Professional Documents
Culture Documents
LinearAlgebraLes6 2023
LinearAlgebraLes6 2023
LinearAlgebraLes6 2023
Eigenvectoren en
eigenwaarden
06/11/2023
Herhaling Eigenvectoren /
Eigenwaarden
Definitie Eigenvector en Eigenvalue
Definitie: een eigenvector van een vierkante matrix A ∈ℝ n×n is een vector
v ∈ ℝn waarvoor
Av = λv
Waar λ ∈ ℂ de eigenwaarde. Het paar (v, λ) noemt men een eigenpaar.
Stappen plan oplossen eigenwaarde
probleem.
1. Bepaal de karakteristieke polynoom van A ∈ ℝn×n. Door p(λ) = det(A − λI)
uit te rekenen. Dit geeft een veelterm in met als hoogste graad n.
λ1
λ2
V = [v1, v2, … , vn] Λ =
⋱
λn
λ1
AV = A[v1, v2, … , vn] = [λ1v1, λ2v2, … , λnvn] = [v1, v2, … , ⋱ =
vn] λn VΛ .
AV =
Diagonalisatie van een matrix
AV = VΛ .
V AV = V VΛ = IΛ = Λ = diag(λ1, λ2, … ,
−1 −1
λn),
AVV −1 = AI = VΛV .
−1
A = VΛV−1 en V−1AV = Λ
Matrix
Differentiaalvergelijking.
Differentiaalvergelijking
du(t)
u· (t) = dt = met a∈
ℝ
au(t)
• De vergelijking zegt: de afgeleide van u(t) is een veelvoud van de functie zelf.
d exp(t)
• u(t) = is een speciale functie omdat =
exp(t) exp(t) . dt
du(t) d
• Stel u(t) = exp(at) dan = exp(at)a , met behulp van de ketting
atdt = exp(at)
is regel. dt
Oplossing van differentiaalvergelijking
De differentiaalvergelijking
· du(t)
u (t) = dt =
heeft als oplossing au(t)
u(t) =
exp(at)
Wat als u(t) een vector is?
u· 1(t … u1(t)
a11 a1n
) = a a u2(t) = waar
u· (t) 12 21 a2n A ∈ ℝn×n
⋮ Au(t) .
= u· 2(t ⋮ … ⋮
un(t)
) an1 ann
⋮
u· n(t
) ·
u (t) =
Au(t)
Vector Matrix Vector
Voorbeeld
A B.
k
[A] concentratie van A
(t) concentratie van B
[B]
d[A] (t)
(t)dt = − k [A] d[A]
(t), (t) −k [A]
= .
d[B] dt (t)
(t)dt = k [A] d[B] 0 ) ( [B](t) )
0
(t) . (t)
( k
dt
Reactievergelijking met 3 producten.
A B
C.
k1 k2
d[A]
(t)dt
−k1 0 0 [A](t)
d[B]
(t)dt
= k1 −k2 0 [B](t) ,
d[C] 0 k2 0 [C](t)
(t)
dt
A k B
k3
1
C.
dt −kk12 k3 0 [A](t)
d[B]
(t)
= k1 −k2 − k3 0 [B](t) .
dt
d[A](t)
d[C] 0 k2 0 [C](t)
(t)dt
du(t)
= waar u ∈ ℝ3 en A∈ ℝ3×3
dt Au(t)
Oplossingsmethode met eigenvectoren.
du(t)
= waar u(t) ∈ ℝ n en A∈ ℝn×n
dt Au(t)
Avi = i = 1, 2, … , n
λivi
u(t) = α1(t)v1 + α2(t)v2 + … + αn(t)vn
v n] ⋮
vn] αn(t)
dα(t)
V dt =
AVα(t)
dα(t)
V V dt = V−1AVα(t)
−1
↓ V−1AV = Λ
dα(t
) dt = Λα(t)
α· λ1 α1(t
·
(t)
2 λ2 )α2 α· i(t) = λiαi(t) ⇒ αi(t) =
α
1 =
⋮ ⋱ (t)⋮ exp(λit)
(t)
· λn αn(t
α
)
n(t) De vergelijkingen zijn ontkoppeld, we kunnen ze elk afzonderlijk oplossen
Voorbeeld.
u· 1(t) = − u1(t) − u3(t) u1· −1 0 u1
(t)·
u 2(t = −1 u(t)
2(t
·u· 2(t)
u t) == 2u
4u(t)
1(t)−−4u
u2(t) − )u ·
3
4 −1 )u3
3 1
−3 (t)
(3u3(t)
(t) 3 (t) ( 2 0 −4 )
1 0 1
α· −3 0 α1(t
V= 1 1
−1 α·(t) 0 )
1
2 = ( 0 )
(2 0 1) (t)· −1 0 α (t
Basis met α 2
eigenvectoren
0 0 )
3(t) −2 is
De oplossing
dan α3(t
α1(t) = α1(0)e−3t u1(t 1 0 1 α (0)e
1 )
−3t
m3 = m1 en k12 = k23 = k
k
·x = − (x −
1 1 2
· x ) m1
·x = k k
2 (x2 − x3 ) (x1 − 2
· − 2+ m2 x )
·x = k m
(x − −k1 k1 0 x1
3
· x )m1
2 3 x··1
(t) = k2 −2k2 k2 x(t)
x··2 2
0 k1 (t)
x3
(t)
x ··
3 1
−k (t)
(t)
Bepaling eigenwaarden.
−k1 k1 0
A= k2 −2k2 k2
0 k1
Karakteristieke −k1
polynoom
−k1 − λ k1 0
p(λ) = k2 −2k2 − λ k2 = (−k1 − λ)(−2k2 − λ)(−k1 − λ) − k1k2(−k1 − λ) − (−k1 −
0 k1 λ)k2k1 .
−k1 − λ
p(λ) = (k1 + λ)[(2k2 + λ)(k1 + λ) − 2k1k2]
λ = 0, λ = − k1 en λ = − (k1 +
2k2)
Eigenvector: λ1 =
0
−k1 k1 0 1
(A − λ1I)v1 k2 −2k2 k2 1
v1 = 0 → v1 = ( )
1
= 0 1k 1
−k
Eigenvector λ2 = −
k1
0 k1 1
(A − λ2I)v2 = 0 v2 = 0 → v2 = ( 0
−1 )
k2 −2k21+ k1 k2
0 k
0
Eigenvector λ3
2k2 k1 0 1
(A − λ3I)v3= k2 k1 k2 v3 = 0 → v3 = −2k2 .
/k1
0 k1 2k2
1
Samenvatting
• Ax = vervangen we door LUx , wat kan opgelost worden door twee eenvoudige
=
• backsubstituties.
u· (t) = Au(t) wordt, in de basis van de eigenvectoren, vervangen door α·i(t) = λiαi(t), dit
zijn n ontkoppelde vergelijkingen.
• Technische bouwstenen.
• Matrix bewerkingen.
• A omvormen tot een bovendriehoeksmatrix U.
• Nulruimte van A.
• Determinant van A.
• Bepalen van de eigenvectoren / eigenwaarden.