Symmetrische matrices

Maat: px
Weergave met pagina beginnen:

Download "Symmetrische matrices"

Transcriptie

1 Symmetrische matrices We beginnen met een eenvoudige definitie : Definitie Een matrix A heet symmetrisch als A T = A NB Een symmetrische matrix is dus altijd vierkant Symmetrische matrices hebben fraaie eigenschappen De belangrijkste eigenschap van een symmetrische matrix is dat die altijd diagonaliseerbaar is We zullen dit in stappen laten zien We beginnen met : Stelling Als A een symmetrische matrix, dan zijn eigenvectoren van A behorende bij verschillende eigenwaarden orthogonaal Bewijs Stel dat Av = λ v en Av = λ v met λ λ Dan geldt : λ (v v = (λ v v = (λ v T v = (Av T v = v T A T v = v T Av = v T (λ v = v (λ v = λ (v v Dus : (λ λ (v v = Maar λ λ, dus : v v = en dat betekent dat v v Oftewel : v en v zijn orthogonaal We definiëren nu : Definitie Een matrix A heet orthogonaal diagonaliseerbaar als er een orthogonale matrix P en een diagonaalmatrix D bestaan zodat A = P DP = P DP T Een orthogonale matrix is een vierkante matrix met orthonormale kolommen (zie : Lay, 6 Voor een orthogonale matrix P geldt dus dat P T P = I en dat P vierkant is Dus : P is inverteerbaar en P = P T Nu geldt de volgende prachtige stelling : Stelling Een vierkante matrix A is orthogonaal diagonaliseerbaar dan en slechts dan als A symmetrisch is Deze stelling zegt dus dat elke symmetrische matrix niet alleen diagonaliseerbaar is, maar zelfs orthogonaal diagonaliseerbaar Bovendien is elke orthogonaal diagonaliseerbare matrix een symmetrische matrix Dat laatste is erg eenvoudig in te zien : Bewijs Als A orthogonaal diagonaliseerbaar is, dan geldt : A = P DP T voor zekere orthogonale matrix P en diagonaalmatrix D Maar dan geldt dus : A T = (P DP T T = (P T T D T P T = P D T P T = P DP T = A Dus : A T = A Oftewel : A is symmetrisch Het bewijs van het omgekeerde is lastiger In de vraagstukken 3 en 4 van van Lay hebben we al gezien dat een symmetrische matrix alleen reële eigenwaarden heeft In stelling

2 hebben we gezien dat eigenvectoren van een symmetrische matrix behorende bij verschillende eigenwaarden orthogonaal zijn Die eigenvectoren kunnen dus ook orthonormaal gekozen worden Als een eigenwaarde van een symmetrische matrix een meetkundige multipliciteit groter dan heeft, dan kunnen we met behulp van het proces van Gram-Schmidt eenvoudig een orthonormale basis van de bijbehorende eigenruimte construeren Het is echter niet zo eenvoudig om aan te tonen dat voor elke eigenwaarde de algebraïsche multipliciteit gelijk is aan de meetkundige multipliciteit Dat deel van het bewijs laten we achterwege Voorbeeld Stel A = ( 7 4, dan is A een symmetrische matrix Nu volgt : 7 λ 4 λ = λ λ + 4 = (λ 8(λ 3 De eigenwaarden van A zijn dus : λ = 8 en λ = 3 Verder volgt : ( ( ( λ = 8 : = E 4 8 = Span{ en λ = 3 : ( 4 ( ( = E 3 = Span{ Het is duidelijk dat E 8 E 3 Nu geldt dus (bijvoorbeeld : A = P DP T met P = ( en D = ( Voorbeeld Stel dat A = 4, dan is A een symmetrische matrix Nu volgt : λ 4 4 λ λ = λ λ 4 λ λ = ( λ 4 λ = ( λ 4 9 λ λ 4 λ = ( λ 9 λ 4 λ = ( λ(λ λ + = ( λ(λ (λ De eigenwaarden van A zijn dus : λ = met algebraïsche multipliciteit en λ = met algebraïsche multipliciteit Verder volgt : 4 λ = : 4 = E = Span{ } 8 } }

3 en λ = : = E = Span{, Ook nu is eenvoudig in te zien dat E E Met behulp van het orthogonaliseringsproces van Gram-Schmidt (eventueel kunnen we een orthogonale basis van E construeren : E = Span{, } met 4 4 Ten slotte vinden we dat : = 3, = en 4 = 8 = 3 Nu geldt dus (bijvoorbeeld : A = P DP T met D = diag(,, en /3 / /3 P = /3 / /3 /3 4/3 = } Spectraaldecompositie van een symmetrische matrix Een symmetrische (n n-matrix is orthogonaal diagonaliseerbaar Dit betekent dat er een orthonormale basis {u,, u n } van R n bestaat geheel bestaande uit eigenvectoren van A, zeg : Au i = λ i u i voor i =,,, n Dan geldt dus : A = P DP T met P = u u n en D = diag(λ,, λ n Dit kan ook geschreven worden in de vorm A = λ u u T + + λ n u n u T n Dit heet een spectraaldecompositie van de matrix A Merk op dat elke term in deze som een (n n-matrix is met rang, want elke kolom van λ i u i u T i is een veelvoud van u i Elke matrix u i u T i is een projectiematrix, want u i u T i x = (ut i xu i = (x u i u i is de (orthogonale projectie van x langs de vector u i Voorbeeld 3 In voorbeeld vonden we voor A = vonden we (bijvoorbeeld u = ( Nu geldt dus : A = λ u u T + λ u u T A = 8 ( ( ( 3 + oftewel ( 7 4 en u = ( ( = 8 ( 4 : λ = 8 en λ = 3 Verder + 3 ( 4 3

