Om ortonormerade baser i oändligtdimensionella rum
|
|
- Bengt Jonsson
- för 4 år sedan
- Visningar:
Transkript
1 Analys 360 En webbaserad analyskurs Funktionsutvecklingar Om ortonormerade baser i oändligtdimensionella rum Anders Källén MatematikCentrum LTH anderskallen@gmail.com
2 Om ortonormerade baser i oändligtdimensionella rum () Introduktion I R n har vi, som bekant, skalärprodukten x y = x y +...+x n y n, och kan konstruera flera olika baser av ortonormerade vektor e,..., e n, och när vi valt en sådan skalärprodukt kan varje vektor x R n skrivas x = c i e i, där c i = x e i. k= En sådan framställning av vektorerna i R n är användbar till olika saker som att lösa linjära rekursionssystem och ordinära linjära system av differentialekvationer. Tricket är att välja en ON-bas som är anpassad till det problem man försöker lösa. En vektor i R n kan man tänka sig som en funktion f definierad i heltalen,..., n med värden i R, nämligen f(i) = x i, i =,..., n. Det betyder att vi kan uppfatta alla polygonfunktioner f : [0, ] R med hörn i givna punkter 0 = t < t 2 <... < t n = som en vektor i R n, nämligen den vektor x R n som har komponenterna x i = f(t i ). Men då är det frestande att uppfatta även t.ex. kontinuerliga funktioner f : [0, ] R som element i någont oändligtdimensionellt rum, där varje värde f(t) för punkter t [0, ] definierar en koordinat. Det vi ska göra i det här kapitlet är att just uppfatta funktioner som vektorer i oändligtdimensionella rum och diskutera hur vi kan definiera skalärprodukter av sådana vektorer och från det ortonormerade system och baser av sådana vektorer, alltså funktioner. Vi kommer dock inte att ta det hela vägen, vilket vore att introducera funktionalanalysen och speciellt dess Hilbertrum. I de kommande kapitlen ska vi nämligen endast använda det till att diskutera speciella funktionsserier, som är baserade på idén med ortonormerade baser i allmänna vektorrum. Mycket av det arbetet är betydligt äldre än den mer moderna funktionalanalysen, som dessutom kräver ett nytt integrationsbegrepp ovanpå Riemannintegralen. 2 Euklidiska rum Låt K beteckna de reella eller de komplexa talen (eller någon annan kropp av karakteristik 0). Ett linjärt rum V över K är då en icke-tom mängd, vars element kallas vektorer, på vilken man definierat (i) en addition sådan att u + v = v + u, u + (v + w) = (u + v) + w, (ii) en multiplikation med element i K sådan att 0.u = 0,.u = u, a(u + v) = au + av, (a + b)u = au + bu, (ab)u = a(bu). Här är u, v, w vektorer i V och a, b element i K. Element i K kallar vi ofta skalärer. Anmärkning Den första likheten i (ii) skall läsas så att 0 u är samma vektor för alla u V. Denna vektor betecknas 0 och kallas nollvektorn.
3 Om ortonormerade baser i oändligtdimensionella rum 2 () Exempel Låt M vara en godtycklig mängd och låt V vara mängden av alla funktioner på M med värden i K. Definiera addition och multiplikation med element i K som vanligt genom (f + g)(m) = f(m) + g(m), (af)(m) = af(m). Man kontrollerar lätt att V blir ett linjärt rum över K. Låt W vara en delmängd av ett linjärt rum V över K sådant att u, v W, a, b K au + bv W. Då blir W ett linjärt rum över K om vi definierar räknereglerna addition och multiplikation med element i K som i V. Vi säger att W är ett underrum till V. De linjära rum vi är intresserade av kommer alla att vara underrum till det linjära rummet i Exempel för lämpliga val av mängden M. Exempel 2 Om M är ett intervall [α, β] bildar de kontinuerliga, reellvärda funktionerna på [α, β] ett underrum till det linjära rummet över R av alla reellvärda funktioner på [α, β]. Vi betecknar detta C([α, β]; R). Analogt bildar de kontinuerliga, komplexvärda, funktionrna på [α, β] ett linjärt rum över C, vilket vi betecknar C([α, β]; C). Vektorn u V är en linjärkombination av vektorerna u,..., u k i V om det finns skalärer a k K sådana att u = j a ju j. Mängden av alla linjärkombinationer av u,..., u k bildar ett underrum i V som betecknas L(u,..., u k ) och kallas linjära höljet av u,..., u k. Om L(u,..., u k ) = V säger man att u,..., u k genererar V. Ett linjärt rum sägs vara ändligtdimensionellt om det kan genereras av ändligt många vektorer. Slutligen kallas u,..., u k linjärt beroende om a u a k u k = 0 för någon uppsättning a,..., a k som inte alla är noll. Om vektorerna u,..., u k inte är linjärt beroende sägs de vara linjärt oberoende. Vi kommer att intressera oss för linjära rum som är försedda med lite extra struktur, såsom preciseras i nästa definition. Definition En skalärprodukt i ett linjärt rum V är en regel som till varje par av vektorer u och v i V ordnar ett element (u, v) i K på ett sådant sätt att () (2) (3) (au + bv, w) = a(u, v) + b(v, w), a, b K, (u, v) = (v, u) (u, u) 0 med likhet endast då u = 0. Anmärkning Konjugattecknet i (2) garanterar att (u, u) är ett reellt tal även då K = C. Om K = R blir (2) (u, v) = (v, u) och vi får den kända definitionen av skalärprodukt i linjära rum över R. Om K = C kallar vi regeln en komplex skalärprodukt. Enligt () är en sådan linjär i första argumentet då det andra hålls fixt, men detta gäller inte i det andra argumentet om det första hålls fixt. Om vi kombinerar () coh (2) får vi nämligen att (4) (u, av + bw) = ā(u, v) + b(u, w), u, v, w V, a, b K.
4 Om ortonormerade baser i oändligtdimensionella rum 3 () På grund av första villkoret i (3) kan vi definiera längden av vektorn u genom u = (u, u), u V. Ett linjärt rum V över K försett med en skalärprodukt kallas ett euklidiskt rum (över K om vi vill precisera oss). Exempel 3 I det linjära rummet C([α, β]; C) definieras en skalärprodukt av (u, v) = β u(x)v(x)dx. β α α Det är klart att () och (2) gäller. Vidare är (u, u) = β u(x) 2 dx 0 β α α och eftersom funktionen x u(x) är en kontinuerlig funktion kan integralen vara lika med noll endast om u = 0. Alltså gäller (3). När vi hänvisar till C([α, β]; C) som ett euklidiskt rum antas det försett med denna skalärprodukt om inget annat sägs. Motsvarande gäller för C([α, β]; R) där vi dock inte behöver konjugattecknet över v. Två vektorer u och v är ortogonala om (u, v) = 0. För ortogonala vektorer gäller Pytagoras sats (5) u + v 2 = u 2 + v 2 om (u, v) = 0. Om vektoreran e,..., e n är parvis ortogonala och alla har längden gäller att om u = a i e i och v = b i e i, så är (6) (u, v) = a i b i. Detta följer av att (u, v) = a i (e i, v) = a i (v, e i ) = a i b i. Speciellt har vi (7) a i e i 2 = a i 2. Definition Låt V vara ett euklidiskt rum. Med ett ortonormerat system i V (ON-system) menar vi en uppräknelig (eller ändlig) mängd {e i } av parvis ortogonala vektorer i V som alla har längden.
