1

OMINAISARVOISTA JA OMINAISVEKTOREISTA
Olkoon x = (x1, ... , xn) avaruuden Rn piste (l. vektori). Vektori x samaistetaan n1-matriisin (x1 x2 ... xn)T kanssa, ts. voidaan yht hyvin kirjoittaa

Tllin 1n-matriisia (x1 x2 ... xn) merkitn xT. Nyt esim. pistetulo x y voidaan laskea matriisitulona y1 T x y = x y = (x1 L xn ) M = x1 y1 + ... + xn yn . y n Mritelm: Olkoon A (reaalinen) nn-matriisi. Avaruuden Rn vektori x 0 on matriisin A ominaisvektori, jos Ax on yhdensuuntainen (siis saman- tai vastakkaissuuntainen) x:n kanssa, ts. jos on olemassa reaaliluku , jolla Ax = x. Tllin on ominaisvektoriin x liittyv matriisin A ominaisarvo. (Huom: Jos x = 0, niin yhtl Ax = x on voimassa :n arvosta riippumatta eik siis sisll mitn ehtoa. Siksi 0 ei ole hyvksyttv ominaisvektori. Toinen huom: Ei ole milln tavalla kielletty, ett olisi = 0. )
21 12 Esim: Olkoon A = 40 23 . Vektori u = (1,1) ei ole A:n ominaisvektori, sill 21 12 1 9 Au = 40 23 1 = 17 , eik Au = (-9,-17) ole yhdensuuntainen u:n kanssa, ts. mikn luku ei voi toteuttaa yhtl Au = u. Toisaalta, jos v = (1,2), niin Av = 3v, joten v on A:n ominaisvektori; ominaisvektoriin v liittyv A:n ominaisarvo on 3. // Ominaisarvojen lytminen: Jos on nelimatriisin A ominaisarvo, on olemassa jokin :aan liittyv A:n ominaisvektori x. Tllin Ax = x eli

x1 x = M . x n

(A - I)x = 0. (Tss I on yksikkmatriisi. Koska Ix = x, voidaan kirjoittaa x = Ix.) Tm on nxn-yhtlryhm, jonka oikea puoli on = 0. Koska x 0, yhtlryhmn kerroinmatriisin determinantti on vlttmtt 0, ts. det (A - I) = 0. Tmn yhtln vasen puoli on muuttujan polynomi, jonka asteluku on n. Polynomi det (A-I) on matriisin A karakteristinen polynomi; sen reaalijuuret ovat siis A:n (reaaliset) ominaisarvot. Karakteristisen polynomin mahdolliset kompleksijuuret ovat A:n kompleksiset ominaisarvot; ne eivt liity mihinkn reaalisiin ominaisvektoreihin.

2
21 12 Esim: 1. Olkoon A = 40 23 (joka esiintyi jo edellisess esimerkiss). Halutaan lyt sellaiset reaaliluvut , ett yhtlll Ax = x on jokin ratkaisu x = (x,y) (0,0). Siis

12 21 12 x 0 x 21 x = = eli 40 23 y 0 y 40 y 23 12 21 40 23

x 0 = y 0 .

Koska yhtlryhm on homogeeninen (oikea puoli = 0) ja x 0, on oltava = 0 eli (-21-)(23-) + 1240 = 2 - 2 - 3 = 0 .

A:n karakteristinen polynomi on siis det (A - I) = 2 - 2 - 3 , jonka juuret ts. A:n ominaisarvot - ovat 1 = -1 ja 2 = 3 . //
2 1 2 2. Olk. B = 0 2 det (B - I) = (2 - ) B:ll on kaksinkertainen ominaisarvo 2 (ts. karakteristisen polynomin 2-kertainen juuri); ei muita ominaisarvoja. (nimitys: ominaisarvon kertaluku = juuren kertaluku) 2 1 2 3. Olk. C = 1 2 det (C- I) = (2 - ) + 1 C:ll ei ole reaalisia ominaisarvoja (kyllkin kompleksiset ominaisarvot 2 i ). Ominaisvektorien lytminen: Jos on matriisin A ominaisarvo, :aan liittyvt ominaisvektorit lydetn suoraan mritelm soveltaen, siis ratkaisemalla yhtl Ax = x :

Esim: 1. Olkoon A sama kuin yll Jos x = (x,y) saadaan

21x + 12y = x , 40 x + 23 y = y .

