9. Ominaisarvot. Diagonalisointi

Samankaltaiset tiedostot
1. Ominaisarvot. Diagonalisointi

Tarkastelemme sitten epähomogeenista toisen kertaluvun yhtälöä

Ortogonaalisuus ja projektiot

8. Ortogonaaliprojektiot

Mat Lineaarinen ohjelmointi

Tehtävä 11 : 1. Tehtävä 11 : 2

C (4) 1 x + C (4) 2 x 2 + C (4)

Tämä merkitsee geometrisesti, että funktioiden f

9 Lukumäärien laskemisesta

4.7 Todennäköisyysjakaumia

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

Tehtäviä neliöiden ei-negatiivisuudesta

Luku 2. Jatkuvuus ja kompaktisuus

Laskennallisen kombinatoriikan perusongelmia

Luku 11. Jatkuvuus ja kompaktisuus

JOHDATUS LUKUTEORIAAN (syksy 2017) HARJOITUS 1, MALLIRATKAISUT

Käänteismatriisi 1 / 14

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).

V. POTENSSISARJAT. V.1. Abelin lause ja potenssisarjan suppenemisväli. a k (x x 0 ) k M

Miehitysluvuille voidaan kirjoittaa Maxwell Boltzmann jakauman mukaan. saamme miehityslukujen summan muodossa

ominaisvektorit. Nyt 2 3 6

q =, r = a b a = bq + r, b/2 <r b/2.

Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit

DEE Lineaariset järjestelmät Harjoitus 2, ratkaisuehdotukset. Johdanto differenssiyhtälöiden ratkaisemiseen

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

Insinöörimatematiikka IA

Ennen kuin mennään varsinaisesti tämän harjoituksen asioihin, otetaan aluksi yksi merkintätekninen juttu. Tarkastellaan differenssiyhtälöä

Avaruuden R n aliavaruus

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 6A Ratkaisuehdotuksia.

4 KORKEAMMAN KERTALUVUN LINEAARISET DIFFERENTIAALIYHTÄLÖT. Kertaluvun n lineaarinen differentiaaliyhtälö ns. standardimuodossa on

Laaja matematiikka 2 Kertaustehtäviä Viikko 17/ 2005

Ortogonaalisen kannan etsiminen

Joulukuun vaativammat valmennustehtävät ratkaisut

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

MAB7 Talousmatematiikka. Otavan Opisto / Kati Jordan

VALIKOITUJA KOHTIA LUKUTEORIASTA

MS-A0004/A0006 Matriisilaskenta

VÄRÄHTELYMEKANIIKKA SESSIO 19: Usean vapausasteen systeemin liikeyhtälöiden johto Newtonin lakia käyttäen

MS-A0402 Diskreetin matematiikan perusteet Yhteenveto, osa I

7. Aliavaruudet. Lineaariset yhtälöryhmät

Ennakkotehtävän ratkaisu

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

Differentiaali- ja integraalilaskenta 1 Ratkaisut 1. viikolle /

MS-A0401 Diskreetin matematiikan perusteet Yhteenveto, osa I

Diskreetin Matematiikan Paja Ratkaisuja viikolle 5. ( ) Jeremias Berg

Similaarisuus. Määritelmä. Huom.

Alkeismuunnokset matriisille, sivu 57

Helsinki University of Technology Laboratory of Telecommunications Technology

Lineaarikuvauksen R n R m matriisi

1 Lineaariavaruus eli Vektoriavaruus

Eräs matematiikassa paljon hyödynnetty summa on ns. luonnollisten lukujen neliöiden summa n.

9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista

Talousmatematiikan perusteet: Luento 9. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Transponointi Matriisitulo

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?

