MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

Samankaltaiset tiedostot
Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 41

MS-A0004/A0006 Matriisilaskenta

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja

Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit

Lineaarikuvauksen R n R m matriisi

Ominaisarvo ja ominaisvektori

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47

Ominaisarvo ja ominaisvektori

5 OMINAISARVOT JA OMINAISVEKTORIT

Similaarisuus. Määritelmä. Huom.

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

Ominaisarvot ja ominaisvektorit 140 / 170

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

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

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.

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

Matematiikka B2 - TUDI

Ratkaisuehdotukset LH 3 / alkuvko 45

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /

Insinöörimatematiikka D

Lineaarialgebra ja matriisilaskenta I

Insinöörimatematiikka D

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

1 Matriisit ja lineaariset yhtälöryhmät

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

Ortogonaalisen kannan etsiminen

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

5 Ominaisarvot ja ominaisvektorit

Ratkaisuehdotukset LH 10 / vko 48

Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä)

1 Ominaisarvot ja ominaisvektorit

Matematiikka B2 - Avoin yliopisto

Johdatus tekoälyn taustalla olevaan matematiikkaan

Ominaisarvo-hajoitelma ja diagonalisointi

Matriisilaskenta (TFM) MS-A0001 Hakula/Vuojamo Ratkaisut, Viikko 48, , c)

Numeeriset menetelmät

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

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

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

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

Alkeismuunnokset matriisille, sivu 57

MATP153 Approbatur 1B Ohjaus 2 Keskiviikko torstai

Matriisialgebra harjoitukset, syksy 2016

6. OMINAISARVOT JA DIAGONALISOINTI

Kanta ja Kannan-vaihto

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

1 Avaruuksien ja lineaarikuvausten suora summa

(1.1) Ae j = a k,j e k.

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?

Matemaattinen Analyysi / kertaus

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

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

Tehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin lukuun 7 eli vapauden käsitteeseen ja homogeenisiin

LU-hajotelma. Esimerkki 1 Matriisi on yläkolmiomatriisi ja matriisi. on alakolmiomatriisi. 3 / 24

JAKSO 2 KANTA JA KOORDINAATIT

Tehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin lukuun 7 eli vapauden käsitteeseen ja homogeenisiin

Käänteismatriisi 1 / 14

Ennakkotehtävän ratkaisu

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

ominaisvektorit. Nyt 2 3 6

1.1. Määritelmiä ja nimityksiä

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Lineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / Ratkaisut

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

MS-C1340 Lineaarialgebra ja

6 MATRIISIN DIAGONALISOINTI

Kuvaus. Määritelmä. LM2, Kesä /160

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Lineaariset yhtälöryhmät ja matriisit

Insinöörimatematiikka D

Lineaarialgebra ja matriisilaskenta I

3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset

802320A LINEAARIALGEBRA OSA III

Insinöörimatematiikka D

J1 (II.6.9) J2 (X.5.5) MATRIISILASKENTA(TFM) MALLIT AV 6

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

Oppimistavoitematriisi

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Johdatus diskreettiin matematiikkaan Harjoitus 5, Ratkaise rekursioyhtälö

Sisätuloavaruudet. 4. lokakuuta 2006

Tällä viikolla viimeiset luennot ja demot. Lineaarialgebra (muut ko) p. 1/162

MS-C1340 Lineaarialgebra ja

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina klo

MATRIISIN HESSENBERGIN MUOTO. Niko Holopainen

Latinalaiset neliöt ja taikaneliöt

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. Olkoot A 2 := AA =

= 2±i2 7. x 2 = 0, 1 x 2 = 0, 1+x 2 = 0.

Ratkaisuehdotukset LH 8 / vko 47

Determinantti. Määritelmä

Differentiaali- ja integraalilaskenta 2 (CHEM) MS-A0207 Hakula/Vuojamo Kurssitentti, 12.2, 2018, arvosteluperusteet

Ositetuista matriiseista

Transkriptio:

MS-A3/A5 Matriisilaskenta Malliratkaisut 5 / vko 48 Tehtävä (L): a) Onko 4 3 sitä vastaava ominaisarvo? b) Onko λ = 3 matriisin matriisin 2 2 3 2 3 7 9 4 5 2 4 4 ominaisvektori? Jos on, mikä on ominaisarvo? Jos on, etsi sitä vastaava ominaisvektori. Ratkaisu: a) Vektori x C n, x on matriisin A C n n ominaisvektori, jos pätee jollakin λ C. Ax = λx Saadaan suoralla laskulla: 3 7 9 4 4 4 5 3 = = 3. 2 4 4 4 3 7 9 Siis vektori 3 on matriisin 4 5 ominaisvektori. 2 4 4 Ominaisvektoria vastaava ominaisarvo on. 2 2 b) Mikäli λ = 3 on matriisin 3 2 ominaisarvo, niin pätee λ 2 2 3 2 λ λ Saadaan alideterminanttikehitelmällä: λ 2 2 3 2 λ λ = 2 2 2 3 5 2 = 2 2 5 2 2 3 + ( 2) 2 2 3 5 = ( 2 6) 2( 6) =

