1 Triangulatiestellingen voor lineaire transformaties
|
|
- Karen de Winter
- 6 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Triangulatiestellingen voor lineaire transformaties Zoals bekend kan niet iedere lineaire transformatie L : V V van een vectorruimte (V, K) gediagonaliseerd worden. Als het lichaam K echter algebraïsch afgesloten is, dan is het daarentegen wel altijd mogelijk om L op bovendriehoeksvorm te brengen. Definitie. Een lichaam K heet algebraïsch afgesloten als ieder niet-constant polynoom p K[X met coëfficiënten in K een nulpunt heeft in K. Voorbeeld.2 (Hoofdstelling van de Algebra) Het lichaam C is algebraïsch afgesloten. Naast dit bekende voorbeeld van een algebraïsch afgesloten lichaam geven we nog een tweede voorbeeld, met als doel te laten zien dat de komende stellingen niet uitsluitend over C gaan. Definitie.3 (Algebraïsche en transcendente getallen) Een getal a C heet algebraïsch als a een nulpunt is van een polynoom p Z[X. We schrijven Q voor de verzameling van algebraïsche getallen. De getallen in C \ Q heten transcendent. Voorbeeld.4 De aftelbare deelverzameling Q C is een algebraïsch afgesloten lichaam. Het is de doorsnede van alle algebraïsch afgesloten lichamen die Q bevatten. In Stelling.5 en Stelling.6 geven we nu twee equivalente formuleringen van hetzelfde resultaat, dat we vervolgens in een aantal stappen, geïllustreerd met voorbeelden, gaan bewijzen. Stelling.5 (Triangulatiestelling van Jacobi) Zij (V, K) een vectorruimte over een algebraïsch afgesloten lichaam K. Voor iedere lineaire transformatie L : V V bestaat er een basis γ van V waarvoor de matrix L γ γ van L een bovendriehoeksmatrix is. Een equivalente formulering van Stelling.5 in termen van matrices is de volgende. Stelling.6 (Matrixtriangulatie) Laat A K n n met K algebraïsch afgesloten. bestaat er een X GL n (K) zodanig dat X AX = R een bovendriehoeksmatrix is. Dan Opmerking.7 Stelling.6 beweert dus dat iedere A K n n met K algebraïsch afgesloten gelijkvormig is met een bovendriehoeksmatrix R K n n.. Geschiedenis en motivatie: van Jacobi naar Schur Stelling.6 is vernoemd naar Carl Jacobi (804-85), die hem in 837 publiceerde. Carl Jacobi (804-85) en Issai Schur (875-94)
2 Issai Schur (875-94) liet zien dat er onder dezelfde voorwaarden zelfs altijd een orthonormale basis β van V bestaat zodanig dat de matrix L β β van de lineaire transformatie L bovendriehoeks is. Dit sterkere resultaat staat te boek als de Schurdecompositie. We bewijzen het in Sectie.6. Vervolgens illustreren we het belang van de Schurdecompositie. In Sectie.7 zien we hoe de Schurdecompositie kan worden ingezet om een kort bewijs te geven in de context van Google s PageRank. In Sectie.8 leiden we er de diverse spectraalstellingen mee af. We beginnen echter in Secties.2 en.3 met het bestuderen van twee eenvoudige gevallen van Stelling.6, te weten A K 2 2 en A K 3 3, en geven enkele voorbeelden. Daarna zal een inductieargument in Sectie.4 de stelling bewijzen voor A K n n voor alle n N..2 Triangulatie van 2 2 matrices A K 2 2 De volgende relatief eenvoudige observatie staat aan de basis van alle triangulatiestellingen. Lemma.8 Gegeven een matrix A K n n met K algebraïsch afgesloten. Laat λ K en 0 x K n met Ax = λx. Laat X GL n (K) zijn, met eerste kolom gelijk aan x. Dan is λ... X 0... AX =.... () 0... Oftewel, de eerste kolom van X AX is gelijk aan λe. Bewijs. Omdat Xe gelijk is aan de eerste kolom x van X, geldt Ax = λx AXe = λxe X AXe = λe. Omdat X AXe de eerste kolom is van de matrix X AX, bewijst dit de bewering. Opmerking.9 Als A K n n en K is algebraïsch afgesloten, dan heeft het karakteristieke polynoom p(a) K[X n van A tenminste één nulpunt in K en dus bestaan λ K en x K n, x 0 zodanig dat Ax = λx. Daarnaast kan {x} ook altijd uitgebreid worden tot een basis γ = {x, x 2,..., x n } van K n, en dus bestaat er een X GL n (K) met eerste kolom Xe = x. Dus voor alle A K n n is voldaan aan de (overige) voorwaarden van Lemma.8. Opmerking.0 Beschouw de reële vectorruimte (R 2, R). Het lichaam R is niet algebraïsch afgesloten: het niet-constante polynoom p(x) = + X 2 heeft immers geen nulpunt in R. De rotatie om de oorsprong van R 2 over 90 graden is een lineaire transformatie L : R 2 R 2 zonder reële eigenwaarden. Er bestaat daarom geen basis β van R 2 zodanig dat L β β een bovendriehoeksmatrix is. Lemma.8 geeft onmiddellijk het bewijs van Stelling.6 voor n = 2, en ook een constructieve methode om X GL 2 (K) te bepalen zodanig dat X AX = R bovendriehoeks is. Gevolg. Laat A K 2 2 en Ax = λx met λ K en 0 x K 2. Laat X GL 2 (K) een matrix zijn met eerste kolom gelijk aan x. Dan is [ X λ AX = (2) 0 en dit is dus een bovendriehoeksmatrix die gelijkvormig is met de matrix A. 2
