Gelijkvormigheid en de Jordan normaalvorm Aanvullende leerstof Lineaire Algebra C (2WF09)
|
|
- Robert Vink
- 5 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Gelijkvormigheid en de Jordan normaalvorm Aanvullende leerstof Lineaire Algebra C (2WF09) LCGJM Habets Faculteit Wiskunde en Informatica Technische Universiteit Eindhoven Abstract In de syllabus bij het college Matrixtheorie 1, die in het academisch jaar gebruikt wordt bij het college Lineaire Algebra C (2WF09), wordt in Hoofdstuk 7 de Jordan normaalvorm ingevoerd Tijdens het college is echter gekozen voor een aanpak die enigszins afwijkt van datgene wat in de syllabus staat In deze aanvulling op het dictaat wordt deze alternatieve aanpak nader uitgewerkt 77 Diagonaliseerbaarheid In Hoofdstuk 7 van de syllabus bij het college Matrixtheorie 1 wordt gelijkvormigheid van matrices behandeld Hiertoe worden verschillende begrippen ingevoerd, zoals eigenwaarde, eigenruimte, geometrische multipliciteit, karakteristiek polynoom, minimaalpolynoom etc In deze aanvulling worden de definities van deze begrippen daarom niet gegeven; men dient hiervoor de syllabus te raadplegen De eerste vraag die bij het bestuderen van gelijkvormigheid opduikt, is de vraag of een gegeven matrix diagonaliseerbaar is, dwz of de matrix gelijkvormig is met een diagonaalmatrix In dat geval zullen de eigenwaarden van de matrix als diagonaalelementen optreden Voor diagonaliseerbaarheid van matrices zijn in Sectie 73 van de syllabus enkele equivalente condities gegeven Stelling 71 Zij A M n (F), met spectrum σ(a) = {λ 1,, λ p } F, en veronderstel dat voor i = 1,, p, de geometrische multipliciteit van eigenwaarde λ i gelijk is aan m i = dim(n (A λ i I)) Dan zijn de volgende uitspraken equivalent: (i) A is diagonaliseerbaar, (ii) A heeft een basis van eigenvectoren, (iii) m i = n In de volgende stelling is het de bedoeling om diagonaliseerbaarheid in verband te brengen met eigenschappen van het minimaalpolynoom Stelling 72 Zij A M n (F), en zij λ 1,, λ p F onderling verschillend volgende beweringen equivalent: Dan zijn de (i) A is diagonaliseerbaar en σ(a) = {λ 1,, λ p }, 1
2 (ii) Het minimaalpolynoom van A is ϕ 0 (z) = (z λ i ) (iii) σ(a) = {λ 1,, λ p } en dim(n (A λ j I)) = n Bewijs: (i) = (ii): Zij A M n (F) diagonaliseerbaar Dan is er een inverteerbare matrix P en een diagonaalmatrix Λ, zó dat A = P ΛP 1 Als Λ = diag(λ 1 I 1, λ 2 I 2,, λ p I p ), dan Λ k = diag(λ k 1 I 1, λ k 2 I 2,, λ k p I p), en voor ieder polynoom ϕ F[s] geldt ϕ(λ) = diag(ϕ(λ 1 )I 1,, ϕ(λ p )I p ) Daaruit volgt dat ϕ(a) = P diag(ϕ(λ 1 )I 1,, ϕ(λ p )I p )P 1 Er geldt dus dat ϕ een annihilerend polynoom voor A is, dan en slechts dan als λ 1,, λ p nulpunten zijn van ϕ Het polynoom van de kleinst mogelijke graad dat aan deze eis voldoet is ϕ 0 (z) = (z λ i ) Derhalve is dit het minimaalpolynoom van A (iii) = (i): Uit (iii) volgt dat A een basis heeft van eigenvectoren Volgens Stelling 71 betekent dit dat A diagonaliseerbaar is (ii) = (iii): Dit is de moeilijke stap Hieronder geven we een bewijs met behulp van Lagrange interpolatie polynomen Zij ϕ 0 (z) = p (z λ i) het minimaalpolynoom van A We definiëren de Lagrangeinterpolatiepolynomen L j, (j = 1,, p) als volgt: L j (z) :=,i j z λ i λ j λ i (1) Dan volgt dat L j (λ i ) = δ ij, met δ ij de Kronecker delta Er geldt nu dat L i (z) = 1, λ i L i (z) = z Meer algemeen kan men zelfs bewijzen dat voor ieder polynoom ψ met een strikt kleinere graad dan ϕ 0 geldt dat ψ(z) = ψ(λ i )L i (z) Immers, als f(z) = ψ(z) p ψ(λ i)l i (z), dan f(λ j ) = 0 voor alle j = 1,, p Dan is f een polynoom van graad p 1, met tenminste p verschillende nulpunten Alleen het nulpolynoom heeft deze eigenschap 2 (2) (3)
3 Vervolgens definiëren we voor j = 1,, p: Dan geldt E j := L j (A) (a) E j 0, want de graad van L j is p 1, en dat is strikt kleiner dan de graad van het minimaalpolynoom van A (b) E i E j = 0 voor i j, want dan geldt ϕ 0 L i L j, en omdat ϕ 0 (A) = 0 volgt dan E i E j = L i (A)L j (A) = 0 (c) (d) E i = L i (A) = I λ i E i = λ i L i (A) = A (e) Voor alle j = 1,, p is E j een projectie, omdat E j = E j I = E j E i = E j E i = Ej 2 We laten nu zien dat voor alle j = 1,, p geldt dat N (A λ j I) = R(E j ) (5) Zij x R(E j ) Dan geldt x = E j x, want E j is een projectie Er volgt nu (A λ j I)x = ( λ i E i λ j E i )x = = (λ i λ j )E i E j x = (λ j λ j )Ej 2 x = 0 Zij x N (A λ j I) Dan geldt (A λ j I)x = (λ i λ j )E i x = 0,i j Dus volgt voor alle k j: 0 = E k 0 = (λ i λ j )E k E i x = (λ k λ j )Ek 2 x = (λ k λ j )E k x,i j Daar λ k λ j, concluderen we dat E k x = 0 voor alle k j Dit impliceert dat x = p E ix = E j x, en derhalve x R(E j ) Tot slot bewijzen we (iii) Omdat p E i = I en E i E j = 0 voor i j, geldt V = R(E 1 ) R(E 2 ) R(E p ) = N (A λ 1 I) N (A λ 2 I) N (A λ p I) Hieruit volgt dim(n (A λ i I)) = dim(v ) = n Het feit dat σ(a) = {λ 1,, λ p } is duidelijk, omdat dit precies alle nulpunten van het minimaalpolynoom zijn 3 (4)
4 78 Reductie van een algemene matrix Niet iedere matrix is diagonaliseerbaar Dit volgt uit de noodzakelijk en voldoende voorwaarden in Stelling 72, waar niet altijd aan voldaan is Het eenvoudigste voorbeeld vormt de matrix ( ) 0 1 A = 0 0 Het polynoom ϕ 0 (z) = z 2 is het minimaalpolynoom van A, maar dit polynoom heeft een tweevoudig nulpunt in 0, en derhalve kan A niet diagonaliseerbaar zijn Toch willen we ook van alle niet-diagonaliseerbare matrices de gelijkvormigheidseigenschappen onderzoeken, en iedere equivalentieklasse met een zo eenvoudig mogelijke representant karakteriseren Het probleem bij niet-diagonaliseerbare matrices is dat er voor deze matrices geen basis van eigenvectoren bestaat Daarom gaan we eerst het begrip eigenruimte bij een eigenwaarde wat verder uitbreiden Stelling 73 Zij A M n (F), en λ σ(a) Voor alle j N definiëren we N j := N ((A λi) j ) en µ j := dim(n j ) Dan is er een getal h N, 1 h n, zodanig dat (i) {0} = N 0 N 1 N h, (ii) N j = N h voor alle j > h In het bijzonder geldt 0 = µ 0 < µ 1 < < µ h, en µ j = µ h voor j > h (6) Definitie 74 In de situatie zoals beschreven in Stelling 73 gebruiken we voor de daar ingevoerde notaties de volgende terminologie: h heet de index van eigenwaarde λ, Σ(λ) = (µ 1,, µ h ) heet de multipliciteitenrij van λ, µ 1 heet de geometrische multipliciteit van λ, µ h heet de algebraïsche multipliciteit van λ Bewijs van Stelling 73: Eerst laten we zien dat N j N j+1 Zij x N j Dan (A λi) j x = 0, en dus zeker (A λi) j+1 x = (A λi)(a λi) j x = 0 Stel nu dat N j 1 = N j We laten zien dat dan N j = N j+1 Duidelijk is dat N j N j+1 Stel nu x N j+1 Dan (A λi) j (A λi)x = 0, en dus (A λi)x N j = N j 1 Derhalve (A λi) j x = (A λi) j 1 (A λi)x = 0, en x N j We concluderen nu dat de rij µ 0, µ 1, strikt stijgend is, totdat de rij constant wordt Bovendien geldt µ j n voor alle j N Er is dus een getal h N, 1 h n, zó dat aan het gestelde in (6) voldaan is Uit de definitie van index en multipliciteitenrij volgt dat, evenals het spectrum, deze eigenschappen van een matrix invariant zijn onder gelijkvormigheidstransformaties Lemma 75 De index en multipliciteitenrij van een eigenwaarde van een matrix A M n (F) veranderen niet onder gelijkvormigheidstransformaties 4