4 Het bewijs van de spectraaldecompositie volgt eenvoudig door uitschrijven : λ u T A = P DP T = u u n = λ u λ n u n u T λ n u T n = λ u u T + + λ n u n u T n u T n Kwadratische vormen Een aardige toepassing van symmetrische matrices treedt op bij kwadratische vormen : Definitie 3 Een kwadratische vorm op R n is een functie Q : R n R die voor elke x R n geschreven kan worden in de vorm Q(x = x T Ax met A een symmetrische (n n-matrix Deze symmetrische matrix A heet de matrix van de kwadratische vorm Q Enkele voorbeelden : ( 7 A = : Q 4 (x = x T Ax = ( ( ( 7 x x x = 7x 4 x + 4x x + 4x ( Q (x = x + x x + 3x = xt Ax met A = Dus : A is de matrix van de 3 kwadratische ( vorm Q Merk op, dat ook geldt : Q (x = x T Bx met (bijvoorbeeld B = Maar B is geen symmetrische matrix 3 3 Q 3 (x = x + x + 3x 3 + 4x x 8x x 3 6x x 3 = x T Ax met A = De coëfficiënten van de kwadraten komen op de hoofddiagonaal en de coëfficiënten van de zogenaamde kruisproducten worden netjes over twee plaatsen verdeeld zodat er een symmetrische matrix ontstaat Deze matrix is dus uniek en heet daarom de matrix van de kwadratische vorm Q 4 Q 4 (x = (x x +4(x +x 3 +(x 3x 3 Dan geldt : Q 4 (x = x 4x x +4x + 4x + 8x x 3 + 4x 3 + x x x 3 + 8x 3 = x + 6x + x 3 4x x + 8x x 3 x x 3 = 4 x T Ax met A = 6 6 Aan de eerste vorm zien we dat Q(x, omdat 4 6 het een som van kwadraten is met positieve coëfficiënten Verder zien we vrij gemakkelijk dat Q 4 (x = x = o Dus : Q 4 (x > voor alle x o We noemen zo n kwadratische vorm dan positief definiet of definiet positief Merk op, dat dit bij de laatste vorm niet zo evident is 4

5 We definiëren nu eerst : Definitie 4 Een kwadratische vorm Q heet positief definiet of definiet positief als Q(x > voor alle x o, negatief definiet of definiet negatief als Q(x < voor alle x o, 3 indefiniet als Q(x zowel positieve als negatieve waarden aanneemt Als slechts geldt dat Q(x voor alle x en Q(x = voor zekere x o, dan noemt men Q positief semidefiniet Als slechts geldt dat Q(x voor alle x en Q(x = voor zekere x o, dan noemt men Q negatief semidefiniet Enkele voorbeelden : Q (x = (x x (x + x 3 (x 4x 3 is negatief definiet Q (x = (x x (x + x 3 is negatief semidefiniet Immers, er geldt (bijvoorbeeld dat Q (x = voor x = o 3 Q 3 (x = (x +x (x x 3 is indefiniet Immers : Q 3 (x = > voor x = en Q 3 (x = < voor x = 4 Q 4 (x = x + 6x + x 3 + 4x x x x 3 is positief definiet, want : Q(x = (x + x + x + x 3 x x 3 = (x + x + (x 3x 3 + 4x 3 Stel nu Q(x = x T Ax met A een symmetrische matrix Dan is A orthogonaal diagonaliseerbaar, dat wil zeggen : A = P DP T voor zekere orthogonale matrix P en diagonaalmatrix D Stel nu x = P y, dan volgt : Q(x = x T Ax = (P y T AP y = y T P T AP y = y T Dy Omdat D een diagonaalmatrix is, D = diag(λ,, λ n, bevat de laatste uitdrukking géén kruisproducten : y T Dy = λ y + + λ n y n Hieraan is eenvoudig te zien of de kwadratische vorm Q positief definiet, negatief definiet of indefiniet is Er geldt :

6 Stelling 3 Als A een symmetrische matrix is en Q(x = x T Ax Dan geldt : Q is positief definiet dan en slechts dan als alle eigenwaarden van A positief zijn, Q is negatief definiet dan en slechts dan als alle eigenwaarden van A negatief zijn, 3 Q is indefiniet dan en slechts dan als A zowel positieve als negatieve eigenwaarden heeft Als er een eigenwaarde optreedt dan geldt : als alle andere eigenwaarden van A positief zijn, dan is Q positief semidefiniet en als alle andere eigenwaarden van A negatief zijn, dan is Q negatief semidefiniet Door de transformatie x = P y kunnen we de kwadratische vorm Q(x = x T Ax schrijven in de gedaante y T Dy zonder kruisproducten Dit noemt men het op hoofdassen brengen van de kwadratische vorm De kolommen van de matrix P worden wel de hoofdassen van de kwadratische vorm genoemd Deze terminologie wordt verklaard door de volgende voorbeelden : Beschouw de vergelijking x ( 4x x + x = 48 Dit kan geschreven worden in de vorm x T Ax = 48 met A = Dan volgt : Verder volgt : en λ λ = 7 : λ = 3 : ( ( λ = λ λ + = (λ 7(λ 3 ( ( = u = ( = u = ( De vergelijking is dus equivalent met 7y + 3y = 48 waarbij x = P y met P = u u = ( Dit leidt tot de ellips in figuur 3 op pagina 44 van Lay Beschouw de vergelijking ( x 8x x x = 6 Dit kan geschreven worden in de vorm 4 x T Ax = 6 met A = Dan volgt : 4 λ 4 4 λ = λ + 4λ = (λ + 7(λ 3 6

7 Verder volgt : en λ = 3 : λ = 7 : ( ( ( ( = u = ( = u = ( De vergelijking is dus equivalent met 3y 7y = 6 waarbij x = P y met P = u u = ( Dit leidt tot de hyperbool in figuur 3 op pagina 44 van Lay Voorbeeld 4 De kwadratische ( vorm Q(x = 7x + 4x x + 4x is positief definiet, want 7 Q(x = x T Ax met A = en in voorbeeld hebben we gezien dat A de eigenwaarden 4 λ = 8 en λ = 3 heeft Voorbeeld De kwadratische vorm Q(x = x + x + x 3 8x x 4x x 3 + 4x x 3 is 4 positief definiet, want Q(x = x T Ax met A = 4 en in voorbeeld hebben we gezien dat A de eigenwaarden λ = (eenmaal en λ = (tweemaal heeft Voorbeeld 6 De kwadratische vorm Q(x = x T Bx met B = Immers, Q(x = x T Ax met A = is indefiniet en A is symmetrisch Dus : A is de matrix van de kwadratische vorm Q (en dus niet B De eigenwaarden van A zijn λ =, λ = en λ 3 =, want : λ 3 3 λ 3 λ = λ + λ 3 λ 3 λ = ( + λ 3 λ = ( + λ 3 λ 3 4 λ 4 λ = ( + λ(λ 7λ + = (λ + (λ (λ De eigenwaarden van B zeggen dus blijkbaar niets over de kwadratische vorm Q 7

Voorwaardelijke optimalisatie

Voorwaardelijke optimalisatie Voorwaardelijke optimalisatie We zoek naar maximale minimale waard van e kwadratische vorm Q(x op R n onder bepaalde voorwaard Zo n voorwaarde is bijvoorbeeld dat x R n e eheidsvector is, dat wil zegg

Nadere informatie

Lineaire Algebra voor W 2Y650

Lineaire Algebra voor W 2Y650 Lineaire Algebra voor W 2Y650 Docent: L. Habets HG 8.09, Tel: 040-2474230, Email: l.c.g.j.m.habets@tue.nl http://www.win.tue.nl/wsk/onderwijs/2y650 1 Eigenwaarden en eigenvectoren Zij A een n n matrix.

