2 De Jordannormaalvorm voor lineaire transformaties

Maat: px
Weergave met pagina beginnen:

Download "2 De Jordannormaalvorm voor lineaire transformaties"

Transcriptie

1 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 gebracht. Dit betekent dat voor iedere A K n n er een X GL n (K) bestaat met X 1 AX = R bovendriehoeks. We gaan dit resultaat verder aanscherpen middels verdere gelijkvormigheidstransformaties. Definitie 2.1 (Gelijkvormigheidstransformatie) Zij A K n n en X GL n (K). omzetting A X 1 AX heet een gelijkvormigheidstransformatie van A met X. De We introduceren nu eerst gelijkvormigheidstransformaties met bekende elementaire matrices. 2.1 Gelijkvormigheidstransformaties met elementaire matrices We brengen drie types elementaire matrices in de herinnering uit context van Gauß-eliminatie. Definitie 2.2 Voor alle gehele k, l met 1 k < l n en h K definiëren we de matrices D n k (h) = I n + (h 1)e k e k en E n kl (h) = I n + he k e l, (1) die mogelijk alleen op positie (k, k), respectievelijk (k, l), afwijken van de identiteit I n K n n. Laat daarnaast Π kl = I n (e k e l )(e k e l ), (2) en merk op dat Π kl niets anders is dan I n met kolommen k en l verwisseld. Links/rechtsvermenigvuldiging met deze matrices correspondeert met elementaire rij/kolomoperaties. In het volgende voorbeeld illustreren we hun effect op een bovendriehoeksmatrix. Voorbeeld 2.3 Gegeven de voorbeelden van de elementaire matrix types 1 1 D2(2) 4 2 = 1, E24(3) = 1 en Π 4 23 = Links/rechtsvermenigvuldiging met D2 4 (2) vermenigvuldigt de tweede rij/kolom met 2, D2(2) = en D 4 2(2) = Linksvermenigvuldiging met E24 4 (3) telt 3 maal de vierde rij op bij de tweede, E24(3) = en E 4 24(3) = , 1

2 dus rechtsvermenigvuldiging met E24 4 (3) telt 3 maal de tweede kolom op bij de vierde. Tot slot verwisselt linksvermenigvuldiging met Π 4 23 de tweede en derde rij, Π = en 1 1 Π = 1 1, oftewel, rechtsvermenigvuldiging met Π 4 23 verwisselt de tweede en derde kolom. Opmerking 2.4 De matrix Dk n(h) is een diagonaalmatrix met inverse Dn k (h 1 ) als h, en Ekl n (h) is een bovendriehoeksmatrix met inverse En kl ( h) voor alle h K, en Π 1 = Π kl. In de volgende drie lemma s en voorbeelden beschouwen we het effect van gelijkvormigheidstransformaties met deze types elementaire matrices, toegepast op bovendriehoeksmatrices. Lemma 2.5 Gegeven een bovendriehoeksmatrix R K n n en h K en 1 k n. Laat T = Dk n (h) 1 R Dk n (h). (3) Dan kan T = (t ij ) alleen afwijken van R in entries t 1k,..., t k 1,k en entries t k,k+1,..., t kn. Opmerking 2.6 Dus R en T verschillen hooguit boven, en rechts naast de positie (k, k). Voorbeeld 2.7 Beschouw de gelijkvormigheidstransformatie van een bovendriehoeksmatrix met D22 4 (2) D22(2) D22(2) = De tweede kolom en de tweede rij worden hierdoor respectievelijk vermenigvuldigd met 2 en 1 2. Dit verandert de entries boven en rechts naast de positie (2, 2). Lemma 2.8 Gegeven een bovendriehoeksmatrix R K n n en h K en 1 k < l n. Laat T = Ekl n (h) 1 R Ekl n (h). (4) Dan kan T = (t ij ) alleen afwijken van R in entries t 1l,..., t k,l en entries t k,l+1,..., t kn. Bewijs. De vermenigvuldiging S = REkl n (h) telt h maal de k-de kolom op bij kolom l. Omdat R bovendriehoeks is, verandert dit hooguit de bovenste k entries in de l-de kolom. De vermenigvuldiging Ekl n ( h)s verandert evenzo hooguit de laatste n l entries in rij k. Opmerking 2.9 Dus R en T verschillen hooguit in, boven, en rechts naast de positie (k, l). Voorbeeld 2.1 Beschouw de gelijkvormigheidstransformatie van een bovendriehoeksmatrix met de elementaire matrix E24 4 (1), E24(1) E24(1) = De rechtsvermenigvuldiging telt de tweede kolom op bij de vierde, de linksvermenigvuldiging trekt de vierde rij af van de tweede. Hierdoor veranderen de entries op en boven positie (2, 4). 2 kl

3 Lemma 2.11 Gegeven een bovendriehoeksmatrix R K n n en 1 k < l n. Laat T = Π kl R Π kl. (5) Dan kan T = (t ij ) alleen afwijken van R in t 1m,..., t lm en t mk,..., t mn met m {k, l}. Opmerking 2.12 Dus R en T verschillen hooguit in de entries t ij in de k-de en l-de rij en kolom, maar niet als i < k of j > l. In het algemeen is T niet bovendriehoeks. Voorbeeld 2.13 Beschouw de gelijkvormigheidstransformatie van een bovendriehoeksmatrix met D22 4 (2) Π Π = De tweede en derde kolom worden verwisseld, en de tweede en derde rij. Na de gelijkvormigheidstransformatie in Voorbeeld 2.1 is de (2, 4)-entry gelijk is aan nul. We onderzoeken nu wanneer we welke entries in de bovendriehoek naar nul kunnen transformeren. 2.2 Gelijkvormigheidstransformaties met E n ij(h) Het volgende lemma verwoordt het resultaat van Voorbeeld 2.1 in zijn volle algemeenheid. Lemma 2.14 Gegeven een bovendriehoeksmatrix (r ij ) = R K n n, h K en 1 k < l n. Laat T = Ekl n (h) 1 R Ekl n (h), (6) en schrijf T = (t ij ). Dan geldt dat t kl = r kl + hr kk hr ll. (7) Als bovendien r kk r ll en dan geldt dat t kl =. h = r kl r ll r kk, (8) Bewijs. Rechtsvermenigvuldiging van R met Ekl n (h) telt h maal de k-de kolom van R op bij de l-de kolom, en dus in het bijzonder hr kk op bij r kl. Linksvermenigvuldiging met Ekl n ( h) trekt h maal de l-de rij af van de k-de rij, en dus in het bijzonder hr ll af van r kl + hr kk. Dit bewijst (7). De bewering over de keuze van h in (8) is vervolgens eenvoudig. Opmerking 2.15 Als (r ij ) = R K n n bovendriehoeks is en r kk = r ll voor zekere 1 k < l n dan volgt uit (7) dat met (t ij ) = T = E n kl (h) 1 RE n kl (h) dat t kl = r kl voor alle h K. Voorbeeld 2.1 was al een goede illustratie van Lemma 2.14, want het transformeerde de (2, 4)-entry naar nul. We proberen nu ook de (2, 3)-entry naar nul te transformeren. 3

