 3 · y = 0, vilken har den
Denna gång får vi ekvationen x +
−4 10 b
=
−1
.
allmänna lösningen (x, y) = t( 3, −1).
√ √
En ortogonal bas av egenvektorer ges alltså av {(1, 3), ( 3, −1)}. Detta ekvationssystem har lösning a = 13/7, b =
9/14.
b) Enligt avsvalningslagen är grötens temperatur efter 6 och
timmar    
13 − 9 ·6 1 0 3 1 0 4 r1 − r3
T = 10 7 14 = 10−2 = 0,01  0 1 3 −3 0 1  ∼ r2 + 3r3 
0 0 0 1 1 0 r3
grader.  
1 0 3 0 −1 4
9. Låt {v1 , v2 , v3 } vara en bas för V och {w1 , w2 , w3 } vara ∼ 0 1 3 0 3 1 
en bas för W . Eftersom det inte kan finnas en uppsättning 0 0 0 1 1 0
av sex linjärt oberoende vektorer i ett fem-dimensionellt rum
måste det finnas en linjärkombination I det första fallet får vi samma reducerade trappstegs-
form, och lösningsmängden är därmed lika med den
a1 v1 + a2 v2 + a3 v3 + a4 v1 + a5 v2 + a6 v3 = 0 från del (b). I det andra fallet får vi en annan redu-
cerad trappstegsform och lösningsmängden är därmed
där inte alla koefficenter är noll. Vi kan skriva om detta som en annan.
a1 v1 + a2 v2 + a3 v3 = −a4 w1 − a5 w2 − a6 w3 2. a) För att bestämma standardmatrisen för T behöver vi

beräkna värdena på standardbasvektorerna e1 = (1, 0)
och ser då att vektorn u = a1 v1 + a2 v2 + a3 v3 ligger i V , och e2 = (0, 1). Vi kan göra det genom att uttryc-
men också i W , eftersom u = −a4 w1 − a5 w2 − a6 w3 . ka standardbasvektorerna i de givna vektorerna u1 =
Eftersom {v1 , v2 , v3 } och {w1 , w2 , w3 } är baser kan inte (1, 2) och u3 = (1, 1). Det går att se att
u vara noll utan att alla koefficienter a1 , a2 , . . . , a6 är noll.
Därmed är u en nollskild vektor som ligger både i V och i (1, 0) = 2(1, 1)−(1, 2) och (0, 1) = (1, 2)−(1, 1).
W.
Vi kan också lösa uppgiften genom att beskriva de bägge del- Därmed får vi att
rummen med ekvationer efter att ha valt en bas för det fem-
dimensionella vektorrummet och därmed har koordinater för T (1, 0) = 2T (1, 1)−T (1, 2) = 2(2, 1, 3)−(3, 1, 4)
vektorerna. Tredimensionella delrum går att beskriva med två = (1, 1, 2)
homogena ekvationer. När vi söker en vektor som ligger i
bägge delrummen ska den uppfylla båda uppsättningarna ek- och
vationer. Det finns nu alltid icke-triviala lösningar eftersom
det är fyra homogena ekvationer i fem obekanta.
T (0, 1) = T (1, 2)−T (1, 1) = (3, 1, 4)−(2, 1, 3)

5.2. 2011-01-10
= (1, 0, 1)
1. a) Det är den mittersta matrisen som är på reducerad trapp-
stegsform. Alla tre är på trappstegsform med ledan- . Värdena på standardbasvektorerna utgör kolonnerna
de ettor i första, andra och fjärde kolonnen, men den i standardmatrisen som därmed är
första och den tredje är inte eliminerade ovanför den 
1 1

ledande ettan i fjärde kolonnen. A = 1 0 .

b) I och med att den mittersta matrisen är på reducerad 2 1
trappstegsform är det lättast att använda den. Vi inför
en parameter för de båda fria variablerna som svarar Vi kan också lösa problemet genom att se att A upp-
mot kolonnerna utan ledande etta. Vi får x3 = s och fyller att
x5 = t. Därefter kan vi använda de tre ekvationerna  
3 2
för att lösa ut de bundna variablerna och får 1 1
A = 1 1
2 1
x1 = 4 − 3x3 − 4x5 = 4 − 3s − 3t, 4 3
x2 = 1 − 3x3 − 3x5 = 1 − 3s − 3t,
och vi får fram A som
x4 = −x5 = −t
   
Därmed ges lösningsmängden av 3 2 −1 3 2
1 1 −1 1
A = 1 1 = 1 1
2 1 2 −1
(x1 , x2 , x3 , x4 , x5 ) = (4−3s−4t, 1−3s−3t, s, −t, t) 4 3 4 3
   
3 · (−1) + 2 · 2 3 · 1 + 2 · (−1) 1 1
där s och t är reella parametrar. = 1 · (−1) + 1 · 2 1 · 1 + 1 · (−1) = 1 0 ,
c) Vi kan fortsätta eliminera den första och den tredje 4 · (−1) + 3 · 2 4 · 1 + 3 · (−1) 2 1
matrisen till reducerad trappstegsform och får då
där vi beräknat inversen genom Gausselimination:
   
1 0 3 −1 3 4 r1 + r3
 0 1 3 −1 2 1  ∼ r2 + r3 
 1 1 1 0 r1
∼
0 0 0 1 1 0 r3 2 1 0 1 r2 − 2r1
1 1 1 0 r + r2
∼ 1
 
1 0 3 0 4 4 ∼ .
0 −1 −2 1 −r2
∼ 0 1 3 0 3 1 
1 0 −1 1
0 0 0 1 1 0 ∼
0 1 2 −1
b) Eftersom (1, 2) och (1, 1) spänner upp domänen, R2 , AT b, dvs
kommer deras bilder att spänna upp bildrummet. Bil-  
−2 1
derna av dessa båda vektorer är inte parallella och därmed
−2 1 4 7  1 1 
 k
linjärt oberoende. Alltså bildar (3, 1, 4) och (2, 1, 3) 
1 1 1 1  4 1  m
en bas för bildrummet.
7 1
Vi kan också se bildrummet som kolonnrummet för  
standardmatrisen och eftersom kolonnerna är linjärt 1
−2 1 4 7 2
oberoende utgör dessa en bas för kolonnrummet. =  
1 1 1 1 2
6
3. a) Vi har att u1 = av där a är en konstant.
√ Längden, el- vilket är ekvivalent med
ler √ 12 + 12 + 02 =
normen, av u1 blir då |a||v| = |a| √
70 10 k 50
|a| 2. Alltså
√ kan√vi välja a som ±1/ 2 och får tex =
10 4 m 11
u1 = (1/ 2, 1/ 2, 0).
Vi kan lösa detta ekvationssystem med hjälp av Gausse-
b) Vi kan använda Gram-Schmidts metod för att bestämma limination på totalmatrisen
den andra vektorn och får
70 10 50
10 4 11
och får
w · u1
v2 = w − u1 1

70 10 50 r
70 1
u1 · u1 ∼ 1
10 4 11 r2 − 7 r1
1 1 1 1
= (0, −1, 1)−(0, −1, 1)· √ , √ , 0 √ , √ ,0
1 1 5
r1 − 181
r2

2 2 2 2 ∼ 7
18
7
27 ∼ 7 ∼
0 r
18 2
1 1 1 7 7
= (0, −1, 1) + √ √ , √ ,0 1
2 2 2 1 0 2
3

1 1

1 1
0 1 2
= (0, −1, 1) + , ,0 = ,− ,1
2 2 2 2 Alltså ges minsta kvadratlösningen av k = 1/2 och
m = 3/2, dvs linjen y = x/2 + 3/2 passar bäst till
punkterna.
För att få en ortonormal bas för W behöver vi också
b) Det är summan av kvadraterna av de vertikala avvikel-
normera v2 och får som i del (a)
serna som har minimerats för just denna linje, vilket i
det här fallet är (1/2)2 + 02 + (3/2)2 + 12 = 7/2 =
1
u2 = v2 3,5.
|v2 |
1 1 1 y
= q ,− ,1
(1/2)2 + (−1/2)2 + 12 2 2

1 1 1 1 1 2
= p ,− ,1 = √ ,−√ , √
3/2 2 2 6 6 6
Alltså utgör √1 (1, 1, 0) och √1 (1, −1, 2) tillsam-

x
2 6
mans en ortogonal bas för W .
c) När vi bildar kryssprodukten av de två vektorerna får Linjen tillsammans med de fyra punkterna.
vi en vektor som är ortogonal mot bägge och därmed
ortogonal mot planet. Längden av vektorn ges av are- 5. a) En kvadratisk matris har en ortogonal bas av egenvek-
an av parallellogrammen som spänns upp av u1 och torer om och endast om den är symmetrisk enligt en
u2 . Eftersom dessa utgör en ortogonal bas för pla- sats ur boken. Att A = AT betyder i vårt fall precis
net spänner de upp en kvadrat med sidan 1, vars area att a = 0, eftersom resten av matrisen är symmet-
också är 1 areaenhet. risk. Alltså kommer den vara ortogonalt diagonaliser-
bar om a = 0.
4. a) Vi sätter in de fyra värdena i ekvationen kx + m = y b) Vi behöver först bestämma egenvärden och egenvek-
och får då ett överbestämt ekvationssystem torer. Den karaktäristiska ekvationen ges av det(A −
 λI) = 0. Vi har att

 −2k + m = 1,
1k + m = 2,

 4k + m = 2, 2−λ 0 4


7k + m = 6. det(A − λI) = 0 8−λ 0
4 0 2−λ
För att hitta den lösning som är bäst i minsta-kvadratmening 2−λ 4
= (8 − λ)
ser vi på när skillnaden mellan högerled och vänsterled 4 2−λ
är så liten som möjligt, vilket händer när denna vektor = (8−λ)((2−λ)2 −42 ) = (8−λ)(2−λ−4)(2−λ+4)
är ortogonal mot kolonnrummet till koefficientmatri-
sen. Vi leds därmed till normalevationen AT Ax = = (8 − λ)(−2 − λ)(6 − λ).
Egenvärdena, som är rötterna till den karaktäristiska b) Vi kan beräkna det A3 med radoperationer genom
ekvationen, är därmed λ = −2, λ = 6 och λ = 8.
   
Vi får motsvarande egenvektorer genom att lösa det 1 2
3 r1
homogena ekvationssystemet med koefficientmatris A− det  4 6  = det r2 − 4r1 
5
λ för dessa värden på λ. Vi får för λ = −2 7 8
9 r3 − 7r1
 
1 2 3
= det  0 −3 −6 
   1  0 −6 −12
2 − (−2) 0 4 0 r
4 1    
0 8 − (−2) 0 0 ∼ 1
r  r1 1 2 3
10 2
  
4 0 2 − (−2) 0 r3 − r1 = det  r2  = det  0 −3 −6 =0
  r3 − 2r2 0 0 0
1 0 1 0
∼ 0 1 0 0  eftersom determinanten av en matris med en nollrad
0 0 0 0 alltid är noll.
c) Eftersom elementen i varje rad växer med ett från ko-
och lösningen ges av (x1 , x2 , x3 ) = (−t, 0, t), där t lonn till kolonn kommer varje kolonn utom de två yt-
är en parameter. För λ = 6 får vi tersta att vara lika med medelvärdet av de båda närstående.
Därmed har vi linjära relationer
   1 
2−6 0 4 0 − 4 r1
8−6 1 ci − 2ci+1 + ci+2 = 0
 0 0 0  ∼  r 
2 2
4 0 2−6 0 r3 + r1
  för i = 1, 2, . . . , n − 2, om n ≥ 3. Om kolonnerna
1 0 −1 0 är linjärt beroende är determinanten alltid noll enligt
∼ 0 1 0 0  känd sats.
0 0 0 0
7. Vi skriver linjens ekvation på parameterform. Vi ser att (x, y, z) =
(1, 2, 3) är en punkt på linjen. Vektorprodukten (krysspro-
och lösningen ges av (x1 , x2 , x3 ) = (t, 0, t), där t är dukten) av planens normaler ger linjens riktning:
en parameter.
För λ = 8 får vi (2, 0, −1) × (0, 1, 0) = (1, 0, 2).
Alltså har linjen ekvationen

− 16 r1
   
2−8 0 4 0
0 8−8 0 2
0  ∼ r3 + 3 r1 
 (x, y, z) = (1, 2, 3) + t(1, 0, 2).
4 0 2−8 0 r2
1 0 − 23
 
0 Kortaste vägen från punkten (7, 6, 5) till den givna linjen är
∼  0 0 − 103
0  att gå ortogonalt mot linjens riktningsvektor (1, 0, 2). Vi vill
0 0 0 0 alltså hitta t så att (1, 0, 2) är ortogonal mot
och lösningen ges av (x1 , x2 , x3 ) = (0, t, 0), där t (1, 2, 3) + t(1, 0, 2) − (7, 6, 5) = (t − 6, −4, 2t − 2).
är en parameter.
Nu är
De tre egenvektorerna (1, 0, 1), (1, 0, −1) och (0, 1, 0) tillhör
olika egenvärden och är därmed automatiskt ortogo- (1, 0, 2) · (t − 6, −4, 2t − 2) = t − 6 + 4t − 4 = 5t − 10,
nala. För att hitta en ortogonal basbytesmatris P som
diagonaliserar A behöver vi nu bara normera egenvek-
√ vilket är noll om och endast om t = 2. Avståndet ges av
torerna. Vi har att |(1, 0, 1)| = |(1, 0, −1)| = 2 längden på vektorn (t−6, −4, 2t−2) = (−4, −4, 2), vilken
och |(0, 1, 0)| = 1. Alltså får vi en ortogonal matris är
som diagonaliserar A som q √ √
(−4)2 + (−4)2 + 22 = 16 + 16 + 4 = 36 = 6.
√1 √1
 
0
 2 2
P = 0 0 1

8. a) Vektorrummet V består av alla symmetriska 2 × 2-
√1 − √1 0 matriser. Varje symmetrisk 2 × 2-matris kan skrivas
2 2
som
och a b
  b c
6 0 0
T
P AP = P −1
AP = 0 −2 0 . för några reella tal a, b och c. Detta betyder att den
0 0 8 kan skrivas som

1 0 0 1 0 0
a +b +c .
6. a) Vi beräknar det A2 , exempelvis med kofaktorutveck- 0 0 1 0 0 1
ling, eller med den kända formeln och får
Dessutom bestämmer talen a, b och c matrisen fullständigt
och därmed är uttrycket unikt. Detta är detsamma som

1 2
det = 1 · 4 − 2 · 3 = 4 − 6 = −2. att de tre matriserna B utgör en bas för V .
3 4
b) Att T är en linjär avbildning innebär att T (A1 +A2 ) = 9. a) Om vi ser på diagonalmatriser uppfyller dessa ekva-
T (A1 )+T (A2 ) och att T (kA) = k(A), för alla ma- tionen om och endast om alla dess diagonalelement
triser A1 , A2 , A i V och alla skalärer k. uppfyller ekvationen. Vi har att x3 = 2x2 −x är ekvi-
Vi kontrollerar att valent med x(x2 − 2x + 1) = 0, dvs x(x − 1)2 = 0.
Alltså kan vi välja en diagonalmatris med ettor och
nollor på diagonalen, exempelvis
T (A1 +A2 ) = P (A1 +A2 )P = P A1 P +P A2 P
= T (A1 ) + T (A2 )
 
1 0 0
A = 0 1 0
där vi utnyttjat den distributiva lagen för matrismulti- 0 0 0
plikationen.
Vidare ser vi att som varken är nollmatrisen eller identitetsmatrisen. (Det
finns sex olika sådana matriser.)
T (kA) = P (kA)P = kP AP = kT (A)
b) Låt v vara en egenvektor till A och λ motsvarande
där vi utnyttjat att mulitplikation med skalär kan göras egenvärde. Då gäller att Av = λv. Eftersom A3 =
före eller efter matrismultiplikationen. 2A2 − A, får vi att 0 = A3 v − 2A2 v + Av =
λ3 v − 2λ2 v + λv = λ(λ − 1)2 v. Eftersom v 6= 0,
Vi behöver också kolla att T (A) verkligen ligger i V är λ = 0 eller λ = 1.
för alla A i V . Detta ser vi genom att
(P AP )T = P T AT P T = (−P )A(−P ) = P AP
5.3. 2011-03-16
om A = AT eftersom P är antisymmetrisk och upp-
fyller P T = −P . 1. a) Vi kan beräkna inversen
A−1
genom Gauss-Jordanelimination
på totalmatrisen A I vilket ger
c) För att bestämma matrisen för T med avseende på ba-
sen B behöver vi beräkna bilderna av de tre basvekto-
rerna och uttrycka dessa i den givna basen.
   
Vi får att 0 1 1 0 1 −r2 0
 −1 3 1 0  ∼  r1 
0 1
1 −1 0 1 0 0
r3 + r2
   
1 0 0 1 1 0 0 1 1 −3 −1 0 −1 0 r1 + 3r2
T =
0 0 −1 0 0 0 −1 0 ∼0 1 1 1 0 0  ∼  r2 
0 2 1 0 1 1 r3 − 2r2
0 1 0 1
=    
−1 0 0 0 1 0 2 3 −1 0 r1 + 2r3
∼0 1 1 1 0 0  ∼  r2 + r3 
0 0 0 0
= =− 0 0 −1 −2 1 1 −r3
0 −1 0 1  
1 0 0 −1 1 2
∼ 0 1 0 −1
 1 1 .
0 0 1 2 −1 −1
0 1 0 1 0 1 0 1
T =
1 0 −1 0 1 0 −1 0
Alltså har vi fått att
0 1 −1 0 0 1
= =
−1 0 0 1 1 0 −1

1 2

A−1 =  −1 1 1 .
och 2 −1 −1
b) För att lösa matrisekvationen XA = B multiplice-

0 0 0 1 0 0 0 1 rar vi bägge sidor med A−1 från höger och får X =
T =
0 1 −1 0 0 1 −1 0 BA−1 . Med hjälp av resultatet från (a) kan vi nu beräkna

0 1 0 0
=
−1 0 −1 0

−1 0 1 0 
−1 1 2

= =−
0 1 2

0 0 0 0 X=  −1 1 1 
5 −3 1
2 −1 −1
Eftersom bilderna av basvektorerna omedelbart blev
0−1+4 0+1−2 0+1−2
uttryckta med samma basvektorer får vi direkt matri- =
−5 + 3 + 2 5 − 3 − 1 10 − 3 − 1
sen
3 −1 −1
 
0 0 −1
= .
 0 1 0  0 1 6
−1 0 0
för avbildningen T med avseende på basen B. Vi kan kontrollera räkningarna genom att se att
5. a) Standardmatrisen för sammansättningen är lika med
 matrisprodukten av standardmatriserna. Vi får alltså
1
0 1 att standardmatrisen för T ◦ T ges av
3 −1 −1  −1
XA = 1  3
0 1 6
0 1 −1
1 4 1 4

0+1−1 3−3+1 3−1+0
A2 =
= 0 −1 0 −1
0−1+6 0+3−6 0+1+0
1 · 1 + 4 · 0 1 · 4 + 4 · (−1) 1 0

0 1 2
= = .
= = B. 0 · 1 − 1 · 0 0 · 4 − 1 · (−1) 0 1
5 −3 1
b) Eftersom matrisen A är övertriangulär kan vi läsa av
2. a). För att bestämma T (1, 2, −2) måste vi utföra matrismul-
T egenvärdena som diagonalelementen, λ = 1 och λ =
tiplikationen A · 1 2 −2 , där A är (4 × 3)-matrisen −1. Vi hittar sedan egenvektorer till motsvarande egenvärden
ovan. Vi erhåller

genom att lösa ekvationssystemet med totalmatris A − λI 0 .
För λ = 1 får vi
  1
1 2 3   0 4 0 r
4 1 0 1 0
 1 1 ∼ 1 ∼
 5 7 
 2  0 −2 0 r2 + 2 r1 0 0 0
 −1 1 1 
−2
3 0 1 och vi kan läsa av lösningarna som (t, 0) för en reell

1 · 1 + 2 · 2 + 3 · (−2)
 
−1
 parameter t.

 =  −3 
1 · 1 + 5 · 2 + 7 · (−2)    För λ = −1 får vi
=
 −1 · 1 + 1 · 2 + 1 · (−2)   −1  1
3 · 1 + 0 · 2 + 1 · (−2) 2 4 0 r 1 2 0
1 ∼ 2 1 ∼
0 0 0 r2 0 0 0
dvs
T (1, 2, −2) = (−1, −3, −1, 1). och vi kan läsa av lösningarna som (−2t, t) för en
reell parameter t.
3. Vi utför Gauss-Jordanelminination på matrisen A för att få
fram nollrummet. Vi använder första raden för att eliminera i En bas av egenvektorer ges nu av en egenvektor för
första kolonnen och får varje egenvärde eftersom vi bara behöver två basvek-
torer i R2 . Alltså kan vi välja (1, 0) med egenvärde 1
    och (−2, 1) med egenvärde −1.
1 2 3 r1 √ √ √
 1 5 7   r2 − r1 
  6. När vi sätter in värdena a = 2, b = 3 och c = 2 2 i

 −1 1 ∼  matrisen A får vi
1   r3 + r1 
3 0 1 r4 − 3r1 
0 1 1 1

r1 − 23 r2 1  1 0 2 3 
     
1 2 3 1 0 3 A= 
 0 3 4   1 4  1 2 0 8 
 ∼  3 r2  ∼  0 1
  
∼
 3 .
1 3 8 0
0 3 4   r3 − r2   0 0 0 
0 −6 −8 r4 + 2r2 0 0 0
och vi kan beräkna det(A) med hjälp av radoperationer som
Vi har därmed en fri variabel i den tredje kolonnen och inför
en parameter så att x3 = 3t. Vi kan sedan använda de två 0 1 1 1 r2
nollskilda raderna för att läsa av x1 = − 13 x3 = −t och 1 0 2 3 r1
det(A) = =−
x2 = − 43 x3 = −4t. Därmed består nollrummet av alla 1 2 0 8 r3 − r1 − 2r2
punkter (x1 , x2 , x3 ) i R3 på formen (−t, −4t, 3t) där t är 1 3 8 0 r4 − r2 − 3r3
en reell parameter. 1 0 2 3 r1
4. Vi kan använda satsen från boken som säger att dimensio- 0 1 1 1 r2
=− =−
nen av bildrummet till en avbildning T plus dimensionen 0 0 −4 3 r3
av kärnan till T är lika med antalet kolonner i matrisen A. 0 0 3 −6 r4 + 43 r2
Bildrummet ges spänns upp av vektorerna T (1, 0, 0), T (0, 1, 0) 1 0 2 3
och T (0, 0, 1). Om dessa vore linjärt oberoende skulle bildrum-

0 1 1 1 15
met ha dimension tre, vilket medför att dimensionen till kärnan =− = −4· − = −15.
0 0 −4 3 4
är noll, men vi såg i del (b) att kärnan har dimension ett ef- 0 0 0 − 15
4
tersom det krävdes en parameter.
1
√
Ett annat sätt är att se att Alltså ges arean av triangeln enligt formeln av 4
15.
aT (1, 0, 0) + bT (0, 1, 0) + cT (0, 0, 1) = T (a, b, c) 7. a) Vi bestämmer först en bas för W . Skriv lösningsmängden
till ekvationen x1 − x2 + 2x3 − 3x4 = 0 på parame-
och därmed är de tre vektorerna linjärt beroende precis om
terform genom att sätta x2 = r, x3 = s och x4 = t.
det finns a, b och c som inte alla är noll och T (a, b, c) =
Vi får att
0. Detta var vad vi såg att det fanns i uppgift (b), tex är
T (−1, −4, 3) = 0 och därmed har vi det linjära beroendet


 x1 = r − 2s + 3t
x2 = r

−T (1, 0, 0) − 4T (0, 1, 0) + 3T (0, 0, 1) = 0.

 x3 = s
x4 = t

Detta kan skrivas I denna metod bestäms först en punkt R i det givna
planet, exempelvis genom att lösa ekvationen ax +
(x1 , x2 , x3 , x4 ) by + cz = d med Gauss-elimination och sätta de fria
= r(1, 1, 0, 0) + s(−2, 0, 1, 0) + t(3, 0, 0, 1). variablerna till 0. Det ger till resultat en punkt R =
(x0 , y0 , z0 ), där alltså ax0 + by0 + cz0 = d.
En bas för W utgörs alltså av vektorerna u1 = (1, 1, 0, 0), Nästa steg är att projicera vektorn
u2 = (−2, 0, 1, 0) och u3 = (3, 0, 0, 1).
b) Vi använder nu Gram-Schmidts ortogonaliseringpro- RPi = (xi −x0 , yi −y0 , zi −z0 )
cedur för att få en ortogonal bas. Steg 1:
på planets normalvektor n, vilket ger till resultat en
v1 = u1 = (1, 1, 0, 0). vektor
Steg 2: RPi · n
RSi = · n = si ·(a, b, c),
hu2 , v1 i n·n
v2 = u2 − v1
kv1 k2 där
−2 RPi · n a(xi −x0 ) + b(yi −y0 ) + c(zi −z0 )
= (−2, 0, 1, 0) − (1, 1, 0, 0) = (−1, 1, 1, 0). si = = .
2 n·n a2 + b2 + c2
Steg 3:
Slutligen erhålls den sökta punkten Qi ur sambandet
hu3 , v1 i hu3 , v2 i (se figuren)
v3 = u3 − v1 − v2
kv1 k2 kv2 k2
3 −3 Qi = Pi +Pi Qi = Pi −RSi = (xi , yi , zi )−si·(a, b, c),
= (3, 0, 0, 1) − (1, 1, 0, 0) − (−1, 1, 1, 0)
2 3
med si enligt ovan.
1 1 1
= ( , − , 1, 1) = (1, −1, 2, 2). Metod 2, “projektion direkt på planet mha normal-
2 2 2
vektorn n”:
Vi erhåller en ortonormal bas genom att normera de
n 6
erhållna vektorerna (1, 1, 0, 0), (1, −1, 1, 0) och 21 (1, −1, 2, 2);
basen blir s Pi

1 1 1
√ (1, 1, 0, 0), √ (1, −1, 1, 0), √ (1, −1, 2, 2) .
2 3 10
6
n
8. a) Den sökta punkten Q i planet karakteriseras av att vek-
torn QP är vinkelrät mot planet och därmed parallell
s
Qi planet
med planets normalvektor n = (a, b, c).
P (given punkt) I denna metod bildar man först en linje som går ge-
s nom den givna punkten Pi = (xi , yi , zi ) och som
6 har riktningsvektorn n = (a, b, c), så att linjen är vin-
kelrät mot det givna planet. Ekvationen för denna linje
6 QP på parameterform är
n
s (x, y, z) = (xi , yi , zi ) + t·(a, b, c).
planet
Q (sökt punkt) Vår sökta punkt Qi utgör skärningspunkten mellan
linjen och det givna planet, och den erhålls genom att
Det finns två naturliga, och besläktade, metoder att bestämma det värde ti på parametern t för vilket
bestämma Q, och vi beskriver bägge.
(Som bekant ska man dock som tentand bara ge en ax + by + cz = d, dvs (a, b, c) · ((xi , yi , zi ) + t·
lösning!) (a, b, c)) = d, vilket ger att
Eftersom metoderna ska användas för flera olika giv-
na punkter Pi ändrar vi beteckningarna något och an-
tar att man ska bestämma den punkt Qi i planet som d − (a, b, c) · (xi , yi , zi ) di − axi − byi − czi
ti = = .
ligger närmast den givna punkten Pi = (xi , yi , zi ). (a, b, c) · (a, b, c) a2 + b2 + c2
Metod 1, “projektion på normalvektorn n”:
Därmed är vår sökta punkt Qi = (xi , yi , zi ) + ti ·
Si Pi (a, b, c), med ti enligt ovan.
s s Notera att metoderna ger samma resultat, ty ti = −si
6 (eftersom ax0 + by0 + cz0 = d).
Insättning av siffror: Vi har i uppgiften att (a, b, c) =
Pi Qi = −RSi
6 (1, −2, 2), d = 1,
n
s s? P1 = (x1 , y1 , z1 ) = (1, 1, 0),
planet P2 = (x2 , y2 , z2 ) = (1, 1, 1),
R Qi
P3 = (x3 , y3 , z3 ) = (2, −1, −1)
och, om man använder metod 1, R = (x0 , y0 , z0 ) = En alternativ metod är att se att A−I har ett tvådimensionellt
(1, 0, 0). egenrum med egenvärde 0, dvs ett tvådimensionelt noll-
Insättning i exempelvis metod 2 ger att ti = (1 − rum, och ett endimensionellt egenrum med egenvärde
xi + 2yi − 2zi )/9, ett som ges av linjen med rikntningsvektor (1, −2, 1).
och därmed är t1 = 2/9, t2 = 0 och t3 = −1/9, så Dessutom är dessa båda egenrum ortogonala mot varand-
att ra. Alltså har vi A − I är standardmatrisen för den or-
togonala projektionen på vektorn u = (1, −2, 1). Om
2 vi tänker på u som en kolonnmatris kan därför A − I
Q1 = (1, 1, 0) + · (1, −2, 2) = ( 11 , 5 , 4 ),
9 9 9
9 skrivas som
Q2 = (1, 1, 1) + 0 · (1, −2, 2) = (1, 1, 1) = P2 ,  
1
1 1 1
= ( 17 , − 79 , − 11 uT u =

Q3 = (2, −1, −1) − · (1, −2, 2) 9 9
). 1 −2 1  −2 
9 kuk2 1 + (−2)2 + 1 1
 
b) Om si > 0 (dvs ti < 0) så ligger Pi på den sida av 1 −2 1
1
planet som normalvektorn n pekar åt, om si < 0 (dvs =  −2 4 −2  .
6 1 −2 1
ti > 0) så ligger Pi på den motsatta sidan, och om
si = 0 (dvs ti = 0) så ligger Pi i planet.
Vi får nu A som I + (A − I), dvs
Eftersom i vårt fall t1 > 0, t2 = 0 och t3 < 0 så
ligger punkterna P1 och P3 på varsin sida av planet
medan P2 ligger i planet (så att Q2 = P2 ). 1

0 0
 
1 −2 1

1
Om man sätter P4 = (0, 0, 0) i formeln ovan så erhålls A= 0 0 0  +  −2 4 −2 
0 0 1 6 1 −2 1
att t4 = 1/9 > 0, och därmed är det endast P1 av de
tre givna punkterna som ligger på samma sida om pla- 
7 −2 1

net som origo. 1
=  −2 10 −2  .
6 1 −2 7
9. a) Eftersom egenvekorer som hör till olika egenvärden
till symmetriska matriser är ortogonala mot varandra
10. a) Enligt texten har vi att an+1 = 0,60an + 0,80bn
måste egenvektorerna med egenvärde 2 vara normal-
och bn+1 = 0,40an + 0,20bn , vilket kan formuleras
vektorer till planet av egenvektorer med egenvärde 1.
som matrisprodukten
Vi kan läsa av en normalvektor som koefficienterna i
ekvatinonen för planet och får därmed egenvektorerna

an+1 0,60 0,80 an
med egenvärde 2 som t(1, −2, 1), där t 6= 0. = .
bn+1 0,40 0,20 bn
b) Vi kan nu finna en ortogonal bas av egenvektorer ge-
nom att välja två ortogonala vektorer i planet x − an+1
b) För varje n ≥ 0 har vi att fördelning Fn+1 =
2y + z = 0. Den ena kan kan väljas som (1, 1, 1) bn+1
och vi kan få den andra genom kryssprodukten med ges av Fn+1 = AFn , där matrisen
(1, −2, 1), dvs (1, 1, 1)×(1, −2, 1) = (1−(−2), −1−
(−1), −2 − 1) = (3, 0, −3). 1 6 8
A=
10 4 2
Vi kan nu med ett ortogonalt basbyte med matrisen
Specielt har vi att
√1 √1 √1
 
6 3 2
Fn+1 = AFn = A(AFn−1 ) = · · · = An+1 F0 .
P =
 − √2 √1 0 
6 3 
√1 √1 − √1

0,50
6 3 2 Vi känner F0 = , och vill beräkna An F0 , för
0,50
diagonalisera A till stora n. Detta gör vi lättast med egenvektorer. Det ka-
  rakteristiska polynomet till matrisen A är
2 0 0
T 6 2 32 8 20
P AP = 0 1 0 . (λ − )(λ − )− = λ2 − λ− .
0 0 1 10 10 100 10 100
Nollställen hittar vi genom kvadratkomplettering. Det
Alltså kan vi beräkna A genom vill säga vi sätter uttrycket ovan lika med noll, och
erhåller att
4 2 20 16 36
(λ − ) = + = .
 
2 0 0
10 100 100 100
A = P 0 1 0 P T
0 0 1 Detta betyder att egenvärderna till matrisen A är
 1   
√ 1 √ √1
2 0 0 √1 − √2 √1 6 4 −6 4 2
6 3 2 6 6 6 λ1 = + =1 och λ2 = + =− .
=  − √26 √1 0  0 1 0  √1 √1 √1
10 10 10 10 10
   
3 3 3 3 
√1 √1 − √1 0 0 1 √1 0 − √1
6 3 2 2 2 De tillhörande egenrummen bestämmer vi på sedvan-

7 −2 1
 ligt sätt, och får att E1 är nollrummet till
1
= −2 10 −2  4 −8
6 1 −2 7 10 10 .
−4 8
10 10
Med andra ord är E1 = (2t, t), godtyckliga tal t. b) På grund av linjäriteten räcker det att visa påståendet
−8 −8
10 10
för u = v och u = w. Vi får
Egenrummet E2 blir nollrummet till−4 −4 , vil-
10 10 T (v, v, w)
ket betyder att E2 = (t, −t). En bas för egenrum-
met väljer vi som β = {(2, 1), (1, −1)}. Vi har att = v × (v × w) + v × (w × v) + w × (v × v)
A = P −1 DP , där P är basbytesmatrisen från stan- = v × (v × w) − v × (v × w) + w × (0) = 0.
dardmatrisen till basen β, och där
och på samma sätt
1 0
D= .
0 − 15 T (w, v, w)
= w × (v × w) + v × (w × w) + w × (w × v)
Matrisen P −1 är basbytesmatrisen från basen β till
standardbasen, och denna läser vi av som = w × (v × w) + v × (0) − w × (v × w) = 0

2 1 c) På grund av linjäriteten från del (a) räcker det att visa
P −1 = .
1 −1 påståendet för en enhetsvektor som är ortogonal mot
En välkänd formel ger att både v och w. Om vi ser på vektorer i planet som
är ortogonalt mot u innebär nu kryssprodukten med
−1 −1 −1 u från vänster en rotation med π/2 åt ena hållet, och
P = (P −1 )−1 = .
3 −1 2 kryssprodukt med u från höger en rotation med π/2
åt andra hållet. (Om det är medurs eller moturs beror
För varje n ≥ 0 har vi att An = P −1 Dn P . Vi
på från vilket håll vi ser på planet.)
beräknar
n Den första termen u × (v × w) är noll eftersom u
2 1 1 0 1 1 1
An = 1 n är parallell med v × w. De båda andra termerna är
1 −1 0 (− 5 ) 3 1 −2 multipler av u. För att se att dessa tar ut varandra
1 n 1
ser vi på vinkeln mellan v och w × u och vinkeln
2 (− 5 ) 1 1
= 1 n mellan w och u × v. Dessa är lika eftersom vi i det
1 −(− 5 ) 3 1 −2
1 första fallet roterat w med π/2 åt ena hållet, och i det
n 2 − 2(− 51 )n

1 2 + (− 5 )
1 n 1 n .
andra fallet roterat v åt andra hållet lika mycket. Det
3 1 − (− 5 ) 1 + 2(− 5 ) rör sig därmed om två kryssprodukter av vektorer med

0,50
längderna |v| och |w| och med samma vinkel mellan.
Vi har att F0 = . Detta betyder att för varje Det enda som skiljer är ordningen mellan faktorerna
0,50
n > 0 har vi att och därmed kommer de att ta ut varandra.
d) Vi kan skriva varje vektor u som summan av en vektor
1 2 + (− 15 )n 2 − 2(− 51 )n 0,50

Fn = 1 n 1 n . u1 som ligger i spannet av v och w med en vektor
3 1 − (− 5 ) 1 + 2(− 5 ) 0,50
u2 som är ortogonal mot både v och w. På grund av
Speciellt har vi att om n >> 0 blir stor, eventuellt går linjäriteten från (a) har vi därmed att
mot oändligheten, så kommer ( 15 )n gå mot 0. Detta T (u, v, w) = T (u1 , v, w)+T (u2 , v, w) = 0+0 = 0,
ger att
där vi utnyttjar resultaten från (b) och (c) för att se att
1 2 · 0,50 + 0 + 2 · 0,50 − 0 1 2 de båda termerna är noll.
F∞ = =
3 0,50 − 0 + 0,50 + 0 3 1
dvs fördelningen av studenter blir 2/3 ≈ 67% på pub 5.4. 2011-06-09
A och 1/3 ≈ 33% på pub B.
1. a) Totalmatrisen till ekvationssystemet är
11. a) Genom att använda distributiva lagen för kryssproduk-  
ten får vi 1 −1 −4 2
 2 3 1 2 .
3 2 −3 c
T (u1 + u2 , v, w) = (u1 + u2 ) × (v × w) När vi utför Gausselimination på matrisen får vi i de
+ v × (w × (u1 + u2 )) + w × ((u1 + u2 ) × v) första stegen:
= u1 × (v × w) + u2 × (v × w) + v × (w × u1 )
+ v × (w × u2 ) + w × (u1 × v) + w × (u2 × v) 
1 −1 −4 2
 
r1

= u1 × (v × w) + v × (w × u1 ) + w × (u1 × v)  2 3 1 2  ∼ r2 − 2r1 

+ u2 × (v × w) + v × (w × u2 ) + w × (u2 × v) 3 2 −3 c r3 − 3r1
   
= T (u1 , v, w) + T (u2 , v, w) 1 −1 −4 2 r1
∼ 0 5 9 −2  ∼  r2 
och vidare har vi 0 5 9 c−6 r3 − r2
 
1 −1 −4 2
T (au, v, w) = (au) × (v × w)
∼  0 5 9 −2  .
+ v × (w × (au)) + w × ((au) × v) 0 0 0 c−4
= au × (v × w) + v × a(w × u)) + w × a(u × v)
Det är nu klart att ekvationssystemet inte har någon
= au × (v × w) + av × (w × u)) + aw × (u × v) lösning om c 6= 4, och speciellt har ekvationssystemet
= aT (u, v, w) ingen lösning med c = 2.
b) Av beräkningarna ovan har vi att ett nödvändigt krav tal t och sedan uttrycka de båda bundna variablerna
på konstanten c är c = 4. När vi sätter in c = 4 och x1 och x2 (trappstegsvariablerna) i t. Detta ger att
fullföljer Gausseliminationen får vi (x1 , x2 , x3 ) = (−2t, t, t) = t · (−2, 1, 1).
Med exempelvis t = 1 blir (x1 , x2 , x3 ) = (−2, 1, 1),
vilket betyder att −2 · u + 1 · v + 1 · w = 0 och
r1 + 51 r2
   
1 −1 −4 2 slutsatsen blir att u, v och w är linjärt beroende.
 0 5 9 −2 ∼ 1
  r
5 2

c) En godtycklig vektor y i det underrum M som spänns
0 0 0 0 r3 upp av u, v och w kan skrivas på formen y = x1 ·
1 0 11 8  u + x2 · v + x3 · w, för några tal x1 , x2 och x3 , dvs

5 5
∼ 0 1 9 2
−5 . som en linjärkombination av u, v och w.
5
0 0 0 0 Men eftersom, enligt (b)-uppgiften, w = −2·u+1·v,
så får vi att
Detta ger att z = t, där t är en reell parameter, och att
y = − 25 − 59 t och att x = 85 + 11 5
t. Lösningsmängden y = (x1 − 2x3 ) · u + (x2 + x3 ) · v,
kan beskrivas som
dvs en linjärkombination av enbart u och v. Det in-
8 2 nebär att u och v spänner upp det aktuella underrum-
(x, y, z) = + 11t, − − 9t, 5t , t ∈ R.
5 5 met M .
Dessutom är u och v linjärt oberoende, eftersom två
2. a) De tre vektorerna u, v och w sägs vara linjärt obero- vektorer som inte är parallella, och där ingen av dem
ende om den enda lösningen till är nollvektorn, är linjärt oberoende
x1 · u + x2 · v + x3 · w = 0 Vi har alltså u och v dels spänner upp M , dels är
linjärt oberoende. Därmed utgör de en bas till det ak-
är (x1 , x2 , x3 ) = (0, 0, 0). Om det däremot finns en tuella underrummet M .
lösning där inte alla de tre talen x1 , x2 och x3 är noll,
3. a) Vi har
så sägs u, v och w vara linjärt beroende.
    
b) Nu ska avgöras om −2 −8 2 1 18
        Au = −8 4 −10 −2 = −36 = 18u
1 1 1 0 2 −10 7 2 36
−1
 + x2  2  + x3 −4 = 0
     
x1 
 1  −2  4  0 och
−1 −1 −1 0
    
−2 −8 2 −2 0
Av = −8 4 −10  1  = 0 = 0 · v
har några andra lösningar än (x1 , x2 , x3 ) = (0, 0, 0). 2 −10 7 2 0
Detta är ett linjärt ekvationssystem, i x1 , x2 och x3 ,
med totalmatrisen så u och v är egenvektorer med egenvärdena 18 re-
  spektive 0.
1 1 1 0
 −1 b) Vi beräknar kryssprodukten
 2 −4 0  ,        
 1 −2 4 0  1 −2 −2 · 2 − 2 · 1 −6
−1 −1 −1 0 u×v = −2 × 1 = 2 · (−2) − 1 · 2 = −6 .
    
2 2 1 · 1 − (−2)2 −3
och med hjälp av Gauss-Jordans metod får vi
För att kontrollera att detta är en egenvektor kan vi
dela med den gemensamma faktorn −3 och får med

1 1 1 0
 
r1
 w = (2, 2, 1) att
 −1 2 −4 0  r2 + r1      
 ∼  −2 −8 2 2 −18
 1 −2 4 0  r3 − r1 
Aw = −8 4 −10 2 = −18 = (−9)w.
−1 −1 −1 0 r4 + r1 2 −10 7 1 −9
   
1 1 1 0 r1
1 vilket verifierar att u×v är en egenvektor med egenvärde
0 3 −3 0   3 r2 
 
∼ ∼  −9. Vi har nu tre egenvektorer med olika egenvärden
0 −3 3 0  r3 + r2 
och dessa bildar därmed en bas för R3 och använder
0 0 0 0 r4
    vi dem som kolonner i basbytesmatrisen
1 1 1 0 r1 − r2  
 0 1 −1 0  1 −2 2
 ∼  r2 
 
∼0 0 P =  −2 1 2 
0 0   r3 
0 0 0 0 r4 2 2 1
 
1 0 2 0 så vet vi att vi ska få
 0 1 −1 0   
∼
0 0
. 18 0 0
0 0  −1
P AP =  0 0 0 
0 0 0 0
0 0 −9
Den fullständiga lösningen till detta system erhålls ge- utan att behöva utföra invertering och matrismultipli-
nom att sätta den fria variabeln x3 till ett godtyckligt kationer.
4. Vi ansätter ekvationen ax + by + cz = d för vårt sökta och högerled. Detta händer när denna vektor är orto-
plan, där vi alltså ska bestämma konstanterna a, b, c och d. gonal mot kolonnrummet till koefficientmatrisen, vil-
En normalvektor till detta plan är vektorn (a, b, c). ket framgår av normalekvationen AT Ax = AT b. I
vårt fall får vi
Denna normalvektor (a, b, c) måste dels vara ortogonal mot
normalvektorn (2, 0, 1) till det plan som vårt sökta plan en-
   
15 9 9 3
ligt uppgiften skär under rät vinkel, dels vara ortogonal mot T
A A =  9 15 9  och A Ab =  8  T
riktningsvektorn (1, 3, 1) till den linje som vårt plan enligt 9 9 9 −8
uppgiften innehåller. En normalvektor (a, b, c) till vårt sökta
plan kan därför bestämmas med hjälp av kryssprodukt: Eftersom Ingenjör B gav bäst parametrar enligt del (a)
          räcker det att kolla dessa värden. När vi sätter in dess-
a 2 1 0·1−1·3 −3 sa parametrar i vänsterledet i normalekvationen får vi
 b  = 0 × 3 = 1 · 1 − 2 · 1 = −1 .
      
c 1 1 2·3−0·1 6 15 9 9 2 3 3
 9 15 9   3  =  9  6=  8 
Det återstår att bestämma konstanten d svarande mot denna 9 9 9 −6 −9 −8
normalvektor. Eftersom vi enligt uppgiften vet att vårt sökta
Alltså är det ingen som har fått en lösning till norma-
plan innehåller punkten (2, 1, 0) (som ligger på den givna
lekvationen.
linjen), så får vi att d = −3 · 2 − 1 · 1 + 6 · 0 = −7.
En ekvation för vårt plan är alltså 6. a) Av de givna relationerna har vi att f1 = −2g1 + 3g2
och att
−3x − y + 6z = −7. 1 1 3
f2 = 2g1 + f1 = 2g1 + (−2g1 +3g2 ) = g1 + g2 .
2 2 2
Vi har att B = {f1 , f2 } är en bas för vektorrummet V .
5. a) Vi ställer upp problemet som ett överbestämt linjärt Detta betyder att varje vektor i V kan skrivas som en
ekvationssystem i de tre obekanta, a, b och c. linjärkombination av f1 och f2 . Av relationerna ovan
kan f1 och f2 skrivas som en linjärkombination av g1
c = −5

 och g2 . Detta betyder att det linjära höljet
b + c = −3




2b + c = 1

Span(g1 , g2 ) = V.



a + c = −4



a + b + c = −2 Vi har att dimensionen till V är två, vilket medför att
a + 2b + c = 1



 g1 och g2 måste vara linjärt oberoende. Med andra
2a + c = −1



 ord är {g1 , g2 } en bas för V .
2a + b + c = 1


b) Från relationerna ovan har vi att


2a + 2b + c = 4
3 3
Om vi sätter in de tre ingenjörerenas resultat i vänsterledet 2f1 −5f2 = 2(−2g1 +3g2 )−5(g1 + g2 ) = −9g1 − g2 .
2 2
får vi vektorerna
Detta betyder att koordinatmatrisen till 2f1 − 5f2 i
(−7, −4, −1, −4, −1, 2, −1, 2, 5), basen {g1 , g2 } är
(−6, −3, 0, −4, −1, 2, −2, 1, 5)
−9
3 .
−2
respektive
7. a) Delrummet V är tydligen nollrummet till matrisen
(−5, −3, −1, −3, −1, 1, −1, 1, 3).

