Vektorgeometri för gymnasister

Relevanta dokument
Vektorgeometri för gymnasister

Vektorgeometri för gymnasister

Vektorgeometri för gymnasister

Vektorgeometri för gymnasister

Vektorgeometri för gymnasister

Vektorgeometri för gymnasister

Vektorgeometri för gymnasister

Vektorgeometri för gymnasister

SKRIVNING I VEKTORGEOMETRI

Vektorgeometri för gymnasister

Lösningsförslag till skrivningen i Vektorgeometri (MAA702) Måndagen den 13 juni 2005

Vektorgeometri för gymnasister

{ 1, om i = j, e i e j = 0, om i j.

SKRIVNING I VEKTORGEOMETRI

Lösningar till utvalda uppgifter i kapitel 1

Vektorgeometri för gymnasister

Linjär Algebra, Föreläsning 9

Vi definierar addition av två vektorer och multiplikation med en reell skalär (tal) λλ enligt nedan

LINJÄRA AVBILDNINGAR

SKRIVNING I VEKTORGEOMETRI

SKRIVNING I VEKTORGEOMETRI Delkurs

Vektorgeometri för gymnasister

SKRIVNING I VEKTORGEOMETRI

Föreläsning 3, Linjär algebra IT VT Skalärprodukt

Veckoblad 1, Linjär algebra IT, VT2010

1 Linjära ekvationssystem. 2 Vektorer

M0043M Integralkalkyl och Linjär Algebra, H14,

Analys o Linjär algebra. Lektion 7.. p.1/65

Lösningsförslag till skrivningen i Vektorgeometri (MAA702) måndagen den 30 maj 2005

4.2. Vektorprodukt i koordinater

SKRIVNING I VEKTORGEOMETRI

Vektorgeometri. En vektor v kan representeras genom pilar från en fotpunkt A till en spets B.

Uppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna

ax + y + 4z = a x + y + (a 1)z = 1. 2x + 2y + az = 2 Ange dessutom samtliga lösningar då det finns oändligt många.

1. (Dugga 1.1) (a) Bestäm v (3v 2u) om v = . (1p) and u =

1 Ortogonalitet. 1.1 Skalär produkt. Man kan tala om vinkel mellan vektorer.

LNC Lösningar

e 3 e 2 e 1 Kapitel 3 Vektorer i planet och i rummet precis ett sätt skrivas v = x 1 e 1 + x 2 e 2

Linjär Algebra, Föreläsning 2

1 Grundläggande kalkyler med vektorer och matriser

Inför tentamen i Linjär algebra TNA002.

Explorativ övning Vektorer

1 Vektorer i koordinatsystem

Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra, SF1604, den 15 mars 2012 kl

Lite Linjär Algebra 2017

Linjär Algebra, Föreläsning 2

Linjär algebra på några minuter

LYCKA TILL! kl 8 13

19. Spektralsatsen Spektralsatsen SPEKTRALSATSEN

Modul 1: Komplexa tal och Polynomekvationer

Chalmers tekniska högskola Datum: kl Telefonvakt: Linnea Hietala MVE480 Linjär algebra S

Exempel :: Spegling i godtycklig linje.

1 som går genom punkten (1, 3) och är parallell med vektorn.

A = (3 p) (b) Bestäm alla lösningar till Ax = [ 5 3 ] T.. (3 p)

ORTONORMERADE BASER I PLAN (2D) OCH RUMMET (3D) ORTONORMERAT KOORDINAT SYSTEM


September 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

Självkoll: Ser du att de två uttrycken är ekvivalenta?

Uppsala Universitet Matematiska Institutionen Thomas Erlandsson

Mer om analytisk geometri

Uppföljning av diagnostiskt prov Repetition av kursmoment i TNA001-Matematisk grundkurs.

Vektorer. Vektoriella storheter skiljer sig på ett fundamentalt sätt från skalära genom att de förutom storlek också har riktning.

Exempel :: Spegling i godtycklig linje.

