MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Samankaltaiset tiedostot
MS-C1340 Lineaarialgebra ja

17. Differentiaaliyhtälösysteemien laadullista teoriaa.

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Vakiokertoiminen lineaarinen normaaliryhmä

6. Differentiaaliyhtälösysteemien laadullista teoriaa.

MS-A0004/A0006 Matriisilaskenta

Differentiaaliyhtälöt II, kevät 2017 Harjoitus 5

Matriisin eksponenttifunktio ja differentiaaliyhtälöryhmät

Insinöörimatematiikka D

Insinöörimatematiikka D

Insinöörimatematiikka D

Insinöörimatematiikka D

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Ominaisarvo-hajoitelma ja diagonalisointi

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja

5 OMINAISARVOT JA OMINAISVEKTORIT

Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit

5 Differentiaaliyhtälöryhmät

5 DIFFERENTIAALIYHTÄLÖRYHMÄT

Differentiaaliyhtälösysteemit sekä niiden tasapainopisteiden stabiilisuus

Harjoitus Tarkastellaan luentojen Esimerkin mukaista työttömyysmallinnusta. Merkitään. p(t) = hintaindeksi, π(t) = odotettu inflaatio,

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

y (0) = 0 y h (x) = C 1 e 2x +C 2 e x e10x e 3 e8x dx + e x 1 3 e9x dx = e 2x 1 3 e8x 1 8 = 1 24 e10x 1 27 e10x = e 10x e10x

1 Di erentiaaliyhtälöt

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

Ominaisarvot ja ominaisvektorit 140 / 170

13. Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä

10. Toisen kertaluvun lineaariset differentiaaliyhtälöt

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

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

13. Ratkaisu. Kirjoitetaan tehtävän DY hieman eri muodossa: = 1 + y x + ( y ) 2 (y )

6. Toisen ja korkeamman kertaluvun lineaariset

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

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

3 Toisen kertaluvun lineaariset differentiaaliyhtälöt

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.

Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä

MS-C1340 Lineaarialgebra ja

Matemaattinen Analyysi

Insinöörimatematiikka D

Lineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / Ratkaisut

Insinöörimatematiikka D

Matematiikka B3 - Avoin yliopisto

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Matemaattinen Analyysi

MS-C1340 Lineaarialgebra ja

4. Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä

1 Avaruuksien ja lineaarikuvausten suora summa

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

2v 1 = v 2, 2v 1 + 3v 2 = 4v 2.. Vastaavasti ominaisarvoa λ 2 = 4 vastaavat ominaisvektorit toteuttavat. v 2 =

4 Korkeamman kertaluvun differentiaaliyhtälöt

4 Korkeamman kertaluvun lineaariset differentiaaliyhtälöt

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

1.1 Vektorit. MS-A0004/A0006 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n.

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

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

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?

4. Lasketaan transienttivirrat ja -jännitteet kuvan piiristä. Piirielimien arvot ovat C =

MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 11: Lineaarinen differentiaaliyhtälö

. Mitä olisivat y 1 ja y 2, jos tahdottaisiin y 1 (0) = 2 ja y 2 (0) = 0? x (1) = 0,x (2) = 1,x (3) = 0. Ratkaise DY-ryhmä y = Ay.

MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö

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

Differentiaali- ja integraalilaskenta 1 Ratkaisut 6. viikolle /

MS-A0102 Differentiaali- ja integraalilaskenta 1

Ominaisarvo ja ominaisvektori

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

Seuraavaksi tarkastellaan ensimmäisen kertaluvun lineaarista, vakiokertoimista differentiaaliyhtälösysteemiä

Mat Dynaaminen optimointi, mallivastaukset, kierros Vaimennetun heilurin tilanyhtälöt on esitetty luennolla: θ = g sin θ r θ

a 1 y 1 (x) + a 2 y 2 (x) = 0 vain jos a 1 = a 2 = 0

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

DI matematiikan opettajaksi: Täydennyskurssi, kevät 2010 Luentorunkoa ja harjoituksia viikolle 13: ti klo 13:00-15:30 ja to 1.4.