5 Bewijs: Voor ieder getal λ F en inverteerbare matrix P M n (F) geldt dim(n ((P 1 AP λi) j )) = dim(n (P 1 (A λi) j P )) = dim(n ((A λi) j )) Het volgende lemma laat zien dat de index van een eigenwaarde λ van een matrix A gerelateerd kan worden aan de multipliciteit van λ als nulpunt van het minimaalpolynoom van A Lemma 76 Zij A M n (F) en veronderstel dat het minimaalpolynoom ϕ 0 van A geschreven kan worden als ϕ 0 (z) = (z λ) k ψ(z), (7) met k > 0 en ψ(λ) 0 Dan is λ een eigenwaarde van A met index k Bewijs: Het is duidelijk dat λ σ(a), en daarom volstaat het om te bewijzen dat µ k 1 < µ k = µ k+1 Daar ϕ 0 het minimaalpolynoom is van A, volgt uit (7) dat (A λi) k ψ(a) = 0 en (A λi) k 1 ψ(a) 0 Dus im(ψ(a)) is bevat in N ((A λi) k ), maar niet in N ((A λi) k 1 ) Dus N ((A λi) k 1 ) N ((A λi) k ), en derhalve µ k 1 < µ k Vervolgens bepalen we, door middel van deling met rest een polynoom α zodanig dat Dan geldt: ψ(z) = ψ(λ) + (z λ)α(z) 0 = ψ(a)(a λi) k = (ψ(λ)i + α(a)(a λi))(a λi) k = ψ(λ)(a λi) k + α(a)(a λi) k+1 Zij nu x N ((A λi) k+1 ) Dan geldt ook dat ψ(λ)(a λi) k x = 0 Omdat ψ(λ) 0, volgt dat x N ((A λi) k ) We concluderen dat N ((A λi) k ) = N ((A λi) k+1 ), en dus dat µ k = µ k+1 Stelling 77 Voor een matrix A M n (F), en een getal λ F zijn de volgende uitspraken equivalent: (i) λ is een eigenwaarde van A met index h, (ii) λ is een h-voudig nulpunt van het minimaalpolynoom ϕ 0 van A Bewijs: (i) = (ii): Zij λ een eigenwaarde van A met index h Dan is λ een nulpunt van het minimaalpolynoom ϕ 0, en dus is er een k N zo dat ϕ 0 (z) = (z λ) k ψ(z) met ψ(λ) 0 Uit Lemma 76 volgt dat µ k 1 < µ k = µ k+1, en dus dat k = h Derhalve is λ een h-voudig nulpunt van ϕ 0 (ii) = (i): Als ϕ 0 (z) = (z λ) h ψ(z), met h 1 en ψ(λ) 0, dan volgt uit Lemma 76 dat µ h 1 < µ h = µ h+1 Dus λ σ(a), en de index van λ is h 5
6 781 Nilpotente matrices Als volgende stap bestuderen we een bepaalde klasse van matrices, met de eigenschap dat de gegeneraliseerde eigenruimte bij een eigenwaarde de hele ruimte is Definitie 78 Een matrix A M n (F) heet nilpotent als er een k N bestaat, zó dat A k = 0 Als A h = 0 en A h 1 0, dan heet h de index van nilpotentie De rij getallen Σ = (µ 1,, µ h ) met µ j = dim(n (A j )) heet de multipliciteitenrij Stelling 79 Voor een matrix A M n (F) zijn de volgende beweringen equivalent: (i) A = λi + H met H een nilpotente matrix met index h, (ii) σ(a) = {λ}, en eigenwaarde λ heeft index h en algebraïsche multipliciteit n, (iii) Het minimaalpolynoom van A is ϕ 0 (z) = (z λ) h Bewijs: (i) = (ii): Veronderstel dat A λi nilpotent is met index h Dan (A λi) h = 0 en (A λi) h 1 0 Kies x V zodanig dat y = (A λi) h 1 x 0 Dan (A λi)y = (A λi) h x = 0, en daarmee is y een eigenvector van A bij eigenwaarde λ, en {λ} σ(a) Zij nu γ σ(a), met eigenvector v Dan (A λi) k v = (γ λ) k v = 0 Daar v 0 volgt dat (γ λ) k = 0, en dus γ = λ We concluderen dat σ(a) = {λ} Omdat (A λi) h = 0 en (A λi) h 1 0 volgt µ h 1 < µ h = n = µ h+1 Dus de index van eigenwaarde λ is h, en de algebraïsche multipliciteit is n (ii) = (i): Als σ(a) = {λ} en eigenwaarde λ heeft index h en algebraïsche multipliciteit n, dan (A λi) h = 0, en (A λi) h 1 0 Definieer H = A λi Dan A = λi + H, en H is een nilpotente matrix met index h (i) = (iii): (A λi) h = 0 en dus is (z λ) h een annihilerend polynoom Minimaalpolynoom ϕ 0 is hiervan een deler Maar (A λi) h 1 0, en dus is ϕ 0 (z) geen deler van (z λ) h 1 Derhalve volgt ϕ 0 (z) = (z λ) h (iii) = (i): Als het minimaalpolynoom van A gegeven wordt door ϕ 0 (z) = (z λ) h, dan (A λi) h = 0 en (A λi) h 1 0 Dus A = λi + H, met H = A λi een nilpotente matrix met index h 782 Grofreductie Voordat we een matrix kunnen transformeren naar een blokdiagonaalmatrix met bijzondere diagonaalblokken (grofreductie), worden eerst twee voorbereidende resultaten afgeleid Eigenschap 710 Zij A = diag(a 1,, A p ), met vierkante diagonaalblokken A 1,, A p, en ϕ 1,, ϕ p de minimaalpolynomen van A 1,, A p Dan is ϕ 0 := kgv(ϕ 1,, ϕ p ) het minimaalpolynoom van A Bewijs: Als A = diag(a 1,, A p ), en ϕ R[s], dan geldt ϕ(a) = diag(ϕ(a 1 ),, ϕ(a p )) Zij ϕ i het minimaalpolynoom van A i, (i = 1,, p), en ϕ 0 (z) het minimaalpolynoom van A Dan geldt in het bijzonder dat ϕ 0 (A i ) = 0 voor alle i = 1,, p, en dus is ϕ 0 een annihilerend polynoom voor alle A i, (i = 1,, p) Er volgt dat voor alle i = 1,, p, het polynoom ϕ i een deler is van ϕ 0 Dit betekent dat ook kgv(ϕ 1,, ϕ p ) een deler is van ϕ 0 Anderzijds is kgv(ϕ 1,, ϕ p ) een annihilerend polynoom van A en dus is ϕ 0 ook een deler van kgv(ϕ 1,, ϕ p ) Er volgt dat ϕ 0 = kgv(ϕ 1,, ϕ p ) 6
7 Lemma 711 Zij p, q R[s], en veronderstel dat p en q in C geen enkel gemeenschappelijk nulpunt hebben Dan zijn er polynomen r, t R[s] zó dat r p + t q = 1 Bewijs: R[s] is een hoofdideaalring Beschouw het ideaal I := p, q, voortgebracht door p en q Dit ideaal heeft een voortbrenger ϕ, en als ϕ nulpunten heeft, dan zijn dit gemeenschappelijke nulpunten van p en q Dus heeft ϕ geen enkel nulpunt in C, en dus is dit polynoom een constant polynoom Derhalve bestaan er polynomen r, t R[s], zo dat rp + tq = 1 Stelling 712 (Grofreductie) Zij A M n (F) met minimaalpolynoom ϕ 0, spectrum σ(a) = {λ 1,, λ p }, indices h 1,, h p en algebraïsche multipliciteiten m 1,, m p Dan zijn de volgende uitspraken equivalent: (i) Er is een inverteerbare matrix P zó dat P 1 AP = diag(λ 1 I 1 + H 1,, λ p I p + H p ), met H 1,, H p nilpotent, H j heeft afmetingen m j m j en index h j, (j = 1,, p) (ii) Het minimaalpolynoom van A wordt gegeven door ϕ 0 (z) = (z λ j ) h j (iii) N ((A λ 1 I) h 1 ) N ((A λ 2 I) h 2 ) N ((A λ p I) hp ) = V = F n (iv) m j = n Bewijs: (i) = (ii): Veronderstel dat P 1 AP = diag(λ 1 I 1 + H 1,, λ p I p + H p ) Zij ϕ j het minimaalpolynoom van λ j I j + H j, (j = 1,, p) Dan geldt volgens Stelling 79 dat ϕ j (z) = (z λ j ) h j Tevens geeft Eigenschap 710 dat ϕ 0 = kgv(ϕ 1,, ϕ p ) Dus volgt ϕ 0 (z) = (z λ j ) h j (ii) = (iii): Veronderstel dat het minimaalpolynoom van A gegeven wordt door ϕ 0 (z) = p (z λ j) h j Zij p(z) = (z λ 1 ) h 1 en q(z) = p j=2 (z λ j) h j Dan p(z)q(z) = ϕ 0 (z), en omdat p en q geen gemeenschappelijke nulpunten hebben, bestaan er volgens Lemma 711 polynomen r, t R[z] zó dat r(z)p(z) + t(z)q(z) = 1 We laten zien dat N (p(a)) N (q(a)) = V Zij x V zó dat p(a)x = 0 en q(a)x = 0 Dan x = r(a)p(a)x + t(a)q(a)x = r(a)0 + t(a)0 = 0, en N (p(a)) N (q(a)) = {0} Evenzo geldt voor iedere x V dat x = p(a)r(a)x + q(a)t(a)x 7
8 Omdat p(a)q(a) = 0 volgt dat p(a)r(a)x N (q(a)) en q(a)t(a)x N (p(a)) Derhalve x N (p(a)) + N (q(a)), en we hebben laten zien dat N ((A λ 1 I) h 1 ) N ( (A λ j I) h j ) = V j=2 Door nu stapsgewijs dit proces voort te zetten, waarbij iedere keer een factor (z λ j ) h j het minimaalpolynoom wordt geïsoleerd, verkrijgen we (iii): uit p N ((A λ ji) h j ) = V (iii) = (iv): Als (iii) geldt, dan volgt onmiddellijk n = dim(v ) = dim( p N ((A λ ji) h j ) = dim(n ((A λ j I) h j )) = m j (iv) = (iii): Omdat de polynomen p j (z) = (z λ j ) h j, (j = 1,, p), geen gemeenschappelijke nulpunten hebben, volgt onmiddellijk dat er in de som N ((A λ 1 I) h 1 ) + N ((A λ 2 I) h 2 ) + + N ((A λ p I) hp ) sprake is van een directe som van deelruimten, allen bevat in V: p N ((A λ ji) h j ) V Bovendien zijn in deze inclusie de ruimtes links en rechts van het -teken wat dimensie betreft aan elkaar gelijk Dit impliceert dat p N ((A λ ji) h j ) = V (iii) = (i): Zij M j = N ((A λ j I) h j ) en veronderstel dat p M j = V Dan zijn alle deelruimten M j, (j = 1,, p), ook A-invariant Immers, als x M j, dwz (A λ j I) h j x = 0, dan ook (A λ j I) h j Ax = A(A λ j I) h j x = 0 We concluderen dat (M 1,, M p ) een p-tupel van reducerende deelruimten is Kies nu een basis voor iedere deelruimte M j, en verenig deze bases tot een basis voor V Ten opzichte van deze basis heeft de matrix van A de vorm P 1 AP = diag(a 1,, A p ), waarbij A j de matrix is van de afbeelding A Mj ten opzichte van de gekozen basis in M j Het minimaalpolynoom van A Mj wordt gegeven door ϕ j (z) = (z λ j ) h j Immers, voor alle x M j geldt (A λ j I) h j x = 0, maar er zijn x M j waarvoor (A λ j I) hj 1 x 0; anders was h j niet de index van eigenwaarde λ j Uit Stelling 79 volgt nu dat de matrix van A Mj gegeven wordt door λ j I j + H j, met H j een m j m j nilpotente matrix met index h j, en dus P 1 AP = diag(λ 1 I 1 + H 1,, λ p I p + H p ), Men dient zich goed te realiseren dat Stelling 712 slechts vier equivalente uitspraken bevat Als aan één van de voorwaarden (i) tot en met (iv) is voldaan, gelden ook de drie andere eigenschappen Het is dus ook mogelijk dat geen enkele van de vier uitspraken geldig is In dat geval is slechts gedeeltelijke reductie mogelijk, zoals weergegeven in Gevolg 713 Het bewijs ervan berust op dezelfde argumenten als het bewijs van Stelling 712 8
