Overzicht. Eigenwaarden. Beurzen en afhankelijkheid. Eigenwaarden: Intro

Vergelijkbare documenten
NP2.5w3 Eigenwaarden. Eigenwaarden. VU Numeriek Programmeren 2.5. Charles Bos. Vrije Universiteit Amsterdam 1A april /26

Lineaire Algebra voor W 2Y650

Eigenwaarden en eigenvectoren in R n

Lineaire Algebra voor ST

Lineaire Algebra voor ST

Lineaire Algebra voor ST

Lineaire vergelijkingen II: Pivotering

Definities, stellingen en methoden uit David Poole s Linear Algebra A Modern Introduction - Second Edtion benodigd voor het tentamen Matrix Algebra 2

Eigenwaarden en eigenvectoren

Aanvullingen bij Hoofdstuk 8

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica

11.0 Voorkennis V

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

Samenvatting Lineaire Algebra, periode 4

Eigenwaarden en Diagonaliseerbaarheid

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

Lineaire Algebra voor W 2Y650

Tentamen Lineaire Algebra 1 (Wiskundigen)

extra sommen bij Numerieke lineaire algebra

UITWERKINGEN 1 2 C : 2 =

WI1808TH1/CiTG - Lineaire algebra deel 1

Tentamen Lineaire Algebra B

Jordan normaalvorm. Hoofdstuk 7

Symmetrische matrices

Uitwerking opgaven 17 december. Spoilers!!

Hoofdstuk 3 : Determinanten

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

Toepassingen op discrete dynamische systemen

Lineaire Algebra Een Samenvatting

Complexe eigenwaarden

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

Tentamen Lineaire Algebra voor BMT en TIW (2DM20) op vrijdag 11 mei 2007, 9:00 12:00 uur.

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Lineaire Algebra voor ST (2DS06) op , uur.

Lineaire Algebra (2DD12) Laatste nieuws in 2012

Lineaire vergelijkingen

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Lineaire Algebra voor ST (2DS06) op , uur.

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).

(2) Stel een parametervoorstelling op van de doorsnijdingskromme van sfeer en cilinder in de voorkeurpositie.

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica

Meetkunde en lineaire algebra

Geadjungeerde en normaliteit

1 Eigenwaarden en eigenvectoren

CTB1002-D2 Lineaire Algebra 2

Matrices en Stelsel Lineaire Vergelijkingen

EXAMEN LINEAIRE ALGEBRA EN ANALYTISCHE MEETKUNDE I. 1. Theorie

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

Uitwerkingen tentamen Lineaire Algebra 2 16 januari, en B =

TENTAMEN LINEAIRE ALGEBRA 1 donderdag 23 december 2004,

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica

Eindtermen Lineaire Algebra voor E vor VKO (2DE01)

TENTAMEN LINEAIRE ALGEBRA 2 dinsdag 3 april 2007,

Anton-Rorres Anton-Rorres

Uitwerkingen tentamen Lineaire Algebra 2 16 januari, en B =

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

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

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

Uitwerkingen tentamen Lineaire Algebra 2

De wiskunde van computerberekeningen. Jan Brandts Korteweg-de Vries Instituut voor Wiskunde Universiteit van Amsterdam.

Uitwerkingen Lineaire Algebra I (wiskundigen) 22 januari, 2015

Tentamen Lineaire Algebra UITWERKINGEN

ONBETWIST ONderwijs verbeteren met WISkunde Toetsen Voorbeeldtoetsen Lineaire Algebra Deliverable 3.10 Henk van der Kooij ONBETWIST Deliverable 3.

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

Toepassingen op differentievergelijkingen

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica

Voorwaardelijke optimalisatie

Hoofdstuk 3 : Determinanten

Practicum Ox intro. Practicum Ox intro. VU Numeriek Programmeren 2.5. Charles Bos. Vrije Universiteit Amsterdam. 3 april /18

TENTAMEN LINEAIRE ALGEBRA 1A. maandag 16 december 2002, b. Bepaal een basis voor de rijruimte en voor de kolomruimte van A.

