Soumettre la recherche
Mettre en ligne
人生を豊かにする線形代数学
•
18 j'aime
•
7,605 vues
F
Fumiya Watanabe
Suivre
東工大ロボット技術研究会第二回rogyゼミで発表した内容です。 線形代数は学んで損はないのでぜひやりましょう。
Lire moins
Lire la suite
Technologie
Signaler
Partager
Signaler
Partager
1 sur 24
Télécharger maintenant
Télécharger pour lire hors ligne
Recommandé
流体シミュレータの製作
流体シミュレータの製作
Fumiya Watanabe
代数幾何memo_2020March30_1337
代数幾何memo_2020March30_1337
HanpenRobot
表現論 ゼミ資料
表現論 ゼミ資料
HanpenRobot
微分演算子と多項式の剰余環の関係 2016 october 12
微分演算子と多項式の剰余環の関係 2016 october 12
HanpenRobot
武井研ゼミ M1 第3回目
武井研ゼミ M1 第3回目
HanpenRobot
Noether環上の有限生成加群の有限表示
Noether環上の有限生成加群の有限表示
HanpenRobot
Fourier analysis on symmetric group
Fourier analysis on symmetric group
HanpenRobot
数列の和と収束
数列の和と収束
nabeshimamasataka
Recommandé
流体シミュレータの製作
流体シミュレータの製作
Fumiya Watanabe
代数幾何memo_2020March30_1337
代数幾何memo_2020March30_1337
HanpenRobot
表現論 ゼミ資料
表現論 ゼミ資料
HanpenRobot
微分演算子と多項式の剰余環の関係 2016 october 12
微分演算子と多項式の剰余環の関係 2016 october 12
HanpenRobot
武井研ゼミ M1 第3回目
武井研ゼミ M1 第3回目
HanpenRobot
Noether環上の有限生成加群の有限表示
Noether環上の有限生成加群の有限表示
HanpenRobot
Fourier analysis on symmetric group
Fourier analysis on symmetric group
HanpenRobot
数列の和と収束
数列の和と収束
nabeshimamasataka
数列の和と収束
数列の和と収束
政孝 鍋島
積分と漸化式
積分と漸化式
nabeshimamasataka
積分と漸化式
積分と漸化式
政孝 鍋島
【解説】 一般逆行列
【解説】 一般逆行列
Kenjiro Sugimoto
場の量子論
場の量子論
M M
ケーリーハミルトンの定理の証明
ケーリーハミルトンの定理の証明
HanpenRobot
Kenkashi math
Kenkashi math
Akira Fujii
シュレディンガー方程式の導出
シュレディンガー方程式の導出
M M
Wronskianと一次独立性
Wronskianと一次独立性
HanpenRobot
ラビットチャレンジレポート 応用数学
ラビットチャレンジレポート 応用数学
ssuserf4860b
ラビットチャレンジレポート 機械学習
ラビットチャレンジレポート 機械学習
ssuserf4860b
フィボナッチ数列の一般項
フィボナッチ数列の一般項
M M
階差数列の和?について 数学B 数列
階差数列の和?について 数学B 数列
saiaki
線形代数の視覚的理解のためのノート
線形代数の視覚的理解のためのノート
Kenji Hiranabe
Math in Machine Learning / PCA and SVD with Applications
Math in Machine Learning / PCA and SVD with Applications
Kenji Hiranabe
集合の上極限,下極限
集合の上極限,下極限
HanpenRobot
線形代数の視覚的理解 V1.1-Gストラング勉強会
線形代数の視覚的理解 V1.1-Gストラング勉強会
Kenji Hiranabe
単調減少な数列の級数問題
単調減少な数列の級数問題
政孝 鍋島
単調減少な数列の級数問題
単調減少な数列の級数問題
nabeshimamasataka
代数幾何 原稿(仮Ver)
代数幾何 原稿(仮Ver)
HanpenRobot
rogyゼミ第2回 ニックさん
rogyゼミ第2回 ニックさん
rogy01
照明制御とBluemixの可能性
照明制御とBluemixの可能性
Nippon P.I.
