Processing math: 11%
This course has already ended.

Perusominaisuuksia

Määritelmä.

Olkoon A n×n-neliömatriisi. Skalaaria λ kutsutaan matriisin A ominaisarvoksi, jos löytyy sellainen vektori x0, että Ax=λx. Tällaista vektoria x kutsutaan ominaisarvoon λ liittyväksi ominaisvektoriksi.

Ryhdytään sitten ratkaisemaan ominaisarvoyhtälöä. Huomataan välittömästi, että skalaari λ ja vektori x toteuttavat yhtälön Ax=λx täsmälleen silloin, kun

(AλIn)x=0.

Jos matriisi AλIn on kääntyvä, tällä homogeenisella lineaarisella yhtälöryhmällä on vain triviaaliratkaisu x=0. On siis rajoituttava tutkimaan tilanteita, joissa kyseinen matriisi on singulaarinen, eli kun det. Kun muistetaan, että determinantin laskemisessa hyödynnetään ainoastaan yhteen- ja kertolaskutoimituksia, kyseessä on oltava muuttujan \lambda polynomiyhtälö.

Määritelmä.

Matriisin A karakteristinen polynomi on lauseke \det(A - \lambda I_n).

Lause.

Matriisin A ominaisarvot ovat karakteristisen polynomin juuret.

Yhtälöä \det(A-\lambda I_n)=0 kutsutaan karakteristiseksi yhtälöksi. Nyt saadaan algoritmi matriisin A ominaisarvojen ja niihin liittyvien ominaisvektorien selvittämiseksi.

  1. Ratkaise \lambda karakteristisesta yhtälöstä \det(A-\lambda I_n)=0.
  2. Ratkaise jokaista \lambda kohti homogeeninen yhtälö (A-\lambda I_n)\mathbf{x}=\mathbf{0}, jonka nollasta poikkeavat ratkaisut ovat ominaisvektoreita.

Matriisin A ominaisarvojen joukkoa merkitään \sigma(A) ja sitä sanotaan matriisin A spektriksi. Lisäksi ominaisarvoon \lambda liitetään ominaisavaruus

E_\lambda=\mathcal{N}(A-\lambda I_n).

Määritelmä.

Olkoon \lambda matriisin A ominaisarvo. Ominaisarvon \lambda algebrallinen kertaluku \operatorname{alg}(\lambda) on sen kertaluku karakteristisen polynomin juurena. Ominaisarvon \lambda geometrinen kertaluku \operatorname{geom}(\lambda) = \operatorname{dim}(E_{\lambda}), eli sitä vastaavan ominaisavaruuden dimensio.

Ominaisarvon geometrinen kertaluku kertoo siis sen, kuinka monta lineaarisesti riippumatonta ominaisvektoria kyseistä ominaisarvoa kohti on mahdollista löytää. Käytännön laskuissa tämä tarkoittaa Gaussin eliminoinnissa ratkaisuun tulevien vapaiden muuttujien lukumäärää, sillä ominaisavaruus E_{\lambda} on matriisin A - \lambda I_n nolla-avaruus. Ominaisarvoon liittyville kertaluvuille saadaan seuraavanlainen yhteys.

Lause.

Jos \lambda on matriisin A ominaisarvo, niin 1\le\operatorname{geom}(\lambda)\le \operatorname{alg}(\lambda).

Ominaisarvoista voi myös mukavasti päätellä, onko matriisi kääntyvä.

Lause.

Neliömatriisi A on kääntyvä täsmälleen silloin, kun 0 ei ole sen ominaisarvo.

Todistus.

Esimerkki.

Määrää matriisin

\begin{split}A=\begin{bmatrix} 4 & 0 & 1\\ 2 & 3 & 2\\ -1 & 0 & 2 \end{bmatrix}\end{split}

spektri, sekä ominaisarvoihin liittyvät ominaisavaruudet ja kertaluvut. Onko A kääntyvä?

Ratkaisu.

Huomautus.

Ominaisarvoa \lambda vastaa aina ääretön määrä ominaisvektoreita. Nimittäin jos \mathbf{x} on jokin ominaisvektori, niin

A(t\mathbf{x}) = t(A\mathbf{x}) = t(\lambda\mathbf{x}) = \lambda(t\mathbf{x}).

Näin päätellään, että myös t\mathbf{x} on ominaisvektori aina, kun t \not= 0. Joskus puhutaan ominaisarvoa \lambda vastaavien lineaarisesti riippumattomien ominaisvektoreiden lukumäärästä, mikä on sama kuin \operatorname{geom}(\lambda). Jokainen ominaisavaruuden E_{\lambda} vektori \mathbf{x}\not= 0 on ominaisarvoon \lambda liittyvä ominaisvektori.

Esimerkki.

Määrää matriisin

\begin{split}A=\begin{bmatrix} 1 & 3 \\ -2 & 6 \end{bmatrix}\end{split}

spektri, sekä ominaisarvoihin liittyvät ominaisavaruudet ja kertaluvut. Onko A kääntyvä?

Ratkaisu.

Esimerkki.

Olkoon

\begin{split}A = \begin{bmatrix} 1 & 0 & 2 \\ 3 & -1 & 3 \\ 2 & 0 & 1 \\ \end{bmatrix}.\end{split}

Laske matriisin A ominaisarvot ja ominaisarvoja vastaavat ominaisavaruudet. Määritä lisäksi ominaisarvojen algebralliset ja geometriset kertaluvut.

Ratkaisu.
Posting submission...