4 Voorbeeld 2.16 Beschouw de matrix die resulteerde in het rechterlid in Voorbeeld 2.1. De entry op positie (2, 3) is gelijk aan 1. Met h = 1/(3 2) = 1 als in (8) volgt E23(1) E4 23(1) = (9) en in overeenstemming met Lemma 2.14 is de entry op positie (2, 3) gelijk aan nul. De entry erboven en er rechts naast zijn ook veranderd. Lemma 2.8 gaf al aan dat dit kan gebeuren. Opmerking 2.17 Merk op dat de (4, 2)-entry, die we in Voorbeeld 2.1 naar nul hadden getransformeerd, na de transformatie in Voorbeeld 2.16 weer ongelijk is aan nul. Lemma 2.8 laat zien in welke volgordes de transformaties kunnen worden toegepast om nullen te creëren op alle posities (i, j) waarvoor r ii r jj in een gegeven bovendriehoeksmatrix R. Stelling 2.18 Zij R = (r ij ) K n n een bovendriehoeksmatrix, en laat U(R) = {(i, j) {1,..., n} {1,... n}, i < j r ii r jj }. (1) Er bestaat een volgorde (i 1, j 1 ),..., (i p, j p ) van de p elementen van U(R) en een keuze van getallen h 1,..., h p K zo, dat met het product geldt dat X = E n i 1 j 1 (h 1 )... E n i pj p (h p ) (11) X 1 RX = T, met T = (t ij ), (12) een bovendriehoeksmatrix is waarvoor t ij = voor alle (i, j) U(R). Bewijs. Het volstaat een volgorde (i 1, j 1 ),..., (i p, j p ) te kiezen waarin voor ieder tweetal opeenvolgende posities (i q, j q ) en (i q+1, j q+1 ) geldt dat j q < j q+1 of i q > i q+1. Hieruit volgt immers dat als q < r dan j q < j r of i q > i r. In beide gevallen zal volgens Lemma 2.8 een gelijkvormigheidstransformatie Ei n rj r (h) de entry op positie (i q, j q ) niet veranderen. In het bijzonder zal dus iedere tranformatie een nul creëren, die daarna niet meer zal verdwijnen. Het volgende algoritme toont aan dat er volgordes als in het bewijs van Stelling 2.18 bestaan. Algoritme 2.19 Laat R K n n en schrijf U = U(R). Selecteer (i, j) U met i maximaal, en als er daar meerdere van zijn, met j minimaal. Pas een transformatie toe om de (i, j)-entry naar nul te transformeren. Verwijder (i, j) uit U en herhaal het proces tot U leeg is. Voorbeeld 2.2 We illustreren Stelling 2.18 met de matrix R uit Voorbeeld 2.1, R = 3 1, waarvoor U(R) = {(1, 3), (1, 4), (2, 3), (2, 4)}. 3 4

5 De door Algoritme 2.19 gegeven volgorde is (2, 3), (2, 4), (1, 3), (1, 4). De respectievelijke elementaire gelijkvormigheidstransformaties geven we schematisch weer als R = 3 1 E4 23 (1) E4 13 (2) E4 14 ( 1) = T Omdat de entry op positie (2, 4) toevallig al nul is na toepassing van E23 4 (1), is de transformatie E24 4 (h 2) = I hier weggelaten. Het product X van de transformatiematrices is X = E 4 23(1) E 4 24() E 4 13(2) E 4 14( 1) = en met deze X is X 1 RX dus gelijk aan T. Een gevolg van Stelling 2.18 is een bekend resultaat (13) Gevolg 2.21 Als alle eigenwaarden van R verschillen dan produceert Algoritme 2.19 een matrix X zo, dat X 1 RX = Λ een diagonaalmatrix is. Dus Algoritme 2.19 diagonaliseert R. Voorbeeld 2.22 Laat R gegeven zijn door R = 2 3 en dus U(R) = {(1, 2), (1, 3), (2, 3)}. (14) 3 De door Algoritme 2.19 gegeven volgorde voor de elementaire gelijkvormigheidstransformaties is (2, 3), (1, 2), (1, 3). We vinden: R = 2 3 E3 23 (3) 2 E3 12 (2) 2 E3 13 ( 9 2 ) 2 = Λ, (15) met als bijbehorende transformatiematrix X = E23(3) 3 E12(2) 3 E13( ) = waarvoor het eenvoudig te verifiëren is dat RX = XΛ , (16) Opmerking 2.23 Zowel de matrix X = (x ij ) in (13) als de matrix X = (x ij ) in (16) heeft de eigenschap dat x iqj q = h q voor alle (i q, j q ) U(R). Dit is geen toeval. Immers, Algoritme 2.19 geeft een lijst entries (i 1, j 1 ),..., (i p, j p ) met bijbehorend product X van transformatiematrices X = E n i 1 j 1 (h 1 )... E n i pj p (h p ) = (I n + e i1 e j 1 )... (I n + e ip e j p ) (17) Als q < r geldt voor de paren indices (i q, j q ) en (i r, j r ) dat i q < j q en i r < j r omdat ze corresponderen met posities boven de diagonaal. Daarnaast geldt of i q > i r, of i q = i r en 5

6 j q < j r, per definitie van Algoritme Hieruit volgt dat het uitvermenigvuldigen van het product in (17) geldt dat X = I n + e i1 e j e ip e j p (18) Immers, als i q > i r volgt uit i q < j q dat j q > i r. Anderzijds, als i q = i r dan volgt uit i q < j q ook dat i r = i q < j q. In beide gevallen is dus e j q e ir = en dus ook e iq e j q e ir e j r =. Voorbeeld 2.24 Voor n = 4 bewijst Opmerking 2.23 niets anders dan dat d 1 e 1 1 b 1 c a = 1 d e f 1 b c 1 a 1 voor alle a, b, c, d, e, f K. 1 f Overeenkomstige identiteiten gelden ook voor iedere andere waarde van n, als de matrices in deze door Algoritme 2.19 gegenereerde volgorde staan. 2.3 Gelijkvormigheidstransformaties met Π kl Gelijkvormigheidstransformaties met elementaire matrices van het type Π kl kunnen worden ingezet om gelijke eigenwaarden naast elkaar op de diagonaal van R te positioneren. Het gevolg daarvan is dat de nullen boven de diagonaal in rechthoekige blokken terechtkomen. Voorbeeld 2.25 Gegeven de matrix R R = 2 1, met U(R) = {(1, 2), (1, 4), (2, 3), (3, 4)}. (19) 3 Algoritme 2.19 geeft als transformatievolgorde (3, 4), (2, 3), (1, 2), (1, 4). De respectievelijke elementaire gelijkvormigheidstransformaties geven we schematisch weer als R E4 34 (1) E4 23 ( 1) E4 12 (1) E4 14 ( 1) Deze matrix kunnen we nu zo transformeren, dat gelijke eigenwaarden naast elkaar op de diagonaal komen te staan, Π Π 4 23 = (2) 6

7 De getransformeerde matrix is blok-diagonaal is en beide blokken op de diagonaal zijn bovendriehoeks. Het bijbehorende product X van de elementaire matrices is X = E34(1) 4 E23( 1) 4 E12(1) 4 E14( 1) 4 Π = 1 1 Π = Merk op dat X zelf geen bovendriehoeksmatrix meer is. Opmerking 2.26 De gelijkvormigheidstransformatie met Π 23 kan al toegepast worden zodra de entry op positie (2, 3) gelijk is aan nul. Immers, dan is het resultaat al bovendriehoeks. Opmerking 2.27 Het is ook mogelijk om de volgorde van de diagonaalentries om te draaien in vergelijking tot (2), middels Π 4 23Π 4 34Π Π 4 12Π 4 34Π = Sterker nog, iedere volgorde van de getallen op de diagonaal kan worden bewerkstelligd. Bovenstaand voorbeeld met opmerkingen geeft aanleiding tot de volgende stelling. Lemma 2.28 Laat (r ij ) = R K n n bovendriehoeks zijn, en k zo dat r kk r k+1,k+1. Dan is T = Π k,k+1 Ek,k+1 n (h) 1 R Ek,k+1 n (h)π r k,k+1 k,k+1 met h = (21) r k+1,k+1 r kk bovendriehoeks met t kk = r k+1,k+1 en t k+1,k+1 = r kk. Bewijs. De gelijkvormigheidstransformatie met Ek,k+1 n (h) creëert een nul op positie (k, k+1), waarna verwisseling van rijen k en k + 1 en kolommen k en k + 1 de beide diagonaalentries r kk en r k+1,k+1 verwisselt. De entries op posities (k, k + 1) en (k + 1, k) zijn en blijven nul. Lemma 2.28 wordt geïllustreerd in het volgende eenvoudige voorbeeld. Voorbeeld 2.29 Zie hoe R naar T wordt getransformeerd in R = 2 2 E3 23 ( 2) 2 Π = T (22) en dat de volgorde 1, 2, 1 van de diagonaalentries van R is veranderd in 1, 1, 2 voor T. Stelling 2.3 Laat R K n n bovendriehoeks zijn met verschillende eigenwaarden λ 1,..., λ p met respectievelijke algebraïsche multipliciteiten m 1,..., m p. Dan bestaat er een X GL n (K) zodanig dat T X 1 T.. RX = = T, (23)..... T p waarbij T j een m j m j bovendriehoeksmatrix is met alle diagonaalentries gelijk aan λ j. 7