1 1 1 1
A= .
Skillnadsvektorerna mellan vänsterled och högerled 1 −1 1 1
blir
Vi ska bestämma en ortogonal bas till detta nollrum
(2, 1, 2, 0, −1, −1, 0, −1, −1), och startar därför med att bestämma en bas (som kanske
(1, 0, 1, 0, −1, −1, 1, 0, 0) inte är ortogonal). Med hjälp av några elementära rad-
operationer (Gauss-Jordan) överförs den givna matri-
sen A till reducerade trappstegsform:
respektive

1 1 1 1 1 0 1 1
(0, 0, 2, −1, −1, 0, 0, 0, 1). A= −→ = R.
1 −1 1 1 0 1 0 0
I minsta-kvadratmetoden handlar det om att minimera Matrisen R är på reducerad trappstegsform med två
längden av denna
√ skillnadvektor,
√ √ som för de tre in- trappstegsettor.
genjörerna blir 13, 5 och 7. Alltså är det In-
Nollrummet till en matris påverkas inte av elementära
genjör B som kommit närmast.
radoperationer, så nollrummen till A och R är desam-
b) Den minsta-kvadratlösningen ges av de värden på pa- ma. Den fullständiga lösningen till systemet Rx = 0
rametrarna som ger kortaste skillnadsvektor mellan vänsterled erhålls genom att sätta de fria variablerna x3 och x4
till s respektive t, och sedan uttrycka de bundna vari- linje genom origo O. Två punkter P och Q på en-
ablerna x1 och x2 i parametrarna s och t. Detta ger hetssfären ligger på samma linje genom origo om och
att endast om antingen P = Q eller om punkterna är
(x1 , x2 , x3 , x4 ) = (−s−t, 0, s, t) = s·(−1, 0, 1, 0)+ antipodala Q = −P . Detta betyder att om punkten
t · (−1, 0, 0, 1). P = (p1 , p2 , p3 ) är given. Då finns det ett unikt plan
genom P och Q och origo, om och endast om Q 6= P
Ur detta följer att de båda vektorerna (−1, 0, 1, 0) och och Q 6= (p1 , −p2 , −p3 ). Och enbart i dessa fall vill
(−1, 0, 0, 1) utgör en bas för nollrummet till matrisen det finnas en unik storcirkel genom P och Q.
R, och därmed även för nollrummet till matrisen A,
och därmed även för delrummet V . 9. a) När vi byter bas kommer triangeln i det nya koordinat-
Med Gram-Schmidts metod erhålls sedan att en orto- systemet att ha hörn i punkterna (1, 0, 0), (0, 1, 0) och
gonal bas B = {v1 , v2 } till V ges av v1 = (−1, 0, 1, 0) (0, 0, 1). Triangeln är alltså skärningen mellan planet
och x + y + z = 1 och den positiva oktanten. Att en
stråle från origo till en punkt går genom triangeln sva-
1 1 1 rar därför precis mot att alla koordinater är positiva.
v2 = (−1, 0, 0, 1)− ·(−1, 0, 1, 0) = (− , 0, − , 1).
2 2 2
b) För att se om strålen kommer fram eller inte ser vi
b) Antag att vi som bas för R4 väljer standardbasen {e1 , e2 , e3 , e4 }, om den når fram i det nya systemet, vilket innebär att
där t ex e2 = (0, 1, 0, 0), medan vi som bas för V summan av koordinaterna är minst ett i och med att
väljer basen B = {v1 , v2 } från (a)-uppgiften. triangeln ligger i planet x + y + z = 1.
Matrisen för avbildningen T (ortogonala projektionen c) När vi har punkterna A = (5, 5, 0), B = (5, 0, 5)
på V ) svarande mot dessa baser är en 2×4-matris vars och C = (0, 5, 5) får vi basbytesmatris från den nya
j:te kolonn är [T (ej )]B , dvs kordinaterna i basen B basen till standardbasen som
för den ortogonala projektionen av basvektorn ej på  
5 5 0
V.
P = 5 0 5 
Eftersom basvektorerna v1 och v2 är ortogonala så 0 5 5
ges ortogonala projektionen av ej på V av vektorn
och för att få reda på de nya koordinaterna för punk-
v1 · e j v2 · ej

· v1 + · v2 , terna P1 , P2 och P3 behöver vi multiplicera dessa ko-
v1 · v1 v2 · v2 ordinatvektorer med inversen P . Vi kan också lösa det
v ·e v ·e genom Gausselimination på totalmatrisen med de tre
vars koordinater i basen B är v 1·vj resp v 2·vj . koordinatvektorerna som högerled.
1 1 2 2
Vår sökta matris är alltså    

 v1 · e1 5 5 0 3 3 2 r1
v1 · e2 v1 · e3 v1 · e4   5 0 5 5 6 4  ∼ r2 − r1 

 v1 · v1 v1 · v1 v1 · v1 v1 · v1  0 5 5 3 2 3 r3
 
 v2 · e1 v2 · e2 v2 · e3 v2 · e4     
5 5 0 3 3 2 r1 + r2
v2 · v2 v2 · v2 v2 · v2 v2 · v2 ∼ 0 −5 5 2 3 2  ∼  −r2 
− 12 1
" #
0 0

1 −3 0 3 0
0 5 5 3 2 3 r2 + r3
2
= = .
6 −2 −2
   
− 13 0 − 31 2 0 4 5 0 5 5 6 4 2r1 − r3
3
∼ 0 5 −5 −2 −3 −2  ∼ 2r2 + r3 
8. a) Det finns alltid ett plan som innehåller tre punkt P , 0 0 10 5 5 5 r3
 
Q och origo. Detta kan vi se på följande sätt. Ett plan 10 0 0 5 7 3
genom origo ges som nollställemängden till ax+by+ ∼  0 10 0 1 −1 1 
cz = 0, för något trippel a, b och c - inte all lika med 0 0 10 5 5 5
noll. Låt P = (p1 , p2 , p3 ) och Q = (q1 , q2 , q3 ) vara
två punkt på sfären. Ett plan genom punkterna P och Alltså blir de nya koordinaterna för punkterna ( 21 , 101 1
, 2 ),
Q och origo skall satisfiera följande ekvationssystem 7 1 1 3 1 1
( 10 , − 10 , 2 ) och ( 10 , 10 , 2 ). I det första och sista
fallet är alla koordinater positiva och strålen går ge-
ap1 + bp2 + cp3 = 0
nom triangeln, medan den i det andra fallet går ut-
aq1 + bq2 + cq3 = 0
anför. Summan av koordinaterna är 11/10, 11/10 och
Detta är ett homogent ekvationssystem i tre okända 9/10. Alltså når strålen inte fram i det sista fallet.
a, b och c. Då ekvationssystemet består av enbart två
ekvationer kommer det finnas icke-triviala lösningar
till ekvationssystemet. Varje så dan icke-trivial lösning 5.5. 2011-10-17
bestämmer en ekvation för ett plan som kommer in-
nehålla punkterna P , Q och origo. Skärningen av ett 1. För att bestämma en ekvation för planet kan vi först bestämma
sådant plan med sfären ger en storcirkel genom P och en normalvektor, ~ n. Denna ska vara ortogonal mot normal-
Q. vektorn till det andra planet och mot vektorn mellan de två
givna punkterna i planet, dvs mot
b) Tre punkter origo O, P och Q spänner upp ett unikt
plan i om och endast om OP och OQ är linjär obero-
       
1 4 3 1
ende. Dessa två vektorer OP och OQ är linjärt obe- 1 och 5 − 5 = 0 .
roende om och endast om de inte ligger på samma 1 7 5 2
Därmed kan vi använda vektorprodukten för att bestämma ~
n 3. a) Vi kan beräkna determinanten genom Laplaceutveck-
som ling efter första raden och får då
       
1 1 1·2−1·0 2
n = 1 × 0 = 1 · 1 − 1 · 2 = −1 .
~
1 2 1·0−1·1 −1 1 2 0
4 1 3 1
3 4 1 = 1· −2·
−1 −1 0 −1
Vi har nu att ekvationen kan skrivas som 2x − y − z = d för 0 −1 −1
någon konstant d och vi kan sätta in någon av de två givna

= 1 · 4 · (−1) − 1 · (−1) − 2 · 3 · (−1) − 1 · 0
punkterna för att bestämma d. Vi får då d = 2 · 3 − 5 − 5 =
= 1 · (−3) − 2 · (−3) = 3.
−4.
2. a) För att se att de tre vektorerna ska utgöra en bas för R3 b) Enligt räknereglerna för determinanter är
räcker det att kontrollera att de är linjärt oberoende.
Detta kan vi göra genom att ställa dem som kolonner-
na i en matris och se att vi får en ledande etta i varje
det((AT A)−5 ) = [(det AT )(det A)]−5
kolonn efter Gausselimination.
= [(det A)(det A)]−1 = (3 · 3)−5 = 3−10 .
4. Det finns många olika linjära avbildningar som har samma

   
1 2 1 r1
 1 1 0  ∼ r2 − r1 
 bildrum. Ett sätt välja en är att välja två tre vektorer i pla-
3 3 1 r3 − 3r1 net som kolonnvektorer i matrisen och se till att inte alla tre
    är parallella. På så vis kommer bildrummet att ligga i planet
1 2 1 r1 och inte vara endimensionellt. Vi kan exempelvis välja vek-
∼  0 −1 −1  ∼  −r2  torerna
0 −3 −2 r3 − 3r2      

1 2 1
 7 −3 0
∼ 0 1 1  u1 = 0 , ~
~ u2 =  1  och ~ u3 = 0 .
0 0 1 1 0 0
Det är klart att de första två inte är parallella och därmed
Eftersom vi har fått en ledande etta i varje kolonn spänner de tre vektorerna tillsammans upp planet. Matrisen
var de tre vektorerna linjärt oberoende och de bildar för en avbildning som har planet som bildrum är därmed
därmed en bas för R3 .
 
b) För att skriva den givna vektorn som en linjärkombi- 7 −3 0
nation av basvektorerna söker vi koefficienterna x1 , A= 0  1 0 .
x2 och x3 så att ~v = x1 ~ u 1 + x2 ~
u 2 + x3 ~u3 . Vi 1 0 0
behöver därmed lösa ekvationssystemet med totalma-
tris h1i
5. a) Vi multiplicerar A med vektorn ~v = och får
 
1 2 1 1 2
3
 1 1 0 1 .
3 3 1 6 
3 0 0
  
1 3·1+0·2+0·3

Vi använder samma radoperationer som ovan för att −3 0 3 2 = −3 · 1 + 0 · 2 + 3 · 3
reducera till trappstegsform: −6 −6 9 3 −6 · 1 − 6 · 2 + 9 · 3
   
3 1
= 6 = 3 · 2 .
 
9 3
   
1 2 1 1 r1
 1 1 0 1  ∼ r2 − r1 
 h1i
3 3 1 6 r3 − 3r1 Alltså ser vi att 2 är en egenvektor med egenvärde
3
3.
   
1 2 1 1 r1 + 2r2
∼ 0 −1 −1 0  ∼  −r2  b) För att bestämma övriga egenvärden kan vi betrakta
0 −3 −2 3 r3 − 3r2 den karakteristiska ekvationen det(A − xI3 ) = 0. Vi
får
   
1 0 −1 1 r1 + r3
∼ 0 1 1 0  ∼ r2 − r3 
0 0 1 3 r3
 

1 0 0 4
 3−x 0 0
∼  0 1 0 −3  det(A − xI3 ) = det  −3 −x 3 
0 0 1 3 −6 −6 9−x

−x 3
= (3 − x) det
Lösningen ges därmed av x1 = 4, x2 = −3 och −6 9−x
x3 = 3. Vi kan därmed skriva = (3−x)(−x(9−x)−3·(−6)) = (3−x)(x2 −9x+18).
       
1 1 2 1
1 = 4 · 1 − 3 · 1 + 3 · 0 . Vi har redan sett att x = 3 är en lösning till den karak-
6 3 3 1 teristiska ekvationen och vi får resterande lösningar
från andragradsekvationen x2 − 9x + 18 = 0 som
med hjälp av kvadratkomplettering kan skrivas     
3 0 0 −1 3 · −1 + 0 · 1 + 0 · 0
9 81 9 9 −3 0 3  1  = −3 · −1 + 0 · 1 + 3 · 0
(x− )2 − +18 = 0 ⇐⇒ (x− )2 − = 0 −6 −6 9 0 −6 · −1 − 6 · 1 + 9 · 0
2 4 2 4    
9 3 9 3 −3 −1
⇐⇒ (x− + )(x− − ) = 0 ⇐⇒ (x−3)(x−6) = 0.
2 2 2 2 =  3  = 3 ·  1 ,
0 0
Det finns alltså bara två egenvärden, λ = 3 och λ =
6. Vi bestämmer alla egenvektorer med egenvärde λ =
    
3 genom att lösa ekvationssystemet med totalmatris 3 0 0 1 3·1+0·0+0·1
 −3 0 3  0 = −3 · 1 + 0 · 0 + 3 · 1
−6 −6 9 1 −6 · 1 − 6 · 0 + 9 · 1
− 13 r2
   
0 0 0 0
   
3 1
 −3 −3 3 0  ∼ r3 − 2r2  = 0 = 3 · 0
 
−6 −6 6 0 r1 1 1
 
1 1 −1 0 och
∼ 0 0 0 0 .
0 0 0 0
    
3 0 0 0 3·0+0·1+0·2
 −3 0 3  1 = −3 · 0 + 0 · 1 + 3 · 2
Vi inför parametrar för de två fria variablerna och kan −6 −6 9 2 −6 · 0 − 6 · 1 + 9 · 2
skriva samtliga lösningar som    
0 0
 
x1
 
−1
 
1 =  6  = 6 · 1 .
x2  = s ·  1  + t · 0 12 2
x3 0 1
6. a) För att avgöra vilken vektor som ligger i delrummet
där s och t är reella parametrar. En bas för egenrum- ska vi se vilket ekvationssystem som har lösning av
met med egenvärde 3 ges därmed av vektorerna x~
u1 + y~ u2 = ~v1 , x~u1 + y~ u2 = ~v2 och x~ u1 +
    y~
u2 = ~v3 . Alla dessa har samma koefficientmatris
−1 1 och vi kan lösa problemet genom att Gausseliminera
u1 =  1  och ~
~ u2 =  0  . en totalmatris med tre högerled.
0 1
Observera att den egenvektor som gavs i del (a) kan

   
1 1 −1 −1 1 r1
skrivas som 2~
u1 + 3~u3 . −2 
 ∼ r2 − 2r1 
 2 1 2 2  

För egenvärdet λ = 6 löser vi ekvationssystemet med  1 2 −4 −5 −6   r3 − r1 
totalmatris 2 1 3 2 1 r3 − 2r1
   
1 1 −1 −1 1 r1
 0 −1 4 4 −4   −r2 
 
∼ ∼
− 13 r1
     
−3 0 0 0 0 1 −3 −4 −7  r3 + r2 
 −3 −6 3 0  ∼  r2 − r1  0 −1 5 4 −1 r4 − r2
−6 −6 3 0 r3 − 2r1  
    1 1 −1 −1 1
1 0 0 0 r1  0 1 −4 −4 4 
1 ∼ .
∼  0 −6 3 0  ∼ − 6 r2 
  0 0 1 0 −11 
0 −6 3 0 r3 − 32 0 0 1 0 3
 
1 0 0 0
1 Eftersom det är ledande ettor i de två första raderna
∼  0 1 −2 0 . i koefficientmatrisen är systemet lösbart precis om de
0 0 0 0 två nedersta raderna i högerledet är noll. Detta gäller
bara för det andra systemet och det är därmed ~v2 som
Vi inför en parameter för den fria variabeln och får alla ligger i W .
lösningar som
b) För att bestämma koordinaterna kan vi eliminera vi-
 
x1
 
0 dare för det system som har ~v2 som högerled och får
x2  = t ·  1  då
2
x3 1
   
1 1 −1 1 0 3
 0 1 −4   0 1 −4 
där t är en reell parameter. En bas för egenrummet ges   ∼ r1 − r2 ∼  
 0 0 0   0 0 0 
av exempelvis vektorn 0 0 0 0 0 0
 
0 och vi kan läsa av lösningen som x = 3 och y = −4.
u3 = 1 .
~ Koordinatvektorn för ~v2 i basen B = (~ u1 , ~
u2 ) ges
2 därmed av
3
Vi kan kontrollera räkningarna genom att se att [~v2 ]B = .
−4
7. Att avbildningen bevarar area betyder att beloppet av deter- 5.6. 2012-01-09
minanten för dess matris är 1. Triangeln med hörn i punkter-
na (0, 0), (1, 0) och (1, 1) ska avbildas på en triangel med 1. Om det tredje hörnet i triangeln har koordinater (x, y) kan
area 1/2. Om (1, 0) avbildas på (a, b) betyder det att arean vi beräkna arean genom att använda de två vektorerna som
av triangeln med hörn (0, 0), (a, b) och (4, 3) ska vara 1/2. utgår från hörnet A och som har ändpunkter i de båda övriga
Arean av denna triangel ges av hörnen. Vi får

−→ − −→ −→ 2 −1 3
1 AB = OB − OA = − =
|3a − 4b| −3 1 −4
2
och
och därmed ska vi ha att 3a − 4b = 1 eller 3a − 4b = −1. −→ − −→ −→

x

−1

x+1

Lösningarna till detta kan skrivas AC = OC − OA = − =
y 1 y−1
−→
a 1 4 Höjden i triangeln mot sidan AB ges av projektionen av AC
=± +t· −→
b 1 3 på en vektor som är vinkelrät mot AB, tex

där t är en reell parameter. 4
~
n= .
3
För att få matrisen för T nu se vad standardbasen avbildas
på. Vi har att Alltså ges höjden av längden av
−→ 4
x+1
· y−1

a 1 4 −→ n · AC
~ 3
T (~e1 ) = =± +t· 4

b 1 3 Proj~n AC = ~
n= 4 · 4
3
n·~
~ n 3 3
och 4x + 3y + 1 4

= 3
25
1 1 4 1 4 dvs av
T (~e2 ) = T − = −± −t· .
1 0 3 1 3
|4x + 3y + 1| p 2 |4x + 3y + 1|
4 + 32 =
Sammantaget ser vi att matrisen för T kan skrivas som 25 5
−→ p
Längden av sidan är AB är |AB| = 3 + (−4)2 = 5.
2
1 + 4t 3 − 4t Därmed ges arean av triangeln av
1 + 3t 2 − 3t
1 |4x + 3y + 1| |4x + 3y + 1|
·5· = .
eller 2 5 2

−1 + 4t 5 − 4t Vi vill att arean ska bli 10 areaenheter, viket ger att |4x +
.
−1 + 3t 4 − 3t 3y + 1| = 20. Vi kan därmed exempelvis välja x = 4 och
y = 1.
Ett annat sätt att komma fram till ett möjligt hörn C är genom
8. Vi kan utgå från att vektorns längd är ett eftersom vinklarna −→ p
att se att längden av sidan AB är |AB| = 32 + (−4)2 =
inte ändras av skalning. Vi har därmed att x-koordinaten för 5. För att arean skall vara 10 areaenheter ska alltså höjden
u är ± cos 60◦ = ± 12 och y-koordinaten är ± cos 45◦ =
~ mot sidan AB vara 4 längdenheter. Om vi går vinkelrätt mot
± √1 . Eftersom vektorns längd är ett ges nu z-koordinaten −→
2 AB fyra längdenheter från A får vi
av 11
−−→ −→ 1 −1 4 4 5
1 1 1 1 1 OC = OA + 4 · ~
n= + = 17 .
= 1 − (± )2 − (± √ ) = 1 − − . = . |~
n| 1 5 3 5
2 2 4 2 4
Vi får därmed en rätvinklig triangel där BC är hypotenusan.
Om vinkeln till z-axeln är θ har vi därmed att cos θ = ± 12
T
2. a) Vektorn u1 = 1 0 −1 0 är med i V då
och vi kan dra slutsatsen att vinkeln mot z-axeln också är 60◦
eller 120◦ . 3 · 1 + 2 · 0 + 3 · (−1) + 2 · 0 = 0.
T
Av samma skäl har vi att u2 = 1 1 −1 −1 ,
9. När vi byter bas till den bas som består av egenvektorerna T T
för matriserna kommer båda matriserna att diagonaliseras. Vi u3 = 2 3 −2 −3 och u5 = 2 −3 0 0
T
kan alltså genom att välja de den gemensamma egenbasen är med i V . Men, vektorn u4 = 3 2 3 2 är
som kolonner i en matris S få inte med i V då
3 · 3 + 2 · 2 + 3 · 3 + 2 · 2 6= 0.
S −1 AS = D1 och S −1 BS = D2
b) Vi har att V är tredimensionell. Vektorerna u1 , u2 och
där D1 och D2 är diagonalmatriser. Eftersom diagonalmatri- u5 är med i V , och dessa är linjärt oberoende. Ty, om
ser kommuterar har vi att D1 D2 = D2 D1 och vi får därför
att au1 + bu2 + cu3 = 0,
då ser vi från den sista komponentekvationen att b =
0. Detta i sin tur ger att den tredje komponentekvatio-
nen ger att a = 0. Slutligen ger cu5 = 0 att c = 0
AB = SD1 S −1 SD2 S −1 = SD1 D2 S −1
då u5 inte är nollvektorn. Vi har då att {u1 , u2 , u5 }
= SD2 D1 S −1 = SD2 S −1 SD1 S −1 = BA. är en bas för V .
3. a) Det karakteristiska polynomet det(λI − A) är b) Lösningen till normalekvationen ges av a = 3/4 =
0,75, b = 5/4 = 1,25 och c = 23/5 = 4,6. Därmed
2
(λ−2)(λ−3)−2 = λ −5λ+4 = (λ−1)(λ−4). drar ingenjören slutsatsen att z = 0,75x+1,25y+4,6
bäst passar till de givna mätdata.
Nollställerna är λ = 1 och λ = 4. De tillhörande
egenrummen är som följer. Egenrummet E1 ges av c) Det som minimeras vid minstakvadratmetoden är av-
ståndet mellan höger- och vänsterled i det ursprungli-
ga linjära överbestämda systemet. I vårt fall får vi när

−1 −1 x 1 1 x
= 0 ⇐⇒ = 0. vi sätter in minsta-kvadratlösningen i vänsterledet
−2 −2 y 0 0 y

Eftersom y är en fri variabel sätter vi y = t för en 
 −a − b + c = 2,6
 −a + b + c = 5,1

parameter t och får
att lösningarna är alla multipler av

vektorn vektorn −1 + c = 4,6
1 .
a − b + c = 4,1



Egenrummet E4 ges av ekvationssystemet 

a + b + c = 6,6
1 − 12 x

2 −1 x och skillnaden mot högerledet blir
= 0 ⇐⇒ = 0.
−2 1 y 0 0 y  
−0,4
Även här är y en fri variabel  0,1 
och
vi får lösningarna  
som multiplerna av vektorn 12 .  0,6 
 
 0,1 
1
b) En bas för linjen E1 är ~ u= , och en bas för lin- −0,4
−1

1 √
jen E4 är vektorn ~v =
2
. Detta ger att B = {~ u, ~v } √ längd är 0,16 + 0,01 + 0,36 + 0,01 + 0,16 =
vars
0,70.
är en bas för R2 , beståande enbart av egenvektorer för
avbildningen T . Matrisrepresentation för avbildning- 5. a) En bas för W hittar vi ved Gauss-Jordan elimination.
en T i basen B blir då en diagonalmatris. Den tredje raden i A är 2 gånger den första raden pluss
1 gång den andra raden. Om vi sedan tar och adderar
4. a) Om punkterna låg på planet som ges av ekvatinonen -1 gånger den första raden till den andra, och sedan
z = ax + by + c skulle vi ha adderar -1 gånger den andra raden till den första får vi
  

 −a − b + c = 3 1 0 −1 −2
 −a + b + c = 5 0 1 2 3 .


+ c = 4 0 0 0 0
a − b + c = 4



Detta betyder att W är alla ordnade fyrtippler (x1 , x2 , x3 , x4 )

a + b + c = 7

på formen
Detta ekvationssystem är dock inkonsistent, och vi använder
minsta-kvadratmetoden för att få den lösning som lig- W = (t + 2s, −2t − 3s, t, s),
ger närmast. Om vi skriver ekvationssystemet som A~ x= T
~b får vi normalekvationen som AT A~ u = 1 −2
godtyckliga tal t och s. En bas för W blir ~ 1 0
x = AT ~b. I vårt T
fall har vi och w~ = 2 −3 0 1 . En ortogonal bas får
    vi genom att sätta
−1 −1 1 3
 −1
 1 1  
 5 
  ~
u1 = ~
u och ~ ~ − proju
u2 = w ~ 1 (w).
~
A= 0 0 1  och  4  .

 1 −1 1 
 
 4 
 Projektionen proju
~ 1 (w)
~ av vektorn w
~ ned på vektorn
1 1 1 7 ~
u1 ges av formeln
u1 · w
~ ~ 2+6
Därmed ges normalekvationen av proju
~ 1 (w)
~ = ~
u1 = ~
u1 .
u1 ||2
||~ 6
 
 −1  −1 1   Detta ger att
−1 −1 0 1 1  −1
 1 1  a
     
 −1 1 0 −1 1   2 1 2
 0 0 1  b
1 1 1 1 1  1 −1 1

 c −3 4 −2 1 −1
u2 =   −   =  
~      ,
1 1 1 0 3 1 3 −4
  1 0 3
  3
−1 −1 0 1 1 
 5 
 är ortogonal med u1 . En ortogonal bas för W är {~ u2 }.
u1 , 3~
= −1 1 0 −1 1   4 
, T
b) Den ortogonala projektionen av vektorn v = 1 1 2 2

1 1 1 1 1  4 
7 ned på vektorrummet W ges av formeln
u1 · ~v
~ u2 · ~v
~
vilket efter matrismultiplikationen blir ~
u1 + ~
u2 ,
u1 ||2
||~ u2 ||2
||~
    
4 0 0 a 3
 0 4 0  b =  5  . där {~ u2 } är en ortogonal bas för W . Vi väljer den
u1 , ~
T
0 0 5 c 23 ortognala basen ~ u1 = 1 −2 1 0 och ~ u2 =
T
u1 ||2 = 6 och

2 −1 −4 3 . Detta ger att ||~ och för projektionerna får vi
att ||~ 2
u2 || = 30. Vi beräknar att ~
u1 ·~v = 1 − 2 + 2 =
1, och att u2 · v = 2 − 1 − 8 + 6 = −1. Detta ger
   
x1 x2
att den ortogonala projektionen av ~v ned på W blir uxy × ~vxy =  y1  ×  y2 
~
 
1
 
2
 
1 0 0
1 −2 1 −1 1 
   
    −3  y1 · 0 − 0 · y2 0
− =  .
6  1  30  −4  10  3  = 0 · x2 − x1 · 0 =  0 ,
0 3 −1 x1 y2 − y1 x2 x1 y2 − y1 x2
6. a) Vi har att avbildningen

T skickar
punkter på linjen
t+1 1    
L= till punkten . Detta betyder att om z x1 x2
3−t 2
~
uxz × ~vxz =  0  ×  0 
och w är två punkter på linjen L så har vi att
z1 z2

1 1 0 
0 · z2 − z1 · 0
 
0

T (z − w) = T (z) − T (w) = − = .
2 2 0 =  z 1 x2 − x1 z 1  =  z 1 x2 − x1 z 2 
x1 · 0 − 0 · x2 0
Med andra ord är differensen i kärnan
T . Diffe-
till
t+1
rensen mellan två punkter z = och w = och
3−t

u+1
på linjen ges av linjen
   
3−u 0 0
uyz × ~vyz = y1  × y2 
~
s t−u z1 z2
N = = .
−s −(t − u)    
y1 z 2 − z 1 y2 y1 z 2 − z 1 y2
Det omvända gäller också: Om z är ett element i kärnan =  z 1 · 0 − 0 · z 2 =
  0 .
till T då har vi att z + w är med i L, med w en god- 0 · y2 − y1 · 0 0
tycklig punkt på linjen L. Detta betyder att linjen N
ovan är kärnan till T . Vi ser nu att komponenterna i ~ u × ~v är lika med de
nollskilda komponenterna i de tre vektorprodukterna
b) Vi har att avbildningens definitionsmängd är tvådimen-
från projektionerna. Alltså kan vi beräkna arean av tri-
sionell. Av uppgiften ovan har vi att kärnan är en-
angeln genom
dimensionell, vilket
betyder att bilden är en linje. Vi
1 q
har att punkten är med i bilden. Detta medför att A= A2yz + A2xz + A2xy
2

t
bilden är linjen . där Axy , Axz och Ayz är areorna av de projicerade
2t
trianglarna. (Observera att skalfaktorn 1/2 finns med
7. a) När vi beräknar arean av en triangel i rummet kan vi på båda sidor och att vi därför kan bortse från den.)
utgå från vektorerna ~
u och ~v från ett av hörnen till de
båda andra hörnen. Arean ges sedan av halva längden b) I exemplet har vi
av vektorprodukten ~ u × ~v .            
2 1 1 3 1 2
När vi projicerar triageln på de tre koordinatplanen u = 2−2 =  0  ,
~ ~v = 1−2 = −1
kommer vi att få motsvarande projektioner av de båda 2 3 −1 6 3 3
vektorerna ~u och ~v och kan sedan beräkna arean av
dessa trianglar med hjälp av vektorprodukten av pro- Arean av triangeln ges av
jektionerna.
   
Om vi har att 1 2
1 1 
 
x1
 
x2 |~
u × v| = 0  ×  −1 
2 2 −1 3
u =  y1 
~ och ~v =  y2   
z1 z2 0 · 3 − (−1) · (−1)
1 
= (−1) · 2 − 1 · 3 
får vi projektionerna på de tre planen som 2 1 · (−1) − 0 · 2
 
x1
 
x1
 
0 √
1p 2 1√ 3 3
uxy =  y1  , ~
~ uxz =  0  , ~ uyz = y1  = 1 + 52 + 1 2 = 27 = .
2 2 2
0 z1 z1
respektive Vi kan istället projicera triangleln på de tre koordinat-
      planen och beräknar areorna med vektorprodukterna
x1 x2 0
~vxy =  y2  , ~vxz =  0 , ~vyz = y2  .
   
1 2
0 z2 z2 1 1 
|~
uxy × ~vxy | = 0  ×  −1 
2 2 0 0
Vektorprodukten av ~
u och ~v blir  
      0
x1 x2 y1 z 2 − z 1 y2 1   = 1,
= 0
u × ~v =  y1  ×  y2  =  z1 x2 − x1 z2 
~ 2 2
1 · (−1) − 0 · 2
z1 z2 x1 y2 − y1 x2
   
1 2 5.7. 2012-03-12
1 1 
|~
uxz × ~vxz | = 0 × 0 
2 2 −1 3 1. a) Vi sätter in a = 1 i ekvationssystemet och får ett ek-
vationssystem med totalmatris
 
0
1   = 5
= (−1) · 2 − 1 · 3  
2 2 1 0 2 0
0  2 1 3 1 .
och 1 1 1 1
   
0 0 Med Gauss-Jordans metod kan vi överföra totalmatri-
1 1 
|~
uyz × ~vyz | = 0  ×  −1  sen till reducerad trappstegsform och får då
2 2 −1 3
 
0 · 3 − (−1) · (−1)
1   = 1.
   
= 0 1 0 2 0 r1
2 0 2  2 1 3 1  ∼ r2 − 2r1 
1 1 1 1 r3 − r1
Enligt formeln från del (a) får vi nu arean av triangeln    
som 1 0 2 0 r1
s √ ∼ 0 1 −1 1  ∼  r2 
1 2
2 2 r
5 1 27 3 3 0 1 −1 1 r3 − r2
A= + + = = .
2 2 2 4 2
 
1 0 2 0
∼  0 1 −1 1  .
8. a) Först ett par observationer:
0 0 0 0
• Om man stryker den första raden och kolonnen
i An får man An−1 . Vi har två ledande ettor och en fri variabel. Vi inför en
• Om man i stället stryker den första kolonnen och parameter t och får lösninsmängden som
den andra raden får man en matris Bn−1 som är    
likadan som An−1 sånär som på att första raden x −2t
y  = 1 + t ,
bara innehåller en etta och inte två.
z t
Om vi utvecklar determinanten för An längs med första
kolonnen får vi det An = 1 · det An−1 − (−1) · där t är en reell parameter.
det Bn−1 . Utvecklar vi det Bn−1 längs första raden
b) I allmänhet får vi totalmatris
får vi det Bn−1 = det An−2 .
 
b) Vi kan direkt beräkna det A1 = 1 och det A2 = 1 1−a 2 0
1 · 1 − 1 · (−1) = 2, och med rekursionsformeln från  2 a 3 1 
(a)-uppgiften får vi 1 2a − 1 a a
det A3 = det A2 + det A1 = 2 + 1 = 3, och Gausselimination ger
det A4 = det A3 + det A2 = 3 + 2 = 5,    
1 1−a 0 2 r1
det A5 = det A4 + det A3 = 5 + 3 = 8,  2 1
a  ∼ r2 − 2r1 
3

det A6 = det A5 + det A4 = 8 + 5 = 13, 1 2a − 1
a a r3 − r1
det A7 = det A6 + det A5 = 13 + 8 = 21, 
1 1−a 2 0
 
r1

det A8 = det A7 + det A6 = 21 + 13 = 34, ∼  0 3a − 2 −1 1  ∼  r2 
det A9 = det A8 + det A7 = 34 + 21 = 55, 0 3a − 2 a − 2 a r3 − r2
 
det A10 = det A9 + det A8 = 55 + 34 = 89. 1 1−a 2 0
∼  0 3a − 2 −1 1 .
9. Om A är diagonaliserbar med diagonalmatris D = S −1 AS 0 0 a−1 a−1
har A samma rang och spår som D. Om rangen är ett finns
precis ett nollskilt element på diagonalen av D, men då kan Om a 6= 32 och a 6= 1 får vi en ledande etta i varje
inte spåret vara noll. Detta ger en motsägelse som visar att A kolonn och systemet har en unik lösning.
inte kan vara diagonaliserbar.
Om a = 1 får vi oändligt många lösningar enligt del
Vi kan också se det på följande vis. Om en matris har rang 1 (a).
betyder det att alla rader är parallella och också alla kolonner.
Det betyder att det finns två vektorer ~ u och ~v så att A = Om a = 32 får vi ingen ledande etta i andra kolonnen
u)(~v )T . För att spåret ska vara noll krävs nu att u1 v1 +
(~ och vi får fortsätta ett steg till och får
u2 v2 + · · · + un vn = 0, dvs att ~ u · ~v = 0. Men då är också  2   
u = (~v )T ~
~v · ~ u = 0. Därmed är 1 3
2 0 r1
 0 0 −1 1  ∼  −r2 
A2 = (~
u)(~v )T (~
u)(~v )T = (~ u)(~v )T = 0,
u)(~v · ~ 0 0 − 13 − 31 r3 + 31 r2
vilket visar att alla egenvärden måste vara noll om A är dia- 1 23 2
 
0
gonaliserbar, men nollmatrisen har inte rang ett, vilket också ∼  0 0 1 −1  .
ger en motsägelse. På det här sättet ser vi att det finns gott 0 0 0 − 23
om matriser som uppfyller de båda villkoren på spåret och
rangen, men ingen av dessa är diagonaliserbar. Systemet är nu inkonsistent och det saknas lösning.
2. a) De vektorer som tillhör nollrummet ker(T ) är de vek- där t är en reell parameter.
Vi får en bas för egenrum-
torer som projiceras till nollvektorn under projektio- met av egenvektorn 11
nen T . Detta är precis de vektorer som är ortogonala För egenvärdet λ1 = −2 behöver vi lösa ekvations-
mot planet, dvs parallella med normalvektorn systemet med totalmatris
 
1 7 −2 0
n = −3 .
~ 7 −2 0
−5
1
Därmed utgör ~
n en bas för nollrummet, ker(T ). − 72

7 −2 0 r
7 1
1 0
∼ ∼ .
b) Bildrummet till projektionen är alla vektorer i planet 7 −2 0 r2 − r1 0 0 0
med ekvation x − 3y − 5z = 0. För att bestämma en Egenvektorerna med egenvärde −2 är alltså nollskilda
bas för detta
kan vi se det som nollrummet till matri- vektorer på formen
sen A = 1 −3 −5 och eftersom den redan är 2
på reducerad trappstegsform ser vi att lösningsmängden x t
= 7
kan skrivas som y t
       
och om vi väjler t = 7 får vi egenvektorn 27

x 3s + 5t 3 5
y  =  s  = s · 1 + t · 0
Matrisen S som diagonaliserar A kan därmed väljas
z t 0 1 till
1 2
där s och t är reella parametrar. Därmed utgör vekto- S=
1 7
rerna    
3 5 och vi får
u= 1
~ och ~v = 0 3 0
S −1 AS = .
 
0 1 0 −2
en bas för bildrummet im(T ). Vi kan kontrollera räkningarna genom att utföra ma-
trismultiplikationen och får
3. a) Egenvärdena till A ges av rötterna till den karaktäristiska
ekvationen det(A−xI2 ) = 0 och vi beräknar det ka-
raktäristiska polynomet fA = det(A − xI2 ) till

1 7 −2 5 −2 1 2
S −1 AS =
5 −1 1 7 −4 1 7
5−x −2
fA (x) = det 1 7 −2 3 −4 1 15 0
7 −4 − x = =
5 −1 1 3 −14 5 0 −10
= (5−x)(−4−x)−(−2)·7 = −20+4x−5x+x2 +14
3 0
=
= x2 − x − 6. 0 −2
Vi kan använda kvadratkomplettering för att lösa ek- 4. a) För att bildrummet ska vara lika med W ska alla ko-
vationen fA (x) = 0 och får lonner i matrisen för T ligga i W och det ska finnas
några av dem som utgör en bas för W .
2
1 1 Vi kan bestämma en bas för W genom att betrakta
x2 − x − 6 = 0 ⇐⇒ x− − −6 = 0 det
2 4 som nollrummet till matrisen 1 −2 3 1 . Vi

1
2
25 1 5 inför tre parametrar för de tre fria variablerna och får
⇐⇒ x− = ⇐⇒ x − = ± lösningsmängden som
2 4 2 2          
1 5 x 2r − 3s − t 2 −3 −1
⇐⇒ x = ± . y   r  = r·1+s· 0 +t· 0  ,
      
2 2  =
z   s  0  1   0 
1 5
Alltså ges egenvärdena av λ1 = 2
+ 2
= 3 och w t 0 0 1
λ2 = 21 − 52 = −2. där r, s, t ∈ R. Därmed utgör vektorerna
Vi ser att A är diagonliserbar i och med att den är en      
2 −3 −1
2 × 2-matris som har två olika egenvärden. 1  0   0 
  ,   och  
b) För att bestämma en matris som diagonaliserar A behöver 0  1   0 
vi bestämma en bas av egenvektorer till A. För egenvärdet 0 0 1
λ1 = 3 behöver vi lösa ekvationssystemet med total-
matris en bas för W . Vi kan nu välja vår avbildning T sådan

2 −2 0 att matrisen har dessa tre vektorer som tre av sina ko-
7 −7 0 lonner. Den fjärde kolonnen kan väljas godtyckligt i
W , exempelvis som nollvektorna.
1 Alltså ger matrisen
2 −2 0 r
2 1 1 −1 0
∼ ∼
 
7 . 2 −3 −1 0
7 −7 0 r2 − 2 r1 0 0 0 1 0 0 0 
A=
 
Lösningsmängden ges av 0 1 0 0 
0 0 1 0
x t
= en sådan avbildning T : R4 −→ R4 .
y t
b) Enligt dimensionssatsen har vi Vi kan invertera matrisen S genom Gauss-Jordans me-
tod och får
dim ker(S) + dim im(S) = 2
1 1 1 0 r1 1 1 1 0
∼ ∼
och därmed kan inte bildrummet, im(S) vara lika med 1 2 0 1 r2 − r1 0 1 −1 1
W som är tredimensionellt.
r − r2

1 0 2 −1

∼ 1 ∼ .
  r2 0 1 −1 1
3
5. Linjens riktningsvektor är ~v = 5 och planets normalvek-
Alltså har vi
1
tor är 2 −1
  S −1 =
2 −1 1
n= 1 
~
−2 och vi får

För att få riktningsvektorn för den sökta linjen projicerar vi ~v 2 −1 4 2 1 1
B=
på planet och vi kan göra det genom att dra bort projektionen −1 1 1 5 1 2
av ~v på ~
n från ~v .

