Wiskunde 1.

4
Lineaire Algebra

Alexander Arutunian

June 12, 2024

Contents

Disclaimer 4

Week 1 5
1 Matrix notatie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2 Toepassing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1 Warmteverdeling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Schakelingen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.1 Wetten van Kirchhoff . . . . . . . . . . . . . . . . . . . . . . . . . 8

Week 2 10
1 Consistente systemen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2 Row Echolon Form . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.1 Vrije variabelen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3 Toepassing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.1 Chemische reactie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2 Stromingsdiagrammen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.3 Breuksplitsen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

Week 3 13
1 Vermenigvuldigen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2 Diagonaal en Identiteit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3 Transpose . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4 Toepassing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.1 Ray tracing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.2 Grafen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.3 Complexe getallen(Deel I) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.4 Two-port systems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.4.1 Weerstanden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.4.2 Transformator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.4.3 Voorbeeld Weekcheck 3 . . . . . . . . . . . . . . . . . . . . . . . . 17

Week 4 18
1 Determinant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2 Inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.1 Cofactor matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2 Vegen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3 Toepassing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.1 Hill Cryptografie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2 Volume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.3 Wronskiaan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

1
 3.4 Inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.4.1 Grafen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.4.2 Complexe getallen II . . . . . . . . . . . . . . . . . . . . . . . . . . 20

Week 5 21
1 Vectoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.1 Orthogonaal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.2 Projectie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.3 Rejectie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2 Kruisproduct . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1 Methode 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3 Toepassing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.1 Mechanica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2 Maxwell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.3 Vector calculus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3.1 Gradiant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3.2 Divergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3.3 Rotatie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3.4 Warmte vergelijking . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.4 Kristal structuren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

Week 6 23
1 Eigenwaarde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.1 Karakteristiek polynoom . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.2 Voorbeeld . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.3 Eigenschappen determinant . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2 Eigenvector . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.1 Bepalen eigenvector . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2 Voorbeeld . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3 Toepassing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1 Laser Cavity Stability . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1.1 Kromme objecten . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1.2 Laser holte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1.3 Voorbeeld . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2 Normal modes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.1 Massa-veer-massa-veer . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.2 2 ophangpunten, 2 massa’s,
3 veren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.3 3 massa’s, 3 veren . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.4 3 ophangpunten, 3 massa’s, 6 veren . . . . . . . . . . . . . . . . . . 26
3.2.5 Ophangpunt veer-massa-veer-massa . . . . . . . . . . . . . . . . . . 27
3.3 Asymptotisch gedrag? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3.1 Eigenvector van λ = 1 . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3.2 Een tweede λ = 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3.3 Andere eigenwaarden |λ| = 1 . . . . . . . . . . . . . . . . . . . . . 27

Week 7 28
1 Least Squares Fit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.1 Stappenplan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.2 Als inproduct . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

2
Bronnen 28

3
Disclaimer

Zoals de vorige is dit een samenvatting van het blok. In dit document verdiep ik me niet in de
wiskundige vaardigheden, want die moet je onder de knie hebben. Ik zal wel verdiepen in de
theorie en het toepassen ervan, want we mogen bij onze toets aantekeningen meenemen en ik zal
dit document meenemen. We weten eigenlijk heel goed wat ons te wachten staat deze toets, dus
moet het wel goed komen. Mijn grootste tip is los veel matrices op, zodat je daar vlot in bent.
Dan heb je veel tijd om over het toepassen na te denken, want dat is ook heel belangrijk. Als je
niet goed toepast, zal het oplossen van je matrix niet veel opleveren. Verder gebruik ik natuurlijk
heel de Wiskunde 1.4 sectie op BrightSpace, daar kan je alles terug vinden[1] . Ook kun je daar
de antwoorden van sommige opgaven terug vinden, zoals de check je week opdrachten. (In dit
document kunnen fouten zitten, feedback wordt gewaardeerd.)

4
Week 1 Wiskunde 1.4 Laatste toets

Week 1

1 Matrix notatie
Laten we kijken naar een twee bij twee matrix A:
 
1 2
A=
3 4
 
1 2
=
3 4

Deze matrix heeft twee rijen en twee kolommen. Om een specifiek element te pakken uit deze
matrix kunnen we dat doen door coördinaten: element = Arij,kolom . Dus A1,2 = 2. Verder zijn er
nog twee soorten matrices, een kolomvector en rijvector. De kolomvector is een n bij 1 matrix,
voor een rijvector geldt dat het een 1 bij n matrix is. Omdat er dan steeds een getal in de matrix
hetzelfde blijft (voor rij of kolom) hoef je geen twee getallen te geven voor elk element.
 
