8.1 Føringsstandarden og vedleggsbruken: slik skriver du en fullt begrunnet MAT1120-besvarelse

Sensorreglene operasjonalisert: sitér vedlegget (ikke radreduser for hånd), begrunn ALT, navngi teoremene, Col A-basis fra original, riktig P_{C←B}-retning, ortonormale P, ikke-standard indreprodukt konsekvent, multiplisitet ved diagonaliserbarhet — samlet, med teoremnavn-banken du må kunne utenat.

50 min

4 oppgaver

Føringsstandardenvedleggsbrukenslik skriver du en fullt begrunnet MAT1120-besvarelse

Din fremgang i kapitlet

0 / 4 oppgaver

Kapitlets plass i kurset

Brukes videre i

8.2Øvingseksamen 1: 10 deloppgaver à 10 p — bred kjerne med vedlegg

Dette kapitlet gir deg poengene som ikke handler om å regne riktig, men om å føre riktig. Sensorinstruksen står ordrett på hvert eneste sett: «du må begrunne alle svar, og vise nok mellomregning til at argumentene lett kan følges». Et riktig sluttsvar uten begrunnelse gir lite uttelling; en godt ført besvarelse med en liten regnefeil kan gi nesten full uttelling.

De sju offisielle løsningsforslagene (H2018–H2024) deler et fast særpreg: de siterer vedlegget («Fra Matlab-utskriften ser vi at RREF er …») i stedet for å radredusere for hånd, de navngir teoremet der argumentet bæres, og de følger en fast føringsstandard. Denne standarden er den samme i alle ti deloppgavene, og å kunne den utenat er høyeste prioritet – den bærer karakteren på tvers av tema.

Dette er et metodekapittel: her er det ingen nye matte-teknikker, bare reglene for hvordan du skriver dem ned. Les det før du tar de tre øvingseksamenene i kap. 8.2–8.4.

Forkunnskaper: hele boka — Del 1–Del 7. Dette kapitlet oppsummerer føringen for alle sjangrene A–L, så du bør ha sett metodene før:

- Kap. 1.2 — fundamentale underrom
- Kap. 2.5–2.6 — abstrakte vektorrom og $[T]_{\mathcal{B}}$
- Kap. 3.2 — diagonalisering
- Kap. 4.2 — Gram–Schmidt
- Kap. 5.2 — minste kvadrater
- Kap. 6.1–6.3 — spektralteoremet og kvadratiske former
- Kap. 7.1–7.3 — SVD og bevis

Du trenger ikke pugge tallene fra de kapitlene – men du må kunne navngi teoremene, og det øver vi på her.

Fire ting sensor ser etter

Uansett tema leter sensor etter de samme fire tingene i en deloppgave:

1. Ble vedlegget brukt? Store matriser radreduseres ikke for hånd – du siterer RREF/poly/eig fra vedlegget og bruker resultatet.
2. Er teoremet navngitt? Argumentet skal hvile på et navngitt resultat (spektralteoremet, dimensjonsteoremet, …), ikke en udokumentert påstand.
3. Følger føringen standarden? $\operatorname{Col}A$ -basis fra original, $P/D$ matchet, ortonormal $P$ der påkrevd, kryssledd delt på 2, riktig indreprodukt, riktig $P_{\mathcal{C}\leftarrow\mathcal{B}}$ -retning, eksakte svar.
4. Er svaret konkludert? En verbal setning som svarer på spørsmålet, med sluttsvaret markert – ikke bare et tall på slutten av en regnekladd.

Resten av kapitlet gjør disse fire om til en tabell («begrunnelsestrappen»), en puggeliste («teoremnavn-banken») og en sjekkliste før innlevering.

Begrunnelsestrappen: hva som gir full uttelling per sjanger

Hver rad sier hva en A-besvarelse i den sjangeren må vise. Sjangerkodene A–L er de samme som i eksamenskartet.

