سایت ریاضیات ایران، بزرگترین سایت ریاضی کشور
  • Blog
  • Help
    • About your home page
    • Workflows
  • Sample Layouts
    • Blog
    • Category List
    • Articles
      • Millions
      • Love
      • Joomla
  • Typography
  • سبد خرید
  • استاد برزور
Tehran,Iran
09190248160
info@irmath.com
سایت ریاضیات ایران، بزرگترین سایت ریاضی کشور
  • خانه
  • ورود
  • Categories listing
  • Products listing
  • دبیرستان
  • دبستان
  • سبد خرید
  • ثبت نام
  • دانشگاهی

خانه

Written by Alireza Jalili Rahmati on 01 اسفند 1397. Posted in فضاهای ضرب داخلی.

ضرب داخلی

ضرب داخلی: فرض کنید که $V$ یک فضای برداری بر روی میدان $F$ باشد. یک ضرب داخلی روی فضای برداری $V$  تابعی به شکل زیر می‌باشد:

$<. , .> : V \times V \rightarrow F$

که در آن هر زوج مرتب $(u,v)$ در $ V \times V$ را به اسکالری در میدان $F$ می‌نگارد و همچنین در ویژگی‌های زیر صدق می‌کند:

۱. به ازای هر $ v \in V$ بگیریم، داریم:

 $ <v,v>   \geq 0 $

۲. اگر $v \in V$ باشد، در اینصورت $<v,v>=0$ اگر و تنها اگر $v=0$ باشد.

۳. برای هر $u,v,w \in V$ می‌گیریم، داریم:

$ <u+v,w> = <u,w> + <v,w>$

۴. برای هر $u,v \in V$ و هر $\alpha \in F$ می‌گیریم، داریم:

$< \alpha u , v> = \alpha <u,v>$

۵. برای هر $u,v \in V$ می‌گیریم، داریم:

 $<u , v> = \overline{<u , v>}$


مثال ۱. فرض کنید $V = \mathbb{R}^n$ باشد. ثابت کنید تابع زیر یک ضرب داخلی بر روی فضای برداری $ \mathbb{R}$ باشد:

$<. , .> : \mathbb{R}^n \times \mathbb{R}^n \longrightarrow \mathbb{R}$

$<(w_1 , ... , w_n) , (v_1 , ... , v_n)> = w_1 \overline{v_1} +... + w_n \overline{v_n}$

برای بررسی ضرب داخلی بودن تابع بالا، کافی است ۴ شرط ضرب داخلی را برای آن بررسی کنیم. لذا داریم:

۱. برای هر $ v \in V$ می‌گیریم، داریم:

$<(w_1 , ... , w_n) , (w_1 , w_2 , ... , w_n)> = \sum_{i = 1}^n w_i \overline{w_i} = \sum_{i=1}^n w_i^2 $

که مجموع اعداد مثبت، عددی مثبت است.

۲. برای هر $ u,v,w \in V$ می‌گیریم، داریم:

$<(u+v , w)> = <(u_1 + v_1 , ... , u_n + v_n) , (w_1 , ... , w_n)> = (u_1 +v_1) \overline{w_1} + ... + (u_n + v_n) \overline{w_n} = (u_1 \overline{w_1} + ... + u_n \overline{w_n}) + (v_1 \overline{w_1} + ... + v_n \overline{w_n}) = <u , w> + <v , w> $

۳. برای هر $u,v \in V$ و $ \lambda \in F$ می‌گیریم، داریم:

$<\lambda v , w> = \lambda u_1 \overline{w_1} + ... + \lambda u_n \overline{w_n} = \lambda (u_1 \overline{w_1} + ... + u_n \overline{w_n}) = \lambda <v , w>$

۴ .برای هر $u,v \in V $ می‌گیریم، داریم:

$<u , v> = u_1 \overline{v_1} + ... + u_n \overline{v_n} = \overline{\overline{u_1} v_1} + ... + \overline{\overline{u_n} v_n} = \overline{\overline{u_1} v_1 + ... \overline{u_n} v_n} = \overline{<u , v>}$


تمرین ۱. فرض کنید که $c_1 , ... c_n$ اعداد مثبت باشند. ثابت کنید که  تابع زیر یک ضرب داخلی بر روی  فضای برداری $F^n$ می‌باشد.

