Exempel: Dynamiska system " " # # 400000 0,95 0,03 så och x0 = 600000 0,05 0,97 ger differensekvationen xk+1 = Axk upphov till serien Om A = " x0 = " x1 = " x2 = " x3 = " x4 = " x5 = 400000 600000 # 398000 602000 # 396160 603840 # 394467 605533 # 392910 607090 # 391477 608523 # " x50 = " x6 = " x7 = " x8 = " x9 = " x10 = 375387 624613 " x11 = # " x51 = 390159 609841 # 388946 611054 # 387830 612170 # 386804 613196 # 385860 614140 # 384991 615009 # 375356 624644 # Skalärprodukt, inre produkt Om vi har två vektorer u1 u u = ..2 . un och v1 v v = ..2 . vn så ges skalärprodukten eller inre produkten av u • v = u T v = u1 v 1 + u2 v 2 + · · · + u n v n 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 (c1u1 + c2u2 + · · · + cpup) • w = c1 u1 • w + c 2 u 2 • w + · · · + c p up • w Längd, norm Längden (eller normen) av en vektor v i Rn är den ickenegativa skalär kvk som definieras av q √ 2 kvk = v • v = v12 + v22 + · · · + vn 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. 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. 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 ). 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). 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 = c 1 u 1 + c 2 u 2 + · · · + c p up där vikterna c1, c2, . . . , cp ges av y • ui ci = . ui • u i 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 y•u z=y− u u•u 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 U T U = I. Sats 7 Om U är en m × n-matris med ortonormerade kolonner, och x, y ∈ Rn, så är a. kU xk = kxk b. (U x) • (U y) = x • y c. (U x) • (U y) = 0 ⇔ x • y = 0