3 Bewijs. De matrix X AX in () is nu 2 2 en dus triviaal bovendriehoeks. Voorbeeld.2 We beschouwen de matrix A C 2 2 met als enige eigenwaarde λ =, [ [ A =, ker(a I) = span{x} met x =. (3) Omdat A geen twee lineair onafhankelijke eigenvectoren heeft, is A niet diagonaliseerbaar. We gaan daarom A op bovendriehoeksvorm brengen. Kies hiertoe, als één van de vele mogelijke keuzes (zie ook Opmerking.3) voor X GL 2 (C) de matrix en vinden we X AX = X = [ [ [, dan is X = [ [ = [ 0 (4) = R. (5) En dus is R een bovendriehoeksmatrix gelijkvormig met A. Opmerking.3 De keuze van X in (4) is verre van uniek; de eerste kolom kan iedere eigenvector van A zijn, de tweede kolom iedere vector die geen veelvoud is van de eerste. Hier kozen we de tweede kolom zo, dat det(x) =. Hierdoor bevat de inverse X geen breuken. Verschillende keuzes resulteren doorgaans in verschillende bovendriehoeksvormen van A. Opmerking.4 De matrix X kan zelfs zo worden gekozen, dat de kolommen orthonormaal zijn, door de gevonden eigenvector op lengte één te schalen, en er een tweede kolom met lengte één loodrecht op de eerste naast te zetten. In Sectie.6 komen we hier uitgebreid op terug. Het volgende voorbeeld illustreert Stelling.5 ingeval n = 2. Voorbeeld.5 Beschouw de complexe vectorruimte (C[X, C) van polynomen van graad ten hoogste één in X met complexe coëfficiënten, met daarop de lineaire transformatie L : C[X C[X : p p + p(0)x. (6) Het polynoom p met voorschrift p (X) = X is een eigenvector van L bij eigenwaarde, immmers, L(p ) = p + 0 p = p. Samen met het constante polynoom p 2 (X) = geeft dit een basis β = {p, p 2 } van C[X. Het is eenvoudig om na te gaan dat L β β = [ 0, (7) dus de matrix van L ten opzichte van β is een bovendriehoeksmatrix. Opmerking.6 De algemene werkwijze bij een lineaire transformatie L van een tweedimensionale vectorruimte V is, om eerst de matrix L γ γ K 2 2 horend bij een willekeurige basis γ = {γ, γ 2 } van V te bepalen. Immers, als vervolgens x = (x, x 2 ) een eigenvector is van L γ γ in K 2, dan is u = x γ + x 2 γ 2 een eigenvector van L in V. Vul vervolgens {u} op willekeurige wijze aan tot een basis β = {u, v} van V, dan is L β β bovendriehoeks. 3
4 .3 Triangulatie van 3 3 matrices A K 3 3 We laten nu middels een voorbeeld zien hoe we een matrix A K 3 3 op bovendriehoeksvorm kunnen brengen, gebruik makend van het feit dat we dit voor 2 2 matrices al kunnen. Eerst een nuttig lemma over het rekenen met matrices die in blokvorm zijn gepartitioneerd. Lemma.7 (Blokvermenigvuldiging) Laat X, Y K n n en laat k, l N met k+l = n. Partitioneer [ [ A B E F X = en Y =, (8) C D G H waarbij A, E K k k en D, H K l l. Dan geldt [ AE + BG AF + BH XY = CE + DG CF + DH. (9) Bewijs. Volgt door geduldig uitschrijven. De blokvermenigvuldiging in (9) is dus volstrekt analoog aan die van twee 2 2 matrices. Gevolg.8 Veronderstel dat X K n n gepartitioneerd wordt als [ A B X =, (0) 0 D waarbij A K k k en D K l l met k, l N, k + l = n. Laat H GL l (K), dan geldt [ [ [ I 0 I 0 A BH X = 0 H 0 H 0 H, () DH waarbij I K k k de identiteitsmatrix is. De blokvermenigvuldiging in Gevolg.8 zullen we gebruiken in het volgende voorbeeld. Voorbeeld.9 De volgende matrix A heeft als enige eigenwaarde λ =, 3 A = en ker(a I) = span{x} met x = (2) Er zijn dus geen drie lineair onafhankelijke eigenvectoren, en dus is A niet diagonaliseerbaar. We laten zien hoe we A op bovendriehoeksvorm kunnen brengen. Hiertoe construeren we eerst een eenvoudig inverteerbare matrix X GL 3 (K) waarvoor Xe = x, bijvoorbeeld, X = 0 0, waarvoor X = 0 0, (3) en vinden we in overeenstemming met Lemma.8 dat 3 X AX = 0 2 = B (4)
5 een matrix is met als eerste kolom λe = e. Beschouw vervolgens de 2 2 matrix [ [ 2 C = met eigenvector. (5) 2 3 Deze 2 2 matrix kan, net als in Voorbeeld.2, op bovendriehoeksvorm worden gebracht, bijvoorbeeld middels de matrix Y GL 2 (C) [ Y CY = 0 [ [ 0 En dus, met behulp van Gevolg.8 vinden we dat [ [ B = Y 0 Y 0 0 Combineren we (4) en (7) dan zien we dat we met Z = X [ 0 0 Y = = [ 2 0. (6) = R. (7) = 0 (8) een matrix Z GL 3 (C) hebben gecontrueerd waarvoor Z AZ = R bovendriehoeks is. Opmerking.20 Ondanks dat in (3) iedere inverteerbare matrix X met een niet-triviaal veelvoud van x als eerste kolom volstaat, is het plezierig als X zonder al te veel rekenwerk geïnverteerd kan worden. Merk hiertoe op dat X altijd van de vorm a 0 b 0 of 0 0 a 0 of , (a, b K) (9) kan worden gekozen, en dat de inverses hiervan vrijwel onmiddellijk op te schijven zijn. Opmerking.2 Ook de 2 2 matrix Y in (6) is op soortgelijke wijze gekozen om zijn eenvoudige inverse: het is altijd mogelijk om voor Y een marix van de vorm [ [ 0 0 Y = of Y = (20) a 0 te kiezen, en ook hiervan zijn de inverse direct op te schrijven. Opmerking.22 Ook in dit voorbeeld kan zowel de matrix X als de matrix Y zo worden gekozen, dat de kolommen orthonormaal zijn. De matrix X zal echter doorgaans niet meer van de vorm (9) zijn, noch zal Y van de vorm (20) zijn. Dit resulteert dan in een matrix Z met orthonormale kolommen zodanig dat Z AZ bovendriehoeks is. Zie weer Sectie.6. Het zal nu duidelijk zijn hoe een matrix A K n n op bovendriehoeksvorm kan worden gebracht, ervanuitgaande dat we weten hoe dat moet voor een matrix B K (n ) (n ). 5