5 Om ortonormerade baser i oändligtdimensionella rum 4 () Etta viktigt exempel på ett ortonormerat system i ett funktionsrum ges i nästa exempel. Det kommer att behandlas mer ingående i kapitlet Fourierseriernas grunder. Exempel 4 Funktionerna e n (x) = e inx, n ett godtyckligt heltal, utgör ett ortonormerat system i det euklidiska rummet C([ π, π]; C) med skalärprodukt Vi har nämligen att (u, v) = 2π π π u(x)v(x)dx. (e n, e m ) = π e inx e imx = π e i(n m) dx 2π π 2π π och integralen i högerledet är noll då n m och den är 2π då n = m, eftersom integranden då är. 3 Gram-Schmidts ortogonaliseringsförfarande Ett konstruktivt sätt att generera ett ortonormerat system ges av Gram-Schmidts ortogonaliseringsförfarande. Låt {f,..., f n } vara en delmängd av vektorrummet V försett med skalärprodukten (.,.). Vi vill då konstruera ett ortonormerat system {e,..., e n } som spänner upp samma underrum i V som {f i }, alltså för alla k n. Processen är som följer. För n = innebär villkoren att vi ska ta L(f,..., f k ) = L(e,..., e k ) e = ± f f. Vi har alltså två val, vilket också kommer att gälla i fortsättningen. Vi bestämmer oss för +-tecknet. För n = 2 ska vi ha L(f, f 2 ) = L(e, e 2 ) där e redan är bestämd. Det betyder att e 2 = a 2 f 2 + a f = a 2 f 2 + b e, där b = a f. Villkoren på e 2 är nu att (e 2, e ) = 0 och (e 2, e 2 ) =. Det första av dessa innebär att 0 = (a 2 f 2 + b e, e ) = a 2 (f 2, e ) + b, från vilket vi ser att b = a 2 (f 2, e ) och alltså att e 2 = a 2 (f 2 (f 2, e )e ). Sedan väljs a 2 sådan att e 2 2 =, där vi tar den positiva lösningen.
6 Om ortonormerade baser i oändligtdimensionella rum 5 () Det är uppenbart att denna konstruktion kan fortsättas: har vi bestämt e,..., e k, så bestäms e k+ av att k e k+ = a k+ f k+ + b k e k så att (e k+, e j ) = a k+ (f k+, e j ) + b j = 0, j =,..., k, vilket i sin tur betyder att e k+ = a k+ (f k+ k j= (f k+, e j )e j ). Konstanten bestäms så att längden blir ett, och kan väljas positiv. Exempel 5 I det euklidiska rummet C([, ]; R) med skalärprodukt (8) (u, v) = j= u(x)v(x)dx betraktar vi alla funktioner av formen x n där n är ett icke-negativt heltal. Med hjälp av dessa funktioner och Gram-Schmidts ortogonaliseringsmetod ska vi illustrera hur man kan konstruera ett ortonormerat system {p n } 0 i C([, ]; R). För att bestämma p n noterar vi först att p 0 är en konstant med p 0 = alltså p 0 (x) = / 2 för alla x, eftersom högstagradstermen skall ha positivt tecken. Skriv nu Villkoret (p, p 0 ) = 0 innebär då att p (x) = a x + b 0 p 0 (x) = a x = vilket betyder att p (x) = a x där vi ska ha = p 2 = a 2 p (x) dx 2 = b 0 2, x 2 dx = 2a2 3. Med andra ord har vi att För att få p 2 skriver vi nu p (x) = 3 2 x. p 2 (x) = a 2 x 2 + b p (x) + b 0 p 0 (x). Villkoren (p 2, p ) = 0 och (p 2, p 0 ) = 0 innebär då att a 2 (x 2, p ) + b = 0, a 2 (x 2, p 0 ) + b 0 = 0, vilket betyder att så b = 0, b 0 = a p 2 = a 2 (x 2 3. x 2 dx 2 = a 2 3,
7 Om ortonormerade baser i oändligtdimensionella rum 6 () Normaliserar vi, ser vi att a 2 = 45/8 och alltså p 2 (x) = 45 8 (x2 3 ). Fortsätter vi denna process ser vi att vi i det n + :a steget ska ta p n L(, x,..., x n ) sådant att (p n, x k ) = 0 då k < n och p n =. Här väljer vi hela tiden p n så att högstagradskoefficienten är positiv för att bestämma polynomet p n entydigt. Denna process konstruerar de s.k. Legendrepolynomen som är användbara när man ska ange lösningar till vissa klassiska partiella differentialekvationer. De ska diskuteras närmare i kapitlet Om Legendrepolynomen. 4 Ortogonal projektion För ett underrum U i ett euklidiskt rum V definieras det ortogonala komplementet U av U = {v V ; (v, w) = 0 för alla w U}. Om U är ändligtdimensionellt har vi följande sats. Sats Om e,..., e k är ett ortonormerat system i V och U = L(e,..., e k ), så gäller att varje vektor u V på ett entydigt sätt kan skrivas u = u + u där u U och u U. Vektorn u, som kallas den ortogonala projektionen av u på U, ges av (9) u = (u, e )e (u, e k )e k. Bevis. Varje vektor u U kan skrivas u = k c je j. Vektorn u = u u ligger i U om och endast om (u, e j ) = 0, j =,..., k, d.v.s. precis då (u, e j ) = (u, e j ) = c j. Detta visar entydigheten. Om vi å andra sidan definierar u genom (9) och sätter u = u u, så är (u, e j ) = 0, j =,..., k, d.v.s. u U. Därmed är satsen bevisad. Om w U gäller enligt Pytagoras sats att u w 2 = (u w) + u 2 = u w 2 + u 2, så högerledet är som minst då w = u. Den ortogonala projektionen u av u på U är därför den vektor i U som ligger närmast u. Låt nu {e i } vara ett ortonormerat system i V. Om u är den ortogonala projektionen av u på L(e,..., e k ) så ger Pytagoras sats att (0) u 2 u 2 + u 2 = u 2. Enligt (7) är u 2 = k (u, e j ) 2,
8 Om ortonormerade baser i oändligtdimensionella rum 7 () så vi får att k (u, e j ) 2 u 2. Då detta är sant för alla k följer härur Bessels olikhet () (u, e j ) 2 u 2. j= Speciellt ser vi att koefficienterna (u, e j ) är begränsade och att (u, e j ) 0 då j. En annan konsekvens av Bessels olikhet är Cauchy-Schwartz olikhet (2) (u, v) u v. Om nämligen v 0 är e = v/ v ett ortonormerat system i V och enligt () gäller då att (u, e ) u. Multiplikation med v ger (2). Om v = 0 är v = 0 och båda leden är noll i (2). Ur detta följer sedan triangelolikheten (3) u + v u + v, ty u + v 2 = (u + v, u + v) = u 2 + (u, v) + (v, u) + v 2 u u v + v 2 = ( u + v ) 2. Exempel 6 Låt {e n } n= vara det ortonormerade systemet i C([ π, π]; C) som diskuterades i Exempel 4. Koefficienterna c n = (u, e n ) = 2π π π u(x)e inx dx, n Z, kallas då u:s Fourierkoefficienter. Bessels olikhet tar formen c n 2 u 2 = π u(x) 2 dx. 2π π Vi ser att Fourierkoefficienterna är begränsade, c n u för alla n och att c n 0 då n. 5 Ortonormerade baser Så här långt har vi diskuterat vektorer som kan skrivas som kan utvecklas efter ett givet ON-system relativt en given skalärprodukt (u, v). Med andra ord, givet ON-basen {e i } har vi betraktat vektorer som kan skrivas u = c ie i. Frågan är nu, när vet vi att alla vektorer i det euklidiska rummet V kan skrivas så. Med andra ord, när vet vi att vårt ON-system också är en bas för V?
