Ominaisarvot ja ominaisvektorit 140 / 170

Samankaltaiset tiedostot
ominaisvektorit. Nyt 2 3 6

Ominaisarvo ja ominaisvektori

Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit

5 OMINAISARVOT JA OMINAISVEKTORIT

MS-A0004/A0006 Matriisilaskenta

Lineaarikuvauksen R n R m matriisi

Ominaisarvo ja ominaisvektori

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja

Ominaisvektoreiden lineaarinen riippumattomuus

Insinöörimatematiikka D

Ominaisarvoon 4 liittyvät ominaisvektorit ovat yhtälön Ax = 4x eli yhtälöryhmän x 1 + 2x 2 + x 3 = 4x 1 3x 2 + x 3 = 4x 2 5x 2 x 3 = 4x 3.

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

Käänteismatriisi 1 / 14

Esimerkki 4.4. Esimerkki jatkoa. Määrää matriisin ominaisarvot ja -vektorit. Ratk. Nyt

Similaarisuus. Määritelmä. Huom.

Ominaisarvo-hajoitelma ja diagonalisointi

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

Matematiikka B2 - TUDI

6 MATRIISIN DIAGONALISOINTI

Numeeriset menetelmät

Liittomatriisi. Liittomatriisi. Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä. 1) i+j det A ij.

Matematiikka B2 - Avoin yliopisto

Lineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / Ratkaisut

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

Ortogonaalisen kannan etsiminen

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

5 Ominaisarvot ja ominaisvektorit

1 Ominaisarvot ja ominaisvektorit

Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 41

Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Insinöörimatematiikka D

Insinöörimatematiikka D

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

Kanta ja Kannan-vaihto

C = {(x,y) x,y R} joiden joukossa on määritelty yhteen- ja kertolasku seuraavasti

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28

MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42

8 KANNAT JA ORTOGONAALISUUS. 8.1 Lineaarinen riippumattomuus. Vaasan yliopiston julkaisuja 151

Ratkaisuehdotukset LH 3 / alkuvko 45

Avaruuden R n aliavaruus

1 Matriisit ja lineaariset yhtälöryhmät

7 Vapaus. 7.1 Vapauden määritelmä

Tehtävä 2. Osoita, että seuraavat luvut ovat algebrallisia etsimällä jokin kokonaislukukertoiminen yhtälö jonka ne toteuttavat.

Insinöörimatematiikka D

Talousmatematiikan perusteet: Luento 14. Rajoittamaton optimointi Hessen matriisi Ominaisarvot Ääriarvon laadun tarkastelu

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

1 Kertaus. Lineaarinen optimointitehtävä on muotoa:

Talousmatematiikan perusteet: Luento 13. Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu

Esimerkki 19. Esimerkissä 16 miniminormiratkaisu on (ˆx 1, ˆx 2 ) = (1, 0).

Demorastitiedot saat demonstraattori Markus Niskaselta Lineaarialgebra (muut ko) p. 1/104

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?

Matriisialgebra harjoitukset, syksy 2016

Matematiikka B3 - Avoin yliopisto

1 Avaruuksien ja lineaarikuvausten suora summa

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

1 Lineaariavaruus eli Vektoriavaruus

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

Insinöörimatematiikka D

802320A LINEAARIALGEBRA OSA I

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

Ennakkotehtävän ratkaisu

2. kl:n DY:t. Lause. Yleisesti yhtälöllä ẍ = f(ẋ, x, t) on (sopivin oletuksin) aina olemassa 1-käs. ratkaisu. (ẋ dx/dt, ẍ d 2 x/dt 2.

Latinalaiset neliöt ja taikaneliöt

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Matemaattinen Analyysi / kertaus

Lineaarialgebra ja matriisilaskenta II Syksy 2009 Laskuharjoitus 1 ( ) Ratkaisuehdotuksia Vesa Ala-Mattila

Matemaattinen Analyysi, s2016, L2

MS-C1340 Lineaarialgebra ja

Paikannuksen matematiikka MAT

802118P Lineaarialgebra I (4 op)

Inversio-ongelmien laskennallinen peruskurssi Luento 2

Lineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

5 Differentiaaliyhtälöryhmät

802120P Matriisilaskenta (5 op)

ax + y + 2z = 0 2x + y + az = b 2. Kuvassa alla on esitetty nesteen virtaus eräässä putkistossa.