8 Bewijs. Laat k het kleinste gehele getal zijn waarvoor r kk = λ 1. Dan zijn in het bijzonder r 11,..., r k 1,k 1 allemaal ongelijk aan r kk. Pas nu Lemma 2.28 toe om de entries op posities (k, k) en (k 1, k 1) te verwisselen, vervolgens nogmaals om de entries op posities (k 1, k 1) en (k 2, k 2) te verwisselen, enzovoorts, totdat λ 1 op positie (1, 1) staat. Doe nu hetzelfde met de overige diagonaalentries die gelijk zijn aan λ 1, dan met alle diagonaalentries die gelijk zijn aan λ 2, enzovoorts. Pas tot slot Stelling 2.18 toe om nullen te creëren op alle posities (k, l) waarvoor de entries op posities (k, k) en (l, l) verschillen. Dit geeft precies een matrix van de vorm T in (23). We bestuderen verdere transformaties van de matrices T 1,..., T p uit Stelling 2.3 in Sectie 2.5. Eerst besteden we Sectie 2.4 aan de beschrijving van het beoogde doel. 2.4 De klasse van nilpotente Jordanvormen In deze sectie introduceren we de matrices die uiteindelijk als bouwstenen zullen fungeren voor de eenvoudigste matrix J die gelijkvormig is met een gegeven A K n n. Definitie 2.31 (Nilpotente Jordanvorm) Een matrix (s ij ) = S K n n waarvoor iedere entry die ongelijk aan is, gelijk is aan 1 en direct boven de diagonaal op een positie (i, i + 1) staat, oftewel, s ij j = i + 1 en s ij = 1, (24) noemen we een nilpotente Jordanvorm. Definitie 2.32 (Nilpotent Jordanblok) De nilpotente Jordanvorm in K n n met n 1 entries gelijk aan 1 heet het nilpotente Jordanblok, en wordt genoteerd als N n. Opmerking 2.33 Voor n = 1 is de matrix N 1 = [] het 1 1 nilpotente Jordanblok. Opmerking 2.34 Er bestaan precies 2 n 1 nilpotente Jordanvormen in K n n, want iedere entry op positie (i, i+1) wordt gekozen uit {, 1}. Er is precies één n n nilpotent Jordanblok. Voorbeeld 2.35 Voor n = 4 bestaan er dus precies acht nilpotente Jordanvormen, te weten 1 1,,, 1, 1 1, 1 1, 1 1 De matrix rechtsonder is het 4 4 nilpotente Jordanblok N 4., Opmerking 2.36 Een nilpotente Jordanvorm S K n n beeldt iedere standaardbasisvector e k af op of op e k 1. In het bijzonder is Se 1 =. Hieruit volgt direct dat S n =, en dus dat S inderdaad nilpotent is. Het grootste gehele getal p waarvoor S p, de nilpotentie-index van S, is gelijk aan het grootste aantal naast elkaar staande enen op posities (i, i + 1). Het nilpotente Jordanblok is dus de enige nilpotente Jordanvorm met nilpotentie-index n 1.. 8

9 Lemma 2.37 Voor het nilpotente Jordanblok N t K t t geldt dat voor alle j {1,..., t}, en ker(n j t ) = Kt voor alle j t. ker(n j t ) = span{e 1,..., e j } (25) Bewijs. De matrix N t beeldt de standaardbasisvectoren van K t als volgt op elkaar af, e t N t et 1 N t N... t e1 N t. (26) Dus N j t beeldt e k af op als k j, en op e k j als k > j. Voorbeeld 2.38 Bovenstaand lemma wordt geïllustreerd door N 4 = 1, N4 2 1 =, N 3 4 = en hogere machten van N 4 zijn uiteraard ook gelijk aan nul. 1, N 4 4 = Iedere nilpotente Jordanvorm is als volgt opgebouwd uit nilpotente Jordanblokken. Lemma 2.39 Elke nilpotente Jordanvorm S K n n heeft een blokpartitionering als N t1.... N.. S = t (27)... N tp met nilpotente Jordanblokken N t1,..., N tp op de diagonaal, en nullen buiten deze blokken. Bewijs. Laat i 1 < < i p = n de indices zijn van de rijen in S die gelijk aan nul zijn. Laat i = en definieer t j = i j i j 1 voor alle j {1,..., p}. Dan is S van de vorm (27). Opmerking 2.4 De blokpartitionering van S ontstaat derhalve door onder iedere rij nullen een horizontale streep te zetten, en links van iedere kolom nullen een verticale streep. Voorbeeld 2.41 We illustreren Lemma 2.39 middels het blokpartitioneren van vier van de matrices uit Voorbeeld en en 1 en 1. met respectievelijke diagonaalblokken N 2, N 1, N 1 en N 1, N 2, N 1 en N 1, N 3 en N 2, N 2. We introduceren nu eerst wat nieuwe terminologie, die resultaten compacter helpt verwoorden. Partities en de partitiefunctie spelen een grote rol binnen de wiskunde. 9

10 Definitie 2.42 (Partitie(-functie)) Laat n N. Een partitie τ van n N, notatie τ n, is een tupel τ = [t 1,..., t k ] van getallen t 1,..., t k N zo, dat n = t t k met t 1 t k. (28) De getallen t 1,..., t k heten de delen van n, en k n is de lengte van de partitie. De functie p : N N die aan n het aantal partities p(n) van n toevoegt heet de partitiefunctie. Voorbeeld 2.43 De volgende tupels zijn alle verschillende partities van 5, en dus is p(5) = 7. [5], [4, 1], [3, 2], [3, 1, 1], [2, 2, 1], [2, 1, 1, 1], [1, 1, 1, 1, 1], Partities kunnen inzichtelijk worden gevisualiseerd met behulp van Young tableaus. Definitie 2.44 (Young tableau) Het Young tableau van een partitie τ = [τ 1,..., τ p ] n is een afbeelding bestaande uit n vierkanten van gelijke grootte. Deze zijn verdeeld over p aansluitende rijen, met τ j aansluitende vierkanten links uitgelijnd naast elkaar in rij j. Figuur 2.1. Young tableaus van de zeven partities van n = 5. Sommige paren van Young tableaus zijn elkaars gespiegelde in de hoofddiagonaal. Definitie 2.45 (Geconjugeerde partitie) Laat τ = [τ 1,..., τ p ] n N. Voor iedere j {1,..., n}, schrijf τj voor het aantal delen van τ dat groter dan of gelijk is aan j. De positieve getallen τ1,..., τ q vormen de geconjugeerde partitie τ = [τ1,..., τ q ] n van τ. Voorbeeld 2.46 Beschouw de partitie τ = [2, 2, 1] 5. Alledrie de delen zijn groter dan of gelijk aan 1, dus τ1 = 3. Alleen het eerste en tweede deel zijn groter dan of gelijk aan 2 dus τ2 = 2. Er zijn geen delen groter dan twee. Dus τ = [3, 2] is de geconjugeerde partitie van τ. Eenvoudig gesteld telt τ het aantal vierkanten per kolom in het Young diagram van τ. Als gevolg hiervan is het Young diagram van τ de gespiegelde van het Young diagram van τ. τ = [2, 2, 1] τ = [3, 2] conjugatie Figuur 2.2. Young tableaus van geconjugeerde partities zijn elkaars gespiegelde. We gaan nu in op de vraag wat partities te maken hebben met nilpotente Jordanvormen. Definitie 2.47 (Type nilpotente Jordanvorm) De aflopend gesorteerde groottes van de Jordanblokken op de diagonaal van de volgens (27) gepartitioneerde nilpotente Jordanvorm S K n n vormen een partitie τ n. Deze partitie heet het type van S. 1