Kun sijoitetaan = 1 = -1, yhtlryhm redusoituu yhtlksi 3y = 5x, jonka ratkaisut, lukuunottamatta ratkaisua x = y = 0, siis ovat ominaisarvoon 1 liittyvt A:n ominaisvektorit. Siis esim. vektori b1 = (3,5) on ers ominaisvektori, ja muut (ominaisarvoon -1 liittyvt) ovat vektorit tb1 = (3t,5t) , t 0. Nm ominaisvektorit (ja 0) muodostavat ominaisarvoon 1 liittyvn A:n ominaissuoran (jonka yhtl siis on 3y = 5x) Vastaavasti arvolla = 2 = 3 saadaan ominaissuoran yhtl y = 2x ja ominaisvektorit tb2 = (t,2t) , t 0, miss siis oli valittu b2 = (1,2). 2. Olkoon B kuten yll. B:n ainoa ominaisarvo on 2. Ominaisvektorit:
2x + y = 2x , on yhtpitv yhtln y = 0 kanssa (x:lle ei ehYhtlryhm = 2y 2y

toa), joka on x-akselin yhtl, ts. ominaisvektorit ovat ti = (t,0) , t 0 .

(Lihava i tarkoittaa kantavektoria (1,0) tai (1,0,0) jne. tilanteen mukaan, laiha i puolestaan on imaginaariyksikk.)

3 3. Olkoon C kuten yll. C:ll ei ole reaalisia ominaisarvoja eik siis myskn reaalisia ominaisvektoreita (ihan samalla tavalla kuin edell saadaan kyll ominaisarvoihin 2 i liittyvt kompleksiset ominaisvektorit (1, i)). // Faktoja (ei todisteta, osa kyll helppoja): 1. Jos A on nxn-matriisi, niin A:n karakteristinen polynomi on jokin n:nnen asteen polynomi, jossa korkeimman potenssin n kerroin on 1 (-1, jos n on pariton). Joka tapauksessa juuria (ominaisarvoja) on korkeintaan n kpl. 2. Itse asiassa ominaisarvoja on aina tasan n kpl, jos lukumr lasketaan siten, ett kompleksijuuret lasketaan mukaan ja juurien mahdollinen moninkertaisuus huomioidaan, ts. k-kertainen juuri lasketaan k juureksi (vrt. matriisi B yll). 3. Mahdolliset kompleksiset ominaisarvot esiintyvt aina konjugaattipareina, ts. jos luku a + ib (a, b reaalisia) on ominaisarvo, niin sen kompleksikonjugaatti a ib on mys ominaisarvo. Tm seuraa siit, ett karakteristinen polynomi on reaalikertoiminen (koska tarkastellaan vain reaalisia matriiseja). 4. Yksinkertaiseen reaaliseen ominaisarvoon liittyy aina ominaissuora eik muita ominaisvektoreita; k-kertaisen, k > 1, ominaisarvon kohdalla tilanne on mutkikkaampi: Jos esim. R on matriisin A 2-kertainen ominaisarvo, on mahdollista ett lydetn 2 ei-yhdensuuntaista (siis lineaarisesti riippumatonta) :aan liittyv ominaisvektoria, sanokaamme u1 ja u2. Tllin kaikki niden lineaarikombinaatiot x = a1u1 + a2u2 toteuttavat Ax = x (helppo todeta), ts. ovat :aan liittyvi ominaisvektoreita (paitsi 0). Niden muodostamaa tasoa voidaan kutsua ominaisarvoon liittyvksi ominaistasoksi, yleisemmin puhutaan ominaisaliavaruudesta. (On mys mahdollista ett 2 lineaarisesti riippumatonta ei ole; yll matriisin B kohdalla kvi nin.) Yleisesti: Jos on k-kertainen reaalinen ominaisarvo, voidaan lyt korkeintaan k kpl lineaarisesti riippumattomia ominaisarvoon liittyvi ominaisvektoreita (tietysti vhintn yksi). 5. Eri ominaisarvoihin liittyvt ominaisvektorit ovat aina lineaarisesti riippumattomia. Tsmllisemmin: jos 1, 2, ... p ovat p kpl nxn-matriisin A erisuuria ominaisarvoja, ja b1, b2, ... bp ovat vastaavasti niihin liittyvi ominaisvektoreita, niin vektorijono b1, b2, ... bp on lineaarisesti riippumaton. 3 1 2 Esim (liittyy erityisesti faktoihin 4. ja 5.): Olkoon E = 2 0 2 . 2 1 1 2 3 1 Matriisin E karakteristinen yhtl on det 2 2 = 0 eli 2 1 1 -3 + 22 - = 0 ominaisarvot ovat 1 = 0 ja 2 = 3 = 1 (eli 1 on 2kertainen ominaisarvo; tm nhdn selkesti kirjoittamalla karakteristinen polynomi muotoon -(1-)2 ).