9 Om ortonormerade baser i oändligtdimensionella rum 8 () Definition En svit {u N } N om Vi skriver detta som av vektorer i V sägs konvergera mot en vektor u V då u N u 0 då N. u N u i V. Om {u i } är en mängd vektorer i V och {c i } är element i K sådana att skriver vi N c i u i u i V u = c i u i. Lemma Om u N u i V och v N v i V då N, så gäller att Bevis. Vi har att så Cauchy-Schwartz olikhet ger att (u N, v N ) (u, v) då N. (u N, v N ) (u, v) = (u N u, v N ) + (u, v N v), (4) (u N, v N ) (u, v) u N u v N + u v N v. Då v N v + v N v v + om N är tillräckligt stor, följer att högerledet i (4) går mot noll då N. Definition Ett ortonormerat system {e i } för V om varje vektor u V kan skrivas i V sägs vara en ortonormerad bas (ON-bas) u = c i e i, c i K. När så gäller följer ur Lemma att c i = (u, e i ). Om nämligen u N = N c ie i, så ger skalärmultiplikation med e k att c k = (u N, e k ) då k N. Då N går skalärprodukten här mot (u, e k ) enligt Lemma 3, vilket visar påståendet. Sats 2 Om {e i } är en ON-bas för V och u = c i e i, v = d i e i, så är (u, v) = c i d i.
10 Om ortonormerade baser i oändligtdimensionella rum 9 () Bevis. Följer direkt ur Lemma och (6). Speciellt får vi att om {e i } är en ON-bas i V så gäller Parsevals formel (5) u 2 = (u, e k ) 2. Anmärkning Varje ortonormerat system {e i } i V uppfyller Bessels olikhet (). Att {e i } är en ON-bas är ekvivalent med att man har likhet i () för alla u V, d.v.s. att Parsevals formel (5) gäller. Detta framgår av (0) som visar att u 2 = k (u, e i ) 2 u 2 om och endast om u 2 = u k (u, e i )e i [[ 2 0 då k. Sats 3 Ett ortonormerat system {e i } är en ON-bas för V om och endast om följande gäller för varje u V : till varje ɛ > 0 finns ett N och ett v L(e,..., e N ) så att u v < ɛ. Bevis. Om {e i } är en ON-bas för V tar vi N så stort att N+ (u, e i) 2 < ɛ. Med v = u = N (u, e i)e i följer då påståendet. Omvänt, om villkoret i satsen är uppfyllt gäller också att u u < ɛ, där u är den ortogonala projektionen av u på L(e,..., e N ). Då ɛ > 0 är godtyckligt följer att u N (u, e i)e i 0 då N 0, d.v.s. varje u V kan skrivas u = (u, e i)e i. 6 Pseudoskalärprodukt Följande exempel visar att det finns ett behov av att generalisera begreppet skalärprodukt. Exempel 7 De Riemannintegrerbara, komplexvärda funktionerna på ett kompakt intervall [α, β] bildar ett underrum, som betecknas R([α, β]; C), till det linjära rummet av alla komplexvärda funktionerna på [α, β]. Vår gamla skalärprodukt (6) (u, v) = β u(x)v(x)dx β α α på C([α, β]; C) är emellertid inte en skalärprodukt på R([α, β]; C). Villkoren () och (2) är visserligen uppfyllda, liksom att (u, u) 0. Det finns emellertid funktioner u R([α, β]; C) som inte är identiskt noll men uppfyller (u, u) = 0. Vi kan ta t.ex. funktionen u( α + β ) =, u(x) = 0 f.ö. 2
11 Om ortonormerade baser i oändligtdimensionella rum 0 () Definition En pseudoskalärprodukt i ett linjärt rum V över K är en regel som till varje par av vektorer u och v i V ordnar ett element (u, v) i K på ett sådant sätt att () och (2) är uppfyllda, liksom (7) (u, u) 0. Skillnaden mellan skalärprodukt och pseudoskalärprodukt är därför endast att för en pseudoskalärprodukt kan det finnas u 0 i V med u = 0. Samtliga resultat i avsnitten ovan är fortfarande giltiga då man har en pseudoskalärprodukt istället för en skalärprodukt. Vi använde överhuvudtaget inte egenskapen att u = 0 endast då u = 0 utom vid ett tillfälle: när vi visade Cauchy-Schwartz olikhet. Beviset där visar att om en av u eller v inte är noll, så gäller (2). För att visa att (2) även är sann för en pseudoskalärprodukt, återstår därför att visa att om u = v = 0, så är (u, v) = 0. Men under denna förutsättning är 0 (au + v, au + v) = 2 Re a(u, v) för alla a K, speciellt för a = (u, v). Detta val av a ger att 0 2 (u, v) 2, vilket medför att (u, v) = 0. I fortsättningen kommer vi endast att betrakta pseudoskalärprodukten (6) och enkla modifikationer av denna. Om inte annat säges, underförstår vi alltid att i rummen R([α, β]; C) och R([α, β]; R) ges (u, v) av (6) (i det senare fallet behövs givetvis inte konjugattecknet över v). För senare bruk ska vi nu diskutera hur man kan approximera en godtycklig Riemannintegrerbar funktion med enklare funktioner. Antag att u R([α, β]; R). För givet ɛ > 0 finns då trappfunktioner Φ och Ψ sådana att Φ(x) u(x) Ψ(x) då α x β och β α (Ψ(x) Φ(x))dx < ɛ. Eftersom 0 u(x) Φ(x) Ψ(x) Φ(x) följer att (8) β α u(x) Φ(x) dx < ɛ. Om u(x) M på [α, β] kan man välja Φ så att även Φ(x) M på [α, β]. Genom att dra streckade linjer som i vidstående figur kan man i sin tur approximera trappfunktionen Φ med en funktion v vars graf är en polygonkurva sådan att v(x) M på [α, β] och β α Φ(x) v(x) dx < ɛ. Sätter man ihop detta med (8) får man α β β α u(x) v(x) dx < 2ɛ.