v1
 v2   
⃗v =  ..  ⃗ = w1 w2 w3 . . . wn
w
 
.
vn

Wij zullen grote vergelijkingen krijgen, om het makkelijker te maken kunnen we er een matrix
vergelijking van maken, maar die x, y, z spelen geen rol. Als we die weglaten krijgen we een
aangevulde matrix:
      
2x + 7y − z = 1 2 7 −1 x 1 2 7 −1 1
7x − 5y + 3z = 2 ⇒ 7 −5 3  y  = 2 ⇒ 7 −5 3 2
9x + 3y − 4z = 3 9 3 −4 z 3 9 3 −4 3

5 Ez toets
Week 1 Wiskunde 1.4 Laatste toets

2 Toepassing
2.1 Warmteverdeling
We gaan kijken naar warmteverdeling. Hiervoor hebben we een differentiaal vergelijking gekregen:
X
Ṫ = ki Ai (Ti − T )
i

(T is waaruit je kijkt, bijv. T1 en Ti is naar waar, bijv. buiten)

Hieronder is een voorbeeld situatie met parameters te vinden:

ˆ Buitentemperatuur 10.
ˆ Verwarmde kamers met bekende temperatuur 20.
ˆ Kamers met onbekende temperaturen Tn .
ˆ Doorlatingsfactor kdun = 3, kdik = 1.
ˆ Oppervlakte A, ieder hokje heeft A = 1 zijden.
Hieronder stellen we voor elke kamer de vergelijking op, zodat we deze in een matrix kunnen zetten.
De oplossing van deze maxtrix bevat de temperaturen van de drie onbekenden.
Kleine disclaimer: Het oplossen van een matrix is kort behandeld bij week 1 en uitgebreid bij week
2, een aanname die ik maak is dat jullie allemaal een matrix kunnen oplossen. De reden hiervoor
is, omdat een heel groot deel van de toets het oplossen van matrices zal zijn. Echter mogen wij
nu wel aantekeningen meenemen naar de toets, dit betekent dat het moeilijker zal zijn dat alleen
matrices oplossen. Dit document is een samenvatting van een deel van de stof en hetgene wat ik
zal meenemen naar de toets. De wiskundige vaardigheden moet jullie dus zelf beheersen!

Voor T1 → Ṫ = 3(20 − T1 ) + 3(T2 − T1 ) + 2(10 − T1 )

= −8T1 + 3T2
Voor T2 → Ṫ = 3(T1 − T2 ) + 3(T3 − T2 ) + 4(10 − T2 )
= 3T1 − 10T2 + 3T3
Voor T3 → Ṫ = 3(20 − T3 ) + 3(T2 − T3 ) + 2(10 − T3 )
= 3T2 − 8T3

Hieruit volgt de volgende matrix:

6 Ez toets
Week 1 Wiskunde 1.4 Laatste toets

     
−8 3 0 −80 −8 0 8 0 −1 0 1 0
 3 −10 3 −40 ⇒  3 −10 3 −40 ⇒  3 −10 3 −40 ⇒
0 3 −8 −80 0 3 −8 −80 0 3 −8 −80

     
−1 0 1 0 −1 0 1 0 −1 0 1 0
 0 −10 6 −40 ⇒  6 −10 0 −40 ⇒  6 −10 0 −40  ⇒
0 3 −8 −80 −8 3 0 −80 −2 −7 0 −120

     
−1 0 1 0 −1 0 1 0 −1 0 1 0
 3 −5 0 −20  ⇒  3 −5 0 −20  ⇒ 0 31 0 400  ⇒
−2 −7 0 −120 1 −12 0 −140 1 −12 0 −140

     
−1 0 1 0 −1 0 1 0 0 0 1 14, 8
0 1 0 12, 9  ⇒ 0 1 0 12, 9 ⇒ 0 1 0 12, 9
1 −12 0 −140 1 0 0 14, 8 1 0 0 14, 8

De elementen zijn natuurlijk op volgorde, dus T1 = 14, 8 ; T2 = 12, 9 ; T3 = 14, 8.

Hier zijn nog twee oefeningen, de aantwoorden staan achterin.

