Obligatorisk oppgave 2

Like dokumenter
4.1 Vektorrom og underrom

Løsningsforslag øving 6

Forelesning i Matte 3

4.1 Vektorrom og underrom

Vær OBS på at svarene på mange av oppgavene kan skrives på flere ulike måter!

MAT1120 Oppgaver til plenumsregningen torsdag 18/9

Diagonalisering. Kapittel 10

Kap. 6 Ortogonalitet og minste kvadrater

4.1 Vektorrom og underrom

5.8 Iterative estimater på egenverdier

Repetisjon: om avsn og kap. 3 i Lay

MAT1120 Notat 2 Tillegg til avsnitt 5.4

Repetisjon: Om avsn og kap. 3 i Lay

MAT1120 Notat 2 Tillegg til avsnitt 5.4

4.1 Vektorrom og underrom

Løsningsforslag øving 7

6.4 Gram-Schmidt prosessen

MAT Onsdag 7. april Lineær uavhengighet (forts. 1.8 Underrom av R n, nullrom, basis MAT Våren UiO. 7.

4 Matriser TMA4110 høsten 2018

Matriser. Kapittel 4. Definisjoner og notasjon

TMA4110 Eksamen høsten 2018 EKSEMPEL 1 Løsning Side 1 av 8. Løsningsforslag. Vi setter opp totalmatrisen og gausseliminerer: x 1 7x 4 = 0

MAT1120 Repetisjon Kap. 1, 2 og 3

Rang og Vektorrom. Magnus B. Botnan NTNU. 4. august, 2015

Eksamensoppgave i TMA4110/TMA4115 Calculus 3

Matriseoperasjoner. E.Malinnikova, NTNU, Institutt for matematiske fag. September 22, 2009

Til enhver m n matrise A kan vi knytte et tall, rangen til A, som gir viktig informasjon.

UNIVERSITET I BERGEN

GENERELLE VEKTORROM. Hittil har vi bare snakket om vektorrom av type

EKSAMENSOPPGAVER FOR TMA4110/TMA4115 MATEMATIKK 3

15 Hovedprinsippet for vektorrom med et indre produkt

Vi skal koble diagonalisering av matriser sammen med ortogonalitet. Skal bl.a. se på

MAT1120 Notat 1 Tillegg til avsnitt 4.4

4.4 Koordinatsystemer

Forelesningsnotat i Diskret matematikk 27. september 2018

TMA4110 Matematikk 3 Haust 2011

MA1201/MA6201 Høsten 2016

UNIVERSITETET I OSLO

Homogene lineære ligningssystem, Matriseoperasjoner

6.8 Anvendelser av indreprodukter

Lineær Algebra og Vektorrom. Eivind Eriksen. Høgskolen i Oslo, Avdeling for Ingeniørutdanning

MAT1120 Notat 1 Tillegg til avsnitt 4.4

6.4 (og 6.7) Gram-Schmidt prosessen

OPPGAVER FOR FORUM

MAT1120 Oppgaver til plenumsregningen torsdag 18/9

8 Vektorrom TMA4110 høsten 2018

Lineær algebra. 0.1 Vektorrom

Mer om kvadratiske matriser

Løsningsforslag: MAT 1110 Obligatorisk oppgave 2, V-12

Lineærtransformasjoner

13 Oppsummering til Ch. 5.1, 5.2 og 8.5

Mer om kvadratiske matriser

MAT UiO. 10. mai Våren 2010 MAT 1012

Løsningsforslag MAT 120B, høsten 2001

MAT Grublegruppen Notat 6

12 Diagonalisering av matriser og operatorer (Ch. 5.1, 5.2 og 8.5)

Vektorrom. Kapittel 7. Hva kan vi gjøre med vektorer?

Dagens mål. Det matematiske fundamentet til den diskrete Fourier-transformen Supplement til forelesning 8 INF Digital bildebehandling

Matriser En matrise er en rektangulær oppstilling av tall og betegnes med en stor bokstav, f.eks. A, B, C,.. Eksempler:

(a) R n defineres som mengden av kolonnevektorer. a 1 a 2. a n. (b) R n defineres som mengden av radvektorer

MA1201/MA6201 Høsten 2016

=cos. =cos 6 + i sin 5π 6 = =cos 2 + i sin 3π 2 = i.