$<. , .> = F^n \times F^n \longrightarrow F$

$<(w_1 , ... , w_n) , (z_1 , ... , z_n)> = C_1w_1 \overline{z_1} + ... + c_n w_n \overline{z_n}$


تمرین ۲. فرض کنید که $V$ فضای برداری تمام توابع پیوسته حقیقی مقدار بر روی بازه $[1 , 1-]$ باشد. ثابت کنید تابع زیر یک ضرب داخلی بر روی  فضای برداری $V$ می‌باشد.

$<. , .>: V \times V \longrightarrow \mathbb{R}$

$<f,g> = \int_{-1}^{1} f(x)g(x) dx$

  • بازدید: 4091

Written by مدیریت سایت ریاضیات ایران on 02 اسفند 1397. Posted in فضاهای ضرب داخلی.

فضای ضرب داخلی

تعریف فضای ضرب داخلی: فرض کنید که $V$ یک فضای برداری بر روی میدان $F$ باشد. تابع زیر را بر روی این فضای برداری تعریف می‌کنیم:

$<. , .> : V \times V \rightarrow F$

که در شرایط زیر صدق می‌کند:

۱. به ازای هر $ v \in V$ می‌گیریم:

 $<v , v> \geq 0$

۲. اگر $ v,u\in V$ باشد و هرگاه اسکالر $a \in F$ می‌گیریم، داریم:

$<au , v> = a<u , v>$

۳. برای هر $u,v,w \in V$ می‌گیریم، داریم:

$ <u+v , w> = <u , w> + <v , w>$

۴. برای هر $u \in V$ می‌گیریم داریم، اگر $<u,u> = 0$ است و اگر تنها اگر $ u=0$ باشد.

در اینصورت این فضای برداری همراه با شریط بالا یک فضای ضرب داخلی است. 


مثال ۱. فرض کنید $V$  فضای برداری تمام توابع پیوسته حقیقی بر روی بازه $[-1,1]$ باشد. ثابت کنید که این فضای برداری همراه با تابع زیر یک فضای ضرب داخلی است.

$<. , .> = v \times v \Longrightarrow \mathbb{R}$

$<f , g> =\int_{-1}^{1} f(x)g(x)dx $

برای اثبات این موضوع که این فضا یک فضای ضرب داخلی است، باید ثابت کنیم که تابع مورد نظر یک ضرب داخلی است. لذا داریم:

۱. برای هر $ f(x) \in V $ می‌گیریم، داریم:

$<f(x) , f(x)> = \int_{-1}^{1} f(x)f(x)dx = \int_{-1}^{1} f(x)^2 dx $

که این مقدار انتگرال همواره بزرگتر مساوی صفر خواهد بود.

۲ .برای هر $f(x),g(x),h(x) \in V$ می‌گیریم، داریم:

$<f(x) + g(x) , h(x)>=\int_{-1}^{1} (f(x)+g(x))h(x)dx = \int_{-1}^{1} (f(x)h(x) + g(x) h(x)) dx = \int_{-1}^{1} f(x) h(x) dx + \int_{-1}^{1} g(x)h(x),d(x) = <f(x) , h(x)> + <g(x) , h(x)> $

۳ .برای هر $f(x),g(x) \in V$ و $\lambda \in \mathbb{R}$ بگیریم، داریم:

$<\lambda f(x),g(x)> = \int_{-1}^{1} \lambda f(x) g(x) dx = \lambda \int_{-1}^{1} f(x) g(x) dx = \lambda <f(x) , g(x)>$

۴ .برای هر $f(x),g(x)(n) \in V$ می‌گیریم، داریم:

$<f(x),g(x)> = \int_{-1}^{1} f(x) g(x) dx = <g(x) , f(x)>$

چون این توابع حقیقی مقدار هستند، همواره رابطه بالا برقرار خواهد بود.