Matriisialgebra harjoitukset, syksy 2016

3 TOISEN KERTALUVUN LINEAARISET DY:T

Lineaarinen toisen kertaluvun yhtälö

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

Lineaarialgebra ja matriisilaskenta I

1 Peruskäsitteet. Dierentiaaliyhtälöt

Numeeriset menetelmät

DIFFERENTIAALIYHTÄLÖIDEN JATKOKURSSI SYKSY 2014

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /

1.1 Vektorit. MS-A0007 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. 1. Vektorit ja kompleksiluvut

Paikannuksen matematiikka MAT

Sisätuloavaruudet. 4. lokakuuta 2006

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

802320A LINEAARIALGEBRA OSA II

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

6 MATRIISIN DIAGONALISOINTI

Lineaariset differentiaaliyhtälöryhmät

Tyyppi metalli puu lasi työ I II III

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

Transkriptio:

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Differentiaaliyhtälöt. osa 2 Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 1 R. Kangaslampi Matriisihajotelmista

Tarkastellaan lähemmin homogeenista vakiokertoimista yhtälöä x (t) = A x(t), missä A R n n. Olkoon λ A :n ominaisarvo ja v 0 vastaava ominaisvektori. Etsitään DY:lle ratkaisua muodossa x(t) = η(t)v, missä η on skalaarifunktio. Sijoittamalla yhtälöön saadaan η (t)v = A ( η(t)v ) = η(t)av = λη(t)v. Toisin sanoen yhtälö toteutuu, jos η on differentiaaliyhtälön η (t) = λη(t) ratkaisu. Tämä tunnetaan: η(t) = ce λt, missä c on mielivaltainen vakio. 2 / 1 R. Kangaslampi Matriisihajotelmista

Saatiin: Av = λv = c e λt v on DY:n ratkaisu. Olkoon A :lla ominaisarvot λ 1, λ 2,..., λ k ja ominaisvektorit v 1, v 2,..., v k. Tällöin funktiot c 1 e λ1t v 1,..., c k e λkt v k ovat yhtälön x (t) = A x(t) ratkaisuja, joten edellisen lauseen mukaan myös x(t) = c 1 e λ1t v 1 + c 2 e λ2t v 2 + + c k e λkt v k on yhtälön ratkaisu. 3 / 1 R. Kangaslampi Matriisihajotelmista

Jos nyt k = n ja jos vektorit v 1, v 2,..., v n ovat lineaarisesti riippumattomat, niin alkuehdosta x(0) = x 0 saadaan yhtälö: c 1 v 1 + + c n v n = x 0 eli c = V 1 x 0, missä c = (c 1,..., c n ), V = [ v 1 v 2... v n]. Näin saadaan ratkaisulle esitys [ ] e x(t) = V λ 1 t... V 1 x 0. e λnt Ominaisvektoreiden avulla esitetyn ratkaisun etuna on se, että siitä nähdään ratkaisun kulkusuunta, kun t. 4 / 1 R. Kangaslampi Matriisihajotelmista

Esimerkki 1 Differentiaaliyhtälölle x (t) = [ 1 0 1 2 ] x(t), x(0) = [ ] 1 [ ] 1 saatiin aiemmin ratkaisu x(t) = e ta x(0) = 2e t e 2t. Koska matriisin A e 2t ominaisarvot ovat 1 ja 2 ja niitä vastaavat ominaisvektorit v 1 = [ 1 0 ] ja v 2 = [ 1 1 ], ratkaisu voidaan kirjoittaa myös muodossa x(t) = c 1 e t v 1 + c 2 e 2t v 2. Kertoimet c i määräytyvät alkuehdosta, mutta jo ilman alkuehtoa nähdään, että x(t), kun t, koska molemmat ominaisarvot ovat positiivisia. Ratkaisukäyrät karkaavat nopeammin v 2 :n suuntaan, koska sitä vastaa suurempi ominaisarvo. 5 / 1 R. Kangaslampi Matriisihajotelmista

Esimerkki 2 (Lähde) Tarkastellaan edellistä tehtävää x (t) = [ 1 0 1 2 ] x(t), x(0) = [ 1 alkuarvolla x(0) = (a 1, a 2 ) T. Edellä saatiin [ ] [ ] [ ] [ e t A = V e Λt V 1 1 1 e t 0 1 1 e t e = 0 1 0 e 2t = 2t e t ] 0 1 0 e 2t 1 ]. Alkuarvotehtävän x = Ax, x(0) = (a 1, a 2 ) T ratkaisu on siten [ e t e x(t) = 2t e t ] [ ] [ a1 e 0 e 2t = t (a 1 a 2 ) + e 2t ] a 2 a 2 e 2t. a 2 = (a 1 a 2 )e t v 1 + a 2 e 2t v 2 A :n ominaisarvot ovat positiiviset, joten kaikki ratkaisut kulkevat origosta poispäin. Tätä kutsutaan lähteeksi. 6 / 1 R. Kangaslampi Matriisihajotelmista

