PowerPoint 프레젠테이션 - Metal Forming CAE Lab.
Download
Report
Transcript PowerPoint 프레젠테이션 - Metal Forming CAE Lab.
벡터의 정의
Metal Forming CAE Lab.
Department of Mechanical Engineering
Gyeongsang National University, Korea
Metal Forming CAE Lab., Gyeongsang National University
벡터의 정의
벡터량과 벡터: 물리량(physical quantity)으로서 크기와 방향성을 갖는 양(quantity)을
벡터량(vector quantity)이라고 하고, 이를 수학적으로 표현한 것을 벡터(vector)라고 함
스칼라량과 실수(또는 수): 크기만 있고 방향성이 없는 물리량을 스칼라량(scalar
quantity)이라고 하고, 스칼라량은 실수(real number)로 표현됨
벡터의 표현
벡터 자체:
벡터 크기:
벡터량의 예: 힘, 변위,
a, x, a, x, AB
a, a, a
벡터의 구성 요소
속도, 가속도, 열유동,
z
운동량, 모멘트 등
a
스칼라량의 예: 일,
B
AB
일률, 온도, 질량 등
A
필수적 요소(수학적 요구조건)
크기(Magnitude) : 점 A와 B 사이의 거리
y
방향(Direction ) : 점 A에서 점 B로 향하는 화살표의 방향
선택적 요소
x
작용점(Point of action) : B
작용선(Line of action) : 점 A와 B를 지나는 직선
<벡터의 정의와 기하학적 표현>
벡터의 종류
미끄럼벡터(sliding vector): 필수적 요소 + 작용선
한정벡터(bound vector): 필수적 요소 + 작용점
자유벡터(free vector): 필수적 요소(크기와 방향)
elasticity
statics
rigid-body translation
F
RB
u
P
u
RA
P
Unknowns : RA, RB
(a) sliding vector
Unknowns : deformation, etc.
(b) bound vector
<벡터의 종류>
Unknowns : displacement, etc.
(c) free vector
벡터의 표현
수학적 표현: 성분으로 표시하기
y , y1
a y , a2
2차원 평면
행벡터:
a ax , a y
열벡터:
ax
a
a y
또는
ax a y
2
cos 1
ax a y
T
ax , a y
a
(a) 2차원
0
2
ax
a
x, x1
a x , a1
기계공학에서 아무 언급
3차원 공간
행벡터:
a
a ax , a y , az
ax
T
a
a
a
,
a
,
a
열벡터:
y x y z
az
성분으로 표시하면, 크기와 방향, 즉 벡터의
필수적 요건(수학적 요건)을 표현할 수 있음
a
z , x3
없으면 열벡터를 의미함
az , a3
(b) 3차원
3
1
ax , a1
0
ax a y az
2
2
i cos 1
ai
a
a
2
a y , a2
y, x2
x, x1
<직각좌표계에서 벡터의 성분>
2
벡터 관련 용어 정리
벡터 a의 크기(magnitude) : a
ax 2 a y 2 az 2
벡터의 방향(direction) : i cos 1
또는
a12 a2 2 a32
ai
(i 1, 2, 3)
a
방향여현(directional cosine) : cos1 , cos 2 , cos 3
T
단위벡터 : 크기가 1인 벡터
u 1 또는 u
a
a
z, x3
( a 0)
k , e3
단위기초벡터(unit basis vector) :
i i = 1, 0, 0 e1
T
j j = 0, 1, 0 e 2
T
k k = 0, 0, 1 e 3
y , x2
i , e1
j , e2
x, x1
T
<좌표계와 단위기초벡터>
벡터의 연산
2a
벡터의 덧셈
a b [ a1 b1 , a2 b2 , a3 b3 ]T
b
b
벡터와 스칼라의 곱셈
평행사변형 법칙
b
벡터의 덧셈과 벡터-스칼라의 곱셈의 성질
abba
(a b ) c a (b c)
0+a=a
( 0 = 0 0 0 )
a + ( - a)= 0
( a + b ) = a + b
( + ) a = a + a
( a )=( ) a
1a = a
a
a
a [ a1 , a2 , a3 ]T
a b
b
a
T
a b
<벡터의 덧셈, 벡터와 스칼라의 곱셈>
벡터 a 의 크기, 놂(norm) : a
1
2
a ( a a )
a a
a b a b
a +b a b
단위기초벡터를 활용한 벡터의 수학적 표현
벡터와 스칼라곱, 벡터의 덧셈으로부터
T
a = ax , a y , az = ax i a y j az k
z
벡터의 연산(덧셈, 뺄셈, 내적, 벡터적, 백터와 스칼라
의
az
az k
곱셈 등) 시, 단위기초벡터로 표현하는것이 원칙
a
ax i
a = ax , a y , az
b = bx , by , bz
T
T
a + b = (ax bx ) i (a y by ) j (az bz ) k
ax
x
ay j
k
i
ay
o j
ax i + a y j
y
벡터의 연산
벡터의 내적 (inner product, dot product, scalar product)
b1
a b = ai bi a1 b1 a2 b2 a3 b3 a T b = a1 , a2 , a3 b2
i 1
b
3
3
b
내적의 기하학적 의미
a b a b cos
a b 0 이면 두 벡터는 직교함
a
내적의 성질
ab ba
a (b c ) a b a c
( a ) b ( a b )
aa0
a a 0 implies a = 0
<벡터의 내적>
기타
i j = j k = k i = 0
i i = j j = k k = 1
예제
a 와 b 가 아래와 같을 때 b 를 a 위로 정사영 내린 후 교점과 b의 끝을 연결
하는 x 를 구하라 .