Lineaire Algebra voor W 2Y650

Tentamen Lineaire Algebra

UITWERKINGEN d. Eliminatie van a geeft d. Eliminatie van b,

Examen Lineaire Algebra en Meetkunde Tweede zit (13:30-17:30)

Principale Componenten Analyse:

Praktische informatie. m.b.t. College. Lineaire Algebra en Beeldverwerking. Bachelor Informatica. 1e jaar. Voorjaar semester 2012

Radboud Universiteit Nijmegen

Vectorruimten met inproduct

Samenvatting. Lineaire Algebra 1 - Collegejaar Dictaat met verwijzing naar het boek. Disclaimer

Technische Universiteit Delft. ANTWOORDEN van Tentamen Gewone differentiaalvergelijkingen, TW2030 Vrijdag 30 januari 2015,

Vragen, samenvattingen en uitwerkingen Lineaire algebra 1 - UvA

Oefensommen tentamen Lineaire algebra 2 - december A =

PROEFEXAMEN LINEAIRE ALGEBRA dinsdag 22 november 2016

Wiskundigen. Tentamen Lineaire Algebra 1. Donderdag 18 december 2008, a ( )

Vierde huiswerkopdracht Lineaire algebra 1

Praktische informatie m.b.t. College Lineaire Algebra en Beeldverwerking Bachelor Informatica en Economie 2 e jaar Voorjaar semester 2013 Docent:

1.1 Oefen opgaven. Opgave Van de lineaire afbeelding A : R 3 R 3 is gegeven dat 6 2, 5 4, A 1 1 = A = Bepaal de matrix van A.

6. Lineaire operatoren

3.2 Vectoren and matrices

Het karakteristieke polynoom

Hertentamen WISN102 Wiskundige Technieken 2 Di 17 april 13:30 16:30

Geef niet alleen antwoorden, maar bewijs al je beweringen.

Uitwerking 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

Lineaire Algebra voor ST

Inwendig product, lengte en orthogonaliteit in R n

Lineaire algebra I (wiskundigen)

Lineaire Algebra voor ST

Vincent van der Noort Scoop vult de gaten in onze kennis... Het gevoel van eigenwaarden van David J. Griffith

Unitaire en Hermitese transformaties

Stelsels van lineaire DVen met constante coëfficiënten

Lineaire Algebra voor ST

Hoofdstuk 9: Niet-lineaire differentiaalvergelijkingen en stabiliteit

Transcriptie:

Overzicht Eigenwaarden VU Numeriek Programmeren. Charles Bos Vrije Universiteit Amsterdam c.s.bos@vu.nl, A april Waarom? Voorbeelden Eigenwaarden/eigenvectoren Hoe vind ik ze? Polynoom Powermethode Andere methodes Terugblik & Huiswerk /3 /3 Eigenwaarden: Intro Beurzen en afhankelijkheid 7 FRCAC 3 Basis formule: A v = λv v R n \ A R n n Beschrijf A via z n eigenvectoren v eigenwaarden λ Maar eerst: Waarom? 9 9 AMSTEOE x FRCAC 8 - - - -8-8 - - - 8 FTSE x FRCAC - - - -8 - - - 8 8 AMSTEOE 7 3 9 9 FTSE x AMSTEOE - - - -8 - - - 8 7 FTSE 3 3 9 9 LUXGENI x FRCAC LUXGENI x AMSTEOE LUXGENI x FTSE 8 LUXGENI - - - 8 - - - 3/3 - -8 - - - 8 - -8 - - - 8 - - - - 9 /3

