Ominaisarvo ja ominaisvektori



Samankaltaiset tiedostot
Lineaarikuvauksen R n R m matriisi

Ominaisarvo ja ominaisvektori

Ortogonaalisen kannan etsiminen

Similaarisuus. Määritelmä. Huom.

Ominaisarvot ja ominaisvektorit 140 / 170

Kuvaus. Määritelmä. LM2, Kesä /160

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 ja matriisilaskenta I

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.

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

Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit

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

5 OMINAISARVOT JA OMINAISVEKTORIT

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

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

ominaisvektorit. Nyt 2 3 6

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

Vektoreiden virittämä aliavaruus

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Insinöörimatematiikka D

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

5 Ominaisarvot ja ominaisvektorit

Käänteismatriisi 1 / 14

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

1 Ominaisarvot ja ominaisvektorit

Lineaarialgebra ja matriisilaskenta I

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

Matemaattinen Analyysi / kertaus

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

MS-A0004/A0006 Matriisilaskenta

7 Vapaus. 7.1 Vapauden määritelmä

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja

Vapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee:

Lineaariset yhtälöryhmät ja matriisit

Vektorien virittämä aliavaruus

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

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /

Lineaarialgebra ja matriisilaskenta I

1 Matriisit ja lineaariset yhtälöryhmät

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

Kertausta: avaruuden R n vektoreiden pistetulo

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

9 Matriisit. 9.1 Matriisien laskutoimituksia

Determinantti 1 / 30

Ennakkotehtävän ratkaisu

Matematiikka B2 - Avoin yliopisto

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

Lineaarialgebra ja matriisilaskenta I

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?

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.

Determinantit. Kaksirivinen determinantti. Aiheet. Kaksirivinen determinantti. Kaksirivinen determinantti. Kolmirivinen determinantti

Matematiikka B2 - TUDI

Matriisialgebra harjoitukset, syksy 2016

Determinantti. Määritelmä

Lineaarialgebra ja matriisilaskenta I

Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 41

10 Matriisit ja yhtälöryhmät

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

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

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

6. OMINAISARVOT JA DIAGONALISOINTI

1 Lineaariavaruus eli Vektoriavaruus

802320A LINEAARIALGEBRA OSA I

Determinantti. Määritelmä

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Matriisialgebra harjoitukset, syksy 2016

Ominaisarvo-hajoitelma ja diagonalisointi

Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218

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

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

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

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /310

Tyyppi metalli puu lasi työ I II III

A = a b B = c d. d e f. g h i determinantti on det(c) = a(ei fh) b(di fg) + c(dh eg). Matriisin determinanttia voi merkitä myös pystyviivojen avulla:

Differentiaaliyhtälöt II, kevät 2017 Harjoitus 5

Matriisipotenssi. Koska matriisikertolasku on liitännäinen (sulkuja ei tarvita; ks. lause 2), voidaan asettaa seuraava määritelmä: ja A 0 = I n.

JAKSO 2 KANTA JA KOORDINAATIT

Lineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / Ratkaisut

Insinöörimatematiikka D

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

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

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Ortogonaalinen ja ortonormaali kanta

Kantavektorien kuvavektorit määräävät lineaarikuvauksen

Johdatus lineaarialgebraan

2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio

Vastaavasti, jos vektori kerrotaan positiivisella reaaliluvulla λ, niin

Neliömatriisin adjungaatti, L24

Paikannuksen matematiikka MAT

Luento 8: Epälineaarinen optimointi

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

Bijektio. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin jokaiselle alkiolle kuvautuu tasan yksi lähdön alkio.

Oletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U

Lineaarialgebra a, kevät 2018 Harjoitusta 5 Maplella

Johdatus lineaarialgebraan

1 Avaruuksien ja lineaarikuvausten suora summa

Transkriptio:

Määritelmä Ominaisarvo ja ominaisvektori Oletetaan, että A on n n -neliömatriisi. Reaaliluku λ on matriisin ominaisarvo, jos on olemassa sellainen vektori v R n, että v 0 ja A v = λ v. Vektoria v, joka toteuttaa yllä mainitun ehdon kutsutaan ominaisarvoon λ liittyväksi ominaisvektoriksi. Huom. Edellinen määritelmä on sekä ominaisarvon että ominaisvektorin määritelmä. Ominaisarvoa ei voida määritellä ilman ominaisvektoria eikä ominaisvektoreista voida puhua mainitsematta ominaisarvoa. LM1, Kesä 2014 103/174

Ominaisarvo ja ominaisvektori Huom. Matriisin A ominaisvektori on vektori, jolle matriisilla A kertominen vastaa reaaliluvulla λ kertomista. Nollavektorin ei haluta olevan ominaisvektori, sillä jos niin olisi, kaikki reaaliluvut olisivat kaikkien matriisien ominaisarvoja. LM1, Kesä 2014 104/174

Ominaisarvo ja ominaisvektori Esimerkki 25 Matriisilla A = on ominaisarvo 4, sillä 3 1 1 = 1 3 1 3 1 1 3 4 = 4 4 1. 1 Eräs ominaisarvoa 4 vastaava ominaisvektori on siis (1, 1). LM1, Kesä 2014 105/174

Samaa ominaisarvoa voi vastata useampi eri ominaisvektori. Esimerkiksi (2, 2) on myös matriisin A ominaisarvoa 4 vastaava ominaisvektori, sillä 3 1 2 8 2 = = 4. 1 3 2 8 2 Matriisilla A on toinenkin ominaisarvo: 3 1 1 2 1 = = 2, 1 3 1 2 1 joten reaaliluku 2 on matriisin A ominaisarvo ja (1, 1) on yksi siihen liittyvä ominaisvektori. LM1, Kesä 2014 106/174