a 12i 3 j 4k
x
b
b 2i 3 j 5k
a
☞ u a는 a의 단위벡터
12i 3 j 4k 12
3
4
ua
i j k
122 32 42 13 13 13
B
x
b
x BX OX b
OX OX u a OXu a
ua
24 9 20
O
OX u a b b cos
1
13 13 13
12
3
4
14 36 69
x 1 ( i j k ) (2i 3 j 5k ) i j k
13 13 13
13 13 13
A
X
a
예제
다음의 평면에서 OB 를 구하시오.
t
(n )
(n)
20i 40 j
n
B
2
2
i+
j
2
2
n
A
O
OB ?
(n )
☞ OA OB
(n )
OB OA
(n )
OA OA n ( n)n (10 2 20 2) (
OA 10i 10 j
OB (20i 40 j) (10i 10 j) 30i 30 j
2
2
i
j)
2
2
예제
다음의 3차원 공간에서 T 를 구하시오.
t
(n )
(n )
27i 18 j 36k
T
n
T
n
O
N
N
3
3
3
i
j
k
3
3
3
T ?
(n )
☞ ON OT
(n )
T OT ON
(n )
3
3
3
i
j
k ) 15i 15 j 15k
3
3
3
T (27i 18 j 36k ) (15i 15 j 15k ) 12i 33 j 21k
ON ON n ( n)n (9 3 6 3 12 3) (
T 40.915
벡터의 연산
벡터적 (vector product, cross product)
i
c = a b = a1
b1
j
a2
b2
k
a3 (a2 b3 a3 b2 )i (a3 b1 a1 b3 ) j (a1 b2 a2 b1 )k
b3
c =ab
벡터적의 기하학적 의미
c = a b sin (0 )
크기 : 두 백터 a, b 가 이루는 평행사변형의 면적
방향 : 벡터 a, b 에 수직하면서 a, b, c 가 오른손법칙을 따
크기 :
b
a b b a
a (b c) a b a c
(a b) c ( a c) b (a b) c
a ( b c) (a b) c a b c
a b 0 a // b
a
a
름
벡터적의 성질
b sin
a
c
a
<벡터적의 정의>
기타
b
<오른손법칙>
i j k, j k i, k i j
i i = j j = k k = 0
예제
다음의 삼각형면적을 구하여라.
C(1,2,0)
A(2,3,5)
B(0,2,6)
C
☞ AC i j 5k
AB 2i j k
1
A
AC AB
2
i
j k
AC AB 1 1 5 (1 5)i (10 1) j (1 2)k 6i 11j k
ABC
2 1
1
1
ABC 62 112 12 6.285
2
B
예제
벡터 a 2, 5, 3 와 b 6, 2, 1 에 대한 다음 물음에 답하라
T
T
a) a 2b
b) 2a b
c) a b
f) ab
g) b a
h) b a = a b
☞ a) a 2b 14, 1, 1
T
c) a b 2 6 (5) 2 3 (1) 1
d) b a
e) 벡터 a와 b의 사이각
b) 2a b 2, 12, 7
T
d) b a 6 2 2 (5) (1) 3 1
e) a b a b cos 22 52 32 62 22 12 cos 1558 cos
문제 c) 로부터 a b = 1이므로 cos 1 (1/ 1588) 91.45 이다.
