Læringsmål

Oversikt over læringsmål dekket i TMA4110 Lineær algebra, komplekse tall og differensiallikninger

Kilde: Læringsmålene er utformet av Skolesaga på grunnlag av emnets eksamensoppgaver, sensorveiledninger og emnebeskrivelse. De er ikke institusjonens offisielle læringsutbyttebeskrivelser.

172 kompetansemål52 av 52 kapitler har kompetansemål

Alle kompetansemål

•kjenne igjen eksamensformen (fire timers skriftlig, rundt ti likt vektede deloppgaver, karakter A–F) og de faste temaene som går igjen i nesten hvert sett

0.1Eksamenskartet: ~10 likt vektede deloppgaver, kode E og de faste søylene

•prioritere lesingen mot de hyppigste oppgavetypene og legge en realistisk arbeidsplan fram mot eksamen

0.1Eksamenskartet: ~10 likt vektede deloppgaver, kode E og de faste søylene

•forstå hva ingen-hjelpemidler-kravet betyr for hva du må kunne utenat

0.1Eksamenskartet: ~10 likt vektede deloppgaver, kode E og de faste søylene

•skrive et lineært likningssystem som totalmatrise og radredusere til trappeform og redusert trappeform ved elementære radoperasjoner

1.1Lineære likningssystem, matriseform og Gauss-eliminasjon

•klassifisere løsningsmengden (entydig, ingen eller uendelig mange) ut fra pivotmønsteret og lese av løsningen

1.1Lineære likningssystem, matriseform og Gauss-eliminasjon

•skrive en uendelig løsningsmengde på parameterform og avgjøre om et homogent system har ikke-trivielle løsninger

1.1Lineære likningssystem, matriseform og Gauss-eliminasjon

•klassifisere et lineært system som entydig, uten løsning eller med uendelig mange løsninger ut fra den reduserte trappeformen

1.2Løsningsmengder og parameteravhengige system

•skrive en uendelig løsningsmengde på parameterform som en partikulær løsning pluss nullromsretninger

1.2Løsningsmengder og parameteravhengige system

•analysere et parameteravhengig system ved symbolsk radreduksjon, finne kritiske verdier og dele fullstendig i tilfeller

1.2Løsningsmengder og parameteravhengige system

•løse lineære system raskt og feilfritt ved radreduksjon og klassifisere utfallet fra pivotmønsteret

1.3Drill: Gauss-eliminasjon og parameteranalyse

•skrive uendelige løsningsmengder på korrekt parameterform med partikulær løsning og retningsvektorer

1.3Drill: Gauss-eliminasjon og parameteranalyse

•gjennomføre full tilfelledeling i parameteravhengige system uten å utelate noe tilfelle

1.3Drill: Gauss-eliminasjon og parameteranalyse

•løse lineære system ved radreduksjon og klassifisere utfallet under prøvebetingelser

1.PPrøver til del 1: Lineære likningssystem og Gauss-eliminasjon

•gjennomføre full parameteranalyse med tilfelledeling og skrive parameterform

1.PPrøver til del 1: Lineære likningssystem og Gauss-eliminasjon

•kjede sammen Gauss, parameteranalyse og homogent system slik en full eksamensoppgave krever

1.PPrøver til del 1: Lineære likningssystem og Gauss-eliminasjon

•regne med matriser: addisjon, skalarmultiplikasjon og matriseprodukt (rad-gang-kolonne), med riktig håndtering av format

2.1Matrisealgebra: multiplikasjon, transponert og spesielle matriser

•bruke regnereglene for transponert, særlig $(AB)^{T}=B^{T}A^{T}$, presist i utregninger og bevis

2.1Matrisealgebra: multiplikasjon, transponert og spesielle matriser

•gjenkjenne identitets-, diagonal-, triangulære, symmetriske og skjevsymmetriske matriser og vise at $A^{T}A$ er symmetrisk

2.1Matrisealgebra: multiplikasjon, transponert og spesielle matriser

•regne ut inversen til en matrise med 2×2-formelen og med Gauss–Jordan-metoden, og avgjøre om en matrise er inverterbar

2.2Invers matrise: Gauss–Jordan, 2×2-formelen og inverterbarhetssetningen

•bruke regnereglene $(AB)^{-1}=B^{-1}A^{-1}$ og $(A^{T})^{-1}=(A^{-1})^{T}$ og løse $A\mathbf x=\mathbf b$ via inversen

2.2Invers matrise: Gauss–Jordan, 2×2-formelen og inverterbarhetssetningen

•navngi og bruke inverterbarhetssetningen, og føre bevis med Neumann-trikset for nilpotente matriser

2.2Invers matrise: Gauss–Jordan, 2×2-formelen og inverterbarhetssetningen

•regne ut determinanten til en 2×2- og 3×3-matrise ved kofaktorutvikling (velge rad/kolonne med flest nuller) og til større matriser ved radreduksjon til triangulær form

2.3Determinanter, kofaktorutvikling og Cramers regel

•bruke determinantreglene $\det(AB)=\det A\det B$, $\det A^{T}=\det A$, $\det(cA)=c^{n}\det A$ og radoperasjonenes virkning på determinanten

2.3Determinanter, kofaktorutvikling og Cramers regel

•avgjøre inverterbarhet fra $\det A\ne0$, løse system med Cramers regel, og bruke $\det A=\prod\lambda_i$ som bro til egenverdiene

2.3Determinanter, kofaktorutvikling og Cramers regel

•regne sikkert med matriser (produkt, transponert, invers) og navngi regnereglene under prøvebetingelser

2.PPrøver til del 2: Matriser, determinant og invers

•regne determinanter ved kofaktorutvikling og radreduksjon og avgjøre inverterbarhet

2.PPrøver til del 2: Matriser, determinant og invers

•koble determinant, rang, nullrom og invers gjennom inverterbarhetssetningen slik en full eksamensoppgave krever

2.PPrøver til del 2: Matriser, determinant og invers

•avgjøre om en mengde er et vektorrom, med de eksamensviktige familiene Pₙ, matriserommet og funksjonsrom

3.1Vektorrom og underrom: ℝⁿ, Pₙ, matriser og funksjonsrom

•føre et fullstendig underrom-bevis via de tre betingelsene (0 ∈ W, lukket under addisjon og skalarmultiplikasjon)

3.1Vektorrom og underrom: ℝⁿ, Pₙ, matriser og funksjonsrom

•regne dimensjonen til underrom i Pₙ og matriserom, og kjenne at dim Pₙ = n+1

3.1Vektorrom og underrom: ℝⁿ, Pₙ, matriser og funksjonsrom

•avgjøre om vektorer i ℝⁿ, Pₙ eller et matriserom er lineært uavhengige med radreduksjon eller koeffisientsammenligning

3.2Lineær uavhengighet, span og basis

•avgjøre om en mengde er en basis for et vektorrom, og bruke dimensjonsargumentet til å korte ned beviset

3.2Lineær uavhengighet, span og basis

•regne med span og lineærkombinasjoner, og kjenne dimensjonene dim ℝⁿ = n, dim Pₙ = n+1

3.2Lineær uavhengighet, span og basis

•lese en basis for Col A (opprinnelige pivotkolonner) og for Nul A (spesielle løsninger) rett ut av en radreduksjon

3.3Kolonnerom, nullrom, rang og dimensjonsteoremet

•oppgi rang og nullitet og bruke dimensjonsteoremet rang A + dim Nul A = n som kontroll

3.3Kolonnerom, nullrom, rang og dimensjonsteoremet

•avgjøre løsbarhet via b ∈ Col A og skille de fundamentale underrommene i ℝᵐ og ℝⁿ

3.3Kolonnerom, nullrom, rang og dimensjonsteoremet

•finne koordinatvektoren [x]_B til en vektor relativt en ordnet basis, i ℝⁿ og i abstrakte rom som Pₙ

3.4Koordinater relativt en basis og basisskifte

•bruke koordinatavbildningen som isomorfi til å avgjøre uavhengighet, span og dimensjon i ℝⁿ

3.4Koordinater relativt en basis og basisskifte

•sette opp basisskiftematrisen P_{C←B} med riktig retning og bruke inversen P_{B←C} = (P_{C←B})⁻¹

3.4Koordinater relativt en basis og basisskifte

•verifisere underrom via de tre betingelsene og finne basis og dimensjon, også i Pₙ og matriserom

3.5Drill: underrom, basis, dimensjon og rang

•lese Col A-basis (opprinnelige kolonner), Nul A-basis (spesielle løsninger) og rang fra RREF med dimensjonsteoremet som kontroll

3.5Drill: underrom, basis, dimensjon og rang

•regne koordinater og basisskifte med riktig retning under prøvebetingelser

3.5Drill: underrom, basis, dimensjon og rang

•verifisere underrom og finne basis og dimensjon i abstrakte rom under prøvebetingelser

3.PPrøver til del 3: Vektorrom, basis og dimensjon

•avgjøre uavhengighet og basis med dimensjonsargumentet, og lese Col/Nul/rang fra RREF med dimensjonsteoremet som kontroll

3.PPrøver til del 3: Vektorrom, basis og dimensjon

•kjede sammen abstrakt underrom, basis og koordinater slik en full eksamensoppgave krever

3.PPrøver til del 3: Vektorrom, basis og dimensjon

•avgjøre om en avbildning T er lineær ved å sjekke de to betingelsene (addisjon og skalering)

4.1Lineære transformasjoner og standardmatrisen

•bygge standardmatrisen A=[T] kolonne for kolonne fra T(eⱼ) og regne T(x)=Ax

4.1Lineære transformasjoner og standardmatrisen

•sette opp standardmatrisene for rotasjon, speiling, projeksjon og skalering, og komponere dem i riktig rekkefølge via matriseprodukt

4.1Lineære transformasjoner og standardmatrisen

•finne ker T = Nul[T] og im T = Col[T] fra standardmatrisen og oppgi basis og dimensjon

4.2Kjerne, bilde og matriserepresentasjon i baser

•avgjøre om T er injektiv og/eller surjektiv via rang, og bruke dimensjonsteoremet (rang + nullitet)

4.2Kjerne, bilde og matriserepresentasjon i baser

•bygge matriserepresentasjonen [T]_B kolonne for kolonne for en operator på Pₙ (særlig T(p)=p′) og oversette ker T tilbake til polynomer

4.2Kjerne, bilde og matriserepresentasjon i baser

•sjekke linearitet, bygge standardmatrisen og komponere geometriske avbildninger under prøvebetingelser

4.PPrøver til del 4: Lineære transformasjoner

•finne kjerne og bilde fra standardmatrisen, avgjøre injektiv/surjektiv og navngi dimensjonsteoremet som kontroll

4.PPrøver til del 4: Lineære transformasjoner

•bygge [T]_B for T(p)=p′ og kjede sammen komposisjon, kjerne og bilde slik en full eksamensoppgave krever

4.PPrøver til del 4: Lineære transformasjoner

•verifisere en oppgitt egenvektor ved innsetting i $A\mathbf v=\lambda\mathbf v$ og finne egenverdiene fra den karakteristiske likningen $\det(A-\lambda I)=0$

5.1Egenverdier, egenvektorer, karakteristisk likning og egenrom

•bestemme egenrommet $E_\lambda=\operatorname{Nul}(A-\lambda I)$ ved radreduksjon og skille algebraisk fra geometrisk multiplisitet (geometrisk $\le$ algebraisk)

5.1Egenverdier, egenvektorer, karakteristisk likning og egenrom

•bruke kontrollrelasjonene $\operatorname{spor}A=\sum\lambda_i$ og $\det A=\prod\lambda_i$, og føre korte egenverdibevis av typen $A^2=A\Rightarrow\lambda\in\{0,1\}$

5.1Egenverdier, egenvektorer, karakteristisk likning og egenrom

•diagonalisere en matrise ved å bygge $P$ (egenvektorer) og $D$ (egenverdier) matchet søyle for søyle, og verifisere med $AP=PD$

5.2Diagonalisering A=PDP⁻¹ og diagonaliserbarhetskriteriet

•avgjøre og BEGRUNNE diagonaliserbarhet med diagonaliserbarhetskriteriet (geometrisk = algebraisk multiplisitet) eller en navngitt snarvei ($n$ distinkte egenverdier, symmetrisk via spektralteoremet, triangulær)

5.2Diagonalisering A=PDP⁻¹ og diagonaliserbarhetskriteriet

•vise at en matrise ikke er diagonaliserbar ved å peke på et egenrom der geometrisk $<$ algebraisk multiplisitet, også i parameteravhengige tilfeller

5.2Diagonalisering A=PDP⁻¹ og diagonaliserbarhetskriteriet

•regne potenser $A^n=PD^nP^{-1}$ og polynom $q(A)$ i en diagonaliserbar matrise via egenverdiene ($q(\lambda)$), i stedet for gjentatt matriseprodukt

5.3Potenser Aⁿ, Markov-matriser og langtidsoppførsel

•gjenkjenne en stokastisk (Markov-)matrise, begrunne at $\lambda=1$ er egenverdi, og finne den stasjonære fordelingen ved å normalisere en egenvektor for $\lambda=1$

5.3Potenser Aⁿ, Markov-matriser og langtidsoppførsel

•bestemme langtidsgrensen $\lim A^n\mathbf x_0$ ved egenvektordekomponering, og føre nilpotensbeviset $A^k=O\Rightarrow$ alle egenverdier $0$

5.3Potenser Aⁿ, Markov-matriser og langtidsoppførsel

•finne komplekse egenverdier og egenvektorer til en reell matrise og vite at de opptrer i konjugerte par

5.4Komplekse egenverdier

•tolke en reell 2×2-matrise med komplekse egenverdier som en skalering med modulus |λ| og en rotasjon med arg λ

5.4Komplekse egenverdier

•forklare hvorfor reell diagonalisering er umulig ved komplekse egenverdier mens kompleks diagonalisering finnes, og bruke spor og determinant som kontroll

5.4Komplekse egenverdier

•gjennomføre hele egenverdikjeden under tidspress: verifisere egenvektor, finne egenverdier og egenrom, og bygge P og D matchet søyle for søyle

5.5Drill: egenverdi- og diagonaliseringskjeden

•begrunne diagonaliserbarhet med en navngitt snarvei eller multiplisitetssjekk, og vise når en matrise ikke er diagonaliserbar