11 Voorbeeld 2.48 De acht matrices in Voorbeeld 2.59 hebben de volgende types, [1, 1, 1, 1] [2, 1, 1] [2, 1, 1] [2, 1, 1] [3, 1] [2, 2] [3, 1] [4] waarbij de types op de overeenkomstige positie staan genoteerd als de matrices. Opmerking 2.49 Het type τ n van het n n Jordanblok N n is de partitie τ = [n]. Lemma 2.5 Zij S K n n een nilpotente Jordanvorm van type τ met geconjugeerde τ. Dan is τl het aantal nilpotente Jordanblokken van S van afmetingen l l of groter. Stelling 2.51 Laat S K n n een nilpotente Jordanvorm zijn van type τ n. Dan geldt dat dim(ker(s l )) = τ τ l (29) voor alle l q, waarbij τ = [τ 1,..., τ q ] de geconjugeerde van τ is. Bewijs. Laat l {1,..., q} gegeven zijn. Wegens de blokvorm van S in (27) geldt dat S l v = als en alleen als N l t j v j = voor alle j {1,..., p}, waarbij v j bestaat uit de entries van v die in dezelfde rijen staan als N tj. In het bijzonder geldt dus dat dim(ker(s l )) = dim(ker(n l t 1 )) + + dim(ker(n l t p )). (3) Lemma 2.6 geeft dat dim(ker(nt l j )) gelijk is aan het minimum van t j en l. Dus, dim(ker(nt l j )) is precies dan 1 groter dan dim(ker(nt l 1 j )) als het blok N tj afmetingen l l of groter heeft, oftewel, als t j l. Dus dim(ker(s l )) dim(ker(s l 1 )) is gelijk aan het aantal nilpotente Jordanblokken N tj van S met t j l, en dus volgens Lemma 2.5 gelijk aan τ l. Een eenvoudig inductieargument bewijst nu de bewering. Voorbeeld 2.52 Bekijk de machten van de nilpotente Jordanvorm S van type τ = [3, 2], S =, S2 =, S3 =, 1 dan is τ = [2, 2, 1] en zien we dat dim(ker(s)) = τ1 = 2, dim(ker(s2 )) = τ1 + τ 2 dim(ker(s 3 )) = τ1 + τ 2 + τ 3 = 5. Dit illustreert de uitspraak van Stelling = 4, en e 3 S e 2 S e 1 S ker(s 1 ) = span{e 1, e 4 } ker(s 2 ) = span{e 1, e 4, e 2, e 5 } e 5 e 4 S S ker(s 3 ) = span{e 1, e 4, e 2, e 5, e 3 } Figuur 2.3. Illustratie horend bij Voorbeeld Reden dat we het concept type van een Jordanblok introduceren, is de volgende stelling. 11

12 Stelling 2.53 Gegeven nilpotente Jordanvormen S, T K n n met types σ n en τ n. Dan zijn S en T gelijkvormig als en alleen als σ = τ. Bewijs. Veronderstel dat σ τ. Dan is ook σ τ en bestaat er dus een l N zo, dat dim(ker(s l )) = σ σ l τ + + τ l = dim(ker(t l )). (31) Hieruit volgt dat S l en T l niet gelijkvormig zijn, en dus S en T ook niet. Immers, als B = X 1 AX dan is B l = (X 1 AX) l = X 1 A l X, en als b 1,..., b q een basis is voor ker(b l ) dan is Xb 1,..., Xb q een basis voor ker(a l ). Omgekeerd, veronderstel dat σ = τ. Dan bestaat er een permutatie Π GL n (K) zodanig dat B = Π 1 AΠ. Voor details, zie Lemma Lemma 2.54 (Blokpermutatie) Zij X K n n en k + l = n. Blokpartitioneer X als [ ] A B X = C D waarbij A K k k en D K l l. Dan geldt dat [ ] Π 1 D C XΠ = waarbij Π = B A [ Il I k ]. Bewijs. De rechtsvermenigvuldiging met Π zet kolommen l + 1,..., n voor de kolommen 1,..., k, en de linksvermenigvuldiging met Π 1 doet hetzelfde met de rijen. Opmerking 2.55 Iedere permutatiematrix Π is unitair, en dus is Π 1 = Π. We laten nu zien dat iedere nilpotente matrix gelijkvormig is met een nilpotente Jordanvorm. 2.5 Gelijkvormigheidstransformaties van stricte bovendriehoeksmatrices Ieder van de bovendriehoeksmatrices T 1,..., T p in (23) heeft de eigenschap dat de entries op de diagonaal allemaal hetzelfde zijn. Deze matrices zijn dus van de vorm T l = λ l I l + M l (32) voor zekere λ l K, en waarbij M l een stricte bovendriehoeksmatrix is. Definitie 2.56 (Stricte bovendriehoeksmatrix) Een bovendriehoeksmatrix (r ij ) = R K n n heet strict als r jj = voor alle j {1,..., n}. Merk op dat alle eigenwaarden van een stricte bovendriehoeksmatrix gelijk zijn aan nul. Opmerking 2.57 Als M K n n strict bovendriehoeks is en T = λi +M voor zekere λ K, dan is voor iedere X GL n (K), X 1 T X = λi + X 1 MX. (33) Als ook X 1 T X bovendriehoeks is, zijn al zijn diagonaalentries gelijk aan λ. Immers, de eigenwaarden van T en X 1 T X zijn gelijk. Dus is X 1 MX strict bovendriehoeks. 12