1 De fyra fundamentala underrummen till en matris

SKRIVNING I VEKTORGEOMETRI

DEL I. Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 15 mars 2010 kl

Vektorer. Kapitel 1. Vektorbegreppet. 1.1 Låt u=(4,0, 1,3) och v=(2,1,4, 2). Beräkna vektorn 2u 3v.

November 24, Egenvärde och egenvektor. (en likformig expansion med faktor 2) (en rotation 30 grader moturs)

Linjär algebra kurs TNA002

Studiehandledning till linjär algebra Avsnitt 4

Isometrier och ortogonala matriser

Vektorgeometri. En inledning Hasse Carlsson

LINJÄR ALGEBRA II LEKTION 6

Detta cosinusvärde för vinklar i [0, π] motsvarar α = π 4.

LÖSNINGAR LINJÄR ALGEBRA LUNDS TEKNISKA HÖGSKOLA MATEMATIK

Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 9 juni 2011 kl

Studiehandledning till. MAA123 Grundläggande vektoralgebra

5 Linjär algebra. 5.1 Addition av matriser 5 LINJÄR ALGEBRA

. b. x + 2 y 3 z = 1 3 x y + 2 z = a x 5 y + 8 z = 1 lösning?

! &'! # %&'$# ! # '! &!! #

Lösning till tentamensskrivning på kursen Linjär algebra, SF1604, den 12 mars 2013 kl

16.7. Nollrum, värderum och dimensionssatsen

Lösningar till utvalda uppgifter i kapitel 8

Basbyte (variabelbyte)

16.7. Nollrum, värderum och dimensionssatsen

DEL I. Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 17 april 2010 kl

8(x 1) 7(y 1) + 2(z + 1) = 0

Frågorna 1 till 6 ska svaras med ett kryss för varje korrekt påstående. Varje uppgift ger 1 poäng. Använd bifogat formulär för dessa 6 frågor.

October 9, Innehållsregister

Facit/lösningsförslag

Version Linjär algebra kapiltet från ett ODE-kompendium. Mikael Forsberg

6.1 Skalärprodukt, norm och ortogonalitet. TMV141 Linjär algebra E VT 2011 Vecka 6. Lärmål 6.1. Skalärprodukt. Viktiga begrepp

6. Matriser Definition av matriser 62 6 MATRISER. En matris är ett rektangulärt schema av tal: a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n A =

Linjen P Q tangerar cirkeln i P och enligt en sats i geometrin är OP vinkelrät. tan u = OP. tan(180 v) = RS. cos v = sin v = tan v, tan v = RS.

Vektorer för naturvetare. Kjell Elfström

Linjär algebra på 2 45 minuter

14. Minsta kvadratmetoden

SF1624 Algebra och geometri

KOKBOKEN 1. Håkan Strömberg KTH STH

Moment Viktiga exempel 4.17, 4.18, 4.19, 7.20, 4.22, 4.23 Handräkning 4.17, 4.18, 4.19, 4.21, 4.24, 4.54 Datorräkning.

Transkript:

Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Skalärprodukt

Innehåll Skalärprodukt - Inledning Definition av skalärprodukt Räkneregler för skalärprodukt Ortonormerade baser Vinkelberäkningar Basbyten mellan ON-baser 2(18)

Skalärprodukt - Inledning Vi påminner om att om u är en vektor, så avser vi med beteckningen u längden av denna vektor. Än så länge har vi ingen metod för att beräkna längden av en godtycklig vektor; den enda vektor som vi hittills kan ange längden av är nollvektorn; vi har 0 = 0. Med hjälp av begreppet skalärprodukt kan vi härleda en formel för att beräkna längden av vilken vektor som helst, om bara dess koordinater är angivna i en speciell typ av bas, en s.k. ortonormerad bas eller kortare ON-bas. I en ON-bas är basvektorerna valda med omsorg; de har alla samma längd (nämligen 1) och är dessutom parvis vinkelräta med varandra, eller ortogonala, som man också säger. 3(18)