Matriser En matrise er en rektangulær oppstilling av tall og betegnes med en stor bokstav, f.eks. A, B, C,.. Eksempler:

UNIVERSITETET I OSLO

Oppgaver MAT2500. Fredrik Meyer. 29. august 2014

TMA4110 Matematikk 3 Eksamen høsten 2018 Løsning Side 1 av 9. Løsningsforslag. Vi setter opp totalmatrisen og gausseliminerer:

Kap. 7 Symmetriske matriser og kvadratiske former

Løsningsforslag til eksamen i MA1202/MA6202 Lineær algebra med anvendelser våren 2009.

Høgskolen i Oslo og Akershus. 1 (x 2 + 1) 1/2 + x 1 2 (x2 + 1) 1/2 (x 2 + 1) = x 2x 2 x = = 3 ln x sin x

5.5 Komplekse egenverdier

Kap. 6 Ortogonalitet og minste kvadraters problemer

UNIVERSITETET I BERGEN Det matematisk-naturvitenskapelige fakultet. Eksamen i MAT111 Grunnkurs i matematikk I Løsningsforslag

TMA4100 Matematikk 1 Høst 2014

12 Projeksjon TMA4110 høsten 2018

Minste kvadraters løsning, Symmetriske matriser

9 Lineærtransformasjoner TMA4110 høsten 2018

Lineær algebra-oppsummering

MAT1110. Obligatorisk oppgave 1 av 2

18. (og 19.) september 2012

Eksamensoppgave i MA1101 Grunnkurs i analyse

Obligatorisk innlevering 3 - MA 109, Fasit

MAT-1004 Vårsemester 2017 Obligatorisk øving 2

Rom og lineæritet. Erik Bédos. Matematisk Institutt, UiO 2012.

Til enhver m n matrise A kan vi knytte et tall, rangen til A, som gir viktig informasjon.

Eksamensoppgave MAT juni 2010 (med løsningsforslag)

6.5 Minste kvadraters problemer

Lineær algebra. H. Fausk i=1 a ix i. Her har vi oppgitt hva ledd nummer i skal være og hvilke indekser i vi summerer over.

Notat2 - MAT Om matriserepresentasjoner av lineære avbildninger

Emne 7. Vektorrom (Del 1)

Lineær uavhengighet og basis

Løsningsforslag til eksamen i MA1202/MA6202 Lineær algebra med anvendelser høsten 2009.

Egenverdier og egenvektorer

UNIVERSITETET I OSLO

MA1201/MA6201 Høsten 2016

MAT Oblig 1. Halvard Sutterud. 22. september 2016

MAT 1110: Bruk av redusert trappeform

7.4 Singulærverdi dekomposisjonen

3.9 Teori og praksis for Minste kvadraters metode.

MA0002 Brukerkurs i matematikk B Vår 2014

Transkript:

Universitetet i Oslo MAT0 Obligatorisk oppgave Skrevet av: Sindre Rannem Bilden 4. oktober 04

Først utleder vi hva U T U tilsier, siden U kan skrives kan også U T skrives på formen U = [ u u n ] U T = u T. u T n der u T j er den transponerte av u j for j =,,n Matriseproduktet U T gir derfor en rekke skalarprodukter ved u T v = u v u T. [ u T ] u u T u n u u u u n u u n =..... =..... u T n u T n u u T n u n u n u u n u n Vi ser her at vi har to betingelser for at U skal være en semidiagonal matrise: U T U må være diagonal, som tilsier at u i u j = 0 der j i. Ortogonale vektorer gir akkurat denne egenskapen. U T U må også kun bestå av positive elementer langs hoveddiagonalen. Matematisk blir dette u j u j > 0. Dette løses ved å sette betingelsen u j 0 for j =,,n Ved å se på betingelsene opp mot resultatet av matriseproduktet, faller det ut at u j må være ulik nullvektor og være ortogonal på u i der i j. Da alle vektorer u j må være ortogonale og ulik nullvektor er alle u j j =,,n disse også lineært uavhengige. Da følger det fra Invertibel Matrise Teoremet at U er invertibel. Vi definerer matrisen U = [ u u n] T der alle u j skrives på formen u j = u j u j u j, j =,,n. For å sjekke om U er den inverterte matrisen til U ser vi på matriseproduktet U U U U = u T. [ u T ] u u T u n u u u n =.... u u u n. =..... u T n u T n u u T n u n u n u u n u n

