Professional Documents
Culture Documents
Enoter 1-29
Enoter 1-29
Enoter 1-29
eNote 1
Komplekse tal
1.1 Indledning
x = 5 og x = 5,
x2 = k , k 2 R
skal vi passe mere på. Her afhænger alt nemlig af fortegnet på k . Hvis k 0, har
ligningen løsningerne p p
x = k og x = k,
eNote 1 1.2 KOMPLEKSE TAL INDFØRT SOM REELLE TALPAR 2
p p
idet k 2 = k og ( k ) 2 = k . Men hvis k < 0 , har ligningen ingen løsninger, da der
ikke findes reelle tal, hvis kvadrat er negativt.
Men kunne man forestille sig en større mængde af tal end de reelle; en mængde, der
indeholder alle de reelle tal, men derudover også en løsning til ligningen
x2 = 1. (1-1)
Lad det komme an på en prøve! Vi antager at (1-1) har en løsning og giver løsningen
symbolet i . Så må (1-1) i analogi med ovenstående ligninger også have løsningen i ,
og vi opnår de to bemærkelsesværdige identiteter
i2 = 1 og ( i)2 = 1.
Vi stiller nu det ekstra krav til det hypotetiske tal i , at man skal kunne regne med det
efter de samme regneregler, som gælder for de reelle tal. Man skal for eksempel kunne
gange i med et reelt tal b og lægge denne størrelse til et andet reelt tal a. Hermed opstår
et nyt slags tal z af typen
z = a + ib , ( a, b) 2 R2 .
Nedenfor beskriver vi, hvordan de nævnte ambitioner om en større talmængde kan
imødekommes. Vi ser på, hvordan strukturen af talmængden må være, og hvilke lovmæs-
sigheder den indeholder. Talmængden kalder vi de komplekse tal og giver den symbolet
C . Den må være to-dimensional i den forstand, at et komplekst tal indeholder to reelle
tal a og b. Og som noget helt afgørende viser det sig at alle ligninger på formen
n 1
an x n + an 1x + · · · + a1 x + a0 = 0
hvor a0 , . . . , an er vilkårlige rationale tal (de såkaldte algebraiske ligninger) har løsninger
inden for C .
p
Man ser ofte tallet i indført ved i = 1 . Da det ligger uden for rammerne
af denne eNote at give en præcis definition af kvadratroden af komplekse tal,
undgår vi i det følgende skrivemåder hvor der tages kvadratrod af andre tal
end reelle tal som er større end eller lig med 0.
z = a + ib , (1-2)
eNote 1 1.2 KOMPLEKSE TAL INDFØRT SOM REELLE TALPAR 3
hvor a og b er reelle tal, og i er det nye imaginære tal, der opfylder i2 = 1 . Denne form
er særdeles praktisk ved regning med komplekse tal og derfor den form, der oftest ses
i tekniske anvendelser. Men af teoretiske grunde kan vi ikke definere de komplekse
tal ud fra formen (1-2). For hvad betyder egentlig et produkt som ib , og hvad betyder
additionen a + ib ?
C = {( a, b) | a, b 2 R } (1-3)
Som symbol for et vilkårligt komplekst tal vil vi ofte bruge bogstavet z .
Eksempel 1.2
Først indfører vi regnearten addition for komplekse tal. Derefter subtraktion som en
særlig form for addition.
eNote 1 1.2 KOMPLEKSE TAL INDFØRT SOM REELLE TALPAR 4
z1 + z2 = ( a, b) + (c, d) = ( a + c, b + d) . (1-4)
Det komplekse tal (0, 0) er neutralt med hensyn til addition, idet der for ethvert kom-
plekst tal z = ( a, b) gælder:
z + (0, 0) = ( a, b) + (0, 0) = ( a + 0, b + 0) = ( a, b) = z .
Det er klart, at (0, 0) er det eneste komplekse tal, som er neutralt med hensyn til addi-
tion.
For ethvert komplekst tal findes et modsat tal, som adderet med z giver (0, 0). Det kom-
plekse tal z = ( a, b) har det modsatte tal ( a, b), idet
( a, b) + ( a, b) = ( a + ( a), b + ( b)) = ( a a, b b) = (0, 0) .
Det er klart, at ( a, b) er det eneste modsatte tal for z = ( a, b). Det entydigt bestemte
modsatte tal til et komplekst tal z betegnes z . Ved hjælp heraf kan subtraktion af
komplekse tal indføres som en særlig form for addition.
z1 z2 = (5 4, 2 ( 3)) = (1, 5) .
Mens addition (og subtraktion) af komplekse tal synes enkel og naturlig, virker multip-
likation (og division) af komplekse tal mere ejendommelig. Vi skal senere se, at alle fire
regningsarter har markante geometriske ækvivalenter i den såkaldte komplekse talplan,
som er den grafiske fremstilling af komplekse tal. Men i første omgang må vi blot tage
definitionerne for gode varer. Først giver vi definitionen på multiplikation. Derefter på
division som en særlig form for multiplikation.
Det komplekse tal (1, 0) er neutralt med hensyn til multiplikation, idet der for ethvert
komplekst tal z = ( a, b) gælder:
z · (1, 0) = ( a, b) · (1, 0) = ( a · 1 b · 0 , a · 0 + b · 1) = ( a, b) = z .
Det er klart, at (1, 0) er det eneste komplekse tal, som er neutralt med hensyn til multi-
plikation.
For ethvert komplekst tal z udover (0, 0) findes et unikt reciprokt tal, som ganget med
1
det z giver (1, 0). Det betegnes . Det komplekse tal z = ( a, b) har det reciprokke tal
z
✓ ◆
1 a b
= , , (1-8)
z a2 + b2 a2 + b2
idet
✓ ◆ ✓ ◆
a b a2 b2 ab ba
( a, b) · , = + , + 2 = (1, 0) .
a + b2
2 a + b2
2 a2 + b2 a2 + b2 2
a +b 2 a + b2
Opgave 1.9
Ved hjælp af reciprokke tal kan vi nu indføre division som en særlig form for multip-
likation.
z1 1
Kvotienten defineres som produktet af z1 og det reciprokke tal for z2 :
z2 z2
z1 1
= z1 · . (1-9)
z2 z2
Bevis
z1 + z2 = ( a + c, b + d) = (c + a, d + b) = z2 + z1 .
Ved det andet lighedstegn er der for både første- og andenkoordinat benyttet, at den kom-
mutative lov for addition gælder for de reelle tal. Dermed ses at den kommutative regel også
gælder for komplekse tal.
Da der til ethvert ordnet reelt talpar svarer et unikt punkt i ( x, y)-planen, og omvendt
til ethvert punkt i ( x, y)-planen svarer et unikt ordnet reelt talpar, kan C opfattes som
mængden af punkter i ( x, y)-planen. På figur 29.1 er vist seks punkter i ( x, y)-planen,
det vil sige seks komplekse tal.
(0,b) (a,b)
(0,1)
X
(0,0) (1,0) (a,0)
Først identificerer vi alle komplekse tal af typen ( a, 0), det vil sige de tal der ligger på
x-aksen, med de tilsvarende reelle tal a . Specielt skrives tallet (0, 0) som 0 og tallet
(1, 0) som 1 . Bemærk, at dette ikke fører til konflikt mellem de indførte regnearter for
komplekse tal og de sædvanlige for reelle tal, idet
( a, 0) + (b, 0) = ( a + b, 0 + 0) = ( a + b, 0)
og
( a, 0) · (b, 0) = ( a · b 0 · 0 , a · 0 + 0 · b) = ( ab, 0) .
Derved kan x-aksen opfattes som en almindelig reel talakse og betegnes realaksen. På
den måde kan de reelle tal ses som en delmængde af de komplekse. At y-aksen kaldes
imaginæraksen hænger sammen med de forunderlige egenskaber for det komplekse tal
i , som vi nu skal indføre og undersøge.
x2 = 1.
i2 = i · i = (0, 1) · (0, 1) = (0 · 0 1 · 1 , 0 · 1 + 1 · 0) = ( 1, 0) = 1.
z = a + i · b = a + ib . (1-11)
Bevis
Beviset består i simple omregninger, hvor den nye skrivemåde for tal af typen ( a, 0) indgår.
0 + z = z og 1z = z .
(0, b) = 0 + ib = ib ,
kan i forstås som y-aksens enhed, og man omtaler derfor i som den imaginære enhed.
Heraf kommer betegnelsen imaginæraksen for y-aksen.
På figur 29.2 ses en opdatering af situationen fra figur 29.1, hvor tallene betegnes ved
deres rektangulære form.
imaginæraksen
ib a+ib
realaksen
0 1 a
Figur 29.2 Seks komplekse tal på rektangulær form i den komplekse talplan
eNote 1 1.3 KOMPLEKSE TAL PÅ REKTANGULÆR FORM 11
Alle reelle tal er komplekse, men ikke alle komplekse tal er reelle!
I det følgende eksempel vises, hvordan multiplikation kan udføres ved sædvanlig reg-
ning med faktorernes rektangulære form.
Opgave 1.17
Bevis, at den følgende regel for reelle tal — den såkaldte nulregel — også gælder for kom-
plekse tal: "‘Et produkt af to tal er 0, hvis og kun hvis mindst én af faktorerne er 0 ."’
eNote 1 1.3 KOMPLEKSE TAL PÅ REKTANGULÆR FORM 12
1. z1 = z , z2 = z · z , z3 = z · z · z osv.
n 1
3. Endelig sættes z = .
zn
De vises nemt at de sædvanlige regneregler for heltals-potenser af reelle tal også
gælder for de komplekse:
zn zm = zn+m og (zn )m = zn m .
Vi afslutter dette afsnit med at indføre begreberne realdel og imaginærdel for komplekse
tal.
z = Re(z) + i Im(z) .
z1 = 3 2i , z2 = i5 , z3 = 25 + i .
Re(z1 ) = 3 , Im(z1 ) = 2
Re(z2 ) = 0 , Im(z2 ) = 5
Re(z3 ) = 25 , Im(z3 ) = 1
To komplekse tal på rektangulær form er ens, hvis og kun hvis såvel deres
realdele som deres imaginærdele er ens.
z=a ib . (1-14)
At konjugere et komplekst tal svarer til at det spejles i realaksen som vist på figur 29.3.
imaginæraksen
z=a+ib
v
realaksen
0 v
_
z=a ib
Figur 29.3 Spejling i realaksen
Det er indlysende, at det konjugerede tal til et konjugeret tal er det oprindelige tal selv:
z = z. (1-15)
Endvidere gælder følgende nyttige formel for produktet af et komplekst tal og dets
konjugerede tal:
z · z = | z |2 (1-16)
I den følgende metode vises en snild metode til omskrivning af en brøk med imaginær
nævner til rektangulær form, hvor vi udnytter at produktet af et tal z = a + ib og dets
konjugerede z = a ib altid bliver et reelt tal, jf. (1-16).
eNote 1 1.4 KONJUGERING AF KOMPLEKSE TAL 15
z z( a ib) z( a ib)
= = 2 .
a + ib ( a + ib)( a ib) a + b2
Et eksempel:
2 i (2 i)(1 i) 1 3i 1 3i 1 3
= = 2 2
= = i.
1+i (1 + i)(1 i) 1 +1 2 2 2
For konjugering i forbindelse med de fire sædvanlige regnearter gælder der følgende
meget simple regler.
1. z1 + z2 = z1 + z2
2. z1 z2 = z1 z2
3. z1 · z2 = z1 · z2
Bevis
Beviset gennemføres ved simple omformninger ud fra tallenes rektangulære form. Som
eksempel tager vi den første formel. Antag z1 = a1 + ib1 og z2 = a2 + ib2 . Så gælder:
⌅
eNote 1 1.5 POLÆRE KOORDINATER 16
Til sidst bemærker vi, at alle komplekse tal på realaksen er identiske med deres kon-
jugerede tal, og at de er de eneste komplekse tal, der opfylder denne egenskab. Vi kan
af den grund opstille et kriterium for, om et givet tal i en mængde af komplekse tal er
reelt:
AR = { z 2 A | z = z } .
Bevis
Lad z være et vilkårligt tal i A ✓ C med rektangulær form z = a + ib . Der gælder da:
z=z,a ib = a + ib , 2ib = 0 , b = 0 , z 2 AR .
I det følgende indfører på tilsvarende vis polære koordinater for komplekse tal. Lad os
først præcisere en orientering af den komplekse talplan.
eNote 1 1.5 POLÆRE KOORDINATER 17
Re
0
Ingredienserne i det komplekse tals polære koordinater er som nævnt dets afstand til
Origo, kaldet absolutværdien, og dets retningsvinkel, kaldet argumentet. Dem indfører vi
nu.
eNote 1 1.5 POLÆRE KOORDINATER 18
Antag z 6= 0 . Enhver vinkel fra realaksens positive del til stedvektoren for z kaldes
et argument for z og betegnes arg(z) . Vinklen regnes med fortegn i overensstem-
melse med orienteringen af den komplekse talplan.
Im
z
|z|
arg(z)
Re
0
Et sammenhørende par
| z | , arg(z)
af absolutværdien af z og et argument for z kaldes for tallets polære koordinater.
Bemærk, at argumentet for et tal z ikke er entydigt. Hvis man for eksempel
lægger vinklen 2p til et vilkårligt argument for z, opnår man igen en gyldig
retningsvinkel for z og dermed et nyt gyldigt argument. Et komplekst tal har
derfor uendeligt mange argumenter, der hver svarer til at dreje et antal ekstra
hele omgange med eller mod uret for igen at nå samme punkt.
Man kan altid vælge et argument for z, som ligger i intervallet fra p til p. Der er tradi-
tion for at give dette argument en fortrinsstilling. Det kaldes for tallets hovedargument.
eNote 1 1.5 POLÆRE KOORDINATER 19
arg(z) 2 ] p, p ] .
Vi betegner hovedargumentet med stort forbogstav Arg(z) til forskel fra arg(z),
der betegner et vilkårligt argument. Samtlige argumenter for et komplekst tal z
er da fastlagt ved
To komplekse tal er ens, hvis og kun hvis såvel deres absolutværdier som deres
hovedargumenter er ens.
Im
2+2i 2+2i
3
4
2 Re
_
4
_ 3
4
2 2i 2 2i
• 2 + 2i har hovedargumentet p
4 ,
• 2 2i har hovedargumentet p
4 ,
3p
• 2 + 2i har hovedargumentet 4 ,
3p
• 2 2i har hovedargumentet 4 , og
• 2 har hovedargumentet p .
Om det er mest fordelagtigt at benytte komplekse tals rektangulære form eller deres
polære koordinater, afhænger af situationen. Det er derfor vigtigt, at man hurtigt kan
veksle mellem dem. I metode 1.29 demonstreres det, hvordan man kan veksle mellem
de to former.
eNote 1 1.5 POLÆRE KOORDINATER 21
i|z|sin(v) z=a+ib
|z| b
i
v a
0 1 |z|cos(v)
3. Et argument fås ud fra den rektangulære form ved at finde en vinkel v der
opfylder begge disse ligninger:
a b
cos(v) = og sin(v) = . (1-20)
|z| |z|
Når z som på figuren i metode 1.29 er tegnet i første kvadrant, er det oplagt, at
reglerne (1-18) og (1-20) kommer fra velkendte formler for cosinus og sinus til
spidse vinkler i retvinklede trekanter og (1-19) fra Pythagoras’ sætning. Med
de samme formler kan det vises, at de indførte metoder gælder, uanset hvilken
kvadrant z ligger i.
eNote 1 1.5 POLÆRE KOORDINATER 22
p
Find de polære koordinater for tallet z = 3+i.
Im
z= 3 +i
|z|
v
Re
0
5p 5p
Da kun v = opfylder begge ligninger, ser vi, at Arg(z) = .
6 6
eNote 1 1.5 POLÆRE KOORDINATER 23
| z1 · z2 | = | z1 | · | z2 | . (1-21)
Følgesætning 1.32
Absolutværdien for kvotienten af to komplekse tal z1 og z2 , hvor z2 6= 0 , fås ved
z1 |z |
= 1 . (1-22)
z2 | z2 |
Absolutværdien af den n’te potens af et komplekst tal z fås for ethvert n 2 Z ved
| z1 n | = | z1 | n . (1-23)
Opgave 1.33
Nedskriv i ord, hvad formlerne (1-21), (1-22) og (1-23) siger, og bevis dem.
eNote 1 1.6 GEOMETRISK FORSTÅELSE AF DE FIRE REGNEARTER 24
Følgesætning 1.35
Givet to komplekse tal z1 6= 0 og z2 6= 0 , som begge er forskellige fra 0 . Der gælder:
Opgave 1.36
Den første præcise beskrivelse af de komplekse tal blev givet af den norske landmåler
Caspar Wessel i 1796 . Wessel indførte komplekse tal som linjestykker med givne længder
og retninger, altså det vi i dag kalder vektorer i planen. Regning med komplekse tal var
derfor geometriske operationer udført på vektorer. I det følgende gengiver vi ideen
i Wessels definitioner. Det er nemt at indse ækvivalensen mellem den algebraiske og
eNote 1 1.6 GEOMETRISK FORSTÅELSE AF DE FIRE REGNEARTER 25
z2=c+id
z1+z2=(a+c)+i( b+d)
i
0 1
z1=a+ib
Bevis
z1=a+ib
z1-z2=(a-c)+i(b-d)
z2=c+id
i
0 1
-z2=-c-id
Bevis
Første del af sætningen fremgår af sætning 1.31, mens anden del fremgår af sætning 1.34.
⌅
eNote 1 1.6 GEOMETRISK FORSTÅELSE AF DE FIRE REGNEARTER 27
1 p
To komplekse tal z1 og z2 er givet ved de polære koordinater 2, 4 henholdsvis 2, 2p
3 .
Im
2π
z2 3
11π
12
z1 π
z1 z2
4
1/2 1 2 Re
1
| z1 z2 | = | z1 | | z2 | = ·2 = 1
2
p 2p 11p
arg(z1 z2 ) = arg(z1 ) + arg(z2 ) = + = .
4 3 12
11p
Produktet z1 z2 er altså det komplekse tal, som har absolutværdien 1 og argumentet .
12
z1
u
z1
z2
z2 u-v
v
2 3 6 Re
z1
Derved kan bestemmes ved
z2
✓ ◆
z1 6 z1
= = 3 og arg =u v.
z2 2 z2
1. e0 = 1 ,
I dette afsnit vil vi indføre en særdeles nyttig udvidelse af den reelle eksponentialfunk-
tion til en kompleks eksponentialfunktion, der viser sig at opfylde de samme regnere-
gler som den reelle.
eNote 1 1.7 DEN KOMPLEKSE EKSPONENTIALFUNKTION 29
Vi betragter nu det komplekse tal ez , hvor z er et vilkårligt komplekst tal med rektan-
gulær form z = x + iy . Der gælder da (ved brug af sætning 1.31), at
|ez | = |ex (cos(y) + i sin(y))| = |ex | |(cos(y) + i sin(y))| = |ex | = ex . (1-26)
Endvidere gælder (ved brug af sætning 1.34), at
arg (ez ) = arg (ex ) + arg (cos(y) + i sin(y)) = 0 + y = y . (1-27)
ez
ex
y
0
Re
For de trigonometriske funktioner cos( x ) og sin( x ) vides, at der for ethvert helt tal p
gælder cos( x + p2p ) = cos( x ) og sin( x + p2p ) = sin( x ) . Hvis man forskyder grafen
for cos( x ) eller sin( x ) med et vilkårligt multiplum af 2p , vil den gå over i sig selv igen.
Funktionerne kaldes derfor periodiske med perioden 2p .
Et lignende fænomen kan ses ved den komplekse eksponentialfunktion. Den har den
imaginære periode i 2p . Dette hænger i høj grad sammen med periodiciteten af de
trigonometriske funktioner, hvilket kan ses i beviset for den følgende sætning.
ez+ip2p = ez . (1-28)
Bevis
Der gælder:
1. e0 = 1
Bevis
ez1 · ez2 = ( e x1 , y 1 ) · ( e x2 , y 2 ) = (e x1 · e x1 , y 1 + y 2 ) = (e x1 + x2 , y 1 + y 2 )
= e(x1 +x2 )+i(y1 +y2 ) = e(x1 +iy1 )+(x2 +iy2 )
= ez1 + z2 .
sætning 1.38:
Opgave 1.45
Lad v være et vilkårligt reelt tal. Indsættes det rent imaginære tal iv i den komplekse
eksponentialfunktion, fås af definition 1.41:
eiv isin(v)
v
Re
cos(v) 0 1
De to mest brugte skrivemåder for komplekse tal i både teoretisk og anvendt matematik
er den rektangulære form (som flittigt benyttet ovenfor) og den eksponentielle form. I den
eksponentielle form optræder tallets polære koordinater (absolutværdi og argument) i
forbindelse med den komplekse eksponentialfunktion:
Bevis
Lad v være et argument for det komplekse tal z 6= 0 , og sæt r = |z| . Vi viser, at tallet reiv har
samme absolutværdi og argument som z , hvormed de to tal er ens:
1.
reiv = |r | eiv = r .
1 pi 3p
z1 = e 4 og z2 = 2 e 2 i .
2
Produktet af tallene fås på eksponentiel form ved
1 pi 3p 1 3p 3p 7p
2 i = ( · 2)e 4 i+ 2 i = 1ei( 4 + 2 ) = e 4 i .
p p
z1 z2 = e4 2e
2 2
eNote 1 1.8 KOMPLEKSE TALS EKSPONENTIELLE FORM 35
Opgave 1.50
I det følgende vil vi vise hvordan, såkaldte binome ligninger kan løses ved hjælp af ek-
sponentiel form. En binom ligning er en toleddet ligning på formen
zn = w , (1-33)
Vi viser først et eksempel på løsning af en binom ligning ved hjælp af eksponentiel form
og opstiller derefter den generelle metode.
Hvis z har den eksponentielle form z = seiu , kan ligningens venstreside udregnes ved
Vi indsætter nu (1-35) og (1-36) i (1-34) for at erstatte højre- og venstresiden med de ekspo-
nentielle former
2p
s4 ei4u = 16e 3 i .
Da ventresidens absolutværdi skal være lig højresidens, får vi
p
s4 = 16 , s = 16 = 2 .
4
Den givne ligning (1-34) har derfor netop fire løsninger, som ligger på de nævnte fire halvlin-
jer i afstanden s = 2 fra 0 . Angivet på eksponentiel form:
z = 2 ei( 6 + p 2 ) , p = 0 , 1 , 2 , 3 .
p p
Eller omregnet hver for sig til rektangulær form ved brug af Eulers formel (1-30):
p p p p
z0 = 3 + i , z1 = 1 + i 3 , z2 = 3 i , z3 = 1 i 3 .
Alle løsningerne for en binom ligning ligger på en cirkel med centrum i 0 og radius lig
med højresidens absolutværdi. Forbindelseslinjerne mellem Origo og løsningerne deler
cirklen i lige store vinkler. Dette eksemplificeres på figur 29.15, der viser løsningerne på
fjerdegradsligningen fra eksempel 1.51.
eNote 1 1.8 KOMPLEKSE TALS EKSPONENTIELLE FORM 37
Im
z1
z0
2
Re
0 2
z2
z3
p
Figur 29.15 De fire løsningerne for z4 = 8 + 8 3i
w = |w| eiv .
Lad r være et vilkårligt positivt reelt tal. Vis ved hjælp af sætning 1.52, at den binome an-
dengradsligning
z2 = r
har de to løsninger p p
z0 = i r og z1 = i r.
eNote 1 1.9 FØRSTE OG ANDENGRADSLIGNINGER 38
Ligningen
(1 i) z = (5 + 2i)
har løsningen
5 + 2i (5 + 2i)(1 + i) 3 + 7i 3 7
z= = = = + i.
1 i (1 i)(1 + i) 2 2 2
Også ved løsning af komplekse andengradsligninger benytter vi en formel, der svarer til
den velkendte løsningsformel for reelle andengradsligninger. Dette gives i følgende
sætning, der bevises i eNote 2 om polynomier.
az2 + bz + c = 0 (1-39)
har to løsninger
b w0 b + w0
z0 = og z1 = , (1-40)
2a 2a
hvor w0 er en løsning til den binome andengradsligning w2 = D .
b
Hvis specielt D = 0 , gælder der, at z0 = z1 = .
2a
eNote 1 1.10 KOMPLEKSE FUNKTIONER AF EN REEL VARIABEL 39
f : t 7! ect , t 2 R , (1-41)
hvor c er et givet komplekst tal. Denne type funktioner har vid udbredelse i såvel teo-
retisk som anvendt matematik. Et hovedformål med dette afsnit er at beskrive dem
nærmere. De er eksempler på de såkaldte komplekse funktioner af en reel variabel. Vores
undersøgelse starter bredt med denne større klasse af funktioner. Vi viser blandt andet,
hvordan begreber som differentiabilitet og differentialkvotient kan overføres til dem.
Derefter går vi i dybden med funktionstypen (1-41).
Når vi i det følgende skal indføre differentiabilitet for komplekse funktioner af en reel
variabel, får vi brug for en speciel type af dem, nemlig de såkaldte epsilonfunktioner. I
lighed med reelle epsilonfunktioner er det hjælpefunktioner, hvis funktionsudtryk man
som regel ikke er interesseret i. De to afgørende egenskaber for en reel epsilonfunktion
e : R 7! R er, at den opfylder e(0) = 0 , og at e(t) ! 0 når t ! 0 . De komplekse
epsilonfunktion indføres på tilsvarende vis.
1. e(0) = 0, og
2. |e(t)| ! 0 for t ! 0 .
| e(t t0 ) | ! 0 for t ! t0 .
Funktionen
t 7! i sin(t) , t 2 R
er en epsilonfunktion. Det ses, da krav 1 i definition 1.57 er opfyldt ved
i sin(0) = i · 0 = 0
og krav to ved
|i sin(t)| = |i| |sin(t)| = |sin(t)| ! 0 for t ! 0 .
Også funktionen
t 7! t + it , t 2 R
er en epsilonfunktion, idet
0+i·0 = 0
og p p
|t + it| = t2 + t2 = 2 |t| ! 0 for t ! 0 .
f ( t ) = f ( t0 ) + c ( t t0 ) + e ( t t0 )(t t0 ) , t 2 R . (1-43)
Differentiabilitet for en kompleks funktion af en reel variabel hænger nøje sammen med
differentiabiliteten for de to reelle dele af dens rektangulære form. Det viser vi nu.
eNote 1 1.10 KOMPLEKSE FUNKTIONER AF EN REEL VARIABEL 42
Sætning 1.60
For en funktion f : R 7! C med rektangulær form f (t) = g(t) + ih(t) og et kom-
plekst tal c med rektangulær form c = a + ib gælder:
f er differentiabel i t0 2 R med
f 0 ( t0 ) = c ,
hvis og kun hvis g og h er differentiable i t0 med
g0 (t0 ) = a og h0 (t0 ) = b .
Bevis
g(t) + ih(t) =
g(t0 ) + ih(t0 ) + a(t t0 ) + ib(t t0 ) + Re(e(t t0 )(t t0 )) + iIm(e(t t0 )(t t0 )) =
( g ( t0 ) + a ( t t0 ) + Re(e(t t0 ))(t t0 )) + i(h(t0 ) + b(t t0 ) + Im(e(t t0 ))(t t0 )) .
Heraf fås
⌅
eNote 1 1.10 KOMPLEKSE FUNKTIONER AF EN REEL VARIABEL 43
Ved udtrykket
f (t) = t + it2
er der defineret en funktion f : R 7! C . Da realdelen af f har den afledede funktion 1 og
imaginærdelen af f den afledede 2t , får vi af sætning 1.60:
f 0 (t) = 1 + i2t , t 2 R .
Bevis
Vi får da fra sætning 1.60 og ved brug af regneregler for differentialkvotienter af reelle funk-
tioner:
( f 1 + f 2 ) 0 ( t ) = ( g1 + g2 ) 0 ( t ) + i ( h 1 + h 2 ) 0 ( t )
= g10 (t) + g20 (t) + i h10 (t) + h20 (t)
= g10 (t) + i h10 (t) + g20 (t) + i h20 (t)
= f 10 (t) + f 20 (t) .
Vi får fra sætning 1.60 og ved brug af regneregler for differentialkvotienter af reelle funk-
tioner:
( c · f 1 ) 0 ( t ) = ( a g1 b h 1 ) 0 ( t ) + i ( a h 1 + b g1 ) 0 ( t )
= a g10 (t) b h10 (t) + i a h10 (t) + b g10 (t)
= ( a + ib) g10 (t) + i h10 (t)
= c · f 10 (t) .
Opgave 1.64
Vi vender nu tilbage til funktioner af typen (1-41). Først giver vi et nyttigt resultat om
deres konjugering.
Sætning 1.65
For et vilkårligt komplekst tal c og ethvert reelt tal t gælder:
ect = ec t . (1-47)
eNote 1 1.10 KOMPLEKSE FUNKTIONER AF EN REEL VARIABEL 46
Bevis
Lad c = a + ib være den rektangulære form af c . Vi får da ved brug af definition 1.41 og
regnereglerne for konjugering i sætning 1.23:
ect = eat+ibt
= e at (cos(bt) + i sin(bt))
= e at (cos(bt) + i sin(bt))
= e at (cos(bt) i sin(bt))
at
= e (cos( bt) + i sin( bt))
ibt
= e at
= ect .
f : x 7! ekx , x 2 R ,
f 0 ( x ) = k f ( x ) = kekx . (1-48)
Bevis
ect = eat+ibt
= e at (cos(bt) + i sin(bt))
= e at cos(bt) + i e at sin(bt) .
Vi har altså
g0 (t) = aeat cos(bt) eat b sin(bt) og h0 (t) = aeat sin(bt) + eat b cos(bt) ,
får vi nu
Hvis c i sætning 1.66 er reel, udtrykker (1-50) naturligvis blot den sædvanlige differenti-
ation af den reelle eksponentialfunktion som antydet i (1-48). Også hvad differentiation
angår er den komplekse eksponentialfunktion af en reel variabel dermed en udvidelse
af den reelle.
eNote 2 1
eNote 2
Polynomier af én variabel
2.1 Indledning
Polynomier forekommer overalt i den tekniske litteratur som matematiske modeller for
fysiske problemer. En stor fordel ved polynomier er at de er uhyre simple i beregninger
da de kun kræver addition, multiplikation og potensopløftning. Derfor er polynomier
bl.a. populære ved approksimation af mere komplicerede funktionstyper.
Definition 2.1
Ved et polynomium af grad n forstås en funktion der kan skrives på formen
n 1
P(z) = an zn + an 1z + · · · + a1 z + a0 (2-1)
P(z) = 2 z3 + (1 + i) z + 5 er et tredjegradspolynomium.
Q(z) = z2 + 1 er et reelt andengradspolynomium.
R(z) = 17 er et 00 te-gradspolynomium.
S(z) = 0 kaldes 0-polynomiet og tildeles ingen grad.
p
T (z) = 2 z3 + 5 z 4 er ikke et polynomium.
Når man ganger et polynomium med en konstant, og når man adderer, subtraherer,
multiplicerer og sammensætter polynomier med hinanden, får man et nyt polynomium.
Dette polynomium kan reduceres ved at led af samme grad samles så formen (2-1) op-
nås.
R ( z ) = ( z2 1) + (2 z2 z + 2) = ( z2 + 2 z2 ) + ( z ) + ( 1 + 2) = 3 z2 z +1.
2 2 4 3 2 2
S(z) = (z 1) · (2 z z + 2) = (2 z z +2z )+( 2z +z 2)
= 2 z4 z3 + (2 z2 2 z2 ) + z 2 = 2 z4 z3 + z 2.
Til at udvikle teorien for polynomiers rødder får vi brug for følgende hjælpesætning.
eNote 2 2.2 POLYNOMIERS RØDDER 4
bn = an
1 (2-3)
bk = ak+1 + z0 · bk+1 for k = n 2, . . . , 0 , (2-4)
P(z) = (z z0 ) Q ( z ) (2-5)
Bevis
Lad polynomiet P være givet som i sætningen, og lad a være et vilkårligt tal. Betragt et
vilkårligt n-10 te-gradspolynomium
1 2
Q ( z ) = bn 1 zn + bn 2 zn + · · · + b1 z + b0 .
Ved simpel udregning fås
n 1
(z a ) Q ( z ) = bn 1 z n + ( bn 2 abn 1) z + · · · + (b0 ab1 )z ab0 .
Det ses at polynomierne (z a) Q(z) og P(z) har samme forskrift hvis vi successivt fastsæt-
ter bk -koefficienterne for Q som angivet i (2-3) og (2-4), og der samtidig gælder:
ab0 = a0 , b0 a = a0 .
Vi undersøger om denne betingelse er opfyldt ved at benytte (2-3) og (2-4) i modsat række-
følge:
b0 a = ( a1 + ab1 )a = b1 a2 + a1 a
= ( a2 + ab2 )a2 + a1 a = b2 a3 + a2 a2 + a1 a
..
.
n 1
= bn 1a
n
+ an 1a + · · · + a2 a2 + a1 a
n 1
= an an + an 1a + · · · + a2 a2 + a1 a = a0
n 1
, P(a) = an an + an 1a + · · · + a2 a2 + a1 a + a0 = 0 .
eNote 2 2.2 POLYNOMIERS RØDDER 5
Det ses at betingelsen er opfyldt hvis og kun hvis a er rod i P . Hermed er beviset fuldført.
Givet polynomiet P(z) = 2z4 12z3 + 19z2 6z + 9 . Det ses at 3 er en rod idet
P(3) = 0 . Bestem et tredjegradspolynomium Q således at
P(z) = (z 3) Q ( z ) .
b3 = a4 = 2
b2 = a3 + 3b3 = 12 + 3 · 2 = 6
b1 = a2 + 3b2 = 19 + 3 · ( 6) = 1
b0 = a1 + 3b1 = 6+3·1 = 3.
Vi konkluderer at
Q(z) = 2z3 6z2 + z 3
så
P(z) = (z 3) (2z3 6z2 + z 3) .
Bevis
Eksempel 2.9
hvor 3 er rod. Men 3 er også rod i den anden faktor 2z3 6z2 + z 3 . Ved at benytte
nedstigningssætningen, sætning 2.6, på dette polynomium får vi
Nu har vi startet en nedstigningsproces! Hvor langt kan vi komme ad den vej? For
at komme videre i undersøgelsen får vi brug for et grundlæggende resultat, nemlig
fundamentalsætningen.
Polynomiet P(z) = z2 + 1 har ingen rødder inden for de reelle tal. Men inden
for de komplekse tal har det hele to rødder i og i fordi
P ( i ) = i2 + 1 = 1 + 1 = 0 og P( i) = ( i)2 + 1 = i2 + 1 = 0 .
Vejen fra algebraens fundamentalsætning til fuldt kendskab til antallet af polynomiers
rødder er ikke lang. Vi skal blot videreudvikle idéen i nedstigningssætningen.
P(z) = (z a1 ) Q1 ( z ) (2-7)
Q1 ( z ) = ( z a2 ) Q2 ( z )
eNote 2 2.2 POLYNOMIERS RØDDER 8
hvor Q2 er et polynomium af grad n-2 ligeledes med ledende koefficient an . Ved ind-
sættelse fås nu
P(z) = (z a1 )(z a2 ) Q2 (z) .
Således fortsættes konstruktionen af nedstigningspolynomier Qk af graden n k for
k = n 1, . . . , 0 indtil vi når polynomiet Qn af graden n-n = 0 der som angivet i
eksempel 2.2, er lig med sin ledende koefficient an . Herefter kan P opskrives på fuld-
stændig faktoriseret form:
• Den anden ting vi bemærker, er at P ikke kan have andre rødder end de n
nævnte. At der ikke kan være flere, ses nemt således: Hvis et vilkårligt tal a 6=
ak , k = 1, . . . , n , indsættes på z0 s plads i (2-8), vil samtlige faktorer på højresiden
af (2-8) være forskellige fra nul. Dermed vil også deres produkt være forskelligt
fra nul. Derfor er P(a) 6= 0 , og a er ikke en rod i P .
P(z) = an (z z 1 ) m1 ( z z 2 ) m2 · · · ( z z p )m p (2-9)
Efter dette er vi nu klar til at præsentere følgende udvidede udgave af algebraens fun-
damentalsætning.
P ( z ) = 7( z 1)2 ( z + 4)3 ( z 5) .
To polynomier P og Q kaldes ens hvis P(z) = Q(z) for alle z . Men hvad skal der til
for at to polynomier er ens? Kunne man for eksempel tænke sig at et fjerdegrads- og et
femtegradspolynomium har samme værdi i alle variable hvis man blot vælger de rette
koefficienter? Dette er ikke tilfældet idet der gælder følgende sætning.
eNote 2 2.3 IDENTISKE POLYNOMIER 10
Bevis
Antag herefter at P og Q er identiske, men at ikke alle koefficienterne for led af samme
grad fra de to polynomier er ens. Vi antager videre at P har grad n og Q grad m hvor
n m . Lad ak være koefficienterne for P og lad bk være koefficienterne for Q , og betragt
differenspolynomiet
Ligningen
3 z2 z + 4 = a z2 + b z + c
eNote 2 2.4 POLYNOMIUMSLIGNINGER 11
I det følgende afsnit behandler vi metoder til at finde rødder for visse typer af poly-
nomier.
2.4 Polynomiumsligninger
I det følgende introduceres metoder til at finde rødderne for simple polynomier. Men
lad os holde ambitionsniveauet på et rimeligt niveau for i begyndelsen af 18-hundredtallet
beviste den norske algebraiker Abel at der ikke kan opstilles generelle metoder til at finde
rødderne i vilkårlige polynomier af grad større end fire!
For polynomier af højere grad end fire findes der en række smarte tricks hvorved man
kan være heldig at finde en enkelt rod. Herefter nedstiger man til et polynomium af
én lavere grad — og kan måske gradvist nå ned til et polynomium af fjerde grad eller
lavere hvortil der findes generelle metoder til at finde de resterende rødder.
Lad os indledningsvist slå fast at når man ønsker at finde rødderne for et polynomium
P(z) , skal man løse den tilsvarende polynomiumsligning P(z) = 0 . Som en simpel illus-
tration kan vi se på roden for et vilkårligt førstegradspolynomium:
P(z) = az + b .
az + b = 0 .
eNote 2 2.4 POLYNOMIUMSLIGNINGER 12
b
Det er ikke svært. Den har løsningen z0 = som derfor er rod i P(z) .
a
Når man skal finde rødderne for et polynomium P , finder man løsningerne på
polynomiumsligningen P(z) = 0 .
P ( z ) = (1 i) z (5 + 2i) .
(1 i) z (5 + 2i) = 0 , (1 i) z = (5 + 2i) .
5 + 2i (5 + 2i)(1 + i) 3 + 7i 3 7
z= = = = + i.
1 i (1 i)(1 + i) 2 2 2
3 7
Altså har ligningen løsningen z0 = + i som samtidig er P0 s rod.
2 2
For binome ligninger findes en eksplicit løsningsformel som vi præsenterer i den føl-
eNote 2 2.4 POLYNOMIUMSLIGNINGER 13
gende sætning.
w = |w| eiv .
Bevis
p v 2p
For ethvert p 2 {0, 1, . . . , n 1} er z p = n
|w| ei( n + p n ) en løsning til (2-12), idet
✓q ◆n
i( nv + p 2p
n
(z p ) = n
| w |e n ) = |w| ei(v+ p 2p ) = |w| eiv = w.
Det følger heraf at de n løsninger er indbyrdes forskellige. At der ikke er flere løsninger, er
en følge af algebraens fundamentalsætning, version 2, sætning 2.11. Hermed er sætningen
bevist.
Vi betragter et komplekst tal på eksponentiel form w = |w| eiv . Det følger af (2-13) at anden-
gradsligningen
z2 = w
har to løsninger q q
v v
z0 = |w| ei 2 og z1 = |w| ei 2 .
Lad r være et vilkårligt positivt reelt tal. Ved i eksempel 2.21 at sætte v = Arg( r ) = p ses
at den binome andengradsligning
z2 = r
har to løsninger p p
z0 = i r og z1 = i r.
Med et konkret eksempel har ligningen z2 = 16 løsningerne z = ±i 4 .
Den benyttede metode i eksempel 2.21 kan i mange tilfælde være vanskelig at gennem-
føre. I det følgende eksempel vises en alternativ metode.
Løs ligningen
z2 = 8 6i . (2-14)
x2 y2 + 2xyi = 8 6i .
Da en kompleks ligning er sand netop når såvel realdelen som imaginærdelen af ligningens
højreside og venstreside er identiske, må (2-14) videre være ækvivalent med
x2 y2 = 8 og 2xy = 6. (2-15)
eNote 2 2.4 POLYNOMIUMSLIGNINGER 15
6 3
Indsættes y = = i x2 y2 = 8 , og sættes x2 = u , opnås en andengradsligning som
2x x
kan løses:
✓ ◆2
2 3 9
x = 8 , x2 =8,
x x2
✓ ◆
2 9
x x2 = 8x2 , x4 9 = 8x2 , x4 8x2 9=0,
x2
u2 8u 9 = 0 , u = 9 eller u = 1.
2.4.2 Andengradsligninger
Til løsning af andengradsligninger opstiller vi nedenfor den formel der svarer til den
velkendte løsningsformel for reelle andengradsligninger. Der er dog en enkelt afvigelse,
nemlig at vi ikke tager kvadratroden af diskriminanten hvilket skyldes at vi ikke her
forudsætter kendskab til kvadratrødder af komplekse tal.
eNote 2 2.4 POLYNOMIUMSLIGNINGER 16
az2 + bz + c = 0 , a 6= 0 (2-16)
b w0 b + w0
z1 = og z2 = (2-17)
2a 2a
hvor w0 er en løsning til den binome andengradsligning w2 = D .
b
Hvis specielt D = 0 , gælder der at z1 = z2 = .
2a
Bevis
Lad w0 være en vilkårlig løsning til den binome ligning w2 = D . Der gælder da:
✓ ◆
2 2 b c
az + bz + c = a z + z +
a a
✓ ◆2 !
b b2 c
=a z+ +
2a 4a2 a
✓ ◆ !
b 2 b2 4ac
=a z+
2a 4a2
✓ ◆ !
b 2 D
=a z+
2a 4a2
✓ ◆ !
b 2 w02
=a z+
2a 4a2
✓✓ ◆ ◆ ✓✓ ◆ ◆
b w0 b w0
=a z+ + z+
2a 2a 2a 2a
✓ ◆✓ ◆
b + w0 b w0
= a z+ z+ =0
2a 2a
b w0 b + w0
,z= eller z = .
2a 2a
Hermed er løsningsformlen (2.24) udledt.
⌅
eNote 2 2.4 POLYNOMIUMSLIGNINGER 17
2z2 + 5z 3 = 0.
D = 52 4 · 2 · ( 3) = 49 .
5+7 1 5 7
z1 = = og z2 = = 3. (2-18)
2·2 2 2·2
z2 2z + 5 = 0 .
D = ( 2)2 4·1·5 = 16 .
( 2) + 4i ( 2) 4i
z1 = = 1 + 2i og z2 = =1 2i . (2-19)
2·1 2·1
Løs andengradsligningen
z2 (1 + i) z 2 + 2i = 0 . (2-20)
eNote 2 2.4 POLYNOMIUMSLIGNINGER 18
( (1 + i)) + (3 i) ( (1 + i)) (3 i)
z1 = = 2 og z2 = = 1+i. (2-21)
2·1 2·1
Tre hundrede år senere gentog historien sig. Omkring år 1100 e.Kr. angav en anden per-
sisk matematiker (og digter) Omar Khayyám eksakte metoder til hvordan man finder
løsninger til reelle tredje- og fjerdegradsligninger ved hjælp af mere avancerede ge-
ometriske konstruktioner. For eksempel løste han ligningen x3 + 200x = 20x2 + 2000
ved skæring mellem en cirkel og en hyperbel hvis ligninger han kunne udlede af tred-
jegradsligningen.
Omar Khayyám mente ikke det ville være muligt at opstille algebraiske formler for
løsninger til ligninger af grad større end to. Her tog han dog fejl idet italieneren Gero-
lamo Cardano i 1500-tallet offentliggjorde formler til løsning af tredje- og fjerdegrad-
sligninger.
Khayyáms metoder og Cardanos formler ligger ikke inden for rammerne af denne eNote.
Her giver vi blot — se eksempel 2.9 tidligere samt nedenstående eksempel 2.28 —
enkelte eksempler på hvordan man ved hjælpåaf "‘nedstigningsmetoden"’, sætning 2.6,
kan finde alle løsninger til ligninger af grad større end to hvis man i forvejen kender
eller kan gætte et tilstrækkeligt antal af løsningerne.
eNote 2 2.5 REELLE POLYNOMIER 19
Løs tredjegradsligningen
z3 3z2 + 7z 5 = 0.
Det gættes nemt, at 1 er en løsning. Ved hjælpåaf nedstigningsaloritmen får man nemt fak-
toriseringen:
z3 3z2 + 7z 5 = (z 1)(z2 2z + 5) = 0 .
Vi ved at 1 er en løsning, de resterende løsninger fås ved løsning af andengradsligningen
z2 2z + 5 = 0 ,
Teorien som har været udfoldet i de forrige afsnit, gælder for alle polynomier med kom-
plekse koefficienter. I dette afsnit vil vi præsentere to sætninger der kun gælder for poly-
nomier med reelle koefficienter — altså den delmængde som kaldes de reelle polynomier.
Den første sætning viser at ikke-reelle rødder altid optræder i par.
Bevis
Lad
1
P(z) = an zn + an 1 zn + · · · + a1 z + a0
være et reelt polynomium. Ved brug af regneregler for konjugering af sum og produkt af
komplekse tal (se eNote 29 om komplekse tal) samt forudsætningen at alle koefficienterne er
eNote 2 2.5 REELLE POLYNOMIER 20
reelle, fås
P(z) = an zn + an zn 1 + · · · + a1 z + a0
1
1
= an zn + an 1 zn + · · · + a1 z + a0
= P(z) .
Vi ser at alle tre koefficienter for P er reelle. Derfor er også den oplyste rods konjugerede
2 + 3i rod i P . Da P er et andengradspolynomium, er der ikke flere rødder.
Fra sætning 2.29 ved vi at komplekse rødder i et reelt polynomium altid optræder i
konjugerede par. Heraf udspringer følgende sætning:
eNote 2 2.5 REELLE POLYNOMIER 21
Der er to par af faktorer der svarer til konjugerede rødder. Når de ganges sammen, fås den
ønskede form:
P(z) = 5 (z 1)(z2 + 1)(z2 2z + 5)(z + 2)2 .
eNote 3
Elementære funktioner
I denne eNote vil vi dels repetere nogle af de basale egenskaber for et udvalg af de (fra
gymnasiet) velkendte funktioner f ( x ) af én reel variabel x, og dels introducere enkelte nye
funktioner, som typisk optræder i mangfoldige sammenhænge. De grundlæggende spørgsmål
vedrørende enhver funktion drejer sig typisk om følgende: Hvordan og for hvilke x er
funktionen defineret? Hvilke værdier af f ( x ) får vi, når vi bruger funktionen på elementerne
x i definitionsmængden? Er funktionen kontinuert? Hvad er differentialkvotienten f 0 ( x ) af
funktionen – hvis den eksisterer? Som noget nyt vil vi indføre en meget stor klasse af
funktioner, epsilon-funktionerne, som betegnes med fællesbetegnelsen #( x ), og som vi
gennemgående vil benytte til at beskrive kontinuitet og differentiabilitet – også af funktioner af
flere variable, som vil blive indført og analyseret i de efterfølgende eNoter.
Opdateret 24.10.21 af Karsten Schmidt
Ved beskrivelsen af en reel funktion f ( x ) anføres dels de reelle tal x, hvor funktionen
er defineret, og dels de værdier, som kan fås ved at benytte funktionen på definitions-
mængden. Definitionsmængden kalder vi D m( f ) og værdimængden kalder vi V m( f ).
eNote 3 3.1 DEFINITIONSMÆNGDE OG VÆRDIMÆNGDE 2
Funktionen
sin( x )
f ( x ) = tan( x ) = (3-3)
cos( x )
har definitionsmængden D m( f ) = R \ A, hvor A betegner de reelle tal x, hvor nævneren
cos( x ) er 0, dvs.
Opgave 3.3
cos( x )
g( x ) = cot( x ) = (3-5)
sin( x )
Se figur 3.2. Bestem definitionsmængden for g( x ), og skriv den på samme måde som for
tan( x ) ovenfor.
En funktion f ( x ), som ikke er defineret i alle reelle tal, kan kan let udvides til en funktion
fb( x ), som har D m( fb) = R. Det kan for eksempel gøres ved hjælp af en krøllet parentes
som i følgende definition.
Vi vil herefter typisk — medmindre andet nævnes helt tydeligt — antage, at de funk-
eNote 3 3.2 EPSILON-FUNKTIONER 5
3.2 Epsilon-funktioner
Vi indfører en særlig klasse af funktioner, som vi vil benytte til at definere det vigtige
begreb kontinuitet for funktioner.
# 1 (x) = x
# 2 (x) = |x|
(3-8)
# 3 ( x ) = ln(1 + x )
# 4 ( x ) = sin( x ) .
eNote 3 3.3 KONTINUERTE FUNKTIONER 6
Funktioner, der er 0 andre steder end i x = 0, kan også give anledning til epsilon-
funktioner:
Opgave 3.7
Vink: Hvis vi vælger k = 10, så findes der helt klart ikke nogen værdi af K sådan, at
1 1
| f 8 ( x )| = | | x |/x | = 1 < , for alle x med |x| < . (3-9)
10 K
Tegn grafen for fb8 ( x ). Den kan ikke tegnes uden at "‘løfte blyanten fra papiret"’!
Opgave 3.8
f ( x ) = f ( x0 ) + # f ( x x0 ) . (3-10)
Læg mærke til, at selvom det er klart, hvad epsilon-funktionen helt præcist
er i definition 3.9, nemlig f ( x ) f ( x0 ), så er den eneste egenskab, vi er inter-
esserede i, følgende: # f ( x x0 ) ! 0 for x ! x0 sådan, at f ( x ) ! f ( x0 ) for
x ! x0 , altså præcis som vi kender kontinuitets-begrebet fra gymnasiet!
Opgave 3.10
Opgave 3.11
f ( x ) = f ( x0 ) + a · ( x x0 ) + ( x x0 ) · # f ( x x0 ) . (3-11)
f ( x ) = f ( x0 ) + f 0 ( x0 ) · ( x x0 ) + ( x x0 ) · # f ( x x0 ) . (3-12)
d
f 0 (x) = f (x) . (3-13)
dx
Vi vil vise, at der kun findes én værdi af a, som kan opfylde (3-11). Antag nem-
lig omvendt, at der er to forskellige værdier a1 og a2 , som opfylder ligningen med
muligvis to forskellige epsilon-funktioner:
f ( x ) = f ( x0 ) + a1 · ( x x0 ) + ( x x0 ) · # 1 ( x x0 )
(3-14)
f ( x ) = f ( x0 ) + a2 · ( x x0 ) + ( x x0 ) · # 2 ( x x0 ) .
Ved at trække nederste ligning i (3-14) fra den øverste får vi så
0 = 0 + ( a1 a2 ) · ( x x0 ) + ( x x0 ) · ( # 1 ( x x0 ) # 2(x x0 )) (3-15)
således, at
a1 a2 = # 2 ( x x0 ) # 1(x x0 ) (3-16)
for alle x 6= x0 . Det kan klart ikke være rigtigt; højresiden går jo imod 0, når x går
imod x0 ! Antagelsen ovenfor, altså at a1 6= a2 , er derfor forkert. De to konstanter a1
og a2 må være ens, og det var det, vi skulle indse.
eNote 3 3.4 DIFFERENTIABLE FUNKTIONER 9
f (x) f ( x0 )
= f 0 ( x0 ) + # f ( x x0 ) ! f 0 ( x0 ) for x ! x0 , (3-17)
x x0
altså den velkendte grænseværdi for kvotienten mellem funktionstilvæksten
f (x) f ( x0 ) og x-tilvæksten x x0 . Grunden til, at vi ikke bruger denne
kendte definition af f 0 ( x0 ), er den simple, at for funktioner af flere variable
giver kvotient-brøken ikke mening — men mere om det i en senere eNote.
Bevis
Vi har, at
f ( x ) = f ( x0 ) + f 0 ( x0 ) · ( x x0 ) + ( x x0 ) # f ( x x0 )
⇥ ⇤ (3-18)
= f ( x0 ) + f 0 ( x0 ) · ( x x0 ) + ( x x0 ) # f ( x x0 ) ,
og da hele den kantede parentes på højre side er en epsilon-funktion af ( x x0 ), så er f ( x )
kontinuert i x0 .
Men det omvendte gælder ikke nødvendigvis, som følgende eksempel viser.
d
( f ( x ) · g( x )) = f 0 ( x ) · g( x ) + f ( x ) · g0 ( x ) . (3-23)
dx
Selv om denne formel formentlig er ganske velkendt fra gymnasiet, vil vi kort skitsere
eNote 3 3.4 DIFFERENTIABLE FUNKTIONER 11
Bevis
Da f ( x ) og g( x ) er differentiable i x0 , har vi
f ( x ) = f ( x0 ) + f 0 ( x0 ) · ( x x0 ) + ( x x0 ) # f ( x x0 )
0
(3-24)
g ( x ) = g ( x0 ) + g ( x0 ) · ( x x0 ) + ( x x0 ) # g ( x x0 )
h( x ) = f ( x ) · g( x )
(3-25)
= f ( x0 ) · g( x0 ) + ( f 0 ( x0 ) · g( x0 ) + f ( x0 ) · g0 ( x0 )) · ( x x0 ) + ( x x0 ) # h ( x x0 ) ,
hvor vi har benyttet ( x x0 )# h ( x x0 ) som kort skrivemåde for den resterende del af pro-
duktsummen. Enhver af addenderne i denne resterende del indholder faktoren ( x x0 )2
eller et produkt af ( x x0 ) med en epsilon-funktion og kan derfor netop skrives på den an-
givne form. Men så følger produktformlen ved direkte at aflæse faktoren foran ( x x0 ) i
(3-25):
h 0 ( x0 ) = f 0 ( x0 ) · g ( x0 ) + f ( x0 ) · g 0 ( x0 ) . (3-26)
⌅
eNote 3 3.4 DIFFERENTIABLE FUNKTIONER 12
Opgave 3.19
h0 ( x0 ) = f 0 ( g( x0 )) · g0 ( x0 ) (3-28)
Bevis
h( x ) = f ( g( x ))
= f ( g( x0 )) + f 0 ( g( x0 ))( g( x ) g( x0 )) + ( g( x ) g( x0 )) · # f ( g( x ) g( x0 ))
0 0
= h( x0 ) + f ( g( x0 ))( g ( x0 )( x x0 ) + ( x x0 ) · # g ( x x0 )) (3-31)
0
+ ( g ( x0 )( x x0 ) + ( x x0 ) · # g ( x x0 )) · # f ( g( x ) g( x0 ))
0 0
= h( x0 ) + f ( g( x0 )) g ( x0 ) · ( x x0 ) + ( x x0 ) · # h ( x x0 ) ,
Opgave 3.21
f 0 ( g( x0 )) · # g ( x x0 ) + ( g 0 ( x0 ) + # g ( x x0 )) · # f ( g( x ) g( x0 )) (3-32)
Opgave 3.22
Læg mærke til, at selv om exp( x ) er defineret for alle x, så er den omvendte
funktion ln( x ) kun defineret for x > 0 – og omvendt (!)
1 0 1
(f ) ( x0 ) = 1(x
(3-38)
f 0( f 0 ))
Bevis
Figure 3.4: Grafen for en funktion f ( x ) og grafen for dens omvendte funktion g( x ). Der
gælder g( x ) = f 1 ( x ) og f ( x ) = g 1 ( x ), men de har hver deres egne definitionsin-
tervaller.
Desuden gælder (igen med et helt afgørende minustegn som eneste forskel) følgende
simple analogi til den velkendte og ofte brugte relation cos2 ( x ) + sin2 ( x ) = 1:
Bevis
Differentier med hensyn til x på begge sider af ligningen (3-43) og konkludér, at cosh2 ( x )
sinh2 ( x ) er en konstant. Brug til sidst begyndelsesbetingelserne.
⌅
eNote 3 3.6 HYPERBOLSKE FUNKTIONER 18
Opgave 3.27
ex + e x
cosh( x ) = , D m(cosh) = R , V m(cosh) = [1, •[
2 (3-44)
ex e x
sinh( x ) = , D m(sinh) = R , V m(sinh) = ] •, •[
2
Opgave 3.28
Opgave 3.29
Grafen for funktionen f ( x ) = cosh( x ) ligner meget en parabel, nemlig grafen for funktionen
g( x ) = 1 + ( x2 /2) når vi plotter begge funktionerne i et passende lille interval omkring
x0 = 0. Prøv det! Hvis vi derimod plotter begge graferne over et meget stort x-interval, vil
vi opdage, at de to funktioner har meget forskellige grafiske opførsler. Prøv det, dvs. prøv
at plotte begge funktioner over intervallet [ 50, 50]. Kommentér og forklar de kvalitative
forskelle. Prøv tilsvarende at sammenligne de to funktioner sinh( x ) og x + ( x3 /6) på samme
måde.
Det er naturligt og nyttigt at definere de hyperbolske analogier til tan( x ) og cot( x ). Det
gør vi således:
sinh( x ) e2x 1
tanh( x ) = = 2x , D m(tanh) = R , V m(tanh) = ] 1, 1[
cosh( x ) e +1
(3-46)
cosh( x ) e2x + 1
coth( x ) = = 2x , D m(coth) = R {0} ,
sinh( x ) e 1
V m(coth) = ] •, 1[ [ ]1, •[ .
d
cosh( x ) = sinh( x )
dx
d
sinh( x ) = cosh( x )
dx
d 1 (3-47)
tanh( x ) = =1 tanh2 ( x )
dx cosh2 ( x )
d 1
coth( x ) = 2
=1 coth2 ( x ) .
dx sinh ( x )
eNote 3 3.7 AREAFUNKTIONERNE 20
Opgave 3.31
Vis de to sidste udtryk for differentialkvotienterne for tanh( x ) og coth( x ) i (3-47) ved at
benytte differentiationsreglen i sætning 3.18.
3.7 Areafunktionerne
Da funktionerne cosh( x ), sinh( x ), tanh( x ), og coth( x ) alle kan udtrykkes ved ekspo-
nentialfunktioner er det ikke overraskende, at de omvendte funktioner og deres dif-
ferentialkvotienter kan udtrykkes ved logaritmefunktioner. Vi samler informationerne
eNote 3 3.8 ARCUSFUNKTIONERNE 21
her:
p
arcosh( x ) = ln( x + x2 1) for x 2 [1, •[
p
arsinh( x ) = ln( x + x2 + 1) for x 2 R
✓ ◆
1 1+x (3-48)
artanh( x ) = ln for x 2 ] 1, 1[
2 1 x
✓ ◆
1 x 1
arcoth( x ) = ln for x 2 ] •, 1[ [ ]1, •[ .
2 x+1
d 1
arcosh( x ) =p for x 2]1, •[
dx x2 1
d 1
arsinh( x ) =p for x 2 R
dx x2 + 1 (3-49)
d 1
artanh( x ) = for x 2 ] 1, 1[
dx 1 x2
d 1
arcoth( x ) = for x 2 ] • 1[ [ ]1, •[ .
dx 1 x2
3.8 Arcusfunktionerne
De omvendte funktioner som hører til de trigonometriske funktioner er lidt mere kom-
plicerede. Som nævnt bliver vi her nødt til for hver trigonometrisk funktion at vælge
et interval, hvor den pågældende funktion er monoton. Til gengæld, når vi har valgt
et sådant interval, så er det klart, hvordan den omvendte funktion skal defineres og
derefter hvordan den skal differentieres. De omvendte funktioner til cos( x ), sin( x ),
tan( x ), cot( x ) betegnes henholdsvis arccos( x ), arcsin( x ), arctan( x ), og arccot( x ); de
eNote 3 3.8 ARCUSFUNKTIONERNE 22
1
cos ( x ) = arccos( x ) 2 [0, p ] for x 2 [ 1, 1]
1
sin ( x ) = arcsin( x ) 2 [ p/2, p/2] for x 2 [ 1, 1]
1
(3-50)
tan ( x ) = arctan( x ) 2 [ p/2, p/2] for x 2 R
1
cot ( x ) = arccot( x ) 2]0, p [ for x 2 R .
d 1
arccos( x ) =p for x 2] 1, 1[
dx 1 x2
d 1
arcsin( x ) =p for x 2] 1, 1[
dx 1 x2 (3-51)
d 1
arctan( x ) = for x 2 R
dx 1 + x2
d 1
arccot( x ) = for x 2 R .
dx 1 + x2
Opgave 3.32
3.9 Opsummering
f ( x ) = f ( x0 ) + f 0 ( x0 )( x x0 ) + ( x x0 ) # f ( x x0 ) .
d
( f ( x ) · g( x )) = f 0 ( x ) · g( x ) + f ( x ) · g0 ( x ) . (3-53)
dx
eNote 4
Definition 4.1
Hvis en funktion f ( x ) kan differentieres vilkårligt mange gange i ethvert punkt x i
et givet åbent interval I så siger vi, at funktionen er glat i intervallet I.
f (n) ( x ) = n · ( n 1) · ( n 2) · · · 2 · 1 = n! , (4-2)
En funktion f ( x ) kan eksempelvis være givet ved et integral (som i dette tilfælde ikke kan
udtrykkes ved de sædvanlige elementære funktioner):
Z x
t2
f (x) = e dt . (4-5)
0
Men vi kan sagtens differentiere og finde de højere afledede af funktionen for ethvert x:
x2 x2 x2 x2
f 0 (x) = e , f 00 ( x ) = 2·x·e , f 000 ( x ) = 2·e + 4 · x2 · e osv. (4-6)
eNote 4 4.2 APPROKSIMATION MED POLYNOMIER 4
f 00 ( x ) + 3 f 0 ( x ) + 7 f ( x ) = q( x ) , hvor f ( x0 ) = 1 , og f 0 ( x0 ) = 3 (4-7)
hvor q( x ) er en given glat funktion af x. Vi kan igen rimelig let finde de højere afledede af
funktionen i x0 ved at benytte begyndelsesbetingelserne direkte og ved at differentiere differ-
entialligningen. Følgende fås fra begyndelsesbetingelserne og fra differentialligningen selv:
f 0 ( x0 ) = 3 , f 00 ( x0 ) = q( x0 ) 3 f 0 ( x0 ) 7 f ( x0 ) = q ( x0 ) + 2 . (4-8)
Den tredje (og de højere) afledede af f ( x ) fås derefter ved at differentiere begge sider af
differentialligningen. F.eks. får vi ved at differentiere én gang:
f 000 ( x ) + 3 f 00 ( x ) + 7 f 0 ( x ) = q0 ( x ) , (4-9)
hvoraf vi får:
f 000 ( x0 ) = q0 ( x0 ) 3 f 00 ( x0 ) 7 f 0 ( x0 )
= q 0 ( x0 ) 3 · ( q ( x0 ) + 2) 7 · ( 3) (4-10)
0
= q ( x0 ) 3q( x0 ) + 15 .
Ideen med det følgende går nu ud på at finde det polynomium, f.eks. det andengrads-
polynomium, som bedst approksimerer en given glat funktion f ( x ) i og omkring et
givet x0 i funktionens definitionsmængde D m( f ).
f ( x ) = a0 + a1 · ( x x0 ) + a2 · ( x x0 )2 + R2,x0 ( x ) , (4-11)
R2,x0 ( x ) = f ( x ) a0 a1 · ( x x0 ) a2 · ( x x0 )2 , (4-12)
og det er denne funktion, der skal være så tæt på at være 0 som muligt når x er tæt på
x0 sådan at forskellen mellem funktionen f ( x ) og andengradspolynomiet bliver så lille
eNote 4 4.2 APPROKSIMATION MED POLYNOMIER 5
hvorved a0 nu er bestemt.
Det næste naturlige krav, er at grafen for restfunktionen har vandret tangent i x0 således
at tangenten til restfunktionen derefter er identisk med x aksen:
0
R2,x 0
( x0 ) = 0 sådan at f 0 ( x0 ) = a1 , (4-14)
hvorved a1 er bestemt.
Hvis vi på tilsvarende måde havde ønsket at finde et approksimerende n’te grads poly-
nomium for den samme funktion f ( x ) havde vi fundet:
f 0 ( x0 ) f ( n ) ( x0 )
f ( x ) = f ( x0 ) + · (x x0 ) + · · · + · (x x0 )n + Rn,x0 ( x ) , (4-18)
1! n!
hvor restfunktionen Rn,x0 ( x ) er en glat funktion der tilfredsstiller alle kravene:
(n)
Rn,x0 ( x0 ) = R0n,x0 ( x0 ) = · · · = Rn,x0 ( x0 ) = 0 . (4-19)
Det er herefter rimeligt at forvente, dels at disse krav til restfunktionen kan opfyldes og
dels at de tilsammen betyder, at restfunktionen selv må ’ligne’ og være lige så lille som
eNote 4 4.2 APPROKSIMATION MED POLYNOMIER 6
f (n+1) (x ( x ))
Rn,x0 ( x ) = · (x x0 ) n +1 , (4-20)
( n + 1) !
Rn,x0 ( x ) = ( x x0 ) n · # f ( x x0 ) , (4-21)
hvor # f ( x x0 ) er en epsilonfunktion af ( x x0 ).
Bevis
Vi vil nøjes med at indse den første påstand (4-20) i det allersimpleste tilfælde, nemlig for
n = 0, dvs. følgende: I intervallet mellem (et fastholdt) x og x0 findes altid en værdi x således
at følgende gælder:
f 0 (x )
R0,x0 ( x ) = f ( x ) f ( x0 ) = · (x x0 ) . (4-22)
(1) !
Men dette er blot en iklædning af middelværdisætningen: Hvis en glat funktion har
værdierne henholdsvis f ( a) og f (b) i endepunkterne af et interval [ a, b], så har grafen for
f ( x ) et sted en tangent som er parallel med det linjestykke der forbinder de to punkter
( a, f ( a)) og (b, f (b)), se figur 4.1.
f ( n +1) ( x )
Den anden fremstilling (4-21) følger af den første (4-20) ved at observere, at ( n +1) !
· (x
f ( n +1) ( x )
x0 )n+1 er en epsilonfunktion af ( x x0 ), da ( n +1) !
er begrænset og da ( x x0 )n+1 selv er en
epsilonfunktion.
⌅
eNote 4 4.2 APPROKSIMATION MED POLYNOMIER 7
Figure 4.1: To punkter på den blå graf-kurve for en funktion forbindes med et
linjestykke (rød). Middelværdisætningen siger så, at der findes mindst ét sted (i det
viste tilfælde præcis to steder, markeret med grønt) på kurven mellem de givne punkter
hvor hældningskoefficienten f 0 ( x ) for tangenten (sort) til kurven er præcis den samme
som hældningskoefficienten for det rette linjestykke.
f 0 ( x0 ) f ( n ) ( x0 )
Pn,x0 ( x ) = f ( x0 ) + · (x x0 ) + · · · + · (x x0 ) n (4-23)
1! n!
kaldes det approksimerende polynomium af n’te grad for funktionen f ( x ) med ud-
viklingspunkt x0 .
f (n+1) (x ( x ))
Rn,x0 ( x ) = · (x x 0 ) n +1 for et x ( x ) mellem x og x0
( n + 1) !