5.5Drill: egenverdi- og diagonaliseringskjeden

•regne ut Aⁿ via PDⁿP⁻¹, finne stasjonær fordeling for en Markov-matrise og håndtere komplekse egenverdier

5.5Drill: egenverdi- og diagonaliseringskjeden

•gjennomføre en full egenverdioppgave på eksamensnivå: verifisere egenvektor, finne egenverdier og egenrom, og begrunne multiplisitet

5.PPrøver til del 5: Egenverdier og diagonalisering

•diagonalisere en matrise A=PDP⁻¹ med navngitt begrunnelse for diagonaliserbarhet

5.PPrøver til del 5: Egenverdier og diagonalisering

•regne Aⁿ, finne stasjonær fordeling for en Markov-matrise og tolke komplekse egenverdier geometrisk

5.PPrøver til del 5: Egenverdier og diagonalisering

•regne prikkprodukt, norm, avstand og vinkel i ℝⁿ, og avgjøre om to vektorer er ortogonale

6.1Indreprodukt, norm og ortogonalitet

•bruke et oppgitt indreprodukt (standard, vektet eller integral på polynomrom) i stedet for en standardrefleks

6.1Indreprodukt, norm og ortogonalitet

•anvende Pytagoras' setning, Cauchy–Schwarz og trekantulikheten på indreproduktrom

6.1Indreprodukt, norm og ortogonalitet

•avgjøre om en mengde er ortogonal/ortonormal, og bruke at ortogonale mengder er lineært uavhengige

6.2Ortogonale mengder og Gram–Schmidt

•regne koordinater relativt en ortogonal basis med koordinatkoeffisienter

6.2Ortogonale mengder og Gram–Schmidt

•utføre Gram–Schmidt-prosessen (med heltalls-oppskalering) i ℝⁿ og i et integral-indreprodukt, og normalisere til ortonormal basis

6.2Ortogonale mengder og Gram–Schmidt

•regne ortogonal projeksjon på en linje og på et underrom med en ortogonal basis, og finne dekomposisjonen y = ŷ + z

6.3Ortogonal projeksjon og ortogonalt komplement

•finne avstanden fra en vektor til et underrom via beste tilnærmingssetningen

6.3Ortogonal projeksjon og ortogonalt komplement

•beskrive ortogonalt komplement W⊥, bruke dim W + dim W⊥ = n og identiteten (Col A)⊥ = Nul Aᵀ

6.3Ortogonal projeksjon og ortogonalt komplement

•sette opp og løse normallikningene AᵀA x̂=Aᵀb for et overbestemt system og navngi dem i besvarelsen

6.4Minste kvadraters metode og normallikningene

•tilpasse en rett linje eller et polynom til datapunkter ved minste kvadrater og regne ut minste-kvadraters-feilen

6.4Minste kvadraters metode og normallikningene

•avgjøre når minste kvadraters løsningen er entydig (kolonnene i A uavhengige ⇔ AᵀA inverterbar) og håndtere affin løsning ved rangdefekt

6.4Minste kvadraters metode og normallikningene

•gjennomføre hele ortogonalitetskjeden under tidspress: identifisere indreproduktet, Gram–Schmidte til ortogonal basis, og projisere/finne avstand

6.5Drill: Gram–Schmidt, projeksjon og minste kvadrater

•løse minste kvadraters problemer via normallikningene og gjenkjenne at Ax̂ er projeksjonen av b på Col A

6.5Drill: Gram–Schmidt, projeksjon og minste kvadrater

•håndtere kjedede oppgaver på samme matrise, integral-indreprodukt på Pₙ, og affin løsning ved rangdefekt

6.5Drill: Gram–Schmidt, projeksjon og minste kvadrater

•regne indreprodukt, norm, avstand og vinkel i både standard prikkprodukt og integral-indreprodukt, og avgjøre ortogonalitet

6.PPrøver til del 6: Indreprodukt, ortogonalitet og minste kvadrater

•gjennomføre Gram–Schmidt til ortogonal og ortonormal basis, og bruke den til ortogonal projeksjon, dekomposisjon og avstand

6.PPrøver til del 6: Indreprodukt, ortogonalitet og minste kvadrater

•løse minste kvadraters problemer via normallikningene, tilpasse en regresjonslinje og se koblingen Ax̂=proj_Col A b

6.PPrøver til del 6: Indreprodukt, ortogonalitet og minste kvadrater

•regne med komplekse tall på kartesisk form (addisjon, multiplikasjon og divisjon ved å utvide med konjugatet)

7.1Kartesisk form: regning, konjugat og modulus

•finne konjugat, modulus og real-/imaginærdel og bruke regnereglene for disse

7.1Kartesisk form: regning, konjugat og modulus

•plassere komplekse tall i det komplekse planet og bestemme enkle geometriske steder (sirkel og midtnormal)

7.1Kartesisk form: regning, konjugat og modulus

•skrive komplekse tall på polar og eksponentialform og bestemme argumentet med riktig kvadrant

7.2Polar form, Eulers formel og de Moivres formel

•bruke Eulers formel og regnereglene for multiplikasjon og divisjon i polar form

7.2Polar form, Eulers formel og de Moivres formel

•regne ut potenser av komplekse tall med de Moivres formel og konvertere sikkert mellom kartesisk og polar form

7.2Polar form, Eulers formel og de Moivres formel

•finne alle n-te røtter av et komplekst tall og løse binomiske likninger zⁿ=c med skisse i det komplekse planet

7.3Komplekse røtter og likninger (zⁿ=c, annen- og tredjegrad)

•løse komplekse annengradslikninger med abc-formelen og kompleks kvadratrot

7.3Komplekse røtter og likninger (zⁿ=c, annen- og tredjegrad)

•løse tredjegradslikninger ved å gjette en rot og polynomdividere, og faktorisere polynom over C med konjugatrot-setningen

7.3Komplekse røtter og likninger (zⁿ=c, annen- og tredjegrad)

•løse hele komplekstall-repertoaret raskt og sikkert under kode E (ingen hjelpemidler)

7.4Drill: komplekse tall

•velge riktig form (kartesisk eller polar) og føre løsningen slik sensor vil se den

7.4Drill: komplekse tall

•regne ut zⁿ=c med alle n røttene og skisse, og løse komplekse annen- og tredjegradslikninger

7.4Drill: komplekse tall

•løse fullstendige komplekstall-oppgaver i arkivets sjanger J under kode E

7.PPrøver til del 7: Komplekse tall (elementære)

•føre løsningen med begrunnelse, eksakte svar og skisse slik sensor forventer

7.PPrøver til del 7: Komplekse tall (elementære)

•selvteste dekningen av kap. 7.1–7.4 med fasit og avkryssbar diagnose

7.PPrøver til del 7: Komplekse tall (elementære)

•kjenne igjen og løse separable 1. ordens differensiallikninger y'=f(x)g(y) ved å skille de variable og integrere

8.1Separable differensiallikninger og initialverdiproblem

•finne og begrunne konstantløsningene g(y)=0 og forklare hvorfor de kan gå tapt i regningen

8.1Separable differensiallikninger og initialverdiproblem

•løse initialverdiproblemer og bestemme løsningens definisjonsintervall

8.1Separable differensiallikninger og initialverdiproblem

•sette opp og løse enkle modeller for eksponentiell vekst og henfall med eksakte svar

8.1Separable differensiallikninger og initialverdiproblem

•skrive en lineær 1. ordens likning på standardform y'+p(x)y=q(x) og lese av p og q

8.2Lineære 1. ordens differensiallikninger og integrerende faktor

•løse lineære 1. ordens likninger med integrerende faktor μ=e^{∫p dx} og gi eksakte svar

8.2Lineære 1. ordens differensiallikninger og integrerende faktor

•identifisere strukturen y=y_h+y_p og bruke initialbetingelser til å bestemme konstanten

8.2Lineære 1. ordens differensiallikninger og integrerende faktor

•sette opp og løse modeller for avkjøling (Newton) og blanding med riktig enhetskontroll

8.2Lineære 1. ordens differensiallikninger og integrerende faktor

•løse separable og lineære 1. ordens differensiallikninger under tidspress uten hjelpemidler

8.PPrøver til del 8: Differensiallikninger av 1. orden

•sette opp og løse avkjølings- og blandingsmodeller med eksakte svar

8.PPrøver til del 8: Differensiallikninger av 1. orden

•velge riktig løsningsmetode og kontrollere svaret ved innsetting

8.PPrøver til del 8: Differensiallikninger av 1. orden

•sette opp den karakteristiske likningen r^2+pr+q=0 til en homogen 2. ordens likning med konstante koeffisienter

9.1Homogene 2. ordens med konstante koeffisienter: karakteristisk likning

•kjenne igjen de tre tilfellene fra diskriminanten og skrive riktig løsningsform (reelle ulike, dobbel, kompleks-konjugerte røtter)

9.1Homogene 2. ordens med konstante koeffisienter: karakteristisk likning

•bruke Eulers formel til å begrunne den reelle formen e^{ax}(C1 cos bx+C2 sin bx) ved komplekse røtter

9.1Homogene 2. ordens med konstante koeffisienter: karakteristisk likning

•løse initialverdiproblem ved å bestemme de to konstantene C1, C2 fra y(x0) og y'(x0)

9.1Homogene 2. ordens med konstante koeffisienter: karakteristisk likning

•skrive den generelle løsningen av en inhomogen likning som y=y_h+y_p og finne y_h fra den karakteristiske likningen

9.2Inhomogene likninger: ubestemte koeffisienter og resonans

•velge riktig ansats for y_p etter formen på pådraget g(x) (polynom, eksponential, sinus/cosinus, produkter og summer)

9.2Inhomogene likninger: ubestemte koeffisienter og resonans

•gjenkjenne resonans og gange ansatsen med x^s der s er multiplisiteten til den kolliderende roten

9.2Inhomogene likninger: ubestemte koeffisienter og resonans

•bruke superposisjon for sammensatt g og bestemme integrasjonskonstantene fra initialbetingelser til slutt

9.2Inhomogene likninger: ubestemte koeffisienter og resonans

•bruke variasjon av parametere til å finne en partikulær løsning når ubestemte koeffisienter svikter

9.3Variasjon av parametere og svingningsmodeller

•regne ut Wronski-determinanten og bruke den til å vurdere lineær uavhengighet

9.3Variasjon av parametere og svingningsmodeller

•sette opp og klassifisere fri, dempet (over-/kritisk/underkritisk) og tvungen svingning fra svingningslikningen

9.3Variasjon av parametere og svingningsmodeller

•gjenkjenne resonans i fysisk forstand og finne den voksende resonansløsningen

9.3Variasjon av parametere og svingningsmodeller

•kjøre løsningsoppskriften for 2. ordens lineære ODE (homogen, ansats, resonanssjekk, koeffisienter, IVP) uten å nøle

9.4Drill: 2. ordens differensiallikninger

•kjenne igjen og løse alle tre homogene tilfellene og hver ansats-type for inhomogene likninger

9.4Drill: 2. ordens differensiallikninger

•oppdage resonans og gange ansatsen med x^s, og alltid bestemme integrasjonskonstantene til slutt

9.4Drill: 2. ordens differensiallikninger

•gjenkjenne og løse svingningsmodeller (fri, dempet, resonans)

9.4Drill: 2. ordens differensiallikninger

•løse homogene 2. ordens likninger i alle tre tilfellene med initialverdi

9.PPrøver til del 9: Differensiallikninger av 2. orden

•bruke ubestemte koeffisienter med korrekt ansats og resonanssjekk

9.PPrøver til del 9: Differensiallikninger av 2. orden

•løse inhomogene likninger med resonans og bestemme integrasjonskonstantene til slutt

9.PPrøver til del 9: Differensiallikninger av 2. orden

•gjenkjenne og løse svingningsmodeller med demping og resonans

9.PPrøver til del 9: Differensiallikninger av 2. orden

•skrive et koblet system av lineære differensiallikninger på matriseform x'=Ax og forklare koblingen til diagonalisering

10.1Systemet x′=Ax løst via egenverdier og egenvektorer

•finne egenverdier og egenvektorer til A og sette opp den generelle løsningen Σ c_i e^{λ_i t} v_i ved reelle distinkte egenverdier

10.1Systemet x′=Ax løst via egenverdier og egenvektorer

•løse et begynnelsesverdiproblem ved å bestemme konstantene fra det lineære systemet x(0)=x_0

10.1Systemet x′=Ax løst via egenverdier og egenvektorer

•omforme en 2. ordens likning til et 2×2-system via tilstandsvektoren (y, y')

10.1Systemet x′=Ax løst via egenverdier og egenvektorer

•løse et system x'=Ax med komplekse egenverdier ved å bruke real- og imaginærdel av én kompleks grunnløsning

10.2Komplekse egenverdier og faseportrett

•skrive den reelle generelle løsningen på formen e^{at}(cos bt, sin bt) og bestemme konstantene fra en begynnelsesverdi

10.2Komplekse egenverdier og faseportrett

•klassifisere likevektspunktet som node, sadel, senter eller spiral ut fra egenverdienes type og fortegn

10.2Komplekse egenverdier og faseportrett

•avgjøre stabilitet fra fortegnet på realdelen av egenverdiene

10.2Komplekse egenverdier og faseportrett

•kjenne igjen om et system har reelle eller komplekse egenverdier og kjøre riktig løsningsoppskrift

10.3Drill: systemer av differensiallikninger

•løse begynnelsesverdiproblem for både reelt og komplekst tilfelle med eksakte svar

10.3Drill: systemer av differensiallikninger

•klassifisere likevektspunktet (node/sadel/senter/spiral) og angi stabilitet fra egenverdiene

10.3Drill: systemer av differensiallikninger

•omforme en 2. ordens likning til et system og hente tilbake y(t)

10.3Drill: systemer av differensiallikninger

•løse systemer x'=Ax med reelle egenverdier og begynnelsesverdi

10.PPrøver til del 10: Systemer av lineære differensiallikninger

•løse systemer med komplekse egenverdier via real- og imaginærdel

10.PPrøver til del 10: Systemer av lineære differensiallikninger

•klassifisere likevektspunkt som node, sadel, senter eller spiral med stabilitet

10.PPrøver til del 10: Systemer av lineære differensiallikninger

•omforme en 2. ordens likning til et system og løse det

10.PPrøver til del 10: Systemer av lineære differensiallikninger

•føre en eksamensbesvarelse etter standarden: navngi teoremene, vis mellomregning og gi eksakte svar