9 Gevolg 713 Zij A M n (F), met minimaalpolynoom ϕ 0, spectrum {λ 1,, λ p }, indices h 1,, h p, en algebraïsche multipliciteiten m 1,, m p, en veronderstel dat de uitspraken uit Stelling 712 niet gelden Dan is er een inverteerbare matrix P zó dat P 1 AP = diag(λ 1 I 1 + H 1,, λ p I p + H p, B p+1 ), met voor alle j = 1,, p: H j nilpotent, index h j, en afmetingen m j m j, en B p+1 een matrix zonder eigenwaarden in F Het minimaalpolynoom van A is nu ϕ 0 (z) = (z λ j ) h j ψ(z), met ψ(z) het minimaalpolynoom van B p+1, dat in F geen nulpunten heeft Vervolgens richten we onze aandacht op een speciaal, maar zeer belangrijk en veel voorkomend geval: vierkante matrices over de complexe getallen Omdat ieder polynoom met complexe coëfficiënten volledig factoriseerbaar is, is voor deze matrices altijd aan conditie (ii) van Stelling 712 voldaan, en grofreductie dus altijd mogelijk: Stelling 714 Zij A M n (C) met minimaalpolynoom ϕ 0, spectrum {λ 1,, λ p }, indices h 1,, h p en algebraïsche multipliciteiten m 1,, m p Dan is er een inverteerbare matrix P zó dat P 1 AP = diag(λ 1 I 1 + H 1,, λ p I p + H p ), waarbij I j, H j matrices zijn met afmetingen m j m j, en H j nilpotent is met index h j, (j = 1,, p) Bovendien geldt ϕ 0 (z) = (z λ j ) h j Voor reële matrices is Stelling 714 ook geldig, mits men ze beschouwt als matrices over de complexe getallen Dit betekent dat men expliciet complexe eigenwaarden toestaat en ook de transformatiematrix P complexe elementen kan bevatten Als voorbeeld beschouwen we de matrix ( ) 0 1 A =, 1 0 met minimaalpolynoom ϕ 0 (z) = z Deze matrix heeft geen reële eigenwaarden; de enige nulpunten van het karakteristiek polynoom zijn i en i Als complexe matrix is A zelfs diagonaliseerbaar: ( ) ( ) 1 i voor P = geldt P 1 i 0 AP = i 1 0 i Als men echter slechts reële eigenwaarden, en reële transformatiematrices P toestaat, is de oorspronkelijke matrix A niet te reduceren tot (blok)diagonaalvorm Over het lichaam R voldoet de matrix A dus niet aan de uitspraken in Stelling 712 9
10 783 Karakteristiek polynoom en minimaalpolynoom Voor matrices over de complexe getallen kan men eenvoudig een verband afleiden tussen het minimaalpolynoom en het karakteristiek polynoom, waarbij de index en algebraïsche multipliciteit van de (complexe) eigenwaarden een belangrijke rol spelen Lemma 715 Zij A M n (C), met spectrum σ(a) = {λ 1,, λ p }, en veronderstel dat m i de algebraïsche multipliciteit is van eigenwaarde λ i Dan voldoet het karakteristieke polynoom χ A van A aan χ A (z) = det(zi A) = (z λ j ) m j (8) Bewijs: Gevolg 713 geeft aan dat A gelijkvormig is met de matrix diag(λ 1 I 1 + H 1,, λ p I p + H p ), met I j de m j m j eenheidsmatrix en H j een nilpotente m j m j matrix (j = 1,, p) Daaruit volgt dat χ A (z) = det((z λ j )I j + H j ) Een nilpotente matrix heeft als spectrum {0} (vergelijk Stelling 79) Daarnaast is het karakteristieke polynoom van een complexe m m matrix B een monisch polynoom van graad m, met de eigenwaarden van B als nulpunten Een nilpotente m m matrix H heeft dus χ H (z) = z m als karakteristiek polynoom Er volgt dat det((z λ j )I j + H j ) = (z λ j ) m j, en dus wordt het karakteristieke polynoom van A gegeven door (8) Het resultaat in Lemma 715 verklaart tevens de terminologie algebraïsche multipliciteit Immers, de algebraïsche multipliciteit van een eigenwaarde λ blijkt gelijk te zijn aan het aantal factoren (z λ) in het karakteristieke polynoom van de matrix Merk op dat de algebraïsche multipliciteit oorspronkelijk op een geheel andere wijze is gedefinieerd, namelijk als de dimensie van N ((A λi) h ), waarbij h de index bij eigenwaarde λ is Blijkbaar is de algebraïsche multipliciteit van een eigenwaarde met behulp van het karakteristiek polynoom eenvoudig te bepalen Voor iedere eigenwaarde λ van een matrix A is de bijbehorende index h altijd kleiner of gelijk aan de algebraïsche multipliciteit µ h van de eigenwaarde Er geldt immers dat de multipliciteitenrij Σ(λ) = (µ 1,, µ h ) een eindig, strikt stijgend rijtje van positieve gehele getallen is, en dus µ h h Voor een complexe matrix A M n (C) met eigenwaarden {λ 1,, λ p }, met bijbehorende indices h 1,, h p en algebraïsche multipliciteiten m 1,, m p is nu het minimaalpolynoom gegeven door ϕ 0 (z) = (z λ j ) h j, (zie Gevolg 713) en het karakteristiek polynoom door χ A (z) = (z λ j ) m j, 10
11 (zie Lemma 715) Daar voor alle j = 1,, p geldt dat h j m j volgt dat het minimaalpolynoom ϕ 0 een deler is van het karakteristiek polynoom χ A In het bijzonder is χ A dus een annihilerend polynoom van A, en is de graad van ϕ 0 kleiner of gelijk aan n Daarnaast kan men deze delingseigenschap gebruiken om met behulp van het karakteristiek polynoom het minimaalpolynoom te bepalen De eigenschap dat het karakteristiek polynoom van een matrix annihilerend is, staat in de literatuur bekend als de Stelling van Cayley-Hamilton: Gevolg 716 (Stelling van Cayley-Hamilton) Voor matrices A M n (C) geldt χ A (A) = 0 Uiteraard is de Stelling van Cayley-Hamilton ook geldig voor reële matrices; door deze als matrices over de complexe getallen te beschouwen, kan men direct Gevolg 716 toepassen Voor matrices in M n (R) zijn echter zowel de coëfficiënten van het karakteristieke polynoom, als de elementen van de matrix reëel, zodat in de Stelling van Cayley-Hamilton alleen reële getallen voorkomen Alleen ons bewijs maakt gebruik van de uitbreiding naar C Het is mogelijk om voor reële matrices de Stelling van Cayley-Hamilton te bewijzen zonder dit uitstapje naar de complexe getallen Daarvoor kan men bijvoorbeeld gebruik maken van determinantentheorie en operatorsubstitutie Daarmee kan men tevens aantonen dat de Stelling van Cayley-Hamilton geldig is voor matrices over willekeurige lichamen F 784 Fijnreductie Indien grofreductie van een matrix A M n (F) mogelijk is, volgt uit Stelling 712 dat er bij iedere eigenwaarde λ j, (j = 1,, p) van A met index h j en algebraïsche multipliciteit m j, een gegeneraliseerde eigenruimte M j = N ((A λ j I) h j ) bestaat, en dat deze ruimtes (M 1,, M p ) een reducerend tupel voor A vormen Door voor iedere ruimte M j, (j = 1,, p) een basis te kiezen, en deze bases samen te voegen tot een basis van V = F n, ziet men onmiddellijk dat A gelijkvormig is met een blokdiagonaalmatrix: P 1 AP = diag(a 1, A 2,, A p ) Hierin is A j, (j = 1,, p), de m j m j matrix van de afbeelding A Mj ten opzichte van de in de ruimte M j gekozen basis Bovendien weten we dat A j = λ j I j + H j, met I j de m j m j eenheidsmatrix, en H j een nilpotente m j m j matrix met index h j In deze paragraaf richten we onze aandacht op één van de diagonaalblokken A j Omdat de basiskeuze in de ruimte M j nog niet is vastgelegd, is het de bedoeling deze zo te kiezen dat de matrix A j van A Mj een zo eenvoudig mogelijke vorm heeft Daar A j = λ j I j + H j, en de matrix van λ j I j ten opzichte van iedere basis van M j hetzelfde is, kunnen we ons hierbij volledig richten op vereenvoudiging van de nilpotente matrix H j Zij H M m (F), nilpotent met index h en definieer voor j = 1,, h, N j := N (H j ) en µ j := dim(n j ) Dan geldt {0} = N 0 N 1 N 2 N h = F m, met strikte inclusies, en heet (µ 1,, µ h ) de multipliciteitenrij van H Lemma 717 Zij H een nilpotente matrix met index h Dan geldt voor alle 0 i j h: H i (N j ) N j i 11