Contenu connexe
Tendances
数列の和と収束
数列の和と収束
政孝 鍋島
積分と漸化式
積分と漸化式
nabeshimamasataka
積分と漸化式
積分と漸化式
政孝 鍋島
【解説】 一般逆行列
【解説】 一般逆行列
Kenjiro Sugimoto
場の量子論
場の量子論
M M
ケーリーハミルトンの定理の証明
ケーリーハミルトンの定理の証明
HanpenRobot
Kenkashi math
Kenkashi math
Akira Fujii
シュレディンガー方程式の導出
シュレディンガー方程式の導出
M M
Wronskianと一次独立性
Wronskianと一次独立性
HanpenRobot
ラビットチャレンジレポート 応用数学
ラビットチャレンジレポート 応用数学
ssuserf4860b
ラビットチャレンジレポート 機械学習
ラビットチャレンジレポート 機械学習
ssuserf4860b
フィボナッチ数列の一般項
フィボナッチ数列の一般項
M M
階差数列の和?について 数学B 数列
階差数列の和?について 数学B 数列
saiaki
線形代数の視覚的理解のためのノート
線形代数の視覚的理解のためのノート
Kenji Hiranabe
Math in Machine Learning / PCA and SVD with Applications
Math in Machine Learning / PCA and SVD with Applications
Kenji Hiranabe
集合の上極限,下極限
集合の上極限,下極限
HanpenRobot
線形代数の視覚的理解 V1.1-Gストラング勉強会
線形代数の視覚的理解 V1.1-Gストラング勉強会
Kenji Hiranabe
単調減少な数列の級数問題
単調減少な数列の級数問題
政孝 鍋島
単調減少な数列の級数問題
単調減少な数列の級数問題
nabeshimamasataka
代数幾何 原稿(仮Ver)
代数幾何 原稿(仮Ver)
HanpenRobot
Tendances
(20)
数列の和と収束
数列の和と収束
積分と漸化式
積分と漸化式
積分と漸化式
積分と漸化式
【解説】 一般逆行列
【解説】 一般逆行列
場の量子論
場の量子論
ケーリーハミルトンの定理の証明
ケーリーハミルトンの定理の証明
Kenkashi math
Kenkashi math
シュレディンガー方程式の導出
シュレディンガー方程式の導出
Wronskianと一次独立性
Wronskianと一次独立性
ラビットチャレンジレポート 応用数学
ラビットチャレンジレポート 応用数学
ラビットチャレンジレポート 機械学習
ラビットチャレンジレポート 機械学習
フィボナッチ数列の一般項
フィボナッチ数列の一般項
階差数列の和?について 数学B 数列
階差数列の和?について 数学B 数列
線形代数の視覚的理解のためのノート
線形代数の視覚的理解のためのノート
Math in Machine Learning / PCA and SVD with Applications
Math in Machine Learning / PCA and SVD with Applications
集合の上極限,下極限
集合の上極限,下極限
線形代数の視覚的理解 V1.1-Gストラング勉強会
線形代数の視覚的理解 V1.1-Gストラング勉強会
単調減少な数列の級数問題
単調減少な数列の級数問題
単調減少な数列の級数問題
単調減少な数列の級数問題
代数幾何 原稿(仮Ver)
代数幾何 原稿(仮Ver)
En vedette
rogyゼミ第2回 ニックさん
rogyゼミ第2回 ニックさん
rogy01
照明制御とBluemixの可能性
照明制御とBluemixの可能性
Nippon P.I.
Android上で動く力学シミュレーター
Android上で動く力学シミュレーター
rogy01
Yahoo150522
Yahoo150522
kyutoku
チェビシェフの不等式
チェビシェフの不等式
hoxo_m
生命を記述する数学
生命を記述する数学
Takahiro (Poly) Horikawa
OpenCVを用いたロボコンにおける画像処理(2013年ロボコン交流会)
OpenCVを用いたロボコンにおける画像処理(2013年ロボコン交流会)
Yuma Yoshimoto
照明のプロトコルDALIを使ってIoTビジネスをする方法
照明のプロトコルDALIを使ってIoTビジネスをする方法
Nippon P.I.