12 Om ortonormerade baser i oändligtdimensionella rum () Eftersom både u(x) M och v(x) M på [α, β] följer att u v 2 = β u(x) v(x) 2 dx β 2M u(x) v(x) dx 4Mɛ β α α β α α β α. Sammanfattningsvis så kan man alltså för vajre u R([α, β]; R) och varje ɛ > 0 finna en funktion v vars graf är en polygon så att u v < ɛ. Som framgår av figuren kan man alltid välja v så att v(α) = v(β) = 0. Genom att betrakta real- och imaginärdelarna var för sig kan man inse att motsvarande resultat gäller då u R([α, β]; C). I detta fall kan v väljas så att graferna för real- och imaginärdelarna är polygoner.
Fourierserier: att bryta ner periodiska förlopp
Analys 36 En webbaserad analyskurs Funktionsutvecklingar Fourierserier: att bryta ner periodiska förlopp Anders Källén MatematikCentrum LTH anderskallen@gmail.com Fourierserier: att bryta ner periodiska
Läs merKontsys F7 Skalärprodukt och normer
Repetition Skalärprodukt Norm Kontsys F7 Skalärprodukt och normer Pelle 11 februari 2019 Linjära rum Repetition Skalärprodukt Norm Linjära rum Linjärt underrum Ett linjärt rum över R är en mängd H där
Läs merOändligtdimensionella vektorrum
Oändligtdimensionella vektorrum Vi har i den här kursen huvudsakligen studerat ändligtdimensionella vektorrum. Dessa är mycket användbara objekt och matriskalkyl ger en bra metod att undersöka dom med.
Läs merLinjär Algebra, Föreläsning 9
Linjär Algebra, Föreläsning 9 Tomas Sjödin Linköpings Universitet Euklidiska rum Vi ska nu införa en extra struktur på vektorrum, en så kallad skalärprodukt, vilken vi kan använda för att definiera längd
Läs merÖVN 11 & 12 DEL A - DIFFTRANS - DEL2 - SF Nyckelord och innehåll. Inofficiella mål
ÖVN 11 & 12 DEL A - DIFFTRANS - DEL2 - SF1683 HTTP://KARLJODIFFTRANS.WORDPRESS.COM KARL JONSSON Nyckelord och innehåll Komplexa vektorrum U och underrum V U. Linjära höljet: V = span(v 1, v 2,..., v N
Läs mer8. Euklidiska rum 94 8 EUKLIDISKA RUM
94 8 EUKLIDISKA RUM 8. Euklidiska rum Definition 8.. En skalärprodukt på vektorrummet V är en funktion som till varje par av element u och v i V ordnar ett reellt tal u v eller u v med följande egenskaper:.
Läs merVektorgeometri för gymnasister
Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Areor, vektorprodukter, volymer och determinanter
Läs merVektorrum. EX. Plan och linjer i rummet genom origo. Allmänt; mängden av lösningar till AX = 0.
Vektorrum Denna kurs handlar till stor del om s k linjära rum eller vektorrum. Dessa kan ses som generaliseringar av R n. Skillnaden består främst i att teorin nu blir mer abstrakt. Detta är själva poängen;
Läs merLINJÄR ALGEBRA II LEKTION 6
LINJÄR ALGEBRA II LEKTION 6 JOHAN ASPLUND INNEHÅLL 1 Inre produktrum 1 2 Cauchy-Schwarz olikhet 3 3 Ortogonala projektioner och Gram-Schmidts process 3 4 Uppgifter 4 61:13(a) 4 61:23(a) 4 61:29 5 62:7
Läs merVektorgeometri för gymnasister
Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Skalärprodukt Innehåll Skalärprodukt - Inledning
Läs merAnalys o Linjär algebra. Lektion 7.. p.1/65
Analys o Lektion 7 p1/65 Har redan (i matlab bla) stött på tal-listor eller vektorer av typen etc Vad kan sådana tänkas representera/modellera? Hur kan man räkna med sådana? Skall närmast fokusera på ordnade
Läs merVektorgeometri för gymnasister
Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Räta linjens och planets ekvationer II Innehåll
Läs merLösningar av uppgifter hörande till övning nr 5.
Lösningar av uppgifter hörande till övning nr 5. H.7 a) Antag att p är ett polynom med grad p < n. Då kan p skrivas som en linjärkombination av ortogonalpolynomen p k, där k < n. Alltså är p c k p k, m
Läs merFouriers metod, egenfunktionsutvecklingar.
Vårterminen 2002 KONTINUERLIGA SYSTEM, några viktiga begrepp och metoder i kap 3 och H (partiellt) Fouriers metod, egenfunktionsutvecklingar Värmeledning i en begränsad stav med variabelseparation Problem:
Läs merÖvningar. c) Om någon vektor i R n kan skrivas som linjär kombination av v 1,..., v m på precis ett sätt så. m = n.