4 Ominaisvektorit: 3 x y 2z = 0 2z = 0 on yhtpitv yhtliden x = y = z 1 = 0: Yhtlryhm 2x 2x y z = 0 kanssa. Nhdn ett ominaisarvoon 0 liittyv ominaissuora on vektorin (1,1,1) suuntainen. 3 x y 2z = x 2z = y 2 = 3 = 1: Nyt yhtl Ex = x ( = 1) eli yhtlryhm 2x 2x y z = z

on yhtpitv yhtln 2x y 2z = 0 kanssa. Tm on siis ominaisarvoon 1 liittyvn ominaistason yhtl. Tasosta voidaan valita 2 lineaarisesti riippumatonta ominaisvektoria, esim. (1,2,0) ja (1,0,1). Fakta 5 sanoo tst tilanteesta, ett ominaisvektoriparit (1,1,1), (1,2,0) ja (1,1,1), (1,0,1) ovat lineaarisesti riippumattomia vektorijonoja. Itse asiassa on voimassa vahvempi vite: niden kaikkien kolmen muodostama jono on lineaarisesti riippumaton. //
Mik merkitys ominaisarvoilla ja ominaisvektoreilla on?

Tarkastellaan esimerkkin 3x3-matriisia. Olkoon siis A 3x3-matriisi, jonka ominaisarvot ovat 1 = 1 , 2 = -2 , 3 = 3 (lukuarvoilla ei tss ole merkityst) ja nihin liittyvt ominaisvektorit vastaavassa jrjestyksess ovat avaruuden standardikantavektorit i = (1,0,0) , j = (0,1,0) ja k = (0,0,1). Tllin siis ovat voimassa yhtlt Ai = i , Aj = -2j ja Ak = 3k , joista helposti seuraa, ett A ei voi olla mikn muu kuin
1 0 0 1 0 A = 0 2 0 = 0 2 0 0 3 0 0

0 0 . 3

A on siis rakenteeltaan mahdollisimman yksinkertainen matriisi, nimittin diagonaalimatriisi, mik on seurausta siit, ett kantavektorit ovat A:n ominaisvektoreita (mys knteinen vite on ilmeinen: jos A on diagonaalimatriisi, niin kantavektorit ovat A:n ominaisvektoreita). Esimerkkej siit, ett diagonaalimatriiseilla matriisioperaatiot ovat tavallista yksinkertaisempia: 1. determinantin laskeminen 2. knteismatriisi A-1 det A = 123 = -6
1 0 0 0 0 1 1 1 = 0 2 0 = 0 1 / 2 0 1 0 0 0 1/ 3 3 0

(jos joku i = 0 , niin A-1 ei ole olemassa)