11.1Føringsstandarden og utenat-apparatet (kode E)

•gjengi utenat-banken for kode E (de Moivre, n-te røtter, egenverdiprosedyren, de tre ODE-tilfellene, resonansregelen, Gram–Schmidt, normallikningene, dimensjonsteoremet, inverterbarhetssetningen) uten oppslag

11.1Føringsstandarden og utenat-apparatet (kode E)

•unngå føringsfellene: Col A-basis fra RREF, diagonaliserbarhet uten multiplisitet, projeksjon uten ortogonal basis, glemt resonans og desimalsvar

11.1Føringsstandarden og utenat-apparatet (kode E)

•bruke sjekklisten før innlevering og kjede delpunkter innenfor tidsbudsjettet

11.1Føringsstandarden og utenat-apparatet (kode E)

•strukturere et bevis: skille gitt fra skal-vises, navngi teoremet bak hvert steg og skille ⇒ fra ⇔

11.2Bevis-drill: «vis at …»-oppgaven (siste oppgave)

•føre de tre bevis-arketypene: egenverdier av en idempotent matrise, invers av I-A ved nilpotens, og A inverterbar ⇔ AᵀA inverterbar

11.2Bevis-drill: «vis at …»-oppgaven (siste oppgave)

•bruke standardteknikkene: egenverdi-innsetting, skalar-trikset xᵀAᵀAx=‖Ax‖², den geometriske matriseserien og inverterbarhetssetningen

11.2Bevis-drill: «vis at …»-oppgaven (siste oppgave)

•unngå bevis-fellene: tallesempel i stedet for generelt bevis, bare én vei i en ekvivalens, og manglende forutsetningssjekk

11.2Bevis-drill: «vis at …»-oppgaven (siste oppgave)

•gjennomføre et komplett 4-timers eksamenssett under kode E med eksakte, begrunnede svar

11.3Øvingseksamen 1: ~10 deloppgaver — bred kjerne

•veksle mellom sjangrene J, A, E, G, H, L og N i ett sett og prioritere tiden (~24 min per deloppgave)

11.3Øvingseksamen 1: ~10 deloppgaver — bred kjerne

•føre hver deloppgave etter standarden: navngi teoremene, vis mellomregning, unngå føringsfellene

11.3Øvingseksamen 1: ~10 deloppgaver — bred kjerne

•bruke løsningsforslagene og selvdiagnosen til å finne egne svake sjangre

11.3Øvingseksamen 1: ~10 deloppgaver — bred kjerne

•gjennomføre et komplett eksamenssett som dekker abstrakt vektorrom, lineær transformasjon, minste kvadrater og ODE-system

11.4Øvingseksamen 2: ~10 deloppgaver — abstrakt vektorrom, minste kvadrater og ODE-system

•regne i abstrakte rom (P₂): underrom, basis, koordinater og transformasjonsmatrise

11.4Øvingseksamen 2: ~10 deloppgaver — abstrakt vektorrom, minste kvadrater og ODE-system

•løse et lineært ODE-system med komplekse egenverdier ved real- og imaginærdel, og klassifisere likevekten

11.4Øvingseksamen 2: ~10 deloppgaver — abstrakt vektorrom, minste kvadrater og ODE-system

•føre determinant/invers/system og et nilpotens-bevis etter føringsstandarden

11.4Øvingseksamen 2: ~10 deloppgaver — abstrakt vektorrom, minste kvadrater og ODE-system

•håndtere de vanskeligste variantene: ikke-diagonaliserbarhet, integral-indreprodukt og resonans i ett sett

11.5Øvingseksamen 3: ~10 deloppgaver — de skarpeste karakterskillerne

•skille diagonaliserbar fra ikke-diagonaliserbar ved å sammenligne geometrisk og algebraisk multiplisitet

11.5Øvingseksamen 3: ~10 deloppgaver — de skarpeste karakterskillerne

•kjøre Gram–Schmidt og projeksjon i et integral-indreprodukt uten å falle tilbake på prikkproduktet

11.5Øvingseksamen 3: ~10 deloppgaver — de skarpeste karakterskillerne

•føre et toveis ekvivalensbevis og løse ODE med resonans etter føringsstandarden

11.5Øvingseksamen 3: ~10 deloppgaver — de skarpeste karakterskillerne

Kapitler med kompetansemål

0Eksamenskartet, føringsstandarden og kode E

0.1Eksamenskartet: ~10 likt vektede deloppgaver, kode E og de faste søylene

kjenne igjen eksamensformen (fire timers skriftlig, rundt ti likt vektede deloppgaver, karakter A–F) og de faste temaene som går igjen i nesten hvert sett
prioritere lesingen mot de hyppigste oppgavetypene og legge en realistisk arbeidsplan fram mot eksamen
forstå hva ingen-hjelpemidler-kravet betyr for hva du må kunne utenat

1Lineære likningssystem og Gauss-eliminasjon

1.1Lineære likningssystem, matriseform og Gauss-eliminasjon

skrive et lineært likningssystem som totalmatrise og radredusere til trappeform og redusert trappeform ved elementære radoperasjoner
klassifisere løsningsmengden (entydig, ingen eller uendelig mange) ut fra pivotmønsteret og lese av løsningen
skrive en uendelig løsningsmengde på parameterform og avgjøre om et homogent system har ikke-trivielle løsninger

1.2Løsningsmengder og parameteravhengige system

klassifisere et lineært system som entydig, uten løsning eller med uendelig mange løsninger ut fra den reduserte trappeformen
skrive en uendelig løsningsmengde på parameterform som en partikulær løsning pluss nullromsretninger
analysere et parameteravhengig system ved symbolsk radreduksjon, finne kritiske verdier og dele fullstendig i tilfeller

1.3Drill: Gauss-eliminasjon og parameteranalyse

løse lineære system raskt og feilfritt ved radreduksjon og klassifisere utfallet fra pivotmønsteret
skrive uendelige løsningsmengder på korrekt parameterform med partikulær løsning og retningsvektorer
gjennomføre full tilfelledeling i parameteravhengige system uten å utelate noe tilfelle

1.PPrøver til del 1: Lineære likningssystem og Gauss-eliminasjon

løse lineære system ved radreduksjon og klassifisere utfallet under prøvebetingelser
gjennomføre full parameteranalyse med tilfelledeling og skrive parameterform
kjede sammen Gauss, parameteranalyse og homogent system slik en full eksamensoppgave krever

2Matriser, determinant og invers

2.1Matrisealgebra: multiplikasjon, transponert og spesielle matriser

regne med matriser: addisjon, skalarmultiplikasjon og matriseprodukt (rad-gang-kolonne), med riktig håndtering av format
bruke regnereglene for transponert, særlig $(AB)^{T}=B^{T}A^{T}$, presist i utregninger og bevis
gjenkjenne identitets-, diagonal-, triangulære, symmetriske og skjevsymmetriske matriser og vise at $A^{T}A$ er symmetrisk

2.2Invers matrise: Gauss–Jordan, 2×2-formelen og inverterbarhetssetningen

regne ut inversen til en matrise med 2×2-formelen og med Gauss–Jordan-metoden, og avgjøre om en matrise er inverterbar
bruke regnereglene $(AB)^{-1}=B^{-1}A^{-1}$ og $(A^{T})^{-1}=(A^{-1})^{T}$ og løse $A\mathbf x=\mathbf b$ via inversen
navngi og bruke inverterbarhetssetningen, og føre bevis med Neumann-trikset for nilpotente matriser

2.3Determinanter, kofaktorutvikling og Cramers regel

regne ut determinanten til en 2×2- og 3×3-matrise ved kofaktorutvikling (velge rad/kolonne med flest nuller) og til større matriser ved radreduksjon til triangulær form
bruke determinantreglene $\det(AB)=\det A\det B$, $\det A^{T}=\det A$, $\det(cA)=c^{n}\det A$ og radoperasjonenes virkning på determinanten
avgjøre inverterbarhet fra $\det A\ne0$, løse system med Cramers regel, og bruke $\det A=\prod\lambda_i$ som bro til egenverdiene

2.PPrøver til del 2: Matriser, determinant og invers

regne sikkert med matriser (produkt, transponert, invers) og navngi regnereglene under prøvebetingelser
regne determinanter ved kofaktorutvikling og radreduksjon og avgjøre inverterbarhet
koble determinant, rang, nullrom og invers gjennom inverterbarhetssetningen slik en full eksamensoppgave krever

3Vektorrom, basis og dimensjon

3.1Vektorrom og underrom: ℝⁿ, Pₙ, matriser og funksjonsrom

avgjøre om en mengde er et vektorrom, med de eksamensviktige familiene Pₙ, matriserommet og funksjonsrom
føre et fullstendig underrom-bevis via de tre betingelsene (0 ∈ W, lukket under addisjon og skalarmultiplikasjon)
regne dimensjonen til underrom i Pₙ og matriserom, og kjenne at dim Pₙ = n+1

3.2Lineær uavhengighet, span og basis

avgjøre om vektorer i ℝⁿ, Pₙ eller et matriserom er lineært uavhengige med radreduksjon eller koeffisientsammenligning
avgjøre om en mengde er en basis for et vektorrom, og bruke dimensjonsargumentet til å korte ned beviset
regne med span og lineærkombinasjoner, og kjenne dimensjonene dim ℝⁿ = n, dim Pₙ = n+1

3.3Kolonnerom, nullrom, rang og dimensjonsteoremet

lese en basis for Col A (opprinnelige pivotkolonner) og for Nul A (spesielle løsninger) rett ut av en radreduksjon
oppgi rang og nullitet og bruke dimensjonsteoremet rang A + dim Nul A = n som kontroll
avgjøre løsbarhet via b ∈ Col A og skille de fundamentale underrommene i ℝᵐ og ℝⁿ

3.4Koordinater relativt en basis og basisskifte

finne koordinatvektoren [x]_B til en vektor relativt en ordnet basis, i ℝⁿ og i abstrakte rom som Pₙ
bruke koordinatavbildningen som isomorfi til å avgjøre uavhengighet, span og dimensjon i ℝⁿ
sette opp basisskiftematrisen P_{C←B} med riktig retning og bruke inversen P_{B←C} = (P_{C←B})⁻¹

3.5Drill: underrom, basis, dimensjon og rang

verifisere underrom via de tre betingelsene og finne basis og dimensjon, også i Pₙ og matriserom
lese Col A-basis (opprinnelige kolonner), Nul A-basis (spesielle løsninger) og rang fra RREF med dimensjonsteoremet som kontroll
regne koordinater og basisskifte med riktig retning under prøvebetingelser

3.PPrøver til del 3: Vektorrom, basis og dimensjon

verifisere underrom og finne basis og dimensjon i abstrakte rom under prøvebetingelser
avgjøre uavhengighet og basis med dimensjonsargumentet, og lese Col/Nul/rang fra RREF med dimensjonsteoremet som kontroll
kjede sammen abstrakt underrom, basis og koordinater slik en full eksamensoppgave krever

4Lineære transformasjoner

4.1Lineære transformasjoner og standardmatrisen

avgjøre om en avbildning T er lineær ved å sjekke de to betingelsene (addisjon og skalering)
bygge standardmatrisen A=[T] kolonne for kolonne fra T(eⱼ) og regne T(x)=Ax
sette opp standardmatrisene for rotasjon, speiling, projeksjon og skalering, og komponere dem i riktig rekkefølge via matriseprodukt

4.2Kjerne, bilde og matriserepresentasjon i baser

finne ker T = Nul[T] og im T = Col[T] fra standardmatrisen og oppgi basis og dimensjon
avgjøre om T er injektiv og/eller surjektiv via rang, og bruke dimensjonsteoremet (rang + nullitet)
bygge matriserepresentasjonen [T]_B kolonne for kolonne for en operator på Pₙ (særlig T(p)=p′) og oversette ker T tilbake til polynomer

4.PPrøver til del 4: Lineære transformasjoner

sjekke linearitet, bygge standardmatrisen og komponere geometriske avbildninger under prøvebetingelser
finne kjerne og bilde fra standardmatrisen, avgjøre injektiv/surjektiv og navngi dimensjonsteoremet som kontroll
bygge [T]_B for T(p)=p′ og kjede sammen komposisjon, kjerne og bilde slik en full eksamensoppgave krever

5Egenverdier og diagonalisering

5.1Egenverdier, egenvektorer, karakteristisk likning og egenrom

verifisere en oppgitt egenvektor ved innsetting i $A\mathbf v=\lambda\mathbf v$ og finne egenverdiene fra den karakteristiske likningen $\det(A-\lambda I)=0$
bestemme egenrommet $E_\lambda=\operatorname{Nul}(A-\lambda I)$ ved radreduksjon og skille algebraisk fra geometrisk multiplisitet (geometrisk $\le$ algebraisk)
bruke kontrollrelasjonene $\operatorname{spor}A=\sum\lambda_i$ og $\det A=\prod\lambda_i$, og føre korte egenverdibevis av typen $A^2=A\Rightarrow\lambda\in\{0,1\}$

5.2Diagonalisering A=PDP⁻¹ og diagonaliserbarhetskriteriet

diagonalisere en matrise ved å bygge $P$ (egenvektorer) og $D$ (egenverdier) matchet søyle for søyle, og verifisere med $AP=PD$
avgjøre og BEGRUNNE diagonaliserbarhet med diagonaliserbarhetskriteriet (geometrisk = algebraisk multiplisitet) eller en navngitt snarvei ($n$ distinkte egenverdier, symmetrisk via spektralteoremet, triangulær)
vise at en matrise ikke er diagonaliserbar ved å peke på et egenrom der geometrisk $<$ algebraisk multiplisitet, også i parameteravhengige tilfeller

5.3Potenser Aⁿ, Markov-matriser og langtidsoppførsel

regne potenser $A^n=PD^nP^{-1}$ og polynom $q(A)$ i en diagonaliserbar matrise via egenverdiene ($q(\lambda)$), i stedet for gjentatt matriseprodukt
gjenkjenne en stokastisk (Markov-)matrise, begrunne at $\lambda=1$ er egenverdi, og finne den stasjonære fordelingen ved å normalisere en egenvektor for $\lambda=1$
bestemme langtidsgrensen $\lim A^n\mathbf x_0$ ved egenvektordekomponering, og føre nilpotensbeviset $A^k=O\Rightarrow$ alle egenverdier $0$