12 Bewijs: Zij y H i (N j ) Dan is er een x N j zó dat y = H i x Omdat x N j geldt tevens H j x = 0 Daaruit volgt dat H j i y = H j i H i x = H j x = 0, en dus y N j i Volgens Lemma 717 wordt de ruimte N j door toepassing van de afbeelding H afgebeeld in N j 1, terwijl N j 1 een deelruimte is van N j van strikt kleinere dimensie Het is duidelijk dat de vectoren in N j 1 na toepassing van H in N j 1 blijven, en daarom zijn we geïnteresseerd in de vectoren uit N j, die een basis van N j 1 aanvullen tot een basis van N j Uit dimensieoverwegingen bevat een dergelijke basisuitbreiding µ j µ j 1 elementen We definiëren nu ν j := µ j µ j 1, (1 j h), en gaan op zoek naar een ν j -dimensionale deelruimte V j, met de eigenschap dat zowel N j 1 V j = N j als dim(h(v j )) = dim(v j ) = ν j Stelling 718 Zij H M m (F) een nilpotente matrix met index h en multipliciteitenrij (µ 1,, µ h ) Dan zijn er niet-triviale deelruimten V 1, V 2,, V h van F m zó dat (i) N j = V 1 V 2 V j voor alle 1 j h, (ii) H(V 1 ) = {0} en H(V j ) V j 1, 2 j h, (iii) H i (V j ) V j i en dim(h i (V j )) = ν j voor 0 i < j h Bewijs: We construeren de ruimtes V j recursief, in de volgorde V h, V h 1,, V 1 (I) Daar N h 1 N h is er een ruimte V h {0} zó dat N h 1 V h = N h (II) (inductiestap) Zij 1 j < h, en veronderstel dat er een ruimte V j+1 bestaat zo dat N j V j+1 = N j+1 We construeren nu een ruimte V j zó dat N j 1 V j = N j Het is duidelijk dat H(V j+1 ) H(N j+1 ) N j Tevens geldt dat H(V j+1 ) N j 1 = {0} Zij immers y H(V j+1 ) N j 1, dan H j 1 y = 0 en er bestaat een x V j+1 zó dat y = Hx Dan H j x = H j 1 Hx = H j 1 y = 0, en dus x N j Omdat N j V j+1 = {0}, volgt dat x = 0, en daarmee y = Hx = 0 We concluderen nu dat H(V j+1 ) en N j 1 disjuncte deelruimten zijn van N j : N j 1 H(V j+1 ) N j Er is dus een deelruimte V j N j (mogelijk van dimensie 0) zo dat (N j 1 H(V j+1 )) V j = N j Dan geldt zeker H(V j+1 ) V j = {0}, waardoor V j := H(V j+1 ) V j heeft de eigenschap dat N j 1 V j = N j, bestaat Deze ruimte waarmee onze constructie van V j is voltooid Resteert om aan te tonen dat deze ruimtes V 1,, V h de eigenschappen (i), (ii) en (iii) bezitten (i) Duidelijk is dat N 1 = V 1 Zij nu 1 j < h, en veronderstel dat N j = j V i Dan geldt ( ) N j+1 = N j V j+1 = j V i V j+1 = j+1 V i 12
13 (ii) Daar V 1 = N 1 is duidelijk dat H(V 1 ) = {0} Verder is V j 1 geconstrueerd als V j 1 = H(V j ) V j 1, waaruit onmiddellijk volgt dat H(V j) V j 1 (iii) Zij 0 i < j h Dan volgt uit (ii) dat H(V j ) V j 1 Veronderstel nu dat H i (V j ) V j i Dan H i+1 (V j ) = H(H i (V j )) H(V j i ) V j i 1 = V j (i+1), en met volledige inductie volgt de eerste uitspraak van (iii) Omdat N j = V j N j 1, geldt vervolgens ook dim(v j ) = dim(n j ) dim(n j 1 ) = µ j µ j 1 = ν j Zij nu 0 i < j We passen nu de dimensiestelling toe op H i Vj Er geldt dan dim(h i (V j )) + dim(v j N (H i )) = dim(v j ) Omdat N (H i ) = N i, en per constructie V j N i = {0} (want i < j), mogen we concluderen dat dim(h i (V j )) = dim(v j ) dim(v j N i ) = ν j 0 = ν j Door Stelling 718 (iii) toe te passen met i = 1 voor zowel j als j + 1, vinden we dat ν j+1 = dim(h(v j+1 )) dim(v j ) = ν j (9) De rij (ν 1,, ν h ) is dus een niet-stijgende rij In het bijzonder betekent dit dat µ j+1 µ j µ j µ j 1, zodat de toename in dimensie van N j bij stijgende waarde van j steeds kleiner wordt Schematisch kan men de samenhang tussen de deelruimtes V 1,, V h en de deelruimtes N 1,, N h voor V = F m als volgt weergeven: en dimensie: ν 1 + ν ν h = m ruimte: V 1 V 2 V h = V V }{{} 1 V 2 V h N } 1 {{} N 2 } {{ } N h = V Met behulp van de in Stelling 718 geconstrueerde deelruimten V 1, V 2,, V h kiezen we nu een basis van de m-dimensionale ruimte V, met enkele speciale eigenschappen Hierbij behandelen we de deelruimten V 1,, V h opnieuw in omgekeerde volgorde Eerst kiezen we een basis x h,1,, x h,νh van V h Daar dim(v h ) = ν h, bestaat deze basis inderdaad uit ν h lineair onafhankelijke vectoren Omdat H(V h ) V h 1 en dim(h(v h )) = dim(v h ) = ν h zijn de vectoren x h 1,l := Hx h,l, (l = 1,, ν h ) onafhankelijke vectoren in V h 1 Als ν h = ν h 1, dan is x h 1,1,, x h 1,νh een basis van V h 1 In het andere geval, als ν h < ν h 1, (volgens (9) geldt immers ν h ν h 1 ), zijn er vectoren x h 1,νh +1,, x h 1,νh 1 V h 1 zó dat de vectoren x h 1,1,, x h 1,νh 1 een basis vormen van V h 1 13
14 Dezelfde procedure zetten we recursief voort: nadat een basis {x j+1,1,, x j+1,νj+1 } voor de ruimte V j+1, 1 j < h is bepaald, definiëren we x j,l := Hx j+1,l, (l = 1,, ν j+1 ) Omdat H(V j+1 ) V j en dim(h(v j+1 )) = dim(v j+1 ) = ν j+1, zijn dit ν j+1 lineair onafhankelijke vectoren in V j Als ν j+1 = ν j, dan vormen deze vectoren samen een basis van V j Als echter ν j+1 < ν j, dan kan men de vectoren x j,l, (l = 1,, ν j+1 ), met vectoren x j,νj+1 +1,, x j,νj aanvullen tot een basis van V j Uiteindelijk worden op deze wijze alle ruimten V h, V h 1, V h 2,, V 2, V 1 van een basis voorzien Schematisch gezien heeft deze basiskeuze de volgende structuur: V 1 : x 1,1,, x 1,νh, x 1,νh +1,, x 1,νh 1,, x 1,ν2+1,, x 1,ν1 }{{}}{{}}{{} H h 1 (V h ) H h 2 (V h 1 ) V 1 V h 1 : V h : x h 1,1,, x h 1,νh, }{{} x h 1,νh +1,, x h 1,νh 1 }{{} H(V h ) V h 1 x h,1,, x h,νh }{{} V h Meer specifiek merken we op dat als x j,1,, x j,νj een basis vormen van V j, dan zijn voor alle 0 i < j, de vectoren x j i,l = H i x j,l, (l = 1,, ν j ) lineair onafhankelijk in V j i, en maken onderdeel uit van de basis van V j i Het bovenstaande schema hebben we in eerste instantie regel na regel van onder naar boven opgebouwd We hernummeren nu de basisvectoren in dit schema, waarbij we nu als het ware kolomsgewijs, dwz verticaal van boven naar onder te werk gaan Dus voor de vectoren in de eerste kolom definiëren we y 1 = x 1,1 y 2 = x 2,1 y h = x h,1 dan geldt Hy 1 = 0 Hy 2 = y 1 Hy h = y h 1 Hieruit volgt onmiddellijk dat Y 1 := y 1,, y h een invariante ruimte is onder de nilpotente afbeelding H De matrix van H Y1 ten opzichte van deze nieuwe basis is de h h matrix J h gegeven door J h = De h h matrix J h wordt een Jordan-kastje ter grootte h genoemd Dezelfde procedure kan men uitvoeren met alle kolommen in het schema Iedere kolom ter lengte k correspondeert dan met een Jordan-kastje ter grootte k Nadat op deze wijze 14