Övningar Linjära rum 1 Låt v 1,, v m vara vektorer i R n Ge bevis eller motexempel till följande påståenden Satser ur boken får användas a) Om varje vektor i R n kan skrivas som linjär kombination av v
Läs merVi definierar addition av två vektorer och multiplikation med en reell skalär (tal) λλ enligt nedan
ORTOGONALA VEKTORER OCH ORTONORMERADE (ORTONORMALA) BASER I R n INLEDNING ( repetition om R n ) Låt RR nn vara mängden av alla reella n-tipplar (ordnade listor med n reella tal) dvs RR nn {(aa, aa,, aa
Läs merÖvningar. MATEMATISKA INSTITUTIONEN STOCKHOLMS UNIVERSITET Avd. Matematik. Linjär algebra 2. Senast korrigerad:
MATEMATISKA INSTITUTIONEN STOCKHOLMS UNIVERSITET Avd. Matematik Linjär algebra 2 Senast korrigerad: 2006-02-10 Övningar Linjära rum 1. Låt v 1,..., v m vara vektorer i R n. Ge bevis eller motexempel till
Läs merSF1624 Algebra och geometri
Föreläsning 10 Institutionen för matematik KTH 21 november 2016 Dagens och veckans ämnen Idag: Allmänna vektorrum, baser, koordinater, kap 4.1-4.4: Vektorrum och delrum, igen Bas, igen Koordinater med
Läs merOm konvergens av serier
Om konvergens av serier Anders Källén MatematikCentrum LTH anderskallen@gmail.com Sammanfattning I den här artikeln diskuteras några av de grundläggande satserna som hjälper oss att avgöra om en serie
Läs merHt Läsanvisningar till Hilbertrum och partiella differentialekvationer. Del 1. Ur Anton, Rorres; Elementary Linear Algebra
Ht-2010 Umeå universitet Institutionen för matematik och matematisk statistik PAB Läsanvisningar till Hilbertrum och partiella differentialekvationer Del 1 Ur Anton, Rorres; Elementary Linear Algebra 10.1-10.
Läs merVektorgeometri för gymnasister
Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Areor, vektorprodukter, volymer och determinanter
Läs merIsometrier och ortogonala matriser
Isometrier och ortogonala matriser (Delvis resultat som kunde kommit tidigare i kursen) För att slippa parenteser, betecknas linära avbildningar med A och bilden av x under en lin avbildn med Ax i stället
Läs mer1 Ortogonalitet. 1.1 Skalär produkt. Man kan tala om vinkel mellan vektorer.
Ortogonalitet Man kan tala om vinkel mellan vektorer.. Skalär produkt Vi definierar längden (eller normen) av en vektor som ett reellt tal 0 (Se boken avsnitt.). Vi definierar skalär produkt (Inner product),
Läs merVektorgeometri för gymnasister
Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Linjära avbildningar II Innehåll Repetition:
Läs merLinjär algebra I, vt 12 Vecko PM läsvecka 4
Linjär algebra I, vt 12 Vecko PM läsvecka 4 Lay: 2.8-2.9, 4.1-4.6 Underrum i R n, dimension och rang. Vektorrum. Innehållet i avsnitten 2.8 och 2.9 täcks av kapitel 4, men presenterar begreppen på ett
Läs merAndragradspolynom Några vektorrum P 2
Låt beteckna mängden av polynom av grad högst 2. Det betyder att p tillhör om p(x) = ax 2 + bx + c där a, b och c är reella tal. Några exempel: x 2 + 3x 7, 2x 2 3, 5x + π, 0 Man kan addera två polynom
Läs merTMA 671 Linjär Algebra och Numerisk Analys. x x2 2 1.
MATEMATISKA VETENSKAPER TMA67 8 Chalmers tekniska högskola Datum: 8--8 kl - 8 Examinator: Håkon Hoel Tel: ankn 38 Hjälpmedel: inga TMA 67 Linjär Algebra Numerisk Analys Tentan består av 8 uppgifter, med
Läs merDagens ämnen. Linjära ekvationssystem: Successiv elimination Vektorer Definitionen Grundläggande räkneoperationer Bas och koordinater Ortsvektorer
Dagens ämnen Linjära ekvationssystem: Successiv elimination Vektorer Definitionen Grundläggande räkneoperationer Bas och koordinater Ortsvektorer Linjära ekvationer Med en linjär ekvation i n variabler,
Läs mer1. (Dugga 1.1) (a) Bestäm v (3v 2u) om v = . (1p) and u =
Kursen bedöms med betyg,, 5 eller underkänd, där 5 är högsta betyg. För godkänt betyg krävs minst poäng från uppgifterna -7. Var och en av dessa sju uppgifter kan ge maximalt poäng. För var och en av uppgifterna
Läs mer6.1 Skalärprodukt, norm och ortogonalitet. TMV141 Linjär algebra E VT 2011 Vecka 6. Lärmål 6.1. Skalärprodukt. Viktiga begrepp
6.1 Skalärprodukt, norm och ortogonalitet TMV141 Linjär algebra E VT 2011 Vecka 6 Skalärprodukt Norm/längd Normerad vektor/enhetsvektor Avståndet mellan två vektorer Ortogonala vektorer Ortogonala komplementet
Läs merMatematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 9 juni 2011 kl
1 Matematiska Institutionen KTH Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 9 juni 2011 kl 08.00-1.00. OBS: Inga hjälpmedel är tillåtna på tentamensskrivningen. Bonuspoäng
Läs merSeptember 13, Vektorer En riktad sträcka P Q, där P Q, är en pil med foten i P och med spetsen i Q. Denna har. (i) en riktning, och
Fö : September 3, 205 Vektorer En riktad sträcka P Q, där P Q, är en pil med foten i P och med spetsen i Q. Denna har i en riktning, och ii en nollskild längd betecknad P Q. Man använder riktade sträckor
Läs merTMV166 Linjär algebra för M, vt 2016
TMV166 Linjär algebra för M, vt 2016 Lista över alla lärmål Nedan följer en sammanfattning av alla lärmål i kursen, uppdelade enligt godkänt- och överbetygskriterier. Efter denna lista följer ytterligare
Läs mer1 Linjära ekvationssystem. 2 Vektorer
För. 1 1 Linjära ekvationssystem Gaußelimination - sriv om systemet för att få ett trappformat system genom att: byta ordningen mellan ekvationer eller obekanta; multiplicera en ekvation med en konstant
Läs merMaterial till kursen SF1679, Diskret matematik: Lite om kedjebråk. 0. Inledning
Matematik, KTH Bengt Ek november 207 Material till kursen SF679, Diskret matematik: Lite om kedjebråk 0 Inledning Talet π (kvoten mellan en cirkels omkrets och dess diameter) är inte ett rationellt tal
Läs merVektorgeometri för gymnasister
Vektorgeometri för gymnasister Per-Anders Svensson http://w3.msi.vxu.se/users/pa/vektorgeometri/gymnasiet.html Institutionen för datavetenskap, fysik och matematik Linnéuniversitetet Vektorer i planet
Läs merLinjär Algebra, Föreläsning 2
Linjär Algebra, Föreläsning 2 Tomas Sjödin Linköpings Universitet Geometriska vektorer, rummen R n och M n 1 En (geometrisk) vektor är ett objekt som har storlek och riktning, men inte någon naturlig startpunkt.
Läs merVectorer, spannet av vektorer, lösningsmängd av ett ekvationssystem.