7 −1 1 1 6 5
= = .
Alltså får linjen riktningsvektor −3 3 1 2 0 3
Vi kan kontrollera räkningarna genom att se att

    4 2 1 6 1 1
3 2 T (~
u1 ) = = =6· +0·
5 ·  1    1 5 1 6 1 2
 
3 1 −2 2 och
u = ~v − Proj~n (~v ) = 5 −      1 
~
2 2

1 −2 4 2 1 8 1 1
 1 · 1  T (~
u2 ) = = = 5· +3· .
1 5 2 11 1 2
−2 −2
 
3
 
2 b) Vi kan omvandla koordinaterna för ~ x till basen B och
3 · 2 + 5 · 1 + 1 · (−2)   sedan använda matrisen B, eller först använda matri-
= 5 −
  1
1 2 · 2 + 1 · 1 + (−2) · (−2) −2 sen A och sedan omvandla koordinater till basen B. I
      det första fallet får vi
3 2 1
9   
= 5 −

1 = 4 2 −1 1
x]B = S −1 ~
 
1 9 −2 3 [~ x=
−1 1 3

2·1−1·3 −1
Vi kan kontrollera att ~ u·~
u ligger i planet genom ~ n = 1·2+ = = .
−1 · 1 + 1 · 3 2
4 · 1 + 3 · (−2) = 0.
Med matrisen B får vi nu
För att finna en punkt på linjen konstaterar vi att skärningspunkten
mellan linjen och planet ligger på den sökta linjen och vi 6 5 −1 6 · (−1) + 5 · 2 4
[T (~
x)]B = = = .
får fram den genom att sätta in uttrycket (x, y, z) = (4 + 0 3 2 0 · (−1) + 3 · 2 6
3t, 5t, t − 2) i planets ekvation och lösa ut t. Vi får
På det andra sättet får vi

2(4 + 3t) + 5t − 2(t − 2) − 3 = 0 4 2 1 4·1+2·3 10
T (~
x) = = =
1 5 3 1·1+5·3 16
⇐⇒ 9 + 9t = 0 ⇐⇒ t = −1.
och
Alltså ligger punkten
2 −1 10
x)]B = S −1 T (~
[T (~ x) =
(x, y, z) = (4 + 3 · (−1), 5 · (−1), −1 − 2) = (1, −5, −3) −1 1 16

2 · 10 − 1 · 16 4
i planet. = = .
−1 · 10 + 1 · 16 6
Projektionen av linjen på planet kan därmed skrivas
      7. a) Det ortogoala komplementet W ⊥ består av alla vek-
x 1 1 torer som är ortogonala mot både ~
u1 och ~
u2 . Det in-
y  = −5 + t · 4 . nebär att W ⊥ är nollrummet till matrisen med ~ u1
z −3 3 och ~
u2 som rader. Vi bestämmer en bas för detta med
Gauss-Jordans metod:

6. a) Matrisen 1 2 −2 −1 0 r1
∼
2 3 0 −2 0 r2 − 2r1
1 1
S=
1 2 1 2 −2 −1 0 r + 2r2
∼ ∼ 1
0 −1 4 0 0 −r2
omvandlar koordinater från basen B till standardba-
sen. Vi kan därmed beräkna matrisen för T med avse- 1 0 6 −1 0
∼
ende på basen B som B = S −1 AS. 0 1 −4 0 0
Med de två fria variablerna x3 och x4 inför vi para- c) Genom att ta skalärprodukten av Ekvation (*) med
metrar s och t, vilket ger lösningarna som −
−→
EQ × ~
u1 får vi
       
x1 −6s + t −6 1 −
−→ − −→ − −→ −
−→
x2   4s  (P E+tEQ)·(EQ×~
u1 ) = (s1 ~
u1 +s2 ~
u2 )·(EQ×~
u1 ).
 = s ·   + t · 0 .
 4   
 =
x3   s   1  0 −−
→ −
−→
och eftersom EQ×~ u1 är ortogonal mot både EQ och
x4 t 0 1
~
u1 förenklas ekvationen till
Alltså utgör vektorerna −
−→ − −→ −
−→
    P E · (EQ × ~ u2 · (EQ × ~
u 1 ) = s2 ~ u1 ).
−6 1
 4  0 Därmed kan vi lösa ut s2 som
~v1 =  
 och ~v2 =  

1  0
−
−→ − −→
0 1 P E · (EQ × ~
u1 )
s2 = −−
→ .
en bas för W ⊥ . u2 · (EQ × ~
~ u1 )
b) Vi kan välja att antingen projicera antingen på W el- −
−→
På motsvarande sätt tar vi skalärprodukten med EQ×
ler på W ⊥ . Om vi väljer att projicera på W ordnar
~
u2 och får
vi först en ortogonal bas genom att använda Gram-
Schmidts metod. Vi ersätter då ~
u2 med −
−→ − −→ −
−→
P E · (EQ × ~ u1 · (EQ × ~
u 2 ) = s1 ~ u2 )
" #
  2 1
2 3
· 2

1
 där vi löser ut s1 som
0 −2
 3  −2 −1  2  −
−→ − −→
w
~2 = ~ u2 −Proju ~1 ~
u2 =  0 − " 1 # " 1 #
  
−2 P E · (EQ × ~
u2 )
2 2
s1 = −−
→ .
−2 −2 · −2 −1 u1 · (EQ × ~
~ u2 )
−1 −1
     
2 1 1 9. En vektor som ligger i ker(S) ligger i V och uppfyller S(~ x) =
 3  10  2   1  ~0, men då gäller också att T (~
x) = ~0, eftersom S fås genom
= −
    =  .
0 10 −2  2  att använda T på vektorer i V . Alltså kommer ker(S) ⊆
−2 −1 −1 ker(T ). Eftersom ker(T ) är endimensionellt kan ett delrum
av ker(T ) ha dimension noll eller ett. Dimensionen är noll
Vi kan nu projicera ~ x på W genom summan av pro-
om V inte innehåller någon nollskild vektor från ker(T ) och
jektionerna på de båda basvektorerna
" # ett om ker(T ) ligger helt i V . Båda situationerna kan förekomma
1 1   1 1   och enligt dimensionssatsen får vi att dimensionen för bildrum-
1 · 2 1 1 · 1 1
1 −2 1 2 met im(S) antingen är dim(V ) − dim(ker(S)) = 3 − 0 =
1 −1  2  −1  1 
ProjW ~ x= " 1
#  + 1 1  
   3 eller dim V − dim(ker(S)) = 3 − 1 = 2.
−2 2 
# "
1 1
1
2
−2 · −2
2
−1 2 · 12 −1
−1 −1 −1 −1 5.8. 2012-06-12
     
1 1 1
 2  3 1  3 1 1. a) Vi beräknar först vektorer som går utefter de tre sidor-
=0· +  =  
     na:
−2 7 2 7 2 
−1 −1 −1
     
5 −1 6
−−→ −−→ − −→      
PQ = OQ − OP = 2 − 2 = 0 ,
x som ligger i W ⊥ är nu
Den del av ~ 3 1 2
     
1 1 4
     
2 −1 3
1 3 −→ −→ − −→
  = 1  4 .
 1    P R = OR − OP =  1  −  2  = −1
ProjW ⊥ ~x=~ x−ProjW ~ x= 1− 7

 2  71 −1 1 −2
1 −1 10
Med skalärprodukten kan vi kontrollera att ~
u = ProjW ~x och
är ortogonal mot basvektorerna i W ⊥ och att ProjW ⊥ ~
x      
är ortogonal mot basvektorerna i W . 2 5 −3
−→ −→ − −→      
QR = OR − OQ = 1 − 2 = −1 .
8. a) Att punkten Q0 har koordinater (s1 , s2 ) i skärmens −1 3 −4
−−
→
koordinater betyder att vektorn P Q kan skrivas som
s1 ~u1 +s2 ~u2 . Vektorn från origo O till Q0 ges därmed Vi beräknar skalärprodukterna mellan dessa tre vekto-
av rer och får
−−→0 − −→   
OQ = OP + s1 ~ u 1 + s2 ~
u2 . 6 3
−
−→ −→    
−−→ −
−→ PQ · PR = 0 −1
b) Linjen genom E och Q kan skrivas som OE + tEQ 2 −2
för en parameter t och vi får vektorekvationen
−−→ −
−→ − −→ = 6 · 3 + 0 · (−1) + 2 · (−2) = 14,
OE + tEQ = OP + s1 ~ u 1 + s2 ~u2   
6 −3
−−→ − −→ − −→ −−
→ −→    
som kan förenklas genom att se att OE − OP = P E P Q · QR = 0 −1
och vi får då 2 −4
−−→ −−
→ = 6 · (−3) + 0 · (−1) + 2 · (−4) = 10
P E + tEQ = +s1 ~ u 1 + s2 ~
u2 . (*)
och slutligen Därmed kan vi beräkna bilden av en godtycklig vektor
    och får då speciellt att
−3 3
−→ −→    
1

1 0

1

P R · QR = −1 · −1 T =
−4 −2 −2 0 −1 −2

= (−3) · 3 + (−1) · (−1) + (−4) · (−2) = 0. 1 · 1 + 0 · (−2) 1 1
= = 6= .
0 · 1 + (−1) · (−2) 2 4
I det sista fallet blev skalärprodukten noll, vilket vi-
sar att sidorna P R och QR är vinkeläta mot varand- Alltså kan inte det tredje villkoret vara uppfyllt samti-
ra. Alltså är triangeln rätvinklig med en rät vinkel vid digt med de två första.
hörnet R. 3. a) Nollrummet är detsamma som lösningsmängden till
b) Eftersom vinkeln vid R är rät kan vi beräkna arean x) = ~0. Vi använder Gausselimination på total-
T (~
−→ −→ matrisen för detta linjära ekvationssystem och får
genom 21 |P R| · |QR|. Vi får sidlängderna genom
√
   
−→
q −1 1 −1 0 −r1
|P R| = (−3)2 + (−1)2 + (−4)2 = 26  0 2 2 0 ∼ 1
r 
2 2
 
1 0 2 0 r2 + r1
och    
1 −1 1 0 r1 + r2
−→
q √ ∼ 0 1 1 0  ∼  r2 
|QR| = 32 + (−1)2 + (−2)2 = 14
0 1 1 0 r3 − r2
 
och därmed ges arean av 1 0 2 0
1√ √ √ √ ∼  0 1 1 0 .
26 14 = 13 · 7 = 91. 0 0 0 0
2
Eftersom det saknas ledande etta i tredje kolonnen inför
Vi kan också beräkna arean genom vektorprodukten
vi en parameter t och får x3 = t. Vi löser ut x2 och
och får då
x1 ur de två första ekvationerna och får då x1 = −2t
   
6 3 och x2 = −t. Därmed får vi lösningsmängden till
1 − −→ −→
|P Q × P R| = 0 × −1
   
x1 −2
2 2 −2 x = x2 = t · −1  .
~   

0 · (−2) − 2 · (−1)
  
2 x3 1
1  1
= 2 · 3 − 6 · (−2)  =  18  En bas för detta endimensionella delrum ges av en
2 6 · (−1) − 0 · 3 2 −6
nollskild vektor i det, dvs exempelvis av vektorn
1
q
1 √ √  
= 22 + 182 + (−6)2 = 364 = 91. −2
2 2  −1  .
1
2. a) För att bestämma matrisen för T kan vi bestämma bil-
derna av standardbasvektorerna. Eftersom vi kan skri- b) Eftersom vi fick ledande ettor i de två första kolonner-
va na, men inte i den tredje, är de två första kolonnerna
två linjärt oberoende vektorer i bildrummet som dess-

1 1 0 0 0
= − och =− utom spänner upp hela bildrummet. Därför ges en bas
0 −1 −1 1 −1
för bildrummet im(T ) av de båda vektorerna
så kan vi beräkna dessa bilder som    
−1 1

1

1

0
 0  och  2 
T =T − 1 0
0 −1 −1

1 0 1 0 1 4. a) Vi börjar med att bestämma en bas för W . Det kan vi
=T −T = − =
−1 −1 1 1 0 exempelvis göra genom att genomföra Gausselimina-
tion på matrisen med vektorna som kolonner. De ko-
och
lonner som får ledande ettor motsvarar basvektorer.
0 0 0 0
T − = −T =−
   
= . 2 1 5 r1
−1 −1 1 −1
 2 9 13  r2 − r1 
 2 9 13  ∼ r3 − r1 
   
Därmed ges matrisen för T av dessa två vektorer som
kolonner, dvs av 2 1 5 r4 − r1
   

1 0
1 1 5 r1
A= .  0 8 8   r2 
0 −1 ∼ 0 8 8  ∼ r3 − r2 
  
b) Avildningen T är helt bestämd av dess värden på en 0 0 0 r4

bas för R2 och vi har i del (a) sett att de två första
 
1 1 5
kraven ger att matrisen måste vara  0 8 8 
∼  0 0 0 .

1 0
A= . 0 0 0
0 −1
Därigenom ser vi att de båda första vektorerna utgör 5. a) De nollskilda vektorer som uppfyller T (~ u) = −7~ u
en bas för W och vi kan använda Gram-Schmidts me- är egenvektorer med egenvärde −7 och vi får dem ge-
tod på dem. nom att lösa det linjära ekvationssystemet med total-
Vi börjar med att normera den första och får matris [A + 7I3 |~0]. Genom Gausselimination får vi
   
    9 −1 7 0 −r2
2 1  −1 14 2 0  ∼ r1 + 9r2 
1 1 2 1 1
~v1 = u1 = √
~   =  
 . 7 2 6 0 r3 + 7r2
|~
u1 | 22 + 22 + 22 + 22 2 2 1    
2 1 1 −14 −2 0 r1
1
∼  0 125 25 0  ∼  r 
25 2
Vi beräknar sedan nästa vektor från ~
u2 genom att dra 0 100 20 0 r3 − 54 r2
bort projektionen på ~v1 . Vi får  
1 −14 −2 0
        ∼ 0 5 1 0 .
1 1 1 1 0 0 0 0
9 9 1 1 1 1
u2 −(~
~ u2 ·~v1 )~v1 =  −  ·    
9 9 2 1 2 1 Vi kan sätta den tredje variabeln till en parameter t
1 1 1 1 och löser sedan ut x2 = − 15 x3 = − 15 t och x1 =
      14x2 + 2x3 = 2t − 14 t = − 54 t.
1 1 −1 5
9 1  1  Alla dessa vektorer får vi som
=9 − 5 · 1 =  1  .
        
x1 −4
1 1 −1 u = x2  = t · −1
~
x3 5
Vi normerar denna vektor som har längd
där t är en nollskild reell parameter.
q
På samma sätt gör vi för T (~v ) = 7~v och vi får
(−1)2 + 12 + 12 + (−1)2 = 2
   
−5 −1 7 0 −r2
och får då en ortonormal bas som består av vektorerna  −1 0 2 0  ∼ r1 − 5r2 
    7 2 −8 0 r3 + 7r2
1 −1    
1 1
  1 1 
 1 0 −2 0 r1
och
2  1 2  1  ∼  0 −1 −3 0  ∼  r2 
1 −1 0 2 6 0 r3 + 2r2
 
1 0 −2 0
b) När vi har en ortogonal bas för ett delrum kan vi pro- ∼  0 −1 −3 0  .
jicera på delrummet genom att projicera på basvekto- 0 0 0 0
rerna och summera. Vi får därför att projektionen av
Vi sätter x3 = t och får x2 = −3x3 = −3t och
en godtycklig vektor med koordinaterna (x, y, z, w)
x1 = 2x3 = 2t. Vektorerna ges nu av
på W ges av    
x1 2
x · ~v1 )~v1 + (~
(~ x · ~v2 )~v2 ~v = x2  = t · −3
      x3 1
x1 1 1
x2  1 1 1 1 där t är en nollskild parameter.
=   ·    
      
x3 2 1 2 1 b) Eftersom matrisen är symmetrisk finns en ortogonal
x4 1 1 bas av egenvektorer. Vi har redan två olika egenvärden
 
x1
   
−1 −1 −7 och 7 med tillhörande ortogonala egenvektorer.
x2  1  1  1  1  För att hitta den tredje egenriktningen kan vi beräkna
+ x3  · 2  1  2  1  vektorprodukten av de båda tidigare egenvektorerna
     
x4 −1 −1 och får
     
−4 2 (−1) · 1 − 5 · (−3)
   
x1 + x2 + x3 + x4 x1 − x2 − x3 + x4
1 x1 + x2 + x3 + x4  1 −x1 + x2 + x3 − x4 
   −1 × −3 =  5 · 2 − (−4) · 1 
=  + 
5 1 (−4) · (−3) − (−1) · 2
4 x1 + x2 + x3 + x4  4 −x1 + x2 + x3 − x4 
x1 + x2 + x3 + x4 x1 − x2 − x3 + x4
   
14 1
= 14 = 14 · 1 .
 
x1 + x4
1 x2 + x3  14 1
=  .
2 x2 + x3  Vi kan också kontrollera att detta är en egenvektor ge-
x1 + x4 nom
    
2 −1 7 1 2 · 1 + (−1) · 1 + 7 · 1
Alltså ges matrisen för avbildningen av  −1 7 2  1 = (−1) · 1 + 7 · 1 + 2 · 1
  7 2 −1 1 7 · 1 + 2 · 1 + (−1) · 1
1 0 0 1    
1 0 1 1 0
 8 1
A=  .
2 0 1 1 0 = 8 = 8 · 1 .
1 0 0 1 8 1
6. a) Om alla mätningarna skulle stämma med modellen är linjärt oberoende för alla val av konstanten a och vi
skulle vi ha följande linjära ekvationssystem uppfyllt: kan därmed använda dem som en bas för R2 . Vi kan
 bestämma matrisen för T genom att använda den på

 (−2)2 · a + (−2) · b + c = 5, denna bas. Om A är matrisen för T får vi att
 (1)2 · a + (−1) · b + c = 7,


02 · a + 0 · b + c = 6, 1 a a 0
A =

 12 · a + 1 · b + c = 4, 0 1 1 0


22 · a + 2 · b + c = 3.

eftersom

Nu ligger inte högerledet i bildrummet till den linjära 1 a a 1 0
T = och T = T2 = .
avbildning R3 −→ R5 som vänsterledet motsvarar. 0 1 1 0 0
För att minimera skillnaden mellan högerled och vänsterled Vi kan därmed lösa ut A som
behöver denna skillnadsvektor vara ortogonal mot bildrum- −1
met och vi får normalekvationen AT (A~ x − ~b) = ~0. I −a2

a 0 1 a a 0 1 −a a
A= = = .
vårt fall ges matrisen av 1 0 0 1 1 0 0 1 1 −a
 
4 −2 1 8. a) Om A2 är inverterbar är det(A2 ) 6= 0, men eftersom
 1 −1 1  det(A2 ) = det(A)2 , måste även det(A) 6= 0 och
 
A=  0 0 1   därmed är även A inverterbar.
 1 1 1 
b) Om A är diagonaliserbar med egenvärden ±1 är dess
4 2 2
kvadrat lika med identitetsmatrisen som är en ortogo-
och vi får nal matris. Alla sådana matriser är inte ortogonala. Ex-
empelvis kan vi ta matrisen
 
4 −2 1

1 1

4 1 0 1 4  1

−1 1 A=
 0 −1
AT A =  −2
 
−1 0 1 2 
 0 0 1 
som har egenvärdena ±1, men

1 1 1 1 1  1 1 1 
4 2 2
1 0 1 1 1 1 1 0
  AT A = = 6=
34 0 10 1 −1 0 −1 1 2 0 1
= 0 10 0 .
10 0 5 så A är inte ortogonal.
9. a) Vi kan välja parametrar för de båda sista variablerna
och högerledet som är fria och kan lösa ut de två första ur ekvatio-
  nerna. Vi får x3 = s, x4 = t, x2 = −2s − t och
5
    x1 = 2s + t − s − t = s. Därmed kan V beskrivas
4 1 0 1 4  7  43
som vektorerna
AT b =  −2
 
−1 0 1 2  6
 =  −7  .
      
1 1 1 1 1  4  25 x1 1 0
3 x2   −2   −1 
 =s·
 1 +t· 0 
  
x3 
Alltså motsvarar den angivna totalmatrisen normalekva- x4 0 1
tionen som hör till det överbestämda linjära ekvations-
systemet. och vi har en bas för V som består av vektorerna
   
b) Vi sätter in de givna värdena på a, b och c i ekvations- 1 0
systemet som svarar mot den givna totalmatrisen och  −2   −1 
 1  och  0  .
   
får
0 1
34 · (−0,5) + 0 · (−0,7) + 10 · 6 = −17 + 0 + 60 = 43,
0 · (−0,5) + 10 · (−0,7) + 0 · 6 = 0 − 7 + 0 = −7, b) Vi använder nu avbildningen T på basvektorerna för
10 · (−0,5) + 0 · (−0,7) + 5 · 6 = −5 + 0 + 30 = 25. att få fram matrisen för S. Vi får
   
vilket bekräftar att detta är en lösning till systemet. 1   1  
 −2  1 1 1 1  0
Detta innebär att parabeln y = −0,5x2 − 0,7x + 6 −2 
T 
    = 1 2 3 4    = 0 
anpassar bäst till de givna punkterna i minsta kvadrat- 1  1 
1 3 4 5 −1
mening. Det är summan av kvadraterna av avvikelser- 0 0
na i y-led som minimeras. och
   
7. a) Om ~ x ligger i bildrummet finns en vektor ~ y så att 0   0  
 −1  1 1 1 1  0
T (~
y) = ~ x. Om vi nu använder T på resultatet får −1 
 0   = 1 2 3 4 
T     = 2  .
vi T ◦ T (~ y ) = T (T (~ y ) = T (~
x), men eftersom  0 
1 3 4 5 2
x) = ~0, dvs ~
T 2 = T ◦ T är nollavbildningen är T (~ x 1 1
ligger i nollrummet till T .
Därmed ges matrisen för S av
b) De två vektorerna  
0 0
1 a B =  0 2 .
~
u= och ~v =
0 1 −1 2
5.9. 2012-10-16 4. Lösningsmängden till ekvationssystemet hittar vid Gauss-Jordan
    elimination på totalmatrisen
2 0
1. a) Vektorerna 0 och 4 finns i planet, och därför är −1 −1 1 1
.
1 2 2 −1 2 −1
     
2 0 −4 Vi adderar 2 rad 1 till rad 2. Sedan multiplicerar vi rad 1 med
0 × 4 = −4 talet -1, och rad 2 med talet − 13 . Slutligen adderar vi -1 rad
1 2 8 2 till rad 1. Detta borde ge
1
− 23

1 0
en normalvektor för planet. Planet går genom origo, och en 3
4 1
ekvation för planet är x + y − 2z = 0. 0 1 −3 −3
b) Skärningen ges som lösningsmängd till ekvationssystemet Linjen ges som z = t, y = − 31 + 4

3
t och x = − 32 − 13 t.
 
1
x + y − 2z = 0, En riktningsvektor för linjen är vektorn ~v = −4. Vi hittar
3x + 2y + z = 0 −3
sedan en punkt på linjen, t.ex P = (− 32 , − 13 , 0). Lat A =
Totalmatrisen 1 1 −2 3 2 1 kan vi göra Gauss- 5
Jordan elimination påV̇i adderar -3 rad 1 till rad 2. Sedan 3
adderar vi rad 2 till rad 1, och slutligen multipliceras rad 2 (1, 2, 0). Och vi bildar vektorn P~A =  73 . Vi har nu att
med talet -1. Detta ger matrisen 0
vektorn ~v × 3P~A är normalvektor till det sökta planet. Vi
1 0 5 beräknar att
.
0 1 −7      
1 5 21
Det ger linjen z = t, y = 7t och x = −t, godtyckliga tal t. ~v × P~A = −4 × 7 = −15 .
−3 0 27
2. a) Bildrummet spänns upp av kolonnrummet till matrisen,
En ekvation för planet är på formen 7x − 5y + 9z = d = 0,
och därför vill vi välja matrisen
och talet d läser vi av vid insättning av punkten A:

2 2a 7 − 10 + d = 0.
A= ,
1 a
     
1 0 0
2 5. a) Låt ~e1 = 1 , ~e2 = 2 och ~e3 = 1. Vi har att
för något tal a. Nollrummet skall innehålla vektorn , vil-    
1 1 0 1
ket betyder att
T (~e1 ) = 0 · ~e1 och att T (~e2 ) = 12 ~e2. Så ~e1 och ~e2 är
egenvektorer. Vektorn ~e3 är inte en egenvektor. Men, vi ser
2 4 + 2a 0
A· = = . att 2 · T (~e2 ) = T (~e3 ), vilket betyder att
1 2+a 0
     
0 0 0
Detta betyder att a = −2.
2~e2 − ~e3 = 4 − 1 =  3 
b) Vi har att bildrummet till A är lika med nollrummet till A. 0 1 −1
Detta betyder att allt hamnar i nollrummet till den samman-
satta avbildningen A2 . är med i nollrummet till T . Nollrummet har därmed dimen-
sion två. Egenrum med egenvärde λ = 0 har bas (~e1 , 2~e2 −
3. Vi noterar att matrisen A är inverterbar, då ~e3 ), och egenrum med egenvärde λ = 12 har bas (~e2 ). Detta
är alla möjliga egenvrum då deras dimension summerar upp
1 2 0 till 3.
1 1 2 1
det(A) = 2 1 1 = −2 = 1−8 6= 0. b) Ja, matrisen är diagonaliserbar. Detta fördi dimensionerna
1 2 0 2
0 1 2 till egenrummet summerar upp till dimensionen av rummet
som avbildningen opererar på.
Vidare har vi att tre vektorer i R3 bildar en bas om och endast
om de är linjärt oberoende. Låt (~
u, ~v , w)
~ vara en bas, och låt 6. a) Filteret kan betraktas som den linjära avbildningen T : RN −→
u0 = A~
~ u, ~v 0 = A~v och w ~ 0 = Aw. ~ Antag nu att vi har en RN som ges av standardmatrisen
relation 1 0 0 ··· 0
a~u0 + b~v 0 + cw
~ 0 = 0,
2 1 0 ··· 0. 
.. 
1 2 1

med skalärer a, b och c. Vi har att .. 
A = 0 1 2 ... .
 
0.

0 1 . 
.. 
~0 = A−1 (a~
u0 + b~v 0 + cw
~ 0)  .. .
= aA−1 ~
u0 + bA−1~v 0 + cA−1 w
~ 0 = a~
u + b~v + cw.
~ 0 ··· 1
Vektorerna ~ u, ~v och w
~ är linjärt oberoende, vilket medför att Varje vektor i RN transformeras i filtret till en ny vektor RN ,
a = b = c = 0. Och då har vi vist att ~ u0 , ~v 0 och w
~ 0 också är och denna transformation tillsvarar multiplikation med matri-
linjärt oberoende. sen A.
b) Matrisen är inverterbar. Låt An vara matrisen ovan med 9. Vi vet att ~v och w
~ spänner upp ett plan, och vi har att
N = n. Vi har att determinanten till An , utvecklat langsmed
den första raden är ~
u = a~v + bw
~
det(An ) = 1 · det(An−1 ) = 1 · · · 1 det(A1 ) = 1. för några skalärer a och b. Vi bestämmer först dessa skalärer.
Vi har att
Determinantent till matrisen A som representerar den linjära
avbildningen är alltså 1, och därför är avbildningen inverter- u · ~v = a|~v |2 + b(w
2=~ ~ · ~v ) = a + b(w
~ · ~v )
bar. och vi har att
7. a) Kvadratet av längden till en vektor ~
x ges som skalärprodukten
u·w
4=~ ~ = a(~v · w) ~ 2 = a(w
~ + b|w| ~ · ~v ) + 4b.
x·~
~ x. Denna produkt kan vi också skrivas som matrisproduk-
xT · ~
ten ~ x. Om ~ x = A~ y , för någon matris A, har vi att Vi har vidare att
T T T T π 1
x ·~
~ y ) · A~
x = (A~ y A ·A·~
y=~ y.
|~v | · |w|
~ cos( ) = 1 · 2 · .
3 2
Om matrisen A är orthogonal har vi att AT = A−1 , vilket
betyder att en orthogonal matris bevarar längd, Det fölger att ~v · w
~ = 1. Våra två ekvationer ovan blir nu
||~
x|| = ||A~
y ||. 2=a+b och 4 = a + 4b
1
Om ~
y är en egenvektor, med egenvärde λ erhåller vi att som har lösningen (a, b) = 3
(4, 2). Vi kan nu läsa av längden
till vektorn ~
u,
||~
x|| = ||A~
y || = ||λ~
x|| = |λ|||~
x||. 4 2 16 2 16 4 16
u|2 = |( ~v + w)|
|~ ~ 2= |~v | + ~v w ~ 2=
~ + |w| .
Detta betyder att λ = ±1. 3 3 9 9 9 3
b) Låt A vara en 5 × 5-matris. Då vill dets karakteristiska Detta ger att cos(α), där α är den sökta vinkeln, satisfierar
polynom c(A) = λ5 + c1 λ4 + · · · c4 ha grad 5. Varje reelt √
polynom är en produkt av reella polynom c(A) = p1 · · · pr , ~
u~v 2· 3
cos(α) = = .
där pi antigen har en reell rot pi = (λ − x), eller så är pi |~
u| · |~v | 4
komplexa rötter, och är av grad 2, pi = λ2 + aλ + b. Då
polynomet c(A) har grad 5, måste en av dessa faktorer pi Och vi har att vinkeln α = π/6.
ha grad ett, och därför måste det karakteristiska polynomet
ha åtminstonde en reell rot. Av uppgiften innan vet vi att de 5.10. 2012-12-13
enda reella rötterna är ±1. Detta betyder också att det måste
finnas egenvektorer. Det vill säga, det finns åtminstonde en 1. a) Låt P = (2t−1, 3−t) vara en punkt på linjen. Vi betraktar
noll-skilld vektor ~v sådan att vektorerna

A~v = ~v eller A~v = −~v . ~ = 4 och BP
AB ~ = 2t − 7
2 −t − 1
8. a) Vi fixerar det komplexa talet z = a + bi.
Varje komplext
som går längs triangelns två sidor. Vinkeln i B är rät om och
c ~ · BP ~ = 0. Vi vill bestämma t så att detta är
tal w = c + di tillsvarar vektorn w ~ = , och specielt endast om AB
d
2
uppfyllt. Vi får ekvationen
har vi identifierad mängden R med det komplexa talplanet.
Multiplikationen av komplexa tal är ~ BP
0 = AB· ~ = (8t−28)+(−2t−2) = 6t−30 ⇐⇒ t = 5.
z · w = ac − bd + (cb + ad)i. Således är P = (9, −2) den unika punkten på linjen som gör
triangeln ABP rätvinklig i punkten B.
Vi ser att talet z · w tillsvarar vektorn
b) Låt Q = (2t − 1, 3 − t) vara en punkt på linjen. Nu
ac − bd a −b c betraktar vi vektorerna
zw
~ = = .
bc + ad b a d
AQ~ = 2t − 3 , QB
~ = 7 − 2t .
1−t 1+t
b) Matrisen A har determinant a2 + b2 , och denna är noll-
skild om och endast om (a, b) 6= (0, 0). När determinanten ~ · QB
Vinkeln i Q är rät precis då AQ ~ = 0. Vi får ekvationen
är noll-skild är avbildningen inverterbar.
c) Talet z = 4 − 3i ges av matrisen ~ · QB
0 = AQ ~ = (2t − 3)(7 − 2t) + (1 − t)(1 + t)

4 3
= −(5t2 − 20t + 20) = −5(t − 2)2 .
A= .
−3 4
Detta är endast uppfyllt då t = 2, dvs då Q = (3, 1).
Inversen till denna matris är
Viser att linjen 3x
2. a) + 4y = 0 har en riktningsvektor ~ u=
4 3

1 4 −3 (eftersom är en normal till linjen). Således måste
B= , −3 4
25 3 4
~v = T (~ u) vara en riktningsvektor till linjen H, om ~v är noll-
vilket svarar till multiplikation med talet skilld. Vi beräknar ~v :

1 4 3 2 1 4 5
= + i. ~v = A~ u= = .
4 − 3i 25 25 3 1 −3 9
Eftersom linjen 3x + 4y = 0 går genom origo, måste också 6. a) V är ett delum av R4 eftersom det är lösningsrummet till
linjen H gå genom origo (origo avbildas på origo). Alltså är det homogena systemet
9x − 5y = 0 en ekvation för linjen H. (
b) Eftersom linjerna 3x + 4y = 0 och 3x + 4y = 1 är x−y =0
.
parallella, måste bilden av linjen 3x + 4y = 1 ha samma x+y−z−w =0
rikning som H. Linjen 3x + 4y = 1 går genom punkten
(−1, 1). En enkel räkning visar att denna punkt avbildas av b) Vi betraktar det linjära systemet ovan. Om vi låter x = t
T på (−1, −2). Således kan den sökta linjen skrivas på for- och z = s, får vi y = t och w = 2t − s. Således har vi
men 9x − 5y = 1, eftersom 9(−1) − 5(−2) = 1.      
x 1 0
3. Vi får att y 
  = t 1 + s  0  ,
   
       
x 1 x 2 z  0  1 
T y  = 2 × y  · 0 w 2 −1
z 0 z 1  
    1
2z 2 1
=  −z  · 0 = 4z + y − 2x. dvs delrummet V spänns upp av vektorerna ~v1 =  
 och
0
y − 2x 1 2
 
0

Från detta följer att T ges av matrisen −2 1 4 .
 0 
b) Vi kommer ihåg att |(~ u×~ x) · ~v | ger volymen av den ~v2 =  1 .

parallellepiped som spänns upp av vektorerna ~ u, ~
x och ~v . Ef-
−1
tersom ~ u och ~v är linjärt oberoende, så spänner de upp ett
plan V = span(~ u, ~v ). Om ~x ligger i V så är volymen av pa- Om den linjära avbildningen T ska ha V som bildrum, så
rallellepipeden 0; om inte så är volymen positiv. Från detta måste V spännas upp av kolonnvektorerna i standardmatrisen
följer att avbildningen T har nollrummet V och bildrummet för T . Alltså är, t ex,
R.  
1 0 0 0
4. a) Vi vill skriva vektorn ~v som en linjärkombination av ~e och 1 0 0 0
f~. Eftersom vi vet att ~v = ~ u + ~e, kan vi sätta in detta i [~v1 ~v2 0 0] = 
0

1 0 0
den andra relationen, vilket ger oss f~ + 2~ u = −3(~ u + ~e). 2 −1 0 0
u = −(3/5)~e − (1/5)f~. Från den första
Från detta får vi att ~
~ standardmatrisen till en linjär avbildning vars bildrum är V .
e − (1/5)f . Således har
relationen får vi då att ~v= (2/5)~
2/5 7. a) Vi betraktar först k ≥ 1. Eftersom A är diagonaliserbar så
vektorn ~v koordinaterna i basen B.
−1/5 finns det en inverterbar matris S sådan att S −1 AS = D, där
b) Eftersom rummet V är två-dimensionellt, behöver vi bara D är en diagonalmatris. Detta betyder att A kan skrivas A =
se att vektorerna ~ u och ~v är linjärt oberoende. Om de var SDS −1 . Från detta följer att A2 = (SDS −1 )(SDS −1 ) =
linjärt beroende måste ~v = t~ u för något tal t. Detta betyder SD2 S −1 . På sama sätt fås att Ak = SDk S −1 för varje
nu att ~ u + ~e = t~ u, och att f~ + 2~ u = −3t~ u. Då ser vi att k ≥ 1. Eftersom Dk är en diagonalmatris (diagonalmatris
båda ~e och f~ är skalärmultippler av ~ u, och då kan inte ~e och gånger diagonalmatris ger en diagonalmatris), så ser vi alltså
f~ vara linjärt oberoende. Detta motsäger antagelsen om att ~e att S −1 Ak S = Dk , dvs Ak är diagonaliserbar.
och f~ är en bas. Om k = 0 är Ak = I, som är en diagonalmatris. Vi behand-
lar nu fallet k ≤ −1. Eftersom vi vet att S −1 AS = D, och

1 0
5. Från figuren ser vi att vektorn avbildas på vektorn , eftersom A är inverterbar så måste också D vara inverterbar.
0 1

0

2 Vidare måste D−1 vara en diagonalmatris. Således har vi
och vektorn avbildas på . Alltså vet vi att avbildning- D−1 = (S −1 AS)−1 = (AS)−1 (S −1 )−1 = S −1 A−1 S,
1 1
en har standardmatrisen vilket betyder att A−1 är diagonaliserbar. Genom att göra på
precis samma sätt som ovan, fast för A−1 , följer nu att Ak
0 2
. är diagonaliserbar för varje k ≤ −1.
1 1
b) Matrisen
Vi bestämmer egenvärdena till matrisen ovan. Vi har att det
0 −1

karakteristiska polynomet c(λ) är R=
1 0

λ −2 ger en rotation med vinkeln π/2. Nollställen till det karakte-
det = λ(λ − 1) − 2.
−1 λ − 1 ristiska polynomet det(λI − R) är de komplexa talen (±i),
Nollställen till det karakteristiska polynomet c(λ) är λ = −1 så matrisen R är ej diagonaliserbar. Men R2 är rotation med
och λ = 2. Insättning av dessa värden ger med λ = −1, att vinkel π, dvs
−1 0
egenrummet är nollrummet till matrisen R2 =
0 −1
−1 −2
. som är en diagonalmatris (så speciellt är den diagonaliser-
−1 −2
bar).
−2
En bas för detta egenrum är vektorn . På liknande sätt 8. Eftersom vektorerna ~ u och ~v är linjärt oberoende, så utgör
1
de en bas för delrummet W . Således vet vi att W är två-
vi att och en bas för egenrummet λ = 2 är vektorn
hittar
1 dimensionellt. Eftersom kärnan ker(T ) är två-dimensionell
. vet vi att 0 är ett egenvärde (med egenrummet ker(T )), och
1
att multipliciteten är två. Vidare vet vi att T (w)
~ = 2w. ~ Ef- exempel. Vi skall ge matrisrepresentationer för dessa avbild-
tersom w~ 6= ~0, så måste alltså 2 vara ett egenvärde till T . Vi ningar, och det räcker då att ge två olika (3×3)-matriser som
ser också att har W som nollrum. Matriserna
   
1 4 −3 1 4 −3
~ − ~v ) = T (w)
T (w ~ − T (~v ) = 2w
~ − (~v + w) ~ − ~v ,
~ =w
A1 = 1 4 −3 och A2 = 0 0 0 ,
så 1 är också ett egenvärde till T . Alltså, avbildningen T har 1 4 −3 0 0 0
egenvärdena 0, 1 och 2, och detta är alla egenvärden. är olika. Nollrummen till båda matriserna är precis W , och
matrisen A2 är även på reducerad trappstegsform.
9. I en kub finns det tre möjliga avstånd mellan två hörn: sidlängd
samt läng av diagonalen på vardera sida av kuben, samt längden 3. Vi börjar med att bestämma det karakteristiska polynomet
av den långa diagonalen mellan två motsatta sidor. Vi beräknar c(A) till matrisen A. Vi har att
avståndet mellan de tre givna punkterna. Låt P = (6, 5, 5), Q =
(5, 4, 1) och R = (4, 3, 6). Då är c(A) = (λ − 2)(λ − 3) − a = λ2 − 5λ + 6 − a.
    Nollställerna till polynomet c(A), vilket ger egenvärden, är

1 √ √ 2 det nästa vi bestämmer. Vi har att c(A) = 0 = (λ − 52 )2 +
~ ~
QP = 1 = 18 = 3 2, RP = 2 = 3
6 − a − 25 4
, vilket ger
4 1
r
5 1
och λ= ± a+ .
 
1 2 4
√ √
|RQ| = 1 = 27 = 3 3. Av detta ser vi att om a < − 14 då har c(A) inga reella rötter,
5 men komplexa sådana. Då kan inte matrisen vara diagonali-
serbar. Om a > − 41 då har c(A) två olika, reella rötter. Och
Eftersom det minsta av dessa tal, 3, måste vara kubens sidlängd
då vet vi att matrisen är diagonaliserbar. Vi kollar explicit
(diagonalerna är alltid längre), följer alltså att kubens volym
specialfallet med en dubbelrot, dvs a = − 14 . Med a = − 41
är 33 = 27.
har vi det dubbla egenvärdet 52 , och vi vill vet om egenrum-
met har dimension två eller bara dimension ett. Insätter vi in
5.11. 2013-01-07 egenvärdet λ = 25 i matrisen, så ges egenrummet som noll-
rummet till matrisen
1. a) Totalmatrisen till ekvationssystemet är 5 1
5 −2
I −A= 2 5
4

1 1 2 0
 2 −1 2
−3
1 2 a 1 .
Detta är inte nollmatrisen, vilket betyder att egenrummet har
3 4 6 b dimension 1, och att matrisen inte är diagonaliserbar.

Vi bestämmer lösningsmängden vid Gauss-Jordan elimina- −1 11
4. Matrisen A = representerar avbildningen T : R3 −→
tion. Vi tar och adderar -1 rad 1 till rad2. Sedan adderar vi -3 2 −8
rad 1 till rad 3. Och slutligen så byter vi plats på raderna 2 R3 med avseende på basen B = (~ u, ~v ) där
och 3. Och med dessa nya rader; vi adderar -1 rad2 till rad 3,
och har då matrisen 1 0
~
u= , ~v = .
  1 2
1 1 2 0
0 1 Detta betyder att första kolumnen i matrisen A är koordinat-
0 b 
matrisen till vektorn [T (~ u)]B , och andra kolumnen är vek-
0 0 a−2 1−b
torn [T (~v )]B . Det vill säga
Nu ser vi att om a 6= 2, då kan vi dela rad 3 med a − 2,
−1
och erhåller en unik lösning, för alla värden av b. Om a = 2, u) = −~
T (~ u + 2~v =
3
och b 6= 1, då ser vi av den nedersta raden att vi har inga
lösningar. Om a = 2 och b = 1 då har vi oändligt många och att
lösningar. 11
u − 8~v ==
T (~v ) = 11~ .
−15
b) Vi är interesserad i ekvationssystemet
Vidare så vill vi uttrycka standardbasen (~e1 , ~e2 ) i basen B.
Vi har att

 x + y + 2z = 0
x + 2y + 2z = 1 1 1

3x + 4y + 6x = 1 u−
~e1 = ~ ~v och ~e2 = ~v .
2 2
Av beräkningarna ovan ger detta, efter Gauss-Jordan, matri- Detta ger nu att
sen 1

−1

1 11

1 −13

T (~e1 ) = T (~
u)− T (~v ) = − = .

1 1 2 0
. 2 3 2 −5 2 11
0 1 0 1
11
Lösningsmängden ges av z = t, y = 1 och x = −1 − 2t. Och på liknande sätt erhåller vi att T (~e2 ) = 12 . Stan-
−5
2. Planet W ges av ekvationen x + 4y − 3z = 0. Vi söker dardmatrisen för avbildningen blir då
avbildningar S1 , S2 : R3 −→ R3 som har W som nollrum.

1 −13 11
Orthogonala projektionen ned på normallinjen till W är ett A= .
2 11 −5
5. a) Den första modellen ger ett ekvationssystem med fyra ek- Och på samma sätt har vi att avståndet från planet till linjen
vationer och en okänd x, medan den andra modellen ger ett m ges som avståndet d(m) från planet till punkten (0, 1, 2).
ekvationssystem med fyra ekvationer och två okända x och Vi har
a. Om vi låter |0 − 1 + 2 + d|
d(m) = √ .
      3
0 0 1 1
2 2 1 7 Talet d bestäms av sambandet |2 + d| = |1 + d|. Detta ger
A1 =  4 , A2 = 4 1 och B =  8  ,
     antingen att 2 + d = 1 + d, vilket inte har någon lösning.
6 6 1 10 Eller att 2 + d = −1 − d, vilket har lösningen d = − 32 . En
ekvation till det sökta planet är 2x − 2y + 2z − 3 = 0.

då ges den första modellen av matrisekvationen A1 x = 7. Vi använder följande två egenskaper för symmetriska matri-
B, och den andra modellen ges av matrisekvationen ser( se kapitel 8 i kursboken):

x (E1.) Varje symmetrisk matris kan diagonaliseras.
A2 = B. (E2.) Egenvektorer för en symmetrisk matris som hör till oli-
a
ka egenvärden är ortogonala.
Dessa båda ekvationssystem är inkonsistenta. Minsta-kvadratproblemet Först väljer vi två linjärt oberoende egenvektorer som ligger
ges av de konsistenta ekvationssystemen i planet x − y + 2z = 0 och hör till egenvärdet 2. Vi kan t
ex välja
x
AT T
och AT T

1 A1 x = A1 2 A2 a = A2 B.    
1 0
~v1 =  1  och ~v2 =  2 
Skriver vi ut dessa matrisprodukt, får vi
0 1

56 12 x 106 Enligt antagandet hör vektorerna ~v1 och ~v2 till egenvärdet 2.
56x = 106 och = .
12 4 a 26 Enligt (E1.) är en egenvektor ~v3 som hör till egenvärdet 1
ortogonal mot alla vektorer som hör till egenvärdet 2. Därför
b) Lösningen till den första modellen ges av x = 53
28
. Lösningen kan vi välja
till den andra modellen ges av  
1
x 1 4 −12 106 ~v3 = ~v1 × ~v2 =  −1  .
=
a 80 −12 56 26 2

1 8(53 − 3 · 13) 1 14 Om vi betecknar
= = .
80 8(2 · 91 − 3 · 53) 10 23
   
1 0 1 2 0 0
Vilket ger den bästa, i minsta-kvadrat meningen, approxima- P =  1 2 −1  och D =  0 2 0 
tionen till problem, med given modell. 0 1 2 0 0 1
c) I den andra modellen har vi två okända, vilket ger mera har vi  
flexibilitet, och följdaktligen mindre avvik, att anpassa mo- 5 1 −2
−1 1
dellen (linjen) till mätdata (punkt i planet). P = −2 2 2 .
6 1 −1 2
 
2 Härav
6. a) En riktningsvektor för linjen ` är vektorn ~ u =  1 , och
−1 A = P DP −1
specielt är linjen `0 = t~
u , tal t, parallell med linjen `. Vektorn    
 
1 1 0 1 2 0 0 5 1 −2
1
~v = 2 är en riktningsvektor för linjen m. Planet genom = 1 2 −1   0 2 0   −2 2 2 
6 0 1 2 0 0 1 1 −1 2
1
 
origo, som innehåller vektorerna ~ u och ~v har normalvektor 11 1 −2
1
      = 1 11 2 .
2 1 3 6 −2 2 8
n =  1  × 2 = −3 .
~
−1 1 3 Slutligen    
2 3
Plan med normalvektor ~ n vill vara parallella med linjerna ` A 2  =  5 .
och m. Av dessa plan vill ett ändlig antal (en eller två) in- 3 4
nehålla linjen ` eller m.
8. För att bestämma vilka vektorer som ligger i W löser vi ek-
b) Planet vi söker ges av ekvationen
vationen 3x + 4y − 5z = 0 och får x = − 34 y + 53 z. Om vi
x − y + z + d = 0, betecknar fria variabler y = 3s och z = 3t får vi
− 34 s + 53 t − 43
       5 
x
där talet d kvarstår att bestämma. Vi vet att linjerna ` och m  y =  = s
3
är parallella med planet. Specielt har vi att avståndet mellan s 1 +t  0 
z t 0 1
planet och linjen ` är lika med avståndet d(`) mellan pla-
net och vilken som helst punkt på linjen `, tex (1, 0, 1). Av- Vi kan bilda en bas för W med t ex
ståndet är alltså    
−4 5
|1 − 0 + d| ~b1 =  3  och ~b2 =  0  .
d(`) = √ .
3 0 3
Notera att avbildningen T : R3 → R3 har matrisen 5.12. 2013-03-11
1. a) Skärningspunkter mellan planen x − 2y + z = 4 och
 
1 1 1
A= 2 0 −1  x + y + z = 2 för vi genom att lösa systemet
3 1 0
x − 2y + z = 4
x+y+z = 2
Bilderna av ~b1 och ~b2 bestämmer vi med hjälp av matrisen
A: Med hjälp av Gaussmetoden får vi

−1
  x − 2y + z = 4 x − 2y + z = 4
⇐⇒
~ ~
T (b1 ) = Ab1 =  −8  x+y+z = 2 3y = −2
−9

x − 2y + z = 4
⇐⇒
  y = −2/3
8
T (~b2 ) = A~b2 =  7  Vi har två ledande variabler x och y och en fri variabel z. Vi
15 betecknar z = t och får ekvationen för linjen L1 på parame-
terform:
(x, y, z) = (8/3 − t, −2/3, t). (L1)
Vektorerna T (~b1 ) och T (~b2 ) bildar kolonner i den sökta ma-
trisen för avbildningen Tw . Alltså På samma sätt löser vi
 
−1

8 x − 2y + z = 4 x − 2y + z = 4
 −8 7  ⇐⇒
x+z = 6 2y = 2
−9 15
x − 2y + z = 4
⇐⇒
y = 1
är matrisen för avbildningen Tw i basen (~b1 , ~b2 )
Vi betecknar z = s och får ekvationen för linjen L2 på para-
9. Om en vektor ~v ligger i både U och V då finns det skalärer meterform:
x, y, z och w sådana att (x, y, z) = (6 − s, 1, s) (L2)
       
1 1 −2 1 Den tredje linjen fås som lösningsmängd till ekvationssyste-
 0   0   0   0  met
x+y+z = 2
       
 + w  −1  .
 1 +y 2
~v = x  1
   = z
x+z = 6
    
 0   0   0   0 
2 1 1 0 Denna linje L3 kan skrivas på parameterform som
(x, y, z) = (6 − t, −4, t). (L3)

Detta leder till systemet
  b) Metod 1: För varje punkt på L1 är y = konstant= −2/3

 x + y = −2z + w 
 x +y +2z −w = 0 och varje punkt på L2 har y = 1 . Därför finns det ingen
 0 = 0 0=0
 
skärningspunkt för L1 och L2. Alltså, de tre linjerna skär IN-
 

x + 2y = z − w ∼ x +2y −z +w = 0 TE varandra i en punkt.
0 = 0 0=0

 


 

2x + y = z 2x +y −z =0
 
  Metod 2: En punkt som ligger på de tre linjerna måste också

 x +y +2z −w = 0 
 x +y +2z −w = 0 satisfiera planens ekvationer. Systemet
y −3z +2w = 0 y −3z +2w = 0

 

 
∼ −y −5z +2w = 0 ∼ −8z +4w = 0
 
 x − 2y + z = 4  x − 2y + z = 4
0=0 0=0
 





 x+y+z = 2 ⇐⇒ 3y = −2
0=0 0=0
 
x+z = 6 2y = 2
 

Systemet har oändligt många lösningar: x = t, y = −t, z =  x − 2y + z = 4
t, w = 2t. Varje vektor ~v som ligger i både U och V har ⇐⇒ y = −2/3
y = 1

följande form:
          saknar lösning. Alltså har de tre givna planen ı́nga gemen-
1 1 1 1 0 samma punkter och därmed har de tre linjerna ingen skärningspunkt.
 0   0   0   0   0 
         
~v = x  1 +y  2  = t  1 −t  2  = t  −1 
         
 0   0   0   0   0  2. Det är nog att kolla att vektorerna ~
u, ~v och w
~ är linjärt obe-
2 1 2 1 1 roende. Vi kollar vilka lösningar som finns till ekvationen

0
 
0
 x~
u + y~v + z w
~ = 0.
 0   0 
Denna vektorekvation ger ekvationssystemet som har total-
). Därför är vektorn ~b = 
   
Alltså V3 = span(
 −1   −1 
 matris
0 0
 
    1 1 −1
1 1 A =  −1 0 1 
en basvektor till W . −2 1 −2
b) Vi betecknar
Vi andvänder elementära radoperationer för att bestämma lösningsmängden.
−1 0
    D=
1 −1
1 1 1 −1 0 1
A =  −1 1 ∼ 0 1
0 0 
−2 −2
1 0 3 −4 Från S −1 AS = D har vi A = SDS −1 . Därför
   
1 1 −1 1 1 −1 A999 = (SDS −1 )999 = SDS −1 SDS −1 · · · SDS −1
∼ 0 1 0 ∼ 0 1 0 
0 0 −4 0 0 1 = SD999 S −1
999
Vi ser nu att den enda lösningen till vektorekvationen är med −1 −3 −1 0 1 1 3
A999 = ·
x = y = z = 0. Detta visar att våra tre kolonnvektorer 1 1 0 1 2 −1 −1
är linjärt oberoende. Med andra ord är ~
u, ~v och w
~ tre linjärt
1 −1 −3 −1 0 1 3
oberoende vektorer i R3 och därför bildar vektorerna en bas =
i R3 . 2 1 1 0 1 −1 −1
b) Koordinaterna som vi betecknar med x, y och z satisfierar 1

−1 −3

−1 −3

vektorekvationen =
2 1 1 −1 −1
x~
u + y~v + z w
~ = ~e
2 3

=
−1 −2
som vi kan skriva som ekvationssystem
  4. a) Sammansättning T ◦S är definierad eftersom värdemängden
 x+y−z = 1  x+y−z = 1 till S är en delmängd av T :s definitionsmängd R3 .
−x +z = 0 ∼ y + = 1

−2x + y − 2z = 0

3y − 4z = 2 Sammansättningen S ◦ T är inte definierad eftersom T :s
 värdemängden R2 är inte en delmängd av S:s definitionsmängden
 x+y−z = 1 R4 .
∼ y = 1
−4z = −1

b) Om vi betecknar med AS och AT standardmatriser för S
Härav får vi koordinaterna x = 1/4, y = 1 och z = 1/4. och T då är AT AS den standardmatrisen för sammansättningen
F . Eftersom
3. En matris av typ 2 × 2 kan diagonaliseras om och endast om  
matrisen har två st linjärt oberoende egenvektorer (se kursbo- 1 −1 0 0
1 3 0
ken). Först bestämmer vi matrisens egenvärden och egenvek- AT = och AS =  0 1 1 0 
−1 1 −4
torer. Vi börjar med att bestämma nollställen till det karakte- 0 0 0 1
ristiska polynomet det(A − λI). Vi har
har vi att
(2 − λ) 3
det(A−λI) = = λ2 −1 = 0 AF = AT AS =
1 2 3 0
−1 (−2 − λ) −1 2 1 −4
⇒ (λ1 = −1, λ2 = 1)
är standardmatrisen för F.
Motsvarande egenvektorer till λ1 = −1 får vi ur ekvationen
En alternativ lösning för b-delen:
Vi beräknar direkt sammansättningen F = T ◦ S:

3 3 x 0
(A − λI)~v = ~0 ⇒ =
−1 −1 y 0     
x x  

−1

 y    y  x−y
⇒ ~v = t F   = T S   = T y + z 
1
          
z z
w
w w
En egenvektor som svarar mot λ1 = −1 är t ex

(x − y) + 3(y + z) x + 2y + 3z
= = .

