Module 1: Lineære modeller og lineær algebra
|
|
- Rudolf Petersen
- 7 år siden
- Visninger:
Transkript
1 Module : Lineære modeller og lineær algebra. Lineære normale modeller og lineær algebra Lineær algebra Vektorer i R n Regneregler for vektorrum Lineære afbildninger Lineær uafhængighed og baser Lineære underrum Det kanoniske indre produkt
2 .2.7 Gram-Schmidt s ortogonaliseringsmetode Projektion på L Direkte sum Ortogonalt komplement Matrixform for projektionen Den flerdimensionale normalfordeling Lineære normale modeller og lineær algebra Tæt sammenhæng mellem statistisk analyse af normalfordelingen og lineær algebra i det Euklidiske rum R n : lineære normale modeller svarer til linære underrum af R n. 2
3 Model : Simpel lineær regression gennem origo Y,...,Y n uafhængige, hvor Model : Y i N ( βx i,σ 2), i =,...,n. (F.eks. Y i en bils forbrug af brændstof efter x i kørte kilometer. Parameteren β svarer til bilens benzinøkonomi i liter/kilometer.) Middelværdien af vektoren Y = (Y,...,Y n ) T er en n-dimensionel vektor i R n : EY µ = EY = EY 2.. EY n 3
4 Men ifølge Model, er EY = EY EY 2. EY n = β x x 2. x n = βx, hvor x= (x,...,x n ) T er en kendt vektor. Dvs, µ ligger i det en-dimensionelle lineære underrum af R n, der er udspændt af vektoren x: µ L = span (x) = {µ Rn : µ = βx, β R}. Uendeligt mange linier i L (en for hver værdi af β). 4
5 Vælg β, så βx tættest på observerede data y = (y,...,y n ) T : projektionen af y på L. (Det er netop ˆβ, least squares estimatet for β. Vises senere.) Model 2: Simpel lineær regression Y,...,Y n uafhængige, hvor Model 2: Y i N ( α + βx i, σ 2), i =,...,n. (F.eks. Y i det atmosfæriske tryk ved højde x i kilometer over havoverfladen. Parameteren α svarer til trykket ved havoverfladen, og β svarer til forskellen i atmosfærisk tryk, når højden over havoverfladen øges med en kilometer.) 5
6 Ifølge Model 2, er middelværdien af vektoren Y = (Y,...,Y n ) T : EY x µ = EY = EY 2. = α. + β x 2. = α + βx, EY n x n hvor = (,...,) T, og x= (x,...,x n ) T er kendte vektorer. Dvs, vektoren af middelværdier µ ligger i det to-dimensionelle lineære underrum af R n, der er udspændt af vektorerne og x: µ L 2 = span (,x) = {µ Rn : µ = α + βx, α, β R}. Som før: uendeligt mange linier i L 2. 6
7 Vælg α og β, så α+βx tættest på observerede data y = (y,...,y n ) T : projektionen af y på L 2. (Det er netop ˆα og ˆβ, least squares estimater for α og β. Vises senere.).2 Lineær algebra Opfriske resultater fra lineær algebra, som skal bruges i kurset. (Fra Blæsild Appendix A3 og Leon (998).) 7
8 .2. Vektorer i R n Der benyttes søjlevektorer: x x =. og y = x n y. y n Basale operationer på vektorer: Sum: x + y = x + y. x n + y n Produkt med α R: αx = αx. αx n 8
9 Nulvektoren: =..2.2 Regneregler for vektorrum x + y = y + x α(βx) = (αβ)x x + (y + z) = (x + y) + z x+= x x = ( )x x + ( x) = x = x 9
10 α(x + y) = αx + αy (α + β)x = αx + βx.2.3 Lineære afbildninger En funktion f : R n R n kaldes lineær,hvis f(αx + βy) = αf(x) + βf(y) x,y R n, α, β R. Funktionen f svarer til en n n matrix A n f(x) = Ax = a ij x j j= n i= Eksempel:
11 Lad x= (x, x 2, x 3 ) T f (x) = 4x 2 x 3 x + 3x 2 x 3 x 3 = x. Matricen A er invertibel hvis og kun hvis det(a), og så y = Ax x = A y. Den inverse til f er så f (y) = A y. Eksempel: Lad y = (y, y 2,y 3 ) T
12 f (y) = y = -3/4 -/4 /4 -/4 - y = ( 3y + 4y 2 y 3 ) /4 (y y 3 ) /4 y Lineær uafhængighed og baser Vektorerne x,...,x k er lineært uafhængige hvis β x + + β k x k = β = = β k = Ellers er x,...,x k er lineært afhængige. En basis for R n består af n lineært uafhængige vektorer i R n. Den 2
13 kanoniske basis for R n består af e,...,e n, hvor. e j = plads j, forj =,...,n.. Vektoren x = (x,...,x n ) kan skrives som en linearkombination af e j -erne, på entydig måde: x = n x j e j. j= 3
14 Lad X være en n n matrice. Den jte søjle er givet ved x j x j = Xe j =.. x nj Antag n n matricen X er invertibel med søjler x,...,x n, så er x,...,x n en basis for R n. Et vilkårligt punkt µ i R n kan opskrives i basen udspændt af søjlerne i X ved n µ = Xβ = β j x j, hvor j= β = x µ er koordinaterne til µ i basen. Specielt er β j µs j-te koordinat i basen. 4
15 Eksempel: Lad µ = og X = så er µs koordinater i basen udspændt af søjlerne i X givet ved β = β -3/4 -/4 β 2 = /4 -/4 2 4 = 3. β så µ = 3x + x 2 + 2x 3.,.2.5 Lineære underrum Definition L R n kaldes et lineært underrum, hvis L 5