Beurzen: Correlaties, eigenwaardes, eigenvectoren Waarom? PCA....8... v x v -. -. -.....8.....8... v3 x v -. -. -.....8... Eigenvectoren, geschaald naar eigenwaardes Correlatie Fr NL UK Lux FRCAC..8.77.3 AMSTEOE.8..77. FTSE.77.77..3 LUXGENI.3..3. Eigenwaarden λ λ λ 3 λ.83.78.. Eigenvectoren v v v 3 v.9 -.38 -.77 -.3... -.39.9 -.3 -.8..3. -.3.7 Principale componenten analyse Bekijk in welke richting de meest belangrijke eigenvectoren van een variantie-covariantie matrix liggen. Hoeveel eigenvectoren beschrijven de matrix? Zijn er richtingen die nauwelijks van belang zijn? Herinner je de bivariaat normale verdeling: Genereer trekkingen Y uit Y = µ + C X N (µ, Σ), µ = Zie plaatje op volgende slide ( ), Σ = ( ).9.9 /3 /3 PCA: Bivariaat normaal 3 - - y -3 - - 3 7 y Wat gebeurt er hier? ( ) ( ).9.987.89 Σ = ˆΣ =.9.89.97 ( ) ( ) ( ) ( ) λ.9 ( ) C = = v v.9.389. = λ PCA: Bivariaat normaal, minder correlatie 3 - - y -3 - - 3 y Wat gebeurt er nu, met minder correlatie? ( ) ( )..987. Σ = ˆΣ =...73 ( ) ( ) ( ) ( ) λ. ( ) C = = v v..9999.9 = λ 7/3 8/3

Check eigenwaarde A v = λv Merk op: ( ).9 A = Σ =.9 (.9.9 λ =.9 v = ) ( ) = ( ) ( ).9 =.9.9 ( ) Eigenvector geeft richting aan; als v een eigenvector, dan ook αv Werkt alleen voor vierkante matrices A A hoeft niet symmetrisch te zijn Eigenwaarden en vectoren kunnen irreeel zijn Irreeele eigenwaarden # include <oxstd.h> main () { decl ma, ir, veigw, meigv ; } ma= <-,, -7, -; -, 8,, ;, -3, -3, -8; -,,, -8>; ir= eigen (ma, &veigw, & meigv ); print (" Eigenvalues : ", "%r", {" real ", " imag "}, veigw ); print (" Eigenvectors ( first real, then imag ): ", meigv ); Eigenvalues: real -9.8 -.38 -.38.3 imag. 8.83-8.83. Eigenvectors (first real, then imag):. -.87 -.87.7 -.3 -.33 -.33.... -..88.98.98.9..878 -.878...77 -.77.. -.... -.7.7. 9/3 /3 Definities Definities II σ(a) = λ,..., λ n Spectrum E(λ) = v i λ i = λ Eigenruimte voor eigenwaarde λ m(λ) = dim(e(λ)) Meetkundige multipliciteit, dimensie eigenruimte Twee verschillende eigenwaardes twee verschillende eigenruimtes A = T A S Equivalent A = T A Rij-equivalent (S I) E.g. A = L U A en U rij-equivalent A = T A T Gelijkvormig (σ(a) = σ(a )) D = T A T Diagonaliseerbaar Eenvoudige structuur: A heeft n lineair onafhankelijke eigenvectoren Eenvoudige structuur Diagonaliseerbaar. Iedere reele symmetrische matrix heeft reele eigenwaarden, en onafhankelijke eigenvectoren. Als A X = λx en A regulier (ie inverteerbaar), dan ook A X = λ X, oftewel λ σ(a) λ σ(a ) 3. n Z : A X = λx A n X = λ n X en dus ook p(a)x = p(λ)x, met p(x) een polynoom. /3 /3