6 .4 Bewijs van de triangulatiestelling van Jacobi We bewijzen nu Stelling.6 met behulp van volledige inductie. We veronderstellen dat K een algebraïsch afgesloten lichaam is. Inductiebasis: In Gevolg. in Sectie.2 zagen we reeds dat Stelling.6 geldt voor n = 2. Inductiehypothese: Voor iedere matrix B K (n ) (n ) bestaat er een Y GL n (K) zodanig dat Y BY = T een bovendriehoeksmatrix is. Inductiestap: Laat A K n n. Dan bestaat er volgens Lemma.8 een matrix X GL n (K) zodanig dat [ X λ b AX =. (2) 0 B Hierbij is b K (n ) en B K (n ) (n ) en is λ K een eigenwaarde van A. Volgens de inductiehypothese bestaat er een Y GL n (K) zodanig, dat Y BY = T bovendriehoeks is. Met behulp van Gevolg.8 geldt nu dat [ 0 0 Y X AX [ 0 0 Y = [ 0 0 Y [ λ b 0 B [ 0 0 Y = [ λ by 0 T = R, en omdat T bovendriehoeks is, is R dat ook. Merk tot slot op dat de matrix [ 0 Z = X GL 0 Y n (K), (22) als product van twee inverteerbare matrices. We concluderen dat Z AZ = R bovendriehoeks is. Dit bewijst Stelling.6. Opmerking.23 De triangulatieconstructie van Jacobi kan al worden ingezet zodra één eigenwaarde van A bekend is. Daarna moet steeds een eigenwaarde van een kleinere matrix gevonden worden om het proces te kunnen continueren. Mocht A diagonaliseerbaar zijn, dan leidt dit proces in het algemeen echter niet tot een diagonalisatie van A. Voorbeeld.24 Gegeven de matrix A = 2 2 met Ax = x voor x = 2 4. (23) Een eenvoudig inverteerbare matrix X GL 3 (C) met x als eerste kolom is X = 0 met X = 0. (24) 0 0 We vinden nu dat X AX = = R, (25) en R is bij toeval al bovendriehoeks. De eigenwaarden van A staan op de diagonaal van R. Indien gewenst kan A nu gediagonaliseerd worden door een basis van eigenvectoren te bepalen. 6
7 .5 Invariante deelruimtes en complete vlaggen Om de meetkundige betekenis van de triangulatiestelling van Jacobi te duiden, introduceren we twee nieuwe meetkundige begrippen. Definitie.25 (Invariante deelruimte) Zij L : V V een lineaire transformatie van een vectorruimte (V, K). Een deelruimte U van V heet invariant onder L, of, indien de context duidelijk is kortweg invariant, als geldt dat L(u) U voor alle u U. Om aan te geven dat L(u) U voor alle u U zullen we ook de notatie L(U) U gebruiken. Voorbeeld.26 Zij u een eigenvector van een lineaire transformatie L : V V van een vectorruimte (V, K). Dan is U = span{u} een invariante deelruimte onder L. Voorbeeld.27 Iedere deelruimte U V van een vectorruimte (V, K) is invariant onder zowel de identieke afbeelding id : V V : v v, als de nulafbeelding 0 : V V : v 0. Definitie.28 (Vlag) Zij V een vectorruimte van dimensie n. Een rij geneste deelruimtes U U 2 U k V met dim(u ) < dim(u 2 ) < < dim(u k ) (26) met strict stijgende dimensies heet een vlag, en een complete vlag indien k = n. Definitie.29 (Geïnduceerde complete vlag) Zij γ = {c,..., c n } een basis van een vectorruimte (V, K). Laat voor iedere k {,..., n}, U k = span{c,..., c k }. (27) Dan heet U U 2 U n = V de door γ geïnduceerde complete vlag. Voorbeeld.30 De standaardbasis {e,..., e n } induceert E E 2 E n = K n met E k = span{e,..., e k }. Deze complete vlag heet de standaardvlag in K n. Het volgende lemma combineert de concepten van complete vlag en invariante deelruimte. Lemma.3 Laat R K n n. De standaardvlag bestaat uit invariante deelruimtes onder de lineaire transformatie L : K n K n : x Rx als en alleen als R bovendriehoeks is. Bewijs. Laat k {,..., n}. Duidelijk is dat Rx E k voor alle x E k als R bovendriehoeks is, en dus is E k invariant onder L. Als R niet bovendriehoeks is, is e i Re j 0 voor zekere n i > j. Maar dat betekent dat Re j E j, en dus is E j niet invariant. We herformuleren nu de triangulatiestelling van Jacobi in deze nieuwe terminologie. Stelling.32 Zij (V, K) een vectorruimte met K algebraisch afgesloten. Voor iedere lineaire transformatie L : V V bestaat er een complete vlag van invariante deelruimtes onder L. 7
8 Bewijs. Laat op grond van Stelling.6 γ = {c,..., c n } een basis van V zijn waarvoor L γ γ een bovendriehoeksmatrix is. We gaan aantonen dat de door γ geïnduceerde complete vlag U U 2... U n U n = V bestaat uit invariante deelruimtes U k = span{c,..., c k }. Merk hiertoe op dat L γ γ de matrix is waarvoor geldt dat co γ (L(v)) = L γ γco γ (v) (28) voor alle v V, waarbij co γ : V K n de coördinaatafbeelding is. Laat nu k {,..., n} gegeven zijn en kies u U k. Dan is co γ (u) E k = span{e,..., e k }. Omdat L γ γ bovendriehoeks is, is wegens Lemma.3 ook L γ γco γ (u) E k. En dus geeft (28) dat co γ (L(u)) E k, wat equivalent is met L(u) U k. Dit bewijst de bewering. We besteden nu even kort aandacht aan de omkering van de uitspraak in Stelling.32. Stelling.33 Zij L : V V een lineaire transformatie van een vectorruimte (V, K). Veronderstel dat U U 2... U n U n = V een complete vlag van invariante deelruimtes onder L is. Dan bestaat er een basis γ van V waarvoor L γ γ bovendriehoeks is. Bewijs. Laat γ = {c } een basis zijn van U. Kies nu voor iedere k {2,..., n} achtereenvolgens γ k = γ k {c k } waarbij c k U k en c k U k. Dan is γ = γ n = {c,..., c n } een basis van V met de eigenschap dat L(c k ) U k, en dus is L γ γ een bovendriehoeksmatrix..6 De triangulatiestelling van Schur In deze sectie gaan we na wat het concept inproduct kan toevoegen aan de triangulatiestelling van Jacobi. Dit zal leiden tot de triangulatiestelling van Schur. Lemma.34 Laat (V, K,, ) een inproductruimte