Edellisen esimerkin ratkaisukäyriä eri alkuarvoilla. Huomaa pakeneminen ominaisvektorisuunnissa. x 1 2 0.5-1 -0.5 0.5 1 x 1-0.5-1 7 / 1 R. Kangaslampi Matriisihajotelmista

Esimerkki 3 (Nielu) Matriisilla A = [ ] 2 1 1 2 on ominaisarvot λ1 = 3 ja λ 2 = 1 ja ominaisvektorit v 1 = ( 1, 1 ), v 2 = ( 1, 1 ). Kuten edellisessä esimerkissä saamme e t A = [ ] [ ] [ ] 1 1 e 3t 0 1/2 1/2 1 1 = 1 0 e t 1/2 1/2 2 [ e t + e 3t e t + e 3t ] e t + e 3t ja alkuarvotehtävälle x = Ax, x(0) = (a 1, a 2 ) T ratkaisun [ x(t) = 1 e t (a 1 a 2 ) + e 3t ] (a 1 + a 2 ) 2 e t (a 1 a 2 ) + e 3t. (a 1 + a 2 ) Tällä systeemillä ominaisarvot ovat negatiiviset, joten kaikki ratkaisut kulkevat origoon päin. Tätä kutsutaan nieluksi. e t + e 3t 8 / 1 R. Kangaslampi Matriisihajotelmista

Edellisen esimerkin ratkaisukäyriä. Ominaisvektorisuunnissa liikutaan suoraan kohti origoa. x 1 2 0.5-1 -0.5 0.5 1 x 1-0.5-1 9 / 1 R. Kangaslampi Matriisihajotelmista

Esimerkki 4 (Satula) Matriisilla A = [ ] 2 1 4 1 on erimerkkiset ominaisarvot λ1 = 2 ja λ 2 = 3 ja ominaisvektorit v 1 = ( 1, 4 ), v 2 = ( 1, 1 ). Kuten edellä, saamme [ e 2t + 4e 3t e 2t e 3t ] e t A = 1 5 4e 2t 4e 3t 4e 2t + e 3t ja alkuehto x(0) = (a 1, a 2 ) T, antaa ratkaisun [ x(t) = 1 e 2t (a 1 + a 2 ) + e 3t ] (4a 1 a 2 ) 5 e 2t (4a 1 + 4a 2 ) + e 3t. ( 4a 1 + a 2 ) Tällä systeemillä ratkaisut kulkevat origoon päin v 1 :n suuntaista suoraa pitkin ja etääntyvät asymptoottisesti v 2 :n suuntaan. 10 / 1 R. Kangaslampi Matriisihajotelmista

Edellisen esimerkin ratkaisukäyriä. Toisen om.vektorin suunnassa paetaan, toisen lähestytään origoa. x 1 2 0.5-1 -0.5 0.5 1 x 1-0.5-1 11 / 1 R. Kangaslampi Matriisihajotelmista

Kompleksiset ominaisarvoparit Reaalisella matriisilla A saattaa olla kompleksisia ominaisarvoja. Ne esiintyvät liittolukupareina α ± iβ. Jos w = u + i v on ominaisarvoa λ = α + iβ vastaava ominaisvektori, niin Aw = λw, joten w = u i v vastaa ominaisarvoa λ = α iβ. Tehtävän x = Ax eräs ratkaisu on x(t) = d 1 e λt w + d 2 e λt w. 12 / 1 R. Kangaslampi Matriisihajotelmista

Yleensä halutaan kuitenkin reaalinen ratkaisu. Yhtälön A(u + iv) = (α + iβ)(u + iv) reaali ja imaginaariosista saadaan Au = αu βv Av = βu + αv [ ] α β eli A [u v] = [u v]. β α Tällöin ratkaisu voidaan kirjoittaa reaalisessa muodossa x(t) = d 1 e λt w + d 2 e λt w =... [ ] = e αt cos(βt) sin(βt) [u v] c sin(βt) cos(βt) jollain (alkuehdosta määräytyvällä) vakiovektorilla c. 13 / 1 R. Kangaslampi Matriisihajotelmista