シンギュラリティを知らずに機械学習を語るな
シンギュラリティを知らずに機械学習を語るな
hoxo_m
数理・物理から見た「少数性生物学」
数理・物理から見た「少数性生物学」
Hideaki Nishikawa
10分でわかる主成分分析(PCA)
10分でわかる主成分分析(PCA)
Takanori Ogata
5分でわかるベイズ確率
5分でわかるベイズ確率
hoxo_m
Discrete Equal-Simiar-Symbols To Enhance the Existing Equal Symbol
Discrete Equal-Simiar-Symbols To Enhance the Existing Equal Symbol
Toshiyuki Shimono
多変量解析の授業(駒場キャンパス)の演習で話すために作った資料
多変量解析の授業(駒場キャンパス)の演習で話すために作った資料
Toshiyuki Shimono
En vedette
(14)
rogyゼミ第2回 ニックさん
rogyゼミ第2回 ニックさん
照明制御とBluemixの可能性
照明制御とBluemixの可能性
Android上で動く力学シミュレーター
Android上で動く力学シミュレーター
Yahoo150522
Yahoo150522
チェビシェフの不等式
チェビシェフの不等式
生命を記述する数学
生命を記述する数学
OpenCVを用いたロボコンにおける画像処理(2013年ロボコン交流会)
OpenCVを用いたロボコンにおける画像処理(2013年ロボコン交流会)
照明のプロトコルDALIを使ってIoTビジネスをする方法
照明のプロトコルDALIを使ってIoTビジネスをする方法
シンギュラリティを知らずに機械学習を語るな
シンギュラリティを知らずに機械学習を語るな
数理・物理から見た「少数性生物学」
数理・物理から見た「少数性生物学」
10分でわかる主成分分析(PCA)
10分でわかる主成分分析(PCA)
5分でわかるベイズ確率
5分でわかるベイズ確率
Discrete Equal-Simiar-Symbols To Enhance the Existing Equal Symbol
Discrete Equal-Simiar-Symbols To Enhance the Existing Equal Symbol
多変量解析の授業(駒場キャンパス)の演習で話すために作った資料
多変量解析の授業(駒場キャンパス)の演習で話すために作った資料
Similaire à 人生を豊かにする線形代数学
データ解析3 最適化の復習
データ解析3 最適化の復習
Hirotaka Hachiya
データ解析11 因子分析の応用
データ解析11 因子分析の応用
Hirotaka Hachiya
Prml 最尤推定からベイズ曲線フィッティング
Prml 最尤推定からベイズ曲線フィッティング
takutori
双対性
双対性
Yoichi Iwata
データ解析6 重回帰分析
データ解析6 重回帰分析
Hirotaka Hachiya
20170408cvsaisentan6 2 4.3-4.5
20170408cvsaisentan6 2 4.3-4.5
Takuya Minagawa
一般線形モデル
一般線形モデル
MatsuiRyo
コンピュータビジョン最先端ガイド6 第2章:4~4.2節
コンピュータビジョン最先端ガイド6 第2章:4~4.2節
nonane
波動方程式
波動方程式
yu sa
強束縛模型における多体電子状態の第2量子化表現
強束縛模型における多体電子状態の第2量子化表現
Kazu Ghalamkari
Computing for Isogeny Kernel Problem by Groebner Basis
Computing for Isogeny Kernel Problem by Groebner Basis
Yasu Math
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
hirokazutanaka
prml_titech_9.0-9.2
prml_titech_9.0-9.2
Taikai Takeda
これならわかる最適化数学8章_動的計画法
これならわかる最適化数学8章_動的計画法
kenyanonaka
回帰
回帰
Shin Asakawa
Stanの紹介と応用事例(age heapingの統計モデル)
Stanの紹介と応用事例(age heapingの統計モデル)
. .