Vectorer, spannet av vektorer, lösningsmängd av ett ekvationssystem. Begrepp som diskuteras i det kapitlet. Vektorer, addition och multiplikation med skalärer. Geometrisk tolkning. Linjär kombination av
Läs mer1 Grundläggande kalkyler med vektorer och matriser
Krister Svanberg, mars 2015 1 Grundläggande kalkyler med vektorer och matriser Trots att läsaren säkert redan behärskar grundläggande vektor- och matriskalkyler, ges här i Kapitel 1 en repetition om just
Läs merSKRIVNING I VEKTORGEOMETRI Delkurs
SKRIVNING I VEKTORGEOMETRI Delkurs 1 2015 Om inget annat uttryckligen sägs, kan koordinaterna för en vektor i antas vara givna i en ON-bas. Baser i rummet kan dessutom antas vara positivt orienterade.
Läs merMer om analytisk geometri
1 Onsdag v 5 Mer om analytisk geometri Determinanter: Då man har en -matris kan man till den associera ett tal determinanten av som också skrivs Determinanter kommer att repeteras och studeras närmare
Läs mer1 De fyra fundamentala underrummen till en matris
Krister Svanberg, mars 2012 1 De fyra fundamentala underrummen till en matris 1.1 Definition av underrum En given delmängd M av IR n säges vara ett underrum i IR n om följande gäller: För varje v 1 M,
Läs merLösningar till utvalda uppgifter i kapitel 1
Lösningar till utvalda uppgifter i kapitel. Vi utnyttjar definitionen av skalärprodukt som ger att u v u v, där α är (minsta) vinkeln mellan u v. I vårt fall så får vi 7 =. Alltså är den sökta vinkeln
Läs merVektorgeometri för gymnasister
Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Linjära avbildningar I Innehåll En liten tillbakablick:
Läs merUppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna
Uppsala Universitet Matematiska Institutionen Bo Styf LAoG I, 5 hp ES, KandMa, MatemA -9-6 Sammanfattning av föreläsningarna 3-7 Föreläsningarna 3 7, 8/ 5/ : Det viktigaste är här att du lär dig att reducera
Läs merFöreläsningsanteckningar Linjär Algebra II Lärarlyftet
Föreläsningsanteckningar Linjär Algebra II Lärarlyftet Per Alexandersson Föreläsning I Timme I: Repetition av matriser, linjära ekvationssystem Linjärt ekvationssystem: x + y + z 3w = 3 2x + y + z 4w =
Läs merNovember 17, 2015 (1) en enda lsg. Obs det A = 1 0. (2) k-parameter lsg. Obs det A = 0. k-kolonner efter sista ledande ettan
Fö 9: November 7, 5 Determinanter och ekvationssystem Betrakta ett linjärt ekvssystem A X = B, där A är en kvadratisk n n)-matris och X, B n )-matriser. Låt C = [A B] utökad matris ). Gausselimination
Läs merVektorgeometri för gymnasister
Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Diagonalisering av linjära avbildningar III
Läs merGeometriska vektorer
Föreläsning 1, Linjär algebra IT VT2008 1 Geometriska vektorer De begrepp som linjär algebra kretsar kring är vektorer och matriser Dessa svarar mot datorernas fält (`arra') av dimension ett respektive
Läs merStudiehandledning till linjär algebra Avsnitt 3
Svante Ekelin Institutionen för matematik KTH 1995 Studiehandledning till linjär algebra Avsnitt 3 Kapitel 4, 9.2 och 5 i Anton/Rorres: Elementary Linear Algebra: Applications version (7:e uppl.) Välkommen
Läs merLösningar till tentamen i Transformmetoder okt 2007
Lösningar till tentamen i Transformmetoder okt 7. Låt Y (s beteckna Laplacetransformen till funktionen y. Laplacetransformering av den givna ekvationen ger: varav följer att. (a För s > a är Y (s + s Y
Läs merSida 1 av Låt VV = RR nn där RR nn är mängden av alla reella n-tipplar (ordnade listor med n reella tal) dvs
Sida av 7 ALLMÄNNA VEKTORRUM VEKTORRUM Definition Mängden V sägs vara ett reellt vektorrum om det finns i) en additionsoperation som till varje uu VV och vv VV ordnar uu vv VV ii) en operation kallad multiplikation
Läs merLösningsförslag till tentamen i SF1683, Differentialekvationer och Transformmetoder (del 2) 4 april < f,g >=
KTH, Matematik Maria Saprykina Lösningsförslag till tentamen i SF683, Differentialekvationer och Transformmetoder (del 2) 4 april 28 Tentamen består av sex uppgifter där vardera uppgift ger maximalt fyra
Läs merMVE022 Urval av bevis (på svenska)
MVE22 Urval av bevis (på svenska) J A S, VT 218 Sats 1 (Lay: Theorem 7, Section 2.2.) 1. En n n-matris A är inverterbar precis när den är radekvivalent med indentitesmatrisen I n. 2. När så är fallet gäller
Läs merAnalys 360 En webbaserad analyskurs Analysens grunder. Om de reella talen. MatematikCentrum LTH
Analys 60 En webbaserad analyskurs Analysens grunder Om de reella talen Anders Källén MatematikCentrum LTH anderskallen@gmail.com Om de reella talen () Introduktion Den matematiska analysen är intimt förenad
Läs merVeckoblad 1, Linjär algebra IT, VT2010
Veckoblad, Linjär algebra IT, VT Under den första veckan ska vi gå igenom (i alla fall stora delar av) kapitel som handlar om geometriska vektorer. De viktigaste teoretiska begreppen och resultaten i kapitlet
Läs merEn vektor är mängden av alla sträckor med samma längd och riktning.
En vektor är mängden av alla sträckor med samma längd och riktning. Slappdefinition En vektor är en riktad sträcka som får parallellförflyttas. Tänk på vektorn som en pil. Betecknar vektorer med små bokstäver
Läs merSlappdefinition. Räkning med vektorer. Bas och koordinater. En vektor är mängden av alla sträckor med samma längd och riktning.
Slappdefinition En vektor är mängden av alla sträckor med samma längd och riktning. En vektor är en riktad sträcka som får parallellförflyttas. Tänk på vektorn som en pil. Betecknar vektorer med små bokstäver
Läs merBEGREPPSMÄSSIGA PROBLEM
BEGREPPSMÄSSIGA PROBLEM Större delen av de rekommenderade uppgifterna i boken är beräkningsuppgifter. Det är emellertid även viktigt att utveckla en begreppsmässig förståelse för materialet. Syftet med
Läs merMinsta kvadratmetoden
Minsta kvadratmetoden där Överbestämda ekvationssystem Det är lämpligt att uppfatta matrisen A som bestående av n kolonnvektorer: A a a a n a a a n a n a n a nn a j a j a nj a a a n j n Då kan vi skriva
Läs merTATA42: Föreläsning 7 Differentialekvationer av första ordningen och integralekvationer
TATA42: Föreläsning 7 Differentialekvationer av första ordningen och integralekvationer Johan Thim 0 januari 207 Introduktion En differentialekvation (DE) i en variabel är en ekvation som innehåller både
Läs merAlgebraiska egenskaper hos R n i)u + v = v + U
Underrum till R n, nollrum, kolonnrum av en matris, rank, bas, koordinater, dimension. Påminnelse om R n s egenskaper: Algebraiska egenskaper hos R n i)u + v = v + U v) c(u + v) = cu + cv ii) ( u + v)
Läs merLösningsförslag, Tentamen, Differentialekvationer och transformer II, del 2, för CTFYS2 och CMEDT3, SF1629, den 9 juni 2011, kl.