Ratkaisusta [ ] x(t) = e αt cos(βt) sin(βt) [u v] c sin(βt) cos(βt) nähdään, että jos kompleksiset ominaisarvot α ± βi ovatkin aidosti imaginaariset, eli α = 0, niin ratkaisu jää kiertämään kehää origon ympärille. Jos taas reaaliosat ovat positiiviset, ratkaisut etääntyvät origosta. Vastaavasti ominaisarvojen reaaliosien ollessa negatiiviset, ratkaisukäyrät lähestyvät origoa. 14 / 1 R. Kangaslampi Matriisihajotelmista

Esimerkki 5 (Epästabiili fokus) [ ] 9 8 Matriisilla A = on kompleksinen ominaisarvopari 16 7 λ 1,2 = 1 ± 8i. Kompleksisten ominaisvektorien reaali- ja imaginaariosista muodostetut vektorit ovat u = [ 1 0 ] ja v = [ ] 1 2 ja yhtälön x (t) = Ax(t) ratkaisu on siis yleisesti [ ] [ ] x(t) = e t 1 1 cos(8t) sin(8t) c. 1 2 sin(8t) cos(8t) Alkuarvon x(0) = (a 1, a 2 ) T toteuttavaksi ratkaisuksi saadaan [ ] x(t) = e t a1 cos(8t) + (a 1 a 2 ) sin(8t). a 2 cos(8t) + (2a 1 a 2 ) sin(8t) Ratkaisut kulkevat spiraalimaisesti origosta poispäin. 15 / 1 R. Kangaslampi Matriisihajotelmista

Edellisen esimerkin ratkaisukäyrät kahdesta eri alkuarvosta lähtien. Systeemiä kutsutaan epästabiiliksi fokukseksi. A :n ominaisarvojen reaaliosat ovat positiiviset. x 2 1 0.5-1 -0.5 0.5 1 x 1-0.5-1 16 / 1 R. Kangaslampi Matriisihajotelmista

Esimerkki 6 (Stabiili fokus) [ ] 3 2 Matriisilla A = on kompleksinen ominaisarvopari 1 1 λ 1,2 = 2 ± i ja ja vektorit u = [ 1 1 ] ja v = [ 1 0 ]. Alkuarvotehtävän x (t) = Ax(t), x(0) = (a 1, a 2 ) T, ratkaisu voidaan kirjoittaa muodossa [ ] x(t) = e 2t a1 cos t + ( a 1 + 2a 2 ) sin t. a 2 cos t + ( a 1 + a 2 ) sin t Tällä systeemillä ratkaisut kulkevat spiraalimaisesti origoon päin. Systeemiä kutsutaan stabiiliksi fokukseksi. Nyt A :n ominaisarvojen reaaliosat ovat negatiiviset. 17 / 1 R. Kangaslampi Matriisihajotelmista

Edellisen esimerkin ratkaisukäyriä 11 eri alkuarvosta lähtien. Ratkaisut kulkevat spiraalimaisesti origoon päin. 1 x 2 0.5-1 -0.5 0.5 1 x 1-0.5-1 18 / 1 R. Kangaslampi Matriisihajotelmista

Huomaa, että tällä systeemillä Imλ / Reλ = 1/2 on paljon pienempi kuin edellisessä esimerkissä epästabiilille fokukselle, missä vastaava suhde oli 8. Tästä johtuen ratkaisut kiertävät vähemmän. Kerrataan sitten erilaiset tyyppitapaukset mahdollisimman yksinkertaisille matriiseille: 19 / 1 R. Kangaslampi Matriisihajotelmista

Tyyppitapauksia yhtälöstä x = Ax avaruudessa R 2 : Nimi A x(t) Λ(A) Kuva Lähde [ ] 1 0 0 1 e t x(0) {1, 1} Nielu [ ] 1 0 0 1 e t x(0) { 1, 1} 20 / 1 R. Kangaslampi Matriisihajotelmista

Nimi A x(t) Λ(A) Kuva Satula [ 1 0 0 1 ] [ e t 0 0 e t ] x(0) { 1, 1} Degener.lähde [ 1 1 0 1 ] [ e t te t 0 e t ] x(0) {1, 1} 21 / 1 R. Kangaslampi Matriisihajotelmista