zijn met basis γ = {c,..., c n }. Laat U U 2 U n de complete vlag zijn geïnduceerd door de basis γ van V. Dan bestaat er ook een orthonormale basis β die diezelfde vlag induceert. Bewijs. Definieer U 0 = {0}. Voor iedere opeenvolgende k {,..., n}, kies b k U k met b k U k en b k =. Dan is span{b,..., b k } = U k voor alle k {,..., n}. Dus induceert {b,..., b n } dezelfde comlete vlag als γ. Omdat b k loodrecht staat op b,..., b k en b k = voor alle k {,..., n} is β = {b,..., b n } daarnaast ook een orthonormale basis van V. Gevolg.35 Het Gram-Schmidt proces toegepast op γ resulteert in een orthonormale basis β die dezelfde vlag induceert als γ. Immers, één van de karakteriserende eigenschappen van het Gram-Schmidt proces is dat voor alle k {,..., n} span{b,..., b k } = span{c,..., c k }. (29) Gram-Schmidt is dus een speciaal geval van de constructie in het bewijs van Lemma.34. Na deze inleiding zijn we in staat om de triangulatiestelling van Schur te bewijzen. Stelling.36 (Triangulatiestelling van Schur) Zij (V, K,, ) een inproductruimte over een algebraïsch afgesloten lichaam K. Voor elke lineaire transformatie L : V V bestaat er een orthonormale basis β van V waarvoor de matrix L β β van L een bovendriehoeksmatrix is. 8
9 Bewijs. Op grond van Stelling.5 bestaat er een basis γ = {c,..., c n } van V zodanig, dat de matrix L γ γ een bovendriehoeksmatrix is. Laat U U 2 U n = V de door γ geïnduceerde complete vlag zijn. Volgens Stelling.32 bestaat deze uit invariante deelruimtes onder L. Volgens Lemma.34 bestaat er een orthonormale basis β = {b,..., b n } zodanig dat voor alle k {,..., n} dat span{b,..., b k } = span{c,..., c k } = U k. (30) Omdat U k invariant is, geldt L(b k ) span{b,..., b k }, en dus is L β β bovendriehoeks. De overeenkomstige formulering van Stelling.36 in termen van matrices is de volgende. Stelling.37 Gegeven een matrix A K n n met K algebraïsch afgesloten en een inproduct, op K n. Dan bestaat er een matrix U K n n met, -orthonormale kolommen zodanig dat U AU = R een bovendriehoeksmatrix is. Opmerking.38 Met A C n n en, het standaardinproduct op C n, zegt Stelling.37 dat er een unitaire matrix U bestaat zodanig dat U AU = R bovendriehoeks is. Definitie.39 (Schurvorm en Schurdecompositie) Een bovendriehoeksmatrix R als in Stelling.36 en Stelling.37 heet een Schurvorm van L of A, en de factorisatie A = URU equivalent aan Stelling.37 een Schurdecompositie of Schurfactorisatie van de matrix A. Opmerking.40 Stelling.37 kan ook als volgt worden bewezen. Laat Au = λu met u =. Laat U K n n een matrix zijn met orthonormale kolommen met Ue = u. Dan is volgens Lemma.8 de eerste kolom van U AU gelijk is aan λe. Vervolgens kan een inductiebewijs worden gegeven, met als enige verschil met Sectie.6 dat de transformatiematrices niet alleen inverteerbaar zijn, maar zelfs orthonormale kolommen hebben. Dit alternatieve korte bewijs heeft twee nadelen. Ten eerste zouden we dan de triangulatiestelling van Jacobi niet zijn tegengekomen, en die zal later zijn nut nog bewijzen. Ten tweede is het veel minder rekenwerk eerst een basis γ te bepalen ten opzichte waarvan L γ γ bovendriehoeks is, en deze vervolgens met Gram-Schmidt te orthonormaliseren. Het boven gesuggereerde inductiebewijs volgend hebben we voor iedere k {2,..., n} een k k matrix nodig met orthonormale kolommen. Voorbeeld.4 In Voorbeeld.2 zagen we de matrix A C 2 2, [ [ A =, ker(a I) = span{x} met x = (3) We brachten A op bovendriehoeksvorm door een X GL 2 (C) te construeren met x als eerste kolom. We willen nu een sterker resultaat, namelijk, A op bovendriehoeksvorm brengen middels een matrix U met orthonormale kolommen. Kies derhalve U = 3 [ dan heeft U orthonormale kolommen, geldt dus dat U = U, en vinden we vervolgens U AU = [ [ [ [ =. (33) De rechtermatrix is inderdaad bovendriehoeks, maar niet gelijk aan R uit Voorbeeld.2. (32) 9
10 De Frobeniusnorm A F van een matrix A C n n is de wortel van de som van de kwadraten van de entries van A. Het is niet moelijk in te zijn dat als U unitair is, In het bovenstaande voorbeeld uit zich dit in de gelijkheid U AU F = A F. (34) = (35) We beschouwen nu nogmaals de matrix uit Voorbeeld.9. Voorbeeld.42 In Voorbeeld.9 zagen we de matrix A C 3 3 met enige eigenwaarde λ = en 3 A = en ker(a I) = span{x} met x =. (36) Na enig rekenwerk vonden we in (7) dat Z AZ = , waarbij Z = 0. (37) Om een matrix U met orthonormale kolommen te vinden waarvoor U AU bovendriehoeks is, volstaat het volgens Gevolg.35 om het Gram-Schmidt proces (van links naar rechts) toe te passen op de kolommen van Z. Dit geeft U = / 3 2/ 6 0 / 3 / 6 / 2 / 3 / 6 / 2 Deze bovendriehoeksmatrix is daarmee dus een Schurvorm van A. 8 en U 200/3 AU = 0 6/3. (38) 0 0 Opmerking.43 Het berekenen van een Schurvorm is doorgaans lastiger dan het berekenen van een willekeurige bovendriehoeksvorm. Dit komt doordat orthonormalisatie breuken en wortels en zelfs wortels van breuken introduceert, ook als A alleen gehele getallen bevat..7 Toepassing: Schur decompositie en Google s PageRank In het PageRank model van Page en Brin, de oprichters van Google, wordt een eigenvector berekend van de Google matrix G R n n. Deze matrix G is van de vorm G = αs + ( α)t, met T = ee n en α [0, ). (39) Hierbij is e de all-ones vector, oftewel, de som van alle standaard basisvectoren, α is een geheime parameter, en S R n n is een matrix die de link-structuur van het internet codeert. 0