f ) a b (2i 5 j 3k ) (6i 2 j k ) 4k 2 j 30k 5i 18 j 6i i 20 j 34k
g) b a (6i 2 j k ) (2i 5 j 3k ) 30k 18 j 4k 6i 2 j 5i i 20 j 34k
h) 문제 a)와 b)로부터 b a = a b 이다.
n 차원으로의 벡터의 확장
Rk 유클리디안 벡터장
벡터의 차원 : 2(3)차원 평면에서 벡터량은 2(3)차원 벡터
k-차원 벡터 : 성분이 k개인 벡터
Rk : k-차원 유클리디안 벡터, k-차원 유한차원 실수벡터장
a a1 a2
ak
T
a1
a
2
ak
R k a | a a1 , a2 ,
, ak ; a i 's are real
T
a b a1 b1 , a2 b2 ,
a a1 , a2 ,
k
a b ( a b)
l 1
a ( a a)
1
2
1
2
, ak bk
T
, an
T
선형종속과 선형독립
선형조합 (linear combination)
n
c a
i 1
i i
c1a1 c2a 2
cna n
선형독립 (linearly independent)
모든
ci 가 0일 때만 선형조합이 0이 되는 경우, 벡터 a i
는 선형독립이라고 함
선형종속 (linearly dependent)
어떤
ci 가 0이 아닌데도 선형조합이 0이 되는 경우, 벡터 a i
는 선형종속이라고 함
예제
•Linearly independent
C1 1, 0 C2 0, 1 0 C1 C2 0
T
T
•Linearly dependent
1,
2, 3 2 1, 0, 1 3, 2, 5 0
T
T
1 2 3
1 0 1 0
3 2 5
T
1,
1,
3,
2, 3
T
0, 1
T
2, 5
T
좌표계와 좌표
좌표
z, x3
어떤 점의 위치를 기준좌표계에 대한 상대적 위치로 표현한 것
벡터량임
기준좌표계와 지방(국부)좌표계
i
직교좌표계(orthogonal coordinate system)
local coordinate
i
system
i
x, x1
직각좌표계(rectangular coordinate system)
y, x2
reference coordinate system
원통좌표계(cylindrical coordinate system)
<좌표계와 좌표>
구좌표계(spherical coordinate system)
z
z
z
x r cos
y r sin
zz
y
x
x r sin cos
θ
r
y r sin sin
z r cos
y
y
x
a) 직각좌표계
z
θ
r
b) 원통좌표계
<주요 직교좌표계>
x
c) 구좌표계
행렬의 정의
행렬: 수의 규칙적인 배열
m n 행렬 :
a11
A [aij ] a21
am1
a12
a22
am 2
상삼각행렬(upper triangular matrix)
a1n
a2 n
amn
a11
U 0
0
a12
a22
0
a1n
a2 n
ann
용어 정의 :
하삼각행렬(lower triangular matrix)
행벡터(row vector) : 1 n 행렬
a11
L a21
an 2
열벡터(column vector) : m 1 행렬
정방행렬(square matrix) : n n 행렬
비대각항(off-diagonal term) :
0
a22
an 2
0
0
ann
aij (i j )
대각항(diagonal term) : n n 정방행렬에서 aii (i 1,2, , n)
영행렬(zero matrix)
0
0 0
0
0
0
0
0
0
0
대각행렬(diagonal matrix)
a11
D 0
0
0
a22
0
0
0
ann
단위행렬(unit matrix)
1
I [ ij ] 0
0
Kronecker delta
0
1
0
0
0
1
행렬의 정의
용어 정의(계속)
부분행렬(submatrix) : 원래의 행렬에서 일부의 행과 열을 제거한 행렬
주부분행렬(principal submatrix) : 정방행렬에서 동일번호의 행과 열을 동시에 제거하여
만든 부분행렬
전치행렬(transpose of a matrix), A T : 행렬 A의 (i,j)-요소aij 와 (j,i)-요소a ji 의 자리를
바꾸어 만든 행렬
대칭행렬(symmetric matrix) : AT A , aij a ji
의대칭행렬(skew-symmetric matrix) : AT A , aij a ji
랭크 (rank) : 선형독립적인 행의 수(= 선형독립적인 열의 수)
특이행렬(singular matrix) : nⅹn 정방행렬에서 랭크가 n - 1 이하일 경우
행렬과 벡터의 관계