Ominaisarvo ja ominaisavaruus Jos kaikki matriisin A ominaisarvoa λ vastaavat ominaisvektorit sekä nollavektori kerätään yhteen, saadaan ominaisarvoa vastaava ominaisavaruus. Määritelmä Oletetaan, että matriisilla A M n n on ominaisarvo λ R. Ominaisarvoa λ vastaava ominaisavaruus on joukko V λ = { v R n A v = λ v }. LM1, Kesä 2014 107/174

Esimerkki 26 Ominaisavaruus Määritetään esimerkin 25 matriisin 3 1 A = 1 3 ominaisarvoa 4 vastaava ominaisavaruus eli kaikki ominaisarvoa 4 vastaavat ominaisvektorit. Vektori v = (v 1, v 2 ) R 2 on ominaisarvoa 4 vastaava ominaisvektori, jos ja vain jos 3 1 v1 v1 = 4 1 3 v 2 v 2 eli 3 1 v1 4v1 = 1 3 v 2 4v 2 0. 0 LM1, Kesä 2014 108/174

Yhtälö saadaan muotoon v1 + v 2 = v 1 v 2 0 0 ja sitä vastaava lineaarinen yhtälöryhmä on { v1 + v 2 = 0 v 1 v 2 = 0, jossa tuntemattomina ovat v 1 ja v 2. Yhtälöryhmän ratkaisuiksi saadaan { v1 = s missä s R. v 2 = s, Koska nollavektori ei ole ominaisvektori, ovat ominaisvektorit muotoa (s, s), missä s R \ {0}. LM1, Kesä 2014 109/174

Ominaisavaruuteen otetaan mukaan myös nollavektori. Siten ominaisarvoa 4 vastaava ominaisavaruus on V 4 = { (s, s) s R } = { s(1, 1) s R } = span((1, 1)). LM1, Kesä 2014 110/174

Ominaisarvot ja ominaisvektorit Esimerkki 27 Tarkastellaan matriisien 2 0 A =, B = 0 1 1 0 0 1 ja C = 0 1 1 0 ominaisarvoja. LM1, Kesä 2014 111/174

Matriisilla A kertominen venyttää vektoreita vaaka-akselin suunnassa kaksinkertaisiksi. Tästä voidaan päätellä, että matriisin A ominaisvektoreita ovat vektorit muotoa t(1, 0), missä t R {0}, ja vastaava ominaisarvo on 2. matriisin A ominaisvektoreita ovat vektorit muotoa t(0, 1), missä t R {0}, ja vastaava ominaisarvo on 1. L A LM1, Kesä 2014 112/174

Matriisilla B kertominen peilaa vektorit pystyakselin suhteen. Tästä voidaan päätellä, että matriisin B ominaisvektoreita ovat vektorit muotoa t(1, 0), missä t R {0}, ja vastaava ominaisarvo on 1. matriisin B ominaisvektoreita ovat vektorit muotoa t(0, 1), missä t R {0}, ja vastaava ominaisarvo on 1. L B LM1, Kesä 2014 113/174

Matriisilla C kertominen kiertää vektoreita origon ympäri 90 vastapäivään eli positiiviseen kiertosuuntaan. Tästä voidaan päätellä, että matriisilla C ei ole ominaisvektoreita eikä ominaisarvoja. L C LM1, Kesä 2014 114/174

Karakteristinen polynomi Lause 9 Oletetaan, että A on n n -neliömatriisi. Reaaliluku λ on matriisin A ominaisarvo, jos ja vain jos det(a λi) = 0. Todistus. : Oletetaan, että λ R on matriisin A ominaisarvo. Tällöin on olemassa v R n \ { 0}, jolle pätee A v = λ v. Matriisien laskusääntöjen nojalla tätä yhtälöä voidaan muokata: A v = λ v A v = λi v A v λi v = 0 (A λi) v = 0. Vektori v on siis yhtälöä (A λi) x = 0 vastaavan homogeenisen yhtälöryhmän epätriviaali (eli nollasta poikkeava) ratkaisu. Siten matriisi A λi ei ole kääntyvä. Näin ollen det(a λi) = 0. LM1, Kesä 2014 115/174

: Oletetaan, että det(a λi) = 0 jollakin λ R. Tällöin matriisi A λi ei ole kääntyvä. Tästä seuraa, että yhtälöllä (A λi) x = 0 on epätriviaali ratkaisu. Olkoon tuo ratkaisu v. Nyt siis v 0. Koska (A λi) v = 0, saadaan matriisien laskusääntöjen avulla yhtälö A v = λ v kuten edellä. Siten λ on matriisin A ominaisarvo. LM1, Kesä 2014 116/174

Karakteristinen polynomi Määritelmä Oletetaan, että A on n n -neliömatriisi. Muuttujan λ polynomi, joka saadaan kirjoittamalla auki determinantti det(a λi), on nimeltään matriisin A karakteristinen poynomi. Esimerkki 28 Matriisin A = 1 2 karakteristinen polynomi on λ 3 2 2 3λ 4, sillä 1 λ 2 det(a λi) = = (1 λ)(2 λ) 6 3 2 λ = 2 λ 2λ + λ 2 6 = λ 2 3λ 4. LM1, Kesä 2014 117/174