5.4Komplekse egenverdier

finne komplekse egenverdier og egenvektorer til en reell matrise og vite at de opptrer i konjugerte par
tolke en reell 2×2-matrise med komplekse egenverdier som en skalering med modulus |λ| og en rotasjon med arg λ
forklare hvorfor reell diagonalisering er umulig ved komplekse egenverdier mens kompleks diagonalisering finnes, og bruke spor og determinant som kontroll

5.5Drill: egenverdi- og diagonaliseringskjeden

gjennomføre hele egenverdikjeden under tidspress: verifisere egenvektor, finne egenverdier og egenrom, og bygge P og D matchet søyle for søyle
begrunne diagonaliserbarhet med en navngitt snarvei eller multiplisitetssjekk, og vise når en matrise ikke er diagonaliserbar
regne ut Aⁿ via PDⁿP⁻¹, finne stasjonær fordeling for en Markov-matrise og håndtere komplekse egenverdier

5.PPrøver til del 5: Egenverdier og diagonalisering

gjennomføre en full egenverdioppgave på eksamensnivå: verifisere egenvektor, finne egenverdier og egenrom, og begrunne multiplisitet
diagonalisere en matrise A=PDP⁻¹ med navngitt begrunnelse for diagonaliserbarhet
regne Aⁿ, finne stasjonær fordeling for en Markov-matrise og tolke komplekse egenverdier geometrisk

6Indreprodukt, ortogonalitet og minste kvadrater

6.1Indreprodukt, norm og ortogonalitet

regne prikkprodukt, norm, avstand og vinkel i ℝⁿ, og avgjøre om to vektorer er ortogonale
bruke et oppgitt indreprodukt (standard, vektet eller integral på polynomrom) i stedet for en standardrefleks
anvende Pytagoras' setning, Cauchy–Schwarz og trekantulikheten på indreproduktrom

6.2Ortogonale mengder og Gram–Schmidt

avgjøre om en mengde er ortogonal/ortonormal, og bruke at ortogonale mengder er lineært uavhengige
regne koordinater relativt en ortogonal basis med koordinatkoeffisienter
utføre Gram–Schmidt-prosessen (med heltalls-oppskalering) i ℝⁿ og i et integral-indreprodukt, og normalisere til ortonormal basis

6.3Ortogonal projeksjon og ortogonalt komplement

regne ortogonal projeksjon på en linje og på et underrom med en ortogonal basis, og finne dekomposisjonen y = ŷ + z
finne avstanden fra en vektor til et underrom via beste tilnærmingssetningen
beskrive ortogonalt komplement W⊥, bruke dim W + dim W⊥ = n og identiteten (Col A)⊥ = Nul Aᵀ

6.4Minste kvadraters metode og normallikningene

sette opp og løse normallikningene AᵀA x̂=Aᵀb for et overbestemt system og navngi dem i besvarelsen
tilpasse en rett linje eller et polynom til datapunkter ved minste kvadrater og regne ut minste-kvadraters-feilen
avgjøre når minste kvadraters løsningen er entydig (kolonnene i A uavhengige ⇔ AᵀA inverterbar) og håndtere affin løsning ved rangdefekt

6.5Drill: Gram–Schmidt, projeksjon og minste kvadrater

gjennomføre hele ortogonalitetskjeden under tidspress: identifisere indreproduktet, Gram–Schmidte til ortogonal basis, og projisere/finne avstand
løse minste kvadraters problemer via normallikningene og gjenkjenne at Ax̂ er projeksjonen av b på Col A
håndtere kjedede oppgaver på samme matrise, integral-indreprodukt på Pₙ, og affin løsning ved rangdefekt

6.PPrøver til del 6: Indreprodukt, ortogonalitet og minste kvadrater

regne indreprodukt, norm, avstand og vinkel i både standard prikkprodukt og integral-indreprodukt, og avgjøre ortogonalitet
gjennomføre Gram–Schmidt til ortogonal og ortonormal basis, og bruke den til ortogonal projeksjon, dekomposisjon og avstand
løse minste kvadraters problemer via normallikningene, tilpasse en regresjonslinje og se koblingen Ax̂=proj_Col A b

7Komplekse tall (elementære)

7.1Kartesisk form: regning, konjugat og modulus

regne med komplekse tall på kartesisk form (addisjon, multiplikasjon og divisjon ved å utvide med konjugatet)
finne konjugat, modulus og real-/imaginærdel og bruke regnereglene for disse
plassere komplekse tall i det komplekse planet og bestemme enkle geometriske steder (sirkel og midtnormal)

7.2Polar form, Eulers formel og de Moivres formel

skrive komplekse tall på polar og eksponentialform og bestemme argumentet med riktig kvadrant
bruke Eulers formel og regnereglene for multiplikasjon og divisjon i polar form
regne ut potenser av komplekse tall med de Moivres formel og konvertere sikkert mellom kartesisk og polar form

7.3Komplekse røtter og likninger (zⁿ=c, annen- og tredjegrad)

finne alle n-te røtter av et komplekst tall og løse binomiske likninger zⁿ=c med skisse i det komplekse planet
løse komplekse annengradslikninger med abc-formelen og kompleks kvadratrot
løse tredjegradslikninger ved å gjette en rot og polynomdividere, og faktorisere polynom over C med konjugatrot-setningen

7.4Drill: komplekse tall

løse hele komplekstall-repertoaret raskt og sikkert under kode E (ingen hjelpemidler)
velge riktig form (kartesisk eller polar) og føre løsningen slik sensor vil se den
regne ut zⁿ=c med alle n røttene og skisse, og løse komplekse annen- og tredjegradslikninger

7.PPrøver til del 7: Komplekse tall (elementære)

løse fullstendige komplekstall-oppgaver i arkivets sjanger J under kode E
føre løsningen med begrunnelse, eksakte svar og skisse slik sensor forventer
selvteste dekningen av kap. 7.1–7.4 med fasit og avkryssbar diagnose

8Differensiallikninger av 1. orden

8.1Separable differensiallikninger og initialverdiproblem

kjenne igjen og løse separable 1. ordens differensiallikninger y'=f(x)g(y) ved å skille de variable og integrere
finne og begrunne konstantløsningene g(y)=0 og forklare hvorfor de kan gå tapt i regningen
løse initialverdiproblemer og bestemme løsningens definisjonsintervall
sette opp og løse enkle modeller for eksponentiell vekst og henfall med eksakte svar

8.2Lineære 1. ordens differensiallikninger og integrerende faktor

skrive en lineær 1. ordens likning på standardform y'+p(x)y=q(x) og lese av p og q
løse lineære 1. ordens likninger med integrerende faktor μ=e^{∫p dx} og gi eksakte svar
identifisere strukturen y=y_h+y_p og bruke initialbetingelser til å bestemme konstanten
sette opp og løse modeller for avkjøling (Newton) og blanding med riktig enhetskontroll

8.PPrøver til del 8: Differensiallikninger av 1. orden

løse separable og lineære 1. ordens differensiallikninger under tidspress uten hjelpemidler
sette opp og løse avkjølings- og blandingsmodeller med eksakte svar
velge riktig løsningsmetode og kontrollere svaret ved innsetting

9Differensiallikninger av 2. orden

9.1Homogene 2. ordens med konstante koeffisienter: karakteristisk likning

sette opp den karakteristiske likningen r^2+pr+q=0 til en homogen 2. ordens likning med konstante koeffisienter
kjenne igjen de tre tilfellene fra diskriminanten og skrive riktig løsningsform (reelle ulike, dobbel, kompleks-konjugerte røtter)
bruke Eulers formel til å begrunne den reelle formen e^{ax}(C1 cos bx+C2 sin bx) ved komplekse røtter
løse initialverdiproblem ved å bestemme de to konstantene C1, C2 fra y(x0) og y'(x0)

9.2Inhomogene likninger: ubestemte koeffisienter og resonans

skrive den generelle løsningen av en inhomogen likning som y=y_h+y_p og finne y_h fra den karakteristiske likningen
velge riktig ansats for y_p etter formen på pådraget g(x) (polynom, eksponential, sinus/cosinus, produkter og summer)
gjenkjenne resonans og gange ansatsen med x^s der s er multiplisiteten til den kolliderende roten
bruke superposisjon for sammensatt g og bestemme integrasjonskonstantene fra initialbetingelser til slutt

9.3Variasjon av parametere og svingningsmodeller

bruke variasjon av parametere til å finne en partikulær løsning når ubestemte koeffisienter svikter
regne ut Wronski-determinanten og bruke den til å vurdere lineær uavhengighet
sette opp og klassifisere fri, dempet (over-/kritisk/underkritisk) og tvungen svingning fra svingningslikningen
gjenkjenne resonans i fysisk forstand og finne den voksende resonansløsningen

9.4Drill: 2. ordens differensiallikninger

kjøre løsningsoppskriften for 2. ordens lineære ODE (homogen, ansats, resonanssjekk, koeffisienter, IVP) uten å nøle
kjenne igjen og løse alle tre homogene tilfellene og hver ansats-type for inhomogene likninger
oppdage resonans og gange ansatsen med x^s, og alltid bestemme integrasjonskonstantene til slutt
gjenkjenne og løse svingningsmodeller (fri, dempet, resonans)

9.PPrøver til del 9: Differensiallikninger av 2. orden

løse homogene 2. ordens likninger i alle tre tilfellene med initialverdi
bruke ubestemte koeffisienter med korrekt ansats og resonanssjekk
løse inhomogene likninger med resonans og bestemme integrasjonskonstantene til slutt
gjenkjenne og løse svingningsmodeller med demping og resonans

10Systemer av lineære differensiallikninger

10.1Systemet x′=Ax løst via egenverdier og egenvektorer

skrive et koblet system av lineære differensiallikninger på matriseform x'=Ax og forklare koblingen til diagonalisering
finne egenverdier og egenvektorer til A og sette opp den generelle løsningen Σ c_i e^{λ_i t} v_i ved reelle distinkte egenverdier
løse et begynnelsesverdiproblem ved å bestemme konstantene fra det lineære systemet x(0)=x_0
omforme en 2. ordens likning til et 2×2-system via tilstandsvektoren (y, y')

10.2Komplekse egenverdier og faseportrett

løse et system x'=Ax med komplekse egenverdier ved å bruke real- og imaginærdel av én kompleks grunnløsning
skrive den reelle generelle løsningen på formen e^{at}(cos bt, sin bt) og bestemme konstantene fra en begynnelsesverdi
klassifisere likevektspunktet som node, sadel, senter eller spiral ut fra egenverdienes type og fortegn
avgjøre stabilitet fra fortegnet på realdelen av egenverdiene

10.3Drill: systemer av differensiallikninger

kjenne igjen om et system har reelle eller komplekse egenverdier og kjøre riktig løsningsoppskrift
løse begynnelsesverdiproblem for både reelt og komplekst tilfelle med eksakte svar
klassifisere likevektspunktet (node/sadel/senter/spiral) og angi stabilitet fra egenverdiene
omforme en 2. ordens likning til et system og hente tilbake y(t)

10.PPrøver til del 10: Systemer av lineære differensiallikninger

løse systemer x'=Ax med reelle egenverdier og begynnelsesverdi
løse systemer med komplekse egenverdier via real- og imaginærdel
klassifisere likevektspunkt som node, sadel, senter eller spiral med stabilitet
omforme en 2. ordens likning til et system og løse det

11Eksamenstrening og bevis

11.1Føringsstandarden og utenat-apparatet (kode E)

føre en eksamensbesvarelse etter standarden: navngi teoremene, vis mellomregning og gi eksakte svar
gjengi utenat-banken for kode E (de Moivre, n-te røtter, egenverdiprosedyren, de tre ODE-tilfellene, resonansregelen, Gram–Schmidt, normallikningene, dimensjonsteoremet, inverterbarhetssetningen) uten oppslag
unngå føringsfellene: Col A-basis fra RREF, diagonaliserbarhet uten multiplisitet, projeksjon uten ortogonal basis, glemt resonans og desimalsvar
bruke sjekklisten før innlevering og kjede delpunkter innenfor tidsbudsjettet

11.2Bevis-drill: «vis at …»-oppgaven (siste oppgave)

strukturere et bevis: skille gitt fra skal-vises, navngi teoremet bak hvert steg og skille ⇒ fra ⇔
føre de tre bevis-arketypene: egenverdier av en idempotent matrise, invers av I-A ved nilpotens, og A inverterbar ⇔ AᵀA inverterbar
bruke standardteknikkene: egenverdi-innsetting, skalar-trikset xᵀAᵀAx=‖Ax‖², den geometriske matriseserien og inverterbarhetssetningen
unngå bevis-fellene: tallesempel i stedet for generelt bevis, bare én vei i en ekvivalens, og manglende forutsetningssjekk

11.3Øvingseksamen 1: ~10 deloppgaver — bred kjerne

gjennomføre et komplett 4-timers eksamenssett under kode E med eksakte, begrunnede svar
veksle mellom sjangrene J, A, E, G, H, L og N i ett sett og prioritere tiden (~24 min per deloppgave)
føre hver deloppgave etter standarden: navngi teoremene, vis mellomregning, unngå føringsfellene
bruke løsningsforslagene og selvdiagnosen til å finne egne svake sjangre

11.4Øvingseksamen 2: ~10 deloppgaver — abstrakt vektorrom, minste kvadrater og ODE-system

gjennomføre et komplett eksamenssett som dekker abstrakt vektorrom, lineær transformasjon, minste kvadrater og ODE-system
regne i abstrakte rom (P₂): underrom, basis, koordinater og transformasjonsmatrise
løse et lineært ODE-system med komplekse egenverdier ved real- og imaginærdel, og klassifisere likevekten
føre determinant/invers/system og et nilpotens-bevis etter føringsstandarden

11.5Øvingseksamen 3: ~10 deloppgaver — de skarpeste karakterskillerne

håndtere de vanskeligste variantene: ikke-diagonaliserbarhet, integral-indreprodukt og resonans i ett sett
skille diagonaliserbar fra ikke-diagonaliserbar ved å sammenligne geometrisk og algebraisk multiplisitet
kjøre Gram–Schmidt og projeksjon i et integral-indreprodukt uten å falle tilbake på prikkproduktet
føre et toveis ekvivalensbevis og løse ODE med resonans etter føringsstandarden

Tilbake til TMA4110 Lineær algebra, komplekse tall og differensiallikninger

Læringsmål

Oversikt over læringsmål dekket i TMA4110 Lineær algebra, komplekse tall og differensiallikninger

Kilde: Læringsmålene er utformet av Skolesaga på grunnlag av emnets eksamensoppgaver, sensorveiledninger og emnebeskrivelse. De er ikke institusjonens offisielle læringsutbyttebeskrivelser.