Setter først inn for tilfellet utenfor hoveddiagonalen, u j u i der j i u j u i = 0 = 0 u j u j u j u j Setter så inn for hoveddiagonalen, u j u i der j = i u j u j u j u j = u j u j u j u j = Vi ser at dette tilsvarer identitetsmatrisen I og U = U t = π 6 t = π t = 5π 6 cos(t ) cos(t ) sin(t ) sin(t ) sin(t ) C = cos(t ) cos(t ) S = sin(t ) sin(t ) sin(t ) cos(t ) cos(t ) sin(t ) sin(t ) sin(t ) Når man setter inn verdier for t j j =,, får man matrisene C = 0 S = 0 hvor begge kan radreduseres til identitetsmatrisen, som tilsier lineært uavhengige vektorer. Ser også at alle vektorer er ulik nullvektor, som vil si at matrisene er semiortogonale. Ved bruk av det generelle uttrykket for den inverse matrisen gitt i Oppg. får vi matrisene C = 0 S = 0

t = linspace(pi/6,5 pi/6,8) C = zeros (8,8); S = zeros (8,8); I = eye (8); for i = :8 6 for j = :8 C(i, j ) = cos (( j ) t( i )); S(i, j ) = sin ( j t( i )); C notnull = true ; S notnull = true ; for j =:8 C sum = 0; S sum = 0; 6 for i=:8 C sum = C sum + abs(c(i, j )); S sum = S sum + abs(s(i, j )); if C sum == 0 C notnull = false ; if S sum == 0 S notnull = false ; 6 if and(c notnull, rref (C) == I ) disp ( C har ortogonale vektorer ulik nullvektor ) disp ( og er derfor invertibel ) C inv = zeros (8,8); for j = :8 cj = C(:, j ); C inv (:, j)=c(:, j )./( transpose ( cj ) cj ); C inv = transpose (C inv) 6 if and(s notnull, rref (S) == I ) disp ( S har ortogonale vektorer ulik nullvektor ) disp ( og er derfor invertibel ) S inv = zeros (8,8); 4 for j = :8 sj = S(:, j ); S inv (:, j)=s(:, j )./( transpose ( sj ) sj ); S inv = transpose (S inv) 46 diary ObOp. txt

Programmet skriver ut dette resultatet: Oblig Oppg t = 0. 96 0. 5890 0. 987. 744. 767. 598. 555. 945 8 C har ortogonale vektorer ulik nullvektor og er derfor invertibel C inv = 0. 50 0. 50 0. 50 0. 50 0. 50 0. 50 0. 50 0. 50 0. 45 0. 079 0. 89 0. 0488 0.0488 0.89 0.079 0.45 0. 0 0. 0957 0.0957 0.0 0.0 0.0957 0. 0957 0. 0 0. 079 0.0488 0.45 0.89 0. 89 0. 45 0. 0488 0.079 0. 768 0.768 0.768 0. 768 0. 768 0.768 0.768 0. 768 8 0. 89 0.45 0. 0488 0. 079 0.079 0.0488 0. 45 0.89 0. 0957 0.0 0. 0 0.0957 0.0957 0. 0 0.0 0. 0957 0. 0488 0.89 0. 079 0.45 0. 45 0.079 0. 89 0.0488 S har ortogonale vektorer ulik nullvektor og er derfor invertibel S inv = 8 0. 0488 0. 89 0. 079 0. 45 0. 45 0. 079 0. 89 0. 0488 0. 0957 0. 0 0. 0 0. 0957 0.0957 0.0 0.0 0.0957 0. 89 0. 45 0. 0488 0.079 0.079 0. 0488 0. 45 0. 89 0. 768 0. 768 0.768 0.768 0. 768 0. 768 0.768 0.768 0. 079 0. 0488 0.45 0. 89 0. 89 0.45 0. 0488 0. 079 0. 0 0.0957 0.0957 0. 0 0.0 0. 0957 0. 0957 0.0 0. 45 0.079 0. 89 0.0488 0.0488 0. 89 0.079 0. 45 0. 50 0.50 0. 50 0.50 0. 50 0.50 0. 50 0.50 4