16 x,y L αx + βy L α, β R Span af vektorerne X,...,X k er givet ved L = span {X,...,X k } = {β X + + β k X k : β,...,β k R}. Bemærk: L er et lineært underrum med dim L k. Hvis dim L = k, dvs. x,...,x k er lineært uafhængige, så er x,...,x k en basis for L. (Husk at dim {} = og dimr n = n.) Sætning: Der findes altid en basis, x,...,x n, for R n, så L = span {x,...,x k }. 6
17 Bevis: Vælg x,...,x k som basis for L, og suppler den op til en basis for R n..2.6 Det kanoniske indre produkt Det kanonisk indre produkt mellem to vektorer: x T y = x y = n x i y i i= opfylder: x T y = y T x (αx + βy) T z = αx T z + βy T z x T x og x T x = x = (positiv definit egenskaben.) 7
18 Den kanoniske norm: x = x T x = x x2 n x,y kaldes ortogonale, hvis x T y = En basis x,...,x k for L, kaldes ortogonal, hvis x T i x j =, i j En ortogonal basis kaldes ortonormal, hvis yderligere x i =, i. Bemærk: Den kanoniske basis for R n er ortonormal mht. det kanonisk indre produkt. Sætning (Pythagoras): x T y = x + y 2 = x 2 + y 2. 8
19 .2.7 Gram-Schmidt s ortogonaliseringsmetode Lad x,...,x k være en basis for L. En ortogonal basis e,...,e k for L kan findes:. e = x 2. For i = 2,...,k : e i = x i i j= x T i e j e j 2e j. Bemærk: For hvert skridt i algoritmen gælder span{e,...,e i } = span{x,...,x i }. Antag x,...,x n er en basis for R n, valgt så x,...,x k er en basis for L. Så er e,...,e n en ortogonal basis for R n og e,...,e k er en ortogonal basis for L. 9
20 Metoden kan også bruges hvis x,...,x k ikke er en basis, hvis summen i 2. modificeres til at undlade led hvor e i =. De resterende e j -er udgør da en ortogonal basis. Eksempel: Søjlerne x =,x 2 = og x 3 = 3, 2
21 udspænder et lineært underrum af R 4. De kan ortogonaliseres som følger: e =, e 2 = 3 3 = e 3 = = -/3 5/3. 2
22 .2.8 Projektion på L Lad e,...,e k være en ortogonal basis for L. Projektionen på L, p L : R n L er: k x T e i p L (x) = e i 2e i. Fra Pythagoras fås i= Egenskaber: p L (x) 2 = k i= (x T e i ) 2 e i 2, for x Rn.. x p L (x) 2 x y 2, y L 2. (x p L (x)) T z =, z L 3. p L (x) = x, hvis x L 22
23 Bevis: (bemærk rækkefølgen) 2. Da z span{e,...,e k } er det nok at tage z = e j, så (x p L (x)) T e j =. Fra 2. og Pythagoras fås: 3. Lad y = x i. ( ) T x xt e e 2e xt e k e k 2e k e j = x T e j x T e j e T j e j e j 2 = x y 2 = x p L (x) + p L (x) y 2 = x p L (x) 2 + p L (x) y 2 x p L (x) 2 23
24 Bemærk: Fra beviset for. med y =, følger den nyttige formel: x p L (x) 2 = x 2 p L (x) Direkte sum Lad L,M være underrum af R n. Summen af L og M: L + M = {x + y : x L,y M} L og M (indbyrdes) ortogonale (skrives L M) hvis: x T y = x L,y M Antag L og M ortogonale. Summen af L og M kaldes en direkte (ortogonal) sum og skrives L M ( L direkte sum M ). Der gælder: dim(l M) = diml + dimm 24
25 Bemærk: En vektor x L M kan skrives på entydig måde som x = y + z, hvor y L,z M. Lad L,...,L k være ortogonale underrum af R n. Den ortogonale sum er: L = L L k hvis L i L j i,j. Der gælder:. dim L = dim L + + dim L k 2. p L (x) = p L (x) + + p Lk (x) 3. p L (x) 2 = p L (x) p Lk (x) 2 Bemærk: En vektor y L kan skrives på entydig m åde som y = y + + y k, hvor y i L i, for i =,...,k. 25
26 Bevis for 2.: Vælg en ortonormal basis e,...,e l, hvor l = dim L + +dim L k, så e,...,e diml udspænder L, e diml +,...,e dim L2 udspænder L 2, osv. Så er l p L (x) = (x T e i )e i, og p Lj (x) = i= diml j+ i=diml j + (x T e i )e i..2. Ortogonalt komplement Definition 2 Det ortogonale komplement til L defineres ved L = { x R n : x T y =, y L } 26
27 For L M defineres det ortogonale komplement til L inden for M ved M L = M L = { x M : x T y =, y L } kaldes direkte differens. Bemærk: L = R n L, så R n kan opsplittes som: R n = L L = L (R n L). Lad L 2 L være underrum. L kan skrives som L = L 2 (L L 2 ). Der gælder (Bevis: Opgave 2.2.): dim(l L 2 ) = dim(l ) dim(l 2 ) 27
28 p L L 2 (x) = p L (x) p L2 (x) p L (x) p L2 (x) 2 = p L (x) 2 p L2 (x) 2 p L2 (p L (x)) = p L2 (x). Bemærk: L har dimension dim ( L ) = n k. Projektionen på L er den entydinge lineære afbildning, så p L (x) = x for alle x L p L (x) = for alle x L 28
29 .2. Matrixform for projektionen Lad L være udspændt af søjlerne i X n k = [x,...,x k ]. Antag at X har fuld rang. For givet y R, lad p L (y) = X β vektor i L. k. Så er y Xβ ortogonal på enhver Specielt gælder: x j (y Xβ) = j. Stables disse k ligninger, fås X (y Xβ) = 29