15 alle basisvectoren zijn hernummerd tot de vectoren y 1,, y m, wordt de matrix van H ten opzichte van deze basis {y 1,, y m } gegeven door: P 1 HP = diag(j h,, J }{{ h, J } h 1,, J h 1,, J }{{} 1,, J 1 ) (10) }{{} ν h ν h 1 ν h ν 1 ν 2 Dit is een vierkante matrix ter grootte hν h + (h 1)(ν h 1 ν h ) + (h 2)(ν h 2 ν h 1 ) + + 1(ν 1 ν 2 ) = ν h + ν h 1 + ν h ν 1 = µ h = m, wat overeenstemt met de dimensie van de ruimte V = F m Merk op dat het in (10) niet noodzakelijk is dat er Jordan-kastjes van iedere grootte h tot en met 1 optreden Indien ν l ν l+1 = 0, dan komen er geen Jordan-kastjes J l ter grootte l voor Het totale aantal Jordan-kastjes in (10) bedraagt ν h + (ν h 1 ν h ) + (ν h 2 ν h 1 ) + + (ν 1 ν 2 ) = ν 1 Dit aantal is dus gelijk aan de geometrische multipliciteit van de bijbehorende eigenwaarde (in dit geval de eigenwaarde 0) 785 Jordan normaalvorm Zij A M n (C), met spectrum σ(a) = {λ 1,, λ p } Volgens Stelling 714 kan men op deze matrix grofreductie toepassen: er bestaat een inverteerbare matrix P zó dat P 1 AP een blokdiagonaalmatrix is, waarbij het j-de diagonaalblok van de vorm λ j I j + H j is, met H j een nilpotente matrix De afmeting van I j en H j wordt daarbij vastgelegd door de algebraïsche multipliciteit van eigenwaarde λ j Op ieder van deze p diagonaalblokken kan men vervolgens fijnreductie toepassen Daarmee worden de nilpotente matrices H 1,, H p omgezet in matrices J λ1,, J λp, die allemaal uit Jordan-kastjes van de vorm (10) bestaan De aldus verkregen matrix (11) wordt de Jordan normaalvorm van de matrix A genoemd: Stelling 719 (Jordan normaalvorm) Zij A M n (C) met spectrum σ(a) = {λ 1,, λ p }, en laat h i de index van eigenwaarde λ i en Σ i de bijbehorende multipliciteitenrij (i = 1,, p) zijn Zij m i de algebraïsche multipliciteit van eigenwaarde λ i Er is een inverteerbare matrix S M n (C) zó dat S 1 AS = diag(λ 1 I 1 + J λ1,, λ p I p + J λp ), (11) waarbij voor k = 1,, p, I k de m k m k eenheidsmatrix is, en J λk de bij de multipliciteitenrij Σ k horende m k m k blokdiagonaalmatrix van Jordan-kastjes De Jordan normaalvorm is gelijkvormig met de oorspronkelijke matrix A, en wordt uniek vastgelegd door het spectrum van A, en de bij iedere eigenwaarde λ horende index h λ en multipliciteitenrij Σ(λ) Immers, als alle multipliciteiten µ 1,, µ h behorende bij een eigenwaarde bekend zijn, liggen ook de getallen ν 1,, ν h vast met de formule ν j = µ j µ j 1 Daarmee is volgens (10) ook het aantal Jordan-kastjes van iedere mogelijke grootte uniek bepaald, en ligt de Jordan normaalvorm dus vast 15
16 Voorbeeld 720 Zij A M 9 (C) met spectrum σ(a) = { 2, 3} Veronderstel dat de index van eigenwaarde λ 1 = 3 gelijk is aan h λ1 = 3, en dat de multipliciteitenrij wordt gegeven door Σ(λ 1 ) = (µ λ1,1, µ λ1,2, µ λ1,3) = (2, 4, 5) De index van eigenwaarde λ 2 = 2 veronderstellen we gelijk aan h λ2 = 2, met bijbehorende multipliciteitenrij Σ(λ 2 ) = (µ λ2,1, µ λ2,2) = (3, 4) Met deze gegevens bepalen we nu de Jordan normaalvorm van A Voor eigenwaarde λ 1 = 3 geldt dat ν λ1,1 = µ λ1,1 = 2, en ν λ1,2 = µ λ1,2 µ λ1,1 = 2, alsmede ν λ1,3 = µ λ1,3 µ λ1,2 = 1 Er is bij deze eigenwaarde dus 1 Jordan-kastje ter grootte h λ1 = 3, en ν λ1,2 ν λ1,3 = 2 1 = 1 Jordan-kastje ter grootte 2 Omdat ν λ1,1 ν λ1,2 = 0, zijn er geen Jordan-kastjes ter grootte 1 Voor eigenwaarde λ 2 = 2 geldt ν λ2,1 = µ λ2,1 = 3, en ν λ2,2 = µ λ2,2 µ λ2,1 = 1 Bij deze eigenwaarde is er dus 1 Jordan-kastje ter grootte h λ2 = 2, en ν λ2,1 ν λ2,2 = 3 1 = 2 Jordan-kastjes ter grootte 1 We concluderen nu dat de Jordan normaalvorm van A gegeven wordt door Opmerking 721 In aanvulling op de terminologie gebruikt in Paragraaf 784 wordt in de literatuur de k k matrix λ λ 1 J λ,k = 0 = λi k + J k λ een Jordan-kastje bij eigenwaarde λ ter grootte k genoemd Tenslotte is het duidelijk dat twee matrices A, B M n (C) gelijkvormig zijn dan en slechts dan als ze dezelfde Jordan normaalvorm hebben We eindigen derhalve met een samenvatting van dit resultaat over gelijkvormigheid: Gevolg 722 De matrices A, B M n (C) zijn gelijkvormig dan en slechts dan als er aan de volgende drie voorwaarden is voldaan: (i) σ(a) = σ(b), (A en B hebben hetzelfde spectrum) (ii) Voor alle λ σ(a): h λ (A) = h λ (B), (iedere eigenwaarde heeft met betrekking tot A dezelfde index als met betrekking tot B) (iii) Voor alle λ σ(a) : Σ λ (A) = Σ λ (B) (de multipliciteitenrijen van eigenwaarde λ met betrekking tot de matrices A en B zijn aan elkaar gelijk) 16
Jordan normaalvorm. Hoofdstuk 7
Hoofdstuk 7 Jordan normaalvorm Zoals we zagen hangt de matrix die behoort bij een lineaire transformatie af van de keuze van een basis voor de ruimte In dit hoofdstuk buigen we ons over de vraag of er
Nadere informatieLineaire Algebra voor W 2Y650
Lineaire Algebra voor W 2Y650 Docent: L. Habets HG 8.09, Tel: 040-2474230, Email: l.c.g.j.m.habets@tue.nl http://www.win.tue.nl/wsk/onderwijs/2y650 1 Eigenwaarden en eigenvectoren Zij A een n n matrix.
Nadere informatieEigenwaarden en Diagonaliseerbaarheid
Hoofdstuk 3 Eigenwaarden en Diagonaliseerbaarheid 31 Diagonaliseerbaarheid Zoals we zagen hangt de matrix die behoort bij een lineaire transformatie af van de keuze van een basis voor de ruimte In dit
Nadere informatieTentamen lineaire algebra 2 18 januari 2019, 10:00 13:00 Uitwerkingen (schets)
Tentamen lineaire algebra 8 januari 9, : : Uitwerkingen (schets) Opgave. ( + punten) Gegeven is de matrix ( ) A =. (a) Bepaal een diagonaliseerbare matrix D en een nilpotente matrix N zodanig dat A = N
Nadere informatieUitwerkingen tentamen lineaire algebra 2 13 januari 2017, 10:00 13:00
Uitwerkingen tentamen lineaire algebra 3 januari 07, 0:00 3:00 Hint: Alle karakteristiek polynomen die je nodig zou kunnen hebben, hebben gehele nulpunten. Als dat niet het geval lijkt, dan heb je dus
Nadere informatieEXAMEN LINEAIRE ALGEBRA EN ANALYTISCHE MEETKUNDE I. 1. Theorie
EXAMEN LINEAIRE ALGEBRA EN ANALYTISCHE MEETKUNDE I MAANDAG 17 JANUARI 2011 1. Theorie Opgave 1. (a) In Voorbeelden 2.1.17 (7) wordt gesteld dat de maximale lineair onafhankelijke deelverzamelingen van
Nadere informatieLineaire Algebra voor W 2Y650
Lineaire Algebra voor W 2Y65 Docent: L Habets HG 89, Tel: 4-247423, Email: lcgjmhabets@tuenl http://wwwwintuenl/wsk/onderwijs/2y65 1 Herhaling: bepaling van eigenwaarden en eigenvectoren (1) Bepaal het
Nadere informatieEigenwaarden en eigenvectoren
Eigwaard eigvector Als A e vierkante matrix is, dan heet e vector x e eigvector van A als Ax e veelvoud van x is : Definitie Stel dat A e (n n-matrix is E vector x R n met x o heet e eigvector van A als
Nadere informatieUitwerkingen tentamen Lineaire Algebra 2 16 januari, en B =
Uitwerkingen tentamen Lineaire Algebra 2 16 januari, 215 Deze uitwerkingen zijn niet volledig, maar geven het idee van elke opgave aan. Voor een volledige oplossing moet alles ook nog duidelijk uitgewerkt
Nadere informatieGeadjungeerde en normaliteit
Hoofdstuk 12 Geadjungeerde en normaliteit In het vorige hoofdstuk werd bewezen dat het voor het bestaan van een orthonormale basis bestaande uit eigenvectoren voldoende is dat T Hermites is (11.17) of
Nadere informatieEigenwaarden en eigenvectoren in R n
Eigenwaarden en eigenvectoren in R n Als Ax λx voor zekere x in R n met x 0, dan is λ een eigenwaarde van A en x een eigenvector van A behorende bij λ. Een eigenvector is op een multiplicatieve constante
Nadere informatieUitwerkingen tentamen Lineaire Algebra 2 16 januari, en B =
Uitwerkingen tentamen Lineaire Algebra 2 16 januari, 2015 Deze uitwerkingen zijn niet volledig, maar geven het idee van elke opgave aan Voor een volledige oplossing moet alles ook nog duidelijk uitgewerkt
Nadere informatieLineaire Algebra voor ST
Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.31 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds06 Technische Universiteit Eindhoven college 11 J.Keijsper
Nadere informatieUitwerkingen Lineaire Algebra I (wiskundigen) 22 januari, 2015
Uitwerkingen Lineaire Algebra I (wiskundigen) januari, 5 In deze uitwerkingen is hier en daar een berekening weggelaten (bijvoorbeeld het bepalen van de kern van een matrix) die uiteraard op het tentamen
Nadere informatieAanvullingen bij Hoofdstuk 8
Aanvullingen bij Hoofdstuk 8 8.5 Definities voor matrices De begrippen eigenwaarde eigenvector eigenruimte karakteristieke veelterm en diagonaliseerbaar worden ook gebruikt voor vierkante matrices los
Nadere informatieUnitaire en Hermitese transformaties
Hoofdstuk 11 Unitaire en Hermitese transformaties We beschouwen vervolgens lineaire transformaties van reële en complexe inproductruimten die aan extra eigenschappen voldoen die betrekking hebben op het
Nadere informatiex 1 (t) = ve rt = (a + ib) e (λ+iµ)t = (a + ib) e λt (cos µt + i sin µt) x 2 (t) = ve rt = e λt (a cos µt b sin µt) ie λt (a sin µt + b cos µt).
