Ortogonaalisuus ja projektiot

Samankaltaiset tiedostot
8. Ortogonaaliprojektiot

9. Ominaisarvot. Diagonalisointi

1. Ominaisarvot. Diagonalisointi

9 Lukumäärien laskemisesta

Luku 2. Jatkuvuus ja kompaktisuus

4.7 Todennäköisyysjakaumia

Luku 11. Jatkuvuus ja kompaktisuus

Tehtävä 11 : 1. Tehtävä 11 : 2

Mat Lineaarinen ohjelmointi

2.8 Mallintaminen ensimmäisen asteen polynomifunktion avulla

b 4i j k ovat yhdensuuntaiset.

Mat Tilastollisen analyysin perusteet, kevät 2007

C (4) 1 x + C (4) 2 x 2 + C (4)

Pyramidi 3 Analyyttinen geometria tehtävien ratkaisut sivu 139 Päivitetty a) 402 Suplementtikulmille on voimassa

Matikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/210

Käänteismatriisi 1 / 14

JOHDATUS LUKUTEORIAAN (syksy 2017) HARJOITUS 1, MALLIRATKAISUT

Matikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/81

Esimerkki 2 (Kaupparatsuongelma eli TSP)

Lineaarialgebra (muut ko)

MS-C1340 Lineaarialgebra ja

Tämä merkitsee geometrisesti, että funktioiden f

MS-A0402 Diskreetin matematiikan perusteet Yhteenveto, osa I

J1 (II.6.9) J2 (X.5.5) MATRIISILASKENTA(TFM) MALLIT AV 6

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-A0402 Diskreetin matematiikan perusteet Yhteenveto ja esimerkkejä ym., osa I

S Laskennallinen systeemibiologia

Seuraava luento ti on salissa XXII. Lineaarialgebra (muut ko) p. 1/117

MS-A0401 Diskreetin matematiikan perusteet Yhteenveto ja esimerkkejä ym., osa I

MS-A0401 Diskreetin matematiikan perusteet Yhteenveto, osa I

Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 5 (6 sivua)

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 6A Ratkaisuehdotuksia.

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

Diskreetin Matematiikan Paja Ratkaisuja viikolle 5. ( ) Jeremias Berg

3x + y + 2z = 5 e) 2x + 3y 2z = 3 x 2y + 4z = 1. x + y 2z + u + 3v = 1 b) 2x y + 2z + 2u + 6v = 2 3x + 2y 4z 3u 9v = 3. { 2x y = k 4x + 2y = h

q =, r = a b a = bq + r, b/2 <r b/2.

MAB7 Talousmatematiikka. Otavan Opisto / Kati Jordan

Differentiaali- ja integraalilaskenta 1 Ratkaisut 1. viikolle /

i ni 9 = 84. Todennäköisin partitio on partitio k = 6, k k

EX1 EX 2 EX =

Ylioppilastutkintolautakunta S tudentexamensnämnden

Insinöörimatematiikka IA

Kertausta: avaruuden R n vektoreiden pistetulo

Laaja matematiikka 2 Kertaustehtäviä Viikko 17/ 2005

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

Insinöörimatematiikka D

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

5. Lineaarisen optimoinnin perusprobleemat

Vektorien virittämä aliavaruus

Tehtäviä neliöiden ei-negatiivisuudesta

Helsinki University of Technology Laboratory of Telecommunications Technology

Miehitysluvuille voidaan kirjoittaa Maxwell Boltzmann jakauman mukaan. saamme miehityslukujen summan muodossa

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

DEE Lineaariset järjestelmät Harjoitus 5, harjoitustenpitäjille tarkoitetut ratkaisuehdotukset

Alkeismuunnokset matriisille, sivu 57

Insinöörimatematiikka D

Ennakkotehtävän ratkaisu

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35

LIITTEET Liite A Stirlingin kaavan tarkkuudesta...2. Liite B Lagrangen kertoimet...3

Luku 1. Euklidinen avaruus

Kuvaus. Määritelmä. LM2, Kesä /160

Laskennallisen kombinatoriikan perusongelmia

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Avaruuden R n aliavaruus

MATP153 Approbatur 1B Harjoitus 1, ratkaisut Maanantai

Tarkastelemme sitten epähomogeenista toisen kertaluvun yhtälöä

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).