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

Matriisialgebra harjoitukset, syksy 2016

3x + y + 2z = 5 e) 2x + 3y 2z = 3 x 2y + 4z = 1. x + y 2z + u + 3v = 1 b) 2x y + 2z + 2u + 6v = 2 3x + 2y 4z 3u 9v = 3. { 2x y = k 4x + 2y = h

Sattuman matematiikkaa III

Ominaisarvo ja ominaisvektori

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

Ominaisarvot ja ominaisvektorit 140 / 170

Lineaariset yhtälöryhmät ja matriisit

i ni 9 = 84. Todennäköisin partitio on partitio k = 6, k k

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

MS-A0402 Diskreetin matematiikan perusteet

Matikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/210

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

MS-C1340 Lineaarialgebra ja

802320A LINEAARIALGEBRA OSA I

2 Taylor-polynomit ja -sarjat

MS-A0401 Diskreetin matematiikan perusteet Yhteenveto ja esimerkkejä ym., osa I

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

1 Matriisit ja lineaariset yhtälöryhmät

6 MATRIISIN DIAGONALISOINTI

Tehtävä 2 Todista luennoilla annettu kaava: jos lukujen n ja m alkulukuesitykset. ja m = k=1

5.3 Matriisin kääntäminen adjungaatilla

Seuraavat peruslauseet 1-8 voidaan helposti todistaa integraalin määritelmästä. Integroimisjoukko R oletetaan rajoitetuksi Jordanmitalliseksi

Tilastolliset menetelmät: Varianssianalyysi

Talousmatematiikan perusteet: Luento 10. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Matriisitulo Determinantti

1 Eksponenttifunktion määritelmä

5 OMINAISARVOT JA OMINAISVEKTORIT

Esimerkki 2 (Kaupparatsuongelma eli TSP)

Vektorien virittämä aliavaruus

Matikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/81

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Tehtävä 3. Määrää seuraavien jonojen raja-arvot 1.

MS-A0402 Diskreetin matematiikan perusteet Yhteenveto ja esimerkkejä ym., osa I

Paikannuksen matematiikka MAT

Kanta ja dimensio 1 / 23

MS-C1340 Lineaarialgebra ja

9.7 Matriisinormit. Vaasan yliopiston julkaisuja 225. Ei siis lainkaan ongelmia defektiivisyydestä.

9. ORTOGONAALIPROJEKTIOT JA KANNAT HILBERTIN AVARUUDESSA 51

Hanoin tornit. Merkitään a n :llä pienintä tarvittavaa määrää siirtoja n:lle kiekolle. Tietysti a 1 = 1. Helposti nähdään myös, että a 2 = 3:

10 Matriisit ja yhtälöryhmät

5. Lineaarisen optimoinnin perusprobleemat

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.

Lineaarialgebra (muut ko)

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

Analyysi A. Harjoitustehtäviä lukuun 1 / kevät 2018

EX1 EX 2 EX =

Transkriptio:

55 9 Omiaisarvot Diagoalisoiti Joaisee matriisii liittyy jouo sille omiaisia luuja, s omiaisarvoja, joista oostuu matriisi "spetri" ämä vaatii uitei luualuee laajetamista omplesiluuihi Jatossa matriisit ja vetorit voivat olla (ellei toisi maiita) omplesiertoimisia Matriisialgebra säilyy samalaisea ui reaalitapausessai, paitsi että uutea operaatioa tulee muaa omplesiluuje ojugoiti Avaruus C oostuu -omplesivetoreista, missä ertoimet i C Vetori ojugaatti o (Komplesiluvu a + bi ojugaatti eli liittoluu o z a bi) Sisätulo o yt muotoa y i y y+ + y Silloi vetori pituus eli ormi o + + + + i + + + 4 + + 7 + i Esim i i ( ) ( ) Salaarit, esimerisi lieaariombiaatioide ertoimet, ovat C : tapausessa omplesiluuja, ja siitä syystä esimerisi R : luoollie ata äy myös C : aasi Pääasiassa tarastelemme tässä urssissa reaalimatriiseja, mutta omplesivetoreihi joudutaa omplesiste omiaisarvoje taia

