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