(1)

(2)

7 Ez toets
Week 1 Wiskunde 1.4 Laatste toets

2.2 Schakelingen
Het moeilijke aan deze opdracht is om er een
matrix van te maken. Dit is precies hoe het
op de toets gaat zijn, moeilijke vragen die we
in matrix vorm moeten zetten om ze op te
kunnen lossen. Voor deze opdracht gebruiken
we Ohm’s wet en de wet van Kirchhoff. Als we
deze toepassen kunnen we de volgende formules
opstellen:

i1 = 2 + i2
2 − 2R − 3i1 = 0
−2 + 2R = 0

De theorie achter deze wetten en regels volgt:

Figure 1.1: Check je week
2.2.1 Wetten van Kirchhoff

Juction rule

i1 = i2 + i3

Op ieder kruispunt geldt dat de ingaande stroom gelijk moet zijn aan de uitgaande stroom. Een
negatieve stroom is een stroom die tegen de richting van de pijl ingaat. Je kan dus de richtingen
vrij kiezen.

8 Ez toets
Week 1 Wiskunde 1.4 Laatste toets

Loop-rule
Elk rondje moet uitkomen op een voltage verschil van 0.

ˆ Stroom en rondje zelfde richt: weerstand: −Ri

ˆ Stroom en rondje andere richt: weerstand: +Ri

ˆ Rondje volgt min naar plus: bron: +V

ˆ Rondje tegen min naar plus: bron: −V

We kunnen op drie verschillende manieren een rondje maken, zie figuren 1a,1b,2. Dus samenvattend
hebben we drie vergelijkingen en drie onbekenden:

i1 − i2 − i3 = 0
−i2 R3 + i3 R2 = 0
i1 R1 + i3 R2 = V

Als je R1 , R2 , R3 , V weet dan is dit een lineair systeem dat je kunt oplossen!

9 Ez toets
Week 2 Wiskunde 1.4 Laatste toets

Week 2

1 Consistente systemen
Definition 1.1. Een systeem van vergelijkingen is consistent als er minstens één oplossing bestaat.

x+y+z =1
2x − 2y + z = 2

Er zijn meer onbekenden (x, y, z) dan vergelijkingen: Dit is een Ondergedetermineerd systeem
van vergelijkingen. Dit soort systemen hebben vaak oneindig veel oplossingen. Soms zijn ze
inconsistent.

x+y =1
2x − 2y = 2
x + 2y = 3

Er zijn meer vergelijkingen dan onbekenden (x, y): Dit is een Overgedetermineerd systeem van
vergelijkingen. Dit soort systemen zijn vaak inconsistent. Soms zijn ze wel consistent.

2 Row Echolon Form

Definition 2.1. Een systeem van vergelijkingen is in Row Echelon Form als:

ˆ Iedere rij meer nullen aan de linker kant heeft staan dan bovenstaande rijen.

ˆ Of volledig uit nullen bestaat.

Waarbij we alleen links van het = teken kijken.

2.1 Vrije variabelen

Het systeem:
y+x=1
Heeft oneindig veel oplossingen, deze kunnen we schrijven als:

y =1−x

Dit heeft 1 vrije variabele.

10 Ez toets
Week 2 Wiskunde 1.4 Laatste toets

Het systeem:

y+x+z =1
y+x−z =2

Heeft oneindig veel oplossingen, deze kunnen we schrijven als:

3
y= −x
2
1
z=−
2
Dit heeft 1 vrije variabele. in Row Echelon Form is:

y+x+z =1
−2z = 1

Dat er vrije variabelen over zijn betekend dat we de oplossing niet volledig vast kunnen leggen.
Soms zijn er aanvullende eisen die niet als een lineaire vergelijking te schrijven zijn.

3 Toepassing
3.1 Chemische reactie

x1 C3H8 + x2 O2 → x3 CO2 + x4 H2O

➊ Stel een stelsel op

➋ Los het op (TIP: z.s.m. row echelon form!)

➌ Geef oplossing met zo klein mogelijk hele getallen

➊ ➌
➋
x1 x2 x3 x4 x1 =1
1 0 0 − 14
 
H 8 0 0 -2 0 1 0 − 5  x2 =5
C 3 0 -1 0 4
0 0 1 − 34 x3 =3
O 0 2 -2 -1 x4 =4

11 Ez toets
Week 2 Wiskunde 1.4 Laatste toets

3.2 Stromingsdiagrammen

2 12

x3
x1 + 2 = x3 x1 =5
x1 5 ⇒ x3 + 5 = 12 ⇒ x2 = 15
x1 + x2 = 20 x3 =7
x2 x4 + 5 = x2 x4 = 10
20 x4

3.3 Breuksplitsen

1 A B C 1
= + + A=
x(x + 2)(x + 1) x (x + 1) (x + 2) 2
1 = A((x + 1)(x + 2)) + B(x(x + 2)) + C(x(x + 1)) B = −1
1
1 = (A + B + c)x2 + (3A + 2B + C)x + 2A C=
2

12 Ez toets
Week 3 Wiskunde 1.4 Laatste toets

Week 3

1 Vermenigvuldigen
Definition 1.1. De theoretische definitie
P van matrix vermenigvuldiging is als volgt:
De elementen van C = AB zijn Ci,j = n Ai,n Bn,j

Laten we kijken naar 2 matrices:

 

3 4
  
1 1
A= B= 2
5 6 2      
3 4 1·3+2·4 11
⇒
5 6 1·5+2·6 17

2 Diagonaal en Identiteit
Definition 2.1. De diagonaal van een matrix wordt gevormd door de elementen die op de
diagonaal liggen, waarbij i = j. De rest van de elementen zijn 0.