(4-25)
og
Rn,x0 ( x ) = ( x x0 ) n · # f ( x x0 ) .
f 0 ( x0 ) f ( n ) ( x0 )
f ( x ) = f ( x0 ) + · (x x0 ) + · · · + · (x x0 ) n + ( x x0 ) n · # f ( x x0 ) ,
1! n!
hvor # f ( x x0 ) betegner en epsilonfunktion af ( x x0 ), dvs. # f ( x x0 ) ! 0 for
x ! x0 .
Man kunne forledes til at tro, at ethvert polynomium er sit eget approksimerende poly-
nomium fordi ethvert polynomium må da være den bedste approksimation til sig selv. Her
er et eksempel der viser, at det ikke er så simpelt. Vi ser på tredjegradspolynomiet
f ( x ) = 1 + x + x2 + x3 . (4-26)
P7,x0 =0 ( x ) = 1 + x + x2 + x3
P3,x0 =0 ( x ) = 1 + x + x2 + x3
P2,x0 =0 ( x ) = 1 + x + x2
P1,x0 =0 ( x ) = 1 + x
P0,x0 =0 ( x ) = 1
P7,x0 =1 ( x ) = 1 + x + x2 + x3
P3,x0 =1 ( x ) = 1 + x + x2 + x3
P2,x0 =1 ( x ) = 2 2 · x + 4 · x2 (4-27)
P1,x0 =1 ( x ) = 2+6·x
P0,x0 =1 ( x ) = 4
P7,x0 =7 ( x ) = 1 + x + x2 + x3
P3,x0 =7 ( x ) = 1 + x + x2 + x3
P2,x0 =7 ( x ) = 344 146 · x + 22 · x2
P1,x0 =7 ( x ) = 734 + 162 · x
P0,x0 =7 ( x ) = 400 .
f ( x ) = P2,x0 =1 ( x ) + R2,x0 =1 ( x ) og
(4-28)
f ( x ) = P1,x0 =7 ( x ) + R1,x0 =7 ( x ) ,
Her er nogle ofte benyttede funktioner med deres respektive approksimerende poly-
nomier (og tilhørende restfunktioner udtrykt med epsilonfunktioner) med det fælles ud-
viklingspunkt x0 = 0 og vilkårlig høj grad:
x2 xn
ex = 1 + x + +···+ + xn · #( x )
2! n!
2 x4 x2n
ex = 1 + x2 + +···+ + x2n · #( x )
2! n!
x2 x4 x2n
cos( x ) =1 + + · · · + ( 1) n · + x2n · #( x )
2! 4! (2n)!
x3 x5 x2n+1
sin( x ) =x + + · · · + ( 1) n · + x2n+1 · #( x )
3! 5! (2n + 1)! (4-29)
x2 xn
ln(1 + x ) =x + · · · + ( 1) n 1 · + xn · #( x )
2 n!
x2 xn
ln(1 x) = x ··· xn · #( x )
2 n!
1
= 1 x + x 2 x 3 + · · · + ( 1) n 1 · x n 1 + x n · # ( x )
1+x
1
= 1 + x + x2 + x3 + · · · + x n 1 + x n · #( x )
1 x
sin( x ) x + x1 · #( x )
= = 1 + #( x ) ! 1 for x!0 . (4-32)
x x
sin( x ) x 3!1 x3 + x3 · #( x ) 1 x
2
= 2
= + x · #( x ) , (4-33)
x x x 3!
som ikke har nogen grænseværdi for x ! 0. Derfor findes der ikke nogen kontinuert ud-
videlse i dette tilfælde.
sin( x2 ) sin(u)
!1 for x!0 fordi !1 for u!0 . (4-34)
x2 u
1 3
sin( x ) x x 3! x + x3 · #( x ) x x
= = + x · #( x ) ! 0 for x!0 . (4-35)
x2 x2 3!
1 3
sin( x ) x x 3! x + x3 · #( x ) x 1 1
= = + ·#( x ) ! for x!0 . (4-36)
x3 x3 3! 6
Figure 4.2: Funktionen f ( x ) = sin( x )/x (blå) sammen med tællerfunktionen sin( x )
(rød) og nævnerfunktionen x (også rød). Funktionen f ( x ) er kontinuert i x = 0 netop
når den tildeles værdien 1 der.
1
2 cos( x ) 2 + x2 2 · (1 2! · x2 + 4!1 · x4 + x4 · # 1 ( x )) 2 + x2
2
= 1 1
x · sin( x ) x x · (x 3 5 5
3! · x + 5! · x + x · # 2 ( x )) x2
1
2 x2 + 12 · x4 + 2 · x4 · # 1 ( x ) 2 + x2
= 1
x2 3! · x4 + 5!1 · x6 + x6 · # 2 ( x ) x2
1
12 · x4 + 2 · x4 · # 1 ( x ) (4-37)
= 1
3! · x4 + 5!1 · x6 + x6 · # 2 ( x )
1
12 + 2 · # 1 ( x )
= 1 1 2 2
6 + 5! · x + x · # 2 ( x )
1
! for x!0 ,
2
1 1
idet tælleren går imod 12 for x ! 0 og nævneren går imod 6 for x ! 0.
eNote 4 4.4 VURDERING AF RESTFUNKTIONERNE 13
Hvor stor er den fejl man begår ved at benytte det approksimerende polynomium
(som er let at regne med) i stedet for funktionen selv (som kan være kompliceret at
beregne) i et givet (typisk lille) interval omkring udviklingspunktet? Det kan restfunk-
tionen selvfølgelig give et svar på. Vi giver her et par eksempler der viser, hvordan
restfunktionsudtrykket kan benyttes til sådanne fejl-vurderinger for givne funktioner.
Figure 4.3: Funktionen f ( x ) = ln( x ) fra eksempel 4.14 (blå), det approksimerende
første-gradspolynomium (sort) med udviklingspunkt x0 = 1 og den tilhørende rest-
funktion (rød) illustreret
⇥ 3 5 ⇤som forskellen mellem f ( x ) og det approksimerende poly-
nomium i intervallet 4 , 4 . Til højre er zoomet ind på figuren omkring punktet (1, 0).
Den numeriske værdi af restfunktionen i det givne interval kan nu vurderes for alle x i det givne
interval - også selvom vi ikke ved ret meget om hvor x ligger i intervallet udover at x ligger
imellem x og 1:
Vi har ✓ ◆2
1 2 1 1
| R1,x0 =1 ( x )| = | · (x 1) | | · | , (4-41)
2 · x2 2 · x2 4
idet minus-tegnet kan fjernes fordi vi kun ser på den numeriske værdi og idet ( x 1)2 jo
klart er størst (med værdien (1/4)2 ) for x = 3/4 og for x = 5/4 i intervallet. Derudover er x
mindst og dermed (1/x )2 størst i intervallet for x = 3/4. (Bemærk at vi ikke bruger her, at x
ligger imellem x og 1 - vi bruger kun, at x ligger i intervallet!) Det vil sige, at
1 1 1
| R1,x0 =1 ( x )| | 2
|| 2
|= , (4-42)
32 · x 32 · 34 18
0 d 1
R1,x 0 =1
(x) = (ln( x ) (x 1)) = 1 , (4-44)
dx x
som netop er mindre end 0 for x > 1 (sådan at R1,x0 =1 ( x ) til højre for x = 1 er
negativ og aftagende fra værdien 0 i x = 1) og større end 0 for x < 1 (sådan
at R1,x0 =1 ( x ) til venstre for x = 1 er negativ og voksende op mod værdien 0
i x = 1). Men problemet er, at vi i princippet ikke ved hvad værdien af ln( x )
faktisk er – hverken i x = 3/4 eller i x = 5/4 medmindre vi bruger Maple
eller et andet værktøj til hjælp. Restfunktions-vurderingen benytter kun de
definerende egenskaber ved f ( x ) = ln( x ), dvs. f 0 ( x ) = 1/x og f (1) = 0, og
vurderingen giver værdierne (også i endepunkterne af intervallet) med en
(numerisk) fejl på højst 1/18 i dette tilfælde.
går altså ud på at bestemme den største absolut-værdi som restfunktionen | R1,x0 =0 ( x )| an-
tager i intervallet [ 1, 1].
Vink: Benyt de tidligere fundne højere afledede af f ( x ) evalueret i x0 = 0, jf. eksempel 4.3:
2
f (0) = 0, f 0 (0) = 1, f 00 ( x ) = 2 · x · e x . Se figur 4.4.
Givet funktionen fra eksempel 4.4, dvs. funktionen tilfredsstiller følgende differentialligning
med begyndelsesbetingelser:
4.5 Funktionsundersøgelser
En meget vigtig egenskab ved kontinuerte funktioner er følgende, som betyder at der
er styr på hvor store og små værdier en kontinuert funktion kan antage på et interval,
når blot intervallet er tilstrækkelig pæn:
eNote 4 4.5 FUNKTIONSUNDERSØGELSER 18
V m( f | I ) = f ( I ) = { f ( x ) | x 2 I } = [ A , B ] , (4-51)
hvor der tillades den mulighed at A = B og det sker jo præcis når f ( x ) er konstant i
hele intervallet I.
Bevis
f ( x ) = f ( x0 ) + f 0 ( x0 ) · ( x x0 ) + ( x x0 ) · # f ( x x0 )
0
(4-52)
= f ( x0 ) + ( x x0 ) · ( f ( x0 ) + # f ( x x0 )) .
Se figur 4.6, hvor vi kun betragter funktionen i intervallet I = [ 1.5, 2.0]. Der er to und-
tagelspunkter, hvor funktionen ikke er differentiabel: x0 = 0 og x0 = 1. Der er ét stationært
punkt i ] 1.5, 2.0[ hvor f 0 ( x0 ) = 0 nemlig x0 = 1. Og endelig er der de to randpunkter,
intervalendepunkterne x0 = 1.5 og x0 = 2 som skal undersøges.
x0 = 1.5 1 0 1 2
(4-54)
f ( x0 ) = 0.75 0.5 1.5 0 1
Figure 4.6: Den kontinuerte funktion f ( x ) fra eksempel 4.21 (blå). På grafen er markeret
(med rødt) de 5 punkter som skal undersøges specielt med henblik på at bestemme
værdimængden for f ( x ) i intervallet [ 1.5, 2], jvf. metode 4.20.
Hvis den funktion vi vil undersøge er glat i sine stationære punkter, så kan vi kvalificere
metoden 4.20 endnu bedre, idet det approksimerende polynomium af grad 2 med ud-
viklingspunkt i det stationære punkt kan hjælpe med at afgøre, om værdien af f ( x ) i det
stationære punkt er en kandidat til at være en maksimumværdi eller minimumværdi.
eNote 4 4.5 FUNKTIONSUNDERSØGELSER 22
Opgave 4.24
Bevis hjælpesætningen 4.23 ved at bruge Taylors grænseformel med det approksimerende
andengrads-polynomium for f ( x ) og udviklingspunkt x0 . Husk, at x0 er et stationært punkt,
således at f 0 ( x0 ) = 0.
er vist i figur 4.6. I intervallet I = [ 1.5, 2.0] har funktionen de egentlige lokale mini-
mumværdier 0.5 og 0 i de respektive egentlige lokale minimumpunkter x0 = 1 og x0 = 1 og
funktionen har en egentlig lokal maksimumværdi 1.5 i det egentlige lokale maksimumpunkt
x0 = 0. Hvis vi udvider intervallet til J = [ 7, 7] og bemærker at funktionsværdierne per
definition er konstante udenfor intervallet I fås de nye lokale maksimum-værdier 0.75 og 1
for f ( x ) i J – ingen af dem er egentlige lokale maksimumværdier. Alle x0 2] 7, 1.5] og
alle x0 2 [2, 7[ er lokale maksimumpunkter for f ( x ) i J men ingen af dem er egentlige lokale
maksimumpunkter. Alle x0 i det åbne interval x0 2] 7, 1.5[ og alle x0 i det åbne interval
x0 2]2, 7[ er i øvrigt også lokale minimumpunkter for f ( x ) i J men ingen af dem er egentlige
lokale minimumpunkter.
eNote 4 4.5 FUNKTIONSUNDERSØGELSER 23
Figure 4.7: Egentlige lokale maksima og egentlige lokale minima for funktionen fra
eksempel 4.26 er her antydet på grafen for funktionen. For en ordens skyld bemærkes:
De lokale maksimum- og minimum-punkter for funktionen er de markerede røde graf-
punkters x-koordinater og de lokale maksimum- og minimum-værdier for funktionen
er de markerede røde graf-punkters y-koordinater.
Funktionen f ( x ) Z x
f (x) = cos(t2 ) dt (4-56)
0
har stationære punkter i de værdier af x0 som tilfredsstiller:
p
f 0 ( x0 ) = cos( x02 ) = 0 , dvs. x02 = +p·p hvor p er et helt tal . (4-57)
2
Da vi også har, at
f 00 ( x ) = 2 · x · sin( x2 ) , (4-58)
sådan at der i de angivne stationære punkter gælder
f 00 ( x0 ) = 2 · x0 · ( 1) p . (4-59)
Heraf følger – via lemma 4.23 – at hvert andet stationært punkt x0 langs x-aksen er et
egentligt lokalt maksimumpunkt for f ( x ) og de øvrige stationære punkter er egentlige
lokale minimumpunkter. Se figur 4.7. I figur 4.8 er vist graferne (parabler) for et par af
de approksimerende andengradspolynomier for f ( x ) med udviklingspunkter i udvalgte sta-
tionære punkter.
eNote 4 4.5 FUNKTIONSUNDERSØGELSER 24
Figure 4.8: Grafen for funktionen i eksempel 4.26 og to approksimerende parabler med
udviklingspunkter i to stationære punkter, som er henholdsvis et egentligt lokalt mini-
mumpunkt og et egentligt lokalt maksimumpunkt for f ( x ).
Som angivet i hjælpesætning 4.23 kan man ikke ud fra f 0 ( x0 ) = f 00 ( x0 ) = 0 slutte, at funk-
tionen har lokalt maksimum eller minimum i x0 . Det viser de tre simple funktioner i figur
4.9 med al ønskelig tydelighed: f 1 ( x ) = x4 , f 2 ( x ) = x4 og f 3 ( x ) = x3 . Alle tre funktioner
har stationært punkt i x0 = 0 og alle har f 00 ( x0 ) = 0, men f 1 ( x ) har et egentligt lokalt min-
imumpunkt i 0, f 2 ( x ) har et egentligt lokalt maksimumpunkt i 0, og f 3 ( x ) har hverken et
lokalt minimimumpunkt eller et lokalt maksimumpunkt i 0.
eNote 4 4.5 FUNKTIONSUNDERSØGELSER 25
4.6 Opsummering
I denne eNote har vi studeret hvordan man kan approksimere glatte funktioner med
polynomier.
f 0 ( x0 ) f ( n ) ( x0 )
f ( x ) = f ( x0 ) + · (x x0 ) + · · · + · (x x0 ) n + ( x x0 ) n · # f ( x x0 ) ,
1! n!
hvor # f ( x x0 ) betegner en epsilonfunktion af ( x x0 ), dvs. # f ( x x0 ) ! 0 for
x ! x0 .
sin( x ) x + x1 · #( x )
= = 1 + #( x ) ! 1 for x!0 . (4-61)
x x
• Vurdering af restfunktionen giver en øvre grænse for den største numeriske forskel
mellem en given funktion og det approksimerende polynomium af en passende
grad og med et passende udviklingspunkt i et givet undersøgelsesinterval. En så-
dan vurdering kan også foretages for funktioner, som måske kun ”kendes” via en
differentialligning eller som et ikke-elementært integral:
1 3 5
| ln( x ) ( x 1)| for alle x 2 , . (4-62)
18 4 4
eNote 5
Talrummene R n og C n
5.1 Talrum
R n er symbol for mængden af alle ordnede talsæt, som indeholder n reelle elementer.
Fx er
(1, 4, 5) og (1, 5, 4)
to forskellige talsæt, som tilhører R3 . Tilsvarende er C n symbol for mængden af alle
ordnede talsæt, som indeholder n komplekse elementer. Komplekse tal behandles i
eNote 1. Fx er
(1 + 2i, 0, 3i, 1, 1) og (1, 2, 3, 4, 5)
eNote 5 5.1 TALRUM 2
Definition 5.2
Lad ( a1 , a2 , . . . , an ) og (b1 , b2 , . . . , bn ) være elementer i L n , og lad k være et tal i L (en
skalar). Summen af talsættene defineres ved
( a1 , a2 , . . . , an ) + (b1 , b2 , . . . , bn ) = ( a1 + b1 , a2 + b2 , . . . , an + bn ), (5-2)
k · ( a1 , a2 , . . . , a n ) = ( a1 , a2 , . . . , a n ) · k = ( k · a1 , k · a2 , . . . , k · a n ). (5-3)
R n udstyret med regneoperationerne (5-2) og (5-3) kaldes det n-dimensionale reelle tal-
rum. Tilsvarende kaldes C n udstyret med regneoperationerne (5-2) og (5-3) det n-dimensionale
komplekse talrum.
Som kort notation for talsæt vil vi bruge små fede bogstaver. Vi kan for eksempel skrive
a = (3, 2, 1) eller b = (b1 , b2 , . . . , bn ) .
For talsættet (0, 0, . . . , 0), som kaldes nulelementet i L n , benyttes skrivemåden
0 = (0, 0, . . . , 0) .
Når man skal foretage mere sammensatte regneopgaver i talrummene, får man brug for
de følgende regneregler.
1. a + b = b + a (additionen er kommutativ)
2. (a + b) + c = a + (b + c) (additionen er associativ)
7. k1 (a + b) = k1 a + k1 b (distributiv regel)
Bevis
a + b = ( a1 + b1 , . . . , an + bn ) = 0 , b1 = a 1 , . . . , bn = an .
Heraf ses, at a har en modsat vektor a givet ved a = ( a1 , . . . , an ) . Det fremgår endda,
at a kun har denne modsatte vektor.
Af beviset for regel 4 i sætning 5.5 fremgår, at der for et vilkårligt talsæt a
gælder, at a = ( 1)a .
Opgave 5.6
a b = a + ( b) . (5-4)
k a = 0 , k = 0 eller a = 0 . (5-5)
eNote 5 5.1 TALRUM 5
Hvis man i en bestemt sammenhæng har brug for at opfatte talsættet som en
rækkevektor, udfører man en såkaldt transponering, som ændrer en søjlevektor til
en rækkevektor (og omvendt). Transponering har symbolet > :
⇥ ⇤
v> = 1 2 3 4 .
eNote 6 1
eNote 6
Lineære ligningssystemer
Denne eNote handler om lineære ligningssystemer, om metoder til at beskrive dem og løse dem,
og om hvordan man kan få overblik over løsningsmængdernes struktur. Noten kan læses uden
særlige forudsætninger, dog bør man kende til talrummene R n og C n , se eNote 5.
Opdateret 24.10.21 af Karsten Schmidt
a1 · x1 + a2 · x2 + . . . + a n · x n = b . (6-2)
Ved den fuldstændige løsning eller blot løsningsmængden forstås mængden af alle løs-
ninger til ligningen.
y = 2x +5. (6-3)
2 x1 + 1 x2 = 5 , (6-4)
Hvis alle ligningens koefficienter er 0, men højresiden er forskellig fra 0, opstår en inkonsis-
tent ligning; det vil sige en ligning, som ingen løsninger har. Det gælder fx ligningen
• Man ændrer ikke ved løsningsmængden for ligningen, hvis man lægger
den samme størrelse til på begge sider af lighedstegnet, og
Alle lineære ligninger, som ikke er inkonsistente, og som indeholder mere end én ubek-
endt, har uendeligt mange løsninger. Det følgende eksempel viser, hvordan man i så
fald kan opskrive løsningsmængden.
Find alle løsninger til den følgende inhomogene lineære ligning med tre ubekendte:
2 x1 x2 + 4 x3 = 5 . (6-7)
Hvis vi opfatter (6-7) som ligningen for en plan i rummet, så angiver (6-10)
en parameterfremstilling for den samme plan. Første søjlevektor på højresi-
den (den, der ikke ganges med en fri parameter) angiver begyndelsespunktet i
planen, og de to sidste søjlevektorer er retningsvektorer for planen. Dette er
beskrevet nærmere i eNote 10 om "‘Geometriske vektorer"’.
Ved den fuldstændige løsning eller blot løsningsmængden forstås mængden af alle løs-
ninger til ligningssystemet. En enkelt løsning betegnes ofte som en partikulær løs-
ning.
Når man skal undersøge et lineært ligningssystem, er det ofte bekvemt at benytte sig
af matricer. En matrix er et rektangulært talskema, som består af et vist antal rækker og
søjler. For eksempel har den matrix M, som er givet ved
1 0 5
M= , (6-14)
8 3 2
to rækker og tre søjler. De seks tal kaldes matricens elementer. Matricens diagonal består
af de elementer, hvis rækkenummer er lig med søjlenummer. I M består diagonalen
således af elementerne 1 og 3.
Ved koefficientmatricen A til det lineære ligningssystem (6-11) forstås den matrix, hvis
første række består af koefficienterne til den første ligning, hvis anden række består af
koefficienterne til den anden ligning og så videre. Kort sagt den følgende matrix med
m rækker og n søjler: 2 3
a11 a12 · · · a1n
6a 7
6 21 a22 · · · a2n 7
A =6 . .. .. .. 7 . (6-15)
4 .. . . . 5
am1 am2 · · · amn
Den lodrette hjælpelinje før sidste søjle i (6-16) har blot den pædagogiske funk-
tion at skabe klarere overblik. Man kan vælge at udelade linjen, hvis det i
sammenhængen ikke kan føre til misforståelser.
eNote 6 6.4 REDUKTION AF LINEÆRE LIGNINGSSYSTEMER 7
x2 + x3 = 2
2x1 + 4x2 2x3 = 2 (6-17)
3x1 + 4x2 + x3 = 9
har vi 2 3 2 3 2 3
0 1 1 2 0 1 1 2
A =4 2 4 25, b = 4 2 5 og T = 4 2 4 2 2 5. (6-18)
3 4 1 9 3 4 1 9
Bemærk, at det 0, som er placeret øverst til venstre i A og T, angiver, at koefficienten til x1 i
ligningssystemets øverste række er 0.
Lineære ligningssystemer kan reduceres, det vil sige gøres enklere, ved hjælp af en
metode, der kaldes Gauss-elimination. Metoden har flere forskellige varianter, og den
særlige variant der, benyttes i disse eNoter, går under navnet GaussJordan-elimination.
Det algebraiske grundlag for alle varianterne er, at man kan omforme et lineært ligningssy-
stem ved såkaldte rækkeoperationer, uden at man derved ændrer på ligningssystemets
løsningsmængde. Når ligningssystemet er reduceret mest muligt, er det som regel nemt
at aflæse og opskrive dets løsningsmængde.
eNote 6 6.4 REDUKTION AF LINEÆRE LIGNINGSSYSTEMER 8
Vi eksemplificerer ro1
Betragt ligningssystemet nedenfor til venstre. Vi bytter om på de to ligninger, hvorved vi har
udført R1 $ R2 ,
x1 + 2x2 = 3 x1 + x2 = 0
! (6-19)
x1 + x2 = 0 x1 + 2x2 = 3 .
Systemet til højre har samme løsningsmængde som systemet til venstre.
Vi eksemplificerer ro2
Betragt ligningssystemet nedenfor til venstre. Vi ganger ligningen i anden række med 5,
hvorved vi har udført 5 · R2 :
x1 + 2x2 = 3 x1 + 2x2 = 3
! (6-20)
x1 + x2 = 0 5 x1 + 5 x2 = 0 .
Systemet til højre har samme løsningsmængde som systemet til venstre.
Vi eksemplificerer ro3
eNote 6 6.4 REDUKTION AF LINEÆRE LIGNINGSSYSTEMER 9
Betragt ligningssystemet nedenfor til venstre. Til ligningen i anden række lægger vi ligningen
i første række ganget med 2. Vi har dermed udført R2 + 2 · R1 :
x1 + 2x2 = 3 x1 + 2x2 = 3
! (6-21)
x1 + x2 = 0 3x1 + 5x2 = 6.
Systemet til højre har samme løsningsmængde som systemet til venstre.
Bevis
Vi viser nu, at det ligningssystem B, som opstår, ved at L2 (x) = b2 i A erstattes af L3 (x) = b3 ,
har samme løsningsmængde som A, og at ro3 dermed er tilladt. Antag først, at x0 er en
vilkårlig løsning til A . Så gælder ifølge omformningsregler for én ligning, at
k L1 (x0 ) = k b1
og videre, at
L2 (x0 ) + k L1 (x0 ) = b2 + k b1 .
eNote 6 6.4 REDUKTION AF LINEÆRE LIGNINGSSYSTEMER 10
k L1 (x1 ) = k b1
og videre, at
L3 (x1 ) k L1 (x1 ) = b3 k b1 .
Venstresiden svarer til L2 (x1 ) og højresiden til b2 , så derfor er L2 (x1 ) = b2 , og x1 er også en
løsning til A. Samlet er det som ønsket vist, at ro3 er tilladt.
Følgesætning 6.11
Man ændrer ikke på et lineært ligningssystems løsningsmængde, hvis man om-
former det et vilkårligt antal gange og i en vilkårlig rækkefølge ved hjælp af de
tre rækkeoperationer.
Vi betragter nedenfor til venstre et lineært ligningssystem, som består af tre ligninger, hvori
der indgår de tre ubekendte x1 , x2 og x3 . Til højre er ligningssystemets totalmatrix opskrevet:
x2 + x3 = 2 2 3
0 1 1 2
2x1 + 4x2 2x3 = 2 T =4 2 4 2 2 5. (6-22)
3x1 + 4x2 + x3 = 9 3 4 1 9
• x1 skal være det eneste tilbageværende led på venstresiden af den øverste lign-
ing,
Hvis dette er muligt, er ligningssystemet ikke blot reduceret men også løst!
Vi går herunder frem efter en række trin, som følger GaussJordan-algoritmen, mens vi sam-
tidig ser på rækkeoperationernes indvirkning på totalmatricen.
For at opfylde ønsket, at x1 er eneste led i første lignings venstreside, skal vi først og fremmest
sørge for, at den øverste ligning, altså række et, i det hele taget indeholder x1 og med koeffi-
cienten 1. Det kan vi i denne opgave opnå i to trin. Vi ombytter de to øverste ligninger (ved
ro1 ) og ganger derefter den ligning, som nu står i række et, med 12 (ved ro2 ). Kort sagt
1
R1 $ R2 og · R1 :
2
x1 + 2x2 x3 = 1 2 3
1 2 1 1 (6-23)
x2 + x3 = 2 40 1 1 2 5.
3x1 + 4x2 + x3 = 9 3 4 1 9
Nu fjerner vi alle andre forekomster af x1 . Der er her kun én forekomst, der skal fjernes,
nemlig i række tre. Vi ganger derfor ligningen i række et med tallet 3 og lægger dette
produkt til ligningen i række tre (ved re3 ) — sagt på en anden måde, "‘vi lægger række et til
række tre 3 gange"’, eller "‘vi trækker række et fra række tre 3 gange"’. Dvs.
R3 3 · R1 :
x1 + 2x2 x3 = 1 2 3
1 2 1 1 (6-24)
x2 + x3 = 2 40 1 1 2 5.
2x2 + 4x3 = 6 0 2 4 6
eNote 6 6.4 REDUKTION AF LINEÆRE LIGNINGSSYSTEMER 12
Husk, at brugen af ro3 kun påvirker én række — i dette tilfælde påvirkes kun række
3, ikke række 1.
Vi har nu opnået, at x1 kun optræder i række et. Der skal den blive! Arbejdet med x1 er
afsluttet, hvilket svarer til, at der øverst i totalmatricens første søjle er et 1-tal og under 1-
tallet kun 0-er. Arbejdet med første søjle er færdiggjort!
Nu kan vi fjerne forekomsterne af x2 fra række et og række tre ved to gange at benytte ro3
R1 2 · R2 og R3 + 2 · R2 :
x1 + x3 = 5 2 3
1 0 1 5 (6-26)
x2 x3 = 2 40 1 1 2 5.
2x3 = 2 0 0 2 2
Herefter er arbejdet med x2 afsluttet, hvilket svarer til, at der i række to i totalmatricens anden
søjle er et 1-tal med 0 ovenfor og nedenunder. Ligesom med den første søjle vil vi undgå at
ændre på denne søjle to senere rækkeoperationer.
Til sidst ønsker vi, at den ubekendte x3 er repræsenteret alene i række tre med koefficienten
1, hvorfor x3 skal fjernes fra række et og række to. Det kan vi opnå i to trin. Først fås korrekt
koefficient (ved ro2 )
1
· R3 :
2
x1 + x3 = 5 2 3
1 0 1 5 (6-27)
x2 x3 = 2 40 1 1 2 5.
x3 = 1 0 0 1 1
Derefter ro3 to gange
R1 R3 og R2 + R3 :
x1 = 4 2 3
1 0 0 4 (6-28)
x2 = 1 40 1 0 1 5.
x3 = 1 0 0 1 1
Nu optræder x3 kun i række tre. Det svarer til, at der i række tre i totalmatricens tredje søjle
er et 1-tal, mens der er rene 0-er i resten af denne søjle. Vi har nu gennemført en fuldstændig
eNote 6 6.4 REDUKTION AF LINEÆRE LIGNINGSSYSTEMER 13
reduktion af ligningssystemet og kan konkludere, at der findes netop én løsning til det lign-
ingssystem, vi har arbejdet med, nemlig
Lad os huske på, hvad en løsning er: Det er et talsæt, der får alle ligningerne
i ligningssystemet til at passe! Lad os derfor eftervise, at (6-29) faktisk er en
løsning til ligningssystemet (6-22):
( 1) + 1 = 2
2 · 4 + 4 · ( 1) 2 · 1 = 2
3 · 4 + 4 · ( 1) + 1 = 9 .
Som forventet passer alle tre ligninger!
1. Det første tal i en række, som ikke er et 0, skal være et 1-tal. Det kaldes for
rækkens ledende 1-tal.
2. I to på hinanden følgende rækker, som begge har et ledende 1-tal, står den
øverste rækkes ledende 1-tal længere til venstre end den følgende rækkes
ledende 1-tal (trappen går nedad fra venstre mod højre).
De tre viste matricer er alle trappematricer. De ledende 1-taller (markeret med fed) betragtes
som trappens "‘trin"’. I A er trinene smukt placeret i diagonalen. B har kun to ledende 1-taller,
og man må gå to søjler mod højre for at komme fra første til andet trin. I C har trappen kun
ét trin.
eNote 6 6.4 REDUKTION AF LINEÆRE LIGNINGSSYSTEMER 15
Eksempel 6.15
Ingen af de følgende fire matricer er trappematricer, idet hver af dem strider mod netop én
af reglerne i definition 6.13. Det overlades til læseren at afgøre hvilken!
2 3 2 3 2 3 2 3
1 1 0 0 0 0 1 0 0 1 0 0
A =4 0 1 0 5 , B =4 1 2 0 5 , C = 4 0 2 1 5 og D =4 0 0 1 5 . (6-31)
0 0 1 0 0 1 0 0 0 0 1 0
Der gælder nu følgende vigtige sætning om forholdet mellem en matrix og den trappe-
matrix, som den kan omformes til ved hjælp af rækkeoperationer.
Den unikke trappematrix, som en given matrix M kan omformes til ved hjælp af
rækkeoperationer, kaldes matricens trappeform og har symbolet trap(M).
Bevis
Vi benytter følgende model for de seks matricer, som introduceres i løbet af beviset:
f1 f2
A M ! B
# (6-32)
f1 f2
A1 M1 ! B1
som vil fremkomme, hvis vi fra A fjerner alle de søjler, der svarer til dem, vi fjernede fra M for
at opnå M1 . Og det samme forhold er der mellem B1 og B. A1 og B1 vil derfor have ledende
1-taller i diagonalen i alle søjler pånær den sidste, da den sidste søjle er den første, hvor de
to matricer er forskellige fra hinanden. I denne sidste søjle er der to muligheder: Enten har
én af matricerne et ledende 1-tal eller også har ingen af dem det. Et eksempel på, hvordan
situationen i det første tilfælde kunne være, er:
2 3 2 3
1 0 0 1 0 0
A1 = 4 0 1 0 5 B1 = 4 0 1 2 5 . (6-33)
0 0 1 0 0 0
Vi fortolker nu M1 som totalmatrix for et lineært ligningssystem L (dvs., at den tredje søjle
i A1 og B1 er højresiden). Både A1 og B1 vil da repræsentere et fuldstændigt reduceret lign-
ingssystem, der skal have samme løsningsmængde som L. Men dette fører til en modstrid,
da det ene, A1 , af de fuldstændigt reducerede systemer indeholder en inkonsistent ligning,
mens det andet, B1 , vil have netop én løsning. Vi kan derfor udelukke, at én af A1 og B1
indeholder et ledende 1-tal i sidste søjle.
Fra sætning 6.16 får vi relativt nemt det næste resultat om matricer, som ved hjælp af
rækkeoperationer kan omformes til hinanden:
eNote 6 6.5 GAUSSJORDAN-ELIMINATION 17
Følgesætning 6.17
Hvis en matrix M ved en vilkårlig serie af rækkeoperationer er blevet omformet til
matricen N, så gælder der, at
Bevis
Lad s være en serie af rækkeoperationer, der omformer matricen M til matricen N , og lad t
være en serie af rækkeoperationer, der omformer N til trap(N) . Så vil den serie rækkeoper-
ationer, der består af s efterfulgt af t , omforme M til trap(N). Men da M ifølge sætning 6.16
har en unik trappeform, må trap(M) være lig med trap(N) .
Følgesætning 6.18
Hvis to lineære ligningssystemer kan omformes til hinanden ved hjælp af række-
operationer, så er de på fuldstændigt reduceret form (efter udeladelse af eventuelle
trivielle ligninger) identiske.
6.5 GaussJordan-elimination
Vi går frem fra venstre mod højre: Først ordnes totalmatricens første søjle,
så den ikke strider mod trappeformen. Dernæst ordnes den anden søjle, så
den ikke strider mod trappeformen og så videre indtil og med den sidste
søjle i totalmatricen.
Når man skal reducere lineære ligningssystemer, er man fri til at afvige fra
GaussJordan-metoden, hvis det i situationen skønnes nemmere. Hvis man
ved andre følger af rækkeoperationer har nået fuldstændigt reduceret form
(trappeform), er det jo den samme form, som man ville have opnået ved strikst
at have fulgt GaussJordan-metoden. Dette fremgår af følgesætning 6.18.
I eksempel 6.12 var det muligt direkte at aflæse løsningen ud fra det fuldstændigt re-
ducerede lineære ligningssystem. I det efterfølgende hovedeksempel er situationen
lidt mere kompliceret, hvilket hænger sammen med, at ligningssystemet har uendeligt
mange løsninger.
R2 2 · R1 , R3 3 · R1 og R4 4 · R1 :
2 3
1 3 2 4 5 9
60 0 0 5 5 15 7 (6-38)
6 7.
40 1 0 5 9 22 5
0 2 0 6 2 4
Herefter er vi færdige med behandlingen af første søjle, da vi har et ledende 1-tal i første
række og lutter 0-er på de andre pladser i søjlen.
R2 $ R3 og ( 1) · R2 :
2 3
1 3 2 4 5 9
60 1 0 5 9 22 7 (6-39)
6 7.
40 0 0 5 5 15 5
0 2 0 6 2 4
R1 3 · R2 og R4 2 · R2 :
2 3
1 0 2 11 22 57
60 1 0 5 9 22 7 (6-40)
6 7.
40 0 0 5 5 15 5
0 0 0 16 16 48
Arbejdet med anden søjle er nu afsluttet.
Herefter følger en afvigelse fra det, vi så i det forrige eksempel, hvor vi skaffede 1-taller i
diagonalen. Det er nemlig ikke muligt at skaffe et ledende 1-tal som tredje element i den
tredje række. Vi kan ikke bytte række et og række tre, for så ændrer vi jo den første søjle, som
er færdigbehandlet. Dermed er vi også færdige med søjle tre (2-tallet i øverste række kan
ikke fjernes). For at fortsætte reduktionen går vi videre til det fjerde element i række tre, hvor
det er muligt at skaffe et ledende 1-tal.
1
5 · R3 :
2 3
1 0 2 11 22 57
60 1 0 5 9 22 7 (6-41)
6 7.
40 0 0 1 1 35
0 0 0 16 16 48
R1 + 11 · R3 , R2 5 · R3 og R4 + 16 · R3 :
2 3
1 0 2 0 11 24
60 1 0 0 4 77 (6-42)
6 7.
40 0 0 1 1 35
0 0 0 0 0 0
eNote 6 6.6 BEGREBET RANG 20
Men derudover kan systemet med fire ligninger nu erstattes af et system bestående af 3. Den
sidste række er nemlig en triviel ligning, der har hele L5 som sin løsningsmængde. Det æn-
drer derfor ikke på ligningssystemets løsningsmængde, at den sidste ligning udelades af det
reducerede system (idet fællesmængden af løsningsmængderne for hver af de fire ligninger
er lig med fællesmængderne af løsningsmængderne for de første tre). Helt enkelt kan vi
derfor opskrive det fuldstændigt reducerede ligningssystem således:
x1 + 2x3 11x5 = 24
x2 + 4x5 = 7 (6-44)
x4 + x5 = 3 .
Men hvordan kommer vi videre fra det reducerede ligningssystem til at indse, hvad
løsningsmængden er, og til at kunne angive den på en overskuelig form? Vi fortsætter
ovenstående eksempel senere (i eksempel 6.30) for at tilføje denne løsning. Men først
har vi brug for at indføre begrebet rang.
Rangen angiver det mindst mulige antal ikke-trivielle ligninger, som et lign-
ingssystem kan omformes til ved hjælp af rækkeoperationer. Man kan altså
aldrig med rækkeoperationer omforme et lineært ligningssystem, så det in-
deholder færre ikke-trivielle ligninger, end det gør, når det er fuldstændigt
reduceret. Dette er en konsekvens af sætning 6.22.
Vi vil nu undersøge relationen mellem rang og antallet af rækker og søjler. Først be-
mærker vi, at det direkte af definition 6.21 følger, at rangen af en matrix aldrig kan være
større end antallet af matricens rækker.
Men rangen af en matrix kan heller ikke være større end antallet af søjler. Rangen er
jo lig med antallet af ledende 1-taller i matricens trappeform, og hvis trappeformen af
matricen indeholder flere ledende 1-taller, end der er søjler, så må der være mindst én
søjle, der indeholder mere end ét ledende 1-tal. Men dette strider mod betingelse nr. 3 i
definition 6.13.
I eksempel 6.23 er rangen af M mindre end antallet af søjler i M, mens rangen N er lig
med antallet af søjler i N.
I visse tilfælde kan man umiddelbart aflæse løsningsmængden for et lineært ligningssystem,
når dets totalmatrix er bragt på trappeform. Det gælder, når ligningssystemet ingen
løsninger har, eller når det har netop én løsning. Hvis ligningssystemet har uendeligt
mange løsninger, er der stadig et arbejde, der skal gøres, før man klart kan karakteris-
ere løsningsmængden. En klart karakteriseret løsningsmængde kan med fordel opnås
ved at bringe den på standard-parameterform.
eNote 6 6.7 FRA TRAPPEFORM TIL LØSNINGSMÆNGDE 23
Begrebet rang viser sig velegnet til at give et overblik over forskellige former for løs-
ningsmængder. De næste tre underafsnit beskriver de tre særlige situationer.
Totalmatricen T for et lineært ligningssystem har det samme antal rækker som lignings-
systemets koefficientmatrix A, men den har én ekstra søjle, som indeholder ligningernes
højresider. Der foreligger derfor to muligheder. Enten har vi r(T) = r(A), eller også er
r(T) = r(A) + 1, dvs. r(A) < r(T), hvilket svarer til, at sidste søjle i trap(T) indeholder
et ledende 1-tal. Konsekvensen af den sidste mulighed undersøges i eksempel 6.25.
x1 2x2 = 0
0x1 + 0x2 = 1 (6-49)
0x1 + 0x2 = 0 .
Bemærk her, at ligningen i anden række er inkonsistent (svarer til 0 = 1), og at den derfor
ingen løsninger har. Da ligningssystemets løsningsmængde er fællesmængden af de enkelte
ligningers løsningsmængder, har ligningssystemet ingen løsninger overhovedet.
⇥ ⇤
Hvis trap(T) har en række af formen 0 0 · · · 0 1 , så har ligningssys-
temet ingen løsninger.
Opgave 6.27
x1 + x2 + 2x3 + x4 = 1
(6-52)
2x1 2x2 4x3 2x4 = 3 .
Endelig antager vi, at der i det givne eksempel også gælder, at r(A) = r(T). Så kan løs-
ningsmængden umiddelbart aflæses af trap(T). Den første række i trap(T) vil nemlig
svare til en ligning hvor den første ubekendte har koefficienten 1, mens alle de andre
har koefficienten 0. Den første ubekendtes værdi er derfor lig med det sidste element
i første række (højresiden). Samme gælder med de øvrige rækker, så den i-te række
svarer til en ligning, hvor den i-te ubekendte er den eneste ubekendte, så dens værdi er
eNote 6 6.7 FRA TRAPPEFORM TIL LØSNINGSMÆNGDE 25
lig med det sidste element i den i-te række. Da der i så fald til hver ubekendt svarer én
bestemt værdi, og da r(A) = r(T) sikrer, at det fuldstændigt reducerede ligningssys-
tem ingen inkonsistente ligninger indeholder, så har det givne ligningssystem netop én
løsning.
som har et ledende 1-tal i hver søjle og 0-er på alle andre pladser. Vi bemærker endvidere, at
r (A) = r (T) = 2 .
1x1 + 0x2 = 3
0x1 + 1x2 = 5 (6-55)
0x1 + 0x2 = 0 ,
Det ses heraf, at r(A) = r(T) = 3, det vil sige mindre end 5, som er antallet af ubekendte.
x1 + 2x3 11x5 = 24
x2 + 4x5 = 7 (6-58)
x4 + x5 = 3 .
Ligningssystemet har uendeligt mange løsninger. Til ethvert valg af talværdier for x3 og x5
kan man finde netop én ny værdi af de øvrige ubekendte x1 , x2 og x4 . Det kan vi tydeliggøre
ved at isolere x1 , x2 og x4 :
x1 = 24 2x3 + 11x5
x2 = 7 4x5 (6-59)
x4 = 3 x5 .
Hvis vi for eksempel vælger x3 = 1 og x5 = 2, kan vi se, at ligningssystemet har løsningen
x = ( x1 , x2 , x3 , x4 , x5 ) = ( 4, 1, 1, 1, 2). Vi kan derfor betragte x3 og x5 som frie parametre,
der fastlægger betydningen af de tre øvrige ubekendte, og omdøber derfor på højresiden x3
og x5 til parameternavnene t1 henholdsvis t2 . Herefter kan vi opskrive løsningsmængden
således:
x1 = 24 2t1 + 11t2
x2 = 7 4t2
x3 = t1 (6-60)
x4 = 3 t2
x5 = t2 ,
eNote 6 6.7 FRA TRAPPEFORM TIL LØSNINGSMÆNGDE 27
Med et geometrisk inspireret sprogbrug vil vi kalde vektoren ( 24, 7, 0, 3, 0) for løs-
ningsmængdens begyndelsespunkt og de to vektorer ( 2, 0, 1, 0, 0) og (11, 4, 0, 1, 1) for
dens retningsvektorer. Hvis vi kalder begyndelsespunktet for x0 og retningsvektorerne for v1
henholdsvis v2 , kan vi opskrive parameterfremstillingen således:
x = x0 + t1 v1 + t2 v2 hvor t1 , t2 2 L . (6-62)
Da løsningsmængden har to frie parametre svarende til to retningsvektorer, siger man, at den
har en dobbelt-uendelighed af løsninger.
Lad os, inspireret af eksempel 6.30, formulere en generel fremgangsmåde til at bringe
løsningsmængden på standard-parameterform ud fra det fuldstændigt reducerede lign-
ingssystem:
eNote 6 6.7 FRA TRAPPEFORM TIL LØSNINGSMÆNGDE 28
x = ( x1 , x2 , . . . , xn ) = x0 + t1 v1 + t2 v2 + · · · + tn k vn k , (6-64)
Bemærk, at tallene t1 , t2 , . . . , tn k kan vælges frit. Uanset valg vil (6-64) vre en gyldig
lsning. De kaldes derfor for frie parametre.
Bemærk, at der findes eksempler på løsningsmængder, hvor der ganske vist er uen-
deligt mange løsninger, da der er frie parametre til stede, men hvor en eller flere af
de ubekendte alligevel har fastlåste værdier, dvs. at de ikke afhænger af denne frie pa-
rameter. I det følgende eksempel har den frie parameter kun betydning for én af de
eNote 6 6.8 OM ANTALLET AF LØSNINGER 29
Ligningssystemet svarer til ligninger for tre rette linjer i et koordinatsystem i planen.
Løsningsmængden for ligningssystemet svarer så til mængden af de punkter, som er fælles
for alle de tre linjer. For at besvare spørgsmålet om "‘antallet"’ af løsninger, tegner vi de
væsensforskellige situationer, der findes, i figur 6.1. I situation 2 er to af linjerne par-
Figure 6.1: De seks mulige løsningsstrukturer for tre ligninger med to ubekendte
allelle, og i situation 3 er alle tre linjer parallelle. Der er derfor ingen fælles punkter
for alle de tre linjer i situationerne 1, 2 og 3. I situation 5 er to af linjerne (blå og rød)
sammenfaldende. Der er derfor netop ét fælles punkt i situationerne 4 og 5. I situation
6 er alle tre linjer sammenfaldende. Der er derfor i denne situation uendeligt mange
fællespunkter.
Dette eksempel med tre ligninger med to ubekendte illustrerer den følgende sætning,
som følger af vores studium af løsningsmængder i det foregående afsnit, se sætningerne
6.26, 6.29 og 6.33:
x = ( x1 , x2 , . . . , x n ) og y = ( y1 , y2 , . . . , y n ) (6-70)
x + y = ( x1 + y1 , x2 + y2 , . . . , x n + y n ) (6-71)
og produktet
k · x = ( k · x1 , k · x2 , . . . , k · x n ) (6-72)
tilhøre Lhom .
eNote 6 6.9 LØSNINGSMÆNGDERS LINEÆRE STRUKTUR 32
Bevis
En oplagt egenskab ved systemet (6-69) er, at r(A) = r(T) (fordi højresiderne er lutter nuller).
Systemet har derfor mindst én løsning — det følger af sætning 6.29. Vi kan ogås straks finde
en løsning, nemlig nulvektoren 0 2 L n . At den er en løsning fremågr jo af, at når vi erstatter
alle de n ubekendte i systemet med tallet 0, s består systemet af m ligninger af formen 0 =
0. Vi forudsætter i det følgende, at Lhom 6= 0, altså at der også findes andre løsninger end
nulløsningen.
1. Hvis
ai1 x1 + ai2 x2 + · · · + ain xn = 0 for ethvert i = 1, 2, . . . , m , (6-73)
og
ai1 y1 + ai2 y2 + · · · + ain yn = 0 for ethvert i = 1, 2, . . . , m , (6-74)
så fås ved addition af de to ligninger og efterfølgende faktorisering med hensyn til
koefficienterne
2. Hvis
ai1 x1 + ai2 x2 + · · · + ain xn = 0 for ethvert i = 1, 2, . . . , m , (6-76)
og k er en vilkårlig skalar, så fås ved multiplikation på begge sider med k og efterføl-
gende faktorisering med hensyn til koefficienterne
⌅
eNote 6 6.9 LØSNINGSMÆNGDERS LINEÆRE STRUKTUR 33
Bemærkning 6.36
Hvis man tager et vilkårligt antal løsninger fra Lhom , ganger dem med vilkårlige kon-
stanter og lægger disse produkter sammen, så vil denne såkaldte linearkombination
af løsninger også selv være en løsning. Dette er en konsekvens af sætning 6.35.
6.9.2 Struktursætningen
Bevis
Sætningen rummer to påstande. Den ene er, at summen af x0 og en vilkårlig vektor fra Lhom
tilhører Linhom . Den anden er, at en vilkårlig vektor fra Linhom kan skrives som summen af x0
og en vektor fra Lhom . Vi beviser de to påstande hver for sig:
Da
ai1 x01 + ai2 x02 + · · · + ain x0n = bi for ethvert i = 1, 2, . . . , m , (6-82)
og
ai1 y1 + ai2 y2 + · · · + ain yn = 0 for ethvert i = 1, 2, . . . , m , (6-83)
så fås ved addition af de to ligninger og efterfølgende faktorisering med hensyn til
koefficienterne
2. Antag, at x 2 Linhom . Vi ønsker at vise, at der findes en vektor y 2 Lhom , der opfylder,
at
x = x0 + y . (6-85)
Da både x og x0 tilhører Linhom , gælder, at
og
ai1 x01 + ai2 x02 + · · · + ain x0n = bi for ethvert i = 1, 2, . . . , m . (6-87)
Når vi trækker den nederste ligning fra den øverste, får vi efter faktorisering
hvilket viser, at den vektor y, som defineres ved y = x x0 , tilhører Lhom og opfylder
det ønskede: x = x0 + y.
⌅
eNote 7 1
eNote 7
Matricer og Matrixalgebra
Denne eNote introducerer matricer og regneoperationer for matricer og udvikler hertil hørende
regneregler. Noten kan læses uden andet grundlag end gymnasiet, men det kan være en idé at
være bekendt med talrummet R n , som beskrives i eNote 5.
Opdateret 24.10.21 af Karsten Schmidt
7.1 Matricer
Matricen A har således m rækker og n søjler, og man kan ligeledes skrive Am⇥n eller
(m ⇥ n)-matricen A. Matricen A siges også at være af typen m ⇥ n.
eNote 7 7.2 MATRIXSUM OG PRODUKT AF MATRIX MED SKALAR 2
En matrix, som kun har én søjle (n = 1), kaldes en søjlematrix. Tilsvarende kaldes en
matrix med kun én række (m = 1) en rækkematrix.
En matrix med lige mange rækker og søjler (m = n) kaldes en kvadratisk matrix. Kvadratiske
matricer underkastes særlig undersøgelse i eNote 8.
Er alle elementerne i en (m ⇥ n)-matrix reelle tal, kaldes matricen en reel matrix. Mæng-
den af disse matricer betegnes R m⇥n .
Er alle elementer i en matrix lig med 0, kaldes den nulmatricen uanset type og betegnes
0 eller evt. 0m⇥n . Enhver anden matrix kaldes en egentlig matrix.
Det er muligt at lægge to matricer sammen, hvis de er af samme type. Man lægger da
elementerne sammen pladsvis og danner derved en ny matrix af samme type. Ligeså
kan man gange en matrix med en skalar (et tal). Det sker ved at gange alle elementerne
med skalaren.
eNote 7 7.2 MATRIXSUM OG PRODUKT AF MATRIX MED SKALAR 3
Den modsatte vektor A til en matrix A defineres som den matrix, der fremkommer ved,
at alle elementerne i A ganges med 1 . Det ses, at A = ( 1)A .
eNote 7 7.2 MATRIXSUM OG PRODUKT AF MATRIX MED SKALAR 4
I følgende sætning opsummeres de regneregler, der gælder for sum af matricer og pro-
dukt med skalar.
Regnereglerne i sætning 7.3 kan vises ved hjælp af sædvanlige regneregler for reelle tal.
Fremgangsmåden eksempliceres for to af regnereglernes vedkommende i det følgende
eksempel.
eNote 7 7.2 MATRIXSUM OG PRODUKT AF MATRIX MED SKALAR 5
Givet er de to matricer
a a b11 b12
A = 11 12 og B= (7-8)
a21 a22 b21 b22
Sættes a11 , a12 , a21 og a22 uden for parentes i hvert af elementerne i det sidste udtryk, ses det,
at (k1 + k2 )A = k1 A + k2 A. For at sætte a-elementerne uden for parentes for hvert element
blev netop den distributive regel for de reelle tal brugt.
Sættes k1 uden for parentes i hvert af elementerne i matricen i det sidste udtryk, ses det,
at den anden distributive regel også gælder i dette tilfælde: k1 (A + B) = k1 A + k1 B. Den
distributive regel for de reelle tal bruges altså endnu en gang elementvist.
Det bemærkes, at nulmatricen i R m⇥n er den eneste matrix i R m⇥n , som er neu-
tral for addition, og at A er den eneste løsning til ligningen A + X = 0.
eNote 7 7.3 MATRIX-VEKTORPRODUKTET OG MATRIX-MATRIXPRODUKTET 6
A B = A + ( 1)B . (7-11)
B trækkes med andre ord fra A ved at hvert element i B trækkes fra det tilsvarende
element i A.
Man kan på den måde opdele en matrix Am⇥n i dens søjlevektorer. Det skrives på
følgende vis:
⇥ ⇤
A = a1 a2 · · · a n
22 3 2 3 2 33 2 3
a11 a12 a1n a11 a12 . . . a1n
66 a 7 6 a22 7 6 a2n 77 6 a 7
66 21 7 6 7 6 77 6 21 a22 . . . a2n 7 (7-14)
= 66 .. 7 6 .. 7 · · · 6 .. 77 = 6 .. .. . . 7 .
44 . 5 4 . 5 4 . 55 4 . . .. .. 5
am1 am2 amn am1 am2 . . . amn
eNote 7 7.3 MATRIX-VEKTORPRODUKTET OG MATRIX-MATRIXPRODUKTET 7
Der skal være lige mange søjler i matricen, som der er rækker i søjlevektoren, her n.
⇥ ⇤
Bemærk i definition 7.7, at Av = v1 a1 + v2 a2 + . . . + vn an ligeså godt kunne
skrives uden firkantede parenteser, Av = v1 a1 + v2 a2 + . . . + vn an .
eNote 7 7.3 MATRIX-VEKTORPRODUKTET OG MATRIX-MATRIXPRODUKTET 8
Er A givet ved
1 2 6
A= , (7-18)
2 1 4
har man da produktet
3 · ( 1) + 4 · 2 6 1
Av = = . (7-19)
3·2+4·1 4 6
Det ses, at resultatet (i begge tilfælde) er en søjlevektor med lige så mange rækker, som ma-
tricen A har rækker.
Som det er nævnt kan en matrix betragtes som søjlevektorer stillet op efter hinanden.
Dette udnyttes i den følgende definition af et matrix-matrixprodukt som en række af
matrix-vektorprodukter.
eNote 7 7.3 MATRIX-VEKTORPRODUKTET OG MATRIX-MATRIXPRODUKTET 9
Der skal være lige mange søjler i den førststående matrix, som der er rækker i den
sidststående matrix.
Det er ikke muligt at danne matrix-matrixproduktet BA, fordi der ikke er lige så
mange søjler i B, som der er rækker i A (3 6= 2).
eNote 7 7.3 MATRIX-VEKTORPRODUKTET OG MATRIX-MATRIXPRODUKTET 10
På samme måde som med regnereglerne i sætning 7.3 efterprøves som eksempel den
eNote 7 7.3 MATRIX-VEKTORPRODUKTET OG MATRIX-MATRIXPRODUKTET 11
På samme måde, som det er vist i sætning 7.14, kan man eftervise resten af regnere-
glerne. Ved at bruge mere "‘generelle"’ matricer kan man også bevise dem på rigtig
vis.
Eftervis første regneregel i sætning 7.13 med de to generelle reelle matricer A2⇥2 og B2⇥2 og
konstanten k.
eNote 7 7.4 TRANSPONERING AF MATRIX 12
Givet er de to matricer
2 3
9 1
0 1 6
A= og B =4 1 0 5. (7-31)
7 3 2
6 3
så 2 2 333 2
0
7
9 1 6 4 5 9 1 6 4
B> A> = 4 3 55
1
1 0 3 1 0 3
6
2 (7-34)
1·1 6·6 9·7 1·3 6·2 35 48
= = .
3·6 1·7+3·2 18 13
De to resultater ser ens ud
>
35 18 35 48
= , (AB)> = B> A> , (7-35)
48 13 18 13
Givet er matricerne
1 1 2 0 1 1
A= og B= . (7-36)
1 2 1 1 2 1
eNote 8
Kvadratiske matricer
Kvadratiske matricer er ganske enkelt matricer, som har lige mange rækker og søjler, så
de er af typen n ⇥ n. Noten her vil introducere nogle af de grundlæggende operationer,
der findes med kvadratiske matricer.
Elementer a11 , a22 , . . . , ann siges at stå i hoveddiagonalen eller bare diagonalen i A.
En kvadratisk matrix D, som kun har elementer forskellige fra nul i hoveddiagonalen,
kaldes en diagonalmatrix, og man kan betegne den D = diag( a11 , a22 , . . . , ann ).
En symmetrisk matrix A er en kvadratrisk matrix, som er lig sin egen transponerede, altså
A = A> .
eNote 8 8.1 KVADRATISKE MATRICER 2
Den kvadratiske matrix, som har 1-taller i hoveddiagonalen og nuller ellers, kaldes for
enhedsmatricen uanset antallet af rækker og søjler. Enhedsmatricen betegnes med E. Man
har altså, at 2 3
1 0 ··· 0
60 1 ··· 07
6 7
E = En ⇥ n = 6 . . .
. . . .. 7 . (8-2)
4 . . . .5
0 0 ... 1
AE = EA = A (8-3)
Bevis
Man kan forestille sig en anden matrix D, hvor samme sammenhænge var gældende, altså at
AD = DA = A for en vilkårlig matrix A. Denne vilkårlige matrix kunne være enhedsmatri-
cen, og sammenfatter man så de to ligninger får man: D = ED = DE = E.
Da E = D, findes der altså ikke andre matricer end enhedsmatricen E, der er et neutralt
element for matrixproduktet.
Som det vil fremgå af det følgende, er det ofte ved brug af kvadratiske matricer afgørende,
om de har fuld rang eller ej. Derfor indfører vi nu særlige begreber til at udtrykke dette.
eNote 8 8.2 INVERS MATRIX 3
En kvadratisk matrix kaldes singulær, hvis den ikke har fuld rang, det vil sige, at
r(An⇥n ) < n.
Til at bestemme den "‘reciprokke matrix"’ til en matrix A, kaldet A’s inverse matrix,
opstilles en matrixligning svarende til a · x = 1:
AX = XA = E . (8-4)
Den ubekendte X er en matrix. Hvis der findes en løsning X , betegnes den A 1 og
kaldes den inverse matrix til A. Vi ønsker altså at finde en bestemt matrix kaldet A 1 ,
som netop opfylder, at matrixproduktet af A med den giver enhedsmatricen.
Det er dog ikke alle kvadratiske matricer, som har en invers matrix. Det postuleres i
følgende sætning.
I den følgende metode forklares, hvordan man løser den før beskrevne matrixligning
(8-4), og derved finder den inverse, såfremt matricen er regulær.
eNote 8 8.2 INVERS MATRIX 4
3. Ved eliminationen dannes til slut enhedsmatricen på venstre side af den lo-
drette streg,
⇥ mens
⇤ løsningen
⇥ ⇤(den inverse til A) kan aflæses på højre side:
trap(T) = E X = E A 1 .
Dette kan gøres ved hjælp af metode 8.4. Først opstilles totalmatricen
2 3
⇥ ⇤ 16 9 10 1 0 0
T = A E =4 9 5 6 0 1 0 5. (8-7)
2 1 1 0 0 1
Nu danner vi det ledende 1-tal i første række. Først rækkeoperationen R1 + R2 og derefter
R1 + 4 · R3 . Det giver
2 3 2 3
7 4 4 1 1 0 1 0 0 1 1 4
4 9 5 6 0 1 05 ! 49 5 6 0 1 0 5. (8-8)
2 1 1 0 0 1 2 1 1 0 0 1
Så fjernes tallene i første søjle af anden og tredje række ved R2 9 · R1 og R3 2 · R1 . End-
videre ombyttes anden og tredje række, R2 $ R3 . Vi får da
2 3 2 3
1 0 0 1 1 4 1 0 0 1 1 4
40 5 6 9 8 36 5 ! 4 0 1 1 2 2 7 5. (8-9)
0 1 1 2 2 7 0 5 6 9 8 36
eNote 8 8.2 INVERS MATRIX 5
Nu ændrer vi fortegnet på række to, ( 1) · R2 , og fjerner dernæst tallet i anden søjle af tredje
række, R3 + 5 · R2 ,
2 3 2 3
1 0 0 1 1 4 1 0 0 1 1 4
40 1 1 2 2 75 ! 40 1 1 2 2 7 5. (8-10)
0 5 6 9 8 36 0 0 1 1 2 1
Det ses, at r(A) = r(T) = 3, altså har A fuld rang, og derfor kan man aflæse den inverse til
A på højresiden af den lodrette streg,
2 3
1 1 4
1 4
A = 3 4 6 5. (8-12)
1 2 1
Som man kan se i næste eksempel, kan man bruge den inverse til at løse matrixligninger
med kvadratiske matricer. I matrixligninger kan man nemlig også bytte rundt på led og
gange med skalarer for at isolere den ubekendte ligesom i almindelige lineære ligninger
med skalarer. Ydermere kan man gange igennem med matricer – dette kan enten gøres
eNote 8 8.2 INVERS MATRIX 6
fra højre eller venstre på alle leddene i ligningen, hvilket giver forskellige resultater.
Løs matrixligningen
AX = B CX , (8-14)
hvor
2 3 2 3 2 3
4 2 1 0 1 0 12 7 9
A =4 9 5 55 , B =4 8 12 5 5 og C =4 0 10 11 5 . (8-15)
2 0 7 5 0 0 0 1 6
AX = B CX , AX + CX = B CX + CX , (A + C)X = B . (8-16)
Da X er den ubekendte, vil vi prøve at isolere den helt. Er (A + C) en regulær matrix, kan
man gange med den inverse til (A + C) fra venstre på begge sider af lighedstegnet. Altså
1
(A + C) (A + C)X = (A + C) 1 B , EX = X = (A + C) 1 B , (8-17)
Den inverse til denne matrix er allerede bestemt i eksempel 8.5, og den del af proceduren
springes derfor over. X kan da bestemmes:
2 3 12 3
16 9 10 0 1 0
1
X = (A + C) B =4 9 5 65 48 12 5 5
2 1 1 5 0 0
2 32 3 2 3 (8-19)
1 1 4 0 1 0 28 11 5
4
= 3 4 6 54 8 12 5 5 = 4 62 45 20 5 .
1 2 1 5 0 0 11 23 10
1. Hvis og kun hvis A er en regulær kvadratisk matrix, er såvel A> som A 1 også
regulære.
2. Den transponerede til en invers matrix er den samme som den inverse
transponerede matrix,
(A> ) 1 = (A 1 )> . (8-21)
3. I matrixligninger kan man gange igennem med den inverse til en regulær ma-
trix. Dette kan gøres enten fra højre eller fra venstre på begge sider af lighed-
stegnet,
1 1
AX = B , X = A B og XC = D , X = DC . (8-22)
Bevis
Først bestemmes A 1
og B 1 ved hjælp af metode 8.4,
1
5
⇥ ⇤ 2 4 1 0 1 2 2 0 1 0 2 1
A E = ! ! 3 1 . (8-25)
6 10 0 1 0 2 3 1 0 1 2 2
Vi har altså, at 7
1 9 2
(AB) = 13 5 . (8-31)
2 2
Givet er matricerne 2 3
0 1
3 2 1
A = 4 1 0 5 og B= . (8-32)
0 1 2
2 3
a) Bestem (BA) 1.
Givet er matricerne
2 3 1 0 1 3 1 0
A= , B= , C= og D= . (8-33)
1 1 4 1 1 2 4 1
Vi har nu set, hvordan den inverse til en regulær matrix bestemmes, og vi siger, at den
har potensen 1. Tilsvarende defineres nu vilkårlige heltallige potenser af kvadratiske
eNote 8 8.3 POTENSER AF MATRICER 10
matricer.
Givet er matricerne
1 0 2 1
A= og B= . (8-37)
2 1 4 2
Med hjælp fra både definition 8.12 og sætning 8.13 laves de efterfølgende udregninger. Først
bestemmes A2 ,
2 1 0 1 0 1 0
A = AA = = = E. (8-38)
2 1 2 1 0 1
eNote 8 8.3 POTENSER AF MATRICER 11
.. ..
. .
A 3 = (AA2 ) 1 =A 1 =A A 2 = (A2 ) 1 =E
A 1=A A0 = E (8-39)
A1 = A A2 = E
.. ..
. .
Alle ulige potenser af A giver altså A, mens de lige potenser giver enhedsmatricen,
Bemærk, at når n er et heltal, så opnås netop kun lige heltal ved 2n og netop kun ulige
heltal ved 2n + 1.
B2 udregnes:
2 2 1 2 1 0 0
B = = = 0. (8-41)
4 2 4 2 0 0
Ifølge samme regneregel er B singulær. Man har da, at
B0 = E , B1 = B , B2 = 0 og Bn = 0 for n 2. (8-42)
eNote 8 8.4 OPSUMMERING 12
8.4 Opsummering
• Hvis en kvadratisk matrix har fuld rang, kaldes den regulær, ellers kaldes den
singulær.
• En kvadratisk matrix, som kun har tal forskellige fra nul i diagonalen, kaldes en
diagonalmatrix.
eNote 9
Determinanter
I denne eNote ser vi på kvadratiske matricer. Deres type er altså n ⇥ n for n 2, se eNote 8.
Det er en fordel, men ikke absolut nødvendigt, at kende determinantbegrebet for
(2 ⇥ 2)-matricer på forhånd. Matrix-algebraen fra eNote 7 forudsættes bekendt (sum, produkt,
transponering og inverse af matricer) samt den generelle løsningsmetode for linæere
ligningssystemer fra eNote 6.
Opdateret 25.09.21 af Karsten Schmidt
Determinanten er en ganske bestemt funktion af de i alt n2 tal, der står som elementer i
en (n ⇥ n)-matrix.
Husk, at den inverse matrix A 1 til en regulær matrix A har den karakteristiske egenskab,
at A 1 · A = A · A 1 = E. Vis direkte ud fra (9-1) og (9-2), at den inverse matrix A 1 til en
(2 ⇥ 2)-matrix A kan udtrykkes på følgende måde (når altså det(A) 6= 0):
1 1 a22 a12
A = . (9-3)
det(A) a21 a11
9.3 Snit-matricer
Disse 9 (2 ⇥ 2)-snitmatricers respektive determinanter kan hver for sig direkte beregnes ud
fra definitionen 9.1:
b 11 ) = 7 ,
det(A b 12 ) = 1 ,
det(A b 13 ) = 5 ,
det(A
b 21 ) = 3 ,
det(A b 22 ) = 0 ,
det(A b 23 ) = 0 ,
det(A (9-6)
b 31 ) = 1 ,
det(A b 32 ) = 1 ,
det(A b 33 ) = 2 .
det(A
eNote 9 9.4 INDUKTIV DEFINITION AF DETERMINANTER 4
Vi vil benytte definition 9.6 direkte til at beregne determinanten af den (3 ⇥ 3)-matrix A, som
er givet i eksempel 9.5. Vi vælger r = 1 og skal derfor opløse efter første række. Da n = 3, har
vi således brug for de tre snitmatrix-determinanter det(A b rj ) for j = 1, 2, 3, som allerede er
udregnet i eksempel 9.5:
b 11 ) = 7
det(A
b 12 ) = 1
det(A
b 13 ) = 5 .
det(A
eNote 9 9.4 INDUKTIV DEFINITION AF DETERMINANTER 5
Vi har desuden brug for de tre elementer i den række, vi opløser efter, som blot aflæses af
matricen:
a11 = 0
a12 = 2
a13 = 1 .
