M0031M, Linjär algebra och differentialekvationer Föreläsning 18 Ove Edlund LTU 2016-09-22 Ove Edlund (LTU) M0031M, Föreläsning 18 2016-09-22 1 / 10 Skalärprodukt, inre produkt Om vi har två vektorer v1 u1 v2 u2 u = . och v = . .. .. un vn så ges skalärprodukten eller inre produkten av u • v = uT v = u1 v1 + u2 v2 + · · · + un vn Ove Edlund (LTU) M0031M, Föreläsning 18 2016-09-22 2 / 10 Sats 1 Låt u, v och w vara vektorer i Rn , och c vara en skalär. Då gäller a. u • v = v • u b. (u + v) • w = u • w + v • w c. (cu) • v = c(u • v) = u • (cv) d. u • u ≥ 0, och u • u = 0 ⇔ u = 0. OBS! Satsen ger att (c1 u1 + c2 u2 + · · · + cp up ) • w = c1 u1 • w + c2 u2 • w + · · · + cp up • w Ove Edlund (LTU) M0031M, Föreläsning 18 2016-09-22 3 / 10 Längd, norm Längden (eller normen) av en vektor v i Rn är den ickenegativa skalär kvk som definieras av q √ kvk = v • v = v12 + v22 + · · · + vn2 För alla skalärer c gäller att kcvk = |c|kvk. En enhetsvektor är en vektor vars längd (norm) är 1. Givet en vektor v får vi en enhetsvektor som pekar i samma riktning som v genom att normera den, dvs bilda 1 v. kvk Avstånd Avståndet mellan vektorerna u och v skrivs dist(u, v), och definieras som längden (normen) av u − v, dvs dist(u, v) = ku − vk. Ove Edlund (LTU) M0031M, Föreläsning 18 2016-09-22 4 / 10 Ortogonala vektorer Två vektorer u och v i Rn är ortogonala om u • v = 0. Sats 2: Pythagoras sats Två vektorer u och v är ortogonala om och endast om ku + vk2 = kuk2 + kvk2 . Ove Edlund (LTU) M0031M, Föreläsning 18 2016-09-22 5 / 10 Ortogonala komplementet Om en vektor z är ortogonal mot varje vektor i ett underrum W , i Rn , så säger vi att z är ortogonal mot W . Mängden av alla vektorer z som är ortogonala mot W kallas ortogonala komplementet till W , och betecknas W ⊥ . 1. En vektor x tillhör W ⊥ om och endast om x är ortogonal mot varje vektor i en mängd som spänner upp W . 2. W ⊥ är ett underrum till Rn . Sats 3 Om A är en m × n-matris, så är (Row(A))⊥ = Nul(A) och (Col(A))⊥ = Nul(AT ). Ove Edlund (LTU) M0031M, Föreläsning 18 2016-09-22 6 / 10 Ortogonala mängder En mängd vektorer {u1 , u2 , . . . , up } är en ortogonal mängd om varje vektor i mängden är ortogonal mot alla andra, dvs ui • uj = 0 då i 6= j. Sats 4 Om S = {u1 , u2 , . . . , up } är en ortogonal mängd av vektorer skilda från nollvektorn 0, så är S linjärt oberoende och därmed en bas för Span(S). Ove Edlund (LTU) M0031M, Föreläsning 18 2016-09-22 7 / 10 Ortogonala baser En ortogonal bas för ett underrum W , är en bas för W som också är en ortogonal mängd. Sats 5 Låt {u1 , u2 , . . . , up } vara en ortogonal bas för W . För varje vektor y ∈ W gäller då y = c1 u1 + c2 u2 + · · · + cp up där vikterna c1 , c2 , . . . , cp ges av ci = Ove Edlund (LTU) y • ui . ui • ui M0031M, Föreläsning 18 2016-09-22 8 / 10 Ortogonal projektion Ortogonala projektionen av y på u ges av ŷ = y•u u u•u Komposanten av y som är ortogonal mot u ges av z=y− Ove Edlund (LTU) y•u u u•u M0031M, Föreläsning 18 2016-09-22 9 / 10 Ortonormerade mängder En mängd vektorer {u1 , u2 , . . . , up } är en ortonormerad mängd om det är en ortogonal mängd av enhetsvektorer. Om mängden är en bas för ett underrum W säger vi att det är en ortonormerad bas för W . Sats 6 En m × n-matris U har ortonormerade kolonner om och endast om UT U = I. Sats 7 Om U är en m × n-matris med ortonormerade kolonner, och x, y ∈ Rn , så är a. kUxk = kxk b. (Ux) • (Uy) = x • y c. (Ux) • (Uy) = 0 ⇔ x • y = 0 Ove Edlund (LTU) M0031M, Föreläsning 18 2016-09-22 10 / 10