Voorbeelden:

   
a 0 0 a1 0
A = 0 b 0 B =  0 b1 
0 0 c 0 0

Definition 2.2. Een identiteitsmatrix is een vierkante diagonaalmatrix waarbij alle diagonaal
elementen gelijk zijn aan 1.

 
1 0 0
I3 = 0 1 0 (In )ij = δij AI = A = IA
0 0 1

13 Ez toets
Week 3 Wiskunde 1.4 Laatste toets

3 Transpose
Definition 3.1. De Transpose van een matrix AT is de matrix A gespiegeld in de diagonaal,
waarbij rijen en kolommen omgewisseld zijn. (AT )ji = (A)ij

 
a b  
T a c e
C = c d C =
b d f
e f

Kan ook met vectoren:

   
a a
a = b
 → aT = (a b c) → T T
(a ) = a = b 

c c

AT B T ̸= (AB)T

4 Toepassing
4.1 Ray tracing

h1 = h0 + d sin(θ0 )
θ1 = θ0
Voor kleine θ:
h1 = h0 + dθ0
matrix:
    
h1 1 d h0
=
θ1 0 1 θ0

Waar h0 , θ0 de begin toestand is, en d de afstand is die we afleggen, en h1 , θ1 de toestand van de

straal nadat we een afstand d hebben afgelegd.
Voor dunne lens met brandpunt f :

h1 = h0
θ1 = θ0 − h0 /f
    
h1 1 0 h0
=
θ1 −1/f 1 θ0

14 Ez toets
Week 3 Wiskunde 1.4 Laatste toets

     
1 d 1 0 h0
D= L= vi =
0 1 −1/f 1 θ0
Als systeem → M = LD
 
1 0
Bij ander medium → B =
0 nold /nnew
 
1 0
Voor gebogen oppervlakte → n1 −n2 n1 n1 =oud,n2 =nieuw
Rn2 n2
vuit = D3 B2 D2 B1 D1 vin
   
1 0 1 d 1 0
dikke lens → n1 −n2 n1 n1 −n2 n1
Rn2 n2 0 1 Rn2 n2

R is de radius van het oppervlak. GA VAN RECHTS NAAR LINKS!

4.2 Grafen
Een graaf (Graph) is een weergave van een aantal
knooppunten die met elkaar verbonden zijn. Een vraag
die je kan stellen is: Ik begin in punt A en loop vier keer
over een lijn. Op hoeveel verschillende manieren kom
ik bij de verschillende eindpunten? Weergave in matrix
vorm:
 
b e g i n
 e ... ... ... ... ...
 
 i ... ... ... ... ...
 
n ... ... ... ... ...
 
 d ... ... ... ... ...
e ... ... ... ... ...
Vraagstelling:
Ik begin in punt A en loop n keer over een lijn.
Op hoeveel verschillende manieren kom ik bij de
verschillende eindpunten? Bij vraag: Hoeveel manieren van
Berekening: A naar D:

 
0 0 0 0
   
0 1 1 1 1
1 1 0 1 0 0 0 0 0
M = b= b=
0

0 0 0
 
1 0 0 1 0
1 1 1 0 0 1 0 0 0

Antwoord:
Het antwoord wordt gegeven door M n b.

15 Ez toets
Week 3 Wiskunde 1.4 Laatste toets

4.3 Complexe getallen(Deel I)

z = a + bi → z = aI + bi met: i2 = −I

     T
0 1 3 2 ∗ 3 2
i= 3 + 2i ←→ (3 + 2i) =
−1 0 −2 3 −2 3

4.4 Two-port systems

4.4.1 Weerstanden
Door i1 en V1 te bepalen, kunnen we i2 en V2 weten.

R1 R4
i1 2 i
−→ −→
+ +

V1 R2 R3 V2

− R5 −
i1 2 i
←−
− ←−
−
Voorbeeld:
Toestand: Kijken naar de gedrag van dit voorbeeld: Ohm:

  V2 = V1 − Ri1
V1
v1 = i
1
−→
i2
−→ i2 = i1
i1 + +
In matrix vorm:
V1 V2  
− − 1 −R
1
←−
−
i i
2
←−
− v2 = v1
0 1

Weerstand op onderste lijn: Weerstand tussen de lijnen:

16 Ez toets
Week 3 Wiskunde 1.4 Laatste toets

4.4.2 Transformator

 n2 
n1
0
v2 = n1 v1
0 n2

4.4.3 Voorbeeld Weekcheck 3

     
1 3 2 0 1 0
M1 = , M2 = , M3 =
0 1 0 12 − 21 1
   
2 6 12
M= 1 , v1 =
−1 −2 2 2
 
36
M1 M2 M3 v2 = M v1 =
−17

17 Ez toets
Week 4 Wiskunde 1.4 Laatste toets

Week 4
1 Determinant
Definition 1.1. Eigenschap vierkante matrix.

   
a b a b 1 2 3
det = = ad − bc 3 4
c d c d det 2 3 4 = 1 · · (+1)
4 5
= ad · (+1) + bc · (−1) 3 4 5

+ − + ...
 2 3
+2 · · (−1)
− + − . . .  4 5
 
 + − + . . . 2 3

.. .. .. . .
 +3 · · (+1)
. 3 4
. . .
= −1 + 4 − 3 = 0
det(AB) = det(A)det(B)

2 Inverse
Voor 2x2 matrix:
AA−1 = I = A−1 A

2 manieren om inverse te vinden:

2.1 Cofactor matrix

 
e f d f d e
 h i −
  g i g h 
a b c  
1  b c a c a b 
inv(A) = CT A = d e f  − h i
C= − 
det(A) g i g h 
g h i 
 b c

a c a b 
−
e f d f d e

Voor det = 0: GEEN inverse!

2.2 Vegen
identiteitsmatrix rechts en matrix links, doel is om identiteitsmatrix links te krijgen. Rechts staat
dan de inverse van je matrix.
   
a b 1 0 1 0 e f
→
c d 0 1 0 1 g h

18 Ez toets
Week 4 Wiskunde 1.4 Laatste toets

3 Toepassing
3.1 Hill Cryptografie
ˆ Kies een bericht: BERICHT
 
B R C T
ˆ zet bericht in matrix→ M =
E I H
 
2 18 3 20
ˆ Van letters naar getallen.→ M =
5 9 8 0
ˆ Kies een sleutel S en versleutel bericht: SM

ˆ Bepaal inverse van sleutel en ontvang bericht

ˆ Ontsleutel bericht: S −1 (SM ) = M

ˆ Vertaal

3.2 Volume
Definition 3.1. Wanneer we de determinant pakken van een vector pakken we de volume, dit kan
in hogere dimensies. Uiteraard is volume altijd positief, dus we pakken de absolute waarde van de
determinant van de matrix.Hier is de formule:

Vol(A) = |det(A)|

Voorbeeld:

       
1 0 0 0 1 0 0 0
2 1  0  0 2 1 0 0
 , , , 
3 1 −1 0 ⇒ = −1 ⇒ Vol = | − 1| = 1
3 1 −1 0
4 1 0 1 4 1 0 1

19 Ez toets
Week 4 Wiskunde 1.4 Laatste toets

3.3 Wronskiaan
Definition 3.2. Toepassing van de determinant om te kijken of een verzamelijk van functies linear
afhankelijk is. De matrix moet vierkant zijn. De functies zijn lineair onafhankelijk als er een x
is waarvoor de Wronskiaan niet gelijk is aan 0. Hiermee kunnen we alleen bewijzen dat functies
lineair onafhankelijk zijn, niet dat functies lineair afhankelijk zijn. Bij W (x) = 0 zeg je geen
conclusie.

f1 (x) f2 (x) ... fn (x)

f1′ (x) f2′ (x) ... fn′ (x)
W (f1 , . . . , fn )(x) = .. .. ..
. . .
(n−1) (n−1) (n−1)
f1 (x) f2 (x) . . . fn (x)
Voorbeelden:
Voor de functies f1 (x) = 1, f2 (x) = x:
1 x
W (1, x)(x) = = 1 ̸= 0
0 1
Voor de functies f1 (x) = x2 , f2 (x) = x:
x2 x
W (x2 , x)(x) = = −x2
2x 1
−x2 kan ook 0 zijn, maar daaruit geen conclusie, dus onafhankelijk.

