Insinöörimatematiikka D

Samankaltaiset tiedostot
Insinöörimatematiikka D

Insinöörimatematiikka D

Insinöörimatematiikka D

Insinöörimatematiikka D

Insinöörimatematiikka D

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

Insinöörimatematiikka D

Insinöörimatematiikka D

Insinöörimatematiikka D

Insinöörimatematiikka D

Insinöörimatematiikka D

Kertausta: avaruuden R n vektoreiden pistetulo

802320A LINEAARIALGEBRA OSA II

Kertausta: avaruuden R n vektoreiden pistetulo

1 Sisätulo- ja normiavaruudet

5 Ominaisarvot ja ominaisvektorit

1. Normi ja sisätulo

1 Ominaisarvot ja ominaisvektorit

Analyysi I (sivuaineopiskelijoille)

Insinöörimatematiikka D

Insinöörimatematiikka D

Ominaisvektoreiden lineaarinen riippumattomuus

Insinöörimatematiikka D

Lineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo.

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

Insinöörimatematiikka D

Insinöörimatematiikka D

Insinöörimatematiikka D

Insinöörimatematiikka D

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

MS-C1340 Lineaarialgebra ja

Insinöörimatematiikka D

Vektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on

Sisätuloavaruudet. 4. lokakuuta 2006

Konformigeometriaa. 5. maaliskuuta 2006

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

Differentiaalimuodot

Insinöörimatematiikka D

Lineaarialgebra II P

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Kuvaus. Määritelmä. LM2, Kesä /160

Matriisit ja vektorit Matriisin käsite Matriisialgebra. Olkoon A = , B = Laske A + B, , 1 3 3

Pistetulo eli skalaaritulo

Avaruuden R n aliavaruus

Ville Turunen: Mat Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007

802320A LINEAARIALGEBRA OSA II/PART II

802320A LINEAARIALGEBRA OSA II LINEAR ALGEBRA PART II

802320A LINEAARIALGEBRA OSA II/PART II

pdfmark=/pages, Raw=/Rotate 90 1 Lineaariavaruus eli Vektoriavaruus Sisätuloavaruus Lineaarikuvaus Ominaisarvo 0-68

1 Lineaariavaruus eli Vektoriavaruus

802320A LINEAARIALGEBRA OSA I

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle

1.1 Vektorit. MS-A0007 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. 1. Vektorit ja kompleksiluvut

Lineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi

9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista

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

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

LINEAARIALGEBRA A 2016 TOMI ALASTE EDITED BY T.M. FROM THE NOTES OF

i=1 Näistä on helppo näyttää ominaisuudet (1)-(4). Ellei toisin mainita, käytetään R n :ssä

Vektorit, suorat ja tasot

802320A LINEAARIALGEBRA OSA II LINEAR ALGEBRA PART II

Hilbertin avaruudet, 5op Hilbert spaces, 5 cr

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

Lebesguen mitta ja integraali

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.

Matemaattinen Analyysi / kertaus

MS-C1340 Lineaarialgebra ja

Johdatus lineaarialgebraan

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016

2 / :03

Bijektio. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin jokaiselle alkiolle kuvautuu tasan yksi lähdön alkio.

802320A LINEAARIALGEBRA OSA III

(1.1) Ae j = a k,j e k.

6. OMINAISARVOT JA DIAGONALISOINTI

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Talousmatematiikan perusteet: Luento 8. Vektoreista ja matriiseista Vektorien peruslaskutoimitukset Lineaarinen riippumattomuus Vektorien sisätulo

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

1.1 Vektorit. MS-A0004/A0006 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n.

Suorat ja tasot, L6. Suuntajana. Suora xy-tasossa. Suora xyzkoordinaatistossa. Taso xyzkoordinaatistossa. Tason koordinaattimuotoinen yhtälö.