Determinanten af A findes:
3
det(A) = Â( 1)1+ j a1j det(A
b 1j )
j =1
Læg mærke til, at snitmatricernes determinanter skal ganges med det element
i A, som står på plads (r, j), og med fortegns-faktoren ( 1)r+ j , før de lægges
sammen.
Hvis A har flere rækker hhv. søjler end tre, n > 3, så bliver snitmatricerne
ikke (2 ⇥ 2)-matricer. For at finde snitmatricernes determinanter til at bruge i
formlen er det selvfølgelig ikke noget problem at "‘trævle dem op"’ også efter
samme formel og opnå endnu mindre snitmatricer. Således ender vi altid med
til sidst kun at skulle bestemme vægtede summer af determinanter af (2 ⇥ 2)-
matricer! Men vi kan dog ende med mange (2 ⇥ 2)-matricer.
Vis direkte ved beregning, at vi får samme værdi for determinanten ved at bruge en af de
andre to rækker til opløsningen af determinanten i eksempel 9.5.
eNote 9 9.4 INDUKTIV DEFINITION AF DETERMINANTER 6
Som det er antydet allerede med definitionerne og som vist i det konkrete tilfælde med
matricen i eksempel 9.5, er det ligegyldigt, hvilken række (eller søjle) man opløser efter.
Vis direkte ved beregning, at vi får samme værdi for determinanten i eksempel 9.5 ved at
bruge søjle-opløsning efter en vilkårlig valgt søjle i A.
Det er selvsagt smartest at opløse efter en række (eller søjle), som indeholder en
masse 0’er, netop fordi leddene i formlen ganges med elementerne i den valgte
række (eller søjle). Vælges en række (eller søjle) med mange 0’er, forsvinder
mange af leddene, så udregningen forsimples voldsomt.
eNote 9 9.5 BEREGNINGSTEKNISKE EGENSKABER VED DETERMINANTER 7
Benyt de ovenfor givne anvisninger og resultater til at finde determinanten af hver af føl-
gende matricer:
2 3
2 3 0 0 2 1 5 3
2 3 0 2 1 0 5 60
0 2 7 1 61 3 2 0 27 6 1 3 2 2 177
61 3 0 27 6 7 6
7 60 0 5 1 1 47
7
6 7,66 0 5 1 0 1 7,6 7. (9-11)
40 0 1 05 6 7 61 0 0 0 0 07
40 0 1 0 05 6 7
0 5 8 1 40 0 1 0 0 05
5 2 7 1 9
0 5 2 7 1 9
Hvis der er en række (eller søjle), hvori alle elementer på nær ét er 0, så er det
klart smartest at vælge den at opløse efter. Og det er tilladt at "‘skaffe"’ sig en
masse 0’er ved de velkendte rækkeoperationer, hvis man blot holder øje med,
hvilke konstanter der divideres med, og hvor mange gange der byttes om på
rækkerne. Dette behandles i sætning 9.16 og bruges i eksempel 9.17 nedenfor.
Vi samler her nogle af de vigtigste redskaber, som ofte benyttes til beregning og inspek-
tion af determinanter af matricer.
Det er ikke svært at vise følgende sætning — fx direkte ved først at opløse efter første
søjle eller efter første række, hvorefter mønsteret, som sætningen udtrykker, viser sig.
Så er determinanten
n
det(L) = l1 l2 · · · · · ln = ’ li . (9-13)
i =1
For generelle matricer og derfor også kvadratiske matricer gælder som bekendt fra
eNote 6 om lineære ligningssystemer, at de kan omformes til trappeform ved brug af
rækkeoperationer. Hvis man holder godt øje med, hvad der sker ved hvert skridt i
den omformning, så kan determinanten af matricen direkte aflæses ud fra processen.
Determinanten af en matrix opfører sig nemlig "‘pænt"’, selvom der udføres rækkeop-
erationer på matricen.
eNote 9 9.5 BEREGNINGSTEKNISKE EGENSKABER VED DETERMINANTER 9
Som antydet ovenfor følger det af disse egenskaber ved determinantfunktionen, at den
velkendte reduktion af en given matrix A til trappeform trap(A) via rækkeoperationer
som beskrevet i eNote 6, faktisk indeholder en helt eksplicit beregning af determinanten
af A. Vi illustrerer med et simpelt eksempel.
1 1
det(A3 ) =det(A2 ) = det(A1 ) . (9-19)
2 2
Operation: R1 3R2 , række to trukket fra række et 3 gange.
Determinanten: Uændret. 2 3
1 0 1/2
A4 = 4 0 1 1/2 5 (9-20)
0 5 1
1 1
det(A4 ) = det(A3 ) =det(A2 ) = det(A1 ) . (9-21)
2 2
Operation: R3 5R2 , række to trukket fra række tre 5 gange.
Determinanten: Uændret. 2 3
1 0 1/2
A5 = 4 0 1 1/2 5 (9-22)
0 0 3/2
1 1
det(A5 ) = det(A4 ) = det(A3 ) =
det(A2 ) = det(A1 ) . (9-23)
2 2
Determinanten er nu diagonal-produktet, fordi alle elementerne under diagonalen er 0, se
sætning 9.13. Vi har derfor
3 3 1 1
·1·1 = = det(A5 ) = det(A4 ) = det(A3 ) = det(A2 ) = det(A1 ) . (9-24)
2 2 2 2
Heraf får vi direkte (ved at læse "‘baglæns"’)
1 3
det(A1 ) = (9-25)
2 2
således, at
det(A1 ) = 3 . (9-26)
Givet matricen 2 3
1 a a2 a3
61 0 a2 a3 7
A =6 7 hvor a 2 R . (9-27)
41 a a a3 5
1 a a2 a
1. det(A) = det(A> ) .
5. det(B 1 AB) = det(A), når blot B er regulær, hvilket vil sige, at det(B) 6= 0 .
Opgave 9.21
Bevis de 3 sidste ligninger i sætning 9.20 ved at bruge ligningen det(AB) = det(A) det(B).
Vis med et simplest muligt eksempel, at determinant-funktionen det() ikke er additiv. Altså
find to (n ⇥ n)-matricer A og B således, at
3. Angiv de værdier af a, for hvilke A er regulær, og find for disse værdier af a udtrykket
for det(A 1 ) .
1
xj = det(A†bj ) for j = 1, . . . , n , (9-31)
det(A)
hvor A†bj betegner den (n ⇥ n)-matrix, der fremkommer ved at erstatte søjle j i A
med b.
og hvis b = (b1 , b2 , b3 ), så er
2 3 2 3 2 3
b1 2 1 0 b1 1 0 2 b1
A†b1 = 4 b2 3 2 5 , A†b2 = 4 1 b2 2 5 , A†b3 = 4 1 3 b2 5 . (9-33)
b3 5 1 0 b3 1 0 5 b3
Hvis vi specielt lader A være den samme matrix som ovenfor i forklaring 9.25 og nu helt
konkret lader b = (1, 3, 2), så får vi ved at indsætte b i (9-33) og dernæst udregne de relevante
determinanter: 02 31
1 2 1
det(A†b1 ) = det @4 3 3 2 5A = 4
2 5 1
02 31
0 1 1
det(A†b2 ) = det @4 1 3 2 5A = 1 (9-34)
0 2 1
02 31
0 2 1
det(A†b3 ) = det @4 1 3 3 5A = 1 .
0 5 2
Da vi også kender det(A) = 3, kan vi nu konstruere løsningen til ligningssystemet Ax = b
vha. (9-31): ✓ ◆ ✓ ◆
1 1 1 4 1 1
x = ( x1 , x2 , x3 ) = · 4, · 1, · 1 = , , . (9-35)
3 3 3 3 3 3
3. Løs ligningssystemet ved reduktion af totalmatricen til trappeform som øvet i eNote 6
og efterfølgende aflæsning af løsningen.
For at vise, hvad der faktisk foregår i Cramers løsningsformel, definerer vi først den
adjungerede matrix for en matrix A.
eNote 9 9.6 CRAMERS LØSNINGSMETODE 15
Med andre ord: elementet på plads (i, j) i den adjungerede matrix adj(A)
er den ( 1)i+ j -fortegns-modificerede determinant af (i, j)-snitmatricen, altså:
( 1)i+ j det(A
b ij ). Bemærk transponeringen i (9-36).
som fås direkte ud fra den tidligere beregning af snitmatrix-determinanterne, som her gent-
ages
b 11 ) = 7 , det(A
det(A b 12 ) = 1 , det(A
b 13 ) = 5 ,
b b
det(A21 ) = 3 , det(A22 ) = 0 , det(A b 23 ) = 0 , (9-39)
b 31 ) = 1 , det(A
det(A b 32 ) = 1 , det(A
b 33 ) = 2 ,
idet vi husker, dels at de enkelte elementer skal have et fortegn, der afhænger af "‘positio-
nen"’, og dels at udtrykket (9-36) involverer en transponering.
eNote 9 9.6 CRAMERS LØSNINGSMETODE 16
sådan, at den inverse matrix til A (som jo findes, netop hvis det(A) 6= 0) kan findes på
følgende måde:
1
A 1= adj(A) . (9-41)
det(A)
Vink: Opgaven er ikke helt nem. Det anbefales, at man først øver sig på en (2 ⇥ 2)-matrix.
0’erne i enhedsmatricen i (9-40) fås ved at bruge den egenskab, at determinanten af en matrix
med to ens søjler er 0.
Bevis
1
= det(A†bj ) ,
det(A)
hvor vi til etablering af det sidste lighedstegn har benyttet, at
n
Â( 1)i+ j bi det(A
b ij ) (9-45)
i =1
lige præcis er opløsningen af det(A†bj ) efter søjle nummer j, altså opløsningen efter b-søjlen i
det(A†bj ) (se definition 9.9).
eNote 9 9.6 CRAMERS LØSNINGSMETODE 17
⌅
eNote 10 1
eNote 10
Geometriske vektorer
Formålet med denne note er at give en introduktion til geometriske vektorer i planen og
rummet, som sigter mod at introducere en række af de metoder, der gør sig gældende i den
generelle vektorrumsteori. Nøglebegreberne er her lineær uafhængighed og lineær afhængighed,
samt basis og koordinater. eNoten forudsætter kendskab til elementær plan- og rumgeometri, til
lineære ligningssystemer som beskrevet i eNote 6 og til matrixalgebra som beskrevet i eNote 7.
Opdateret 24.09.21 af Karsten Schmidt.
Geometriske vektorer kan benyttes til at angive parallelforskydninger i planen eller rummet.
På figur 6.1 er linjestykket CD fremkommet af linjestykket AB ved, at alle punkterne på AB
er blevet forskudt med vektoren u. På samme måde er linjestykket EF fremkommet af AB
ved parallelforskydning med vektoren v.
u
F
v
A
E
Figur 6.1: Parallelforskydning ved hjælp af vektorer
! ! ! ! !
Der gælder, at AB = CD = EF, men bemærk for eksempel også, at AB 6= FE.
I det følgende forudsætter vi, at der er valgt et enhedslinjestykke, hvilket vil sige et
linjestykke, der tillægges længden 1. Ved |v| forstås længden af vektoren v set i forhold
til længden af enhedslinjestykket. |v| er dermed et reelt tal. Alle vektorer med samme
længde som enhedslinjestykket kaldes enhedsvektorer.
Af praktiske grunde indføres en særlig vektor, som har længden 0 , og som ikke tillægges
!
en retning. Den kaldes nulvektoren og skrives 0. For ethvert punkt A sætter vi AA = 0.
En vektor, som ikke er nulvektoren, kaldes en egentlig vektor.
For enhver egentlig vektor v defineres den modsatte vektor v som den vektor, der har
! !
samme længde som v men modsat retning. Hvis v = AB, gælder dermed, at BA = v.
For nulvektoren sættes 0 = 0 .
eNote 10 10.2 ADDITION OG MULTIPLIKATION MED SKALAR 3
Det er ofte praktisk at benytte et fælles begyndelsespunkt, når forskellige vektorer skal
repræsenteres af orienterede linjestykker. Man vælger derfor et fast punkt O, kaldet
origo, og betragter vektorer ved de repræsentanter, der har O som begyndelsespunkt.
Vektorer repræsenteret på denne måde kaldes stedvektorer, fordi der til enhver given
!
vektor v hører ét unikt punkt (eller sted) P, der opfylder, at v =OP. Tilsvarende hører
!
der til ethvert punkt Q én unik vektor u således, at OQ = u.
Ved vinklen mellem to egentlige vektorer i planen forstår man den entydigt bestemte vinkel
mellem deres stedvektorer (deres repræsentanter med samme startpunkt, nemlig udgående
fra O ), som ligger i intervallet [ 0 ; p ] . Hvis en vektor v i planen drejes vinklen p/2 mod
uret, fremkommer en ny vektor, der kaldes v’s tværvektor og betegnes v b.
Ved vinklen mellem to egentlige vektorer i rummet forstås vinklen mellem deres sted-
vektorer i den plan i rummet, som indeholder begge stedvektorer.
Det giver god og brugbar mening "‘at lægge vektorer sammen"’, idet man både tager
højde for vektorernes længde og deres retning. Vi vil derfor i det følgende indføre nogle
regneoperationer for geometriske vektorer. I første omgang drejer det sig om de to
lineære regneoperationer:
• addition af vektorer og
Senere skal vi se på tre forskellige måder at multiplicere vektorer med hinanden på,
nemlig prikprodukt og for rumvektorer krydsprodukt og rumprodukt.
R P
v u+v
u
O Q
• Hvis k > 0 , så er kv = vk den vektor, der har samme retning som v, men som
er k gange så lang som v .
• Hvis k = 0 , så er kv = 0 .
v
(-1)v
2v
( 1)u = u.
( 5)v = (5v) = 5v .
kv = 0 , k = 0 eller v = 0 .
ka Q
O 1 k
Figur 6.3: Konstruktion af multiplikation af vektor med vilkårlig skalar
!
Først afsættes OQ= a, og linjen OQ forlænges. Derefter indlægges der med O som begyn-
delsespunkt en målelinje (lineal), som ikke er parallel med a, og hvor tallene 1 og k afsættes.
Opgave 10.6
Der er givet to parallelle vektorer a og b samt en målelinje. Hvordan kan man med en passer
og målelinjen konstruere et linjestykke, som har længden k, og som opfylder, at b = ka?
Opgave 10.7
1
Der er givet en egentlig vektor v, og der er givet en målelinje (lineal). Tegn vektoren |v|
v.
eNote 10 10.2 ADDITION OG MULTIPLIKATION MED SKALAR 7
Parameterfremstillinger for rette linjer i planen eller rummet opstilles ved hjælp af egentlige
vektorer. Nedenfor giver vi først et eksempel på en linje, der går gennem origo, og
dernæst et eksempel på en linje, der ikke gør.
Der er givet en ret linje l , som går gennem origo. Beskriv punkterne på linjen ved
hjælp af en parameterfremstilling.
tr P
R
r
O
!
Der vælges et punkt R på l, der ikke er det samme som origo. Vektoren r =OR kaldes en
retningsvektor for l . Til ethvert punkt P på l svarer der netop ét reelt tal t, der opfylder,
! !
at OP= tr. Omvendt svarer der til ethvert tal t netop ét punkt P på l, så OP= tr . Når
t gennemløber de reelle tal fra • til +•, vil P gennemløbe hele l i den retning, som er
bestemt ved r. Man siger, at
!
{ P | OP= tr hvor t 2 R }
er en parameterfremstilling for l .
eNote 10 10.2 ADDITION OG MULTIPLIKATION MED SKALAR 8
Givet linjen m , der ikke går gennem origo. Beskriv punkterne på m ved hjælp af en
parameterfremstilling.
tr
r
B
R
m P
b
!
Først vælges et begyndelsespunkt B på m, og vi sætter b =OB. Dernæst vælges et punkt R 2 m ,
!
som ikke er det samme som B. Vektoren r = BR er da en retningsvektor for m . Til ethvert
!
punkt P på m svarer der netop ét reelt tal t, der opfylder, at OP= b + tr. Omvendt svarer
!
der til ethvert tal t netop ét punkt P på l, så OP= b + tr. Når t gennemløber de reelle tal fra
• til +•, vil P gennemløbe hele m i den retning, som er bestemt ved r. Man siger, at
!
{ P | OP= b + tr hvor t 2 R }
er en parameterfremstilling for m .
Parameterfremstillinger som ovenfor beskriver rette linjer, der er uendeligt lange i hver
retning. Men parameterfremstillinger kan afgrænses og derved også bruges til at beskrive
linjestykker, hvilket er emnet for de følgende to opgaver.
Opgave 10.10
Betragt situationen i eksempel 10.9. Indtegn det orienterede linjestykke, som har parameter-
fremstillingen
!
{ P | OP= b + tr hvor t 2 [ 1; 2 ] } .
eNote 10 10.2 ADDITION OG MULTIPLIKATION MED SKALAR 9
Opgave 10.11
Vi får snart brug for mere avancerede regneregler for addition af geometriske vektorer
og multiplikation af geometriske vektorer med skalarer end dem, vi har givet eksempler
på ovenfor. Vi ridser derfor generelle regneregler op i følgende sætning og diskuterer
bagefter eksempler på, hvordan regnereglerne kan begrundes ud fra de allerede de-
finerede regneoperationer og sætninger kendt fra elementær geometri.
eNote 10 10.2 ADDITION OG MULTIPLIKATION MED SKALAR 10
Bevis
Regnereglerne i sætning 10.13 kan illustreres og eftervises ved hjælp af geometriske kon-
struktioner. Lad os som eksempel tage den første regel, den kommutative lov.
Her behøver vi blot igen at rette blikket mod figuren i definition 10.2, hvor u + v er kon-
strueret. Hvis vi nu konstruerer v + u, skal vi parallelforskyde linjestykket OQ med v og
betragte det fremkomne linjestykke RP2 . Der må gælde, at parallelogrammet OQPR er iden-
tisk med parallelogrammet OQP2 R, hvorfor P2 = P, og dermed u + v = v + u.
I de følgende to opgaver opfordres læseren til selv at redegøre for to af de andre regneregler.
⌅
eNote 10 10.2 ADDITION OG MULTIPLIKATION MED SKALAR 11
Opgave 10.14
ka
kb
a b
a+b
O
k(a+b)
Figur 6.6: Regnereglen k (u + v) = ku + kv
Opgave 10.15
For en given vektor u er det klart, at den modsatte vektor u er den eneste vektor, som
opfylder ligningen u + x = 0 . For to vilkårlige vektorer u og v er det også klart, at
der findes netop én vektor, der opfylder ligningen u + x = v , nemlig vektoren x =
v + ( u) , hvilket illustreres på figur 6.7.
x v
-u u
v u = v + ( u) . (10-1)
10.3 Linearkombinationer
k1 v1 + k2 v2 + . . . + k n vn
d
3c
c b
O a O 2a
-b
På figur 6.9 til venstre er vektorerne a, b og c indtegnet. På figuren til højre har vi konstrueret
linearkombinationen d = 2a b + 3c.
Som eksempel 10.18 viser, beskriver en linearkombination netop blot den nye
vektor, man får ved at forlænge andre vektorer og lægge dem sammen.
Opgave 10.19
A
s t
O u
3. Indtegn linearkombinationen s + 3u v.
Hvis to vektorer har repræsentanter på den samme rette linje, siger man, at de er lineært
afhængige. Det er klart, at to egentlige vektorer er lineært afhængige, hvis de er paral-
lelle. I modsat fald er de lineært uafhængige. Vi kan formulere det således, at to vektorer u
og v er lineært afhængige, hvis den ene kan fremkomme af den anden ved multiplikation
med en skalar forskellig fra 0, dvs. hvis der findes et tal k 6= 0 således, at
v = ku .
Kort sagt, to vektorer er lineært afhængige, "‘hvis den ene kan beskrive den an-
den"’. To parallelle vektorer kan beskrive hinanden ved, at den ene kopieres
og lægges til (eller trækkes fra) sig selv et vist antal gange; altså, ved at den
forlænges eller forkortes.
To vinkelrette eller blot ikke-parallelle vektorer kan derimod aldrig beskrive hi-
nanden, uanset hvor meget vi forlænger eller forkorter dem, da vi er nødt til
at dreje den ene, før det bliver muligt. Disse er derfor lineært uafhængige.
Et sæt, som kun består af én vektor, kaldes lineært afhængigt, hvis vektoren er 0-
vektoren, og ellers lineært uafhængigt.
eNote 10 10.4 LINEÆR AFHÆNGIGHED OG LINEÆR UAFHÆNGIGHED 15
I planen er givet tre vektorsæt (u, v), (r, s) og (a, b, c) , se figur 6.11.
c
u
v
b
a
r
s
u= 2v .
b=a c.
Kun sættet (r, s) er lineært uafhængigt, da der ikke findes måder, hvorpå de kan beskrive
hinanden.
Opgave 10.22
Gør rede for, at tre vektorer i rummet er lineært afhængige, hvis og kun hvis de har repræsen-
tanter, som ligger i samme plan. Hvilke betingelser må tre vektorer i rummet opfylde, for at
de er lineært uafhængige?
Opgave 10.23
Overvej (intuitivt), hvad der er det maksimale antal vektorer, som et vektorsæt i planen kan
rumme, hvis sættet skal være lineært uafhængigt. Samme spørgsmål for rummet.
eNote 10 10.4 LINEÆR AFHÆNGIGHED OG LINEÆR UAFHÆNGIGHED 16
Når man skal undersøge, om et sæt af vektorer er lineært uafhængigt eller lineært
afhængigt, giver definition 10.20 ikke umiddelbart en praktisk fremgangsmåde. Det
kan være nemmere at bruge sætningen, der følger nedenfor. Den bygger på, at et vek-
torsæt er lineært afhængigt, hvis og kun hvis 0-vektoren kan opskrives som en egentlig
linearkombination af vektorerne. Antag som en opvarmning til sætningen, at sættet
(a, b, c) er lineært afhængigt, fordi
c = 2a 3b.
2a 3b c = 0.
k1 v1 + k2 v2 + · · · + k n vn = 0 (10-2)
Bevis
Antag, at sættet (v1 , v2 , . . . , vn ) er lineært afhængigt, og lad vi være en vektor, som kan
skrives som en linearkombination af de øvrige. Vi nyordner (om nødvendigt) sættet, så i = 1,
hvorefter v1 kan skrives på formen
v1 = k 2 v2 + · · · + k n v n , v1 k 2 v2 ··· k n vn = 0 . (10-3)
0-vektoren er hermed opskrevet på formen (10-2), hvor ikke alle koefficienter er 0 , idet koef-
ficienten til v1 er 1 .
eNote 10 10.4 LINEÆR AFHÆNGIGHED OG LINEÆR UAFHÆNGIGHED 17
Antag omvendt, at sættet er skrevet på formen (10-2), og lad k i 6= 0 . Vi nyordner (om nød-
vendigt) sættet, så i = 1, hvorefter vi har
k2 kn
k1 v1 = k2 v2 ··· k n vn , v1 = v2 ··· vn . (10-4)
k1 k1
Heraf ses det, at sættet er lineært afhængigt.
Ethvert vektorsæt, som indeholder nul-vektoren, er lineært afhængigt. Betragt for eksempel
sættet (u, v, 0, w). Det er oplagt, at nul-vektoren kan skrives som linearkombination af de
øvrige tre vektorer:
0 = 0u + 0v + 0w .
Der er givet en plan i rummet, som går gennem origo. Beskriv punkterne i planen
ved hjælp af en parameterfremstilling.
eNote 10 10.4 LINEÆR AFHÆNGIGHED OG LINEÆR UAFHÆNGIGHED 18
R
v
O
P
u
På den givne plan vælges to punkter Q og R, som ikke er origo, og som ikke ligger på en
! !
fælles linje gennem origo. Vektorerne u =OQ og v =OR vil da være lineært uafhængige, og
kaldes planens retningsvektorer. Til ethvert punkt P i planen findes der netop ét reelt talpar
!
(s, t) således, at OP= su + tv . Omvendt findes der også til ethvert reelt talpar (s, t) netop ét
!
punkt P i planen, som opfylder OP= su + tv . Man siger, at
!
{ P | OP= su + tv , (s, t) 2 R2 }
En plan i rummet går ikke gennem origo. Beskriv den ved hjælp af en para-
meterfremstilling.
eNote 10 10.4 LINEÆR AFHÆNGIGHED OG LINEÆR UAFHÆNGIGHED 19
R
P
v
B u
Q
!
Først vælges der et begyndelsespunkt B i planen, og vi sætter b =OB. Dernæst vælges der
! !
to lineært uafhængige retningsvektorer u = BQ og v = BR, hvor Q og R ligger i planen. Til
ethvert punkt P i planen findes der så netop ét reelt talpar (s, t) således, at
! ! !
OP=OB + BP= b + su + tv .
Omvendt findes der ligeledes til ethvert reelt talpar (s, t) netop ét punkt P i planen, som
!
opfylder OP= b + su + tv . Man siger, at
!
{ P | OP= b + su + tv , (s, t) 2 R2 }
Opgave 10.29
Giv en parameterfremstilling for det i planen liggende parallelogram A, som vist i figur 6.14.
v
A B
u
I den analytiske geometri viser man, hvordan tal og ligninger kan beskrive geometriske
objekter og fænomener herunder vektorer. Her er begrebet koordinater afgørende. Det
handler nemlig om, hvordan vi kan fastlægge de geometriske objekters placering i rum-
met og i forhold til hinanden ved hjælp af tal og talsæt.
For at få grundlaget i orden skal vi vælge et vist antal vektorer, som vi udnævner til
basisvektorer. Basisvektorer er vektorer, der ved hinandens hjælp udspænder et rum fuld-
stændigt (fx et 2D- eller 3D-rum), forstået på den måde at de kan beskrive alle andre
eNote 10 10.5 DE SÆDVANLIGE BASER I PLANEN OG RUMMET 21
Hvordan hele denne procedure foregår, udfolder vi først gennem standardbaserne i pla-
nen og rummet. Senere kommer vi ind på, at det ofte kan være hensigtsmæssigt at
benytte andre baser end de sædvanlige, og på hvordan relationen mellem en vektors
koordinater er i forskellige baser.
• i har længden 1 , og
j
i
X
O 1
v = xi + yj.
Bevis
⌅
eNote 10 10.5 DE SÆDVANLIGE BASER I PLANEN OG RUMMET 23
Y
P(x,y)
y
a
yj
j
X
x xi O i
• i, j og k er parvist ortogonale, og
k
j 1
i O Y
1
v = xi + yj + zk.
P
k a
y
i j Y
O zk
xi+yj
x
Q
X
Figur 6.18: Et punkts koordinator i rummet
eNote 10 10.6 VILKÅRLIGE BASER I PLANEN OG I RUMMET 26
Hvis der i planen er givet to lineært uafhængige vektorer, er det muligt at skrive enhver
anden vektor i planen som en linearkombination af de to givne vektorer. På figur 6.19
betragter vi som eksempel de to lineært uafhængige vektorer a1 og a2 samt to andre
vektorer u og v.
v u
a2
O a1
Vi ser, at
u = 1a1 + 2a2 og v= 2a1 + 2a2 . (10-5)
Disse linearkombinationer er entydige, idet u og v ikke kan skrives som linearkombi-
nation af a1 og a2 ved at benytte andre koefficienter end dem, der her indgår. Enhver
anden vektor i planen kan på tilsvarende vis skrives som en entydig linearkombination
af a1 og a2 . Man siger, at de to vektorer a1 og a2 udspænder hele planen.
Dette gør det muligt at generalisere begrebet basis. I stedet for en standardbasis e =
(i, j) kan vi lige såvel vælge at benytte vektorsættet (a1 , a2 ) som en basis for vektorerne
i planen, netop fordi sættet af a1 og a2 udspænder samme plan som e. Hvis vi kalder
basen a, så a = (a1 , a2 ), siger man, at koefficienterne, der ses i linearkombinationerne
ovenfor, er koordinaterne til u henholdsvis v med hensyn til basen a, eller kortere: u og v’s
a-koordinater, hvilket skrives således:
1 2
au = og a v = . (10-6)
2 2
udtrykke en vilkårlig rumvektor ved hjælp af koordinater med hensyn til denne basis.
En fremgangsmåde til at bestemme koordinaterne er vist på figur 6.20, hvor der er givet
en a-basis (a1 , a2 , a3 ) samt en vilkårlig vektor u.
a3
a2
O
Q
a1
Gennem u’s endepunkt P trækkes en linje, som er parallel med a3 . Det punkt,
hvor denne linje skærer den plan, der indeholder a1 og a2 , betegnes Q. Der
!
findes da to tal k1 og k2 , så OQ= k1 a1 + k2 a2 , fordi (a1 , a2 ) udgør en basis i den
!
plan, som indeholder a1 og a2 . Endvidere findes der et tal k3 , så QP= k3 a3 , da
!
QP og a3 er parallelle. Så har vi:
! !
u =OQ + QP= k1 a1 + k2 a2 + k3 a3 .
I rummet er der givet tre lineært uafhængige vektorer a1 , a2 og a3 som vist på figur 6.21.
eNote 10 10.6 VILKÅRLIGE BASER I PLANEN OG I RUMMET 28
a1
a3
O
a2
så har u koordinaterne (3, 1, 2) med hensyn til basen a givet ved a = (a1 , a2 , a3 ), hvilket kort
skrives som en koordinatvektor således:
2 3
3
au = 1 5 .
4 (10-8)
2
Vi samler overvejelserne om vilkårlige baser ovenfor i den følgende mere formelle def-
inition.
eNote 10 10.6 VILKÅRLIGE BASER I PLANEN OG I RUMMET 29
En given vektors koordinatsæt ændres, når man skifter basis. Denne afgørende pointe
tager vi hul på i den følgende opgave.
eNote 10 10.6 VILKÅRLIGE BASER I PLANEN OG I RUMMET 30
Opgave 10.38
j a2
O i
a1
På figur 6.22 er der i planen givet standardbasis e = (i, j) samt en anden basis a = (a1 , a2 ).
1. En vektor u har koordinaterne (5, 1) med hensyn til basis e. Bestem u’s
a-koordinater.
Bemærk hvor vigtigt det er at man er klar over, hvilken basis koordinaterne er
givet i!
eNote 10 10.7 VEKTORREGNING VED HJÆLP AF KOORDINATER 31
Opgave 10.39
c
O
a d
Figur 6.23
2. Det fremgår også af figuren, at (a, b, d) er en basis. Lad os kalde denne basis n. Bestem
koordinatvektoren n c.
3. Indtegn med origo som begyndelsespunkt den vektor u, som har m-koordinaterne
2 3
2
m u = 4 1 5.
1
Når man har valgt en basis for de geometriske vektorer i planen (eller i rummet), så
kan alle vektorer beskrives og fastlægges ved hjælp af deres koordinater med hensyn
til den valgte basis. Til de to regneoperationer addition og multiplikation med skalar,
som tidligere er indført i denne eNote ved geometrisk konstruktion, får vi hermed et
særdeles praktisk alternativ. I stedet for at udføre de geometriske regne-konstruktioner
kan vi blot gennemføre taludregninger med de koordinater, der svarer til den valgte
basis.
eNote 10 10.7 VEKTORREGNING VED HJÆLP AF KOORDINATER 32
Vi illustrerer dette med et eksempel fra planen, hvor der er givet en basis a ved a =
(a1 , a2 ) samt to vektorer u og v afsat ud fra O, se figur 6.24. Opgaven består i at
bestemme vektoren b = 2u v, og vi vil gøre det på to forskellige måder.
v
a2 u
b (4,2)
O a1
Herefter kan b tegnes direkte ud fra dens koordinater (4, 2) med hensyn til
basen a.
At vi har ret til at følge denne fremgangsmåde, fremgår af den følgende sætning.
eNote 10 10.7 VEKTORREGNING VED HJÆLP AF KOORDINATER 33
1. a (u + v) = a u + a v
2. a (ku) = k a u
Sagt med ord: Koordinaterne for en vektorsum fås ved at lægge koordinaterne for
addenderne sammen. Og koordinaterne for en vektor ganget med et tal er vektorens
koordinater ganget med tallet.
Bevis
Sætning 10.40 gør det muligt at gennemføre mere komplicerede regneopgaver ved hjælp
af koordinater, som de følgende eksempler viser.
vd = v (a 2b + 3c)
= v (a + ( 2)b + 3c)
= v a + v ( 2b) + v (3c)
= va 2 vb + 3 vc
1 0 5 16
= 2 +3 = .
2 1 1 3
Her opnås det tredje lighedstegn ved første del af sætning 10.40 og det fjerde lighedstegn ved
anden del af sætning 10.40.
eNote 10 10.7 VEKTORREGNING VED HJÆLP AF KOORDINATER 35
R
v
O
P
u
Planen gennem origo, som er vist på figur 6.25, har ifølge eksempel 10.26 parameterfremstill-
ingen
!
{ P | OP= su + tv , (s, t) 2 R2 }. (10-19)
Antag, at der i rummet er givet en basis a, og at
2 3 2 3
u1 v1
4
a u = u2 5 og a v = v2 5 .
4
u3 v3
R
P
v
B u
Q
En lang række problemer vedrørende vektorer fører til vektorligninger. Hvis vi ønsker
at løse ligningerne ved hjælp af vektorernes koordinater med hensyn til en given basis,
opstår der lineære ligningssystemer. Problemerne kan da løses ved hjælp af matrix-
eNote 10 10.8 VEKTORLIGNINGER OG MATRIXALGEBRA 37
metoder, der ligger i forlængelse af eNote 6. Det viser vi eksempler på i dette afsnit,
som opsummeres ved hjælp af begrebet koordinatmatricer (se særligt den afsluttende
opgave 10.47).
Der er i rummet givet en basis a og tre vektorer u, v og p, som med hensyn til basis
a har koordinaterne
2 3 2 3 2 3
2 1 0
4 5
au = 1 , av = 4 4 5 og a p = 7 5 .
4
5 3 1
Undersøg, om p er en linearkombination af u og v.
k1 u + k2 v = p .
2k1 + k2 = 0
k1 + 4k2 = 7 (10-23)
5k1 + 3k2 = 1 .
1k1 + 0k2 = 1
k1 = 1
0k1 + 1k2 = 2 , (10-25)
k2 = 2 .
0k1 + 0k2 = 0
eNote 10 10.8 VEKTORLIGNINGER OG MATRIXALGEBRA 38
Der er i rummet givet en basis v og tre vektorer a, b og c, som med hensyn til denne
basis har koordinaterne
2 3 2 3 2 3
5 1 2
v a = 4 1 5, v b = 4 0 5 og v c = 4 3 5.
3 4 1
k1 a + k2 b + k3 c = 0 ,
da sætning 10.24 fortæller, at vektorerne er lineært afhængige, hvis der findes andre løsninger
til denne ligning end nulløsningen (k1 , k2 , k3 ) = 0. Vi ser på den tilsvarende koordinatvek-
torligning,
2 3 2 3 2 3 2 3
5 1 2 0
k 1 4 1 5+ k 2 4 0 5+ k 3 4 3 5 = 4 0 5 ,
3 4 1 0
som er ækvivalent med det homogene lineære ligningssystem
5k1 + k2 + 2k3 = 0
k1 + 3k3 = 0 (10-26)
3k1 + 4k2 + k3 = 0 .
j a2
O i
a1
På figur 6.27 er der i planen givet en standardbasis e = (i, j) og en anden basis a = (a1 , a2 ).
Når der skiftes basis, ændres givne vektorers koordinater. Her opstiller vi en systematisk
metode til at udtrykke ændringen i koordinater ved hjælp af et matrixvektorprodukt. Først
aflæser vi a-basisvektorernes e-koordinater:
1 1
e a1 = og e a2 = . (10-28)
2 1
v1
Antag, at en vektor v har koordinatsættet a v = . Bestem e-koordinaterne for v.
v2
ev = M · av . (10-29)
eNote 10 10.8 VEKTORLIGNINGER OG MATRIXALGEBRA 40
Det ses, at matricen M "‘skifter basis"’ på vektoren i denne operation. Vi kan med
fordel tilføje en synlig markering af, at den skifter fra a-koordinater til e-koordinater,
ved at skrive e Ma . Denne notation vil blive brugt flittigt fremover.
v1
Antag, at en vektor v har koordinatsættet e v = . Bestem a-koordinaterne for v.
v2
Vi benytter den allerede fundne sammenhæng (10-29) og ganger fra venstre på begge sider
af ligmedtegnet med den inverse matrix til M. Vi får herved a v isoleret som ønsket:
1 1 1
M ·e v = M · M · av , av =M · ev . (10-30)
Mens M "‘skiftede basis"’ på vektoren før, er det nu M 1 der har denne rolle. Det
tyder på at hvis en matrix skifter koordinater én vej, så skifter dens inverse matrix
koordinater den anden vej. Dette undersøges nærmere i eNote 11 hvor vi viser:
1
e Ma , a (M )e .
Opgave 10.47
Ved en koordinatmatrix med hensyn til en given basis a for et sæt af vektorer forstår man
den matrix, der opstår, når man sætter vektorernes a-koordinatvektorer sammen til en matrix.
Beskriv matricen T i eksempel 10.44 og eksempel 10.45 og matricen M i eksempel 10.46 som
koordinatmatricer.
eNote 10 10.9 SÆTNINGER OM VEKTORER I EN STANDARD E-BASIS 41
a · b = a1 · b1 + a2 · b2 . (10-31)
a · b = a1 · b1 + a2 · b2 + a3 · b3 . (10-32)
1. a · b = b · a (kommutativ regel)
2. a · (b + c) = a · b + a · c (distributiv regel)
3. (ka) · b = a · (kb) = k (a · b)
4. a · a = |a|2
Bevis
Bevis
⌅
eNote 10 10.9 SÆTNINGER OM VEKTORER I EN STANDARD E-BASIS 43
b v
O a
Bevis
Sætningen kan vises ud fra cosinus-relationen. Undervejs får man også brug for regel 5 i
sætning 10.50. Detaljerne overlades til læseren.
1. a · b = 0 , vinkel(a, b) = p
2
O v a P
proj(b,a)
Betragt det vinkelrette nedfældningspunkt P af b’s endepunkt på den linje, som inde-
!
holder a. Ved den ortogonale projektion af b på a forstås vektoren proj(b, a) =OP.
|a · b|
|proj(b, a)| = . (10-35)
|a|
Bevis
Ved brug af kendt sætning vedrørende retvinklede trekanter samt sætning (10.53) fås
|a · b|
|proj(b, a)| = | cos(v)| |b| = .
|a|
Bevis
1
Areal(4( p, a, b)) = | det ( [a b] ) |
2
Bevis
Arealet af en trekant er som bekendt halvdelen af grundlinjen gange højden, Areal(4) = 12 gh.
Vi kan vælge længden |a| af a som grundlinje, g = |a|. Højden i trekanten er længden af b’s
projektion ind på en linje vinkelret på a, dvs. a’s tværvektor b
a:
|b · b
a|
h = |proj(b, b
a)| = (10-37)
a|
|b
eNote 10 10.9 SÆTNINGER OM VEKTORER I EN STANDARD E-BASIS 47
a2
jævnfør sætning 10.55. Tværvektoren er givet ved b
a= . Derfor er arealet:
a1
1
Areal(4( p, a, b)) = hg
2
1 |b · b a|
= |a|
2 a|
|b
1
= |b · ba|
2
(10-38)
1
= | a1 b2 a2 b1 |
2
✓ ◆
1 a1 b1
= det
2 a2 b2
1
= | det ( [a b] ) | .
2
axb
b
p v
a
1. a ⇥ b er ortogonal på både a og b .
2. |a ⇥ b| = 2 · Areal(4( p, a, b)) .
Som det sidste punkt i sætningen antyder, er faktorernes orden ikke ligegyldig
i krydsprodukter.
Højrehåndsreglen er god til at huske højrestillinger: Grib fat med din højre hånd
om vektor a ⇥ b, så tommelfingeren peger langs med vektoren i positiv retning.
Dine andre fingre, der kurver omkring vektoren, peger da i retningen fra a
imod b.
Rum(a, b, c) = (a ⇥ b) · c
= (c1 ( a2 b3
a3 b2 ) + c2 ( a3 b1 a1 b3 ) + c3 ( a1 b2 a2 b1 )
02 31
a1 b1 c1
(10-40)
= det @4 a2 b2 c2 5A
a3 b3 c3
= det ([e a e b e c]) .
1
Vol(⇥( p, a, b, c)) = | det ([a b c]) | . (10-41)
6
Bevis
|(a ⇥ b) · c|
h = |proj(c, a ⇥ b)| = . (10-42)
|a ⇥ b|
Volumet bestemmes:
1
Vol(⇥( p, a, b, c)) =Ah
3
1 1 |(a ⇥ b) · c|
= · |a ⇥ b| (10-43)
3 2 |a ⇥ b|
1
= |(a ⇥ b) · c| .
6
eNote 10 10.9 SÆTNINGER OM VEKTORER I EN STANDARD E-BASIS 52
Opgave 10.65
A = [a b]. (10-44)
Opgave 10.67
A = [a b c]. (10-46)
Opgave 10.68
eNote 11
Vektorrum
I denne eNote opstilles en generel teori for mængder, for hvilke der er defineret addition og
multiplikation med skalar, og som opfylder de samme regneregler som geometriske vektorer i
planen og rummet. Det vises, hvordan man ved hjælp af begreberne basis og koordinater kan
forenkle og standardisere løsningen af opgaver, der er fælles for alle disse mængder, som kaldes
vektorrum. Kendskab til eNote 10 om geometriske vektorer er en fordel, og der forudsættes
kendskab til løsningsmængder for linæere ligningssystemer eNote 6, til elementær
matrixalgebra og til et par vigtige resultater angående determinanter.
Opdateret 24.09.21 af Karsten Schmidt
Begrebet vektor kommer fra plan- og rumgeometrien, hvor det betegner et sammen-
hørende par af en længde og en retning. Vektorer kan repræsenteres af orienterede
linjestykker, hvorefter det er muligt at definere to geometriske regneoperationer: addi-
tion af vektorer og multiplikation af vektorer med tal (skalarer). Til brug ved lidt mere
sammensatte regneoperationer beviser man otte regneregler, se sætning 10.13 i eNote
10, der handler om de to indførte regneoperationer.
I mange andre mængder af matematiske objekter har man ligeledes brug for at definere
addition af objekter samt multiplikation af et objekt med en skalar. Det er talrummene
R n og C n og matrixmængderne R m⇥n gode eksempler på, se eNote 5 henholdsvis eNote
7. Det bemærkelsesværdige er, at de regneregler for addition og multiplikation med
skalar, som det er muligt at bevise inden for hver af disse mængder, er de samme som de
regneregler, der gælder for geometriske vektorer i planen og rummet! Man siger derfor:
eNote 11 11.1 GENERALISERING AF BEGREBET VEKTOR 2
Lad os lave én teori, der gælder for alle de mængder, hvor der kan defineres addition
og multiplikation med skalar, og hvor de otte regneregler kendt fra geometrien gælder.
Man foretager hermed en generalisering af læren om geometriske vektorer, og enhver
mængde, der omfattes af teoriens betingelser, kaldes et vektorrum.
Når vi i det følgende undersøger vektorrum abstrakt, betyder det, at vi ser på hvilke be-
greber, sætninger og metoder, der er en følge af de fælles regneregler, idet vi ser bort fra
den konkrete betydning, som addition og multiplikation med skalar har i de mængder
af konkrete objekter, hvor de er indført. Man får derved generelle metoder gældende for
enhver mængde af den ovennævnte art. Når man i en bestemt arbejdsopgave er tilbage
i et konkret vektorrum, må man fortolke, hvad de opnåede resultater betyder i denne
særlige sammenhæng. Fremgangsmåden kaldes den aksiomatiske metode. Med henblik
på alt dette fremlægger vi nu den abstrakte definition af vektorrum.
eNote 11 11.1 GENERALISERING AF BEGREBET VEKTOR 3
Hvis L i definition 11.1 står for R, taler man om V som et vektorrum over de reelle
tal. Det betyder, at skalaren k kun kan være et vilkårligt reelt tal. Tilsvarende
taler man om V som et vektorrum over de komplekse tal, hvis L står for C , hvor k
er et vilkårligt komplekst tal.
ganget med et tal selv en vektor i planen? Ud fra definitionen på de to regnearter (se
definition 10.2 og definition 10.3 i eNote 10) er svaret oplagt ja, og derfor er mængden af
vektorer i planen et vektorrum. På samme måde ses, at mængden af vektorer i rummet
er et vektorrum.
Bevis
Første del
Lad 01 og 02 være to elementer i V, der begge er neutrale med hensyn til addition. Der gælder
da:
01 = 01 + 02 = 02 + 01 = 02 ,
hvor vi har udnyttet, at addition er kommutativ. Der findes altså kun én 0-vektor neutral for
addition: 0 .
Anden del
Lad a1 , a2 2 V være to modsatte elementer for a 2 V . Der gælder da:
a1 = a1 + 0 = a1 + ( a + a2 ) = ( a + a1 ) + a2 = 0 + a2 = a2 ,
hvor vi har udnyttet, at addition er både kommutativ og associativ. Der findes altså for a kun
én modsat vektor, a .
a b = a + ( b) . (11-1)
eNote 11 11.1 GENERALISERING AF BEGREBET VEKTOR 5
Opgave 11.4
Bevis, at ( 1)a = a.
ka = 0 , k = 0 eller a = 0 . (11-2)
For to vilkårlige naturlige tal m og n er R m⇥n (det vil sige mængden af reelle (m ⇥ n)-matricer)
et vektorrum. Ligeledes er C m⇥n (det vil sige mængden af komplekse (m ⇥ n)-matricer) et
vektorrum.
Betragt for eksempel R2⇥3 . Hvis vi lægger to matricer af denne type sammen, får vi en ny
matrix af samme type, og hvis vi ganger en (2 ⇥ 3)-matrix med et tal, får vi også en ny
(2 ⇥ 3)-matrix (se definition 7.1). Dermed er stabilitetskravene opfyldt. At R2⇥3 desuden
opfylder de otte regneregler, fremgår af sætning 7.3.
Opgave 11.7
Gør rede for, at der for ethvert naturligt tal n gælder, at talrummet L n er et vektorrum. Husk
også at tænke over tilfældet n = 1 !
P ( x ) = a0 + a1 x + · · · + a n x n , (11-3)
Stabilitetskravene I og II fra definition 11.1 skal først og fremmest være opfyldt og derudover
også de otte regneregler.
P( x ) = 1 2x + x3 = 1 2x + 0x2 + 1x3
og
Q( x ) = 2 + 2x 4x2 = 2 + 2x 4x2 + 0x3 .
R ( x ) = (1 + 2) + ( 2 + 2) x + (0 4) x 2 + (1 + 0) x 3 = 3 4x2 + x3 ,
S( x ) = (3 · 1) + (3 · ( 2)) x + (3 · 0) x2 + (3 · 1) x3 = 3 6x + 3x3 .
• summen af to polynomier af højst n’te grad selv er et polynomium af højst n’te grad
og, at
• multiplikation af et polynomium af højst n’te grad med et reelt tal igen giver et poly-
nomium af højst n’te grad.
Betingelserne 1, 2 og 5 til 8 i definition 11.1 er opfyldt, fordi samme regneregler gælder for
de udregninger på polynomiernes koefficienter, som regneoperationerne er defineret ved.
Endelig er betingelse 3 og 4 opfyldt, idet polynomiet
P( x ) = 0 + 0x + · · · 0x n = 0
eNote 11 11.2 LINEARKOMBINATIONER OG UDSPÆNDINGER 7
udfylder rollen som nulvektor, og idet den modsatte vektor til P( x ) 2 Pn (R ) er givet ved poly-
nomiet
P ( x ) = a0 a1 x · · · a n x n .
På samme måde kan det vises, at også mængden af polynomier P : C 7! C af højst n’te grad,
som betegnes Pn (C ) , er et vektorrum.
Opgave 11.9
Gør rede for, at P(R ), det vil sige mængden af alle reelle polynomier, er et vektorrum.
n( x ) = (k · f )( x ) = k · f ( x ) for ethvert x 2 R .
Endvidere findes der en funktion, der udfylder rollen som nulvektor, nemlig nulfunktionen,
det vil sige den funktion, som antager værdien 0 for alle x 2 R. Samtidig findes den modsatte
vektor til den kontinuerte reelle funktion f ved vektoren ( 1) f = f , som for alle x 2 R har
værdien f ( x ).
da det ingen betydning har for den resulterende vektor, i hvilken rækkefølge man har
lagt vektorerne sammen parvist. Dette er baggrunden for linearkombinationer, hvor et
sæt af vektorer er multipliceret med skalarer og derefter opskrevet som en sum.
k1 v1 + k2 v2 + . . . + k p v p
I definition 11.11 omtales blot en enkelt linearkombination. Udregnes den, fås en re-
sulterende vektor i samme rum. I mange sammenhænge har det interesse at se på den
samlede mængde af mulige linearkombinationer af givne vektorer. Mængden kaldes
for udspændingen af vektorerne, da en sådan mængde indeholder samtlige vektorer, som
kan dannes ved linearkombinationer af de givne vektorer. Betragt for eksempel den
plan i rummet, som går gennem origo og indeholder stedvektorerne for to ikke par-
allelle vektorer u og v, se figur 7.1. Planen kan betragtes som udspændingen af de to
vektorer, idet stedvektoren
!
OP= k1 u + k2 v
"‘gennemløber"’ alle punkter P i planen, når k1 og k2 antager alle tænkelige reelle værdier.
Vha. af disse to vektorer kan alle andre punkter (eller vektorer) i denne plan altså
bestemmes.
eNote 11 11.2 LINEARKOMBINATIONER OG UDSPÆNDINGER 9
R
v
O
P
u
span{v1 , v2 , . . . , v p } ,
span{v1 , v2 , . . .} .
v1 = k2 v2 + k3 v3 + · · · + k p v p .
Hvis vektorsættet kun består af en enkelt vektor, kaldes sættet lineært afhængigt,
hvis det består af 0-vektoren, og ellers lineært uafhængigt.
Ethvert vektorsæt, som indeholder nul-vektoren, er lineært afhængigt! Betragt for eksempel
sættet (u, v, 0, w). Her kan nul-vektoren jo helt trivielt skrives som en linearkombination af
de tre andre vektorer i sættet:
0 = 0u + 0v + 0w .
Derfor er A, B og C lineært afhængige. Hvis man som her kan finde blot ét eksempel på en
linearkombination, så er sættet altså lineært afhængigt.
Når man skal undersøge, om et sæt af vektorer er lineært afhængigt, opstår ved brug af
definition 11.14 spørgsmålet om, hvilken af sættets vektorer der evt. er en linearkombi-
nation af de øvrige. Hvor skal undersøgelsen starte? Dilemmaet kan undgås, hvis man
i stedet for definitionen bruger den følgende sætning:
k1 v1 + k2 v2 + · · · + k p v p = 0 . (11-8)
Bevis
En basis for et vektorrum består af et vist antal vektorer opskrevet i en bestemt række-
følge. En afgørende opgave for basisvektorerne er at udspænde hele vektorrummet.
Men mere præcist ønsker vi dette job udført af så få vektorer som muligt. I så fald viser
det sig nemlig, at alle vektorer i vektorrummet på entydig vis kan skrives som en linear-
kombination af basisvektorerne. Og det er netop koefficienterne i den entydige linear-
kombination vi vil bruge som koordinater.
Lad os tage udgangspunkt i nogle karakteristiske egenskaber ved baser for de geo-
metriske vektorer i planen.
eNote 11 11.4 BASIS OG DIMENSION FOR ET VEKTORRUM 13
v
a2
O
a1
a3
Betragt vektorsættet (a1 , a2 , a3 ) på figur 7.2. Ingen tvivl om at enhver anden vektor i
planen kan skrives som en linearkombination af de tre vektorer. Men linearkombinatio-
nen er ikke entydig. For eksempel kan en bestemt vektor v skrives på disse to måder:
Dermed kan vi ikke bruge koefficienterne som koordinater, for hvilke af de to ligninger
skal vi da bruge? Problemet er, at a-vektorerne er lineært afhængige af hinanden; for
eksempel er a3 = a1 a2 . Men hvis vi fjerner én af dem, for eksempel a3 , er sættet
lineært uafhængigt, og der er så kun én mulig skrivemåde:
v = 1a1 + 2a2 .
Dermed er koefficienterne unikke og kan bruges som et unikt koordinatsæt (1, 2).
Egenskab nr. 2 herover fortæller, at der kræves netop to vektorer til en basis for
planen. Hvis der nemlig er flere end to, så er de lineært afhængige, og hvis der
er færre end to, udspænder de ikke hele vektorrummet.
eNote 11 11.4 BASIS OG DIMENSION FOR ET VEKTORRUM 14
Disse egenskaber lader sig overføre til alle andre vektorrum. Det tager vi hul på nu, og
vi starter med den generelle definition af en basis.
1. (v1 , v2 , . . . , vn ) udspænder V .
Her bør vi stoppe op og sørge for, at definition 11.19 faktisk opfylder vores entydighed-
skrav til en basis. Dette fastslås i den følgende sætning.
Bevis
Vi giver idéen i beviset ved at se på et vektorrum V, som har en basis bestående af tre ba-
sisvektorer (a, b, c) , og antager, at v er en vilkårlig vektor i V, som på to måder kan skrives
som en linearkombination af basisvektorerne. Vi kan da opstille to de ligninger
v = k1 a + k2 b + k3 c
(11-12)
v = k4 a + k5 b + k6 c .
Ved at trække den nederste ligning i (11-12) fra den øverste opnår vi ligningen
0 = (k1 k 4 )a + ( k 2 k 5 )b + ( k 3 k 6 )c . (11-13)
Da a, b og c er lineært uafhængige, kan nul-vektoren kun skrives som en uegentlig linear-
kombination af dem. Derfor er hver af koefficienterne i (11-13) lig med 0, hvilket medfører,
at k1 = k4 , k2 = k5 og k3 = k6 . Men så er de to måder, som v har været skrevet som linear-
kombination af basisvektorerne på, i virkeligheden den samme, og der findes dermed kun
én måde!
Dette ræsonnement lader sig umiddelbart udvide til en basis, som består af et vilkårligt antal
basisvektorer.
eNote 11 11.4 BASIS OG DIMENSION FOR ET VEKTORRUM 15
Vi vender nu tilbage til det faktum, at enhver basis for de geometriske vektorer i planen
altid indeholder to lineært uafhængige vektorer, og at der tilsvarende for geometriske
vektorer i rummet gælder, at en basis må bestå af tre lineært uafhængige vektorer. Det
viser sig, at det faste antal basisvektorer er en egenskab ved alle vektorrum, der har en
basis, og dette gør det muligt at tale om dimensionen af et vektorrum. For at bevise, at
egenskaben findes, får vi brug for følgende hjælpesætning.
Hjælpesætning 11.21
Hvis et vektorrum V har en basis bestående af n basisvektorer, så vil ethvert sæt fra
V, som indeholder mere end n vektorer, være lineært afhængigt.
Bevis
Vi viser idéen i beviset ved at betragte et vektorrum V, som har en basis af to vektorer (a, b),
og undersøger tre vilkårlige vektorer c, d og e fra V. Vi viser, at de tre vektorer nødvendigvis
må være lineært afhængige.
c = c1 a + c2 b
d = d1 a + d2 b (11-14)
e = e1 a + e2 b .
x1 c + x2 d + x3 e = 0 . (11-15)
( x 1 c 1 + x 2 d 1 + x 3 e1 ) a + ( x 1 c 2 + x 2 d 2 + x 3 e2 ) b = 0 . (11-16)
Da nul-vektoren kun kan opnås som en linearkombination af a og b, hvis hver af koefficien-
terne er lig med 0, er (11-16) ensbetydende med følgende ligningssystem:
c 1 x 1 + d 1 x 2 + e1 x 3 = 0
(11-17)
c 2 x 1 + d 2 x 2 + e2 x 3 = 0 .
eNote 11 11.4 BASIS OG DIMENSION FOR ET VEKTORRUM 16
Dette er et homogent lineært ligningssystem, hvor antallet af ligninger er mindre end antallet
af ubekendte. Ligningssystemet har derfor uendeligt mange løsninger, hvilket betyder, at
(11-16) ikke kun er opnåelig under betingelsen af x1 = 0, x2 = 0 og x3 = 0 men også har
andre løsninger. Dermed er det vist, at sættet (c, d, e) er lineært afhængigt.
Generelt: Antag nu at basen for V består af n vektorer, og at der gives m vektorer fra V, hvor
m > n. Ved at følge samme fremgangsmåde som ovenfor opstår der et homogent lineært
ligningssystem bestående af n ligninger med m ubekendte som, fordi m > n , ligeledes har
uendeligt mange løsninger. Derved er det vist, at de m vektorer er lineært afhængige.
Bevis
Antag, at V har to baser med forskelligt antal basisvektorer. Vi kalder basen med færrest
basisvektorer for a og den med flest for b. Ifølge hjælpesætning 11.21 må b-basisvektorerne
være lineært afhængige, og dette er i modstrid med, at de udgør en basis. Antagelsen om, at
V kan have to baser med forskelligt antal basisvektorer, må derfor være forkert.
dim(V ) = n . (11-18)
eNote 11 11.4 BASIS OG DIMENSION FOR ET VEKTORRUM 17
En vilkårlig vektor v = ( a, b, c, d) i R4 eller i C4 (det vil sige i L4 ) kan på oplagt måde skrives
som en linearkombination af fire særlige vektorer i L4 :
Da det endvidere ses, at ingen af vektorerne i sættet kan skrives som en linearkombination af
de øvrige, er sættet lineært uafhængigt, og (e1 , e2 , e3 , e4 ) er dermed en basis for L4 . Denne
særlige basis kaldes en standardbasis for L4 . Da antallet af basisvektorer i standard e-basen er
fire, er dim(L4 ) = 4 .
Dette kan umiddelbart generaliseres til L n . For ethvert n er e-sættet (e1 , e2 , . . . , en ) , hvor
en basis for L n . Denne særlige basis kaldes en standardbasis for L n . Det bemærkes, at
dim(L n ) = n .
Opgave 11.27
Gør rede for, at det matrixsæt, der i eksempel 11.26 omtales som standardbasis for R2⇥3 ,
faktisk er en basis for dette vektorrum.
P ( x ) = a0 · 1 + a1 · x + a2 · x 2 ,
a0 · 1 + a1 · x + a2 · x2 = 0 forallex
Et monomium er et polynomium med kun ét led. Derfor kaldes det ordnede sættet (1, x, x2 )
monomiebasen for P2 (R ), og der gælder dim( P2 (R )) = 3 .
For ethvert n er det ordnede sæt (1, x, x2 , . . . , x n ) en basis for Pn (R ). Derfor gælder
dim( Pn (R )) = n + 1 .
I mængden af plane geometriske vektorer kan man vælge ethvert par af to lineært uafhængige
vektorer som basis. Tilsvarende udgør i rummet ethvert sæt af tre lineært uafhængige
vektorer en basis. Vi slutter afsnittet af med en videreførsel af dette til generelle n-
dimensionale vektorrum.
eNote 11 11.5 VEKTORREGNING VED HJÆLP AF KOORDINATER 19
Bevis
Opgave 11.30
Opgave 11.31
Gør rede for, at (A, B, C) er et lineært uafhængigt sæt, og supplér sættet op med en (2 ⇥ 2)-
matrix D således, at (A, B, C, D) er en basis for R2⇥2 .
Koordinater hænger snævert sammen med begrebet basis. Når der i et endeligt dimen-
sionalt (ikke-uendeligt) vektorrum er valgt en basis, kan enhver vektor i vektorrum-
met beskrives ved hjælp af dens koordinater med hensyn til den valgte basis. Vi får
eNote 11 11.5 VEKTORREGNING VED HJÆLP AF KOORDINATER 20
x = x1 a1 + x2 a2 + · · · + xn an . (11-22)
I talrummet R3 er der givet en basis a ved (0, 0, 1), (1, 2, 0), (1, 1, 1) . Endvidere er der
givet vektoren v = (7, 2, 6). Da der gælder
ser vi, at 2 3
2
av = 3 5 .
4
4
Vektoren, som i det sædvanlige koordinatsystem har koordinatsættet (7, 2, 6), har dermed
a-koordinaterne (2, 3, 4) .
eNote 11 11.5 VEKTORREGNING VED HJÆLP AF KOORDINATER 21
For at kunne jonglere med mange vektorers koordinater i diverse regneopgaver får vi
brug for følgende vigtige sætning.
1. a (u + v) = a u + a v .
2. a (ku) = k a u .
Bevis
Se beviset for den tilsvarende sætning 10.40 for geometriske vektorer i rummet. Beviset for
det generelle tilfælde fås som en simpel udvidelse.
R( x ) = 2 3x x2 , S( x ) = 1 x + 3x2 og T ( x ) = x + 2x2 .
Vi løser opgaven ved hjælp af koordinaterne for polynomierne med hensyn til
eNote 11 11.6 OM BRUG AF KOORDINATMATRICER 22
monomiebasen for P2 (R ).
m P( x ) = m 2R( x ) S( x ) + 3T ( x )
= m (2R ( x )) + m ( S( x )) + m (3T ( x ))
= 2 m R( x ) m S( x ) + 3 m T ( x )
2 3 2 3 2 3 2 3
2 1 0 3
= 24 3 5 4 1 5+ 34 1 5 = 4 2 5.
1 3 2 1
Nu oversætter vi tilbage fra den fundne koordinatvektor til det ønskede polynomium:
P( x ) = 3 2x + x2 .
Når man giver sig i kast med opgaver om vektorer og benytter sig af deres koordi-
nater med hensyn til en given basis, fører det meget ofte til, at man opstiller et lineært
ligningssystem og løser opgaven ved hjælp af matrixregning. En bestemt type ma-
trix påkalder sig særlig opmærksomhed, nemlig den, der fremkommer, når man sætter
nogle vektorers koordinatsøjler sammen til en koordinatmatrix:
Tag for eksempel et sæt bestående af tre vektorer i R2 : (1, 2), (3, 4), (5, 6) . Sættets
koordinatmatrix med hensyn til standard e-basen for R2 er 2⇥3-matricen
1 3 5
.
2 4 6
Vi vil nu vise, hvordan koordinatmatricer opstår, via en række eksempler, som vi for
eNote 11 11.6 OM BRUG AF KOORDINATMATRICER 23
afvekslingens skyld tager fra forskellige vektorrum. Metoderne lader sig umiddelbart
bruge på andre typer af vektorrum, og efter hvert eksempel gengiver vi metoden i en
koncentreret og generel form.
Eksempel 11.37
a1 = (1, 1, 1, 1)
a2 = (1, 0, 0, 1)
(11-24)
a3 = (2, 3, 1, 4)
b = (2, 2, 0, 1)
Undersøg, om b er en linearkombination af a1 , a2 og a3 .
x 1 a1 + x 2 a2 + x 3 a3 = b . (11-25)
x1 + x2 + 2x3 = 2
x1 + 3x3 = 2
x1 + x3 = 0
x1 + x2 + 4x3 = 1 .
eNote 11 11.6 OM BRUG AF KOORDINATMATRICER 24
/ span{a1 , a2 , a3 } .
b2
Generelt kan der være ingen, én eller uendeligt mange måder, hvorpå vektoren kan
skrives som linearkombinationer af de øvrige.
Eksempel 11.39
Vi benytter sætning 11.17 og forsøger at finde tre reelle tal x1 , x2 og x3 , som ikke alle er lig
eNote 11 11.6 OM BRUG AF KOORDINATMATRICER 25
Dette er ensbetydende med det homogene lineære ligningssystem, hvis totalmatrix her op-
stilles sammen med dens trappeform (mellemregninger udelades):
2 3 2 3
1 2 1 0 1 0 3 0
60 1 2 0 7 60 1 2 07
6 7 6 7
6 7 6 7
63 0 9 07 60 0 0 07
T =6 7 ! trap(T) = 6 7. (11-29)
60 0 0 07 60 0 0 07
6 7 6 7
42 3 0 05 40 0 0 05
2 1 4 0 0 0 0 0
Af (11-29) ses, at såvel ligningssystemets koefficientmatrix som dets totalmatrix har rangen
2, og da antallet af ubekendte er større, nemlig 3, konkluderer vi, at ligningen (11-28) har
uendeligt mange løsninger. Derfor er de tre matricer lineært afhængige. For eksempel kan
man af trap(T) udlede, at
0 0 0
3A + 2B + C = .
0 0 0
eNote 11 11.6 OM BRUG AF KOORDINATMATRICER 26
Men hvis der er n vektorer i sættet, behøver man ifølge sætning 11.29 kun at under-
søge, om sættet er lineært uafhængigt, og her har vi allerede metode 11.40 at gå frem
efter. Vi kan dog på en interessant måde videreudvikle metoden, idet vi kan bringe
determinanten af vektorsættets koordinatmatrix i spil!
Eksempel 11.41
P1 ( x ) = 1 + 2x2 , P2 ( x ) = 2 x + x2 og P3 ( x ) = 2x + x2
som, hvis sættet er lineært uafhængigt, kun har løsningen x1 = x2 = x3 = 0 , altså nul-
løsningen. Ligningen er ensbetydende med et homogent lineært ligningssystem bestående
af 3 ligninger med 3 ubekendte. Systemets koefficientmatrix og totalmatrix er
2 3 2 3
1 2 0 1 2 0 0
A =4 0 1 2 5 og T = 4 0 1 2 0 5.
2 1 1 2 1 1 0
Som for ethvert homogent lineært ligningssystem består totalmatricens højreside af lutter
0’er. Derfor er det på forhånd givet, at r(A) = r(T), og at der er løsninger. Der er én løsning
netop, når r(A) er lig med antallet af ubekendte, det vil sige 3. Og denne løsning må da være
nul-løsningen x1 = x2 = x3 = 0 , idet Lhom altid indeholder nul-løsningen.
Her kan vi udnytte, at A er en kvadratisk matrix og dermed har en determinant. A har fuld
rang netop, når den er regulær, altså når det(A) 6= 0.
Ved udregning ses det, at det(A) = 5 . Derfor er matricen regulær, altså har fuld rang,
og der findes kun nulløsningen, hvorfor sættet er lineært uafhængigt. Vi konkluderer, at
P1 ( x ), P2 ( x ), P3 ( x ) udgør en basis for P2 (R ) .
Vi har undervejs i løsningen til eksempel 11.43 trukket vektorerne ud til et matrixvektor-
produkt. Bemærk to ting:
En huskeregel er, at den basis, der er noteret på venstre side af en vektor eller
matrix, er den basis, som vektorens eller matricens egne koordinater er an-
givet i. Det gælder for både a v og b v samt for a Mb , som jo netop består af
b-basisvektorerne i a-koordinater.