Siis λ = 3 on annetun matriisin ominaisarvo. Ominaisvektori saadaan ratkaisemalla vektori v yhtälöstä 3 2 2 3 2 3 3 x x 2 x 3 { x 3x 3 = x 2 2x 3 = 2 2 3 2 = λi v = : Jos x 3 = t, jossa t R ja t, niin saadaan [ x 2 = 2t, x = 3t. Tällöin ominaisarvoa λ = 3 3 vastaavaksi ominaisvektoriksi saadaan x = t. 2 [ 7 4 Tehtävä 2 (L): Laske matriisin A = ominaisarvot ja jotkin niitä vastaavat ominaisvektorit. Mitä nämä kertovat matriisin A esittämästä 3 lineaarikuvauksesta? Ratkaisu: Ominaisarvot saadaan laskemalla det(a λi 2 ) = : 7 λ 4 3 λ = (7 λ)( λ) + 2 = [ [ 6 4 x = 3 2 x 2 [ λ 2 6λ + 5 = λ = 3 ± 2 Ominaisarvoiksi saadaan siis λ = ja λ 2 = 5. Ominaisvektorit saadaan laskemalla vektori v i yhtälöstä (A λ i I) v i = : { 6x + 4x 2 = 3x 2x 2 = [ 2 v = 3 [ [ [ { 2 4 x 2x + 4x 2 = = 3 6 x 2 3x 6x 2 = [ 2 Jos x 2 = v 2 = Valitaan esimerkiksi x = 2: 2

[ [ 2 2 Ominaisvektoreita ovat siis esimerkiksi v = ja v 3 2 = lähtöavaruuden vektoreita ominaissuorien suuntaisesti, katso kuva.. Kuvauksessa skaalataan Kuva : Ylemmässä kuvassa näkyvät lähtöavaruuden kantavektorit, kuvauksen A ominaissuorat sekä lähtöavaruuden eräs osajoukko (keltaisella). Alemmassa kuvassa on näiden pisteiden kuvaukset kuvajoukolle. Kuvaus A skaalaa kaikkia lähtöavaruuden vektoreita ominaisvektoreiden suuntaisesti. Pisteet B ja D ovat ominaissuoralla v = (2 3) T eivätkä siirry kuvauksessa. Sen sijaan pisteet A ja C ovat ominaissuoralla v 2 = ( 2 ) T ja venyvät viisinkertaisesti. Muut lähtöavaruuden vektorit (esimerkiksi E ja F ) skaalautuvat ominaisvektoreiden mukaan. 3

Tehtävä 3 (P): Laske matriisin A = [ 3 5 ominaisarvot ja jotkin niitä vastaavat ominaisvek- 2 5 torit. Ratkaisu: Ominaisarvot saadaan laskemalla det(a λi 2 ) = : 3 λ 5 2 5 λ = (3 λ)(5 λ) + = λ 2 8λ + 25 = λ = 4 ± 3i Ominaisarvoiksi saadaan siis λ = 4 3i ja λ 2 = 4 + 3i. Ominaisvektorit saadaan laskemalla vektori v i yhtälöstä (A λ i I) v i =. Ominaisarvolle λ = 4 3i saadaan: [ 3 (4 3i) 5 2 5 (4 3i) [ x x 2 = [ (3i )x + 5x 2 = Valitaan esimerkiksi x = 5. Tällöin saadaan x 2 = 3i. Ominaisarvolle λ 2 = 4 + 3i saadaan: [ 3 (4 + 3i) 5 2 5 (4 + 3i) [ x x 2 = [ ( + 3i)x 5x 2 = Valitaan esimerkiksi x = 5. Tällöin saadaan x 2 = + 3i. [ [ 5 Ominaisvektoreita ovat siis esimerkiksi v = ja v 3i 2 = 5 + 3i Tehtävä 4 (P): a) Oletetaan, että λ C on kääntyvän matriisin A ominaisarvo. Osoita, että λ ja että λ on matriisin A ominaisarvo. b) Osoita, että jos matriisi A 666 on nollamatriisi, niin matriisin A ainoa ominaisarvo on. (Tässä siis A k+ = A k A ja A = A.). 4