4 KORKEAMMAN KERTALUVUN LINEAARISET DIFFERENTIAALIYHTÄLÖT. Kertaluvun n lineaarinen differentiaaliyhtälö ns. standardimuodossa on

Demorastitiedot saat demonstraattori Markus Niskaselta Lineaarialgebra (muut ko) p. 1/104

Havainnollistuksia: Merkitään w = ( 4, 3) ja v = ( 3, 2). Tällöin. w w = ( 4) 2 + ( 3) 2 = 25 = 5. v = ( 3) = 13. v = v.

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

KUNTIEN ELÄKEVAKUUTUS VARHAISELÄKEMENOPERUSTEISESSA MAKSUSSA LÄHTIEN NOUDATETTAVAT LASKUPERUSTEET

Solmu 3/ toteutuu kaikilla u,v I ja λ ]0,1[. Se on aidosti konveksi, jos. f ( λu+(1 λ)v ) < λf(u)+(1 λ)f(v) (2)

Ortogonaalisen kannan etsiminen

Insinöörimatematiikka D

7. Aliavaruudet. Lineaariset yhtälöryhmät

3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset

Tehtävä 1. Voidaanko seuraavat luvut esittää kahden neliön summina? Jos voidaan, niin kuinka monella eri tavalla? (i) n = 145 (ii) n = 770.

DEE Lineaariset järjestelmät Harjoitus 2, ratkaisuehdotukset. Johdanto differenssiyhtälöiden ratkaisemiseen

9.7 Matriisinormit. Vaasan yliopiston julkaisuja 225. Ei siis lainkaan ongelmia defektiivisyydestä.

Ennen kuin mennään varsinaisesti tämän harjoituksen asioihin, otetaan aluksi yksi merkintätekninen juttu. Tarkastellaan differenssiyhtälöä

[ ] [ 2 [ ] [ ] ( ) [ ] Tehtävä 1. ( ) ( ) ( ) ( ) ( ) ( ) 2( ) = 1. E v k 1( ) R E[ v k v k ] E e k e k e k e k. e k e k e k e k.

9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista

Muistutus: Matikkapaja ke Siellä voi kysyä apua demoihin, edellisen viikon demoratkaisuja, välikoetehtävien selitystä, monisteesta yms.

Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218

Tehtävä 2 Todista luennoilla annettu kaava: jos lukujen n ja m alkulukuesitykset. ja m = k=1

Ortogonaalinen ja ortonormaali kanta

Seuraavat peruslauseet 1-8 voidaan helposti todistaa integraalin määritelmästä. Integroimisjoukko R oletetaan rajoitetuksi Jordanmitalliseksi

Paikannuksen matematiikka MAT

Ensi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/159

Kohdeyleisö: toisen vuoden teekkari

Ryhmän osajoukon generoima aliryhmä ja vapaat ryhmät

Lineaarialgebra ja matriisilaskenta I

Epäyhtälöoppia matematiikkaolympialaisten tehtäviin

YKSIULOTTEINEN JÄNNITYSTILA

Kertaa tarvittaessa induktiota ja rekursiota koskevia tietoja.

1. osa, ks. Solmu 2/ Kahden positiivisen luvun harmoninen, geometrinen, aritmeettinen ja + 1 u v 2 1

Insinöörimatematiikka D

Transkriptio:

MA-3450 LAAJA MAEMAIIKKA 5 amperee teillie yliopisto Risto Silveoie Kevät 2007 äydeämme Lama 2: lieaarialgebraa oheisella Ortogoaalisuus ja projetiot Olemme aiaisemmi jo määritelleet, että asi vetoria ovat ohtisuorassa eli ortogoaaliset, jos iide sisätulo o olla Yleisemmi vetorijouolle tämä yleistetää pareittai määriteltyä: Jos vetorijouo { u,, u } vetorit ovat eseää aii ortogoaalisia eli ui uj = 0 i j, ii vetorijouo o ortogoaalie Jos lisäsi aii vetorit ovat ysiövetoreita, ii vetorijouo o ortoormaali eli ortoormeerattu Samoi saotaa, että vetorit u, u ovat silloi ortoormaaleja eli ortoormeerattuja, Ortoormaalisuusehto voidaa siis esittää muodossa, i = j { u,, u} o ortoormaali ui u j = δ ij = 0, i j Huomataa, että tuetut aat {i, j} ja {i, j, } ovat ortoormaaleja Yleisemmii tämä o aoille toivottava omiaisuus Ortogoaalisuus pitää sisällää jo lieaarise riippumattomuude, sillä joaie ortogoaalie jouo o automaattisesti lieaarisesti riippumato (odistus lueolla) Ortoormaalissa aassa atavetorit ovat lisäsi ysiövetoreita, joa helpottaa oordiaattie tulitaa