30 eller X y }{{} k = X}{{ X} β. k k k Da X har fuld rang er X X invertibel, så løsningen ˆβ er Dermed er så projektionsmatricen for L er Bemærk: ˆβ = (X X) X y p L (y) = X ˆβ = X(X X) X y, H = X(X X) X. Matricen H er symmetrisk, dvs. H = H, og idempotent, dvs. HH = H (vises let). 3
31 Matricen I H er projektionsmatricen for L, da p L (y) = y p L (y) = Iy Hy = (I H)y. Matricen I H er symmetrisk og idempotent: (I H) = I H og (I H) 2 = I H..2.2 Den flerdimensionale normalfordeling Antag at ε er en stokastisk vektor med komponenter ε,...,ε n som er uafhængige N(, ). For k < n, lad Y = µ + A ε, k k k nn 3
32 så siges Y at være multivariat normalfordelt N k (µ,σ), hvor µ = EY Σ = Cov(Y)=AA Bemærk: VarY i = Σ ii. Hvis A (og dermed Σ) har fuld rang, siges Y at være regulær. Ellers siges Y at være singulær. Bemærk: Kovariansmatricen Σ er ikke-negativ definit. Dvs: x Σx, x Hvis Σ har fuld rang, så er Σ positiv definit. Dvs, x Σx = hvis og kun hvis x =. 32
33 Transformation: Lad Z = B Y + c r k r = Bµ + c + BAε, så er Z N r (Bµ + c,bσb ). 33
Lineær Algebra eksamen, noter
Lineær Algebra eksamen, noter Stig Døssing, 20094584 June 6, 2011 1 Emne 1: Løsninger og least squares - Løsning, ligningssystem RREF (ERO) løsninger Bevis at RREF matrix findes Løsninger til system (0,
Læs mereOversigt [LA] 11, 12, 13
Oversigt [LA] 11, 12, 13 Nøgleord og begreber Ortogonalt komplement Tømrerprincippet Ortogonal projektion Projektion på 1 vektor Projektion på basis Kortest afstand August 2002, opgave 6 Tømrermester Januar
Læs mereMLR antagelserne. Antagelse MLR.1:(Lineære parametre) Den statistiske model for populationen kan skrives som
MLR antagelserne Antagelse MLR.1:(Lineære parametre) Den statistiske model for populationen kan skrives som y = β 0 + β 1 x 1 + β 2 x 2 + + β k x k + u, hvor β 0, β 1, β 2,...,β k er ukendte parametere,
Læs mereModule 9: Residualanalyse
Mathematical Statistics ST6: Linear Models Bent Jørgensen og Pia Larsen Module 9: Residualanalyse 9 Rå residualer 92 Standardiserede residualer 3 93 Ensidig variansanalyse 4 94 Studentiserede residualer
Læs mereNøgleord og begreber Ortogonalt komplement Tømrerprincippet. [LA] 13 Ortogonal projektion
Oversigt [LA] 11, 12, 13 Nøgleord og begreber Ortogonalt komplement Tømrerprincippet Ortogonal projektion Projektion på 1 vektor Projektion på basis Kortest afstand August 2002, opgave 6 Tømrermester Januar
Læs mereTænk på a og b som to n 1 matricer. a 1 a 2 a n. For hvert i = 1,..., n har vi y i = x i β + u i.
Repetition af vektor-regning Økonometri: Lektion 3 Matrix-formulering Fordelingsantagelse Hypotesetest Antag vi har to n-dimensionelle (søjle)vektorer a 1 b 1 a 2 a =. og b = b 2. a n b n Tænk på a og
Læs mereSkriftlig eksamen Vejledende besvarelse MATEMATIK B (MM02)
SYDDANSK UNIVERSITET ODENSE UNIVERSITET INSTITUT FOR MATEMATIK OG DATALOGI Skriftlig eksamen Vejledende besvarelse MATEMATIK B (MM2) Fredag d. 2. januar 22 kl. 9. 3. 4 timer med alle sædvanlige skriftlige
Læs mereNoter til Lineær Algebra
Noter til Lineær Algebra Eksamensnoter til LinAlg Martin Sparre, www.logx.dk, August 2007, Version π8 9450. INDHOLD 2 Indhold 0. Om disse noter.......................... 3 Abstrakte vektorrum 4. Definition
Læs mereDiagonalisering. Definition (diagonaliserbar)
1 Diagonalisering 2 Definition (diagonaliserbar) Lad A være en n n-matrix. A siges at være diagonaliserbar hvis A er similær med en diagonal matrix, dvs. A = PDP 1, hvor D er en n n diagonal matrix og
Læs merePoul Thyregod, introslide.tex Specialkursus vid.stat. foraar Lad θ = θ(β) R k for β B R m med m k
Dagens program: Likelihoodfunktion, begreber : Mandag den 4. februar Den generelle lineære model score-funktion: første afledede af log-likelihood har middelværdien nul observeret information: anden afledede
Læs mereLineær algebra 1. kursusgang
Lineær algebra 1. kursusgang Eksempel, anvendelse To kendte punkter A og B på en linie, to ukendte punkter x 1 og x 2. A x 1 x 2 B Observationer af afstande: fra A til x 1 : b 1 fra x 1 til x 2 : b 2 fra
Læs mereLineære normale modeller (1) udkast. 1 Flerdimensionale stokastiske variable
E6 efterår 999 Notat 8 Jørgen Larsen 22. november 999 Lineære normale modeller ) udkast Ved hjælp af lineær algebra kan man formulere og analysere de såkaldte lineære normale modeller meget overskueligt
Læs mereTidligere Eksamensopgaver MM505 Lineær Algebra
Institut for Matematik og Datalogi Syddansk Universitet Tidligere Eksamensopgaver MM55 Lineær Algebra Indhold Typisk forside.................. 2 Juni 27.................... 3 Oktober 27..................
