1 Armin Halilovic: EXTRA ÖVNINGAR Gram-Schmidts metod GRAM-SCHMIDTS METOD Med hjälp av Gram-Schmidts metod kan vi omvandla n st linjäroberoende vektorer … i ett vektorrum till n st ortonormerade vektorer samma rummet dvs som satisfierar … span( ) = span ( … … som spänner upp ) Gram-Schmidts ortogonaliserings- / ortonormeringsmetod. Antag att … är linjärt oberoende vektorer. Först bildar vi en ortogonal bas … . Därefter normerar vi vektorerna … och får en ortonormerad bas ( … 1. = ( ∙ 1) 2. = − ( )= − 1 1 || 1 || 3. = − ( )− ( ) 1 ( ∙ ) ( ∙ 1 ) = − − 1 || || || 1 || ................... n. = − = − ( ( || ) − ⋯− ) ∙ || − ( ∙ 1 ) || 1 || 1 ( ): ) 1 Vi har fått en ortogonal bas … . Om vi delar varje basvektor med dess norm får vi en ortonormerad bas: = /|| ||, = 2 /|| 2 ||, …, Uppgift 1. Vi betraktar rummet Låt W= span( , , ) a) Bestäm en ortogonal bas för W b) Bestäm en ortonormerad bas för W då 1 2 = 0 , 0 1 1 1 = 0 , 0 1 0 1 = −1 , 0 2 Lösning: Vi använder Gram-Schmidts ortonormerings metod. = /|| || 2 Armin Halilovic: EXTRA ÖVNINGAR 1. = 2. = = 1 2 = 0 0 1 − ( )= 1/3 1 1 −1/3 1 2 2 0 0 −3 0 = 0 0 0 1/3 1 1 3. = = − = − Gram-Schmidts metod − ∙ || / / ∙ || = || ( )− − || − − ( ) ∙ || || − 1/3 0 1 −1/3 1 2 2 = −1 − 0 − 0 3 0 0 0 1/3 2 1 −1 0 = −1 0 1 Härmed har vi fått en ortogonal bas B=( Svar a) En ortogonal bas är B=( , , , , ) )=( 1/3 −1 1 −1/3 2 0 0 , −1 0 , 0 0 0 1/3 1 1 b) För att få en ortonormerad bas delar vi varje basvektor med dess norm. 1 1 2 1 = 1 = = 0 , 1 || 1 || || 1 || √6 0 1 1/3 1 1 1 −1/3 √3 −1 = = 0 = 0 2 3 || 2 || 1/3 0 0 1/3 1 ) 3 Armin Halilovic: EXTRA ÖVNINGAR Gram-Schmidts metod −1 0 1 1 = = −1 3 || 3 || √3 0 1 Svar b) En ortonormerad bas är ( , , )= ( √ 1 1 2 −1 √ 0 , 0 , 0 0 1 1 √ −1 0 −1 ) 0 1 Uppgift 2. ⎡1 2 4⎤ Låt A= ⎢⎢1 0 4⎥⎥ ⎢⎣1 1 4⎥⎦ a) Bestäm en bas för im(A) b) Bestäm en ortonormerad bas för im(A). Lösning: ⎡1⎤ im(A) = span( ⎢⎢1⎥⎥, ⎢⎣1⎥⎦ ⎡ 2⎤ ⎡ 4⎤ ⎢0 ⎥ , ⎢ 4⎥ ) ⎢ ⎥ ⎢ ⎥ ⎢⎣1 ⎥⎦ ⎢⎣4⎥⎦ Med hjälp av elementära radoperationer ⎡1 2 4⎤ ⎡1 2 4⎤ ⎡1 2 4⎤ ⎢1 0 4⎥ ~ ⎢0 0 0⎥ ~ ⎢0 1 0⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢⎣1 