mⅹn 행렬의 벡터 표현
1ⅹn 행벡터의 mⅹ1 열벡터
mⅹ1 열벡터의 nⅹ1 행벡터
a11 a12 a1n
a21 a22 a2 n
A aij
am1 am 2 amn
T
a
1
a T b , b ,
1
2
2
a mT
ai1
ai 2
ai
ain
a1 j
a2 j
bj
a
mj
bn
행렬의 덧셈 및 행렬과 스칼라 곱셈
행렬의 덧셈의 정의
C A B cij aij bij
행렬과 스칼라 곱셈의 정의
C A cij aij
성질
A+BB+A
A + (B + C) ( A B) + C
A+0=A
A + ( A) 0
( A + B) A B
( ) A A A
( A) ( ) A
1A A
( A B)T A T B T
( A)T A T
행렬의 곱셈
행렬의 곱셈의 정의
C = A B : m p 행렬 A [aij ] 와 q n 행렬 B [bij ] 의 곱
p q l 가 만족될 때, 행렬의 요소 cij 가 정의됨
l
cij aik bkj ai b j aiTb j
k 1
행렬의 곱의 성질
( A )B ( A B ) A ( B )
A ( BC ) ( A B )C
( A B )C A C BC
A( B C) AB AC
T
T
T
(AB) B A
i
j
cij
i ai1 ai 2 ai 3
m l 행렬
m n 행렬
ail
j
b1 j
b2 j
b3 j
bl j
l n 행렬
일반적으로 AB BA이고, AB 0 이 반드시 A 0 와 B 0 를 의미하는 것이 아님
I A A, AI A , I x x
예제: 다음의 행렬을 이용하여 (AB)T =BT AT 가 성립함을 보여라.
1 2 4
5 2
A 2 5 3 , B 2 1
4 1 3
0 2
1 8
1
☞ AB 0 7 이므로 (AB)T 8
22 3
1 2 4
B T A T 5 2 0 2 5 1 1 0
2 1 2 4 3 3 8 7
0 22
7 3 이고,
22 이다. 따라서 (AB)T BT AT 이다.
3
행렬의 변환기능과 응용
행렬의 역할 : Ax = y
Transformation
x
수학적 오퍼레이터(operator)
전달함수(transfer function) 및 변환(transformation)의 역할
Mapping
<행렬의 역할>
벡터량의 좌표변환 법칙 :
Fx' cos
Fy' sin
sin
cos
cos
T
sin
Fx
F
y
Fx ' cos Fx Fy ' sin
sin
cos
Fx cos
Fy ' cos Fy Fx ' sin
Fy sin
변환행렬
T=[t 1 , t 2 ]
y
A
t1 cos , sin
T
sin Fx '
cos Fy '
y
y'
Fy '
Fy
t 2 sin , cos
T
Fx '
F
t1 t 2 1 ,
t1 t 2 0 직교단위행렬(orthonormal matrix)
i cos
j sin
Fy '
i'
O
sin
cos
i
j
j
j'
T1 TT
x'
i
Fx
<좌표변환>
x
행렬의 변환기능과 응용
역학문제에서의 행렬
변위-하중 관계식
AE
L
1 Q ux
L 1
AE 1 2 2 1 P u y
AF=U
L
AE 2 2 1 1 u x Q
2 2L 1
1 u y P
AE
KU=F
변위-하중 관계식
xx yx zx
fx 0
x
y
z
xy yy zy
fy 0
x
y
z
xz yz zz
fz 0
x
y
z
유한요소보간
미분방정식의
근사해법
KU = F,
강성행렬
변위벡터
하중벡터
(K 2 M ) U = 0
Q, ux
P, u y
행렬의 판별치 (determinant)
2×2 행렬의 판별치 :
a a
D det A a11 a12 a11a22 a12 a21
21
22
3×3 행렬의 판별치 :
a11 a12 a13
a a
a a
a a
D det A a21 a22 a23 a11 a22 a23 a12 a21 a23 a13 a21 a22
31
32
32
33
31
33
a31 a32 a33
n×n 행렬의 판별치 :
a11
a
D det A 21
an1
n
n
i 1
i 1
a12
a22
an 2
a1n
a22
a2 n a a32
11
ann
an 2
a23
a33
an 3
a2 n
a3n a
12
ann
a21
a31
an1
a23
a33
an 3
a2 n
a3n
ann
( j 1, 2, , n), Cij (1)i j M ij (Cij :
D a ji C ji aij Cij
n
n
i 1
i 1
a11M11 a12 M12
a11C11 a12 C12
여인자(cofactor))
i j
i j
D (1) a ji M ji (1) aij M ij