−1 (y + z) − 4w − (x − y) −x + 2y + z − 4w
~v1 =
1
Härav ser vi att standardmatrisen för F är
På samma sätt finner vi att

1 2 3 0
−3 AF = .
~v2 = −1 2 1 −4
1
är en egenvektor som svarar mot λ2 = 1. Matrisen A har två c) Dimensionen av bildrummet im(F) är lika med standard-
styck linjärt oberoende egenvektorer och därmed kan diago- matrisens kolonnrang ( maximala antalet linjärt oberoende
naliseras. Egenvektorer är kolonner i den sökta matrisen S. kolonnvektorer)
Alltså Eftersom
−1 −3
S=
1 1

1 2 3 0 1 2 3 0 1 2 3 0
∼ ∼
−1 2 1 −4 0 4 4 −4 0 1 1 −1
Vi kan även kontrollera att
ser vi att kolonnrangen är 2 ( två ledande ettor i matrisens

λ1 0 −1 0
S −1 AS = = trappform ) dvs dimensionen av bildrummet im( F) är 2.
0 λ2 0 1
5. a) Varje vektor är en linjärkombination av basvektorerna för Därmed har den reflekterade strålen följande parameterrepre-
delrummet. I U2 betyder det att första och tredje koordina- sentation
ten måste vara lika för varje vektor i U2 eftersom den andra
basvektorn är noll och den första basvektorn 1 för båda ko- (x, y, z) = (2, 2, 1) + t(3, 3, 0). (L2 )
ordinaterna. I U1 har den första basvektorn denna egenskap, Vi substituerar
men inte den andra basvektorn. Det betyder att en varje vek-
tor i skärningen av de två rummen är en multipel av den första x = 2 + 3t, y = 2 + 3t, z=1
basvektorn i U1 .
i ekvationen x + y = 50, får t = 13/3 och därefter x =
Ett alternativt sätt att lösa en sådan uppgift är att först ge- 25, y = 25, z = 1 . Linjen L2 skär alltså planet x + y = 50
nomföra elementära (kolumn-)operationer för att sedan lättare i punkten Q(25, 25, 1).
se hur en gemensam vektor kan se ut.
Anmärkning. Punkterna P och Q ligger på samma sidan av
b) Här kan man, enligt resonemanget i a) ta vilken vektor som ~ ·~
planet x + y + z = 5 eftersom AP ~ ·~
n och AQ n har samma
helst i U1 som har olika första och redje koordinat. T.ex. den tecken.
andra basvektorn för U1 .
c) Notera att dim(U1 ) = dim(U2 ) = 2. Eftersom de har 7. Metod 1. En 3 × 3 matris kan diagonaliseras om och endast
en gemensam vektor enligt a) så är dim(U1 ∩ U2 ) ≥ 1 men om den har 3 st linjärt oberoende egenvektorer. De tre givna
eftersom det finns en vektor i U1 som inte tillhör U2 enligt b) egenvektorerna
     
så är dim(U1 ∩ U2 ) < 2 alltså måste dim(U1 ∩ U2 ) = 1. 1 1 0
Skärningen är alltså en linje och eftersom origo tillhör båda ~
u=  1  , ~v =  0  och w
~ =  1 
delrummen så går den linjen genom origo. 1 −1 1
1 1 0
6. Linjen (ljustrålen) L1 genom punkten P med riktningsvek- är linjärt oberoende eftersom 1 0 1 = 1 6= 0.
torn ~v = (−1, −1, −4) har ekvationen 1 −1 1
Därför kan matrisen A diagonaliseras. Vi kan alltså skriva
(x, y, z) = (3, 3, 5) + t(−1, −1, −4)
matrisen A som produkten
och skär planet x + y + z = 5 i punkten A(2, 2, 1) (se
Figur 5.2). Låt Ln vara linjen som går genom punkten A A = P DP −1
Kolonner i  
1 1 0
P = 1 0 1 
1 −1 1
är matrisens egenvektorer ~ u, ~v och w.
~ Inversen blir ( kontrol-
lera själv)
 
1 −1 1
−1
P = 0 1 −1 
−1 2 −1
 
a 0 0
D =  0 b 0  är den diagonalmatris vars diagonalen
0 0 c
består av egenvärden tillhörande ~
u, ~v och w
~ som vi betecknar
med λ1 = a, λ2 = b och λ3 = c.
Vi ska bevisa att a = b = c med hjälp av antagandet att
matrisen A är en symmetrisk matris.
Först beräknar vi
A = P DP −1
   
1 1 0 a 0 0 1 −1 1
= 1 0 1  0 b 0  0 1 −1
Speglingen av ljusstrålen i planet 1 −1 1 0 0 c −1 2 −1
  
1 1 0 a −a a
vinkelrät mot planet x + y + z = 5 dvs med riktningsvek- = 1 0 1  0 b −b
tor ~n = (1, 1, 1). En riktningsvektor för den reflekterade 1 −1 1 −c 2c −c
−→ −→
strålen är AC som är spegelbilden av AP i linjen Ln . Först 
a −a + b a−b

−→
bestämmer vi projektionen av vektorn AP på linjen Ln, = a − c −a + 2c a − c .
−→ a−c −a − b + 2c a+b−c
−→ −→ AP · ~n
AB = proj~n (AP ) = ~
n = (2, 2, 2) Eftersom A är en symmetrisk matris har vi följande tre vill-
n·~
~ n
kor:
Nu beräknar vi riktningsvektor för den reflekterade strålen
a − c = −a + b (ekv1)
−→ −→ − −→ −→ − −→ −→ −→ −→
AC = AB + BC = AB + P B = AB + (AB − AP ) a−c=a−b (ekv2)
−→ −→
= 2AB − AP = (3, 3, 0). −a − b + 2c = a − c. (ekv3)
Från (ekv2) har vi b = c som vi substituerar i (ekv1) och u inte är ortogonal på ~v × w,
att ~ ~ och det följer att ~v × w
~ ·~
u=
(ekv3) och får a = b Alltså a = b = c. Med andra ord λ1 = p 6= 0.
λ2 = λ3 = c, dvs A har ett egenvärde ( av multipliciteten  
v1
 
w1
 
a
3), vad skulle bevisas.   Låt ~v = v2  och w ~ = w2 , och slutligen att ~ u =  b .
a 0 0 v3 w3 c
Anmärkning: Matrisen A blir då A =  0 a 0  Vi har att
0 0 a
Metod 2. Två egenvektorer till en symmetrisk matris som ~v ×w·~
~ u = (v2 w3 −w2 v3 )a+(w1 v3 −v1 w3 )b+(v1 w2 −v2 w1 )c.
tillhör olika egenvärden måste vara ortogonala ( Sats 8.1.2.
Detta kan vi skriva som
i kursboken). Med andra ord, om två egenvektorer till den
symmetriska matrisen A inte är ortogonala då tillhör egen- u×~v ·w
(v3 b−v2 c)w1 +(v1c−v3 a)w2 +(v2 a−v1 b)w3 = ~ ~
vektorerna samma egenvärde.
Låt λ1 , λ2 och λ3 vara egenvärden som svarar mot ~ u, ~v resp.
Det följer nu att
w.
~
Eftersom ~ u·w ~ = 2 6= 0 drar vi slutsats att vektorerna ~u och
w~ tillhör samma egenvärde , dvs (~v × w)
~ ·~ u × ~v ) · w
u = (~ ~ ×~
~ = (w u) · ~v .
λ1 = λ3 (*) Om vi använder identiteten ovan, samt att kryssprodukten av

två vektorer är vinkelrät på dessa vektorer, så har vi att ma-
Från ~v · w
~ = −1 6= 0 följer att vektorerna ~v och w
~ tillhör trisenprodukten BA = p1.
samma egenvärde , dvs b) Från
BA = pI3
λ2 = λ3 (**)
får vi
1
Från (*) och (**) har vi att ( B)A = I3 .
p
λ1 = λ2 = λ3 Enligt definitionen för inversmatris har vi
vilket skulle bevisas. 1

A−1 = B, därp = (~v × w)
~ ·~
u
p
8. De två givna hyperplanen har normalvektorerna
    Vi betecknar
1 2      
 0   1  1 7 1
~
n1 =  0  och ~
 n2 =  1 

~ =  −2 
u =  1  , ~v =  6  och w
~
1 2 1 5 1

a
 och beräknar
 b 
Först bestämmer vi alla vektorer ~
n=  c  som är orto-
 ~v × w
~ = (16, −1, −20) rad 1 i B
d ~ ×~
w u = (−3, 0, 3) rad 2 i B
gonala mot både ~
n1 och ~ n2 genom att lösa systemet u × ~v = (−1, 2, −1)
~ rad 3 i B

n1 · ~
~ n = 0 och
n2 · ~
~ n = 0
dvs p =(~v × w)
~ ·~
u = −6.

a+d =0 a+d=0 a = −d Härav
∼ ∼
2a + b + c + 2d = 0 b+c =0 b = −c
 
16 −2 −20
där c och d är fria variabler. Alltså −1 1 1
A = B=− −3 0 3 
          p 6 −1 2 −1
−d 0 −d 0 −1  
 −c  −c  0  −1  0  −8/3 1/3 10/3
~
n =   =   +   = c  + d 
        
c c 0 1 0  =  1/2 0 −1/2 
d 0 d 0 1 1/6 −1/3 1/6
ger vektorer som är ortogonala  ~

 mot både n1 och ~
n
2 . Bland
 5.13. 2013-06-04
0 −1
 −1   0 
de kan vi välja två t ex ~
n3 =  ~ = proj ~ (AC)+ ~ ~ ⊥ och använder
 1  och ~ n4 =  1. a) Vi vill dela upp AC AC
 
 0  AB
att (se t.ex. geometrihäftet Prop 4.5)
0 1
som är dessutom ortogonala sinsemellan. Motsvarande hy-
perplan är −y + z = 0 och −x + w = 0 ~ · AB
AC ~
~
~ (AC) =
projAB ~
AB.
~ ~
AB · AB
9. a) Vi börjar med att notera att då vektorerna ~ u, ~v och w
~ är
linjärt oberoende, vill talet p = ~v × w ~ ·~ u vara nollskilld. ~ = B − A = (3, 2, −2) och AC
Vi har AB ~ = C −
Fördi, ~v × w
~ är noll-skilld, och vinkelrät på ~v och w.
~ Vi har ~ 8
~ (AC) = 17 (3, 2, −2). Då följer
A = (4, 1, 3) så projAB
~ ⊥ = AC
att AC ~ − proj ~ (AC)
~ = 1
(44, 1, 67).
Höjden Egenvärdena är alltså λ = −1 och λ = 2. Med bokens
AB 17
⊥ beteckningar får vi
~ , det vill säga
h i triangeln är precis längden på vektorn AC
√ √
~ ⊥ || = 1 442 + 12 + 672 = 1 6426 =

h = ||AC −1 2 2
√ 17 17 E−1 = ker(A + I) = ker = span , och
3
714. −2 4 1
17
b) Arean är basen gånger höjden genom två:

~
h · ||AB|| 1 3 √
q −4 2 1
E2 = ker(A − 2I) = ker = span .
= · 2 · 3 · 7 · 17· 32 + 22 + (−2)2 −2 1 2
2 2 17
3√
= 42. b) Om vA är en egenvektor till A så betyder det att AvA =
2 λvA för något λ. Men då är BvA = 19 1
AvA = 19 1
λvA
c) Längden på kryssprodukten (vektorprodukten) av två vek- och därför är vA en egenvektor även för B. Om vB är en
torer ger arean av det uppspända parallellogrammet. Triang- egenvektor för B kan samma resonemang visa att den också
eln är hälften av detta parallellogram. Arean av triangeln är är en egenvektor för A.
~ AC||
~ 2 −2 3 −2 3 2 Alternativt kan man säga att en egenvektor beskriver en rikt-
alltså 12 ||AB× = 12 ||( , , )|| =
1 3 4 3 4 1 ning i rummet som lämnas oförändrad av den linjära avbild-
1 1
√ 3
√ 1
2
||(8, 17, −5)|| = 2 378 = 2 42, ningen som ges av A. Att multiplicera med skalären 19 påverkar
vilket bekräftar areaberäkningen i b). inte vilka riktningar som är oförändrade och därför har A och
B samma egenvektorer.
2. a) Låt MT vara matrisen för den linjära avbildningen T .
Uppgiften ger då att 4. 4. Vi börjar med att medelst elementära radoperationer göra
  om A till radreducerad form. Vi får
  1 1 0
1 1 1 0 0

1 0 0 −2 −2 −2

0
MT  1 1 0  =  . 0 1 0 0 0 0
0 1 2 rref(A) = 

.
1 0 1 0 0 1 1 2 3
0 0 0 
 −1 0 0 0 0 0 0
1 1 1
Med någon av metoderna vi lärt oss beräknar vi 1 1 0
 = De tre sista kolumnerna är redundanta i rref(A) och eftersom
1 0 1 vi bara gjort elementära radoperationer så har linjära beroen-

−1 1 1
 den mellan kolumnerna inte ändrats och samma sak gäller för
 1 0 −1. Vi multiplicerar med denna invers från A så att de tre första kolumnerna i A spänner hela bildrum-
1 −1 0 met, dvs
höger i båda leden och får      
 −1 2 1 
     

−1 2 2
    
1 1 0   0 1 0 W = span  , , .
0 0 0 −1 1 1 0 0 0    2   4  1 
MT =  0 1 2· 1
 0 −1 =  3 −2 −1 .
 

2 4 0


1 −1 0
0 0 0 0 0 0
Vi kallar dessa vektorer för ~v1 , ~v2 och ~v3 och genomför Gram-
 
x Schmidt algoritmen för att få en ortonormal bas för W . Med  
Specielt har vi att T (y ) är −1
z −1
bokens beteckningar, se Theorem 5.2.1, får vi ~ u1 = √1  
  10  2 
  y 2
x  0   
2
MT  y  =  3x − 2y − z  .

z 2
0 och sedan ~v2⊥ = ~v2 − (~ u1 · ~v2 )~ u1 =  1 och följdaktligen

  1
   y
x
 
 0  2
b) Vi söker alla vektorer sådan att T y  =  3x − 2y − z  =
 2
z u2 = √1 
~ . Slutligen blir
10 1
0
  1
0
0  
 . Detta ger att y = 0, och sedan att z = 3x. Vektorer av −1/2
0  1/2 
0 ~v3⊥ = ~v3 − (~u1 · ~v3 )~
u1 − (~ u2 · ~v3 )~
u2 =  1/2  ,

 
x −1/2
formen  0  utgör nollrummet till avbildningen. En bas får
3x som redan har längd 1.
vi vid att sätta x = 1.
5. a)
Linjen
av vektorn ~
går genom origo och i riktning u =
3. a) Vi behöver lösa 4 x1
. Vi vill spegla en vektor ~
x= i denna linje. Då
−3 x2
−2 − λ 2 ~ (~
x) = 2proju x) − ~
0 = det(A − λI) = gäller att refu ~ (~ x. Vi använder
−2 3−λ
u·~
~ x 4x1 − 3x2 4
= λ2 − λ − 2 = (λ + 1)(λ − 2). ~ (~
proju x) = ~
u=
u·~
~ u 25 −3
och får motsägelse och alltså måste v~1 , v~2 , . . . , v~n vara en bas för
Rn .
x1 x1 8x1 − 6x2 4 x
T = refu
~ = − 1 b) Om vi låter V vara matrisen som har v~1 , v~2 och v~3 som
x2 x2 25 −3 x2
radvektorer och U vara matrisen som har u~1 , u~2 och u~3 som
1 7x1 − 24x2 1 7 −24 x1 kolumnvektorer så är villkoret för en dual bas samma som
= = .
25 −24x1 − 7x2 25 −24 −7 x2 V U = I eller V = U −1 . Vi bestämmer  nu inversen till
1 1 1 −1 1 1
U = 1 0 1 och får U
  −1 =  1 −1 0 .
0 0 1
b) Vi har från formeln i a) att T = ,T = 1 1 0 1 0 −1
0 0 1
Raderna i denna matris är alltså vektorerna v~i .
1 −17 0 1 −48 1 1 −13
25 −31
, T = 25 −14
och T = .
2 3 5 −9 9. Vi betraktar dimensionen av im(A). Om bildrummet har di-
mension 2, så avbildas bara origo på origo och samtliga andra
6. I basen B = (~ u1 , ~
u2 ) har basvektorn ~ u1 koordinater 1 och
punkter ´´överlever´´avbildningen. Det gör att upprepade av-
0 ( för ~u1 = 1~ u1 + 0· ~u2 )som vi skriver som koordinat-
bildningar med A, dvs Ak alla kommer också att ha bildrum
1
kolonnvekor [~ u 1 ]B = . av dimension 2. En motsägelse mot förutsättningarna Ak =
0
0 i uppgiften. Om bildrummet har dimension 0, så måste
1 2
Enligt antagandet omvandlar matrisen S = ko- A vara nollmatrisen och då är förstås A2 också det. Om
2 3
bildrummet av A är endimensionellt, im(A) = span ~v för
ordinater i basen B = (~ u1 , ~
u2 ) till koordinater i basen C = en nollskild vektor ~v , så delar vi in i två fall.
(~v1 , ~v2 ). Med andra ord får vi koordinater i basen C för bas- I) Vektorn ~v är en egenvektor till A, så att A~v = λ~v . Då
vektorn ~ u1 enligt följande är A2~v = Aλ~v = λ2~v och per induktion Ak ~v = λk ~v , så

1 2 1

1 Ak 6= 0 för alla k.
[~
u 1 ]C = = (=kolonn 1 i matrisen S). II) Vektorn ~v är inte en egenvektor till A. Då avbildar A
2 3 0 2
vektorn ~v på ett lägredimensionellt delrum av im(A) vilket
måste vara origo. Det betyder att A~v = 0. För en godtycklig
Alltså vektor ~u ∈ R2 så gäller att A~ u = ku~v för något ku ∈ R
1~v1 + 2~v2 = ~ u1 . (ekv 1) eftersom vi antagit att dim(im(A)) = 1. Tillsammans får vi
På samma sätt får vi att A2 ~
u = Aku~v = ku A~v = ku 0 = 0, så A2 är nollmatri-
sen.
2~v1 + 3~v2 = ~ u2 . (ekv 2) Alternativt. Vi visar först fallet när matrisen A är diagona-
liserbar, P AP −1 = D en diagonalmatris. Av antagendet
Från ekvationssystemet bestämmer vi ~v1 och ~v2 :
Ak = 0 följer det att Dk = 0, vilket igen medför att di-
T. ex. -3ekv1 +2 ekv2 ger
agonalelmenten i D är alla noll. Detta ger att A = 0, och
specielt att A2 = 0.
     
1 1 −1
 2   0   −6  Vi antar nu att A inte är diagonaliserbar. Vi har att Ak = 0,
~v1 = −3~ u1 +2~u2 = −3   0 +2  −1  =  −2 
    
vilket ger att det(A) = 0, och följdaktligen är inte rangen till
−1 1 5 A maximal. Detta betyder att det finns åtminstonde en icke-
noll vektor ~e i nollrummet till avbildningen T : R2 → R2
På liknande sätt 2ekv1 - ekv2 ger som matrisen A representerar. Låt ~e vara ett element i en bas
     (~e, f~) för R2 . Matrisrepresentationen av T med avseende på
1 1 1
 2   0   4  basen (~e, f~) kommer att ha formen
~v2 = 2~u1 − ~ u2 = 2  −
 0   −1
=
  1 


0 a
−1 1 −3 B= .
0 b
.
Om koefficienten b 6= 0 då har matrisen B, och då också
matrisen A, två olika egenvärden. I det fallet är A diago-
7. a) Vi kollar de två villkoren på linearitet, se Theorem 2.1.3 i naliserbar, vilket vi redan har behandlat ovan. Därmed har
läroboken. Låt A och B vara matriser och k ∈ R vi att koefficient b = 0 i matrisen B, och matrisen B är
i) T (A+B) = (A+B)+(A+B)T = A+B+AT +B T = övretriangulär. Vi ser att B 2 = 0. Om P är övergångsmatrisen
A + AT + B + B T = T (A) + T (B) och från basen (~e, f~) till standardbasen har vi relationen P −1 AP =
ii) T (kA) = kA + (kA)T = kA + kAT = k(A + AT ) = B. Det följer nu att A2 = 0.
kT (A).
T är alltså en linjär avbildning.
b) Matrisen A är en egenvektor till T om T (A) = λA, något 5.14. 2013-10-28
λ ∈ R. Om A är en symmetrisk matris så är A = AT och
1. a) När vi utför matrisprodukten EA ser vi att följande
vi får T (A) = A + AT = 2A. Alltså är varje nollskild
två elementära radoperationer utförs. Den ena är att
symmetrisk matris en egenvektor till T .
−3 gånger tredje raden adderas till första raden. Den
8. a) Om v~1 , v~2 , . . . , v~n inte är en bas för Rn P
så finns det en andra är att andra och fjärde raden byter plats.
linjär relation mellan dem, dvs vi kan skriva n j=1 kj v~j = b) Matrisen
0, kj ∈ Rn där inte alla kj är noll. Välj en koordinat i så
 
0 0 0 1
att ki 6= 0 och multiplicera med u~i på båda sidor. Villkoret 0 1 0 0
v~i · u~j = 0, för i 6= j i uppgiften gör då att all termer i E2 = 
 
0 0 1 0
högerledet försvinner utom ki , så att 0 = ki , vilket är en 1 0 0 0
är sådan att E2 A byter plats på raderna 1 och 4 i ma- c) Ortogonala komplementet V ges av ekvationssystemet
trisen A.
2x − y + z = 0
c) Vi utför elementära radoperationer på matrisen A. 2x − y + w = 0
  Gauss-Jordan elimination, addera -rad1 till rad2, multiplicera
1 1 −1 −1 R4 rad 2 med -1, addera -1rad2 till rad1, på totalmatrisen ger
−1 1 −1 1 
  matrisen
 1 −1 1 −1

2 −1 0 1
1 0 0 −1 R1 .
0 0 1 −1
 
1 0 0 −1 Delar vi första raden med 2 så får vi den reducerade trapp-
−1 1 −1 1 
 R2 + R1 stegsmatrisen. Lösningsmängden är ( 12 t − 21 s, t, s, s), med
∼ 1 −1 1 −1 R3 − R1 variabler s, t. En bas för V ⊥ blir {(1, 2, 0, 0), (−1, 0, 2, 2)}.
1 1 −1 −1 R4 − R1
   
1 0 0 −1 1 0 0 −1 3. a) Vi bestämmer först egenvärden, dvs nollställen till det ka-
0 1 −1 0 
 0 1 −1 0  rakteristiska polynomet
∼ ∼  
0 −1 1 0  R3 + R2 0 0 0 0 
1 2 1
0 1 −1 0 R4 − R2 0 0 0 0 det(λ − A) = (λ − 1)λ − 2 = (λ − ) −2− .
2 4
Vi har nått den reducerade trappstegsformen. Antal le- 1 9
Vi har att 2 + 4
= 4
, vilket ger att egenvärden är
dande ettor i den reducerade trappstegsformen till ma-
trisen A är två, vilket är rangen till A. 1 3 1 3
λ= + =2 och λ= − = −1.
2 2 2 2
d) I och med att rangen inte är fyra är determinanten noll.
Vi kan också se det genom att utveckla determinanten Egenvektorer tillhörande egenvärdet λ = 2 ges av ekva-
längs fjärde raden. Uttrycket att beräkna blir tionen x − 2y = 0. Egenvektorer tillhörandet egenvärdet
    λ = −1 ges av ekvationen −2x − 2y = 0, som vi också kan
1 −1 −1 1 1 −1 skriva som x + y = 0.
−1 det  1 −1 1 +0−0+(−1) det −1 1 −1 . c) Två egenvektorer tillhörande olika egenvärden är linjär
−1 1 −1 1 −1 1 oberoende. Exempelsvis har vi egenvektorerna ~e = (2, 1)
och f~ = (1, −1).
I matrisen till vänster är rad 2 och rad 3 linjärt bero-
ende, och dennas determinant blir då noll. I matrisen d) En matrisrepresentation av avbildningen T med avseende
till höger är också rad 2 och rad 3 linjärt beroende, så på en bas av egenvektorer, tex med basen {~e, f~} blir
dennas determinant blir också noll. Den sökte deter-

2 0
minant är noll. .
0 −1
2. a) Vi utför Gauss-Jordan elimination på totalmatrisen till ek- 4. Om en lakritsklubba kostar x kronor, en salt rem y kronor och
vationssystemet och får en hallonkola z kronor, då får vi ett linjärt ekvationssystem

   x + 2y + 8z = 21
1 1 −1 −1 0 2x + 3y + 10z = 31
2 3 −1 −1 0 3x + 4y + 12z = 41
R2 − 2R1

0 1 1 1 0
  med totalmatrisen
1 1 −1 −1 0 R1 − R2  
∼ 0 1
 1 1 0 1 2 8 21
 2 3 10 31  .
0 1 1 1 0 R3 − R2
  3 4 12 41
1 0 −2 −2 0
∼ 0 1 1 1 0 Med radoperationer får vi nu
0 0 0 0 0  
1 2 8 21
 2 3 10 31  R2 − 2R1
Med parametrar s och t för de båda fria variablerna får vi
3 4 12 41 R3 − 3R1
   
x1 2s + 2t
 
1 2 8 21 R1 + 2R2
x2   −s − t  ∼  0 −1 −6 −11  −R2
 = 
 x3   s  0 −2 −12 −22 R3 − 2R2
x4 t  
1 0 −4 −1
Lösningsmängden V är (2t+2s, −t−s, t, s), med variabler ∼ 0 1 6 11 
s, t. En bas för V kan vi välja som {(2, −1, 1, 0), (2, −1, 0, 1)}. 0 0 0 0
b) Ett exempel är avbildningen som ges av matrisen och vi har nått reducerad trappstegsform. Vi har ledande ettor
i första och andra kolumnen men inte i tredje så vi sätter z =
t, där t är en reell parameter, och får y = 11 − 6t och x =
 
2 2 0 0 0
−1 −1 0 0 0 −1 + 4t. Eftersom priserna är i hela kronor måste t vara ett
A=  1
.
heltal. Men om t ≥ 2 blir y negativ och om t ≤ 0 blir x
0 0 0 0
0 1 0 0 0 negativ, så enda möjligheten är att t = 1 och x = 3, y = 5,
z = 1. Daniel får alltså betala 5 · 3 + 4 · 5 + 3 · 1 = 38
Bildrummet spänns upp av kolumner i matrisen A. kronor.
5. Låt L vara linjen genom punkterna R och Q. Skuggan av vilket vi gör genom att bestämma nollställen till det karakte-
mannens huvud hamnar i punkten S där L skär planet, så låt ristiska polynomet
oss först beräkna S. 9 48
Linjen L har riktningsvektorn RQ = (6, 6, −3). Vi mul- λ+ 50 50
det(λ − A) = det 48 19
tiplicerar med 1/3 för att få en riktningsvektor (2, 2, −1) 50
λ− 50
som är trevligare att räkna med. Nu kan vi skriva S = R + 1 9 · 11
t(2, 2, −1) = (−5, −4, 8) + t(2, 2, −1) för något tal t = λ2 − λ − = 0.
5 102
och om vi stoppar in koordinaterna för S i planets ekva-
2
tion får vi (2t − 5) − 2(2t − 4) + 2(8 − t) = 3 med Vi fortsätter med att kvadratkomplettera uttrycket λ2 − 10 λ=
lösningen t = 4. Vi drar slutsatsen att S = (−5, −4, 8) + 9·11 2
10
, och erhåller att
4(2, 2, −1) = (3, 4, 4). Fötternas skugga hamnar förstås
i samma punkt P = (1, 2, 3) som fötterna eftersom man- 1 2 9 · 11 2 1 2
(λ − ) = + = 1.
nen står i sluttningen, så längden av hela mannens
√ skugga är 10 10 10
|P S| = |(3, 4, 4)−(1, 2, 3)| = |(2, 2, 1)| = 22 + 22 + 12 = 9
3. Egenvärden blir därmed λ1 = − 10 och λ2 = 1110
. Vi
√ bestämmer egenrummet tillhörande λ1 på vanligt vis, dvs
u| = 15 32 + 42 = 1, |~v | = 15 42 + (−3)2 =
p
6. Observera att |~ elementära radoperationer på matrisen
u · ~v = 512 3 · 4 + 4 · (−3) = 0 så {~

1 och ~ u, ~v } är en 9 9 48
− 10 + 50 1 −36 48
ortonormal bas för R2 . 48 9
50
19 = .
50
− 10 − 50 50 48 −64.
Det gäller då att A~u = ~u~uT ~
u + 2~v~v T ~
u = ~ u (eftersom
uT ~
~ u = 1 och ~v T ~ u = 0) så ~ u är en egenvektor till A Den nedre raden är en mutippel av den övre, och vi ser att
med egenvärde 1. På motsvarande sätt är A~v = ~ u~uT ~v + egenrummet Eλ1 ges av linjen 3x − 4y = 0. Då A är
T
2~v~v ~v = 2~v (eftersom ~ T T
u ~v = 0 och ~v ~v = 1) så ~v är en symmetrisk har vi att egenrummet Eλ2 ges av ekvationen
egenvektor till A med egenvärde 2. Vi har hittat en ortonor- 4x + 3y, dvs Eλ2 = L. Låt {~e, f~} vara en bas av egenvek-
mal bas av egenvektorer så A är ortogonalt diagonaliserbar torer, där f~ är en bas för L. En godtycklig vektor ~
x kan då
och vi kan välja skrivas som

| |

x = a~e + bf~.
~
1 3 4 1 0
P = ~ u ~v  = och D = . Om vi itererar T n (~x), och använder att T är linjär och att
| | 5 4 −3 0 2
basen består av egenvektorer har vi att
n 11n
7. a) Tre vektorer i R3 är linjärt oberoende om de spänner upp ~ n 9
T n (~
x) = aλn
1~e + bλn
2 f = a(−1) ~e + b n f~.
hela R3 . Detta kan vi kolla med determinanten. Vi har att 10n 10
determinanten När n växer vill λn n x) går
1 gå mot noll, vilket betyder att T (~
mot
1 1−a 2 11n
2 a 3 b n f~ = t · f~,
10
1 2a − 1 a det vill säga linjen L.
= (a2 −3(2a−1))−(1−a)(2a−3)+2(2(2a−1)−a).
9. a) Om A är en övre-triangulär matris, då verifierar man att
Som vi kan skriva som 3a2 − 5a + 2. Vektorerna är linjärt A4 = 0, tex på följande sätt. Låt A vara en övretriangular
oberoende om och endast om determinanten är noll-skilld. Vi matris,  
har att 0 a b c
0 0 d e 
5 2 5 2 25 5 1 A= 0 0 0 f  .

a2 − a + = (a − )2 + − = (a − )2 − .
3 3 6 3 36 6 36 0 0 0 0
Vektorerna är linjär beroende om och endast om a är lika med Vi beräknar produkten A2 som
5 1 5 2  
a= + =1 eller a = − 16 = . 0 0 ad ae + bf
6 6 6 3 2
0 0 0 df 
A =  .
0 0 0 0 
b) När a = 32 då ser vi att ~u = 13 ~v . Vektorerna ~v och w ~ är 0 0 0 0
linjär oberoende, och kan utvidgas till en bas ~v , w,~ ~ x för R3 .
0 0 a0 b0
 
En linjär avbildning är bestämd av sitt värde på basvektorer-
na, och det är då klart att det 0
finns oändligt många avbild- 0 0 0 c
Låt B vara en matris på formen B =  .
3 −1 0 0 0 0
ningar sådan att T (~v ) = och T (w)~ = . Värdet på
6 0 0 0 0 0
~
u är dock bestämd som Man erhåller att B 2 = 0, vilket betyder att A4 = 0.
b) Vi har att A4 = 0. Detta betyder att matrisen B = 1 +

1 1 3 1
T (~
u) = T (~v ) = = , A + A2 + A3 multiplicerad med I − A blir
3 3 6 2
vilket också stämmer med uppgiften. (I − A)B = 1 + A + A2 + A3 − A − A2 − A3 − A4 = I.
8. Vi tänker oss att A representerar en linjär avbildning T : R2 → Och på samma sätt har vi att B(I − A) = I, vilket betyder
R2 med avseende på standardbasen. Denna avbildning är di- att matrisen B är inversen till I − A. Per konstruktion ligger
agonaliserbar. Vi bestämmer först egenrum och egenvärden B i det linjära höljet till I, A, A2 , A3 .

5.15. 2014-01-13 4 2
c) Notera att L = Span + som bety-
3 2
1. a) Arean ges av längden till vektorprodukten av vektorer der att varje vektor på linjen L kan skrivas som
längs de två sidor som utgår från ett och samma hörn.
2
    ~v = w~+ ~ ∈ ker(T )
, där w
2 1 2
−→  −→ 
AC = 1  , AB = 2 
3 −1 2
det betyder att T (~v ) = T för varje ~v i L.
2
och      
2 1 −7

2 9 −12 2 −6
 1 × 2 = 5  T = = .
2 −12 16 2 8
3 −1 3
4. a) Vi börjar med att bestämma en bas till lösningsmäng-
−→ −→ √ √ den genom Gausselimination
Area = kAC × ABk = 49 + 25 + 9 = 83.

1 0 −2 −1 0 1 0 −2 −1 0
−→ −→ ∼
b) Vektorn AC × AB är en normal vektor till planet. 1 1 −4 −3 0 R2 − R1 0 1 −2 −2 0
Planet ska innehålla punkten D = (4, 4, 3). Evatio-
nen är: ser man att koefficientmatrisen har rang 2. Det betyder
att lösningsmängden har dimension 4 − 2 = 2. Vari-
0 = −7(x−4)+5(y−4)+3(z−3) = −7x+5y+3z−1. ablerna z och w är fria och med de två parametrarna s
och t får vi
2. a) Matrisen A har koefficienterna för x i första kolonnen,        
koefficienterna för y i den andra och koefficienterna x 2s + t 2 1
 y  2s + 2t
 = s ·   + t · 2 .
2  
för z i den tredje kolonnen. Vi får  =
z   s  1 0
 
a−2 4 2 w t 0 1
A= 0 a 1 .
a 2 1
    

 2 1 
    
2 2

b) För att få fler nollor i matrisen subtraherar vi två gånger Vi betraktar basen  , .


1   0 


sista raden från första och får matrisen 
0 1

 
−a − 2 0 0 Genom Gram-Schmidt får man en ortogonal bas {u~1 , u~2 }.
 0 a 1 .  
a 2 1 2
2
(En sådan radoperation påverkar inte determinantens u~1 =  
1
värde.) Utveckling längs första raden ger nu determi- 0
nanten (−a − 2)(a · 1 − 1 · 2) = 4 − a2 .
och
c) A ej inverterbar ⇔ det A = 0 ⇔ a = ±2.
  1 2        
d) Systemet har en unik lösning om och endast om det A 6= 1 2 · 2 2 1 2 −1
0 1
0, dvs om och endast om a 6= ±2. 2 2 2 6 2 1
 =  2 
u~2 =  − 21 20
 
    =  −
0 2 · 2
1 0 9 1 3 −2
3. a)
1 1 1 0 1 0 3
0 0
x x
Bild(T ) = im(T ) = A för ∈ R2
y y För att få en ortonormal bas behöver vi också normera.
Vi får att
Det betyder att punkten P = (2, 3) är i bildrummet
om systemet u 1 k 2 = 2 2 + 22 + 1 2 + 02 = 9
k~

x 2 och
A =
y 3 2 2
2 2 2

1 2 18
är lösbart. Genom Gausseliminering reducerar man to- u2 k2 =
k~ − + + − +1 = =2
3 3 3 9
talmatrisen
En ortonormal bas ges därmed efter normering av
9 −12 2 9 −12 2
A= 4 ∼ 17
−12 16 3 R2 + 3 R1 0 0 3
  
 2
 
−1 
 
 12 , √
 1   2 

Detta visar att totalmatrisen har rang 2 medan rang(A) = B=
1 och att systemet är därför icke lösbart.

 3 1
  3 2 −2 
 

0 3
 
b) ker(T ) = N ull(T ) är lösningsmängden till AX =
0. Eftersom rang(A) = 1 har systemet en fri-variabel x·~
b) Vi bestämmer först ~ x · ~v där B = {~
u och ~ u, ~v } är
och lösningarna ges av punkterna (t, 43 t) där t ∈ R. den orthonormala bas vi hittade i a). Vi har att

4 1
ker(T ) = Span x·~
~ u= (−8 + 4 − 5) = −3
3 3
och b) Det som minimeras är avståndet mellan högerled och
√ vänsterled, dvs kvadratroten ur summan av kvadrater-
1
x · ~v = √ (4 + 4 + 10 + 18) = 6 2.
~ na av skillnaderna. I det här fallet innebär det längden
3 2 av     
16 3 13
x·~
Detta ger att (~ u)~ x · ~v )~v blir
u + (~  3  3  0 
    
    −4 − 1 −5
2 −1     
−4 4 −8
1 2 √ 1  2 
9 7 2

−3·  +6 2· √  
  
3 1 3 2 −2 p √
0 3 dvs 13 + 0 + (−5) + 8 + 22 = 262.
2 2 2 2
x) = x − projN (~
     
−2 −1 −4 6. a) Vi har att T (~ x) där N är linjen ge-
−2 T
 + 2 2  =  2 , nom origo, och normal på H. Om ~ n = a b c är en
   
=
−1 −2 −5 normalvektor, nollskilld, till H, då har vi att
0 3 6    
x a
ax + by + cz
vilket är vektorn ~
x. T (~x) = y  − 2 2 2
b .
z a +b +c c
c) För att bestämma projektionen projV (w), ~ med vek-
T
b) Alla nollskilda vektorer i H är egenvektorer till T med

torn w~ = 1 1 1 1 , använder vi oss av den
orthonormala bas B = {~ u, ~v } vi hittade i a). Vi har egenvärde 1 eftersom de avbildas på sig själva. Alla nollskil-
nämligen att da vektorer ortogonala mot H är egenvektorer med egenvärde
0 eftersom de avbildas på nollvektorn. Inga andra egenvek-
projV (w) ~ ·~
~ = (w u)~ ~ · ~v )~v
u + (w torer finns, för en vektor som inte ligger i H kommer att av-
√ bildas på en vektor med en annan riktning (nämligen en som
1 1 5 2 ligger i H).
= u+ √ (−1+2−2+3)~v = ~
(2+2+1+0)~ u+ ~v
3 3 2 3 3 c) Avbildningen T är ortogonalt diagonaliserbar då egenrum-
       
2 √ −1 10 − 1 3 men är ortogonala. Spektralsatsen ger då att matrisrepresen-
5 1 2
+ 2 √ 1  2  = 1 10 + 2 = 1 4
     tationen B av T med avseende på standardbasen är symmet-
= · 
3 3 1 3 3 2 −2 9 5−2 3 1 risk. Om B är en ON-bas, låt P vara övergångsmatrisen från
0 3 3 1 B till standardmatrisen. Då har vi att A = P T BP . Detta
ger att
5. a) Vi skriver om det linjära ekvationssystemet som A~
x= AT = (P T BP )T = (P T )B T (P T )T = P T BP = A,
~b, dvs
    vilket betyder att A är symmetrisk.
1 0 16
 0 3   3  7. Låt C = {w ~ 2 }. Övergångsmatrisen från basen C till ba-
~ 1, w
  x   sen B ges av matrisen P −1 . kolumnerna i matrisen P −1
A=  −3 2  y =  −4 
  
 1 1   −4  motsvarar koordinaterna [w ~ 1 ]B , [ w
~ 2 ]B . Med adjunktmatri-
2 1 9 sen kan vi bestämma inversen för P och då det P = 1 · 3 −
2 · 4 = −5 får vi
x = AT ~b. Vi får

Normalekvationen ges nu av AT A~ 1 3 −2 1 −3 2
P −1 = .= .
att −5 −4 1 5 4 −1
1·1+0·0+(−3)·(−3) 1·0+0·3+(−3)·2
 Det följer att:
+1·1+2·2 +1·1+2·1 
    
AT A =   1 1 1
0·1+3·0+2·(−3) 0·0+3·3+2·2 1 3 0   + 4 1 = 1  4 
   
+1·1+1·2 +1·1+1·1 w
~ 1 = (−3~ u + 4~v ) = − 
5 5  1  5 0 5 −3
15 −3 −1 1 7
=
−3 15      
1 1 1
och 1 2 0   − 1 1 = 1 −1
   
~ 2 = (2~
w u − 1~v ) = 

1·16+0·3+(−3)·(−4)
 5 5  1  5 0 5 2 
+1·(−4)+2·9

42
−1 1 −3
AT ~b =  =
 
0·16+3·3+2·(−4) 6 8. Allra först ritar vi en figur. Vi har att AP = AE + EP , och
+1·(−4)+1·9
vi söker det tal t sådan att tAP = AF . V har att tEP =
Vi löser nu normalekvationen med Gausselimination ED och att tAE = AE 0 för någon punkt E 0 på linjen ge-
på totalmatrisen och får nom A och B. Detta ger AF = AE 0 + ED. Vi kan också
uttrycka AF = AD + DF , vilket ger
− 13 R2 AE 0 = AF − ED = AD + DF − ED.