1 4⎥⎦ ⎢⎣0 − 1 0⎥⎦ ⎢⎣0 0 0⎥⎦ ser vi att matrisen har två oberoende kolonner och att sista kolonnvektor är beroende av de 2 första ( faktiskt parallell med första kolonn). Därför bildar första två kolonner en bas till im(A) . ⎡1⎤ ⎡2⎤ ⎡4⎤ ⎡1⎤ ⎡2⎤ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ im(A) = span( ⎢1⎥, ⎢0⎥, ⎢4⎥ ) = span( ⎢⎢1⎥⎥, ⎢⎢0⎥⎥ ) ⎢⎣1⎥⎦ ⎢⎣1 ⎥⎦ ⎢⎣4⎥⎦ ⎢⎣1⎥⎦ ⎢⎣1 ⎥⎦ Svar a) En bas B till im(A) består av vektorerna ⎡1⎤ ⎡ 2⎤ ⎢ ⎢0⎥ ⎥ = ⎢1⎥ och ⎢ ⎥ ⎢⎣1⎥⎦ ⎢⎣1 ⎥⎦ b) Vi ortonormerar basen B: ⎡1⎤ = = ⎢⎢1⎥⎥ , ⎢⎣1⎥⎦ ⎡ 2⎤ 3 = − ( )= ⎢⎢0⎥⎥ − 3 ⎢⎣1 ⎥⎦ ⎡1⎤ ⎡ 1 ⎤ ⎢1⎥ = ⎢− 1⎥ . ⎢⎥ ⎢ ⎥ ⎢⎣1⎥⎦ ⎢⎣ 0 ⎥⎦ 4 Armin Halilovic: EXTRA ÖVNINGAR Gram-Schmidts metod Vi har en ortogonal bas ( , ) Kvarstår att normera vektorerna och ⎡1⎤ 1 ⎢⎥ = = ⎢1⎥ , || 1 || 1 3 ⎢⎣1⎥⎦ = || 2 || 2 = ⎡1⎤ 1 ⎢ ⎥ −1 2⎢ ⎥ ⎢⎣ 0 ⎥⎦ ⎡1⎤ ⎡1⎤ 1 ⎢⎥ 1 ⎢ ⎥ Svar b) En ortonormerad bas till im(A) bildas av 1 och −1 . 3⎢ ⎥ 2⎢ ⎥ ⎢⎣1⎥⎦ ⎢⎣ 0 ⎥⎦ Uppgift 3. ⎡1 2 3 ⎤ Låt A= ⎢ ⎥ ⎣4 8 12⎦ a) Bestäm en bas för ker(A) b) Bestäm en ortonormerad bas för ker(A). Lösning: r r ker(A) är mängden av alla lösningar till Ax = 0 . ⎡ x⎤ r ⎢ ⎥ Låt x = ⎢ y ⎥ . ⎢⎣ z ⎥⎦ ⎡ x⎤ ⎡1 2 3 ⎤ ⎢ ⎥ ⎡0 ⎤ ⎧ x + 2 y + 3 z = 0 r r Ax = 0 ⇔ ⎢ ⎥⎢ y⎥ = ⎢ ⎥ ⇔ ⎨ ⎣4 8 12⎦ ⎢ z ⎥ ⎣0⎦ ⎩4 x + 8 y + 12 z = 0 ⎣ ⎦ ⎧ x + 2 y + 3z = 0 ⇔⎨ ⎩0 = 0 Två fria variabler y=s, z=t . En ledande variabel x= –2s–3t ⎡− 2s − 3t ⎤ ⎡− 2⎤ ⎡− 3⎤ r ⎢ ⎥ = s⎢ 1 ⎥ + t ⎢ 0 ⎥ x=⎢ s ⎥ ⎢ ⎥ ⎢ ⎥ ⎢⎣ ⎥⎦ ⎢⎣ 0 ⎥⎦ ⎢⎣ 1 ⎥⎦ t ⎡− 2⎤ ⎡− 3⎤ Svar a) En bas till ker(A) är B= ( ⎢⎢ 1 ⎥⎥, ⎢⎢ 0 ⎥⎥ ) ⎢⎣ 0 ⎥⎦ ⎢⎣ 1 ⎥⎦ Svar b) ( kontrollera själv) En ortonormerad bas till ker(A) är ⎡− 2 / 5 ⎤ ⎡ − 3 / 70 ⎤ ⎢ ⎥⎢ ⎥ C= ( ⎢ 1 / 5 ⎥, ⎢− 6 / 70 ⎥ ) ⎢ 0 ⎥ ⎢ 5 / 70 ⎥ ⎣ ⎦⎣ ⎦ 5 Armin Halilovic: EXTRA ÖVNINGAR Uppgift 4. Vi betraktar rummet Låt W= span( , , 1 1 2 1 = 0 , = 0 , 0 0 1 1 , ) där 0 1 = −1 , 0 2 Gram-Schmidts metod 0 2 = −2 0 4 1 2 Låt = 3 . 1 1 a) Bestäm ortogonala projektionen av vektorn på underrummet b) Låt avbildningen T vara ortogonala projektionen av vektorer i Bestäm matrisen som hör till avbildningen T. på W. Lösning: a) Först bestämmer vi i) en bas till W, ii) därefter en ortogonal bas till W, ii) och till slut använder vi projektionsformeln. 