Litt om egenverdier og determinanter. - IfI
Litt om egenverdier og determinanter. - IfI
Litt om egenverdier og determinanter. - IfI
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>Litt</strong> <strong>om</strong> <strong>egenverdier</strong> <strong>og</strong> <strong>determinanter</strong>.<br />
Til slutt i lineær algebra skal vi gi en liten smakebit p˚a<br />
<strong>egenverdier</strong> <strong>og</strong> <strong>determinanter</strong> (seksjon 4.1. <strong>og</strong> 4.2). Den<br />
virkelige behandlingen av dette stoffet er i MAT120.<br />
Vi skal se p˚a egenverdiproblemet. Dette problemet har<br />
flere anvendelser, bl.a.<br />
• analyse av modeller for populasjonsvekst (s<strong>om</strong> i<br />
oblig.1)<br />
• løse systemer av differensiallikninger<br />
• beregne potenser av matriser<br />
• forenkle kvadratiske former (f.eks. ellipser)<br />
Her er egenverdiproblemet:<br />
La A være en n × n matrise. Finn alle skalarer λ slik at<br />
likningen<br />
Ax = λx<br />
har en ikkenull løsning x. En slik skalar λ kalles en<br />
egenverdi for matrisen A <strong>og</strong> enhver ikkenull vektor x<br />
s<strong>om</strong> oppfyller likningen Ax = λx kalles en egenvektor<br />
s<strong>om</strong> svarer til egenverdien λ.<br />
Lin.alg. Seksjon 4.1, 4.2: #1 of 9
Hvorfor er dette et interessant problem?<br />
Vi kan gi et foreløpig svar ved ˚a sep˚a et eksempel vi<br />
kjenner.<br />
Eksempel: populasjonsvekst. La x ∈ IR 2 være en vektor<br />
s<strong>om</strong> angir befolkningsmengden i 2 ulike regioner. Anta<br />
at endringen i befolkningsmengden fra et ˚ar til neste er<br />
beskrevet ved en 2 × 2 matrise A gitt ved<br />
⎡ ⎤<br />
0.8 0.2<br />
A = ⎣ ⎦<br />
0.2 0.8<br />
Her er ai,j andelen av populasjonen i region j s<strong>om</strong><br />
flytter til region i (hvis i = j: andelen s<strong>om</strong> blir boende i<br />
denne regionen). Hvis xk er populasjonsvektoren i ˚ar k<br />
har derfor at<br />
xk+1 = Axk (k = 1, 2,...)<br />
der x0 er startpopulasjonen.<br />
Man kan her vise at λ1 = 1 <strong>og</strong> λ2 = 0.6 er to <strong>egenverdier</strong><br />
for A. De korresponderende egenvektorene kaller vi u1<br />
<strong>og</strong> u2. Disse viser seg ˚a være lineært uavhengige, s˚a<br />
startpopulasjonsvektoren x0 kan skrives<br />
x0 = a1u1 + a2u2<br />
for passende a1 <strong>og</strong> a2 (s<strong>om</strong> vi kan regne ut).<br />
Spørsm˚alet er: hvordan vil befolkningsfordelingen bli “i<br />
det lange løp”?<br />
Lin.alg. Seksjon 4.1, 4.2: #2 of 9
Har at<br />
Videre blir<br />
Generelt blir<br />
x1 = Ax0 = A(a1u1 + a2u2) =<br />
= a1Au1 + a2Au2 = a1λ1u1 + a2λ2u2 =<br />
= a1u1 + (0.6a2)u2.<br />
x2 = Ax1 = A(a1u1 + 0.6a2u2) =<br />
= a1Au1 + 0.6a2Au2 =<br />
= a1u1 + (0.62a2)u2. xk = a1u1 + (0.6 k a2)u2.<br />
Legg merke til hvor enkle beregningene ble pga.<br />
egenverdiene. Vi ser forresten at xk vil nærme seg a1u1<br />
n˚ar k g˚ar mot uendelig, <strong>og</strong> siden b˚ade a1 <strong>og</strong> u1 er kjente<br />
harvifunnetsvarp˚a det spørsm˚alet vi stilte.<br />
Hvordan kan vi finne egenverdiene til en matrise?<br />
Ser p˚a dette for 2 × 2 matriser, s˚ala<br />
⎡ ⎤<br />
A= ⎣<br />
a b<br />
⎦<br />
c d<br />
At Ax = λx har en ikkenull løsning betyr jo at<br />
(A − λI)x = 0 for en ikkenull vektor x. Dette betyr videre<br />
at matrisen A − λI er singulær.<br />
Lin.alg. Seksjon 4.1, 4.2: #3 of 9
Men matrisen<br />
⎡<br />
⎤<br />
a − λ b<br />
A − λI = ⎣ ⎦<br />