Fortsæt med det i eksempel 11.43 angivne og fundne, og bestem b-koordinaterne for
en vektor u givet ved a-koordinater således:
2 3
1
au = 2 5 .
4 (11-33)
3
Da a Mb som fundet i eksempel 11.43 er en koordinatmatrix for en basis, ved vi, at den er
regulr og dermed har en invers matrix. Vi kan derfor benytte koordinatskifterelationen (11-
32) således:
au = a Mb b u ,
1 1
a Mb au = a Mb a Mb b u ,
1
bu = a Mb au ,
2 3 12 3 2 3
1 1 2 1 11
b u = 4 1 0 3 5 4 2 5=4 4 5 ,
1 2 0 3 3
1
hvor a Mb a Mb = E, som er neutral i udtrykket og forsvinder.
eNote 11 11.6 OM BRUG AF KOORDINATMATRICER 30
Det ses i eksemplet, at den inverse basisskiftematrix løser opgaven med at skifte den an-
den vej! I dette tilfælde skiftes der netop fra a-koordinater til b-koordinater. Erfaringerne
samles i den følgende metode.
av = a Mb b v .
Bemærk, hvordan en basisskiftematrix fra basis a til samme basis a naturligvis blot er
enhedsmatricen, da der ikke skal ændres noget:
2 3
1 0 ··· 0
6 0 1 ··· 0 7
6 7
a Ma = [a a1 a a2 · · · a an ] = 6 .. .. .. .. 7 = En ⇥ n ,
4 . . . . 5
0 0 ··· 1
hvor a a1 i sine egne koordinater selvfølgelig blot har koordinatsættet (1, 0, . . . , 0) og tilsvarende
for de andre søjler.
eNote 11 11.7 UNDERRUM 31
11.7 Underrum
F Q
! !
Da span{OP, OQ} kan betragtes som et selvstændigt (2-dimensionalt) vektorrum, om-
tales det som et underrum i det (3-dimensionale) vektorrum af stedvektorer i rummet.
1. V er selv et underrum i V.
2. Mængden { 0 } er et underrum i V.
Når man skal tjekke om en delmængde er et underrum, behøver man kun at undersøge,
om stabilitetskravene er opfyldte. Det fremgår af følgende sætning.
eNote 11 11.7 UNDERRUM 32
u1 , u2 2 U , u1 + u2 2 U .
k 2 L, u 2 U , ku 2 U .
Bevis
hvor a og b er vilkårlige reelle tal. Vi prøver at lægge to matricer af typen (11-35) sammen,
1 2 2 3 3 5
+ = ,
2 0 6 0 8 0
I ingen af tilfældene er den resulterende matrix af typen (11-35). M2 er derfor ikke et under-
rum i R2⇥2 .
Bevis
x1 + 2 x3 11 x5 = 0
x2 + 4 x5 = 0
x4 + x5 = 0
( 2, 0, 1, 0, 0) , (11, 4, 0, 1, 1) .
eNote 11 11.7 UNDERRUM 35
Igennem det følgende eksempel vil vi udarbejde en metode for, hvordan man kan skaffe
en basis for et underrum, som udspændes af et antal givne vektorer i et vektorrum.
Eksempel 11.52
U = span {v1 , v2 , v3 , v4 } .
Lad b = (b1 , b2 , b3 ) være en vilkårlig vektor, som tilhører U. Vi har dermed forudsat, at den
følgende vektorligning har en løsning:
x1 v1 + x2 v2 + x3 v3 + x4 v4 = b . (11-37)
Ved indsættelse af koordinatvektorerne for de fem vektorer i (11-37) ses det, at (11-37) er
ækvivalent med et inhomogent lineært ligningssystem, som har totalmatricen:
2 3 2 3
1 3 1 8 b1 1 0 2 1 c1
T =4 2 0 4 2 b2 5 ! trap(T) = 4 0 1 1 3 c2 5 . (11-38)
1 1 3 4 b3 0 0 0 0 0
c1 står for det tal, som b1 er blevet omformet til efter de rækkeoperationer, der har ført til
trap(T). Tilsvarende med c2 . Bemærk, at da rangen af koefficientmatricen viser sig at være
2 med en nul-række nederst, skal b3 efter rækkeoperationerne være omformet til 0. Ellers
ville vi have en inkonsistent ligning, og ( x1 , x2 , x3 , x4 ) ville ikke kunne være en løsning som
forudsat.
Det er dog især de ledende 1-taller i trap(T), vi skal være opmærksomme på! De viser
nemlig, at v1 og v2 udspænder hele U, og at v1 og v2 er lineært uafhængige af hinanden (de
afhænger af v3 og v4 men ikke af hinanden). Begge disse observationer kan vi overbevise os
om ved igen at betragte ligningen (11-37).
som viser, at nul-vektoren kun kan skrives som linearkombination af v1 og v2 , hvis begge
koefficienterne x1 og x2 er 0. Dermed er v1 og v2 lineært uafhængige.
Samlet er det nu vist ved to forklaringer, at (v1 , v2 ) er en basis for U. Desuden er dim(U ) = 2,
og tredjekoordinaten i b var derfor ligegyldig.
Konklusionen er, at en basis for U kan udpeges ved hjælp af de ledende 1-taller i trap(T)
uanset højreside, se (11-38). Højresiden i trap(T) indgik oprindeligt i vores argumenta-
tion men ses nu at være uden praktisk betydning. Vi kan derfor opsummere resultatet i
den følgende metode.
Inden vi afslutter denne eNote, der har dyrket brugen af baser og koordinater, må vi
indrømme, at det ikke er alle vektorrum, der har en basis. Der findes nemlig uendeligt-
dimensionale vektorrum!
Det kan vi indse med det følgende eksempel.
Opgave 11.55
Ved C1 (R ) forstås mængden af alle differentiable funktioner af en reel variabel, som har sin
kontinuert afledede på R.
eNote 12
Lineære Afbildninger
Denne eNote undersøger afbildninger mellem vektorrum af en bestemt type, nemlig lineære
afbildninger. Det vises, at kernen og billedrummet for lineære afbildninger er underrum i
henholdsvis definitionsrummet og dispositionsrummet. Når definitionsrummet og
dispositionsrummet har endelig dimension, og der er valgt en basis for hver af dem, kan
spørgsmål vedrørende lineære afbildninger standardiseres. I så fald kan en lineær afbildning
udtrykkes som et produkt mellem en såkaldt afbildningsmatrix og koordinaterne for de vektorer,
der ønskes afbildet. Da afbildningsmatricer afhænger af de to valgte baser, beskrives det,
hvordan afbildningsmatricerne ændres, når en af baserne eller de begge udskiftes med andre.
Forudsætninger for eNoten er viden om lineære ligningssystemer, se eNote 6, matrixalgebra, se
eNote 7, og vektorrum, se eNote 11.
12.1 Om afbildninger
mindre delmængde af dette meget store 10-dimensionelle talrum, nemlig ca. fem mil-
lioner! De elementer i R10 , som på et givet tidspunkt er i brug, kaldes billedmængden
eller værdimængden for CPR-afbildningen.
1 2
x ! f ( x ) 12= x 2. (12-1)
2
11
Her har forskriften form af en regneprocedure: Sæt tallet i anden, gang det med en halv,
10
og træk 2 fra. Reelle funktioner har en stor fordel i, at deres graf { ( x, y) | y = f ( x ) }
kan tegnes og give et godt overblik over afbildningen,
9
se Figur 12.1.
8
7
Y
6
X
10 8 6 4 2 0 2 4 6
1
Figur 12.1: Graf for funktion
3 x! 2 x2 2
4
3. Bestem billedmængden (eller værdimængden) for f . Vi skal finde alle de b, for hvilke
ligningen f ( x ) = b har en løsning. I eksemplet er billedmængden [ 2; • [.
eNote 12 12.2 EKSEMPLER PÅ LINEÆRE AFBILDNINGER I PLANEN 3
f(x) = 2 x̂ , (12-3)
hvor vi ved x̂ forstår tværvektoren til en given geometrisk vektor x . Til enhver vektor i
planen er der altså knyttet dens tværvektor multipliceret (forlænget) med 2. På Figur
12.2 er der tegnet to vektorer u og v og deres billeder f (u) og f (v).
eNote 12 12.2 EKSEMPLER PÅ LINEÆRE AFBILDNINGER I PLANEN 4
f(u)
f(v)
v
u
O
Figur 12.2 giver anledning til et par interessante spørgsmål: Hvordan afbildes sumvek-
toren u + v ? Mere præcist: Hvordan forholder billedvektoren f (u + v) sig til de to
billedvektorer f (u) og f (v)? Og hvad er relationen mellem billedvektorerne f (ku) og
f (u) , når k er et givet reelt tal?
f(u+v)
f(ku)
f(u)
f(u)
f(v)
v
u+v
u
u
O ku
O
1. u[
+ v = û + v̂ og
c = kû
2. ku
eNote 12 12.2 EKSEMPLER PÅ LINEÆRE AFBILDNINGER I PLANEN 5
Opgave 12.2
f(v)=3v
v
O
Opgave 12.3
I planen er der givet en linje l gennem origo. En afbildning f 2 spejler vektorer afsat ud fra
origo i l , se figur 12.5.
l
O
f(v)
Opgave 12.4
En afbildning f 3 drejer vektorer afsat ud fra origo vinklen t omkring origo mod uret, se figur
12.6.
f(v)
t
v
Alle afbildninger, der har været berørt i dette afsnit, er lineære, fordi de opfylder (12-
4) . Vi tager nu spørgsmålet om lineære afbildninger mellem vektorrum op til generel
behandling.
L1 : f (u + v) = f (u) + f (v) .
L2 : f (ku) = k f (u) .
f (0) = 0 . (12-5)
Der gælder med andre ord for enhver lineær afbildning f : V ! W , at nul-
vektoren i V afbildes i nul-vektoren i W .
f ( x1 , x2 ) = (0, x1 , x2 , x1 + x2 ) . (12-7)
VS = HS, så L1 er opfyldt i dette tilfælde. Dernæst testes L2 med vektoren (2,3) og skalaren
5:
Igen er VS = HS. Undersøgelsen tyder umiddelbart på, at f er lineær, men kun for disse
eNote 12 12.3 LINEÆRE AFBILDNINGER 8
VS : f ( ( x1 , x2 ) + ( y1 , y2 ) ) = f ( x1 + y1 , x2 + y2 )
= (0, x1 + y1 , x2 + y2 , x1 + x2 + y1 + y2 )
HS : f ( x1 , x2 ) + f (y1 , y2 ) = (0, x1 , x2 , x1 + x2 ) + (0, y1 , y2 , y1 + y2 )
= (0, x1 + y1 , x2 + y2 , x1 + x2 + y1 + y2 ) .
Dernæst testes L2 :
VS : f ( k · ( x1 , x2 ) ) = f (k · x1 , k · x2 ) = (0, k · x1 , k · x2 , k · x1 + k · x2 )
HS : k · f ( x1 , x2 ) = k · (0, x1 , x2 , x1 + x2 ) = (0, k · x1 , k · x2 , k · x1 + k · x2 ) .
At denne afbildning ikke er lineær, kan man dokumentere ved at finde blot ét eksempel, hvor
enten L1 eller L2 ikke gælder. Nedenfor gives et sådan eksempel på en matrix X, der med en
skalar 2 ikke opfylder g(2X) = 2 g(X) :
2 3
⇣ 1 0 0 ⌘ ⇣ 2 0 0 ⌘ 2 0 0 2 0
VS : g 2 =g = 4 0 0 5= 4 0 ,
0 0 0 0 0 0 0 0 0 0 0
0 0
men 2 3
⇣ 1 0 0 ⌘ 1 0
1 0 0 4 5 1 0 2 0
HS : 2g =2 0 0 =2 = .
0 0 0 0 0 0 0 0 0 0
0 0
Derfor opfylder g ikke linearitetsbetingelse L2 , og g er ikke lineær.
f P ( x ) = P 0 (1) . (12-9)
f P1 ( x ) + P2 ( x ) = f ( a1 + a2 ) x2 + (b1 + b2 ) x + (c1 + c2 )
= 2( a1 + a2 ) + (b1 + b2 )
= (2a1 + b1 ) + (2a2 + b2 )
= f P1 ( x ) + f P2 ( x ) .
f k · P( x ) = f k · ax2 + k · bx + k · c
= (2k · a + k · b) = k · (2a + b)
= k · f P( x ) .
Opgave 12.9
Ved C • (R ) forstås vektorrummet, som består af alle funktioner f : R ! R , der kan differ-
entieres et vilkårligt antal gange. Et eksempel (blandt uendeligt mange) er sinus-funktionen.
Betragt afbildningen D : C • (R ) ! C • (R ), som til en funktion f 2 C • (R ) knytter dens
afledte:
D f (x) = f 0 (x) .
Vis, at D er en lineær afbildning.
f (x) = b (12-10)
2. Billedrummet f (V ) er et underrum i W .
Bevis
Første punkt
Vi skal ifølge sætning 11.47 vise, at kernen for f opfylder stabilitetskravene. Antag, at
x1 , x2 2 V og f (x1 ) = f (x2 ) = 0, og at k er en vilkårlig skalar. Da der (ved brug af L1 ,
da vi forudsætter, at f er lineær) gælder:
er kernen for f stabil med hensyn til addition. Da der endvidere (med brug af L2 ) gælder:
f (kx1 ) = k f (x1 ) = k 0 = 0 ,
er kernen for f også stabil med hensyn til multiplikation med skalar. Samlet er det dermed
vist, at kernen for f er et underrum i V .
Andet punkt
Vi skal vise, at billedrummet f (V ) opfylder stabilitetskravene. Antag, at vektorerne b1 og b2
tilhører billedrummet, b1 2 f (V ) og b2 2 f (V ), og at k er en vilkårlig skalar. Der findes ifølge
definition 12.10 vektorer x1 2 V og x2 2 V, som opfylder f (x1 ) = b1 og f (x2 ) = b2 . Vi skal
vise, at der findes et x 2 V, så f (x) = b1 + b2 . Det gør der, da vi blot kan tage x = x1 + x2 ,
for så gælder:
f (x) = f (x1 + x2 ) = f (x1 ) + f (x2 ) = b1 + b2 .
Hermed er det vist, at f (V ) er stabil med hensyn til addition. Vi skal nu på lignende måde
vise, at der findes et x 2 V, så f (x) = kb1 . Vi vælger x = kx1 , så der gælder
hvoraf det fremgår, at f (V ) er stabil med hensyn til multiplikation med skalar. Samlet er det
vist, at begge stabilitetskrav er opfyldt, så f (V ) er et underrum i W.
Bestemmelse af kernen
eNote 12 12.4 KERNE OG BILLEDRUM 12
Der er altså en hel plan af vektorer i rummet, som ved indsættelse i forskriften giver
billedet 0. Denne basis angiver dem alle.
Bestemmelse af billedrummet
Vi skal finde alle de resulterende vektorer (billeder) b = (b1 , b2 ), for hvilke følgende ligning
har en løsning:
x1 + 2x2 + x3 b
f (x) = b , = 1 . (12-15)
x1 2x2 x3 b2
f P ( x ) = P 0 (1) (12-16)
er lineær. Kernen for f består af alle andengradspolynomier, der har billedet 0, altså alle dem,
der opfylder P0 (1) = 0 . Grafen for to, der opfylder dette, er vist på figuren.
O 1 X
Bevis
Sætningen rummer to påstande. Den ene er at summen af x0 og en vilkårlig vektor fra ker( f )
tilhører Linhom . Den anden er at en vilkårlig vektor fra Linhom kan skrives som summen af x0
og en vektor fra ker( f ) . Vi viser de to påstande hver for sig:
x2 x0 = x1 , x2 = x0 + x1 (12-22)
⌅
eNote 12 12.5 AFBILDNINGSMATRIX 15
Opgave 12.15
D( f ( x )) = x2
12.5 Afbildningsmatrix
f(x) = A x . (12-23)
Ved at benytte regneregler for matrixprodukt, se sætning 7.13, opnår vi for ethvert valg
af x1 , x2 2 R n og enhver skalar k:
Udtrykket
2 3 2 3 2 3
y1 1 2 x1 + 2x2
x
4 y2 5 = 4 3 4 5 1 = 4 3x1 + 4x2 5
x2
y3 5 6 5x1 + 6x2
angiver en lineær afbildning fra vektorrummet R2 til vektorrummet R3 .
Men også det modsatte gælder: Enhver lineær afbildning mellem endeligt-dimensionale
vektorrum kan skrives som et matrix-vektorprodukt på formen (12-23), hvis vi erstatter
x og y med deres koordinater med hensyn til en valgt basis i definitionsrummet hen-
holdsvis dispositionsrummet. Dette viser vi i det følgende.
x
y = f(x)
For V er der valgt en basis a og for W en basis c. Det betyder, at en given vektor x 2 V
kan skrives som en unik linearkombination af a-basisvektorerne, og at billedet y = f (x)
kan skrives som en unik linearkombination af c-basisvektorerne:
x = x1 a1 + x2 a2 + . . . + xn an og y = y1 c1 + y2 c2 + · · · + ym cm .
Det betyder, at ( x1 , x2 , . . . , xn ) er koordinatsæt for x med hensyn til a-basis, og at (y1 , y2 , . . . , ym )
er koordinatsæt for y med hensyn til c-basis.
eNote 12 12.5 AFBILDNINGSMATRIX 17
hvor a x skal omformes til c y ved en lineær afbildning f . Denne relation udvikler vi
igennem de følgende omskrivninger, hvor vi først ved hjælp af L1 og L2 får opskrevet y
som en linearkombination af billederne af a-vektorerne:
y = f (a x)
= f ( x1 a1 + x2 a2 + · · · + xn an )
= x1 f (a1 ) + x2 f (a2 ) + · · · + xn f (an ) .
Herefter fortsætter vi ved at undersøge koordinatvektoren for y med hensyn til c-basis,
idet vi først bruger koordinatsætningen, se sætning 11.34, og derefter definitionen på
matrixvektor-produkt, se definition 7.7.
⇥ ⇤
Matricen c f (a1 ) c f (a2 ) · · · c f (an ) i den sidste ligning kaldes afbildningsmatricen
for f med hensyn til a-basis i V og c-basis i W.
Vi har hermed opnået dette vigtige resultat: Koordinatvektoren c y kan findes ved, at man
ganger afbildningsmatricen med koordinatvektoren a x. En afbildning kan dermed gennem-
føres blot ved et matrix-vektorprodukt! Resultaterne opsummerer vi nu i det følgende.
eNote 12 12.5 AFBILDNINGSMATRIX 18
cy = c Fa a x , (12-25)
Drejning af plane vektorer afsat ud fra origo er et enkelt eksempel på en lineær afbildning, se
opgave 12.4. Lad v være en vilkårlig vinkel, og lad f være den lineære afbildning, der drejer
en vilkårlig vektor vinkel v omkring origo mod uret, se figur 12.9.
f(x)
x
j
v
i
O
Vi ønsker at bestemme afbildningsmatricen for f med hensyn til standardbasen for vektorer
i planen. Vi har derfor brug for billederne af basisvektorerne i og j , se figur 12.10.
j f(i)
v
f(j) v
O i
Det ses, at f (i) = (cos(v), sin(v)) og f (j) = ( sin(v), cos(v)). Den ønskede afbildningsma-
trix er derfor
cos(v) sin(v)
e Fe = [e f (i) e f (j)] = .
sin(v) cos(v)
eNote 12 12.5 AFBILDNINGSMATRIX 20
Koordinaterne for billedet y = f (x) af en given vektor x fås dermed ud fra formlen
y1 cos(v) sin(v) x1
ey = e Fe e x , = .
y2 sin(v) cos(v) x2
Vi ønsker at finde billedet ved f af vektoren v = a1 + 2a2 + a3 2 V . Vi har altså fået vektoren
i a-koordinater, a v = (1, 2, 1). Vi finder billedet ved hjælp af afbildningsmatricen c Fa , der
netop afbilder fra et rum med basis a til et rum med basis c. Afbildningsmatricen, som derfor
skal indeholde i V ’s a-basisvektorers billeder i c-koordinater, opstilles nemt, da vi allerede
fra (12-27) kender billederne af basisvektorerne:
⇥ ⇤ 3 6 3
c Fa = c f (a1 ) c f (a2 ) c f (a3 ) . =
1 2 1
Da v har koordinatsættet (1, 2, 1) med hensyn til basis a, finder vi koordinatvektoren for
billedet f (v) således:
2 3
1
3 6 3 4 5 12
c f (v) = c Fa a v = 2 = .
1 2 1 2
1
Vi vil nu finde billedet y = f (x) af den givne vektor x = (1, 1, 1, 1). Til rådighed har vi
naturligvis forskriften (12-28), men vi vælger at finde billedet ved hjælp af afbildningsmatri-
cen:
2 3
2 3 1 2 3
1 2 0 1 6 7 4
17 4
e y = F
e ee x = 4 2 1 2 1 56
4 1 5= 2 5.
1 3 2 2 2
1
Vi har hermed fundet y = f (1, 1, 1, 1) = (4, 2, 2) .
Opgave 12.22
Bestem s(i) og s(j), opstil afbildningsmatricen e Se for s , og bestem et udtryk for spejlingen
af en vilkårlig stedvektor v med koordinaterne (v1 , v2 ) med hensyn til standardbasen.
Figur 12.11 indholder nogle hints til bestemmelse af s(i). Gå frem på tilsvarende vis med
s (j) .
Y
y =½ x
s(i) P
j
t
t X
O i E
s(j)
Når man skal finde kernen for f , skal man finde alle x 2 V, som afbildes i 0 2 W. Det
vil sige, at man skal løse vektorligningen
f (x) = 0 .
c Fa a x = c0
2 3
2 3 x1 2 3
1 3 1 8 6 7 0
4 56 x2 7 4 5
, 2 0 4 2 4 5= 0 ,
x3
1 1 3 4 0
x4
som svarer til det homogene lineære ligningssystem med totalmatricen:
2 3 2 3
1 3 1 8 0 1 0 2 1 0
4
T= 2 0 4 5 4
2 0 ! trap(T) = 0 1 1 3 05.
1 1 3 4 0 0 0 0 0 0
a v1 = ( 2, 1, 1, 0) og a v2 = (1, 3, 0, 1) .
(v1 , v2 ) er dermed en basis for kernen for f , og kernen for f har dimensionen 2.
Pointen er, at antallet af ubekendte n = 4 i det løste ligningssystem pr. definition er lig
med antallet af søjler i c Fa , som igen er lig med dim(V ), se definition 12.17. Endvidere
bemærkes det, at ligningssystemets koefficientmatrix er identisk med c Fa . Hvis rangen
af koefficientmatricen er k , ved vi, at løsningsmængden og dermed kernen er udspændt
af (n k) lineært uafhængige retningsvektorer, hvor k er rangen af koefficientmatricen.
Derfor har vi:
dim(kernen) = n r (c Fa ) = 4 2 = 2 .
eNote 12 12.6 OM BRUG AF AFBILDNINGSMATRICER 24
c Fa a x = cb ,
hvilket vil sige matrixligningen
2 3
2 3 x1 2 3
1 3 1 8 6 7 1
42 6 x 2 7
0 4 2 54 5 = 4 2 5 ,
x3
1 1 3 4 3
x4
som svarer til et inhomogent lineært ligningssystem med totalmatricen
2 3
1 3 1 8 1
T =4 2 0 4 2 25,
1 1 3 4 3
eNote 12 12.6 OM BRUG AF AFBILDNINGSMATRICER 25
Da rangen af totalmatricen her er større end rangen af koefficientmatricen, har det in-
homogene ligningssystem ingen løsninger. Vi har altså fundet en vektor i W, som ingen
"´originalvektor"’ har i V.
f (x) = Ax
er lineær. Den lineære ligning f (x) = b er dermed ækvivalent med det be-
tragtede lineære ligningssystem. Vi kan herved indse at struktursætningen for
lineære ligningssystemer (se eNote 6 sætning 6.37) blot er et særtilfælde af den
generelle struktursætning for lineære ligninger (sætning 12.14).
eNote 12 12.6 OM BRUG AF AFBILDNINGSMATRICER 26
x = x1 a1 + x2 a2 + x3 a3 + x4 a4 ,
f (x) = f ( x1 a1 + x2 a2 + x3 a3 + x4 a4 )
= x1 f (a1 ) + x2 f (a2 ) + x3 f (a3 ) + x4 f (a4 ) ,
trap(c Fa ) (12-32)
på følgende måde: Hvis der i den i’te søjle i (12-32) ikke er et ledende 1-tal, så
fjernes f (a i ) fra vektorsættet f (a1 ), f (a2 ), . . . , f (a n ) . Efter denne udtynding
udgør vektorsættet en basis for f (V ) .
dim( f (V )) = r (c Fa ) . (12-33)
12.7 Dimensionssætningen
I det foregående afsnits metode 12.23 fandt vi følgende udtryk for dimensionen af ker-
nen for en lineær afbildning f : V ! W :
dim( f (V )) = r (c Fa ) . (12-35)
Bevis
• Billedrummet for en lineær afbildning kan aldrig have højere dimension end def-
initionsrummet.
Opgave 12.27
Det oplyses, at kernen for f har dimensionen 1. Find straks ved hovedregning en basis for
f (V ) og dimensionen af f (V ) .
eNote 12 12.8 ÆNDRING AF AFBILDNINGSMATRICEN NÅR DER SKIFTES BASIS 29
Opgave 12.28
v
k
O Y
i j
p(v)
I eNote 11 er det vist, hvordan en vektors koordinater skifter, når der skiftes basis i
vektorrummet, se metode 11.45. Vi indleder dette afsnit med at repetere de vigtigste
pointer og vise to eksempler.
av = a Mb b v , (12-36)
d1 = 2c1 + c2 og d2 = c1 + c2 .
Herefter får vi
1 1 10 4
dy = d Mc c y = = . (12-41)
1 2 6 2
eNote 12 12.8 ÆNDRING AF AFBILDNINGSMATRICEN NÅR DER SKIFTES BASIS 31
Vi går nu videre med at se, hvordan en afbildningsmatrix ændres, når der skiftes basis
i definitionsrummet og/eller dispositionsrummet.
Ofte ønsker man at skifte basen i V eller basen i W. I det første tilfælde ændres koordi-
naterne for de vektorer x 2 V, der skal afbildes, mens koordinaterne for deres billeder
y = f (x) er uforandrede. I det andet tilfælde er det omvendt. Her er koordinaterne for
x de samme, mens billedets koordinater skifter. Hvis der skiftes basis i både V og W, så
ændres koordinaterne både for x og for y = f (x).
I de følgende underafsnit opstilles metoder til at finde den nye afbildningsmatrix for f ,
når der skiftes basis i definitionsrummet, dispositionsrummet eller begge. Først viser
vi, hvordan en vektors koordinater skifter, når der skiftes basis i vektorrummet (som
nærmere beskrevet i metode 11.45.)
x
y = f(x)
På figur 12.12 er der givet en lineær afbildning f : V ! W , som med hensyn til basis a
i V og basis c i W har afbildningsmatricen c Fa . Vi skifter nu basis i V fra basis a til basis
eNote 12 12.8 ÆNDRING AF AFBILDNINGSMATRICEN NÅR DER SKIFTES BASIS 32
b. Afbildningsmatricen for f skal nu ændres til c Fb , før den kan tage imod vektorer i
basis b. Lad os finde den. Ligningen
y = f (x)
oversættes til koordinater og omformes:
cy = c Fa a x = c Fa (a Mb b x) = (c Fa a Mb ) b x .
Heraf kan vi udlede, at afbildningsmatricen for f med hensyn til basis b i V og basis c i
W kan dannes ved matrixproduktet
c Fb = c Fa a Mb . (12-42)
Metode 1
Vi bruger a-koordinaterne for x som fundet i (12-39):
2 3
4
9 12 7 4 5 10
c y = c Fa a x = 5 = .
6 8 5 6
2
Metode 2
Vi ændrer afbildningsmatricen for f vha. basisskiftematricen fra (12-38):
2 3
1 2 3
9 12 7 4 5 2 1 2
c Fb = c Fa a Mb = 0 2 3 = .
6 8 5 1 1 1
1 1 1
Så kan vi direkte bruge de givne b-koordinater for x :
2 3
1
2 1 2 4 5 10
c y = c Fb b x = 2 = .
1 1 1 6
3
I begge tilfælde får vi y = 10c1 + 6c2 .
eNote 12 12.8 ÆNDRING AF AFBILDNINGSMATRICEN NÅR DER SKIFTES BASIS 33
x
y = f(x)
På figur 12.13 er der givet en lineær afbildning f : V ! W , som med hensyn til basis a i
V og basis c i W har en afbildningsmatrix c Fa . Vi skifter nu basis i W fra basis c til basis
d . Afbildningsmatricen for f skal nu i stedet være d Fa . Lad os finde den. Ligningen
y = f (x)
Heraf udleder vi, at afbildningsmatricen for f med hensyn til a-basis i V og d-basis i W
dannes ved et matrixprodukt:
d Fa = d Mc c Fa . (12-43)
eNote 12 12.8 ÆNDRING AF AFBILDNINGSMATRICEN NÅR DER SKIFTES BASIS 34
Givet vektoren x = 4a1 + 5a2 2a3 . Bestem billedet y = f (x) som en linearkom-
bination af d1 og d2 .
Metode 1
Vi bruger den givne afbildningsmatrix,
2 3
4
9 12 7 4 5 10
cy = c Fa a x = 5 = ,
6 8 5 6
2
Metode 2
Vi ændrer først afbildningsmatricen for f ved hjælp af basisskiftematricen fra (12-40):
1 1 9 12 7 3 4 2
d Fa = d Mcc Fa = = .
1 2 6 8 5 3 4 3
x
y = f(x)
På figur 12.14 er der er givet en lineær afbildning f : V ! W som med hensyn til basis
a i V og basis c i W har afbildningsmatricen c Fa . Vi skifter basis i V fra basis a til basis
b og i W fra basis c til basis d . Afbildningsmatricen for f være d Fb . Lad os finde den.
Ligningen
y = f (x)
svarer i koordinater til
cy = c Fa a x ,
som er ensbetydende med
d Mc c y = d Mc c Fa (a Mb b x) ,
hvoraf fås
dy = (d Mc c Fa a Mb ) b x .
Heraf udleder vi, at afbildningsmatricen for f med hensyn til b-basis i V og d-basis i W
dannes ved et matrixprodukt:
d Fb = d Mc c Fa a Mb . (12-44)
eNote 12 12.8 ÆNDRING AF AFBILDNINGSMATRICEN NÅR DER SKIFTES BASIS 36
Basisskiftet viser sig i dette eksempel at være ganske praktisk. Den nye afbildningsmatrix er
langt simplere end de tilsvarende for andre baser fra de forrige eksempler.
c Fb = c Fa a Mb . (12-45)
eNote 13
Egenværdier og egenvektorer
13.1.1 Indledning
f : V ! V. (13-1)
f (v) = v . (13-2)
Vektorer af denne type kaldes fiksvektorer for f . Mere generelt er vi på jagt efter egen-
vektorer, det vil sige vektorer, som er proportionale med deres billedvektorer. Man taler
eNote 13 13.1 EGENVÆRDIPROBLEMET FOR LINEÆRE AFBILDNINGER 2
f (v) = lv . (13-3)
c
f(c)
a
f(a)
f(b)
l3 = 1 og v3 = c.
der den komfortable regel, at hvis man vælger en basis bestående af egenvektorer for
afbildningen, så bliver afbildningsmatricen automatisk en diagonalmatrix.
I det følgende eksempel illustrerer vi disse pointer ved hjælp af lineære afbildninger i
planen.
f : G2 (R ) ! G2 (R ) (13-4)
af mængden af plane vektorer ind i sig selv, som med hensyn til en given basis a = (a1 , a2 )
har følgende diagonalmatrix som afbildningsmatrix:
2 0
a Fa = . (13-5)
0 3
f(x)
a2 x
O a1
Figur 13.2: Vektoren x strækkes vandret med faktor 2 og lodret med faktor 3
14
j
5 O i 5 10
10
j
5 i 5 10
Men faktisk er det også i tilfældet h muligt at vælge en basis, som består af to lineært
uafhængige egenvektorer for h . Lad6
nemlig b1 være givet ved e-koordinaterne (2, 1) og
b2 ved e-koordinaterne (1, 1) . Så gælder der:
8
7/3 2/3 2 4 2
e h (b1 ) = e He e b1 = = = 2·
1/3 8/3 1 2 1
10
og
7/3 2/3 1 3 1
e h (b2 ) = e He e b2 = = = 3· .
1/3 8/3 1 3 1
Resultatet er h(b1 ) = 2b1 og h(b2 ) = 3b2 . Det viser sig altså, at b1 og b2 faktisk er egen-
vektorer for h . Ved at vælge (b1 , b2 ) som basis får afbildningsmatricen for h med hensyn til
denne basis formen:
2 0
b Gb = .
0 3
Det viser sig dermed overraskende nok, at afbildningsmatricen for h også kan skrives på for-
men (13-5). Afbildningen h er også sammensat af to strækninger med faktorerne 2 og 3. Blot
er de to strækningsretninger nu bestemt ved egenvektorerne b1 og b2 . Dette ses tydeligere,
hvis vi afbilder et nyt blåt hus, hvis hovedlinjer er parallelle med b-basisvektorerne, se figur
13.5.
12
10
b2
5 O b 5 10
1
Figur 13.5: Det blå hus strækkes med faktor 2 hhv. faktor 3 i egenvektorernes retning
6
Vi har hermed eksemplificeret, at hvis man kan finde to lineært uafhængige egenvektorer for
en lineær afbildning i planen, så er det muligt at
8
samt at
12
2. beskrive afbildningen som strækninger i egenvektorernes retninger med deres
tilhørende egenværdier som strækningsfaktorer.
f (v) = lv , (13-6)
Hvis det IKKE i definition 13.2 var krævet, at der skulle findes en egentlig vek-
tor som opfylder f (v) = lv , ville enhver skalar l være en egenværdi, idet
der jo for enhver skalar l gælder f (0) = l 0 . Men bemærk, at hvis l er en
egenværdi, så er nul-vektoren en egenvektor hørende til l .
Tallet 0 kan godt være en egenværdi. Det kræver blot, at der findes en egentlig
vektor v, som opfylder f (v) = 0 , da vi så har f (v) = 0v .
Hvis en lineær afbildning f har blot én egenvektor v , så har den uendeligt mange
egenvektorer. Dette er en simpel konsekvens af den følgende sætning.
Bevis
Hermed er det vist, at egenvektorerne hørende til l også opfylder stabilitetskravet ve-
drørende multiplikation med skalar. Samlet er det vist, at mængden af egenvektorer, som
hører til en given egenværdi l, er et underrum i definitionsrummet.
El = {v 2 V | f (v) = lv } .
I det følgende eksempel betragtes en lineær afbildning, som har to egenværdier, begge
med geometrisk multiplicitet 1 .
eNote 13 13.1 EGENVÆRDIPROBLEMET FOR LINEÆRE AFBILDNINGER 9
I planen er der tegnet en ret linje m gennem origo. Med s betegnes den lineære afbildning,
der afbilder en vektor v afsat ud fra origo i dens spejling s(v) i m , se figuren:
v
m
s(b)
O
a
s(v)
s(a)
b
Lad a være en vilkårlig egentlig vektor, som ligger på m. Ved afbildning spejles vektoren i
linjen m, og der sker derfor ingen ændring. Der gælder:
s (a) = a = 1 · a ,
Vi tegner nu en ret linje n gennem origo vinkelret på m . Lad b være en vilkårlig egentlig
vektor, som ligger på n. Da der gælder:
s (b) = b = ( 1) · b ,
Eksempel 13.6
b 6= lv .
v
Derfor findes der ikke egenværdier og dermed heller ikke egenvektorer for f .
Opgave 13.7
I rummet er der givet et standard (O, i, j, k)-koordinatsystem. Alle vektorer tænkes afsat ud
fra origo. Afbildningen p projicerer vektorer ned i ( x, y)-planen i rummet, se figur 13.6.
v
k
O Y
i j
p(v)
Det er vist i opgave 12.28, at p er lineær. Bestem samtlige egenværdier og de egenrum, der
hører til egenværdierne, udelukkende ved hovedregning (grubling).
eNote 13 13.1 EGENVÆRDIPROBLEMET FOR LINEÆRE AFBILDNINGER 11
f ( x (t)) = x 0 (t) .
f (elt ) = l elt ,
x 0 (t) = lx (t)
er givet ved k · elt , hvor k er et vilkårligt reelt tal, er egenrummet hørende til l bestemt ved
El = k · elt k2R .
Den følgende hjælpesætning giver et vigtigt resultat for lineære afbildninger af vek-
torrum ind i sig selv. Den gælder uanset, om det betragtede vektorrum har endelig
dimension eller ej.
eNote 13 13.1 EGENVÆRDIPROBLEMET FOR LINEÆRE AFBILDNINGER 12
Hjælpesætning 13.9
Lad f : V ! V være en lineær afbildning af et vektorrum V ind i sig selv, og antag,
Bevis
Vi udtynder først v til en basis for span{v}. Da sættet er lineært afhængigt, må der da være
mindst én vektor i v, som ikke er med i basen. Vi vælger en af dem (en af de vektorer, der
er afhængig af de andre); lad os kalde den x. Nu skriver vi x som en linearkombination af
basisvektorerne, idet vi udelader de trivielle led, det vil sige dem, som har koefficienten 0:
x = k1 v1 + · · · + k m vm . (13-7)
Vi kalder egenværdien, der hører til x, for l, og egenværdierne hørende til vi for li . Vi kan
ud fra (13-7) opnå et udtryk for lx på to forskellige måder — dels ved at gange (13-7) med
l og dels ved at finde billedet ved f af højre- og venstresiden i (13-7). Vi benytter begge
fremgangsmåder:
lx = lk1 v1 + · · · + lk m vm
lx = l1 k1 v1 + · · · + lm k m vm .
Ved subtraktion af den nederste ligning fra den øverste medfører dette:
0 = k1 (l l1 )v1 + · · · + k m (l l m ) vm . (13-8)
Hvis alle koefficienterne til vektorerne på højresiden af (13-8) er lig med nul, må l = li
for alle i = 1, 2, . . . , m. Men så har x og alle basisvektorerne vi samme egenværdi og må
være valgt ud fra det samme egenvektorrum. De skulle derfor være lineært uafhængige,
eNote 13 13.1 EGENVÆRDIPROBLEMET FOR LINEÆRE AFBILDNINGER 13
da en forudsætningen i hjælpesætning 13.9 for, at de blev valgt ud som et sæt, netop var,
at de indenfor samme egenvektorrum var lineært uafhængige. Dette strider mod at x er en
linearkombination af basisvektorerne, da det ikke er muligt, hvis den er en del af et lineært
uafhængigt sæt.
Værdien af hjælpesætning 13.9 viser sig ved, at den direkte fører til de følgende vigtige
resultater.
eNote 13 13.1 EGENVÆRDIPROBLEMET FOR LINEÆRE AFBILDNINGER 14
Opgave 13.12
Det første punkt i sætning 13.11 er et simpelt specialtilfælde af hjælpesætning 13.9 og følger
derfor umiddelbart af hjælpesætningen. Det andet punkt kan bevises således:
Antag at en lineær afbildning har k forskellige egenværdier. Vi vælger en egentlig vektor fra hvert af
de k egenrum. Sættet af de k valgte vektorer er da ifølge hjælpesætning 13.9 lineært uafhængigt, og k
må derfor være mindre end eller lig med vektorrummets dimension (se hjælpesætning 11.21).
Gør på tilsvarende vis rede for, hvordan de tre sidste punkter i sætning 13.11 følger af
hjælpesætning 13.9.
Ved en egenvektorbasis, eller kort egenbasis, for V med hensyn til f forstås en basis
bestående af egenvektorer for f .
2. Antag, at v er en egenbasis for V med hensyn til f . Lad L betegne den diag-
onalmatrix, som er afbildningsmatrix for f med hensyn til v . Rækkefølgen af
diagonalelementerne i L er da bestemt ud fra den valgte basis således: Ba-
sisvektoren vi hører til den egenværdi li , som står i den i’te søjle i L .
Vi udskyder beviset for denne sætning til eNote 14 om diagonalisering, se sætning 14.7.
eNote 13 13.1 EGENVÆRDIPROBLEMET FOR LINEÆRE AFBILDNINGER 16
Lad os igen betragte situationen i eksempel 13.5, hvor vi betragtede afbildningen s , som
spejler vektorer afsat ud fra origo i linjen m :
v
m
s(b)
O
a
s(v)
s(a)
b
I eksempel 13.6 fandt vi, at den afbildning, som til en vektor i planen lader svare dens
tværvektor, ingen egenværdier har. Der findes derfor ingen egenbasis for afbildningen, og
der kan for denne afbildning derfor ikke opstilles en afbildningsmatrix, som er en diagonal-
matrix.
Da der gælder:
f (i, 1) = ( 1, i ) = i (i, 1) og f ( i, 1) = ( 1, i ) = ( i )( i, 1) ,
ses det, at i er en egenværdi for f med en tilhørende egenvektor (i, 1), og at i er en egen-
værdi for f med en tilhørende egenvektor ( i, 1) .
Opgave 13.18
Betragt igen situationen i eksempel 13.7. Vælg to forskellige egenbaser (baser bestående af
egenvektorer for p ), og bestem i hvert af de to tilfælde den diagonalmatrix, som bliver af-
bildningsmatrix for p med hensyn til den valgte basis.
Først præciserer vi, hvad der forstås ved egenværdiproblemet for en kvadratisk matrix.
eNote 13 13.2 EGENVÆRDIPROBLEMET FOR KVADRATISKE MATRICER 18
Givet matricen
2 2
A= .
2 2
Da
2 2 1 0 1
= =0 ,
2 2 1 0 1
er 0 en egenværdi for A, og (1, 1) er en til egenværdien 0 hørende egenvektor for A .
eNote 13 13.2 EGENVÆRDIPROBLEMET FOR KVADRATISKE MATRICER 19
Givet matricen
0 1
A= .
1 0
Da
0 1 i 1 i
= =i ,
1 0 1 i 1
er i en kompleks egenværdi for A, og ( i, 1) er en til egenværdien i hørende kompleks egen-
vektor for A .
Til brug for de følgende undersøgelser knytter vi nogle vigtige kommentarer til defini-
tion 13.19.
Først bemærker vi, at selv om den kvadratiske matrix A i definition 13.19 er reel, er man
ofte interesseret i ikke kun at finde reelle løsninger til ligningen (13-10) men generelt
komplekse løsninger. Der søges med andre ord en skalar l 2 C og en vektor v 2 C n ,
der opfylder (13-10).
Det kan derfor være hensigtsmæssigt at opfatte venstresiden i (13-10) som en afbildning
f : C n ! C n givet ved
f (v) = A v .
Denne afbildning er lineær. Lad nemlig u 2 C n , v 2 C n og k 2 C . Der gælder da ifølge
sædvanlige regneregler for matricer, at
L1 : f (u + v) = A (u + v) = A u + A v
L2 : f ( k u) = A( k u) = k (A u) .
Hermed er lineariteten vist. Da egenværdiproblemet f (v) = lv i dette tilfælde er
identisk med egenværdiproblemet Av = lv , kan det sluttes at resultaterne opnået i af-
snit 13.1 for egenværdiproblemet i almindelighed, umiddelbart kan overføres til egen-
værdiproblemet for matricer. Lad os således straks karakterisere mængden af egenvek-
torer, der hører til en given egenværdi for en kvadratisk, reel matrix (sammenlign med
sætning 13.3).
Hvis man kun er interesseret i reelle løsninger på egenværdiproblemet for reelle kvadratiske
matricer, kan man alternativt opfatte venstresiden i (13-10) som en reel afbildning f :
R n ! R n givet ved:
f (v) = A v .
Denne afbildning er naturligvis også lineær. Vi opnår herved den følgende variant af
sætning 13.23.
Av = lv ,
Av lv = Av l(Ev) = Av (lE)v = 0 , (13-14)
(A lE)v = 0 .
Den sidste ligning i (13-14) svarer til et homogent linæert ligningssystem bestående af n
ligninger med de n ubekendte v1 , . . . , vn , som er elementerne i v = (v1 , . . . , vn ) . Det er
dog ikke muligt straks at løse ligningssystemet, netop fordi vi ikke kender l. Vi er nødt
til at arbejde videre med ligningssystemets koefficientmatrix, som tildeles det særlige
symbol
KA (l) = (A lE)
og kaldes den karakteristiske matrix for A.
Da det er et homogent lineært ligningssystem, som skal løses, er der som udgangspunkt
to muligheder for løsningsstrukturen: Enten er den karakteristiske matrix regulær, og så
er den eneste løsning v = 0 . Eller også er matricen singulær, og der vil findes uendeligt
mange løsninger v. Men da definition 13.19 kræver, at v skal være en egentlig vektor,
altså en vektor forskellig for nulvektoren, må den karakteristiske matrix være singulær.
For at undersøge, om dette gælder, tages determinanten af den karakteristiske matrix.
Den er nul netop, når matricen er singulær, som vist i en tidligere eNote,
Den ligning, der fremkommer, når det karakteristiske polynomium sættes lig nul
Ved hjælp af udregningsmetoden for determinanter kan det indses, at det karakteris-
tiske polynomium altid er et n’tegradspolynomium. Se også de efterfølgende eksem-
pler. Hovedpointen er, at rødderne i det karakteristiske polynomium (løsningerne til
karakterligningen) er egenværdierne for matricen, fordi egenværdierne netop opfylder,
at den karakteristiske matrix er singulær.
eNote 13 13.2 EGENVÆRDIPROBLEMET FOR KVADRATISKE MATRICER 22
KA (l) = A l E
2 3 2 3
3 2 0 1 0 0
= 4 0 1 0 5 l4 0 1 0 5
1 1 2 0 0 1
2 3 2 3
3 2 0 l 0 0 (13-17)
=4 0 1 0 5 4 0 l 0 5
1 1 2 0 0 l
2 3
3 l 2 0
=4 0 1 l 0 5.
1 1 2 l
Vi fortsætter fra eksempel 13.26 og fra det karakteristiske polynomium for A (ved at opløse
den karakteristiske matrix efter sidste søjle jf. metoderne i eNote 9):
02 31
3 l 2 0
KA (l) = det @4 0 1 l 0 5A
1 1 2 l
✓ ◆ (13-18)
3+3 3 l 2
= ( 1) (2 l) det
0 1 l
= (2 l)(3 l)(1 l) .
Givet to matricer A og B,
4 2 1 4
A= og B= . (13-19)
3 1 2 3
Polynomiet har som forventet graden 2 . Karakterligningen kan opskrives, og løsningerne til
den kan bestemmes:
KA ( l ) = 0 , l 2 3l + 2 = 0 , l = 1 eller l = 2 . (13-22)
Der er i dette tilfælde ingen reelle løsninger til KB (l) = 0, fordi diskriminanten d = ( 2)2
4 · 1 · 5 = 16 < 0, og derfor har B ingen reelle egenværdier. Men den har to komplekse
egenværdier. Vi tager den komplekse "‘værktøjskasse"’ frem: Diskriminanten kan omskrives
til d = (4i )2 , hvilket giver de to komplekse løsninger
2 ± 4i
l= , l = 1 + 2i og l = 1 2i . (13-24)
2
Altså har B de to komplekse egenværdier l1 = 1 + 2i og l2 = 1 2i .
eNote 13 13.2 EGENVÆRDIPROBLEMET FOR KVADRATISKE MATRICER 24
3. karakterligningen KA (l) = 0 .
Der gælder:
Bestem de karakteristiske polynomier for følgende matricer, og find alle reelle rødder i hvert
af polynomierne:
1 2
A1 = , A2 = diag( a1 , a2 , a3 ) , A3 = bidiag(b1 , b2 , b3 ) . (13-25)
3 4
eNote 13 13.2 EGENVÆRDIPROBLEMET FOR KVADRATISKE MATRICER 25
Konstruér to (4 ⇥ 4)-matricer A og B sådan, at den ene har lutter reelle rødder i sit karak-
teristiske polynomium, og sådan at den anden ikke har nogen som helst reelle rødder i sit
karakteristiske polynomium.
(A lE)v = 0 , (13-26)
som vi nåede frem til i (13-14). Når egenværdierne er kendte, kan det til (13-26) svarende
homogene lineære ligningssystem løses med hensyn til de n ubekendte v1 , . . . , vn , som
er elementer i v = (v1 , . . . , vn ) . Vi skal blot indsætte egenværdierne efter tur og løse
ligningssystemet for hver af dem. Som allerede nævnt er den karakteristiske matrix sin-
gulær, når den indsatte l er en egenværdi. Derfor findes der uendeligt mange løsninger
til ligningssystemet. At finde disse svarer til at finde samtlige egenvektorer v, der hører
til l .
(A lE)v = 0 , (13-28)
Metode 13.33 udfoldes i de fløgende tre eksempler, der også giver os anledning til, i
forlængelse af sætning 13.23 og sætning 13.24, at beskrive mængden af egenvektorer, der
tilhører en given egenværdi.
Egenvektorerne til den anden egenværdi l2 skal også findes. l2 indsættes i (A lE)v = 0,
hvorefter vi løser det hertil svarende lineære ligningssystem, som har totalmatricen
2 3 1 0
T = [A l2 E | 0 ] = . (13-36)
1 2 3 0
Der vil nu blive ført kontrol: Når v1 = ( 1, 1) afbildes med A, vil billedvektoren da
udelukkende være en skalering (længdeændring) af v1 ?
2 1 1 1
Av1 = = = v1 . (13-40)
1 2 1 1
Nu kontrolleres v2 :
2 1 1 3
Av2 = = = 3 · v2 . (13-41)
1 2 1 3
v2 er altså som forventet også en egenvektor, og egenværdien er 3.
eNote 13 13.2 EGENVÆRDIPROBLEMET FOR KVADRATISKE MATRICER 28
Dette svarer til én ikke-triviel ligning v1 + ( 1 + i )v2 = 0. Sættes den frie parameter til
v2 = s, ser vi, at samtlige komplekse egenvektorer hørende til l1 er givet ved
1 i
v = s· , s 2 C. (13-45)
1
Dette er ligeledes et 1-dimensionalt underrum i C2 , som vi i samme stil kan angive ved
matrix. Det viser sig, at der i dette tilfælde hører et to-dimensionalt egenrum til en af
egenværdierne.
Givet matricen A, 2 3
6 3 12
A =4 4 5 45 (13-49)
4 1 10
Bestem egenværdierne til A.
A l1 E = 0 ,
2 3
6 ( 6) 3 12 0
4 4 5 ( 6) 4 0 5!
4 1 10 ( 6) 0 (13-51)
2 3 2 3
12 3 12 0 4 1 4 0
4 4 1 4 0 5!4 0 0 0 0 5 .
4 1 4 0 0 0 0 0
Her er kun én ikke-triviel ligning: 4x1 + x2 + 4x3 = 0. Sættes x1 og x3 til de to frie parametre
s og t, fås samtlige reelle egenvektorer til egenværdien 6 ved
2 3 2 3 2 3
x1 1 0
x = 4 x2 5 = s ·4 4 5+ t ·4 4 5 , s, t 2 R . (13-52)
x3 0 1
Det er dermed muligt at finde to lineært uafhængige egenvektorer til l1 fx de to, der her
er opskrevet som udspændingen af egenrummet. Hvad med antallet af lineært uafhængige
egenvektorer for l2 = 3?
A l2 E = 0 ,
2 3
6 3 3 12 0
4 4 5 3 4 0 5!
4 1 10 3 0 (13-54)
2 3 2 3 2 3
3 3 12 0 1 1 4 0 1 0 3 0
4 4 8 4 0 5!4 0 3 3 0 5!4 0 1 1 0 5 .
4 1 13 0 0 3 3 0 0 0 0 0
Opgave 13.37
Som det fremgår af eksempel 13.36 er det både vigtigt at være opmærksom på, om en
egenværdi er enkeltrod eller flerdobbeltrod i karakterligningen for en kvadratisk, reel
matrix, og på dimensionen af det tilhørende egenrum. I dette delafsnit undersøges
relationen mellem de to fænomener. Det giver anledning til de følgende definitioner.
Den følgende sætning viser nogle vigtige egenskaber vedrørende algebraisk og ge-
ometrisk multiplicitet for egenværdier for kvadratiske matricer (sammenlign med sæt-
ning 13.11).
eNote 13 13.2 EGENVÆRDIPROBLEMET FOR KVADRATISKE MATRICER 32
Det vil sige, at den geometriske multiplicitet af en egenværdi mindst vil være
1, at den vil være mindre end eller lig med den algebraiske multiplicitet af
egenværdien, som igen vil være mindre eller lig antallet af søjler og rækker i
A.
Opgave 13.40
Kontroller, at alle tre punkter i sætning 13.39 er gældende for egenværdierne og egenvektor-
erne i eksempel 13.36.
Vi har tidligere vist, at der for enhver lineær afbildning af et n-dimensionalt vektorrum
ind i sig selv gælder, at summen af de geometriske multipliciteter af egenværdierne
højst kan være n , se sætning 13.11. Bemærk at dette direkte kan udledes af udsagnene
om mulipliciteter i sætning 13.39.
Som noget nyt og interessant påstås det i punkt 3, at den geometriske multiplicitet for
en enkelt egenværdi kan være mindre end den algebraiske multiplicitet — det kommer
eNote 13 13.2 EGENVÆRDIPROBLEMET FOR KVADRATISKE MATRICER 33
der et eksempel på i det følgende opsamlende eksempel 13.41 — og videre at den ge-
ometriske multiplicitet af en enkelt egenværdi ikke kan være større end den algebraiske.
Beviset for punkt 3 i sætning 13.39 udelades.
Givet er matricen 2 3
9 10 0
A =4 3 1 5 5. (13-59)
1 4 6
Egenværdierne til A bestemmes ved karakterligningen det(KA (l)) = 0:
02 31
9 l 10 0
det(KA (l)) = det(A lE) = det@4 3 1 l 5 5A
1 4 6 l (13-60)
Man har, at gm( 4) = dim( E 4 ) = 1, og at en egenvektor til l1 er v1 = (10, 5, 1). Det ses, at
gm( 4) = am( 4) for denne egenværdi.
Her er der igen to ikke-trivielle ligninger, v1 v2 = 0 og 3v2 5v3 = 0. Sættes v3 = 3s, ses
det, at samtlige til l2 hørende reelle egenvektorer kan angives ved
1 4
B= (13-65)
2 3
fra eksempel 13.35 til at præcisere nogle særlige fænomener for kvadratiske, reelle ma-
tricer, når deres egenværdiproblem studeres i kompleks ramme.
Bevis
Første del af sætning 13.42 følger af læren om polynomier. Det karakteristiske polynomium
for en kvadratisk, reel matrix er et polynomium med reelle koefficienter. Derom vides, at
rødderne for polynomiet altid optræder i konjugerede par.
Av = lv , Av = lv , Av = lv , Av = l v.
Hvis v er en egenvektor til egenværdien l, så er v altså samtidig en egenvektor til egenvær-
dien l. Hermed er sætningen vist.
Opgave 13.44
eNote 14
Similaritet og diagonalisering
I denne note forklares, hvordan visse kvadratiske matricer kan diagonaliseres ved hjælp af
egenvektorer. Det forudsættes derfor, at man ved, hvordan egenværdier og egenvektorer til en
kvadratisk matrix bestemmes, og desuden er bekendt med tilhørende begreber, såsom algebraisk
og geometrisk multiplicitet, se eNote 13.
Af særlig interesse er det, hvis der findes en basis v bestående af egenvektorer for f .
Lad nemlig a være en vilkårlig basis for V og a Fa den hertil hørende afbildningsmatrix
for f . Lad endvidere v være en egenvektorbasis for V til f . Af sætning 13.14 fremgår
det, at afbildningsmatricen for f med hensyn til basis v er en diagonalmatrix L, hvori
eNote 14 14.2 SIMILÆRE MATRICER 2
(14-1) og (14-2) inspirerer naturligt til spørgsmål, der tager udgangspunkt i kvadratiske
matricer: Hvilke betingelser skal være opfyldt for, at to givne kvadratiske matricer kan
fortolkes som afbildningsmatricer for den samme linæere afbildning med hensyn til to
forskellige baser? Og hvilke betingelser skal en kvadratisk matrix opfylde for, at den
er afbildningsmatrix for en lineær afbildning, som i en anden basis har en diagonalma-
trix som afbildningsmatrix? Vi studerer først disse spørgsmål i en ren matrixalgebra-
opsætning, og vender i sidste underafsnit tilbage til afbildningssynsvinklen. Til dette
formål indføres nu begrebet similære matricer.
2 3 8 21
Givet matricerne A = og B = .
3 4 3 10
2 3 1 2 3
Matricen M = er regulær og har den inverse matrix M = .
1 2 1 2
Udregningen
2 3 2 3 2 3 8 21
=
1 2 3 4 1 2 3 10
viser, at A er similær med B .
eNote 14 14.2 SIMILÆRE MATRICER 3
Opgave 14.4
Bevis
Når A og B kan repræsentere den samme lineære afbildning f med hensyn til to forskellige
baser, har de identiske egenværdier, nemlig egenværdierne for f .
Men egenværdierne har også de samme dimensioner, dvs. geometriske multipliciteter. Dette
følger af, at egenrummene for A og B med hensyn til enhver af egenværdierne kan fortolkes
som to forskellige koordinatfremstillinger for dette samme egenrum, nemlig egenrummet for
f med hensyn til den pågældende egenværdi.
Læg mærke, til at sætning 14.5 siger, at to similære matricer har samme egen-
værdier, men ikke omvendt: at to matricer, som har samme egenværdier, er
similære. Der er en forskel, og kun det første udsagn er sandt.
Opgave 14.6
Gør rede for, at to kvadratiske (n ⇥ n)-matricer er similære, hvis de har identiske egenværdier
med samme tilhørende geometriske multipliciteter, og at summen af de geometriske multi-
pliciteter er n .
eNote 14 14.3 DIAGONALISERING AF MATRICER 5
Da der gælder, at
1 1 2 1 2 1 2 3 0
V AV = = ,
1 1 1 4 1 1 0 2
Vi vil nu for en vilkårlig given kvadratisk matrix A stille spørgsmålet, om den kan
diagonaliseres ved similartransformation eller ej. Vi opstiller derfor ligningen
1
V A V = L,
hvor ⇥ ⇤
V = v1 v2 · · · vn og L = diag(l1 , l2 , . . . , ln ) . (14-9)
Hvis A ikke har n lineært uafhængige egenvektorer, kan den ikke diagonaliseres
ved similartransformation.
Bevis
Antag omvendt, at
⇥ A kan diagonaliseres
⇤ ved en similartransformation. Så findes der en reg-
ulær matrix V = v1 v2 · · · vn og en diagonalmatrix L = diag(l1 , l2 , . . . , ln ) således,
at
V 1 AV = L . (14-13)
eNote 14 14.3 DIAGONALISERING AF MATRICER 7
Hvis vi nu gentager omformningerne i første del af beviset blot i modsat rækkefølge, ses det,
at (14-13) er ensbetydende med de følgende n ligninger:
Diagonalisering ved similartransformation kan derfor kun opnås på den måde, der er omtalt
i sætningens første del.
Den følgende sætning kan være til stor hjælp, når man i forskellige sammenhænge un-
dersøger, om matricer kan diagonaliseres ved similartransformation. Hovedresultatet
har vi allerede givet i sætning 14.7, men her forfines betingelserne, idet vi trækker på
tidligere viste sætninger om egenværdiproblemet for lineære afbildninger og matricer.
Bevis
Ad. 1
Hvis der vælges en egentlig egenvektor fra hvert af de n egenrum, følger det af hjælpesæt-
ning 13.9, at det samlede sæt af n egenvektorer er lineært uafhængigt. Derfor kan A ifølge
sætning 14.7 i så fald diagonaliseres ved similartransformation.
eNote 14 14.3 DIAGONALISERING AF MATRICER 8
Ad. 2
Hvis der vælges en basis for hvert af egenrummene, så er det samlede sæt af de valgte n
egenvektorer ifølge hjælpesætning 13.9 lineært uafhængigt. Derfor kan A ifølge sætning
14.7 i så fald diagonaliseres ved similartransformation.
Ad. 3
Hvis summen af de geometriske multipliciteter er mindre end n, findes der ikke n lineært
uafhængige egenvektorer for A . Derfor kan A ifølge sætning 14.7 i så fald ikke diagonalis-
eres ved similartransformation.
Ad. 4
Da der ifølge sætning 13.39 pkt. 2 gælder, at summen af de algebraiske multipliciteter er n,
og da der ifølge samme sætning pkt. 3 for enhver egenværdi l gælder, at gm(l) am(l) ,
kan summen af de geometriske multipliciteter ikke blive n, hvis blot én af egenværdiernes
geometriske multiplicitet er mindre end dens algebraiske. I så fald kan A derfor ikke diago-
naliseres ved similartransformation.
I de følgende eksempler skal vi se, hvordan man konkret kan undersøge, om diago-
nalisering ved similartransformation er mulig og i givet fald gennemføre den.
Eksempel 14.9
Hvad vi indtil nu har sagt om similære matricer gælder generelt for kvadratiske, kom-
plekse matricer. Grundligningen for diagonalisering ved similartransformation
1
V AV = L (14-17)
skal derfor forstås i bredest mulig forstand, hvor matricerne A, V og L er komplekse
(n ⇥ n)-matricer. Indtil nu har vi indskrænket os til reelle eksempler, det vil sige eksem-
pler, hvor det har været muligt at opfylde grundligningen (14-17) med reelle matricer.
Vi vil i det følgende beskæftige os med en særlig situation, som er typisk i tekniske an-
vendelser af diagonalisering: Til en given reel (n ⇥ n)-matrix A søges en regulær matrix
M og en diagonalmatrix L, som opfylder grundligningen i bred ramme, hvor M og L
muligvis er komplekse (ikke-reelle) (n ⇥ n)-matricer.
Det følgende eksempel viser en reel (3 ⇥ 3)-matrix, som ikke kan diagonaliseres reelt,
fordi dens karakteristiske polynomium kun har én reel rod. Til gengæld kan den diag-
onaliseres komplekst.
Det næste eksempel viser en reel, kvadratisk matrix, som ikke kan diagonaliseres, hverken
reelt eller komplekst.
eNote 14 14.5 DIAGONALISERING AF LINEÆRE AFBILDNINGER 10
Opgave 14.12
Til matricen
2 9
A= (14-21)
1 6
ønskes følgende:
I indledningen til denne eNote stillede vi spørgsmålet: Hvilke betingelser skal være
opfyldt for at to givne kvadratiske matricer kan fortolkes som afbildningsmatricer for
den samme lineære afbildning med hensyn til to forskellige baser? Svaret er enkelt, som
næste sætningen siger.
eNote 14 14.5 DIAGONALISERING AF LINEÆRE AFBILDNINGER 11
Opgave 14.14
Det er allerede nu muligt at bekræfte, at der findes en reel egenbasis til f , da der findes 2 =
dim( P1 (R )) egenværdier, nemlig l1 = 3 og l2 = 4, som hver har algebraisk multiplicitet
1. Egenvektorer til l1 bestemmes:
17 + 3 21 0 1 32 0
! (14-24)
14 18 + 3 0 0 0 0
Det giver en egenvektor m v1 = ( 3, 2), hvis den frie parameter sættes til 2. Tilsvarende fås
den anden egenvektor:
17 4 21 0 1 1 0
! . (14-25)
14 18 4 0 0 0 0
Det giver en egenvektor m v2 = ( 1, 1), hvis den frie parameter sættes til 1.
Der findes altså en reel egenbasis v til f , der er givet ved basisvektorerne m v1 og m v2 . Vi har
da, at
3 1 3 0
m Mv = og v Fv = . (14-26)
2 1 0 4
Den nye v-basis udgøres af basisvektorerne v1 = 3 + 2x og v2 = 1 + x, og afbildningen er
"‘simplere"’ med hensyn til denne nye basis. Grundligningen ser da naturligvis således ud:
1
v Fv = (m Mv ) m Fm m Mv
f (v1 ) = f ( 3 + 2x ) = 3 · f (1) + 2 · f ( x )
= 3 · ( 17 + 14x ) + 2 · ( 21 + 18x ) (14-27)
=9 6x = 3( 3 + 2x ) = 3v1
Det passer!
eNote 15 1
eNote 15
Symmetriske matricer
I denne eNote vil vi beskæftige os med et af de mest benyttede resultater fra lineær algebra – den
såkaldte spektralsætning for symmetriske matricer. Den siger kort fortalt, at alle symmetriske
matricer kan diagonaliseres ved en similartransformation, altså ved et basisskift foretaget med
en passende substitutionsmatrix.
Indførelsen af disse begreber og tilhørende metoder blev givet i eNote 14, som derfor er en
fundamental basis for nærværende eNote.
Netop i den eNote blev det klart, at ikke alle matricer kan diagonaliseres. Diagonalisering
kræver, at der er tilstrækkelig mange egenværdier (de algebraiske multipliciteter summer op til
at være størst mulig) og at deres egenvektorrum faktisk udfylder hele vektorrummet (de
geometriske multipliciteter summer op til at være størst mulig). Det er disse egenskaber, som vi
vil beskæftige os med, men nu for symmetriske matricer, der viser sig at opfylde betingelserne og
faktisk mere til: De egenvektorer vi benytter i den resulterende substitutionsmatrix kan vælges
parvis ortogonale, sådan at den nye basis fremkommer ved en rotation af den gamle sædvanlige
basis i R n .
For at kunne diskutere og anvende spektralsætningen mest effektivt må vi først indføre et
naturligt skalarprodukt for vektorer i R n sådan at vi kan måle vinkler og længder i alle
dimensioner. Det gør vi selvfølgelig med udgangspunkt i det velkendte sædvanlige
skalarprodukt fra R2 og R3 . Som antydet vil vi specielt benytte baser bestående af parvis
ortogonale vektorer til at opstille og forstå hvad spektralsætningen går ud på og hvad vi kan
bruge den til.
eNote 15 15.1 SKALARPRODUKT 2
15.1 Skalarprodukt
|a · b| | a | | b | , (15-11)
Bevis
Hvis b = 0 , er begge sider i (15.1.11) lig 0 og uligheden dermed opfyldt. I det følgende
forudsættes b at være en egentlig vektor.
1
Vi sætter k = b · b og e = p b . Så følger det af (15.1.6) at
k
1 1 1
e · e = ( p b) · ( p b) = (b · b) = 1
k k k
og dermed at |e| = 1 .
p
Ved at indsætte b = k e i venstresiden og højresiden af (15.1.11) fr vi ved brug af (15.1.6) og
eNote 15 15.1 SKALARPRODUKT 5
(15.1.10): p p
|a · b| = | a · ( k e) | = k |a · e|
og p p
|a| |b| = |a| | ke| = k |a| |e| .
Vi behøver derfor kun at vise at der for vilkårlige a og e , hvor |e| = 1 , gælder
|a · e| | a | (15-12)
Da det ifølge (15.1.8) glder at (a te) · (a te) = 0 hvis og kun hvis (a te) = 0 , ser vi at
|a · e| = | a | hvis og kun hvis a og e er lineært afhængige. Beviset er hermed fuldført.