ベイズ推論による機械学習入門 第4章
ベイズ推論による機械学習入門 第4章
YosukeAkasaka
PRML読み会第一章
PRML読み会第一章
Takushi Miki
ディジタル信号処理の課題解説 その3
ディジタル信号処理の課題解説 その3
noname409
自然科学の統計学2.2 slideshare
自然科学の統計学2.2 slideshare
wada, kazumi
Similaire à 人生を豊かにする線形代数学
(20)
データ解析3 最適化の復習
データ解析3 最適化の復習
データ解析11 因子分析の応用
データ解析11 因子分析の応用
Prml 最尤推定からベイズ曲線フィッティング
Prml 最尤推定からベイズ曲線フィッティング
双対性
双対性
データ解析6 重回帰分析
データ解析6 重回帰分析
20170408cvsaisentan6 2 4.3-4.5
20170408cvsaisentan6 2 4.3-4.5
一般線形モデル
一般線形モデル
コンピュータビジョン最先端ガイド6 第2章:4~4.2節
コンピュータビジョン最先端ガイド6 第2章:4~4.2節
波動方程式
波動方程式
強束縛模型における多体電子状態の第2量子化表現
強束縛模型における多体電子状態の第2量子化表現
Computing for Isogeny Kernel Problem by Groebner Basis
Computing for Isogeny Kernel Problem by Groebner Basis
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
prml_titech_9.0-9.2
prml_titech_9.0-9.2
これならわかる最適化数学8章_動的計画法
これならわかる最適化数学8章_動的計画法
回帰
回帰
Stanの紹介と応用事例(age heapingの統計モデル)
Stanの紹介と応用事例(age heapingの統計モデル)
ベイズ推論による機械学習入門 第4章
ベイズ推論による機械学習入門 第4章
PRML読み会第一章
PRML読み会第一章
ディジタル信号処理の課題解説 その3
ディジタル信号処理の課題解説 その3
自然科学の統計学2.2 slideshare
自然科学の統計学2.2 slideshare
Dernier
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
atsushi061452
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
Toru Tamaki
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
Toru Tamaki
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
CRI Japan, Inc.
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
CRI Japan, Inc.
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Hiroshi Tomioka
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
Dernier
(11)
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
人生を豊かにする線形代数学
1.
@rejell55 (線形代数は人生を豊かにする)
2.
線形代数の応用分野 制御工学 機械工学 電気回路 CG・画像処理 数値計算 信号処理 量子力学 幾何学 etc…
3.
本日の内容一覧 線形代数学について 連立1次方程式の数値解法
連立1次方程式と流体シミュレーション 固有値・固有ベクトル 微分方程式と固有値 固有値と解の安定性
4.
線形代数学とは? もともとは, 連立1次方程式の解法に関する学問分野. この考えを拡張すると, 連立1次方程式を線形変換と捉えた, 線形な変換の理論とも言える. 𝑋 𝑦
= 𝑇𝑥 𝑌 𝑦 𝑥 𝑇: 𝑋 → 𝑌 𝑇: 𝑋 ∋ 𝑥 ⟼ 𝑇𝑥 ∈ 𝑌
5.
連立1次方程式 𝑦1 = 𝑎11
𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥 𝑛 𝑦2 = 𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥 𝑛 ⋮ 𝑦 𝑚 = 𝑎 𝑚1 𝑥1 + 𝑎 𝑚2 𝑥2 + ⋯ + 𝑎 𝑚𝑛 𝑥 𝑛 のような, 連立1次方程式を解きたい場面は あらゆる分野で登場する. 連立1次方程式の解について学ぼう!
6.
連立1次方程式 𝑦1 = 𝑎11
𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥 𝑛 𝑦2 = 𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥 𝑛 ⋮ 𝑦 𝑚 = 𝑎 𝑚1 𝑥1 + 𝑎 𝑚2 𝑥2 + ⋯ + 𝑎 𝑚𝑛 𝑥 𝑛 という問題を解きたい! 𝑦1 𝑦 = ⋮ は既知 𝑦𝑚 𝑥1 𝑥 = ⋮ は未知 𝑥𝑛 𝑦 = 𝐴𝑥と書き換えると, 係数行列𝐴に逆行列があれば, 𝑥 = 𝐴−1 𝑦が解! この連立方程式はどうやって解くべきか?
7.
連立1次方程式の解法 掃き出し法 クラメールの公式
LU分解 SOR法 共役勾配法 etc…
8.
連立1次方程式の解法(直接法) 掃き出し法 クラメールの公式
LU分解 𝐴 = 𝐿𝑈と分解する. 𝑦 = 𝐴𝑥 = 𝐿𝑈𝑥 𝑙11 𝑙21 𝑙22 𝐿= ⋮ ⋮ ⋱ 𝑙 𝑛1 𝑙 𝑛2 ⋯ 𝑙 𝑛𝑛 𝑢11 𝑈= 𝑢12 𝑢22 ⋯ ⋯ ⋱ 𝑢1𝑛 𝑢2𝑛 ⋮ 𝑢 𝑛𝑛
9.