Ortogonaalisen kannan etsiminen

Kanta ja dimensio 1 / 23

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

Täydellisyysaksiooman kertaus

Kohdeyleisö: toisen vuoden teekkari

Kuva 1: Funktion f tasa-arvokäyriä. Ratkaisu. Suurin kasvunopeus on gradientin suuntaan. 6x 0,2

Ominaisarvot ja ominaisvektorit 140 / 170

Johdatus lineaarialgebraan

Derivaatta: funktion approksimaatio lineaarikuvauksella.

Luento 8: Epälineaarinen optimointi

Talousmatematiikan perusteet: Luento 9

Avaruuden kolme sellaista pistettä, jotka eivät sijaitse samalla suoralla, määräävät

Yleiset lineaarimuunnokset

r > y x z x = z y + y x z y + y x = r y x + y x = r

802120P Matriisilaskenta (5 op)

Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218

Vastaavasti, jos vektori kerrotaan positiivisella reaaliluvulla λ, niin

Matematiikan ja tilastotieteen laitos Reaalianalyysi I Harjoitus Malliratkaisut (Sauli Lindberg)

Vektorianalyysi I MAT Luennoitsija: Ritva Hurri-Syrjänen Luentoajat: ti: 14:15-16:00, to: 12:15-14:00 Helsingin yliopisto 21.

Transkriptio:

Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 1 of 22

Sisätulo Olkoon V reaalinen vektoriavaruus. Kuvaus V V R, on sisätulo, jos se toteuttaa seuraavat ehdot: (x, x) 0 ja (x, x) = 0 tarkalleen silloin kun x = 0 (epänegativisuus ja epädegeneratiivisuus). (x, y) = (y, x) (vaihdannaisuus eli kommutatiivisuus). (ax + by, z) = a(x, z) + b(y, z) (lineaarisuus). Määritelmä Vektoreiden x = (x 1,..., x n ) ja y = (y 1,..., y n ) R n pistetulo määritellään x y = x 1 y 1 +... + x n y n. Jos x ja y ovat pystyvektoreita, niin voidaan tulkita x y = x T y. Esimerkki Lasketaan x y, kun x = (1, 2, 0, 2) ja y = ( 1, 1, 3, 5). M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 2 of 22

Sisätulo Sisätulon ehdot: (x, x) 0 ja (x, x) = 0 tarkalleen silloin kun x = 0 (epänegativisuus ja epädegeneratiivisuus). (x, y) = (y, x) (vaihdannaisuus eli kommutatiivisuus). (ax + by, z) = a(x, z) + b(y, z) (lineaarisuus). Esimerkki Pistetulo x y = x 1 y 1 +... + x n y n täyttää sisätulon ehdot, sillä x x = x 2 1 + + x 2 n 0 ja x x = 0 tarkalleen silloin kun x = 0, x y = x 1 y 1 +... + x n y n = y 1 x 1 +... + y n x n = y x ja (ax + by) z = (ax 1 + by 1 )z 1 + + (ax n + by n )z n = a(x 1 z 1 + x n z n ) + b(y 1 z 1 + y n z n ) = a(x z) + b(y z). M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 3 of 22

Esimerkki 67 Välillä [a, b] jatkuvien reaalifunktioiden joukossa C 0 [a, b] täyttää sisätulon ehdot. (f, g) = b a fg. M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 4 of 22

Normi Olkoon V vektoriavaruus. Vektoriavaruuden normi on kuvaus V R, x x, joka toteuttaa seuraavat ehdot: x 0 ja x = 0 tarkalleen silloin kun x = 0 (positiivisuus ja epädegeneratiivisuus) ax = a x (skalaarin siirto) x + y x + y (kolmioepäyhtälö) M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 5 of 22

Esimerkki 66 Vektoriavaruudessa R n määritelty kuvaus x = (x 1,..., x n ) = x 1 + + x n on normi, sillä x = x 1 + + x n 0 ja x = x 1 + + x n = 0 tarkalleen silloin kun x = 0, ax = ax 1 + + ax n = a x 1 + + a x n = a ( x 1 + + x n ) = a x ja x+y = (x 1 +y 1,..., x n +y n ) = x 1 + y 1 + + x n + y n x 1 + y 1 + + x n + y n = x + y. M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 6 of 22