Lösningsförslag, Tentamen, Differentialekvationer och transformer II, del 2, för CTFYS2 och CMEDT3, SF629, den 9 juni 2, kl. 8: 3: Uppgift (av 8 (5 poäng. i. sant, ii. falskt, iii. falskt, iv. sant, v.
Läs merRÄKNEOPERATIONER MED VEKTORER LINJÄRA KOMBINATIONER AV VEKTORER ----------------------------------------------------------------- Låt u vara en vektor med tre koordinater, u = x, Vi säger att u är tredimensionell
Läs merKontinuitet och gränsvärden
Kapitel Kontinuitet och gränsvärden.1 Introduktion till kontinuerliga funktioner Kapitlet börjar med allmänna definitioner. Därefter utvidgar vi successivt familjen av kontinuerliga funktioner, genom specifika
Läs mer{ 1, om i = j, e i e j = 0, om i j.
34 3 SKALÄPRODUKT 3. Skaläprodukt Definition 3.. Skalärprodukten mellan två vektorer u och v definieras där θ är vinkeln mellan u och v. u v = u v cos θ, Anmärkning 3.. Andra beteckningar för skalärprodukt
Läs merVEKTORRUMMET R n. 1. Introduktion
VEKTORRUMMET R n RYSZARD RUBINSZTEIN 28--8. Introdktion Låt n vara ett heltal. Med R n kommer vi att beteckna mängden vars element är alla n-tipplar av reella tal (a, a 2,..., a n ), R n = { (a, a 2,...,
Läs merStora bilden av Linjära algebran. Vektorrum, linjära transformationer, matriser (sammanfattning av begrepp)
Stora bilden av Linjära algebran. Vektorrum, linjära transformationer, matriser (sammanfattning av begrepp) Linjär algebra består av tre grenar eller koncept: geometriska begreppet av vektorrum, analysbegreppet
Läs merLinjär Algebra, Föreläsning 2
Linjär Algebra, Föreläsning 2 Tomas Sjödin Linköpings Universitet Riktade sträckor och Geometriska vektorer En (geometrisk) vektor är ett objekt som har storlek och riktning, men inte någon naturlig startpunkt.
Läs merDEL I. Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 17 april 2010 kl
Matematiska Institutionen KTH Lösning till tentamensskrivning på kursen Linjär algebra II, SF604, den 7 april 200 kl 09.00-4.00. DEL I. En triangel i den tredimensionella rymden har sina hörn i punkterna
Läs mer(a) Bestäm för vilka värden på den reella konstanten c som ekvationssystemet är lösbart. (b) Lös ekvationssystemet för dessa värden på c.
UPPSALA UNIVERSITET Matematiska institutionen Jörgen Östensson Prov i matematik X, geo, frist, lärare LINJÄR ALGEBRA och GEOMETRI I 200 0 08 Skrivtid: 8.00.00. Tillåtna hjälpmedel: Skrivdon. Lösningarna
Läs merMer om reella tal och kontinuitet
Kapitel R Mer om reella tal och kontinuitet I detta kapitel formulerar vi ett av de reella talens grundläggande axiom, axiomet om övre gräns, och studerar några konsekvenser av detta. Med dess hjälp kommer
Läs merAnalys av jämviktslägen till differentialekvationer
Analys 360 En webbaserad analyskurs Ordinära differentialekvationer Analys av jämviktslägen till differentialekvationer Anders Källén MatematikCentrum LTH anderskallen@gmail.com Analys av jämviktslägen
Läs merVektorgeometri för gymnasister
Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Räta linjens och planets ekvationer I Innehåll
Läs merk=0 kzk? (0.2) 2. Bestäm alla holomorfa funktioner f(z) = f(x + iy) = u(x, y) + iv(x, y) sådana att u(x, y) = x 2 2xy y 2. 1 t, 0 t 1, f(t) =
LUNDS TEKNISKA HÖGSKOLA MATEMATIK TENTAMENSSKRIVNING Funktionsteori 5 9 kl 4 9 Hjälpmedel: Bifogat formelblad. Lösningarna skall vara försedda med ordentliga motiveringar. Skriv fullständiga meningar och
Läs merRita även upp grafen till Fourierseriens summa på intervallet [ 2π, 3π], samt ange summans värde i punkterna π, 0, π, 2π. (5) S(t) = c n e int,
Institutionen för matematik KTH Tentamensskrivning, 003-08-5, kl. 14.00 19.00. 5B10/ Diff och Trans del, för F och T. Hjälpmedel: BETA, Mathematics Handbook. För godkänt betyg 3) krävs 18 poäng, medan
Läs merLinjär algebra på några minuter
Linjär algebra på några minuter Linjära ekvationssystem Ekvationssystem: { Löses på matrisform: ( ) ( ) I det här fallet finns en entydig lösning, vilket betyder att determinanten av koefficientmatrisen
Läs merLinjär algebra F1, Q1, W1. Kurslitteratur
UPPSALA UNIVERSITET MATEMATISKA INSTITUTIONEN Linjär algebra för F1, Q1, W1 Kurslitteratur Höstterminen 2006 Eriksson Lind Persson Tengstrand, Algebra för universitet och högskolor, Band II (Linjär Algebra),
Läs merSF1624 Algebra och geometri Lösningsförslag till tentamen Fredagen den 23 oktober, 2009 DEL A
SF1624 Algebra och geometri Lösningsförslag till tentamen Fredagen den 23 oktober, 2009 DEL A (1) (a) Bestäm de övriga rötterna till ekvationen z 3 11z 2 + 43z 65 = 0 när det är känt att en av rötterna
Läs mer1 Konvexa optimeringsproblem grundläggande egenskaper
Krister Svanberg, april 2012 1 Konvexa optimeringsproblem grundläggande egenskaper Ett optimeringsproblem är i viss mening godartat om det tillåtna området är en konvex mängd och den målfunktion som ska
Läs mer10.4. Linjära höljet LINJÄRA RUM
98 LINJÄRA RUM.4. Linjära höljet Definition.37. Mängden av alla linjärkombinationer av M = {v, v,...,v n } iett linjärt rum V kallas för linjära höljet av M betecknas [M], dvs [M] ={u V : u = λ v + λ v
Läs merKomplexa tal: Begrepp och definitioner
UPPSALA UNIVERSITET Baskurs i matematik, 5hp Matematiska institutionen Höstterminen 007 Erik Darpö Martin Herschend Komplexa tal: Begrepp och definitioner Komplexa tal uppstod ur det faktum att vissa andragradsekvationer,
Läs merTMV166/186 Linjär Algebra M/TD 2011/2012 Läsvecka 1. Omfattning. Innehåll 2012-01-20. Lay, kapitel 1.1-1.9, Linjära ekvationer i linjär algebra
TMV166/186 Linjär Algebra M/TD 2011/2012 Läsvecka 1 Omfattning Lay, kapitel 1.1-1.9, Linjära ekvationer i linjär algebra Innehåll Olika aspekter av linjära ekvationssystem 1. skärning mellan geometriska
Läs merSammanfattning av Hilbertrumteorin
Sammanfattning av Hilbertrumteorin 9.1 Hilbertrum DEFINITION 9.1 Ett eulidist rum (prehilbertrum, rum med salärprodut, inreprodutrum) är ett lineärt rum försett med en salärprodut x y, och normen definierad
Läs merExplorativ övning Vektorer
Eplorativ övning Vektorer Syftet med denna övning är att ge grundläggande kunskaper om vektorräkning och dess användning i geometrin Liksom många matematiska begrepp kommer vektorbegreppet från fysiken
Läs meravbildning En avbildning är i matematiskt språk i regel detsamma som en funktion.