13 Om gelijkvormigheidstransformaties van matrices T = λi + M met M strict bovendriehoeks te begrijpen volstaat het dus om die van M te begrijpen. Stelling 2.58 (Jordan) Laat M K n n strict bovendriehoeks zijn. X GL n (K) zo, dat S = X 1 MX een nilpotente Jordanvorm is. Dan bestaat er een Bewijs. Het volgende eenvoudige voorbeeld bewijst deze stelling voor n = 2, en doet als zodanig dienst als inductiebasis. Voorbeeld 2.59 Laat M K 2 2 strict bovendriehoeks zijn. Dan is M van de vorm [ ] k M = met k K. Als k = dan is M een nilpotente Jordanvorm van type τ = [1, 1]. Als k dan is D 2 ( 1 k ) 1 MD 2 ( 1 [ ] [ ] [ ] [ ] 1 k 1 1 k ) = 1 = = S (34) k k en is S een nilpotente Jordanvorm van type τ = [2], oftewel, het 2 2 nilpotente Jordanblok. Inductiehypothese. Veronderstel dat als ˆM K (n 1) (n 1) strict bovendriehoeks is, er een Y GL n 1 (K) bestaat zo, dat Y 1 ˆMY = Ŝ een nilpotente Jordanvorm is. Eerste deel Inductiestap. Laat M K n n strict bovendriehoeks zijn. Dan kunnen we M blok-partitioneren als [ ] ˆM b M =, met ˆM K (n 1) (n 1) strict bovendriehoeks en b K n 1. Volgens de inductiehypothese bestaat er een Y GL n 1 (K) zo, dat [ ] 1 [ ] [ ] Y Y S c M = waarbij c = Y 1 b, (35) 1 1 en S = Y 1 ˆMY een nilpotente Jordanvorm is van ˆM. De taak die resteert is om de matrix in (35), die op de laatste kolom na in de gewenste vorm staat, nog verder te transformeren. Tweede deel Inductiestap. We laten nu zien hoe we de entry c k van c naar nul kunnen transformeren als er op positie (k, k + 1) in Ŝ een 1 staat. Lemma 2.6 Veronderstel dat S = (s ij ) een nilpotente Jordanvorm is met s k,k+1 = 1. Dan geldt na de transformatie [ ] [ ] S c E n k+1,n ( c k ) S ĉ (36) dat ĉ j = c j voor alle j k en ĉ k =. Bewijs. De linksvermenigvuldiging met Ek+1,n n ( c k) telt een veelvoud van de n-de rij op bij de (k + 1)-ste rij. Echter, de n-de rij is nul en dit verandert dus niets aan de matrix. De rechtsvermenigvuldiging met Ek+1,n n ( c k) 1 trekt c k maal de (k +1)-ste kolom af van de n-de kolom. Maar die (k + 1)-ste kolom is gelijk aan e k. Dit bewijst de bewering. Lemma 2.6 wordt duidelijk geïllustreerd door het volgende voorbeeld. 13

14 Voorbeeld 2.61 Wegens de enen op posities (1, 2) en (3, 4) kunnen de eerste en derde entry van de laatste kolom met behulp van Lemma 2.6 naar nul worden getransformeerd, E ( 1) 2 E ( 3) Omdat ieder van beide transformaties slechts één entry verandert, kunnen ze ook in omgekeerde volgorde worden toegepast met hetzelfde resultaat, er geldt namelijk X = E 5 25( 1)E 5 45( 3) = E 5 45( 3)E 5 25( 1) en hiermee is X = en X 1 = oftewel, de inverse kan weer eenvoudig worden bepaald Derde deel Inductiestap. De uitgangssituatie is de matrix na herhaald toepassen van Lemma 2.6, zodat als de i-de entry van ĉ ongelijk is aan nul, de i-de rij van S gelijk is aan nul. Het volgende lemma ligt aan de basis van de resterende transformaties. Opmerking 2.62 Wegens Lemma 2.54 nemen we zonder verlies van algemeenheid aan, dat S in de vorm (27) staat met oplopende blokgroottes t 1 t p. Lemma 2.63 Zij S K n n een nilpotente Jordanvorm met nilpotente Jordanblokken in oplopende groottes van linksboven naar rechtsonder. Laat [ ] S d, en neem aan dat elke entry van d = (d j ) die niet nul is, staat naast een rij van S die wel nul is. Laat l het grootste gehele getal zijn met d l. Veronderstel dat d l = 1 en dat d k met k l. Dan is [ S d ] [ E n k,n 1 (d k ) En k q+1,n q (d k) S ˆd waarbij q de grootte is van het nilpotente Jordanblok waartoe de entry (k, k) van S behoort, en geldt dat ˆd j = d j voor alle j k en ˆd k =. Bewijs. Toepassing van Ek,n 1 n (d k) maakt de (k, n)-entry gelijk aan nul, en de entry op positie (k 1, n 1) gelijk aan d k als kolom k 1 niet nul is. In dat geval zal Ek 1,n 2 n (d k) de entry op positie (k 1, n 1) nul maken, maar de entry op positie (k 2, n 2) gelijk aan d k als kolom k 2 niet nul is. Omdat het aantal rijen van het nilpotente Jordanblok waar entry (l, l) toe behoort groter dan of gelijk is aan het aantal kolommen van het blok waar entry (k, k) toe behoort, zal in stap q met transformatiematrix Ek q+1,n q n (d k) de entry d k op positie (k q + 1, n q) nul worden zonder verdere veranderingen. 14 ],

15 Opmerking 2.64 De aanname dat d l = 1 is zonder verlies van algemeenheid. Als d l kan dit immers bewerkstelligd worden middels de transformatie D n (d 1 l ). Lemma 2.63 laat zich goed uitleggen middels een voorbeeld. Hierin zijn de entries in de laatste kolom in beide nul-rijen ongelijk aan nul, oftewel, op posities (2, 6) en (5, 6). Voorbeeld 2.65 In termen van Lemma 2.63 is hier l = 5 en k = 2 en q = 2, en dus E25 6 (2) 1 E14 6 (2) Toepassing van E25 6 (2) maakt weliswaar de (2, 5) entry gelijk aan nul, maar introduceert een 2 op positie (1, 4) omdat de tweede kolom niet nul is. Toepassing van E14 6 (2) maakt deze entry weer nul. Echter, omdat de eerste kolom nul is, gebeurt er verder niets en is het doel bereikt. Opmerking 2.66 Het product X van de transformatiematrices X = E n kl (h 1) E n k 1,l 1 (h 2)... E n k t,l t (h t) kan, net als in Opmerking 2.23, direct worden opgeschreven. Lemma 2.63 kan worden toegepast om op c l na iedere entry ongelijk aan nul in de laatste kolom, liggende in een nulrij, naar nul te transformeren. De entry c l = 1 blijft als enige ongelijk aan nul over in de laatste kolom. Tot slot kan een blok-permutatie worden toegepast zo, dat deze 1 aansluit bij het blok waar hij rechts naast ligt. Voorbeeld 2.67 Stel dat de laatste kolom op één entry na naar nul is getransformeerd, dan sluit een blokpermutatie deze entry aan op het Jordanblok waar hij bij hoort, zoals bijvoorbeeld Π 1 met Π = Er resulteert dus een nilpotente Jordanvorm van type τ = [3, 3]. Hiermee is het inductiebewijs van Stelling 2.58 voltooid. We geven nu ook een volledig voorbeeld waarin alle stappen van het bewijs van Stelling 2.58 achter elkaar worden uitgevoerd op een expliciet gegeven 4 4 matrix. Voorbeeld 2.68 We bepalen inductief een nilpotente Jordanvorm van de gegeven matrix M. De eerste drie stappen liggen voor de hand, M = 1 D4 2 ( 1 2 ) 4 1 E4 23 ( 1) 5 1 E4 24 ( 3)

16 De eerste stap brengt het 2 2 linksbovenblok in Jordanvorm, de tweede stap het 3 3 linksbovenblok met Lemma 2.6, dat in de derde stap gebruikt wordt om entry (1, 3) nul te maken. Omdat het grootste Jordanblok van de 3 3 matrix niet rechtsonder staat, permuteren we beide blokken, Π met Π = Vervolgens passen we Lemma 2.63 toe, waarbij l = 3, k = 1 en q = 1, maar niet voordat we de entry op positie (3, 4) middels een diagonaalschaling naar 1 hebben getransformeerd, D4 4 ( 1 5 ) E4 13 ( 1 5 ) 1 1 en dit is derhalve een nilpotente Jordanvorm van M, met type τ = [3, 1]. Om de bijbehorende transformatiematrix X uit te rekenen, berekenen we X = D 4 2( 1 2 ) E4 23( 1) E 4 24( 3) Π D 4 4( 1 5 ) E4 13( 1 5 ). De eerste drie termen zijn eenvoudig samen te nemen, net als de laatste drie, wat resulteert in X = = Deze matrix X is dus zo, dat X 1 MX een nilpotente Jordanvorm is. Opmerking 2.69 Als X 1 MX een nilpotente Jordanvorm is, is ook (λx) 1 M(λX) dat voor alle λ K. Dus als K = Q dan kan een X met gehele entries worden gekozen. 2.6 Jordanvormen en de Jordannormaalvorm van een matrix We koppelen nu de nilpotente Jordanvormen via Stelling 2.3 aan willekeurige matrices. Definitie 2.7 (Jordanvorm) Een matrix J K n n heet een Jordanvorm als J J.. J = waarbij J t K nt nt = λ t I t + S t (37)... J p voor iedere t {1,..., p} en iedere matrix S t is een nilpotente Jordanvorm. Stelling 2.71 (Jordan) Zij K algebraïsch afgesloten. Iedere matrix A K n n is gelijkvormig met een Jordanvorm. 1, 16