Nadere informatie

Eigenwaarden en eigenvectoren

Eigenwaarden en eigenvectoren Eigwaard eigvector Als A e vierkante matrix is, dan heet e vector x e eigvector van A als Ax e veelvoud van x is : Definitie Stel dat A e (n n-matrix is E vector x R n met x o heet e eigvector van A als

Nadere informatie

Complexe eigenwaarden

Complexe eigenwaarden Complexe eigenwaarden Tot nu toe hebben we alleen reële getallen toegelaten als eigenwaarden van een matrix Het is echter vrij eenvoudig om de definitie uit te breiden tot de complexe getallen Een consequentie

Nadere informatie

CTB1002-D2 Lineaire Algebra 2

CTB1002-D2 Lineaire Algebra 2 CTB00-D Lineaire Algebra Juli 03 Augustus 03 Juli 0 Augustus 0 Juli 0 Augustus 0 Juli 00 Augustus 00 Tentamenbundel Civiele Techniek Het Gezelschap "Practische Studie" Technische Universiteit Delft Faculteit

Nadere informatie

Samenvatting Lineaire Algebra, periode 4

Samenvatting Lineaire Algebra, periode 4 Samenvatting Lineaire Algebra, periode 4 Hoofdstuk 5, Eigenwaarden en eigenvectoren 5.1; Eigenvectoren en eigenwaarden Definitie: Een eigenvector van een n x n matrix A is een niet nulvector x zodat Ax

Nadere informatie

Toepassingen op differentievergelijkingen

Toepassingen op differentievergelijkingen Toepassingen op differentievergelijkingen We beschouwen lineaire differentievergelijkingen of lineaire recurrente betrekkingen van de vorm a 0 y k+n + a y k+n + + a n y k+ + a n y k = z k, k = 0,,, Hierbij

Nadere informatie

UITWERKINGEN 1 2 C : 2 =

UITWERKINGEN 1 2 C : 2 = UITWERKINGEN. De punten A, B, C, D in R zijn gegeven door: A : 0, B : Zij V het vlak door de punten A, B, C. C : D : (a) ( pt) Bepaal het oppervlak van de driehoek met hoekpunten A, B, C. Oplossing: De

Nadere informatie

Lineaire Algebra voor ST

Lineaire Algebra voor ST Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.31 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds06 Technische Universiteit Eindhoven college 11 J.Keijsper

Nadere informatie

Aanvullingen bij Hoofdstuk 8

Aanvullingen bij Hoofdstuk 8 Aanvullingen bij Hoofdstuk 8 8.5 Definities voor matrices De begrippen eigenwaarde eigenvector eigenruimte karakteristieke veelterm en diagonaliseerbaar worden ook gebruikt voor vierkante matrices los

Nadere informatie

Toepassingen op discrete dynamische systemen

Toepassingen op discrete dynamische systemen Toepassingen op discrete dynamische systemen Een discreet dynamisch systeem is een proces van de vorm x k+ Ax k k met A een vierkante matrix Een Markov-proces is een speciaal geval van een discreet dynamisch

Nadere informatie

Bekijk nog een keer het stelsel van twee vergelijkingen met twee onbekenden x en y: { De tweede vergelijking van de eerste aftrekken geeft:

Bekijk nog een keer het stelsel van twee vergelijkingen met twee onbekenden x en y: { De tweede vergelijking van de eerste aftrekken geeft: Determinanten Invoeren van het begrip determinant Bekijk nog een keer het stelsel van twee vergelijkingen met twee onbekenden x en y: { a x + b y = c a 2 a 2 x + b 2 y = c 2 a Dit levert op: { a a 2 x

Nadere informatie

Kies voor i een willekeurige index tussen 1 en r. Neem het inproduct van v i met de relatie. We krijgen

Kies voor i een willekeurige index tussen 1 en r. Neem het inproduct van v i met de relatie. We krijgen Hoofdstuk 95 Orthogonaliteit 95. Orthonormale basis Definitie 95.. Een r-tal niet-triviale vectoren v,..., v r R n heet een orthogonaal stelsel als v i v j = 0 voor elk paar i, j met i j. Het stelsel heet

Nadere informatie

1 Eigenwaarden en eigenvectoren

1 Eigenwaarden en eigenvectoren Eigenwaarden en eigenvectoren Invoeren van de begrippen eigenwaarde en eigenvector DEFINITIE Een complex (of reëel getal λ heet een eigenwaarde van de n n matrix A als er een vector x is met Ax = λx Dan

Nadere informatie

Lineaire Algebra Een Samenvatting

Lineaire Algebra Een Samenvatting Lineaire Algebra Een Samenvatting Definitie: Een (reële) vectorruimte is een verzameling V voorzien van een additieve en multiplicatieve operatie, zodat (a) u V en v V u + v V, (1) u + v = v + u voor alle

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Lineaire Algebra voor ST (2DS06) op 16-4-2012, 14.30-17.00 uur.

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Lineaire Algebra voor ST (2DS06) op 16-4-2012, 14.30-17.00 uur. TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Lineaire Algebra voor ST (DS6) op 6--,.-7. uur. Aan dit tentamen gaat een MATLAB-toets van een half uur vooraf. Pas als de laptops

Nadere informatie

Meetkunde en lineaire algebra

Meetkunde en lineaire algebra Meetkunde en lineaire algebra Daan Pape Universiteit Gent 7 juni 2012 1 1 Möbius transformaties De mobiustransformatie wordt gegeven door: z az + b cz + d (1) Als we weten dat het drietal (x 1, x 2, x

Nadere informatie

Inwendig product, lengte en orthogonaliteit in R n

Inwendig product, lengte en orthogonaliteit in R n Inwendig product, lengte en orthogonaliteit in R n Het inwendig product kan eenvoudig worden gegeneraliseerd tot : u v u v Definitie Als u = u n en v = v n twee vectoren in Rn zijn, dan heet u v := u T

Nadere informatie

TENTAMEN LINEAIRE ALGEBRA 2 dinsdag 3 april 2007,

TENTAMEN LINEAIRE ALGEBRA 2 dinsdag 3 april 2007, TENTAMEN LINEAIRE ALGEBRA 2 dinsdag 3 april 2007, 000-300 Bij elke vraag dient een berekening of mo- Dit tentamen bestaat uit vijf opgaven tivering te worden opgeschreven Grafische en programmeerbare rekenmachines