11 Larry Page (b. 973) en Sergey Brin (b. 973) Bekend is dat de entries in iedere kolom van S niet-negatief zijn en optellen op tot één, oftewel, e S = e en dus S e = e. Zo n matrix heet kolomstochastisch. Merk op dat hier niets anders staat dan dat e een eigenvector is van S horend bij eigenwaarde λ =. Dus heeft ook S een eigenwaarde. Omdat ook de kolommen van T optellen tot één, geldt hetzelfde voor G. Dus ook G is kolomstochastisch, en G e = e. Dus is ook een eigenwaarde van G. De volgende stelling is van groot belang voor het efficiënt kunnen uitrekenen van een eigenvector horend bij λ =. Stelling.44 Er geldt dim ker(g I) =. Als λ een eigenwaarde is van G, dan λ α. Bewijs. Deze stelling werd in 2003 bewezen door S. Kamvar and T. Haveliwala. Sepandar Kamvar en Taher Haveliwala Ze publiceerden het in een onderzoeksartikel van acht bladzijden getitled The Second Eigenvalue of the Google Matrix (Technical Report, Stanford University) dat inmiddels al ruim driehonderd keer is geciteerd. Het kan veel korter met de Schurdecompositie. Bewijs. Laat U S U = R een Schurvorm van S zijn met de eigenschap dat de eerste kolom u = Ue gelijk is aan de (genormaliseerde) eigenvector e/ n van S. Dan is U e = ne, is de linksboven entry van R aan één, en zijn alle andere diagonaalentries van R in absolute waarde ten hoogste één. Het is niet moeilijk te zien dat ook de matrix U G U = αu S U + ( α) U ee U n = αr + ( α)e e, (40) bovendriehoeks is. Immers, αr is bovendriehoeks, en ( α)e e is een matrix waarvan de linksboven-entry gelijk is aan α en de overige entries zijn nul. De linksboven-entry van
12 U G U is gelijk aan α + ( α) =. De overige diagonaalentries zijn in absolute waarde ten hoogste gelijk aan α. Maar deze diagnonaalentries zijn de eigenwaarden van U G U, en dus ook de eigenwaarden van G, en dus de complex geconjugeerden van de eigenwaarden van G. Omdat we al weten dat G ook een eigenwaarde λ = heeft, weten we nu dat de eigenruimte behorende bij deze eigenwaarde dimensie één heeft als 0 α <..8 Spectraalstellingen voor normale, Hermietse, en unitaire matrices In deze sectie beperken we ons tot lineaire transformaties van complexe inproductruimtes en hun matrices A C n n. We brengen eerst de geadjungeerde transformatie in de herinnering. Definitie.45 ((Zelf-)geadjungeerde transformatie) Zij L : V V een lineaire transformatie van een inproductruimte (V, C,, ). Dan is de lineaire transformatie L : V V met de eigenschap dat L (v), w = v, L(w) voor alle v, w V (4) de geadjungeerde van de transformatie L. Als L = L heet L zelfgeadjungeerd. Opmerking.46 De afbeelding L is door (4) goedgedefinieerd: laat β = {b,..., b n } een orthonormale basis zijn van V, dan is L (v) = β b +... β n b n waarbij β k uniek bepaald wordt door w = b k te substitueren in (4). De lineariteit van L is nu een eenvoudige oefening. Definitie.47 ((Zelf-)geadjungeerde matrix) De geadjungeerde A van een matrix A C n n is de matrix A = A. Als A = A dan heet A zelfgeadjungeerd. Lemma.48 Zij L : V V een lineaire transformatie van een inproductruimte (V, C,, ) en K : V V zijn geadjungeerde. Laat β = {b,..., b n } een orthonormale basis zijn van V. Dan geldt K β β = (Lβ β ), (42) oftewel, de matrix van de geadjungeerde is gelijk aan de geadjungeerde van de matrix. Bewijs. We passen stap voor stap bekende definities en resultaten toe, e i (L β β e j) = e i co β (L(b j )) = 2 b i, L(b j ) = 3 K(b i ), b j = 4 b j, K(b i ) = 5 e j co β(k(b i )) = 6 e j Kβ β e i en concluderen van de ij-de entry van L β β de geconjugeerde is van de ji-de entry van Kβ β. Toelichtingen: () co β (L(v)) = L β β co β(v) voor alle v V en dus ook voor v = b j, waarmee co β (v) = e j ; (2) als L(b j ) = α b + + α n b n dan is e i co β(l(b j )) = α i maar ook b i, L(b j ) = α i ; (3) dit geldt precies wegens de definitie (4) van geadjungeerde afbeelding; (4) geconjugeerde symmetrie van een complex inproduct; (5) als K(b i ) = γ b + + γ n b n dan is b j, K(b j ) = γ j maar ook e j co β(k(b i )) = γ j ; (6) co β (K(v)) = K β β co β(v) voor alle v V en dus ook voor v = b i, waarmee co β (v) = e i. 2
