Linear Algebra Flashcards

(36 cards)

1
Q

Hvordan tager man prikprodukt af matricer?

A

Har man to matricer A og B, og prikker dem, altså AB, lægges B’s søjler over på A’s rækker.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Hvordan kan man finde ud af om man kan prikke to matricer, og derefter deres størrelse?

A

Tommelfingerregel er at stille de to matricer op
nxm prik mxp
m skal være ens

Prikproduktets størrelse vil så være en matrix nxp

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Hvordan tages prikproduktets af to vektorer?

A

Antag to 3x1 vektorer v og u. De har hver x,y,z. Altså v_x, v_y, osv.
v prikket på u er lig med:
v_x * u_x + v_y * u_y + v_z * u_z
Hvis prikproduktet er 0 er vektorerene vinkelrette på hinanden

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Kan man gange en matrix med en skalar og hvad sker der hvis man kan?

A

Ja det kan man godt, ligningen er:
c*A
Alle elementer i en matrix vil derefter få ganget c på sig.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Hvordan tager man krydsproduktet af to vektorer?

A

Hvordan tager man krydsproduktet af to vektorer?

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Hvad kan man bruge krydsprodukt af to vektorer til?

A

Til at finde en vektor som står vinkelret på de to krydsede vektorer.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Hvilke regler er der for invertibilitet for en matrix?

A

Determinant må ikke være 0,
Matricen skal være symmetrisk

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Hvordan kan en transformation påvirke en matrix?

A

En transformation af en matrix kan ændre størrelsen, formen, eller orienteringen af den oprindelige matrix.
For eksempel, en transformation af en matrix kan være at rotere den, spejle den, skalere den, eller transponere den.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Invertibilitets formel

A

Der er flere måder at invertere en matrix:
Rækkeoperationsmetoden:
AI=IA^-1
Determinantmetoden:
A^-1=1/(det(A))*A
Vær opmærksom på at ved determinantsmetoden kan A’s elementer ændre position og derefter fortegn.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Valide totalmatricer

A

Ax=b vil aldrig gå op hvis man finder ud af at der på én eller anden måde står at noget er lig med 0

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Baser

A

Generelt er baser vektorer som har et spænd. Hvis en vektor ligger i dette spænd kan vektoren beskrives med baserne.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Hvordan finder man ud af, at en matrix er ortogonal?

A

matrixen skal være en n x n, hvor matrixens søjler prikket med hinanden er lig med 0

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Hvad betyder det, at en vektor er i et plan eller linjes komplement?

A

At vektoren er vinkelret på plan eller linjen.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Hvordan projektere man en ortogonal projektion på en plan eller linje.

A

ŷ = (y.u1)/(u1.u1)u1+…+(y.un)/(un.un)un

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Hvad er et ortogonalt sæt?

A

Nogle vektorer som er ortogonale med hinanden. De giver dermed 0, når de prikkes sammen hver for sig.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Hvorfor bruges mindste kvadraters metode?

A

Til at finde det punkt på et plan eller rum som er tættest på en vektor. Man kan så også udregne længden fra det punkt op til vektoren.

17
Q

Hvordan udregnes den mindste kvadraters metode?

A

Der benyttes formlen A^TAx=A^T*b
Matrix A indeholder søjler som spænder et rum
b er en vektor.
Alt indsættes i formlen og den rækkereduceres, ud vil punktet komme.

18
Q

Hvad er en orthogonal basis?

A

En orthogonal basis, er vektorer som er vinkelrette på hinanden, og deres prikprodukt er 0. Med disse orthogonale baser kan man beskrive andre vektorer i basernes underrum.

19
Q

Hvad kaldes normaliserede orthogonale vektorer

A

Orthonormal - som har samme retning som den tidligere orthgonale vektor, men en normaliseret længde.

20
Q

Hvordan normalisere man et sæt af orthogonale vektorer.

A

Vektoren som man vil normalisere ganges med 1/længden af vektoren:
v1’=1/(||v1||)*v1

21
Q

Hvorfor ville man bruge Gram-Schmidt

A

Til at orthogonalisere et sæt vektorer. Man vælger én vektor som udgangspunkt og så projekteres de andre på den, og ud fra det skaber man et orthogonalt sæt af vektorer.

22
Q

Hvad kategorisere, at to vektorer er et orthonormale sæt?

A

Hvis de er to orthonogonal enhedsvektor.
Orthonogonal(Vinkelrette på hinanden og giver 0, hvis de prikkes sammen)

23
Q

Determinant - 3x3

A

For en 3×3 matrix (3 rækker and 3 søjler):
A = [a, b, c
d e f
g h i]

Beregnes determinanten ved:
|A| = a(ei − fh) − b(di − fg) + c(dh − eg)

24
Q

Determinant - 2x2 med egenværdier

A

for at finde determinanten på en 2x2 Matrix, giver vi den bogstaver for at forstå det nemmere, så den har a, b, c, og d. så ganger man a med d og b med c og efter minuser man det produkt. så har man det karakteristiske polynomium. efter det kan man finde diskriminanten, som er d=b^2-4ac.

25
Egenvektorer
en egenvektor indeholder lambda inde i vektoren. og for at få lambda in i en matrice, laver man A - lambda *I, som giver os lambda i diagonalen.
26
Hvad er en egenværdi?
En egenværdi er en skalar til en egenvektor. Egenværdien findes typisk ved (A-lamba*I)x=0
27
Hvordan findes der ud af om der er lineært afhængighed i en Matrix?
Lineært afhængighed findes ved at en Matrix rækkereduceres til reduceret trappeform. Hvis der ingen fri variabel er og der kun findes én triviel løsning er en matrix lineært uafhængig
28
Reduceret trappeform
alt undtaget pivoterne er 0´er
29
Gauss eliminitation
er en rækkeoperation for en matrice hvor man normalt får nuller under pivoerne
30
Diagonalisering
for at diagonalisere, skal følgende være gældende. det skal være en n x n matrix hvor der er hver n har har en Lineært uafhængige egenvektorer.
31
Bevægelse mellem baser
man kan gå fra basen x til [x]B med at gange basen x med T^-1 og for at komme tilbage igen kan man gange [x]B med T. hvis man skal gå fra x til s(x) ganger man med Ru(theta). hvis man skal gå fra [x]B til [s(x)]B ganger man med Rx(theta). og hvis man skal gå fra s(x) til [s(x)]B er det lige som fra x til [x]B.
31
Kvadratisk form - Positiv semidefinit
Q(x) >= 0 for alle x
32
Kvadratisk form - Positiv definit
Q(x) > 0 for alle x og x må ikke være 0
33
Kvadratisk form - Negativ definit
Q(x) < 0 for alle x og x må ikke være 0
34
Kvadratisk form - Negativ semidefinit
Q(x) <= 0 for alle x
35
Kvadratisk form - Indefinit
Q(x) indeholder både positive og negative værdier