Nadere informatie

Jordan normaalvorm. Hoofdstuk 7

Jordan normaalvorm. Hoofdstuk 7 Hoofdstuk 7 Jordan normaalvorm Zoals we zagen hangt de matrix die behoort bij een lineaire transformatie af van de keuze van een basis voor de ruimte In dit hoofdstuk buigen we ons over de vraag of er

Nadere informatie

Inwendig product, lengte en orthogonaliteit

Inwendig product, lengte en orthogonaliteit Inwendig product, lengte en orthogonaliteit We beginnen met een definitie : u u Definitie. Als u =. en v = u n v v. v n twee vectoren in Rn zijn, dan heet u v := u T v = u v + u v +... + u n v n het inwendig

Nadere informatie

Het orthogonaliseringsproces van Gram-Schmidt

Het orthogonaliseringsproces van Gram-Schmidt Het orthogonaliseringsproces an Gram-Schmidt Voor het berekenen an een orthogonale projectie an een ector y op een deelruimte W an R n is een orthogonale basis {u,, u p } zeer gewenst De orthogonale projectie

Nadere informatie

Eindtermen Lineaire Algebra voor E vor VKO (2DE01)

Eindtermen Lineaire Algebra voor E vor VKO (2DE01) Eindtermen Lineaire Algebra voor E vor VKO (2DE01) dr. G.R. Pellikaan 1 Voorkennis Middelbare school stof van wiskunde en natuurkunde. Eerste gedeelte (Blok A) van Lineaire Algebra voor E (2DE04). 2 Globale

Nadere informatie

Determinanten. , dan is det A =

Determinanten. , dan is det A = Determinanten We hebben al gezien : ( a b Definitie Als A c d, dan is det A a c b d ad bc Als A een ( -matrix is, dan geldt : A is inverteerbaar det A 0 Definitie Als A (a ij een (m n-matrix is, dan is

Nadere informatie

Hoofdstuk 9: Niet-lineaire differentiaalvergelijkingen en stabiliteit

Hoofdstuk 9: Niet-lineaire differentiaalvergelijkingen en stabiliteit Hoofdstuk 9: Niet-lineaire differentiaalvergelijkingen en stabiliteit Hoewel we reeds vele methoden gezien hebben om allerlei typen differentiaalvergelijkingen op te lossen, zijn er toch nog veel differentiaalvergelijkingen

Nadere informatie

Antwoorden op de theoretische vragen in de examen voorbereiding

Antwoorden op de theoretische vragen in de examen voorbereiding Antwoorden op de theoretische vragen in de examen voorbereiding Theorie vraag Zij A een m n-matrix. Geef het verband tussen de formule voor de dimensie d van een niet-strijdig stelsel, d = n rang (A) (zie

Nadere informatie

Lineaire Afbeelding Stelsels differentiaalvergelijkingen. 6 juni 2006

Lineaire Afbeelding Stelsels differentiaalvergelijkingen. 6 juni 2006 Lineaire Afbeelding Stelsels differentiaalvergelijkingen 6 juni 6 i ii Inhoudsopgave Stelsels differentiaalvergelijkingen Opgaven Stelsels differentiaalvergelijkingen In deze paragraaf passen we onze kennis

Nadere informatie

Praktische informatie. m.b.t. College. Lineaire Algebra en Beeldverwerking. Bachelor Informatica. 1e jaar. Voorjaar semester 2012

Praktische informatie. m.b.t. College. Lineaire Algebra en Beeldverwerking. Bachelor Informatica. 1e jaar. Voorjaar semester 2012 Praktische informatie m.b.t. College Lineaire Algebra en Beeldverwerking Bachelor Informatica 1e jaar Voorjaar semester 2012 Docenten: Jesse Goodman en Charlene Kalle Universiteit Leiden Praktische informatie

Nadere informatie

Het oplossen van stelsels lineaire vergelijkingen Wiskunde 2, 2DM60 College 2b

Het oplossen van stelsels lineaire vergelijkingen Wiskunde 2, 2DM60 College 2b Het oplossen van stelsels lineaire vergelijkingen Wiskunde 2, 2DM60 College 2b Ruud Pellikaan g.r.pellikaan@tue.nl /k 2014-2015 Lineaire vergelijking 2/64 DEFINITIE: Een lineaire vergelijking in de variabelen

Nadere informatie

4. Determinanten en eigenwaarden

4. Determinanten en eigenwaarden 4. Determinanten en eigenwaarden In dit hoofdstuk bestuderen we vierkante matrices. We kunnen zo n n n matrix opvatten als een lineaire transformatie van R n. We onderscheiden deze matrices in twee typen:

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Lineaire Algebra en Lineaire Analyse (Y550/Y530), op donderdag 5 november 00, 9:00 :00 uur. De uitwerkingen van de opgaven dienen

Nadere informatie

4 Positieve en niet-negatieve lineaire algebra

4 Positieve en niet-negatieve lineaire algebra 4 Positieve en niet-negatieve lineaire algebra Positieve en niet-negatieve matrices komen veel voor binnen de stochastiek (zoals de PageRank matrix) en de mathematische fysica: temperatuur, dichtheid,

Nadere informatie

Voorbeeld theorie examen

Voorbeeld theorie examen Vooreeld theorie examen Het schriftelijk examen over de theorie en de oefeningen heeft plaats op 27 juni van 8u3 t/m 13u. 1 uur en 3 minuten zijn voorzien voor het theorie examen. De vragen zijn gericht

Nadere informatie

Praktische informatie m.b.t. College Lineaire Algebra en Beeldverwerking Bachelor Informatica en Economie 2 e jaar Voorjaar semester 2013 Docent:

Praktische informatie m.b.t. College Lineaire Algebra en Beeldverwerking Bachelor Informatica en Economie 2 e jaar Voorjaar semester 2013 Docent: Praktische informatie m.b.t. College Lineaire Algebra en Beeldverwerking Bachelor Informatica en Economie 2 e jaar Voorjaar semester 2013 Docent: D.P. Huijsmans LIACS Universiteit Leiden College Lineaire

Nadere informatie

1 Stelsels lineaire vergelijkingen.

1 Stelsels lineaire vergelijkingen. Stelsels lineaire vergelijkingen Ter herinnering: in de tweede klas Havo/Atheneum leer je twee vergelijkingen met twee onbekenden oplossen Voorbeeld: { x + y = 5 x + y = 0 Twee keer de eerste vergelijking

Nadere informatie

Coëfficiënten matrix = matrix waarin de rechterkolom geen oplossing van de vergelijking is. 1. Lineair systeem = Stelsel van lineaire vergelijkingen

Coëfficiënten matrix = matrix waarin de rechterkolom geen oplossing van de vergelijking is. 1. Lineair systeem = Stelsel van lineaire vergelijkingen Hoofdstuk 1 Vectoren dik gedrukt, scalairen normaal en Matrices in hoofdletters Vector = een pijl in R n. Een vector heeft een grootte en een richting. Dit in tegenstelling tot een coördinaat, dat slechts

Nadere informatie

Matrixgroepen. SL n (K) = S GL n (K)

Matrixgroepen. SL n (K) = S GL n (K) B Matrixgroepen De lineaire algebra is niet alleen een theorie waar de functionaalanalyse op voort bouwt, omgekeerd hebben sommige resultaten uit de hoofdtext ook consequenties voor de lineaire algebra.