LU分解の続き 𝑈𝑥 = 𝑏とおくと,
𝑦 = 𝐿𝑈𝑥 = 𝐿𝑏という 新しい連立方程式に変形できる. 𝑦1 𝑙11 𝑦2 𝑙 = 21 ⋮ ⋮ 𝑦𝑛 𝑙 𝑛1 𝑙22 ⋮ 𝑙 𝑛2 ⋱ ⋯ 𝑙 𝑛𝑛 𝑏1 𝑏2 ⋮ 𝑏𝑛 上から順番に計算すれば簡単に𝑏が求まる! 同様に𝑈𝑥 = 𝑏を求めてやればよい(こちらは下から順番に). 𝑢11 𝑏1 𝑏2 = ⋮ 𝑏𝑛 𝑢12 𝑢22 ⋯ ⋯ ⋱ 𝑢1𝑛 𝑢2𝑛 ⋮ 𝑢 𝑛𝑛 𝑥1 𝑥2 ⋮ 𝑥𝑛
10.
微分方程式の数値解法 𝑑𝑦 𝑑𝑥 = 𝑓(𝑥)という微分方程式を数値的に解くには? 差分化 𝑑𝑦 𝑑𝑥 𝑦 𝑥+Δ𝑥
−𝑦(𝑥) より, Δ𝑥 Δ𝑥→0 = lim 𝑓 𝑥 ≈ 𝑦 𝑥+Δ𝑥 −𝑦(𝑥) と考えれば, Δ𝑥 𝑦 𝑥 = 𝑦 𝑥 + Δ𝑥 − 𝑓 𝑥 Δ𝑥で近似的に計算できる. 前進差分 𝑦 𝑥 + Δ𝑥 − 𝑦(𝑥) 𝑦 𝑖+1 − 𝑦 𝑖 = Δ𝑥 Δ𝑥 後退差分 𝑦 𝑥 − 𝑦(𝑥 − Δ𝑥) 𝑦 𝑖 − 𝑦 𝑖−1 = Δ𝑥 Δ𝑥 前進差分と後退差分の平均→中心差分 𝑦 𝑥 + Δ𝑥 − 𝑦(𝑥 − Δ𝑥) 𝑦 𝑖+1 − 𝑦 𝑖−1 = 2Δ𝑥 2Δ𝑥
11.
非圧縮性流れのシミュレーションについて 2次元非圧縮性流体におけるNavier – Stokes方程式 及び連続の式 𝜕𝑢 𝜕𝑣 + =0 𝜕𝑥 𝜕𝑦 𝜕𝑢 𝜕𝑢 𝜕𝑢 𝜕𝑝 1 +
𝑢 + 𝑣 =− + 𝜕𝑡 𝜕𝑥 𝜕𝑦 𝜕𝑥 𝑅𝑒 𝜕𝑣 𝜕𝑣 𝜕𝑣 𝜕𝑝 1 + 𝑢 + 𝑣 =− + 𝜕𝑡 𝜕𝑥 𝜕𝑦 𝜕𝑦 𝑅𝑒 𝜕2 𝑢 + 𝜕𝑥 2 𝜕2 𝑣 + 𝜕𝑥 2 𝜕2 𝑢 𝜕𝑦 2 𝜕2 𝑣 𝜕𝑦 2 SMAC法によって解く 1. 𝑢, 𝑣の暫定値𝑢∗ , 𝑣 ∗を求める(Burgers方程式) 2. 暫定値𝑢∗ , 𝑣 ∗ を用いて圧力の修正量𝛿𝑝を求める(Poisson方程式) 3. 𝛿𝑝を現ステップの圧力値に足して次ステップの圧力値とする 4.暫定値𝑢∗ , 𝑣 ∗ を, 𝛿𝑝を用いて修正する
12.