Opgave 15.6
a·b
1 1 . (15-14)
|a| · |b|
a·b
cos(q ) = . (15-15)
|a| · |b|
Hvis a · b = 0 så siger vi, at de to egentlige vektorer er ortogonale eller vinkelrette
på hinanden. Det optræder præcis når cos(q ) = 0, altså når q = p/2.
Definition 15.8
En kvadratformet matrix A er symmetrisk hvis den er lig med sin egen
transponerede
A = A> , (15-16)
altså hvis aij = a j i for alle elementerne i matricen.
Hvad har symmetriske matricer med skalarproduktet at gøre? Det ser vi på her:
eNote 15 15.2 SYMMETRISKE MATRICER OG SKALARPRODUKTET 7
Sætning 15.9
Lad v og w betegne to vektorer i vektorrummet (R n , ·) med det indførte skalarpro-
dukt. Hvis A er en vilkårlig (n ⇥ n) matrix gælder
⇣ ⌘
>
(A v) ·w = v· A w . (15-17)
Bevis
(A v) · w = (A v) > · w
⇣ ⌘
= v> A> · w
⇣ ⌘ (15-18)
= v> · A> w
⇣ ⌘
= v · A> w .
Sætning 15.10
En matrix A er en symmetrisk (n ⇥ n) matrix hvis og kun hvis
(A v) ·w = v· (A w) (15-19)
Bevis
Hvis A er symmetrisk, så har vi at A = A> og derfor ligning (15.2.19) direkte fra (15.2.17).
Omvendt, hvis vi antager at (15.2.19) gælder for alle v og w, s skal vi vise, at A er symmetrisk.
eNote 15 15.2 SYMMETRISKE MATRICER OG SKALARPRODUKTET 8
Men det følger let ved blot at vlge passende vektorer, f.eks. v = e2 = (0, 1, 0, ..., 0) og w =
e3 = (0, 0, 1, ..., 0) og indsætte i (15.2.19) som nedenfor. Bemærk, at A ei er den i’te søjle-vektor
i A.
(A e2 ) · e3 = a23
= e2 · (A e3 )
(15-20)
= (A e3 ) ·e2
= a32 ,
sådan at a23 = a32 . Helt tilsvarende fås for alle andre valg af indices i og j at aij = a j i – og det
var det vi skulle vise.
Definition 15.11
En basis a = (a1 , ..., an ) er en ortonormal basis hvis
⇢
1 for i = j ,
ai · a j = (15-21)
0 for i 6= j .
Opgave 15.12
Vis, at hvis n vektorer (a1 , ..., an ) i (R n , ·) opfylder ligningen (15.2.21), så er a = (a1 , ..., an ) au-
tomatisk en basis for (R n , ·), dvs. vektorerne er garanteret lineært uafhængige og udspænder
hele (R n , ·).
Opgave 15.13
Vis, at følgende 3 vektorer (a1 , a2 , a3 ) udgør en ortonormal basis a for (R3 , ·) for enhver given
værdi af q 2 R :
a1 = (cos(q ), 0, sin(q ))
a2 = (0, 1, 0) (15-22)
a3 = (sin(q ), 0, cos(q )) .
eNote 15 15.2 SYMMETRISKE MATRICER OG SKALARPRODUKTET 9
Hvis vi sætter vektorerne fra en ortonormal basis ind som søjler i en matrix fås en or-
togonal matrix:
Definition 15.14
En (n ⇥ n) matrix A siges at være ortogonal hvis søjlevektorerne i A udgør en
ortonormal basis for (R n , ·), altså hvis søjlevektorerne er parvis ortogonale og alle
har længden 1 – som også udtrykt i ligning (15.2.21).
Sætning 15.15
En (n ⇥ n) matrix Q er ortogonal hvis og kun hvis
Bevis
Opgave 15.16
| det(A)| = 1 . (15-25)
Vis at den betingelse ikke er tilstrækkelig, altså at der findes matricer, som opfylder denne
determinant-betingelse, men som ikke er ortogonale.
Definition 15.17
En ortogonal matrix Q kaldes positiv ortogonal hvis det(Q) = 1 og den kaldes
negativ ortogonal hvis det(Q) = 1.
Opgave 15.18
Givet matricen 2 3
0 a 0 a
6 a 0 a 0 7
A=6
4
7 , hvor a 2 R . (15-26)
0 a 0 a 5
a 0 a 0
Bestem de værdier af a for hvilke A er ortogonal og angiv i hvert tilfælde om A er positiv
ortogonal eller negativ ortogonal.
w2 = u2 (u2 · v1 ) v1
w2 (15-28)
v2 = .
|w2 |
Læg mærke til, at w2 (og derfor også v2 ) så er ortogonal på v1 :
w2 · v1 = (u2 (u2 · v1 ) v1 ) · v1
= u2 · v1 (u2 · v1 ) v1 · v1
= u2 · v1 (u2 · v1 ) |v1 |2 (15-29)
= u2 · v1 (u2 · v1 )
=0 .
3. Således fortsættes
wi = ui (ui · v1 ) v1 (ui · v2 ) v2 ··· ( ui · vi 1 ) vi 1
wi (15-30)
vi = .
| wi |
wp = up u p · v1 v1 u p · v2 v2 ··· up · vp 1 vp 1
wp (15-31)
vp = .
|w p |
Eksempel 15.20
Vi konstruerer de nye basisvektorer med hensyn til standard e-basis i R4 ved at gå igen-
nem ortonormaliseringsproceduren. Der er 3 ’step’ da der i dette eksempel er 3 lineært
uafhængige vektorer i U :
1.
u1 1
v1 = = (2, 2, 4, 1) . (15-32)
|u1 | 5
2.
w2 = u2 (u2 · v1 ) v1 = u2 + 5v1 = (2, 2, 1, 4)
w2 1 (15-33)
v2 = = (2, 2, 1, 4) .
| w2 | 5
3.
w3 = u3 (u3 · v1 ) v1 (u3 · v2 ) v2 = u3 5v1 5v2 = (1, 1, 0, 0)
w3 1 (15-34)
v3 = = p (1, 1, 0, 0) .
| w3 | 2
1 1 1
v1 = · (2, 2, 4, 1) , v2 = · (2, 2, 1, 4) , v3 = p · (1, 1, 0, 0) .
5 5 2
Vi kan checke, at der virkelig er tale om en ortonormal basis ved at stille vektorerne op som
søjler i en matrix, som dermed får typen (4 ⇥ 3) således :
2 p 3
2/5 2/5 1/p2
6 7
6 2/5 2/5 1/ 2 7
V=6 7 (15-35)
4 4/5 1/5 0 5
1/5 4/5 0
Matricen V kan ikke være en ortogonal matrix (på grund af typen), men alligevel kan V til-
fredsstille følgende ligning, som viser, at de tre nye basisvektorer netop er parvis ortogonale
eNote 15 15.4 DET ORTOGONALE KOMPLEMENT TIL ET UNDERRUM 14
Opgave 15.21
I (R4 , ·) er givet følgende vektorer med hensyn til den sædvanlige basis e:
Vi lader U betegne det underrum i (R4 , ·), som er udspændt af de fire givne vektorer, altså
U = span{u1 , u2 , u3 , u4 } . (15-37)
1. Vis, at u = (u1 , u2 , u3 ) er en basis for U, og find koordinaterne for u4 med hensyn til
denne basis.
Eksempel 15.22
Definition 15.23
Det ortogonale komplement til et underrum U i (R n , ·) betegnes med U ? og består
af alle vektorer i (R n , ·) som er ortogonale på hver eneste vektor i U:
Sætning 15.24
Det ortogonale komplement U ? til et givet p dimensionalt underrum U i (R n , ·)
er selv et underrum i (R n , ·) og det har dimensionen dim(U ? ) = n p .
Bevis
Det er let at checke alle underrums-egenskaberne for U ? ; det er klart, at hvis a og b er ortog-
onale på alle vektorerne i U og k er et reelt tal, så er a + kb også ortogonal på alle vektorerne
i U. Da den eneste vektor, der er ortogonal på sig selv er 0 er dette også den eneste vektor i
fællesmængden: U \ U ? = {0}. Hvis vi lader v= (v1 , · · ·, v p ) betegne en ortonormal basis for
U og w= (w1 , · · ·, wr ) en ortonormal basis for U ? , så er (v1 , · · ·, v p , w1 , · · ·, wr ) en ortonormal
basis for underrummet S = span{v1 , · · ·, v p , w1 , · · ·, wr } i (R n , ·). Hvis vi nu antager, at S
ikke er hele (R n , ·), så kan basen for S udvides med mindst én vektor så det udvidede system
er lineært uafhængig i (R n , ·); dermed får vi - ved at bruge det sidste step i Gram–Schmidt
metoden - en ny vektor, som er ortogonal på alle vektorer i U men som ikke er element i
U ? ; og det er en modstrid, fordi U ? er defineret til at være alle de vektorer i (R n , ·), som er
ortogonal på hver enkelt vektor i U. Derfor er antagelsen om, at S ikke er hele (R n , ·) forkert.
Det vil sige, at S = R n og derfor er r + p = n, sådan at dim(U ? ) = r = n p; og det var det
vi skulle vise.
⌅
eNote 15 15.5 SPEKTRALSÆTNINGEN FOR SYMMETRISKE MATRICER 16
Eksempel 15.25
Opgave 15.26
Bestem det ortogonale komplement til underrummet U = span{u1 , u2 , u3 } i (R4 , ·), når de
udspændende vektorer er givet ved deres respektive koordinater med hensyn til den sæd-
vanlige basis e i R4 således:
Sætning 15.27
Lad A betegne en symmetrisk (n ⇥ n) matrix. Så har det karakteristiske poly-
nomium KA (l) for A præcis n reelle rødder (regnet med multiplicitet):
l1 l2 ··· ln . (15-40)
l1 = 7 l2 = 3 l3 = 3 l4 = 2 l5 = 2 l6 = 2 l7 = 1 .
Da sætning 15.27 udtrykker en helt afgørende egenskab ved symmetriske matricer, vil
vi her give et bevis for den:
eNote 15 15.5 SPEKTRALSÆTNINGEN FOR SYMMETRISKE MATRICER 17
Bevis
Fra algebraens fundamentalsætning ved vi, at KA (l) har præcis n komplekse rødder - vi ved
bare ikke om de er reelle; det er det vi skal vise. Så vi lader a + i b være en kompleks rod i
KA (l) og skal så vise, at b = 0. Læg mærke til, at a og b naturligvis begge er reelle tal.
Vi har altså
det (A ( a + i b )E) = 0 , (15-41)
og derfor også, at
det (A (a + i b)E) · det (A (a i b )E) = 0 (15-42)
sådan at
det ((A (a + i b)E) · (A (a i b)E)) = 0
⇣ ⌘ (15-43)
det (A a E)2 + b2 E = 0 .
⇣ ⌘
Den sidste ligning giver, at rangen af den reelle matrix (A a E)2 + b2 E er mindre end
n; det medfører nu (se eNote 2), at der findes egentlige reelle løsninger x til det tilsvarende
ligningssystem ⇣ ⌘
(A a E)2 + b2 E x = 0 . (15-44)
Lad os vælge sådan en egentlig reel løsning v til (15.5.44) med |v| > 0. Ved at benytte, at A
antages at være symmetrisk har vi så:
⇣⇣ ⌘ ⌘
0= (A a E)2 + b2 E v · v
⇣ ⌘
2
= (A a E) v · v + b2 (v · v)
(15-45)
2 2
= ((A a E) v) · ((A a E) v) + b |v|
= | (A a E) v|2 + b2 |v|2 ,
men da |v| > 0 så må vi konkludere, at b = 0, fordi ellers kan det sidste udtryk i ovenstående
omskrivninger ikke være 0; og det var det vi skulle vise.
Opgave 15.28
Til hver egenværdi li for en given matrix A hører et egenvektorrum Eli , som
er et større eller mindre underrum i (R n , ·). Hvis to eller flere egenværdier for
en given matrix er ens, dvs. hvis der er tale om en multipel (f.eks. k gange) rod
li = li+1 = · · ·li+k 1 i det karakteristiske polynomium, så er de tilhørende
egenvektorrum selvfølgelig også ens: Eli = Eli+1 = · · · Eli+k 1 . Vi vil se neden-
for i sætning 15.30 at for symmetriske matricer er dimensionen af det fælles
egenvektorrum Eli præcis lig med den algebraiske multiplicitet k af egenvær-
dien li .
Sætning 15.29
Lad A være en symmetrisk matrix og lad l1 og l2 være to forskellige egenværdier
for A og lad v1 og v2 betegne to tilhørende egenvektorer. Så er v1 · v2 = 0, dvs. de
er ortogonale.
Bevis
og da l1 6= l2 får vi derfor følgende konklusion: v1 ·v2 = 0, og det var det, vi skulle vise.
Sætning 15.30
Lad A betegne en symmetrisk (n ⇥ n) matrix. Så findes der en positiv ortogonal
matrix Q således at
1
L=Q AQ = Q> AQ er en diagonal-matrix . (15-47)
Det vil sige, at en reel symmetrisk matrix kan diagonaliseres ved en positiv ortogonal
substitution, dvs. en simulartransformation (se eNote 14) hvor den diagonaliserende
matrix er positiv ortogonal.
Husk: En symmetrisk matrix har præcis n reelle egenværdier når vi tæller dem med
multiplicitet.
Den positive ortogonale matrix Q konstrueres ved som søjler i matricen at bruge
egenvektorer fra de tilhørende egenvektor-rum El1 , El2 , · · ·, Eln i den rigtige række-
følge:
Q = [v1 v2 · · · vn ] , (15-49)
hvor v1 2 El1 , v2 2 El2 , · · ·, vn 2 Eln , idet valget af egenvektorer i de respektive
egenvektorrum foretages således at
3. Den resulterende matrix Q er positiv ortogonal (hvis den ikke er det, så skift
fortegn på én af de valgte egenvektorer)
Her er nogle typiske eksempler der viser, hvordan man diagonaliserer passende små
symmetriske matricer, dvs. symmetriske matricer af type (2 ⇥ 2) eller type (3 ⇥ 3):
Resten af opgaven består nu i at finde de egenvektorer for A der kan bruges som søjler i den
ortogonale matrix Q.
Egenvektorerne for A hørende til egenværdien l1 = 7 fås ved at løse det homogene lign-
ingssystem, der har koefficientmatricen
2 3
5 2 1
KA (7) = A 7E = 4 2 2 2 5 , (15-54)
1 2 5
Det skal til sidst undersøges, om de valgte egenvektorer giver en positiv ortogonal matrix.
Da 02 31
1 1 1
det @4 2 0 1 5A = 6 < 0 , (15-64)
1 1 1
er Q negativ ortogonal. En positiv ortogonal matrix fås ved at skifte fortegn på en af søjlerne
i Q, eksempelvis den sidste. Bemærk, at en vektor v er en egenvektor for A hvis og kun hvis
v også er en egenvektor for A. Vi har altså, at
2 p p p 3
1/p6 1/ 2 1/p3
6 7
Q = v1 v2 ( v3 ) = 4 2/ 6 p0 1/p3 5 (15-65)
p
1/ 6 1/ 2 1/ 3
Vi skal også til slut lige bemærke her, at i stedet for at bruge Gram–Schmidt ortonormalisering
til bestemmelse af v3 kunne vi have brugt krydsproduktet v1 ⇥ v2 (se 15.22):
p
v3 = v1 ⇥ v2 = (1/ 3) · ( 1, 1, 1) . (15-67)
eNote 15 15.6 EKSEMPLER PÅ DIAGONALISERING 23
Egenvektorerne for A hørende til egenværdien l1 = 20 fås ved at løse det homogene lign-
ingssystem, der har koefficientmatricen
9 12
KA (20) = A 20E = , (15-72)
12 16
sådan at E20 = span{(4, 3)}. Den normerede egenvektor v1 = (1/5) · (4, 3) er derfor en
ortonormal basis for E20 (og den kan altså bruges som første søjle vektor i den søgte Q:
4/5 ⇤
Q= . (15-75)
3/5 ⇤
Den sidste søjle i Q er en egenvektor hørende til den anden egenværdi l2 = 5 og kan
derfor findes ud fra den totale løsningsmængde E 5 til det homogene ligningssystem, der
har koefficientmatricen
16 12
KA ( 5) = A 5 · E = , (15-76)
12 9
eNote 15 15.6 EKSEMPLER PÅ DIAGONALISERING 24
Denne matrix har determinanten det (Q) = 1 > 0, så Q er en positiv ortogonal substitution-
smatrix, der opfylder at Q 1 AQ er en diagonalmatrix:
1
Q AQ = Q> AQ
4/5 3/5 11 12 4/5 3/5
= · ·
3/5 4/5 12 4 3/5 4/5
(15-79)
20 0
=
0 5
= diag(20, 5) = L .
Egenvektorerne for A hørende til egenværdien l3 = 3 fås ved at løse det homogene lign-
ingssystem, der har koefficientmatricen
2 3
4 2 0
KA (3) = A 3 · E = 4 2 3 2 5 , (15-84)
0 2 2
som med passende rækkeoperationer ses at have
2 3
2 0 1
trap(KA (3)) = 4 0 1 1 5 . (15-85)
0 0 0
Egenvektor-løsningerne til det tilsvarende homogene ligningssystem aflæses til
u3 = t · (1, 2, 2) , t2R , (15-86)
sådan at E3 = span{(1, 2, 2)}. Den normerede egenvektor v1 = (1/3) · (1, 2, 2) er derfor
en ortonormal basis for E3 og den kan altså bruges som tredje søjle vektor i den søgte Q; be-
mærk nemlig, at vi netop har fundet egenvektorrummet til den tredje egenværdi på listen over
egenværdier for A :
2 3
⇤ ⇤ 1/3
Q = 4 ⇤ ⇤ 2/3 5 . (15-87)
⇤ ⇤ 2/3
Vi ved fra sætning 15.30, at de to resterende søjler fås ved tilsvarende at finde egenvek-
torrummene E6 hørende til egenværdien l2 = 6, og egenvektorrummet E9 hørende til
egenværdien l1 = 9.
I stedet for på samme måde at bestemme egenvektorrummet E9 for den resterende egenværdi
l1 = 9 benytter vi, at det egenvektorrum er udspændt af en vektor v1 , der er ortogonal på
både v3 og v2 , altså kan vi bruge v1 = v2 ⇥ v3 = (1/3) · ( 2, 2, 1), således at vi dermed
endelig har
2 3
2/3 2/3 1/3
Q = 4 2/3 1/3 2/3 5 . (15-92)
1/3 2/3 2/3
Denne matrix er positiv ortogonal fordi det(Q) = 1 > 0, og dermed har vi bestemt en positiv
ortogonal matrix Q, der diagonaliserer A til diagonalmatricen L. Det eftervises også let ved
en direkte udregning:
1
Q AQ = Q> AQ
2 3 2 3 2 3
2/3 2/3 1/3 7 2 0 2/3 2/3 1/3
= 4 2/3 1/3 2/3 5 · 4 2 6 2 5·4 2/3 1/3 2/3 5
1/3 2/3 2/3 0 2 5 1/3 2/3 2/3
2 3 (15-93)
9 0 0
=4 0 6 0 5
0 0 3
= diag(9, 6, 3) = L .
I lyset af ovenstående eksempler er det klart, at hvis vi blot kan konstruere alle ortogo-
nale (2 ⇥ 2)- og (3 ⇥ 3)-matricer Q (eller for den sags skyld (n ⇥ n)-matricer), så kan vi
konstruere alle symmetriske (2 ⇥ 2)- og (3 ⇥ 3)-matricer A på formen A = Q · L · Q> . Vi
skal blot vælge de ønskede egenværdier i diagonalen for L.
Enhver positiv ortogonal 2 ⇥ 2-matrix har følgende form, som viser at den er en rotation,
en drejning, givet ved en rotations-vinkel j :
cos( j) sin( j)
Q= , (15-94)
sin( j) cos( j)
Opgave 15.34
Bevis påstanden om, at enhver positiv ortogonal matrix kan fremstilles på formen (15.7.94)
for et passende valg af drejningsvinkel j.
Hvis j > 0 så roterer eller drejer Q vektorer i positiv omløbsretning, altså imod uret;
hvis j < 0 så drejer Q vektorer i negativ omløbsretning, altså med uret.
2 3
cos(v) 0 sin(v)
Ry ( v ) = 4 0 1 0 5 (15-95)
sin(v) 0 cos(v)
2 3
cos(w) sin(w) 0
4
Rz (w) = sin(w) cos(w) 0 5 ,
0 0 1
eNote 15 15.7 KONTROLLERET KONSTRUKTION AF SYMMETRISKE MATRICER 28
Opgave 15.37
Opgave 15.38
Her er det helt generelle udtryk for det matrixprodukt for alle værdier af u, v og w:
2 3
cos(w) cos(v) sin(w) cos(u) cos(w) sin(v) sin(u) sin(w) sin(u) cos(w) sin(v) cos(u)
4
= sin(w) cos(v) cos(w) cos(u) sin(w) sin(v) sin(u) cos(w) sin(u) sin(w) sin(v) cos(u) 5 .
sin(v) cos(v) sin(u) cos(v) cos(u)
Med andre ord: Virkningen af enhver rotationsmatrix kan realiseres ved tre på hi-
nanden følgende rotationer om koordinatakserne – med drejningsvinklerne hen-
holdsvis u, v, og w som i ovenstående matrix-produkt.
Opgave 15.40
Vis, at hvis v = p/2 eller v = p/2, så er der mange værdier af u og w som giver den
samme R(u, v, w). Det vil sige, at vinkelværdierne ikke i alle tilfælde er entydigt bestemte i
intervallet ] p, p ] for enhver givet rotationsmatrix R.
Opgave 15.41
Vis, at hvis R er en rotationsmatrix (en positiv ortogonal matrix), så er R> også en rotations-
matrix, og omvendt: hvis R> er en rotationsmatrix, så er R også en rotationsmatrix.
Opgave 15.42
Definition 15.43
Lad A være en symmetrisk (n ⇥ n)-matrix og lad ( x1 , x2 , · · · , xn ) betegne koor-
dinaterne for en vilkårlig vektor x i (R, ·) med hensyn til den sædvanlige basis e i R n .
Vi vil nu se, hvordan spektralsætningen kan bruges til at skrive enhver kvadratisk
form på kort form ved hjælp af egenværdierne for den matrix, der repræsenterer den
kvadratiske form.
Reduktionen i sætningen består i, at det nye udtryk ikke indeholder noget pro-
duktled af typen xi · x j for i 6= j.
Bevis
Lad x være en vilkårlig vektor i R n . Så har vi følgende koordinatsæt for x, dels med hensyn
til den sædvanlige standard e-basis og dels med hensyn til den nye basis v
ex = ( x1 , · · · , x n ) ,
(15-104)
vx = ( xe1 , · · · , xen ) .
eNote 15 15.8 REDUKTION AF ANDENGRADSPOLYNOMIER 32
Så er
PA (x) = PA ( x1 , · · · , xn )
2
3
x1
⇥ ⇤ 6 · 7
= x1 · · · xn · A · 6
4 · 5
7
xn
3 2
x1
⇥ ⇤ 6 · 7
= x1 · · · x n · Q · L · Q 1 · 6
4 · 5
7
xn
0 2 31
x1
⇥ ⇤ B > 6 · 7C
= x1 · · · x n · Q · L · B 6 7C
@Q · 4 · 5 A
(15-105)
xn
2 3
xe1
⇥ ⇤ 6 · 7
= xe1 · · · xen · L · 6
4 · 5
7
xen
2 3 2 3
l1 0 · · · 0 xe1
6
⇤ 6 0 l2 · · · 7 6
0
⇥ 7 6 · 7 7
= xe1 · · · xen · 6 . .. . . 7·4
..
4 .. . . 5 . · 5
0 0 . . . ln xen
Læg mærke til, at den matrix, der repræsenterer den kvadratiske form i ek-
sempel 15.44, ligning (15.8.102), ikke er meget forskellig fra Hesse-matricen
H f ( x, y) for f ( x, y), som jo også er en konstant matrix, fordi f ( x, y) er et anden-
gradspolynomium. Se eNote 18. Faktisk observerer vi, at:
1
A= · H f ( x, y) , (15-106)
2
og det er ikke nogen tilfældighed.
eNote 15 15.8 REDUKTION AF ANDENGRADSPOLYNOMIER 33
Hjælpesætning 15.46
Lad f ( x1 , x2 , · · · , xn ) betegne et vilkårligt andengrads-polynomium uden
førstegrads- og konstant-led. Så kan f ( x1 , x2 , · · · , xn ) udtrykkes som en kvad-
ratisk form på netop én måde – dvs. der findes netop én symmetrisk matrix A
sådan at:
f (x) = f ( x1 , x2 , · · · , xn ) = PA ( x1 , x2 , · · · , xn ) . (15-107)
Den søgte matrix er:
1
· H f (x) ,
A= (15-108)
2
hvor H f (x) er (den konstante) Hesse-matrix for funktionen f (x) = f ( x1 , x2 , · · · , xn ).
Bevis
Vi nøjes her med tilfældet n = 2 og refererer til analysen af funktioner af to variable i eNote
18: Hvis f ( x, y) er et polynomium i to variable uden førstegrads- (og konstant-)led, altså en
kvadratisk form i (R2 , ·), s er den søgte A-matrix lige præcis (den konstante) Hesse-matrix
for f ( x, y).
2 3
f x001 x1 (x) f x001 x2 (x) · · · f x001 xn (x)
6 f x002 x1 (x) f x002 x2 (x) · · · f x002 xn (x) 7
6 7
H f ( x1 , x2 , · · · , x n ) = 6 .. .. .. .. 7 . (15-109)
4 . . . . 5
f x00n x1 (x) f x00n x2 (x) . . . f x00n xn (x)
Specielt, hvis f ( x, y, z) er en glat funktion af tre variable (som i nedenstående eksempel
15.47) fs i ethvert punkt ( x, y, z) 2 R3 :
2 3
00 ( x, y, z ) f 00 ( x, y, z ) f 00 ( x, y, z )
f xx xy xz
6 00 00 ( x, y, z ) f 00 ( x, y, z ) 7
H f ( x, y, z) = 4 f xy ( x, y, z) f yy yz 5 , (15-110)
00 00 00
f xz ( x, y, z) f yz ( x, y, z) f zz ( x, y, z)
eNote 15 15.8 REDUKTION AF ANDENGRADSPOLYNOMIER 34
00 ( x, y, z ) =
hvor vi eksplicit har benyttet os af symmetrien i Hesse-matricen, f.eks. f zx
00 ( x, y, z ).
f xz
f ( x, y, z) = x2 + 3 · y2 + z2 8·x·y+4·y·z . (15-111)
Som vist i afsnit 21.4 i eNote 18 spiller fortegnene på egenværdierne for Hesse-matricen
en afgørende rolle nr vi analyserer og inspicerer en glat funktion f ( x, y) i og omkring
et stationært punkt. Og da det netop igen er (den samme) Hesse-matrix der optræder i
nærværende sammenhæng vil vi her knytte et par definitioner til denne fortegnsdiskus-
sion – nu for generelle (n ⇥ n) Hesse-matricer, og dermed ogs for generelle kvadratiske
former repræsenteret ved symmetriske matricer A :
eNote 15 15.8 REDUKTION AF ANDENGRADSPOLYNOMIER 35
Bevis
Vi refererer til sætning 15.45 og kan derfra benytte det reducerede udtryk for den kvadratiske
form:
PA ( x1 , · · · , xn ) = PeL ( xe1 , · · · , xen ) = l1 · xe12 + · · · + ln · xen2 , (15-114)
hvoraf det tydeligt se, at da A er positiv definit får vi li > 0 for alle i = 1, · · · , n og så er
PA (x) > 0 for alle x 6= 0, som jo svarer til, at ingen af koordinatsættene for x er (0, · · · , 0).
f ( x, y) = 11 · x2 + 4 · y2 24 · x · y 20 · x + 40 · y 60 (15-115)
PA ( x, y) = 11 · x2 + 4 · y2 24 · x · y , (15-116)
hvor
11 12
A= . (15-117)
12 4
Netop denne matrix er diagonaliseret ved en positiv ortogonal substitution Q i eksempel
15.31: Egenvrdierne for A er l1 = 20 og l2 = 5 og
4/5 3/5 cos( j) sin( j)
Q= = , hvor j= arcsin(3/5) . (15-118)
3/5 4/5 sin( j) cos( j)
Koordinatskiftet til de nye koordinater xe, ye foregår altså ved en rotation af det sædvanlige
koordinatsystem med en vinkel på arcsin(3/5).
Ved at indsætte dette reducerede udtryk for den kvadratiske form i polynomiet f ( x, y) får vi:
hvor vi klart nu blot mangler at udtrykke den sidste parentes ved hjælp af de nye koordinater.
Det gøres ved hjælp af substitutionsmatricen Q. Vi har jo den lineære sammenhæng mellem
koordinaterne ( x, y) og ( xe, ye):
x xe 4/5 3/5 xe
= Q· = · (15-121)
y ye 3/5 4/5 ye
sådan at:
1
· (4 · xe + 3 · ye)
x=
5 (15-122)
1
y = · ( 3 · xe + 4 · ye) .
5
Vi indsætter disse omskrivninger af x og y i (15.9.120) og får:
Vi har dermed reduceret udtrykket for f ( x, y) til følgende udtryk i de nye koordinater xe og
ye), som er fremkommet ved en passende drejning af det sædvanlige koordinatsystem:
f ( x, y) = 11 · x2 + 4 · y2 24 · x · y 20 · x + 40 · y 60
2 2
= 20 · xe 5 · ye 40 · xe + 20 · ye 60 (15-124)
= fe( xe, ye) .
I eksempel 15.33 har vi diagonaliseret den matrix A, der repræsenterer den kvadratiske form
i følgende andengradspolynomium i tre variable:
Q = Rz ( w ) · Ry ( v ) · R x ( u ) , (15-128)
Ved at rotere koordinatsystemet og benytte de nye koordinater xe, ye, og e z opnår vi den reduk-
tion af polynomiet f ( x, y, z) at der i polynomiet fe( xe, ye, e
z) ikke optræder produktled mens der
i f ( x, y, z) optræder to produktled, med henholdsvis x · y og y · z
eNote 15 15.10 OPSUMMERING 39
15.10 Opsummering
|a · b| | a | | b | , (15-132)
a·b
cos(q ) = . (15-133)
|a| · |b|
Q> · Q = E (15-134)
eller ækvivalent:
1
Q = Q> . (15-135)
eNote 15 15.10 OPSUMMERING 40
z) = l1 · xe2 + l2 · ye2 + l3 · e
PeL ( xe, ye, e z2 , (15-139)
eNote 16
I denne eNote gives først en kort introduktion til differentialligninger i almindelighed, hvorefter
hovedemnet er en særlig type af differentialligninger, de såkaldte 1. ordens lineære
differentialligninger. eNoten bygger på kendskab til specielle funktioner, differential- og
integralregning samt lineære afbildninger.
Man siger at en differentialligning har orden n hvis den indeholder den n-te afledede af
den ukendte funktion, men ingen afledede af orden højere end n . Den ukendte funktion
betegnes i denne eNote med x eller med x (t) hvis navnet på den uafhængige variabel
t er vigtigt i sammenhængen.
Et eksempel på en differentialligning er
Differentialligningen har orden 3, da det højeste antal gange den ukendte funktion x er
differentieret i ligningen, er 3. En løsning til differentialligningen er en funktion x0 som
indsat i ligningen gør den sand. Hvis vi for eksempel skal undersøge om funktionen
x 0 ( t ) = et + t + 2 , t2R
er en løsning til (16-1), gør vi prøve, dvs. indsætter x0 i stedet for x i ligningen. Idet
der gælder
x0000 (t) 2x00 (t) + x0 (t) = (et + t + 2)000 2(et + t + 2)0 + ((et + t + 2))
= et 2 (et + 1 ) + et + t + 2
=t
er x0 en løsning.
Definition 16.1
Ved en førsteordens lineær differentialligning forstås en differentialligning der kan
bringes på standardformen
Differentialligningen kaldes homogen hvis q(t) = 0 for alle t . I modsat fald kaldes
den inhomogen.
eNote 16 16.2 INTRODUKTION TIL 1. ORDENS LINEÆRE DIFFERENTIALLIGNINGER3
1. ordens differentialligningen
For at bringe den på standardform må vi først lægge 8t2 til på begge sider af lighedstegnet,
idet der på venstresiden kun må optræde led med den ukendte funktion x (t) . Derefter di-
viderer vi med t på begge sider af lighedstegnet, da x (t) ikke må have en koefficient forskel-
lig fra 1. For at undgå division med 0, må vi beslutte os for om vi skal forudsætte t større
eller mindre nul, lad os vælge det første:
2 10
x0 (t) + x (t) = 8t , t > 0. (16-5)
t t
2 10
Hermed er differentialligningen på standardform med p(t) = og q(t) = 8t , t > 0.
t t
1 2
x0 (t) + t = 0, t2R
2
ikke er homogen.
en løsning.
Af opgave 16.5 fremgår det at en differentialligning meget vel kan have flere løsninger.
Vi skal i det følgende undersøge spørgsmålet om antallet af løsninger nærmere. For
at forstå hvad der mere præcist ligger i at en 1. ordens differentialligning er lineær, og
hvad det betyder for dens løsningsmængde, får vi brug for den følgende hjælpesætning.
Hjælpesætning 16.6
Lad p være en kontinuert funktion defineret på et åbent interval I i R . Så gælder
at afbildningen f : C1 ( I ) ! C0 ( I ) givet ved
er lineær.
Bevis
At f opfylder L2 fremgår af
f (kx1 (t)) = (kx10 (t)) + p(t)(kx1 (t)) = k ( x10 (t) + p(t) x1 (t))
= k f ( x1 (t)) .
⌅
eNote 16 16.2 INTRODUKTION TIL 1. ORDENS LINEÆRE DIFFERENTIALLIGNINGER5
Fra hjælpesætning 16.6 kan vi uddrage tre vigtige egenskaber for løsningsmængden for
1. ordens lineære differentialligninger. Forinden indfører vi nogle bekvemme beteg-
nelser for de løsningsmængder vi skal behandle.
Bevis
1. Lhom er identisk med ker ( f ) . Da kernen for enhver lineær afbildning er et underrum i
defintionsrummet, er Lhom et underrum i C1 ( I ) .
2. Da ligningen f ( x (t)) = x 0 (t) + p(t) x (t) = q(t) er lineær, følger struktursætningen her
direkte af den generelle struktursætning for lineære ligninger (se eNote 12, sætning
12.14).
Når vi kalder en 1. ordens differentialligning på formen (16-2) for lineær, hænger det
som vist snævert sammen med at dens venstreside repræsenterer en linæer afbildning,
og at dens løsningsmængde derfor har de unikke egenskaber i sætning . 16.7 I det
følgende eksempel jonglerer vi med egenskaberne ved på forskellig vis at afgøre at en
given differentialligning ikke er lineær.
hvor vi på sædvanlig vis har isoleret de led der indeholder den ukendte funktion på ven-
stresiden. Venstresiden repræsenterer afbildningen f : C1 (R ) ! C0 (R ) givet ved
Vi vil her vise at man på forskellige måder kan demonstrere at differentialligningen ikke er
lineær.
2. Løsningsmængden til den tilhørende homogene ligning er ikke et underrum. Den op-
fylder fx ikke stabilitetskravet vedrørende multiplikation med skalar hvilket vi kan
vise således:
eNote 16 16.2 INTRODUKTION TIL 1. ORDENS LINEÆRE DIFFERENTIALLIGNINGER7
1
Funktionen x0 (t) = er en løsning til den homogene ligning idet
t
1 1
x00 (t) ( x0 (t))2 = = 0.
t2 t2
2
Men det er 2 · x0 (t) = ikke, idet
t
2 4 2
(2 · x0 (t))0 (2 · x0 (t))2 = = 6= 0 .
t2 t2 t2
4. Til sidst viser vi at f ikke opfylder linearitetsbetingelserne. For at vise det behøver vi
blot afprøve L2 , fx med k = 2 . Vi udregner de to sider i L2 :
hvor højresiden kun er 0-funktion når x (t) er 0-funktionen. Da L2 skal gælde for alle
x (t) 2 C1 (R ) , er L2 ikke opfyldt. Differentialligningen er derfor ikke lineær.
er da givet ved
P(t)
x (t) = c e , t2I (16-12)
hvor c er et vilkårligt reelt tal.
Bevis
⌅
eNote 16 16.3 HOMOGENE 1. ORDENS LINEÆRE DIFFERENTIALLIGNINGER 9
Bemærkning 16.10
Sætning 16.9 gælder også hvis p er en kontinuert kompleks funktion af reel variabel
med den modifikation af den arbitrære konstant c i så fald er en kompleks konstant.
Beviset er det samme fordi produktreglen også gælder for funktioner af den nævnte
type. Hvis man skriver P(t) = u(t) + i · v(t) får man at den afledte af eP(t) stadig er
P(t) · e P(t) . Endelig finder man igen, ved at skrive funktionen på rektangulær form,
at den afledte af en funktion af den nævnte type er 0 hvis og kun hvis funktionen er
en kompleks konstant.
Opgave 16.11
I sætning 16.9 benyttes en vilkårlig stamfunktion P(t) til p(t) . Gør rede for at det ikke har
betydning for løsningsmængden, hvilken stamfunktion man vælger at bruge, når man benyt-
ter sætningen.
Det ses nemt at x0 (t) = 1 er en partikulær løsning. Herefter løser vi den tilsvarende homo-
gene differentialligning
x 0 (t) + tx (t) = 0, t 2 R . (16-16)
Med brug af betegnelser fra sætning 16.9 har vi p(t) = t som har stamfunktionen
1 2
P(t) = t .
2
Den fuldstændige løsning består derfor af følgende funktioner hvor c er et vilkårligt reelt
tal:
1 2
x (t) = ce 2 t , t 2 R . (16-17)
Kort sagt: n o
1 2
Lhom = ce 2t , t2R c2R . (16-18)
a + 2b + 2at = 30 + 8t
a + 2b = 30 og 2a = 8 , a = 4 og b = 13 .
x0 (t) = 13 + 4t , t 2 R .
Med brug af betegnelser fra sætning 16.9 har vi p(t) = 2 som har stamfunktionen P(t) = 2t .
Den fuldstændige løsning består derfor af følgende funktioner hvor c er et vilkårligt reelt tal:
2t
x (t) = ce , t 2 R. (16-21)
Kort sagt:
Lhom = ce 2t , t2R c2R . (16-22)
Det er nu muligt at opstille den fuldstændige løsningsmængde til den inhomogene differen-
tialligning ved hjælp af struktursætningen:
Da sættet (cos(2t), sin(2t), 1) er lineært uafhængigt, er denne ligning opfyldt netop når
2 1
2b + a = 0 , b 2a 1 = 0 og k = 1 , a = , b= og k = 1 .
5 5
2 1
x0 ( t ) = 1 cos(2t) + sin(2t) , t 2 R .
5 5
Har man derimod ikke umiddelbar adgang til en partikulær løsning, må man i stedet
benytte den generelle løsningsformel som sine steder går under navnet Panserformlen.
Her slipper man for alt gætteri, til gengæld skal man finde to stamfunktioner, den ene
er P(t) som ovenfor, mens den anden oftest er noget vanskeligere (om ikke umulig) at
finde idet man skal integrere et produkt af funktioner. I det følgende afsnit opstiller vi
den generelle løsningsformel og diskuterer de nævnte problemer.
eNote 16 16.5 DEN GENERELLE LØSNINGSFORMEL 13
x 0 ( t ) + p ( t ) x ( t ) = q ( t ), t 2 I, (16-26)
Vi ønsker at bestemme den fuldstændige løsning ved hjælp af den følgende generelle
formel, som populært kaldes Panserformlen.
x 0 ( t ) + p ( t ) x ( t ) = q ( t ), t2I (16-27)
har da løsningsmængden
Z
P(t)
x (t) = e eP(t) q(t)dt + ce P(t)
, t2I (16-28)
Bevis
Det andet led i løsningsformlen (16-28) identificerer vi som Lhom . Hvis vi kan vise at det
første led er en partikulær løsning til differentialligningen, så følger det af struktursætningen
at vi med løsningsformlen har fundet den fuldstændige løsning til differentialligningen.
Først må vi naturligvis stille os det spørgsmål om det ubestemte integral der indgår i løs-
ningsformen, overhovedet eksisterer. Det gør det! Se detaljeret begrundelse for det i beviset
for eksistens- og entydighedssætningen, sætning 16.24 . At det første led
Z
P(t)
x0 ( t ) = e eP(t) q(t)dt
= q(t) .
Bemærkning 16.17
Ved brug af 16.10 fås det nemt at sætning 16.16 også gælder hvis p(t) og q(t) er
kontinuerte komplekse funktioner af reel variabel med den tilføjelse af den arbitrære
konstant c i så fald er en kompleks konstant.
Sætter man i q(t) = 0 i Panserformlen (16-27), forsvinder det første led i (16-
28), tilbage er det andet led som er formlen (16-12) for homogene ligninger.
Derfor er Panserformlen en "‘generel formel"’ der både dækker det homogene
og det inhomogene tilfælde.
Opgave 16.18
Z
I Panserformlen indgår det ubestemte eP(t) q(t)dt , som står for en vilkårlig stamfunktion til
e P(t) q(t) . Gør rede for at det ikke har betydning for løsningsmængden, hvilken stamfunktion
man vælger at bruge, når man benytter formlen.
Givet er differentialligningen
2 10
x 0 (t) + x (t) = 8t , t > 0. (16-29)
t t
Nu bruges Panserformlen:
Z
P(t)
x (t) = e eP(t) q(t) dt + ce P(t)
Z
1 2
=t t sin(2t) dt + ct
Z t
= t t sin(2t) dt + ct .
16.6 Begyndelsesværdiproblemer
løsning som opfylder det ønskede og 2) Hvis ja, hvor mange løsninger er der så? Inden
vi besvarer spørgsmålet generelt, ser vi på et par eksempler.
nemlig
1 2
x (t) = 1 + ce 2t , t2R
hvor c er et vilkårligt reelt tal.
Vi vil nu finde den løsning x0 (t) som opfylder begyndelsesværdibetingelsen x0 (0) = 3 . Det
sker ved at indsætte begyndelsesværdien i den fuldstændige løsning, hvorved c bestemmes:
1 2
x0 (0) = 1 + ce 2 ·0 = 1+ c = 3 , c = 2. (16-40)
Derfor er den betingede løsningsfunktion til differentialligningen givet ved
1 2
x0 (t) = 1 + 2e 2t , t 2 R. (16-41)
Figuren nedenfor viser graferne for de syv løsninger som svarer til begyndelsesværdi-
betingelserne x0 (0) = b hvor b 2 { 3, 2, 1, 0, 1, 2, 3} . Den løsning vi netop fandt, er
den øverste. De øvrige findes på samme måde.
eNote 16 16.6 BEGYNDELSESVÆRDIPROBLEMER 18
2 10
x 0 (t) + x (t) = 8t , t > 0, (16-42)
t t
nemlig
c
x (t) = 2t2 5+ , t>0
t2
hvor c er et vilkårligt reelt tal.
Vi vil nu finde den løsning x0 (t) som opfylder begyndelsesværdibetingelsen x0 (1) = 2 . Det
sker ved at indsætte begyndelsesværdien i den fuldstændige løsning, hvorved c bestemmes:
c
x 0 ( 1 ) = 2 · 12 5+
2 5+ c = 2 , c = 5. (16-43)
12
Derfor er den betingede løsningsfunktion til differentialligningen givet ved
5
x0 (t) = 2t2 5+ , t > 0. (16-44)
t2
Figuren nedenfor viser graferne for de syv løsninger som svarer til begyndelsesværdi-
betingelserne x0 (0) = b hvor b 2 { 4, 3, 2, 1, 0, 1, 2} . Den løsning vi netop fandt,
er den øverste. De øvrige findes på samme måde.
eNote 16 16.6 BEGYNDELSESVÆRDIPROBLEMER 19
nemlig
2 1
x (t) = 1 cos(2t) + sin(2t) + ce t , t 0. (16-46)
5 5
Figuren antyder at alle løsninger nærmer sig en periodisk svingning når t ! • . At dette er
tilfældet ses af differentialligningens løsningsmængde hvor det fjerde led ce t uanset valg af
c er forsvindende på grund af den negative eksponent. De første tre led udgør det stationære
svar.
I de tre foregående eksempler havde vi ikke problemer med at finde en løsning på differ-
entialligningen som opfyldte en given begyndelsesværdibetingelse. Faktisk så vi at der
for hver af de betragtede begyndelsesværdibetingelser fandtes netop én løsning som
opfyldte den. At dette gælder helt generelt, viser vi i den følgende sætning.
eNote 16 16.6 BEGYNDELSESVÆRDIPROBLEMER 20
x 0 ( t ) + p ( t ) x ( t ) = q ( t ), t2I (16-47)
Til ethvert talsæt (t0 , b) findes der netop én (partikulær) løsning x0 (t) til differential-
ligningen som opfylder begyndelsesværdibetingelsen
x0 ( t0 ) = b . (16-48)
Bevis
Vi har fra sætning 16.16 at løsningsmængden til differentialligningen (16-47) er givet ved
Z
P(t)
x (t) = e eP(t) q(t)dt + ce P(t)
(16-49)
Lad os først undersøge det ubestemte integral der indgår i formlen. Findes det? Det svarer til
at spørge: Findes der en stamfunktion til den funktion som står under integrationstegnet. Vi
må starte med p(t) . Da den er kontinuert, har den en stamfunktion som vi kalder P(t) . Som
stamfunktion er P(t) differentiabel og dermed kontinuert. Da også eksponentialfunktionen
er kontinuert, er den sammensatte funktion eP(t) kontinuert. Endelig, da q(t) er kontinuert,
er produktet eP(t) q(t) kontinuert.
Hermed er det vist at funktionen under integrationstegnet er kontinuert. Derfor har den
en stamfunktion. Ja, uendeligt mange stamfunktioner, som kun adskiller sig fra hinanden
med en konstant. Vi vælger en vilkårlig af dem og kalder den F (t) . Vi kan nu reformulere
løsningsformlen som
x (t) = e P(t) F (t) + ce P(t) (16-50)
hvor vi først gangede med eP(t0 ) på begge sider af lighedstegnet og derefter isolerede c .
I den samlede løsningsmængde findes der altså netop én løsning der opfylder den givne
begyndelsesværdi betingelse, nemlig den der fremkommer når vi i (16-50) indsætter den
fundne værdi af c .
Opgave 16.25
Vi afslutter dette afsnit med et eksempel der viser hvordan det er muligt at "‘gå baglæns"’
fra en given løsningsmængde til den differentialligning den løser.
Først betragtes den tilsvarende homogene differentialligning. Vi spotter straks via struk-
tursætningen at
Lhom = x (t) = ct , t > 0 c 2 R
eNote 16 16.7 ENDELIGT DIMENSIONALT DEFINITIONSRUM 22
Ved indsættelse af x (t) = ct i den homogene differentialligning x 0 (t) + p(t) x (t) = 0 fås
c + p(t)ct = 0 , (16-54)
1
p(t) = . (16-55)
t
Da vi nu kender p(t) , mangler vi kun at bestemme højresiden q(t) . Ok, den finder vi ved at
indsætte den partikulære løsning x (t) = te 5t i differentialligningens venstreside.
5t 5t 1 5t 5t
e 5te · te = 5te = q(t) . (16-56)
t
Da nu både p(t) og q(t) er bestemt, er hele differentialligningen bestemt:
1 5t
x0 (t) x (t) = 5te , t > 0. (16-57)
t
For at finde billedrummet f ( P2 (R )) ved den lineære afbildning f som repræsenterer differ-
entialligningens venstreside, bestemmer vi først billederne af basisvektorerne:
Fx = b
Opgave 16.28
2. Hvordan adskiller løsningsmængden sig fra den der blev fundet i eksemplet?
eNote 16 16.7 ENDELIGT DIMENSIONALT DEFINITIONSRUM 24
Opgave 16.29
1. Vis ved matrixregning at differentialligningen ikke har en løsning inden for det i ek-
semplet givne underrum P2 (R ) .
2. Find med Maple (eller anden software) den løsning x0 (t) til differentialligningen som
opfylder begyndelsesværdibetingelsen x0 (t) = 0 og tegn den.
eNote 17 1
eNote 17
Lineære 1. ordens
differentialligningssystemer
For at kunne løse et sådant system fuldt ud, skal man have lige så mange ligninger,
som man har ukendte funktioner (med deres tilhørende afledede). Den anden lign-
ing i systemet kunne derfor være:
Vi har nu lige så mange ligninger (to), som vi har ukendte funktioner (to), og det er
nu muligt at bestemme både x1 (t) og x2 (t).
Ser man bort fra, at det er vektorer og matricer, der opereres med, ligner ligningssys-
temet noget, vi har set før: x 0 (t) = A · x (t), som man allerede kunne løse i gymnasiet.
Løsningen til denne differentialligning er triviel: x (t) = ce At , hvor c er en arbitrær
konstant. Nedenfor finder vi ud af, at løsningen til det tilsvarende system af differ-
entialligninger er sammenlignelig med x (t) = ce At .
eNote 17 3
Læg mærke til, at det ikke altid er muligt, at finde n lineært uafhængige egen-
vektorer. Derfor kan man ikke altid bruge sætning 17.2 til løsning af differen-
tialligningssystemer af 1. orden.
Bevis
Sættes dette udtryk for x0 (t) ind i ligning (17-7) sammen med udtrykket for x(t) fås:
elt er forskellig for nul for ethvert t 2 R, hvorfor det kan divideres ud. Denne ligning er et
egenværdiproblem. l er en egenværdi til A og v er den tilhørende egenvektor. De kan begge
bestemmes. Det er nu lykkedes os at vise at elt v er én løsning til differentialligningssystemet,
når l er en egenværdi og v den tilhørende egenvektor til A.
Vi har da, at x0 (t) = Vy0 (t). Indsættes disse udtryk for x(t) og x0 (t) i ligning (17-7), fås
1
Vy0 (t) = AVy(t) , y0 (t) = V AVy(t) = Ly(t), (17-13)
da L kun har elementer forskellig fra nul i diagonalen. Dette ligningssystem er ikke koblet: I
hver ligning optræder kun én funktion og dens afledede. Derfor kan man løse dem enkeltvis,
og den fuldstændige løsningsmængde til hver ligning er y(t) = celt for alle c 2 C. Samlet
eNote 17 5
giver det den fuldstændige løsningsmængde bestående af nedenstående funktioner for alle
c1 , c2 , . . . , cn 2 C: 2 3 2 3
y1 ( t ) c 1 el1 t
6 y 2 ( t ) 7 6 c 2 el2 t 7
6 7 6 7
y( t ) = 6 . 7 = 6 . 7 (17-15)
.
4 . 5 4 . 5 .
yn (t) c n el n t
Da vi nu har løsningen y(t) kan vi også finde løsningen x(t) = Vy(t):
2 3
c 1 el1 t
l2 t
⇥ ⇤6
6 c2 e
7
7
x(t) = v1 v2 . . . vn 6 . 7
4 .. 5 (17-16)
cn el n t
l1 t l2 t
= c1 e v1 + c2 e v2 + . . . + cn eln t vn .
Eksempel 17.3
Hvis systemmatricen A har n lineært uafhængige egenvektorer, kan systemets reelle løs-
ningsmængde findes ved hjælp af sætning 17.2. Hvis egenværdierne er reelle, kan den
reelle løsningsmængde umiddelbart opskrives efter sætningens formel (17.0.8), hvor de
de n tilhørende lineært uafhængige egenvektorer er reelle, og de arbitrære konstanter
angives som reelle. Hvis systemmatricen har egenværdier som ikke er reelle, kan den
reelle løsningsmænde finde2 ved at uddrage den reelle delmængde af den komplekse
løsningsmængde. Også i dette tilfælde vil løsningsmængden kunne opskrives som en
linearkombination af n lineært uafhængige reelle løsninger til differentialligningssys-
tem.
Tilbage har vi særtilfældet, hvor systemmatricen ikke har n lineært uafhængige egen-
vektorer. Også her vil den reelle løsningsmængde være en linearkombination af n
lineært uafhængige reelle løsninger til differentialligningssystemet. Her kan diagonalis-
eringsmetoden af gode grunde ikke benyttes, og man må bruge andre metoder.
I dette afsnit gennemgår vi de nævnte tre tilfælde for systemer der består af 2 koblede
differentialligninger med 2 ukendte funktioner.
eNote 17 17.1 TO KOBLEDE DIFFERENTIALLIGNINGER 7
Metode 17.4
Den fuldstændige reelle løsningsmængde til differentialligningssystemet
Ved den første mulighed i metode 17.4 med to forskellige reelle egenværdier, kan man
udmiddelbart benytte sætning 17.2, idet de arbitrære konstanter vælges som reelle, se
eksempel 17.3equation.17.0.17.
Metode 17.5
To lineært uafhængige reelle løsninger til differentialligningssystemet
Eksempel 17.6
Givet differentialligningssystemet
0 1 1
x (t) = x(t) = Ax(t) (17-27)
1 1
Vi ønsker at bestemme den fuldstændige reelle løsningsmængde.
Endelig beskrives metoden der kan bruges, hvis systemmatricen har egenværdien l
med am(l) = 2 og gm(l) = 1, dvs. hvor diagonalisering ikke mulig.
Metode 17.7
Hvis systemmatricen A til differentialligningssystemet
u1 (t) = elt v
(17-33)
u2 (t) = telt v + elt b,
Bevis
Det er åbenlyst, at den ene løsning til differentialligningssystemet er u1 (t) = elt v. Det svære
er at finde endnu en løsning.
Den første ligning kan nemt omformes til Av = lv, og den ses at være sand, da v er en
eNote 17 17.1 TO KOBLEDE DIFFERENTIALLIGNINGER 10
v + lb Ab = 0 ,
Ab lb = v , (17-38)
(A lE)b = v
Hvis b opfylder det foreskrevne ligningssystem, vil u2 (t) også være en løsning til differen-
tialligningssystemet. Vi har nu fundet to løsninger, og vi skal finde ud af, om de er lineært
uafhængige. Dette gøres ved et normalt linearitetskriterium: Hvis ligningen k1 u1 + k2 u2 = 0
kun har løsningen k1 = k2 = 0 er u1 og u2 lineært uafhængige.
k1 u1 + k2 u2 = 0 )
k1 e v + k2 (telt v + belt ) = 0 ,
lt
(17-39)
t ( k 2 v) + ( k 1 v + k 2 b) = 0 ,
k2 v = 0 ^ k1 v + k2 b = 0
Eksempel 17.8
Givet differentialligningssystemet
0 16 1
x (t) = x(t) = Ax(t). (17-40)
4 12
16 l 1
det(A lE) = = (16 l)(12 l) + 4
4 12 l (17-41)
2 2
=l 28l + 196 = (l 14) = 0
Der er altså kun én egenværdi, nemlig l = 14, selvom det er et 2 ⇥ 2-system. Egenvektorerne
bestemmes: 1
16 14 1 2 1 1 2
A 14E = = ! (17-42)
4 12 14 4 2 0 0
Man har da egenvektoren ( 12 , 1), eller v = (1, 2). Vi må altså konstatere, at egenværdien l
har algebraisk multiplicitet 2, men at det tilhørende vektorrum har geometrisk multiplicitet
1. For at bestemme to uafhængige løsninger til differentialligningsystemet kan metode 17.7
eNote 17 17.2 N-DIMENSIONALT LØSNINGSRUM 11
bruges.
Ved hjælp af metode 17.4 kan den fuldstændige løsningsmængde bestemmes til at være føl-
gende funktioner for alle c1 , c2 2 R:
✓ ◆
14t 1 14t 1 1
x(t) = c1 u1 (t) + c2 u2 (t) = c1 e + c2 e t + . (17-46)
2 2 1
I det foregående afsnit har vi betragtet koblede systemer bestående af to lineære lign-
ingssystemer med to ukendte funktioner. Løsningsrummet er to-dimensionalt, idet det
kan opskrives som en linearkombination af to lineært uafhængige løsninger. Dette kan
generaliseres til vilkårlige systemer med n 2 koblede lineære differentialligninger
med n ukendte funtioner: Løsningsmængden er en linearkombination af netop n lineært
uafhængige løsninger. Dette formuleres i generel form i følgende sætning.
eNote 17 17.2 N-DIMENSIONALT LØSNINGSRUM 12
Sætning 17.9
Givet det lineære homogene 1. ordens differentialligningssystem med konstante
reelle koefficienter
x0 (t) = Ax(t), t 2 R, (17-47)
bestående af n ligninger og med i alt n ukendte funktioner. Den fuldstændige reelle
løsningsmængde til systemet er n-dimensionalt kan opskrives ved
hvor u1 (t), u2 (t), . . . , un (t) er lineært uafhængige reelle løsninger til differentiallign-
ingssystemet, og c1 , c2 , . . . , cn 2 R.
Givet differentialligningssystemet
2 3
9 10 0
x0 ( t ) = 4 3 1 5 5x(t) = Ax(t) (17-49)
1 4 6
l1 = 4 : v1 = (10, 5, 1)
l2 = 1 : v2 = (5, 5, 3)
Desuden har l2 algebraisk multiplicitet 2, men det tilhørende egenvektorrum har geometrisk
multiplicitet 1. Fordi n = 3 skal vi bruge 3 lineært uafhængige løsninger til at danne den
fuldstændige løsningsmængde, som set i sætning 17.9. Egenværdierne betragtes hver for
sig:
1) Den første egenværdi, l1 = 4, har både geometrisk og algebraisk multiplicitet lig 1. Det
giver netop én løsning
2 3
10
u1 (t) = el1 t v1 = e 4t4 5 5 (17-50)
1
eNote 17 17.3 EKSISTENS OG ENTYDIGHED AF LØSNINGER 13
En partikulær løsning til dette ligningssystem er b = (0, 12 , 1). Med denne viden har vi
yderligere to lineært uafhængige løsninger til differentialligningssystemet:
2 3
5
l2 t t4 5
u2 ( t ) = e v2 = e 5
3
2 3 2 3 (17-52)
5 0
u3 (t) = tel2 t v2 + el2 t b = tet4 5 5+ et4 12 5
3 1
Ifølge metode 17.9 er den fuldstændige reelle løsningsmængde udgjort af følgende linear-
kombination for alle c1 , c2 , c3 2 R:
hvor t 2 R og alle c1 , c2 , c3 2 R.
x(t0 ) = y0 , (17-56)
x1 ( t0 ) = y1 , x2 ( t0 ) = y2 , . . . , x n ( t0 ) = y n . (17-57)
Beviset udelades.
Eksempel 17.12
Med lidt snilde er det muligt at omforme en vilkårlig homogen n-te ordens differential-
ligning med konstante koefficienter til et differentialligningssystem, som kan løses ved
hjælp af denne note.
Metode 17.13
En n-te ordens lineær differentialligning,
( n 1) ( n 2)
x (n) ( t ) + an 1x (t) + an 2x ( t ) + · · · + a1 x 0 ( t ) + a0 x ( t ) = 0 (17-64)
og x1 (t) = x (t).
Beviset for denne omskrivning er simpelt og giver god forståelse for omformningen.
eNote 17 17.4 OMFORMNING AF N-TE ORDENS DIFFERENTIALLIGNINGER 16
Bevis
Lad der være givet en n-te ordens differentialligning som i ligning (17-64). Vi indfører n
funktioner på denne måde:
x1 ( t ) = x ( t )
x2 (t) = x10 (t) = x0 (t)
x3 (t) = x20 (t) = x 00 (t)
.. .. (17-66)
. .
xn = xn0 = x (n 2) ( t )
1 (t) 2 (t)
xn (t) = xn0 (n 1) ( t )
1 (t) = x
Metoden er nu bevist.
Eksempel 17.14
x10 (t) = x2 ( t )
x20 (t) = x3 ( t ) (17-72)
x30 (t) = 10x1 (t) + 7x2 (t) + 4x3 (t)
Vi skal imidlertid kun bruge løsningsmængden til x1 (t) = x (t), hvorfor den tages ud af
systemet. Desuden indfører vi nu tre nye arbitrære konstanter k1 , k2 , k3 2 R, der skal gøre
det ud for produkterne mellem c’erne og egenvektorernes førstekoordinat. Resultatet bliver
således
x (t) = x1 (t) = k1 e 2t + k2 et + k3 e5t , t 2 R (17-75)
Dette udgør den fuldstændige løsningsmængde til differentialligningen (17-69). Hvis
førstekoordinaten i v1 er 0 sættes k1 = 0 , i modsat fald kan k1 være et vilkårligt reelt tal.
På samme måde med k2 og k3 .
eNote 18 1
eNote 18
Version 29.11.19.
At denne type differentialligning er lineær, vises ved, at dens venstreside opfattet som
en afbildning f : C • (R ) ! C • (R ) givet ved
f x (t) ) = x 00 (t) + a1 x 0 (t) + a0 x (t) (18-2)
opfylder linearitetsbetingelserne L1 og L2 . Den fremgangsmåde, der benyttes i denne
eNote til at løse den inhomogene differentialligning, udnytter denne egenskab.
eNote 18 18.2 DEN HOMOGENE DIFFERENTIALLIGNING 2
l2 + a1 l + a0 = 0. (18-8)
Typen af rødder til denne ligning afgør udseendet af den fuldstændige løs-
ningsmængde Lhom til den homogene differentialligning.
For alle tre tilfælde gælder, at de respektive funktioner for alle c1 , c2 2 R udgør den
fuldstændige løsningsmængde Lhom .
hvor x1 (t) = x (t) og x2 (t) = x10 (t) = x 0 (t). Vi kan nu bruge teorien i det
nævnte afsnit til at løse problemet.
eNote 18 18.2 DEN HOMOGENE DIFFERENTIALLIGNING 4
Bevis
Den homogene 2. ordens lineære differentialligning (18-7) omformes til et 1. ordens differen-
tialligningsystem:
0
x1 ( t ) 0 1 x1 ( t ) x (t)
0 = =A 1 (18-13)
x2 ( t ) a0 a1 x2 ( t ) x2 ( t )
hvor x1 (t) = x (t) er den søgte løsning, som udgør den fuldstændige løsning. Bevisførelsen
tager udgangspunkt i sætningerne og metoderne i afsnit 17.1. Til det skal man bruge egen-
værdierne til systemmatricen A:
l 1
det(A lE) = = l2 + a1 l + a0 = 0, (18-14)
a0 a1 l
Første del
Karakterligningen har to forskellige reelle rødder: l1 og l2 . Ved hjælp af metode 17.4 findes
derved to lineært uafhængige løsninger u1 (t) = v1 el1 t og u2 (t) = v2 el2 t , hvor v1 og v2
er egenvektorer tilhørende de to egenværdier respektivt. Den fuldstændige løsning er da
udspændt af:
x(t) = k1 u1 (t) + k2 u2 (t) = k1 el1 t v1 + k2 el2 t v2 , (18-15)
for alle k1 , k2 2 R. Førstekoordinaten x1 (t) = x (t) er den søgte løsning:
Anden del
Karakterligningen har det komplekse rodpar l = a + bi og l̄ = a bi. Den fuldstændige
løsning er mulig at finde med metode 17.5.
For alle c1 , c2 2 R udgør x (t) den fuldstændige løsning. c1 og c2 er to nye indførte arbitrære
konstanter, som er givet ved c1 = k1 Re(v1 ) + k2 Im(v1 ) og c2 = k1 Im(v1 ) + k2 Re(v1 ). v1 er
førstekoordinaten til v.
Tredje del
Karakterligningen har dobbeltroden l. Pga. systemmatricens udseende (matricen er ækvi-
valent med en øvre trekantsmatrix) er det muligt at se, at den geometriske multiplicitet af
det tilhørende egenvektorrum er 1, og det er da muligt at bruge metode 17.7 til at finde den
fuldstændige løsning
x(t) = k1 u1 (t) + k2 u2 (t) = k1 elt v + k2 (telt v + elt b) = elt (k1 v + k2 b) + k2 telt v, (18-19)
der for alle c1 , c2 2 R udgør den fuldstændige løsning. c1 og c2 er to nye indførte arbitrære
konstanter, givet ved c1 = k1 v1 + k2 b1 og c2 = k2 v1 , hvor v1 er førstekoordinaten i v, ligesom
b1 er førstekoordinaten i b.
Læg mærke til, at det også er muligt at nå frem til karakterligningen ved at gætte på
en løsning til differentialligningen med formen x (t) = elt . Man får da følgende:
Divideres denne ligning igennem med elt , der er forskelligt fra nul for ethvert t,
fremkommer karakterligningen.
Vi ønsker at bestemme den fuldstændige løsningsmængde Lhom til denne homogene differ-
entialligning.
Vi ønsker at bestemme Lhom , som er den fuldstændige løsning til denne homogene differen-
tialligning. Karakterligningen er
l2 8l + 16 = 0 , (l 4)2 = 0 (18-26)
Vi har altså dobbeltroden l = 4, og den fuldstændige løsning er følgende funktioner for alle
c1 , c2 2 R:
x (t) = c1 e4t + c2 te4t , t 2 R. (18-27)
Resultatet er bestemt ved hjælp sætning 18.2.
Som det ses er det forholds trivielt at bestemme løsningen til den homogene differen-
tialligning. Det er oven i købet muligt at bestemme differentialligningen, hvis man har
løsningen, altså “gå baglæns”. Det illustreres i nedenstående eksempel.
I dette afsnit ønsker vi at bestemme en partikulær løsning x0 (t) til den inhomogene
differentialligning
Vi ønsker at finde en partikulær løsning, fordi den indgår i den fuldstændige løsnings
Linhom sammen med den fuldstændige løsningsmængde Lhom til den tilsvarende homo-
gene differentialligning jævnfør metode 18.1.4evncount.18.1.
I denne eNote bruges ikke nogen konkret løsningsformel a la Panserformlen for 1. or-
dens differentialligninger, i stedet bruges forskellige metoder, alt efter formen af q(t).
Generelt kan man sige, at den partikulære løsning x0 (t) har en form som ligner q(t),
hvilket fremgår af følgende metoder. Læg mærke til, at disse metoder dækker nogle
ofte forekommende former på q(t), men ikke alle.
Slutteligt vil den komplekse gættemetode blive introduceret. Den komplekse gættemetode
kan bruges, hvis højresiden q(t) i differentialligningen er realdelen af et simplere kom-
plekst udtryk. Det kunne for eksempel være, at q(t) = et sin(3t), som er realdelen af
ie(1+3i)t . Det er nemmere at finde en løsning til en differentialligning, hvor højresiden
eNote 18 18.3 DEN INHOMOGENE LIGNING 8
er simpel, og derfor løses den tilsvarende komplekse ligning i stedet. Løsningerne til
den reelle differentialligning og den tilsvarende komplekse differentialligning er nært
forbundet.
Den første ligning giver nemt b2 = 2, hvilket indsat i den anden ligning giver b1 = 4.
Slutteligt giver dette i den sidste ligning, at b0 = 9. Derfor er en partikulær løsning til ligning
(18-33) givet ved
x0 (t) = 2t2 4t + 9, t 2 R. (18-36)
x 00 (t) = t + 1 , t 2 R. (18-37)
Vis at man kan skal op i grad 3 for at finde et polynomium som er en partikulær løsning til
differentialligningen.
hvor A og B bestemmes ved at indsætte udtrykket for x0 (t) som løsning i den inho-
mogene differentialligning.