Nadere informatie

OPGAVEN LINEAIRE ALGEBRA 2

OPGAVEN LINEAIRE ALGEBRA 2 OPGAVEN BIJ HET COLLEGE LINEAIRE ALGEBRA 2 ******** RJKooman Universiteit Leiden najaar 2007 0 In de opgaven gebruiken we de notatie K voor het lichaam van scalairen van een vectorruimte In alle gevallen

Nadere informatie

Vectorruimten met inproduct

Vectorruimten met inproduct Hoofdstuk 3 Vectorruimten met inproduct 3. Inleiding In R 2 en R 3 hebben we behalve de optelling en scalairvermenigvuldiging nog meer structuur ; bij een vector kun je spreken over zijn lengte en bij

Nadere informatie

Technische Universiteit Delft. ANTWOORDEN van Tentamen Gewone differentiaalvergelijkingen, TW2030 Vrijdag 30 januari 2015,

Technische Universiteit Delft. ANTWOORDEN van Tentamen Gewone differentiaalvergelijkingen, TW2030 Vrijdag 30 januari 2015, Technische Universiteit Delft Faculteit EWI ANTWOORDEN van Tentamen Gewone differentiaalvergelijkingen, TW23 Vrijdag 3 januari 25, 4.-7. Dit tentamen bestaat uit 6 opgaven. Alle antwoorden dienen beargumenteerd

Nadere informatie

Lineaire Algebra voor ST

Lineaire Algebra voor ST Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.31 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds06 Technische Universiteit Eindhoven college 7 J.Keijsper

Nadere informatie

Matrixalgebra (het rekenen met matrices)

Matrixalgebra (het rekenen met matrices) Matrixalgebra (het rek met matrices Definitie A a a n a a n a m a mn is e (m n-matrix Hierbij is m het aantal rij van A n het aantal kolomm (m n noemt m de afmeting( van de matrix A We noter vaak kortweg

Nadere informatie

Bilineaire Vormen. Hoofdstuk 9

Bilineaire Vormen. Hoofdstuk 9 Hoofdstuk 9 Bilineaire Vormen In dit hoofdstuk beschouwen we bilineaire vormen op een vectorruimte V nader. Dat doen we onder andere om in het volgende hoofdstuk de begrippen afstand en lengte in een vectorruimte

Nadere informatie

De dimensie van een deelruimte

De dimensie van een deelruimte De dimensie van een deelruimte Een deelruimte van R n is een deelverzameling die op zichzelf ook een vectorruimte is. Ter herinnering : Definitie. Een deelverzameling H van R n heet een deelruimte van

Nadere informatie

Hoofdstuk 3 : Determinanten

Hoofdstuk 3 : Determinanten (A5D) Hoofdstuk 3 : Determinanten Les : Determinanten Definitie 3. De determinant van de [2 x 2]-matrix A = ( a c det(a) = ad bc. b ) is een getal met waarde d a b Notatie : det(a) = = ad bc c d Voorbeeld

Nadere informatie

Lineaire algebra voor ingenieurs

Lineaire algebra voor ingenieurs Lineaire algebra voor ingenieurs Guido Herweyers KHBO Campus Oostende Oostende, mei 006 Inleiding De ingenieursopleidingen aan de K.U.Leuven en de KHBO Campus Oostende gebruiken voor lineaire algebra het

Nadere informatie

Lineaire Algebra voor ST

Lineaire Algebra voor ST Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.31 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds06 Technische Universiteit Eindhoven college 1 J.Keijsper

Nadere informatie

Onderwerpskeuzes Lineaire Algebra en kwaliteitscriteria

Onderwerpskeuzes Lineaire Algebra en kwaliteitscriteria Onderwerpskeuzes Lineaire Algebra en kwaliteitscriteria Deliverable 3.5 J. Brandts, F. Beukers, H. Cuypers, H. de Graaf Inleiding In deze deliverable zullen we voor het domein van de lineaire algebra de

Nadere informatie

Principale Componenten Analyse:

Principale Componenten Analyse: Principale Componenten Analyse: Doelstellingen: dimensiereductie inzicht in de variabiliteit van de data dataexploratie PCA is een transformatie: van p oorspronkelijke variabelen naar p PC s ˆΣ Σ variantie

Nadere informatie

Vectormeetkunde in R 3

Vectormeetkunde in R 3 Vectormeetkunde in R Definitie. Een punt in R wordt gegeven door middel van drie coördinaten : P = (x, y, z). Een lijnstuk tussen twee punten P en Q voorzien van een richting noemen we een pijltje. Notatie

Nadere informatie

Differentiaalvergelijkingen Technische Universiteit Delft

Differentiaalvergelijkingen Technische Universiteit Delft Differentiaalvergelijkingen Technische Universiteit Delft Roelof Koekoek wi2030wbmt Roelof Koekoek (TU Delft Differentiaalvergelijkingen wi2030wbmt 1 / 14 Niet-lineaire diff. vgl. en stabiliteit Niet-lineaire

Nadere informatie

Lineaire Algebra voor ST

Lineaire Algebra voor ST Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.3 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds6 Technische Universiteit Eindhoven college 6 J.Keijsper (TUE)

Nadere informatie

Radboud Universiteit Nijmegen

Radboud Universiteit Nijmegen Radboud Universiteit Nijmegen Faculteit der Natuurwetenschappen, Wiskunde en Informatica Kubische grafen met integraal spectrum Naam: Studentnummer: Studie: Begeleider: Tweede lezer: Daan van Rozendaal

Nadere informatie

Oefeningen bij de Cursus Lineaire Algebra, Eerste Kandidatuur Informatica. Complexe Getallen en Veeltermvergelijkingen over R en C