172 kompetansemål52 av 52 kapitler har kompetansemål

Alle kompetansemål

•kjenne igjen eksamensformen (fire timers skriftlig, rundt ti likt vektede deloppgaver, karakter A–F) og de faste temaene som går igjen i nesten hvert sett

0.1Eksamenskartet: ~10 likt vektede deloppgaver, kode E og de faste søylene

•prioritere lesingen mot de hyppigste oppgavetypene og legge en realistisk arbeidsplan fram mot eksamen

0.1Eksamenskartet: ~10 likt vektede deloppgaver, kode E og de faste søylene

•forstå hva ingen-hjelpemidler-kravet betyr for hva du må kunne utenat

0.1Eksamenskartet: ~10 likt vektede deloppgaver, kode E og de faste søylene

•skrive et lineært likningssystem som totalmatrise og radredusere til trappeform og redusert trappeform ved elementære radoperasjoner

1.1Lineære likningssystem, matriseform og Gauss-eliminasjon

•klassifisere løsningsmengden (entydig, ingen eller uendelig mange) ut fra pivotmønsteret og lese av løsningen

1.1Lineære likningssystem, matriseform og Gauss-eliminasjon

•skrive en uendelig løsningsmengde på parameterform og avgjøre om et homogent system har ikke-trivielle løsninger

1.1Lineære likningssystem, matriseform og Gauss-eliminasjon

•klassifisere et lineært system som entydig, uten løsning eller med uendelig mange løsninger ut fra den reduserte trappeformen

1.2Løsningsmengder og parameteravhengige system

•skrive en uendelig løsningsmengde på parameterform som en partikulær løsning pluss nullromsretninger

1.2Løsningsmengder og parameteravhengige system

•analysere et parameteravhengig system ved symbolsk radreduksjon, finne kritiske verdier og dele fullstendig i tilfeller

1.2Løsningsmengder og parameteravhengige system

•løse lineære system raskt og feilfritt ved radreduksjon og klassifisere utfallet fra pivotmønsteret

1.3Drill: Gauss-eliminasjon og parameteranalyse

•skrive uendelige løsningsmengder på korrekt parameterform med partikulær løsning og retningsvektorer

1.3Drill: Gauss-eliminasjon og parameteranalyse

•gjennomføre full tilfelledeling i parameteravhengige system uten å utelate noe tilfelle

1.3Drill: Gauss-eliminasjon og parameteranalyse

•løse lineære system ved radreduksjon og klassifisere utfallet under prøvebetingelser

1.PPrøver til del 1: Lineære likningssystem og Gauss-eliminasjon

•gjennomføre full parameteranalyse med tilfelledeling og skrive parameterform

1.PPrøver til del 1: Lineære likningssystem og Gauss-eliminasjon

•kjede sammen Gauss, parameteranalyse og homogent system slik en full eksamensoppgave krever

1.PPrøver til del 1: Lineære likningssystem og Gauss-eliminasjon

•regne med matriser: addisjon, skalarmultiplikasjon og matriseprodukt (rad-gang-kolonne), med riktig håndtering av format

2.1Matrisealgebra: multiplikasjon, transponert og spesielle matriser

•bruke regnereglene for transponert, særlig $(AB)^{T}=B^{T}A^{T}$, presist i utregninger og bevis

2.1Matrisealgebra: multiplikasjon, transponert og spesielle matriser

•gjenkjenne identitets-, diagonal-, triangulære, symmetriske og skjevsymmetriske matriser og vise at $A^{T}A$ er symmetrisk

2.1Matrisealgebra: multiplikasjon, transponert og spesielle matriser

•regne ut inversen til en matrise med 2×2-formelen og med Gauss–Jordan-metoden, og avgjøre om en matrise er inverterbar

2.2Invers matrise: Gauss–Jordan, 2×2-formelen og inverterbarhetssetningen

•bruke regnereglene $(AB)^{-1}=B^{-1}A^{-1}$ og $(A^{T})^{-1}=(A^{-1})^{T}$ og løse $A\mathbf x=\mathbf b$ via inversen

2.2Invers matrise: Gauss–Jordan, 2×2-formelen og inverterbarhetssetningen

•navngi og bruke inverterbarhetssetningen, og føre bevis med Neumann-trikset for nilpotente matriser

2.2Invers matrise: Gauss–Jordan, 2×2-formelen og inverterbarhetssetningen

•regne ut determinanten til en 2×2- og 3×3-matrise ved kofaktorutvikling (velge rad/kolonne med flest nuller) og til større matriser ved radreduksjon til triangulær form

2.3Determinanter, kofaktorutvikling og Cramers regel

•bruke determinantreglene $\det(AB)=\det A\det B$, $\det A^{T}=\det A$, $\det(cA)=c^{n}\det A$ og radoperasjonenes virkning på determinanten

2.3Determinanter, kofaktorutvikling og Cramers regel

•avgjøre inverterbarhet fra $\det A\ne0$, løse system med Cramers regel, og bruke $\det A=\prod\lambda_i$ som bro til egenverdiene

2.3Determinanter, kofaktorutvikling og Cramers regel

•regne sikkert med matriser (produkt, transponert, invers) og navngi regnereglene under prøvebetingelser

2.PPrøver til del 2: Matriser, determinant og invers

•regne determinanter ved kofaktorutvikling og radreduksjon og avgjøre inverterbarhet

2.PPrøver til del 2: Matriser, determinant og invers

•koble determinant, rang, nullrom og invers gjennom inverterbarhetssetningen slik en full eksamensoppgave krever

2.PPrøver til del 2: Matriser, determinant og invers

•avgjøre om en mengde er et vektorrom, med de eksamensviktige familiene Pₙ, matriserommet og funksjonsrom

3.1Vektorrom og underrom: ℝⁿ, Pₙ, matriser og funksjonsrom

•føre et fullstendig underrom-bevis via de tre betingelsene (0 ∈ W, lukket under addisjon og skalarmultiplikasjon)

3.1Vektorrom og underrom: ℝⁿ, Pₙ, matriser og funksjonsrom

•regne dimensjonen til underrom i Pₙ og matriserom, og kjenne at dim Pₙ = n+1

3.1Vektorrom og underrom: ℝⁿ, Pₙ, matriser og funksjonsrom

•avgjøre om vektorer i ℝⁿ, Pₙ eller et matriserom er lineært uavhengige med radreduksjon eller koeffisientsammenligning

3.2Lineær uavhengighet, span og basis

•avgjøre om en mengde er en basis for et vektorrom, og bruke dimensjonsargumentet til å korte ned beviset

3.2Lineær uavhengighet, span og basis

•regne med span og lineærkombinasjoner, og kjenne dimensjonene dim ℝⁿ = n, dim Pₙ = n+1

3.2Lineær uavhengighet, span og basis

•lese en basis for Col A (opprinnelige pivotkolonner) og for Nul A (spesielle løsninger) rett ut av en radreduksjon

3.3Kolonnerom, nullrom, rang og dimensjonsteoremet

•oppgi rang og nullitet og bruke dimensjonsteoremet rang A + dim Nul A = n som kontroll

3.3Kolonnerom, nullrom, rang og dimensjonsteoremet

•avgjøre løsbarhet via b ∈ Col A og skille de fundamentale underrommene i ℝᵐ og ℝⁿ

3.3Kolonnerom, nullrom, rang og dimensjonsteoremet

•finne koordinatvektoren [x]_B til en vektor relativt en ordnet basis, i ℝⁿ og i abstrakte rom som Pₙ

3.4Koordinater relativt en basis og basisskifte

•bruke koordinatavbildningen som isomorfi til å avgjøre uavhengighet, span og dimensjon i ℝⁿ

3.4Koordinater relativt en basis og basisskifte

•sette opp basisskiftematrisen P_{C←B} med riktig retning og bruke inversen P_{B←C} = (P_{C←B})⁻¹

3.4Koordinater relativt en basis og basisskifte

•verifisere underrom via de tre betingelsene og finne basis og dimensjon, også i Pₙ og matriserom

3.5Drill: underrom, basis, dimensjon og rang

•lese Col A-basis (opprinnelige kolonner), Nul A-basis (spesielle løsninger) og rang fra RREF med dimensjonsteoremet som kontroll

3.5Drill: underrom, basis, dimensjon og rang

•regne koordinater og basisskifte med riktig retning under prøvebetingelser

3.5Drill: underrom, basis, dimensjon og rang

•verifisere underrom og finne basis og dimensjon i abstrakte rom under prøvebetingelser

3.PPrøver til del 3: Vektorrom, basis og dimensjon

•avgjøre uavhengighet og basis med dimensjonsargumentet, og lese Col/Nul/rang fra RREF med dimensjonsteoremet som kontroll

3.PPrøver til del 3: Vektorrom, basis og dimensjon

•kjede sammen abstrakt underrom, basis og koordinater slik en full eksamensoppgave krever

3.PPrøver til del 3: Vektorrom, basis og dimensjon

•avgjøre om en avbildning T er lineær ved å sjekke de to betingelsene (addisjon og skalering)

4.1Lineære transformasjoner og standardmatrisen

•bygge standardmatrisen A=[T] kolonne for kolonne fra T(eⱼ) og regne T(x)=Ax

4.1Lineære transformasjoner og standardmatrisen

•sette opp standardmatrisene for rotasjon, speiling, projeksjon og skalering, og komponere dem i riktig rekkefølge via matriseprodukt

4.1Lineære transformasjoner og standardmatrisen

•finne ker T = Nul[T] og im T = Col[T] fra standardmatrisen og oppgi basis og dimensjon

4.2Kjerne, bilde og matriserepresentasjon i baser

•avgjøre om T er injektiv og/eller surjektiv via rang, og bruke dimensjonsteoremet (rang + nullitet)

4.2Kjerne, bilde og matriserepresentasjon i baser

•bygge matriserepresentasjonen [T]_B kolonne for kolonne for en operator på Pₙ (særlig T(p)=p′) og oversette ker T tilbake til polynomer

4.2Kjerne, bilde og matriserepresentasjon i baser

•sjekke linearitet, bygge standardmatrisen og komponere geometriske avbildninger under prøvebetingelser

4.PPrøver til del 4: Lineære transformasjoner

•finne kjerne og bilde fra standardmatrisen, avgjøre injektiv/surjektiv og navngi dimensjonsteoremet som kontroll

4.PPrøver til del 4: Lineære transformasjoner

•bygge [T]_B for T(p)=p′ og kjede sammen komposisjon, kjerne og bilde slik en full eksamensoppgave krever

4.PPrøver til del 4: Lineære transformasjoner

•verifisere en oppgitt egenvektor ved innsetting i $A\mathbf v=\lambda\mathbf v$ og finne egenverdiene fra den karakteristiske likningen $\det(A-\lambda I)=0$

5.1Egenverdier, egenvektorer, karakteristisk likning og egenrom

•bestemme egenrommet $E_\lambda=\operatorname{Nul}(A-\lambda I)$ ved radreduksjon og skille algebraisk fra geometrisk multiplisitet (geometrisk $\le$ algebraisk)

5.1Egenverdier, egenvektorer, karakteristisk likning og egenrom

•bruke kontrollrelasjonene $\operatorname{spor}A=\sum\lambda_i$ og $\det A=\prod\lambda_i$, og føre korte egenverdibevis av typen $A^2=A\Rightarrow\lambda\in\{0,1\}$

5.1Egenverdier, egenvektorer, karakteristisk likning og egenrom

•diagonalisere en matrise ved å bygge $P$ (egenvektorer) og $D$ (egenverdier) matchet søyle for søyle, og verifisere med $AP=PD$

5.2Diagonalisering A=PDP⁻¹ og diagonaliserbarhetskriteriet

•vise at en matrise ikke er diagonaliserbar ved å peke på et egenrom der geometrisk $<$ algebraisk multiplisitet, også i parameteravhengige tilfeller

5.2Diagonalisering A=PDP⁻¹ og diagonaliserbarhetskriteriet

•regne potenser $A^n=PD^nP^{-1}$ og polynom $q(A)$ i en diagonaliserbar matrise via egenverdiene ($q(\lambda)$), i stedet for gjentatt matriseprodukt

5.3Potenser Aⁿ, Markov-matriser og langtidsoppførsel

•gjenkjenne en stokastisk (Markov-)matrise, begrunne at $\lambda=1$ er egenverdi, og finne den stasjonære fordelingen ved å normalisere en egenvektor for $\lambda=1$

5.3Potenser Aⁿ, Markov-matriser og langtidsoppførsel

•bestemme langtidsgrensen $\lim A^n\mathbf x_0$ ved egenvektordekomponering, og føre nilpotensbeviset $A^k=O\Rightarrow$ alle egenverdier $0$

5.3Potenser Aⁿ, Markov-matriser og langtidsoppførsel

•finne komplekse egenverdier og egenvektorer til en reell matrise og vite at de opptrer i konjugerte par

5.4Komplekse egenverdier

•tolke en reell 2×2-matrise med komplekse egenverdier som en skalering med modulus |λ| og en rotasjon med arg λ

5.4Komplekse egenverdier

•forklare hvorfor reell diagonalisering er umulig ved komplekse egenverdier mens kompleks diagonalisering finnes, og bruke spor og determinant som kontroll

5.4Komplekse egenverdier

•gjennomføre hele egenverdikjeden under tidspress: verifisere egenvektor, finne egenverdier og egenrom, og bygge P og D matchet søyle for søyle

5.5Drill: egenverdi- og diagonaliseringskjeden

•begrunne diagonaliserbarhet med en navngitt snarvei eller multiplisitetssjekk, og vise når en matrise ikke er diagonaliserbar