Ordlista 1 1 Analysens grunder avbildning En avbildning är i matematiskt språk i regel detsamma som en funktion. Bolzano-Weierstrassegenskapen En delmängd M i ett metriskt rum har Bolzano- Weierstrass-egenskapen
Läs merUppsala Universitet Matematiska Institutionen Thomas Erlandsson
Uppsala Universitet Matematiska Institutionen Thomas Erlandsson MATRISER MED MERA VEKTORRUM DEFINITION Ett vektorrum V är en mängd av symboler u som vi kan addera samt multiplicera med reella tal c så
Läs merLösningsförslag till tentamen i SF1629, Differentialekvationer och Transformer II (del 2) 8 januari 2018
KTH, Matematik Maria Saprykina Lösningsförslag till tentamen i SF169, Differentialekvationer och Transformer II (del ) 8 januari 18 Tentamen består av sex uppgifter där vardera uppgift ger maximalt fyra
Läs merSKRIVNING I VEKTORGEOMETRI
SKRIVNING I VEKTORGEOMETRI 2014-11-25 1400-1700 Om inget annat uttryckligen sägs, kan koordinaterna för en vektor i antas vara givna i en ON-bas Baser i rummet kan dessutom antas vara positivt orienterade
Läs mer12. SINGULÄRA VÄRDEN. (u Av) u v
. SINGULÄRA VÄRDEN Vårt huvudresultat sen tidigare är Sats.. Varje n n matris A kan jordaniseras, dvs det finns en inverterbar matris S sån att S AS J där J är en jordanmatris. Om u och v är två kolonnvektorer
Läs mer29 november, 2016, Föreläsning 21. Ortonormala baser (ON-baser) Gram-Schmidt s ortogonaliseringsprocess
29 november, 2016, Föreläsning 21 Tillämpad linjär algebra Innehåll: Ortonormala baser (ON-baser) Gram-Schmidt s ortogonaliseringsprocess Minsta-kvadratmetoden - exempel 1. Uppgift. Tentamen 19/1-15, uppgift
Läs merSF1624 Algebra och geometri
SF64 Algebra och geometri Sjätte föreläsningen Mats Boij Institutionen för matematik KTH 5 januari, 07 Repetition Ett delrum i R n är slutet under addition x + y V om x, y V multiplikation med skalär a
Läs merSF1624 Algebra och geometri Lösningsförslag till tentamen DEL A
SF64 Algebra och geometri Lösningsförslag till tentamen 04-05-0 DEL A. Planet P innehåller punkterna (,, 0), (0, 3, ) och (,, ). (a) Bestäm en ekvation, på formen ax + by + cz + d = 0, för planet P. (
Läs merkvivalenta. Ange rangen för A samt en bas för kolonnrummet för A. och U =
MATEMATIK Hjälpmedel: utdelad ordlista, ej räknedosa Chalmers tekniska högskola Datum: 9-- kl 8 Tentamen Telefonvakt: Aron Lagerberg tel 76-786 Linjär Algebra Z (tmv4) Skriv tentamenskod tydligt på samtliga
Läs merEnhetsvektorer. Basvektorer i två dimensioner: 1 1 Basvektorer i tre dimensioner: Enhetsvektor i riktningen v: v v
Vektoraddition u + v = u + v = [ ] u1 u 2 u 1 u 2 + u 3 + [ v1 v 2 ] = v 1 v 2 = v 3 [ u1 + v 1 u 2 + v 2 u 1 + v 1 u 2 + v 2 u 3 + v 3 ] Multiplikation med skalär α u = α [ u1 u 2 α u = α ] = u 1 u 2
Läs mer1. (a) (1p) Undersök om de tre vektorerna nedan är linjärt oberoende i vektorrummet
1 Matematiska Institutionen, KTH Lösningar till tentamensskrivning på kursen Linjär algebra, SF1604, för CDA- TE, CTFYS och vissa CL, fredagen den 13 mars 015 kl 08.00-13.00. Examinator: Olof Heden. OBS:
Läs merLinjär Algebra, Föreläsning 8
Linjär Algebra, Föreläsning 8 Tomas Sjödin Linköpings Universitet Linjärkombinationer (repetition) Låt v 1, v 2,..., v n vara vektorer i ett vektorrum V. Givet skalärer λ 1, λ 2,..., λ n R så kallas λ
Läs merHarmoniska funktioner
Harmoniska funktioner Lars Hörmander vt 98 Definitioner och grundläggande egenskaper Enligt definitionen är en analytisk funktion f i Ω C en C lösning till Cauchy-Riemanns differentialekvation f z =. Enligt
Läs merMATEMATIK GU. LLMA60 MATEMATIK FÖR LÄRARE, GYMNASIET Analys, ht 2014. Block 5, översikt
MATEMATIK GU H4 LLMA6 MATEMATIK FÖR LÄRARE, GYMNASIET Analys, ht 24 I block 5 ingår följande avsnitt i Stewart: Kapitel 2, utom avsnitt 2.4 och 2.6; kapitel 4. Block 5, översikt Första delen av block 5
Läs mer1 Att läsa matematik.
1 Att läsa matematik. Precis som vid all annan läsning som betyder något skall matematik läsas aktivt. Detta innebär olika saker för olika personer. För en del kanske det betyder att visualisera de idéer
Läs mer