Oefeningen bij de Cursus Lineaire Algebra, Eerste Kandidatuur Informatica. Complexe Getallen en Veeltermvergelijkingen over R en C Oefeningen bij de Cursus Lineaire Algebra, Eerste Kandidatuur Informatica Stefaan De Winter en Koen Thas Universiteit Gent, Vakgroep Zuivere Wiskunde en Computeralgebra Galglaan, Gent sgdwinte@cagerugacbe;

Nadere informatie

Elliptische krommen en hun topologische aspecten

Elliptische krommen en hun topologische aspecten Elliptische krommen en hun topologische aspecten René Pannekoek 25 januari 2011 Dit is een korte introductie tot elliptische krommen voor het bachelorseminarium van de Universiteit Leiden. De bespreking

Nadere informatie

HERTENTAMEN WISKUNDIGE BEELDVERWERKINGSTECHNIEKEN

HERTENTAMEN WISKUNDIGE BEELDVERWERKINGSTECHNIEKEN HERTENTAMEN WISKUNDIGE BEELDVERWERKINGSTECHNIEKEN Vakcode: 8D. Datum: Vrijdag juli 3. Tijd: 9.. uur. Plaats: AUD 5. Lees dit vóórdat je begint! Maak iedere opgave op een apart vel. Schrijf je naam en studentnummer

Nadere informatie

Stelsels differentiaalvergelijkingen

Stelsels differentiaalvergelijkingen Stelsels differentiaalvergelijkingen Stelsels homogene differentiaalvergelijkingen We bekijken in deze paragraaf stelsels homogene differentiaalvergelijkingen: x (t x (t x (t x (t x n(t A Voorbeeld x +

Nadere informatie

Lineaire Algebra (2DD12) Laatste nieuws in 2012

Lineaire Algebra (2DD12) Laatste nieuws in 2012 Lineaire Algebra (2DD12) Laatste nieuws in 2012 Kwartiel 3, week 1 Het eerste college zal op maandagmiddag 6 februari 2012 beginnen om 13:45 uur in Auditorium 8. Zie de desbetreffende pagina van OASE of

Nadere informatie

9.1 Vergelijkingen van lijnen[1]

9.1 Vergelijkingen van lijnen[1] 9.1 Vergelijkingen van lijnen[1] y = -4x + 8 is de vergelijking van een lijn. Hier wordt y uitgedrukt in x. Algemeen: Van de lijn y = ax + b is de richtingscoëfficiënt a en het snijpunt met de y-as (0,

Nadere informatie

3.2 Kritieke punten van functies van meerdere variabelen

3.2 Kritieke punten van functies van meerdere variabelen Wiskunde voor kunstmatige intelligentie, 007/008 Als in een kritiek punt x 0 ook de tweede afgeleide f (x 0 ) = 0 is, kunnen we nog steeds niet beslissen of de functie een minimum, maximum of een zadelpunt

Nadere informatie

Lineaire Algebra voor ST

Lineaire Algebra voor ST Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.31 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds6 Technische Universiteit Eindhoven college 2 J.Keijsper

Nadere informatie

x cos α y sin α . (1) x sin α + y cos α We kunnen dit iets anders opschrijven, namelijk als x x y sin α

x cos α y sin α . (1) x sin α + y cos α We kunnen dit iets anders opschrijven, namelijk als x x y sin α Lineaire afbeeldingen Rotatie in dimensie 2 Beschouw het platte vlak dat we identificeren met R 2 Kies een punt P in dit vlak met coördinaten (, y) Stel dat we het vlak roteren met de oorsprong (0, 0)

Nadere informatie

1. Lineaire Vergelijkingen in Lineaire Algebra 2. Matrix Algebra 3. Determinanten 4. Vectorruimten 5. Eigenwaarden en Eigenvec.

1. Lineaire Vergelijkingen in Lineaire Algebra 2. Matrix Algebra 3. Determinanten 4. Vectorruimten 5. Eigenwaarden en Eigenvec. LINEAIRE ALGEBRA Eric Jespers Vrije Universiteit Brussel Referentie: David C. Lay, Linear Algebra and Its Applications, Fourth edition, Pearson International Edition, 2012, ISBN: 9781408287859 verplicht

Nadere informatie

Lineaire Algebra (2DD12)

Lineaire Algebra (2DD12) Lineaire Algebra (2DD12) docent: Ruud Pellikaan - Judith Keijsper email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/ ruudp/2dd12.html Technische Universiteit Eindhoven college 1 J.Keijsper

Nadere informatie

Stelsels Vergelijkingen

Stelsels Vergelijkingen Hoofdstuk 5 Stelsels Vergelijkingen Eén van de motiverende toepassingen van de lineaire algebra is het bepalen van oplossingen van stelsels lineaire vergelijkingen. De belangrijkste techniek bestaat uit

Nadere informatie

WISKUNDE VOOR HET HOGER TECHNISCH OIMDERWUS LOTHAR PAPULA. deel 2. 2e druk ACADEMIC 5 E R V I C

WISKUNDE VOOR HET HOGER TECHNISCH OIMDERWUS LOTHAR PAPULA. deel 2. 2e druk ACADEMIC 5 E R V I C WISKUNDE VOOR HET HOGER TECHNISCH OIMDERWUS deel 2 LOTHAR PAPULA 2e druk > ACADEMIC 5 E R V I C Inhoud 1 Lineaire algebra 1 1.1 Vectoren I 1.2 Matrices 4 1.2.1 Een inleidend voorbeeld 4 1.2.2 Definitie

Nadere informatie

Lineaire afbeeldingen

Lineaire afbeeldingen Hoofdstuk 4 Lineaire afbeeldingen In de algebra spelen naast algebraïsche structuren zelf ook de afbeeldingen ertussen die (een deel van de structuur bewaren, een belangrijke rol Voor vectorruimten zijn

Nadere informatie

Tentamen (2DE04) van Lineaire Algebra voor E, op vrijdag 27 januari 2012, ( )

Tentamen (2DE04) van Lineaire Algebra voor E, op vrijdag 27 januari 2012, ( ) Faculteit der Wiskunde en Informatica Tentamen (2DE04) van Lineaire Algebra voor E, op vrijdag 27 januari 2012, (9.00-12.00) Zoals beschreven in de studiehandleiding 2DE04 bestaat dit tentamen uit drie

Nadere informatie

De n-dimensionale ruimte Arjen Stolk

De n-dimensionale ruimte Arjen Stolk De n-dimensionale ruimte Arjen Stolk In het vorige college hebben jullie gezien wat R 2 (het vlak) is. Een vector v R 2 is een paar v = (x,y) van reële getallen. Voor vectoren v = (a,b) en w = (c,d) in

Nadere informatie

Een korte beschrijving van de inhoud

Een korte beschrijving van de inhoud Een korte beschrijving van de inhoud Lineaire algebra maakt een betrekkelijk eenvoudige behandeling van de meetkunde in een vlak of de ruimte mogelijk. Omgekeerd illustreren meetkundige toepassingen op

Nadere informatie

De kleinste kwadratenmethode. Figuur: Probleem uit video 8.1 (Video)

De kleinste kwadratenmethode. Figuur: Probleem uit video 8.1 (Video) De kleinste kwadratenmethode Figuur: Probleem uit video 8.1 (Video) Laat A een m n matrix zijn en b een vector in R m. Veronderstel dat de matrixvergelijking A x = b geen oplossingen heeft omdat b / Col(A).