Ratkaisu: a) Koska neliömatriisi A on kääntyvä niin A on olemassa. Osoittaaksemme että λ tehdään vastaoletus λ =. Tällöin voidaan ratkaista ominaisvektori x seuraavasti: Ax = λx A (...) Ix = λa x x = A x x =. Määritelmän mukaan ominaisvektori ei kuitenkaan voi olla nollavektori. Koska x = on yhtälön ainoa ratkaisu, päätellään että λ. Olkoon nyt x eräs matriisin A ominaisarvoa λ vastaava ominaisvektori. Tällöin A x = A (x) = A ( λ λx) λ C, λ, λ C siten että λ λ = = λ A (λx) = λ A (Ax) määritelmä : Ax = λx = λ (A A)x = λ Ix = λ x Nyt matriisin A ominaisarvo on λ. b) Olkoon λ mikä tahansa A:n ominaisarvo ja v jokin sitä vastaava ominaisvektori. Tällöin pätee: Av = λv Yhtälö voidaan kertoa puolittain 665 kertaa matriisilla A: Tiedetään että A 666 = : A 666 v = A 665 λv. v = λa 665 v Koska v on matriisin A ominaisvektori, sen kertominen A:lla vastaa ominaisarvolla λ kertomista. Yhtälön oikea puoli saadaan näin ollen muotoon: v = λ 666 v λ 666 = λ = Näin ollen λ = on matriisin A ainoa ominaisarvo. 5

Tehtävä 5 (L): Mitkä ovat matriisin A = 3 4 3 ominaisarvojen algebralliset ja geometriset kertaluvut? Ratkaisu: Ominaisarvon λ C algebrallisella kertaluvulla m a (λ) tarkoitetaan karakteristisen polynomin det(a λi) nollakohdan λ kertalukua. Ominaisarvon λ C geometrisella kertaluvulla m g (λ) puolestaan tarkoitetaan ominaisarvoa λ vastaavien ominaisvektorien virittämän vektoriavaruuden dimensiota. Matriisin A ominaisarvot saadaan selville ratkaisemalla karakteristisen polynomin det(a λi) nollakohdat: λ det(a λi) = 3 λ 4 3 λ = ( λ) 3 λ 3 λ 4 λ 3 λ 4 3 = ( λ) 2 ( 3 λ) + 3 4(3 + λ) = λ 3 λ 2 + λ 2 =. Tämän kolmannen asteen polynomin voi ratkaista joko koneratkaisimella (ei kokeessa) tai löytämällä ensimmäisen nollakohdan λ = 2 (esim. https://en.wikipedia.org/wiki/rational_ root_theorem), ja sitten jakamalla polynomin tekijällä (λ + 2) esimerkiksi polynomien jakokulmassa. Tällöin loput nollakohdat saadaan jäljelle jääneestä toisen asteen polynomista. Ratkaisuiksi saadaan siis λ = 2, λ 2 = + i 3 ja λ 2 2 3 = i 3. Koska 3 3-matriisilla A 2 2 on kolme eri ominaisarvoa, niin ominaisarvojen algebrallinen kertaluku on yksi. Geometrinen kertaluku on aina pienempi tai yhtäsuuri kuin algebrallinen kertaluku, joten kaikkien ominaisarvojen geometrinen kertaluku on myös yksi. Yleisesti n n-matriisin ominaisarvojen λ algebrallisten kertalukujen m a (λ) summa on n. Lisäksi kunkin ominaisarvon λ geometriselle kertaluvulle m g (λ) pätee m g (λ) m a (λ) n. Toinen tapa: Jos polynomilla on moninkertainen nollakohta, myös sen derivaatalla on sama nollakohta (tarkista!). Derivoimalla karakteristista polynomia saadaan yhtälö 3λ 2 2λ + =, jonka ratkaisut ovat toisen asteen yhtälön ratkaisukaavan mukaan ja /3. Kokeilemalla havaitaan, ettei kumpikaan ratkaisu ole karakteristisen polynomin nollakohta. Koska moninkertaisia nollakohtia ei siis ole, algebralliset kertaluvut ovat, ja koska m g (λ) m a (λ), myös geometriset kertaluvut ovat. 6