Givet er differentialligningen
En partikulær løsning x0 (t) til differentialligningen ønskes bestemt. Ved hjælp af metode
18.9 er en partikulær løsning
Vi har desuden
x00 (t) = 3A cos(3t) 3B sin(3t)
(18-42)
x000 (t) = 9A sin(3t) 9B cos(3t)
Dette indsættes i differentialligningen.
Læg mærke til at tallet w = 3 er det samme under både cosinus og sinus
i eksempel 18.10, hvilket også er det eneste metode 18.9 faciliterer. Hvis
der optræder to forskellige tal er metode 18.9 ikke brugbar, for eksempel
q(t) = 3 sin(t) + cos(10t). Det er superpositionsprincippet eller den komplekse
gættemetode til gengæld, og dette bliver beskrevet i afsnit 18.3.2 og afsnit 18.3.3.
eNote 18 18.3 DEN INHOMOGENE LIGNING 11
hvor g bestemmes ved indsættelse af udtrykket for x0 (t) som løsning i den inhomo-
gene differentialligning. Det præciseres, at a ikke må være rod i differentiallignin-
gens karakterligning.
Som det kommenteres til sidst i metode 18.11 må eksponenten a ikke være
rod i karakterligningen. Hvis det er tilfældet vil gættet være en løsning til
den tilsvarende homogene differentialligning jævnfør sætning 18.2. Dette er et
gennemgående “problem” i alle ordener af differentialligninger.
Givet er differentialligningen
Det er altså lykkedes at bestemme g, og derfor haves en partikulær løsning til differential-
ligningen:
x0 (t) = 4e t , t 2 R. (18-50)
eNote 18 18.3 DEN INHOMOGENE LIGNING 12
Givet er differentialligningen
Det ses at g ikke optræder i den sidste ligning, og at ligningen i øvrigt er usand. Derfor må
a = l være rod i karakterligningen. Karakterligningen ser således ud:
l2 7l + 10 = 0 (18-55)
18.3.2 Superpositionsprincippet
for ethvert i = 1, . . . , n, er
Bevis
f ( x01 (t)) = q1 (t), f ( x02 (t)) = q2 (t), . . . , f ( x0n (t)) = qn (t) (18-62)
hvor x01 , x02 , . . . , x0n er partikulære løsninger til de respektive inhomogene differential-
ligninger. Vi definerer nu x0 = x01 + x02 + . . . + x0n og indsætter denne i venstresiden:
Først behandles ligning (18-65), hvortil vi skal bruge metode 18.11. En partikulær løsning er
da af formen x01 (t) = geat = ge4t . Vi har x00 1 (t) = 4ge4t og x0001 (t) = 16ge4t . Dette indsættes i
ligningen.
16ge4t 4ge4t 3ge4t = 9e4t , g = 1 (18-67)
Derfor er x01 (t) = e4t .
Er højresiden for eksempel 2e2t cos(3t) , og man til denne lægger i ( 2e2t sin(3t)) , fås
Her gælder der klart nok at Re(2e(2 3i)t ) = 2e2t cos(3t) . Man finder nu en kompleks
partikulær løsning til differentialligningen med den komplekse højreside. Den ønskede
reelle partikulære løsning til den oprindelige differentialligning er da realdelen af den
fundne komplekse løsning.
Bemærk at denne metode kan kun benyttes fordi differentialligningen er lineær. Det
er netop lineariteten der sikrer at realdelen af den fundne komplekse løsning er den
ønskede reelle løsning. Dette vises ved at vi opfatter differentialligningens venstreside
som en lineær afbildning f (z(t)) i mængden af komplekse funktioner af en reel variabel
og bruger følgende generelle sætning:
Sætning 18.17
Der er givet en lineær afbildning f : (C • (R ), C ) ! (C • (R ), C ) og ligningen
Hvis vi sætter z(t) og s(t) på rektangulær form ved z(t) = x (t) + i · y(t) og s(t) =
q(t) + i · r (t) , så gælder der at (18.3.71) sand hvis og kun hvis
Bevis
Givet er funktionen z(t) og Lad den lineære afbildning f og funktionerne z(t) og s(t) være
givet som i sætning 18.17. Som følge af egenskaberne ved lineære afbildninger, se definition
??, gælder der følgende:
f (z(t)) = s(t) ,
f ( x (t) + i · y(t)) = q(t) + i · r (t) ,
(18-73)
f ( x (t)) + i · f (y(t)) = q(t) + i · r (t) ,
f ( x (t)) = q(t) og f (y(t)) = r (t) .
bestemmes i første omgang ved at finde den tilsvarende komplekse partikulære løs-
ning til følgende komplekse differentialligning
En afgørende grund til, at man benytter den komplekse gættemetode, er, at det
er så enkelt at differentiere eksponentialfunktionen, selv når den er kompleks.
Det er oplagt at bruge den komplekse gættemetode fra metode 18.18 til denne opgave. Det ses
nemlig i første omgang, at højresiden svarer til reeldelen af et kompleks tal:
Bemærk brugen af Eulers formel fra eNote 29 for at opnå omskrivningen fra cos og
sin til eksponentiel form, eiv = cos(v) + sin(v).
Det kan være en anelse kringlet at gennemskue leddenes komplekse form. Leddet
19e4t cos(t) er nemt; det udvides let til 19e4t (cos(t) + i sin(t)), hvor sin-leddet som
imaginærdelen er tilføjet. Men leddet 35e4t sin(t) kræver lidt mere; det får tilføjet
et cos-led som imaginærdel, og derfor skal i’et flyttes fra cos til sin ved, at udtrykket
ganges med i.
hvor vi har erstattet x (t) med z(t) for tydeligt at markere, at den løsning, vi nu finder, netop
ikke er en løsning til den originale ligning, men kun en løsning til denne udvidede komplekse
form af ligningen. Vi gætter nu på, at z0 (t) = (c + di )e(4+i)t er en løsning, hvor c og d er reelle
konstanter. Vi har
Disse udtryk samt z0 (t) indsættes i den komplekse differentialligning for at bestemme c og
d:
Vi har altså, at c = 5 og d = 1, hvilket giver z0 (t) = (5 + i )e(4+i)t . Dette er som sagt løsningen
til den komplekse udvidelse af differentialligningen. En partikulær løsning til den originale
differentialligning (18-78) er derfor reeldelen af z0 (t),
⇣ ⌘
x0 (t) = Re(z0 (t)) = Re (5 + i )e(4+i)t = 5e4t cos(t) e4t sin(t), t 2 R. (18-84)
således, at
x ( t0 ) = x0 og x 0 ( t0 ) = v0 , (18-86)
hvor t0 2 I, x0 2 R og v0 2 R.
Givet differentialligningen
l2 5l 36 = 0. (18-88)
Man har da
4t
x0 (t) = 4c1 e + 9c2 e9t . (18-90)
Indsættes begyndelsesværdibetingelserne x (0) = 5 og x 0 (0) = 6 i de to ligninger, kan det
løses for (c1 , c2 ),
5= c1 + c2
(18-91)
6 = 4c1 + 9c2 .
6 45
6= 4c1 + 9(5 c1 ) = 13c1 + 45 , c1 = = 3. (18-92)
13
eNote 18 18.4 EKSISTENS OG ENTYDIGHED 20
Givet differentialligningen
Bestem den fuldstændige løsningsmængde Linhom samt den betingede løsning x (t),
som opfylder begyndelsesværdibetingelserne (t0 , x0 , v0 ) = (0, 5, 8) .
Lhom = c1 e 5t + c2 e t , t 2 R c1 , c2 2 R . (18-96)
x (t) = 4t2 + 1 + c1 e 5t
+ c2 e t , t 2 R. (18-100)
Den afledede er
5t
x 0 (t) = 8t 5c1 e c2 e t , t 2 R. (18-101)
Indsættes x (0) = 5 og x 0 (0) = 8, fås de to ligninger
5= c1 + c2 + 1
(18-102)
8= 5c1 c2 .
Givet den fuldstændige løsning til en lineær 2. ordens differentialligning med kon-
stante koefficienter
2t 1
Linhom = c1 e + c2 e2t 2 sin(2t) , t 2 R c1 , c2 2 R . (18-105)
(l + 2)(l 2) = l2 4 = 0. (18-108)
Da x0 (t) er en partikulær løsning til den inhomogene differentialligning kan højresiden q(t)
bestemmes ved at indsætte x0 (t). Vi har, at x000 (t) = 2 sin(2t), og
eNote 19
Funktioner af to variable
19.1 Definitionsmængder
p
For hvilke punkter ( x, y) i R2 er denne funktion defineret? Vi har f.eks. at f (0, 0) = ln( 5),
f (2, 0) = f (0, 2) = 0, f (1, 0) = f (0, 1) = ln(2), og faktisk er f (cos(t), sin(t)) = ln(2) for
alle t, men f (3, 7) er ikke defineret for denne funktion. Ved inspektion af funktionen ses
det, at definitionsmængden for f ( x, y) består præcis
p af de punkter, der ligger helt inde i den
cirkelskive, der har centrum i (0, 0) og radius 5:
D m( f ) = ( x, y) 2 R2 x2 + y2 < 5 . (19-2)
Det ydre af et område M i planen er alle de punkter i planen som ikke tilhører
hverken M eller ∂M.
∂D m = ( x, y) 2 R2 x2 + y2 = 5 . (19-3)
Mængden A i figur 19.1 er hverken åben eller afsluttet (der er nogle punkter på randen, som
selv er med i mængden og der er andre punkter på randen som ikke er med i mængden.
Tegne-forskriften er følgende: Punkter, der er med i mængden er grønne eller ligger på et
eNote 19 19.1 DEFINITIONSMÆNGDER 4
fuldt optrukket stykke af randen; punkter, der ikke er med i mængden er ikke farvede eller
(hvis de er en del af randen) markerede med røde cirkler. Mængden B i figur 19.1 er en åben
mængde. Mængden C i figur 19.1 er en afsluttet mængde.
Figure 19.1: Områder i planen. Mængden A er hverken åben eller afsluttet, B er en åben
mængde, og C er en afsluttet mængde.
Hvilke punkter i den mængde der er vist til venstre figur 19.3 kan bruges som stjernepunkter
for mængden? Er mængden af samtlige mulige stjernepunkter afsluttet eller åben? I hvilken
forstand ville man kunne sige, at figuren til højre i 19.3 er dobbelt-stjerneformet?
Figure 19.3: Mængden til venstre er stjerneformet. Mængden til højre er ikke stjerne-
formet.
Eksempel 19.11
z = f ( x, y) , hvor ( x, y) 2 D m( f ) . (19-6)
Grafen består altså af den punktmængde i rummet som vi også kan beskrive på
følgende måde:
G( f ) = ( x, y, f ( x, y)) ( x, y) 2 D m( f ) . (19-7)
I ( x, y)-planen hvor funktionen f ( x, y) er defineret kan vi gøre noget helt andet for at
vise, hvordan funktionsværdierne varierer fra punkt til punkt.
Kc ( f ) = ( x, y) 2 D m( f ) f ( x, y) = c . (19-8)
Mængden Kc kan være tom, hele planen, en kurve, eller hvilken som helst punkt-
mængde i planen.
eNote 19 19.3 NIVEAU-MÆNGDER OG HØJDESNIT 8
f ( x, y) = x+y+2
1 2
f ( x, y) = 1 x + y2 (19-11)
2
f ( x, y) = cos(3x ) · sin(3y) .
Funktionernes grafer er vist i figurerne 19.4, 19.5, og 19.6 dels sammen med deres respek-
tive niveau-kurver i ( x, y)-planen og dels sammen med en figur, der antyder, hvordan
eNote 19 19.4 EPSILON-FUNKTIONER AF TO VARIABLE 9
Det er denne funktion vi vil bruge på samme måde som vi benyttede funktio-
nen ( x x0 ) til definitionerne af epsilon-funktioner af én variabel og til def-
inition af kontinuitet og differerentiabilitet af funktioner af én variabel. Læg
mærke til, at r( x0 ,y0 ) ( x, y) altid er positiv eller 0; og læg mærke til at værdien
0 dog kun optræder for ( x, y) = ( x0 , y0 ). Funktionen r(0,0) ( x, y), altså afs-
tanden fra ( x, y) til ( x0 , y0 ) = (0, 0), er vist i figur 19.7. Læg mærke til, at
niveaukurverne er ækvidistante, og at grafen er ’konisk spids’ i kontaktpunk-
tet til ( x, y)-planen!
Figure 19.7: Grafen for afstandsfunktionen r(0,0) ( x, y) til punktet ( x0 , y0 ) = (0, 0), funk-
tionens niveaukurver, og højdesnit-kurverne på grafen.
f ( x, y) = f ( x0 , y0 ) + # f ( x x0 , y y0 ) . (19-14)
Hvis f ( x, y) er kontinuert i alle ( x0 , y0 ) i et givet åbent område i D m( f ), så siger vi,
at f ( x, y) er kontinuert i hele området.
Bevis
Opgave 19.22
f ( x, y) f ( x0 , y0 ) = a ( x x0 ) + b ( y y0 ) ! 0 for ( x, y) ! ( x0 , y0 )) , (19-19)
eNote 19 19.6 DIFFERENTIABLE FUNKTIONER AF TO VARIABLE 15
sådan at
f ( x, y) = f ( x0 , y0 ) + # f ( x x0 , y y0 ) (19-20)
med epsilonfunktionen # f ( x x0 , y y0 ) = a ( x x0 ) + b ( y y0 ). Overvej hvorfor dette er
en epsilonfunktion.
Opgave 19.24
f ( x, y) = x2 + y2 . (19-21)
Opgave 19.25
x y2
f ( x, y) = . (19-22)
x 2 + y2
q
Funktionen f ( x, y) = r( x0 ,y0 ) ( x, y) er – ligesom r( x0 ,y0 ) ( x, y) selv – en epsilonfunktion og er
derfor kontinuert i ( x0 , y0 ). Se figur 19.9.
Differentiabilitet defineres som for funktioner af én variabel, men her igen ved brug af
de indførte epsilonfunktioner af to variable:
eNote 19 19.6 DIFFERENTIABLE FUNKTIONER AF TO VARIABLE 16
f ( x, y) = f ( x0 , y0 ) + a · ( x x0 ) + b · ( y y0 )
(19-23)
+ r( x0 ,y0 ) ( x, y) · # f ( x x0 , y y0 ) .
a = f x0 ( x0 , y0 ) og b = f y0 ( x0 , y0 ) (19-24)
f ( x, y) = f ( x0 , y0 ) + f x0 ( x0 , y0 ) · ( x x0 ) + f y0 ( x0 , y0 ) · (y y0 )
(19-25)
+ r( x0 ,y0 ) ( x, y) · # f ( x x0 , y y0 ) .
eNote 19 19.6 DIFFERENTIABLE FUNKTIONER AF TO VARIABLE 17
∂ ∂f ∂ ∂f
f x0 ( x, y) = f ( x, y) = ( x, y) og f y0 ( x, y) = f ( x, y) = ( x, y) . (19-26)
∂x ∂x ∂y ∂y
f 1 ( x ) = f ( x, y0 )
(19-28)
f 2 ( y ) = f ( x0 , y ) .
f x0 ( x0 , y0 ) = f 10 ( x0 ) og f y0 ( x0 , y0 ) = f 20 (y0 ) (19-29)
Bevis
f 1 ( x ) = f ( x, y0 ) = f 1 ( x0 ) + f x0 ( x0 , y0 ) · ( x x0 )
(19-30)
+ r(x0 ,y0 ) ( x, y0 ) · # f ( x x0 , 0) ,
sådan at koefficienten til faktoren ( x x0 ) lige præcis er f x0 ( x0 , y0 ). Vi aflæser altså for det
første, at f 1 ( x ) er differentiabel i x0 og for det andet, at f 10 ( x0 ) = f x0 ( x0 , y0 ). Og det var den
ene halvdel af det vi skulle vise; den anden halvdel – vedrørende f 20 (y0 ) = f y0 ( x0 , y0 ) – fås på
helt tilsvarende måde.
f 10 ( x0 ) = 6 x0 + 10 y70 = f x0 ( x0 , y0 )
(19-33)
f 20 (y0 ) = 21 y20 + 70 x0 y60 = f y0 ( x0 , y0 ) .
f x0 ( x, y) = 6 x + 10 y7
(19-34)
f y0 ( x, y) = 21 y2 + 70 x y6 .
Opgave 19.31
Vis (på samme måde som for differentiable funktioner af én variabel), at hvis f ( x, y) er dif-
ferentiabel i ( x0 , y0 ), så er de to konstanter a og b, altså konstanterne f x0 ( x0 , y0 ) og f y0 ( x0 , y0 ),
veldefinerede i følgende forstand: Der findes ikke to forskellige par af konstanter a1 , b1 og
a2 , b2 og to epsilonfunktioner # 1 og # 2 sådan at der samtidig gælder:
f ( x, y) = f ( x0 , y0 ) + a1 · ( x x0 ) + b1 · (y y0 )
+ r(x0 ,y0 ) ( x, y) · # 1 ( x x0 , y y0 )
(19-35)
f ( x, y) = f ( x0 , y0 ) + a2 · ( x x0 ) + b2 · (y y0 )
+ r(x0 ,y0 ) ( x, y) · # 2 ( x x0 , y y0 ) .
Opgave 19.32
Bestem samtlige partielle afledede af de partielle afledede i ethvert punkt ( x, y) for funktio-
nen f ( x, y) = 3 x2 + 7 y3 + 10 x y7 .
Opgave 19.33
Bestem samtlige partielle afledede af de partielle afledede i ethvert punkt ( x, y) for funktio-
nen f ( x, y) = cos(3x ) · sin(3y).
eNote 19 19.6 DIFFERENTIABLE FUNKTIONER AF TO VARIABLE 20
Opgave 19.35
Vis (på samme måde som for funktioner af én variabel) at: Hvis en funktion f ( x, y) af to
variable er differentiabel i et punkt ( x0 , y0 ), så er funktionen også kontinuert i dette punkt.
Vis også med et eksempel, at hvis en funktion er kontinuert i ( x0 , y0 ), så behøver den ikke at
være differentiabel i ( x0 , y0 ). Se f.eks. på r( x0 ,y0 ) ( x, y).
her:
x y2
f ( x, y) = . (19-37)
x 2 + y4
Den funktion er ikke differentiabel i (0, 0) – den er nemlig ikke engang kontinuert i (0, 0) (!)
(Hvorfor ikke?) Ikke desto mindre findes de to hjælpefunktioner
f 1 ( x ) = f ( x, 0) = 0
(19-38)
f 2 (y) = f (0, y) = 0 ,
og som det ses, er de begge to særdeles differentiable i (0, 0). Selv om hjælpefunktionerne er
differentiable behøver den aktuelle funktion selv ikke at være differentiabel.
Som for funktioner af én variabel kan vi trunkere udtrykket i ligning (19.6.25) ved sim-
pelthen at fjerne ’epsilon-funktions-delen’ hvorved vi står tilbage med et førstegrads-
polynomium i de to variable x og y:
P1,( x0 ,y0 ) ( x, y) = f ( x0 , y0 ) + f x0 ( x0 , y0 ) · ( x x0 ) + f y0 ( x0 , y0 ) · (y y0 ) . (19-39)
Funktionen P1,( x0 ,y0 ) ( x, y) kaldes det approksimerende første-gradspolynomium for f ( x, y)
med udviklingspunkt ( x0 , y0 ).
Vi ser på funktionen
1 2 1 2
f ( x, y) = 1 x y . (19-40)
2 2
Så er
f x0 ( x0 , y0 ) = x0
(19-41)
f y0 ( x0 , y0 ) = y0 ,
eNote 19 19.7 DET APPROKSIMERENDE FØRSTE-GRADS-POLYNOMIUM 22
sådan at
P1,( x0 ,y0 ) ( x, y) = f ( x0 , y0 ) x0 · ( x x0 ) y0 · (y y0 )
1 2 1 2
=1 x y x · x0 + x02 y · y0 + y20 (19-42)
2 0 2 0
1 1
= 1 + x02 + y20 x · x0 y · y0 . .
2 2
Specielt får vi med udviklingspunktet ( x0 , y0 ) = (1, 1):
Opgave 19.40
Sammensatte funktioner af to variable optræder i rigtig mange anvendelser, lige fra GPS
teknologi til geologi og termodynamik.
Lad f ( x, y), p(u, v), og q(u, v) være bestemt ved de angivne funktioner nedenfor. Så fås de
tilsvarende sammensatte funktioner h(u, v) ved at sætte x = p(u, v), y = q(u, v), og h(u, v) =
f ( x, y) = f ( p(u, v), q(u, v)) i de respektive definitions-områder (de anføres ikke her):
Så kan de partielle afledede af h(u, v) udtrykkes ved hjælp af dels de partielle afled-
ede af f ( x, y), dels de partielle afledede af p(u, v), og dels de partielle afledede
af q(u, v). Vi vil udtrykke de partielle afledede af h(u, v) i (u0 , v0 ) så vi sætter
x0 = p(u0 , v0 ) og y0 = q(u0 , v0 ).
Så har vi:
h0u (u0 , v0 ) = f x0 ( x0 , y0 ) · p0u (u0 , v0 ) + f y0 ( x0 , y0 ) · q0u (u0 , v0 )
(19-49)
h0v (u0 , v0 ) = f x0 ( x0 , y0 ) · p0v (u0 , v0 ) + f y0 ( x0 , y0 ) · q0v (u0 , v0 ) .
Bevis
Resultatet følger efter præcis samme opskrift som beviset for differentiation af den sammen-
satte funktion f ( g( x )) af én variabel – der er bare lidt flere konstanter og funktioner at holde
styr på.
⌅
eNote 19 19.8 PARTIELLE AFLEDEDE AF SAMMENSATTE FUNKTIONER 25
Opgave 19.43
Bestem de partielle afledede i ethvert punkt (u, v) for hver af de sammensatte funktioner
nedenfor – dels ved at beregne dem direkte ud fra det givne eksplicitte udtryk for h(u, v) og
dels ved at benytte kædereglen og de parteille afledede af ingredienserne i h(u, v), altså de
partielle afledede af f ( x, y), p(u, v) og q(u, v).
19.8.1 Gradientvektorer
eNote 19 19.8 PARTIELLE AFLEDEDE AF SAMMENSATTE FUNKTIONER 26
Opgave 19.45
Bestem gradientvektorfeltet i ethvert punkt ( x, y) for hver af følgende funktioner i deres re-
spektive definitionsmængder: f ( x, y) = x + y, f ( x, y) = y · ex , og f ( x, y) = r2x0 ,y0 ( x, y).
Hvis funktionerne p(u, v) og q(u, v) kun afhænger af den ene variable u kan vi selvføl-
gelig betegne funktionerne med henholdsvis p(u) og q(u). Den sammensattte funktion
h(u) = f ( p(u), q(u)) – hvor f ( x, y) er en givet differerentiabel funktion i planen – an-
giver så de funktionsværdier, som f ( x, y) antager langs den kurve i planen, som er givet
ved de to funktioner p(u) og q(u):
Den parametriserede kurve siges at være regulær, hvis r0 (u) 6= 0 for alle u 2 ]a, b[ .
Bevis
Vi nøjes med at se på det tilfælde hvor p(u) er meget elementær: p(u) = u. Så er Cr sim-
pelthen grafen for funktionen q( x ) i ( x, y)-planen. Grafen for den funktion har en tangent i
punktet ( x0 , q( x0 ), som er givet ved ved det velkendte udtryk: y = q( x0 ) + q0 ( x0 )( x x0 ). En
parameterfremstilling for den tangent er derfor:
T(t) = ( x0 , q( x0 )) + t · (1, q0 ( x0 ))
= ( p(u0 ), q(u0 )) + t · ( p0 (u0 ), q0 (u0 )) (fordi x = p(u) = u (19-57)
= r ( u 0 ) + t · r0 ( u 0 ) ,
Bevis
Resultatet følger direkte af den øverste ligning i (19.8.54). Bemærk, at funktionerne h(u),
p(u), og q(u) jo ikke afhænger af v, sådan at den nederste ligning i (19.8.54) reducerer til
0 = 0.
⌅
eNote 19 19.8 PARTIELLE AFLEDEDE AF SAMMENSATTE FUNKTIONER 29
Motiveret af dette simple udtryk for den afledede af funktionen f ( x, y) langs en parametris-
eret kurve r(u) indfører vi den retningsafledede af funktionen i den retning fra et givet
punkt ( x0 , y0 ) som er givet ved en enhedsvektor e:
f 0 (( x0 , y0 ); e) = r f ( x0 , y0 )·e . (19-59)
Læg mærke til, at den afledede af den sammensatte funktion h(u) = f (r(u)) i
et punkt på kurven r(u) kun afhænger af tangentvektoren til kurven i punktet
– h0 (u) er uafhængig af ’resten’ af kurven.
f x0 ( x, y) = 4 x , f y0 ( x, y) = 6 y , (19-61)
og derfor gradientvektorfeltet
r f ( x, y) = (4 x , 6 y) (19-62)
Den retningsafledede af f ( x, y) i punktet ( x0 , y0 ) = (1, 1) i retningen bestemt ved e(q ) =
eNote 19 19.8 PARTIELLE AFLEDEDE AF SAMMENSATTE FUNKTIONER 30
En kurve ( p(u), q(u)) som er niveaukurve for en funktion f ( x, y) giver anledning til en
særlig simpel – og meget vigtig – version af kædereglen:
Bevis
Funktionen h(u) = f ( p(u), q(u)) = c har tydeligvis h0 (u) = 0 og da sætning 19.49 giver
h0 (u) = r f ( p(u), q(u))·( p0 (u), q0 (u)) fås resultatet.
⌅
eNote 19 19.8 PARTIELLE AFLEDEDE AF SAMMENSATTE FUNKTIONER 31
Læg mærke til, at sætning 19.53 mere end antyder en anden sætning, som vi
dog ikke vil vise her: Hvis en differentiabel funktion f ( x, y) har et egentligt
gradientvektorfelt – dvs. hvis r f ( x, y) 6= (0, 0) for alle ( x, y) i et givet åbent
område A i definitionsmængden – så består alle niveau-mængderne for f ( x, y)
i A af pæne kurver, dvs. de kan parametriseres med differentiable vektorfunk-
tioner r(u) som ovenfor.
eNote 19 19.9 OPSUMMERING 32
19.9 Opsummering
Funktioner af to variable er behandlet i denne eNote efter samme ’skema’ som funk-
tioner af én variabel: Definitionsmængderne er her delmængder af planen og giver
derfor anledning til nye begreber og deskriptorer, som kan bruges til beskrivelse af
generelle mængder i planen. Vi har indført og illustreret begreberne: Åbne, afsluttede,
begrænsede, og stjerneformede mængder samt defineret det indre af en mængde og det
ydre af en mængde. Grafer og niveau-mængder for en funktion er vigtige hjælpemi-
dler til at forstå hvordan funktionsværdierne f ( x, y) ’opfører sig’ i afhængighed af hvor
punktet ( x, y) befinder sig i definitionsmængden. Kontinuitet og differentiabilitet (eller
mangel på samme) for en funktion kan ofte inspiceres ved at konstruere eller tegne
grafen for funktionen eller ved at tegne niveau-mængderne for funktionen.
Kc ( f ) = ( x, y) 2 D m( f ) f ( x, y) = c . (19-67)
f ( x, y) = f ( x0 , y0 ) + # f ( x x0 , y y0 ) . (19-68)
f ( x, y) = f ( x0 , y0 ) + f x0 ( x0 , y0 ) · ( x x0 ) + f y0 ( x0 , y0 ) · (y y0 )
(19-69)
+ r( x0 ,y0 ) ( x, y) · # f ( x x0 , y y0 ) .
f x0 ( x0 , y0 ) = f 10 ( x0 ) og f y0 ( x0 , y0 ) = f 20 (y0 ) (19-70)
f 0 (( x0 , y0 ); e) = r f ( x0 , y0 )·e . (19-74)
eNote 20 1
eNote 20
Gradienter og tangentplaner
I denne eNote vil vi fokusere lidt nærmere på den geometriske analyse og inspektion af
funktioner af to variable. Vi vil især studere sammenhængen mellem gradientvektorerne i
( x, y)-planen og tangentplanerne i ( x, y, z)-rummet. Vi vil se på parameterfremstillinger for –
og normalvektorer til – tangentplanerne for grafen for en funktion f ( x, y) af to variable via det
approksimerende førstegradspolynomium for f ( x, y). De partielle afledede er i hele eNoten de
grundlæggende ingredienser. Et globalt resultat om de partielle afledede er at gradienten kan
benyttes til at bestemme funktionen overalt i et sammenhængende område hvis vi blot kender
funktionsværdien i et enkelt punkt. Kurver i ( x, y)-planen kan løftes til graf-fladen for f ( x, y),
og vi vil vise, at alle tangenterne for enhver kurve igennem et givet punkt på graf-fladen er
indeholdt i tangentplanen for fladen i det punkt.
Bevis
Vi bruger kædereglen fra eNote 15 på den sammensatte funktion h(u) = f (r(u)) hvor r(u),
u 2 ]u0 , u1 [, er en vilkårlig differentiabel kurve fra ( x0 , y0 ) = r(u0 ) til ( x1 , y1 ) = r(u1 ) og får
derved:
h0 (u) = r0 (u) · r f (r(u)) . (20-1)
Heraf følger, at h(u) er en stamfunktion til funktionen på højresiden af ovenstående ligning:
Z u1
h ( u1 ) h ( u0 ) = r0 (u) · r f (r(u)) du . (20-2)
u0
eNote 20 20.1 GRADIENTERNE BESTEMMER FUNKTIONEN 3
Men da
h(u0 ) = f (r(u0 )) = f ( x0 , y0 ) ,
(20-3)
h(u1 ) = f (r(u1 )) = f ( x1 , y1 ) ,
får vi dermed Z u1
f ( x1 , y1 ) = f ( x0 , y0 ) + r0 (u) · r f (r(u)) du , (20-4)
u0
Som en direkte konsekvens af sætning 20.3 og beviset for den, isr ligning (20.1.4), har vi
Bemærk, at det er ligegyldigt hvilken kurve man vælger at integrere langs for at finde
funktionsværdien i endepunktet. Hvis man har mulighed for det vil man naturligvis
vælge den simpleste kurve til formålet. Det gør vi i følgende eksempel:
f ( x, y) = 3 x2 + 7 y3 + 10 x y7 . (20-9)
Vi kan for en ordens skyld gøre prøve og undersøge, om denne funktion faktisk er 0 i (0, 0)
(det er den) og desuden har det korrekte gradientvektorfelt, som er givet ved ligning (20.1.5)
(det har den).
Opgave 20.6
20.1.1 Gradientvektorfelter
r f ( x0 , y0 )
e = emax = (20-11)
| r f ( x0 , y0 ) |
r f ( x0 , y0 )
e = emin = (20-12)
| r f ( x0 , y0 ) |
Bevis
Da cos( j) er størst (med værdien 1) når j = 0 (dvs. når e og g peger i samme retning) og da
cos( j) er mindst (med værdien 1) når j = p (dvs. når e og g peger i modsatte retninger),
og da cos( j) er 0 når j = p/2 (dvs. når e og g er ortogonale retninger), så følger de tre
påstande i sætningen. Den sidste påstand i sætningen kender vi allerede fra eNote 15 hvor
vi så, at den retningsafledede er 0 i de retninger som står vinkelret på gradientvektoren.
x2 2y2
f x0 ( x, y) = 4xe
(20-17)
x2 2y2
f y0 ( x, y) = 8ye .
Gradientvektorfeltet er derfor
⇣ ⌘
x2 2y2 x2 2y2
r f ( x, y) = 4xe , 8ye . (20-18)
Dette vektorfelt er skitseret i figur 20.1 sammen med niveaukurverne for f ( x, y) og sammen
med en kurve (en cirkel) med parameterfremstillingen
✓ ◆
1 1
r( u ) = + cos(u) , + sin(u) , hvor u 2 ] p, p [ . (20-19)
2 2
eNote 20 20.1 GRADIENTERNE BESTEMMER FUNKTIONEN 7
Bemærk også, at der på cirklen er præcis to punkter, hvor gradienten står vinkelret på
cirklen. I de punkter har den sammensatte højde-funktion h(u) = f (r(u)) derfor den afled-
ede h0 (u) = 0. Cirklen har i de punkter samme tangent som de respektive niveaukurver
igennem de to punkter. Vi kan bestemme de to punkter på cirklen ved at bestemme de to
værdier af u som løser ligningen h0 (u) = r f (r(u)) · r0 (u) = 0.
Opgave 20.9
Motiveret af graf-fladen med den løftede cirkel i figur 20.2 og motiveret af analysen i
eksempel 20.8 vil vi nu helt generelt definere og undersøge løftede kurver:
eNote 20 20.2 LØFTEDE KURVER PÅ GRAF-FLADER 9
Den løftede kurve som hører til den plane kurve r(u) defineres til at være følgende
kurve i ( x, y, z)-rummet:
Den løftede kurve er(u) er en rumlig kurve, som ligger på graf-fladen G( f ) for
funktionen f ( x, y).
Tangenten til den løftede kurve på graf-fladen for f ( x, y) er derfor bestemt ved
følgende udtryk i et givet kurvepunkt er(u0 ) = ( p(u0 ), q(u0 ), f ( p(u0 ), q(u0 )) =
( x0 , y0 , f ( x0 , y0 )):
e e (t) = er(u0 ) + t · er 0 (u0 )
L u0 : T
= ( x0 , y0 , f ( x0 , y0 ))+ (20-24)
t · p0 (u0 ), q0 (u0 ), r f ( x0 , y0 ) · ( p0 (u0 ), q0 (u0 )) ,
De har derfor også særligt simple løft til graf-fladen for en given funktion f ( x, y):
e
L1 : ( x0 , y0 , f ( x0 , y0 )) + t · (1, 0, f x0 ( x0 , y0 )) , t2R
(20-28)
e
L2 : ( x0 , y0 , f ( x0 , y0 )) + t · (0, 1, f y0 ( x0 , y0 )) , t2R
Opgave 20.12
f ( x, y) = 3x + y ,
f ( x, y) = x2 + y2 , (20-29)
x
f ( x, y) = y · e .
I figurerne 20.3 ses den løftede cirkel og graf-fladen for funktionen f ( x, y) fra eksempel
20.8. Den løftede kurves tangenter er indtegnet i et par udvalgte punkter. Bemærk, at
de rumlige tangenter til den løftede kurve projicerer ned på de tilsvarende tangenter til
cirklen i ( x, y)-planen – som det også følger af ligning (20.2.24).
Figure 20.3: Grafen for f ( x, y) = 3 + 2 e x2 2y2 med udvalgte tangenter til en løftet
cirkel.
eNote 20 20.2 LØFTEDE KURVER PÅ GRAF-FLADER 12
Den inspektion giver derfor anledning til følgende formodning, som vi vil vise
rigtigheden af i sætning 20.13 nedenfor: Enhver tangent til enhver løftet kurve
igennem et givet punkt ( x0 , y0 , f ( x0 , y0 )) ligger i tangentfladen for f ( x, y) i
punktet. Og omvendt: Enhver ret linje i tangentplanen som går igennem punk-
tet ( x0 , y0 , f ( x0 , y0 )) er tangent til en eller anden løftet kurve som går igennem
punktet.
2 2
Figure 20.5: Grafen for f ( x, y) = 3 + 2 e x 2y og tangentplanen igennem et andet
udvalgt punkt på den løftede cirkel, se figur 20.2.
2 2
Figure 20.6: Grafen for f ( x, y) = 3 + 2 e x 2y og tangentplanen igennem et tredje
udvalgt punkt på den løftede cirkel, se figur 20.2.
Bevis
a·x+b·y+c·z+d = 0 (20-34)
z = P1,( x0 ,y0 ) ( x, y) ,
z = f ( x0 , y0 ) + f x0 ( x0 , y0 ) · ( x x0 ) + f y0 ( x0 , y0 ) · (y y0 ) ,
som er ækvivalent med:
(20-35)
f x0 ( x0 , y0 ) · ( x x0 ) f y0 ( x0 , y0 ) · (y y0 ) + z f ( x0 , y0 ) = 0 ,
og dermed:
f x0 ( x0 , y0 ) · x f y0 ( x0 , y0 ) · y + z + d = 0 ,
hvor d = x0 · f x0 ( x0 , y0 ) + y0 · f y0 ( x0 , y0 ) f ( x0 , y0 ).
N( x0 ,y0 ) ( f ) = ( f x0 ( x0 , y0 ), f y0 ( x0 , y0 ), 1) . (20-36)
er 10 ( x0 ) = (1, 0, f x0 ( x0 , y0 )) ,
(20-37)
er 20 (y0 ) = (0, 1, f y0 ( x0 , y0 )) .
N( x0 ,y0 ) ( f ) = er 10 ( x0 ) ⇥ er 20 (y0 )
(20-38)
= ( f x0 ( x0 , y0 ) , f y0 ( x0 , y0 ), 1)
r f ( x, y) = (2x, 0) ,
T(x0 ,y0 ) ( f ) : T(t1 , t2 ) = ( x0 + t1 , y0 + t2 , x02 + 2x0 · t1 ) , (20-40)
N( x0 ,y0 ) ( f ) = ( 2x0 , 0, 1) .
2. Funktionen f ( x, y) = x3 har
r f ( x, y) = (3x2 , 0) ,
T(x0 ,y0 ) ( f ) : T(t1 , t2 ) = ( x0 + t1 , y0 + t2 , x03 + 3x02 · t1 ) , (20-41)
N( x0 ,y0 ) ( f ) = ( 3x02 , 0, 1) .
r f ( x, y) = ( 3 sin(3x ), 0) ,
T(x0 ,y0 ) ( f ) : T( t1 , t2 ) = ( x0 + t1 , y0 t1 · 3 sin( x0 ) + t2 , cos(3x0 )) , (20-42)
N( x0 ,y0 ) ( f ) = (3 sin(3x0 ), 0, 1) .
Opgave 20.17
f ( x, y) = 3x + y
f ( x, y) = x2 + y2 (20-43)
x
f ( x, y) = y · e .
eNote 20 20.3 GRADIENTEN BESTEMMER NORMALVEKTOREN 19
20.4 Opsummering
• Gradienten udpeger i ethvert punkt den retning hvori funktionen lokalt vokser
mest og den (modsatte) retning hvori funktionen aftager mest.
• De løftede kurver på graf-fladen for en funktion har tangenter, der er helt inde-
holdt i tangentplanen til graf-fladen.
N( x0 ,y0 ) ( f ) = ( f x0 ( x0 , y0 ) , f y0 ( x0 , y0 ), 1) .
z = P1,( x0 ,y0 ) ( x, y) = f ( x0 , y0 ) + f x0 ( x0 , y0 ) · ( x x0 ) + f y0 ( x0 , y0 ) · (y y0 )
hvor t1 2 R og t2 2 R.
eNote 21 1
eNote 21
Vi vil antage, at funktionen kan differentieres partielt vilkårligt mange gange, altså
at alle de afledede funktioner eksisterer for ethvert ( x, y) i det indre af M: f x0 ( x, y),
f y0 ( x, y), f xx
00 ( x, y ), f 00 ( x, y ), f 00 ( x, y ), f 000 ( x, y ) osv. Disse højere afledede vil vi bruge til
xy yy xyx
at konstruere (koefficienterne i) de approksimerende polynomier af to variable præcis
på samme måde som vi konstruerede dem for funktioner af én variabel.
eNote 21 21.1 HØJERE-ORDENS AFLEDEDE 2
Definition 21.1
Hvis en funktion f ( x, y) kan differentieres partielt vilkårligt mange gange i ethvert
punkt ( x, y) i det indre M̊ af et givet område M i planen, så siger vi, at funktionen
er glat i M̊.
Her er nogle første- og anden-ordens afledede af nogle kendte funktioner af to variable. Læg
mærke til, at f yx00 ( x, y ) ikke optræder eksplicit i tabellen – det er fordi f 00 ( x, y ) = f 00 ( x, y )
yx xy
for alle ( x, y) når funktionerne er glatte, som antaget, se eNote 15. Funktionen r(0,0) ( x, y) =
p
x2 + y2 betegner afstandsfunktionen fra (0, 0) til ( x, y); den er kun glat for ( x, y) 6= (0, 0)
som det også fremgår af de viste første- og anden-ordens partielle afledede af r(0,0) ( x, y) i
tabellen. Funktionen r2(0,0) ( x, y) = x2 + y2 er derimod (som det ogs fremgår af tabellen) en
glat funktion i hele definitionsomrdet, dvs. for alle ( x, y) 2 R2 . Det er kvadratet p afstanden
fra et vilkårligt punkt ( x0 , y0 ) tilsvarende også, dvs. funktionen:
r2( x0 ,y0 ) ( x, y) = ( x x0 )2 + ( y y0 )2 .
f ( x, y) f x0 ( x, y) f y0 ( x, y) 00 ( x, y )
f xx 00 ( x, y )
f xy 00 ( x, y )
f yy
ex ex 0 ex 0 0
ex +y ex +y ex +y ex +y ex +y ex +y
2 2 2 2 2 2 2 + y2 2 2 2 2
ex +y 2 · x · ex +y 2 · y · ex +y (2 + 4 · x 2 ) · e x 4 · x · y · ex +y (2 + 4 · y2 ) · e x + y
ex ·y y · ex ·y x · ex ·y y2 · e x · y ex ·y + x · y · ex ·y x2 · ex ·y
x y y2 x ·y x2
r(0,0) ( x, y) p p
( x2 +y2 )3/2 ( x2 +y2 )3/2 ( x2 +y2 )3/2
x 2 + y2 x 2 + y2
r2(0,0) ( x, y) 2·x 2·y 2 0 2
r2( x ) ( x, y ) 2 · (x x0 ) 2 · (y y0 ) 2 0 2
0 ,y0
I eksemplet 21.2 ovenfor er de partielle afledede sat p linje i tabellen. I det følgende viser
det sig smart at samle eller pakke de partielle afledede, dels de to første-ordens afledede
til en vektor, gradientvektoren for f ( x, y) i ( x0 , y0 ), som ogs indfres og benyttes i eNote
15:
r f ( x0 , y0 ) = ( f x0 ( x0 , y0 ), f y0 ( x0 , y0 )) , (21-1)
eNote 21 21.1 HØJERE-ORDENS AFLEDEDE 3
00 ( x , y ) = f 00 ( x , y ).
Bemærk specielt at denne matrix er symmetrisk fordi f xy 0 0 yx 0 0
Den har derfor nogle særlige egenskaber, som er afgørende i den geometriske
analyse af funktioner til anden orden.
f ( x, y) r f ( x, y) H f ( x, y)
x
e 0
ex (e x , 0)
0 0
x +y x +y
e e
ex +y (e x + y , e x + y ) x y
e + ex +y
2 0
r2(0,0) ( x, y) = x2 + y2 (2 · x, 2 · y)
0 2
(3 · ( x x0 )2 + ( y y0 )2 , 6 · ( x x0 ) 2 · ( y y0 )
(x x0 ) · r2( x0 ,y0 ) ( x, y)
2 · ( x x0 ) · (y y0 )) 2 · ( y y0 ) 2 · ( x x0 )
Opgave 21.4
a + b1 · ( x x0 ) + b2 · (y y0 )
✓ ◆ ✓ ◆
h11 h22 (21-4)
+ · ( x x0 )2 + h12 · ( x x0 ) · ( y y0 ) + · (y y0 )2 .
2 2
R( x, y) = f ( x, y) a b1 · ( x x0 ) b2 · (y y0 )
✓ ◆ ✓ ◆
h11 2 h22 (21-6)
· (x x0 ) h12 · ( x x0 ) · ( y y0 ) · (y y0 )2 .
2 2
eNote 21 21.2 APPROKSIMATION AF FUNKTIONER AF TO VARIABLE 5
Vi vil nu stille følgende naturlige krav til restfunktionen – krav som sikrer, at restfunk-
tionen er meget lille i og omkring ( x0 , y0 ) og dermed, at polynomiet vi får frem på den
måde er meget tæt på funktionen f ( x, y).
R ( x0 , y0 ) = 0 giver 0 = f ( x0 , y0 ) a , (21-7)
a = f ( x0 , y0 ) . (21-8)
(b1 , b2 ) = r f ( x0 , y0 ) . (21-10)
Det sidste krav til R( x, y) vi vil anvende er at alle de tre anden-ordens partielle afledede
af R( x, y) også er 0 i ( x0 , y0 ):
Vi har dermed indset, at de stillede krav til restfunktionen kan opfyldes, og at det re-
sulterende andengradspolynomium, der opfylder kravene, derefter netop fortjener at
blive kaldt det approksimerende polynomium af anden grad for f ( x, y) med udviklingspunkt
( x0 , y0 ):
P2,( x0 ,y0 ) ( x, y) = f ( x0 , y0 ) + f x0 ( x0 , y0 ) · ( x x0 ) + f y0 ( x0 , y0 ) · (y y0 )
1 00
+ · f xx ( x0 , y0 ) · ( x x0 )2
2 (21-13)
00
+ f xy ( x0 , y0 ) · ( x x0 ) · ( y y0 )
1 00
+ · f yy ( x0 , y0 ) · ( y y0 )2
2
kaldes det approksimerende polynomium af anden grad for funktionen f ( x, y) med
udviklingspunkt ( x0 , y0 ).
Det er præcis indholdet af følgende sætning som udtrykker netop dette ved hjælp af en
epsilonfunktion, som selvfølgelig sædvanligvis ikke er så simpel som ( x x0 ):
eNote 21 21.2 APPROKSIMATION AF FUNKTIONER AF TO VARIABLE 7
# f (x x0 , y y0 ) ! 0 for ( x, y) ! ( x0 , y0 ) . (21-15)
= f ( x0 , y0 ) + f x0 ( x0 , y0 ) · ( x x0 ) + f y0 ( x0 , y0 ) · (y y0 )
1 00
+ · f xx ( x0 , y0 ) · ( x x0 )2 (21-16)
2
00
+ f xy ( x0 , y0 ) · ( x x0 ) · ( y y0 )
1 00
+ · f yy ( x0 , y0 ) · ( y y0 )2
2
+ r2( x0 ,y0 ) ( x, y) · # f ( x x0 , y y0 ) .
hvor
r f ( x0 , y0 ) = ( f x0 ( x0 , y0 ), f y0 ( x0 , y0 )) og
" # (21-18)
00 ( x , y ) f 00 ( x , y )
f xx 0 0 xy 0 0
H f ( x0 , y0 ) = 00 00 ( x , y ) .
f yx ( x0 , y0 ) f yy 0 0
Bevis
P2,( x0 ,y0 ) ( x, y) = f ( x0 , y0 ) + r f ( x0 , y0 ) · ( x x0 , y y0 )
1 ⇥ ⇤ x x0 (21-20)
+ · x x0 y y0 · H f ( x0 , y0 ) · .
2 y y0
21.3 Funktionsundersøgelser
Ligesom for kontinuerte funktioner af én variabel gælder det for kontinuerte funktioner
af to variable, at hvis det aktuelle område for funktionsundersøgelsen er tilstrækkelig
pæn, så er funktionsværdierne f ( x, y) begrænsede i området:
V m( f | M ) = f ( M) = { f ( x ) | x 2 M} = [ A , B ] , (21-23)
hvor der stadig tillades den mulighed at A = B og det sker naturligvis netop når
f ( x, y) er konstant i hele M.
For at løse den opgave er følgende igen en uvurderlig hjælp (på samme måde som ved
undersøgelsen af funktioner af én variabel):
( f x0 ( x0 , y0 ), f y0 ( x0 , y0 )) = r f ( x0 , y0 ) = 0 = (0, 0) . (21-24)
Bevis
Beviset følger det tilsvarende argument for funktioner af én variabel. Kort fortalt: Hvis
r f ( x0 , y0 ) 6= (0, 0) så stiger funktionsværdierne effektivt i retningen r f ( x0 , y0 ) fra ( x0 , y0 )
og funktionsværdierne aftager effektivt i den modsatte retning r f ( x0 , y0 ) fra ( x0 , y0 ) og
( x0 , y0 ) kan i så fald hverken være et minimum- eller et maksimum-punkt.
som giver h0 (u) = 0 for u = 0, u = ±p, og u = ± arccos(1/3). I disse stationære punkter for
funktionen h(u) antager h(u) værdierne: h(0) = 2, h(±p ) = 2, og h(± arccos(1/3)) = 22/27.
Hvis den funktion vi vil undersøge er glat i sine stationære punkter, så kan vi kvalificere
metoden 21.13 endnu bedre, idet det approksimerende andengrads-polynomium med
udviklingspunkt i et stationært punkt ( x0 , y0 ) kan hjælpe med at afgøre, om værdien af
f ( x, y) i det stationære punkt er en kandidat til at være en global maksimumværdi eller
global minimumværdi.
Til den lokale analyse af f ( x, y) omkring et stationært punkt vil vi bruge egenværdierne
for Hesse-matricen H f ( x0 , y0 ) for f ( x, y) i det stationære punkt. Som nævnt er symme-
eNote 21 21.4 SPECIEL UNDERSØGELSE I STATIONÆRE PUNKTER 15
Følgende sætning om symmetriske matricer er også helt central for rigtig mange andre
anvendelser. Som det vises i eNote 15 kan resultatet generaliseres til vilkårlige sym-
metriske matricer. For 2 ⇥ 2-matricer er beviset rimelig simpelt, så vi går igennem be-
grundelserne nedenfor – som en opvarmning til det generelle resultat.
Bevis
For det første kan vi direkte se, at enhver symmetrisk 2 ⇥ 2-matrix har reelle egenværdier: Det
karakteristiske polynomium for den symmetriske matrix
a b
A= (21-31)
b c
er
KA (l) = ( a l) · (c l) b2 = l2 l · ( a + c) + ( a · c b2 ) , (21-32)
der har rødderne (egenværdierne)
✓ q ◆
1
l1 = a + c + (a c )2 +4· b2 og
2
✓ q ◆ (21-33)
1
l2 = a+c (a c )2 +4· b2 ,
2
eNote 21 21.4 SPECIEL UNDERSØGELSE I STATIONÆRE PUNKTER 16
Hvis l1 6= l2 får vi også direkte fra eNote 10, sætning 10.4, at der findes en similartransfor-
mation D der diagonaliserer A:
L = D 1·A·D . (21-34)
Søjlevektorerne i D er egenvektorer v1 og v2 hørende til henholdsvis l1 og l2 .
⌅
eNote 21 21.4 SPECIEL UNDERSØGELSE I STATIONÆRE PUNKTER 17
Specielt er egenværdierne for Hesse-matricen altid to reelle tal og det er disse egen-
værdier vi nu vil benytte som hjælp til at afgøre, om et givet stationært punkt er et
egentligt maksimum- eller minimum-punkt.
Bevis
Fra Taylor’s grænseformel har vi i det stationære punkt følgende fremstilling af f ( x, y):
1 ⇥ ⇤ x x0
f ( x, y) = f ( x0 , y0 ) + · x x0 y y0 · H f ( x0 , y0 ) · + R2 ( x, y) . (21-41)
2 y y0
Vi diagonaliserer H f ( x0 , y0 ) med similartransformationen D, jvf. sætning 21.16, sådan at
1 ⇥ ⇤ l1 0 1 x x0
f ( x, y) = f ( x0 , y0 ) + · x x0 y y0 · D · ·D · + R2 ( x, y)
2 0 l2 y y0
✓ ◆
1 ⇥ ⇤ l1 0 x x0
= f ( x0 , y0 ) + · x x0 y y0 · D · · D> · + R2 ( x, y) ,
2 0 l2 y y0
(21-42)
hvor vi bemærker, at følgende to vektorer er ens (pånær transponeringen)
✓ ◆
⇥ ⇤ > > x x0 a
x x0 y y0 · D = D · = . (21-43)
y y0 b
eNote 21 21.4 SPECIEL UNDERSØGELSE I STATIONÆRE PUNKTER 18
f ( x, y) f ( x0 , y0 ) + l2 · a2 + b2 + R2 ( x, y) . (21-45)
Men vi har også, at a2 + b2 = ( x x0 )2 + ( y y0 )2 fordi D er så skikkelig:
⌘ ✓
⇣⇥
a
◆
⇤
2 2 >
a +b = a b ·D · D·
b
⇥ ⇤ x x0
= x x0 y y0 · (21-46)
y y0
= (x x0 )2 + ( y y0 )2
= r2(x0 ,y0 ) ( x, y) .
Vi kan hermed konkludere, at for alle ( x, y) tilstrækkelig tæt på (men forskellig fra) ud-
viklingspunktet ( x0 , y0 ) er f ( x, y) > f ( x0 , y0 ) fordi l2 > 0 og # f ( x x0 , y y0 ) ! 0 for
( x, y) ! ( x0 , y0 ).
⌅
eNote 21 21.4 SPECIEL UNDERSØGELSE I STATIONÆRE PUNKTER 19
Man kunne måske forledes til at tro, at hvis blot alle andenordens-afledede
af f ( x, y) er positive i et stationært punkt ( x0 , y0 ) så må funktionen have et
egentligt minimumpunkt i ( x0 , y0 ). Men så simpelt er det ikke. For eksempel
har følgende Hesse-matrix ikke positive egenværdier selv om alle elementerne
er positive:
1 2
H f ( x, y) = . (21-48)
2 1
Egenværdierne er henholdsvis l1 = 3 og l2 = 1, så ifølge hjælpesætningen
21.17 kan vi konkludere, at eventuelt stationært punkt for f ( x, y) ikke er
hverken et lokalt maksimum- eller minimum-punkt for f ( x, y).
Opgave 21.19
1⇣ p ⌘2 1 p 2 2
P2,(p/2,0) ( x, y) = 1 x · ·y
✓ 2 2◆ 2 2 4
(21-52)
p p 1 2 p2 2
= 1 + ·x ·x ·y .
8 2 2 8
f ( x, y) = 1 + x2 + (1 y )2 + x · y ,
(21-53)
r f ( x, y) = (2 · x + y, 2 · y 2 + x) .
Så er ( x0 , y0 ) = ( 2/3 , 4/3) et stationært punkt for f ( x, y) og i det punkt har vi som i alle
eNote 21 21.4 SPECIEL UNDERSØGELSE I STATIONÆRE PUNKTER 22
Figure 21.5: Til venstre: Grafen for funktionen f ( x, y) = sin( x ) · cos( x · y). I
midten: Grafen for det approksimerende andengradspolynomium for f ( x, y) med ud-
viklingspunkt i det stationære punkt (p/2, 0). Til højre: Gradientvektorfeltet for funk-
tionen f ( x, y), dens niveaukurver (sorte) samt niveaukurver for det approksimerende
andengradspolynomium (røde).
andre punkter
2 1
H f ( x0 , y0 ) = (21-54)
1 2
I det stationære punkt har Hesse-matricen således egenværdierne 3 og 1. Vi konkluderer,
at det stationære punkt er et egentligt lokalt minimumpunkt for f ( x, y) i overensstemmelse
med inspektion af figur 21.6 og i overensstemmelse med hjælpesætning21.17.
forholdsvis let at se, at der vilkårligt tt p (0, 0) findes punkter ( x, y) hvor funktionsværdierne
f ( x, y) er negative og at der også vilkårligt tæt p (0, 0) findes punkter ( x, y) hvor funk-
tionsværdierne f ( x, y) er positive. Se figur 21.8. Det stationære punkt (0, 0) er derfor ikke
lokalt minimumpunkt for f ( x, y).
Den funktion, der inspiceres i eksempel 21.23 har følgende forbavsende egen-
skab: Lad r(u) vre parameterfremstillingen for en vilkårlig ret linje gennem
r(0) = (0, 0). S har den sammensatte (hjde-)funktion h(u) = f (r(u)) et
egentligt lokalt minimum i u = 0. Dette forekommer altså til trods for, at
funktionen f ( x, y) ikke selv har noget lokalt minimum i (0, 0). En fyldest-
gørende funktionsundersøgelse af en funktion af to variable omkring et sta-
tionært punkt kan altså ikke opnås ved blot at undersøge restriktionerne af
funktionen til de rette linjer igennem punktet!
eNote 21 21.4 SPECIEL UNDERSØGELSE I STATIONÆRE PUNKTER 25
21.5 Opsummering
r f ( x0 , y0 ) = ( f x0 ( x0 , y0 ), f y0 ( x0 , y0 )) , (21-60)
" #
00 ( x , y ) f 00 ( x , y )
f xx 0 0 xy 0 0
H f ( x0 , y0 ) = 00 ( x , y ) f 00 ( x , y ) . (21-61)
f yx 0 0 yy 0 0
P2,( x0 ,y0 ) ( x, y) = f ( x0 , y0 ) + r f ( x0 , y0 ) · ( x x0 , y y0 )
1 ⇥ ⇤ x x0 (21-62)
+ · x x0 y y0 · H f ( x0 , y0 ) · .
2 y y0
f ( x, y) = f ( x0 , y0 ) + r f ( x0 , y0 ) · ( x x0 , y y0 )
1 ⇥ ⇤ x x0
+ · x x0 y y0 · H f ( x0 , y0 ) · (21-63)
2 y y0
+ r2( x0 ,y0 ) ( x, y) · # f ( x x0 , y y0 ) .
eNote 22
I denne eNote vil vi igen beskæftige os med andengradspolynomierne i to og tre variable som
også er behandlet og undersøgt med forskellige teknikker i henholdsvis eNote 15 og eNote 21.
Ved den indledende behandling af funktioner af to variable definerede vi niveau-mængderne
Kc ( f ) for funktioner f ( x, y) af to variable, se eNote 19. Vi skal se i denne eNote, at for
andengradspolynomier i to variable er niveaumængderne typisk velkendte kurver i
( x, y)-planen som for eksempel ellipser og hyperbler og det er formålet med denne eNote at vise
hvilke typer niveaukurver der optræder for givne ligninger. Vi vil dertil i udstrakt grad benytte
den reduktionsmetode, der er udviklet i eNote 15. Den virker for andengradspolynomier af både
to og tre (og flere) variable, og som vi skal se, kan de tilhørende niveau-kurver og -flader
identificeres ud fra en kort navneliste. Niveaukurverne for andengradspolymier i to variable og
niveaufladerne for andengradspolynomier i tre variable kendes klassisk under navnene
henholdsvis keglesnit og keglesnitsflader.
Fra eNote 18 ved vi fra inspektion af de viste niveaukurver, at der typisk optræder el-
lipser og hyperbler eller ellipse-lignende og hyperbel-lignende kurver som niveaukur-
ver for funktioner af to variable – især omkring stationære punkter. Det er ikke nogen
tilfældighed; andengradspolynomier har netop sådanne niveaukurver. Og passende
valgte andengradspolynomier er jo samtidig gode approksimationer til givne glatte
funktioner af to variable.
I det følgende vil vi med nogle eksempler gennemgå standardmetoden til reduktion
af de ligninger, der fremkommer når vi vil finde de punkter i R2 for hvilke et givet
eNote 22 22.1 ANDENGRADSLIGNINGER I TO VARIABLE 2
f ( x, y) = 2 · x2 + 2 · y2 + 2 · x · y 8·x 10 · y + 13 .
r f ( x, y) = (4 · x + 2 · y 8, 2· x +4· y 10) .
1 2 1
· H f ( x, y) = .
2 1 2
3 0
L= . (22-1)
0 1
" p p #
2/2 2/2 cos(p/4) sin(p/4)
Q= p p = .
2/2 2/2 sin(p/4) cos(p/4)
p p
fe( xe, ye) = 3 · xe2 + ye2 9 · 2 · xe 2 · ye + 13
✓ ◆ ✓ ◆
3 p 2 1 p 2
= 3 · xe · 2 + ye · 2 1 .
2 2
p p
3 · xe2 9· 2 · xe = 3 · ( xe2 3 · 2 · xe)
✓ ◆ !
3p 2 9 (22-2)
= 3· xe 2 .
2 2
ækvivalente ligninger:
p !2 ✓ ◆ (22-3)
xe 3
2 · 2 1 p 2
+ ye · 2 =1 .
p1 2
3
Denne sidste ligning fremstiller en ellipse med centrum i e C = p ( x01, y0p) = (1, 2) (med hensyn
3
til de gamle koordinater) svarende til v C = ( xe0 , ye0 ) = ( 2 · 2 , 2 · 2) (med hensyn til de
nye koordinater) og halvakserne p13 og 1 , se figurerne 22.1 og 22.2. Det nye koordinatsystem
fremkommer ved drejning af det gamle koordinatsystem med drejningsvinklen f = p/4.
Figure 22.2: Grafen for funktionen med den elliptiske niveaukurve i niveau 0 for funk-
tionen i eksempel 22.1.
1 29 12
· H f ( x, y) = .
2 12 36
45 0 (22-4)
L= .
0 20
3/5 4/5
Q= .
4/5 3/5
Figure 22.3: Grafen for den funktion, der blot er løftet 1/2 i forhold til værdierne for
funktionen i eksempel 22.1. Niveaukurven K0 ( f ) i niveau 0 er tilsvarende mindre med
tilsvarende mindre halvakser, men den er orienteret efter de samme akseretninger.
Dette er ligningen for en ellipse med centrum i e C = ( x0 , y0 ) = (4/5, 22/5) (med hensyn til de
gamle koordinater) svarende til v C = ( xe0 , ye0 ) = (4, 2) (med hensyn til de nye koordinater)
og halvakserne 2 og 3, se figur 22.4. Det nye koordinatsystem fremkommer ved drejning af
det gamle koordinatsystem med drejningsvinklen f = arccos(3/5).
f ( x, y) = 11 · x2 + 4 · y2 24 · x · y 20 · x + 40 · y 60 .
r f ( x, y) = (22 · x 24 · y 20 , 24 · x + 8 · y + 40) .
1 11 12
· H f ( x, y) = .
2 12 4
20 0
L= .
0 5
4/5 3/5 cos( j) sin( j)
Q= = , hvor j= arcsin(3/5) .
3/5 4/5 sin( j) cos( j)
ligninger:
f ( x, y) = 0 = fe( xe, ye)
✓ ◆ ✓ ◆ (22-7)
xe 1 2 ye 2 2
p p =1 .
3 2· 3
Ligningerne fremstiller en hyperbel med centrum i e C = ( x0 , y0 ) = (2, 1) (med hensyn til de
gamle koordinater)
p svarende p til v C = ( xe0 , ye0 ) = (1, 2) (med hensyn til de nye koordinater)
og halvakserne 3 og 2 · 3. Det nye koordinatsystem fremkommer ved drejning af det
gamle koordinatsystem med drejningsvinklen f = arcsin(3/5).
Funktionen har et stationært punkt i centrum med værdien 60. Hesse-matricen er indefinit
og derfor er det stationære punkt hverken et lokalt minimumpunkt eller maksimumpunkt.
5 2 1 2 3 p p 21
f ( x, y) = ·x + ·y + · 3·x·y+5·x 3· 3·y .
4 4 2 4
5 3 p 3 p 1 p
r f ( x, y) = ( · x + · 3· y +5, · 3· x + · y 3· 3) .
2 2 2 2
" p #
1 5/2 3 · 3/4
· H f ( x, y) = p .
2 3/4 1/4
1 0 (22-8)
L= .
0 2
" p #
Q= p1/2 3/2
=
cos(p/3) sin(p/3)
.
3/2 1/2 sin(p/3) cos(p/3)
p 21
fe( xe, ye) = xe2 2 · ye2 2 · xe 4· 3 · ye
4
p 1
= ( xe 1)2 2 · (ye + 3)2 .
4
Den andengradsligning som giver niveaukurven K0 ( f ) er derfor givet ved hver af følgende
eNote 22 22.2 ANDENGRADSLIGNINGER I TRE VARIABLE 8
Det er en hyperbel med centrum i e Cp= ( x0 , y0 ) = (2, 0) (med hensyn til de gamle koordinater)
svarende til v C
p = ( xe0 , ye0 ) = (1, 3) (med hensyn til de nye koordinater) og halvakserne
1/2 og 1/(2 · 2), se figur 22.5. Det nye koordinatsystem fremkommer ved drejning af det
gamle koordinatsystem med drejningsvinklen f = p3 .
Funktionen har et stationært punkt i centrum med værdien 1/4. Hesse-matricen er in-
definit og derfor er det stationære punkt hverken et lokalt minimumpunkt eller maksi-
mumpunkt, som det også tydeligt fremgår af figur 22.5.
Figure 22.5: Grafen for funktionen fra eksempel 22.4 med snit i niveau 0, gradientfelt,
niveaukurver og specielt niveaukurven K0 ( f ).
f ( x, y, z) = 7 · x2 + 6 · y2 + 5 · z2 4·x·y 4·y·z 2 · x + 20 · y 10 · z + 15 .
2 3
7 2 0
1
· H f ( x, y, z) = 4 2 6 2 5 .
2
0 2 5
2 3
9 0 0
L=4 0 6 0 5 .
0 0 3
2 3
2/3 2/3 1/3
Q= 4 2/3 1/3 2/3 5 .
1/3 2/3 2/3
z) = 9 · xe2 + 6 · ye2 + 3 · e
fe( xe, ye, e z2 18 · xe 12 · ye 6·e
z + 15
2 2 2
= 9 · ( xe 1) + 6 · (ye 1) + 3 · ( e
z 1) 3 .
(22-10)
Den andengradsligning som giver niveaufladen K0 ( f ) er derfor givet ved hver af følgende
ækvivalente ligninger:
Det er ligningen for en ellipsoide med centrum i e C = ( x0 , y0 , z0 ) = ( 1/3, 5/3, 173) (med
hensyn til de gamle koordinater) svarende til v C = ( xe0 , ye0 , e
z0 ) = (1, 1, 1) (med hensyn til de
1 1
nye koordinater) og halvakserne p3 og p , og 1, se figur 22.6 og navnetabellen i afsnit 22.3.
2
Det nye koordinatsystem fremkommer ved rotation af det gamle koordinatsystem med den
positive ortogonale substitution Q.
eNote 22 22.2 ANDENGRADSLIGNINGER I TRE VARIABLE 10
Figure 22.6: Niveaufladen K0 ( f ) for den funktion som er analyseret i eksempel 22.5.
Det nye roterede koordinatsystem hvori ellipsoiden har reduceret form er antydet med
den røde xe-akse, bl ye-akse, og grønne e
z-akse.
f ( x, y, z) = x2 + 2 · y2 + z2 + 2 · x 4·y+2·z 4·x·z 1 .
r f ( x, y, z) = (2 · x 4 · z + 2, 4·y 4, 4 · x + 2 · z + 2) .
2 3
1 0 2
1 4
· H f ( x, y, z) = 0 2 0 5 .
2
2 0 1
(22-12)
2 3
3 0 0
L=4 0 2 0 5 .
0 0 1
2 p p 3
2/2 0 2/2
Q = 4 p0 1 p0
5 .
2/2 0 2/2
p
z) = 3 · xe2 + 2 · ye2
fe( xe, ye, e z2
e 4 · ye 2 · 2 · e
z 1
⇣ p ⌘2 (22-13)
= 3 · xe2 + 2 · (ye 1)2 z+ 2
e 1 .
Den andengradsligning som giver niveaufladen K0 ( f ) er derfor givet ved hver af følgende
ækvivalente ligninger:
r f ( x, y, z) = ( 2 · x + 2, y 5 · z + 4, 5 · y + z + 4) .