15 −3 42
−3 15 6 R1 + 5R2
Ni noterar att AD − ED = AE, och från uppgiften har vi
5
att 41 DF = F C vilket ger att DC = 54 DF . Vi har också

1 −5 −2 R1 + 24 R2 1 0 3
∼ 1 ∼
0 24 24 24 2
R 0 1 1 från uppgiften att 2AE = DC. Insätter vi detta i ekvationen
ovan, erhåller vi
Alltså ges minsta kvadratlösningen av x = 3 och y = 8 13
1. AE 0 = AE + AE = AE.
5 5
9. Det verkar lättare att tänka på bildrummet till avbildningen T 2. a) Eftersom kurvan ska gå genom de tre punkterna måste
så vi börjar med det. Sedan kan vi använda dimensionssatsen vi ha att p(−1) = 4, p(1) = 2 och p(2) = 7, dvs
som säger att summan av dimensionerna för bildrummet och 
nollrummet är lika med dimensionen för Vn , vilket är n2  a + b · (−1) + c · (−1)2 = 4
eftersom det finns n2 element i en n × n-matris. a + b·1 + c · 12 = 2
a + b·2 + c · 22 = 7

Om n = 2 är r(X) = c(X) så bildrummet av T innehåller
d 0 Vi kan använda Gausselimination på totalmatrisen för
bara vektorer på formen (r, r, d). Eftersom T avbildar
r−d 0 detta linjära ekvationssystem och får då
på (r, r, d) ligger alla sådana vektorer i bildrummet som alltså
har dimension 2. Nollrummet har därför dimension 22 − 2 =    
1 −1 1 4 r1
2. 1 1 1 2 ∼ r2 − r1 
Om n ≥ 3 kan vi välja en n×n-matris X där alla element är 1 2 4 7 r3 − r1
noll utom X1,1 = d, X2,1 = r − d och Xn,n−1 = c. Den-
r1 + 12 r2
   
na matris avbildas på (r, c, d) så bildrummet till T är hela 1 −1 1 4
1
R3 som har dimension 3. Nollrummet har därför dimension ∼ 0
 2 0 −2 ∼   r
2 2

n2 − 3. 0 3 3 3 r3 − 32 r2
r1 − 13 r3
     
1 0 1 3 1 0 0 1
5.16. 2014-03-14 ∼ 0 1 0 −1 ∼  r2  ∼ 0 1 0 −1
0 0 3 6 1 0 0 1 2
3
r3
1. a) Linjen genom P och Q har en riktningsvektor som är
−
−→ Alltså kan vi se att koefficienterna a = 1, b = −1
parallell med P Q och vi får
och c = 2 är en lösning till systemet och därmed är

2
 
−3
 det sökta polynomet p(x) = 1 − x + 2x2 .
−
−→ − −→ − −→ 
P Q = OQ − OP = 3  −  −1  b) I och med att vi fick en ledande etta i varje kolonn i ko-
3 4 efficientmatrisen finns en unik lösning till det linjära
    ekvationssystemet och därmed finns precis ett andragradspo-
2 − (−3) 5
lynom p(x) som uppfyller kraven.
=  3 − (−1)  =  4 .
3−4 −1 3. a) Om A är standardmatrisen för T har vi enligt villkoren
att
Eftersom linjen L2 går genom P kan vi skriva den på
1 −2

1 0

−
−→ −−→ A =
parameterform som OP + t · P Q dvs 3 −4 0 1
vilket innebär att A är inversmatris till matrisen B =
   
−3 5
 −1  + t ·  4  . 1 −2
. Vi kan bestämma den genom exempelvis
4 −1 3 −4
Gauss-Jordanelimination och får då
b) Vi söker en lösning till ekvationen
1 −2 1 0 r1
 3  ∼
3 −4 0 1 r2 − 3r1
   
−3 5 2
 −1  + t ·  4  = s ·  1 
1 0 −2 1

2 1 −2 1 0 r1 + r2
4 −1 −2 ∼ ∼ 1 =
0 2 −3 1 r
2 2
0 1 − 23 21
Detta är ett linjärt ekvationssystem i de två obekanta Alltså ges standardmatrisen för T av
s och t och vi kan använda Gausselimination på dess
totalmatris och får då

−2 1 1 −4 2
A= 3 1 = .
 3
−5 −3
     −2 2 −3 1
2 2r2 1 −8 −2 2
1

2
−4 −1 ∼ r1 − 3r2  ∼ 0 7 0
−2 1 4 r3 + 4r2 0 0 0 b) Eftersom de båda standardbasvektorerna ligger i bildrum-
met till T måste bildrummet vara hela R2 .
Därmed har vi att s = −2 och t = 0 ger den enda c) De båda kolonnvektorerna i A bildar sidor i parallello-
lösningen och skärningspunkten är (−3, −1, 4), dvs grammen T (Ω) som har sitt fjärde hörn i T (1, 1) =
punkten P . (−1, −1). Parallellogrammens area ges av beloppet
c) Vi kan bestämma en normalvektor till planet som in- av determinanten av matrisen A, dvs av −2 · 21 − (− 32 ) · 1) =
nehåller linjerna med hjälp av vektorprodukten om de −1 + 32 = 12
inte är parallellla. Vi har
        4. (a) En ortonormal bas består av ortogonala vektorer av
5 3 4 · (−4) − (−1) · 1 −15 längden 1. För att ~
u, ~v , och w~ är redan ortogonala.
1
 4× 1 = (−1) · 3 − 5 · (−4) =  17 . Därmed bildar vektorerna ||1~ uk
u, k~v1k ~v , och kwk
~ 1
~
w
~
−1 −4 5·1−4·3 −7 en ortonormal bas till V .
Planets ekvation kan därmed skrivas 15x − 17y + √ √
k~uk = 1 + 1 + 1 = 3
7z = d för någon konstant d och vi kan ta reda på
d genom att sätta in en punkt, exempelvis origo som √ √
k~v k = 1 + 1 + 1 = 3
ligger på linjen L, och får då d = 15·0−17·0+7·0 = √ √
0. Alltså är planets ekvation 15x − 17y + 7z = 0. k~uk = 1 + 1 + 4 = 6
Genom Gausselimination får vi
   
1 1 0 1 0 1 1 0 1 0
1 −1 1 0 0 R2 − R1 ∼ 0 −2 1 −1 0
1 1 0 −2 0 R3 − R1 0 0 0 −3 0
y
Alltså är x4 = 0, x3 = t för en parameter t. Den
andra ekvationen −2x2 + x3 − x4 = 0, ger att x2 =
x3 −x4
x 2
= 2t och den första ekvationen ger x1 =
−x2 − x4 = − 2t .
Alltså är det ortogonala komplemenetet
 

 −1 
 
1

⊥
V = Span    .

 2 


0
 
Det betyder att nollrummet till följande matris är lika

med V  
−1 1 2 0
Området T (Ω)  0 0 0 0
0 0 0 0
Alltså kan vi konstatera att följande vektorer bildar en och att funktionen T : R4 → R4 , som ges av denna
ortonormal bas till V : matris, har V som nollrum, ker(T ) = V .
 √   √   √ 
1/√3 1/ √3 1/√ 6    
1/ 3 −1/ 3  1 6  t1 −t1 + t2 + 2t3
  √   t2   0
 0  ,  1/ 3  ,  0 
  
Tt3  = 
   
√ √ 0 
1/ 3 0 −2 6 t4 0
z vara en vektor i R4 . Betrakta följande vektor:
(b) Låt ~
5. (a) Alla vektorer i W kan skrivas som
z·~
~ u z · ~v
~ z·w
~ ~
~t = ~
u+ ~v + w
~    
u·~
~ u ~v · ~v ~ ·w
w ~ 1 0
Observera att ~t ligger i V och att (~t−~ z )·~u = (~t−~z )· t 2 + s −2
 
~v = (~t−~ z )·w
~= 0.Vi proj 2 2
 kan konstatera att V (~
z) =
0
−2 vilket betyder att W är ett plan i R3 och att
~t. Låt ~
z =  
  . Vi har följande likheter:
1     
 1 0 
8
W = Span 2 , −2
z·~
~ u = −2 + 8 = 6, u·~
~ u = 3, 
2 2

z · ~v = 2 + 1 = 3,
~ ~v · ~v = 3,
z·w
~ ~ = −2 − 16 = −18, ~ ·w
w ~ = 6. För att beskriva planet med hjälp av ett ekvationssy-
Alltså är stem behövs bara en ekvation och vi kan hitta en nor-
malvektor till planet genom vektorproduktnen.
z·~
~ u z · ~v
~ z·w
~ ~
z ) = ~t =
projV (~ ~
u+ ~v + w
~      
u·~
~ u ~v · ~v ~ ·w
w ~ 1 0 8
 
1
 
1
 
1 ~v = 2 × −2 = −2
2 2 −2
6 1 + 3 −1 + −18  1 
   
= 
3 0 3  1  6  0     
1 0 −2 1 0
        Vektorn ~v är ortogonal till båda 2 och −2 som
2 1 −3 0 2 2
2 −1 −3 −2
= + + = 
       betyder att ~v är normal vektor till W . Alltså ges W av
0 1 0 1  ekvationen 8x − 2y − 2z = 0.
2 0 6 8  
x
(c) Kravet på avbildningen T är att matrisens radrum ska (b) Vi ombeds att bestämma alla vektorer w ~ = y  så
vara det ortogonala komplementet till V . Därför börjar z
vi med att hitta det ortogonala komplementet till V , att:
p
dvs alla vektorer som är ortogonala mot hela V . ~ = x2 + y 2 + z 2 = 1,
– ||w||
Det ortogonala komplementet består av lösningarna ~
x ~ ligger i W , som betyder att x = t, y = 2t −
– w
x·~
till systemet ~ u=~x · ~v = ~
x·w~ = 0, dvs 2s och z = 2t + 2s, där s och t är reella tal.
  
 x1 + x2 + x4 = 0 1
x1 − x2 + x3 = 0 ~ är ortogonal till 1 som ges x + y + z = 0.
– w
x1 + x2 − 2x4 = 0 1

Ekvationen x + y + z = 0 ger t + (2t − 2s) + (2t + 8. Låt P = (1, 2, 3), Q = (−2, 3, 1) och E = (−3, 2, 3) vara
2s) = 0, dvs 5t = 0. Alltså har vi att t = 0. När vi de givna mittpunkterna. Om A, B och C är triangelns hörn
sätter in detta i ekvationen x2 + y 2 + z 2 =√ 1 får vi får vi att
−
−→ −→ −− →
02 + 4s2 + 4s2 = 1, och därmed s = ±1/ 8. Det OP = 12 OA + 21 OB
betyder att följande två vektorer uppfyller kraven: −
−→ −−
→ −
− →
OQ = 12 OB + 12 OC
−→ −→ −− →

0√
 
0√
 
0√
 
0√
 OR = 12 OA + 21 OC
−2/ 8 = −1/ 2 och  2/ 8  =  1/ 2  . Om vi lägger ihop dessa ekvationer får vi
√ √ √ √
2 8 1 2 −2/ 8 −1/ 2 −→ − −
→ − −→ − −→ − −
→ −→
OA + OB + OC = OP + OQ + OR
       
6. Låt ~v1 , ~v2 , ~v3 , och ~v4 vara egenvektoerna till T som motsva- 1 −2 −3 −4
rar egenvärderna −1, 0, 1 och 2. För egenvärderna är olika, =  2  +  3  +  2  =  7 .
vektorerna ~v1 , ~v2 , ~v3 , och ~v4 är linjärt oberoende. 3 1 3 7
Observera att: −→ −→ − −
→
Vi kan nu få fram hörnen genom att OA = OA + OB +
−
−→ −−→
T 2 (~v1 ) = T (T (v~1 )) = T (−~v1 ) = −T (~v1 ) OC − 2 · OQ, etc. Därmed får vi
     
= −(−~v1 ) = ~v1 −4 −2 0
−→ 
OA = 7  − 2 ·  3  =  1 ,
T 2 (~v3 ) = T (T (v~3 )) = T (~v3 ) = ~v3 7 1 5
     
Alltså, alla vektorer ~v = t~v1 + s~v3 i planet Span(~v1 , ~v3 ) −4 −3 2
−
−→ 
avbildas genom T 2 på sig själva: OB = 7  −2·  2  =  3 
7 3 1
T 2 (t~v1 + s~v3 ) = tT 2 (~v1 ) + sT 2 (~v3 ) = t~v1 + s~v3 och
     
−4 1 −6
x = a~e + bf~.
7. a) Vi vill bestämma skalärer a och b sådana att ~ −
−→ 
7  − 2 ·  2  =  3 .
OC =
Detta ger ett ekvationssystem i två okända, men med fyra 7 3 1
ekvationer. Vi vet att lösningen är unik, och bryr oss därmed
om bara två av dessa ekvationer. De två sista koordinaterna Alltså är triangelns hörn A = (0, 1, 5), B = (2, 3, 1) och
ger ekvationssystemet C = (−6, 3, 1).

2 4 a

2 9. Hela R3 är ett delrum som innehåller L. De två ekvatio-
= . nerna beskriver två plan som inte är parallella. Alltså skär
5 5 b 1
de varandra i en linje. Eftersom inget av planen går genom
Vi löser origo kan inte heller skärningen gå genom origo. Om del-
denna ekvation genom att multiplicera med inversen
rummet inte är hela R3 kommer det därmed att behöva va-

−1 5 −4
10 −5
, vilket ger ra tvådimensionellt och ges av en enda ekvation. Denna ek-
2
vation behöver vara en linjärkombination av de bägge givna
a −1 5 −4 2 1 −3 ekvationerna och eftersom origo ligger i delrummet måste
= = .
b 10 −5 2 1 5 4 konstanttermen vara noll. Alltså måste ekvationen ges av den
andra ekvationen minus två gånger den första, dvs av −3x +
x med avseende på basen B blir därmed
Koordinatmatrisen för ~ 5y − z = 0.
3 Ett alternativ är att se att ett delrum som innehåller två punk-
−5
4 . ter på linjen måste innehålla hela linjen. Gausselimination på
5 totalmatrisen ger

b) För att bestämma basbytesmatrisen från basen B till basen 2 −2 1 1 r2
∼
{~ y } måste vi uttrycka ~e och f~ i den andra basen. Vi noterar
x, ~ 1 1 1 2 r1 − 2r2
att vektorn ~y har en nolla i tredje koordinat. Ekvationen ~e =
r + 41 r2

1 1 1 2
a~x + b~ y har därmed lösningen a = 1, och det följer därmed ∼ ∼ 1
0 −4 −1 −3 r2
att b = 4. På samma sätt läser vi av att f~ = 2~ x + 3~ y . Den
3 5

sökta övergångsmatrisen är 1 0
∼ 4 4
0 −4 −1 −3
1 2
. och med parametern t får vi z = t, y = 3/4 − t/4 och
4 3
x = 5/4−3t/4. Därmed ligger punkterna (5/4, 3/4, 0) och
(1/2, 1/2, 1) på linjen. Eftersom delrummet är slutet under
c) Med avseende på basen B ges den linjära avbildningen
multiplikation med skalär måste även punkterna (5, 3, 0) och
av en diagonal matris. Detta betyder att baserna ~e och f~ är
(1, 1, 2) ligga i delrummet. Vi kan få en normalvektor till
egenvektorer. De sökta egenvektorerna är
delrummet med hjälp av vektorprodukten, dvs
   
5t 5s     
5 1 3·2−0·1
 
6

9t 8s 3 × 1 = 0 · 1 − 5 · 2 =  −10 
  och  
2t 4s
0 2 5·1−3·1 2
5t 5s
och vi får återigen en ekvation för planet som 3x − 5y + z =
med nollskillda tal s och t. 0.
5.17. 2014-05-20 vid radutveckling langs med tredje raden. Detta ger

1. (a) Vi beteknar K = (1, 1, 0), L = (0, 3, 1) och M = 9 4 2 4 2 9
2 det −1 det +(a2 −1) det .
(2, 2, 2). Allmänt plan som passerar punkten K har ekvation 7 2 −2 2 −2 7
A(x − 1) + B(y − 1) + Cz = 0, Detta ger att
där vektoren av koefficienter (A, B, C) är en normalvektor det(A) = 2·(−10)−1·(12)+(a2 −1)(32) = 32(a2 −2).
till planet. Vi söker normalvektorn som kryssprodukt
Ekvationssystemet
√ har exakt√en unik lösning när a 6=
n = KL × KM. ± 2. När vi insätter a = ± 2 då har vi att 2 gånger
den tredje raden in total matrisen adderad till den and-
Vi har KL = (−1, 2, 1) och KM = (1, 1, 2). Detta ger ra raden, ger första raden. Det följer att totalmatrisen
oss har rang 2, och att det finns oändligt många lösningar.
i j k
n = −1 2 1 = (3, 3, −3). 3. Egenvärden: Från den karakteristiska ekvationen
1 1 2
2−λ 3
Planets ekvationen blir 3(x − 1) + 3(y − 1) + 3z = 0 eller det(A−λI) = 0 ⇔ = 0 ⇔ λ2 −1 = 0
−1 −2 − λ
enklare x + y − z = 2.
får vi två egenvärden λ1 = −1 och λ2 = 1
(b) Sökta planet Q är parallelt med normalvektor n = (3, 3, −3)
Motsvarande egenvektorer bestämmer vi med hjälp av ekva-
till planet P . Dessutom är det parallelt också med linjens rikt-
tionen
ningsvektorn r = (1, 2, −1). Vi får då normalvektorn N till
planet Q som kryssprodukt

2−λ 3 x 0
(A−λI)~v = ~0 dvs =
−1 −2 − λ y 0
i j k
N=n×r= 3 3 −3 = (3, 0, 3). För λ1 = −1 har vi
1 2 −1
3 3 x 0
Ekvation av planet Q blir då 3x + 3z + D = 0. För att =
−1 −1 y 0
bestämma konstanten D stoppar vi linjens koordinater x =
t + 1, y = 2t, z = 1 − t till planets ekvation. Detta ger oss eller
D = −6 och ekvationen blir 3x + 3z − 6 = 0 eller enklare 3x + 3y = 0
⇔ y = t, x = −t
x + z = 2. −x − y = 0

2. a) För a = 0 har vi systemet −1
Vi väljer en egenvektor ~v1 = .
1

 2x + 9y + 4z = 3 −3
På liknande sätt får vi att ~v2 = är en egenvektor som
−2x + 7y + 2z = 1 1

2x + y − z = 1 svarar mot λ2 = 1
Matrisen har två linjärt oberoende egenvektorer och därmed
Substitutionen av x = 1, y = 1, z = 1 i första ekva- kan diagonaliseras.
tionen visar att (1, 1, 1) inte ligger i lösningsmängden. Diagonalisering:
b) Vi substituerar a = 2 och löser systemet Vi bildar matriserna

 −1 −3
 2x + 9y + 4z = 3 P = [~v1 |~v2 ] = ,
1 1
−2x + 7y + 2z = 1 E2 + E1
2x + y + 3z = 1 E3 − E1

λ1 0 −1 0
D= =
 0 λ2 0 1
 2x + 9y + 4z = 3
16y + 6z = 4 och beräknar
−8y − z = −2 E2/2 + E3 1 1 3
P −1 =

2 −1 −1

 2x + 9y + 4z = 3 Då gäller
16y + 6z = 4
2z = 0. P −1 AP = D eller ekvivalent A = P DP −1 .

Härav z = 0, y = 1/4, x = 3/8. Nu beräknar vi potensen A17 .

Systemet har exakt en lösning x = 3/8, y = 1/4, z =
0 , dvs ls̈sningsmängden består av exakt en punkt (3/8, 1/4, 0). A17 = (P DP −1 )(P DP −1 ) · · · (P DP −1 ) = P D17 P −1
Alltså är lösningsmängden {(3/8, 1/4, 0)} .
−1 −3 (−1)17

0 1 1 3
c) Låt A beteckna ekvationssystemets koefficientmatris. = P D17 P −1 = 17 · ·
Ett kvadratisk ekvationssystem har exakt en lösning 1 1 0 1 2 −1 −1
om och endast om det(A) 6= 0. Vi beräknar
−1 −3 −1 0 1

1 3

= · ·
1 1 0 1 2 −1 −1
2 9 4
det(A) = −2 7 2 2 3
=
2 1 (a2 − 1) −1 −2
4. (a) Eftersom det är givet att dim V = 3, söker vi en bas Eftersom koefficientmatrisen är en diagonalmatris får
av V som tre vektorer valda av vektorerna u~1 , u~2 , u~3 , u~4 . vi direkt lösningen som a = 31/110 ≈ 0,282 och
Till exempel, försöker vi att ta tre första vektorer u~1 , u~2 , u~3 . b = 20/11 ≈ 1,82. Det linjära sambandet bör därmed
Det räcker att visa att dem är linjärt oberoende eftersom om vara
det vore så då har deras linjära höljet dimension 3 och måste
x = 31/110t+20/11−5·31/110 = 31/110t+9/22.
således sammanfalla med V .
Vi undersöker samband C1 u~1 + C2 u~2 + C3 u~3 = 0. Det är Om man inte gör substitutionen får man istället
ett homogent system av linjära ekvationer med matris 0 1 0

1 1 −1
 1 1 1
2 1 1
   
 −1 2 −8 
 . 3

1

1
 
 2 1 1 
4 1 2
   
1 −1 5
A=5 1 , b = 2 .
   
Efter standard Gausselimination får vi trappstegmatris 6 1 2
   
7 1 2
   
 
1 1 −1 8

1

3
 
 0 3 −9  9
 . 1 3
 0 0 0  10 1 3
0 0 0
Vi får då normalekvationen
Systemet har icke-triviala lösningar vilket visar att vektorer-
na u~1 , u~2 , u~3 inte utgör en bas, dem är linjärt beroende! 385 55 a 131
=
55 11 b 20
Nästa försök är att ta vektorer u~1 , u~2 , u~4 . Analog undersökning
av sambandet C1 u~1 + C2 u~2 + C4 u~4 = 0 visar att det ända och vi kan lösa systemet med exempelvis Cramers re-
möjliga lösningar C1 , C2 , C4 är C1 = C2 = C4 = 0 vilket gel eller med Gausselimination. Vi får då a = 31/110 ≈
visar att vektorerna u~1 , u~2 , u~4 är linjärt oberoende och dem 0,282 och b = 9/22 ≈ 0,409. Det linjära sambandet
utgör en bas av V . blir det samma som när vi gjorde substitutionen ovan.
(b) Man kollar först att alla vektorer i form ~v = (−7t, 2t, 4t, t) b) I och med att koefficientmatrisen blir en diagonalma-
är vinkelräta mot alla vektorer u~k , k = 1, 2, 3, 4 genom att tris efter substitutionen är det lättare att lösa problemet
räkna direkt skalärprodukt ~v · u~k (alla sådana skalärprodukter på det viset. Man måste dock komma ihåg att återföra
blir noll). Således alla sådana vektorer ~v är vinkelräta också sambandet på den ursprungliga formen.
till hela V och de ligger i ortogonala komplementet V ⊥ . Det- 6. a) Eftersom ~u, som en riktniningsvektor, är parallell med
ta visar att en-dimensionellt underrum W = {(−7t, 2t, 4t, t) : linjen L blir spegelbilden av ~ u lika med ~ u . Alltså
godtyckliga t} är innehållet i ortogonala komplementet V ⊥ . T (~
u) = ~ u.
Att underrummet W sammanfaller med V ⊥ ser man med Vektorn ~n som är vinkelrät mot linjen har spegelbil-
hjälp av dimensioner. Alla vektorer u~k ligger i rum R4 av den −~ n) = −~
n. Därför T (~ n.
fyra dimensioner. Det är givet i uppgiften att dim V = 3.
Detta ger oss dim V ⊥ = 4 − 3 = 1 d v s V ⊥ har dimension b) En vektor ~v 6= ~0 är en egenvektor till avbildningen T
1. Men underrummet W har också dimension 1 vilket visar om det finns ett tal λ så att
att W och V ⊥ sammanfaller.
T (~v ) = λ~v
(c) Man kan t ex använda egenskap att V = (V ⊥ )⊥ = W ⊥ .
Den visar att V består av dem vektorer som är vinkelräta mot Talet λ är i detta fall avbildningens egenvärde. Från
alla vektorer i underrumet W d v s mot vektor (−7, 2, 4, 1). första delen har vi
Detta ger oss att V består av alla vektorer (x, y, z, t) som
u) = 1 · ~
T (~ u och n) = −1 · ~
T (~ n
löser ekvationen −7x + 2y + 4z + t = 0.
Alltså är λ1 = 1 och λ2 = −1 avbildningens egenvärden
5. a) Om vi använder substitutionen leder det till en förskjutning
med motsvarade egenvektorer ~ u och ~
n. Vektorerna t~ u, t ∈
av t-värdena så att systemet kan skrivas som Ax = b
R och s~ n, s ∈ R är också egenvektorer till T som
där −5 1 0 svarar mot λ1 = 1, respektive λ2 = −1. ( Deta ser
−4 1 1 vi enkelt: T ex. T (t~ u) = tT (~u) = 1 · t~u visar att t~
u,
−3 1
 
1
  för varje t, är en egenvektor med egenvärden 1).
−2 1
 
1
  En avbildning T : R2 −→ R2 kan ha maximalt 2
−1 1
 
2
  egenvärden ( den karakteristiska ekvationen har grad
A= 0

1 , b = 2 .
   2 och, i vårt fall, har två rella enkla rötter 1 och -1)
 1

1

2
  Med andra ord har vi funnit alla egenvärden. Både λ1
 2

1

2
  och λ2 har algebraiska multipliciteten =1. Förutom
 3

1

3
  u, t ∈ R finns det inte andra egenvektorer tillhörande
t~
 4 1 3 λ1 = 1 eftersom
5 1 3 (dimensionen för egenrummet Eλ1 ) ≤ (egenvärdes
algebraiska multipliciteten)=1.
För att få en minsta kvadratllösning till det överbestämda Samma resonemang gäller för egenvektorer motsva-
systemet löser vi normalekvationen, dvs AT Ax = rande λ2 = −1.
AT b. Vi får då Alltså har T följande egenvärden:
λ1 = 1, med motsvarande egenvektorer t~ u, t ∈ R

110 0 a 31
= λ2 = −1 med motsvarande egenvektorer s~ n, s ∈ R
0 11 b 20
c) T (w)
~ = T (3~ u + 4~n) = ( enligt definitionen av har dimension 2 och det sammanfaller med underrummet W
en linjär avbildning) erhållet tidigare. Annat underrum består av egenvektorer som
= 3T (~ u) + 4T (~ n) = (enligt första delen) hör till egenvärdet 0 och det är ortogonala komplementet till
= 3~ u − 4~ n W.
7. Varje linjär avbildning bestäms med hur avbildar den vis- För att bestämma ortogonala komplementet löser vi linjära
sa basvektorer. Vi väljer följande basvektorer i rummet R3 : systemet
v~1 = (1, −1, 0), v~2 = (0, 1, 1) och x + 2y + t = 0
y + z = 0.
~i ~j ~k Standard Gausselimination ger oss lösningar
v~3 = v~1 × v~2 = 1 −1 0 = (−1, −1, 1).
0 1 1 (x, y, z, t) = (2a − b, −a, a, b)
Vi kollar att vektorer v~1 , v~2 och v~3 utgör en bas i R3 genom där a, b är godtyckliga konstanter. Det är allmän form av
t ex att räkna determinant egenvektorer som hör till egenvärdet 0.
1 −1 0
5.18. 2014-10-29
0 1 1 = 3 6= 0.
−1 −1 1 −→ −→
1. a) Linjen kan skrivas OA + t · AB och vi har
 
Varje vektor ~v i rummet R3 kan skrivas då som linjär kom- 0
−→  
bination OA = 0
~v = c1 v~1 + c2 v~2 + c3 v~3 . 1
Vektoren v~3 är vinkelrät mot v~1 och v~2 vilket ger oss att c3 v~3 och
är projektion av ~v på linjen parallel med v~3 och således      
2 0 2
−→ − −→ −→      
~v · v~3 ~v · v~3 AB = OB − OA = 4 − 0 = 4
c3 = = . −1 1 −2
k~v3 k2 3
Vi får då Alltså ges linjen av (2t, 4t, 1 − 2t)
b) Vi kan dela upp en vektor från en punkt på linjen, säg
T ~v = c1 T v~1 + c2 T v~2 + c3 T v~3 . Q, till punkten P i en del som är parallell med lin-
jen och en del som är vinkelrät mot linjen. Kortas-
Men T v~1 = T v~2 = ~0 enligt (a) i uppgiften och T v~3 = te avståndet ges då av längden av den vektor som är
C(0, 0, 1) enligt (b) i uppgiften (här C är någon konstant). vinkelrät mot linjen. Vi använder projektion på linjens
Tillsammans får vi riktningsvektor för att få fram den del som är parallell
~v · v~3 med linjen.
T ~v = C · (0, 0, 1) = D(~v · v~3 ) (0, 0, 1) T
3

Riktningsvektorn för linjen är ~v = −1 −2 1 ,
−−→
(där D = C/3 är en godtycklig konstant). Om ~v = (x, y, z), och vi kan välja punkten Q = (1, 2, 0). Vektorn P Q =
då får vi
T −−→
0 0 −4 . Projektionen av P Q på riktnings-
T ~v = (0, 0, D(−x − y + z)). vektorn ~v blir
 
8. Chefsingenjören tar två linjärt oberoende vektorer ū och v̄ i −1
−−
→ −4  
R3 och använder de två knapptryckningarna till att ta reda på proj~v (P Q) = −2 ,
6
ū0 = projW ū och v̄ 0 = projW v̄. Om ū0 = ū och v̄ 0 = v̄ 1
ligger båda dessa vektorer i planet W och eftersom ū och
och specielt har vi att den vinkelräta komponenten är
v̄ är linjärt oberoende utgör de en bas för W ; därmed är W
entydigt bestämd. Om ū0 6= ū så är differensen ū − ū0 =
     2
0 −1 −
ū − projW ū en normalvektor till W och om v̄ 0 6= v̄ är −−
→ −−→ −2    34 
~ = P Q−proj~v (P Q) = 0 −
w   −2 = − 3 .
v̄ − v̄ 0 en normalvektor. I båda fallen är W alltså entydigt −4 3 1 − 10
3
bestämd.
Avståndet blir
9. Vi betecknar egenvektorer givna i (b) med w~1 = (1, 2, 0, 1)
och w~2 = (0, 1, 1, 0). Man ser lätt att dem två vektorerna 1√ 2√
|w
~ |= 4 + 16 + 100 = 30.
är linjärt oberoende och således deras linjära höljet W har 3 3
dimension 2. Alla vektorer i W har formen
2. a) För att vektorerna {~v1 , ~v2 , ~v3 } ska bilda en bas i R3 ,
w
~ = cw~1 + dw~2 = (c, 2c + d, d, c) så krävs det att vi har tre linjärt oberoende vektorer. Då
räcker det att determinanten för matrisen som bildas
och alla dem är egenvektorer med egenvärdet 2. Detta visar av vektorerna är nollskild. Vi har
att egenvärdet λ = 2 har multiplicitet minst 2.
1 1 2
Enligt spektralsats så finns det någon ON bas av egenvektorer 1 2 a = 1(4−a2 )−(2−a)+2(a−2) = −a2 +3a−2
till matris A: v~1 , v~2 , v~3 , v~4 . I denna bas blir matrisen A en 1 a 2
diagonalmatris med diagonala elementer λ1 , λ2 , λ3 , λ4 . Två
första egenvärdena är λ1 = λ2 = 2. Men eftersom rangen Vi har vidare att polynomet a2 − 3a + 2 = (a −
till A är 2 enligt (a) i uppgiften, så får vi λ3 = λ4 = 0. Detta 1)(a − 2), så dess nollställen är a = 1 och a = 2.
visar att underrum av egenvektorer som hör till egenvärdet 2 Determinanten är nollskild om a 6= 1 och a 6= 2.
b) Vi söker sådana tal c1 , c2 , c3 att ~e1 = c1~v1 + c2~v2 + 5. a) Enligt definition, basbytesmatris från bas β till bas γ
c3~v3 . Detta ger oss ett system av linjära ekvationer är en sådan matris att dess kolonner är koordinatvek-
med matris torer av elementer i bas β där koordinater tas med av-
  seende på bas γ.
1 1 1 1
 1 2 3 0 . b) För att bestämma basbytesmatris från β till γ, börjar
2 3 2 0 vi först med vektorn
 
Man löser systemet m h av Gausselimination och man 1
får koordinater c1 = 5/2, c2 = −2, c3 = 1/2. β1 =  −1  .
T 0
Koordinatvektorn blir 5/2 −2 1/2 .
3. a) Vi bildar matrisen Den skall uttryckas som linjär kombination av basvek-
torer γ1 och γ2 dett vill säga β1 = aγ1 + bγ2 . Detta
2 3 1 0 ger oss ett linjärt system av ekvationer
[A|I] =
1 4 0 1 
 1 = a − 5b
och genomför radoperationer som transformerar vän-
−1 = a + 2b
stermatris till enhetsmatris. Om R1 , R2 betecknar ra-
0 = −2a + 3b.

derna av matrisen, så får vi: 1. R1 := R1 /2 ger oss

1 3/2 1/2 0
Systemet har lösningar a = −3/7, b = −2/7. Således
; får vi första kolonnen i basbytesmatris:
1 4 0 1

2. R2 := R2 − R1 ger oss −3/7
.
−2/7
1 3/2 1/2 0
;
0 5/2 −1/2 1 Av angivna matriserna endst matrisen P2 har den ko-
lonnen som sin första kolonn. Vi kollar också att den
3. R2 := 2/5 · R2 ger oss andra kolonnen av P2 innehåller rätta koordinater d v
 2/7och −1/7 är koordinater av
s vi kollar att talen

1 3/2 1/2 0
; 1
0 1 −1/5 2/5
vektorn β2 =  0  i bas γ1 , γ2 . Man verifierar
4. R1 := R1 − 3/2 · R2 ger oss −1
att β2 = 2/7 · γ1 − 1/7 · γ2 genom direkt beräkning.
1 0 4/5 −3/5
.
0 1 −1/5 2/5 6. a) Vi gör först en tabell över Algots mätningar där vi
också beräknar sin mπ
6
och cos mπ
6
.
Erhållen högermatris ger oss inversmatrisen:
mπ
1

4 −3
m T − 20 sin 6
cos mπ
A−1 = . √ 6
−1 2 1 −3.0
5 √1/2 3/2
2 0.0 3/2 1/2
b) Vi multiplicerar ekvationen med A−1 från höger. Vi 3 −1.4 1 0
får då XAA−1 = BA−1 varav X = BA−1 . Ma- 9 1.6 −1 0
trismultiplikation ger oss
    Alltså får vi det överbestämda ekvationssystemet
1 7 −3 11
1 4 −3 1 √
X= 2 −4 · = 12 −14  .   
−3.0

√1/2 3/2

5 −1 2 5
0 2 −2 4  3/2 1/2  a
  0.0 
 ≈  −1.4  .

 1 0  b
4. a) En avbildning är diagonaliserbar om den kan skrivas −1 0 1.6
som en diagonalmatris i en ny bas. Eftersom vår ma-
tris har egenvärden λ = 0, 1, 2, 4, så kan vi skriva Genom att multiplicera med systemmatrisens transpo-
matrisen A för T i basen av egenvektorer som nat från vänster får vi normalekvationerna
  √
0 0 0 0
−9/2

0 1 0 0 √3 3/2 a
= √
DT = P −1 AP =  3/2 1 b −3 3/2
0 0 2 0 .

0 0 0 4 √
med den unika lösningen a = −1, b = − 3.
b) Dimensionen till ett egenrum är mindre eller lika med b) Eftersom a = r cos dπ och b = r sin dπ är r =
√ 6 6
den algebraiska multipliciteten till det tillhörande egenvärdet. a + b = 2 och vi ska välja d så att cos dπ
2 2
6
=
√
Egenrummet tillhörande egenvärdet λ = 0 är noll- − 21 och sin dπ = − 23 . Enda möjligheten i inter-
6
rummet, som i det här fallet har dimension 1. Det följer vallet (−6, 6] är d = −4.
då att bildrummet har dimension 4-1=3.
c) Karakteristiska polynomet till matrisen kan beräknas 7. a) Vi betecknar det hörnet som är gemensamma fotpunkt
från diagonalmatrisen. Detta ger ger oss att det karak- för vektorerna ~
x, ~
y, ~
z med O och övriga hörn i tet-
raedern med A, B, C så att ~ ~ ~
x = OA; y = OB; ~
teristiska pollynomet är
~
z = OC.~ Sidan som späns upp av ~ x och ~
y är triangeln
cA (λ) = λ(λ − 1)(λ − 2)(λ − 4), OAB som är liksidig. Höjden av tetraedern till denna
sida är sträckan från punkten C till centrum D av tri- med andra ord att X1 + X2 ∈ V . Slutligen, om X
angeln OAB (detta ser man från symmetri). Ortsvek- kommuterar med A då vill uppenbarligen också αX
torn av centrum av en liksidig triangeln får man som kommutera med A;
medelvärdet av ortsvektorer av tre hörn och vi får
(αX)A = α(XA) = α(AX) = A(αX).
~ = 1 OO

OD ~ + OA ~ + OB ~ = 1/3 · ~ x + 1/3 · ~
y.
3 Det vill säga att V är sluten under addition och multi-
~ blir plikation med tal, och därmed ett delrum.
Till slut, höjden DC
b) Låt
~ = OC
DC ~ − OD
~ =~
z − 1/3 · ~
x − 1/3 · ~
y.

a b

X=
c d
Alternativt: Höjden i tetraedern är ~
z minus projektio- vara en matris i delrummet V , som genereras av A i
nen av ~z ned på planet som spänns upp av ~ x och ~y. övningen. Då gäller det att XA = AX. Det vill säga
Av symmetri så är det klart att projektionen av ~
z ned att
i x, y-planet hamnar på linjen L = Span(~ x+~ y ).
a b −1 1

−1 1 a b

Höjden i tetraedern är alltså =
c d 2 3 2 3 c d
z − ProjL (~
~ z ).
vilket leder till
För att bestämma ProjL (~z ) behöver vi längden av
riktningsvektorn ~
x+~ y . Vi kan skriva
−a + 2b a + 3b −a + c −b + d
= .
~
y = Proj~x (~ y − Proj~x (~
y) + ~ y) −c + 2d c + 3d 2a + 3c 2b + 3d
däry⊥
~ =~ y − Proj~x (~
y ) är vinkelrät mot ~
x. Av regu- Ur detta får vi sambanden
lariteten till tetraedern följer det att vinkeln mellan ~
x
och ~y är π/3. Detta, och att ||~x|| = 1, ger att c = 2b, d = a + 2c, d = a + 4b,
1 där det sista ekvationen kan ignoreras, eftersom den
y) = ~
Proj~x (~ x.
2 fås av de två första. Vi har således följande ekvationer
Längden av ~
x+~y är därmed att lösa:
c = 2b, d = a + 2c,
s √
3 2 √
r
1 2 ⊥
9 vilket ger oss två fria parametrar, a, b, och vi har
(1 + ) + | ~ y |= +( ) = 3.
2 4 2
a b
X=
Vi erhåller att 2b a + 4b
1 för alla reella tal a, b. Svaret kan provas med en direkt
ProjL (~
z) = (~
z~x+~z~
y )(~
x+~ y)
3 kalkyl (gör det). Man skriver matrisen X som
1 1 1 1
= ( + )(~ x+~ y ) = (~x+~
y ). 1 0 0 1
3 2 2 3 X =a· +b· .
0 1 2 4
b) Eftersom triangeln OAB är liksidig, vinkeln mellan
vektorer ~ y är π3 . Detta ger oss ~
x och ~ x ·~
y = k~
xk·k~
y k· Detta ger oss en bas {X1 , X2 }, där
cos π3 = 1/2. Analogt får vi också att ~ x·~z = 1/2
1 0

0 1

y·~
och ~ z = 1/2. X1 = , X2 = .
0 1 2 4
Om ~h = ~ z − 1~x − 1~
3 3
y , då är
9. a) Överföringsmatrisen är
1 1 1 1
k~hk2 = ~h · ~h = (~
z− ~ x− ~ y ) · (~
z− ~ x− ~ y) 
0 1/2 0

3 3 3 3
1 1 2 2 2 T = 1/2 0 1 .
= k~ z k2 + k~ xk2 + k~ y k2 − ~z ·~
x− ~ z ·~
y+ ~ x ·~
y 1/2 1/2 0
9 9 3 3 9
1 1 1 1 1 2 Vi ska lösa de homogena ekvationssystemen
=1+ + − − + = .
9 9 3 3 9 3
1
(T − I)x = 0 och (T + I)x = 0.
p
Längden är 2/3. 2
8. a) Eftersom rummet av alla matriser (av samma dimen- Det första har systemmatris
sion) är ett vektorrum (Se boken Exempel 3, sidan  
198) så räcker det att visa att mängden V av alla ma- −1 1/2 0
triser som kommuterar med A är ett delrum. Det vill 1/2 −1 1 .
säga att V innehåller noll vektorn, är sluten under ad- 1/2 1/2 −1
dition, samt multiplikation med tal.
Genom att addera hälften av första raden till dom and-
Det är klart att nollmatrisen kommuterar med A, så ra raderna får vi
första kravet är satisfierad. Vi har vidare att om X1  
och X2 är med i V , då gäller att −1 1/2 0
 0 −3/4 1 
(X1 +X2 )A = X1 A+X2 A = AX1 +AX2 = A(X1 +X2 ), 0 3/4 −1
och adderar vi nu andra raden till tredje raden får vi Koefficientmatrisen har här determinant (a − 2)(a − 4), så
  om a 6= 2 och a 6= 4 har systemet exakt en lösning. Om
−1 1/2 0 a = 4 får vi ett konsistent system med en nollrad, så att det
 0 −3/4 1 finns oändligt många lösningar. Om a = 2 får vi systemet
0 0 0  
1 1 1 1
h2i 0 0 1 −1
med den allmänna lösningen x = s 4 , s ∈ R.
3 0 0 −2 0
Det andra ekvationssystemet har systemmatrisen vilket uppenbarligen inte är konsistent; inga lösningar.
(b) När a = 1:
 
1/2 1/2 0
1/2 1/2 1 .    
1/2 1/2 1/2 1 1 1 1 1 1 1 1
0 −1 1 −1 ∼ 0 −1 1 −1
Om vi subtraherar den första raden från dom andra två 0 0 −3 0 0 0 1 0
raderna får vi
   
1 1 0 1 1 0 0 0

1/2 1/2 0
 ∼ 0 −1 0 −1 ∼ 0 1 0 1 ;
 0 0 0 1 0 0 0 1 0
0 1 
0 0 1/2 lösningen är x = 0, y = 1, z = 0.
h 1
i 2. (a) Vektorerna ~v och w ~ är linjärt oberoende, så Span(~v , w)
~
med den allmänna lösningen x = s −1 , s ∈ R. är mycket riktigt ett plan (genom origo). En normalvektor till
0
h2i h 1 i planet är
Till exempel är alltså 4 och −1 egenvektorer till
3 0  −1 0 
T hörande till egenvärdena 1 respektive −1/2.
 3 1   
hai −1
 1 1  
 
b) Starttillståndet är a för något reellt tal a. Detta går ~v × w~ = − = 2 .
a
att skriva som en linjärkombination av egenvektorerna  3 1
 1 1
som vi hittade: 1 
      −1 0
a 2 1
a = a 4 + a −1 . En ekvation (i koordinater (x1 , x2 , x3 )) är därmed −x1 +
3 3 3 0 2x2 + x3 = 0.
a
(b) Vi har att −1·0+2(−2)+4 = 0, så ~
z ligger i Span(~v , w).
~
Efter 30 dagar är tillståndet (c) Vi kollar om ~ u ligger i planet: −1 + 2 · 2 + 1 = 4 6= 0,
       så ~
u ligger ej i planet Span(~v , w).~ Detta medf’Äor att ~v , w, ~
a
a
2
a
1 och ~ u är 3 linjärt oberoende vektorer i R3 , så de bildar en bas
T30 a = T30  4 + −1 för R3 .
a 3 3 3 0
    (d) Matrisen A har kolonnerna ~v , w, ~ ~ u, och ~
z . Rangen av
2 1 matrisen är därmed 3, eftersom kolonnrummet har dimension
a a
= T30 4 + T30 −1 3.
3 3 3 0
3. Dessa mätdata ger ett ekvationssystem i a, b, och c, med
2 + 2−30
     
2 1 utökad matris
a a a  
= ·130 4+ ·(−1/2)30 −1 = 4 − 2−30  . 1 −1 1 2
3 3 3 0 3 3 0 0 1 0
 .
1 1 1 2
Eftersom 2 30 10 3 3
= (2 ) > 1000 = 10 så är 9 4 2 1 4
2−30 a/3 < 1 vilket är försumbart litet när man räknar ~
T
Låt d vara den 4:e kolonnen och skriv ~ x = a, b, c ,
lunchgäster. Fördelningen blir alltså 2 : 4 : 3 mellan
då är systemet A~ ~ där A är koefficientmatrisen. Vi tittar
x = d,
restaurangerna A, B, C efter 30 dagar.
nu på systemet AT A~ x = AT d: ~
   
5.19. 2015-01-19 18 8 6 20
T
A A=8 6 2 , A d~ =  8  .
T
1. (a) Systemet har 3 ekvationer och 3 obekanta. Gausselimina- 6 2 4 8

tion ger Vi löser systemet:
         
1 1 1 1 r1 18 8 6 20 9 4 3 10 r1 − 2r2
2 a 3 1 ∼ r2 − 2r1 
  8 6 2 8 ∼ 4 3 1
  4 ∼
  r2 
3 a+1 a 2 r3 − 3r1 6 2 4 8 3 1 2 4 r3
         
1 1 1 1 r1 1 −2 1 2 1 −2 1 2 r1
∼ 0 a−2
 1 −1 ∼
  r2  ∼ 4 3 1 4 ∼ 0 11 −3 −4 ∼ r2 − 3r3 
    
0 a − 2 a − 3 −1 r3 − r2 3 1 2 4 0 7 −1 −2 r3
   
1 1 1 1 1 −2 1 2
∼ 0 a−2
 1 −1 . ∼ 0 −10
 0 2 .
0 0 a−4 0 0 7 −1 −2
Så b = − 15 ; då − 75 − c = −2, så att c = 3
5
; sedan a + 2
5
+ 4I. Vi ser nu att
3
= 2, så a = 1.
5 A3 − 6A + 4I
Kurvan som enligt minstakvadratmetoden är bäst anpassad är 
−4 −12 6
 
0 −2 1
 
4 0 0

y = x2 − 15 x + 35 .
= −12 −4 6 −6 −2 0 1+0 4 0
6 6 −4 1 1 0 0 0 4
4. (a) Vi har att dim H = 2, så vi ska hitta 2 oberoende vek-  
torer i H för att få en bas. Genom att sätta y = 0 hittar vi 0 0 0
T = 0 0 0 ,
vektorn ~a = 1, 0, −1 ; genom att sätta z = 0 hit-
T 0 0 0
tar vi vektorn ~b = 5, 3, 0 . De är oberoende, så de

bildar en bas för H. vilket stämmer.

hai
Med Gram-Schmidt-metoden får vi en ortogonal bas: proj~a~b = 6. Låt ~ u = b vara en normerad riktningsvektor till L och
c
~ a låt ~ex , ~ey och ~ez vara standardbasvektorerna. Då är a =
t~a, med t = ~ab·~ = 52 ; då bildar ~a och ~c = ~b − t~a =
5 ·~a T u · ~ex = k~
~ 60◦ = 1/2 och b = ~
uk · k~ex k · cos√ u · ~ey =
~b − ~a =
5
, 3, 52 en ortogonal bas för H. Även ~a
2 k~uk · k~ey k ·√cos 45◦ = 1/ 2. Eftersom ~ u är normerad har
2 T
och 2~c = 5, 6, 5 gör detta. Till slut får vi en ON- vi att c = ± 1 − a2 − b2 = ±1/2.
bas genom att dela varje vektor genom sin längd: √1 ~a =

√1
h i 2 Låt ~ n = 2 som ju är en normalvektor till planet. Om
√1 , 0, − √1 och √1 ~c = √1 5, 6, 5 T bil- −3

2 2 86 86 c = 1/2 är ~ u·~ n = 0 vilket betyder att linjen L är parallell
dar en ON-bas för H. med planet. Men detta är omöjligt eftersom vi vet att L skär
(b) Det är bara att lägga till en enhetsnormalvektor till H, planet utan att ligga i planet (för planet innehåller inte origo).
T Alltså är c = −1/2.
tex: d~ = √1 3, −5, 3 .