Lineaarialgebra ja matriisilaskenta I

Insinöörimatematiikka D

Ratkaisuehdotukset LH 10 / vko 48

Päättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1

Seurauksia. Seuraus. Seuraus. Jos asteen n polynomilla P on n erisuurta nollakohtaa x 1, x 2,..., x n, niin P on muotoa

9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista

Lineaarialgebra ja matriisilaskenta I

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

6. OMINAISARVOT JA DIAGONALISOINTI

Milloin A diagonalisoituva?

Lineaariset yhtälöryhmät ja matriisit

Sisätuloavaruudet. 4. lokakuuta 2006

Tyyppi metalli puu lasi työ I II III

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Alkeismuunnokset matriisille, sivu 57

Kuvaus. Määritelmä. LM2, Kesä /160

Lineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo.

Insinöörimatematiikka D

Koodausteoria, Kesä 2014

Transkriptio:

Ominaisarvot ja ominaisvektorit 140 / 170

Seuraavissa luvuissa matriisit ja vektori ajatellaan kompleksisiksi, ts. kertojakuntana oletetaan olevan aina kompleksilukujoukko C Huomaa, että reaalilukujoukko voidaan ajatella sisältyvän kompleksilukujoukkoon R C. Matriisi- ja vektorien operaatiot toimivat vastaavalla tavalla kuten aikaisemmin kunhan kompleksilukujen laskutoimitukset otetaan huomioon. 141 / 170

Koska jatkossa tarkastellaan kompleksikertoimista polynomia p( )=a 0 n + a 1 n 1 +...+ a n 1 + a n, niin polynomi p( ) voidaan esittää astetta 1 olevien tekijöiden tulona a 0 n + a 1 n 1 +...+ a n 1 + a n = a 0 ( 1)( 2) ( n), missä a 0 6= 0ja 1, 2,..., n 2 C (kompleksilukujen kunta on ns. algebrallisesti suljettu). Jos tarkastelu rajoitetaan pelkästään reaalitapaukseen, ei kyseinen ominaisuus ole voimassa (esim. jos p( )= 2 + 1, niin yhtälöllä p( )=0eiolereaalisiaratkaisuja). 142 / 170

Kuten aikaisemmin olemme huomanneet, matriisi A 2M(n, n) on (lineaarinen) kuvaus A : C n! C n, joka kiertää ja venyttää vektoreita. Vektoreita x 2 C n,joitamatriisia pelkästään venyttää (Ax = x jollakin 2 C) ovat erityisen mielenkiinnon kohteena. Näitä vektoreita kutsutaan ns. ominaisvektoreiksi. Määritelmä 26 Olkoon A 2M(n, n). Tällöin 2 C on matriisin A ominaisarvo jos on olemassa x 2 C n (x 6= 0), jolle Ax = x. Vektori x 2 C n on puolestaan matriisin A ominaisarvoa vastaava ominaisvektori. 143 / 170

Matriisin ominaisvektorit saadaan siis yhtälöstä Ax = voidaan esittää muodossa x, joka ( I A)x = 0. Aikasemmasta tiedetään, että yhtälöllä on ei-triviaali (ts. nollavektorista eroava ratkaisu) jos ja vain jos det( I A) =0. Lause 33 Olkoon A 2M(n, n). Tällöin ja vain jos det( I A) =0. 2 C on matriisin A ominaisarvo jos Todistus. HT. 144 / 170

Esimerkki Määrää matriisin apple 1 2 1 0 ominaisarvot sekä ominaisvektorit. 145 / 170

Edellisen lauseen avulla voimme määritellä polynomin, jonka nollakohtina saamme matriisin ominaisarvot. Määritelmä 27 Matriisin A 2 K n n karakteristinen polynomi on c A ( )=det( I A) = n + a 1 n 1 +...+ a n 1 + a n. Huomautus Edellisen lauseen mukaan matriisin A 2M(n, n) ominaisarvot ovat polynomin c A ( ) nollakohdat, ts. yhtälön c A ( )=0 ratkaisut. Koska kertojakuntana on C (algebrallisesti suljetuksi), niin ( c A ( )=( 1)( 2) ( n) ja 1, 2,..., n ovat matriisin A ominaisarvot. 146 / 170