4 C = {,cos(t),cos(t),,cos(7t)} Om C består av ortogonale funksjoner vil C være lineært uavhengige og en basis for W C. Ortogonalitet kan påvises ved definisjonen på ortogonalitet for funksjoner: f,g = Vi kan se på C som et sett cosinusfunksjoner: b Da kan ortogonalitet vises med uttrykket under: a f(t)g(t) = 0 C = {cos(0t),cos(t),cos(t),,cos(7t)} cos(it), cos(jt) = π cos(x) kan skrives som en kompleks eksponentialfunksjon cos(x) = eix +e ix 0 cos(it)cos(jt) = 0 Siden i kommer i konflikt med indekseringen døpes indeks i til k. Den nye skriveformen gir integralet π 0 ( eikt +e ikt )( eijt +e ijt ) = π ( eit(k+j) +e it(k j) +e it(j k) +e it( k j) ) 0 4 = [ ] e it(k+j) π 4 i(k +j) + eit(k j) i(k j) + eit(j k) i(j k) + eit( k j) i( k j) 0 = [ ] e it(k+j) π 4 i(k +j) e it(k+j) i(k +j) + eit(k j) i(k j) e it(k j) i(k j) 0 = [ e it(k+j) e it(k+j) + eit(k j) e it(k j) ] π 4 i(k +j) i(k j) 0 = [ e iπ(k+j) e iπ(k+j) + eiπ(k j) e iπ(k j) e0 e 0 4 i(k +j) i(k j) i(k +j) + e0 e 0 ] i(k j) = [ e iπ(k+j) e iπ(k+j) + eiπ(k j) e iπ(k j) ] 4 i(k +j) i(k j) 5

Ved eulers formel kan e ix skrives e ix = cos(x)+isin(x) e iπ(k+j) = cos(π(k +j))+isin(π(k +j)) e iπ(k+j) = cos( π(k +j))+isin( π(k+j)) og tilsvare for det andre leddet. Når dette settes inn i uttrykket fås: = +j)+isin(π(k +j) cos( π(k +j)) isin( π(k+j)) [cos(π(k 4 i(k +j) cos(π(k j)+isin(π(k j) cos( π(k j)) isin( π(k j)) + ] i(k j) Sinusfunskjonene vil alltid være lik 0 siden ±π(k±j) vil være et helt antall π. = [ ] cos(π(k +j) cos( π(k +j)) cos(π(k j) cos( π(k j)) + 4 i(k +j) i(k j) Videre kan man se at både cos(π(k +j og cos( π(k +j)) kan skrives som ( ) (k+j), tilsvare for (k j). Da kan utrykket forenkles til = [ ( ) (k+j) ( ) (k+j) + ( )(k j) ( ) (k j) ] = 0 4 i(k +j) i(k j) Dermed er det vist at C er ortogonal og derfor lineært uavhengig, siden C spenner ut W C er C en basis for W C. 5 Matrisen til T C, med hensyn på C og ε kan skrives: C TC = [[ T(C ) ] ε [T(C 8 ) ] ] ε C (t ) C 8 (t ) C TC =.. C (t 8 ) C ε 8 (t 8 ) ε cos(0t ) cos(7t ) C TC = = C. cos(0t 8 ). cos(7t 8 ) C er koordinatmatrisen til T C og siden C er inverterbar (Oppg. ) er T C en isomorfi. 6