13 Gevolg.49 De matrix ten opzichte van een orthonormale basis van een zelfgeadjungeerde lineaire transformatie is zelfgeadjungeerd. Na de geadjungeerde in de herinnering te hebben geroepen, zijn we in staat om normale lineaire transformaties te definiëren. Definitie.50 (Normale lineaire transformatie) Een lineaire transformatie L : V V van een inproductruimte (V, C,, ) heet normaal als waarbij staat voor de samenstelling van afbeelingen. L L = L L, (43) Definitie.5 (Normale matrix) Een matrix A C n n heet normaal als A A = AA. De normale matrices zijn via orthonormale bases gerelateerd aan normale transformaties. Lemma.52 Zij L : V V een lineaire transformatie van een inproductruimte (V, C,, ) en β een orthonormale basis van V. Dan is L normaal als en alleen als L β β normaal is. Bewijs. Als L β β de matrix is van L, dan geeft Lemma.48 dat (Lβ β ) de matrix is van L. Omdat daarnaast de matrix van een samengestelde afbeelding gelijk is aan het product van de matrices van de samenstelende afbeeldingen, volgt de bewering onmiddellijk. We bewijzen nu nog twee belangrijke hulpresultaten, Lemma s.53 en.54, voor normale matrices, die zullen uitmonden in de spectraalstelling voor normale matrices en transformaties. Lemma.53 A C n n is normaal als en alleen als iedere Schurvorm R van A normaal is. Bewijs. Zij A = URU een Schurdecompositie van A. Dan is A = UR U en dus AA = (URU )(UR U ) = URR U en A A = (UR U )(URU ) = UR RU (44) Dus A A = AA als en alleen als UR RU = URR U. En omdat U inverteerbaar is, is dit zo als en alleen als R R = RR. Lemma.54 Iedere normale bovendriehoeksmatrix R C n n is een diagonaalmatrix. Bewijs. Met volledige inductie. Voor n = is de uitspraak triviaal waar. Neem als inductiehypothese aan dat de uitspraak geldt voor iedere bovendriehoeksmatrix T C (n ) (n ). Laat R C n n een bovendriehoeksmatrix zijn, en schrijf R R = RR gepartitioneerd uit als [ [ [ [ ρ 0 ρ r ρ r ρ 0 r T = 0 T 0 T r T (45) waarbij ρ C, r C n en T C (n ) (n ) bovendriehoeks. behulp van Lemma.7 geeft dat [ [ ρρ ρr ρρ + r r r T rρ rr + T = T T r T T Uitvermenigvuldigen met (46) Dus is ρρ = ρρ + r r, dus r r = 0 en volgt uit de inproduct-axioma s dat r = 0. Maar dan is ook rr = 0, dus is T T = T T, en dus is T volgens de inductiehypothese diagonaal. 3
14 Stelling.55 (Spectraalstelling: normale matrices) Er is een unitaire matrix U zodanig dat U AU = Λ een diagonaalmatrix is als en alleen als A C n n normaal is. Bewijs. Zij A C n n normaal. Omdat C algebraïsch afgesloten is, bestaat er een volgens Stelling.37 een Schurdecompositie A = URU van A met U unitair en R bovendriehoeks. Lemma.34 geeft dat R net als A normaal is, en Lemma.53 bewijst vervolgens dat R een diagonaalmatrix is. Veronderstel omgekeerd dat A = UΛU met U unitair en Λ diagonaal, dan geldt dat A = UΛ U en dus dat A A = (UΛ U )(UΛU ) = U(Λ Λ)U = U(ΛΛ )U = (UΛU )(UΛ U ) = AA (47) waarbij we gebruikten dat diagonaalmatrices triviaal normaal zijn. Dus is A normaal. Spectraalstelling.55 is van centraal belang binnen de lineaire algebra. Het vertelt exact welke lineaire transformaties L : V V van een inproductruimte (V, C,, ) ten opzichte van een geschikt gekozen orthonormale basis β van V een diagonaalgedaante L β β aannemen. Stelling.56 (Spectraalstelling: normale transformaties) Laat L : V V een lineaire transformatie van een inproductruimte (V, C,, ) zijn. Dan bestaat er een orthonormale basis β waarvoor L β β een diagonaalmatrix is als en alleen als L normaal is. Bewijs. Veronderstel dat L normaal is, en laat γ = {c,..., c n } een orthonormale basis van V zijn. Volgens Lemma.52 is L γ γ dan een normale matrix. Op grond van Stelling.55 bestaat er een unitaire matrix U zodanig dat U L γ γu diagonaal is. De kolommen van U vormen dus een orthonormale basis van eigenvectoren van L γ γ. Zoals bekend is iedere eigenvector van L γ γ de coördinaatvector co γ (v) van een eigenvector v van L. Dus is voor iedere j {,..., n} is de vector b j V gedefinieerd door b j = u j c + + u nj c n = u n... u n u ij c i, voor U =.. (48) u n... u nn i= een eigenvector van L. Daarnaast is ook β = {b,..., b n } een orthonormale basis van V, omdat voor alle i, j {,..., n} geldt b i, b j = u i c + + u ni c n, u j c + + u nj c n = u i u j + + u ni u nj = e i U Ue j. (49) Dus is L β β diagonaal, en zelfs gelijk aan U L γ γu. Dit bewijst één van beide implicaties. De andere implicatie is een eenvoudige oefening. De volgende spectraalstelling gaat over de deelverzameling van zelfgeadjungeerde matrices; hiervoor kan een sterker resultaat worden bewezen dan voor normale matrices, in de zin dat de diagonaalmatrix reële entries heeft, welke corresponderen met reële eigenwaarden. Stelling.57 (Spectraalstelling: zelfgeadjungeerde matrices) Er bestaat een unitaire matrix U zodanig dat U AU = Λ een reële diagonaalmatrixis als en alleen als A C n n zelfgeadjungeerd is. 4
15 Bewijs. Laat A C n n met A = A. Dan is A normaal en bestaat er volgens Stelling.55 een unitaire matrix U en een diagonaalmatrix Λ zo, dat U AU = Λ. Dus is A = UΛU, en is A = UΛ U. Maar omdat A = A volgt hieruit dat Λ = Λ, en dus is de diagonaal reëel. Omgekeerd is triviaal A = A zodra A = UΛU met U unitair en Λ reëel diagonaal. Stelling.58 (Spectraalstelling: zelfgeadjungeerde transformaties) Laat L : V V een lineaire transformatie van een inproductruimte (V, C,, ) zijn. Dan is er een orthonormale basis β waarvoor L β β reël diagonaal is als en alleen als L zelfgeadjungeerd is. Bewijs. Volledig analoog aan het bewijs van Stelling.56, met als toevoeging dat uit Stelling.57 volgt dat de eigenwaarden van L reëel zijn. Tot slot bewijzen we de spectraalstellingen voor unitaire afbeeldingen en matrices. Definitie.59 (Unitaire lineaire transformatie) Een lineaire transformatie L : V V van een inproductruimte (V, C,, ) heet unitair als L L = id = L L, waarbij id : V V staat voor de