56 Salaari o eliömatriisi A omiaisarvo, jos o olemassa joi sellaie, että A Silloi vetori o omiaisarvoa vastaava omiaisvetori Eglaiieliset termit ovat eigevalue ja eigevector Omiaisarvo määrittely-yhtälö saadaa siirtämällä aii termit vasemmalle puolelle muotoo A eli ( A I) Kyseessä o siis homogeeie lieaarie yhtälöryhmä, joa erroimatriisi o A I Kosa yseessä o eliömatriisi, sillä o eitriviaaleja rataisuja ( ei elpaa omiaisvetorisi) täsmällee silloi, u erroimatriisi determiatti Yhtälöä p( ) det( A I) saotaa matriisi A arateristisesi yhtälösi ja polyomia p( ) se arateristisesi polyomisi Matriisi omiaisarvot ovat siis se arateristise polyomi juuret Näitä o algebra peruslausee ojalla ertaluvut muaa luie appaletta (jota voivat olla omplesisia) (ässä o syy siihe, että reaalisei matriisi omiaisarvot voivat olla omplesisia, ja sitä autta myös omiaisvetorit) Omiaisarvoja o -matriisilla siis ertaluvut muaa luie appaletta Omiaisarvo algebrallie ertaluu o, jos o arateristise polyomi -ertaie juuri Algebrallisesta ertaluvusta äytetää meritää alg( ) Kuhui omiaisarvoo liittyvät omiaisvetorit ja ollavetori muodostavat aliavaruude, omiaisarvo omiaisavaruude E : E { A } R N( A I)

57 Omiaisavaruus todella o aliavaruus, sillä: E ja, y E, a, b R A( a+ by) aa + bay a + by ( a + by ) a+ by E Omiaisavaruude dimesio o omiaisarvo geometrie ertaluu geom( ) dim E dim N( A I) Voidaa osoittaa, että geometrie ertaluu o aia oreitaa algebrallise ertaluvu suuruie: geom( ) alg( ) Matriisi A omiaisarvotehtävä äsittää matriisi aiie omiaisarvoje ja vastaavie omiaisvetorie muodostamista Omiaisvetoreista haetaa silloi joti omiaisavaruude atavetorit Meettely oostuu seuraavista vaiheista: Muodostetaa arateristie polyomi p( ) det( A I) Haetaa arateristise polyomi juuret,, Rataistaa ullei omiaisarvolle i homogeeie yhtälöryhmä ( A i ), joa rataisusta poimitaa "lieaarisesti riippumattomat omiaisvetorit" eli olla-avaruude N( A I) atavetorit

58 Esim 6 A det( A I) 6 7 + 4& ovat omiaisarvot Omiaisarvolle 4: / [ A 4 I ] /, t, t t, valitaa esim t: omiaisvetori v / Vastaavasti omiaisarvolle : v Kummai omiaisarvo algebrallie ja geometrie ertaluu ovat Esim 7 6 A 5 6 7 6 5 (5 )(( 7 )( ) 6) 6 5,, Omiaisvetorit omiaisarvolle, 5 : 6 ½ [ A 5 I ] ½, 6 ½ ½, t s, t, t+ s, omi vetorit esim (valit t, s): v, v Vastaavasti omiaisarvolle -: v alg(5) geom(5), alg(-)geom(-)

59 Esim 4 4 5 A 5 4 Omiaisarvot: 4 5 (4 )( 4 ) + 5 + 9, ± i 5 4 Omiaisvetorit omiaisarvolle i : 4 i 4 i 5 4 5 i 5 4 i +, 5 4+ i t 5 5, valitaa esim t 4 i: v 4 i t 5 Omiaisarvo i omiaisvetori o v v 4+ i Kummai omiaisarvo algebrallie ja geometrie ertaluu ovat Esim 5 5 4 A 5 Omiaisarvot: 5 4 (5 )( (5 ) 4) ( 4)(5 ) (5 )( 5 ) 5 5,, Omiaisvetorit omiaisarvolle, 5 : 4 5 5

6 +,, t t t, valitaa esim t: v Omiaisarvo omiaisvetorisi saadaa vastaavasti Nyt alg(5), geom(5), alg()geom() 4 u 5 Kute esimerissä 4 ähtii, reaaliselle matriisille omplesiset omiaisvetorit esiityvät ojugaattipareia: Jos reaalisella matriisilla A o omplesie omiaisarvo ja vastaava omiaisvetori v, ii o myös omiaisarvo ja v o sitä vastaava omiaisvetori: Av v Av Av ( Av) ( v) v Kosa matriisi omiaisarvo o arateristise polyomi p( ) det( A I) juuri, sille ähdää seuraavat omiaisuudet: Matriisi A o äätyvä, jos ja vai jos ei ole se omiaisarvo Jos o äätyvä matriisi A omiaisarvo, ii o ääteismatriisi A omiaisarvo Kolmiomatriisi omiaisarvot ovat se lävistäjäaliot Matriisi determiatti o yhtä ui se omiaisarvoje tulo: det A Matriisi A ( a ij ) lävistäjäalioide summa eli jäli o yhtä ui se omiaisarvoje summa: a + a + + a + + (odistuset harjoitustehtävisi)