Sjanger	Hva full uttelling krever
A $\operatorname{Col}/\operatorname{Nul}$ /rang	Siter RREF fra vedlegget; $\operatorname{Col}A$ -basis = pivotkolonnene i $A$ (ikke RREF); $\operatorname{Nul}A$ -basis = spesielle løsninger (én per fri variabel); rang = antall pivoter; kontroll med dimensjonsteoremet.
B Gram–Schmidt/projeksjon	Vis hvert $\mathbf{w}_i$ -steg; oppgi om du vil ha ortogonal eller ortonormal basis; ved projeksjon: dekomponer $\mathbf{y}=\hat{\mathbf{y}}+\mathbf{z}$ og hent avstand $=\lVert\mathbf{z}\rVert$ .
C minste kvadrater	Sett opp normallikningene $C^{T}C\hat{\mathbf{x}}=C^{T}\mathbf{b}$ ; ved rangdefekt: gi affin løsningsmengde (partikulær $+$ $\operatorname{Nul}$ ); $\operatorname{proj}_W\mathbf{b}=C\hat{\mathbf{x}}$ er entydig.
D egenverdier/diagonalisering	Egenverdier fra vedlegget; begrunn diagonaliserbarhet med multiplisitet eller navngitt snarvei; $A=PDP^{-1}$ med $P/D$ matchet søyle for søyle.
E $A^{k}$ / $q(A)$	Bruk $A^{k}=PD^{k}P^{-1}$ / $q(A)=Pq(D)P^{-1}$ med samme $P$ ; regn $D^{k}$ / $q(D)$ elementvis.
F ortogonal diagonalisering	Navngi spektralteoremet ( $A=A^{T}$ ); $P$ ortonormal ( $P^{T}P=I$ ); Gram–Schmidt innen et egenrom med multiplisitet; skriv $A=PDP^{T}$ .
G kvadratiske former	Symmetrisér med kryssledd delt på 2; klassifiser fra egenverditegn; ved kjeglesnitt: $\mathbf{x}=P\mathbf{y}$ og standardform.
H abstrakt vektorrom	Underrom: vis de tre betingelsene; basis: uavhengig $+$ utspenner (eller dimensjonsargument); alt ført i det abstrakte rommet, ikke bare i koordinater.
I $[T]_{\mathcal{B}}$ /basisskifte	Søyle $j$ i $[T]_{\mathcal{B}}$ = $[T(\mathbf{b}_j)]_{\mathcal{B}}$ ; $P_{\mathcal{C}\leftarrow\mathcal{B}}$ i riktig retning; $\ker T$ oversatt tilbake til funksjoner/polynomer.
J $\mathbf{x}'=A\mathbf{x}$	Generell løsning $\sum c_i e^{\lambda_i t}\mathbf{v}_i$ ; ved begynnelsesverdi: løs for $c_i$ og oppgi partikulær løsning.
K SVD	$\sigma_i=\sqrt{\lambda_i(A^{T}A)}$ synkende; $\mathbf{u}_i=A\mathbf{v}_i/\sigma_i$ ; skriv $A=U\Sigma V^{T}$ og bruk $\max\lVert A\mathbf{x}\rVert=\sigma_1$ .
L kort bevis	Nevn forutsetningene først; før beviset ledd for ledd med navngitte steg; avslutt med $\blacksquare$ og en verbal tolkning der oppgaven ber om det.

Tabellen er selve fasiten på «hva er nok begrunnelse» – les den kolonne for kolonne mot dine egne besvarelser.

Teoremnavn-banken: det du må kunne navngi utenat

MAT1120 deler ikke ut formelark. Derfor er det ikke nok å kunne bruke et resultat – du må kunne skrive navnet på det, for sensor premierer den navngitte begrunnelsen. Kortene under er hele puggematerialet: teoremnavn med én-linjes innhold, føringsreglene, og vedleggslesingen. Dette er de 34 flashcard-kortene for kapitlet.

Kortene under er flashcard-/repetisjonsstoff – hopp trygt over ved førstegangslesing; tidsanslaget gjelder kjernestoffet foran.

Dimensjonsteoremet (rang–nullitet)

\operatorname{rang}A+\dim\operatorname{Nul}A=n

Grunnleggende underrom fra RREF

\operatorname{Col}A

Spektralteoremet

A=A^{T}

Diagonaliserbarhetskriteriet

n\times n

Ortogonal dekomposisjon

\mathbf{y}

Beste tilnærming (projeksjonssetningen)

\operatorname{proj}_W\mathbf{y}

Normallikningene

C\mathbf{x}=\mathbf{b}

Gram–Schmidt-prosessen

\{\mathbf{v}_i\}

Rayleigh (Teorem 6 §7.3)

A

Rayleigh med bibetingelse (Teorem 7 §7.3)

\mathbf{x}\perp\mathbf{u}_1

Isomorfi-kriteriet

T:V\to W

Koordinatavbildningen

\mathbf{x}\mapsto[\mathbf{x}]_{\mathcal{B}}

Basisskifte for

[T]

[T]_{\mathcal{C}}=P_{\mathcal{C}\leftarrow\mathcal{B}}\,[T]_{\mathcal{B}}\,P_{\mathcal{B}\leftarrow\mathcal{C}}

Overgangsmatrisens retning

P_{\mathcal{C}\leftarrow\mathcal{B}}

SVD-oppskriften

A=U\Sigma V^{T}

\max\lVert A\mathbf{x}\rVert=\sigma_1

\lVert\mathbf{x}\rVert=1

A^{k}

q(A)

deler

P

A^{k}=PD^{k}P^{-1}

Føring:

\operatorname{Col}A

-basis fra original

\operatorname{Col}A

Føring:

P/D

matchet søyle for søyle

j

Føring:

P

ortonormal ved

A=PDP^{T}

P

Føring: kryssledd delt på 2

Q=\mathbf{x}^{T}A\mathbf{x}

Føring:

\sigma_i

synkende

\sigma_1\ge\sigma_2\ge\dots\ge0

Føring:

\ker T

oversatt til funksjoner

\operatorname{Nul}[T]_{\mathcal{B}}

Føring: diagonaliserbarhet begrunnet med multiplisitet

n

Føring: eksakte svar, aldri desimal

\sqrt2

Føring: ikke-standard indreprodukt konsekvent

Er indreproduktet oppgitt (vektet, integral eller evaluering), regnes alle skalarprodukt, normer og ortogonalitetssjekker - også normen i Gram-Schmidt - med den definisjonen, aldri med standardprikkproduktet.

Føring: begrunn alle svar

Sensorinstruksen krever mellomregning ledd for ledd og en verbal konklusjon. Et bart tallsvar, uansett riktig, gir lav uttelling.

Føring: delpunkt-kjeding

Deloppgavene i en hovedoppgave deler ofte samme matrise/underrom. Les hele oppgaven først, og gjenbruk vedleggets RREF/egenvektorer på tvers av delene - det sparer tid og premieres.

Vedlegget:

\operatorname{rref}(A)

Matlab-kommandoen (eller RREF-arket) gir den reduserte trappeformen. Herfra leser du pivotkolonner, frie variabler og avhengighetsrelasjoner - du radreduserer ikke selv.

Vedlegget:

\operatorname{poly}(A)

\det(A-\lambda I)

Vedlegget:

[V\ D]=\operatorname{eig}(A)

V

Vedlegget: radreduser aldri store matriser

\ge 3\times4

Vedlegget: avhengighetsrelasjoner gjelder i

A

A

Sjanger H: underrom – tre betingelser

W

Sjanger H: basis – uavhengig

+

utspenner

d

To kontrastpar: samme matematikk, ulik uttelling

De to eksemplene under viser hvordan identisk regning kan gi full eller halv uttelling avhengig av føringen. Studer forskjellen – det er akkurat her karakterpoengene ligger.

✏️Kontrastpar 1: Col A-basis – fra RREF eller fra A?

Vedlegget gir at $A=\begin{bmatrix}1&3&-1\\2&0&4\\2&3&1\end{bmatrix}$ har RREF $\begin{bmatrix}1&0&2\\0&1&-1\\0&0&0\end{bmatrix}$ . To studenter oppgir basis for $\operatorname{Col}A$ .

Svak føring (halv uttelling): «Pivotene står i søyle 1 og 2, så basis for

\operatorname{Col}A

\{(1,0,0)^{T},(0,1,0)^{T}\}

.»

Dette er den klassiske $\operatorname{Col}A$ -fellen: studenten tok pivotkolonnene fra RREF. Men kolonnerommet endres av radreduksjon, så RREF-kolonnene spenner ut feil rom.

Full uttelling: «Fra vedleggets RREF ser vi at pivotene står i søyle 1 og 2. Basis for $\operatorname{Col}A$ er de tilsvarende kolonnene i $A$ : $\{(1,2,2)^{T},(3,0,3)^{T}\}$ . Da er $\operatorname{rang}A=2$ .»

Samme avlesning av vedlegget – men vektorene hentes fra $A$ , ikke fra RREF. Det er hele forskjellen mellom en A og en C her.

✏️Kontrastpar 2: diagonaliserbarhet – påstand eller begrunnelse?

En $3\times3$ -matrise $A$ har (fra vedlegget) egenverdiene $2,2,5$ , og egenrommet $E_2$ har dimensjon $2$ . Er $A$ diagonaliserbar?

Svak føring (lav uttelling): «Ja,

A

er diagonaliserbar fordi den har egenvektorer.»

En udokumentert påstand. Sensor kan ikke se hvorfor, og for en gjentatt egenverdi er nettopp dette det kritiske punktet – en matrise med egenverdier $2,2,5$ kan være ikke-diagonaliserbar.

Full uttelling: « $\lambda=2$ har algebraisk multiplisitet $2$ , og fra vedlegget har $E_2=\operatorname{Nul}(A-2I)$ dimensjon $2$ , så geometrisk $=$ algebraisk multiplisitet. $\lambda=5$ er enkel. Ved diagonaliserbarhetskriteriet er $A$ derfor diagonaliserbar.»

Den navngitte begrunnelsen med multiplisitet er det som gjør svaret komplett.