Lause Jos (x, y) on sisätulo, on x = (x, x) normi. (Todistus harjoitustehtävänä.) Määritelmä Sisätulo indusoi normin x = (x, x), jota kutsutaan myös Eukleidiseksi normiksi. Huomautus Pistetulosta saadaan normi x = x x = x1 2 + + x n. 2 Kun n = 1, 2, 3, niin tämä normi vastaa tavanomaista vektorin pituutta avaruudessa R n. Esimerkki Lasketaan pistetulon indusoima normi x, kun x = (1, 2, 0, 2). M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 7 of 22

Etäisyys Olkoon V vektoriavaruus. Etäisyys on funktio V V R, joka toteuttaa seuraavat ehdot: Lause d(x, y) 0 ja d(x, y) = 0 tarkalleen silloin kun x = y d(x, y) = d(y, x) (symmetria). d(x, y) d(x, z) + d(z, y) (kolmioepäyhtälö). Jokainen normi indusoi etäisyysfunktion d(x, y) = x y. (Todistus harjoitustehtävänä.) Huomautus Pistetulosta saatava normi x = x x indusoi tavanomaisen vektoreiden etäisyyden R n :ssä, kun n = 1, 2, 3. M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 8 of 22

Esimerkki Lasketaan pisteiden x = (1, 2, 0, 2) ja y = ( 1, 1, 3, 5) välinen etäisyys, kun etäisyysfunktio on pistetulon indusoima. M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 9 of 22

Cauchyn-Schwarzin epäyhtälö (x, y) 2 (x, x)(y, y) eli (x, y) x y. Kulma avaruudessa R n Vektoreiden x ja y R n välinen kulma tarkoittaa kulmaa θ [0, π], joka muodostuu origosta (pisteestä 0) pisteeseen x ja origosta pisteeseen y kulkevien janojen välille. Huomaa, että kolme pistettä x, y ja 0 kuuluvat aina samalle tasolle, joten vektoreiden välinen kulma on aina tason ominaisuus. Lause Jos θ on vektoreiden x ja y välinen kulma, niin x y = x y cos θ. M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 10 of 22

Seuraus Jos kumpikaan x tai y ei ole nollavektori, on Huomautus cos θ = x y x y Cauchyn-Schwarzin epäyhtälön mukaan x y x y, joten cos θ [ 1, 1]. Esimerkki Lasketaan vektoreiden x = (1, 2, 0, 2) ja y = ( 1, 1, 3, 5) välinen kulma (pistetulon suhteen). M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 11 of 22

Määritelmä Olkoon (x, y) jokin sisätulo. Vektorit x ja y ovat ortogonaalit eli kohtisuorat jos (x, y) = 0. Määritelmä Vektorijoukko {x 1,..., x n } on ortogonaali, jos (x i, x j ) = 0 aina kun i j. Ortogonaali joukko {x 1,..., x n } on ortonormaali, jos lisäksi (x i, x i ) = 1. Esimerkki 70 R n :n luonnollinen kanta {e 1,..., e n } on ortonormaali (pistetulon suhteen). M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 12 of 22

Huomautus Jokaisesta ortogonaalista joukosta joka ei sisällä nollavektoria voidaan helposti saada ortonormaali kertomalla kukin x i norminsa käänteisluvulla x 1. Lause Olkoon V vektoriavaruus ja A = {x 1,..., x n } joukko, joka ei sisällä nollavektoria ja on ortogonaali jonkin sisätulon (x, y) suhteen. Tällöin A on lineaarisesti riippumaton. M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 13 of 22

Kertausta Avaruudessa R n L(x) = {cx c R}. Määritelmä Olkoot x ja y 0 avaruuden R n vektoreita. Tällöin vektorin x projektio vektorilla y tarkoittaa sitä origon ja pisteen y kautta kulkevan suoran L(y) pistettä x, jolle x x on kohtisuorassa vektoria y vastaan. Esimerkki Olkoot x = (2, 6) ja y = (2, 1) vektoreita avaruudessa R 2. Etsitään vektorin x projektio vektorille y. M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 14 of 22