Voor f1 (x) = eix , f2 (x) = sin(x), f3 (x) = cos(x):

eix sin(x) cos(x)
ix ix
W (e , sin(x), cos(x))(x) = ie cos(x) − sin(x)
ix
−e − sin(x) − cos(x)
= eix (− cos(x)2 − sin(x)2 ) − ieix (− sin(x) cos(x) + sin(x) cos(x))
− eix (− sin(x)2 − cos(x)2 )
= 0, Dus geen conclusie.
3.4 Inverse
3.4.1 Grafen

8
inv(M 8 ) = (M −1 )
Dus het is makkelijker om eerst de inverse te berekenen en dan 8 keer vermenigvuldigen, dan de
inverse van M 8 berekenen.

3.4.2 Complexe getallen II

   
1 1 −1 −1 a b c d
(a + bi) = (a + bi) → B A = AB → A= ,B =
c + id c + id −b a −d c
 c d

− c2 +d2
B −1 c +d dat:B −1 A = AB −1
2 2
d c → Als je dit uitwerkt kom je tot de conclusie
c2 +d2 c2 +d2

20 Ez toets
Week 5 Wiskunde 1.4 Laatste toets

Week 5
vector × vector = vector

1 Vectoren
1.1 Orthogonaal
Vectoren zijn orthogonaal wanneer ze loodrecht op elkaar staan, hierdoor is het inproduct 0:
v·w =0

1.2 Projectie 1.3 Rejectie 2 Kruisproduct

Vector v projecteren
in de richting van vector w: vw⊥ = v − vw v × w = ||v||||w|| sin(θ)n̂
v×w
w v·w n̂ = ±
vw = ||v|| cos(θ) = w ||v × w||
||w|| w·w

2.1 Methode 2
     
v1 w1 eˆ1 v1 w1
v2  × w2  = det eˆ2 v2 w2 
v3 w3 eˆ3 v3 w3

3 Toepassing

3.1 Mechanica 3.2 Maxwell

Waar ϵ0 , µ0 (scalar) constanten zijn, ρ de lading
F = ma Flap = lI × B verdeling is (scalar functie), en J de elektrische
stroom is (vector functie).
W =F ·d FN = −(n̂ · F )n̂
τ =r×F FR = F + FN ρ
∇·E =
FR ϵ0
FL = q(E + v × B) ||Fw || = µ||FN || ∇·B =0
||FR ||
∂B
F = −∇V ∇×E =−
∂t
 
∂E
∇ × B = µ0 J + ϵ0
∂t

21 Ez toets
 Week 5 Wiskunde 1.4 Laatste toets

3.3 Vector calculus

3.3.1 Gradiant 3.3.2 Divergence 3.3.3 Rotatie
Scalar → vector Vector → scalar Vector → vector
   
∂ ∂ ∂ f1 2x 
∂f3 ∂f2

∇= î + ĵ + k̂
∂x ∂y ∂z f⃗ = f2  =  xy   ∂y − ∂z 
f3 y+z
   
∂f  ∂f1 ∂f3 
  ∇ × f⃗ = 
 ∂z −

 ∂x 
  ∂  ∂x 
 ∂f   ∂x     ∂f2 ∂f1 
∇f =  
   
∂  f1 −
 ∂y  ∂x ∂y
  ⃗
∇ · f =   · f2
   
 ∂f   ∂y  Voorbeeld
  f3
∂z ∂  
2x

∂z f⃗ =  xy 
=2+x+1=x+3 y+z
Voorbeeld
 
1
⃗
∇ × f = 0

f (x, y, z) = xyz y
 
yz
∇f = xz 
xy

3.3.4 Warmte vergelijking

∂T
= α∇ · ∇T
∂t

3.4 Kristal structuren

ˆ ki staat loodrecht op vj zolang
v2 × v3 i ̸= j
k1 =
v1 · (v2 × v3 )
v3 × v1 ˆ ki · vi = 1 voor i = 1, 2, 3
k2 =
v1 · (v2 × v3 ) ˆ k1 · (k2 × k3 ) = 1
v1 ·(v2 ×v3 )
v1 × v2
k2 =
v1 · (v2 × v3 ) Hint: det(v1 , v2 , v3 ) = v1 · (v2 × v3 )

22 Ez toets
Week 6 Wiskunde 1.4 Laatste toets

Week 6

1 Eigenwaarde
1.1 Karakteristiek polynoom
Av = λv
(A − λI)v = 0 p(λ) = det(A − λI)
det(A − λI) = 0 De nulpunten van p(λ) zijn
de eigenwaarden van de matrix A.
Dan is λ een eigenwaarde van de matrix A.
Dan is v een eigenvector van de matrix A.