identieke afbeelding. Opmerking.60 De karakterisering L L = id is equivalent met (L L)(v), w = v, w (50) voor alle v, w V, en met behulp van de definitie van geadjungeerde transformatie met L(v), L(w) = v, w (5) voor alle v, w V, wat laat zien dat L hoeken en afstanden behoudt. Definitie.6 Een getal z C heet unimodulair als z =. Stelling.62 (Spectraalstelling: unitaire matrices) Er bestaat een unitaire matrix U en een diagonaalmatrix Λ met unimodulaire diagonaalentries zodanig dat A = UΛU als en alleen als A C n n unitair is. Bewijs. Laat A C n n met A A = I. Dan is A normaal en bestaat er volgens Stelling.55 een unitaire matrix U en een diagonaalmatrix Λ zo, dat U AU = Λ. Dus is A = UΛU, en is A = UΛ U. Maar omdat AA = I volgt hieruit dat ΛΛ = I, en dus geldt voor een diagonaalentry λ van Λ dat λλ =. Dus is λ =. Omgekeerd is triviaal A A = I zodra A = UΛU met U unitair en Λ diagonaal met unimodulaire diagonaalentries. Stelling.63 (Spectraalstelling: unitaire transformaties) Laat L : V V een lineaire transformatie van een inproductruimte (V, C,, ) zijn. Dan is er een orthonormale basis β waarvoor L β β diagonaal is met unimodulaire diagonaalentries als en alleen als L unitair is. Bewijs. Volledig analoog aan het bewijs van Stelling.56, met als toevoeging dat uit Stelling.62 volgt dat de eigenwaarden van L unimodulair zijn. 5
Lineaire Algebra 2. Jan Brandts
Lineaire Algebra 2 Jan Brandts april 27 2 Inhoudsopgave. Inleiding en opzet.................................. 5 Canonieke vormen 7. Lineaire transformaties en gelijkvormige matrices................ 7..
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 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 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 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 informatieJordan 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 informatieTentamen lineaire algebra voor BWI maandag 15 december 2008, uur.
Vrije Universiteit Amsterdam Faculteit der Exacte Wetenschappen Afdeling Wiskunde Tentamen lineaire algebra voor BWI maandag 5 december 8, 5.5-8. uur. ELK ANTWOORD DIENT TE WORDEN BEARGUMENTEERD. Er mogen
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 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 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 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 informatie3 De duale vectorruimte
3 De duale vectorruimte We brengen de volgende definitie in de herinnering. Definitie 3. (hom K (V, W )) Gegeven twee vectorruimtes (V, K) en (W, K) over K noteren we de verzameling van alle lineaire afbeeldingen
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 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. 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 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 informatieTentamen Lineaire Algebra 1 (Wiskundigen)
Tentamen Lineaire Algebra Wiskundigen Donderdag, 23 januari 24,.-3. Geen rekenmachines. Motiveer elk antwoord.. Voor alle reële getallen a definiëren we de matrix C a als a C a = a 2. a Verder definiëren
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 informatieTentamen Lineaire Algebra
Tentamen Lineaire Algebra 3 januari 214, 8:3-11:3 uur - Bij dit tentamen mogen dictaten en boeken niet gebruikt worden - Een eenvoudige rekenmachine, hoewel niet nodig, is toegestaan, maar geen grafische
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 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 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 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 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 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 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 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 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 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 informatieUitwerking Proeftentamen Lineaire Algebra 1, najaar y y = 2x. P x. L(P ) y = x. 2/3 1/3 en L wordt t.o.v de standaardbasis gegeven door
Uitwerking Proeftentamen Lineaire Algebra, najaar 007. Gegeven is de lineaire afbeelding L : R R, die een punt P = (x, y) langs de lijn y = x projecteert op de lijn y = x: y y = x P x L(P ) y = x Bepaal
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 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 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 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 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 ST
Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9. email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/ds6 Technische Universiteit Eindhoven college 9 J.Keijsper (TUE)
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 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 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 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 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 informatieTENTAMEN LINEAIRE ALGEBRA 1A. maandag 16 december 2002, b. Bepaal een basis voor de rijruimte en voor de kolomruimte van A.