2 Vetori oordiaatit o helppo selvittää ortoormaali aa ollessa yseessä Jos W o avaruude aliavaruus ja { u,, u } se ortoormaali ata, ii vetori v W esitys tässä aassa o v= ( v u ) u + + ( v u ) u ämä seuraa siitä, että vetorilla o ysiäsitteie esitys v = cu+ + cu, josta vu= ( cu+ + c u) u= cu u+ c u u= cu u= c Näi tuli äyttöö i i i i i i i i i i = seä ortogoaalisuus u j u i = 0, j i että ormeeraus u u Aliavaruude W ortogoaalie omplemetti W o iide vetoreide jouo :ssä, jota ovat ohtisuorassa joaista W: vetoria vastaa: W = { x x w= 0, w W} Silloi myös W o dimw = dimw : aliavaruus, W W { } = 0 ja Avaruus voidaa yt hajottaa aliavaruude W aalta ahtee osaa siiä mielessä, että joaie vetori v o esitettävissä ysiäsitteisesti summaa v= w+ p, w W, p W ässä esitysessä w o vetori v ortogoaaliprojetio (lyh projetio) aliavaruudelle W ja p vastaavasti v: projetio aliavaruudelle W

3 Vetori v ortogoaaliprojetiosta aliavaruudelle W äytetää meritää vˆ = proj W v Projetiosta ortogoaaliselle omplemetille W äytetää myös meritää proj v perp W v ja yllä maiittu hajotelma saa muodo W = v= proj v+ proj v= proj v+ perp v W W W W Jos aliavaruudessa W o ortoormaali ata { u,, u } projetiolle saadaa esitys, ii vetori y proj y= ( y u u + + ( y u u W ) ) ämä ähdää suoralla lasulla: Jos u = ( y u) u+ + ( y u) u ja w = au+ + au, ii ( y u) w = ( y ( y u) u+ + ( y u ) ) u ( au+ + au) = ( a yu + + a yu ) ( a yu + + a yu ) = 0 Siis y u w w W, jote y u W eli u=proj W y

4 Yllä o siis edellytyseä, että { u,, u } o aliavaruude W ortoormaali ata Jos ata o ortogoaalie, mutta ei välttämättä ortoormaali, projetio aava saa muodo proj W = u u + + yu u u yu y u u Usei puhumme jatossa ortogoaaliprojetio sijaa lyhyesti projetiosta Oheisissa uvissa asiaa o havaiollistettu olmeulotteisessa avaruudessa:

5 Erityisesti, jos W o ysiulotteie aliavaruus, W = spa{ u }, missä u o ysiövetori, ii äytetää saotaa vetori y ortogoaaliprojetio ysiövetorille u ja meritää proj u y : proj uy= ( y uu ) Jos vetori v, jolle projisioidaa, ei ole ysiövetori, ii se o ormeerattava, jolloi aavasi saadaa sijoittamalla u: paialle v/ v : Vetori y ortogoaaliprojetio vetorille v 0 o proj v y = y v v vv Ku u o ysiövetori, pätee vetorie y ja u väliselle ulmalle cosθ = y u y, josta seuraa projuy= y cosθ u ästä ähdää yhteys aleisgeometria projetioo, u tarastellaa suoraulmaista (vetori)olmiota, jossa vetori y o hypoteuusaa ja proj u y ulma θ viereiseä ateettia Korostettaoo vielä, että projetio yllä määritellyssä mielessä o vetori Josus sitä paiotetaa puhumalla "ortogoaalisesta vetoriprojetiosta" Silloi salaariprojetio o vetoriprojetio pituus eli ormi proj u y