2 3
1 0 0
1 4
· H f ( x, y, z) = 0 1/2 5/2 5 .
2
0 5/2 1/2
2 3
3 0 0
(22-15)
L=4 0 2 0 5 .
0 0 1
2 3
p0 1 p0
Q = 4 p 2/2 0 p2/2 5 .
2/2 0 2/2
p
z) = 3 · xe2
fe( xe, ye, e ye2 2·ez2 + 2 · ye + 4 · 2 · e
z 6
⇣ p 2 ⌘
= 3 · xe2 (ye 1)2 2 · e z 2 1 .
eNote 22 22.3 NAVNETABEL FOR ANDENGRADSPOLYNOMIERS NIVEAUFLADER 13
Det er ligningen for en hyperboloide med to net der har centrum i e C = ( x0 , y0 , z0 ) = (1, 1, 1)
p
(med hensyn til de gamle koordinater) svarende til v C = ( xe0 , ye0 ) = (0, 1, 2) (med hensyn
til de nye koordinater) og halvakserne p13 , p1 og 1 – se figur 22.8.
2
Figure 22.8: En hyperboloide med to net er niveaufladen K0 ( f ) for den funktion, der
analyseres i eksempel 22.7.
Opgave 22.8
Opgave 22.9
Vi vil her kort skitsere hvordan man kan parametrisere en niveauflade for et andengrads-
polynomium i tre variable med henblik på at kunne plotte og undersøge dens øvrige
geometriske egenskaber. Som eksempel vil vi benytte en ellipsoide med givet (eller fun-
det) centrum C, givne halvakser (aflæst fra diaognalmatricen L), og givne orienterings-
vektorer e v1 , e v2 , og e v3 (fra den positive ortogonale substitutionsmatrix Q) – altså netop
ud fra de data der bestemmes via reduktionsanalysen eksemplificeret ovenfor.
hvor d er en positiv konstant og hvor v C = ( xe0 , ye0 , ze0 ) er koordinaterne for ellipsoidens
centrum med hensyn til det nye koordinatsystem, således at centerkoordinaterne med
hensyn til det gamle system er givet ved: e C = Q · v C. Vi har altså følgende ingredienser
eNote 22 22.4 PARAMETRISERING AF EN ELLIPSOIDE 16
eC = (C1 , C2 , C3 )
d
a= p
l1
d
b= p (22-18)
l2
d
c= p
l
⇥ 3 ⇤
Q = e v1 e v2 e v3 .
Vi vil udelukkende betragte koordinater, der refererer til den sædvanlige basis e i (R n , ·).
x2 + y2 + z2 = sin2 (u) · cos2 (v) + sin2 (u) · sin2 (v) + cos2 (u)
⇣ ⌘
= sin2 (u) · sin2 (u) + cos2 (u) + cos2 (u) (22-21)
= sin2 (u) + cos2 (u) = 1 ,
Opgave 22.10
Vis, at den anden påstand om r(u, v) også er rigtig, altså at alle punkter på kuglefladen
’rammes’ af r(u, v) når u og v gennemløber intervallerne u 2 [0, p ] og v 2 [ p, p ]. Findes der
punkter på kuglefladen som rammes mere end én gang? Beskriv i så fald den punktmængde
og hvor ’mange gange’ de punkter rammes.
d d d
r1 (u, v) = ( p · sin(u) · cos(v), p · sin(u) · sin(v), p · cos(u)) , (22-22)
l1 l2 l3
l1 · x 2 + l2 · y2 + l3 · z2 = d2
0 12 0 12 0 12 (22-23)
@ x A +@ y A +@ z A = 1
d p d d p p
l1 l2 l3
Til sidst roterer vi ellipsoiden med rotationsmatricen Q og parallelforskyder til det kor-
rekte ønskede centrum:
En konkret ellipsoide er givet ved følgende data, som stammer fra en undersøgelse af anden-
gradspolynomiet
eC = (1, 1, 1)
1
a= p
3
1
b= p
2 (22-27)
c=1
2 p p 3
1/ 2 0 1/ 2
Q=4 0p 1 0p 5 .
1/ 2 0 1/ 2
Vi vil konstruere en parameterfremstilling på formen r2 (u, v) som i (22.4.25) for den givne
ellipsoide. Den skalerede kugleflade er givet ved:
✓ ◆
1 1
r1 (u, v) = p · sin(u) · cos(v), p · sin(u) · sin(v), cos(u) (22-28)
3 2
og den Q-roterede skalerede kugleflade parallelforskudt til punktet (1, 1, 1) får derefter pa-
rameterfremstillingen:
r2 (u, v) =
1 1
= ( p · sin(u) · cos(v) p · cos(u) + 1 ,
6 2
1 (22-29)
p · sin(u) · sin(v) + 1 ,
2
1 1
p · sin(u) · cos(v) p · cos(u) + 1) .
6 2
Konstruktionen er antydet i figur 22.10.
eNote 22 22.4 PARAMETRISERING AF EN ELLIPSOIDE 19
Figure 22.10: Konstruktion af ellipsoiden fra eksempel 22.11 ud fra data om beliggen-
hed, akser, og rotationsmatrix.
r f ( x, y, z) = (4 · x 2·z 2, 4· y 4, 2·x+4·z 2) .
2 3
2 0 1
1
· H f ( x, y, z) = 4 0 2 0 5 .
2
1 0 2
2 3
3 0 0
L=4 0 2 0 5 . (22-30)
0 0 1
2 p p 3
2/2 0 2/2
Q= 4 5 .
p0 1 p0
2/2 0 2/2
p
z) = 3 · xe2 + 2 · ye2 + e
fe( xe, ye, e z2 4 · ye + 2 · 2 · e
z+3
⇣ p ⌘2
= 3 · xe2 + 2 · (ye 1)2 + e z+ 2 1 .
eNote 22 22.4 PARAMETRISERING AF EN ELLIPSOIDE 20
22.5 Opsummering
eNote 23
Riemann-integraler
I denne eNote vil vi opstille og give eksempler på de teknikker, metoder, og resultater, som er helt
nødvendige hjælpemidler når vi skal finde længder af kurver, arealer af plane områder og af
overflader, samt rumfang, massemidtpunkter, og inertimomenter af rumlige områder etc. Det
handler i første omgang om at kunne integrere og om at kunne finde stamfunktioner til givne
kontinuerte funktioner, især til funktioner af én variabel. Vi vil derfor et par gange referere til
eNote 14. Vi skal i denne eNote se hvordan uendelige summer af uendeligt små addender i
grænsen fører til de såkaldte Riemann-integraler, som igen kan udtrykkes og beregnes ved brug
af passende stamfunktioner. Metoderne og de fundamentale resultater for Riemann-integralerne
er ikke afgørende forskellige i de dimensioner vi betragter, men vi vil alligevel diskutere og
analysere betegnelser, resultater, og eksempler helt eksplicit for funktioner af én, to, og tre
variable med henblik på at kunne bruge Riemann-integralerne mest effektivt i de anvendelser,
som dyrkes i de eNoter der handler om integration i flere variable.
23.1 Indledning
Det værktøj – den metode – der kan besvare disse spørgsmål, hedder integration. Det
vil sige, vi skal kunne integrere givne funktioner f ( x ) og finde stamfunktioner til dem.
eNote 23 23.2 RUMFANG-PROBLEMET 2
Figure 23.1: Kuglefyldninger med kubiske klodser. Den antydede kugle, som ønskes fyldt med
klodserne, har radius 1. Til venstre er der plads i kuglen til 8 klodser hver med sidelængde 0.5;
i midten er der brugt 304 klodser, hver med sidelængden 0.2; til højre er benyttet 3280 klodser,
hver med sidelængden 0.1.
23.2 Rumfang-problemet
Rumfanget af et givet område i rummet, f.eks. en massiv kugle med radius 1, kan
bygges op af standard-elementer med simplest mulig kasseformet geometri, for eksem-
pel kubiske klodser. Men resultatet af en sådan opbygning af kuglen kan jo kun blive en
grov tilnærmelse til kuglen, se figur 23.1. Og summen af de kubiske klodsers rumfang
er derfor kun en grov tilnærmelse til kuglens rumfang.
eNote 23 23.2 RUMFANG-PROBLEMET 3
Hvis vi imidlertid fylder den samme kugle med kubiske klodser, der hver for sig har
1000 gange mindre rumfang (altså 10 gange mindre sidelængde) er det klart, at den
ønskede kugle derved kan tilnærmes meget bedre ved brug af (mere end 1000 gange)
flere kubiske klodser; og det er stadig (i princippet) en simpel sag at lægge alle klod-
sernes rumfang sammen. Det giver dermed også en meget bedre værdi for rumfanget
af kuglen.
Når først dette er klart, så er ønsket selvfølgelig at ’gå til grænsen’ ved at lade an-
tallet af standard-klodser gå imod uendelig samtidig med at de benyttede klodser gøres
tilsvarende mindre i hvert forsøg. Og således pakke og udfylde kuglen bedre og bedre,
med flere og flere, mindre og mindre kuber, og derved opnå Archimedes’ resultat i
grænsen.
Men hvordan lægger vi uendelig mange uendelig små rumfang sammen? Og går det
virkelig godt? Integrationsbegrebet og de tilhørende stamfunktionsbestemmelser giver
præcise anvisninger og overraskende positive svar på begge disse spørgsmål.
Vi viser i denne eNote hvilke formelle overvejelser og metoder, der ligger bag den suc-
ces og tager dernæst straks i de efterfølgende eNoter fat på at bruge integrationsteknikkerne
til at bestemme længder af kurver, arealer af fladestykker, rumfang af rumlige områder,
etc.
I eNoten om integration i tre variable vises for eksempel, hvordan kuglens rumfang kan
beregnes eksakt ved hjælp af ’udfyldninger’ med kasseformede blokke (med forskellig
størrelse og form i stil med udfyldningerne af kuglen ovenfor), se figurerne 23.1, 23.2
og eksempel 23.26.
eNote 23 23.3 APPROKSIMERENDE SUMMER OG EKSAKTE INTEGRALER 4
På den reelle u-akse betragter vi en fast valgt kontinuert reel funktion f (u) på intervallet
[0, 1], f.eks. f (u) = 1 + u + u2 . For et givet helt tal n > 0 gør vi nu følgende. Først deles
intervallet [0, 1] i n lige store delintervaller, som derved hver får længden du = n1 .
Delintervallernes venstre endepunkter har u koordinaterne:
1 2 3 n 2 n 1
u1 = 0, u2 = , u3 = , u4 = ,··· , un 1 = , un = .
n n n n n
Det vil sige, at det i’te intervals venstre endepunkt har u koordinaten ui = (i 1) n1 =
(i 1) du , hvor i = 1, 2, 3, ..., n 1, n .
Opgave 23.1
Figure 23.3: Gottfried Wilhelm von Leibniz (til venstre) og Georg Friedrich Bernhard Riemann.
Opgave 23.2
Den vægtede sum er ikke blot begrænset for alle n . Det viser sig nemlig, at den også har
en grænseværdi for n gående imod uendelig – i hvert fald hvis f (u) er kontinuert; det
er den grænseværdi vi kalder Riemann-integralet af f (u) over intervallet [0, 1] (efter
B. Riemann, se figur 23.3). Selve grænseværdien betegnes (efter G. Leibniz, se figur 23.3)
med følgende notation
Z 1
lim I( f , n, [0, 1]) = f (u) du . (23-2)
n!• 0
eNote 23 23.3 APPROKSIMERENDE SUMMER OG EKSAKTE INTEGRALER 6
i=n
I( f , n, [0, 1]) = Â f (ui ) du
i =1
i=n
1
= Â a·
n
i =1
(23-3)
a i=n
n iÂ
= · 1
=1
a
= ·n
n
=a ,
eNote 23 23.3 APPROKSIMERENDE SUMMER OG EKSAKTE INTEGRALER 7
således at Z 1
lim I( f , n, [0, 1]) = a du = a . (23-4)
n!• 0
Lad f (u) = a + b · u for u 2 [0, 1], hvor a og b er konstanter. Det vil sige at grafen for f (u) er
et ret linjestykke over intervallet u 2 [0, 1] på u-aksen. Så er
i=n
I( f , n, [0, 1]) = Â f (ui ) du
i =1
i=n
1
= Â ( a + b · ui ) ·
n
i =1
i=n ✓ ◆
1 1
= Â a + b · (i 1) ·
n
·
n
i =1
! ! (23-5)
i=n i=n
1 1
= a· Â n
+b· Â (i 1) · 2
n
i =1 i =1
i=n i=n
i 1
= a+b· Â b· Â
i =1
n2 i =1
n2
i=n
1 1
= a+b·
n2 Â i b·
n
,
i =1
sådan at
( n + 1) 1
I( f , n, [0, 1]) = a + b · b· . (23-7)
2·n n
Det følger heraf, at
1
lim I( f , n, [0, 1]) = a + b · , (23-8)
n!• 2
og dermed
Z 1
1
a + b · u du = a + ·b . (23-9)
0 2
Bemærk, at den fundne værdi er præcis arealet af området imellem grafen for f (u) = a + b · u
og u-aksen over intervallet [0, 1] for så vidt grafen der ligger helt over u-aksen.
eNote 23 23.3 APPROKSIMERENDE SUMMER OG EKSAKTE INTEGRALER 8
Hvis vi benytter den samme strategi som ovenfor, men nu med en deling af det mere
generelle interval [ a, b] på u -aksen i n lige store delintervaller, har vi følgende sætning:
i=n Z b
I( f , n, [ a, b]) = Â f (ui ) du !
a
f (u) du for n!• . (23-11)
i =1
Opgave 23.6
og sammenlign med arealet af området mellem (den retlinjede) grafen for f (u) og u-aksen.
Summer af typen I( f , n, [ a, b]) vil vi i det følgende kalde integralsummer. Det er ek-
sistensen af grænseværdier af disse integralsummer, der er det helt afgørende for vort
Rb
forehavende. Bemærk for eksempel, at grænseværdien a f (u) du jo nu er det bedste
bud på, hvad vi skal forstå ved arealet af det plane område imellem u aksen og grafen
for f (u) over intervallet [ a, b] (for så vidt at f (u) er positiv i hele intervallet). I opgave
eNote 23 23.4 STAMFUNKTIONSBESTEMMELSE 9
23.4 Stamfunktionsbestemmelse
Her er nogle eksempler på stamfunktioner til nogle velkendte funktioner f ( x ) (vi an-
eNote 23 23.4 STAMFUNKTIONSBESTEMMELSE 10
Z
f (x) = a , F(x) = f ( x ) dx = ax
Z
4 3
f (r ) = 4pr2 , F (r ) = f (r ) dr = pr
Z 3
f (t) = 1/(1 + t2 ) , F (t) = f (t) dt = arctan(t)
Z
2 1 1
f (u) = 1 + u + u , F (u) = f (u) du = u + u2 + u3 (23-15)
2 3
Z r r !
p 2
f ( x ) = sin( x2 ) , F(x) = f ( x ) dx = · FresnelS x ·
2 p
Z
x2 1p
f (x) = e , F(x) = f ( x ) dx = p erf( x )
Z 2
f ( x ) = ex , F(x) = f ( x ) dx = ex .
Da vi i de eNoter der handler om integration i flere variable har udstrakt brug for
at kunne finde stamfunktioner – også for lidt mere indviklede integrand-funktioner –
nævner vi følgende to sætninger, der kan være en hjælp til omformning af givne stam-
funktionsproblemer til bestemmelse af simplere stamfunktioner.
Bevis
Vi skal blot vise, at de to sider af ligningen (23.4.16) har samme differentialkvotienter for alle
x! To funktioner er stamfunktioner for den samme integrandfunktion, hvis deres differens er
en konstant. De afledede er ens fordi:
✓Z ◆
d
f ( x ) · g( x ) dx = f ( x ) · g( x )
dx
✓ Z ◆ (23-17)
d 0
F ( x ) · g( x ) F ( x ) · g ( x ) dx = F 0 ( x ) · g( x ) + F ( x ) · g0 ( x ) F ( x ) · g0 ( x )
dx
= f ( x ) · g( x ) .
Opgave 23.9
Bevis
Vi skal igen vise, at de to sider i (23.4.19) har samme differentialkvotient for alle x:
✓Z ◆
d
f ( x ) dx = f ( x ) og
dx
✓Z ◆
d 0
f ( g(u)) · g (u) du
dx u= g 1 (x)
✓Z ◆
d 0 d ⇣ 1
⌘
= f ( g(u)) · g (u) du · g (x)
du u= g 1 (x) dx
1
= f ( g(u)) · g0 (u) u= g 1 (x) ·
g0 (u)
= f ( g(u))
= f (x) ,
(23-20)
hvor vi undervejs har benyttet reglen om differentiation af sammensatte funktioner
(kædereglen) og reglen om differentiation af omvendte funktioner, se eNote 14.
Vi indsætter og får:
Z Z p
x
f ( x ) dx = dx
✓Z 1 + x ◆
u
= · 2 · u du
1 + u2 u= g 1 ( x )
✓Z 2
◆
u +1 1
= 2· du (23-24)
1 + u2 p
u= x
✓Z ✓ ◆ ◆
1
= 2· 1 du
1 + u2 u= x
p
= 2 · (u arctan(u))u=px
p p
= 2· x arctan( x ) , x 2 ]0, •[ .
Opgave 23.12
2
Bestem samtlige stamfunktioner til funktionen f ( x ) = x · ex .
23.5 Fundamental-sætningen
Vi vil ikke her bevise fundamentalsætningen – blot bemærke, at man godt kan
forvente, at stamfunktionen til f (u) kan give integralsummens grænseværdi
som i sætning 23.13: Hvis vi for et givet n lader
Fb( x0 ) = I( f , n, [ a, x0 ]) (23-26)
Fb( x ) = I( f , n + 1, [ a, x ])
= I( f , n, [ a, x0 ]) + f (un+1 ) · du (23-27)
= Fb( x0 ) + f ( x0 ) · ( x x0 ) ,
Opgave 23.14
Lad f (u) = 1 + u + u2 , u 2 [ 1, 1] . Så er
i=n ✓ ◆ ✓ ◆2 !
2 2 2
I( f , n, [ 1, 1]) = Â 1+ 1 + (i 1)
n
+ 1 + (i 1)
n n
i =1
✓ ◆ (23-28)
i=n
8 + 4 n + 2 n2 16 i 4i n + 8i2
= Â n3
.
i =1
Benyt tabellen over del-summerne nedenfor til at beregne summen i (23.5.28) som funktion
af n og dernæst til at eftervise
Z 1
8
lim I( f , n, [ 1, 1]) = 1 + u + u2 du = F (1) F (0) = , (23-29)
n!• 1 3
Der gælder følgende om størrelsen af de del-summer, der (pånær faktorer, som kan sættes
udenfor  tegnet) optræder i det sidste udtryk for I( f , n, [ 1, 1]) i ligning (23.5.28 ):
i=n ✓ ◆ i=n
1 1 1
 n3
=
n3 Â 1 =
n2
,
i =1 i =1
i=n ⇣ n ⌘ ✓ ◆
i=n i=n
1 1 1
 n3 =  n2 = n2  1 = n , (23-30)
i =1 i =1 i =1
i=n ✓ 2 ◆ i=n ✓ ◆ i=n
n 1 1
 n3 =  n = n  1 = 1 ,
i =1 i =1 i =1
eNote 23 23.5 FUNDAMENTAL-SÆTNINGEN 16
i=n ✓ ◆ i=n
i 1 n+1
 n3
=
n3 Â i =
2 n2
,
i =1 i =1
i=n ✓ ◆ ✓ ◆ i=n i=n
in i 1 n+1
 n 3
= Â
n 2
= 2Â i =
n i =1 2n
,
(23-31)
i =1 i =1
i=n ✓ ◆ i=n ✓ ◆
in i 1 i=n n+1
 n2
= Â n
=
n Âi= 2 ,
i =1 i =1 i =1
i=n ✓ ◆ i=n
i2 1 2 n2 + 3 n + 1
 n3
=
n3 Â i2 =
6 n2
i =1 i =1
i=n ✓ ◆ i=n
i2 1 2 n2 + 3 n + 1
 n2
=
n2 Â i2 =
6n (23-32)
i =1 i =1
i=n ✓ 2◆ i=n
i 1 2 n2 + 3 n + 1
 n
= Â i2 =
n i =1 6
i =1
således at Z u0
cos(u) du = sin(u0 ) (23-35)
0
eNote 23 23.5 FUNDAMENTAL-SÆTNINGEN 17
nemlig for funktionen f (u) = cos(u2 ) med du = 1/n over intervallet [0, 1]. Ifølge fundamen-
talsætningen har vi derfor:
Z 1
S(n) ! cos(u2 ) du for n!• . (23-39)
0
Den stamfunktion F (u) til f (u) = cos(u2 ) som har værdien F (0) = 0 i u = 0, kan udtrykkes
ved en funktion der hedder FresnelC(u):
Z r r !
p 2
F (u) = cos(u2 ) du = · FresnelC u · , (23-40)
2 p
sådan at:
✓ ◆ r r !
1 k=n (k 1)2 p 2
n kÂ
cos ! · FresnelC = 0.905 for n!• . (23-41)
=1
n2 2 p
Tilsvarende er den funktion som benævnes FresnelS stamfunktion til sin(u2 ) (med værdien
0 i u = 0), således at
✓ ◆ r r !
1 k=n ( k 1)2 p 2
n kÂ
sin 2
! · FresnelS = 0.310 for n ! • . (23-42)
=1
n 2 p
eNote 23 23.6 DOBBELTSUMMER OG DOBBELTINTEGRALER 18
Sætning 23.17
Lad f (u, v) betegne en kontinuert reel funktion på et rektangel [ a, b] ⇥ [c, d] i (u, v)-
planen. Intervallet [ a, b] deles i n lige store delintervaller og intervallet [c, d] deles i
m lige store delintervaller. Så har hvert u-delinterval længden du = (b a)/n og
hvert v-delinterval har længden dv = (d c)/m. Tilsvarende bliver delepunkternes
koordinater i (u, v)-parameterområdet (som jo er rektanglet [ a, b] ⇥ [c, d] i R2 ):
(u1 , v1 ) = ( a, c),
(u1 , v j ) = ( a, c + ( j 1)dv ),
( u i , v1 ) = ( a + ( i 1)du , c),
(23-43)
( ui , v j ) = ( a + (i 1)du , c + ( j 1)dv ),
....
(un , vm ) = ( a + (n 1)du , c + (m 1)dv ) .
Lad nu II( f , n, m, [ a, b] ⇥ [c, d]) betegne følgende dobbeltsum, hvor hver addend er
et vægtet areal; vægtene er de respektive værdier af f (u, v) i hvert af de ovenfor de-
finerede nederste venstre hjørnepunkter i de rektangler der opdeler parameterom-
rådet, og hvert enkelt del-areal er det konstante areal af hver del-rektangel du · dv :
Summer af typen II( f , n, m, [⌘a, b] ⇥ [c, d] ) vil vi kalde dobbelt integralsummer og græn-
R d ⇣R b
seværdien c a f ( u, v ) du dv kaldes tilsvarende igen Riemann-integralet af f (u, v)
over [ a, b] ⇥ [c, d] .
Sætning 23.18
Lad f (u, v) betegne en kontinuert funktion på [ a, b] ⇥ [c, d] . Antag, at F (u, v) er en
(vilkårlig) stamfunktion for f (u, v) (betragtet som en funktion af den ene variabel
u) for et vilkårligt givet v 2 [c, d] . Lad dernæst G ( a, v) være en vilkårlig stamfunk-
tion til F ( a, v) og lad G (b, v) være en vilkårlig stamfunktion til F (b, v). Så gælder
følgende:
⇣ ⌘ Z d ✓Z b ◆
lim lim II( f , n, m, [ a, b] ⇥ [c, d]) = f (u, v) du dv
n !• m !• c a
Z d
= [ F (u, v) ]uu= b
= a dv
c
Z d
= ( F (b, v) F ( a, v)) dv (23-48)
c
= [ G (b, v) ]vv=
=c
d
[ G ( a, v) ]vv=
=c
d
Figure 23.6: Volumen-repræsentation af integralsummen II( f , 10, 10, [0, 1] ⇥ [0, 1]) for funktio-
nen f (u, v) = u v .
eNote 23 23.7 FUNDAMENTAL-SÆTNINGEN FOR DOBBELTE INTEGRALSUMMER 22
Volumen-repræsentation af integralsummen II( f , 10, 10, [0, 1] ⇥ [0, 1]) for funktionen
f (u, v) = u v er vist i figur 23.6. De 100 addender i summen er til højre repræsenteret
ved søjler med samme kvadratiske tværsnit og med højder, som er givet ved de respektive
værdier af funktionen f (u, v) = u v i (u, v)-kvadratets delepunkter. Der opnås derved en
approksimation til rumfanget af det område i rummet, der er afgrænset af ( x, y) planen og
graf-fladen for funktionen f ( x, y) = xy over kvadratet ( x, y) 2 [0, 1] ⇥ [0, 1], som vist til
venstre. Det eksakte rumfang er 14 .
Sætning 23.22
Lad f (u, v, w) betegne en kontinuert reel funktion på et kasseformet parameterom-
råde [ a, b] ⇥ [c, d] ⇥ [ h, l ] i (u, v, w)-rummet. Intervallet [ a, b] deles i n lige store delin-
tervaller, intervallet [c, d] deles i m lige store delintervaller, og intervallet [ h, l ] deles
i q lige store delintervaller. Så har hvert u-delinterval længden du = (b a)/n,
hvert v-delinterval har længden dv = (d c)/m og hvert w-delinterval har læng-
den dw = (h l )/q. Tilsvarende bliver delepunkternes koordinater i (u, v, w)-
parameterområdet [ a, b] ⇥ [c, d] ⇥ [ h, l ] i R3 :
(u1 , v1 , w1 ) = ( a, c, h),
.... (23-53)
(un , vm , wq ) = ( a + (n 1)du , c + (m 1)dv , h + (q 1)dw ) .
Lad nu III( f , n, m, q, [ a, b] ⇥ [c, d] ⇥ [ h, l ]) betegne følgende :
III( f , n, m, q, [ a, b] ⇥ [c, d] ⇥ [ h, l ])
! !
k=q j=m i=n (23-54)
= Â Â Â f ui , v j , wk du dv dw .
k =1 j =1 i =1
Så gælder
✓ ✓ ◆◆
lim lim lim III( f , n, m, q, [ a, b] ⇥ [c, d] ⇥ [ h, l ])
n !• m !•
q !•
Z l ✓Z d ✓Z b ◆ ◆ (23-55)
= f (u, v, w) du dv dw .
h c a
Sætning 23.23
Lad f (u, v, w) betegne en kontinuert funktion på [ a, b] ⇥ [c, d] ⇥ [ h, l ] .
Antag, at F (u, v, w) er en (vilkårlig) stamfunktion for f (u, v, w) (betragtet som en
funktion af den ene variabel u) for vilkårligt givne v 2 [c, d] og w 2 [ h, l ] .
• Lad G (b, v, w) være en vilkårlig stamfunktion til F (b, v, w) (igen betragtet som
en funktion af den ene variabel v) for vilkårligt givet w 2 [ h, l ] .
Så gælder :
✓ ✓ ◆◆
lim lim lim III( f , n, m, q, [ a, b] ⇥ [c, d] ⇥ [ h, l ])
n !• m !•q !•
Z l ✓Z d ✓Z b ◆ ◆
= f (u, v, w) du dv dw (23-56)
h c a
= H (b, d, l ) H (b, d, h) ( H (b, c, l ) H (b, c, h))
(( H ( a, d, l ) H ( a, d, h)) ( H ( a, c, l ) H ( a, c, h))) .
mens Z 1 ✓Z 1 ✓Z 1 ◆ ◆
1
w v u du dv dw = , (23-58)
0 0 0 8
Som gennemgået i eNoten om integration over rumlige områder beregnes volumenet af den
massive enhedskugle ved følgende tredobbelte Riemann-integral (som vil blive motiveret i
den eNote). Dermed verificeres Archimedes’ resultat:
Z 1 ✓Z p ✓Z p ◆ ◆
2
Vol(Enhedskuglen) = w sin(u) du dv dw
0 p 0
✓
Z 1 Z p ◆
2 u=p
= w [ cos(u) ]u=0 dv dw
0 p
Z 1 ✓Z p ◆
2
= 2 w dv dw
0 p
Z 1 (23-59)
= 2 w2 [ v ]vv= p
= p dw
0
Z 1
= 4p w2 dw
0
= 4p [w3 /3 ]w =1
w =0
4p
= .
3
eNote 23 23.10 OPSUMMERING 27
23.10 Opsummering
I denne eNote har vi beskæftiget os med basis for de metoder og resultater, der er
helt uomgåelige hjælpemidler for at kunne finde længder, arealer, rumfang, massemidt-
punkter, inertimomenter etc. af henholdsvis kurver, og områder i plan og rum.
hvor
b a)
ui = a + (i 1) · du og du = . (23-61)
n
• Helt tilsvarende grænseværdier for tilsvarende summer for kontinuerte funktioner
af to og tre variable er opstillet og eksemplificeret.
eNote 24 1
eNote 24
Kurve- og plan-integraler
Vi vil her med udgangspunkt i de metoder og resultater der er opstillet i eNote 21 vise, hvordan
Riemann-integralerne derfra kan benyttes til blandt andet at finde længder af kurver og arealer
af plane områder, for så vidt de er beskrevet på en passende parameterform.
24.1 Kurveintegraler
Figure 24.1: Linjestykket fra (0, 2, 12 ) til (0, 2, 12 ) er her parametriseret på 3 forskellige
måder: r1 (u) = 0, 2u, 12 , u 2 [ 1, 1] ; r2 (u) = 0, 2 u3 , 12 , u 2 [ 1, 1] , og r3 (u) =
0, 2 sin( p2 u), 12 , u 2 [ 1, 1] . Markeringerne på de enkelte linjestykker stammer fra den ind-
deling af det fælles parameterinterval [ 1, 1] som består af 20 lige store delintervaller. Bemærk,
at længden af de tre ’kurver’ klart er den samme, selv om parametriseringerne er ret forskellige.
Se Opgave 24.16.
Opgave 24.2
Man kan gerne tænke på intervallet [ a, b] som en retlinet elastik i hvile. Vektor-
afbildningen r deformerer elastikken (ind i rummet) ved at bøje, strække
eller komprimere elastikken. En lokal strækning gør selvfølgelig elastikken
lokalt længere, mens en lokal komprimering gør elastikken lokalt kortere. Et
første naturligt spørgsmål er derfor hvor lang hele elastikken er efter brug af
afbildningen r. Kurveintegralet indføres blandt andet med henblik på at finde
den totale længde af den deformerede kurve i rummet.
Jacobi-funktionen Jacobir (u) betegner altså længden af tangentvektoren r0 (u) til kur-
ven på stedet r(u).
Læg mærke til, at det symbol, der står på venstre side af lighedstegnet i (24.1.4),
kun er et symbol for kurveintegralet. Det integral vi skal regne ud står på højre
side. Og det kan lade sig gøre at integrere, fordi både f , r og |r0 | er kontinuerte,
således at integranden er kontinuert.
Hvis vi indsætter r(u) = ( x (u), y(u), z(u)) i udtrykket for kurveintegralet får vi:
Z Z b q
f dµ = f ( x (u), y(u), z(u)) x 0 (u)2 + y0 (u)2 + z0 (u)2 du . (24-6)
Kr a
eNote 24 24.1 KURVEINTEGRALER 6
Bemærkning 24.6
Parameterfremstillingen (24.1.1) for kurven er regulær hvis parameterfremstillingens
Jacobi-funktion er positiv: Jacobir (u) = |r0 (u)| > 0 for alle u i det givne interval
[ a, b] .
Som nævnt, og som vi vil godtgøre nedenfor - i afsnit 24.1.1 om Motivering af kurveinte-
gralet - kan kurveintegraler benyttes til at finde længder af parametriserede kurver og
til at finde den totale masse af parametriserede kurver med givne massetætheder. Hvis
massetætheden er konstant 1 fås længden (man kan finde længden af en sådan kurve
ved at veje den):
har længden L(Cer ) = 15 p svarende til at parametriseringen ’lægger’ det lange interval flere
2
gange rundt på enhedscirklen!
har længden Z Z p q
L ( Kr ) = 1 dµ = x 0 (u)2 + y0 (u)2 + z0 (u)2 du
Kr p
Z p q
= a2 sin2 (u) + b2 cos2 (u) du
p
0s 1
✓ ◆2
b
= 4aE @ 1 A ,
a
har længden
Z Z 2p q
L ( Kr ) = 1 dµ = x 0 (u)2 + y0 (u)2 + z0 (u)2 du
Kr 2p
Z 2p q
= ( sin(u))2 + (cos(u))2 + 1 du
2p
Z 2p p p
= 2 du = 4p 2 .
2p
Opgave 24.15
Opgave 24.16
Vis, at Definition 24.8 giver samme længde for de tre parametriseringer af linjestykket i figur
24.1, samme længde af de to cirkelstykker i figur 24.2 og samme længde af de to skruelinjer i
figur 24.4.
Opgave 24.17
Opgave 24.18
Hvis vi deler intervallet [ a, b] i n lige store dele, så har hvert delinterval længden du =
(b a)/n og delepunkternes koordinater i [ a, b] bliver:
u1 = a,
u2 = u1 + du = a + du ,
u3 = u2 + du = a + 2du ,
(24-10)
u4 = u3 + du = a + 3du ,
....
b = un + du = a + ndu .
Med hver af disse fast valgte værdier af ui som udviklingspunkt kan vi nu bruge Tay-
lor’s grænseformel for hver af de 3 koordinat-funktioner x (u), y(u), og z(u) for r(u) =
eNote 24 24.1 KURVEINTEGRALER 12
( x (u), y(u), z(u)) til første orden og med de tilhørende epsilon-funktioner som følger,
se eNote 17:
x ( u ) = x ( ui ) + x 0 ( ui ) ( u ui ) + # x ( u ui ) · | u ui |
y ( u ) = y ( ui ) + y 0 ( ui ) ( u ui ) + # y ( u ui ) · | u ui | (24-11)
0
z ( u ) = z ( ui ) + z ( ui ) ( u ui ) + # z ( u ui ) · | u ui | .
r ( u ) = r ( u i ) + r0 ( u i ) · ( u
ui ) + #i ( u ui ) · ri , (24-12)
p
hvor vi bruger den korte skrivemåde ri = |u ui | = (u ui )2 for afstanden mellem
den variable værdi u og den faste værdi ui i parameterintervallet. Desuden gælder at
vektoren #i (u ui ) = ( # x (u ui ), # y (u ui ), # z (u ui ) ) ! (0, 0, 0) = 0 for u ! ui
.
Længden af en kurve
Summen af disse n længder er (for store værdier af n) klart en god approksimation til
længden af kurven, således at vi kan skrive
n n
Lapp (n) = Â D Li = Â |r0 (ui )| · du , (24-15)
i =1 i =1
eNote 24 24.1 KURVEINTEGRALER 13
Da ovenstående sum er en integralsum (se eNote 21) for den kontinuerte funktion
|r0 (u)| over intervallet [ a, b] , opnås i grænsen, hvor n går imod uendelig:
Z b
Lapp (n) ! L = |r0 (u)| du for n ! • . (24-16)
a
Vi har dermed motiveret definitionen af længden af en kurve som angivet ovenfor, nem-
lig som kurveintegralet af den konstante funktion 1 over den parametriserede kurve.
Figure 24.8: Kurven r(u) = (cos(2pu), sin(2pu), 0) , u 2 [ 1, 1] , med henholdsvis 10, 20,
og 30 approksimerende linjestykker. Det er rimeligt at definere længden af kurven som den
totale længde af de approksimerende linjestykker i den grænse hvor antallet af linjestykker går
mod uendelig.
Den totale masse af hele systemet af linjestykker er derfor følgende, som er en god
approksimation til massen af hele kurven, når kurven tildeles massetætheden f (r(u))
på stedet r(u) :
n n
Mapp (n) = Â D Mi = Â f (r(ui )) |r0 (ui )| · du . (24-17)
i =1 i =1
Dette er igen en integralsum, men nu for den kontinuerte funktion f (r(u)) |r0 (u)| over
intervallet [ a, b] . Vi får altså i grænsen, hvor n går mod uendelig:
Z b
Mapp (n) ! M = f (r(u))|r0 (u)| du for n!• . (24-18)
a
24.2 Planintegraler
Figure 24.10: Dette område i planen er givet ved følgende parameterfremstilling, der repræsen-
terer polære koordinater i planen: r(u, v) = (u cos(v), u sin(v)) , u 2 [0, 1] , v 2 [ p, p ] . Param-
eterrektanglet ses til venstre. Den deformeres og afbildes (ved brug af r) på det plane område i
midten. Til højre er antydet placeringen og størrelsen (pånær en faktor 4) af de til det givne net
hørende approksimerende parallelogrammer (her er der tale om rektangler).
Jacobir (u, v) = |r0u (u, v)| · |r0v (u, v)| · sin(q (u, v)) , (24-21)
Figure 24.11: Plant område med parabelkoordinater. Dette område i planen er givet ved para-
meterfremstillingen r(u, v) = (u v, 12 (u2 v2 )) , u 2 [ 2, 2] , v 2 [0, 2] . Figuren til højre anty-
der igen et system af areal-approksimerende parallelogrammer pånær faktor 4.
Opgave 24.22
Vis, at Jacobir (u, v) (i (24.2.21)) også kan findes som den numeriske værdi af determinanten
af den (2 ⇥ 2)-matrix, der som søjler har koordinaterne for de to vektorer r0u (u, v) og r0v (u, v).
eNote 24 24.2 PLANINTEGRALER 17
fordi
r0u (u, v) = (1, v · f 0 (u)) og
(24-25)
r0v (u, v) = (0, f (u)) ,
sådan at determinanten af den matrix, der har søjlerne r0u (u, v) og r0v (u, v), netop i dette til-
fælde er funktionen f (u) selv og dermed er også Jacobifunktionen givet ved f (u) ifølge op-
gave 24.22. Heraf fås det ønskede areal rekonstrueret som:
Z Z 1 ✓Z b ◆
Areal( Pr ) = 1 dµ = f (u) du dv
Pr 0 a
Z b (24-26)
= f (u) du .
a
Overvej, hvad der sker med integralet i (24.2.26), hvis f ( x ) tillades at være negativ på givne
delintervaller af [ a, b].
har arealet Z Z 1Z p
Areal( Pr ) = 1 dµ = abv du dv = abp ,
Pr 0 p
idet Jacobir (u, v) = abv . Sammenlign med beregningen af længden af ellipsen i eksempel
24.12.
eNote 24 24.2 PLANINTEGRALER 18
f ( x, y) = 2 · x2 + 2 · y2 + 2 · x · y 8·x 10 · y + 13 . (24-27)
(u1 , v1 ) = ( a, c),
(u1 , v j ) = ( a, c + ( j 1)dv ),
( u i , v1 ) = ( a + ( i 1)du , c),
(24-28)
( ui , v j ) = ( a + (i 1)du , c + ( j 1)dv ),
....
(b, d) = ( a + ndu , c + mdv ) .
Med hvert af disse faste punkter (ui , v j ) som udviklingspunkt kan vi igen benytte Tay-
lor’s grænseformel, nu for hver af de 2 koordinat-funktioner x (u, v) og y(u, v) for r(u, v) =
eNote 24 24.2 PLANINTEGRALER 20
( x (u, v), y(u, v)) til første orden med tilhørende epsilon-funktioner:
r(u, v) = r(ui , v j )
+ r0u (ui , v j ) · (u ui )
(24-29)
+ r0v (ui , v j ) · (v vj )
+ rij · #ij (u ui , v vi ) ,
⇥ ⇤ q
hvor u 2 [ ui , ui + du ] , v 2 v j , v j + dv . Her betegner rij = (u u i )2 + ( v v j )2
afstanden mellem det variable punkt (u , v) og det faste udviklingspunkt (ui , v j ) i pa-
rameterområdet. Der gælder her, at vektorfunktionen #ij (u ui , v v j ) ! (0, 0) = 0
for (u ui , v v j ) ! (0, 0) .
Opgave 24.27
Summen af disse ialt n m arealer er klart en god approksimation til arealet af hele
fladestykket, således at vi har
m n m n
Arealapp (n, m) = Â Â D Arealij = Â Â Jacobir (ui , v j ) · du dv . (24-32)
j =1 i =1 j =1 i =1
Da ovenstående sum er en dobbelt integralsum for den kontinuerte funktion Jacobir (u, v)
over parameter-rektanglet [ a, b] ⇥ [c, d] får vi i grænsen, hvor n og m begge går mod
eNote 24 24.2 PLANINTEGRALER 22
Dette er en dobbelt integralsum for den kontinuerte funktion f (r(u, v)) Jacobir (u, v)
over parameter-rektanglet [ a, b] ⇥ [c, d] . Vi får altså i grænsen, hvor n og m går mod
uendelig:
Z dZ b
Mapp (n, m) ! M = f (r(u, v)) Jacobir (u, v) du dv for n, m ! • . (24-36)
c a
Når området er vægtet med vægtfunktionen f ( x, y) bliver den totale vægt af området:
Z Z pZ 1
M ( Pr ) = f dµ = f (r(u, v)) · Jacobir (u, v) du dv , (24-38)
Pr 0 1/2
hvor
f (r(u, v)) = 1 + x (u, v) = 1 + u · cos(v) og
(24-39)
Jacobir (u, v) = u ,
sådan at Z pZ 1
M ( Pr ) = (1 + u · cos(v)) · u du dv
0 1/2
Z p u =1
1 2 1 3
= u + u · cos(v) dv
2 0 3 u=1/2
Z p ✓ ◆
3 7 (24-40)
= + · cos(v) dv
0 8 24
v=p
3 7
= v+ · sin(v)
8 24 v =0
3
= ·p .
8
Den totale masse af området med den givne vægtfordeling er altså M( Pr ) = 3p/8. Til sam-
menligning er arealet af området jo også Areal( Pr ) = 3p/8 – men det er et tilfælde.
eNote 24 24.2 PLANINTEGRALER 24
Figure 24.16: Et (halvt) ring-område i planen med antydet vægtfordeling. Se eksempel 24.28.
eNote 24 24.3 OPSUMMERING 25
24.3 Opsummering
Vi har i denne eNote opstillet de begreber og metoder, der giver os præcise udtryk for
længder af kurver, arealer af plane områder og mere generelt kurve- og plan-integraler
af (vægt-)funktioner på kurver og plane områder, der er parametriserede ud fra hen-
holdsvis et interval eller et rektangulært parameter-område. Kurve- og plan-integralerne
er opstillet ved hjælp af de respektive Jacobi-funktioner, som angiver hvor meget para-
meterintervallet eller parameter-området lokalt deformeres når det afbildes over i den
ønskede kurve eller over i det ønskede plane område ved de valgte vektor-afbildninger
r(u) og r(u, v).
• For et plant område Pr med parameterfremstillingen r(u, v) = ( x (u, v), y(u, v)) har
vi ligeledes motiveret følgende definition af planintegralet af funktionen f ( x, y)
over området:
Z Z dZ b
f dµ = f (r(u, v)) Jacobir (u, v) du dv , (24-43)
Pr c a
Jacobir (u, v) = |r0u (u, v)| · |r0v (u, v)| · sin(q (u, v)) , (24-44)
eNote 25
Flade- og rum-integraler
Flade og rumintegraler opstilles her på stort set samme måde som kurve- og planintegralerne i
eNote 22, som derved sammen med den grundlæggende generelle indførelse i
Riemann-integralerne eNote 21 danner basis for nærværende eNote. Udgangspunktet for
bestemmelse af flade- og rum-integralerne er fladernes og de rumlige områders respektive
parameterfremstillinger. Til hver parameterfremstillling hører en Jacobi-funktion og det er
denne funktion der benyttes til opstilling og beregning af integralerne.
25.1 Flade-integraler
hvor x (u, v), y(u, v), og z(u, v) er givne glatte funktioner af de to variable u og v.
Typisk er vi kun interesserede i et udsnit af sådanne graf-flader, f.eks. det udsnit, der ligger
over et rektangel i ( x, y) planen: x 2 [ a, b], y 2 [c, d]. Det udsnit parametriseres lige så let
som hele graffladen:
Hvis vi derimod er interesserede i det udsnit af graffladen som ligger over cirkelskiven med
radius a og centrum i (0, 0) så må vi først parametrisere cirkelskiven i ( x, y)-planen med de
to parametre u og v, hvorefter grafflade-udsnittet kan præsenteres ved at ’løfte’ cirkelskive-
punkterne til den korrekte ’højde’ med funktionen h( x, y):
Hele kuglefladen med radius R og centrum i (0, 0, 0) kan parametriseres med ’geografiske’
parametre således:
hvor u 2 [0, p ] og v 2 [ p, p ].
Denne parametrisering er hverken regulær overalt eller en-entydig i det givne parameter-
område. Hvorfor ikke? Hvor og hvordan er der brud på regulariteten? Hvor og hvordan er
der brud på en-entydigheden? Se afnit afsnit 22.4 i eNote 20.
hvor
Fb = Fr : r(u, v) = (u, v, h(u, v)) , u 2 [ a, b] , v 2 [c, d] ,
q (25-15)
Jacobir (u, v) = 1 + |rh(u, v)|2
sådan at Z dZ bq
Areal(Fb ) = 1 + |rh(u, v)|2 du dv . (25-16)
c a
Opgave 25.9
Bestem arealet af den del af graffladen for funktionen h( x, y) = x + y 1 som ligger over
kvadratet ( x, y) 2 [0, 1] ⇥ [0, 1] i ( x, y)-planen. Bemærk, at denne del af graffladen er et
plant parallelogram. Brug dels dobbelt-integration som i eksempel 25.8 og dels den klassiske
arealbestemmelse ved hjælp af grundlinje og højde.
eNote 25 25.1 FLADE-INTEGRALER 6
Opgave 25.10
Bestem arealet af den del af graffladen for funktionen h( x, y) = x + y 1 som ligger over den
cirkelskive i ( x, y)-planen som har radius 1/2 og centrum i (1/2, 1/2). Bemærk, at denne del
af graffladen er et plant område, som er afgrænset af en ellipse.
Opgave 25.11
Bestem arealet af den del af graf-fladen for funktionen h( x, y) = x · y som ligger over kvad-
ratet ( x, y) 2 [ 1, 1] ⇥ [ 1, 1] i ( x, y)-planen.
= R2 · ( d c) · (cos( a) cos(b)) .
Areal(S R ) = 4p · R2 . (25-19)
(u1 , v1 ) = ( a, c),
(u1 , v j ) = ( a, c + ( j 1)dv ),
( u i , v1 ) = ( a + ( i 1)du , c),
(25-20)
( ui , v j ) = ( a + (i 1)du , c + ( j 1)dv ),
....
(b, d) = ( a + ndu , c + mdv ) .
Med hvert af disse faste punkter (ui , v j ) som udviklingspunkt kan vi betragte Taylor’s
grænseformel for hver af de 3 koordinat-funktioner for r(u, v) = ( x (u, v), y(u, v), z(u, v))
til første orden med tilhørende epsilon-funktioner:
r(u, v) = r(ui , v j )
+ r0u (ui , v j ) · (u ui )
(25-21)
+ r0v (ui , v j ) · (v vj )
+ rij · #ij (u ui , v vi ) ,
eNote 25 25.1 FLADE-INTEGRALER 8
⇥ ⇤ q
hvor u 2 [ ui , ui + du ] , v 2 v j , v j + dv . Her betegner rij = (u u i )2 + ( v v j )2
afstanden mellem det variable punkt (u , v) og det faste udviklingspunkt (ui , v j ) i pa-
rameterområdet. Der gælder her, at #ij (u ui , v v j ) ! (0, 0, 0) = 0 for (u ui , v
v j ) ! (0, 0) .
Areal
Opgave 25.13
Summen af disse ialt n · m arealer er klart en god approksimation til arealet af hele
fladestykket, således at vi har
m n m n
Arealapp (n, m) = Â Â D Arealij = Â Â Jacobir (ui , v j ) · du dv . (25-24)
j =1 i =1 j =1 i =1
Da ovenstående sum er en dobbelt integralsum for den kontinuerte funktion Jacobir (u, v)
over parameter-rektanglet [ a, b] ⇥ [c, d] får vi i grænsen, hvor n og m begge går mod
eNote 25 25.1 FLADE-INTEGRALER 9
Opgave 25.14
Vis, at den givne parameterfremstilling i figur 25.4 hverken er regulær eller en-entydig i
det givne parameterområde. Overvej, om der findes en regulær parameterfremstilling for
keglefladen.
Opgave 25.15
Opgave 25.16
Massen af en flade
Dette er en dobbelt integralsum for den kontinuerte funktion f (r(u, v)) Jacobir (u, v)
over parameter-rektanglet [ a, b] ⇥ [c, d] . Vi får altså i grænsen, hvor n og m går mod
eNote 25 25.1 FLADE-INTEGRALER 11
uendelig:
Z dZ b
Mapp (n, m) ! M = f (r(u, v)) Jacobir (u, v) du dv for n, m ! • . (25-28)
c a
25.1.2 Omdrejningsflader
Opgave 25.17
Vis, at Jacobifunktionen Jacobir (u, v) for parameterfremstillingen r(u, v) for den generelle
omdrejningsflade FGr i (25.1.30) er givet ved
q
Jacobir (u, v) = g(u) (h0 (u))2 + ( g0 (u))2 . (25-31)
eNote 25 25.1 FLADE-INTEGRALER 12
Jacobifunktionen er
q
Jacobir (u, v) = g(u) (h0 (u))2 + ( g0 (u))2 = 2 + cos(u) , (25-33)
Hvis vi ’belaster’ denne torus med en vægtfunktion, massetæthed, givet ved funktionen
f ( x, y, z) = 2 + z får vi den totale vægt af torusen:
Z p Z p
M(T ) = (2 + sin(u)) · (2 + cos(u)) du dv = 16p 2 . (25-35)
p p
eNote 25 25.2 RUM-INTEGRALER 13
25.2 Rum-integraler
Et parametriseret rumligt område er på samme måde som kurver og flader givet ved en
parameterfremstilling, nu med følgende form hvor de tre koordinatfunktioner x, y, og
z nu er funktioner af de ialt 3 parameter-variable u, v, og w:
Jacobir (u, v, w) = | (r0u (u, v, w) ⇥ r0v (u, v, w)) · r0w (u, v, w) | . (25-38)
Det vil sige, Jacobir (u, v, w) er volumenet (her beregnet som et rumprodukt) af det
parallelepipedum, der på stedet r(u, v, w) udspændes af de tre koordinatkurve-
tangentvektorer r0u (u, v, w) , r0v (u, v, w) og r0w (u, v, w).
eNote 25 25.2 RUM-INTEGRALER 14
Figure 25.8: Denne torus er den samme som i figur 25.7, men er her givet vægtfunktionen
f ( x, y, z) = 2 + z. Den totale masse af den vgtede torus er M = 16p 2 .
Opgave 25.20
Vis, at Jacobifunktionen Jacobir (u, v, w) også kan findes som den numeriske værdi af de-
terminanten af den matrix, der som søjler har koordinaterne for de tre vektorer r0u (u, v, w),
r0v (u, v, w) og r0w (u, v, w).
hvor
u 2 [ a, b] , v 2 [c, d] , og w 2 [ h, l ] , (25-40)
defineres som rumintegralet af den konstante funktion 1:
Z Z lZ dZ b
Vol(Wr ) = 1 dµ = Jacobir (u, v, w) du dv dw . (25-41)
Wr h c a
Figure 25.9: Billeder af det rumlige område givet ved parameterfremstillingen r(u, v, w) =
(u v cos(w), u v sin(w), 12 (u2 v2 )) , u 2 [ 12 , 1] , v 2 [ 12 , 1] , w 2 [p, 2p ].
Opgave 25.24
(u1 , v1 , w1 ) = ( a, c, h),
....
(ui , v j , wk ) = ( a + (i 1)du , c + ( j 1)dv , h + (k 1)dw ), (25-42)
....
(b, d, l ) = ( a + ndu , c + mdv , h + qdw ) .
Med hvert af disse faste punkter (ui , v j , wk ) som udviklingspunkt kan vi igen bruge
Taylors grænseformel for hver af de 3 koordinat-funktioner for
r(u, v, w) = r(ui , v j , wk )
+ r0u (ui , v j , wk ) · (u ui )
+ r0v (ui , v j , wk ) · (v vj ) (25-43)
+ r0w (ui , v j , wk ) · (w wk )
+ rijk · #ijk (u ui , v v j , w wk ) ,
⇥ ⇤ ⇥ ⇤
hvor u 2 [ ui , ui + du ] , v 2 v j , v j + dv , w 2 w j , w j + dw . Afstanden mellem
det variable punkt (u , v , w) og det faste punkt (ui , v j , wk ) i parameterområdet beteg-
nes med rijk og vi har som før #ijk (u ui , v v j , w wk ) ! 0 for (u ui , v v j , w
wk ) ! (0, 0, 0) .
af udtrykket i (25.2.43), som fås ved at fjerne #ijk -bidraget fra højre side i (25.2.43):
Volumen
Opgave 25.25
Opgave 25.26
u 2 [ p, 0] , v 2 [0, p ] , w 2 [0, 1] .
Masse
Hvis vi nu antager, at hvert enkelt parallelepipedum givet ved (25.2.44) tildeles en kon-
stant massetæthed som er givet ved værdien af funktionen f ( x, y, z) på stedet r(ui , v j , wk ),
så bliver massen af det (i, j, k )’te parallelepipedum:
Dette er en tredobbelt integralsum for den kontinuerte funktion f (r(u, v, w)) Jacobir (u, v, w)
over parameter-kassen [ a, b] ⇥ [c, d] ⇥ [ h, l ] . Vi får i grænsen, hvor n, m og q går mod
uendelig:
Z lZ dZ b
Mapp (n, m, q) ! M = f (r(u, v, w)) Jacobir (u, v, w) du dv dw
h c a (25-50)
for n, m, q ! • .
Opgave 25.27
hvor u 2 [1/2, 1], v 2 [p/3, 2p/3], og w 2 [ p, p ]. Ved afbildning af det kasseformede pa-
rameterområde forventes ialt 6 sideflader for billed-mængden, dvs. for det rumlige område,
der fremkommer ved parameterfremstillingen. Vi ser på figuren kun tre af de 6 sideflader.
Hvor er de andre og hvordan ser de ud?
eNote 25 25.2 RUM-INTEGRALER 20
4
Vol( Ba ) = p · a3 . (25-54)
3
eNote 25 25.2 RUM-INTEGRALER 21
Hvis det plane område er givet ved et rektangel ( x, y) 2 [ a, b] ⇥ [c, d] har vi parameterfrem-
stillingen for det rumlige område:
Jacobir (u, v, w) = |((1, 0, w · h0u (u, v)) ⇥ (0, 1, w · h0v (u, v))) · (0, 0, h(u, v))|
= |((1, 0, ⇤) ⇥ (0, 1, ⇤⇤)) · (0, 0, h(u, v))| (25-56)
= h(u, v) .
Rumfanget af det rumlig område, som graf-fladen afgrænser sammen med det plane område
i ( x, y)-planen er derfor:
Z 1Z dZ b Z dZ b
Vol(Wr ) = h(u, v) du dv dw = h(u, v) du dv . (25-57)
0 c a c a
Hvis det plane område P i ( x, y)-planen ikke er et rektangel som ovenfor, må vi først pa-
rametrisere P. Vi antager derfor nu, at det plane område P er billedet af et rektangulært
eNote 25 25.2 RUM-INTEGRALER 22
Wr : r(u, v, w) = (x (u, v), h (u, v), w · h(x (u, v), h (u, v))) , (25-59)
Jacobir (u, v, w) =
= |((x u0 (u, v), hu0 (u, v), ⇤) ⇥ (x v0 (u, v), hv0 (u, v), ⇤⇤)) · (0, 0, h(x (u, v), h (u, v)))| (25-60)
= h(x (u, v), h (u, v)) · Jacobibr (u, v) .
Rumfanget af det rumlig område, som graf-fladen afgrænser sammen med det plane område
i ( x, y)-planen er derfor i denne mere generelle situation:
Z 1Z dZ b
Vol(Wr ) = h(x (u, v), h (u, v)) · Jacobibr (u, v) du dv dw
0 c a
Z d Z b (25-61)
= h(x (u, v), h (u, v)) · Jacobibr (u, v) du dv .
c a
Figure 25.14: Et ’planetarium’ med en lidt mere kompliceret tag-graf-flade; den benyttede funk-
tion er her f ( x, y) = y2 x2 + 2x + 3. Rumfanget er ca. 2.36.
Rumfanget i en cylinder mellem to plane afskæringer (se figur 25.13) er bestemt ved parame-
terfremstillingen:
Wr : r(u, v, w) = (x (u, v), h (u, v), w · h(x (u, v), h (u, v))) , (25-62)
med Jacobi-funktionen
Jacobibr (u, v) = u , (25-64)
således at
Z p Z 1
Vol(Wr ) = h(x (u, v), h (u, v)) · Jacobibr (u, v) du dv
p 0
Z p Z 1
= (2 u · cos(v) u · sin(v)) · u du dv
p 0
Z p Z 1
= u2 · cos(v) u2 · sin(v)) du dv
(2u
p 0 (25-65)
Z p ⇥ ⇤
2 u =1 1 3 u =1 1 3 u =1
= ( u u =0 u · cos(v) u · sin(v)) dv
p 3 u =0 3 u =0
Z p ✓ ◆
1 1
= 1 · cos(v) · sin(v) dv
p 3 3
= 2·p .
Bemærk, at det rumfang også vha. symmetri kan findes meget lettere som halvdelen af rum-
fanget af den cylinder, der har samme grundflade og er skåret vinkelret i højden 4.
eNote 25 25.3 OMDREJNINGSLEGEMER 24
25.3 Omdrejningslegemer
Opgave 25.31
Jacobir (u, v, w) = g(u, v) | gu0 (u, v) h0v (u, v) h0u (u, v) gv0 (u, v)| . (25-68)
Opgave 25.32
En omdrejnings-flaske (eller -fad?) er (pånær bunden) givet ved sin profilkurves parameter-
fremstilling i ( x, z) planen således:
hvor
g ( u ) = 2( R1 R2 ) u3 + 3( R2 R1 ) u2 + R1
(25-70)
h(u) = H u ,
for passende valg af positive konstanter R1 , R2 , og H.
3. Hvor meget rumfang (vand, f.eks.) kan omdrejningsfladen ’indeholde’ for givne
værdier af positive konstanter R1 , R2 , og H?
5. Hvilke(t) valg af konstanter giver mest rumfang i forhold til det totale overfladeareal?
Opgave 25.33
Inspireret af Malmø’s Turning Torso er det en interessant opgave at finde rumfang og over-
fladeareal af forskellige ’snoede’ bygningsværker:
1. Find en parameterfremstilling for det rumlige område, der er vist i figur 25.17 til ven-
stre. Vlg selv dimensionerne p din bygning, dvs. grundflade og hjde. Vink: De opad-
gende sidelinjer er skruelinjer, se eksempel ?? i eNote 22 .
Opgave 25.34
Find parameterfremstillinger af de to (højeste) tårne der vises i figur 25.18. Vælg selv di-
mensionerne. Vink: Tårnet i venstre billede har elliptiske tværsnit. Find rumfang og over-
fladeareal for hver af bygningerne.
eNote 25 25.4 FLERE ARKITEKTONISK MOTIVEREDE RUMLIGE OMRÅDER 27
Figure 25.17: Fem-kantet Turning Torso model og ’the real thing in Malmø’.
25.5 Opsummering
Vi har i denne eNote opstillet de begreber og metoder der gør det muligt at beregne
(vægtede) arealer og rumfang af henholdsvis flader og rumlige områder – for så vidt
de er givet ved parameterfremstillinger ud fra rektangulære og kasseformede parame-
terområder. En række eksempler og opgaver viser hvordan meget forskellige flader og
områder kan parametriseres ved rimeligt simple vektorfunktioner r(u, v) og r(u, v, w).
Jacobir (u, v, w) = | r0u (u, v, w) ⇥ r0v (u, v, w) · r0w (u, v, w)| (25-77)
eNote 26
Vektorfelter
I eNote 10 indføres og studeres vektorer i plan og rum. I eNote 20 ser vi på gradienterne for
funktioner f ( x, y) af to variable. Et gradientvektorfelt for en funktion af to variable er – som
navnet rigeligt antyder – et eksempel på et plant vektorfelt. I denne eNote vil vi begynde at
studere vektorfelter helt generelt. Både i planen og i rummet. Vi vil præcisere, hvad det betyder
at flyde med et givet vektorfelt og beregne, hvor man kommer hen i rummet eller i planen på
den måde i løbet af et givet tidsrum. For at finde disse såkaldte flow-kurver får vi brug for at
kunne løse (her passende simple) første ordens differentialligningssystemer hvorved eNote 17
ligesom de ovenfor nævnte eNoter bliver aktuelt materiale for nærværende eNote. Vi vil også
begynde på at undersøge, hvad der sker med større systemer af punkter eller partikler når de
hver for sig flyder med vektorfeltet.
26.1 Vektorfelter
Se figur 26.2. Vi refererer til eksempel 22.11 i eNote 20 vedrørende konstruktionen af den viste
ellipsoide-niveauflade K0 ( f ) for f ( x, y, z). Niveaufladen og det beregnede gradientvektorfelt
er antydet i figur 26.2. Gradientvektorfeltet ses at være vinkelret på niveaufladen.
Man kan nu meget vel spørge om alle glatte vektorfelter i planen og alle glatte
vektorfelter i rummet stammer fra en funktion på den måde, at de hver for
sig er gradientvektorfeltet for en eller anden funktion af henholdsvis to og tre
variable. Men så simpelt er det ikke!
eNote 26 26.1 VEKTORFELTER 4
Figure 26.2: Niveauflade (i åbnet version) for en funktion (andengradspolynomium) af tre vari-
able og nogle tilhørende gradientvektorer fra gradientvektorfeltet i rummet.
Hvis vi nemlig (indtil modstrid) antager, at der findes en sådan funktion med den egenskab:
r f ( x, y) = V( x, y) , sådan at
⇣ ⌘
f x0 ( x, y), f y0 ( x, y) = ( y, x ) , så får vi at
f x0 ( x, y) = y
(26-6)
f y0 ( x, y) =x , og dermed
00
f xy ( x, y) = 1
00
f yx ( x, y) = 1 ,
og det stemmer jo ikke overens med at der for alle glatte funktioner gælder
00
f xy 00
( x, y) = f yx ( x, y) , for alle ( x, y) 2 R2 . (26-7)
Det viser, at der ikke findes nogen funktion hvis gradientvektorfelt er det givne vektorfelt.
eNote 26 26.1 VEKTORFELTER 5
Det helt generelle plane vektorfelt V( x, y) = (V1 ( x, y), V2 ( x, y)) har således
følgende rumlige udvidelse:
W1 ( x, y, z) = V1 ( x, y) , (26-8)
W2 ( x, y, z) = V2 ( x, y) ,
W3 ( x, y, z) = 0 .
Figure 26.3: Tre plane vektorfelter er her udvidet til rumlige vektorfelter.
Nogle vektorfelter er særlig simple. Det gælder især de vektorfelter hvor alle 3 koor-
dinatfunktioner er polynomier af højest første grad i de rumlige variable ( x, y, z), dvs.
eNote 26 26.1 VEKTORFELTER 6
Figure 26.4: De tre rumlige vektorfelter fra figur 26.3 er her modificerede til at have W3 = 1/2
i stedet for W3 = 0 .
Et konstant vektorfelt kan for eksempel modellere en konstant vind lokalt tæt ved ( x, y)-
planen (jordoverfladen):
V( x, y, z) = b , (26-12)
hvor b er en konstant vektor, f.eks. b = (0, 7, 0) – hvis vinden blæser med 7km/t i y-aksens
retning.
V( x, y, z) = ( y, x, 0) . (26-13)
Definition 26.7
Sporet af en kvadratisk n ⇥ n-matrix A med elementerne ai j er summen af matricens
n diagonalelementer:
i=n
spor( A) = Â ai i . (26-14)
i =1
Opgave 26.8
Find A og b (som i Definition 26.4) for vektorfeltet i eksempel 26.6. Hvad er sporet af A i
dette tilflde tilflde? Kan A diagonaliseres (diagonalisering beskrives i eNote 4)?
V( x, y, z) = ( x, y, z) . (26-15)
eNote 26 26.2 FLOWKURVER FOR ET VEKTORFELT 8
Opgave 26.10
Hvis vi konstruerer tilstrækkelig mange kurver (en kurve igennem ethvert punkt i rum-
met), der ikke skærer hverken sig selv eller hinanden får vi på den måde et vektorfelt i
rummet.
Med andre ord: Hvis vi har givet et vektorfelt i rummet så går opgaven ud på
at starte en bevægelse af en partikel (en lille kugle) langs vektorfeltet sådan at
kuglens hastighedsvektor til ethvert tidspunkt er givet ved vektorfeltets værdi
i det punkt hvor kuglen befinder sig til det tidspunkt. Og det er naturligvis
interessant at kunne afgøre hvor kuglen befinder sig efter lang tid. Og det er
interessant at finde ud af, hvordan en kugle-hob (partikler som til start er tæt
på hinanden) udvikler sig i tiden – bliver hoben tættere eller tyndere, mast
sammen eller trukket ud?
Der gælder følgende eksistens- og entydighedssætning som er grundlaget for vore første
eksempler og de første overvejelser om de naturlige spørgsmål der vedrører flowkurver
eNote 26 26.2 FLOWKURVER FOR ET VEKTORFELT 10
og deres opførsel.
r(0) = ( x0 , y0 , z0 ) og
(26-22)
0
r (t) = V( x (t), y(t), z(t)) for alle t 2 [ •, •] .
Hvis vi har givet et vektorfelt af første grad, så kan vi altså ”starte” et punkt, en par-
tikel, et vilkårligt sted i rummet og lade den ”flyde” med vektorfeltet sådan at partiklen
befinder sig på en entydigt bestemt flowkurve til enhver tid derefter.
To flowkurver kan ikke skære hinanden, fordi hvis de gjorde det ville der jo
ikke være en entydig flowkurve igennem skæringspunktet.
eNote 26 26.2 FLOWKURVER FOR ET VEKTORFELT 11
Hvis vektorfeltet ikke er af første grad er der som sagt ingen garanti for, at
flowkurverne kan bestemmes explicit (heller ikke med Maple), men i visse til-
fælde kan numeriske værktøjer jo alligevel benyttes med succes indenfor de
”vinduer” hvor løsningerne findes og er veldefinerede.
Begrundelsen, beviset, for sætning 26.12 er kendt fra studiet af systemer af lineære
koblede differentialligninger, se eNote 17. Lad os kort repetere de overvejelser, der skal
i sving ved at finde flowkurverne for nogle af de simpleste vektorfelter.
Det konstante vektorfelt V( x, y, z) = (0, 7, 0) har flowkurver ( x (t), y(t), z(t)) som skal op-
fylde de to betingelser: Begyndelsebetingelsen ( x (0), y(0), z(0)) = ( x0 , y0 , z0 ) og de 3 differ-
entialligninger for x (t), y(t), og z(t), som følger af hastighedsvektor-betingelsen
x0 (t) = 0
y0 (t) = 7 (26-25)
0
z (t) = 0 .