TENTAMEN LINEAIRE ALGEBRA 1A maandag 16 december 2002, 1000-1200 Coördinaten zijn gegeven tov een standaardbasis in R n 1 De matrix A en de vector b R 4 zijn gegeven door 1 0 1 2 0 1 1 4 3 2 A =, b = 0
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 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 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 (met als bekend voorbeeld de Google PageRank matrix) en binnen het modelleren van
Nadere informatieGeef niet alleen antwoorden, maar bewijs al je beweringen.
Tentamen Lineaire Algebra maandag 3--27, 3.3-6.3 uur Het is niet toegestaan telefoons, computers, grafische rekenmachines (wel een gewone), dictaten, boeken of aantekeningen te gebruiken. Schrijf op elk
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 informatieFACULTEIT ECONOMIE EN BEDRIJFSKUNDE Afdeling Kwantitatieve Economie
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE Afdeling Kwantitatieve Economie Lineaire Algebra, tentamen Uitwerkingen vrijdag 4 januari 0, 9 uur Gebruik van een formuleblad of rekenmachine is niet toegestaan. De
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 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 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 informatieVragen, samenvattingen en uitwerkingen Lineaire algebra 1 - UvA
Vragen, samenvattingen en uitwerkingen 2013 - Lineaire algebra 1 - UvA Rocco van Vreumingen 28 juli 2016 1 Inhoudsopgave 1 Samenvattingen 3 1.1 Samenvatting stof college 1................... 3 1.2 Samenvatting
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 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 informatieAanvullingen bij Hoofdstuk 6
Aanvullingen bij Hoofdstuk 6 We veralgemenen eerst Stelling 6.4 tot een willekeurige lineaire transformatie tussen twee vectorruimten en de overgang naar twee nieuwe basissen. Stelling 6.4. Zij A : V W
Nadere informatiePROEFEXAMEN LINEAIRE ALGEBRA donderdag 17 november 2011
PROEFEXAMEN LINEAIRE ALGEBRA donderdag 17 november 2011 Familienaam:....................................................................... Voornaam:.........................................................................
Nadere informatieVectorruimten met inproduct
Hoofdstuk 3 Vectorruimten met inproduct 3. Inleiding In R 2 en R 3 hebben we behalve de optelling en scalairvermenigvuldiging nog meer structuur ; bij een vector kun je spreken over zijn lengte en bij
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 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 J.Keijsper (TUE)
Nadere informatieJe hebt twee uur de tijd voor het oplossen van de vraagstukken. µkw uitwerkingen. 12 juni 2015
Je hebt twee uur de tijd voor het oplossen van de vraagstukken. Elk vraagstuk is maximaal 10 punten waard. Begin elke opgave op een nieuw vel papier. µkw uitwerkingen 12 juni 2015 Vraagstuk 1. We kunnen
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 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 informatieExamenvragen Meetkunde en lineaire algebra Eerste examenperiode
Examenvragen Meetkunde en lineaire algebra Eerste examenperiode 2008-2009 Door rotatie van de rechte r die bepaald wordt door de punten P(3, 1, 2) en Q(1, 1, 2) omheen de rechte s die gaat door het punt
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 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 informatieCoördinatiseringen. Definitie 1. Stel dat B = {b 1,..., b n } een basis is van een vectorruimte V en dat v V. iedere vector v V :
Coördinatiseringen Het rekenen met vectoren in R n gaat erg gemakkelijk De coördinaten bieden de mogelijkheid om handig te rekenen (vegen Het is nu ook mogelijk om coördinaten in te voeren voor vectoren
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 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 informatieUitwerking opgaven 17 december. Spoilers!!
Uitwerking opgaven 7 december Spoilers!! (duh... 8 januari 206 Inhoudsopgave Complex diagonaliseren matrix 2. Opgave................................................ 2.2 Oplossing...............................................
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 5 J.Keijsper (TUE)
Nadere informatieGelijkvormigheid en de Jordan normaalvorm Aanvullende leerstof Lineaire Algebra C (2WF09)
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
Nadere informatieTENTAMEN LINEAIRE ALGEBRA 1 donderdag 23 december 2004,
TENTAMEN LINEAIRE ALGEBRA donderdag december 004, 0.00-.00 Bij elke vraag dient een berekening of motivering worden opgeschreven. Het tentamen bestaat uit twee gedeelten: de eerste drie opgaven betreffen
Nadere informatieInwendig product, lengte en orthogonaliteit in R n
Inwendig product, lengte en orthogonaliteit in R n Het inwendig product kan eenvoudig worden gegeneraliseerd tot : u v u v Definitie Als u = u n en v = v n twee vectoren in Rn zijn, dan heet u v := u T
Nadere informatieVoortgezette Lineaire Algebra. Prof. dr. J. van Mill Dr. F. van Schagen
Voortgezette Lineaire Algebra Prof. dr. J. van Mill Dr. F. van Schagen Inhoud Hoofdstuk I. Complexe vectorruimten en inwendige producten 5 I.1. Vectorruimten 5 I.2. Hermitische producten 8 I.3. Inwendig-productruimten
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 informatie