5
1 0 0 x x esim. 0 2 0 y = 2y 0 0 3 z 3z

3. vektorin kertominen matriisilla

4. matriisikertolasku

0 0 1 0 0 a 0 0 a esim. 0 2 0 0 b 0 = 0 2b 0 . // 0 0 3 0 0 c 0 0 3c

Annetun nelimatriisin A (joka siis yleens ei ole diagonaalimatriisi) ominaisarvojen ja -vektorien etsimisen rimminen tavoite on A:n diagonalisointi, mik tarkoittaa A:n muuntamista sopivan kntyvn matriisin B avulla diagonaalimatriisiksi siin mieless, ett B-1AB = diagonaalimatriisi. Tm ei ole mahdollista kaikille nelimatriiseille, mutta joka tapauksessa ominaisarvoista voidaan ptell A:n ominaisuuksia. Esim. kaikille nelimatriiseille A ptee, ett A on ei-kntyv (eli det A = 0) jos ja vain jos 0 on A:n ominaisarvo (vrt. edelliset esimerkit 1. ja 2.).
Diagonalisointi

Pari havaintoa matriisikertolaskusta yleens: 1. Olkoot A ja B sellaiset matriisit, ett tulo AB on mritelty. Tllin lauseke AB muodostuu siten, ett jokainen B:n sarake erikseen tulee kerrotuksi A:lla.
2 4 Jos esim. A = 0 1 ja B = 6 2
1 ovat b1 = 2 , ... , b4 = 1 3 2 1 2 0 5 3 , jolloin B:n sarakkeet

10 6 18 10 1 5 3 3 , niin matriisin AB = 2 0 2 18 22 12 sarakkeet ovat Ab1 , ... , Ab4 . Siis voidaan kirjoittaa

B = (b1 b2 b3 b4 )

AB = (Ab1 Ab2 Ab3 Ab4 )

2. Olkoon B mielivaltainen matriisi ja D diagonaalimatriisi s.e. tulo BD on mritelty. Tllin BD muodostuu siten, ett kukin B:n sarake tulee kerrotuksi vastaavalla D:n diagonaalialkiolla, ts. b1 kerrotaan alkiolla d11 , b2 kerrotaan alkiolla d22 jne. Jos esim. B on sama kuin yll ja D on diagonaalimatriisi, jonka diagonaali on (d11, ... , d44) = (6, -1, 0, 2), niin
6 3 0 2 BD = 12 0 0 6 . //

Olkoon nyt A nxn-matriisi, ja olkoot 1 , 2 , ... , k A:n ominaisarvoja sek b1 , b2 , ... , bk vastaavasti nihin liittyvi ominaisvektoreita.

6 Nyt ovat siis voimassa yhtlt Ab1 = b11 , ... , Abk = bkk (miss b tarkoittaa tsmlleen samaa kuin b ; on samantekev kummalle puolelle skalarikerroin kirjoitetaan). Jos muodostetaan - samaan tapaan kuin skeisiss havainnoissa - vektoreista bi matriisi B = ( b1 b2 ... bk ) ja lisksi ominaisarvoista i diagonaalimatriisi
1 0 L 0 M 0 2 = , M O 0 0 L 0 k voidaan siis yhtlt Abi = bii niputtaa yhdeksi matriisiyhtlksi AB = B ( = lambda, = iso lambda (kreikk.)). 0 1 0 Esim: Olkoon A = 8 5 8 . A:n ominaisarvot ovat 3 ja -1 (joista 1 8 4 7 on 2-kertainen), ja esim. b1 = (0,-1,1) , b2 = (2,2,1) ovat A:n ominaisvektoreita s.e. Ab1 = 3b1 ja Ab2 = -b2 . Siis jos

0 2 B = 1 2 1 1

3 0 ja = 0 1 , niin

AB = B . //

Jos yhtlss AB = B matriisi B on nelimatriisi ja lisksi kntyv, A voidaan diagonalisoida. Kertomalla yhtl puolittain vasemmalta matriisilla B-1 saadaan nimittin B-1 AB = . Tsmllisesti: Mritelm: Nelimatriisi A on diagonalisoituva, jos on olemassa kntyv matriisi B ja diagonaalimatriisi s.e. B-1AB = . (Huom: Kun B on nelimatriisi, niin B on kntyv det B 0 B:n sarakkeet (tai yhtpitvsti rivit) ovat lineaarisesti riippumattomat.) Huomautuksia: 1. Jos yhtlss B-1AB = matriisin A dimensio on nxn, niin mys B ja ovat joka tapauksessa nxn-matriiseja (riippumatta siit, miten B ja on muodostettu, onko diagonaalinen jne.); muuten dimensiot eivt ole yhteensopivia. 2. Edeltvt tarkastelut osoittavat, ett jos B-1AB = , miss on diagonaalimatriisi, niin B ja ovat vlttmtt A:n ominaisvektoreista ja arvoista yll kuvatulla tavalla muodostetut. Matriisit B ja eivt kuitenkaan ole yksiksitteiset: ominaisarvojen jrjestyst matriisissa voidaan muuttaa, kunhan B:n sarakkeiden jrjestys muutetaan vastaavasti; B:n sarakkeita voidaan skaalata mielivaltaisilla kertoimilla (kuitenkin 0) jne. //