ویژگی فضای ضرب داخلی: ویژگی‌های اساسی که بر روی فضای ضرب داخلی برقرارند عبارتند از:

فرض کنید که $u \in V$ باشد و $\lambda \in F$ یک اسکالر باشد. لذا داریم:

۱. برای هر $ u \in V$ داریم:

$<0 , u> = 0$

۲. برای هر $ u \in V$ می‌گیریم، داریم:

 $ <u , 0> =0$

۳. برای هر $ u,v,w \in V$ می‌گیریم، داریم:

 $ <u , v+w> = <u , v> + <u , w>$

۴. برای هر $ u,v \in V$ و $ \lambda \in F$ می‌گیریم، داریم:

 $<u , \lambda w> = \overline{\lambda}<u , w> $


تمرین ۱. ویژگی‌های ۱ تا ۴ را بر روی فضای ضرب داخلی ثابت کنید.

  • بازدید: 8704

Written by مدیریت سایت ریاضیات ایران on 22 آذر 1400. Posted in رگرسیون.

معرفی روش رگرسیون به روش ماتریسی همراه مثالی عددی با برنامه حل در متمتیکا (Mathematica)

معرفی روش رگرسیون به  روش ماتریسی همراه مثالی عددی با برنامه حل در متمتیکا (Mathematica)

 فایل pdf توضیحات و فایل‌ برنامه Mathematica

فرم ماتریسی رگرسیون

به همراه برنامه حل در نرم افزار Mathematica

مناسب برای دانشجویان کارشناسی و کارشناسی ارشد
تعداد صفحات: ۱۰ صفحه

تعداد فایل‌ها: ۲ سوال

توضیحات:

در روش رگرسیون به دنبال پیش‌بینی متغیر وابسته  از متغیرهای پیش‌بینی کننده هستیم. یعنی در واقع تعداد n نقطه ورودی به‌صورت زیر داریم

$ (x_1,y_1), \cdots ,(x_n,y_n)   $

و هدف برازش مدل زیر است:

$ Y = \beta_0 + \beta_1 X + \xi $

که در آن $ \xi $ دارای میانگین $ E[ \xi | X=x] = 0 $ و $ Var [ \xi | X = x] = \sigma^2 $   و $ \xi $ به صورت ناهمبسنه با $ Y $ و با خود و دارای توزیع نرمال است.

تعریف ماتریس‌های پایه:

۱) ماتریس پاسخ یا ماتریس مقادیر متغیر وابسته با بعد $ n \times 1 $:

$ Y = \begin{bmatrix} y_1 \\ y_2 \\ \vdots \\ y_n \end{bmatrix} $

۲) ماتریس ضرایب با بعد $ 2 \times 1 $ (ردیف‌های ماتریس ضرایب برحسب تعداد متغیرهای مستقل تغییر می‌کند.):

$ \beta = \begin{bmatrix} \beta_0 \\ \beta_1 \end{bmatrix} $

۳) ماتریس مقادیر متغیرهای مستقل با بعد $ n \times 2 $ :

$ X = \begin{bmatrix} 1 & x_1 \\ 1 & x_2  \\ \vdots & \vdots \\ 1 & x_n \end{bmatrix} $

بنابراین حاصلضرب ماتریس‌ متغیرهای مستقل در ماتریس ضرایب به صورت زیر است:

$ X \beta = \begin{bmatrix} \beta_0 + \beta_1 x_1 \\ \beta_0 + \beta_1 x_2  \\ \vdots \\ \beta_0 + \beta_1 x_n \end{bmatrix} $

که یک ماتریس با بعد $ n \times 1 $ است.

ادامه مطلب را در فایل خوانید...

این مجموعه شامل فایل pdf توضیحات (تایپ شده) و فایل مثال حل شده در نرم‌افراز متمتیکا (Mathematica) می‌باشد که در یک فایل فشرده تقدیم شما می‌گردد.

خرید اینترنتی فایل فشرده شامل فایل pdf توضیحات و فایل‌ برنامه Mathematica برای مثال حل شده

جزوه, جزوه های آمار و احتمال دانشگاهی, رگرسیون, regression, mathematica

  • بازدید: 3621

Written by Joomla on 16 تیر 1404. Posted in Joomla.

Love

We love Joomla to the moon and back!

Thank you to all volunteers who have contributed!

ادامه مطلب …
  • بازدید: 21
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26

صفحه22 از107

© 2026 © 2026 سایت ریاضیات ایران