ポアソン方程式の数値解法 ポアソン方程式 𝜕2 𝜕2 2 𝑝(𝑥, 𝑦)
+ 𝜕𝑦 2 𝑝(𝑥, 𝑦) = 𝑠(𝑥, 𝑦) 𝜕𝑥 1,1 1,2 2,1 2,2 … … m,1 m,2 ⋮ ⋮ i,j ⋮ 1,n 2,n … m,n 差分化(中心差分) 𝑝 𝑖−1,𝑗 − 2𝑝 𝑖,𝑗 + 𝑝 𝑖+1,𝑗 𝑝 𝑖,𝑗−1 − 2𝑝 𝑖,𝑗 + 𝑝 𝑖,𝑗+1 + = 𝑠 𝑖,𝑗 2 2 Δ𝑥 Δ𝑦 ∆𝑥 = ∆𝑦 = ℎとすると, (𝑝 𝑖−1,𝑗 − 2𝑝 𝑖,𝑗 + 𝑝 𝑖+1,𝑗 ) + (𝑝 𝑖,𝑗−1 − 2𝑝 𝑖,𝑗 + 𝑝 𝑖,𝑗+1 ) = ℎ2 𝑠 𝑖,𝑗
13.
ポアソン方程式の数値解法 (𝑝 𝑖−1,𝑗 −
2𝑝 𝑖,𝑗 + 𝑝 𝑖+1,𝑗 ) + (𝑝 𝑖,𝑗−1 − 2𝑝 𝑖,𝑗 + 𝑝 𝑖,𝑗+1 ) = ℎ2 𝑠 𝑖,𝑗 簡単のため, 4×4の領域で考える 1,1 2,1 3,1 4,1 1,2 2,2 3,2 4,2 1,3 2,3 3,3 4,3 1,4 2,4 3,4 4,4 𝑇 𝑇 𝑝 𝑖,1 = 𝑝1,1 𝑝2,1 𝑝3,1 𝑝4,1 とし, 𝑝 = 𝑝 𝑖,1 𝑝 𝑖,2 𝑝 𝑖,3 𝑝 𝑖,4 とおく. 𝑠 𝑖,1 = 𝑇 2 𝑠1,1 𝑠2,1 𝑠3,1 𝑠4,1 とし, ℎ 𝑠 = ℎ 2 𝑇 𝑠 𝑖,1 𝑠 𝑖,2 𝑠 𝑖,3 𝑠 𝑖,4 とおく.
14.
ポアソン方程式の数値解法 𝑝 𝑖−1,𝑗 +
𝑝 𝑖+1,𝑗 + 𝑝 𝑖,𝑗−1 + 𝑝 𝑖,𝑗+1 − 4𝑝 𝑖,𝑗 = ℎ2 𝑠 𝑖,𝑗 𝑝 = 𝑝 𝑖,1 𝑝 𝑖,2 𝑝 𝑖,3 𝑝 𝑖,4 𝑇 ℎ2 𝑠= ℎ2 𝑠 𝑖,1 𝑠 𝑖,2 𝑠 𝑖,3 𝑠 𝑖,4 𝑇 𝐴𝑝 = ℎ2 𝑠の形とすると, 連立1次方程式となる. 1 1 1 1 1 1 1 1 −4 1 1 −4 𝐴= 1 1 1 1 1 1 1 1 −4 1 1 −4 1 1 1 1 1 1 1 1
15.
流体シミュレーションの結果 流入境界 約35[s]後の渦度プロット 流出境界
16.
固有値と固有ベクトル 𝐴𝑥 = 𝜆𝑥を満たすような定数𝜆を固有値, ベクトル𝑥を固有ベクトルと呼ぶ. 行列𝐴を用いて表される変換を施しても, 方向が変わらないベクトルが固有ベクトル.
17.
対角化 行列𝐴を, 𝑃−1 𝐴𝑃
= diag(𝜆1 , 𝜆2 , … , 𝜆 𝑛 )のようにして 対角行列へ変換できるとき, 行列𝐴は対角化可能である. 𝑃 = [ 𝑝1 𝑝2 ⋯ 𝑝 𝑛 ]とすると, 𝐴𝑃 = 𝐴𝑝1 𝐴𝑝2 ⋯ 𝐴𝑝 𝑛 , 𝑃 × diag 𝜆1 , 𝜆2 , … , 𝜆 𝑛 = 𝜆1 𝑝1 𝜆2 𝑝2 ⋯ 𝜆 𝑛 𝑝 𝑛 となる. 𝐴𝑝1 𝐴𝑝2 ⋯ 𝐴𝑝 𝑛 = 𝜆1 𝑝1 𝜆2 𝑝2 ⋯ 𝜆 𝑛 𝑝 𝑛 であることから, 𝑝 𝑖 は固有ベクトル, 𝜆 𝑖 は固有値であるといえる. 固有値・固有ベクトルを用いて, 行列を対角化できる. (固有値が重複しているとダメ)
18.