76 Complexe eigenwaarden Ook dit hebben we reeds gezien bij Lineaire Algebra Zie: Lay, 57 Als xt ve rt een oplossing is van de homogene differentiaalvergelijking x t Axt, dan moet r een eigenwaarde van
Nadere informatieLineaire Algebra voor W 2Y650
Lineaire Algebra voor W 2Y650 Docent: L Habets HG 809, Tel: 040-2474230, Email: lcgjmhabets@tuenl http://wwwwintuenl/wsk/onderwijs/2y650 1 Herhaling: Oplossing homogene DV ẋ = Ax Aanname: A is diagonaliseerbaar
Nadere informatieKies voor i een willekeurige index tussen 1 en r. Neem het inproduct van v i met de relatie. We krijgen
Hoofdstuk 95 Orthogonaliteit 95. Orthonormale basis Definitie 95.. Een r-tal niet-triviale vectoren v,..., v r R n heet een orthogonaal stelsel als v i v j = 0 voor elk paar i, j met i j. Het stelsel heet
Nadere informatieLineaire Algebra C 2WF09
Lineaire Algebra C 2WF09 College: Instructie: L. Habets HG 8.09, Tel. 4230, Email: l.c.g.j.m.habets@tue.nl H.A. Wilbrink HG 9.49, Tel. 2783, E-mail: h.a.wilbrink@tue.nl http://www.win.tue.nl/wsk/onderwijs/2wf09
Nadere informatieHet karakteristieke polynoom
Hoofdstuk 6 Het karakteristieke polynoom We herhalen eerst kort de definities van eigenwaarde en eigenvector, nu in een algemene vectorruimte Definitie 6 Een eigenvector voor een lineaire transformatie
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Lineaire Algebra voor ST (2DS06) op , uur.
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Lineaire Algebra voor ST (DS) op --9,.-7. uur. Aan dit tentamen gaat een MATLAB-toets van een half uur vooraf. Pas als de laptops
Nadere informatieSymmetrische matrices
Symmetrische matrices We beginnen met een eenvoudige definitie : Definitie Een matrix A heet symmetrisch als A T = A NB Een symmetrische matrix is dus altijd vierkant Symmetrische matrices hebben fraaie
Nadere informatieTentamen lineaire algebra voor BWI dinsdag 17 februari 2009, uur.
Vrije Universiteit Amsterdam Faculteit der Exacte Wetenschappen Afdeling Wiskunde Tentamen lineaire algebra voor BWI dinsdag 7 februari 9, 8.-.5 uur. ELK ANTWOORD DIENT TE WORDEN BEARGUMENTEERD. Er mogen
Nadere informatieStelsels Vergelijkingen
Hoofdstuk 5 Stelsels Vergelijkingen Eén van de motiverende toepassingen van de lineaire algebra is het bepalen van oplossingen van stelsels lineaire vergelijkingen. De belangrijkste techniek bestaat uit
Nadere informatieComplexe eigenwaarden
Complexe eigenwaarden Tot nu toe hebben we alleen reële getallen toegelaten als eigenwaarden van een matrix Het is echter vrij eenvoudig om de definitie uit te breiden tot de complexe getallen Een consequentie
Nadere informatieOefensommen tentamen Lineaire algebra 2 - december A =
Oefensommen tentamen Lineaire algebra 2 - december 2012 Opg 1 De schaakbordmatrix A is de 8 bij 8 matrix 1 0 1 0 1 0 1 0 0 1 0 1 0 1 0 1 1 0 1 0 1 0 1 0 A = 0 1 0 1 0 1 0 1 1 0 1 0 1 0 1 0 0 1 0 1 0 1
Nadere informatieLineaire afbeeldingen
Hoofdstuk 4 Lineaire afbeeldingen In de algebra spelen naast algebraïsche structuren zelf ook de afbeeldingen ertussen die (een deel van de structuur bewaren, een belangrijke rol Voor vectorruimten zijn
Nadere informatieLineaire algebra I (wiskundigen)
Lineaire algebra I (wiskundigen) Toets, donderdag 22 oktober, 2009 Oplossingen (1) Zij V het vlak in R 3 door de punten P 1 = (1, 2, 1), P 2 = (0, 1, 1) en P 3 = ( 1, 1, 3). (a) Geef een parametrisatie
Nadere informatieONBETWIST ONderwijs verbeteren met WISkunde Toetsen Voorbeeldtoetsen Lineaire Algebra Deliverable 3.10 Henk van der Kooij ONBETWIST Deliverable 3.
ONBETWIST ONderwijs verbeteren met WISkunde Toetsen Voorbeeldtoetsen Lineaire Algebra Deliverable 3.10 Henk van der Kooij ONBETWIST Deliverable 3.8 ONBETWIST ONderwijs verbeteren met WISkunde Toetsen Inleiding
Nadere informatieBekijk nog een keer het stelsel van twee vergelijkingen met twee onbekenden x en y: { De tweede vergelijking van de eerste aftrekken geeft:
Determinanten Invoeren van het begrip determinant Bekijk nog een keer het stelsel van twee vergelijkingen met twee onbekenden x en y: { a x + b y = c a 2 a 2 x + b 2 y = c 2 a Dit levert op: { a a 2 x
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Lineaire Algebra voor ST (DS6) op -4-, 4.-7. uur. Opgave Gegeven is het volgende stelsel lineaire vergelijkingen met parameters
Nadere informatieTENTAMEN LINEAIRE ALGEBRA 2 dinsdag 3 april 2007,
TENTAMEN LINEAIRE ALGEBRA 2 dinsdag 3 april 2007, 000-300 Bij elke vraag dient een berekening of mo- Dit tentamen bestaat uit vijf opgaven tivering te worden opgeschreven Grafische en programmeerbare rekenmachines
Nadere informatieSamenvatting Lineaire Algebra, periode 4
Samenvatting Lineaire Algebra, periode 4 Hoofdstuk 5, Eigenwaarden en eigenvectoren 5.1; Eigenvectoren en eigenwaarden Definitie: Een eigenvector van een n x n matrix A is een niet nulvector x zodat Ax
Nadere informatie1 Eigenwaarden en eigenvectoren
Eigenwaarden en eigenvectoren Invoeren van de begrippen eigenwaarde en eigenvector DEFINITIE Een complex (of reëel getal λ heet een eigenwaarde van de n n matrix A als er een vector x is met Ax = λx Dan
Nadere informatieTentamen Lineaire Algebra UITWERKINGEN
Tentamen Lineaire Algebra 29 januari 29, 3:3-6:3 uur UITWERKINGEN Gegeven een drietal lijnen in R 3 in parametervoorstelling, l : 2, m : n : ν (a (/2 pt Laat zien dat l en m elkaar kruisen (dat wil zeggen
Nadere informatie4 Positieve en niet-negatieve lineaire algebra
4 Positieve en niet-negatieve lineaire algebra Positieve en niet-negatieve matrices komen veel voor binnen de stochastiek (zoals de PageRank matrix) en de mathematische fysica: temperatuur, dichtheid,
Nadere informatieOverzicht. Eigenwaarden. Beurzen en afhankelijkheid. Eigenwaarden: Intro
Overzicht Eigenwaarden VU Numeriek Programmeren. Charles Bos Vrije Universiteit Amsterdam c.s.bos@vu.nl, A april Waarom? Voorbeelden Eigenwaarden/eigenvectoren Hoe vind ik ze? Polynoom Powermethode Andere
Nadere informatieLineaire Algebra voor ST
Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 93 email: JCMKeijsper@tuenl studiewijzer: http://wwwwintuenl/wsk/onderwijs/2ds06 Technische Universiteit Eindhoven college 3 JKeijsper (TUE) Lineaire
Nadere informatieTweede huiswerkopdracht Lineaire algebra 1 Uitwerking en opmerkingen
Tweede huiswerkopdracht Lineaire algebra 1 en opmerkingen November 10, 2009 Opgave 1 Gegeven een vectorruimte V met deelruimtes U 1 en U 2. Als er geldt dim U 1 = 7, dimu 2 = 9, en dim(u 1 U 2 ) = 4, wat
Nadere informatieLineaire Algebra Een Samenvatting
Lineaire Algebra Een Samenvatting Definitie: Een (reële) vectorruimte is een verzameling V voorzien van een additieve en multiplicatieve operatie, zodat (a) u V en v V u + v V, (1) u + v = v + u voor alle
Nadere informatieDefinities, stellingen en methoden uit David Poole s Linear Algebra A Modern Introduction - Second Edtion benodigd voor het tentamen Matrix Algebra 2
Definities, stellingen en methoden uit David Poole s Linear Algebra A Modern Introduction - Second Edtion benodigd voor het tentamen Matrix Algebra 2 Bob Jansen Inhoudsopgave 1 Vectoren 3 2 Stelsels Lineaire
Nadere informatieLineaire Algebra voor ST
Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.3 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds6 Technische Universiteit Eindhoven college 2 J.Keijsper (TUE)
Nadere informatieLineaire Algebra voor ST
Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.3 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds6 Technische Universiteit Eindhoven college 6 J.Keijsper (TUE)
Nadere informatieLineaire Algebra voor W 2Y650
Lineaire Algebra voor W 2Y650 Docent: L. Habets HG 8.09, Tel: 040-2474230, Email: l.c.g.j.m.habets@tue.nl http://www.win.tue.nl/wsk/onderwijs/2y650 1 Herhaling: opspansel De vectoren v 1,..., v k V spannen
Nadere informatieBasiskennis lineaire algebra
Basiskennis lineaire algebra Lineaire algebra is belangrijk als achtergrond voor lineaire programmering, omdat we het probleem kunnen tekenen in de n-dimensionale ruimte, waarbij n gelijk is aan het aantal
Nadere informatieEXAMEN LINEAIRE ALGEBRA EN MEETKUNDE I
EXAMEN LINEAIRE ALGEBRA EN MEETKUNDE I Theorie Opgave 1. In deze opgave wordt gevraagd om een aantal argumenten of overgangen uit de cursusnota s in detail te verklaren. In delen (a) (b) peilen we naar
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Lineaire Algebra voor ST (2DS06) op 16-4-2012, 14.30-17.00 uur.