Yll kerrotun nojalla on voimassa Lause: nxn-matriisi A on diagonalisoituva jos ja vain jos A:lla on n lineaarisesti riippumatonta ominaisvektoria. // Tarkemmin sanoen vlttmtnt ja riittv, jotta A olisi diagonalisoituva, on, ett 1. A:n ominaisarvot ovat reaaliset, ja 2. jokaista A:n k-kertaista ominaisarvoa kohti on olemassa k lineaarisesti riippumatonta :aan liittyv ominaisvektoria. // Selvin tapaus: Lause: Jos nxn-matriisin A ominaisarvot 1 , ... n ovat reaaliset ja erisuuret (siis ei moninkertaisia ominaisarvoja), niin A on diagonalisoituva (ks. fakta 5. sivulla 3). // Esimerkkej: 1. Sivujen 3-4 esimerkin matriisi E on diagonalisoituva: jos

1 1 1 0 0 0 -1 B = 1 2 0 , niin B AB = 0 1 0 . 1 0 1 0 0 1
2. Sivun 6 esimerkin matriisi A on mys diagonalisoituva: jos matriisiin B listn kolmanneksi sarakkeeksi esim. b3 = (1,0,1), saadaan matriisi, joka diagonalisoi A:n.

a b 0 3. Matriisi H = 0 a 0 ei ole diagonalisoituva, jos b 0 . Tss a on 20 0 c

kertainen (tai 3-kertainen, jos c = a) ominaisarvo, johon ei liity riittvsti lineaarisesti riippumattomia ominaisvektoreita. Sivulla 2 tarkasteltu matriisi B on esimerkki samasta ilmist (ks. kirjoista tai wepist esim. hakusanalla Jordan canonical form tai Jordan block). Sovellus: Olkoon A nelimatriisi. Tehtvn on laskea Ak = AA A (k kpl). Jos A on diagonalisoituva, voidaan menetell seuraavasti: Yhtl B-1AB = voidaan kirjoittaa mys A = BB-1 . Tllin Ak = (BB-1)k = BB-1BB-1 BB-1 (k kpl). Koska B-1B = I , niin B:t ja B-1:t supistuvat (paitsi ensimminen ja viimeinen) saadaan Ak = Bk B-1 . Koska on diagonaalimatriisi, k on helppo muodostaa: selvsti k on diagonaalimatriisi, jonka diagonaalilla ovat 1k , ... , nk. Ja siis, kuten jo todettiin, nyt voidaan laskea Ak = Bk B-1 . //

1 3 3 Esim: Olkoon A = 3 5 3 . Tllin B = 6 6 4

1 1 1 1 0 1 ja = 0 1 2

2 0 0 0 2 0 0 0 4

ovat sit mit pitkin (tmn todistamiseksi riitt verifioida AB = B). Halutaan laskea A5 . Tarvitaan B-1 , joka on
( 2)5 1 3 1 1 B-1 = 2 2 0 . Nyt 5 = 0 2 1 1 1 0
0 ( 2 ) 0
5