17 Bewijs. Volgens Stelling 2.3 is A gelijkvormig met een blok-diagonaalmatrix met diagonaalblokken gelijk aan T t = λ t I + M t met M t strict bovendriehoeks. Volgens Stelling 2.53 bestaat er een inverteerbare X t zo, dat Xt 1 M t X t = S t een nilpotente Jordanvorm is, en dus 1 X 1... T 1... X 1... J X T X = J ,... X p... T p... X p... J p waarbij J t = λ t I t + S t. Definitie 2.72 (Jordannormaalvorm) Zij A K n n. Een Jordanvorm J die gelijkvormig is met A heet een Jordannormaalvorm van A. 17

2 De Jordannormaalvorm van een lineaire transformatie

2 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 informatie

Jordan normaalvorm. Hoofdstuk 7

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 informatie

Stelsels Vergelijkingen

Stelsels 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 informatie

Het oplossen van stelsels lineaire vergelijkingen Wiskunde 2, 2DM60 College 2b

Het oplossen van stelsels lineaire vergelijkingen Wiskunde 2, 2DM60 College 2b Het oplossen van stelsels lineaire vergelijkingen Wiskunde 2, 2DM60 College 2b Ruud Pellikaan g.r.pellikaan@tue.nl /k 2014-2015 Lineaire vergelijking 2/64 DEFINITIE: Een lineaire vergelijking in de variabelen

Nadere informatie

Opgaven Matlab - Week 2, sessie 2: De Singulierewaardendecompositie

Opgaven Matlab - Week 2, sessie 2: De Singulierewaardendecompositie Opgaven Matla - Week 2, sessie 2: De Singulierewaardendecompositie Laat A R n k. Dan etaan er unitaire matrices V R k k en U R n n zodanig, dat AV = UΣ, (1) waarij Σ R n k een niet-negatieve diagonaalmatrix

Nadere informatie

4 Positieve en niet-negatieve lineaire algebra

4 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 informatie

Lineaire Algebra voor ST

Lineaire 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 informatie

Uitwerkingen tentamen lineaire algebra 2 13 januari 2017, 10:00 13:00

Uitwerkingen 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 informatie

Aanvullingen bij Hoofdstuk 8

Aanvullingen 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 informatie

Lineaire Algebra voor ST

Lineaire 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 informatie

Uitwerkingen tentamen Lineaire Algebra 2 16 januari, en B =

Uitwerkingen 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 informatie

Matrixoperaties. Definitie. Voorbeelden. Een matrix is een rechthoekig array van getallen, die kentallen of elementen heten.

Matrixoperaties. Definitie. Voorbeelden. Een matrix is een rechthoekig array van getallen, die kentallen of elementen heten. Definitie Een matrix is een rechthoekig array van getallen, die kentallen of elementen heten. Voorbeelden De coëfficiëntenmatrix of aangevulde matrix bij een stelsel lineaire vergelijkingen. Een rij-echelonmatrix

Nadere informatie

ONBETWIST 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. 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 informatie

Uitwerkingen tentamen Lineaire Algebra 2 16 januari, en B =

Uitwerkingen 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 informatie

3.2 Vectoren and matrices

3.2 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 informatie

Eigenwaarden en Diagonaliseerbaarheid

Eigenwaarden 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 informatie

Uitwerkingen Lineaire Algebra I (wiskundigen) 22 januari, 2015

Uitwerkingen 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 informatie

Geadjungeerde en normaliteit

Geadjungeerde 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 informatie

Bekijk nog een keer het stelsel van twee vergelijkingen met twee onbekenden x en y: { De tweede vergelijking van de eerste aftrekken geeft:

Bekijk 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 informatie

Lineaire Algebra voor ST

Lineaire 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/2ds6 Technische Universiteit Eindhoven college 2 J.Keijsper

Nadere informatie

1 Triangulatiestellingen voor lineaire transformaties

1 Triangulatiestellingen voor lineaire transformaties 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

Nadere informatie

3 Wat is een stelsel lineaire vergelijkingen?

3 Wat is een stelsel lineaire vergelijkingen? In deze les bekijken we de situatie waarin er mogelijk meerdere vergelijkingen zijn ( stelsels ) en meerdere variabelen, maar waarin elke vergelijking er relatief eenvoudig uitziet, namelijk lineair is.

Nadere informatie

Lineaire Algebra Een Samenvatting

Lineaire 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 informatie

WI1808TH1/CiTG - Lineaire algebra deel 1

WI1808TH1/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 informatie

11.0 Voorkennis V

11.0 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 informatie

WI1808TH1/CiTG - Lineaire algebra deel 1

WI1808TH1/CiTG - Lineaire algebra deel 1 WI1808TH1/CiTG - Lineaire algebra deel 1 College 6 26 september 2016 1 Hoofdstuk 3.1 en 3.2 Matrix operaties Optellen van matrices Matrix vermenigvuldigen met een constante Matrices vermenigvuldigen Machten

Nadere informatie

1 De permanent van een matrix

1 De permanent van een matrix De permanent van een matrix Schrijf S n voor de symmetrische groep, met als elementen alle permutaties σ van de getallen {,..., n}. De permanent van een n n matrix A = (a ij ) is een getal dat formeel

Nadere informatie

Basiskennis lineaire algebra

Basiskennis 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 informatie

Lineaire Algebra voor W 2Y650

Lineaire 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 informatie

Tentamen lineaire algebra 2 18 januari 2019, 10:00 13:00 Uitwerkingen (schets)

Tentamen 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 informatie

De inverse van een matrix

De inverse van een matrix De inverse van een matrix Laat A een n n matrix zijn. Veronderstel dat de matrixvergelijking A X = I n de oplossing X = C heeft. Merk op dat [ A I n ] rijoperaties [ I n C ] [ I n A] inverse rijoperaties

Nadere informatie

Lineaire Algebra 2. Jan Brandts

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 informatie

3 De duale vectorruimte

3 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 informatie

Kies voor i een willekeurige index tussen 1 en r. Neem het inproduct van v i met de relatie. We krijgen

Kies 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 informatie

Lineaire Algebra voor ST

Lineaire 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 informatie

Definities, 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 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 informatie

Bilineaire Vormen. Hoofdstuk 9

Bilineaire 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 informatie

Lineaire Algebra (2DD12)

Lineaire Algebra (2DD12) Lineaire Algebra (2DD12) docent: Ruud Pellikaan - Judith Keijsper email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/ ruudp/2dd12.html Technische Universiteit Eindhoven college 1 J.Keijsper

Nadere informatie

Symmetrische matrices

Symmetrische 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 informatie

De partitieformule van Euler

De partitieformule van Euler De partitieformule van Euler Een kennismaking met zuivere wiskunde J.H. Aalberts-Bakker 29 augustus 2008 Doctoraalscriptie wiskunde, variant Communicatie en Educatie Afstudeerdocent: Dr. H. Finkelnberg

Nadere informatie

Vierde huiswerkopdracht Lineaire algebra 1

Vierde 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 informatie

Stelsels lineaire vergelijkingen

Stelsels lineaire vergelijkingen Een matrix heeft een rij-echelon vorm als het de volgende eigenschappen heeft: 1. Alle nulrijen staan als laatste rijen in de matrix. 2. Het eerste element van een rij dat niet nul is, ligt links ten opzichte

Nadere informatie

FACULTEIT ECONOMIE EN BEDRIJFSKUNDE Afdeling Kwantitatieve Economie

FACULTEIT 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 informatie

Blokmatrices. , I 21 = ( 0 0 ) en I 22 = 1.