Som vi snart kommer att se, involverar definitionen av skalärprodukten av två vektorer vinkeln mellan dem. Som framgår av figuren till höger, finns det två vinklar att välja på, om man vill ange vinkeln mellan två vektorer. Vi måste bestämma oss för om det är vinkeln α eller β vi menar. Det är mest naturligt (och praktiskt) att alltid avse den mindre av de två vinklarna, d.v.s. vinkeln α i figuren. Alltså gäller för vinkeln α mellan två vektorer, att 0 α 180. I boken förekommer det även att vinklar mäts i radianer. En radian är ett annat vinkelmått, som bestäms av att 1 motsvarar π/180 radianer. Mätt i radianer blir alltså 0 α π. β α 4(18)

Definition (Skalärprodukt) Låt u 0 och v 0 vara två vektorer. Med skalärprodukten u v menar vi talet u v = u v cos α, där α är vinkeln mellan u och v. Om någon av u och v är nollvektorn sätter vi u v = 0. Exempel Låt u och v vara två vektorer av längd 4 respektive 3, och antag att vinkeln mellan dem är 120. Då blir ( u v = u v cos120 = 4 3 1 ) = 6. 2 v 120 u 5(18)

I och med att skalärprodukten av u och v ges av u v = u v cos α, så är skalärprodukten av två vektorer alltid ett reellt tal (en skalär). Därav namnet skalärprodukt. Om vidare både u 0 och v 0 så kan vi konstatera följande: Om vinkeln α mellan vektorerna är spetsig (0 α < 90 om man mäter i grader, 0 α < π/2 om man mäter i radianer) så blir u v > 0, ty då är cos α > 0. Om α är rät (α = 90 eller α = π/2 radianer) så är u v = 0, ty då är cos α = 0. Om α är trubbig (90 < α 180 mätt i grader, π/2 < α π mätt i radianer) så blir u v < 0, ty då är cos α < 0. Specialfallet α = 90 är speciellt viktigt: Definition (Ortogonala vektorer) Två vektorer u och v säges vara ortogonala, om u v = 0. En vanlig beteckning för detta (som dock inte används i läroboken) är u v. Om varken u eller v är nollvektorn, så är alltså u och v ortogonala precis då de är vinkelräta (vinkeln α mellan dem är rät). Vi ser vidare från definitionen av skalärprodukt att u 0 = 0 u = 0 för alla vektorer u, så nollvektorn är ortogonal mot alla vektorer. 6(18)

Räkneregler för skalärprodukt Sats Låt u, v och w vara vektorer och s ett reellt tal. Då gäller (i) u v = v u (ii) u (v +w) = u v +u w (iii) u (sv) = (su) v = s(u v) (iv) u u 0, med likhet endast då u = 0. Beträffande (iv) i ovanstående sats; i och med att vinkeln mellan en vektor u och sig själv är 0, så blir u u = u u cos0 = u 2, eftersom cos0 = 1. En formel för att beräkna längden u av en vektor u ges alltså av u = u u. 7(18)

Exempel En romb är som bekant en fyrhörning, där alla fyra sidorna är lika långa. Figuren nedan visar en romb, som spänns upp av två vektorer u och v. Eftersom sidorna är lika långa, så är u = v. u u v u +v Romben har två diagonaler; de röda vektorerna i figuren ovan. Den långa diagonalen ges av vektorn u +v; den korta av u v. Skalärprodukten mellan diagonalvektorerna blir (u +v) (u v) = u u u v +v u v v v = u u v v = u 2 v 2. Men u = v, så u 2 v 2 = 0. Alltså är u +v och u v ortogonala, d.v.s. diagonalerna i en romb skär varandra i rät vinkel. 8(18)