c d−λ<br />
er singulær hvis <strong>og</strong> bare hvis<br />
(∗) (a−λ)(d − λ) − bc = 0.<br />
Tallet til venstre i (∗) kalles determinanten til matrisen<br />
A − λI. Vibrukteat:en kvadratisk matrise er singulær<br />
hvis <strong>og</strong> bare hvis determinanten er null.<br />
Legg merke til at likningen (∗) er en annegradslikning<br />
s<strong>om</strong> vi kan løse <strong>og</strong> de to røttene er egenverdiene til A.<br />
Generelt: hvis A er en n × n matrise kan egenverdiene<br />
(matematisk sett) finnes ved ˚a bestemme alle røttene til<br />
et polyn<strong>om</strong> av grad n. Dette polyn<strong>om</strong>et kalles det<br />
karakteristiske polyn<strong>om</strong>et til A. Siden et polyn<strong>om</strong> av<br />
grad n har n røtter (ved Algebraens<br />
Fundamentalteorem), der røtter kan sammenfalle, vil A<br />
ha n <strong>egenverdier</strong>. Merk at egenverdiene kan være<br />
k<strong>om</strong>plekse tall.<br />
Lin.alg. Seksjon 4.1, 4.2: #4 of 9
Eksempel.<br />
⎡ ⎤<br />
⎡<br />
⎤<br />
5 1<br />
A = ⎣ ⎦ ,<br />
1 3<br />
5−λ<br />
A−λI = ⎣<br />
1<br />
1<br />
⎦<br />
3−λ<br />
Karakteristisk likning blir<br />
(5 − λ)(3 − λ) − 1 · 1 = 0<br />
s˚a egenverdiene er λ1 = 4 + √ 2 <strong>og</strong> λ2 = 4 − √ 2. Deretter<br />
finner vi en egenvektor s<strong>om</strong> svarer til λ1 ved ˚a finne en<br />
ikkenull vektor u1 i nullr<strong>om</strong>met til A − λ1I (s˚a<br />
Au1 = λ1u1 <strong>og</strong> u1 ≠ 0). Vi finner f.eks. egenvektoren<br />
u1 =<br />
⎡<br />
⎣ 1 + √ 2<br />
1<br />
Tilsvarende finner vi en egenvektor s<strong>om</strong> svarer til λ2.<br />
Merk at det er (uendelig mange) egenvektorer s<strong>om</strong><br />
svarer til en egenverdi; nemlig de ikkenull vektorene<br />
s<strong>om</strong> ligger i nullr<strong>om</strong>met til matrisen A − λI. Siden<br />
denne matrisen er singulær, er nullr<strong>om</strong>met av<br />
dimensjon minst 1. Dette holder alts˚a generelt.<br />
⎤<br />
⎦<br />
Lin.alg. Seksjon 4.1, 4.2: #5 of 9
Determinanter.<br />
Determinanten til en hvadratisk matrise er et tall s<strong>om</strong><br />
bl.a. sier oss <strong>om</strong> matrisen er singulær (da er tallet null).<br />
Vi definerer determinanten til en 2 × 2 matrise<br />
⎡<br />
A = ⎣ a1,1<br />
⎤<br />
a1,2 ⎦<br />
ved<br />
<br />
<br />
<br />
det(A) = <br />
<br />
<br />
a1,1 a1,2<br />
a2,1 a2,2<br />
a2,1 a2,2<br />
<br />
<br />
<br />
<br />
<br />
= a1,1a2,2 − a1,2a2,1.<br />
Vi vet at A er singulær hvis <strong>og</strong> bare hvis de to<br />
kolonnevektorene er parallelle. Men disse vektorene er<br />
parallelle nettopp n˚ar a1,1a2,2 − a1,2a2,1 = 0 (sjekk<br />
dette!). S˚a vi ser at A er singulær hvis <strong>og</strong> bare hvis<br />
det(A) = 0.<br />
Vi definerer determinanten til en 3 × 3 matrise<br />
⎡<br />
⎤<br />
a1,1 a1,2 a1,3<br />
⎢<br />
⎥<br />
A = ⎢<br />
⎣ a2,1 a2,2 a2,3<br />
⎥<br />
⎦<br />
ved<br />
<br />
<br />
<br />
<br />
det(A) = <br />
<br />
<br />
<br />
<br />
<br />
<br />
a1,1<br />
<br />
<br />
<br />
a2,2 a2,3<br />
a3,2 a3,3<br />
a1,1 a1,2 a1,3<br />
a2,1 a2,2 a2,3<br />
a3,1 a3,2 a3,3<br />
<br />
<br />
<br />
<br />
− a1,2<br />
<br />
<br />
<br />
a3,1 a3,2 a3,3<br />
<br />
<br />
<br />
<br />
<br />
=<br />
<br />
<br />
a2,1 a2,3<br />
a3,1 a3,3<br />
<br />
<br />
<br />
<br />
+ a1,3<br />
<br />
<br />
<br />
a2,1 a2,2<br />
a3,1 a3,2<br />
Lin.alg. Seksjon 4.1, 4.2: #6 of 9<br />
<br />
<br />
<br />
<br />
<br />
.