Blokmatrices. , I 21 = ( 0 0 ) en I 22 = 1. Blokmatrices Soms kan het handig zijn een matrix in zogenaamde blokken op te delen, vooral als sommige van deze blokken uit louter nullen bestaan Berekeningen kunnen hierdoor soms aanzienlijk worden vereenvoudigd

Nadere informatie

Gelijkvormigheid en de Jordan normaalvorm Aanvullende leerstof Lineaire Algebra C (2WF09)

Gelijkvormigheid 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 informatie

Eigenwaarden en eigenvectoren

Eigenwaarden 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 informatie

Ruimtewiskunde. college. De determinant en lineaire afbeeldingen. Vandaag. De determinant van een matrix. Toepassing: oppervlakte en inhoud

Ruimtewiskunde. college. De determinant en lineaire afbeeldingen. Vandaag. De determinant van een matrix. Toepassing: oppervlakte en inhoud college 6 en lineaire collegejaar college build slides Vandaag : : : : 6-7 6 9 juni 27 3 2 3 van een matrix Toepassing: oppervlakte en inhoud.6-7[6] vandaag van de 2 2-matrix a b c d is gelijk aan ad bc.

Nadere informatie

Lineaire Algebra voor W 2Y650

Lineaire 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 informatie

Overzicht. Lineaire vergelijkingen. Onderwerpen & Planning. Doel. VU Numeriek Programmeren 2.5

Overzicht. Lineaire vergelijkingen. Onderwerpen & Planning. Doel. VU Numeriek Programmeren 2.5 VU Numeriek Programmeren 25 Charles Bos Vrije Universiteit Amsterdam Tinbergen Institute csbos@vunl, A40 Onderwerpen & Planning Practicum Literatuur Taal Terugblik & Huiswerk 2 april 202 /26 2/26 Onderwerpen

Nadere informatie

Tentamen Lineaire Algebra 1 (Wiskundigen)

Tentamen 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 informatie

Matrixalgebra (het rekenen met matrices)

Matrixalgebra (het rekenen met matrices) Matrixalgebra (het rek met matrices Definitie A a a n a a n a m a mn is e (m n-matrix Hierbij is m het aantal rij van A n het aantal kolomm (m n noemt m de afmeting( van de matrix A We noter vaak kortweg

Nadere informatie

Lineaire Algebra. Bovendriehoeks- en onderdriehoeks vorm: onder (boven) elke leidende term staan enkel nullen

Lineaire 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 informatie

Ruimtewiskunde. college. Stelsels lineaire vergelijkingen. Vandaag UNIVERSITEIT TWENTE. Stelsels lineaire vergelijkingen.

Ruimtewiskunde. college. Stelsels lineaire vergelijkingen. Vandaag UNIVERSITEIT TWENTE. Stelsels lineaire vergelijkingen. college 4 collegejaar college build slides Vandaag : : : : 16-17 4 29 maart 217 38 1 2 3.16-17[4] 1 vandaag Vectoren De notatie (x 1, x 2,..., x n ) wordt gebruikt voor het punt P met coördinaten (x 1,

Nadere informatie

EXAMEN LINEAIRE ALGEBRA EN ANALYTISCHE MEETKUNDE I. 1. Theorie

EXAMEN 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 informatie

Uitwerkingen tentamen Lineaire Algebra 2

Uitwerkingen 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 informatie

Complexe eigenwaarden

Complexe 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 informatie

x = b 1 x 1 , b = x n b m i,j=1,1 en een vector [x j] n j=1 m n a i,j x j j=1 i=1

x = b 1 x 1 , b = x n b m i,j=1,1 en een vector [x j] n j=1 m n a i,j x j j=1 i=1 WIS9 9 Matrixrekening 9 Vergelijkingen Stelsels lineaire vergelijkingen Een stelsel van m lineaire vergelijkingen in de n onbekenden x, x 2,, x n is een stelsel vergelijkingen van de vorm We kunnen dit

Nadere informatie

Bijzondere kettingbreuken

Bijzondere kettingbreuken Hoofdstuk 15 Bijzondere kettingbreuken 15.1 Kwadratische getallen In het vorige hoofdstuk hebben we gezien dat 2 = 1, 2, 2, 2, 2, 2, 2,.... Men kan zich afvragen waarom we vanaf zeker moment alleen maar

Nadere informatie

Lineaire Algebra voor W 2Y650

Lineaire 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 informatie

FLIPIT 5. (a i,j + a j,i )d i d j = d j + 0 = e d. i<j

FLIPIT 5. (a i,j + a j,i )d i d j = d j + 0 = e d. i<j FLIPIT JAAP TOP Een netwerk bestaat uit een eindig aantal punten, waarbij voor elk tweetal ervan gegeven is of er wel of niet een verbinding is tussen deze twee. De punten waarmee een gegeven punt van

Nadere informatie

Vectorruimten en deelruimten

Vectorruimten en deelruimten Vectorruimten en deelruimten We hebben al uitgebreid kennis gemaakt met de vectorruimte R n We zullen nu zien dat R n slechts een speciaal geval vormt van het (veel algemenere begrip vectorruimte : Definitie

Nadere informatie

1 Eigenwaarden en eigenvectoren

1 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 informatie

Lineaire vergelijkingen

Lineaire vergelijkingen 1/24 VU Numeriek Programmeren 2.5 Charles Bos Vrije Universiteit Amsterdam c.s.bos@vu.nl, 1A40 8 april 2013 2/24 Overzicht Overzicht Onderwerpen & Planning Practicum Literatuur Taal Terugblik & Huiswerk

Nadere informatie

Toepassingen op differentievergelijkingen

Toepassingen 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 informatie

Tentamen lineaire algebra voor BWI dinsdag 17 februari 2009, uur.

Tentamen 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 informatie

PROEFEXAMEN LINEAIRE ALGEBRA donderdag 17 november 2011

PROEFEXAMEN LINEAIRE ALGEBRA donderdag 17 november 2011 PROEFEXAMEN LINEAIRE ALGEBRA donderdag 17 november 2011 Familienaam:....................................................................... Voornaam:.........................................................................