Ortonormerade baser Vi ska nu se om vi kan härleda en formel för hur skalärprodukten mellan två vektorer ser ut, om vi har koordinater givna för dessa vektorer i någon bas. Till att börja med undersöker vi hur det kommer att se ut i planet. Låt (e 1,e 2 ) vara en bas för planets vektorer, och antag att vektorerna u och v har koordinaterna (x 1,x 2 ) respektive (y 1,y 2 ) i denna bas. Detta betyder att vi kan skriva u = x 1 e 1 +x 2 e 2 och v = y 1 e 1 +y 2 e 2. Med hjälp av räknereglerna för skalärprodukt får vi nu att u v = (x 1 e 1 +x 2 e 2 ) (y 1 e 1 +y 2 e 2 ) = x 1 y 1 (e 1 e 1 ) +x 1 y 2 (e 1 e 2 ) +x 2 y 1 (e 2 e 1 ) +x 2 y 2 (e 2 e 2 ) = x 1 y 1 e 1 2 + (x 1 y 2 +x 2 y 1 )(e 1 e 2 ) +x 2 y 2 e 2 2. Denna formel ser inte speciellt vacker ut. Men om basvektorerna e 1 och e 2 båda har längden 1, d.v.s. om e 1 = e 2 = 1, och om de dessutom är ortogonala, d.v.s. om e 1 e 2 = 0, så blir formeln mycket enklare: u v = x 1 y 1 +x 2 y 2. 9(18)

Definition (Ortonormerad bas) En bas (e 1,e 2,e 3 ) för rummets vektorer säges vara ortonormerad om vektorerna är parvis ortogonala, d.v.s. om e 1 e 2 = e 1 e 3 = e 2 e 3 = 0, och om de alla har längden 1, d.v.s. om e 1 = e 2 = e 3 = 1. Ofta säger man kortare ON-bas i stället för ortonormerad bas. Definitionen för en ON-bas i planet är analog med den ovanstående. 10(18)

Vi såg att vi fick en ganska enkel formel för att beräkna skalärprodukten av två vektorer i planet, om deras koordinater är givna i en ON-bas: Om u = (x 1,x 2 ) och v = (y 1,y 2 ) så blir u v = x 1 y 1 +x 2 y 2. Motsvarande formel för vektorer i rummet är en naturlig generalisering av denna, och presenteras i följande sats. Sats Låt u = (x 1,x 2,x 3 ) och v = (y 1,y 2,y 3 ), där koordinaterna är givna i en ON-bas. Då gäller u v = x 1 y 1 +x 2 y 2 +x 3 y 3. Tidigare såg vi att längden av en vektor ges av formeln u = u u. Om u har sina koordinater givna i en ON-bas, får vi följande formel. Följdsats Antag att u = (x 1,x 2,x 3 ) har sina koordinaterna givna i en ON-bas. Då är u = x1 2 +x2 2 +x2 3. 11(18)

Exempel Antag att u = (4, 1,3), v = (0,4,3) och w = (1, 2, 2) i en ON-bas. Då är u v = 4 0+( 1) 4+3 3 = 0 4+9 = 5, u w = 4 1+( 1) ( 2) +3 ( 2) = 4 +2 6 = 0 och v w = 0 1+4 ( 2) +3 ( 2) = 0 8 6 = 14. Vektorerna u och w är alltså ortogonala. Vidare är u = 4 2 + ( 1) 2 +3 2 = 16 +1+9 = 26, v = 0 2 +4 2 +3 2 = 0 +16 +9 = 25 = 5 och w = 1 2 + ( 2) 2 + ( 2) 2 = 1 +4+4 = 9 = 3. 12(18)

Exempel Vektorerna u 1 = (1,0,1), u 2 = (0, 1,0) och u 3 = (1,0, 1) är parvis ortogonala (ty u 1 u 2 = u 1 u 3 = u 2 u 3 = 0; verifiera detta!). Men de bildar inte en ON-bas, ty de är inte alla av längd 1 (endast u 2 har längden 1). För att få en ON-bas, måste vi normera vektorerna, vilket betyder att vi multiplicerar dem med ett lämpligt tal så att resultatet blir en vektor av längd 1. En vektor v 0 normeras genom att multiplicera den med 1/ v. Eftersom u 1 = u 3 = 2, så kommer därmed (e 1,e 2,e 3 ), där e 1 = 1 ( ) 1 1 (1,0,1) = 2,0, 2 2 att vara en ON-bas. e 2 = (0, 1,0) e 3 = 1 ( 1 (1,0, 1) = 2 2,0, 1 ), 2 13(18)