S˚a: 3 × 3 <strong>determinanter</strong> kan beregnes ut fra flere 2 × 2<br />
<strong>determinanter</strong>.<br />
Generelt kan man definere n × n <strong>determinanter</strong> via<br />
(n − 1) × (n − 1) <strong>determinanter</strong> slik. Determinanten til<br />
en n × n matrise A er<br />
n<br />
det(A) = (−1) 1+j a1,j det(M1,j)<br />
j=1<br />
der M1,j er den kvadratiske matrisen av orden n − 1 s<strong>om</strong><br />
fremk<strong>om</strong>mer ved ˚a slette første rad <strong>og</strong> kolonne j i<br />
matrisen A.<br />
Vi kaller M1,j en minor matrise til A <strong>og</strong> tallet<br />
(−1) i+j a1,jdet(M1,j) kalles en kofaktor. Formelen over<br />
uttrykker determinanten til A ved kofaktor ekspansjon<br />
av første rad.<br />
Tilsvarende kan kan gi kofaktor ekspansjon av rad i (der<br />
i ≤ n) <strong>og</strong> dessuten for hver kolonne. Et viktig resultat er<br />
at man hele tiden f˚ar samme tall, nemlig<br />
determinanten til A.<br />
Lin.alg. Seksjon 4.1, 4.2: #7 of 9
Beregning av <strong>determinanter</strong>.<br />
N˚ar n er liten kan vi regne ut <strong>determinanter</strong> ved<br />
kofaktor ekspansjon. Men for n (selv moderat) stor gir<br />
dette altfor mye arbeid (<strong>og</strong> numeriske problemer).<br />
Det viser seg at man kan beregne det(A) ved hjelp av<br />
Gauss eliminasjon (en enklere variant av Gauss-Jordan<br />
der man ikke eliminerer variable i tidligere likninger).<br />
Vi tar ikke disse detaljene her, men poenget er at Gauss<br />
eliminasjon gir oss A skrevet s<strong>om</strong> produkt av to andre<br />
matriser<br />
A = LU<br />
der L er nedre triangulær <strong>og</strong> U er øvre triangulær. Og<br />
determinanten til en triangulær matrise er rett <strong>og</strong> slett<br />
produktet av diagonalelementene!<br />
OPPGAVE: Vis at determinanten til en nedre triangulær<br />
matrise er produktet av diagonalelementene!<br />
Lin.alg. Seksjon 4.1, 4.2: #8 of 9
Sluttk<strong>om</strong>mentarer:<br />
• Mer <strong>om</strong> <strong>determinanter</strong> i MAT 120<br />
• Man kan gi en “pen” formel for den inverse til en<br />
matrise ved hjelp av <strong>determinanter</strong>. Ogs˚afor<br />
løsningen av Ax = b der A er ikkesingulær (formelen<br />
kalles Cramer’s regel).<br />
• Se kapittel 5 i boka (kke pensum i dette kurset).<br />
• Determinanter har <strong>og</strong>s˚a en tilknytning til volumer.<br />
Kolonnevektorene til en 2 × 2 matrise A utspenner<br />
et parallell<strong>og</strong>ram <strong>og</strong> arealet viser seg ˚a værelik<br />
absuluttverdien til determinanten til A. Forn=3vil<br />
de tre kolonnevektorene til en 3 × 3 matrise<br />
utspenne en boks (parallelepiped). Volumet av<br />
boksen blir lik |det(A)|. Tilsvarende i IR n !!!<br />
Lin.alg. Seksjon 4.1, 4.2: #9 of 9