1 2 = 0 , 0 1 i) En bas till W består av vektorerna 1 1 = 0 , 0 1 0 1 = −1 0 2 (kolla med Gaussmetoden) ii) För att få en ortogonal bas använder vi Gram-Schmidts metod ( kolla upp 1) = = 1 2 = 0 0 1 − ( )= − ∙ || || = − 1/3 1 1 −1/3 1 2 = 0 − 23 0 = 0 0 0 0 1/3 1 1 Anmärkning: (En liten trick att undvika beräkning med bråk.) Vi kan faktiskt välja en ny basvektor 6 Armin Halilovic: EXTRA ÖVNINGAR =3 1/3 1 −1/3 −1 =3 0 = 0 0 ( som är också ortogonal mot − = − = − || 1 ( )− ∙ − || − ) 0 1/3 = Gram-Schmidts metod ( ) ∙ || || 1/3 0 1 −1 −1/3 1 2 0 2 0 − 0 = −1 = −1 − 3 0 0 0 0 1/3 2 1 1 iii) Nu använder vi projektionsformel. Lägg märke till att vi inte behöver enhetsvektorer i projektionsformeln. Det räcker (och det är enklare att räkna) med ortogonala vektorer . ( ) = = ∙ 1 1∙ 1 1 + ∙ 2 2∙ 2 2− =1 1 + 0 2 − 1 3 Uppgift 5. Vi betraktar rummet Låt W= span( , , 1 1 1 2 = 0 , = 0 , 1 0 0 1 = 1 ∙ 3 3∙ 3 2 2 1 , 0 0 ( ) + 2 ( ) + = ( ) 3 ) där 2 3 = 0, 1 1 Låt avbildningen T vara ortogonala projektionen av vektorer i Bestäm matrisen som hör till avbildningen T. Lösning: Låt 3 vara en godtyckligt vektor i . på W. 7 Armin Halilovic: EXTRA ÖVNINGAR Gram-Schmidts metod Vi bestämmer den ortogonala projektionen av på samma sätt som i föregående uppgift och därefter bestämmer avbildningens matris. 1 1 1 2 = 0 . i) En bas till W består av vektorerna = 0 , 1 0 0 1 (kolla med Gaussmetoden; tredje vektorn är faktiskt summan av första två) ii) För att få en ortogonal bas använder vi Gram-Schmidts metod ( kolla upp 1) 1 1 = 0 1 0 = = − ( )= ∙ − − = ∙ = 0 1 0 −1 1 En ortogonal bas till W är ( , ) iii) Nu använder vi projektionsformel. Lägg märke till att vi inte behöver enhetsvektorer i projektionsformeln. Det räcker (och det är enklare att räkna) med ortogonala vektorer . ( ) = = = 3 1 + + + +2 + 0 +2 − − + 2= 9 ⎡1 ⎢1 1⎢ = ⎢0 3⎢ ⎢1 ⎢⎣0 1 2 0 0 1 1 3 0 1 0⎤ 0 0 1 ⎥⎥ 0 0 0⎥ ⎥ 0 2 − 1⎥ 0 − 1 1 ⎥⎦ ⎡1 ⎢1 1⎢ Därmed är avbildningens matris A= ⎢0 3⎢ ⎢1 ⎢⎣0 1 2 0 0 1 ( ) + 1 1 0 + 1 0 2 3 0 1 0⎤ 0 0 1 ⎥⎥ 0 0 0 ⎥. ⎥ 0 2 − 1⎥ 0 − 1 1 ⎥⎦ ( ) 0 1 0 −1 1