5.5Drill: egenverdi- og diagonaliseringskjeden

•regne ut Aⁿ via PDⁿP⁻¹, finne stasjonær fordeling for en Markov-matrise og håndtere komplekse egenverdier

5.5Drill: egenverdi- og diagonaliseringskjeden

•gjennomføre en full egenverdioppgave på eksamensnivå: verifisere egenvektor, finne egenverdier og egenrom, og begrunne multiplisitet

5.PPrøver til del 5: Egenverdier og diagonalisering

•diagonalisere en matrise A=PDP⁻¹ med navngitt begrunnelse for diagonaliserbarhet

5.PPrøver til del 5: Egenverdier og diagonalisering

•regne Aⁿ, finne stasjonær fordeling for en Markov-matrise og tolke komplekse egenverdier geometrisk

5.PPrøver til del 5: Egenverdier og diagonalisering

•regne prikkprodukt, norm, avstand og vinkel i ℝⁿ, og avgjøre om to vektorer er ortogonale

6.1Indreprodukt, norm og ortogonalitet

•bruke et oppgitt indreprodukt (standard, vektet eller integral på polynomrom) i stedet for en standardrefleks

6.1Indreprodukt, norm og ortogonalitet

•anvende Pytagoras' setning, Cauchy–Schwarz og trekantulikheten på indreproduktrom

6.1Indreprodukt, norm og ortogonalitet

•avgjøre om en mengde er ortogonal/ortonormal, og bruke at ortogonale mengder er lineært uavhengige

6.2Ortogonale mengder og Gram–Schmidt

•regne koordinater relativt en ortogonal basis med koordinatkoeffisienter

6.2Ortogonale mengder og Gram–Schmidt

•utføre Gram–Schmidt-prosessen (med heltalls-oppskalering) i ℝⁿ og i et integral-indreprodukt, og normalisere til ortonormal basis

6.2Ortogonale mengder og Gram–Schmidt

•regne ortogonal projeksjon på en linje og på et underrom med en ortogonal basis, og finne dekomposisjonen y = ŷ + z

6.3Ortogonal projeksjon og ortogonalt komplement

•finne avstanden fra en vektor til et underrom via beste tilnærmingssetningen

6.3Ortogonal projeksjon og ortogonalt komplement

•beskrive ortogonalt komplement W⊥, bruke dim W + dim W⊥ = n og identiteten (Col A)⊥ = Nul Aᵀ

6.3Ortogonal projeksjon og ortogonalt komplement

•sette opp og løse normallikningene AᵀA x̂=Aᵀb for et overbestemt system og navngi dem i besvarelsen

6.4Minste kvadraters metode og normallikningene

•tilpasse en rett linje eller et polynom til datapunkter ved minste kvadrater og regne ut minste-kvadraters-feilen

6.4Minste kvadraters metode og normallikningene

•avgjøre når minste kvadraters løsningen er entydig (kolonnene i A uavhengige ⇔ AᵀA inverterbar) og håndtere affin løsning ved rangdefekt

6.4Minste kvadraters metode og normallikningene

•gjennomføre hele ortogonalitetskjeden under tidspress: identifisere indreproduktet, Gram–Schmidte til ortogonal basis, og projisere/finne avstand

6.5Drill: Gram–Schmidt, projeksjon og minste kvadrater

•løse minste kvadraters problemer via normallikningene og gjenkjenne at Ax̂ er projeksjonen av b på Col A

6.5Drill: Gram–Schmidt, projeksjon og minste kvadrater

•håndtere kjedede oppgaver på samme matrise, integral-indreprodukt på Pₙ, og affin løsning ved rangdefekt

6.5Drill: Gram–Schmidt, projeksjon og minste kvadrater

•regne indreprodukt, norm, avstand og vinkel i både standard prikkprodukt og integral-indreprodukt, og avgjøre ortogonalitet

6.PPrøver til del 6: Indreprodukt, ortogonalitet og minste kvadrater

•gjennomføre Gram–Schmidt til ortogonal og ortonormal basis, og bruke den til ortogonal projeksjon, dekomposisjon og avstand

6.PPrøver til del 6: Indreprodukt, ortogonalitet og minste kvadrater

•løse minste kvadraters problemer via normallikningene, tilpasse en regresjonslinje og se koblingen Ax̂=proj_Col A b

6.PPrøver til del 6: Indreprodukt, ortogonalitet og minste kvadrater

•regne med komplekse tall på kartesisk form (addisjon, multiplikasjon og divisjon ved å utvide med konjugatet)

7.1Kartesisk form: regning, konjugat og modulus

•finne konjugat, modulus og real-/imaginærdel og bruke regnereglene for disse

7.1Kartesisk form: regning, konjugat og modulus

•plassere komplekse tall i det komplekse planet og bestemme enkle geometriske steder (sirkel og midtnormal)

7.1Kartesisk form: regning, konjugat og modulus

•skrive komplekse tall på polar og eksponentialform og bestemme argumentet med riktig kvadrant

7.2Polar form, Eulers formel og de Moivres formel

•bruke Eulers formel og regnereglene for multiplikasjon og divisjon i polar form

7.2Polar form, Eulers formel og de Moivres formel

•regne ut potenser av komplekse tall med de Moivres formel og konvertere sikkert mellom kartesisk og polar form

7.2Polar form, Eulers formel og de Moivres formel

•finne alle n-te røtter av et komplekst tall og løse binomiske likninger zⁿ=c med skisse i det komplekse planet

7.3Komplekse røtter og likninger (zⁿ=c, annen- og tredjegrad)

•løse komplekse annengradslikninger med abc-formelen og kompleks kvadratrot

7.3Komplekse røtter og likninger (zⁿ=c, annen- og tredjegrad)

•løse tredjegradslikninger ved å gjette en rot og polynomdividere, og faktorisere polynom over C med konjugatrot-setningen

7.3Komplekse røtter og likninger (zⁿ=c, annen- og tredjegrad)

•løse hele komplekstall-repertoaret raskt og sikkert under kode E (ingen hjelpemidler)

7.4Drill: komplekse tall

•velge riktig form (kartesisk eller polar) og føre løsningen slik sensor vil se den

7.4Drill: komplekse tall

•regne ut zⁿ=c med alle n røttene og skisse, og løse komplekse annen- og tredjegradslikninger

7.4Drill: komplekse tall

•løse fullstendige komplekstall-oppgaver i arkivets sjanger J under kode E

7.PPrøver til del 7: Komplekse tall (elementære)

•føre løsningen med begrunnelse, eksakte svar og skisse slik sensor forventer

7.PPrøver til del 7: Komplekse tall (elementære)

•selvteste dekningen av kap. 7.1–7.4 med fasit og avkryssbar diagnose

7.PPrøver til del 7: Komplekse tall (elementære)

•kjenne igjen og løse separable 1. ordens differensiallikninger y'=f(x)g(y) ved å skille de variable og integrere

8.1Separable differensiallikninger og initialverdiproblem

•finne og begrunne konstantløsningene g(y)=0 og forklare hvorfor de kan gå tapt i regningen

8.1Separable differensiallikninger og initialverdiproblem

•løse initialverdiproblemer og bestemme løsningens definisjonsintervall

8.1Separable differensiallikninger og initialverdiproblem

•sette opp og løse enkle modeller for eksponentiell vekst og henfall med eksakte svar

8.1Separable differensiallikninger og initialverdiproblem

•skrive en lineær 1. ordens likning på standardform y'+p(x)y=q(x) og lese av p og q

8.2Lineære 1. ordens differensiallikninger og integrerende faktor

•løse lineære 1. ordens likninger med integrerende faktor μ=e^{∫p dx} og gi eksakte svar

8.2Lineære 1. ordens differensiallikninger og integrerende faktor

•identifisere strukturen y=y_h+y_p og bruke initialbetingelser til å bestemme konstanten

8.2Lineære 1. ordens differensiallikninger og integrerende faktor

•sette opp og løse modeller for avkjøling (Newton) og blanding med riktig enhetskontroll

8.2Lineære 1. ordens differensiallikninger og integrerende faktor

•løse separable og lineære 1. ordens differensiallikninger under tidspress uten hjelpemidler

8.PPrøver til del 8: Differensiallikninger av 1. orden

•sette opp og løse avkjølings- og blandingsmodeller med eksakte svar

8.PPrøver til del 8: Differensiallikninger av 1. orden

•velge riktig løsningsmetode og kontrollere svaret ved innsetting

8.PPrøver til del 8: Differensiallikninger av 1. orden

•sette opp den karakteristiske likningen r^2+pr+q=0 til en homogen 2. ordens likning med konstante koeffisienter

9.1Homogene 2. ordens med konstante koeffisienter: karakteristisk likning

•kjenne igjen de tre tilfellene fra diskriminanten og skrive riktig løsningsform (reelle ulike, dobbel, kompleks-konjugerte røtter)

9.1Homogene 2. ordens med konstante koeffisienter: karakteristisk likning

•bruke Eulers formel til å begrunne den reelle formen e^{ax}(C1 cos bx+C2 sin bx) ved komplekse røtter

9.1Homogene 2. ordens med konstante koeffisienter: karakteristisk likning

•løse initialverdiproblem ved å bestemme de to konstantene C1, C2 fra y(x0) og y'(x0)

9.1Homogene 2. ordens med konstante koeffisienter: karakteristisk likning

•skrive den generelle løsningen av en inhomogen likning som y=y_h+y_p og finne y_h fra den karakteristiske likningen

9.2Inhomogene likninger: ubestemte koeffisienter og resonans

•velge riktig ansats for y_p etter formen på pådraget g(x) (polynom, eksponential, sinus/cosinus, produkter og summer)

9.2Inhomogene likninger: ubestemte koeffisienter og resonans

•gjenkjenne resonans og gange ansatsen med x^s der s er multiplisiteten til den kolliderende roten

9.2Inhomogene likninger: ubestemte koeffisienter og resonans

•bruke superposisjon for sammensatt g og bestemme integrasjonskonstantene fra initialbetingelser til slutt

9.2Inhomogene likninger: ubestemte koeffisienter og resonans

•bruke variasjon av parametere til å finne en partikulær løsning når ubestemte koeffisienter svikter

9.3Variasjon av parametere og svingningsmodeller

•regne ut Wronski-determinanten og bruke den til å vurdere lineær uavhengighet

9.3Variasjon av parametere og svingningsmodeller

•sette opp og klassifisere fri, dempet (over-/kritisk/underkritisk) og tvungen svingning fra svingningslikningen

9.3Variasjon av parametere og svingningsmodeller

•gjenkjenne resonans i fysisk forstand og finne den voksende resonansløsningen

9.3Variasjon av parametere og svingningsmodeller

•kjøre løsningsoppskriften for 2. ordens lineære ODE (homogen, ansats, resonanssjekk, koeffisienter, IVP) uten å nøle

9.4Drill: 2. ordens differensiallikninger

•kjenne igjen og løse alle tre homogene tilfellene og hver ansats-type for inhomogene likninger

9.4Drill: 2. ordens differensiallikninger

•oppdage resonans og gange ansatsen med x^s, og alltid bestemme integrasjonskonstantene til slutt

9.4Drill: 2. ordens differensiallikninger

•gjenkjenne og løse svingningsmodeller (fri, dempet, resonans)

9.4Drill: 2. ordens differensiallikninger

•løse homogene 2. ordens likninger i alle tre tilfellene med initialverdi

9.PPrøver til del 9: Differensiallikninger av 2. orden

•bruke ubestemte koeffisienter med korrekt ansats og resonanssjekk

9.PPrøver til del 9: Differensiallikninger av 2. orden

•løse inhomogene likninger med resonans og bestemme integrasjonskonstantene til slutt

9.PPrøver til del 9: Differensiallikninger av 2. orden

•gjenkjenne og løse svingningsmodeller med demping og resonans

9.PPrøver til del 9: Differensiallikninger av 2. orden

•skrive et koblet system av lineære differensiallikninger på matriseform x'=Ax og forklare koblingen til diagonalisering

10.1Systemet x′=Ax løst via egenverdier og egenvektorer

•finne egenverdier og egenvektorer til A og sette opp den generelle løsningen Σ c_i e^{λ_i t} v_i ved reelle distinkte egenverdier

10.1Systemet x′=Ax løst via egenverdier og egenvektorer

•løse et begynnelsesverdiproblem ved å bestemme konstantene fra det lineære systemet x(0)=x_0

10.1Systemet x′=Ax løst via egenverdier og egenvektorer

•omforme en 2. ordens likning til et 2×2-system via tilstandsvektoren (y, y')

10.1Systemet x′=Ax løst via egenverdier og egenvektorer

•løse et system x'=Ax med komplekse egenverdier ved å bruke real- og imaginærdel av én kompleks grunnløsning

10.2Komplekse egenverdier og faseportrett

•skrive den reelle generelle løsningen på formen e^{at}(cos bt, sin bt) og bestemme konstantene fra en begynnelsesverdi

10.2Komplekse egenverdier og faseportrett

•klassifisere likevektspunktet som node, sadel, senter eller spiral ut fra egenverdienes type og fortegn

10.2Komplekse egenverdier og faseportrett

•avgjøre stabilitet fra fortegnet på realdelen av egenverdiene

10.2Komplekse egenverdier og faseportrett

•kjenne igjen om et system har reelle eller komplekse egenverdier og kjøre riktig løsningsoppskrift

10.3Drill: systemer av differensiallikninger

•løse begynnelsesverdiproblem for både reelt og komplekst tilfelle med eksakte svar

10.3Drill: systemer av differensiallikninger

•klassifisere likevektspunktet (node/sadel/senter/spiral) og angi stabilitet fra egenverdiene

10.3Drill: systemer av differensiallikninger

•omforme en 2. ordens likning til et system og hente tilbake y(t)

10.3Drill: systemer av differensiallikninger

•løse systemer x'=Ax med reelle egenverdier og begynnelsesverdi

10.PPrøver til del 10: Systemer av lineære differensiallikninger

•løse systemer med komplekse egenverdier via real- og imaginærdel

10.PPrøver til del 10: Systemer av lineære differensiallikninger

•klassifisere likevektspunkt som node, sadel, senter eller spiral med stabilitet

10.PPrøver til del 10: Systemer av lineære differensiallikninger

•omforme en 2. ordens likning til et system og løse det

10.PPrøver til del 10: Systemer av lineære differensiallikninger

•føre en eksamensbesvarelse etter standarden: navngi teoremene, vis mellomregning og gi eksakte svar