Nimi A x(t) Λ(A) Keskus [ 0 1 ] [ ] cos(t) sin(t) 1 0 x(0) { i, i} sin(t) cos(t) Epästab. fokus Stabiili fokus [ 1 1 ] 1 1 [ 1 1 ] 1 1 sin(t) sin(t) cos(t) e t [ cos(t) sin(t) sin(t) cos(t) e t [ cos(t) ] x(0) {1 ± i} ] x(0) { 1 ± i} 22 / 1 R. Kangaslampi Matriisihajotelmista

Keskus Epästab. fokus Stabiili fokus 23 / 1 R. Kangaslampi Matriisihajotelmista

Ratkaisujen luonne määräytyy siis A :n ominaisarvoista. Erityisesti: Reaaliset ominaisarvot: Ovatko positiiviset, negatiiviset vai erimerkkiset? Onko ei-triviaaleja Jordan lohkoja? Kompleksiset ominaisarvot: Onko reaaliosa positiivinen, negatiivinen vai nolla? 24 / 1 R. Kangaslampi Matriisihajotelmista

Tarkemmin: Tarkastellaan yleistä 2 2 matriisia A. Tämän ominaisarvot saadaan yhtälöstä λ 2 (a 11 +a 22 )λ+a 11 a 22 a 12 a 21 = 0 eli λ 2 tr(a)λ+det(a) = 0, missä tr(a) = a 11 + a 22 on A :n jälki (trace) = A :n lävistäjäalkioiden summa = A :n ominaisarvojen summa ja det(a) = a 11 a 22 a 12 a 21 on A :n determinantti = A :n ominaisarvojen tulo. 25 / 1 R. Kangaslampi Matriisihajotelmista

Ominaisarvot ovat siis λ 1,2 = 1 2 tr(a) ± 1 4 tr(a)2 det(a). Ominaisarvot ovat kompleksiset, kun diskriminantti D = 1 4 tr(a)2 det(a) on negatiivinen, muuten reaaliset. Ominaisarvo on kaksinkertainen, kun D = 0. Matriisin determinantin ja jäljen avulla voidaan siis luokitella yhtälön x (t) = Ax(t) ratkaisuiden käytöstä. Seuraava kuva pyrkii selittämään näiden yhteyksiä. Stabiili tarkoittaa tässä, että ratkaisut eivät pakene origosta. 26 / 1 R. Kangaslampi Matriisihajotelmista

Ratkaisuiden luonne determinantin ja jäljen avulla: det(a) D=0 stabiili fokus epastabiili fokus D<0 nielu stabiili epastabiili lahde tr(a) D>0 satula 27 / 1 R. Kangaslampi Matriisihajotelmista

Otetaan vielä yksi esimerkki, tällä kertaa avaruudessa R 3. Esimerkki 7 Tutki differentiaaliyhtälön x (t) = Ax(t) ratkaisuiden käyttäytymistä, kun 14 160 40 A = 181 5 2 96 84 18 28 / 1 R. Kangaslampi Matriisihajotelmista

Ratkaisu: Matriisilla A on kompleksinen ominaisarvopari λ 1,2 = 6 ± 180i, joita vastaavia kompleksisia ominaisvektoreita kuvaavat reaaliset vektorit u = ( 1, 1, 1) ja v = (1, 1, 0), sekä yksi reaalinen ominaisarvo λ 3 = 3 ja vastaava ominaisvektori w = (0, 1, 4). Voidaan siis arvata, että ratkaisut lähestyvät origoa w:n suunnassa ja pyörivät u:n ja v:n määräämän ominaistason suunnassa. Yhtälö voidaa ratkaista esim. tekemällä A:lle Jordan-hajotelma ja laskemalla e At sen avulla. Alkuarvolla x(0) = (a 1, a 2 ) tehtävän ratkaisuksi x(t) = e At x(0) saadaan x(t) = [ a 1 e 6t ( cos(180t) sin(180t))+a 2 e 6t (cos(180t) sin(180t)) a 1 e 6t (cos(180t) sin(180t))+a 2 e 6t (cos(180t)+sin(180t)) a 3 e 3t e 6t (a 1 cos(180t)+a 2 sin(180t))+4a 3 e 3t ]. 29 / 1 R. Kangaslampi Matriisihajotelmista

Ratkaisut käyttäytyvätkin spiraalin tavoin: 30 / 1 R. Kangaslampi Matriisihajotelmista