6 2 Esim Projisioidaa piste [, 2, 3] suoralle x = t Nyt y = 2, suora 3 ysiösuutavetori (eli vastaava aliavaruude ortoormaali aa aioa 2 vetori) o u = Siis 6 2 2 2 6 6 ½ proj = ( ) = [ 2 3] uy y u u = 6 3 = ½ Esim 2 Projisioidaa piste y=[, 2, 3] tasolle H: x x2 x3 2 + = 0 aso ormaali o siis edellise esimeri vetori [2, -, ], jote perp H y = saadaa 0 projhy = y perphy = 2 ½ = 2½ 3 ½ 2½ ½ ästä ½ Ortogoaaliprojetio proj W y täreimpii omiaisuusii uuluu, että se o projisioitavaa vetoria y lähiä oleva W: vetori (miimiormilause): y proj y = mi y v W v W Jos imittäi v W, yˆ = proj W y, ii y v = y yˆ + yˆ v ja y yˆ W, yˆ v W Kohtisuoruude ja Pythagoraa lausee muaa saadaa siis 2 2 2 2 y v = y yˆ + yˆ v y y ˆ

7 ällä seialla o paljo äyttöä mm umeerisessa approsimoiissa ja tilastotieteessä Vetori y projetio aetulle aliavaruudelle W voidaa siis lasea aavalla proj y= ( y u u + + ( y u u, W ) ) jos W: ortoormaali ata tuetaa Jos yleisemmi avaruudelle W tuetaa ata { a,, a }, joa ei välttämättä ole ortoormaali, ii projetio voidaa lasea seuraavasti: Avaruus W o silloi matriisi A = [ a,, a ] saraeavaruus eli arvoavaruus R( A ) Oloo vetori y projetio aassa { a,, a } lausuttua yˆ = ca + + ca = Ac Silloi ohtisuoruusvaatimusesta seuraa ( A ) A, y c x x eli ( A ) ( A ) = 0, x y c x eli ( ), x A y A A c = 0 x, josta seuraa

8 A Ac= A y ( "ormaaliryhmä"), A A: tapausessa rataista ( ) c = A A A y josta voidaa äätyvä Silloi projetiolle yˆ = Ac saadaa lausee proj W y= Py, missä ( P= A A A) A o projetiomatriisi Matriisi A A o tässä aia symmetrie eliömatriisi (matriisi A itse ei välttämättä ole eliömatriisi) Se o myös äätyvä, jos A: saraeet ovat riippumattomat (todistus sivuutetaa), ute yt o asialaita ämä ataa mahdollisuude rataista s ylimäärättyjä yhtälöryhmiä (overdetermied liear equatios), joissa o eemmä yhtälöitä ui tutemattomia: ax + a2x2 + + a x = b a x + a x + + a x = b a x + a x + + a x = b 2 22 2 2 2 m m2 2 m m missä m> Näillä o äytäössä epähomogeeisessa tapausessa lähes aia raa < ra[a b] eli ei rataisua Mutta rataisu o olemassa pieimmä eliösumma mielessä site, että vasemma ja oiea puole erotuse (eulidise) ormi erotus b Ax = ( b a x a x ) + + ( b a x a x ), 2 2 m m m o mahdollisimma piei Näi o täsmällee silloi, u Ax o oiea puole b projetio matriisi A arvoavaruudelle R(A) Silloi rataisu x LS saadaa edellisellä sivulla maiitusta ormaaliryhmästä AAx = Ab LS

9 Jos matriisi A aste raa=, ii se saraeet ovat lieaarisesti riippumattomat, jolloi LS ( AA) x = Ab Esim3 Haetaa pieimmä eliösumma suora taso pisteide (,4), (-2,5), (3,-) ja (4,) autta Silloi yseessä o suora y=a+bx, joa toteuttaa ylimääräty yhtälöryhmä a+ b = 4 a+ b ( 2) = 5 a+ b 3= a+ b 4= pieimmä eliösumma mielessä Matriisimuodossa 4 2 a 5 = 3 b 4 eli 4 2 a 5 Au= y, A=, u=, 3 = b y 4 Normaaliryhmä o AA u = Ay eli 4 2 a 5 2 3 4 3 b = 2 3 4 4 4 6 a 9 6 30 = b 5, josta ooaismatriisi avulla 25 4 6 9 0 7 37 6 30 5 0 42 25 37 Suora ertoimet ovat siis a = 357, b= 088 7 42