11.1Føringsstandarden og utenat-apparatet (kode E)

•unngå føringsfellene: Col A-basis fra RREF, diagonaliserbarhet uten multiplisitet, projeksjon uten ortogonal basis, glemt resonans og desimalsvar

11.1Føringsstandarden og utenat-apparatet (kode E)

•bruke sjekklisten før innlevering og kjede delpunkter innenfor tidsbudsjettet

11.1Føringsstandarden og utenat-apparatet (kode E)

•strukturere et bevis: skille gitt fra skal-vises, navngi teoremet bak hvert steg og skille ⇒ fra ⇔

11.2Bevis-drill: «vis at …»-oppgaven (siste oppgave)

•føre de tre bevis-arketypene: egenverdier av en idempotent matrise, invers av I-A ved nilpotens, og A inverterbar ⇔ AᵀA inverterbar

11.2Bevis-drill: «vis at …»-oppgaven (siste oppgave)

•bruke standardteknikkene: egenverdi-innsetting, skalar-trikset xᵀAᵀAx=‖Ax‖², den geometriske matriseserien og inverterbarhetssetningen

11.2Bevis-drill: «vis at …»-oppgaven (siste oppgave)

•unngå bevis-fellene: tallesempel i stedet for generelt bevis, bare én vei i en ekvivalens, og manglende forutsetningssjekk

11.2Bevis-drill: «vis at …»-oppgaven (siste oppgave)

•gjennomføre et komplett 4-timers eksamenssett under kode E med eksakte, begrunnede svar

11.3Øvingseksamen 1: ~10 deloppgaver — bred kjerne

•veksle mellom sjangrene J, A, E, G, H, L og N i ett sett og prioritere tiden (~24 min per deloppgave)

11.3Øvingseksamen 1: ~10 deloppgaver — bred kjerne

•føre hver deloppgave etter standarden: navngi teoremene, vis mellomregning, unngå føringsfellene

11.3Øvingseksamen 1: ~10 deloppgaver — bred kjerne

•bruke løsningsforslagene og selvdiagnosen til å finne egne svake sjangre

11.3Øvingseksamen 1: ~10 deloppgaver — bred kjerne

•gjennomføre et komplett eksamenssett som dekker abstrakt vektorrom, lineær transformasjon, minste kvadrater og ODE-system

11.4Øvingseksamen 2: ~10 deloppgaver — abstrakt vektorrom, minste kvadrater og ODE-system

•regne i abstrakte rom (P₂): underrom, basis, koordinater og transformasjonsmatrise

11.4Øvingseksamen 2: ~10 deloppgaver — abstrakt vektorrom, minste kvadrater og ODE-system

•løse et lineært ODE-system med komplekse egenverdier ved real- og imaginærdel, og klassifisere likevekten

11.4Øvingseksamen 2: ~10 deloppgaver — abstrakt vektorrom, minste kvadrater og ODE-system

•føre determinant/invers/system og et nilpotens-bevis etter føringsstandarden

11.4Øvingseksamen 2: ~10 deloppgaver — abstrakt vektorrom, minste kvadrater og ODE-system

•håndtere de vanskeligste variantene: ikke-diagonaliserbarhet, integral-indreprodukt og resonans i ett sett

11.5Øvingseksamen 3: ~10 deloppgaver — de skarpeste karakterskillerne

•skille diagonaliserbar fra ikke-diagonaliserbar ved å sammenligne geometrisk og algebraisk multiplisitet

11.5Øvingseksamen 3: ~10 deloppgaver — de skarpeste karakterskillerne

•kjøre Gram–Schmidt og projeksjon i et integral-indreprodukt uten å falle tilbake på prikkproduktet

11.5Øvingseksamen 3: ~10 deloppgaver — de skarpeste karakterskillerne

•føre et toveis ekvivalensbevis og løse ODE med resonans etter føringsstandarden

11.5Øvingseksamen 3: ~10 deloppgaver — de skarpeste karakterskillerne

Kapitler med kompetansemål

0Eksamenskartet, føringsstandarden og kode E

0.1Eksamenskartet: ~10 likt vektede deloppgaver, kode E og de faste søylene

kjenne igjen eksamensformen (fire timers skriftlig, rundt ti likt vektede deloppgaver, karakter A–F) og de faste temaene som går igjen i nesten hvert sett
prioritere lesingen mot de hyppigste oppgavetypene og legge en realistisk arbeidsplan fram mot eksamen
forstå hva ingen-hjelpemidler-kravet betyr for hva du må kunne utenat

1Lineære likningssystem og Gauss-eliminasjon

1.1Lineære likningssystem, matriseform og Gauss-eliminasjon

skrive et lineært likningssystem som totalmatrise og radredusere til trappeform og redusert trappeform ved elementære radoperasjoner
klassifisere løsningsmengden (entydig, ingen eller uendelig mange) ut fra pivotmønsteret og lese av løsningen
skrive en uendelig løsningsmengde på parameterform og avgjøre om et homogent system har ikke-trivielle løsninger

1.2Løsningsmengder og parameteravhengige system

klassifisere et lineært system som entydig, uten løsning eller med uendelig mange løsninger ut fra den reduserte trappeformen
skrive en uendelig løsningsmengde på parameterform som en partikulær løsning pluss nullromsretninger
analysere et parameteravhengig system ved symbolsk radreduksjon, finne kritiske verdier og dele fullstendig i tilfeller

1.3Drill: Gauss-eliminasjon og parameteranalyse

løse lineære system raskt og feilfritt ved radreduksjon og klassifisere utfallet fra pivotmønsteret
skrive uendelige løsningsmengder på korrekt parameterform med partikulær løsning og retningsvektorer
gjennomføre full tilfelledeling i parameteravhengige system uten å utelate noe tilfelle

1.PPrøver til del 1: Lineære likningssystem og Gauss-eliminasjon

løse lineære system ved radreduksjon og klassifisere utfallet under prøvebetingelser
gjennomføre full parameteranalyse med tilfelledeling og skrive parameterform
kjede sammen Gauss, parameteranalyse og homogent system slik en full eksamensoppgave krever

2Matriser, determinant og invers

2.1Matrisealgebra: multiplikasjon, transponert og spesielle matriser

regne med matriser: addisjon, skalarmultiplikasjon og matriseprodukt (rad-gang-kolonne), med riktig håndtering av format
bruke regnereglene for transponert, særlig $(AB)^{T}=B^{T}A^{T}$, presist i utregninger og bevis
gjenkjenne identitets-, diagonal-, triangulære, symmetriske og skjevsymmetriske matriser og vise at $A^{T}A$ er symmetrisk

2.2Invers matrise: Gauss–Jordan, 2×2-formelen og inverterbarhetssetningen

regne ut inversen til en matrise med 2×2-formelen og med Gauss–Jordan-metoden, og avgjøre om en matrise er inverterbar
bruke regnereglene $(AB)^{-1}=B^{-1}A^{-1}$ og $(A^{T})^{-1}=(A^{-1})^{T}$ og løse $A\mathbf x=\mathbf b$ via inversen
navngi og bruke inverterbarhetssetningen, og føre bevis med Neumann-trikset for nilpotente matriser

2.3Determinanter, kofaktorutvikling og Cramers regel

regne ut determinanten til en 2×2- og 3×3-matrise ved kofaktorutvikling (velge rad/kolonne med flest nuller) og til større matriser ved radreduksjon til triangulær form
bruke determinantreglene $\det(AB)=\det A\det B$, $\det A^{T}=\det A$, $\det(cA)=c^{n}\det A$ og radoperasjonenes virkning på determinanten
avgjøre inverterbarhet fra $\det A\ne0$, løse system med Cramers regel, og bruke $\det A=\prod\lambda_i$ som bro til egenverdiene

2.PPrøver til del 2: Matriser, determinant og invers

regne sikkert med matriser (produkt, transponert, invers) og navngi regnereglene under prøvebetingelser
regne determinanter ved kofaktorutvikling og radreduksjon og avgjøre inverterbarhet
koble determinant, rang, nullrom og invers gjennom inverterbarhetssetningen slik en full eksamensoppgave krever

3Vektorrom, basis og dimensjon

3.1Vektorrom og underrom: ℝⁿ, Pₙ, matriser og funksjonsrom

avgjøre om en mengde er et vektorrom, med de eksamensviktige familiene Pₙ, matriserommet og funksjonsrom
føre et fullstendig underrom-bevis via de tre betingelsene (0 ∈ W, lukket under addisjon og skalarmultiplikasjon)
regne dimensjonen til underrom i Pₙ og matriserom, og kjenne at dim Pₙ = n+1

3.2Lineær uavhengighet, span og basis

avgjøre om vektorer i ℝⁿ, Pₙ eller et matriserom er lineært uavhengige med radreduksjon eller koeffisientsammenligning
avgjøre om en mengde er en basis for et vektorrom, og bruke dimensjonsargumentet til å korte ned beviset
regne med span og lineærkombinasjoner, og kjenne dimensjonene dim ℝⁿ = n, dim Pₙ = n+1

3.3Kolonnerom, nullrom, rang og dimensjonsteoremet

lese en basis for Col A (opprinnelige pivotkolonner) og for Nul A (spesielle løsninger) rett ut av en radreduksjon
oppgi rang og nullitet og bruke dimensjonsteoremet rang A + dim Nul A = n som kontroll
avgjøre løsbarhet via b ∈ Col A og skille de fundamentale underrommene i ℝᵐ og ℝⁿ

3.4Koordinater relativt en basis og basisskifte

finne koordinatvektoren [x]_B til en vektor relativt en ordnet basis, i ℝⁿ og i abstrakte rom som Pₙ
bruke koordinatavbildningen som isomorfi til å avgjøre uavhengighet, span og dimensjon i ℝⁿ
sette opp basisskiftematrisen P_{C←B} med riktig retning og bruke inversen P_{B←C} = (P_{C←B})⁻¹

3.5Drill: underrom, basis, dimensjon og rang

verifisere underrom via de tre betingelsene og finne basis og dimensjon, også i Pₙ og matriserom
lese Col A-basis (opprinnelige kolonner), Nul A-basis (spesielle løsninger) og rang fra RREF med dimensjonsteoremet som kontroll
regne koordinater og basisskifte med riktig retning under prøvebetingelser

3.PPrøver til del 3: Vektorrom, basis og dimensjon

verifisere underrom og finne basis og dimensjon i abstrakte rom under prøvebetingelser
avgjøre uavhengighet og basis med dimensjonsargumentet, og lese Col/Nul/rang fra RREF med dimensjonsteoremet som kontroll
kjede sammen abstrakt underrom, basis og koordinater slik en full eksamensoppgave krever

4Lineære transformasjoner

4.1Lineære transformasjoner og standardmatrisen

avgjøre om en avbildning T er lineær ved å sjekke de to betingelsene (addisjon og skalering)
bygge standardmatrisen A=[T] kolonne for kolonne fra T(eⱼ) og regne T(x)=Ax
sette opp standardmatrisene for rotasjon, speiling, projeksjon og skalering, og komponere dem i riktig rekkefølge via matriseprodukt

4.2Kjerne, bilde og matriserepresentasjon i baser

finne ker T = Nul[T] og im T = Col[T] fra standardmatrisen og oppgi basis og dimensjon
avgjøre om T er injektiv og/eller surjektiv via rang, og bruke dimensjonsteoremet (rang + nullitet)
bygge matriserepresentasjonen [T]_B kolonne for kolonne for en operator på Pₙ (særlig T(p)=p′) og oversette ker T tilbake til polynomer

4.PPrøver til del 4: Lineære transformasjoner

sjekke linearitet, bygge standardmatrisen og komponere geometriske avbildninger under prøvebetingelser
finne kjerne og bilde fra standardmatrisen, avgjøre injektiv/surjektiv og navngi dimensjonsteoremet som kontroll
bygge [T]_B for T(p)=p′ og kjede sammen komposisjon, kjerne og bilde slik en full eksamensoppgave krever

5Egenverdier og diagonalisering

5.1Egenverdier, egenvektorer, karakteristisk likning og egenrom

verifisere en oppgitt egenvektor ved innsetting i $A\mathbf v=\lambda\mathbf v$ og finne egenverdiene fra den karakteristiske likningen $\det(A-\lambda I)=0$
bestemme egenrommet $E_\lambda=\operatorname{Nul}(A-\lambda I)$ ved radreduksjon og skille algebraisk fra geometrisk multiplisitet (geometrisk $\le$ algebraisk)
bruke kontrollrelasjonene $\operatorname{spor}A=\sum\lambda_i$ og $\det A=\prod\lambda_i$, og føre korte egenverdibevis av typen $A^2=A\Rightarrow\lambda\in\{0,1\}$

5.2Diagonalisering A=PDP⁻¹ og diagonaliserbarhetskriteriet

diagonalisere en matrise ved å bygge $P$ (egenvektorer) og $D$ (egenverdier) matchet søyle for søyle, og verifisere med $AP=PD$
avgjøre og BEGRUNNE diagonaliserbarhet med diagonaliserbarhetskriteriet (geometrisk = algebraisk multiplisitet) eller en navngitt snarvei ($n$ distinkte egenverdier, symmetrisk via spektralteoremet, triangulær)
vise at en matrise ikke er diagonaliserbar ved å peke på et egenrom der geometrisk $<$ algebraisk multiplisitet, også i parameteravhengige tilfeller

5.3Potenser Aⁿ, Markov-matriser og langtidsoppførsel

regne potenser $A^n=PD^nP^{-1}$ og polynom $q(A)$ i en diagonaliserbar matrise via egenverdiene ($q(\lambda)$), i stedet for gjentatt matriseprodukt
gjenkjenne en stokastisk (Markov-)matrise, begrunne at $\lambda=1$ er egenverdi, og finne den stasjonære fordelingen ved å normalisere en egenvektor for $\lambda=1$
bestemme langtidsgrensen $\lim A^n\mathbf x_0$ ved egenvektordekomponering, og føre nilpotensbeviset $A^k=O\Rightarrow$ alle egenverdier $0$