Nadere informatie

Voortgezette Lineaire Algebra. Prof. dr. J. van Mill Dr. F. van Schagen

Voortgezette Lineaire Algebra. Prof. dr. J. van Mill Dr. F. van Schagen Voortgezette Lineaire Algebra Prof. dr. J. van Mill Dr. F. van Schagen Inhoud Hoofdstuk I. Complexe vectorruimten en inwendige producten 5 I.1. Vectorruimten 5 I.2. Hermitische producten 8 I.3. Inwendig-productruimten

Nadere informatie

Lineaire Algebra voor ST

Lineaire Algebra voor ST Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.31 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds06 Technische Universiteit Eindhoven college 4 J.Keijsper

Nadere informatie

Coëfficiënten matrix = matrix waarin de rechterkolom geen oplossing van de vergelijking is. 1. Lineair systeem = Stelsel van lineaire vergelijkingen

Coëfficiënten matrix = matrix waarin de rechterkolom geen oplossing van de vergelijking is. 1. Lineair systeem = Stelsel van lineaire vergelijkingen Hoofdstuk 1 Vectoren dik gedrukt, scalairen normaal en Matrices in hoofdletters Vector = een pijl in R n. Een vector heeft een grootte en een richting. Dit in tegenstelling tot een coördinaat, dat slechts

Nadere informatie

x = b 1 x 1 , b = x n b m i,j=1,1 en een vector [x j] n j=1 m n a i,j x j j=1 i=1

x = b 1 x 1 , b = x n b m i,j=1,1 en een vector [x j] n j=1 m n a i,j x j j=1 i=1 WIS9 9 Matrixrekening 9 Vergelijkingen Stelsels lineaire vergelijkingen Een stelsel van m lineaire vergelijkingen in de n onbekenden x, x 2,, x n is een stelsel vergelijkingen van de vorm We kunnen dit

Nadere informatie

Kwantitatieve Economie / Faculteit Economie en Bedrijfskunde / Universiteit van Amsterdam. Schrijf je naam en studentnummer op alles dat je inlevert.

Kwantitatieve Economie / Faculteit Economie en Bedrijfskunde / Universiteit van Amsterdam. Schrijf je naam en studentnummer op alles dat je inlevert. Kwantitatieve Economie / Faculteit Economie en Bedrijfskunde / Universiteit van Amsterdam Tentamen Lineaire Algebra A (met uitwerking) Maandag juni 00, van 9:00 tot :00 (4 opgaven) Schrijf je naam en studentnummer

Nadere informatie

Meetkunde en Algebra Een korte beschrijving van de inhoud

Meetkunde en Algebra Een korte beschrijving van de inhoud Meetkunde en Algebra Een korte beschrijving van de inhoud Lineaire algebra maakt een betrekkelijk eenvoudige behandeling van de meetkunde in een vlak of de ruimte mogelijk. Omgekeerd illustreren meetkundige

Nadere informatie

2015-2016 Laatste nieuws 2DN60 Lineaire algebra en vectorcalculus

2015-2016 Laatste nieuws 2DN60 Lineaire algebra en vectorcalculus 2015-2016 Laatste nieuws 2DN60 Lineaire algebra en vectorcalculus Kwartiel 2, week 7.b Op het college op donderdagochtend 7 januari is behandeld: - hoek tussen vectoren en cosinus regel - driehoeksongelijkheid

Nadere informatie

2. Transformaties en matrices

2. Transformaties en matrices Transformaties en matrices Lineaire afbeelding Onder een lineaire afbeelding van R n naar R m verstaan we een functie A die aan iedere vector uit R n een vector uit R m toevoegt en van het volgende type

Nadere informatie

Inleiding Wiskundige Systeemtheorie

Inleiding Wiskundige Systeemtheorie Inleiding Wiskundige Systeemtheorie 156056 Docent : Anton Stoorvogel E-mail: A.A.Stoorvogel@utwente.nl 1/28 Elektrotechniek, Wiskunde en Informatica EWI x.k C 1/ D Ax.k/ C Bu.k/; y.k/ D Cx.k/ C Du.k/ We

Nadere informatie

Technische Universiteit Delft Uitwerking Tentamen Analyse 3, WI 2601 Maandag 11 januari 2010, 9.00-12.00

Technische Universiteit Delft Uitwerking Tentamen Analyse 3, WI 2601 Maandag 11 januari 2010, 9.00-12.00 Technische Universiteit Delft Uitwerking Tentamen Analyse 3, WI 6 Maandag januari, 9- Faculteit EWI Dit tentamen bestaat uit 6 opgaven Alle antwoorden dienen beargumenteerd te worden Normering: punten

Nadere informatie

Lineaire programmering

Lineaire programmering Lineaire programmering Hans Maassen kort naar Inleiding Besliskunde van J. Potters [Pot]. en Methods of Mathematical Economics van J. Franklin [Fra]. Lineaire programmering is het bepalen van het maximum

Nadere informatie

3 Wat is een stelsel lineaire vergelijkingen?

3 Wat is een stelsel lineaire vergelijkingen? In deze les bekijken we de situatie waarin er mogelijk meerdere vergelijkingen zijn ( stelsels ) en meerdere variabelen, maar waarin elke vergelijking er relatief eenvoudig uitziet, namelijk lineair is.