6 Når vi har y = ( g(t ),,g(t 8 ) ) R 8 som definerer punktene g C må gå gjennom for å oppfylle kravet til en midtpunkinterpolasjon av g. g C (t ) = g(t ),,g C (t 8 ) = g(t 8 ) Med andre ord må T C (g C ) = ( g(t ),,g(t 8 ) ) T C (g C ) = T C (T C (y)) T C (T C (y)) = T C(T ( C g(t ),,g(t 8 ) ) T C (T C (y)) = ( g(t ),,g(t 8 ) ) T C (g C ) = ( g(t ),,g(t 8 ) ) Ser så om g C tilfredstiller [ g C] C = C y [ g C ] C = [ T C (y)] C ] [ T C (y)] C = [ T C C [ y ]ε = [ T C Fra Notat ser bruker vi at [ TC ]C = [ ] T C og vet fra Oppg. 5 at [ ] T C C = C C [ g C ] C = C y ] C y 7

7 For at V l og V o skal være underrom må tre kriterier være oppfylt. a) Nullvektoren 0 i V ligger i V l og V o. b) V l og V o er lukket under addisjon. c) V l og V o er lukket under multiplikasjon med skalar. I oppgaveteksten er a) oppfylt, i tillegg kan b) og c) vises lett: b) f( t) = f(t) g( t) = g(t) h( t) = f( t)+g( t) h(t) = f(t)+g(t) = f( t)+g( t) = h( t) h(t) = h( t) c) f( t) = f(t) c R h = cf h(t) = cf(t) = cf( t) = h( t) h(t) = h( t) Tilsvare kan vises for f( t) = f(t), dermed er V l og V o underrom for V. 8

[T(f)](t) = f( t) V l = {f V T(f) = f} f l = ( ) f +T(f) Om f l ligger i V l må kravet om f( t) = f(t) være oppfylt for alle t. f l ( t) = Tilsvare for f o. Legges f l og f o sammen fås ( ) ( ) f( t)+f( ( t)) = f(t)+f( t) = fl (t) f l (t)+f o (t) = ( ) ( ) f(t)+[t(f)](t) + f(t) [T(f)](t) = f(t)+[t(f)](t)+f(t) [T(f)](t) = f(t) = f(t) Vi sjekker om f ( 6) stemmer godt for cos(t) og t på F 9

8 t list = linspace(pi/6,5 pi /6,8); 4 f = inline ( ( pi.ˆ t.ˆ). exp(t./(. pi )), t ); f ell = 0.5 ( f ( t list)+f( t list )); f o = 0.5 ( f ( t list) f( t list )); y c = (C inv ( f ell ) ) ; 9 y s = (S inv ( f o ) ) ; f 6 = @(t) y c()+y c () cos(t)+y c () cos( t)+y c (4) cos( t )+... y c (5) cos(4 t)+y c (6) cos (5 t)+y c (7) cos(6 t)+y c (8) cos(7 t )+... y s () sin ( t)+y s () sin ( t)+y s () sin ( t)+y s (4) sin (4 t )+... 4 y s (5) sin (5 t)+y s (6) sin (6 t)+y s (7) sin (7 t)+y s (8) sin (8 t) start = pi ; stop = pi ; dt = 0.ˆ( ); 9 n = (stop start )/dt ; t = linspace(start, stop,n); h = figure ; plot(t, f (t), r,t, f 6 (t ), b ) 4 saveas (h, oppg8 plot, eps ) 0 8 6 4 0 4 0 4 0

9 t list = linspace(pi/6,5 pi /6,8); f = inline ( t. exp(t/ pi ), t ); f ell = 0.5 ( f ( t list)+f( t list )); 6 f o = 0.5 ( f ( t list) f( t list )); y c = (C inv ( f ell ) ) ; y s = (S inv ( f o ) ) ; f 6 = @(t) y c()+y c () cos(t)+y c () cos( t)+y c (4) cos( t )+... y c (5) cos(4 t)+y c (6) cos (5 t)+y c (7) cos(6 t)+y c (8) cos(7 t )+... y s () sin ( t)+y s () sin ( t)+y s () sin ( t)+y s (4) sin (4 t )+... y s (5) sin (5 t)+y s (6) sin (6 t)+y s (7) sin (7 t)+y s (8) sin (8 t) 6 start = pi ; stop = pi ; dt = 0.ˆ( ); n = (stop start )/dt ; t = linspace(start, stop,n); h = figure ; plot(t, f (t), r,t, f 6 (t ), b ) saveas (h, oppg9 plot, eps ) 450 400 50 00 50 00 50 00 50 0 50 4 0 4