5.4Komplekse egenverdier

finne komplekse egenverdier og egenvektorer til en reell matrise og vite at de opptrer i konjugerte par
tolke en reell 2×2-matrise med komplekse egenverdier som en skalering med modulus |λ| og en rotasjon med arg λ
forklare hvorfor reell diagonalisering er umulig ved komplekse egenverdier mens kompleks diagonalisering finnes, og bruke spor og determinant som kontroll

5.5Drill: egenverdi- og diagonaliseringskjeden

gjennomføre hele egenverdikjeden under tidspress: verifisere egenvektor, finne egenverdier og egenrom, og bygge P og D matchet søyle for søyle
begrunne diagonaliserbarhet med en navngitt snarvei eller multiplisitetssjekk, og vise når en matrise ikke er diagonaliserbar
regne ut Aⁿ via PDⁿP⁻¹, finne stasjonær fordeling for en Markov-matrise og håndtere komplekse egenverdier

5.PPrøver til del 5: Egenverdier og diagonalisering

gjennomføre en full egenverdioppgave på eksamensnivå: verifisere egenvektor, finne egenverdier og egenrom, og begrunne multiplisitet
diagonalisere en matrise A=PDP⁻¹ med navngitt begrunnelse for diagonaliserbarhet
regne Aⁿ, finne stasjonær fordeling for en Markov-matrise og tolke komplekse egenverdier geometrisk

6Indreprodukt, ortogonalitet og minste kvadrater

6.1Indreprodukt, norm og ortogonalitet

regne prikkprodukt, norm, avstand og vinkel i ℝⁿ, og avgjøre om to vektorer er ortogonale
bruke et oppgitt indreprodukt (standard, vektet eller integral på polynomrom) i stedet for en standardrefleks
anvende Pytagoras' setning, Cauchy–Schwarz og trekantulikheten på indreproduktrom

6.2Ortogonale mengder og Gram–Schmidt

avgjøre om en mengde er ortogonal/ortonormal, og bruke at ortogonale mengder er lineært uavhengige
regne koordinater relativt en ortogonal basis med koordinatkoeffisienter
utføre Gram–Schmidt-prosessen (med heltalls-oppskalering) i ℝⁿ og i et integral-indreprodukt, og normalisere til ortonormal basis

6.3Ortogonal projeksjon og ortogonalt komplement

regne ortogonal projeksjon på en linje og på et underrom med en ortogonal basis, og finne dekomposisjonen y = ŷ + z
finne avstanden fra en vektor til et underrom via beste tilnærmingssetningen
beskrive ortogonalt komplement W⊥, bruke dim W + dim W⊥ = n og identiteten (Col A)⊥ = Nul Aᵀ

6.4Minste kvadraters metode og normallikningene

sette opp og løse normallikningene AᵀA x̂=Aᵀb for et overbestemt system og navngi dem i besvarelsen
tilpasse en rett linje eller et polynom til datapunkter ved minste kvadrater og regne ut minste-kvadraters-feilen
avgjøre når minste kvadraters løsningen er entydig (kolonnene i A uavhengige ⇔ AᵀA inverterbar) og håndtere affin løsning ved rangdefekt

6.5Drill: Gram–Schmidt, projeksjon og minste kvadrater

gjennomføre hele ortogonalitetskjeden under tidspress: identifisere indreproduktet, Gram–Schmidte til ortogonal basis, og projisere/finne avstand
løse minste kvadraters problemer via normallikningene og gjenkjenne at Ax̂ er projeksjonen av b på Col A
håndtere kjedede oppgaver på samme matrise, integral-indreprodukt på Pₙ, og affin løsning ved rangdefekt

6.PPrøver til del 6: Indreprodukt, ortogonalitet og minste kvadrater

regne indreprodukt, norm, avstand og vinkel i både standard prikkprodukt og integral-indreprodukt, og avgjøre ortogonalitet
gjennomføre Gram–Schmidt til ortogonal og ortonormal basis, og bruke den til ortogonal projeksjon, dekomposisjon og avstand
løse minste kvadraters problemer via normallikningene, tilpasse en regresjonslinje og se koblingen Ax̂=proj_Col A b

7Komplekse tall (elementære)

7.1Kartesisk form: regning, konjugat og modulus

regne med komplekse tall på kartesisk form (addisjon, multiplikasjon og divisjon ved å utvide med konjugatet)
finne konjugat, modulus og real-/imaginærdel og bruke regnereglene for disse
plassere komplekse tall i det komplekse planet og bestemme enkle geometriske steder (sirkel og midtnormal)

7.2Polar form, Eulers formel og de Moivres formel

skrive komplekse tall på polar og eksponentialform og bestemme argumentet med riktig kvadrant
bruke Eulers formel og regnereglene for multiplikasjon og divisjon i polar form
regne ut potenser av komplekse tall med de Moivres formel og konvertere sikkert mellom kartesisk og polar form

7.3Komplekse røtter og likninger (zⁿ=c, annen- og tredjegrad)

finne alle n-te røtter av et komplekst tall og løse binomiske likninger zⁿ=c med skisse i det komplekse planet
løse komplekse annengradslikninger med abc-formelen og kompleks kvadratrot
løse tredjegradslikninger ved å gjette en rot og polynomdividere, og faktorisere polynom over C med konjugatrot-setningen

7.4Drill: komplekse tall

løse hele komplekstall-repertoaret raskt og sikkert under kode E (ingen hjelpemidler)
velge riktig form (kartesisk eller polar) og føre løsningen slik sensor vil se den
regne ut zⁿ=c med alle n røttene og skisse, og løse komplekse annen- og tredjegradslikninger

7.PPrøver til del 7: Komplekse tall (elementære)

løse fullstendige komplekstall-oppgaver i arkivets sjanger J under kode E
føre løsningen med begrunnelse, eksakte svar og skisse slik sensor forventer
selvteste dekningen av kap. 7.1–7.4 med fasit og avkryssbar diagnose

8Differensiallikninger av 1. orden

8.1Separable differensiallikninger og initialverdiproblem

kjenne igjen og løse separable 1. ordens differensiallikninger y'=f(x)g(y) ved å skille de variable og integrere
finne og begrunne konstantløsningene g(y)=0 og forklare hvorfor de kan gå tapt i regningen
løse initialverdiproblemer og bestemme løsningens definisjonsintervall
sette opp og løse enkle modeller for eksponentiell vekst og henfall med eksakte svar

8.2Lineære 1. ordens differensiallikninger og integrerende faktor

skrive en lineær 1. ordens likning på standardform y'+p(x)y=q(x) og lese av p og q
løse lineære 1. ordens likninger med integrerende faktor μ=e^{∫p dx} og gi eksakte svar
identifisere strukturen y=y_h+y_p og bruke initialbetingelser til å bestemme konstanten
sette opp og løse modeller for avkjøling (Newton) og blanding med riktig enhetskontroll

8.PPrøver til del 8: Differensiallikninger av 1. orden

løse separable og lineære 1. ordens differensiallikninger under tidspress uten hjelpemidler
sette opp og løse avkjølings- og blandingsmodeller med eksakte svar
velge riktig løsningsmetode og kontrollere svaret ved innsetting

9Differensiallikninger av 2. orden

9.1Homogene 2. ordens med konstante koeffisienter: karakteristisk likning

sette opp den karakteristiske likningen r^2+pr+q=0 til en homogen 2. ordens likning med konstante koeffisienter
kjenne igjen de tre tilfellene fra diskriminanten og skrive riktig løsningsform (reelle ulike, dobbel, kompleks-konjugerte røtter)
bruke Eulers formel til å begrunne den reelle formen e^{ax}(C1 cos bx+C2 sin bx) ved komplekse røtter
løse initialverdiproblem ved å bestemme de to konstantene C1, C2 fra y(x0) og y'(x0)

9.2Inhomogene likninger: ubestemte koeffisienter og resonans

skrive den generelle løsningen av en inhomogen likning som y=y_h+y_p og finne y_h fra den karakteristiske likningen
velge riktig ansats for y_p etter formen på pådraget g(x) (polynom, eksponential, sinus/cosinus, produkter og summer)
gjenkjenne resonans og gange ansatsen med x^s der s er multiplisiteten til den kolliderende roten
bruke superposisjon for sammensatt g og bestemme integrasjonskonstantene fra initialbetingelser til slutt

9.3Variasjon av parametere og svingningsmodeller

bruke variasjon av parametere til å finne en partikulær løsning når ubestemte koeffisienter svikter
regne ut Wronski-determinanten og bruke den til å vurdere lineær uavhengighet
sette opp og klassifisere fri, dempet (over-/kritisk/underkritisk) og tvungen svingning fra svingningslikningen
gjenkjenne resonans i fysisk forstand og finne den voksende resonansløsningen

9.4Drill: 2. ordens differensiallikninger

kjøre løsningsoppskriften for 2. ordens lineære ODE (homogen, ansats, resonanssjekk, koeffisienter, IVP) uten å nøle
kjenne igjen og løse alle tre homogene tilfellene og hver ansats-type for inhomogene likninger
oppdage resonans og gange ansatsen med x^s, og alltid bestemme integrasjonskonstantene til slutt
gjenkjenne og løse svingningsmodeller (fri, dempet, resonans)

9.PPrøver til del 9: Differensiallikninger av 2. orden

løse homogene 2. ordens likninger i alle tre tilfellene med initialverdi
bruke ubestemte koeffisienter med korrekt ansats og resonanssjekk
løse inhomogene likninger med resonans og bestemme integrasjonskonstantene til slutt
gjenkjenne og løse svingningsmodeller med demping og resonans

10Systemer av lineære differensiallikninger

10.1Systemet x′=Ax løst via egenverdier og egenvektorer

skrive et koblet system av lineære differensiallikninger på matriseform x'=Ax og forklare koblingen til diagonalisering
finne egenverdier og egenvektorer til A og sette opp den generelle løsningen Σ c_i e^{λ_i t} v_i ved reelle distinkte egenverdier
løse et begynnelsesverdiproblem ved å bestemme konstantene fra det lineære systemet x(0)=x_0
omforme en 2. ordens likning til et 2×2-system via tilstandsvektoren (y, y')

10.2Komplekse egenverdier og faseportrett

løse et system x'=Ax med komplekse egenverdier ved å bruke real- og imaginærdel av én kompleks grunnløsning
skrive den reelle generelle løsningen på formen e^{at}(cos bt, sin bt) og bestemme konstantene fra en begynnelsesverdi
klassifisere likevektspunktet som node, sadel, senter eller spiral ut fra egenverdienes type og fortegn
avgjøre stabilitet fra fortegnet på realdelen av egenverdiene

10.3Drill: systemer av differensiallikninger

kjenne igjen om et system har reelle eller komplekse egenverdier og kjøre riktig løsningsoppskrift
løse begynnelsesverdiproblem for både reelt og komplekst tilfelle med eksakte svar
klassifisere likevektspunktet (node/sadel/senter/spiral) og angi stabilitet fra egenverdiene
omforme en 2. ordens likning til et system og hente tilbake y(t)

10.PPrøver til del 10: Systemer av lineære differensiallikninger

løse systemer x'=Ax med reelle egenverdier og begynnelsesverdi
løse systemer med komplekse egenverdier via real- og imaginærdel
klassifisere likevektspunkt som node, sadel, senter eller spiral med stabilitet
omforme en 2. ordens likning til et system og løse det

11Eksamenstrening og bevis

11.1Føringsstandarden og utenat-apparatet (kode E)

føre en eksamensbesvarelse etter standarden: navngi teoremene, vis mellomregning og gi eksakte svar
gjengi utenat-banken for kode E (de Moivre, n-te røtter, egenverdiprosedyren, de tre ODE-tilfellene, resonansregelen, Gram–Schmidt, normallikningene, dimensjonsteoremet, inverterbarhetssetningen) uten oppslag
unngå føringsfellene: Col A-basis fra RREF, diagonaliserbarhet uten multiplisitet, projeksjon uten ortogonal basis, glemt resonans og desimalsvar
bruke sjekklisten før innlevering og kjede delpunkter innenfor tidsbudsjettet

11.2Bevis-drill: «vis at …»-oppgaven (siste oppgave)

strukturere et bevis: skille gitt fra skal-vises, navngi teoremet bak hvert steg og skille ⇒ fra ⇔
føre de tre bevis-arketypene: egenverdier av en idempotent matrise, invers av I-A ved nilpotens, og A inverterbar ⇔ AᵀA inverterbar
bruke standardteknikkene: egenverdi-innsetting, skalar-trikset xᵀAᵀAx=‖Ax‖², den geometriske matriseserien og inverterbarhetssetningen
unngå bevis-fellene: tallesempel i stedet for generelt bevis, bare én vei i en ekvivalens, og manglende forutsetningssjekk

11.3Øvingseksamen 1: ~10 deloppgaver — bred kjerne

gjennomføre et komplett 4-timers eksamenssett under kode E med eksakte, begrunnede svar
veksle mellom sjangrene J, A, E, G, H, L og N i ett sett og prioritere tiden (~24 min per deloppgave)
føre hver deloppgave etter standarden: navngi teoremene, vis mellomregning, unngå føringsfellene
bruke løsningsforslagene og selvdiagnosen til å finne egne svake sjangre

11.4Øvingseksamen 2: ~10 deloppgaver — abstrakt vektorrom, minste kvadrater og ODE-system

gjennomføre et komplett eksamenssett som dekker abstrakt vektorrom, lineær transformasjon, minste kvadrater og ODE-system
regne i abstrakte rom (P₂): underrom, basis, koordinater og transformasjonsmatrise
løse et lineært ODE-system med komplekse egenverdier ved real- og imaginærdel, og klassifisere likevekten
føre determinant/invers/system og et nilpotens-bevis etter føringsstandarden

11.5Øvingseksamen 3: ~10 deloppgaver — de skarpeste karakterskillerne

håndtere de vanskeligste variantene: ikke-diagonaliserbarhet, integral-indreprodukt og resonans i ett sett
skille diagonaliserbar fra ikke-diagonaliserbar ved å sammenligne geometrisk og algebraisk multiplisitet
kjøre Gram–Schmidt og projeksjon i et integral-indreprodukt uten å falle tilbake på prikkproduktet
føre et toveis ekvivalensbevis og løse ODE med resonans etter føringsstandarden

Tilbake til TMA4110 Lineær algebra, komplekse tall og differensiallikninger