0 0 0 32 32 0 , 0 = 0 45 0 1024 0

joten saadaan A = B B
5 5 -1

0 0 1 1 1 32 1 = 32 0 1 0 1 0 2 0 1024 0 1 2 0

1 3 1 2 2 0 = ... 1 1 1

464 528 528 ... = 496 560 528 . 1056 1056 1024
(Siis: muunnetaan A diagonaaliseksi korotetaan potenssiin muunnetaan takaisin ) // Toinen esim: Sivuilla 3-4 ja 7 esiintyy matriisi E , jonka ominaisarvot ovat 0 ja 1. Koska ptee sek 0k = 0 ett 1k = 1 kaikilla k N , ptee selvsti k = kaikilla k N, mist edelleen seuraa Ek = E kaikilla k N. Kannattaa vakuuttua tst laskemalla E2 ja toteamalla ett se on sama kuin E (muut potenssit ovat sitten automaattisesti samoja). Huom. ett E:n ominaisuus Ek = E kaikilla k N ei seuraa viel siit, ett E:ll ei ole muita ominaisarvoja kuin 0 ja 1 , vaan lisksi on oleellista, ett E on diagonalisoituva. //

Symmetriset matriisit ja 2. asteen kyrt

Nelimatriisi A on tunnetusti symmetrinen, jos AT = A , ts. jos A:n i:nnell rivill ovat samat luvut samassa jrjestyksess kuin A:n i:nness sarakkeessa ja tm kaikki viel jokaisella i . Symmetrisill matriiseilla on seuraava trke ominaisuus: Lause: Symmetrinen matriisi on diagonalisoituva. // (ei todisteta) Erityisesti symmetrisill matriiseilla on siis sivun 7 alussa mainitut ominaisuudet. Lisksi: Lause: Olkoon A on symmetrinen nelimatriisi. Jos i , j ovat kaksi A:n eri ominaisarvoa, ja bi , bj ovat vastaavasti nihin liittyvi ominaisvektoreita, niin bi ja bj ovat toisiaan vastaan kohtisuorassa (eli bi bj = 0). // (ei todisteta) Seuraus: Jos A on symmetrinen nelimatriisi, niin A:n diagonalisoiva matriisi B = ( b 1 b 2 ... b n ) voidaan muodostaa s.e. sen sarakkeet ovat toisiaan vastaan kohtisuoria yksikkvektoreita, ts. toteuttavat bi bi = 1 kaikilla i ja bi bj = 0 , kun i j . (Koska eri ominaisarvoihin liittyvt ominaisvektorit ovat edellisen lauseen nojalla kohtisuorassa, ja kuhunkin moninkertaiseen omi-

9 naisarvoon liittyvt ominaisvektorit voidaan aina valita kohtisuoriksi.) Tllin jono b1, ... , bn on Rn:n ortonormaali kanta ja B on ortogonaalinen matriisi. Ortogonaalisen matriisin knteismatriisi on helposti muodostettavissa: yllmainitut sarakkeiden pistetulot merkitsevt, ett BTB = I ts. B:n knteismatriisi on BT (tm on ortogonaalisen matriisin tavanomainen mritelm). Tarkastellaan 2. asteen tasokyri: Yleinen 2 muuttujan 2. asteen polynomi on muotoa f(x,y) = ax2 + 2bxy + cy2 + px + qx + r , miss oletetaan, ett ett ainakin yksi luvuista a, b, c on 0 (muuten polynomi ei ole 2. astetta). Tllin yhtln f(x,y) = 0 ratkaisujoukko, ts. niiden pisteiden x = (x,y) R2 joukko, joiden koordinaatit toteuttavat yhtln, on 2. asteen tasokyr: ellipsi (erikoistapauksena ympyr), hyperbeli tai parabeli. Huom: Kyr voi olla surkastunut; esim. yhtln x2 + y2 + 1 = 0 ratkaisujoukko on selvsti tyhj, yhtlll x2 + y2 = 0 on ainoana ratkaisuna origo, yhtln x2 y2 = 0 ratkaisuna ovat suorat y = x , jne. Perusasiat 2. asteen kyrist: Adams (5. laitos) P.3 ja 8.1. Yhtl f(x) = f(x,y) = 0 voidaan kirjoittaa muotoon f(x) = xTAx + pTx + r = 0, miss
a b A = b c p p = q .