微分方程式と固有値 まずは普通の微分方程式 𝑑𝑥 = 𝑎𝑥 𝑑𝑡 を考える. 解は𝑥(𝑡) =
𝑒 𝑎𝑡 𝑥(0)となる.
19.
微分方程式と固有値 連立微分方程式 𝑥1 𝑎11 𝑑 𝑥2 = 𝑑𝑡 ⋮ 𝑥𝑛 𝑎22 解は 𝑥1 𝑒
𝑎11 𝑡 𝑥2 ⋮ = 𝑥𝑛 𝑒 𝑎22 𝑡 ⋱ ⋱ 𝑎 𝑛𝑛 𝑥1 𝑥1 𝑥2 𝑥2 ⋮ = 𝐴 ⋮ 𝑥𝑛 𝑥𝑛 𝑥(0) = 𝑒 𝑒 𝑎 𝑛𝑛 𝑡 𝐴𝑡 𝑥(0)
20.
微分方程式と固有値 連立微分方程式 𝑥1 𝑥1 𝑥2 𝑑 𝑥2 = 𝐴
⋮ を解くには? 𝑑𝑡 ⋮ 𝑥𝑛 𝑥𝑛 座標変換𝑥 = 𝑇𝑧を行う. (𝑇は固有ベクトルを並べた行列) 𝑑 𝑇𝑧 = 𝐴𝑥 = 𝐴𝑇𝑧 𝑑𝑡 𝑑 つまり, 𝑑𝑡 𝑧 = 𝑇 −1 𝐴𝑇𝑧 = diag 𝜆1 , 𝜆2 , … , 𝜆 𝑛 𝑧となる. −1 この解は𝑧 = 𝑒 𝑇 𝐴𝑇𝑡 𝑧(0)である. −1 𝑇 −1 𝑥 = 𝑒 𝑇 𝐴𝑇𝑡 𝑇 −1 𝑥(0)なので, 𝑇 −1 𝐴𝑇𝑡 −1 𝑥 = 𝑇𝑒 𝑇 𝑥(0) である.
21.
固有値と応答 𝑥(𝑡) = 𝑒
𝑎𝑡 𝑥(0)の特性について考えよう. (𝑎は複素数) 𝑎 = 𝛼 + 𝑗𝛽とする. 𝑥 𝑡 = 𝑒 𝛼𝑡 𝑒 𝑗𝛽𝑡 𝑥 0 = 𝑥(0)𝑒 𝛼𝑡 (cos 𝛽𝑡 + 𝑗 sin 𝛽𝑡) 実部のみを考えて 𝑥 𝑡 = 𝑥(0)𝑒 𝛼𝑡 cos 𝛽𝑡 𝑎の実部は収束・発散性, 虚部は振動性に影響する.
22.
固有値とモード 座標変換𝑥 = 𝑇𝑧を利用してみよう. 𝒙
𝑡 = 𝑒 𝐴𝑡 𝑒 𝜆1 𝒙 0 = 𝑇 0 ⋮ 0 = 𝒗1 = 𝒗1 𝑒 𝜆1 0 𝑒 𝜆2 ⋮ 0 0 0 ⋱ ⋯ 0 0 𝑇 −1 𝒙 0 ⋮ 𝑒 𝜆𝑛 𝑒 𝜆1 0 0 0 𝑒 𝜆2 0 0 𝒛 0 𝒗2 ⋯ 𝒗 𝑛 0 ⋮ ⋮ ⋱ ⋮ 0 0 ⋯ 𝑒 𝜆𝑛 𝑧1 0 + 𝒗2 𝑒 𝜆2 𝑧2 0 + ⋯ + 𝒗 𝑛 𝑒 𝜆 𝑛 𝑧 𝑛 0 それぞれの固有値ごとの特性を調べれば, 運動の様子が想像できる! →モード展開
23.
まとめ 線形代数は連立1次方程式だけでなく, 線形な変換の理論でもある. 対象を考えるとき, 新たな視点で見ることで 新たな発見が得られるかもしれない! 何か物事を考えるときに, 線形代数はきっと 非常に便利なツールとして使えるはず! 線形代数はあなたを 裏切らない!
24.
線形代数とともに あらんことを…
Télécharger maintenant