OVERSIKT MAT 1105

Vektorer (Nå begynner vi faktisk)

generelt

En vektor: samling av tall (komponenter) listet i en gitt rekkefølge. (I kompendiet er de i fet skrift)S
Små bosktaver, pil

komponenter: små bokstaver er komponenter i

Vektorer med reele komponenetr = R n
Vektoere med n komplekse komponenter. C n, mengedn av komplekse komponenter (mat 1100 uke 3 ca, kommer her litt før)

nullvektoren:

 
import numpy as np
a = np.array([2,4,6,8,10])
 
b = np.linspace(0,1,6) #6 tall fra [0,1]
 
c = np.arrange(1,7) # alle heltall fra 1 til 7. Tallet 7 er da ikke med (python:)
 
d = np.arrange(1,7,2) #hopper med 2

Indeksering

a[0:6] # 6 første elementer
a[0:6:2] # 6 første, men annethvert element
a[3:] # fra indeks 3 og oppover
a[-1] # bakerste tall
 
 

Operasjoner

np.max(a) #høyeste komponent
np.min(a) #laveste komponent
np.sum(a) #summen av komponentene
np.prod(a) # produktet av alle komponentene 

Vektoraddisjon + gange med skalar

  • når er en skalar

Komponentvis som i R1, R2 og etter hva all fornuft tilsier. Bare at kan også være relle eller komplekse tall

a-b #vektor a minus b
t*a # vekotr a ganget med skalar t
a+t # legger til t i hver eneste komponent. 
 

Vektorisering av funksjoner

VEKTORISERINGEN AV EN FUKSJON: en funksjon av en vektor blir funksjonen av hver av komponentene satt sammen i en ny vektor.

np.sqrt(np.array([1,4,9])) # gir array([1.,2.,3.])

(Obs: python regner ikke alltid eksakt. sin ( a)

np.sin(np.array([0,np.pi/2,np.pi,3*np.pi/2,2*np.pi]))
array([ 0.0000000e+00,  1.0000000e+00,  1.2246468e-16, -1.0000000e+00,
       -2.4492936e-16])

np.minimum og np.maximum er også vektorisert - beregenes steg for steg. Samme gjelder og selv om det ikke er slik matematisk.

Addisjon og sånt.

Rekkefølge har ikke noe og si når man adderer.
Også to bevis.

Bevis for 4., komponentvis
VS: komponent i er
HS: komponent i i er
komponent i i er
er det samme som , det er ene egenskap ved de reelle tallene.

Linje gjennom to punkter

To “punkter”: og har retningsvektor
Linjen parametriseres ved

Lengder og skalarprodukt

Legger til flere tall under kvadratrot. (lengde)
Skalarprodukt:

$\vec{a}$ og $\vec{b}$ er ortogonale hvis $\vec{a} \cdot \vec{b}=0$
np.linalg.norm(a)
##eller
np.sqrt(np.sum(np.abs(a)))
 

Egenskaper ved skalarproduktet ()

For all vectors  in ℝ 𝑛, and scalars 𝑠, we have that

  1. 𝐚 ⋅𝐛 =𝐛 ⋅𝐚,
  2. 𝐜 ⋅(𝐚 +𝐛) =𝐜 ⋅𝐚 +𝐜 ⋅𝐛 and (𝐚 +𝐛) ⋅𝐜 =𝐚 ⋅𝐜 +𝐛 ⋅𝐜,
  3. (𝑠⁢𝐚) ⋅𝐛 =𝐚 ⋅(𝑠⁢𝐛) =𝑠⁢(𝐚 ⋅𝐛)

For komplekse tall

Det blir mer komplisert hahah.

Lengden til vektor: Setter inn absoluttverditegn fordi vi vil at lengden skal være en positiv størrelse.
|𝐚|=√|𝑎1|2+|𝑎2|2+⋯+|𝑎𝑛|2,

𝐚⋅𝐚=|𝐚|2=𝑎1⁢――𝑎1+⋯+𝑎𝑛⁢―――𝑎𝑛.
It is clear that Equation 1.2 will not work for the complex case, as this will not capture the conjugation here.
Let us instead define𝐚⋅𝐛=𝑎1⁢――𝑏1+⋯+𝑎𝑛⁢――𝑏𝑛,

a1 x a1 konjugert = (konjugasjon blir viktig!)
Komplekse tall har en realdel (x-akse) og en imaginær del (y).

Kom tilbake til dette etter konjugasjon i MAT1100. Konjugasjon = speile ting om x-aksen.
Et podukt konjugert er produktet av de konjugerte.

j er imaginer komponent i python

a = np.array([2j,1+1j,3])
b = np.array([1+2j,-1,2-1j]) 
(9-4j). Ikke det samme vi fikk i eksempelet. Python kommer
np.sum(np.conj(a)*b)

Fysikere og matematikere er uenige

Finne uttrykk for plan

Punkt + normalvektorl
Punktet ligger i planet om differansen mellom puntket og (generellt) punkt i plan er ortogonalt med normalvektoren.


Kan skrives
HS er en konstant:)

Generalisering av Pythagoras

Hvis og er ortogonale så er:
= skalarprodiktet av a + b med seg selv. Ganges ut. Blir null for a x b, også 0 konjugert for b x a.


PYTAGORAS, bare generelt for vektorer i alle n

Neste tema: Matriser