M ij : 마이너(minor), i-행과 j-열을 소거하여 얻은 (n-1)×(n-1) 부분행렬의 판별치
행렬의 판별치
판별치의 일반적 성질
① A AT
② AB = BA = A B
③ 행렬의 한 행 또는 한 열에 상수 c를 곱하여 만든 행렬의 판별치는 본래 행렬의 판별치의
c 배임
④ 어떤 행렬의 임의의 두 행 (또는 두 열)을 교환하여 만든 새로운 행렬의 판별치는 본래
행렬의 판별치의 부(negative)의 값을 가짐
⑤ 어떤 행렬의 한 행(또는 하나의 열)에 다른 행(또는 열)의 상수배를 더하여 만든 새로운
행렬의 판별치는 본래 행렬의 판별치와 동일함
⑥ 행(또는 열)벡터가 선형종속이면 판별치는 0임
예제
a11 a12 a13
a a
a a
a a
① D det A a21 a22 a23 a11 a22 a23 a21 a12 a13 a31 a12 a13
32
33
32
33
22
23
a31 a32 a33
a11 a12 a13
② D det A ca21 ca22 ca23 c det A
a31 a32 a33
a11 a12 a13
③ D det A a31 a32 a33 det A
a21 a22 a23
역행렬
n×n 행렬 A의 역행렬: A -1
행렬의 곱의 역행렬
1
1
1
( AB ) B A
1
1
1 1
1
( ABCD ) D C B A
I 또는 A A I
1
1
[Cij ]T
[ Aij ]*
A-1
det A
det A
AA
-1
-1
선형연립방정식
[ Aij ]* [Cij ]T : 행렬 A의 어조인트(adjoint)
C11
C
[ Aij ]* 12
C
1n
C21
C22
C2 n
Cn1
Cn 2
Cnn
Ax b
1
1
1
1
A A x A b, I x A b , x A b
1 if i j
※ 참고사항: Kronecker delta ij
0 if i j
직교단위행렬과 변환행렬
1 0
0 1
I ij
0 0
0
0
1
A A-1 D 일 때, 행렬 A 를 직교행렬(orthogonal matrix)이라고 함
A AT I, ai a j ij 일 때, 행렬 A 를 직교단위행렬(orthonormal)이라고 함. A-1 AT
변환행렬은 직교단위행렬임. 즉, TTT I 임. 따라서
T-1 TT 임
선형방정식과 해법
선형방정식 Ax = b
선형방정식의 해법
직접법
Gauss-Jordan 소거법
LU 분해법 (또는 Cholesky 분해법)
띠형행렬법(banded matrix)
스카이라인법(skyline method)
저밀도행렬기법(sparse matrix techique)
전선해법(frontal solution method)
반복법
행렬직교방향법(conjugate direction method)
상사변환
상사변환(similarity transformation)의 정의
A RAR T
상사변환의 성질
A 와 A 의 고유치는 동일
고유벡터의 관계 : x = R1 x ( x : 행렬 A 의 고유 벡터, x : A 의 고유벡터)
상사변환의 응용
i ' j ' Ti ' pT j ' q pq
Ti ' p pqT j ' q
i ' p ' Ti ' p pq T j ' q
고유치 문제
제차선형연립방정식(homogeneous linear equation) : Ax = 0
x = 0 : 무의미해(trivial solution)
IF : A = 0 x 0
고유치 문제 : Ax = x 또는 ( A I )x = 0
n n 행렬 ( A I ) 의 행벡터 또는 열벡터는 선형종속이어야 함
: 고유치(eigenvalue) 또는 특성치(charactoeristic vector)
x : 고유벡터(eigenvector) 또는 특성벡터(characteristic vector)
특성방정식(characteristic equation) : A I 0
n n 행렬 A I 의 랭크가 n보다 작기 위한 조건 또는 행렬
n 차의 비선형방정식
n n 행렬
A가 대칭이면, n 개의 실근 존재
Ax
x , Ax
(i)
(i )
( j)
( j)
x
( j)
x
j T
Ax
1 , 2 ,
, n
A i xi 0
(i )
( j)
고유벡터의 직교성 : x x = 0
(i)
A I 가 특이행렬이 될 조건
(i )
x
x(j ) ( A A T )x(i ) ( (i ) ( j ) )x( i ) x( j )
T
T
(i )
( j)
(i )
( j)
(i )
( j)
If A A 0, ( )x x 0 x x 0
(i )
j T
(i )
x , x
i T
Ax
( j)
x
( j)
( i )T
x
( j)
T