Nadere informatie

EXAMEN LINEAIRE ALGEBRA EN MEETKUNDE I

EXAMEN 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 informatie

Determinanten. , dan is det A =

Determinanten. , dan is det A = Determinanten We hebben al gezien : ( a b Definitie Als A c d, dan is det A a c b d ad bc Als A een ( -matrix is, dan geldt : A is inverteerbaar det A 0 Definitie Als A (a ij een (m n-matrix is, dan is

Nadere informatie

Lineaire programmering

Lineaire programmering Lineaire programmering Hans Maassen kort naar Inleiding Besliskunde van J. Potters [Pot]. en Methods of Mathematical Economics van J. Franklin [Fra]. Lineaire programmering is het bepalen van het maximum

Nadere informatie

Vragen, samenvattingen en uitwerkingen Lineaire algebra 1 - UvA

Vragen, 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 informatie

Unitaire en Hermitese transformaties

Unitaire 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 informatie

Lineaire vergelijkingen II: Pivotering

Lineaire vergelijkingen II: Pivotering 1/25 Lineaire vergelijkingen II: Pivotering VU Numeriek Programmeren 2.5 Charles Bos Vrije Universiteit Amsterdam c.s.bos@vu.nl, 1A40 15 april 2013 2/25 Overzicht Pivotering: Methodes Norm en conditionering

Nadere informatie

Definitie 1.1. Een partitie van een natuurlijk getal n is een niet stijgende rij positieve natuurlijke getallen met som n

Definitie 1.1. Een partitie van een natuurlijk getal n is een niet stijgende rij positieve natuurlijke getallen met som n Hoofdstuk 1 Inleidende begrippen 1.1 Definities Definitie 1.1. Een partitie van een natuurlijk getal n is een niet stijgende rij positieve natuurlijke getallen met som n Voor het tellen van het aantal

Nadere informatie

te vermenigvuldigen, waarbij N het aantal geslagen Nederlandse munten en B het aantal geslagen buitenlandse munten zijn. Het resultaat is de vector

te vermenigvuldigen, waarbij N het aantal geslagen Nederlandse munten en B het aantal geslagen buitenlandse munten zijn. Het resultaat is de vector Les 3 Matrix product We hebben gezien hoe we matrices kunnen gebruiken om lineaire afbeeldingen te beschrijven. Om het beeld van een vector onder een afbeelding te bepalen hebben we al een soort product

Nadere informatie

extra sommen bij Numerieke lineaire algebra

extra 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 informatie

Lights Out. 1 Inleiding

Lights Out. 1 Inleiding Lights Out 1 Inleiding Het spel Lights Out is een elektronisch spel dat gelanceerd werd in 1995 door Tiger Electronics. Het originele spel heeft een bord met 25 lampjes in een rooster van 5 rijen en 5

Nadere informatie

Tentamen lineaire algebra voor BWI maandag 15 december 2008, uur.

Tentamen 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 informatie

Lineaire Algebra voor ST

Lineaire 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 informatie

Volledige inductie. Hoofdstuk 7. Van een deelverzameling V van de verzameling N van alle natuurlijke getallen veronderstellen.

Volledige inductie. Hoofdstuk 7. Van een deelverzameling V van de verzameling N van alle natuurlijke getallen veronderstellen. Hoofdstuk 7 Volledige inductie Van een deelverzameling V van de verzameling N van alle natuurlijke getallen veronderstellen we het volgende: (i) 0 V (ii) k N k V k + 1 V Dan is V = N. Men ziet dit als

Nadere informatie

Hoofdstuk 9. Vectorruimten. 9.1 Scalairen

Hoofdstuk 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 informatie

Lineaire Algebra en Vectorcalculus 2DN60 College 5.a Basis en dimensie

Lineaire 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 informatie

Je 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. 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 informatie

Magidoku s en verborgen symmetrieën

Magidoku s en verborgen symmetrieën Uitwerking Puzzel 92-6 Magidoku s en verborgen symmetrieën Wobien Doyer Lieke de Rooij Een Latijns vierkant van orde n, is een vierkante matrix, gevuld met n verschillende symbolen waarvan elk precies

Nadere informatie

PROEFEXAMEN LINEAIRE ALGEBRA dinsdag 22 november 2016

PROEFEXAMEN LINEAIRE ALGEBRA dinsdag 22 november 2016 PROEFEXAMEN LINEAIRE ALGEBRA dinsdag 22 november 2016 1. Zi (R, V, +) een eindigdimensionale vectorruimte en veronderstel dat U en W deelruimten van V zin. Toon aan dat 2. Waar of fout? Argumenteer e antwoord.

Nadere informatie

Lineaire Algebra TW1205TI. I.A.M. Goddijn, Faculteit EWI 12 februari 2014

Lineaire Algebra TW1205TI. I.A.M. Goddijn, Faculteit EWI 12 februari 2014 Lineaire Algebra TW1205TI, 12 februari 2014 Contactgegevens Mekelweg 4, kamer 4.240 tel : (015 27)86408 e-mail : I.A.M.Goddijn@TUDelft.nl homepage : http: //fa.its.tudelft.nl/ goddijn blackboard : http:

Nadere informatie

Antwoorden. Magische vierkanten Vierkant voor Wiskunde Doeboek 8

Antwoorden. Magische vierkanten Vierkant voor Wiskunde Doeboek 8 Antwoorden Magische vierkanten Vierkant voor Wiskunde Doeboek 8 1 6 1 8 7 5 3 2 9 4 2 De getallen 1 tot en met 9. 3 15. 15 en 15. De som van de getallen van elke rij is 15. 4 15. De som van de getallen

Nadere informatie

5 Inleiding tot de groepentheorie

5 Inleiding tot de groepentheorie 5 Inleiding tot de groepentheorie Oefening 5.1. Stel de Cayleytabel op voor de groep van de symmetrieën van een vierkant. Bewijs dat deze groep de viergroep van Klein bezit als deelgroep van index 2. Oplossing

Nadere informatie

4. Determinanten en eigenwaarden

4. Determinanten en eigenwaarden 4. Determinanten en eigenwaarden In dit hoofdstuk bestuderen we vierkante matrices. We kunnen zo n n n matrix opvatten als een lineaire transformatie van R n. We onderscheiden deze matrices in twee typen:

Nadere informatie

x 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).

x 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 informatie

TENTAMEN LINEAIRE ALGEBRA 2 dinsdag 3 april 2007,

TENTAMEN 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 informatie

Discrete Wiskunde 2WC15, Lente Jan Draisma

Discrete Wiskunde 2WC15, Lente Jan Draisma Discrete Wiskunde 2WC15, Lente 2010 Jan Draisma HOOFDSTUK 2 Gröbnerbases 1. Vragen We hebben gezien dat de studie van stelsels polynoomvergelijkingen in meerdere variabelen op natuurlijke manier leidt

Nadere informatie

Matrices en Stelsel Lineaire Vergelijkingen

Matrices 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 informatie

2. Transformaties en matrices

2. Transformaties en matrices Transformaties en matrices Lineaire afbeelding Onder een lineaire afbeelding van R n naar R m verstaan we een functie A die aan iedere vector uit R n een vector uit R m toevoegt en van het volgende type

Nadere informatie

Tweede huiswerkopdracht Lineaire algebra 1 Uitwerking en opmerkingen

Tweede 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 informatie

TECHNISCHE 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 (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 informatie

Uitwerkingen huiswerk week 6

Uitwerkingen huiswerk week 6 Lineaire algebra 2 najaar 2008 Uitwerkingen huiswerk week 6 Opgave( 21. ) a b Zij A = F 2 2. (i) Laat zien dat deta noodzakelijk van de vorm deta = ad bc is (door A op bovendriehoeksvorm te transformeren).

Nadere informatie

Het karakteristieke polynoom

Het 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 informatie

Getaltheorie I. c = c 1 = 1 c (1)

Getaltheorie I. c = c 1 = 1 c (1) Lesbrief 1 Getaltheorie I De getaltheorie houdt zich bezig met het onderzoek van eigenschappen van gehele getallen, en meer in het bijzonder, van natuurlijke getallen. In de getaltheorie is het gebruikelijk

Nadere informatie

Tentamen Discrete Wiskunde

Tentamen Discrete Wiskunde Discrete Wiskunde (WB011C) 22 januari 2016 Tentamen Discrete Wiskunde Schrijf op ieder ingeleverd blad duidelijk leesbaar je naam en studentnummer. De opgaven 1 t/m 6 tellen alle even zwaar. Je hoeft slechts

Nadere informatie

Geef niet alleen antwoorden, maar bewijs al je beweringen.

Geef 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 informatie