Læs mereLineær Algebra, TØ, hold MA3
Lineær Algebra, TØ, hold MA3 Lad mig allerførst (igen) bemærke at et vi siger: En matrix, matricen, matricer, matricerne. Og i sammensætninger: matrix- fx matrixmultiplikation. Injektivitet og surjektivitet
Læs mereDefinition 13.1 For en delmængde af vektorer X R n er det ortogonale komplement. v 2
Oersigt [LA],, Komplement Nøgleord og begreber Ortogonalt komplement Tømrerprincippet Ortogonal projektion Projektion på ektor Projektion på basis Kortest afstand August 00, opgae 6 Tømrermester Januar
Læs mereLøsninger til udvalgte Eksamensopgaver i Lineær Algebra Juni 2000 og Juni 2001.
Løsninger til udvalgte Eksamensopgaver i Lineær Algebra Juni og Juni. Preben Alsholm 9. november 9 Juni Opgave 3 f : P (R) R 3 er givet ved f (P (x)) P () a + P () b, hvor a (,, ) og b (, 3, ). Vi viser,
Læs mereDesignMat Uge 1 Gensyn med forårets stof
DesignMat Uge 1 Gensyn med forårets stof Preben Alsholm Efterår 2010 1 Hovedpunkter fra forårets pensum 11 Taylorpolynomium Taylorpolynomium Det n te Taylorpolynomium for f med udviklingspunkt x 0 : P
Læs mereLinAlg 2013 Q3. Tobias Brixen Mark Gottenborg Peder Detlefsen Troels Thorsen Mads Buch 2013
LinAlg 2013 Q3 Tobias Brixen Mark Gottenborg Peder Detlefsen Troels Thorsen Mads Buch 2013 1 Lineær algebra Dispositioner - Dispo 0 2013 Contents 1 Løsninger, og MKL, af lineære ligningssystemer 3 2 Vektorrum
Læs mereSymmetriske og ortogonale matricer Uge 7
Symmetriske og ortogonale matricer Uge 7 Preben Alsholm Efterår 2009 1 Symmetriske og ortogonale matricer 1.1 Definitioner Definitioner En kvadratisk matrix A = [ a ij kaldes symmetrisk, hvis aij = a ji
Læs mereLineær Algebra F08, MØ
Lineær Algebra F08, MØ Vejledende besvarelser af udvalgte opgaver fra Ugeseddel 3 og 4 Ansvarsfraskrivelse: Den følgende vejledning er kun vejledende. Opgaverne kommer i vilkårlig rækkefølge. Visse steder
Læs mereSymmetriske og ortogonale matricer Uge 6
Symmetriske og ortogonale matricer Uge 6 Preben Alsholm Efterår 2010 1 Symmetriske og ortogonale matricer 1.1 Skalarprodukt og Cauchy-Schwarz ulighed Skalarprodukt og Cauchy-Schwarz ulighed Det sædvanlige
Læs mereBesvarelser til Lineær Algebra med Anvendelser Ordinær Eksamen 2016
Besvarelser til Lineær Algebra med Anvendelser Ordinær Eksamen 206 Mikkel Findinge http://findinge.com/ Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan.
Læs mereLineær Algebra, kursusgang
Lineær Algebra, 2014 12. kursusgang Lisbeth Fajstrup Institut for Matematiske Fag Aalborg Universitet LinAlg November 2014 Om miniprojekt 2 Kirchoffs love. Opstil lineære ligningssystemer og løs dem. 0-1-matricer.
Læs mereStatistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Lineære transformationer, middelværdi og varians Helle Sørensen Uge 8, onsdag SaSt2 (Uge 8, onsdag) Lineære transf. og middelværdi 1 / 15 Program I formiddag: Fordeling
Læs mereSymmetriske matricer
Symmetriske matricer Preben Alsholm 17. november 008 1 Symmetriske matricer 1.1 Definitioner Definitioner En kvadratisk matrix A = a ij kaldes symmetrisk, hvis aij = a ji for alle i og j. Altså hvis A
Læs mereBesvarelser til Lineær Algebra Ordinær Eksamen Juni 2018
Besvarelser til Lineær Algebra Ordinær Eksamen - 5. Juni 28 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan. Dette dokument har udelukkende
Læs mereMatrix Algebra med Excel Forelæsningsnoter til FR86. Jesper Lund mail@jesperlund.com http://www.jesperlund.com
Matrix Algebra med Excel Forelæsningsnoter til FR86 Jesper Lund mail@jesperlund.com http://www.jesperlund.com 28. august 2002 1 Indledning Matrix algebra er et uundværligt redskab til økonometri, herunder
Læs mereDesignMat. Preben Alsholm. September Egenværdier og Egenvektorer. Preben Alsholm. Egenværdier og Egenvektorer
DesignMat September 2008 fortsat Eksempel : et Eksempel 4 () af I II uden I Lad V være et vektorrum over L (enten R eller C). fortsat Eksempel : et Eksempel 4 () af I II uden I Lad V være et vektorrum
Læs mereUnderrum - generaliserede linjer og planer
1 Om miniprojekt 2 2 Kirchoffs love. Opstil lineære ligningssystemer og løs dem. 0-1-matricer. Systematisk information om grafer/netværk (som i Dagens anvendelse kursusgang 9): Flyforbindelser. Skemalægning.