1.2 Voorbeeld
1.3 Eigenschappen determinant
 
0 −2
A=
1 3 det(AB) = det(A)det(B) → eigenwaarde A = BAB −1
p(λ) = det(A − λI) 
B D

  A=
0 − λ −2 0 C
= det
1 3−λ det(A) = det(B)det(C)
= (0 − λ)(3 − λ) + 2 = λ2 − 3λ + 2 det(AT ) = det(A) → eigenwaarde AT = A
= (λ − 1)(λ − 2) det(A∗ ) = det(A)∗
dus de eigenwaarden zijn λ1 = 1, λ2 = 2.

det(A) = λ1 λ2 . . . λn
tr(A) = λ1 + λ2 + . . . + λn
1 p 
λ± = tr(A) ± tr(A)2 − 4det(A) → 2 × 2 matrix
2

23 Ez toets
Week 6 Wiskunde 1.4 Laatste toets

2 Eigenvector
2.1 Bepalen eigenvector
(1). Bepaal de eigenwaarden λi .

(2). Schrijf het systeem (A − λi I)vi = 0 op.

(3). Los het systeem op, sla vi = 0 over als oplossing.

(4). LET OP: het systeem is afhankelijk, er is dus een vrije keuze te maken. Gebruikelijk zijn
om een element op 1 te zetten, of ||vi || = 1 te kiezen.

(5). LET OP: Als eigenwaarden vaker voorkomen, heb je meestal meer afhankelijkheid in het
systeem. Je kan dus meerdere waarden kiezen. Je moet de vectoren onafhankelijk van elkaar
kiezen v ̸= aw als dat kan. Als dit kan, dan is het mogelijk om de vectoren orthogonaal te
kiezen.

2.2 Voorbeeld
 
4 2
A=
−1 1
= (λ − 3)(λ − 2)

Dus de eigenwaarden zijn λ1 = 3, λ2 = 2

Voor λ1 = 3: Voor λ2 = 2:
   
1 2 2 2
(A − 3I)v1 = v =0 (A − 2I)v2 = v =0
−1 −2 1 −1 −1 2

De tweede rij is afhankelijk van Tweede rij weer afhankelijk

de eerste rij, dus: van de eerste, dus:

(v1 )1 + 2(v2 )2 = 0 (v2 )1 + (v2 )2 = 0

   
2 1
v1 = v2 =
−1 −1

24 Ez toets
Week 6 Wiskunde 1.4 Laatste toets

3 Toepassing
3.1 Laser Cavity Stability
We gaan kijken naar deze toepassing en we hebben een nieuw optisch element, namelijk een spiegel:
 
1 0
Spiegel =
0 1

(Hier wordt vanuit gegaan dat je methode of images gebruikt.)

3.1.1 Kromme objecten 3.1.2 Laser holte

De straal R is positief als het middelpunt van de
cirkel dat het object volgt verder op je pad is.
 
n 0
De straal R is negatief als het middelpunt van S x≈
0
de cirkel dat het object volgt achter op je pad is.
x = xv + xw
Nog een optisch element:
S x = S n xv + S n xw
n
 
1 0 = λnv xv + λnw xw
Gebogen spiegel = 2
R
1
Dus voor stabiel moeten gelden dat
|λv | < 1, |λw | < 1
Geval |λ| = 1
Ook stabiel blijkbaar.

3.1.3 Voorbeeld
Oefentoets wiskunde 11/06/2024.
L0.4
D0.05 ←−−−−−− D0.05
S0.2
←−−−−−−−− ←−−−−−−−−
−

→
−

→ −−−
−−

S−0.3
→

−
−−

−−
−−

−−

→ −−−−−−−−→
→

−−−−−−−−→
D0.05
D0.05 −−−−−−→
L0.4

S = D0.05 L0.4 D0.05 S0.2 D0.05 L0.4 D0.05 S−0.3

M = DLD
S = M S0.2 M S−0.3

25 Ez toets
Week 6 Wiskunde 1.4 Laatste toets

3.2 Normal modes

ω is natuurlijke frequentie (normal mode). Je zoekt K, daaruit haal je eigenwaarde(λ) en dan
laatste stap is geel gedrukt.