Tehtävä 6 (L): Osoita, että kolmiomatriisin ominaisarvot ovat sen diagonaalialkiot. Ratkaisu: Aloitetaan ominaisarvon määritelmästä: Ax = λx (A λi n )x = det(a λi n ) = Mikäli A on kolmiomatriisi, on myös (A λi n ) kolmiomatriisi, sillä vain diagonaalilla olevat alkiot muuttuvat. Tälläisen kolmiomatriisin determinantti on sen diagonaalialkioiden tulo. Tämä voidaan selittää alideterminanttikehitelmän avulla. Kun aloitamme alideterminanttikehitelmän teon alakolmiomatriisin ylimmältä riviltä (jossa kaikki paitsi ensimmäinen alkio ovat nollia), saamme det(a) = a det(a 2 n,2 n ). Sama päättely voidaan toistaa yhä pienemmille alakolmiomatriiseille, jolloin saadaan det(a) = Π n i=a ii. Yläkolmiomatriisin tapauksessa voidaan ensin ottaa transpoosi, sillä det(a) = det(a T ). Käyttämällä tätä sääntöä kolmiomatriisille (A λi n ) saadaan karakteristiseksi polynomiksi det(a λi n ) = (a λ) (a 22 λ) (a nn λ) =. Tämän polynomin nollakohdat ovat λ = a, λ 2 = a 22,, λ n = a nn, eli kolmiomatriisin ominaisarvot ovat sen diagonaalialkiot. Tehtävä 7 (P): Tarkastellaan kärjistä ja särmistä koostuvaa graafia, jonka kärjet on numeroitu kokonaisluvuin n. Tällöin graafin vierusmatriisi on n n-matriisi, jonka alkio a ij =, jos kärkien i ja j välillä on särmä, ja, jos ei ole. Olkoot λ i, i =... n, graafin vierusmatriisin A ominaisarvot. Tällöin 2 n i= λ2 i on graafin särmien lukumäärä ja 6 n i= λ3 i on graafin särmistä muodostuvien kolmioiden lukumäärä. Tarkista näiden faktojen paikkansapitävyys oheisen yksinkertaisen graafin tapauksessa: 2 3 4 Ratkaisu: Muodostamme ensimmäiseksi vierusmatriisin: A = 7

Seuraavaksi selvitämme sen ominaisarvot: det(a λi) = λ 2 (λ 2 4) = Ominaisarvot saadaan siis λ,2 = ± ja λ 3,4 = ±2. λ λ λ λ Nyt voimme laskea särmien lukumäärän kaavan avulla: i= = n=4 λ 2 i = 2 2 (2 + 2 + 2 2 + ( 2) 2 ) = 4. Tämä täsmää graafin särmien lukumäärään. Lasketaan myös muodostuvien kolmioiden lukumäärä: n=4 λ 3 i = 6 6 (3 + 3 + 2 3 + ( 2) 3 ) =. i= Joten jälkimmäinenkin kaava pätee. Tehtävä 8 (P): Alla on annettu matriisi M, joka on erään graafin vierusmatriisi. Tee jompi kumpi (tai molemmat) seuraavista: i) Käyttäen Matlabia tai muuta matematiikkaohjelmaa apuna selvitä graafin särmien ja kolmioiden lukumäärät. ii) Piirrä graafi ja laske siitä särmien ja kolmioiden lukumäärät. M = Ratkaisu: i) Luodaan vierusmatriisi M Matlabiin ja selvitetään sen ominaisarvot: 8

>> M = [ ; ; ; ; ; ; ; ; ; >> e = eig(m) Tämä tuottaa vektorin: e = ( 2 2 2 2 4) T Graafin särmien lukumäärä voidaan nyt laskea joko käsin tai käskyllä 2 sum(e.2 ), josta saadaan vastaukseksi 8. Kolmioiden lukumäärät voidaan vastaavasti laskea Käskyllä 6 sum(e.3 ), joka tuottaa vastaukseksi luvun 6. Tämäkin voidaan helposti tarkistaa käsin. Särmien lukumäärä voidaan toki laskea myös suoraan matriisista M komennolla sum(m(:))/2. Kolmioiden lukumäärä saadaan myös komennolla /6 trace(m M M). Tämä tulos voidaan perustella sillä, että matriisin M 3 ominaisarvot ovat matriisin M ominaisarvojen potensseja λ 3 i, ja matriisin jälki (trace) on ominaisarvojen summa. Toisaalta tulos voidaan ymmärtää myös niin, että matriisin M 3 alkio m ij antaa lukumäärän niille kolmen pituisille poluille, jotka alkavat solmusta i ja päättyvät solmuun j. Tällöin alkio m ii antaa lukumäärän kolmen pituisille sykleille, jotka alkavat ja päättyvät solmussa i, ja matriisin jälki on näiden diagonaalialkioiden summa. Kerroin /6 tulee siitä, että kukin kolmio tulee lasketuksi näin kuusi kertaa kolmio kun voidaan kiertää kahteen eri suuntaan aloittaen kolmesta eri solmusta. ii) Piirtämisen tuloksena voisi olla jotain tämän suuntaista: Kuva 2: Kuvasta voidaan laskea, että särmiä on juurikin 8 kappaletta. Samoin särmistä koostuvia kolmioita löytyy 6 kappaletta. 9