43
Skärningspunkten P ligger på linjen L så den kan skrivas
(c) Vi vet att T (~a) = ~a, T (~c) = ~c, och  ~ = ~0. Så i basen
T (d) P = t~ u för något reellt tal t. Eftersom P ligger i planet
n · (t~
gäller att ~ u) = 6 så

1 0 0
~
{~a, ~c, d} har T matrisrepresentationen 0 1 0.
 6 6
0 0 0 t= = = 2.
n·~
~ u 3
√
Punkten P har alltså koordinaterna (1, 2, −1).
5. (a) Vi beräknar nollrummet Ker(A − 2I):
7. (a) Låt (r, ϕ) vara en given linje. Då är [r cos ϕ, r sin ϕ]T
    och speciellt [cos ϕ, sin ϕ]T normalvektorer till linjen. Dvs.
−2 −2 1 1 1 −2
−2 −2 1  ∼ −2 −2 1  vi kan sätta a = cos ϕ och b = sin ϕ. Linjen går genom
punkten (r cos ϕ, r sin ϕ); detta ger att c = −r. Ekvationen
1 1 −2 0 0 0
    blir (cos ϕ)x + (sin ϕ)y − r = 0.
1 1 −2 1 1 0 (b) Linjerna (r1 , ϕ1 ) och (r2 , ϕ2 ) är parallella om och en-
∼ 0 0 −3 ∼ 0 0 1 . dast om deras normalvektorer är parallella. Två vektorer är
0 0 0 0 0 0 parallella om och endast om determinanten är noll, dvs. att
cos ϕ1 cos ϕ2
T = 0. Detta är i sin tur ekvivalent med att
Så nollrummet Ker(A−2I) spänns upp av 1 −1 0 . sin ϕ1 sin ϕ2
Egenvektorerna med egenvärdet 2 är exakt alla nollskilda mul- cos(ϕ1 ) sin(ϕ2 ) = cos(ϕ2 ) sin(ϕ1 ).
tipler av denna vektor.
~ i R2 vet vi då att
8. Låt σ vara standardbasen. För en vektor p
(b) Vi har att
1 1 −1

p ]σ = √
[~ [~
p ]β ,
2 1 1
−λ −2 1 T
det(A − λI) = −2 −λ 1 så koordinatvektorer x y för punkter på kurvan i stan-
T
1 1 −λ dardbasen är relaterade till koordinatvektorer z w en-
ligt följande
= −λ3 − 2 − 2 + λ + λ + 4λ = −λ3 + 6λ − 4.
x 1 1 −1 z
= √ .
Det karaktäristiska polynomet PA (x) är x3 − 6x + 4. y 2 1 1 w
(c) Vi beräknar att Vi vet även att

3 −5 x
x y = −12.
−5
    
0 −2 1 0 −2 1 5 1 −2 3 y
2
A = −2 0 1 −2 0 1 =  1 5 −2 T T
1 1 0 1 1 0 −2 −2 2 Nu byter vi ut x y med uttrycket för z
w . Ef-
tersom

och att 1 1 1 3 −5 1 1 −1
√ √
     2 −1 1 −5 3 2 1 1
0 −2 1 5 1 −2 −4 −12 6
1 −2 −2 1 −1 1 −4 0 −2 0
A3 = −2 0 1  1 5 −2 = −12 −4 6  . = = = ,
1 1 0 −2 −2 2 6 6 −4 2 −8 8 1 1 2 0 16 0 8
får vi ekvationen −2z 2 + 8w2 = −12 för C, eller också
Observera att den konstanta termen 4 i polynomet blir 4A0 = ekvationen z 2 − 4w2 = 6 (ekvivalent med den förra).
9. (a) Vi har att T (1) = 0; T (x) = 1; T (x2 ) = x; T (x3 ) = Man konstaterar att rangen av standardmatrisen är 2,
x2 . Matrisen blir vilket betyder att dim Im(F ) = 2. Enligt dimen-
  sionssatsen är dim R3 = dim Im(F )+dim Ker(F )
0 1 0 0 och alltså är dim Ker(F ) = 1.
0 0 1 0
 . b) Eftersom dim Ker(F ) = 1 utgör varje enskild vektor
0 0 0 1
~0 som uppfyller F (~v ) = 0 en bas. Från (a) följer
~v 6= 
0 0 0 0 
−3
att { 1 } är en bas.
(b) Vi ser att T (xk ) = xk−1 för k ≥ 1, medan T (1) = 1
0. Vi har även att T 2 (xk ) = xk−2 för k ≥ 2, medan
T 2 (xl ) = 0 för l < 2. På liknande sätt får vi att T 9 (x10 ) = 3. a) Att ~x är en egenvektor till matrisen A betyder att ~ x
x; T 10 (x10 ) = 1; och T 11 (x10 ) = 0. Självklart gäller även är nollskild och parallell med A~
x, dvs att det finns en
att T 11 (xk ) = 0 för alla k ≤ 10. Så m = 11 är det minsta skalär λ så att A~
x = λ~x.
heltalet så att T m = 0. b) För att se vilka av vektorerna som är egenvektorer
(c) Vi inser nu att T 101 är noll-avbildningen, dvs. T 101 = multiplicerar vi dem med matrisen och ser om resulta-
0. Om ~v är en egenvektor med egenvärde λ, då har vi att tet är parallellt med vektorn.
T (~v ) = λ~v . Det följer då att T 101 (~v ) = λ101 (~v ), så λ101 = Vi får
0, så λ = 0. Med andra ord har vi att 0 är det enda egenvärdet.
Eftersom T (p100 x100 + · · · + p1 x + p0 ) = p100 x99 + 1 5 1 1·1+5·5 26
A~
x= = = ,
· · · + p2 x + p1 , gäller T (p(x)) = 0 om och endast om 1 5 5 1·1+5·5 26
p100 = · · · = p1 = 0 om och endast om p(x) är ett
konstant polynom. De enda egenvektorerna (nödvändigtvis som inte är parallell med ~
x,
med egenvärdet 0) är då de konstanta nollskilda polynomen.
1 5 10 1 · 10 + 5 · (−2) 0
(Egenrummet har dimension 1.) A~y= = = ,
1 5 −2 1 · 10 + 5 · (−2) 0
5.20. 2015-03-13 som är parallell med ~

y,

1 5 1 1·1+5·1 6

3 A~z= = = ,
n = −2 är vinkelrät mot planet H.
1. a) Vi vet att vektorn ~  1 5 1 1·1+5·1 6
5
Därmed vill varje linje på formen {P + t · ~n | tal t} vara som är parallell med ~
z , och
vinkelrät mot H, för varje vald punkt P . T.ex kan vi välja
  1 5 1 1 · 1 + 5 · (−1) −4
3t Aw~ = = = ,
1 5 −1 1 · 1 + 5 · (−1) −4
P som origo, och vi har att linjen −2t (parameter t) är
5t som inte är parallell med ~
y . Alltså ser vi att ~
y och ~
z är
vinkelrät mot H. egenvektorer, medan ~ x och w ~ inte är det.
b) Vi väljer två punkt Q och R i planet, och bildar vektorn c) Från beräkningen i del (b) ser vi att ~
y är en egen-
~v = R − Q. Då vill varje linje på formen {P + t~v | tal t} vektor med egenvärde 0 och ~ z är en egenvektor med
vara parallell med planet H. Om vi sedan väljer punkten P egenvärde 6. Eftersom det högt kan finnas två olika
att inte ligga i planet, har vi en linje som inte skär H. Vi väljer egenvärden måste dessa vara samtliga och motsvaran-
punkterna de egenrum ges av multiplerna av vektorerna ~ y och ~
z.
   
−1 −2 4. a) Vektorrummet V har dimension tre om (och endast
Q = −1 och R =  0  , om) vektorerna ~v1 ,~v2 och ~v3 är linjärt oberoende. Det-
0 1 ta är ekvivalent med att matrisen
 
 
−1
 
0 1 2 4
 2 a 2 
vilket ger ~v =  1  . Och vi väljer P = 0. Detta ger A= 
 0 1 3 
1 0
oss linjen −1 3 11
 
−t
har rang tre. Matrisens rang bestämmer vi med hjälp
{ t  | tal t}.
av elementära radoperationer.
t
   

1 2 1
1 2 4 1 2 4
2. (a) Standardmatrisen för F är , så  2 a 2   0 a−4 −6 
0 −1 1  ∼ 
 0 1 3   0 1 3 


−3

−1 3 11 0 5 15
1 2 1  1 = 0 .
   
F (~v ) = 1 2 4 1 2 4
0 −1 1 0
1  0 1 3   0 1 3 
∼
 ∼ 
0 a − 4 −6   0 0 6 − 3a 
a) Standardmatrisen Gauss-reduceras till 0 5 15 0 0 0
Matrisen A har rang 3 om (och endast om) 6−3a 6= 0

1 0 3
A= . dvs om a 6= 2. Därmed har V dimension 3 om a 6= 2.
0 1 −1
b) Det ortogonala
 komplementet
 V ⊥ består av alla vek- Med andra ord har vi att
x
 y  2 1 2 1 1 1 1
torer ~
u= ~e = ~v + w~ = + =
 z  som är ortogonala mot basvekto- 3 3 3 2 3 −1 1

w
rerna och

1 1 1 1 1 1 0
     
1 2 4 f~ = − ~v + w~ =− + = .
 2 
 , ~v2 =  1  och ~v3 =  2
    3 3 3 2 3 −1 −1
~v1 =   0   1   3
.

−1 3 11
6. a) Två vektorer i ett tvådimensionellt vektorrum bildar
Detta betyder att ~v1 · ~
u = 0, ~v2 · ~u = 0 och ~v3 · en bas om och endast om de är linjärt oberoende. Noll-
~
u = 0. Skriver vi ut detta erhåller vi det homogena skilda vektorerna~v och ~n är ortogonala eftersom skalärprodukten
ekvationssystemet ~v · ~
n = ac + bd = 0. Detta medför att ~v och ~ n är två
 linjärt oberoende vektorer och därmed bildar de en bas
 x + 2y − w = 0 i R2 .
2x + y + z + 3w = 0

4x + 2y + 3z + 11w = 0. b) Vid speglingen i linjen L = Span(~v ) avbildas~v på~v
och ~ n på −~
n. Från T (~v ) = ~v = 1 · ~v + 0 · ~ n och
Vi gör elementära radoperationer på totalmatrisen till T (~n) = −~ n = 0 · ~v − 1 · ~ n får viatt avbildningens

systemet 1 0
matris i basen β = {~v , ~n} är B = .
0 −1
   
1 2 0 −1 1 2 0 −1 a c
c) Matrisen Q = är övergångsmatrisen från β
2 1 1 3  ∼ 0 −3 1 5  b d
4 2 3 11 0 −6 3 15

1 d −c
till standardbasen. Därmed är P = Q−1 = ad−bc

1 2 0 −1
 
1 0 0 −1
 −b a
∼ 0 −3 1 5  ∼ 0 1 0 0  övergångsmatrisen från standardbasen till β. Härav
0 0 1 5 0 0 1 5
a c 1 0 1 d −c
P −1 BP =
b d 0 −1 ad − bc −b a
Vi betecknar w = t och får z = −5t, y = 0 och
x = t. Alltså har vi att 1

1

a c d −c ad + bc −2ac
= .
ad − bc b d b −a 2bd −bc − ad
 
1 ad − bc
 0 
V ⊥ = {t   −5  | tal t}.
 Anmärkning: Om b 6= 0 och vi substituerar d =
−ac/b, kan vi förenkla svaret till
1
2
a − b2

1 2ab
P −1 BP = 2
 
1 2 2 .
 0  a +b 2 2ab b −a
⊥
 −5  är en bas till V .
Härav följer att vektorn  
1 c’) Alternativt: Eftersom P −1 BP är avbildningens ma-

tris i standardbasen kan vi beräkna matrisprodukten

5. a) Låt β = {~e1 , . . . , ~en } vara en bas för vektorrummet V , x
genom att avbilda en godtyckligt vektor. Låt ~
u=
och låt ~
x vara en vektor. Då kan ~ x uttryckas som y
n
vara en vektor i R2 . Vi har att
X
~
x= ai~ei ,
~
u = projL (~ u − projL (~
u) + (~ u)).
i=1
för några skalärer a1 , . . . , an . Den ordnade sekvensen av Detta ger att T (~

u) = 2 projL (~
u)−~
u. Vi har att linjen
skalärer a
L spänns upp av vektorn ~v = , och vi erhåller att
a1 b
 
 a2 
~x β = . 
  u · ~v
~ ax + by a x
 ..  T (~
u) = 2 ~v − ~
u=2 2 −
~v · ~v a + b2 b y
an
 2   2 2 
2a x+2aby a −b 2ab
kallas koordinatvektorn till ~ x med avseende på basen β.

a2 +b2
=  2abx+2b 2
− x =  a2 +b2 a2 +b2  x
2 2
b) Låt {~e, f~} vara den sökta basen för R2 . Kraven är att ~v = y y 2ab b −a y
a2 +b2 a2 +b2 a2 +b2
~e − f~ och att w ~ = ~2 + 2f~. Dessa två krav kan vi skriva som  
a2 −b2 2ab
2 2 a2 +b2 
~v 1 −1 ~e Alltså är  a 2ab
+b
b2 −a2
avbildningens matris i
= .
w~ 1 2 f~ a2 +b2 a2 +b2
standard basen och därmed är
Inverterar vi 2 × 2-matrisen, får vi sambandet att  2 2 
a −b 2ab
−1  a2 +b2 a2 +b2  .

1 2 1 ~v ~e P BP =
= ~ . 2ab b2 −a2
3 −1 1 w ~ f a2 +b2 a2 +b2
7. Vi har att F (n + 1) = AF (n), där (b) Om vi ritar in några hjälplinjer i den vänstra figuren
blir det lätt att beräkna arean av dess inneslutna område.
2 8
A= . (3,3) (5,3)
1 0
Det följer då att F (n + 1) = An F (1). Om vi betraktar
matrisen A som en linjär avbildning på R2 , så har vi att
A = P DP −1 där P är övergångsmatrisen från en bas av
egenvektorer till standardbasen, och där D är en diagonalma-
(0,2)
tris med egenvärden på diagonalen. Specielt vill vi använda (4,1)
detta för att beräkna An .
Det karakteristiska polynomet till A är c(λ) = (λ−2)λ−8. (2,0) (3,0)
Nollställerna är
Dom skuggade trianglarna har arean 3/2 och 1, och
0 = c(λ) = λ2 − 2λ + 1 − 9 = (λ − 1)2 − 9. den resterande arean är 5 + 23 . Alltså blir den totala
Det vill säga, λ = −2 och λ = 4. Vi bestämmer sedan de arean av det vänstra området 32 + 1 + 5 + 32 = 9.
tillhörande egenrummen. För λ = −2ges egenrummet av Determinanten av A är (1/2)2 ·(4·1−(−3)·2) = 5/2
2 så det högra området har arean 9 · 25 = 45/2.
ekvationen x + 2y = 0. En bas är ~e = . Egenrummet
−1
tillhörande egenvärdet
λ = 4 ges av ekvationen x − 4y = 0. 9. Då matrisen A−1 existerar kan vi konstruera matrisen
~ 4
En bas är f = . Detta ger övergångsmatriserna
I 0

1 ,
−A−1 C I
2 4 1 1 −4
P = och P −1 = .
−1 1 6 1 2 där I är identitetsmatrisen, och 0 är noll-matrisen. Båda av
Vi har att samma storlek som matriserna A, B, C och D. Den konstru-
erade matrisen har uppenbarligen determinant 1. Detta bety-
(−2)n

0 der att matrisen, som ges av produkten,
An = P D n P = P P −1
0 4n
I 0 A B
2n 2 4 (−1)n

0 1 −4 −1
= n −A C I C D
6 −1 1 0 2 1 2
2n−1 n n

har den sökta determinanten det(M ). När vi beräknar pro-
(−1) · 2 4 · 2 1 −4
= n+1 n
3 (−1) 2 1 2 dukten ovan erhåller vi matrisen
2n−1 (−1)n · 2 + 4 · 2n (−1)n+1 · 8 + 8 · 2n

= . A B
n+1 n n
(−1) · 4 + 2 n+1 .
3 (−1) +2 −A−1 CA + C −A−1 CB + D
Vi har att F (n + 1) = An F (1), vilket ger att
Vi använder nu att CA = AC. Blocket längst ned till vänster
2n−1 blir då −A−1 CA + C = −A−1 AC + C = −C + C = 0.
(−1)n · 2 + 4 · 2n b

fn+1 = Vi använder sedan att vi känner till determinanten för block-
3
matriser där ena blocket är noll, dvs att
+ (−1)n+1 · 8 + 8 · 2n a
A B
2n 2n+2 det( −1 ) = det(A) det(−A−1 CB+D).
= ((−1)n + 2n+1 )b + ((−1)n+1 + 2n )a. 0 −A CB + D
3 3
Detta betyder att den sökta determinanten är det(M ) = det(A) det(−A−1 C
8. (a) Det gäller först att lista ut vilka punkter i den vänstra
D). Vi vet från kursen att determinanten bevarar produkt, så
figuren som ska avbildas på vilka punkter i den högra
figuren. Låt oss ge namn åt tre (ortsvektorer till)
punk-
~ := 02 , q~ := 20 och det(A) det(−A−1 CB+D) = det(A(−A−1 CB+D))

ter i den vänstra figuren: p
3
~
r := 0 . = det(−CB + AD).
2
Eftersom q~ = ~
r och T är linjär så måste T (~ q) =
2
3 Och då −CB + AD = AD − CB har vi visat påståendet.
3
T (~
r). Dom enda punkter i den högra figuren som
relation är (4, 2)6 och
uppfyller denna (6, 3) så vi måste
ha T (~ q ) = 42 och T (~ r) = 3 . I den vänstra figu- 5.21. 2015-06-10
ren är p
~ granne till q~, så vi vill attT (~
p) ska vara granne
p) = −3 l som ~
till T (~
q ) och då måste T (~ 1 .
1. (a) Linjen
  går genom B och C har vektorn BC =
−1
Ekvationerna T ( 20 ) = 42 och T ( 02 ) = −3

1  −1  som riktningsvektor. Linjen går t.ex. ge-
ger tillsammans att matrisen för T måste vara
0
1 4 −3 nom B och har
A= .
2 2 1      
x −1 1
En kontroll visar att A avbildar även dom andra punk-  y  = t  −1  +  1 
terna korrekt: x 0 2

3 3/2 5 11/2 4 13/2
A = ,A = ,A = . som parametrisk ekvation.
3 9/2 3 13/2 1 9/2
a) Eftersom
 planet är ortogonalt mot l är riktningsvek- 3. (a) Vi har
−1        
torn  −1  en normalvektor till planet. Dessutom x x + 2y + z 1 2 1 x
0 T y  =  2x + y − z  =  2 1 −1 y 
går planet genom A. Ekvationen blir då z −3x − y + 2z −3 −1 2 z

(−1) · x − (−1) + (−1) · (y − 0) + 0 · (z − 1) = 0, så matrisrepresentationen för avbildningen T är
d.v.s. x + y + 1 = 0. 
1 2 1

b) Eftersom planet är ortogonalt mot l är det eftersökta MT =  2 1 −1 .

avståndet lika med avståndet mellan A och P , där P −3 −1 2
är skärningspunkten mellan planet och linjen.

−t + 1
 (b) Gauss-Jordan-elimination överför MT till trappform
som
l∩π = { −t + 1  så att −t+1−t+1+1 = 0}.
2    
1 2 1 1 2 1
 2 1 −1 ∼ 0 −3 −3
 
−1/2
3
Det följer att t = 2 och P =  −1/2 . Av- −3 −1 2 0 5 5
2 
1 2 1
 
1 0 −1

ståndet blir alltså ∼ 0 1 1 ∼ 0 1 1 .
r
1 1
r
3 0 0 0 0 0 0
d(A, P ) = kAP ~ k= + +1= .
4 4 2 Vi ser att lösningarna till ekvationssystemet
2. (a) Genom att addera multipler av den första raden till den    
x 0
andra och den tredje får vi
MT y  = 0
z 0
1 1 −a 1 1 −a
−1 1 0 = 0 2 −a ges av
2 2a + 2 −2a − 4 0 2a −4    
x t
 
1
2 −a y  = −t = t −1
=1 = 2(−4)−2a(−a) = 2(a2 −4). z t 1
2a −4
Determinanten det(A) är alltså noll om a = ±2, så för reella tal t. En bas för nollrummet till T ges alltså
A är inverterbar för alla a förutom dessa värden. till exempel av vektorn
(b) Då a = 3 är  
1
  −1 .
1 1 −3
A = −1 1 0 . 1
2 8 −10
(c) Dimensionen av bildrummet för T ges av rangen av
Genom radoperationer har vi matrisen MT , vilket i sin tur ges av antalet nollskiljda
    rader i den reducerade trappformen. I detta fall ser vi
1 1 −3 1 0 0 1 1 −3 1 0 0 att dimensionen av bildrummet till T är lika med 2.
−1 1 0 0 1 0 ∼ 0 2 −3 1 1 0
2 8 −10 0 0 1 0 6 −4 −2 0 1 (d) Vi har att P + Q0 , med Q0 i nollrummet till T har
    samma bild som T (P ). Nollrummet till T ges som
1 1 −3 1 0 0 1 1 0 −2 −9/5 3/5 T
t −t t . T.ex. kan vi välja
∼ 0 2 −3 1 1 0 ∼ 0 2 0 −2 −4/5 3/5
 
0 0 5 −5 −3 1 0 0 1 −1 −3/5 1/5      
  1 1 2
1 0 0 −1 −7/5 3/10 Q = 2 + −1 = 1 .
∼ 0 1 0 −1 −2/5 3/10
 3 1 4
0 0 1 −1 −3/5 1/5
Så vår kandidat till invers är 4. a) Matrisen A har rank 1, uppenbarligen då
 
−1 −7/5
     
3/10 5 5 5 5 5 5 1 1 1
−1
A = −1 −2/5 3/10 . 5 5 5 ∼ 0 0 0 ∼ 0 0 0 .
−1 −3/5 2/10 5 5 5 0 0 0 0 0 0
Vi gör en kontroll Det följer att nollrummet har dimension två. Därmed
    är λ = 0 ett egenvärde med två linjärt oberoende
1 1 −3 −1 −7/5 3/10 egenvektorer.
−1 1 0  · −1 −2/5 3/10
2 8 −10 −1 −3/5 2/10 b) Det karakteristiska polynomet till A är
−1 − 1 + 3 = 1 −7−2+9 3+3−6
 
=0 =0
 
5 10 λ−5 −5 −5
7−2 −14−16+30
= 1−1=0 5
= 1 5
= 0 . 0 = det(λI−A) = det  −5 λ−5 −5  .
3+3−6 −3+3 6+24−20
10
=0 10
=0 10
= 1 −5 −5 λ−5
 
Om vi adderar andra och tredje raden till den första −2
1
 3 
erhåller vi x − projV (~
Detta ger att ~ x) =  . Vi har nu att
  9 −1
λ−5 −5 −5
2
0 = det  −5 λ−5 −5 
−5 −5 λ−5 T (~
x) = T (projV (~ x − projV (~
x)) + T (~ x))
 
λ − 15 λ − 15 λ − 15 x) − ~
= projV (~ x + projV (~
x)
= det  −5 λ−5 −5   
11
 
+2
 
13
−5 −5 λ−5 16 1 3 
    1 3
  =  −  =    .
1 1 1 9 10 9 −1 9 11
= (λ − 15) det −5 λ − 5
 −5  7 2 5
−5 −5 λ−5
  (b’) Alternativt: Vi har en bas {~v1 , v~2 } för V , och en bas
1 1 1 {~v3 , ~v4 } för V ⊥ . Vi bestämmer koordinatmatrisen för
= (λ − 15) det 0 λ 0 
 T
x = 1 1 1 1 i basen {~v1 , . . . , ~v4 }. Detta
~
0 0 λ
leder till ett linjärt ekvationssystem, vars totalmatris r̈
= (λ − 15)λ2 .  
−2 1 −2 −4 | 1
Och vi har alla nollställen till det karakteristiska po- −2 0 2 5 | 1 .
lynomet, λ = 0 och λ = 15. Dimensionen till de-

 0 2 1 0 | 1
ras tillhörande egenrum är lika med den algebraiska 1 2 0 2 | 1
multipliciteten (2 och 1, respektivt), och det följer att
matrisen är diagonaliserbar. Vi utför elementära radoperationer
T
(a) Rummet V ⊥ består av alla vektorer x y z w
   
1 0 −1 |

5. 1 2 0 2 | 1 2 0
1 1

som är vinkelräta mot de båda vektorerna ~v1 = −2 −2 0 1
T 0 2 1 0 | 1 0 1
2
0 | 2
∼ ∼
T 0 4 2 9 | 3 0 0 0 9 | 1
och ~v2 = 1 0 2 2 .Skrivet på matrisform
T 0 5 −2 0 | 3 0 0 − 29 0 | 1
2
betyder det att x y z w uppfyller
1 0 0 0 | − 93
 
 
x 0 1 0 0 | 5 
∼ 9 
0 0 1 0 | − 1  .

1 0 2 2  y  = 0 .

9
−2 −2 0 1  z  0 0 0 0 1 | 1
9
w
Detta ger att
Genom radoperationer får vi  
1
1 0 2 2 1 0 2 2 1 0 2 2
∼ ∼ , 1 3 5 1 1
−2 −2 0 1 0 −2 4 5 0 1 −2 − 52 ~
x=   = − ~v1 + ~v2 − ~v3 + ~v4 .
1 9 9 9 9
så vi ser att lösningarna är 1
       
x −2s − 2t −2 −4 Och speciellt har vi att
5
 + t −5
 y   2s + t   2   
2  = s
 =  
z   s   1  2 0  13
3 5 1 1 13
w t 0 2 x) = − ~v1 + ~v2 + ~v3 − ~v4 = 
T (~ .
9 9 9 9 9 11
för reella tal s och t. En bas för V ⊥ kan alltså väljas 5
som de två vektorerna  
 
−2
 
−4 2
 2   5  6. Villkoret (a) ger att v =  1  är en egenvektor till A med
~v3 =   och ~v4 =  
   . −1
1 0 
0 2 egenvärdet 2. Vi har från boken att egenvektorer tillhörande
olika egenvärden, av en symmetrisk matris är ortogonala. Det-
(b) Vi normaliserar vektorerna ~v1 och ~v2 , och erhåller en  attegenrumme tillhörande egenvärdet 4 är ortogo-
ta betyder
ON-bas för vektorrummet V , 2
 
−2
 
1 nal till  1 . Med andra ord att egenrummet E4 ges av
1 −2 1 0 −1
~
n1 =   och ~ n2 =  . planet 2x + y − z = 0. Vi väljer en ortogonal bas {~ u, w}
~
3 0  3 2
1 2 för planet;
   
T 0 1
x = 1 1 1 1 . Vi har att
Vi låter ~
u := 1 och w := −1 .
projV (~ n1 · ~
x) = (~ x)~ n2 · ~
n1 + (~ x)~
n2 1 1
1 5 Vi behöver inte välja en ortogonal bas, men detta val kommer
= (−3)~
n1 + ~ n2
3 3 att göra våra beräkningar nedan enklare. I basen {v, u, w}
   
6+5 11 blir matrisrepresentationen av vår tänkta avbildning lika med
1 6+0  = 1
6  
=   . 2 0 0
9 0 + 10  9 10
0 4 0 .
−3 + 10 7
0 0 4
 
Den sökta matrisen A är matrisrepresentationen av avbild- s−1
−1
ningen i standardbasen. Detta betyder att Vi konstaterar därmed att  s + 3 , med s = 2
, är en
2s − 1
   −1  −3 
2 0 1 2 0 0 2 0 1 2
riktningsvektor till L. Denna vektor har koordinater  5 ,
A= 1 1 −1 0 4 0  1 1 −1 2
−1 1 1 0 0 4 −1 1 1 −2
 
−3
och därför är också  5  en riktningsvektor till L.
Innan vi börjar bestämma inversmatrisen, noterar vi följande.
−4
 
 T   −3t + 1
2 0 1 2 0 1 Linjen L är  5t + 1 , med godtyckligt tal t.
 1 1 −1   1 1 −1 −4t + 1
−1 1 1 −1 1 1
     8. Låt B vara matrisen för T med avseende på basen v1 , v2 , . . . , vn .
2 1 −1 2 0 1 6 0 0
För varje k = 1, 2, . . . , n gäller att vk tillhör Vk eftersom
= 0 1 1  1 1 −1 = 0 2 0 .
span{v1 , v2 , . . . , vk } = Vk . Eftersom T stabiliserar flag-
1 −1 1 −1 1 1 0 0 3
gan följer av detta att även T (vk ) tillhör Vk , så T (vk ) kan
skrivas som en linjärkombination b1,k v1 + b2,k v2 + · · · +
Detta ger att den sökta inversmatrisen är följande produkt
bk,k vk av v1 , v2 , . . . , vk , där b1,k , b2,k , . . . , bk,k är reella
 −1  −1   tal. Med avseende på basen v1 , v2 , . . . , vn har vk och T (vk )
2 0 1 6 0 0 2 1 −1 koordinatvektorerna
 1 1 −1 = 0 2 0 0 1 1     
0 b1,k
−1 1 1 0 0 3 1 −1 1 . b2,k 
1 .
.
   
6
0 0 2 1 −1  . 
 . 
1 0  . 
 
= 0 2
0  0 1 1 .
1 respektive bk,k  ,
   
1 1 −1 1
0 0 3
0  0 
   
 ..   .. 
   
Vi insätter detta i vårt uttryck för matrisen A, och erhåller att .  . 
  1   0 0
2 0 1 2 0 0 6
0 0 2 1 −1
1
A =  1 1 −1 0 4 0  0 2 0  0 1 1  där den ensamma ettan står på rad k. Vi drar slutsatsen att
−1 1 1 0 0 4 0 0 13 1 −1 1 b1,1 b1,2 · · · b1,n
 
 1   .
2 0 1 0 0 2 1 −1
 
b2,2 · · · .. 
3  0

= 1 1 −1 0 2 0 0 1 1  B=
     
 .. .. 

.. ..
−1 1 1 0 0 34 1 −1 1  . . . . 
 2
0 4 
2 1 −1
 0 ··· 0 bn,n
3 3
=  13 2 −4 3
 0 1 1  och alltså är B övertriangulär.
−1 4 1 −1 1
3
2 3 9. Vi har tre olika egenvärden, och vet därmed att egenvektorer-
 8 −2 2   
3 3 3 1
8 −2 2 na ~
x1 , ~
x2 , och ~x3 bildar en bas för R3 . Skriv X som linjär
−2 11 1  = −2 11
= 3 3 3
1 . kombination X = α1 ~ x1 + α2 ~x2 + α3 ~ x3 . Från linjäriteten
2 1 11 3 2
3 3 3
1 11 av An får vi att
An X = α1 A n ~ x1 + α2 An ~ x2 + α3 An ~x3
7. Riktningsvektorn från punkten P till en punkt Q på linjen = α 1 λn ~
x
1 1 + α n~ nx .
2 2 2 + α 3 λ3 ~
λ x 3
T
L1 är Q − P = 3t − 1 t − 1 t . Och liknande blir √ √
T Vi har att |7 + 57| < 20 och |7 − 57| < 20. Detta
s − 1 s + 3 2s − 1 riktningsvektor från P till en betyder att λ2 och λ3 har belopp äkta mindre än 1, och när
punkt på linjen L2 . För att bestämma
 L måste
 vi bestämma  n → ∞ då vill λn n
2 → 0 och λ3 → 0. Detta betyder att
3t − 1 s−1 n
A X → α1 ~ x1 när n → ∞. Vi vill nu bestämma linjen
talen s och t sådan att vektorerna t − 1 och s + 3 
   som egenvektorn ~x1 spänner upp. Egenvektorn ~
x1 ges av det
t 2s − 1 homogena ekvationssystemet som tillsvarar matrisen
är parallella. Att vektorerna är parallella betyder att det finns
λ som löser ekvationssystemet
   
1 0 0 −7 1 4
1 
 A − 0 1 0 =
 2 −2 0 .
 3tλ − λ = s−1 0 0 1 10 5 1 −4
tλ − λ = s+3

tλ = 2s − 1. Gauss-Jordan elimination ger
   
Om vi subtraherar den andra ekvationen från den första, får vi −7 1 4 1 −1 0
att 2tλ = −4. Detta ger tλ = −2. Den tredje ekvationen ger
 2 −2 0 ∼ −7
  1 4 
−2 = 2s − 1, alltså att s = −1 . Vi kan använda den andra 5 1 −4 5 1 −4
2
ekvationen att få −2 − λ = −1 3 som ger λ = −9
   
+ . Alltså 1 −1 0 1 −1 0
2 2
t = 9 . Man verifierar att λ = 2 , t = 49 och s = −1
4 −9
också ∼ 0 −6
 4  ∼ 0 −3 2 .
2
uppfyller den första ekvationen. 0 6 −4 0 0 0
Med andra ord,  2egenrummet
 tillhörande egenvärdet λ1 = 1 (b) Bildrummet till F innehåller alla linjära kombinationer
3
t av vektorer F (~e1 ) och F (~e2 ). Eftersom de två vektorerna är
är vektorerna  23 t med godtyckliga tal t. linjärt oberoende (man ser detta t ex eftersom determinanten
t 1 2
är nollskild) så utgör de en bas i tvådimensionella
Vi noterar sedan att varje kolumn i matrisen A summerar till 1 −1
T 2
rummet R . Deras linjära kombinationer spänner upp då hela
ett. Detta betyder att om vi har en vektor X = a b c
rummet R2 .
där a + b + c = 1, då vill också koefficienterna till AX
summera till ett; (c) Enligt resonemang i (b), vektorerna F (~e1 ) och F (~e2 )
  utgör en bas av bildrummet till F som är hela R2 .
3a + b + 4c
1  (d) Ker(F ) består av vektorer ~v = x~e1 + y~e2 + z~e3 sådana
AX = 2a + 8b  ,
10 5a + b + 6c att F (~v ) = ~0. Vi får
och vi har att F (~v ) = xF (~e1 ) + yF (~e2 ) + zF (~e3 )

1 1 1 2 0 x + 2y
(3a+b+4c+2a+8b+5a+b+6c) = 10(a+b+c) = 1. =x +y +z = .
10 10 1 −1 1 x−y+z
Detta betyder att matrisen A avbildar planet x + y + z = 1 i Systemet av ekvationer
sig själv. Vi använder nu dessa två egenskaper vi har kunnat
konstatera. Det ena är att att An X konvergerar mot linjen x + 2y = 0;
Span(~ x1 ), och det andra är att koefficienterna till vektorn x−y+z =0
An X vill vara positiva, och summera till ett.
2  är redan i trappstegsform. Vi väljer t ex y = t, ett godtyckligt
3
t tal. Den första ekvationen ger oss då x = −2t medan den
En punkt på linjen Span(~ x1 ) är på formen,  23 t, och kra- andra ger oss z = y − x = 3t. Vi får alltså
t  
vet att koefficienterna är positiva och summerar till 1 ger att −2
t = 37 . Vi har visat att vektorn An X vill konvergera mot ~v = t ·  1 .
punkten 3
2
7 Sådana vektorer utgör ett endimensionellt delrum vars bas är
2.
7 vektorn
3  
7 −2
 1 .
5.22. 2015-10-23 3
1. (a) Alla plan som går genom origo har ekvationer ax + by + 3. (a) Vi utläser först matris av avbildningen L:
cz = 0 där koefficienter a, b, c är koordinater av normalvek-
 
tor till planet. För att bestämma normalvektor bildar vi vekto- a 0 −1 0
rer OA~ och OB ~ som har samma koordinater som punkterna  0 1 0 1 
A och B. Normalvektorn får man som deras kryssprodukt: [L] =  .
 0 0 1 −1 
  b 1 0 1
~e1 ~e2 ~e3 2
~
n= 0 1 2 = 2~e1 + 4~e2 − 2~e3 =  4  . Avbildningen L är inverterbar om och endast om dess matris
2 0 2 −2 har nollskild determinant. Vi räknar nu determinanten av [L]
m h av kofaktorutvecklingar:
Planets ekvation blir 2x+4y−2z = 0 eller efter förkortningen
x + 2y − z = 0.
a 0 −1 0
(b) Linjen ortogonal mot planet har samma riktningsvektor 0 1 0 1
som normalvektor ~n till planet. Vi får då parameterekvation det([L]) =
0 0 1 −1
av linjen b 1 0 1
     
1 2 1 + 2t 1 0 1 0 1 1
 1  + t ·  4  =  1 + 4t  . =a· 0 1 −1 −1· 0 0 −1 .
−1 −2 −1 − 2t 1 0 1 b 1 1
(c) Enligt avståndformeln, räknar vi avståndet d som Vi ser nu att

1 0 1
|1 · 1 + 2 · 1 − 1 · (−1)| 4 0 1 −1 =0
d= √ = √ . 1 0 1
12 + 22 + 12 6
eftersom den första raden är samma som den sista. Vi räknar
också
2. (a) Vi skriver ~v som ~v = −3~e1 + ~e2 + ~e3 . Eftersom F är
linjär, får vi 0 1 1
1 1
0 0 −1 =b· = −b.
0 −1
F (~v ) = −3F (~e1 ) + F (~e2 ) + F (~e3 ) b 1 1

1 2 0 −1 Detta ger oss det([L]) = b och villkor att L är inverterbar är
= −3 + + = .
1 −1 1 −3 att b 6= 0.
(b) Vi bestämmer först inversmatris till matris av avbildning- Detta visar att egenrum som hör till egenvärdet λ = 3 är
en L. För a = b = 1 får vi tvådimensionellt och det har en bas av vektorer
    
1 0 −1 0 1 −1
 0 1 0 1 ~v1 =  0  och ~v2 = ·  1  .
A = [L] =   .
0 0 1 −1 1 0
1 1 0 1
Tyvärr, är vektorer ~v1 och ~v2 inte ortogonala. Man skall om-
Vi söker A−1 m h av radoperationer. I beräkningen nedan vandla bas av vektorer ~v1 , ~v2 till en ortomormal bas w~ 1, w
~2
betecknar Rk rad nummer k. m h av Gram-Schmidt metod. Vi normerar först vektorn ~v1 :
 1 
  √
1 0 −1 0 1 0 0 0 ~v1 ~v1 2
w
~ 1 := = √ = 0 .
 
0 1 0 1 0 1 0 0 k~v1 k 2
 0 0 1 −1 0 0 1 0  ∼ [R4 := R4 − R1 ]
  1
√
2
1 1 0 1 0 0 0 1
  ~ 20 ortogonal mot w
Nu bildar vi den andra vektorn w ~ 1 som
1 0 −1 0 1 0 0 0
∼
0 1 0 1 0 1 0 0 ∼ [R4 := R4 − R2 ] w~ 20 = ~v2 − c · w
~ 1 , där c = ~v2 · w
~ 1.
 0 0 1 −1 0 0 1 0 √
0 1 1 1 −1 0 0 1 Vi får då c = −1/ 2 och
 
1 0 −1 0 1 0 0 0    1  
√

0 1 0 1 0 1 0 0 −1 2 −1/2
1
∼  ∼ [R4 := R4 − R3 ] w~ 20 =  1  + √  0  =  1 .
 
 0 0 1 −1 0 0 1 0
0 2 √1 1/2
0 0 1 0 −1 −1 0 1 2
 
1 0 −1 0 1 0 0 0 Vektorn w
~ 2 får man genom normering:
0 1 0 1 0 1 0 0 h i
∼  ∼ R3 := R3 + R4
 0 0 1 −1 0 0 1 0 R2 := R2 − R4 − √1
  
 
0 0 0 1 −1 −1 −1 1 ~ 20
w w~0
r −1/2  q 6
2
= p2 =

w
~2 = 1 = 2 .
~ 20 k
kw 3 3
 
1 0 −1 0 1 0 0 0 3/2 1/2

1

√
0 1 0 0 1 2 1 −1  6
∼
 0 0 1 0 −1 −1 0 1  ∼ [R1 := R1 + R3 ]

Alltså, bestämde vi en ortonormal bas w
~ 1, w
~ 2 av egenrum-
0 0 0 1 −1 −1 −1 1
  met som hör till egenvärdet λ = 3.
1 0 1 0 0 −1 0 1
Nu tar vi egenvärdet λ = 6 och söker motsvarande egenvek-
0 1 0 0 1 2 1 −1 
∼ 0 0 1 0 −1 −1 0 1  .
 torer w.
~ Vi observerar att matrisen A är symmetrisk och detta
garanterar att egenvektorerna w ~ som hör till λ = 6 är orto-
0 0 0 1 −1 −1 −1 1
gonala till tidigare erhållna egenvektorer w
~ 1, w
~ 2 . Vi räknar
Vi får inversmatris 
−2 1 −1

0

−1 0 1
 A − 6I =  1 −2 −1  .
 1 2 1 −1  −1 −1 −2
A−1 =
 −1
.
−1 0 1 
Efter radoperationer tar matrisen trappstegsform
−1 −1 −1 1
 
−2 1 −1
Detta ger oss invers transform  0 −3/2 −3/2 

y1
 
−y2 + y4
 0 0 0
 y2   y1 + 2y2 + y3 − y4
L−1 (

= . och system av ekvationer för koordinater x, y, z av egenvek-
 y3   −y1 − y2 + y4 
torer w
~ blir
y4 −y1 − y2 − y3 + y4

−2x + y − z = 0
−3/2y − 3/2z = 0.
4. Vi tar först egenvärdet λ = 3 och vi undersöker motsvarande Vi väljer z = t godtyckligt tal och vi får y = −t, x = −t
egenvektorer d v s vektorer ~v som uppfyller (A − 3I)~v = 0. och  
−1
Vi får 
1 1 −1
 w~ = t ·  −1  .
A − 3I =  1 1 −1  1
−1 −1 1 √
Valet av t = 1/ 3 ger oss normerad vektorn och vi får då
och tre ekvationer för koordinater x, y, z av egenvektorerna den tredje vektorn i ortonormal bas:
~v blir ekvivalenta med ekvation x + y − z = 0. Vi väljer
− √1
 
y = s och z = t, där s och t är godtyckliga konstanter och 3
 − √1 
vi får då x = t − s och w
~3 =  3 
.
      √1
t−s 1 −1 3
~v =  s  = t ·  0  + s ·  1  .
t 1 0 Svar: vektorerna w
~ 1, w
~ 2, w
~ 3 bestämda ovan.
5. (a) Vi bildar matris där vektorerna ~v2 , ~v4 , ~v3 , ~v1 står som Det är ett enkelt system som har lösningar x1 = 7/2 och
kolonner (ordning av vektorer väljs så att det blir lättare att x2 = 3/4. Vi får alltså
överföra matrisen på trappstegsform). Vi får matrisen
2 7 3

1 0 1 1
 = ~v1 + ~v2
5 2 4
 0 1 1 2 
 1 1 2 3 . och
 
n
0 2 2 4 1 n 7 3
− 12

2 7 3 −
Tn = ~v1 + − ~v2 = 2
7
2
3 1 n .
Enligt metoden skall man överföra matrisen på trappstegs- 5 2 4 2 2
+ 2
−2
form och välja ursprungliga vektorer som svarar till ledande
ettor som basvektorer. Vi kör radoperationer: 7. Vi betraktar två räta linjer: den första linjen l1 går från P

1 0 1 1
 till A och fortsätter därefter på den andra sidan av planet H;
 0 1 1 2  den andra linjen l2 går genom punkter A och Q. Reflektion
 1 1 2 3  ∼ [R3 := R3 − R1 ] ∼ i planet fungerar så att linjerna l1 och l2 är spegelbilder av
 
0 2 2 4 varandra i planet H.
  Nu skapar vi normerade vektorer ~v1 och ~v2 längslinjerna
1 0 1 1
 0 1 1 2  −1
∼   ∼ [R3 := R3 −R2 , R4 := R4 −2R2 ] l 1 och l2 . Vi räknar först vektorn P~A =  1  och vi
0 1 1 2 
1
0 2 2 4
  normerar den så att
1 0 1 1
− √1
 
 0 1 1 2  3
∼ . 1 1
P~A =  √3  .
 