Læs mereEksamen i Lineær Algebra
To find the English version of the exam, please read from the other end! Se venligst bort fra den engelske tekst på bagsiden, hvis du følger den danske version af prøven. Eksamen i Lineær Algebra Første
Læs mereEKSAMEN Flerdimensional Analyse Sommer sider
EKSAMEN Flerdimensional Analyse Sommer 2008 5 sider Formaliteter Eksamen er en 24-timers eksamen, der udleveres mandag den 23/6-2008 klokken 0.00 og afleveres tirsdag den 24/6-2008 inden klokken 0.00.
Læs mere6.1 Reelle Indre Produkter
SEKTION 6.1 REELLE INDRE PRODUKTER 6.1 Reelle Indre Produkter Definition 6.1.1 Et indre produkt på et reelt vektorrum V er en funktion, : V V R således at, for alle x, y V, I x, x 0 med lighed x = 0, II
Læs mereOversigt [LA] 1, 2, 3, [S] 9.1-3
Oversigt [LA], 2, 3, [S] 9.-3 Nøgleord og begreber Koordinatvektorer, talpar, taltripler og n-tupler Linearkombination Underrum og Span Test linearkombination Lineær uafhængighed Standard vektorer Basis
Læs merehvor a og b er konstanter. Ved middelværdidannelse fås videre
Uge 3 Teoretisk Statistik. marts 004. Korrelation og uafhængighed, repetition. Eksempel fra sidste gang (uge ) 3. Middelværdivektor, kovarians- og korrelationsmatrix 4. Summer af stokastiske variable 5.Den
Læs mereLigningssystemer - nogle konklusioner efter miniprojektet
Ligningssystemer - nogle konklusioner efter miniprojektet Ligningssystemet Ax = 0 har mere end en løsning (uendelig mange) hvis og kun hvis nullity(a) 0 Løsningerne til et konsistent ligningssystem Ax
Læs mereAnvendt Lineær Algebra
Anvendt Lineær Algebra Kursusgang 4 Anita Abildgaard Sillasen Institut for Matematiske Fag AAS (I17) Anvendt Lineær Algebra 1 / 32 Vægtet mindste kvadraters metode For et lineært ligningssystem (af m ligninger
Læs mereLineær Algebra - Beviser
Lineær Algebra - Beviser Mads Friis 8 oktober 213 1 Lineære afbildninger Jeg vil i denne note forsøge at give et indblik i, hvor kraftfuldt et værktøj matrix-algebra kan være i analyse af lineære funktioner
Læs mereEksamen i Lineær Algebra
Eksamen i Lineær Algebra Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet & Det Sundhedsvidenskabelige Fakultet Tirsdag den 8 januar, Kl 9- Nærværende eksamenssæt består af 8 nummererede sider
Læs mereSylvesters kriterium. Nej, ikke mit kriterium. Sætning 9. Rasmus Sylvester Bryder
Sætning 9 Sylvesters kriterium Nej, ikke mit kriterium Rasmus Sylvester Bryder Inspireret af en statistikers manglende råd om hvornår en kvadratisk matrix er positivt definit uden at skulle ud i at bestemme
Læs mereHilbert rum. Chapter 3. 3.1 Indre produkt rum
Chapter 3 Hilbert rum 3.1 Indre produkt rum I det følgende skal vi gøre brug af komplekse såvel som reelle vektorrum. Idet L betegner enten R eller C minder vi om, at et vektorrum over L er en mængde E
Læs mereKursusgang 3 Matrixalgebra Repetition
Kursusgang 3 Repetition - froberg@mathaaudk http://peoplemathaaudk/ froberg/oecon3 Institut for Matematiske Fag Aalborg Universitet 12 september 2008 1/12 Lineære ligningssystemer Et lineært ligningssystem
Læs mereLidt alment om vektorrum et papir som grundlag for diskussion
Definition : vektorrum, vektorer Et vektorrum er en mængde af elementer med operationerne sum (+) og numerisk multiplikation (), så følgende regler gælder for alle a, b, c og for alle reelle tal s, t R.