Vinkelberäkningar Med hjälp av skalärprodukt blir det även möjligt att beräkna vinkeln α mellan två vektorer u och v. Från definitionen av skalärprodukt vet vi ju att u v = u v cos α. Om varken u eller v är nollvektorn, så är u v 0, och därmed blir med vars hjälp vi kan beräkna α. cos α = u v u v, Exempel I en ON-bas så har vektorerna u och v koordinaterna (1, 1,2) respektive (1,0,1). Vi skall bestämma vinkeln α mellan dessa två vektorer. Eftersom u v = 3, u = 6 och v = 2, så blir 3 3 3 cos α = = = 6 2 3 2 2 2, Vi får därmed att α = 30 (eller α = π/6, om man mäter i radianer). 14(18)

Basbyten mellan ON-baser Antag att u = (x 1,x 2,x 3 ) i en bas (e 1,e 2,e 3 ) (inte nödvändigtvis en ON-bas). Om vi byter till en ny bas (f 1,f 2,f 3 ), så fann vi under förra lektionen, att om u = (y 1,y 2,y 3 ) i denna nya bas, så kan sambandet mellan de gamla och nya koordinaterna skrivas X = TY Y = T 1 X, där X och Y är kolonnmatriser som innehåller koordinaterna för u i den gamla respektive nya basen, och där T är den s.k. transformationsmatrisen, som bildas genom att välja dess kolonner till i tur och ordning koordinaterna för f 1,f 2,f 3. För att bestämma koordinaterna för vektorn u i den nya basen, behöver vi alltså väsentligen lösa ett linjärt ekvationssystem, och det kan ju ta sin lilla tid. Men om om både den gamla och den nya basen är ON-baser, så blir det extra enkelt... 15(18)

Sats Låt T vara den transformationsmatris man får, om man ska göra ett basbyte från en ON-bas till en annan. Då är T 1 = T T, d.v.s. att bestämma inversen till T, är samma sak som att transponera matrisen (byta plats på rader och kolonner). Definition (Ortogonal matris) En matris T säges vara ortogonal om TT T = T T T = E. Ett alternativt sätt att formulera satsen ovan är: För ett basbyte mellan två ON-baser gäller att transformationsmatrisen är en ortogonal matris. 16(18)

Exempel Antag att u = (2, 3) har sina koordinater givna i en ON-bas (e 1,e 2 ) för planet. Vektorerna f 1 = (5/13,12/13) och f 2 = ( 12/13,5/13) uppfyller f 1 f 2 = 0 och f 1 = f 2 = 1, så (f 1,f 2 ) är därmed en ON-bas. Vilka är u:s koordinater (y 1,y 2 ) i denna nya bas? Om vi byter från basen (e 1,e 2 ) till basen (f 1,f 2 ), så kommer transformationsmatrisen att ges av ( ) 5/13 12/13 T = = 1 ( ) 5 12. 12/13 5/13 13 12 5 Eftersom matrisen T är ortogonal (vi byter från en ON-bas till en annan), är T 1 = T T = 1 ( ) 5 12. 13 12 5 17(18)

Med X = ( ) ( ) 2 y1 och Y =, så blir därmed 3 y 2 Y = T 1 X = 1 13 ( ) ( ) 5 12 2 12 5 3 = 1 13 ( ) 26 = 39 d.v.s. i den nya ON-basen (f 1,f 2 ) så blir u = ( 2, 3). ( ) 2, 3 u = 2e 1 3e 2 u = 2f 1 3f 2 f 1 = 5 13 e 1 + 12 13 e 2 f 2 = 12 13 e 1 + 5 13 e 2 e 2 f 1 f 2 e 1 u 18(18)