Berekening eigenwaarden A v = λv (A v λv) = (A λ I)v = Z v = det(z) = det(a λ I) = Polynoom in λ van orde n: Vind n oplossingen... #λ i = λ Algebraische meervoudigheid van λ Voorbeeld a a λ A = a A λ I = a λ a a λ det(a λi ) = (a λ) 3 = Oftewel λ = a is een (algebraisch drievoudige) oplossing. Welke eigenvectoren horen bij deze λ? (A λi )v = : x v = v = 3/3 Ergo: Ruimte van eigenvectoren is (meetkundig) enkelvoudig, eendimensionale ruimte. /3 Methoden. Polynoom oplossen (simpel als n =, niet leuk daarboven zonder computer). Power methode 3. Gelijkvormigheidstransformaties (niet behandeld). QR decompositie (niet behandeld). Verschuivingen Polynoom Het karakteristieke polynoom is p(λ) = det(a λ I) = a λ n +.. + a n λ + a n = n (λ λ i ) Dus om het karakteristieke polynoom te vinden:. Vind de eigenwaardes λ i, i =,.., n (ir= eigen(ma, &vl, &mv)). Bouw het polynoom en werk de haakjes weg va= polymake(vl); // Bouw polynoom obv wortels NB: Soms wordt polynoom in inverse wortels, x = λ, geschreven, p(λ) = a λ n +.. + a n λ + a n λ i= p (x) = p(λ)λ n = a +.. + a n x n + a n x n /3 /3

Power methode Stel dat Dan: Kies willekeurige x (). Construeer rij x (k) volgens Er geldt λ > λ λ 3 λ n. x (k+) = A x (k) / A x (k). (A x (k) ) j (x (k) ) j λ, en x (k) x = v. Dwz: De verhouding tussen een coordinaat j (j =,.., n) van x (k) en A x (k) gaat naar λ, terwijl x (k) naar v gaat. 7/3 Power methode II Stel dat v,, v n de hele ruimte opspannen. Dan A v i = λ i v i A v i = A λ i v i = λ i A v i = λ i v i x = ξ v + ξ i v i A k x = ξ A k v + = λ k ( ξ v + i= ξ i A k v i = ξ λ k v + i= i= ξ i λ k i v i i= ( ) ) k λi k ξ i v i λ k λ ξ v 8/3 Power methode III Check power methode voor financiele data: ma= <.,.8,.77,.3;.8,.,.77,.;.77,.77,.,.3;.3,.,.3,. >; Listing : np dhpower.ox. Start met een willekeurige x (), e.g. vx= rann(in, ), zet k =. Bereken x (k+) = Ax (k) 3. Schaal met (bijvoorbeeld) z n lengte, x (k+) = x (k+) / x (k+) (kies zelf een norm). Herhaal vanaf tot convergentie Powermethode IIIb Wat is convergentie? k = bijvoorbeeld... x (k+) x (k) < ɛ, voor een kleine ɛ λ (k+) λ (k) < ɛ Andere opties? 9/3 /3

Powermethode IV Verschuivingen Als σ(a) = λ,..., λ n, wat is dan σ(a s I)? Problemen rond nullen? Stabiliteit: Normering Wat als λ λ? Kleinste eigenwaarde? Gebruik A, die heeft eigenwaardes λ,.., λ n (LU-decompositie?) inverse powermethode = det(a λ I) = det(a s I λ I +s I) σ(a s I) = λ s,..., λ n s Stel dat je ongeveer weet wat λ k is, en je kiest s = ˆλ k. Dan geldt dat λ k s < λ i s, i k Gebruik inverse power methode! /3 /3 Terugblik Wat hebben we gedaan? Discussie eigenwaardes Algoritmes Huiswerk & practicum: Bestudeer DH restant Neem de correlatie-matrix uit het financiele voorbeeld en bereken met de power-methode. De grootste eigenwaarde. De kleinste eigenwaarde 3. De eigenwaarde die het dichtst bij de zit Neem een kleinere matrix, e.g. A =<,.9;.9, >, en bepaal het karakteristieke polynoom. Doe dit met de hand, en ook met de computer. Controleer je uitkomst, door je programma het polynoom p(λ) = n i= a iλ n i uit te laten rekenen. 3/3