Læs mereAffine rum. a 1 u 1 + a 2 u 2 + a 3 u 3 = a 1 u 1 + (1 a 1 )( u 2 + a 3. + a 3. u 3 ) 1 a 1. Da a 2
Affine rum I denne note behandles kun rum over R. Alt kan imidlertid gennemføres på samme måde over C eller ethvert andet legeme. Et underrum U R n er karakteriseret ved at det er en delmængde som er lukket
Læs mereEksamen i Lineær Algebra
To find the English version of the exam, please read from the other end Eksamen i Lineær Algebra Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet & Det Sundhedsvidenskabelige Fakultet 6. januar,
Læs mereDefinition. og lœngden, normen. og afstanden mellem vektorer a og b. Der gælder
Oversigt [LA] 11, 1, 13 Prikprodukt Nøgleord og begreber Ortogonalitet Ortogonalt komplement Tømrerprincippet Ortogonal projektion Pythagoras formel Kortest afstand August 00, opgave 6 Cauchy-Schwarz ulighed
Læs mereOversigt [LA] 1, 2, 3, [S] 9.1-3
Oversigt [LA] 1, 2, 3, [S] 9.1-3 Nøgleord og begreber Koordinatvektorer, talpar, taltripler og n-tupler Linearkombination Underrum og Span Test linearkombination Lineær uafhængighed Standard vektorer Basis
Læs mereEksamen i Lineær Algebra
Eksamen i Lineær Algebra Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet & Det Sundhedsvidenskabelige Fakultet Onsdag den. januar,. Kl. 9-3. Nærværende eksamenssæt består af 8 nummererede
Læs mereBesvarelser til Lineær Algebra Ordinær Eksamen Juni 2017
Besvarelser til Lineær Algebra Ordinær Eksamen - 12. Juni 2017 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan. Dette dokument har udelukkende
Læs mere(Prøve)eksamen i Lineær Algebra
(Prøve)eksamen i Lineær Algebra Maj 016 Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet & Det Sundhedsvidenskabelige Fakultet Nærværende eksamenssæt består af 10 nummererede sider med ialt
Læs mereFigur. To ligninger i to ubekendte. Definition Ved m lineære ligninger med n ubekendte forstås. Definition 6.4 Givet ligningssystemet
Oversigt [LA] 6, 7, 8 Nøgleord og begreber Lineære ligningssystemer smængdens struktur Test løsningsmængde Rækkereduktion Reduceret matrix Test ligningssystem Rækkeoperationsmatricer Rangformlen Enten-eller
Læs mereEksamen i Lineær Algebra. Første Studieår ved Det Tekniske Fakultet for IT og Design samt Det Ingeniør- og Naturvidenskabelige Fakultet
Eksamen i Lineær Algebra Første Studieår ved Det Tekniske Fakultet for IT og Design samt Det Ingeniør- og Naturvidenskabelige Fakultet 4. januar 9 kl. 9:-: Dette eksamenssæt består af 8 nummererede sider
Læs mere3.1 Baser og dimension
SEKTION 3 BASER OG DIMENSION 3 Baser og dimension Definition 3 Lad V være et F-vektorrum Hvis V = {0}, så har V dimension 0 2 Hvis V har en basis bestående af n vektorer, så har V dimension n 3 Hvis V
Læs mereLineær algebra: Spænd. Lineær (u)afhængighed
Lineær algebra: Spænd. Lineær (u)afhængighed Institut for Matematiske Fag Aalborg Universitet 2011 Linearkombinationer. Spænd Definition Givet et antal vektorer a 1,..., a p R n. En vektor v = c 1 a 1
Læs merestandard normalfordelingen på R 2.
Standard normalfordelingen på R 2 Lad f (x, y) = 1 x 2 +y 2 2π e 2. Vi har så f (x, y) = 1 2π e x2 2 1 2π e y2 2, og ved Tonelli f dm 2 = 1. Ved µ(a) = A f dm 2 defineres et sandsynlighedsmål på R 2 målet
Læs mereKvantitative Metoder 1 - Forår Dagens program
Dagens program Afsnit 6.1 Den standardiserede normalfordeling Normalfordelingen Beskrivelse af normalfordelinger: - Tæthed og fordelingsfunktion - Middelværdi, varians og fraktiler Lineære transformationer
Læs mereOversigt [LA] 11, 12, 13
Oversigt [LA] 11, 12, 13 Nøgleord og begreber Ortogonalitet Ortogonalt komplement Tømrerprincippet Ortogonal projektion Pythagoras formel Kortest afstand August 2002, opgave 6 Cauchy-Schwarz ulighed Calculus
Læs mere(Prøve)eksamen i Lineær Algebra
(Prøve)eksamen i Lineær Algebra Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet & Det Sundhedsvidenskabelige Fakultet Nærværende eksamenssæt bestaår af 9 nummererede sider med ialt 15 opgaver.
Læs mereDesignMat Uge 1 Repetition af forårets stof
DesignMat Uge 1 Repetition af forårets stof Preben Alsholm Efterår 008 01 Lineært ligningssystem Lineært ligningssystem Et lineært ligningssystem: a 11 x 1 + a 1 x + + a 1n x n = b 1 a 1 x 1 + a x + +
Læs mereAntag X 1, X 2,..., X n er n uafhængige stokastiske variable, hvor Var(X 1 )=σ 2 1,..., Var(X n )=σ 2 n.
Simple fejlforplantningslov Landmålingens fejlteori Lektion 6 Den generelle fejlforplantningslov Antag X, X,, X n er n uafhængige stokastiske variable, hvor Var(X )σ,, Var(X n )σ n Lad Y g(x, X,, X n ),
Læs mereEksamen i Lineær Algebra
Eksamen i Lineær Algebra Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet & Det Sundhedsvidenskabelige Fakultet Onsdag den 9. februar, 4. Kl. 9-3. Nærværende eksamenssæt består af 8 nummererede
Læs merez 1 = z 1z 1z 1 z 1 2 = z z2z 1 z 2 2
M å l e p u n k t R i e m a n n s k G e o m e t r i E 8 J a ko b L i n d b l a d B l a ava n d 2 5 3 6 7 5 27 oktober 28 I n s t i t u t fo r M at e m at i s k e Fag A a r h u s U n i v e r s i t e t indledning
Læs mere1 Vektorrum. MATEMATIK 3 LINEÆR ALGEBRA M. ANV. 4. oktober Miniprojekt: Lineær algebra på polynomier
MATEMATIK 3 LINEÆR ALGEBRA M. ANV. 4. oktober 2017 Miniprojekt: Lineær algebra på polynomier Grupperne forventes at regne de små opgaver i afsnittene 1 5 i løbet af de første 4 halve dage. Dernæst tilføjes
Læs mereModulpakke 3: Lineære Ligningssystemer
Chapter 4 Modulpakke 3: Lineære Ligningssystemer 4. Homogene systemer I teknikken møder man meget ofte modeller der leder til systemer af koblede differentialligninger. Et eksempel på et sådant system
Læs mereLineære normale modeller (4) udkast
E6 efterår 1999 Notat 21 Jørgen Larsen 2. december 1999 Lineære normale modeller (4) udkast 4.5 Regressionsanalyse 4.5.1 Præsentation 1 Regressionsanalyse handler om at undersøge hvordan én målt størrelse
Læs mereTo find the English version of the exam, please read from the other end! Eksamen i Lineær Algebra
To find the English version of the exam, please read from the other end! Se venligst bort fra den engelske version på modsatte side hvis du følger denne danske version af prøven. Eksamen i Lineær Algebra
Læs mereEgenværdier og egenvektorer
1 Egenværdier og egenvektorer 2 Definition Lad A være en n n matrix. En vektor v R n, v 0, kaldes en egenvektor for A, hvis der findes en skalar λ således Av = λv Skalaren λ kaldes en tilhørende egenværdi.