mẍ + kx = 0
ω 2 = M −1 K

3.2.1 Massa-veer-massa-veer 3.2.2 2 ophangpunten, 2 massa’s,

3 veren
m1 x¨1 + k1 (x1 − x2 ) = 0
m2 x¨1 + k2 x2 + k1 (x2 − x1 ) = 0 m1 x¨1 + (k1 + k3 )x1 − k3 x2 = 0
m2 x¨2 + k3 x1 + (k2 + k3 )x2 = 0
 
x1
x=        
x2 m1 0 x¨1 k1 + k3 −k3 x1 0
+ =
0 m2 x¨2 −k3 k2 k3 x2 0
   
m1 0 k1 −k1
ẍ + x=0
0 m2 −k1 k2 + k1 det(K − λI) = 0
M ẍ + Kx = 0
ωi2 = λi

3.2.3 3 massa’s, 3 veren

m1 ẍ1 + k1 (x1 − x2 ) + k2 (x1 − x3 ) = 0

m2 ẍ2 + k1 (x2 − x1 ) + k3 (x2 − x3 ) = 0
m3 ẍ3 + k2 (x3 − x1 ) + k3 (x3 − x2 ) = 0
       
m1 0 0 ẍ1 k1 + k2 −k1 −k2 x1 0
 0 m2 0   ẍ2 +
  −k1 k1 + k3 −k3   x2 = 0
 
0 0 m3 ẍ3 −k2 −k3 k2 + k3 x3 0

3.2.4 3 ophangpunten, 3 massa’s, 6 veren

m1 ẍ1 + k1 x1 + k4 (x1 − x2 ) + k5 (x1 − x3 ) = 0

m2 ẍ2 + k2 x2 + k4 (x2 − x1 ) + k6 (x2 − x3 ) = 0
m3 ẍ3 + k3 x3 + k5 (x3 − x1 ) + k6 (x3 − x2 ) = 0
       
m1 0 0 ẍ1 k1 + k4 + k5 −k4 −k5 x1 0
 0 m2 0   ẍ2 +
  −k4 k2 + k4 + k6 −k6   x2 = 0
 
0 0 m3 ẍ3 −k5 −k6 k3 + k5 + k6 x3 0

26 Ez toets
Week 6 Wiskunde 1.4 Laatste toets

3.2.5 Ophangpunt veer-massa-veer-massa

m1 ẍ1 + k1 x1 + k2 (x1 − x2 ) = 0
m2 ẍ2 + k2 (x2 − x1 ) = 0
   
m1 0 k1 + k2 −k2
ẍ + x=0
0 m2 −k2 k2
     
m1 0 x¨1 k1 + k2 −k2 x1
+ =0
0 m2 x¨2 −k2 k2 x2
eingenwaarde van M −1 K = ω 2

3.3 Asymptotisch gedrag?

3.3.1 Eigenvector van λ = 1

(M − I)vi = 0 (blz.23)

Bij 1 eigenvector heb je 1 beginvector.

3.3.2 Een tweede λ = 1

Zelfde als normaal, maar hier heb je meerdere eigenvectoren, dus bepaalt beginvector waar je
eindigd.

3.3.3 Andere eigenwaarden |λ| = 1

Zelfde als bij 3.3.2, maar in dit geval stuitert de oplossing tussen een aantal opties maar komt het
nooit tot rust.

27 Ez toets
Week 7 Wiskunde 1.4 Laatste toets

Week 7

1 Least Squares Fit

1.1 Stappenplan
Verwachtte verband:
2 parameters als voorbeeld: a + bt = m
a + bt + ct2 = m ➊ Zet de meetresultaten in een vector m.
⃗
 
Afleiden: a
➋ Zet de parameters in een vector ⃗x = .
  b
a
(⃗1, ⃗t, t⃗2 )  b  = m
⃗ ➌ Zet de meetpunten die horen
c bij de parameters in vectoren: a → ⃗1, b → ⃗t.
A⃗x = m
⃗ ➍ Zet deze vectoren in een matrix A = ⃗1 ⃗t .


A⃗x = m
⃗ + ⃗ϵ
2
⃗ 2
||⃗ϵ|| = ||A⃗x − m|| ➎ Bereken B = AT A.
 
0 ➏ Bereken ⃗q = AT m.
⃗
0 = ∇||⃗ϵ||2
0 ➐ Los B⃗x = ⃗q op.
⃗ 2
= ∇||A⃗x − m||
AT A⃗x = AT m
⃗

1.2 Als inproduct

B = AT A
 
⃗1 · ⃗1 ⃗1 · ⃗t ⃗1 · t⃗2
⃗ ⃗
= t·1 ⃗t · ⃗t ⃗t · t⃗2 
t⃗2 · ⃗1 t⃗2 · ⃗t ⃗ 2
t ·t ⃗2

⃗q = AT m ⃗
⃗1 · m
 
⃗
=  ⃗t · m⃗ 
t⃗2 · m
⃗

28 Ez toets
Bibliography

[1] Hogeschool van Amsterdam [HvA], “Wiskunde 1.4,” BrightSpace.

https://dlo.mijnhva.nl/d2l/le/content/543222/Home (accessed June 12, 2024).

29