6 a b a Esim 6 A, a, b a a Yläolmiomatriisi, jote omiaisarvot ovat 4 a eli a o aioa omiaisarvo, alg(a)4 b, joa vastaa yhtälöä [ A ai ] Siis muut muuttujat saavat olla vapaasti mitä tahasa, jote 4 r s t eli r + s + t, r, s, t R Omiaisvetoreita löytyy siis olme lieaarisesti riippumatota, eli v, v, v Nyt siis geometrie ertaluu geom(a) Osoitetaa seuraavasi hyödyllie omiaisuus eri omiaisavaruusie esiäisestä suhteesta: Erisuuria omiaisarvoja vastaavat omiaisvetorit ovat lieaarisesti riippumattomia odistus: Oloot,, r matriisi A erisuuria omiaisarvoja ja v,, vr iihi vastaavasti liittyviä omiaisvetoreita Osoitetaa, että jos v,,, v < r ovat lieaarisesti riippumattomia, ii äi ovat myös v,, v, v+ Ellei olisi, ii v + olisi muide lieaariombiaatio: v c v + i i i

6 ässä aii ertoimet c i eivät voi olla, osa v + Silloi ertomalla matriisilla A puolittai: A v Ac v v c v + i i + + i i i i i oisaalta ertomalla v+ civ i luvulla + saadaa myös esitys v c v + + + i i i i Vähetämällä ämä toisistaa saadaa ci( i + ) v i, josta vetorie v,, v i lieaarise riippumattomuude taia ci( i + ), i Kosa omiaisarvot ovat erisuuria, ovat c i aiilla i, miä o ristiriita Nyt siis aloittamalla vetorista v, joa ollasta eroavaa o ysiää lieaarisesti riippumato, ähdää että v, v ovat lieaarisesti riippumattomia, je Matriisit A ja B ovat similaariset, jos o olemassa sellaie äätyvä matriisi S, että S AS B Similaarisilla matriiseilla o imesä muaisesti jotai yhteistä: Similaariste matriisie A ja B arateristiset polyomit ovat samat, ja iillä o siis samat omiaisarvot ämä ähdää suoralla lasulla: p B I S AS I S AS S IS B ( ) det( ) det( ) det( ) det( S ( AS IS)) det( S ( A I) S) det( S ( A I) S) det( S ) det( A I) det S det( A I) det( S ) det S det( A I) det( S S) det( A I) p A ( )

6 Matriisi A o diagoalisoituva, jos se o similaarie joi lävistäjämatriisi D assa Diagoalisoituvuus meritsee siis sitä, että löytyy äätyvä matriisi S, joa diagoalisoi matriisi A: S AS D Lävistäjämatriisi D lävistäjäaliot ovat silloi A: omiaisarvot Kooa oleva matriisi o diagoalisoituva täsmällee silloi, u A:lla o täysi määrä eli appaletta lieaarisesti riippumattomia omiaisvetoreita Silloi diagoalisoiva matriisi S pystyrivit ovat tällaiset A: lieaarisesti riippumattomat omiaisvetorit Vetorit v, v ovat A: lieaarisesti riippumattomia omiaisvetoreita, jos ja vai jos iistä raeettu matriisi S [ v,, v ] o äätyvä (ras) ja Av v, i,, Siis A o diagoalisoituva lävistäjämatriisisi i i i D diag(,, ) D S AS SD AS v,, v A v,, v Av,, Av [ ] [ ] [ ] [ ] [ ] v,, v Av,, Av Av v, i,, i i i Ehto lieaarisesti riippumattomie omiaisvetorie täydelle määrälle o ertaluuje avulla ilmaistua: Joaisella omiaisarvolla o oltava algebrallie ertaluu yhtä ui geometrie ertaluu: alg()geom() Erityisesti matriisi o silloi diagoalisoituva, u se aii omiaisarvoa ovat erisuuria Ku A o diagoalisoituva, ii yhtälö S AS D tulee pääasiassa äyttöö muodossa A SDS Silloi esimerisi A ( SDS )( SDS ) SDDS SD S ja yleisemmi A SD S Lävistäjämatriisi potessit ovat helppoja muodostaa:

64 D Potessie autta päästää aylori sarjoihi, ja äi voidaa diagoalisoituville matriiseille määritellä aalyyttiste futioide f() vastieet matriisifutioia: f ( ) f ( ) f ( A) Sf( D) S S S f ( ) Esim 7 A 7 6 5 6 Aiaisemmi äsitelly esimeri : muaa omiaisarvot ovat, 5, Omiaisvetorit omiaisarvolle, 5 : v, v Vastaavasti omiaisarvolle -: v Lieaarisesti riippumattomia omiaisvetoreita o yt täysi appaletta Siis saamme esityse A SDS 5 5

65 5 /5 /5 5 /5 /5 Symmetrise reaalise matriisi tapaus o aiei selei omiaisarvoje ja diagoalisoii aalta Symmetrise reaalimatriisi A omiaisarvot ovat reaaliset ja vastaavat omiaisvetorit voidaa valita reaalisisi Jos o symmetrise reaalimatriisi A omiaisarvoa vastaava ysiövetorisi ormeerattu omiaisvetori, ii A A, josta saadaa ojugoimalla ( ) A A A, jote o reaalie Silloi reaalisella yhtälöllä ( A I) o reaalisia ei-triviaaleja rataisuja, eli omiaisvetoriti voidaa valita reaalisisi Symmetrise reaalimatriisi erisuuria omiaisarvoja vastaavat omiaisvetorit ovat ortogoaaliset, ii Jos A & A, A A A, jote ( ) ja siis Neliömatriisi Q o ortogoaalie, jos se saraeet muodostavat ortoormaali jouo Silloi se o äätyvä, ja ääteismatriisi o lasettavissa ysiertaisesti traspooimalla:, i j Q [ q,, q], qi q j δij, i j

66 q QQ [ q,, q ] [ q,, q ] [ q,, q ] q q q q q I q q q q Q Q Ortogoaalise eliömatriisi omiaisuudet ovat siis Q ortogoaalie Q : saraeet ortoormaaleja QQ QQ I Q Q Esim 8 / / / Q / / / / / / o ortogoaalie, ute taristamalla miä hyväsä yllä olevista yhtäpitävistä ehdoista osoittaa Jos matriisi A o symmetrie ja se omiaisarvot ovat aii erisuuria, o silloi edellise ojalla se omiaisvetoreista muodostettavissa ortogoaalie matriisi ällöi matriisi diagoalisoituu siis ortogoaalisella matriisilla ämä pätee myös yleisesti symmetriselle reaalimatriisille (tulos o syvällisempi, todistus sivuutetaa): Symmetrie reaalimatriisi A voidaa aia diagoalisoida ortogoaalisella matriisilla Q: A QDQ Matriisi Q oostuu A: ortogoaalisista omiaisvetoreista

67 Esim 9 A 7 6 5 6 Esimerissä 7 tämä diagoalisoitii Omiaisvetorit olivat omiaisarvolle, 5 : v, v ja omiaisarvolle -: v Nyt vetorit v ja v sattuvat olemaa / 5 v ortogoaaliset, jote riittää ormeerata e: q, q v v / 5 Omiaisarvoo liittyvä omiaisvetori tuleei olla ortogoaalie äide assa, jote ormeeraamalla se saadaa olmas tarvittava omiaisvetori q v / 5 / 5 v Silloi diagoalisoiva matriisi o Q / 5 / 5 [ q, q, q ] ja A: "spetraaliesitys" o / 5 / 5 / 5 / 5 5 / 5 / 5 A QDQ 5 / 5 / 5 / 5 / 5