~v1 =
 
0 0 0 0  ~Ak
0 0 0 0 k P √1
3
Ledande ettor står i den första och den andra kolonner vilket  
2
innebär att man får välja vektorer ~v2 och ~v4 som bas för V . ~ =
Därefter räknar vi AQ 1  och vi normerar den så
(b) Vektorn w ~ ligger i V om och endast om w ~ = x~v2 + y~v4 −2
för några tal x, y (eftersom ~v2 och ~v4 utgör en bas av V ). Vi att  2 
tänker på denna likhet som ett system av linjära ekvationer 1 3
för obekanta x, y. Matris av systemet är ~v2 = ~ =  1 .
AQ
~ 3
  kAQk − 32
1 0 7
 0 1
 −4  . Om man sätter nu erhållna vektorerna ~v1 och ~v2 så att de har
 1 1 3  gemensamma fotpunkten i punkten A, så får man att de blir
0 2 a spegelbilder av varandra i planet H. Detta ger oss att deras
skillnaden ~v2 −~v1 är en vektor vinkelrät mot planet d v s den
Samma radoperationer som används i (a) ger oss ekvivalent
sökta normalvektorn. Vi får då
system i trappstegsform:  2
+ √1

 
1 0 7 3 3
 1 − √1
n = ~v2 − ~v1 =  3
~ .

 0 1 −4 
. 3
2 1

 0 0 0  −3 − √
3
0 0 a+8
Den sista ekvationen kan uppfyllas endast om a = −8. För 8. Ekvationssystem har 4 ekvationer för 4 obekanta d v s det
ett sådant a, får vi lösningarna x = 7 och y = −4. Det är är ett kvadratiskt system. Att ett sådant system har exakt en
koordinater av w ~ i bas ~v2 , ~v4 . lösning är ekvivalent med att dess determinant är nollskild.
6. Vi betecknar Vi skall nu visa detta. Vi bildar alltså determinanten
1 1 1 1

1 −2
~v1 = ; ~v2 = . a b c d
1 2 ∆4 = .
a2 b2 c2 d2
Att matrisen av avbildningen T i bas ~v1 , ~v2 är en diagonal- a3 b3 c3 d3
matris innebär att vektorerna ~v1 och ~v2 är egenvektorer av T
och diagonala elementer 1 och −1/2 ger oss Vi gör nu följande radoperationer som inte ändrar determi-
nanten: R2 := R2 − a · R1 ; R3 := R3 − a2 · R1 samt
1
T (~v1 ) = ~v1 och T (~v2 ) = − ~v2 . R4 := R4 − a3 · R1 . Vi får då
2
Vi får således 1 1 1 1
0 b−a c−a d−a
1 n ∆4 = .

T n (~v1 ) = ~v1 och T n (~v2 ) = − ~v2 . 0 b2 − a2 c2 − a2 d2 − a2
2 0 b3 − a3 c3 − a3 d3 − a3

2 Andra kolonnen kan faktoriseras som
Nu skriver vi vektorn i bas ~v1 , ~v2 . Detta innebär att
5  
1
lösa system av ekvationer för obekanta x1 , x2 :


 b−a 

1 −2 2  (b − a)(b + a) 
x1 + x2 = .
1 2 5 (b − a)(b2 + ba + a2 )
och kolonn 3 och 4 på liknande sätt. Man ser nu att det finns 5.23. 2016-01-13
gemensamma faktorer i kolonner som kan brytas ut: faktorn
b − a kan brytas ut från den andra kolonnen och likadant för ~ = (0, 2, −1) och BC
1. (a): Bilda två vektorer i planet, AC ~ =
den tredje och den fjärde kolonnen. Vi får nu (0, −2, −1). Planet P kan då skrivas på parameterform som
       
x 1 0 0
∆4 = (b − a)(c − a)(d − a)  y  =  1  + s  2  + t  −2  .
1 1 1 1 z 0 −1 −1
0 1 1 1
·
0 b+a c+a d+a Planets normalvektor ges av AC ~ × BC~ = (−4, 0, 0) vilket
0 b2 + ba + a2 c2 + ca + a2 d2 + da + a2 ger planets ekvation −4x + D = 0. Planet ska gå genom
punkten (1, 1, 0) vilket ger att D = 4. Ekvationen för planet
och kofaktorutveckling längs den första kolonnen ger oss blir −4x + 4 = 0 dvs x = 1 vilket är ett plan parallellt med
yz-planet och som skär x-axeln i x = 1.
∆4 = (b − a)(c − a)(d − a) (b): En linje som går mellan A och B har riktningsvektorn
1 1 1 AB~ = (0, 4, 0). Dvs den är parallell med y-axeln. Avståndet
· b+a c+a d+a . från C = (1, 1, 0) till linjen blir då lika med 1.
b2 + ba + a2 c2 + ca + a2 d2 + da + a2    
−1 −1
Eftersom a, b, c är alla skilda från varandra, så får vi att de- 2. (a): Vektorn 1 ligger i im(A) om systemet A~
  x= 1 
1 1
terminanten ∆4 blir nollskild om och endast om den nya de-
är lösbart. Gausselimination ger
terminanten ∆3 är nollskild, där
   
2 4 2 −1 1 2 1 −1/2
1 1 1  1 1 0 1  ∼  0 1 1 −3/2 
∆3 = b+a c+a d+a . 2 0 −2 1 0 0 0 −2
b2 + ba + a2 c2 + ca + a2 d2 + da + a2
 
−1
Vi gör nu följande radoperationer som inte ändrar determi- Systemet är inte lösbart, dvs vektorn  1  ligger inte i im(A).
nanten ∆3 : 1
R3 := R3 − a · R2 samt R2 := R2 − a · R1 . (b): Basen till ker(A) ges av lösningsmängden till A~x = ~0.

1
Vi får då Gausselimination av A, se uppgift (a), ger lösningen t −1

1 1 1   1
∆3 = b c d .  1 
b2 c2 d2 där t är godtyckligt tal, dvs −1 är en bas till ker(A).
1
 
Den determinanten har samma utseendet som ursprungliga
determinanten ∆4 men den har mindre ordning 3 istället av 3. (a): Egenvärdena ges av nollställena till det karakteristiska
4! Samma resonemang som vi använde för ∆4 återför nu polynomet
determinanten ∆3 på även mindre determinant
(−1 − λ) 4
det(A−λI) = = λ2 −1 = 0
1 1 0 (1 − λ)
∆2 =
c d
⇒ (λ1 = −1, λ2 = 1)
som räknas direkt och som är nollskild. Egenvektorerna som motsvarar λ1 = −1 fås ur ekvationen
Enligt vår resonemang då är även ursprungliga determinanten
∆4 också nillskild. 0 4 x 0 1
det(A−λ1 I)~v = 0 ⇒ = ⇒ ~v = .
0 2 y 0 0
(OBS! Determinanter av typ ∆4 , ∆3 m m är kända under
namn Vandermondes determinanter).
1
En egenvektor motsvarande λ1 är exempelvis ~v1 = . På
0
9. Om Λ 6= 0 är ett egenvärdet till matris A innebär detta att
2
samma sätt får vi att ~v2 = är en egenvektor som svarar
1
A~v = Λ~v
mot λ2 = 1.
för motsvarande egenvektorn ~v . Vi multiplicerar nu denna är kolonner i den sökta matrisen S. Alltså
(b): Egenvektorerna
likhet med matris A−1 från vänster och med tal Λ−1 . Vi är S =
1 2
.
får 0 1
Λ−1 A−1 A~v = A−1~v (c): Låt D beteckna diagonalmatrisen som ges av D = S −1 AS.
Från detta samband får vi att A = SDS −1 . Därför blir
och eftersom A−1 A = I och I~v = ~v så får vi
A139 = (SDS −1 )139 = SDS −1 SDS −1 · · · SDS −1
Λ−1~v = A−1~v .
= SD139 S −1 = A139
139
Denna ekvation visar att samma vektorn ~v är även egenvek-

1 2 −1 0 1 −2 −1 4
torn till matris A−1 som hör till egenvärdet Λ−1 . = = .
0 1 0 1 0 1 0 1
4. L0 och L1 uppfyller ekvationer: Övergångsmatrisen från basen B till basen C är en matris T
    så att T [~
x]B = [~ x]B = T −1 [~
x]C , som ger [~ x]C . Därmed får
L0 − 3L1 = 1 1 −3 1 vi:
L0 − L1 = 2 1 −1
 L0 = 2 .
 
eller 

 3 −1 1 3
L0 + L1 = 4 1 1  L1 4 [~a]B = T −1 [~a]C = =
L0 + 3L1 = 5 1 3 5 −2 1 0 −2

3 −1 0 −1
Minstakvadratlösningen till detta ges av lösningen till: [~b]B = T −1 [~b]C = =
−2 1 1 1
Det betyder att:
   
1 −3 1
1 1 1 1  1 −1 L0 = 1 1 1 1 2 ,
        
−1 2 −7
−3 −1 1 3 1 1  L1 −3 −1 1 3 4
~a = 3 −1 − 2 0 = −3
 
1 3 5
−1 1 −5

4 0 L0 12 och
= .     

0 20 L1 14 −1 2 3
~b = − −1 + 0 = 1
Vi får L0 = 3 och L1 = 0.7 som ges λ = L1 /L0 = 0.7 3
. −1 1 2

1 1
5. (a): Vektorerna och är ickeparallella och därför  
−1 1 0
2
bildar de en bas till R . Det innebär att det finns precis en ~ = 2. Betrakta följande ekvation systemet:
(b): Låt w
linjär avbildning f som uppfyller de första två ekvationerna. 1

3 1 1 
−1 2 0

Eftersom =2 + , så måste vi kontrollera om
1 1 −1  −1 0 2 
−1 1 1
3 1 1
f = 2f +f
1 −1 1 Gausselimination ger:
     
för att inse att f är en väldefinierad linjär avbilding. Men −1 2 0 −1 2 0 1 0 −2
detta stämmer:  −1 0 2  7→  0 −2 2  7→  0 1 −1 
      −1 1 1 0 −1 1 0 0 0
0 −1 2
−1 = 2 −1 +  1  . Som betyder att:
−3 −1 −1      
0 −1 2
2 = −2 −1 − 0
(b): Notera att: 1 −1 1

1 1 1 1 1 0 −1 1 1 1 Vi kan konstatera att w
~ ligger i W och att:
= + och = +
0 2 −1 2 1 1 2 −1 2 1
−2 1 1 −2 −3
[w]
~ B= och [w]
~ C= =
Detta ger: −1 2 3 −1 −7

1 1 1 1 1 7. (a): Låt:
f = f + f
0 2 −1 2 1
a11 a12 · · · a1n b11 b12 · · · b1n
   
     
2 −1 1/2  a21 a22 · · · a2n   b21 b22 · · · b2n 
1  1  
= 1 + −1 = 0  A= .

.. ..  , B =  ..
 
..

.. 
2 −1 2 −1 −1  .. . .   . . . 
an1 an2 · · · ann bn1 bn2 · · · bnn
c11 c12 · · · c1n d11 d12 · · · d1n

   
0 −1 1 1 1
f = f + f  c21 c22 · · · c2n   d21 d22 · · · d2n 
1 2 −1 2 1
AB =  . ..  , BA =  ..
   
.. .. .. 
 
2
  
−1 −3/2
  .. . .   . . . 
−1   1   
= 1 + −1 = −1  cn1 cn2 · · · cnn dn1 dn2 · · · dnn
2 −1 2 −1 0
Notera att vi har följande likheter:
Vi kan konstatera att matrisen till f i standardbaserna ges av: d11 d22 dnn
  || || ||
1/2 −3/2
c11 = a11 b11 + a12 b21 + ··· + a1n bn1
 0 −1 
+
−1 0
c22 = a21 b12 + a22 b22 + ··· + a2n bn2
+ + +
6. (a): Låt C = {~a, ~b}. Notera att: .. .. .. ..
. . . .
3 −1 + + +
T −1 =
−2 1 cnn = an1 b1n + an2 b2n + ··· + ann bnn ,
som ger: 5.24. 2016-01-18
tr(AB) = c11 + c22 + · · · + cnn 1. Skärningslinjen ges av lösningsmängden av systemet:
= d11 + d22 + · · · + dnn = tr(BA)
x+y−z = 2
(b): Låt B och C vara två baser till Rn .
Låt M vara matri- 2x + 3y − 4z = 0
sen till f med avseende på basen B och N vara matrisen till
f med avseende på basen C. Vi måste bevisa att tr(M ) = Via Gausseliminering kommer man fram till en parametrisk
tr(N ). ekvation till linjen:
Komma ihåg att N = S −1 M S där S är övergångsmatrisen      
från bas C till B. Vi kan använda del (a) av uppgiften för att x −1 6
få:  y  = t  2  +  −4  .
z 1 0
tr(N ) = tr(S −1 M S) = tr((S −1 M )S)  
−1
= tr(S(S −1 M )) = tr((SS −1 )M ) = tr(M ).
Det innebär att vektorn ~v =  2  är parallell med planet
8. (a): Matrisen A är symmetrisk, som ger A = AT . Därför: 1
 
6
A(A−1 )T = AT (A−1 )T = (A−1 A)T = I T = I
och punkten Q =  −4  ligger på planet.
om vi multiplicerar båda sidor med A−1 , får vi: 0
(A−1 )T = A−1
 
5
som säger att A är symmetrisk. Vektorerna ~v och ~u = P~Q =  −2  är linjärt oberoende,
0
(b): Låt B vara en symmetrisk matris. En kvadratisk form då  
x)T B~
(~ x är positivt definit om och endast om alla egenvärden 5 −1
till B är positiva. rang  −2 2  = 2.
Det betyder att för att bevisa (b), måste vi bevisa att egenvärdena 0 1
till A är positiva om och endast om egenvärdena till A−1 är Det
 följer att en normalvektor till planet ges av ~v × ~
u =
positiva. För detta ändamål skulle det vara tillräckligt att visa −2
1
att λ är egenvärde till A−1 om och endast om λ är egenvärde  −5  . Planet ges av ekvationen −2x−5y+8z+C = 0
till A. 8
Kom ihåg att λ är ett egenvärde till A−1 om och endast om för en konstant
  c ∈ R. Att planet går genom punkten P =
det finns en vektor ~v 6= ~0 så att A−1~v = λ~v . Om vi multi- 1
plicerar båda sidor av den likheten med A, får vi ~v = λA~v .  −2  ger D = −8. Planet ges då av ekvationen −2x −
Eftersom ~v 6= ~0, har vi λ 6= 0. Vi kan därför dela båda sidor 0
av sista likheten med λ och får 5y + 8z − 8 = 0.
1
1 3

A(~v ) = ~v a) A = 21

2. och P = 16 −4 .
λ 3 1
Det betyder att λ är egenvärden till A−1 om och endast om b) Egenvärdena ges av lösningarna till ekvationen
1
λ
är en egenvärde till A.
det(A − λI2 ) = λ2 − λ − 2 = (λ − 2)(λ + 1) = 0.
9. Determinanten är multilinjär och den är 0 om två kolonner
är lika eller om en kolonn är linjärt beroende av de andra. De är λ = 2, −1.
Således: Egenvektorerna till egenvärdet λ = 2 ges som noll-

det ~v1 + ~v2 ~v2 + ~v3 ~v3 + ~v1
skilda lösningar till:

3 −1

= det ~v1 ~v2 + ~v3 ~v3 + ~v1 1 x 0
= .
2 1 −1 y 0
+ det ~v2 ~v2 + ~v3 ~v3 + ~v1
Egenvektorerna är alla nollskilda vektorer på linjen

= det ~v1 ~v2 ~v3 + ~v1 + det ~v1 ~v3 ~v3 + ~v1
1
Span( ).

+ det ~v2 ~v2 ~v3 + ~v1 + det ~v2 ~v3 ~v3 + ~v1 1

= det ~v1 ~v2 ~v3 + ~v1 + det ~v2 ~v3 ~v3 + ~v1 Egenvektorerna till egenvärdet λ = −1 ges som noll-
skilda lösningar till:

= det ~v1 ~v2 ~v3 + det ~v1 ~v2 ~v1

+ det ~v2 ~v3 ~v3 + det ~v2 ~v3 ~v1 3 1 1 x 0
= .

= det ~v1 ~v2 ~v3 + det ~v2 ~v3 ~v1
2 1 1 y 0

= 2 det ~v1 ~v2 ~v3 Egenvektorerna
är alla nollskilda vektorer på linjen
1
För att ~v1 , ~v2 , och ~v3 vara ortonormala vektorer i R3 , Span( ).
−1
det ~v1 ~v2 ~v3 = ±1
3. a) Noll(A) = Ker(T ) är lösningsrummet till systemet:
Vi kan konstatera att:    
x 0
det ~v1 + ~v2 ~v2 + ~v3 ~v3 + ~v1 = ±2

1 −2 −3    
y = 0
och därför är determinantens belopp 2. 0 7 11
z 0
Eftersom rang(A) = 2 så är dim(Ker(T )) = 1. Man ser att rang(Koeff.Matris) = rang(Totalmatris) =
Lösningsrummet ges av: 2 och att systemet har ett oändligt, endimensionellt lösningsrum.
  Lösningsmängden är en linje med parametrisk ekvation:
−1
−11
     
Ker(T ) = Span   x −1 1
7 y  = t  0  + 0 , t ∈ R
z 1 0
b) Ker(T ) är med i delrummet
  V = Span(~ u, ~v , w)
~ om
−1 Om b 6= 1 och a 6= 1 så ger Gausseliminering:
riktningsgvektorn −11 ligger i V , d.v.s. om syste-
   
7 1 b 1 1 1 0 0 0
met 1−a
      0 1−b 0 1−a  → 0 1 0 1−b

4 3 1 x −1
a−1 0 0 0 1 b 1 1
0 2 2 y  = −11
1 1 0 z 7 I det här fallet är rang(Koeff.Matris)=rang(Totalmatris)=3 och
   
är lösbart. Observera att w u − ~v och därför att
~ = ~ x 0
rang(Koefficientmatris) = 2. Gausseliminering av to-  1−a 
systemet har en unik lösning: y  =  1−b  .
talmatrisen ger: z 1 − b 1−a
1−b
   
4 3 1 −1 4 3 1 −1 Sammanfattningsvis:
0 2 2 −11 ⇒ 0 1 −1 −11/2
a) Systemet har inga lösningar om b = 1, a 6= 1.
1 1 0 7 0 0 0 −20
b) Systemet har precis en lösning om b 6= 1 och a 6= 1.
Sista raden visar att systemet inte är lösbart. Slutsatsen c) Systemet har oändligt många lösningar om a = 1.
är att Ker(T ) inte ligger i V.
Om b 6= 1 och a = 1 består lösningarna av alla punk-
4. Vi följer Gausselimering av totalmatrisen: ter på linjen som parametriskt beskrivs som:
     
x −1 1
   
a b 1 1 1 b 1 1
 1 1 1 2−a → 1 1 1 2−a  y  = t  0  + 0 , t ∈ R
1 b 1 1 a b 1 1 z 1 0
 
1 b 1 1
→ 0 1−b 0 1−a  Om b = 1, a = 1 består lösningarna av alla punkter
a−1 0 0 0 på planet som parametriskt beskrivs som:
       
x −1 −1 1
Man ser att om b = 1, a 6= 1 så har systemet inga lösningar y  = t  0  + k  1  + 0 , t, k ∈ R
då slutmatrisen blir lika med: z 1 0 0
 
1 1 1 1
 0 0 0 1−a  5. (a): Linjen L1 består av punkterna med koordinaterna (3 +
a−1 0 0 0 2t, −1 + t, 7 + 4t) där t är i R. Linjen L2 består av punkter
med koordinaterna:
och
(0, −3, 5) + s(2, a + 3, −4) = (2s, −3 + (a + 3)s, 5 − 4s)
rang(Koeff.Matris) = 2 6= rang(Totalmatris) = 3
där s är i R. Linjerna L1 och L2 skär varandra om och endast
Om b = 1, a = 1 då blir slutmatrisen lika med:
om det finns s och t så att:
 
1 1 1 1 2s = 3 + 2t
 0 0 0 0 
−3 + (a + 3)s = −1 + t
0 0 0 0 5 − 4s = 7 + 4t
vilket innebär att
Från första ekvationen: s = t + 32 . Sista ekvationen blir
rang(Koeff.Matris) = rang(Totalmatris) = 1 5 − 4t − 6 = 7 + 4t, som ger t = −1 och därför s = 12 .
(a+3)
Systemet har ett oändligt, tvådimensionellt lösningsrum. Man Den andra ekvationen blir −3 + 2 = −1 − 1, som
ser att lösningarna ges av planet som parametriskt beskrivs ger a = −1. Vi kan konstatera att linjerna skär varandra
som: om och endast om a = −1. I så fall har skärningspunkten
        koordinaterna:
x −1 −1 1
y  = t  0  + k  1  + 0 , t, k ∈ R (3 − 2, −1 − 1, 7 − 4) = (1, −2, 3)
z 1 0 0  
2
Om b 6= 1 och a = 1 så gar Gausseliminering: (b): För a = −1, har L1 riktningsvektor 1 och L2
4
     
1 b 1 1 2 2
 0 1−b 0 0  riktningsvektor −1 + 3 =  2 . Planet som innehåller
0 0 0 0 1−5 −4
båda linjerna har normalvektor ortogonal till de riktningsvek- 8. Låt λ vara egenvärdet till X. Ekvationssystemet AX = λX
torerna. Till exempel är följande vektorprodukt en sådan vek- blir:
tor:       a11 x1 + a12 x2 + ··· + a1n xn = λx1
2 2 −12
1 ×  2  =  16  a21 x1 + a22 x2 + ··· + a2n xn = λx2
.. .. .. ..
4 −4 2 . . . .
Det betyder att planet har ekvation −6x + 8y + z = d. För an1 x1 + an2 x2 + ··· + ann xn = λxn
att planet innehåller (0, −3, 5), får vi −24 + 5 = d. Vi kan Om vi addera kolonnerna får vi:
konstatera att planet som innehåller L1 och L2 ges av:
(a11 +a21 +· · ·+an1 )x1 +· · ·+(a1n +a2n +· · ·+ann )xn = λ(x1 +· · ·+xn )
−6x + 8y + z = −19
som ger:
6. Observera att ~v och ~
n är ortogonala vektorer. x1 + · · · + xn = λ(x1 + · · · + xn )
(a): Eftersom ~v och ~
n är ortogonala vektorer, kan en vektor
u i R2 skrivas som:
~
(a): Eftersom X är en egenvektor, då X 6= 0. Detta till-
u · ~v
~ u·~
~ n
~
u= ~v + ~
n sammans med xi ≥ 0 innebär att:
~v · ~v n·~
~ n
x1 + · · · + xn > 0
I fallet ~
u=w~ får vi:
Däreför kan vi dela båda sidor i ekvationen x1 + · · · + xn =
1 31 3 −17 4 λ(x1 + · · · + xn ) med x1 + · · · + xn och får λ = 1.
w
~ = = +
7 25 4 25 −3
(b): Om λ 6= 1, kan likheten x1 + · · · + xn = λ(x1 +
31/25 · · · + xn ) hända om och endast om x1 + · · · + xn = 0.
Det betyder att w
~ i bas β har koordinaterna .
−17/25
9. (a): L består av punkter med koordinaterna (0, 0, 5)+t( 21 , 12 , −1) =
(b): Eftersom T är speglingen genom Span(~v ), då T (~v ) = ( 2t , 2t , 5−t) där t är ett ickenegativt reellt tal. Skärningspunkter
n) = −~
~v och T (~ n. Därför: av L och sfären ges av lösningar till:
T (2~v + 3~ n) = 2~v − 3~
n) = 2T (~v ) + 3T (~ n t2 t2
+ + (5 − t)2 = 9
4 4
2 Som ger:
Det betyder att T (2~v + 3~
n) har koordinaterna i bas
−3 3t2
β. − 10t + 16 = 0
2
7. Vår strategi är att använda elementära radoperationer att ändra Denna andragradsekvation har följande lösningar:
matrisen till en som det är lättare att beräkna determinanten 8
för. t1 = t2 = 4
3
Först transformeras matrisen genom att subtrahera den första Eftersom 38 < 4, ges koordinaterna av punkten där strålen L
raden från alla de andra raderna: träffar S av:
 1 2 3 4 · n 4 4 7
, ,
 1 0 0 0 · 0 3 3 3
 2 1 0 0 · 0
   
4/3
 3 2 1 0 · 0
 
(b): Låt T vara linjen Span   4/3. Betrakta projek-
 · · · · · ·
 
 · 7/3
· · · · ·  
1/2
n−1 n−2 n−3 n−4 · 0
tionen av strålens riktningsvektor ~v = 1/2 på linjen T :
Denna transformation ändrar inte determinanten. −1
     
Nästa steg, byt plats av den första raden med den andra. Se- 1/2 4/3 4/3
−4/3  −4 
dan byt plats av den andra raden med den tredje. Fortsätt n−1 projT ~v = projT 1/2 =
  4/3 =
 4/3
gånger. Genom detta får vi följande matris: −1 9 7/3 27 7/3
 1 0 0 0 · 0 Enligt reflexionslagen har reflekterade strålen riktning:
 2 1 0 0 · 0
· − (~v + 2(projT ~v − ~v )) = ~v − 2projT ~v
 3 2 1 0 0
 
     
B= · · · · · · 1/2 4/3 145/162
 
8 
 · · · · · · = 1/2 + 4/3 = 145/162
     
n − 1 n−2 n−3 n−4 · 0 −1 27 7/3 −25/81
1 2 3 4 · n  
29
Determinanten av den sista matrisen är lika med (−1)n−1 det(A). som är parallell till  29 . Vi kan konstatera att reflektera-
−10
B är en triangular matris. För sådana matriser ges determi-
de strålen kan beskrivas i parameterform som:
nanten av multiplikation av diagonala element:
4 4 7
det(B) = 1 · 1 · 1 · · · 1 · n = n , , + t (29, 29, −10)
3 3 3
Vi kan konstatera att det(A) = (−1)n−1 n. där t är icke negativt reellt tal.
5.25. 2016-03-17 x) = x21 + x1 x2 + x22 kan
3. a) Den kvadratiska formen Q(~
T skrivas som
xT A~

1. a) Varje plan som har riktningsvektorn −2 −1 1 till ~ x,
L1 som en av sina riktningsvektorer är parallellt med T1 . med den symmetriska matrisen
Därför är 1
1 2 .
   
x 4
 
1
 
−2 A= 1
2
1
Π : y  = 2 + s 5 + t −1
z 3 1 1 b) Egenvärderna till matrisen A ges som nollställen av
− 21

λ−1 1
en beskrivning av Π i parameterform. det(λI − A) = det 1 = (λ − 1)2 − .
T −2 λ−1 4
b) Punkten Q = −1 −3 0 är på linjen L1 och punk- 1
T Vi löser ekvationen (λ − 1)2 − 4
= 0 och erhåller att
ten P = 4 2 3 är på linjen L2 . Då linjen L2 lig-
ger i planet Π, följer det att avståndet mellan L1 och L2 är 1
λ−1=± .
längden av vektorn proj~n P~Q - projektionen av P~Q till nor- 2
malvektorn ~ n av planet Π. Normalvektorn ges av Detta ger egenvärden 21 och 23 . Då alla egenvärdena är posi-
      tiva, har vi att den kvadratiska formen är positivt definit.
−2 1 −6
n = −1 × 5 =  3  .
~ 4. a) Matrisen A har rang 1 och därför är bilden Range(TA ) en
1 1 −9 linje. Bilden TA (L) är antingen en enkel punkt eller denna
linje. Vi måste utsluta att TA (L) är bara en punkt. Det räcker
För att förenkla beräkningarna ska vi skala ~
n och ta ~
n = att betrakta punkterna
T
−2 1 −3 .Vektorn
−4

7
P = och Q = .
  1 1
−5
P~Q = −5 . Båda punkterna ligger på L. Men
−3

7 −4
TA (P ) = , medan TA (Q) = .
−14 8
Av projektionsformeln har vi att
Därför består bilden av minst två punkter.
P~Q · ~n b) Nollrummet till TA ges av matrisekvationen
proj~n P~Q = ~
n.
n||2
||~
−1 3

x
= 0.
2 −6 y
n||2 = 4 + 1 + 9 = 14, och att P~Q · ~
Vi har att ||~ n =
10 − 5 √+ 9 = 14. Det följer nu att den sökta längden är Detta ger ekvationen −x + 3y = 0. Detta är en linje, och per
||~
n|| = 14. 0
definition skickas denna linje till punkten .
0
2. a) Egenvektorerna tillhörande egenvärdet λ = −1 ges som 5. a) Vektorerna ~ u och ~v är ortogonala då ~ u · ~v = 0, och
nollskillda vektorer i nollrummet till matrisen följdaktligen är de linjärt oberoende. Vi har vidare att
 
−6 −6 0
 
−3
 3 3 0 .  2 
−3 −3 0 w
~ =   = −2~ u + ~v ,
−3
5
Med andra ord planet som ges av ekvationen x + y = 0.
Egenvektorerna är följaktligen och det följer nu att β = {~
u, ~v } är en ortogonal bas för vek-
torrummet V .
    √ √
1 0 b) Vi har att ||~
u|| = 6 och att ||~v || = 7. Vi har därmed
t · −1 + s · 0 , u
~ ~
v
  att { √ , √ } är en ortonormal bas för V . Detta ger att
6 7
0 1
u·~
~ x ~
u ~v · ~
x ~v u·~
~ x ~v · ~
x
x) = √ · √ + √ · √ =
projV (~ ·~
u+ ·~v .
för alla talpar (t, s) 6= (0, 0). 6 6 7 7 6 7
Egenvektorerna till egenvärdet λ = 2 ges av nollrummet till u·~
Vi har att ~ x = 1 + 2 − 1 = 2, och att ~v · ~
x = −1 + 2 +
matrisen   1 + 1 = 3. Detta ger att
−3 −6 0 1 3
 3 6 0 . projV (~
x) = ~
u + ~v .
3 7
−3 −3 3
~ = −2~
Tidigare har vi räknat ut att w u + ~v , vilket ger att
Vi kan stryka rad 2, och utför de vanliga radoperationerna 1 1
~
u= ~v − w. ~

1 2 0

1 2 0

1 0 −2
2 2
∼ ∼ . Insätter vi detta i vårt uttryck för projV (~
x) erhåller vi att
−1 −1 1 0 1 1 0 1 1
1 1 1 3 7 + 18 1

Detta ger att egenvektorerna är t · 2 −1
T
1 , med noll- projV (~
x) = ( ~v − w) ~ + ~v = ~v − w.
~
3 2 2 7 42 6
skillda tal t. 25
b) Dimensionerna av egenrummen summerar till tre. Koordinatvektorn i den sökta basen blir då 421 .
−6
6. a) Då matrisen A är symmetrisk vet vi att egenrummen är Detta ger att
ortogonala, och att egenvektorerna spänner upp hela rummet.    
Vektorn w
T
~ = 3 −3 0 är ortogonal mot egenvektorn 4−2 2
T n − ~v = −4 − 0 = −4
2 proj~n ~v − ~v = 4~
1 1 −1 , och därför är w ~ en egenvektor. Egenvärdet 4−4 0
är −2. Detta ger att
  är en riktningsvektor för L0 . Vi har att L0 går genom P , sådan
3
5 5 att linjen
A w ~ = (−2) w ~ = −32 −3 .  10   
0 3 2
L0 =  3  + t · −4 .
14 0
b) Egenrummet E2 tillhörande egenvärdet λ = 2 spänns upp 3
T
av 1 1 −1 . Vi har att egenrummet E−2 tillhörande Insätter vi parameterbeskrivningen av L0 i ekvationen för
egenvärdet λ = −2 ges av    x
ekvationen + y − z = 0. En planet P2 , erhåller vi
 1 1 
ortogonal bas för E−2 är −1 , 1 . En ortonormal 10 14 20 28
2( + 2t) + 2( ) = + + 4t = −8,

0 2
 3 3 3 3
bas av egenvektorer ges därmed av vektorerna
vilket har lösning, och vi har att speglingen L0 skär planet
P2 .
     
1 1 1
1   1   1  
√ 1 , √ −1 och √ 1 .
3 −1 2 0 6 2 8. Vi har att
d
(cos(nx)) = −n sin(nx) och att
Vi har vidare att A = P DP −1 , där D är diagonalmatrisen dx
med egenvärdena på diagonalen, och matrisen P har som ko- d
lonner en bas av egenvektorer. Vi väljer kolonnerna i P att (sin(nx)) = n cos(nx).
dx
vara de ortonormala egenvektorerna ovan, vilket ger att
 1 Matrisrepresentationen av derivationsavbildningen i basen β
√ √1 √1

blir då

3 2 6 2 0 0
 √1 1 1
A =  3 −√ √  0 −2 0 PT

0 ··· ···
 
2 6 0 1 0 0
− √1 0 √2 0 0 −2 −1 0
3 6  0 0 ··· ··· 0 
√2 − √2 − √2
 1
√1
 0 0 0 2 ··· ··· 0
− √1
 
√  
3 2 6 3 3 3 .. 
−2

1
=
 √2 √2 √ √  − √1 0  A= 0

0 −2 0 · · · ··· . .

 3 2 6 2 2 
1 √1 2
− √2 0 − √4  .. .. .. 
 
√ √ ..
3 6 6 6 6  . .
2 . . 
2 2 2
+ 22 − 26 − 23 − 64
  
3
−2−6 3
 0 0 0 0 ··· 0 10
= 2 + 2 − 2 2 2 2
− 2 − 6 −3 − 6 2 4
0 0 0 0 ··· −10 0
3 2 6 3
− 23 − 46 − 23 − 46 2
3
− 86

−2 4 −4
 b) Vi bestämmer först det karakteristiska polynomet till deri-
1 vationsavbildningen, det vill säga det(λI − D). Vi noterar
= 4 −2 −4 .
3 −4 −4 −2 att determinanten till ett block på formen

  λ −n
 1 + 2t  n λ
7. Vi bestämmer först skärningen mellan linjen L =  3 
4t
 
är (λ2 + n2 ). Det följer att det karakteristiska polynomet till
och planet P1 : x − y = z = 5. Insättning ger 1 + 2t − 3 + D är
4t = 5, vilket betyder att 6t = 7, det vill säga t = 76 . (λ2 + 1)(λ2 + 4) · · · (λ2 + 102 ),
Skärningspunkten P har koordinater
som inte har några reella nollställen. Avbildningen är speci-
1 + 73
   10 
3 ellt inte diagonaliserbar.
P =  3  =  3 .
14 14 9. a) Det karakteristiska polynomet till A är på formen
3 3
 
2 det(λI − A) = λ3 − c1 λ2 + c2 λ − c3 .
En riktningsvektor för linjen L är vektorn ~v = 0, och en
Lite eftertanke ger att c1 är spåret till matrisen. För att lösa
4
  uppgiften är det därför nog om vi påvisar att similära matriser
1 har samma karakteristiska polynom. Vi har följande identitet
n = −1. Vi har, av figur
normalvektor för planet P1 är ~ av matriser,
1
t.ex., att λI − P −1 AP = P −1 (λI − A)P.
proj~n ~v + −1 · (v − proj~n ~v ) = 2 proj~n ~v − ~v Detta ger att det karakteristiska polynomet till P −1 AP är
är en riktningsvektor för den speglade linjen L0 . Vi har att
det(λI − P −1 AP ) = det(P −1 ) det(λI − A) det(P )
n · ~v
~ 2+4
proj~n ~v = ~
n= ~
n. = det(λI − A).
n||2
||~ 3
Detta betyder att similära matriser har samma karakteristiska Detta kan skrivas på matrisformen
polynom, och vi har visat påståendet.    
0 1 −5
b) Vi kan anta från uppgift a) att A är en diagonalmatris. Låt 1 1 −2
 A
a, b och c vara diagonalelmenten i A. Vi vill beräkna
  
−3 .
2 1 = 
3 1 B
 
−1
det(A) = abc.
4 1 −1
Vi har att a + b + c = 0, att a2 + b2 + c2 = 14 och att Normalekvationen fås genom att vi multiplicerar båda leden,
a3 + b3 + c3 = −18. Den första ekvationen ger att c = från vänster, med systemmatrisens transponat. Dvs vi får
−a − b, och att    
0 1 −5
c2 = a2 +2ab+b2 och att c3 = −a3 −3a2 b−3ab2 −b3 . 1 1 −2
0 1 2 3 4    A 0 1 2 3 4   
2 1 B = 1 1 1 1 1 −3 .

Kombinerar vi detta med den tredje ekvationen, har vi vidare 1 1 1 1 1  3 1 −1
att 4 1 −1
−18 = a3 + b3 + c3 = −3(a2 b + ab2 ).
Detta ger oss
Determinanten abc = ab(−a − b) = −(a2 b + ab2 ) är
därmed −6.
30 10 A −15
= ,
10 5 B −12
5.26. 2016-06-09 som har lösningen A = 9/10, B = −21/5.
9 21
1. a) För att bestämma L löser vi ekvationssystemet Därmed blir T (k) = 10
k − 5
( ( 3. a) Egenvärdena får vi genom att lösa den karakteristiska
x + 2y − 2z =0 x + 2y − 2z = 0
⇔ . ekvationen:
3x + 2y + 2z = 0 −4y + 8z =0
(3 − λ) −4 8
Härav     det(A−λI) = 0 ⇒ 2 (−3 − λ) 8 =0
x −2 0 0 (1 − λ)
 y  = t 2 .
z 1 ⇒ (1−λ)(λ2 −1) = 0 ⇒ (1−λ)(λ−1)(λ+1) = 0.
  Alltså har matrisen A två egenvärden, λ1 = 1 (dub-
−2
belrot till ekvationen) och λ2 = −1.
Alltså är L = Span  2  . Därmed bildar
De egenvektorer som hör till egenvärdet λ1 = 1 får vi
1
  genom att lösa (A − λ1 I)~ u = ~0 dvs.
−2
vektorn f~ =  2  en bas för L.
    
2 −4 8 x 0
1  2 −4 8   y  =  0  .
b) Linjen L är en del av delrummet V = Span(~ u, ~v , w)
~ 0 0 0 z 0
om och endast om basvektorn f~ ligger i V dvs om och Detta gör systemet
endast om f~ är en linjär kombination av vektorerna  
(~
u, ~v , w).
~ Ekvationen 2x − 4y + 8z = 0
 x − 2y + 4z
 =0
2x − 4y + 8z = 0 ⇔ 0 =0.
x1 ~ ~ = f~
u + x2~v + x3 w 

0 =0


0 =0
ger ekvationssystemet Härav
     
x 2 −4
 
4x1 + 3x2 + x3 = −2
  x1 + x2
 =1
 y  = s 1  + t 0 .
2x2 − 2x3 = 2 ⇔ 2x2 − 2x3 =2
  z 0 1
x1 + x2 =1 4x1 + 3x2 + x3 = −2
 
Egenvektorerna som  λ1 = 1 är alla
 hörtill egenvärdet

−4
 
2
 x1 + x2
 =1  x1 + x2
 =1
⇔ x2 − x3 vektorer av typ s  1 +t  0  där s 6= 0 eller
= 1 ⇔ x2 − x3 =1
  0 1
−x2 + x3 = −6 0 = −5.
 
t 6= 0.
Eftersom systemet saknar lösning ligger inte f~ i V . På samma sätt får vi de egenvektorer som hör till λ2 =
Därmed är linjen L inte en del av delrummet V . −1:
    
2. Vi substituerar mätdata i ekvationen Ak + B = T (k) och 4 −4 8 x 0
för följande ekvationssystem (A−λ2 I)~ u = ~0 ⇔  2 −2 8   y  =  0  .
0 0 2 z 0
0A + B = −5 Detta gör systemet
1A + B = −2  
2A + B = −3 4x − 4y + 8z = 0
 x − y + 2z
 =0
3A + B = −1 2x − 2y + 8z = 0 ⇔ 0 =0.
4A + B = −1. 

2z =0


z =0
Härav     Låt A vara systemets koefficientmatris. Då är
x 1
 y  = t 1 . a 1 −1
z 0 det(A) = 0 1 2 = a + 3.
1 0 1
Egenvektorerna som  hör tillegenvärdet λ2 = −1 är
1 Om det(A) 6= 0 har systemet exakt en lösning och därmed
alla vektorer av typ t  1  där t 6= 0. har planen en gemensam punkt. Därför undersöker vi fallet
0
b) Först diagonaliserar vi matrisen A: A = P DP −1 , det(A) = 0 ⇔ a = −3.
där
    För a = −3 har vi följande ekvationssystem
2 −4 1 1 0 0  
P = 1 0 1  och D =  0 1 0 . −3x + y − z = 1
 x + z
 =2
0 1 0 0 0 −1 y + 2z =7 ⇐⇒ y + 2z =7
 (ekv1 ↔ ekv3) 
x + z = 2 −3x + y − z =1
 
11 11 −1
Härav A = P D P , men eftersom
 11     
1 0 0 1 0 0 x + z
 =2 x + z
 =2
11 11
D =  0 1 0  =  0 1 0  = D (3*ekv1 + ekv3 ) ⇔ y + 2z = 7 ⇔ y + 2z = 7
0 0 (−1)11 0 0 −1 

y + 2z = 7


0 = 0.
11
har vi A = P D P 11 −1 = P DP −1 = A. Därmed Härav z = t, y = 7 − 2t, x = 2 − t eller
    
3 −4 8 3 9      
11 x 2 −1
A ~v = A~v =  2 −3 8   2  =  8 .  y  =  7  + t  −2  .
0 0 1 1 1
z 0 1
4. a) En parametrisering av planet ges av (x, y, z) = (1, −2, 0)t+
(0, 0, 1)s. Dvs vektorerna v1 = (0, 0, 1), v2 = (1, −2, 0) Alltså, om a = −3, har de tre planen en gemensam linje vars
är en bas for U . Vi observerar direkt att v1 · v2 = 0, ekvation på parameterform är
dvs dessa är ortogonala. Det räcker nu att dela var- 
x
 
2
 
−1

je vektor med sin längd för att ortonormalisera detta.  y  =  7  + t  −2  .
Svar: z 0 1
1
u1 = √ (1, −2, 0), u2 = (0, 0, 1).
5 6. a) Låt R beteckna avbildningen och A avbildningens ma-
tris. Då gäller R(1, 0, 0) = (0, 1, 0), R(0, 1, 0) =
b) För utvidgning till R3 behöver vi hitta ytterligare en (0, 0, 1), R(0, 0, 1) = (1, 0, 0). Avbildningens ma-
vektor som är ortogonal till u1 , u2 , dvs ortogonal mot tris är då  
planet. Detta ges av normalen till planet, dvs v3 = 0 0 1
(2, 1, 0), som kan då delas med sin längd för att få A = 1 0 0

längd ett. Svar: 0 1 0
1 1 b) Ekvationen
u1 = √ (1, −2, 0), u2 = (0, 0, 1), u3 = √ (2, 1, 0),
5 5 −λ 0 1
0 = (A−λI) = 0 = 1 −λ 0 ⇔ −λ3 +1 = 0
c) Projektionen ges av 0 1 −λ
ProjU v = (u1 · v)u1 + (u2 · v)u2 ,
har en reell rot λ = 1. Alltså har avbildningen ett
där egenvärde λ = 1.
För att få tillhörande egenvektorer löser vi ekvationen
1 1
u1 · v = √ (1, −2, 0) · (1, 0, 115) = √ ,     
5 5 −1 0 1 x 0
u2 · v = (0, 0, 1) · (1, 0, 115) = 115 (A−λI)X = 0 ⇔ 1  −1 0  y  = 0
0 1 −1 z 0
Vi får då    
x 1
1 som ger egenvektorer y  = t 1 , t 6= 0
ProjU v = √ u1 + 115u2
5 z 1
1 1 1 −2
= √ · √ (1, −2, 0)+115(0, 0, 1) = ( , , 115).
5 5 5 5 c) Betrakta en vektor i planet ortogonal mot linjen l. En
sådan vektor ges av ex.vis v = (1, −1, 0) som är vin-
5. Planens gemensamma punkter får vi genom att lösa ekva-
kelrät mot normalen tip planet some ges av (1, 1, 1).
tionssystemet
Det räcker att bestämma vad R avbildar denna vektor
 till: R(1, −1, 0) = (0, 1, −1) =: u. För att bestämma
ax + y − z
 =1 vinkeln mellan dessa vektorer v, u så√gäller
√ det att
y + 2z =7 bestämma |u||v| cos θ = u·v, som ger 2 2 cos θ =
−1, alltså cos θ = −1/2 och θ = 2π/3.

x+z = 2.