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Lineaire Algebra voor ST (DS6) op 6--,.-7. uur. Aan dit tentamen gaat een MATLAB-toets van een half uur vooraf. Pas als de laptops
Nadere informatiea) Bepaal punten a l en b m zó dat de lijn door a en b parallel is met n.
. Oefen opgaven Opgave... Gegeven zijn de lijnen l : 2 + λ m : 2 2 + λ 3 n : 3 6 4 + λ 3 6 4 a) Bepaal punten a l en b m zó dat de lijn door a en b parallel is met n. b) Bepaal de afstand tussen die lijn
Nadere informatieTentamen Lineaire Algebra B
Tentamen Lineaire Algebra B 29 juni 2012, 9-12 uur OPGAVEN Uitwerkingen volgen na de opgaven 1. Gegeven is de vectorruimte V = R[x] 2 van polynomen met reële coefficienten en graad 2. Op V hebben we een
Nadere informatieAntwoorden op de theoretische vragen in de examen voorbereiding
Antwoorden op de theoretische vragen in de examen voorbereiding Theorie vraag Zij A een m n-matrix. Geef het verband tussen de formule voor de dimensie d van een niet-strijdig stelsel, d = n rang (A) (zie
Nadere informatieUitwerking opgaven 17 december. Spoilers!!
Uitwerking opgaven 7 december Spoilers!! (duh... 8 januari 206 Inhoudsopgave Complex diagonaliseren matrix 2. Opgave................................................ 2.2 Oplossing...............................................
Nadere informatieCollege WisCKI. Albert Visser. 16 januari, Department of Philosophy, Faculty Humanities, Utrecht University. Loodrechte Projectie
College WisCKI Albert Visser Department of Philosophy, Faculty Humanities, Utrecht University 16 januari, 2012 1 Overview 2 Overview 2 Overview 2 Overview 3 Zij V een deelruimte met basis v 1,..., v k.
Nadere informatieextra sommen bij Numerieke lineaire algebra
extra sommen bij Numerieke lineaire algebra 31 oktober 2012 1. Stel, we willen met een rekenapparaat (dat arithmetische bewerkingen uitvoert met een relatieve nauwkeurigheid ξ, ξ ξ) voor twee getallen
Nadere informatieUITWERKINGEN 1 2 C : 2 =
UITWERKINGEN. De punten A, B, C, D in R zijn gegeven door: A : 0, B : Zij V het vlak door de punten A, B, C. C : D : (a) ( pt) Bepaal het oppervlak van de driehoek met hoekpunten A, B, C. Oplossing: De
Nadere informatieLineaire Algebra. Bovendriehoeks- en onderdriehoeks vorm: onder (boven) elke leidende term staan enkel nullen
Lineaire Algebra Hoofdstuk 1: Stelsels Gelijkwaardige stelsels: stelsels met gelijke oplv Elementaire rijbewerkingen: 1. van plaats wisselen 2. externe vermenigvuldiging 3. interne optelling (2. en 3.:
Nadere informatieNP2.5w3 Eigenwaarden. Eigenwaarden. VU Numeriek Programmeren 2.5. Charles Bos. Vrije Universiteit Amsterdam 1A april /26
1/26 Eigenwaarden VU Numeriek Programmeren 2.5 Charles Bos Vrije Universiteit Amsterdam c.s.bos@vu.nl, 1A40 22 april 2013 2/26 Overzicht Waarom? Voorbeelden Eigenwaarden/eigenvectoren Hoe vind ik ze? Polynoom
Nadere informatie2 De Jordannormaalvorm van een lineaire transformatie
2 De Jordannormaalvorm van een lineaire transformatie We zagen dat iedere lineaire transformatie L : V V van een vectorruimte (V, K) over een algebraïsch afgesloten lichaam K op bovendriehoeksvorm kan
Nadere informatieBilineaire Vormen. Hoofdstuk 9
Hoofdstuk 9 Bilineaire Vormen In dit hoofdstuk beschouwen we bilineaire vormen op een vectorruimte V nader. Dat doen we onder andere om in het volgende hoofdstuk de begrippen afstand en lengte in een vectorruimte
Nadere informatieUitwerkingen tentamen Lineaire Algebra 2
Uitwerkingen tentamen Lineaire Algebra 2 15 januari, 2016 Opgave 2 (10 punten (a Het karakteristiek polynoom van A is det(ti A = (t 1 5, dus er is maar één eigenwaarde, namelijk λ = 1 Er geldt (A I 2 =
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Lineaire Algebra voor BMT en TIW (DM) op dinsdag 9 april 8, 9.. uur. Dit tentamen bestaat uit 6 open vragen, en 4 kort-antwoord
Nadere informatie2 De Jordannormaalvorm voor lineaire transformaties
2 De Jordannormaalvorm voor lineaire transformaties We zagen dat iedere lineaire transformatie L : V V van een vectorruimte (V, K) over een algebraïsch afgesloten lichaam K op bovendriehoeksvorm kan worden
Nadere informatieVincent van der Noort Scoop vult de gaten in onze kennis... Het gevoel van eigenwaarden van David J. Griffith
Scoop februari 2003 Scoop vult de gaten Vincent van der Noort Scoop vult de gaten in onze kennis... Het gevoel van eigenwaarden van David J. Griffith De wiskundigen onder jullie zal de naam waarschijnlijk
Nadere informatieTentamen lineaire algebra 2 17 januari 2014, 10:00 13:00 zalen 174, 312, 412, 401, 402
Tentamen lineaire algebra 2 17 januari 214, 1: 13: zalen 174, 312, 412, 41, 42 Dit zijn geen complete uitwerkingen. Er is dus geen garantie dat het overschrijven met andere getallen voldoende is voor huiswerk
Nadere informatieHoofdstuk 9. Vectorruimten. 9.1 Scalairen
Hoofdstuk 9 Vectorruimten 9.1 Scalairen In de lineaire algebra tot nu toe, hebben we steeds met reële getallen als coëfficienten gewerkt. Niets houdt ons tegen om ook matrices, lineaire vergelijkingen
Nadere informatieMatrixgroepen. SL n (K) = S GL n (K)
B Matrixgroepen De lineaire algebra is niet alleen een theorie waar de functionaalanalyse op voort bouwt, omgekeerd hebben sommige resultaten uit de hoofdtext ook consequenties voor de lineaire algebra.
Nadere informatie6. Lineaire operatoren
6. Lineaire operatoren Dit hoofdstukje is een generalisatie van hoofdstuk 2. De meeste dingen die we in hoofdstuk 2 met de R n deden, gaan we nu uitbreiden tot andere lineaire ruimten Definitie. Een lineaire
Nadere informatieExamen Lineaire Algebra en Meetkunde Tweede zit (13:30-17:30)
Examen Lineaire Algebra en Meetkunde Tweede zit 2016-2017 (13:30-17:30) 1 Deel gesloten boek (theorie) (5.5pt) - indienen voor 14u30 (0.5pt) Geef de kleinste kwadratenoplossing van het stelsel AX = d,
Nadere informatie11.0 Voorkennis V
11.0 Voorkennis V 8 6 4 3 6 3 0 5 W 8 1 1 12 2 1 16 4 3 20 5 4 V is een 2 x 4 matrix. W is een 4 x 3 matrix. Deze twee matrices kunnen met elkaar vermenigvuldigd worden. Want het aantal kolommen van matrix
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Lineaire Algebra voor BMT (2DM20) op vrijdag 12 juni 2009, 9.00 Dit tentamen bestaat uit 5 open vragen, en 4 kort-antwoord vragen.