Määritelmä Olkoon V kompleksinen vektoriavaruus. Kuvaus V V C, on Hermiten sisätulo, jos se toteuttaa seuraavat ehdot: (x, x) 0 ja (x, x) = 0 tarkalleen silloin kun x = 0 (epänegativisuus ja epädegeneratiivisuus). (x, y) = (y, x) (vinosymmetria). (ax + by, z) = a(x, z) + b(y, z) (lineaarisuus 1. argumentin suhteen). Määritelmä Vektoreiden x = (x 1,..., x n ) ja y = (y 1,..., y n ) C n Hermiten pistetulo määritellään x y = x 1 y 1 +... + x n y n. M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 15 of 22

Lause Hermiten pistetulo täyttää Hermiten sisätulon ehdot. Riittävän säännöllisten funktioiden joukolle on Hermiten sisätulo. (f, g) = b a f g M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 16 of 22

Etäisyyden säilyttävät kuvaukset Määritelmä Lineaarikuvaus f : V V säilyttää etäisyyden, jos d(f (x), f (y)) = d(x, y) x, y V. Lineaarikuvaus f säilyttää normin, jos f (x) = x x V. Lineaarikuvaus f säilyttää sisätulon, jos (f (x), f (y)) = (x, y) x, y V. Lause Olkoon etäisyys normin ja tämä puolestaan sisätulon indusoima. Jos lineaarikuvaus f : V V säilyttää sisätulon, säilyttää se myös normin ja etäisyyden. M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 17 of 22

Etäisyyden säilyttävät kuvaukset Määritelmä Matriisi A on ortogonaali, jos A T = A 1, siis A T A = AA T = I. Esimerkki Matriisi A = 1 2 2 1 2 1 2 3 1 2 2 on ortogonaali, sillä AA T = 1 2 2 1 2 1 2 1 2 2 1 2 1 2 = I 3. 3 3 1 2 2 1 2 2 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 18 of 22

Lause Jos lineaarikuvauksen f : R n R n matriisi A f on ortogonaali, niin kuvaus f säilyttää pistetulon (ja siis myös tämän indusoiman normin ja etäisyyden) Määritelmä Matriisin A adjugaatti määritellään A = A T. Matriisi A on unitaarinen, jos A = A 1, siis A A = AA = I. Lause Jos lineaarikuvauksen f : C n C n matriisi A f on unitaarinen, niin f säilyttää Hermiten pistetulon (ja siis myös sen indusoiman normin ja etäisyyden) M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 19 of 22

Korrelaatiokerroin Ongelmanasettelu Kaksi satunnaismuuttujaa X ja Y. Näiden havainnot x = (x 1, x 2,..., x n ) ja y = (y 1, y 2,..., y n ) tapauksissa 1, 2,..., n. Selvitettävä, kuinka yleisesti y i c x i + b. Muuttujien siirto Merkitään 1 = (1, 1,..., 1) Keskiarvot µx = 1 n x i ja µy = 1 n n i=1 n i=1 Määritellään x = x µx1 ja y = y µy1. Tällöin y = cx + b1 y = cx. Lisäksi vektoreiden x ja y koordinaattien summa on 0 y i M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 20 of 22

Korrelaatiokerroin Riippuvuus Yhdensuuntaisuus y = cx merkitsee täydellistä (lineaarista) riippuvuutta. Vektoreiden x ja y kohtisuoruus merkitsee täydellistä (lineaarista) riippumattomuutta. Riippuvuuden määrää on siksi luonteva mitata vektoreiden x ja y välisellä kulmalla (tai sen kosinilla) Huomautuksen 19 mukaan (cos θ =) Corr(x, y) = x y x y. M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 21 of 22

Korrelaatiokerroin Esimerkki 73 Demoprosentit x R 36 Tenttipisteet y R 36 Keskiarvot µx = 1768/36 ja µy = 645/36. x = x µx1 ja y = y µy1. Voidaan laskea x y x y = 0.795... Korrelaatiota 0.795... voidaan pitää hyvin voimakkaana. M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot 7 22 of 22