Esimerkki Olkoon A = on apple 1 1 1 1.TällöinmatriisinA karakteristinen polynomi c A ( )=det(a I ) apple 1 1 = det 1 1 =( 1 )(1 ) 1 = 2 2 p p =( 2)( + 2) Ominaisarvot ovat yhtälön 2 2 = 0ratkaisut: 1 = p 2ja 2 = p 2. Etsitään ominaisarvoja vastaavat ominaisvektorit. 147 / 170

(A) Ominaisarvoa 1 = p 2 vastaavat ominaisvektorit x =(x 1, x 2 ) 2 C n toteuttavat yhtälön Ax = 1 x.nyt Ax = 1 x,, apple 1 1 1 1 ( apple x1 = p apple x1 2 x 2 x 2 x 1 + x 2 = p 2x 1 x 1 + x 2 = p 2x 2, x 2 =( p 2 + 1)x 1. Siis ominaisarvoa 1 = p 2 vastaava ominaisvektorit ovat apple apple apple x1 x x = = 1 x 2 ( p = x 2 + 1)x 1 p 1 1 2 + 1 kaikilla x 1 2 C (x 1 6= 0). 148 / 170

(B) Ominaisarvoa 2 = p 2 vastaavat ominaisvektorit x =(x 1, x 2 ) 2 C n toteuttavat yhtälön Ax = 2 x.nyt apple apple 1 1 x1 Ax = 1 x, = p apple x1 2 1 1 x 2 x 2 ( x 1 + x 2 = p 2x 1, x 1 + x 2 = p, x 2 =(1 2x 2 p 2)x1. Siis ominaisarvoa 2 = p 2 vastaava ominaisvektorit ovat x = apple x1 x 2 = apple (1 x 1 p 2)x1 = x 1 apple 1 1 p 2 kaikilla x 1 2 C apple (x 1 6= 0). 1 1 Matriisin A = 1 1 ominaisarvot ovat p p 2ja 2janiitä vastaavat eräät ominaisvektorit ovat (1, p p 2 1) ja (1, 1 2). 149 / 170

Huomautus Jokaisella matriisilla A 2M(n, n) on n kappaletta ominaisarvoja (ei välttämättä erisuuria), jotka saadaan karakteristisen polynomin c A ( ) juurena. Olkoon 1, 2,..., s matriisin A 2 K n n erisuuret ominaisarvot. Tällöin ( c A ( )=( 1) k 1 ( 2) k2 ( s) k s k 1 + k 2 +...+ k s = n (k i 1) 150 / 170

Lause 34 Olkoon A 2M(n, n). Matriisin A erisuuria ominaisarvoja vastaavat ominaisvektorit ovat lineaarisesti riippumattomia. Todistus. Tutkitaan tilannetta kahdella erisuurella ominaisarvolla 1 ja 2 sekä niitä vastaavilla ominaisvektoreilla v 1 ja v 2.Yleinentapaus osoitettavissa helposti vastaavasti. Nyt siis Av i = i v i kun i = 1, 2. Tarkastellaan nyt vektoreiden v 1 ja v 2 lineaarista riippuvuutta: olkoon 1 v 1 + 2 v 2 = 0 missä 1, 2 2 C. Tällöin A( 1 v 1 + 2 v 2 )=0 1 Av 1 + 2 Av 2 = 0 1 1 v 1 + 2 2 v 2 = 0 151 / 170

Kertomalla yhtälöä 1 v 1 + 2 v 2 = 0 vakiolla ( 1 1 v 1 + 2 1 v 2 = 0 1 1 v 1 + 2 2 v 2 = 0 1 saadaan yhtälöt eli vähentämällä puolittain saadaan 0v 1 + 2 ( 1 2 )v 2 = 0. Koska nyt 1 2 6= 0jav 2 6= 0, niin on oltava 2 = 0. Täten sijoittamalla saadaan 1 v 1 + 0v 2 = 0elimyös 1 = 0. Siis saatiin lineaarinen riippumattomuus. 152 / 170