Læs mereBesvarelser til Lineær Algebra Reeksamen August 2016
Besvarelser til Lineær Algebra Reeksamen - 9. August 26 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan. Dette dokument har udelukkende
Læs mereModule 4: Ensidig variansanalyse
Module 4: Ensidig variansanalyse 4.1 Analyse af én stikprøve................. 1 4.1.1 Estimation.................... 3 4.1.2 Modelkontrol................... 4 4.1.3 Hypotesetest................... 6 4.2
Læs mereOversigt [LA] 6, 7, 8
Oversigt [LA] 6, 7, 8 Nøgleord og begreber Lineære ligningssystemer Løsningsmængdens struktur Test løsningsmængde Rækkereduktion Reduceret matrix Test ligningssystem Rækkeoperationsmatricer Rangformlen
Læs mereEt eksempel på en todimensional normalfordeling Anders Milhøj September 2006
Et eksempel på en todimensional normalfordeling Anders Milhøj September 006 I dette notat gennemgås et eksempel, der illustrerer den todimensionale normalfordelings egenskaber. Notatet lægger sig op af
Læs mereEksamen i Lineær Algebra
Eksamen i Lineær Algebra Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet & Det Sundhedsvidenskabelige Fakultet Tirsdag den 4 januar, 2 Kl 9-3 Nærværende eksamenssæt består af 8 nummererede
Læs mereMM502+4 forelæsningsslides
MM502+4 forelæsningsslides uge 7, 2009 Produceret af Hans J Munkholm, delvis på baggrund af lignende materiale udarbejdet af Mikael Rørdam 1 Definition kritisk punkt: funktion f(x, y) er et kritisk punkt
Læs mereElementær sandsynlighedsregning
Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Et sandsynlighedsmål er en
Læs mereBesvarelse af Eksamensopgaver Juni 2005 i Matematik H1
Besvarelse af Eksamensopgaver Juni 5 i Matematik H Opgave De fire vektorer stilles op i en matrix som reduceres: 4 4 4 8 4 4 (a) Der er ledende et-taller så dim U =. Som basis kan f.eks. bruges a a jfr.
Læs mereBesvarelser til Lineær Algebra Ordinær Eksamen - 5. Januar 2018
Besvarelser til Lineær Algebra Ordinær Eksamen - 5. Januar 08 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan. Dette dokument har udelukkende
Læs mereMatematik: Struktur og Form Spænd. Lineær (u)afhængighed
Matematik: Struktur og Form Spænd. Lineær (u)afhængighed Martin Raussen Department of Mathematical Sciences Aalborg University 2017 1 / 8 Linearkombinationer. Spænd Definition Givet et antal vektorer a1,...,
Læs mereReeksamen i Lineær Algebra
Reeksamen i Lineær Algebra Første Studieår ved Det Tekniske Fakultet for IT og Design samt Det Ingeniør- og Naturvidenskabelige Fakultet. februar 8 Dette eksamenssæt består af 9 nummererede sider med afkrydsningsopgaver.
Læs mereChapter 3. Modulpakke 3: Egenværdier. 3.1 Indledning
Chapter 3 Modulpakke 3: Egenværdier 3.1 Indledning En vektor v har som bekendt både størrelse og retning. Hvis man ganger vektoren fra højre på en kvadratisk matrix A bliver resultatet en ny vektor. Hvis
Læs mereKvantitative Metoder 1 - Efterår Dagens program
Dagens program Afsnit 6.1. Ligefordelinger, fra sidst Den standardiserede normalfordeling Normalfordelingen Beskrivelse af normalfordelinger: - Tæthed og fordelingsfunktion - Middelværdi, varians og fraktiler
Læs mereØkonometri Lektion 1 Simpel Lineær Regression 1/31
Økonometri Lektion 1 Simpel Lineær Regression 1/31 Simpel Lineær Regression Mål: Forklare variablen y vha. variablen x. Fx forklare Salg (y) vha. Reklamebudget (x). Statistisk model: Vi antager at sammenhængen
Læs mereØkonometri 1. Dagens program. Den multiple regressionsmodel 18. september 2006
Dagens program Økonometri Den multiple regressionsmodel 8. september 006 Opsamling af statistiske resultater om den simple lineære regressionsmodel (W kap..5). Den multiple lineære regressionsmodel (W
Læs mereOversigt [LA] 1, 2, 3, [S] 9.1-3
Oversigt [LA] 1, 2, 3, [S] 9.1-3 Nøgleord og begreber Talpar, taltripler og n-tupler Linearkombination og span Test linearkombination Hvad er en matrix Matrix multiplikation Test matrix multiplikation
Læs mereEgenværdier og egenvektorer
enote 9 enote 9 Egenværdier og egenvektorer Denne note indfører begreberne egenværdier og egenvektorer for lineære afbildninger i vilkårlige generelle vektorrum og går derefter i dybden med egenværdier
Læs mereMatematik for økonomer 3. semester
Matematik for økonomer 3. semester cand.oecon. studiet, 3. semester Planchesæt 2 - Forelæsning 3 Esben Høg Aalborg Universitet 10. september 2009 Institut for Matematiske Fag Aalborg Universitet Esben