Nadere informatiePolynomen. + 5x + 5 \ 3 x 1 = S(x) 2x x. 3x x 3x 2 + 2
Lesbrief 3 Polynomen 1 Polynomen van één variabele Elke functie van de vorm P () = a n n + a n 1 n 1 + + a 1 + a 0, (a n 0), heet een polynoom of veelterm in de variabele. Het getal n heet de graad van
Nadere informatieMatrices en Stelsel Lineaire Vergelijkingen
Complexe Getallen Wat is de modulus van een complex getal? Hoe deel je twee complexe getallen? Wat is de geconjugeerde van een complex getal? Hoe kan je z z ook schrijven? Wat is de vergelijking van een
Nadere informatieRuimtemeetkunde deel 1
Ruimtemeetkunde deel 1 1 Punten We weten reeds dat Π 0 het meetkundig model is voor de vectorruimte R 2. We definiëren nu op dezelfde manier E 0 als meetkundig model voor de vectorruimte R 3. De elementen
Nadere informatieMeetkunde en lineaire algebra
Meetkunde en lineaire algebra Daan Pape Universiteit Gent 7 juni 2012 1 1 Möbius transformaties De mobiustransformatie wordt gegeven door: z az + b cz + d (1) Als we weten dat het drietal (x 1, x 2, x
Nadere informatieEindtermen Lineaire Algebra voor E vor VKO (2DE01)
Eindtermen Lineaire Algebra voor E vor VKO (2DE01) dr. G.R. Pellikaan 1 Voorkennis Middelbare school stof van wiskunde en natuurkunde. Eerste gedeelte (Blok A) van Lineaire Algebra voor E (2DE04). 2 Globale
Nadere informatieWI1808TH1/CiTG - Lineaire algebra deel 1
WI1808TH1/CiTG - Lineaire algebra deel 1 College 10 13 oktober 2016 1 Samenvatting Hoofdstuk 4.1 Een constante λ is een eigenwaarde van een n n matrix A als er een niet-nul vector x bestaat, zodat Ax =
Nadere informatieGeef niet alleen antwoorden, maar bewijs al je beweringen.
Tentamen Lineaire Algebra donderdag 29 januari 205, 9.00-2.00 uur Het is niet toegestaan telefoons, computers, grafische rekenmachines (wel een gewone), dictaten, boeken of aantekeningen te gebruiken.
Nadere informatieTentamen Lineaire Algebra voor BMT en TIW (2DM20) op vrijdag 11 mei 2007, 9:00 12:00 uur.
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Lineaire Algebra voor BMT en TIW (DM) op vrijdag mei 7, 9: : uur. U mag bij het tentamen geen computer (notebook, laptop), boeken
Nadere informatieOefenopgaven Grondslagen van de Wiskunde A
Oefenopgaven Grondslagen van de Wiskunde A Jaap van Oosten 2007-2008 1 Kardinaliteiten Opgave 1.1. Bewijs, dat R N = R. Opgave 1.2. Laat Cont de verzameling continue functies R R zijn. a) Laat zien dat
Nadere informatieLineaire Afbeelding Stelsels differentiaalvergelijkingen. 6 juni 2006
Lineaire Afbeelding Stelsels differentiaalvergelijkingen 6 juni 6 i ii Inhoudsopgave Stelsels differentiaalvergelijkingen Opgaven Stelsels differentiaalvergelijkingen In deze paragraaf passen we onze kennis
Nadere informatieToepassingen op differentievergelijkingen
Toepassingen op differentievergelijkingen We beschouwen lineaire differentievergelijkingen of lineaire recurrente betrekkingen van de vorm a 0 y k+n + a y k+n + + a n y k+ + a n y k = z k, k = 0,,, Hierbij
Nadere informatieComplexe e-macht en complexe polynomen
Aanvulling Complexe e-macht en complexe polynomen Dit stuk is een uitbreiding van Appendix I, Complex Numbers De complexe e-macht wordt ingevoerd en het onderwerp polynomen wordt in samenhang met nulpunten
Nadere informatieInleiding Analyse 2009
Inleiding Analyse 2009 Inleveropgaven A). Stel f(, y) = In (0, 0) is f niet gedefinieerd. We bestuderen y2 2 + y 4. lim f(, y). (,y) (0,0) 1. Bepaal de waarde van f(, y) op een willekeurige rechte lijn
Nadere informatie3 De duale vectorruimte
3 De duale vectorruimte We brengen de volgende definitie in de herinnering. Definitie 3.1 (hom K (V, W )) Gegeven twee vectorruimtes (V, K) en (W, K) over K noteren we de verzameling van alle lineaire
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Dit tentamen bestaat uit 4 open vragen, en kort-antwoord vragen. De uitwerkingen van de open vragen dienen volledig, duidelijk geformuleerd
Nadere informatie1.1 Oefen opgaven. Opgave Van de lineaire afbeelding A : R 3 R 3 is gegeven dat 6 2, 5 4, A 1 1 = A = Bepaal de matrix van A.
. Oefen opgaven Opgave... Van de lineaire afbeelding A : R 3 R 3 is gegeven dat A = Bepaal de matrix van A. 4, 4 A =, A = 3 4. In de volgende opgave wordt het begrip injectiviteit en surjectiviteit van
Nadere informatieLineaire Algebra voor ST
Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.31 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds06 Technische Universiteit Eindhoven college 2 J.Keijsper
Nadere informatieLineaire Algebra en Vectorcalculus 2DN60 College 5.a Basis en dimensie
Lineaire Algebra en Vectorcalculus 2DN60 College 5.a Basis en dimensie Ruud Pellikaan g.r.pellikaan@tue.nl /k 205-206 Definitie opspansel 2/35 Stel S = {v,..., v n } is een deelverzameling van de vectorruimte
Nadere informatieTer Leering ende Vermaeck
Ter Leering ende Vermaeck 15 december 2011 1 Caleidoscoop 1. Geef een relatie op Z die niet reflexief of symmetrisch is, maar wel transitief. 2. Geef een relatie op Z die niet symmetrisch is, maar wel
Nadere informatieopgaven formele structuren tellen Opgave 1. Zij A een oneindige verzameling en B een eindige. Dat wil zeggen (zie pagina 6 van het dictaat): 2 a 2.
opgaven formele structuren tellen Opgave 1. Zij A een oneindige verzameling en B een eindige. Dat wil zeggen (zie pagina 6 van het dictaat): ℵ 0 #A, B = {b 0,..., b n 1 } voor een zeker natuurlijk getal
Nadere informatiewordt de stelling van Pythagoras toegepast, in dit geval twee keer: eerst in de x y-vlakte en vervolgens in de vlakte loodrecht op de vector y.
Wiskunde voor kunstmatige intelligentie, 2 Les 5 Inproduct Als we het in de meetkunde (of elders) over afstanden en hoeken hebben, dan hebben we daar intuïtief wel een idee van. Maar wat is eigenlijk de
Nadere informatieHoofdstuk 1. Inleiding. Lichamen
Hoofdstuk 1 Lichamen Inleiding In Lineaire Algebra 1 en 2 heb je al kennis gemaakt met de twee belangrijkste begrippen uit de lineaire algebra: vectorruimte en lineaire afbeelding. In dit hoofdstuk gaan
Nadere informatie3.2 Vectoren and matrices
we c = 6 c 2 = 62966 c 3 = 32447966 c 4 = 72966 c 5 = 2632833 c 6 = 4947966 Sectie 32 VECTOREN AND MATRICES Maar het is a priori helemaal niet zeker dat het stelsel vergelijkingen dat opgelost moet worden,
Nadere informatieLineaire Algebra C 2WF09
Lineaire Algebra C 2WF09 College: Instructie: L. Habets HG 8.09, Tel. 4230, Email: l.c.g.j.m.habets@tue.nl H. Wilbrink HG 9.49, Tel. 2783, E-mail: h.a.wilbrink@tue.nl http://www.win.tue.nl/wsk/onderwijs/2wf09
Nadere informatieLineaire Algebra C 2WF09
Lineaire Algebra C 2WF09 College: Instructie: L. Habets HG 8.09, Tel. 4230, Email: l.c.g.j.m.habets@tue.nl H.A. Wilbrink HG 9.49, Tel. 2783, E-mail: h.a.wilbrink@tue.nl http://www.win.tue.nl/wsk/onderwijs/2wf09
Nadere informatieVoorwaardelijke optimalisatie
Voorwaardelijke optimalisatie We zoek naar maximale minimale waard van e kwadratische vorm Q(x op R n onder bepaalde voorwaard Zo n voorwaarde is bijvoorbeeld dat x R n e eheidsvector is, dat wil zegg
Nadere informatieLineaire Algebra voor ST
Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.31 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds06 Technische Universiteit Eindhoven college 3 J.Keijsper
Nadere informatieVierde huiswerkopdracht Lineaire algebra 1
Vierde huiswerkopdracht Lineaire algebra December, 00 Opgave : Voor positieve gehele getallen m, n schrijven we Mat(m n, R) voor de vectorruimte van alle m n matrices, met de gebruikelijke optelling en
Nadere informatieLineaire algebra I (wiskundigen)
Lineaire algebra I (wiskundigen) Voorbeelden van toetsopgaven, 011 en (1) (a) Bepaal de afstand van het punt Q = (1,, ) R 3 tot het vlak gegeven door x + y z = 1. (b) Bepaal de hoek tussen de vectoren
Nadere informatie7.1 Het aantal inverteerbare restklassen
Hoofdstuk 7 Congruenties in actie 7.1 Het aantal inverteerbare restklassen We pakken hier de vraag op waarmee we in het vorige hoofdstuk geëindigd zijn, namelijk hoeveel inverteerbare restklassen modulo
Nadere informatie