7. a) Anta att A är en matris vars nollrum och kolonnrum 8. Börja med matrisens egenvärden som vi får ur ekvationen
överensstämmer. Låt Null(A) och Col(A) beteckna ma- det(A − λI) = 0 dvs
trisens nollrum resp. kolonnrum. Enligt antagandet är
Null(A) = Col(A) och därmed dim(Null(A))=dim(Col(A)).
 
a−λ 1 2
Enligt dimensionssatsen för en 2 × 2 matris gäller det  0 b−λ −1  = (a−λ)(b−λ)(c−λ) = 0
dim(Null(A))+dim(Col(A))=2. Därför är dim(Null(A))=1 0 0 c−λ
och dim(Col(A))=1.
som ger λ1 = a, λ2 = b, λ3 = c. Frågan är för vilka värden
Eftersom dim(Col(A))=1 har matrisen minst en ko- för a, b, c vi kan få en bas av egenvektorer.
a 0
lonn skild från nollvektorn. Anta att 6=
b 0
är matrisens första kolonn. Då har matrisen följande Låt A vara en kvadratisk matris av typ n × n. Matrisen A är
form diagonaliserbar om och endast om matrisen har en uppsättning
a ka av n st linjärt oberoende egenvektorer.
A= , k ∈ R.
b kb Låt Eλk beteckna det egenrum som hör till egenvärdet λk .
Eftersom egenvektorer som hör till olika egenvärde är obe-
a 0 roende kan vi formulera ovanstående sats på ekvivalent sätt:
Alltså vektorn är ~v = 6= en bas i
b 0 P
Matrisen A är diagonaliserbar om och endast om k dim(Eλk ) =
Col(A). Vi ska bestämma k så att nollrum och kolonn- n.
rumöverensstämmer.
Eftersom Null(A) = Col(A) lig- Den geometriska multipliciteten för λk är dim(Eλk ), där
a
ger i Null(A). Därför gäller A~v = ~0 eller Eλk = Null(A − λk I). För ett egenvärde λk gäller alltid (
b den geometriska multipliciteten för λk ) ≤ (den algebraiska
2 multipliciteten för λk ).
a ka a 0 a + kab 0
= ⇔ = . Matrisen är diagonaliserbar om och endast om följande gäller:
b kb b 0 ab + kb2 0
1. Alla rötter till ekvationen det(A − λI) = 0 är reella och
Härav 2. Den geometriska multipliciteten är lika med den algebra-
iska multipliciteten för varje egenvärde λk .
(
a(a + kb) = 0
, Matrisen är inte diagonaliserbar om för minst ett egenvärde
b(a + kb) = 0
λk gäller ( den geometriska multipliciteten för λk ) < (den
−a
som ger k = b om b 6= 0. För detta k blir algebraiska multipliciteten för λk ), eftersom i detta fall kan
vi inte finna n stycken lin. oberoende egenvektorer.
" 2
#
a −a

a 0 Anmärkning: Om λ är en enkel rot till det(A − λI) = 0 så
A= b , där b 6= 0, och 6= .
b −a b 0 är villkoret (den geometriska multipliciteten) = (den algebra-
iska multipliciteten) automatiskt uppfylld. Därför räcker det
Några exempel på A: att undersöka de egenvärden som har algebraisk multiplicitet
0 0 >1.
1. a = 0, b = 1 ger A = , där Null(A) =
1 0

0
Col(A) =Span( ). Fall 1: a, b, c är distinkta:
1

1 −1
Enligt en sats i boken om egenvärdena a, b, c är distinkta så
2. a = 1, b = 1 ger A = , där Null(A) har vi linjärt oberoende egenvektorer som då blir en bas för
1 −1
R3 och därför är matrisen diagonaliserbar då a, b, c är skilda
1
= Col(A) =Span( ). tal.
1
Anmärkning. Vi kan anta att andra kollonen är skild Fall 2: a = b 6= c.
från nollvektorn och upprepa resonemang. Då får vi Om a = b och a 6= c så är λ1 = c en enkel rot och λ2 = a
" # en dubbel rot till ekvationen det(A − λI) = 0. Alltså är
−b a

a 0 λ = a ett egenvärde med den algebraiska multipliciteten =2.
A= 2 där a 6
= 0, och 6
= .
− ba b b 0 Den geometriska multipliciteten för λ = a är dimesionen av
tillhörande egenrummet Eλ där Eλ = Null(A − λI).
Exempelvis:
0 1 För λ = a har vi
a = 1, b = 0 ger A = , där Null(A) =
0 0    
a−a 1 2 0 1 2

1
Col(A) =Span( ). A−λI = 0 b−a −1 = 0 0 −1 
0   
0 0 c−a 0 0 c−a
b) Notera att dim(Null(A)) och dim(Col(A)) är icke ne-
gativa heltal. Enligt dimensionssatsen för en 3 × 3 Vi ser att kolonnrummet har dimensionen 2, dvs rang(A −
matris gäller λI) = 2. Notera att enligt dimensionssatsen gäller rang(A −
dim(Null(A))+dim(Col(A))=3. (*) λI) + dim(Null(A − λI)) = 3. Därför är den geometriska
Om vi antar att Null(A) = Col(A) då är multipliciteten = dim(Null(A−λI)) = 3−2 = 1. Eftersom
dim(Null(A)) = dim(Col(A)) (**) (1=den geometriska multipliciteten) 6= (den algebraiska mul-
Från (*) och (**) får vi att dim(Null(A)) =1.5 och tipliciteten =2) är matrisen inte diagonaliserbar i detta fall.
dim(Col(A))= 1.5 som är omöjligt. Detta visar att det
inte finns någon 3×3-matris vars nollrum och kolonn- Fall 3: a = c 6= b
rum överensstämmer. Om λ = a = c 6= b så är λ = a ett egenvärde med den
algebraiska multipliciteten =2. Vi har b) Anta att dim(V ) = n. Låt {a1 , . . . , ap } vara en bas
    i Range(L) och {b1 , . . . , bq } en bas i Null(L). En-
a−a 1 2 0 1 2 ligt dimensionssatsen gäller p + q = n. Låt B =
A−λI =  0 b−a −1  = 0 b − a −1 {a1 , . . . , ap , b1 , . . . , bq }. Vi ska visa att vektorerna i
0 0 c−a 0 0 0 B är linjärt oberoende. Anta att
   
0 1 2 0 1 2 t1 a1 + . . . + tp ap + s1 b1 + . . . + sq bq = 0V
−1  −1
∼ 0 1 b−a ∼ 0 0 ( b−a − 2)
 
0 0 0 0 0 0 eller
−1 −1 t1 a1 + . . . + tp ap = −(s1 b1 + . . . + sq bq ).
som ger oss två fall: b−a
= 2, eller b−a
6= 2.
i) Om −1
= 2, dvs b = 1
a− 2 , så är rang(A−λI)
= 1 och Beteckna w = t1 a1 + . . . + tp ap = −(s1 b1 + . . . +
b−a
därmed är den geometriska multipliciteten = dim(Null(A − sq bq ). Då ligger w i Range(L) (som en linjär kom-
λI)) = 3 − 1 = 2= den algebraiska multipliciteten.Därmed bination av vektorerna ak ) och i Null(L) (som en
är dim(Ea )+dim(Eb )=3. Alltså kan vi bilda en bas med totalt linjär kombination av vektorerna bj ). Enligt uppgif-
tre egenvektorer: två från egenrummet Ea och en basvektor tens a-del är w = 0V . Från t1 a1 + . . . + tp ap = 0V
från egenrummet Eb . Därmed är matrisen diagonaliserbar i får vi t1 = 0, . . . , tp = 0, eftersom basvektorer-
det här fallet. na a1 , . . . , ap är linjäroberoende. På samma sätt, från
ii) Om b−a−1
6= 2, så är rang(A−λI) = 2 och därmed är den s1 b1 + . . . + sq bq = 0V , får vi s1 = 0, . . . , sq = 0.
Därför är vektorerna i B linjärt oberoende. Eftersom
geometriska multipliciteten = dim(Null(A−λI)) = 3−2 =
dim(V ) = n och B består av n st. linjärt oberoende
1. Eftersom (1=den geometriska multipliciteten) 6= (den al-
vektorer, är B en bas för vektorrummet V .
gebraiska multipliciteten =2) är matrisen inte diagonaliserbar
Om u är en vektor i Range(L), dvs om u = L(v) för
i detta fall.
en vektor v ∈ V , gäller L(u) = L(L(v)) = L(v) =
Fall 4: b = c 6= a u. Basvektorerna a1 , . . . , ap ligger i Range(L)). Därför
Om λ = b = c 6= b så är λ = b ett egenvärde med den
algebraiska multipliciteten =2. Vi har L(ak ) = ak
Motsvarande kolonn (nr k) i avbildningens matris har
   
a−b 1 2 a−b 1 2
A−λI =  0 b−b −1  =  0 0 −1 1 på plats nummer k och alla andra element 0.
b=c
0 0 c−b 0 0 0 Basvektorerna b1 , . . . , bq ligger i Null(L). Därför
Vi ser att rang(A−λI) = 2. Därför är den geometriska mul- L(bj ) = 0V .

tipliciteten = dim(Null(A − λI)) = 3 − 2 = 1. Eftersom Motsvarande kolonn i avbildningens matris har alla
(1=den geometriska multipliciteten) 6= (den algebraiska mul- element = 0.
tipliciteten =2) är matrisen inte diagonaliserbar i detta fall.
Därmed är matrisrepresentationen av L m.a.p. basen
Fall 5: a = b = c B en diagonalmatris där alla diagonalelement är an-
Om λ = a = b = c så är λ = a ett egenvärde med den tingen 1 eller 0.
algebraiska multipliciteten =3. Vi har
   
a−a 1 2 0 1 2 5.27. 2016-10-21
A−λI =  0 b−a −1  = 0 0 −1
a=b=c
0 0 c−a 0 0 0 1. a) Vi ställer upp systemets utvidgade matris och för den
till trappstegsform:
Vi ser att rang(A−λI) = 2. Därför är den geometriska mul-
tipliciteten = dim(Null(A − λI)) = 3 − 2 = 1. Eftersom 4 −2 7 0 4 −2 7 0
∼ .
(1=den geometriska multipliciteten) 6= (den algebraiska mul- 8 −3 10 0 R2 − 2R1 0 1 −4 0
tipliciteten =3) är matrisen inte diagonaliserbar i detta fall. Vi ser att sista kolumnen visar att x är en fri variabel
3
Sammanfattningsvis har vi följande fall som kan ge diagona- och inför parametern t = x3 som ger att x2 = 4t och
lisering: 4x1 = 2x2 − 7t, dvs. x1 = 41 (2 · 4t − 7t) = 14 t.
1. a, b, c skilda tal.
−1 Alla lösningar ges alltsÅ av
2. a = c 6= b samt b−a = 2 (dvs b = a − 12 ).
 1
9. a) Låt u vara en vektor som ligger i både Range(L) och  x1 = 4 t,

Null(L). Då gäller x2 = 4t, där t ∈ R.


x3 = t
L(u) = 0V . (1)
Dessutom finns det en vektor v i V sådan att b) På motsvarande sätt som i deluppgift a får vi här

L(v) = u. (2) 4 −2 7 −5 4 −2 7 −5
∼ .
8 −3 10 −3 R2 − 2R1 0 1 −4 7
Vi tillämpar L på båda sidor i (2) och får
Inför vi även här t = x3 som parameter får vi att
L(L(v)) = L(u). (3) x2 = 7 + 4t och 4x1 = −5 + 2x2 − 7t, dvs. x1 =
1
Vi använder antagandet L(L(v)) = L(v) och ovanstående 4
(9 + t). Alla lösningar ges alltså av
relationer 1, 2 och 3 och får  9 1
 x1 = 4 + 4 t,

0V = L(u) = L(L(v)) = L(v) = u. där t ∈ R.
x2 = 7 + 4t,

Alltså är u = 0V V.S.V. 
x3 = t
2. a) Skärningen mellan de två hyperplanen består av alla Detta ger systemet
punkter (x1 , x2 , x3 , x4 ) som tillhör båda planen, dvs. 
 −3x + ay =0

 −3x + ay =0
uppfyller planens ekvationer −2y + z =0 ⇔ −2y + z =0 .
2y − z =0 0 =0
 
x1 + x2 + x3 + x4 = 0,
x1 − x2 − x3 − x4 = 0. Härav    
x a
Detta är ett linjärt ekvationssystem som vi kan lösa  y  = t 3 .
med gausseliminering, z 6
Därmed

1 1 1 1 0
∼
 
1 −1 −1 −1 0 R2 − R1
a
Eλ1 = span( 3 )

1 1 1 1 0 6
∼
0 −2 −2 −2 0 − 1 R2
2
Egenrummet som hör till λ2 = 3 dvs E3 bestämmer vi ge-
1 1 1 1 0 R1 − R2
u = ~0 dvs.
nom att lösa (A − 3I)~
∼
0 1 1 1 0     
0 a 0 x 0
1 0 0 0 0  0 1 1  y  =  0 .
.
0 1 1 1 0 0 2 2 z 0
Från slutschemat ser vi att vi kan införa exempelvis s = Detta gör systemet
x3 och t = x4 som parametrar och hela lösningsmängden 
 ay =0

 z+y =0
kan då uttryckas som y+z =0 ⇔ ay =0 .
2y + 2z =0 0 =0
         
x1 0 0 0
 x2   −s − t   −1 
+t  −1 Två fall: a 6= 0 och a = 0.
 
 = =s  (s, t parametrar).
 x3   s  1   0
 a 6= 0 
Om får vi y = 0 , z = 0 och x = t. Härav
 
x4 t 0 1 x 1 1
 y  = t  0  . Därmed Eλ = span( 0 ) om
2
Från detta kan vi avläsa att alla lösningar (vektorerna z 0 0
i V ) kan skrivas som linjärkombinationer av vektorer- a 6= 0. Notera att dim(Eλ2 ) = 1 i det här fallet.
na u1 = (0, −1, 1, 0) och u2 = (0, −1, 0, 1), dvs.
en bas för V är 
 z+y =0
{(0, −1, 1, 0), (0, −1, 0, 1)}. Om a = 0 har vi systemet 0 = 0 . Härav x = t,
0 =0

b) I deluppgift (a) konstaterade vi att vektorerna i del- y = −s och z = s dvs
     
rummet V alla kan skrivas som linjärkombinationer x 1 0
av u1 = (0, −1, 1, 0) och u2 = (0, −1, 0, 1), dvs.  y  = t  0  + s  −1  om a = 0.
su1 + tu2 där s och t är skalärer. z 0 1
Om en vektor w är ortogonal mot u1 och u2 , dvs.    
1 0
w · u1 = w · u2 = 0, så är w även vinkelrät mot
Därmed Eλ2 = span( 0  ,  −1 ) om a = 0. No-
alla vektorer i V eftersom
0 1
w·(su1 +tu2 ) = s w·u1 +t w·u2 = s·0+t·0 = 0. tera att dim(Eλ2 ) = 2 i det här fallet.
Detta gör att delrummet W består av alla vektorer w =

(x1 , x2 , x3 , x4 ) som uppfyller P av typen n × n är diagonaliserbar om och
(b) En matrisen
endast om k dim(Eλk ) = n. I vårt fall är dim(Eλ1 ) +
w · u1 = (x1 , x2 , x3 , x4 ) · (0, −1, 1, 0) = −x2 + x3 = 0,dim(Eλ2 ) = 3 endast om a = 0. Enligt a-delen är matrisen
(
diagonaliserbar endast om a = 0.
w · u2 = (x1 , x2 , x3 , x4 ) · (0, −1, 0, 1) = −x2 + x4 = 0.
(c) Matrisen P består av tre linjärt oberoende egenvektorer;
3. (a) Egenvärdena får vi genom att lösa den karakteristiska ek- D har på diagonalen
 motsvarande egenvärden.
  
0 1 0 6 0 0
vationen:
Exempelvis P =  3 0 −1  och D =  0 3 0 .
(3 − λ) a 0 6 0 1 0 0 3
det(A−λI) = 0 ⇒ 0 (4 − λ) 1 =0
4. Utveckling av höger led ger
0 2 (5 − λ)
a a23 a11 a13 a a23 a12 a1
⇒ (3−λ)(λ2 −9λ+18) = 0 ⇒ (3−λ)(λ−3)(λ−6) = 0 A11 A22 − A12 A21 = 22 − 21
a32 a33 a31 a33 a31 a33 a32 a3
Alltså har matrisen A två egenvärden, λ1 = 6 och λ2 = 3 = (a22 a33 − a23 a32 ) (a11 a33 − a13 a31 ) − (a21 a33 − a23 a31
(dubbelrot till ekvationen). = a11 a22 a233 + a13 a23 a31 a32 − a11 a23 a32 a33 − a13 a22 a31 a
Låt Eλ beteckna egenrummet som hör till egenvärdet λ. Egen-
rummet som hör till λ1 = 6 dvs E6 bestämmer vi genom att − a12 a21 a233 − a13 a23 a31 a32 + a12 a23 a31 a33 + a13 a21
lösa (A − 6I)~ u = ~0 dvs. = a33 (a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a11 a23 a32 −
a11 a12 a13
    
−3 a 0 x 0
 0 −2 1  y  =  0 . = a33 a21 a22 a23 .
0 2 −1 z 0 a31 a32 a33
Den sista likheten följer av definitionen av en 3 × 3 determi- 5.28. 2017-01-11
nant.
1.
5. a) Eftersom reflektioner bevarar längder av vektorer så    
k k 1 3 k−2 0 0 1
ser vi att den sökta reflektionen måste avbilda ~
x på R1 7→(R1 −R2 )
T  2 k 1 2  −−−−−−−−−−→  2 k 1 2 
k~xk~e1 = 3 0 0 . Vi inser geometriskt att re- 4 3 3 8 4 3 3 8
flektionen vi söker är reflektionen genom planet som
halverar vinkeln mellan ~ x och ~e1 och har normalvek- Om k = 2 då får vi ur första raden att 0 = 1 vilket är
x − kxk~e1 :
tor ~ motsägelse. Om k 6= 2 så ger R1 att x = 1/(k − 2). Vi kan
alltså dela R1 med k − 2 och få
1

1 1 0 0
 
1 0 0 k−2 k−2
R2 7→(R2 −2R1 ) R3 7→(R3 −4R1 ) 2k−6
2  −−−−−−−−−−−−−−−−−−−−−−−→
 2 k 1  0 k 1
 k−2
4 3 3 8 8k−20
0 3 3 k−2
householder.png Om k = 1 så ser man att R3 = 3R2 , och eftersom vi får

   
1 0 0 −1 1 0 0 −1
R3 7→(R3 −3R2 )
 0 1 1 4  −−−−−−−−−−−→  0 1 1 4 
0 3 3 12 0 0 0 0
Emellertid är detta skärningen mellan två plan som ger en

linje som lösning. Dvs oändlig många lösningar. Vi får alltså
att
Detta ger normalvektorn x = −1, y+z =4
som ger (x, y, z) = (−1, y, 4 − y). Väljer vi y = t som
     
1 3 −2
 2  − 0 =  2  parameter får vi (x, y, z) = (−1, 0, 4) + t(0, 1, −1).
−2 0 −2 Om k 6= 1, 2 så kan reducera matrisen ovan
Vi delar vektorn
 genom
 dess längd och får normalvek-
−1 1
   
1 0 0 1
k−2 1 0 0
1 R2 7→(R2 − k R )
3 3
k−2
u = √  1 .
torn ~  0 k 1 2k−6 
−−−−−−−−−−−→  0

0 1−k ∗

3 k−2
−1
  
8k−20 8k−20
0 3 3 0 3 3 k−2
k−2
Vi verifierar att vi har räknat rätt:
           vilket,  efter
 att 
ha delat rad 2 med (k − 1) samt reducerat rad
1 1 −1 1 −1 1 3, ger −1 3
en enda lösning.
2
 2 −  1  ·  2   1  =  2 −2  1  = 0 .
~( 2 ) =
ru  
3 Svar: a) Om k 6= 1, 2 har vi en enda lösning. För k = 2 har
−2 −2 −1 −2 −1 −2 −1 0
vi inga lösningar. För k = 1 har vi oändligt många lösningar.
Svar: b) Då k = 1 har vi en linje som lösning (x, y, z) =
b) Vi kan skriva
(−1, 0, 4) + t(0, 1, −1).
ru
~ (~ x−2(~
x) = I~ u·~
u)(~ x−2(~
x) = I~ u~uT )~
x = (I−2~
u~uT )~
x.2. a) Eftersom linjen (x, y, z)T = t(1, 1, 1)T ligger i pla-
net P , ligger speciellt origo (0, 0, 0) i P . Vektorn ~v =
Därav ges standardmatrisen till ru~ som I − 2~ u~uT , (1, 0, 0)T från origo till punkten (1, 0, 0) i P är därmed
en symmetrisk matris. Dessutom gäller för alla reflek- parallell med P , liksom riktningsvektorn w ~ = (1, 1, 1)T
tioner fu
~ (fu
~ (~
x)) = ~ x. Alltså har vi att M M T = för den givna linjen. Det följer att
M M = I, vilket innebär att M är ortogonal.      
1 1 0
6. Om vi betraktar vektorn v som en kolumnvektor så kan skalärprodukterna n = ~v × w
~ ~ = 0 × 1 = −1
(Av) · v och v · (Av) skrivas i matrisform som 0 1 1
(Av) · v = (Av)T v = v T AT v, är en normalvektor till P . Ekvationen för P blir då,

T om vi använder att origo ligger i P ,
v · (Av) = v Av,
n · (x − 0, y − 0, z − 0)T = 0 ⇐⇒ y − z = 0.
~
för alla vektorer v.
Använder vi att A är skevsymmetrisk, dvs. AT = −A, så b) Punkten (2, 4, 2) ska projiceras (ortogonalt) på linjen
har vi att L, där L är den linje som går igenom origo och ge-
nom punkten (0, 1, −1). Detta är ekvivalent med att
(Av)·v = v T AT v = v T (−A)v = −v T Av = −v·(Av) = −(Av)·v projicera punktens ortsvektor ~ r = (2, 4, 2)T på lin-
jens riktningvektor ~u = (0, 1, −1)T , och vi får
där vi använt att skalärprodukten är kommutativ, dvs. u · v =
r·~
~ u 0+4−2
v · u, i den sista likheten. proju~~ r= ~
u= 2 ~
u=~ u.
u||2
||~ 1 + (−1)2
Adderar vi (Av) · v till båda led i sambandet (Av) · v =
−(Av) · v får vi att 2(Av) · v = 0 och detta visar att vi har Ortsvektorn ~ r för punkten (2, 4, 2) projiceras alltså
att (Av) · v = 0 för alla vektorer v. ortsvektorn för punkten (0, 1, −1).
3. a) Övergångsmatrisen från basen W till basen V ges av b) Man kan enkelt konstatera att
inversen till T
4xi xj = [(xi + xj )2 − (xi − xj )2 ]
2 1
T −1 =
3 2
och att
b) Vi har 4Q(x) = [(x1 +x2n )2 −(x1 −x2n )2 ]+....+[(xn +xn+1 )2 −(xn −

2 1 2 1 2 −1
[f ]V = T −1 [f ]W T = Dvs efter en rotation med ansatsen y1 = x1 + x2n ,
3 2 2 −1 −3 2
... yn = xn + xn+1 , samt yn+1 = x1 − x2n , ...
6 1 2 −1 9 −4 y2n = xn − xn+1 , har vi att kvadratiska formen är
= = .
10 1 −3 2 17 −8 indefinit, då den skrivs som
n 2n
4. a) Kryssprodukten beräknas och vi får X X
4Q(y) = yi2 − yi2 .
 
−x2 i=1 i=n+1
L(x) = ~e3 × x =  x1 
0
6. a) Beteckna W0 = Col(Ak ) och W1 = Col(Ak+1 ).
Standardmatrisen ges då av hur L verkar på standard- Enligt antagande gäller W1 = W0 . Enligt definitio-
basen i rummet nen för bildrummet,
W1 = Col(Ak+1 ) = {Ak+1 ~ x ∈ Rn } = {A(Ak ~

     
0 −1 0 x, ~ x), x∈R
~
L(~e1 ) = 1 L(~e2 ) =  0  L(~e3 ) = 0
0 0 0 Eftersom W1 = W0 har vi
och därmed är dess matris {A~

y, y ∈ W0 } = W0 .
~ (5.1)
 
0 −1 0
1 0 0 Nu bestämmer vi Col(Ak+2 ):
0 0 0
Col(Ak+2 ) = {A(Ak+1 ~ x ∈ Rn } = {A~
x); ~ y ∈ W1 }
y; ~ =
W1 =W0
b) Avbildningen skickar alla vektorer till planet x3 = 0,
eftersom tredje komponenten i Lx är lika med noll. Alltså Col(Ak+2 ) = W0 = Col(Ak ).
Vektorer i planet x3 = 0 ges av (x1 , x2 , 0) som av-
bildas på (−x2 , x1 , 0) dvs (x1 , x2 ) avbildas på (−x2 , x1 ) På samma sätt
som tydligen är en rotation och vi kan skriva
Col(Ak+3 ) = {A(Ak+2 ~ x ∈ Rn } = {A~
x); ~ y ∈ Col(Ak+2 )}
y; ~
−x2 0 −1 x1 cos π/2 − sin π/2 x1
= =
x1 1 0 x2 sin π/2 cos π/2 x2
Om vi forsätter med samma resonemang får vi att
som är en rotation med 90◦ , dvs π/2.
Col(Ak+l ) = W0 = Col(Ak ), V.S.B
c)
 
−λ −1 0 b) Om Aj = 0 för något heltal j ≥ 1 då är Aj+k =
det  1 −λ 0  = λ(λ2 +1) = 0 ger λ = 0, Ak Aj = 0 för varje k = 0, 1, 2, .... Låt m vara minst
0 0 −λ av alla tal l sådana att Al = 0. Då är Am = 0 me-
dan Am−1 6= 0. Därför finns det en vektor ~v sådan
så L har bara ett egenvärde λ = 0. Det betyder att att Am−1~v 6= ~0. Vi ska visa att följande vektorer
motsvarande egenvektorer ges av de nollskilda vekto- ~v , A~v , A2~v , ..., Am−1~v är linjärt oberoende. Låt
rerna i ker(L). Matrisen till L har rang 2, som ger att
ker(L) har dimension 1. Vi kan konstatera att egen- c0~v + c1 A~v + · · · cm−1 Am−1~v = ~0 (5.2)
vektorer till L ges av α~e3 där α är en nollskild skalär.
5. a) Symmetriska matrisen ges av: Vi multiplicerar ovanstående relation från vänster med
Am−1 . Eftersom Al = 0 för l ≥ m får vi c0 Am−1~v =
0

0 0 ··· 0 1 ~0. Detta och Am−1~v 6= ~0 medför c0 = 0. Ekvatio-
2
0 0 0 ··· 1
0 nen (5.2) förenklas till
 2 
. .. .. .. .. 
.
c1 A~v + · · · cn−1 Am−1~v = ~0.

.
A= .
1
. . .
0 0 2
··· 0 0
1 Multiplikationen med Am−2 ger c1 = 0. Fortsättning
 
0
2
0 ··· 0 0
1 med samma resonemang ger c2 = 0, ..., cm−1 = 0,
2
0 0 ··· 0 0
som betyder att ~v , A~v , A2~v , ..., Am−1~v är m styc-
dvs A = (aij ), där aij = 1/2 för ken linjärt oberoende vektorer i ett n-dimensionellt
vektorrum. Därför m ≤ n. Slutligen An = Am An−m =
(i, j) = (2n, 1), (2n−1, 2), (2n−2, 3), · · · , (2, 2n−1), (1, 2n) 0 · An−m = 0 V.S.B.
5.29. 2017-03-13 3. a) För att hitta en icke-trivial linjär relation mellan vek-
torerna söker vi x, y och z så att x~ ~ = ~0.
u + y~v + z w
1. a) För att bestämma en parameterframställning för l1 behöver Vi kan förenkla räkningarna genom att inte ta med
vi en riktningsvektor och då kan vi välja vektorn från skalfaktorerna och söker en lösning till det homoge-
P till Q, dvs na linjära ekvationssystemet med totalmatris
       
−1 1 −1 − 1 −2 
1 1 2 0

~v = P Q = Q− ~ P ~ =  3 − 1  =  3 − 1  =  2  .  −1 2 1 0 
0 −2 0 − (−2) 2
 
 1 1 2 0 
2 1 3 0
Därmed kan vi skriva parameterframställnignen för l1
som P ~ + t~v , dvs
och med Gausselimination får vi
   
1 −2       
r1 − 31 r2

 1  + t 2 . 1 1 2 0 r1 1 1 2 0
 −1 2 1 0   r2 + r1   0 1
3 3 0   3 r2 
 
−2 2  1 1 2 0  ∼  r3 − r1  ∼  0 ∼
     
0 0 0  r4 + 31 r2 
För linjen l2 kan vi välja ~
u som riktningsvektor ef- 2 1 3 0 r4 − 2r1 0 −1 −1 0 r3
tersom den ska vara parallell med ~
u. Därmed blir pa-
~ + t~
rameterframställningen P u, dvs Vi ser nu att z är en fri variabel och för att hitta en
lösning kan vi sätta z = 1 och löser ut y = −1 och
x = −1 med hjälp av de två nollskilda raderna. För
   
1 1
 1  + t −1 . att få relationen behöver vi ta med skalfaktorerna igen
−2 1 och har då relationen (−1)·3~ u+(−1)·5~v +1·7w ~ = ~0
vilket också kan skrivas w ~ = 73 ~
u + 57 ~v .
b) Planet som innehåller båda linjerna måste ha en nor- b) Vi kan hitta den närmsta punkten genom att använda
malvektor som är vinkelrät mot både ~ u och ~v . Därför minsta-kvadratmetoden. Eftesom w ~ inte tillför någon
kan vi använda kryssprodukten för att beräkna normal- information räcker det att försöka skriva den givna
vektorn som blir vektorn som x·3~u+y·5~v och det ger det överbestämda
    
1 −2 (−1) · 2 − 1 · 2
  
−4 systemet
  med totalmatris
1
~
n=~ u×~v −1× 2  =  1 · (−2) − 1 · 2  = −4 = −4·1 .  
1 1 1
1 2 1 · 2 − (−1) · (−2) 0 0  −1 2 1 
 
Därmed kan planets ekvation skrivas som x + y = d  1 1 1 
för någon konstant P . För att bestämma d kan vi sätta 2 1 1
in P och får då d = 1 + 1 = 2 och planets ekvation är
x + y = 2. Vi kan lätt kotrollera räkningarna genom och minsta-kvadratmetoden säger att vi ska lösa AT A~ x=
att se att Q också ligger i planet och att ~
u är parallell AT ~b istället för A~
x = ~b. Detta ger ekvationssystemet
med planet. med totalmatris

2. a) Matrisen är inverterbar om och endast om det A(t) 6= 7 2 3
0. 2 7 5
t 1 10 − t t 1 10 som vi kan lösa med Gausselimination eller med Cra-

1 10
det A(t) = 1 0 −1 = 1 0 0 =− = −t,
mers regel som ger
1 10 + t
10 1 t 10 1 10 + t
3 2 7 3
det det
så A(t) är inverterbar om och endast om t 6= 0. (And- 5 7 11 2 5 29
ra likheten fås efter addition av första kolonn till tred- x= = och y = = .
7 2 45 7 2 45
je kolonn, och den tredje likheten fås efter utveckling det det
2 7 2 7
längs andra raden.)
b) Ett kvadratiskt homogent system M~ x = 0 har oändligt Därmed ges projektionen av den givna vektorn på del-
många lösningar om och endast om det M = 0, så det rummet av
givna systemet har enligt a) oändligt många lösningar      
1 1 40
om och endast om t = 0. I detta fall har systemet 11 −1 29 2 1 47
    
koefficientmatrisen + =
      45  1  45 1 45 40
0 1 10 0 1 10 1 0 −1 2 1 51
1 0 −1 ∼ 1 0 −1 ∼ 0 1 10  .
10 1 0 0 1 10 0 0 0 och avståndet till delrummet ges av längden av skill-
nadsvektorn
(Att den första och den andra matrisen ovan är rade-      
kvivalenta ses genom att subtrahera 10 gånger andra 1 40 5
raden från den tredje raden i den första matrisen.)
1
 − 1 47
 = 1 −2
 
1 45 40 45  5 
Följaktligen ges lösningarna av 1 51 −6
 
1 p √
x = s −10 ,
~ s ∈ R. som blir (5)2 + (−2)2 + 52 + (−6)2 /45 = 90/45 =
√
1 10/15.
4. Vi bestämmer avbildningens standardmatris Matrisen blir alltså:
   
| | 6 0 −3
[F ] =  F (e1 ) F (e2 )  −4 0 2 
| | 0 0 −4
där e1 = (1, 0) och e2 = (0, 1). Eftersom vi har att F (e1 ) = OBS: Använder man en annan bas i (a) så får man en
(0, 1) och F (e2 ) = (0, 0) så är annan matris i (c).

0 0 6. a) Låt Rk beteckna rad k i matrisen M . Då är
[F ] = .
1 0
Rk = k 2k 3k 4k 5k 6k 7k 8k 9k
a) Den karakteristiska ekvationen
=k 1 2 3 4 5 6 7 8 9 = kR1 .
−λ 0
= λ2 = 0

det [F ] − λI = Det följer att M är radekvivalent med 9 × 9 matrisen
1 −λ
1 2 3 4 5 6 7 8 9
 
har lösningen λ = 0, dvs. dubbelt egenvärde.
0 0 0 0 0 0 0 0 0
λ = 0 löser vi
För att bestämma egenrummet till A = .
 
. .
egenvektorekvationen [F ] − λI x = 0, dvs.  .. .. .. 
0 0 0 0 0 0 0 0 0
0 0 0 R2 1 0 0
∼ .
1 0 0 R1 0 0 0 så rang (M ) = rang (A) = 1.
Med x = (x1 , x2 ) fås x2 = t och x2 = 0, dvs. b) Låt E0 beteckna nollrummet till M . Enligt rangsatsen
x = t(0, 1) där t ∈ R. Egenrummet ges därmed är då
av span{(0, 1)}.
dim (E0 ) = 9 − rang (M ) = 9 − 1 = 8.
b) Matrisen [F ] är inte diagonaliserbar eftersom det skul-
le kräva två linjärt oberoende egenvektorer och vi har Eftersom M~ x = 0~ x om och endast om ~ x ∈ E0 ,
ett 1-dimensionellt egenrum. och E0 är icke-trivialt, är λ0 = 0 ett egenvärde med
egenrum E0 .
5. a) Vi konstruera först en bas {~
u, ~v } till V och komplet-
tera den sedan till en bas B till R3 . Eftersom V är

Betrakta nu produkten M~v , där ~v = 1 2 3 4 5 6 7 8
ett tvådimensionellt rum i R3 räcker det att välja två Elementet på rad k i M~v ges av
linjärt oberoende vektorer i V för att hitta en bas. Vi
1
kan välja
2
u = 1 0 −1
~ och ~v = 2 1 0 . 3
 
4
 
Det är också dessa vi kommer fram till om vi använder 
9 5 = k 12 + 22

Rk ~v = k 1 2 3 4 5 6 7 8
 
standardmetoden för att bestämma
en bas till nollrum- 6
 
met till matrisen 1 −2 1 . För w ~ kan vi ta vil-
7
 
ken vektor som helst som inte ligger i V , t. ex. w ~ = 8
T
1 0 0 . 9
b) Bildrummet är alltid ett delrum, så det räcker att se att
båda T (~
u) och T (~v ) ligger i V . Vi beräknar alltså: det vill säga M~v = 285~v , så ~v är en egenvektor till
    M med egenvärde λ1 = 285. Egenrummet E1 till
1 · 1 − 2 · 0 + 3 · (−1) −2 egenvärdet λ1 innehåller alla vektorer t~v , t ∈ R.
u) = 2 · 1 − 4 · 0 + 6 · (−1) = −4 = 6~
T (~ u−4~v Alltså är dim (E1 ) ≥ 1.
3 · 1 − 6 · 0 + 9 · (−1) −6 Det återstår att visa att det inte finns några andra egenvärden
och än 0 och 285. Egenvektorer hörande till olika egenvärden
    är linjärt oberoenden. Så om {~ u1 , ~ u8 } är en
u2 , . . . , ~
1·2−2·1+3·0 0 bas för E0 är {~ u1 , ~ u8 ,~v}, ~v ∈ E1 som ovan,
u2 , . . . , ~
T (~v ) = 2 · 2 − 4 · 1 + 6 · 0 = 0 .
 9 linjärt obereonde vektorer i R9 , och således en bas
3·2−6·1+9·0 0 för R9 . Det följer att det inte finns några ytterligare
egenvärden. Det följer också att dim (E1 ) = 1, så
Vi ser att båda bilderna ligger i V . egenvektorerna till egenvärdet λ1 = 285 är precis alla
c) För att beräkna matrisen behöver vi beräkna värdet av

vektorer på formen t~v , där ~v = 1 2 3 4 5 6 7 8 9
T på basvektorerna och trycka ut dem som linjärkombinationer
av basvektorerna igen. För ~u och ~v har vi precis gjort
det i deluppgift (b):
T (~ u−4~v +0w
u) = 6~ ~ och T (~v ) = 0~
u+0~v +0w.
~
För vektorn w
~ får vi:
 
1
~ = 2 = −3~
T (w) u + 2~v − 4w.
~
3
Del III.
Ordlistor
165
6. Engelsk-Svensk ordlista
adjugate matrix transponerad kofaktormatris kernel kärna, nollrum (av en matris)

angle vinkel least-squares method minstakvadratmetod
arbitrary godtycklig line linje
augmented matrix totalmatris linear linjär
axis axel lower triangular undertriangulär
base bas map avbildning
basis bas matrix matris
change of basis basbyte method of least squares minstakvadratmetod
characteristic polynomial karaktäristiskt polynom natural number naturligt tal
codomain kodomän, målmängd null space nollrum, kärna
coefficient koefficient nullity kärnans dimension
cofactor kofaktor one-to-one injektiv
column kolonn, kolumn orthogonal basis ortogonal bas
column space kolonnrum, kolumnrum orthonormal ortonormerad
component koordinat (av en vektor), del overdetermined överbestämd
composite sammansättning, sammansatt parabola parabel
composition sammansättning parallelogram parallellogram
cone kon parallelotope parallellotop
conjugate konjugera, konjugat parametric på parameterform
consistent lösbar (ekvationssystem), particular solution partikulärlösning
motsägelsefri perpendicular vinkelrät
constant konstant plane plan
constraint bivillkor polynomial polynom
coordinate koordinat position vector ortsvektor
cross product kryssprodukt power potens (av tal, matris m.m.)
cube kub quadratic kvadratisk
cuboid rätblock quadrilateral fyrhörning
degenerate (matrix) singulär, icke-inverterbar quotient kvot
diagonalization diagonalisering range bildrum
dilation sträckning rank rang
distance avstånd rank-nullity theorem dimensionssatsen
domain domän, definitionsmängd real numbers reella tal
dot product skalärprodukt, inre produkt reals reella tal
echelon form trapp(stegs)form rectangle rektangel
eigenspace egenrum reduced (row) echelon reducerad trapp(stegs)form
eigenvalue egenvärde form
eigenvector egenvektor reflection spegling
elementary matrix elementärmatris rotation vridning
elementary row/column elementär rad/kolonnoperation row echelon form trapp(stegs)form
operation row space radrum
entry (matris)element scalar skalär
Euclidean space euklidiskt rum scalar product skalärprodukt
finite ändlig set mängd
general allmän shear skjuva
homogeneous homogen similar matrix similär matris
hyperbola hyperbel skew-symmetric skevsymmetrisk
image bildrum (av en avbildning), bild solution lösning
infinite oändlig solution set lösningsmängd
inner product skalärprodukt, inre produkt span spänna upp, linjärt hölje
integer heltal square kvadrat
intersection skärning square matrix kvadratisk matris
isomorphic isomorf subspace delrum, underrum
isomorphism isomorfism system of equations ekvationssystem
167
system of linear equations linjärt ekvationssystem
trace spår
transition matrix överföringsmatris
translation förflyttning (avbildning),
översättning (språk)
transpose transponera
triangle triangel
underdetermined underbestämd
unique entydig
unit vector enhetsvektor
upper triangular övertriangulär
vector vektor
vector space vektorrum
identity matrix enhetsmatris
field (of numbers) kropp
7. Svensk-Engelsk ordlista
allmän general kryssproduct cross product

ändlig finite kub cube
avbildning map kvadrat square
avstånd distance kvadratisk quadratic (equation), square
axel axis (matrix)
bas base, basis kvot quotient
basbyte change of basis linjär linear
bildrum range, image linjärt ekvationssystem system of linear equations
bivillkor constraint linjärt hölje span, linear hull
definitionsmängd domain linje line
delrum subspace lösbar consistent (system of equations)
diagonalisering diagonalization lösning solution
dimensionssatsen rank-nullity theorem lösningsmängd solution set
domän domain målmängd codomain
egenrum eigenspace mängd set
egenvärde eigenvalue matris matrix (pl. matrices)
egenvektor eigenvector minstakvadratmetod method of least squares, least-
ekvationssystem system of equations squares method
element element (of a set), entry (of a naturligt tal natural number
matrix or vector) nollrum null space, kernel
elementär elementary row/column operation oändlig infinite
rad/kolonnoperation ortogonal bas orthogonal basis
elementärmatris elementary matrix ortonormerad orthonormal
injektiv (avbildning) injective, one-to-one ortsvektor position vector
enhetsvektor unit vector överbestämd overdetermined
entydig unique överföringsmatris transition matrix
euklidiskt rum Euclidean space övertriangulär upper triangular
förflyttning translation parabel parabola
fyrhörning quadrilateral parallellogram parallelogram
godtycklig arbitrary parallellotop parallelotope
heltal integer parameterform (på) parametric
homogen homogeneous partikulärlösning particular solution
hyperbel hyperbola plan plane
inre produkt dot product, scalar product, inner polynom polynomial
product potens power
isomorf isomorphic radrum row space
isomorfism isomorphism rang rank
karaktäristiskt polynom characteristic polynomial rätblock cuboid
kärna kernel, null space (of a matrix) reducerad trapp(stegs)form reduced (row) echelon form
kodomän codomain reella tal reals, real numbers
koefficient coefficient rektangel rectangle
kofaktor cofactor sammansatt composite
kolonn column sammansättning composite, composition
kolumn column similär matris similar matrix
kolonnrum column space skalär scalar
kolumnrum column space skalärprodukt dot product, scalar product, inner
kon cone product
konjugat conjugate skärning intersection
konjugera conjugate skevsymmetrisk skew-symmetric
konstant constant skjuva shear
koordinat coordinate, component (of a spänna upp span
vector) spår trace
spegling reflection
169
sträckning dilation
transponera transpose
trappform (row) echelon form
trappstegsform (row) echelon form
triangel triangle
underbestämd underdetermined
underrum subspace
undertriangulär lower triangular
singulär (matris) singular, degenerate
totalmatris augmented matrix
vektor vector
vektorrum vector space
vinkel angle
vinkelrät perpendicular
vridning rotation
enhetsmatris identity matrix
kropp (av tal) field

Kompendium

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Kompendium

Uploaded by

Copyright:

Available Formats

SF1624 Algebra och Geometri

Kompendium med övningsuppgifter och lösningsförslag

Institutionen för matematik, KTH

III. Ordlistor 165

7. Svensk-Engelsk ordlista 169

där a är en konstant.

(x, y, z) = (1, 1, 0) + t · (1, −1, 1) och (x, y, z) = (1, 0, 1) + t · (1, 0, −1).

a) Använd Gauss-Jordans metod för bestämma lösningsmängden till (∗).

där a är en konstant.

2. Två plan i rummet ges av ekvationerna 2x − 4y + 5z = 2 och 2x − y + 2z = 5.

a) Använd Gauss-Jordans metod för att bestämma lösningsmängden till ekvationssystemet.

a) Bestäm en lösning av systemet för vilken x = 0 och w = 1.

2. Betrakta de två vektorerna    

a) Bestäm den reducerade trappstegsformen till totalmatrisen för ekvationssystemet.

a) Bestäm en ekvation vars lösningsmängd är W .

i de tre obekanta x, y och z, där a är en reell konstant.

3. Speglingen i en linje genom origo i R2 med normalvektor n fås av

Bestäm standardmatrisen för speglingen i linjen y = 2x i R2 .

Avgör om vektorerna u, v och w utgör en bas för R3 .

i R4 är linjärt beroende. Skriv en av dem som en linjärkombination av de andra.

a) Bestäm matrisen A som hör till T .

2. Låt T : R3 −→ R3 vara den linjära avbildning som hör till matrisen

a) Bestäm en bas för nollrummet till T .

3. Låt T1 : R2 → R2 vara speglingen i linjen y = −x och låt T2 : R2 → R2 vara speglingen i x-axeln

a) Ge definitionen av vad som menas med ett delrum i R2 .

2. Betrakta de linjära avbildningarna S, T : R2 → R2 som ges av matriserna

a) Bestäm matrisprodukterna AB och BA.

3. Vi vet följande om en linjär avbildning T : R4 −→ R3 . En bas för nollrummet, ker(T ), ges av

och dessutom gäller att  

a) Bestäm en bas för bildrummet im(T ).

3. Låt W vara det delrum som spänns upp av vektorerna

a) Bestäm en bas för W .

a) Beskriv i ord vad T gör. (1 p)

svarar mot linjära ekvationssystem i fem obekanta x1 , x2 , x3 , x4 , x5 .

T (1, 2) = (3, 1, 4) och T (1, 1) = (2, 1, 3).

a) Bestäm standardmatrisen för avbildningen T . (3 p)

3. Vektorerna v = (1, 1, 0) och w = (0, −1, 1) spänner upp ett plan W i R3 .

5. a) Förklara varför matrisen  

a) Bestäm standardmatrisen för sammansättningen T ◦ T . (1 p)

för n ≥ 0 om vi numrerar fredagarna 0, 1, 2 . . . . (1 p)

9. För alla vektorer u, v och w i R3 gäller att

Bevisa detta genom att

där c är en konstant och x, y och z är de tre obekanta.

a) Bestäm alla vektorer i S som ligger i delrummet V . (2 p)

a) Bestäm egenvärden och tillhörande egenrum för avbildningen T . (3 p)

Förklara hur ingenjören kommit fram till detta. (2 p)

a) Bestäm en ortogonal bas för W . (2 p)

där a är en konstant.

2. Låt T : R3 → R3 vara den ortogonala projektionen på planet x − 3y − 5z = 0.

4. Låt W ⊆ R4 vara delrummet som ges av ekvationen

a) Bestäm en linjär avbildning T : R4 −→ R4 vars bildrum im(T ) är W . (3 p)

6. Låt T : R2 −→ R2 vara den linjära avbildning som ges av matrisen

och låt B vara basen som ges av vektorerna

a) Bestäm matrisen för avbildningen T med avseende på basen B. (2 p)

7. Låt W vara delrummet i R4 som spänns upp av de två vektorerna

a) Bestäm en bas för det ortogonala komplementet W ⊥ . (2 p)

som en summa ~x = ~u + ~v , där ~u ligger i W och ~v ligger i W ⊥ . (2 p)

2. a) Bestäm matrisen som representerar den linjära avbildningen T : R2 −→ R2 som uppfyller

3. Betrakta avbildningen T : R3 −→ R3 som ges av matrisen

a) Bestäm en bas för nollrummet, ker(T ). (2 p)

a) Bestäm en ortonormal bas för W . (2 p)

5. Låt T : R3 −→ R3 vara avbildningen som ges av matrisen

Det finns nollskilda vektorer ~u och ~v sådana att