Opgaven er altså her at finde de tre koordinatfunktioner x (t), y(t), og z(t) sådan at
x0 (t) = y(t)
y0 (t) = x (t) (26-27)
0
z (t) = 1 .
Figure 26.5: Det roterende vektorfelt fra eksempel 26.14, en ”flowkurve” for en enkelt par-
tikel og systemet af flowkurver, som går igennem en terning (den nederste terning flyder langs
flowkurverne med vektorfeltet indtil tiden p.
Opgave 26.15
Eksplosionsvektorfeltet
V( x, y, z) = ( x, y, z) (26-28)
har flowkurver, der tilfredsstiller en begyndelsesbetingelse
og differentialligningerne
x0 (t) = x (t)
y0 (t) = y(t) (26-31)
0
z (t) = z(t) .
Bemærk, at hvis ( x (0), y(0), z(0)) = (0, 0, 0) så er ( x (t), y(t), z(t)) = (0, 0, 0) for alle
t 2 [ •, •] . Flowkurven ’igennem’ punktet (0, 0, 0) er derfor ikke nogen egentlig ’kurve’
men består ’kun’ af punktet selv. Bemærk også, at alle andre flowkurver kommer vilkårligt
tæt på punktet (0, 0, 0) for t ! •, idet exp(t) ! 0 for t ! • , men de går ikke igennem
punktet. Hvis vi følger flowkurverne i figur 26.6 tilbage i tid fra t = 0 igennem negative
værdier vil vi derfor se en eksponentielt aftagende implosion af terningen. Hvis vi derimod
følger flowkurverne frem i tid fra t = 0 igennem større og større positive værdier for t vil
vi se en eksponentielt voksende eksplosion af terningen. Flowkurverne kan igen findes og
inspiceres med Maple. Se figur 26.6.
V( x, y, z) = ( x, y, z) (26-33)
Se figur 26.7.
eNote 26 26.3 DIVERGENSEN AF ET VEKTORFELT 14
Figure 26.6: Eksplosionsvektorfeltet fra eksempel 26.16 sammen med de integralkurver, som
går igennem en terning. Terningen er vist solid til tiden t = 1 og ”åben” til tiden t = 0. Sam-
menlign med figur 26.7.
Opgave 26.17
Figure 26.7: Implosionsvektorfeltet fra eksempel 26.16 sammen med de integralkurver, som går
igennem en terning. Terningen er vist solid til tiden t = 1 og ”åben” til tiden t = 0. Sammenlign
med figur 26.6.
Definition 26.18
Lad V( x, y, z) = (V1 ( x, y, z), V2 ( x, y, z), V3 ( x, y, z) ) være et vektorfelt i rummet.
Divergensen af V i punktet ( x0 , y0 , z0 ) defineres således:
∂V1 ∂V ∂V
Div(V)( x0 , y0 , z0 ) = ( x0 , y0 , z0 ) + 2 ( x0 , y0 , z0 ) + 3 ( x0 , y0 , z0 ) . (26-35)
∂x ∂y ∂z
∂V1 ∂V
Div(V)( x0 , y0 ) = ( x0 , y0 ) + 2 ( x0 , y0 ) . (26-36)
∂x ∂y
Læg mærke til, at divergensen af et plant vektorfelt er det samme som diver-
gensen af feltets rumlige udvidelse.
eNote 26 26.3 DIVERGENSEN AF ET VEKTORFELT 16
Opgave 26.20
Opgave 26.21
Lad V( x, y, z) være et vektorfelt af første grad med matrix-fremstilling som i ligning (26.1.10).
Vis, at divergensen af V( x, y, z) er konstant lig med sporet af A.
Opgave 26.22
∂2 h ∂2 h ∂2 h
Div(rh( x, y, z)) = + 2+ 2 . (26-37)
∂ x2 ∂y ∂z
Definition 26.23
Lad h( x, y, z) betegne en glat funktion i R3 . Så skriver vi:
Funktion r f ( x, y, z) D f ( x, y, z)
f ( x, y, z) = a · x + b · y + c · z ( a, b, c) 0
2 2
f ( x, y, z) = x + y + z 2 (2x, 2y, 2z) 6 (26-39)
f ( x, y, z) = y · sin( x ) (y · cos( x ), sin( x ), 0) y · sin( x )
f ( x, y, z) = ex · cos(z) (ex · cos(z), 0 , ex · sin(z)) 0
Det andet helt centrale begreb og værktøj til analyse af vektorfelter er følgende:
eNote 26 26.4 ROTATIONEN AF ET VEKTORFELT 18
∂V3 ∂V2
Rot(V)( x0 , y0 , z0 ) = ( ( x0 , y0 , z0 ) ( x0 , y0 , z0 ) ,
∂y ∂z
∂V1 ∂V3
( x0 , y0 , z0 ) ( x0 , y0 , z0 ) , (26-41)
∂z ∂x
∂V2 ∂V1
( x0 , y0 , z0 ) ( x0 , y0 , z0 ) ) .
∂x ∂y
Det roterende vektorfeltet (som roterer mod uret) V( x, y, z) = ( y, x, 0) har (heldigvis) kon-
stant rotation forskellig fra 0 : Rot(V) = (0, 0, 2) .
Det roterende vektorfeltet (som roterer med uret) V( x, y, z) = (y, x, 0) har (heldigvis) også
konstant rotation som er den modsatte af rotationen mod uret: Rot(V) = (0, 0, 2) .
Opgave 26.27
Opgave 26.28
Lad V( x, y, z) være et vektorfelt af første grad med matrix-fremstilling som i ligning (26.1.10).
Vis, at rotationen af V( x, y, z) er en konstant vektor og udtryk vektoren ved elementerne i A.
Rot(rh) = 0 . (26-42)
Opgave 26.30
Som allerede antydet med figurerne 26.5, 26.6, og 26.7 kan vi lade ethvert geometrisk
veldefineret område, flade, eller kurve flyde med et givet vektorfelt – på den måde at
ethvert punkt på objektet følger den entydige flowkurve for vektorfeltet, der netop går
igennem punktet. Ideen er som sagt at forstå vektorfeltets geometri ved at observere
hvordan det ’flyder rundt med’ og deformerer geometriske objekter. Se også figurerne
26.8 og 26.9.
Ved nærmere eftertanke vil man indse, at det heller ikke kan være rigtigt at
gradientvektorfeltet generelt skulle flyde niveaumængder i niveaumængder.
Hvis f.eks. to nabo-niveaukurver i figur 26.1.2 ligger tæt på hinanden, så er
gradientvektoren tilsvarende stor og omvendt hvis to nabo-niveaukurver lig-
ger længere fra hinanden, så er gradientvektoren tilsvarende mindre. Dvs. der
hvor gradienvektorerne er store skal vi flyde langsomt og der for de er små
skal vi flyde hurtigt for at niveaukurverne kan flyde over i hinanden.
eNote 26 26.6 FLOW AF KURVER OG FLADER 22
Bevis
Vi skal bare vise, at hvis vi starter (til tiden t = 0) i et punkt p hvor f ( p) = c så lander vi
med flowkurven r(t) for vektorfeltet V( x, y, z) efter tiden t0 i et punkt r(t0 ) hvor f ( x, y, z)
har værdien f (r(t0 )) = c + t0 .
d
f (r(t)) = r f (r(t)) · V(r(t))
dt
r f (r(t))
= r f (r(t)) ·
| r f (r(t)) |2 (26-47)
r f (r(t)) · r f (r(t))
=
| r f (r(t)) |2
=1 .
Heraf fås det ønskede direkte:
Z t0
d
f (r(t0 )) = c + f (r(t)) dt
0 dt
Z t0
(26-48)
= c+ 1 dt
0
= c + t0 .
eNote 26 26.6 FLOW AF KURVER OG FLADER 23
⌅
eNote 26 26.7 OPSUMMERING 24
26.7 Opsummering
Vi har i denne eNote etableret de første begreber og metoder til analyse af vektorfelter i
plan og rum.
• Nogle men ikke alle vektorfelter fremkommer som gradientvektorfelter for funk-
tioner f ( x, y, z) (her af tre variable):
⇣ ⌘
r f ( x, y, z) = f x0 ( x, y, z) , f y0 ( x, y, z) , f z0 ( x, y, z) , ( x, y, z) 2 R3 . (26-49)
• For at forstå geometrien af et givet vektorfelt er det vigtigt at kunne bestemme vek-
torfeltets flow-kurver – det er de parametriserede kurver r(t) = ( x (t), y(t), z(t)),
t 2 [ a, b], som i alle kurve-punkter har det givne vektorfelt som tangentvektor.
Hvis vektorfeltet er givet ved V( x, y, z) = (V1 ( x, y, z), V2 ( x, y, z), V3 ( x, y, z)), så er
flowkurve-ligningen:
2 0 3 2 3
x (t) V1 ( x (t), y(t), z(t))
4 y0 (t) 5 = (V( x (t), y(t), z(t)))> = 4 V2 ( x (t), y(t), z(t)) 5 . (26-51)
0
z (t) V3 ( x (t), y(t), z(t))
og vi har antydet med meget simple eksempler, at rotationen er et lokalt mål for
hvor meget vektorfeltet roterer en given mængde af partikler, der flyder med vek-
torfeltet dvs. følger vektorfeltets flowkurver.
eNote 27 1
eNote 27
Langs med kurven Kr har vi så – i ethvert punkt r(u) på kurven – to vektorer, dels
vektorfeltets værdi i punktet, V(r(u)), og dels tangentvektoren r0 (u) til kurven i punk-
tet. Ved hjælp af disse to vektorer kan vi konstruere en glat funktion på kurven, som
derefter kan integreres over kurven:
eNote 27 27.1 DET TANGENTIELLE KURVEINTEGRAL 2
Definition 27.1
Det tangentielle kurveintegral af V( x, y, z) langs Kr er defineret ved:
Z
Tan(V, Kr ) = V · e dµ . (27-2)
Kr
Sætning 27.2
Det tangentielle kurveintegral af V( x, y, z) langs Kr kan beregnes således:
Z Z b
Tan(V, Kr ) = V · e dµ = V(r(u)) · r0 (u) du . (27-7)
Kr a
Lad nemlig
Kr : r( u ) = r( b + a u) , u 2 [ a, b] . (27-8)
Definition 27.3
I analogi med det tangentielle kurveintegral definerer vi det ortogonale kurveintegral
Ort(V, Kr ) af V langs Kr ved at projicere V(r(u)) vinkelret ind på den plan i rummet,
som selv står vinkelret på r0 (u) og dernæst finde kurveintegralet af længden af den
projektion (som funktion af u).
Eksempel 27.4
1
Figure 27.1: Skruelinjen r(u) = cos(u), sin(u), 10 u , u 2 [ 2p, 2p ] , og vektorfeltet
V( x, y, z) = ( x, ( x + y), 2z) er her antydet – dels i rummet og dels langs skruelinjen.
Opgave 27.5
F ⇤ ( x0 , y0 , z0 ) = Tan(V, Kr )
Z 1
= V(r(u)) · r0 (u) du (27-15)
0
Z 1
= ( x0 , y0 , z0 ) · V(u · x0 , u · y0 , u · z0 ) du .
0
Det sidste integral i (27.1.15) skal forstås som et integral af hver af de tre koordi-
natfunktioner af V(u · x0 , u · y0 , u · z0 ). Integralet giver dermed en vektor med tre
komposanter sådan at skalarproduktet med stedvektoren ( x0 , y0 , z0 ) derefter giver
en talværdi, som altså er værdien af ⇤-funktionen F ⇤ ( x, y, z) i ( x0 , y0 , z0 ).
Bemærk, at (stjerne-)funktionen
1 2 3
F ⇤ ( x, y, z) = · x + y2 + · x 2
2 2
som er konstrueret i eksempel 27.7 har følgende gradient, som netop er det
vektorfelt vi begyndte med:
Opgave 27.9
Vink: Det rette linjestykke fra punktet ( a, b, c) til ( x0 , y0 , z0 ) kan parametriseres således:
således at
r0 ( u ) = ( x 0 a ), y0 b, z0 c) . (27-22)
Gælder det stadig, at
r Fp⇤ ( x, y, z) = V( x, y, z) ? (27-23)
Bevis
Vi bruger kædereglen fra eNote 19 på den sammensatte funktion h(u) = f (r(u)) hvor r(u),
u 2 ]u0 , u1 [, er en vilkårlig differentiabel kurve fra p = ( x0 , y0 , z0 ) = r(u0 ) til q = ( x1 , y1 , z1 ) =
r(u1 ) og får derved:
h0 (u) = r0 (u) · r f (r(u)) . (27-25)
eNote 27 27.2 STAMFUNKTION TIL ET GRADIENTVEKTORFELT 8
Men da
h(u0 ) = f (r(u0 )) = f ( p) ,
(27-27)
h(u1 ) = f (r(u1 )) = f (q) ,
får vi dermed Z u1
f (q) = f ( p) + r0 (u) · r f (r(u)) du
u0 (27-28)
= f ( p) + Tan(V, Kr ) ,
og det var det vi skulle vise.
Hvis kurven er lukket – gerne sammensat af et endeligt antal glatte kurver som
f.eks i en polygon med retlinede kanter – får vi at det tangentielle kurveintegral
af et gradientvektorfelt over den lukkede kurve er 0.
Vi har allerede nu indset den ene halvdel af følgende sætning – den anden (lidt vanske-
ligere) halvdel er bevist nedenfor:
eNote 27 27.2 STAMFUNKTION TIL ET GRADIENTVEKTORFELT 9
Figure 27.2: Den lukkede kurve r(u) = (cos(t), sin(t), cos(2 · t)) , u 2 [ p, p ] og gradient-
vektorfeltet V( x, y, z) = ( x, y, z) = r f ( x, y, z) for f ( x, y, z) = ( x2 + y2 + z2 )/2 er her antydet
– dels i rummet og dels langs kurven.
Bevis
Da cirkulationen er 0 langs enhver lukket kurve ved vi, at denne funktion ikke afhænger af
integrationsvejen: Det tangentielle kurveintegral af V( x, y, z) langs enhver anden kurve fra
eNote 27 27.2 STAMFUNKTION TIL ET GRADIENTVEKTORFELT 10
F ⇤ ( x, y, z) = F ⇤ ( x0 , y0 , z0 ) + Tan(V, Kr ) , (27-32)
og får så:
Z 1
Tan(V, Kr ) = ( x x0 , y y0 , z z0 ) · V(r(u)) du (27-34)
0
Det første bidrag til dette skalarprodukt er
Z 1
(x x0 ) · V1 (r(u)) du . (27-35)
0
Vi vil nu benytte den observation (se opgave 27.13), at der for enhver glat funktion g(u) på
[0, 1] gælder, at der findes en værdi x imellem 0 og 1 således at
Z 1
g(u) du = g(x ) . (27-36)
0
idet V1 ( x, y, z) ! V1 ( x0 , y0 , z0 ) for ( x, y, z) ! ( x0 , y0 , z0 ).
Tilsvarende fås for de to andre bidrag til skalarproduktet i (27.2.34), således at vi samlet har:
Tan(V, Kr ) = ( x x0 , y y0 , z z0 ) · (V( x0 , y0 , z0 ) + # ( x x0 , y y0 , z z0 ))
= (x x0 , y y0 , z z0 ) · V( x0 , y0 , z0 ) (27-38)
+ r(x0 ,y0 ,z0 ) ( x, y, z) · #( x x0 , y y0 , z z0 )
F ⇤ ( x, y, z) = F ⇤ ( x0 , y0 , z0 ) + Tan(V, Kr )
= F ⇤ ( x0 , y0 , z0 ) + ( x x0 , y y0 , z z0 ) · V( x0 , y0 , z0 ) (27-39)
+ r(x0 ,y0 ,z0 ) ( x, y, z) · #( x x0 , y y0 , z z0 ) .
eNote 27 27.2 STAMFUNKTION TIL ET GRADIENTVEKTORFELT 11
r F ⇤ ( x0 , y0 , z0 ) = V( x0 , y0 , z0 ) , (27-40)
Opgave 27.13
Overvej – og indse – den påstand vi har brugt i beviset for sætning 27.12:
For enhver glat funktion g(u) på [0, 1] gælder, at der findes en værdi x imellem 0 og 1 således
at Z 1
g(u) du = g(x ) . (27-41)
0
Bevis
Vi nøjes med at se på den ene (lette) vej – rotationen af et gradientvektorfelt er 0. Se også den
påstand i sætning 26.29 i eNote 26. Lad altså f ( x, y, z) være en glat funktion i rummet. Så er
⇣ ⌘
r f ( x, y, z) = f x0 ( x, y, z), f y0 ( x, y, z), f z0 ( x, y, z) . (27-43)
eNote 27 27.2 STAMFUNKTION TIL ET GRADIENTVEKTORFELT 12
27.3 Opsummering
Vi har defineret det tangentielle kurveintegral for glatte vektorfelter langs glatte pa-
rametriserede kurver og vist, hvordan de tangentielle kurveintegraler kan benyttes til
at konstruere stamfunktioner til et vektorfelt V( x, y, z) – hvis ellers vektorfeltet er et
gradientvektorfelt.
F ⇤ ( x, y, z) = Tan(V, Kr )
Z 1
= V(r(u)) · r0 (u) du (27-50)
0
Z 1
= ( x, y, z) · V(u · x, u · y, u · z) du .
0
eNote 28 1
eNote 28
Gauss’ divergenssætning
I denne eNote bruger vi flowkurver for vektorfelter til at undersøge hvordan overfladen af et
rumligt område deformeres ved flowet og dermed afspejler en tilsvarende ændring i rumfanget
af det område, der begrænses af overfladen. Vi får derfor brug for at kende til analysen af
vektorfelter fra eNote 26 samt flade- og rum-integraler fra eNote 25. Vi skal se, at divergensen
af vektorfeltet er den lokale ’motor’ for volumenændring. Hvis vi derfor integrerer divergensen
over hele det rumlige område så får vi den totale øjeblikkelige volumen-ekspansion (med
fortegn). Hvis vektorfeltet er overalt eksploderende (med positiv divergens) så vokser rumfanget
af ethvert rumligt område, hvis vektorfeltet er imploderende alle steder (med negativ divergens)
så aftager rumfanget af ethvert rumligt område, der flyder med flowkurverne for vektorfeltet.
Alternativt kan man holde øje med om overfladen af et rumligt område er lokalt ekspanderende
udad eller lokalt sammentrækkende indad i forhold til det rumlige område. Det gør vi præcis
med det ortogonale fladeintegral af vektorfeltet over overfladen – et integral som også kaldes
fluxen.
Dermed har vi to muligheder for at beregne ekspansion eller sammentrækning af et givet
rumligt område når det flyder langs flowkurverne for vektorfeltet. Og de giver præcis det
samme resultat – det er indholdet af Gauss’ divergenssætning.
Fr : r(u, v) = ( x (u, v), y(u, v), z(u, v)) , (u, v) 2 [ a, b] ⇥ [c, d] . (28-1)
eNote 28 28.1 DET ORTOGONALE FLADEINTEGRAL, FLUXEN 2
Integranden i det fladeintegral, der giver fluxen, er altså givet ved skalarproduktet
tangentielle kurveintegral):
Z
Flux(V, Fr ) = V · nF dµ
Fr
Z dZ b
= (V(r(u, v)) · nF (u, v)) Jacobir (u, v) du dv
c a
Z dZ b
= (V(r(u, v)) · nF (u, v)) kr0u (u, v) ⇥ r0v (u, v)k du dv (28-5)
c a
Z dZ b
= V(r(u, v)) · (r0u (u, v) ⇥ r0v (u, v)) du dv
c a
Z dZ b
= V(r(u, v)) · NF (u, v) du dv .
c a
Det ortogonale kurveintegral er kort indført som et dualt begreb i forhold til
det mere naturlige tangentielle kurveintegral i eNote 25. Det duale begreb i
forhold til det ovenfor indførte naturlige ortogonale fladeintegral er det tan-
gentielle fladeintegral af et givet vektorfelt over en given flade.
Opgave 28.4
Figure 28.2:
p Samme kalot som i figur 28.1. Vektorfeltet er her givet ved V( x, y, z) =
(1, 0, 2)/ 5).
2
Et solfangertag har form som en del af en cylinder med ligningen x2 + z 12 = 1 , nemlig
den del, som ligger over ( x, y) planen og er afgrænset af 1 y 1 (vi antager som
sædvanligt, at ( x, y) planen er vandret og at ’over’ betyder z 0), se Figur 28.3.
• Lad os – lidt simplificerende – antage, at Solen stråler fra en skyfri himmel ind på
solfangertaget til et givet ’tidspunkt’ t langs det enhedsvektorfelt i rummet, som til
tiden t er parallelt med vektoren V = V(t) = (0, cos(t), sin(t)) hvor t 2 [0, p ] .
• Solen står altså op til tiden t = 0 og sender lige på det tidspunkt vandrette stråler
parallelt med y-aksen i retningen (0, 1, 0) . Midt på dagen, til tiden t = p2 er strålerne
lodrette og parallelle med z-aksen i retningen (0, 0, 1) . Til tiden t = p går solen
ned, men lige før det sker, sender den (næsten) vandrette stråler parallelt med y-aksen
i retningen (0, 1, 0) .
• Den energi solfangeren optager pr. arealenhed og pr. tidsenhed på et givet sted antages
at være lig med skalarproduktet V · n mellem Solstråle-vektorfeltet V og tagfladens
indadrettede enhedsnormalvektor n på stedet. Bemærk, at det indadrettede normalfelt
n ikke nødvendigvis er lig med nF , som jo afhænger af den valgte parametrisering af
taget.
• Spørgsmål A:
1. Begrund antagelsen om, at energioptaget er lig med skalarproduktet V · n, og
bemærk, at energioptag selvsagt kun kan finde sted hvor omtalte skalarprodukt
er positiv.
eNote 28 28.2 MOTIVERING AF FLUXEN VIA FLOW-EKSPANSION 6
• Spørgsmål B: Antag at vi drejer det cylindriske tag p/2 mod uret (eller med) omkring
z aksen.
• Spørgsmål C: Antag at vi drejer det oprindelige cylindriske tag fra spørgsmål A vinklen
q mod uret (eller med) omkring z aksen, hvor q 2 [ 0, p/2].
1. Hvilke(t) af disse solfangertage giver det største totale energioptag pr. dag?
Derved gennemløber fladen – fladen ’fejer’ igennem – et rumligt område Wr (t) som
til ethvert tidspunkt t (den tid vi lader fladen flyde langs vektorfeltet) har et rumfang
Vol± (Wr (t)) = Vol± (t). Det rumfang er klart 0 for t = 0 og derefter er det lille, hvis vek-
torfeltet er næsten tangentielt til fladen og stort hvis vektorfeltet er vinkelret på fladen
i samme retning som standard-normalvektorfeltet på fladen. Hvis vektorfeltet peger i
modsat retning af standard-normalvektorfeltet vil vi regne de tilsvarende lokale bidrag
eNote 28 28.2 MOTIVERING AF FLUXEN VIA FLOW-EKSPANSION 7
Se figurerne 28.4, 28.5, og 28.7 samt eksemplerne 28.7 og 28.8 hvor det illustreres hvor-
dan Jacobifunktionen (uden numerisk tegn) kan benyttes til beregning af de lokale
bidrag til rumfanget (med fortegn).
d
Flux(V, Fr ) = Vol± (Wr (t)) = Vol0± (0) . (28-8)
dt |t=0
Det er den egenskab (i sætning 28.6), der motiverer betegnelsen flux: Lokalt
er fluxen et mål for den (med fortegn regnede) volumen-vækst-rate, der øjeb-
likkeligt genereres ved flowet af fladen langs vektorfeltets integralkurver igen-
nem fladens punkter. Fortegnet er positivt hvor vektorfeltet danner en spids
vinkel med standard normalvektorfeltet nF (u, v), og negativt hvor vinklen er
stump. Se figurerne 28.7 og 28.4.
Bevis
Fr : r(u, v) = ( x (u, v), y(u, v), z(u, v)) , (u, v) 2 [ a, b] ⇥ [c, d] . (28-9)
Flowkurven for V( x, y, z) igennem flade-punktet r(u, v) vil vi kalde r̃(u, v, t). Det område
W Fr (t) i rummet, som fejes ud af fladen ved at den flyder med flowkurverne indtil tiden t er
derfor givet ved parameterfremstillingen:
Til bestemmelse af rumfanget (med fortegn) af dette område benytter vi Taylor’s grænse-
formel til første orden med udviklingspunkt w = 0 for hver af de glatte vektorfunktioner
r̃0u (u, v, w), r̃0v (u, v, w), og r̃0w (u, v, w) betragtet som funktioner af w for ethvert fastholdt (u, v):
r̃0u (u, v, w) = r̃0u (u, v, 0) + #(u,v) (w) = r0u (u, v) + #(u,v) (w)
r̃0v (u, v, w) = r̃0v (u, v, 0) + #(u,v) (w) = r0v (u, v) + #(u,v) (w) (28-11)
r̃0w (u, v, w) = r̃0w (u, v, 0) + #(u,v) (w) = V(r(u, v)) + #(u,v) (w) ,
sådan at Jacobifunktionen for volumen-beregningen – med fortegn – ser således ud:
Vi ser her, at når w går imod 0 opnår vi præcis det ønskede fortegn på Jacobifunktionen,
som jo er det lokale bidrag (integranden) til rumfangsberegningen : Jacobifunktionen er
positiv tæt ved fladen når vektorfeltet V(r(u, v)) på fladen peger i samme retning som standard
normalvektoren NF (u, v), og Jacobifunktionen er negativ tæt ved fladen når vektorfeltet
V(r(u, v)) på fladen peger i modsatte retning som standard normalvektoren NF (u, v).
Det med fortegn regnede rumfang Vol± (Wr (t)) er nu for tilstrækkeligt små flow-tider t givet
ved:
Z tZ dZ b
Vol± (Wr (t)) = Jacobir̃ (u, v, w) du dv dw
0 c a
Z tZ dZ b⇣ ⌘
= NF (u, v) · V(r(u, v)) + # (u,v) (w) du dv dw
0 c a
Z t ✓✓Z d Z b ◆ ✓Z d Z b ◆◆
= NF (u, v) · V(r(u, v)) du dv + # (u,v) (w) du dv dw
0 c a c a
Z t Z t
= Flux(V, Fr ) dw + # (u,v) (w) dw ,
0 0
(28-13)
hvoraf vi aflæser:
d
Vol± (Wr (t)) = Flux(V, Fr ) + #(t) (28-14)
dt
og dermed
Vol0± (0) = Flux(V, Fr ) . (28-15)
⌅
eNote 28 28.2 MOTIVERING AF FLUXEN VIA FLOW-EKSPANSION 9
nF = (0, 0, 1) . (28-18)
V( x, y, z) = (a, b, g) , (28-19)
Vi vil nu tilsvarende bestemme rumfanget af det rumlige område, som flowet af cirkelskiven
’fejer igennem’ ved at følge integralkurverne, og dermed illustrere indholdet i – og beviset
for – sætning 28.6:
Flowkurven r(u, v, t) for V( x, y, z) igennem punktet r(u, v) er en ret linje igennem punktet,
nemlig den der har den konstante tangentvektor (a, b, g):
Det ses, at
r0t (u, v, t) = (a, b, g) = V(r(u, v, t)) , (28-22)
eNote 28 28.2 MOTIVERING AF FLUXEN VIA FLOW-EKSPANSION 10
Det rumlige område W Fr (t), som cirkelskiven danner ved at flyde med flowkurverne for
V( x, y, z) indtil tiden t, er dermed givet ved en parameterfremstilling, som direkte aflæses
af flow-kurve parameterfremstillingen igennem punkterne på fladen:
Rumfanget af dette område kan findes ved hjælp af standardmetoden via Jacobifunktionen,
som vi her benytter med fortegn for at bestemme rumfanget med fortegn i forhold til normalvek-
toren:
hvor vi har benyttet, at der i dette simple konkrete tilfælde, hvor vektorfeltet paralleltrans-
porterer cirkelskiven i vektorfeltets retning gælder: (ru (u, v, w) ⇥ rv (u, v, w)) = NF (u, v) som
er uafhængig af w. Rumfanget med fortegn af W Fr (t) i forhold til cirkelskivens normalvektor-
felt (0, 0, 1) er derfor
Z tZ p Z 1
Vol± (t) = u · g du dv dw = t · g · p . (28-25)
0 p 0
Heraf får vi
Vol0± (0) = g · p , (28-26)
altså den samme værdi som den ovenfor fundne Flux(V, Fr ). Vi har dermed verificeret
sætningen 28.6.
Hvis vektorfeltet (a, b, g) er i samme retning som standard normalen til fladen (dvs. hvis g >
0), så er både fluxen, rumfanget Vol± (t), og volumen-differentialkvotienten Vol0± (0) positiv;
hvis vektorfeltet (a, b, g) er i modsatte retning i forhold til standard normalen (dvs. hvis g <
0), så er både fluxen, rumfanget (med fortegn) Vol± (t), og volumen-differentialkvotienten
Vol0± (0) negativ.
eNote 28 28.2 MOTIVERING AF FLUXEN VIA FLOW-EKSPANSION 11
Vi ser som i eksempel 28.7 p cirkelskiven Fr i ( x, y)-planen. Skiven har radius 1 og centrum i
(0, 0, 0):
Vi vil her lade cirkelskiven flyde med flowkurverne for følgende roterende vektorfelt:
V( x, y, z) = ( z, 0, x ) . (28-28)
Flowkurven er(u, v, t) = ( x (t), y(t), z(t)) for dette vektorfelt igennem et cirkelskive-punkt
( x0 , y0 , z0 ) = r(u, v) er givet som løsning til første-ordens differentialligningssystemet:
2 0 3 2 3
x (t) z(t)
4 y0 (t) 5 = (V( x (t), y(t), z(t)))> = 4 0 5 (28-29)
0
z (t) x (t)
eNote 28 28.2 MOTIVERING AF FLUXEN VIA FLOW-EKSPANSION 12
med begyndelsesbetingelsen ( x (0), y(0), z(0) = ( x0 , y0 , z0 ) = r(u, v). Det koblede differen-
tialligningssystem har de generelle løsninger, se løsningsmetoderne i eNote 17:
2 3 2 3
x (t) c1 · cos(t) c3 · sin(t)
4 y(t) 5 = 4 c2 5 (28-30)
z(t) c1 · sin(t) + c3 · cos(t)
Fluxen af vektorfeltet igennem cirkelskiven forventes at være 0 fordi det område, som cirkel-
skiven fejer igennem ved rotationen har rumfang 0 når rumfanget regnes med fortegn: Den
ene halvdel af området ses jo at ligge over cirkelskiven (i retning af (0, 0, 1)) og den anden
halvdel ligger under cirkelskiven (i retning af (0, 0, 1)); de to halvdele af det udfejede område
har rumfang med modsatte fortegn og de ophæver derfor hinanden. Vi beregner fluxen af
vektorfeltet igennem cirkelskiven:
Z p Z 1
Flux(V, Fr ) = V(r(u, v)) · NF (u, v) du dv
p 0
Z p Z 1
= (0, 0, u · cos(v)) · (0, 0, u) du dv
p 0
Z p Z 1
= u2 · cos(v) du dv
p 0
Z p
1 (28-33)
= · cos(v) dv
p 3
Z
1 p
= · cos(v) dv
3 p
1
= · [sin(v)]p p
3
=0 .
Med henblik på igen at illustrere den generelle rumfangsberegning (med fortegn) og igen
verificere sætning 28.6 med konkrete udregninger, vil vi vise, at det med fortegn beregnede
eNote 28 28.2 MOTIVERING AF FLUXEN VIA FLOW-EKSPANSION 13
rumfang af omrdet W Fr (t) som fejes ud af cirkelskiven ved flowet virkelig er 0. Den med
fortegn beregnede Jacobifunktion er bestemt ved:
Bemærk, at det ordinære rumfang Vol(W Fr (t)) af W Fr (t) selvfølgelig ikke er 0, men derimod:
Z tZ p Z 1
Vol(W Fr (t)) = u2 · | cos(v)| du dv dw
0 p 0
Z tZ p
1
= · | cos(v)| dv dw
3 0 p (28-36)
1
= · t · 4 · [sin(v)]0p/2
3
4
= ·t .
3
Som vi skal se i næste afsnit er den totale flux af et givet vektorfelt gennem overfladen af
et givet rumligt område Wr særlig interessant. Overfladen kan gerne være sammensat
af endeligt mange glatte fladestykker, som f.eks. overfladen af et polyeder. Den eneste
konvention vi skal holde os for øje er, at det altid er den udadrettede normal (i forhold til
det rumlige område) vi skal benytte overalt på overfladen, når vi beregner fluxen.
V( x, y, z) = ( f ( x ), 0, 0) , ( x, y, z) 2 R3 , (28-41)
Overfladen, randen, af cylinderen, som vi vil betegne med F = ∂W, består af 3 dele: Dels den
cylindriske krumme overflade og dels de to ende-cirkelskiver. Da vektorfeltet er parallelt
med den cylindriske krumme del af overfladen vil der ikke være noget fluxbidrag derfra
(!). Det vil sige, de eneste bidrag til fluxen gennem total-overfladen af den massive cylinder
stammer fra de to endecirkelskiver.
Figure 28.8: Et vektorfelt som er parallelt med x-aksen og et billede efter lidt længere tids
flow. Efter meget lang tid bliver hele cylinderen mast sammen til en cirkelskive ved x = 2. Se
eksempel 28.10.
Lad os betragte en massiv kugle Kr i rummet med radius r og centrum i (0, 0, 0) og lad
os udvide denne kugle ved at lade alle punkterne i den flyde med flowkurverne for
eksplosionsvektorfeltet V( x, y, z) = ( x, y, z).
eNote 28 28.3 MOTIVERING AF DIVERGENSEN VIA FLOW-EKSPANSION 17
Ifølge flow-løsningerne til dette eksplosionsvektorfelt vokser radius af kuglen med fak-
toren e T , hvor T er flow-tiden. Det ser vi på følgende måde:
Det rumlige område W Fr (t) som efter tiden t er tilføjet den massive kugle, er dermed
allerede parametriseret: Vi skal blot sætte u = r i ovenstående flowlinje-parametrise-
ringer. Det vil sige, vi finder igen ud af, hvordan flowet af kuglens overflade bidrager
til volumenforøgelsen (regnet med fortegn):
Volumenet af kuglen som funktion af flow-tiden t er dermed givet ved: Vol(W Fr (t)) +
Vol(Kr ) = Vol(t) = (4 p/3) r3 e3t . Volumenet af kuglen vokser derfor (til tiden t = 0)
med differentialkvotienten
d
Vol(t)|t=0 = 4 p r3 . (28-49)
dt
Denne vækst i volumen har vi essentielt fundet ved at holde øje med udvidelsen af den
massive kugles overflade ∂Kr når alle kuglens punkter flyder langs med vektorfeltets
flowkurver – præcis som vi har dyrket i første halvdel af denne eNote.
Kort sagt ser vi igen, at den totale udadrettede flux af vektorfeltet igennem overfladen
af det rumlige område giver (den med fortegn regnede) volumenforøgelse.
Det med fortegn (i forhold til n∂W ) regnede volumen Vol± (t) af området efter denne
deformation har da følgende differentialkvotient til tiden t = 0 :
Z
d
Vol± (t)|t=0 = V · n∂W dµ = Flux(V, ∂Wr ) . (28-50)
dt ∂Wr
Vi checker sætningen i det konkrete tilfælde med den eksploderende kugle: Fluxen af ek-
splosionsvektorfeltet ud igennem kuglens overflade er simpelthen overfladens areal 4 p r2
gange skalarproduktet V · n, fordi dette skalarprodukt i dette specielle tilfælde er konstant:
p
V · n = kVk = x2 + y2 + z2 = r . Derfor er den totale flux 4 p r3 , altså præcis differen-
tialkvotienten (til tiden t = 0) af volumenet som funktion af flowtiden t . Vi har således
verificeret sætningen i dette specielle eksempel.
eNote 28 28.3 MOTIVERING AF DIVERGENSEN VIA FLOW-EKSPANSION 20
For et vilkårligt glat vektorfelt i rummet kan vi undersøge volumenforøgelsen (ved flow
langs vektorfeltets flowkurver) for en lille massiv kugle Kr , der har centrum i et givet
punkt, f.eks. p = ( x0 , y0 , z0 ) og radius r. Vi Taylor-udvikler vektorfeltets koordinat-
funktioner V1 , V2 og V3 , til 1. orden med udviklingspunkt ( x0 , y0 , z0 ) og finder den
udadrettede flux af vektorfeltet igennem den lille kugles overflade ∂Kr . Denne flux
divideret med volumenet (4 p/3) r3 af den massive kugle Kr har en grænseværdi når
radius r går imod 0. Se skitsen til den beregning nedenfor.
Det viser sig (se nedenfor) at denne grænseværdi netop er divergensen af vektorfeltet i det
betragtede punkt! I lyset af sætning 28.11 og ligning (28.3.50) har vi derfor motivereret
følgende tolkning af divergensen:
Sætning 28.13
Divergensen af et vektorfelt udtrykker den volumen-relative lokale flux ud gennem over-
fladen for vektorfeltet og dermed også den relative lokale volumen-vækst ved deforma-
tion langs flowkurverne for vektorfeltet:
✓ ◆
1
Div(V)( x0 , y0 , z0 ) = lim Flux(V, ∂Kr )
r!0 Vol( Kr )
✓ ◆ (28-51)
1 d
= lim Vol± (t)|t=0 .
r!0 Vol( Kr ) dt
eNote 28 28.3 MOTIVERING AF DIVERGENSEN VIA FLOW-EKSPANSION 21
Bevis
Vi vil kun skitsere, hvordan divergensen fremkommer ved den antydede fremgangsmåde.
Vi simplificerer fremstillingen på to måder: Dels vil vi vælge et koordinatsystem så
p = (0, 0, 0), og dels vil vi kun medtage lineariseringen af V( x, y, z) omkring (0, 0, 0)
(#-leddene fra Taylors grænseformler for de 3 koordinatfunktioner tages altså ikke med). (Til
gengæld er beregningerne helt eksakte for vektorfelter af højest første grad.)
∂V1 ∂V ∂V1
V( x, y, z) = ( V1 + x +y 1 +z ,
∂x ∂y ∂z
∂V2 ∂V2 ∂V2
V2 + x +y +z , (28-52)
∂x ∂y ∂z
∂V3 ∂V3 ∂V3
V3 + x +y +z ) .
∂x ∂y ∂z
✓ ◆
1 ∂V ∂V ∂V
V( x, y, z) · n = ( x V1 + x2 1 + xy 1 + xz 1 +
r ∂x ∂y ∂z
∂V2 ∂V2 ∂V2
y V2 + yx + y2 + yz + (28-53)
∂x ∂y ∂z
∂V3 ∂V3 ∂V3
z V3 + zx + zy + z2 ) .
∂x ∂y ∂z
Tilbage er nu kun at integrere dette udtryk over kuglens overflade ∂Kr og dernæst dividere
med kuglens volumen Vol(Kr ). Selv om det nok kan se kompliceret ud, så er det faktisk
rimelig simpelt i betragtning af følgende identiteter:
Z Z Z
x dµ = y dµ = z dµ = 0 ,
∂Kr ∂Kr ∂Kr
Z Z Z
x2 dµ = y2 dµ = z2 dµ = (4 p/3) r4 = r Vol(Kr ) , (28-54)
∂Kr ∂Kr ∂Kr
Z Z Z
x y dµ = x z dµ = z y dµ = 0 .
∂Kr ∂Kr ∂Kr
eNote 28 28.3 MOTIVERING AF DIVERGENSEN VIA FLOW-EKSPANSION 22
Fra ligning (28.3.54) følger nu f.eks. følgende bidrag til integralet over kuglefladen ∂Kr af
højresiden i ligning (28.3.53). (Bemærk, at ∂V ∂x (0, 0, 0) er en konstant, der kan sættes udenfor
1
integraltegnet.):
Z ✓ ◆
1 ∂V1 ∂V
x2 (0, 0, 0) dµ = Vol(Kr ) 1 (0, 0, 0) . (28-55)
∂Kr r ∂x ∂x
Ialt fås naturligvis 3 sådanne bidrag til integralet over kuglefladen ∂Kr af højresiden i lign-
ing (28.3.53), og da integralet over ∂Kr af venstresiden i ligning (28.3.53) netop er fluxen
Flux(V, ∂Kr ) har vi derfor følgende identitet i dette simplificerede tilfælde:
Z
1 1
Flux(V, ∂Kr ) = V · n dµ
Vol(Kr ) Vol(Kr ) ∂Kr
∂V1 ∂V2 ∂V3 (28-56)
= (0, 0, 0) + (0, 0, 0) + (0, 0, 0)
∂x ∂y ∂z
= Div(V)(0, 0, 0) .
For generelle vektorfelter gælder den tilsvarende identitet kun i den grænse, hvor r er meget
lille (altså for r ! 0), således at ovenstående brug af Taylor’s grænseformel for V( x, y, z) til
første orden netop bliver den dominerende repræsentant for vektorfeltet indenfor kuglen
Kr . For vektorfelter af højest første grad gælder identiteten (28.3.56) dog som nævnt for
alle værdier af r. Det skyldes naturligvis, at uanset radius r er vektorfeltet jo i det specielle
tilfælde eksakt repræsenteret i hele Kr ved sin Taylors grænseformel til første orden med
udviklingspunkt i centrum.
Hermed har vi afsluttet skitseringen af beviset for den lokale bestemmelse af divergensen af
et vektorfelt og vist den geometriske tolkning i sætning 28.13.
Opgave 28.14
Vis de ovenstående identiteter i ligning (28.3.54). I de tilfælde hvor integralet er 0 kan dette
vises ved en fortegns- og symmetribetragtning.
Denne fremstilling af divergensen åbner nu op for en naturlig ide, som går i den mod-
satte retning:
hvor fluxen altså skal beregnes med hensyn til det udadrettede enhedsnormalvektor-
felt på randoverfladen af det givne rumlige område.
eNote 28 28.4 GAUSS’ DIVERGENS-SÆTNING 24
Begge sider af følgende ligning, der er essensen af Gauss’ sætning, kan jo beregnes i
konkrete tilfælde og dermed verificere Gauss’ sætning:
Z
Div(V) dµ = Flux(V, ∂Wr ) . (28-58)
Wr
Eksempel 28.16
Hvis vektorfeltet V har divergensen 0 i alle punkter i rummet, så vil ethvert rumligt område,
der flyder med vektorfeltet, bevare sit volumen. Formen kan naturligvis ændres meget som
tiden går, men volumenet er konstant. Desuden er fluxen ud igennem overfladen af ethvert
fastholdt rumligt område tilsvarende 0.
Eksempel 28.17
Opgave 28.18
Figure 28.10: Et vektorfelt som er parallelt med x-aksen og cylinderen fra eksempel 28.10.
Vi betragter en delmængde af en massive kugle med radius 1/2, se figur 28.11. En parame-
terfremstilling for det massive område er givet ved:
V( x, y, z) = ( z, y, x · z) . (28-67)
Opgaven er at bestemme den totale flux af vektorfeltet ud igennem overfladen af Wr . Det kan
godt være kompliceret – overfladen har 4 fladestykker, der alle bidrager til flux-beregningen.
I stedet vil vi udregne integralet af divergensen af vektorfeltet over det rumlige område og
til sidst henvise til Gauss’ divergenssætning.
og divergensen af vektorfeltet er
Div(V)( x, y, z) = 1 + x , sådan at
(28-69)
Div(V)(r(u, v, w)) = 1 + u · sin(v) · cos(w) .
Divergensintegralet over Wr er derfor:
Z Z p Z 2p/3 Z 1
Div(V) dµ = (1 + u · sin(v) · cos(w)) · u2 · sin(v) du dv dw
Wr p p/3 1/2
= ··· (28-70)
7p
= ,
12
som derfor – i henhold til Gauss’ sætning – også er den søgte totale flux ud igennem over-
fladen:
7p
Flux(V, ∂Wr ) = . (28-71)
12
eNote 28 28.5 EN KONSEKVENS FOR ROTATIONSFELTER 27
Div(Rot(W))( x, y, z) = 0 . (28-73)
Bevis
sådan at
✓ ◆ ✓ ◆ ✓ ◆
∂2 W3 ∂2 W2 ∂2 W1 ∂2 W3 ∂2 W2 ∂2 W1
Div(V)( x, y, z) = + + = 0 , (28-75)
∂y∂x ∂z∂x ∂z∂y ∂x∂y ∂x∂z ∂y∂z
∂2 W3 ∂2 W3
= . (28-76)
∂y∂x ∂x∂y
Hvis det rumlige område flyder med flowkurverne for Rot(W( x, y, z) så er rum-
fanget konstant under hele flowdeformationen:
d
Vol± (t) = 0 for alle t . (28-78)
dt
Så er
Rot(W)( x, y, z) = (2 · y · z, 2 · z · x, 2 · x · y) , (28-79)
samt tydeligvis
Div(Rot(W))( x, y, z) = 0 . (28-80)
eNote 28 28.5 EN KONSEKVENS FOR ROTATIONSFELTER 29
Lad nu Fr betegne kuglefladen med radius 1 placeret med centrum i (0, 0, 0):
Fr : r(u, v) = ( x (u, v), y(u, v), z(u, v)) = (sin(u) · cos(v), sin(u) · sin(v), cos(u)) ,
(28-81)
hvor u 2 [0, p ] og v 2 [ p, p ]. Som bekendt er Jacobifunktionen for denne parametrisering
af kuglefladen givet ved:
Jacobir (u, v) = sin(u) , (28-82)
og enhedsnormalvektoren til kuglefladen er i dette specielle tilfælde:
sådan at
Rot(W)( x, y, z) · nF (u, v) = 2 · (y · z, y · z, y · z) · ( x, y, z)
= 6 · x (u, v) · y(u, v) · z(u, v) (28-84)
2
= 6 · sin (u) · cos(v) · sin(v) · cos(u) .
Det totale flux-integral af Rot(W)( x, y, z) ud igennem kuglefladen er derfor:
Z
Flux(Rot(W), Fr ) = Rot(W) · nF dµ
F
Z rp Z p
= 6 · sin2 (u) · cos(v) · sin(v) · cos(u) · Jacobir (u, v) du dv
p 0
Z p Z p
= 6 · sin2 (u) · cos(v) · sin(v) · cos(u) · sin(u) du dv
p 0
Z p Z p
= 6 · sin3 (u) · cos(v) · sin(v) · cos(u) du dv
p 0
(28-85)
eNote 28 28.5 EN KONSEKVENS FOR ROTATIONSFELTER 30
og da en stamfunktion til sin3 (u) · cos(u) er 14 · sin4 (u) som er 0 både for u = 0 og for u = p,
så er
Flux(Rot(W), Fr ) = 0 (28-86)
i overensstemmelse med følgesætning 28.22.
Første-grads vektorfeltet
V( x, y, z) = ( z, (y x )/2, x (z/2)) (28-87)
har divergensen Div(V)( x, y, z) = 0. Den totale flux af vektorfeltet ud igennem overfladen
af ethvert rumligt område er derfor 0 og rumfanget af det rumlige område er bevaret ved
flow med vektorfeltets flowkurver.
28.6 Opsummering
Vi har indført det fundamentale begreb flux af et vektorfelt igennem en flade og relateret
fluxen dels til den lokale volumen-ekspansions-rate ved selve fladen når denne flyder
med flowkurverne for vektorfeltet, og dels til divergensen af vektorfeltet inde i et rum-
ligt område der er afgrænset af en given overflade.
• Ved at lade fladen flyde en tid t med flowkurverne for V( x, y, z) fejer fladen igen-
nem et tids-afhængigt rumligt område Wr (t), som lokalt enten ligger i retning af
fladens standardnormal eller i modsatte retning. Det med fortegn vægtede rum-
fang beregnes ved hjælp af Jacobifunktionen for parameterfremstillingen – uden
numerisk tegn. Dette rumfang kalder vi Vol± (t). Så er fluxen relateret til dette
volumen på følgende måde:
d
Flux(V, Fr ) = Vol± (Wr (t)) = Vol0± (0) . (28-89)
dt |t=0
eNote 29
Stokes’ rotationssætning
I denne eNote benytter vi Gauss’ divergenssætning fra eNote 28 til at motivere, bevise, og
illustrere Stokes’ sætning, som udtrykker en præcis sammenhæng mellem rotation og
cirkulation af et givet vektorfelt: For enhver glat parametriseret flade Fr er fluxen af rotationen
af et glat vektorfelt V( x, y, z) igennem Fr lig med cirkulationen af vektorfeltet langs randkurven
∂F. Som hermed antydet får vi brug for både rum-, flade-, og kurve-integraler samt viden om
vektorfelter og deres restriktioner til flader og kurver. Det vil sige, at basismaterialet for
nærværende eNote skal findes i en række eNoter: eNote 24 (om plan- og kurve-integraler),
eNote 26 (om fladeintegraler), eNote 24 (om vektorfelter), eNote 27 (om tangentielle
kurveintegraler og cirkulationer), og eNote 28 (om flux-beregninger og Gauss’ sætning).
The history of Stokes’ Theorem is clear but very complicated. It was first
given by Stokes without proof - as was necessary since it was given as an ex-
amination question for the Smith’s Prize Examination of that year [at Cam-
bridge in 1854]! Among the candidates for the prize was Maxwell, who later
eNote 29 29.1 STOKES’ SÆTNING 2
traced to Stokes the origin of the theorem, which by 1870 was frequently
used. On this see George Gabriel Stokes, Mathematical and Physical Papers,
vol. V (Cambridge, England, 1905), 320–321. See also the important histori-
cal footnote which indicates that Kelvin in a letter of 1850 was the first who
actually stated the theorem, although others as Ampére had employed "the
same kind of analysis ... in particular cases."
Figure 29.2: James Clerk Maxwell (Biografi), William Thomson (Lord Kelvin) (Biografi), og
Andrè-Marie Ampére (Biografi).
integral over et område til en andet integral over områdets rand - altså så at sige ’skubbe
integrationen ud på randen’. Det ældste medlem af den familie er Integralregningens
fundamental-sætning, jvf. sætning 23.13 eNote 23 som vi gentager her med følgende
formulering:
Det vil sige: Fluxen af rotationen af vektorfeltet V igennem fladen Fr er lig med
cirkulationen af vektorfeltet langs fladestykkets lukkede randkurve ∂F.
Flux(Rot(V), Fr ) = 0 (29-5)
Vi får brug for følgende resultat, som også er nævnt i afsnit 26.4 i eNote 26:
Sætning 29.3
Lad V( x, y, z) og W( x, y, z) betegne to vektorfelter i R3 . Så gælder følgende iden-
titet
Div(V ⇥ W) = Rot(V) · W V · Rot(W) . (29-6)
Specielt har vi derfor: Hvis W er et gradient-vektorfelt for en funktion y( x, y, z) i
R3 , dvs. W = r(y) , så får vi fra Rot(r(y)) = 0 :
Ved at bruge Gauss’ divergens-sætning (sætning 28.15 eNote 28) i forbindelse med
(29.2.7) får vi direkte et interessant resultat om integraler over rumlige områder således:
eNote 29 29.2 MOTIVERING AF – OG ET BEVIS FOR – STOKES’ SÆTNING 5
Bevis
Højresiden af ligningen (29.2.11) vil vi tillade os at kalde den totale vridning af fladen ∂W
med vektorfeltet V med hensyn til normalvektorfeltet n∂W og i øvrigt betegne denne
vektor med Vrid(V, ∂W) således:
Generelt er den totale rotation af et givet vektorfelt i et rumligt område (også kaldet ’to-
tal vorticity’ i fluid mekanik) altså – via 29.5 – lig med vridningen af områdets overflade
med vektorfeltet. Dette minder meget om Gauss’ tilsvarende identitet for den totale
divergens af et glat vektorfelt, sætning 28.15: Den totale divergens af vektorfeltet i et
område er lig med fluxen af vektorfeltet ud igennem overfladen af området.
I lighed med sætning 28.13 har vi da også følgende tolkning og konstruktion af rota-
tionsvektoren i et givet punkt:
Sætning 29.7
Rotationen af et vektorfelt udtrykker den volumen-relative lokale vridning af overfladen
for vektorfeltet i følgende forstand: Lad Kr betegne en massiv kugle med radius r
og centrum i punktet ( x0 , y0 , z0 ). Så gælder:
✓ ◆
1
lim Vrid(V, ∂Kr ) = Rot(V)( x0 , y0 , z0 ) . (29-13)
r!0 Vol( Kr )
eNote 29 29.2 MOTIVERING AF – OG ET BEVIS FOR – STOKES’ SÆTNING 7
Sætning 29.7 indses på samme måde som for den analoge identitet for diver-
gensen. Vektorfeltet udvikles til første orden med udviklingspunkt p og ind-
sættes i vridningsudtrykket, hvorefter følgende identiteter benyttes:
Z Z Z
x dµ = y dµ = z dµ = 0 ,
∂Kr ∂Kr ∂Kr
Z Z Z
2 2
x dµ = y dµ = z2 dµ = (4 p/3) r4 = r Vol(Kr ) ,
∂Kr ∂Kr ∂Kr
Z Z Z
x y dµ = x z dµ = z y dµ = 0 .
∂Kr ∂Kr ∂Kr
(29-14)
De eneste partielle afledede af vektorfeltets koordinatfunktioner, der ikke in-
tegreres væk, er præcis dem, der optræder i rotationsvektoren Rot(V) når
denne evalueres i p. Prøv det!
Vi ser på et roterende vektorfelt V( x, y, z) = ( y, x, 1). Dette felt har den konstante rotation
Rot(V) = (0, 0, 2) . Vi vil vise, hvordan Vrid(V, ∂Kr ) netop giver denne rotation i punk-
tet (0, 0, 0). Lad altså Kr betegne den kugleflade, der har radius r , centrum i (0, 0, 0), og
overflade ∂Kr med udadrettet normalvektorfelt n = 1r ( x, y, z). Så er
Z
Vrid(V, ∂Kr ) = n∂K ⇥ V dµ
∂Kr
Z
1
= ( x, y, z) ⇥ ( y, x, 1) dµ
r ∂Kr
Z
1
= ( y x z , x y z , x2 + y2 ) dµ
r ∂Kr
= (0, 0, 2 Vol(Kr ) )
= Vol(Kr ) Rot(V)(0, 0, 0) ,
I mere komplicerede tilfælde kan den totale vridning af en flade med et givet
vektorfelt beregnes med Maple. Hvis den aktuelle flade er randoverfladen af
et givet rumligt område kan vridningen også beregnes som integralet af det
tilhørende rotationsvektorfelt over det rumlige område. Derved muliggøres
naturligvis også konkrete eftervisninger af ligning (29.2.11).
eNote 29 29.2 MOTIVERING AF – OG ET BEVIS FOR – STOKES’ SÆTNING 8
hvor
(u, v) 2 D = [ a, b] ⇥ [c, d] ⇢ R2 . (29-16)
Randen af Fr er så
Vi definerer den tubulære skal med tykkelse t ud fra Fr som følgende område i R3 :
Specielt er fladen Fr netop basis-fladen for skallen og fås ved at bruge afbildningen R på
D (hvor w = 0):
F0 = FR (0) = Fr : r(u, v) = R(u, v, 0) , (u, v) 2 D . (29-21)
Tilsvarende får vi, for w = t, top-fladen af skallen. Den er parametriseret således:
Ft = FR (t) = Fbr : br(u, v) = R(u, v, t) , (u, v) 2 D . (29-22)
Figure 29.3: En tubulær skal der er defineret ved flow langs enheds-normalvektorfeltet nF
fra et kvadrat.
Figure 29.4: En tubulær skal der er defineret ved flow langs enheds-normalvektorfeltet nF
fra et fladestykke af en kugleflade.
Jacobi-funktionen for R er
JacobiR (u, v, w) = | R0u ⇥ R0v · R0w |
(29-23)
= | (r0u + w n0u ) ⇥ (r0v + w n0v ) · nF | .
eNote 29 29.2 MOTIVERING AF – OG ET BEVIS FOR – STOKES’ SÆTNING 10
Da nF er et enhedsvektorfelt som er parallelt med r0u ⇥ r0v langs Fr , får vi specielt (for
w = 0):
JacobiR (u, v, 0) = | r0u ⇥ r0v · nF |
= kr0u ⇥ r0v k (29-24)
= Jacobir (u, v) > 0 .
Gradienten r(h) er faktisk præcis lig med nF på basis-fladen. For at indse dette behøver
vi kun at vise, at længden af gradienten der er 1. Retningen er jo den samme. Lad derfor
(u0 , v0 ) betegne et punkt i D og betragt restriktionen af h til den rette linje r(u0 , v0 ) +
w n(u0 , v0 ), hvor w 2 [0, t]. Lad os benytte notationen r0 = r(u0 , v0 ) og n0 = n(u0 , v0 ).
eNote 29 29.2 MOTIVERING AF – OG ET BEVIS FOR – STOKES’ SÆTNING 11
Så giver kædereglen
d
1 = | h(r0 + w n0 ) |
dw
= | n0 · r(h)(r0 + w n0 ) | (29-25)
= kr(h)(r0 + w n0 ) k ,
således at vi på fladen Fr , hvor w = 0, har kr(h)(r0 )k = 1 . Det var det, vi skulle vise.
Vi har derfor:
r(h)| F = nF . (29-26)
✓ ◆ Z Z
d
f dµ = f dµ . (29-28)
dt | t =0 Wt Fr
eNote 29 29.2 MOTIVERING AF – OG ET BEVIS FOR – STOKES’ SÆTNING 12
Bevis
Da nF står vinkelret på fladen Fr og derfor også på randen ∂Fr (parametriseret via b), får
vi:
JacobiB (q, 0) = kb0q ⇥ nF k = kb0q k = Jacobib (q ) . (29-32)
eNote 29 29.2 MOTIVERING AF – OG ET BEVIS FOR – STOKES’ SÆTNING 13
✓ ◆ Z Z
d
g dµ = g dµ . (29-34)
dt |t=0 Wt ∂F
Bevis
Bevis
Funktionen h( x, y, z) fra det foregående afsnit indsættes i stedet for y( x, y, z) i Sætning 29.4,
ligning (29-9). Med integrations-området W = Wt får vi så:
Z
Rot(V) · r(h) dµ
Wt
Z
= (n∂Wt ⇥ V) · r(h) dµ
∂Wt
Z
= (nFt ⇥ V) · r(h) dµ (29-36)
Ft
Z
(nF0 ⇥ V) · r(h) dµ
F0
Z
+ (nWt ⇥ V) · r(h) dµ .
Wt
idet r(h) er vinkelret på begge fladerne Ft og F0 således at r(h) er proportional med hen-
holdsvis nFt og nF0 på de respektive flader.
Langs ∂F ⇢ Wt har vi nWt = e∂F ⇥ nF og derfor e∂F = nF ⇥ nWt - i overensstemmelse med
orienteringsreglen i Sætning 29.2. Hvis vi t-afleder begge sider af den reducerede ligning
(29-36) får vi: ✓ ◆ Z
d
Rot(V) · r(h) dµ
dt |t=0 Wt
✓ ◆ Z (29-38)
d
= (nWt ⇥ V) · r(h) dµ ,
dt |t=0 Wt
således at vi endelig har - i kraft af ligningerne (29-28) og (29-34):
Z
Rot(V) · nF dµ
ZF
= (nWt ⇥ V) · nF dµ
Z∂F (29-39)
= V · (nF ⇥ nWt ) dµ
Z∂F
= V · e∂F dµ .
∂F
⌅
eNote 29 29.3 VERIFICERING AF STOKES’ SÆTNING I KONKRETE EKSEMPLER 15
I lighed med Gauss’ divergens-sætning kan Stokes’ sætning verificeres ved i konkrete
givne tilfælde at beregne begge sider af identiteten (29.1.3) i Stokes’ sætning.
Bemærk, at det er r(1, v), v 2 [ p, p ], der giver hele randen, at r0v (1, v) er en
enhedsvektor for alle v, og at r0v (1, v) ⇥ nF peger væk fra cirkelskiven langs hele
randkurven.
Begge sider i ligningen (29-3) giver altså p i dette eksempel – og vi har derfor verificeret
Stokes’ sætning.
hvor
(u, v) 2 [1/2, 1] ⇥ [0, p ] (29-49)
Parameterfremstillingen har Jacobifunktionen
p
Jacobir (u, v) = 4 · u cot 1 + u2 , (29-50)
og standard-normalvektorfeltet (ikke nødvendigvis enheds-vektorer) til fladen er givet ved
NF (u, v) = r0u (u, v) ⇥ r0v (u, v) = ( 4 · u2 · cos(v), 4 · u2 · sin(v), 4 · u) . (29-51)
Et glat vektorfelt i rummet er givet ved sine koordinatfunktioner således:
V( x, y, z) = (z, y, x) , (29-52)
med det tilhørende rotationsvektorfelt
Rot(V)( x, y, z) = (0 , 2 , 0) . (29-53)
Vi vil verificere Stokes’ sætning ved at beregne ”begge sider” af ligning (29-3) i dette
konkrete tilfælde.
Begge sider i ligningen (29-3) giver altså 14/3 i dette eksempel, og vi har således igen
verificeret Stokes’ sætning.
Opgave 29.14
hvor
p p p
(u, v) 2 [ , ] ⇥ [ p, ] . (29-61)
2 2 2
Verificér at Stokes’ sætning er opfyldt for vektorfeltet V = (yx , yz , xz) over fladen Fr med
den givne rand ∂Fr .
eNote 29 29.3 VERIFICERING AF STOKES’ SÆTNING I KONKRETE EKSEMPLER 20
Opgave 29.15
Lad Fr betegne den flade – et såkaldt Möbius-bånd – der har følgende parameterfremstilling
og parameter-område:
Fr : r(u, v)
(29-62)
= (2 cos(u) + v cos(u/2) cos(u) , 2 sin(u) + v cos(u/2) sin(u) , v sin(u/2)) ,
Opgave 29.16
Gr : r(u, v)
(29-64)
= (2 cos(u) + v cos(u/2) cos(u) , 2 sin(u) + v cos(u/2) sin(u) , v sin(u/2)) ,
Opgave 29.17
Hvilke værdier for rotationsflux og cirkulation opnås ved at skifte intervaller i parametris-
eringen, dvs. ved blot at benytte følgende parameterintervaller for forskellige a 2 R:
(u, v) 2 [ p + a, p + a] ⇥ [ 1, 1] ? (29-67)
Med hensyn til randen af det plane område repeterer vi notationen fra afsnit 29.2.1:
Randen ∂Fr af Fr fremkommer ved at bruge vektorfunktionen r på de 4 rette linjestykker,
der udgør randen ∂D af det rektangulære parameterområde D = [ a, b] ⇥ [c, d]. Vi
parametriserer hele ∂D på én gang ved hjælp af en parameter q og en vektor-funktion
d:
∂D : d(q ) = (u(q ), v(q )) 2 ∂D ⇢ R2 , q 2 I ⇢ R ,
hvor u(q ) og v(q ) kun er stykkevis differentiable funktioner af q. De kan f.eks. vælges
som lineære funktioner af q for hvert enkelt af de 4 linjestykker der udgør ∂D.
Randen af Fr er så
og dermed
Z dZ b ✓ ◆ Z T
∂V2 ∂V1
Jacobir (u, v) du dv = V1 b10 (q ) + V2 b20 (q ) dq . (29-71)
c a ∂x ∂y 0
Bemærkning 29.19
Det ses, at vektorfeltets tredie koordinat-funktion V3 ( x, y, z) ikke spiller nogen rolle i
sætningen. Sætningen er derfor et resultat om vektorfunktioner i planen: V( x, y) =
(V1 ( x, y), V2 ( x, y)) . Vi illustrerer med et detaljeret - men simpelt - eksempel neden-
for.
Lad V( x, y) = ( y, x ) og r(u, v) = (3u, 4v), u 2 [ a, b], v 2 [c, d], så får vi: Jacobir (u, v) = 12
∂V1
og ∂V
∂x
2
∂y = 2 sådan at venstre side i ligning (29.4.71) giver:
Z dZ b ✓ ◆
∂V2 ∂V1
Jacobir (u, v) du dv
c a ∂x ∂y
Z dZ b
(29-72)
= 2 · 12 du dv
c a
= 24(b a)(d c) .
Højre side i ligning (29.4.71) skal give samme værdi.
eNote 29 29.4 STOKES’ SÆTNING I PLANEN 24
Vi begynder med at sætte T = 2(b a) + 2(d c), dvs. T er den totale omkreds af parame-
terområdet D. Randen af D kan vi så parametrisere på følgende måde:
d( q ) = ( a + q , 0) for q 2 [0 , b a]
d( q ) = ( b , c + q ) for q 2 [b a, b a+d c]
(29-73)
d( q ) = ( b q , d) for q 2 [b a+d c , 2( b a) + d c]
d( q ) = ( a , d q) for q 2 [2( b a) + d c , 2( b a ) + 2( d c)] .
Randen af Fr har vi dernæst på følgende form:
b( q ) = (3( a + q ) , 0) for q 2 [0 , b a]
b(q ) = (3b , 4(c + q )) for q 2 [b a, b a+d c]
(29-74)
b( q ) = (3( b q ) , 4d) for q 2 [b a+d c , 2( b a) + d c]
b(q ) = (3a , 4(d q )) for q 2 [2( b a) + d c , 2( b a ) + 2( d c)] ,
og dermed:
b0 ( q ) = ( 3 , 0 ) for q 2 [0 , b a]
0
b ( q ) = (0 , 4) for q 2 [b a, b a+d c]
0
(29-75)
b ( q ) = ( 3 , 0) for q 2 [b a+d c , 2( b a) + d c]
b0 ( q ) = ( 0 , 4) for q 2 [2( b a) + d c , 2( b a ) + 2( d c)] .
Vi kan nu beregne højresiden i ligning (29.4.71) som summen af de 4 led, der stammer fra
hver sin komponent af randkurven. For eksempel, for det frste linjestykke i randkurven,
som er parallel med x aksen og med konstant y = 4c har vi: q 2 [0, b a] har vi b10 (q ) = 3,
b20 (q ) = 0, V1 ( x, y) = y = b2 (u, v) = 4v = 4c og ligeledes for de andre 3 bidrag (se figurerne
29.12 og 29.13):
Z T
V1 b10 (q ) + V2 b20 (q ) dq =
0
Z b a
12c dq
0
Z b a+d c
+ 12b dq
b a
Z 2(b a)+d c
+ 12d dq
b a+d c
Z 2(b a)+2(d c)
+ 12a dq (29-76)
2(b a)+d c
=
12c(b a)
+ 12b(d c)
+ 12d(b a)
+ 12a(d c)
=
24(b a)(d c) ,
eNote 29 29.4 STOKES’ SÆTNING I PLANEN 25
i overensstemmelse med resultatet i ligning (29-72), sådan at den generelle ligning (29-71)
dermed er verificeret i dette tilfælde.
29.5 Opsummering
Ved beregning af højresiden er det vigtigt (for at få det korrekte fortegn) at orien-
teringen af randen vælges sådan at krydsproduktet e∂F ⇥ nF peger væk fra fladen
langs med randen.