Øv på føringen

Oppgavene under gir deg en besvarelse med riktig tallsvar men mangelfull føring. Din jobb er å finne feilen mot standarden og skrive om til full uttelling – akkurat den vurderingen sensor gjør.

📝Oppgave 1

En besvarelse skriver: «Egenvektorene til den symmetriske matrisen er $(1,1)^{T}$ og $(1,-1)^{T}$ , så $P=\begin{bmatrix}1&1\\1&-1\end{bmatrix}$ og $A=PDP^{T}$ .» Pek på føringsfeilen og rett den.

📝Oppgave 2

En besvarelse løser minste kvadrater for $C\mathbf{x}=\mathbf{b}$ der $C$ har rangdefekt, og skriver bare « $\hat{\mathbf{x}}=(1,1,0)^{T}$ ». Hva mangler for full uttelling i sjanger C?

📝Oppgave 3

I en oppgave er indreproduktet oppgitt som $\langle p,q\rangle=\int_{-1}^{1}p(t)q(t)\,dt$ . En besvarelse normaliserer $p_2=t$ ved « $\lVert t\rVert=1$ siden vektoren «har lengde 1»». Hva er feil?

📝Oppgave 4

En besvarelse skal finne $\ker T$ for derivasjonsoperatoren $T(p)=p'$ på $\operatorname{P}_3$ med basis $\mathcal{B}=\{1,t,t^2,t^3\}$ , regner $\operatorname{Nul}[T]_{\mathcal{B}}=\operatorname{Span}\{(1,0,0,0)^{T}\}$ og svarer « $\ker T=\operatorname{Span}\{(1,0,0,0)^{T}\}$ ». Hva mangler?

Sjekklisten før du leverer en deloppgave

Gå gjennom denne for hver deloppgave før du går videre – den fanger de dyreste føringsfeilene:

- ☐ Brukte jeg vedlegget (siterte RREF/poly/eig) i stedet for å radredusere for hånd?
- ☐ Er $\operatorname{Col}A$ -basisen hentet fra $A$ , ikke fra RREF?
- ☐ Er $P$ og $D$ matchet søyle for søyle?
- ☐ Er $P$ ortonormal ( $P^{T}P=I$ ) der ortogonal diagonalisering kreves?
- ☐ Brukte jeg riktig indreprodukt overalt (også i normen i Gram–Schmidt)?
- ☐ Er $P_{\mathcal{C}\leftarrow\mathcal{B}}$ fylt i riktig retning?
- ☐ Delte jeg kryssleddet på 2 i den kvadratiske formen?
- ☐ Er diagonaliserbarhet begrunnet med multiplisitet (eller navngitt snarvei)?
- ☐ Er $\ker T$ / $\operatorname{Nul}[T]_{\mathcal{B}}$ oversatt tilbake til funksjoner?
- ☐ Er svaret eksakt (ingen desimaltilnærming) og navngir jeg teoremet argumentet hviler på?
- ☐ Utnyttet jeg delpunkt-koblingene (samme matrise/underrom på tvers av deler)?

Har du hake på alle relevante punkter, sitter føringspoengene.

Typiske feil

- Radredusere store matriser for hånd i stedet for å sitere vedlegget – tidssluk og feilkilde.
- $\operatorname{Col}A$ -basis fra RREF i stedet for fra $A$ (den klassiske fellen).
- $P/D$ feilmatchet eller $P$ ikke ortonormal ved $A=PDP^{T}$ .
- Feil indreprodukt: standardprikkprodukt der oppgaven ga et vektet/integral/evaluerings-indreprodukt.
- Feil $P_{\mathcal{C}\leftarrow\mathcal{B}}$ -retning – søylene skal være $\mathcal{B}$ -vektorenes $\mathcal{C}$ -koordinater.
- Kryssledd ikke delt på 2 i den kvadratiske formen.
- Diagonaliserbarhet påstått uten multiplisitet.
- $\ker T$ ikke oversatt tilbake til polynomer/funksjoner.
- Desimaltilnærming av pene svar, og ubegrunnede tallsvar uten mellomregning eller navngitt teorem.

Symbol- og formelliste

Dette kapitlet er skrevet av Anthropics toppmodeller (Claude Opus og Claude Fable) og er foreløpig ikke manuelt gjennomgått — kvalitetskontrollen gjøres av uavhengige KI-agenter, og innmeldte feil rettes fortløpende. Funnet en feil? Meld fra, så retter vi den. Les mer om hvordan innholdet lages.

Skolesaga er en uavhengig læringsressurs og er ikke tilknyttet eller godkjent av Universitetet i Oslo. Dette er ikke offisielt studiemateriell. Les mer.