Nadere informatie

Tussentijdse Toets Wiskunde 2 1ste bachelor Biochemie & Biotechnologie, Chemie, Geografie, Geologie en Informatica april 2011

Tussentijdse Toets Wiskunde 2 1ste bachelor Biochemie & Biotechnologie, Chemie, Geografie, Geologie en Informatica april 2011 Tussentijdse Toets Wiskunde ste bachelor Biochemie & Biotechnologie, Chemie, Geografie, Geologie en Informatica april Deze toets is bedoeld om u vertrouwd te maken met de wijze van ondervraging op het

Nadere informatie

1 Vlaamse Wiskunde Olympiade : eerste ronde

1 Vlaamse Wiskunde Olympiade : eerste ronde 1 Vlaamse Wiskunde Olympiade 2005-2006: eerste ronde 1 11 3 11 = () 11 2 3 () 11 5 6 () 11 1 12 11 1 4 11 1 6 2 ls a en b twee verschillende reële getallen verschillend van 0 zijn en 1 x + 1 b = 1, dan

Nadere informatie

x(t + T ) = x(t) Voorbeeld 1. Beschouw het niet-lineaire autonome stelsel . (1) y x + y y(x 2 + y 2 )

x(t + T ) = x(t) Voorbeeld 1. Beschouw het niet-lineaire autonome stelsel . (1) y x + y y(x 2 + y 2 ) 97 Periodieke oplossingen en limit ccles We beschouwen weer autonome stelsels van de vorm x (t) = f(x(t)), waarbij het rechterlid dus niet expliciet van t afhangt We gaan onderzoeken wanneer er periodieke

Nadere informatie

Hints en antwoorden bij de vragen van de cursus Lineaire Algebra en Meetkunde

Hints en antwoorden bij de vragen van de cursus Lineaire Algebra en Meetkunde Hints en antwoorden bij de vragen van de cursus Lineaire Algebra en Meetkunde Ik heb de vragen die in de nota s staan en de vragen van de samenvattingen samengebracht in deze tekst en voorzien van hints

Nadere informatie

Wiskunde D vwo Lineaire algebra. Presentatie Noordhoff wiskunde Tweede Fase congres 19 november 2015 Harm Houwing en John Romkes

Wiskunde D vwo Lineaire algebra. Presentatie Noordhoff wiskunde Tweede Fase congres 19 november 2015 Harm Houwing en John Romkes Wiskunde D vwo Lineaire algebra Presentatie Noordhoff wiskunde Tweede Fase congres 9 november 205 Harm Houwing en John Romkes Vwo D Lineaire algebra Harm Houwing John Romkes Hoofdstuk 4 Onderwerpen Rekenen

Nadere informatie

Lineaire Algebra 2. Faculteit Wiskunde en Informatica Technische Universiteit Eindhoven

Lineaire Algebra 2. Faculteit Wiskunde en Informatica Technische Universiteit Eindhoven Lineaire Algebra 2 Faculteit Wiskunde en Informatica Technische Universiteit Eindhoven 2012-2013 ii Syllabus in wording bij Lineaire Algebra 2 (2WF30 Inhoudsopgave 1 Lineaire afbeeldingen 1 11 Lineaire

Nadere informatie

Vlakke meetkunde. Module 6. 6.1 Geijkte rechte. 6.1.1 Afstand tussen twee punten. 6.1.2 Midden van een lijnstuk

Vlakke meetkunde. Module 6. 6.1 Geijkte rechte. 6.1.1 Afstand tussen twee punten. 6.1.2 Midden van een lijnstuk Module 6 Vlakke meetkunde 6. Geijkte rechte Beschouw een rechte L en kies op deze rechte een punt o als oorsprong en een punt e als eenheidspunt. Indien men aan o en e respectievelijk de getallen 0 en

Nadere informatie

Pas op voor defectieve matrices

Pas op voor defectieve matrices Pas op voor defectieve matrices Bosch, A.J. Gepubliceerd: 01/01/1984 Document Version Uitgevers PDF, ook bekend als Version of Record Please check the document version of this publication: A submitted

Nadere informatie

Functies van vectoren

Functies van vectoren Functies van vectoren Alexander Ly Psychological Methods University of Amsterdam 15 September 2014 Overview 1 Notatie 2 Overview 1 Notatie 2 Matrices Een matrix schrijven we vaak met een hoofdletter A.

Nadere informatie

Analytische Meetkunde. Lieve Houwaer, Unit informatie, team wiskunde

Analytische Meetkunde. Lieve Houwaer, Unit informatie, team wiskunde Analytische Meetkunde Lieve Houwaer, Unit informatie, team wiskunde . VECTOREN EN RECHTEN.. Vectoren... Het vectorbegrip De verzameling punten van het vlak noteren we door π. Kies in het vlak π een vast

Nadere informatie

Module 10 Lineaire Algebra

Module 10 Lineaire Algebra L Vak 57.5 Les 36. Module Lineaire Algebra Afbeeldingen (vervolg (b)) In deze les worden de eigenwaarden en eigenvectoren van lineaire afbeeldingen behandeld. Inhoud van de leskern Basistransformatie *:;*

Nadere informatie

De inverse van een matrix

De inverse van een matrix De inverse van een matrix Laat A een n n matrix zijn. Veronderstel dat de matrixvergelijking A X = I n de oplossing X = C heeft. Merk op dat [ A I n ] rijoperaties [ I n C ] [ I n A] inverse rijoperaties

Nadere informatie

d τ (t) dt = 1 voor alle τ 0.

d τ (t) dt = 1 voor alle τ 0. 65 Impulfunctie In deze paragraaf kijken we naar verchijnelen waarbij in zeer korte tijd een (grote kracht op een yteem wordt uitgeoefend Zo n plotelinge kracht kunnen we bechrijven met behulp van een

Nadere informatie

Meetkunde met b2 4ac. Jaap Top

Meetkunde met b2 4ac. Jaap Top Meetkunde met b2 4ac Jaap Top JBI-RuG & DIAMANT j.top@rug.nl 9 januari 2016 (KWG wintersymposium, Utrecht) 1 Doel: meetkunde gebruiken om meer inzicht te krijgen in het oplossen van (veelterm)vergelijkingen.

Nadere informatie

EERSTE DEELTENTAMEN WISB 212 Analyse in Meer Variabelen

EERSTE DEELTENTAMEN WISB 212 Analyse in Meer Variabelen Dit tentamen is in elektronische vorm beschikbaar gemaakt door de TBC van A Eskwadraat. A Eskwadraat kan niet aansprakelijk worden gesteld voor de gevolgen van eventuele fouten in dit tentamen. EERSTE

Nadere informatie

Blokmatrices. , I 21 = ( 0 0 ) en I 22 = 1.

Blokmatrices. , I 21 = ( 0 0 ) en I 22 = 1. Blokmatrices Soms kan het handig zijn een matrix in zogenaamde blokken op te delen, vooral als sommige van deze blokken uit louter nullen bestaan Berekeningen kunnen hierdoor soms aanzienlijk worden vereenvoudigd

Nadere informatie