Læs mere1.1. n u i v i, (u, v) = i=1
1.1 1. Hilbert rum 1.1. Hilbert rum og deres geometri. Definition 1.1. Et komplekst vektor rum V kaldes et indre produkt rum (eller præ-hilbert rum), når det er forsynet med en funktion (, ): V V C, som
Læs mereKursusgang 3 Matrixalgebra Repetition
Kursusgang 3 Repetition - froberg@math.aau.dk http://people.math.aau.dk/ froberg/oecon3 Institut for Matematiske Fag Aalborg Universitet 16. september 2008 1/19 Betingelser for nonsingularitet af en Matrix
Læs mereTo find the English version of the exam, please read from the other end! Eksamen i Lineær Algebra
To find the English version of the exam, please read from the other end! Se venligst bort fra den engelske tekst på bagsiden, hvis du følger den danske version af prøven. Eksamen i Lineær Algebra Første
Læs mereØkonometri: Lektion 2 Multipel Lineær Regression 1/27
Økonometri: Lektion 2 Multipel Lineær Regression 1/27 Multipel Lineær Regression Sidst så vi på simpel lineær regression, hvor y er forklaret af én variabel. Der er intet, der forhindre os i at have mere
Læs mereVektorrum. enote Generalisering af begrebet vektor
enote 7 1 enote 7 Vektorrum I denne enote opstilles en generel teori for mængder, for hvilke der er defineret addition og multiplikation med skalar, og som opfylder de samme regneregler som geometriske
Læs mereMatematik og Form: Matrixmultiplikation. Regulære og singu
Matematik og Form: Matrixmultiplikation. Regulære og singulære matricer Institut for Matematiske Fag Aalborg Universitet 2012 Matrixmultiplikation Definition Definition A = [a ij ], B = [b ij ]: AB = C
Læs mereElementær sandsynlighedsregning
Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Den hændelse, der ikke indeholder
Læs mereAnvendt Statistik Lektion 8. Multipel Lineær Regression
Anvendt Statistik Lektion 8 Multipel Lineær Regression 1 Simpel Lineær Regression (SLR) y Sammenhængen mellem den afhængige variabel (y) og den forklarende variabel (x) beskrives vha. en SLR: ligger ikke
Læs mereMatematik: Struktur og Form Matrixmultiplikation. Regulære og singulære matricer
Matematik: Struktur og Form Matrixmultiplikation. Regulære og singulære matricer Martin Raussen Department of Mathematical Sciences Aalborg University 2017 1 / 12 Matrixmultiplikation Am n = [aij ], Bn
Læs mereMotivation. Konfidensintervaller og vurdering af usikkerhed på estimerede størrelser
Motivation Konfidensintervaller og vurdering af usikkerhed på estimerede størrelser Rasmus Waagepetersen October 26, 2018 Eksempel: En landmåler får til opgave at måle længden λ fra A til B. Entreprenøren
Læs mereOversigt [LA] 3, 4, 5
Oversigt [LA] 3, 4, 5 Nøgleord og begreber Matrix multiplikation Identitetsmatricen Transponering Fra matrix til afbildning Fra afbildning til matrix Test matrix-afbildning Inverse matricer Test invers
Læs mereDesignMat Uge 2. Preben Alsholm. Efterår Lineære afbildninger. Preben Alsholm. Lineære afbildninger. Eksempel 2 på lineær.
er DesignMat Uge 2 er er lineær lineær lineær lineære er I smatrix lineære er II smatrix I smatrix II Efterår 2010 Lad V og W være vektorrum over samme skalarlegeme L (altså enten R eller C for begge).
Læs mereDESIGNMAT FORÅR 2012: UGESEDDEL Forberedelse Læs alle opgaverne fra tidligere ugesedler, og læg særlig mærke til dem du har spørgsmål til.
DESIGNMAT FORÅR 2012: UGESEDDEL 13 INSTITUT FOR MATEMATIK 1. Forberedelse Læs alle opgaverne fra tidligere ugesedler, og læg særlig mærke til dem du har spørgsmål til. 2. Aktiviteter mandag 13 17 2.1.
Læs mere4.1 Lineære Transformationer
SEKTION 41 LINEÆRE TRANSFORMATIONER 41 Lineære Transformationer Definition 411 ([L], s 175) Lad V, W være F-vektorrum En lineær transformation L : V W er en afbildning, som respekterer lineær struktur,
Læs mereKursusgang 3 Matrixalgebra fortsat
Kursusgang 3 fortsat - froberg@math.aau.dk http://people.math.aau.dk/ froberg/oecon3 Institut for Matematiske Fag Aalborg Universitet 12. september 2008 1/31 Nødvendige betingelser En nødvendig betingelse
Læs mere1 Vektorrum. MATEMATIK 3 LINEÆR ALGEBRA 6. oktober 2016 Miniprojekt: Lineær algebra på polynomier
MATEMATIK 3 LINEÆR ALGEBRA 6. oktober 2016 Miniprojekt: Lineær algebra på polynomier Grupperne forventes at regne en mængde af opgaver, som tilsammen dækker 100 point. De små opgaver giver hver 5 point,
Læs mere