ja

Koska A on symmetrinen, se voidaan diagonalisoida: B-1AB = , miss lisksi voidaan olettaa ett B-1 = BT (ks. sivun 8 loppu). Jos x = (x,y) on jokin tason piste, niin x voidaan esitt B:n sarakkeiden lineaarikombinaationa:

x = ub1 + vb2 .
Merkitn u:lla vektoria joka sislt kantavektorien bi kertoimet x:n lausekkeessa, ts. u = (u,v). (Siis u,v ovat x:n koordinaatit kantaan b1 , b2 liittyvss koordinaatistossa aivan kuten x,y ovat x:n koordinaatit standardikantaan i , j liittyvss koordinaatistossa; yo. lauseke vastaa x:n esityst muodossa x = xi + yj .) Koordinaattiesitysten vlill vallitsee yhteys x = Bu (kirjoittamalla lausekkeet auki nhdn vlittmsti, ett ub1 + vb2 ja Bu ovat sama vektori). Kun tm sijoitetaan lausekkeeseen xTAx saadaan

1 0 xTAx = uTBTABu = uTu = (u v) 0 2

u 2 2 v = i u + 2 v

Nhdn, ett kyrn f(x,y) = 0 tyyppi (ellipsi, hyperbeli, parabeli) on suoraan pteltviss A:n ominaisarvoista: Esimerkkej: 1. Tarkastellaan yhtln x2 + 3xy + 4y2 = 10 mrittelem kyr. Tss siis p = q = 0 eli 1. asteen termej ei ole (tehdn tm

10 rajoitus 1-kertaisuuden vuoksi). Tllin, jos kyr on ellipsi tai hyperbeli (siis keskipisteellinen), sen keskipiste on origossa. Matriisi A on nyt
1 1.5 A = 1.5 4 , jonka ominaisarvot ovat 1 = 0.3787 ja 2 = 4.6213 ja ominaisvektorit vastaavasti b1 = (0.9239, -0.3827) , b2 = (0.3827, 0.9239,) . Ominaisvektorit b1 ja b2 ovat automaattisesti kohtisuorassa, koska A on symmetrinen; tss ne on valittu lisksi yksikkvektoreiksi. Silloin niist muodostettu matriisi B on ortogonaalinen. Alkuperinen kyrn yhtl x2 + 3xy + 4y2 = 10 saa kantaan b1 , b2 liittyviss koordinaateissa u, v muodon

0.3787 u2 + 4.6213 v2 = 10. Tm on selvsti ellipsin yhtl ja helposti kirjoitettavissa perusmuotoon u2 v 2 + = 1 , josta puoliakselien pituudet ja eksentrisyys ovat laskettavissa. 2 2 Pakselit ovat ominaisvektorien b1, b2 suuntaiset. Ett yhtl todella esitt ellipsi eik jotain surkastunutta muotoa on selv, koska oikea puoli = 10 > 0. Huom. ett kyr tiedetn ellipsiksi heti siit, ett A:n ominaisarvot ovat positiiviset (yleisemmin samanmerkkiset).
1 2.5 2. Yhtl x2 + 5xy + 4y2 = 10 : Nyt A = 2.5 4 . Laskematta ominaisar voja ne voidaan todeta erimerkkisiksi siit, ett det A = -2.25 < 0 , koska u2 v 2 det A = 12 . Tllin kyr on hyperbeli (perusmuoto 2 2 = 1). Pak selien lytminen yms. tietysti edellytt, ett A:n ominaisarvot ja vektorit todella mritetn. 1 2 3. Yhtl x2 + 4xy + 4y2 = 10 : Nyt A = 2 4 ja det A = 0. Tllin toinen

ominaisarvo on = 0 (vain toinen, sill jos 2x2-matriisilla on 1 = 2 = 0, niin matriisi on vlttmtt 0-matriisi). Jos yhtlss olisi sopivasti nollasta poikkeavia 1. asteen termej, se esittisi parabelia. Tss tapauksessa parabeli on surkastunut kahden suoran yhdisteeksi, mik nhdn suoraan kirjoittamalla yhtl muotoon (x + 2y)2 = 10. // Siis: 2. asteen kyrn tyyppi nhdn suoraan matriisin A ominaisarvoista; vastaava tulos on voimassa korkeammissa dimensioissa, ts. jos muuttujia on enemmn kuin 2 (silloin kysymys ei ole kyrist vaan 2. asteen pinnoista jne.). Jos muuttujia on vain 2, tyyppi mrytyy jo det A :n perusteella.