Compare commits

...

3 Commits

4 changed files with 156 additions and 8 deletions

View File

@@ -103,6 +103,14 @@ equal
equations
ekvationen
em
egenvärdarna
egenvärden
engenvärdena
egenvektor
egenvärde
egenskap
endast
egenvektorer
med
moam
matris
@@ -136,6 +144,7 @@ measured
mellan
matrisen
mängden
multiplicitet
reella
rella
rektagulär
@@ -177,6 +186,9 @@ rätviklig
rektangle
räkneregler
realla
resultat
räknad
räknas
koefficienter
konstant
koeffienter
@@ -204,6 +216,11 @@ kvadratisk
kända
kvar
kvadratiska
kofaktormatris
kavaktieiska
karakterisktiska
kalla
kolumnmatris
är
än
ändpunkten
@@ -263,6 +280,8 @@ standerd
skulle
summa
skriva
sammanfaller
shcema
av
alla
allmänt
@@ -298,6 +317,7 @@ also
are
använda
anta
alltid
där
det
den
@@ -337,6 +357,7 @@ determinant
deferminanten
determinanten
diaonal
dana
Varje
Variablar
Variabeln
@@ -373,6 +394,7 @@ identitersmatrisen
invers
inverser
index
ich
variabler
vatiabler
vatiable
@@ -399,6 +421,7 @@ vars
vinkeln
vanliga
vet
vata
och
om
ordning
@@ -424,6 +447,8 @@ odd
okänd
ordningen
ojämt
ohc
oberoende
hat
herstamade
här
@@ -442,6 +467,7 @@ hJ
hBf
hence
ha
hända
gemmesamma
gauss
gäller
@@ -488,6 +514,7 @@ function
fuction
funkar
find
finnas
term
tal
till
@@ -523,6 +550,8 @@ talet
talen
termer
ta
triangul
tirangulär
ut
utgöt
under
@@ -538,6 +567,7 @@ uZ
unit
uppfyller
utvald
upprepas
HL
Hur
HmE
@@ -567,6 +597,7 @@ Solve
Similarly
Som
SATS
Samma
börjar
bestämmer
befiner
@@ -619,6 +650,8 @@ plane
penmutationer
permutation
parytor
polynom
produkten
Alla
Antigen
Avslutande
@@ -642,6 +675,7 @@ Obs
Oqj
OL
Op
Observera
nga
nollställen
nu
@@ -724,6 +758,8 @@ Fr
For
FAKTA
Fins
Föreläsning
Följande
Global
GD
Graf
@@ -737,6 +773,7 @@ KKK
Koraste
KZ
Koordinatrummet
Kallas
Primärfunktioner
Produkt
Paramaterformen
@@ -820,6 +857,7 @@ Nutth
Nd
Note
Negatives
Nollställena
WT
Wn
Wdj

View File

@@ -22,20 +22,35 @@
}
},
{
"id": "91afe3b628f39918",
"id": "80e9057cf6d4aa05",
"type": "leaf",
"state": {
"type": "markdown",
"state": {
"file": "Ekvations System.md",
"file": "Egenvärderna (Kap 10).md",
"mode": "source",
"source": false
},
"icon": "lucide-file",
"title": "Ekvations System"
"title": "Egenvärderna (Kap 10)"
}
},
{
"id": "bda857902ed8a5fc",
"type": "leaf",
"state": {
"type": "markdown",
"state": {
"file": "Matrisgeometri (Kap 5).md",
"mode": "source",
"source": false
},
"icon": "lucide-file",
"title": "Matrisgeometri (Kap 5)"
}
}
]
],
"currentTab": 2
}
],
"direction": "vertical"
@@ -67,7 +82,7 @@
"state": {
"type": "search",
"state": {
"query": "transponering",
"query": "",
"matchingCase": false,
"explainSearch": false,
"collapseAll": false,
@@ -88,7 +103,8 @@
"title": "Bookmarks"
}
}
]
],
"currentTab": 1
}
],
"direction": "horizontal",
@@ -194,10 +210,12 @@
"obsidian-git:Open Git source control": false
}
},
"active": "334286c6c273f693",
"active": "bda857902ed8a5fc",
"lastOpenFiles": [
"Ekvations System.md",
"Egenvärderna (Kap 10).md",
"Matrisgeometri (Kap 5).md",
"Determinanter (Kap. 6).md",
"Ekvations System.md",
"Matriser.md",
"Vektorer.md",
"Maclaurin.md",

84
Egenvärderna (Kap 10).md Normal file
View File

@@ -0,0 +1,84 @@
**DEF**: *Låt $A$ vara $m\times{n}$ matris. Polynomet $$p_A(\lambda)=\det(A-\lambda I)$$. Kallas för matrisens kavaktieiska polynom. $\lambda\dots$ variabeln för detta polynom*
**EX**: $$\begin{aligned}\text{Låt }A=\begin{bmatrix}2&-1\\3&-2\end{bmatrix}.\text{ Då är }A-\lambda{I}=\\\begin{bmatrix}2&-1\\3&-2\end{bmatrix}-\begin{bmatrix}\lambda&0\\0&\lambda\end{bmatrix}=\begin{bmatrix}2-\lambda&-1\\3&-2-\lambda\end{bmatrix}\\\Rightarrow\det(A-\lambda{I})=\begin{vmatrix}2-\lambda&-1\\3&-2-\lambda\end{vmatrix}=(2-\lambda)(-2-\lambda)-(-1)\times3\\=-4\cancel{-2\lambda}\cancel{+2\lambda}+\lambda^2+3=\underbrace{\lambda^2-4}\\\text{OBS: En $2\times2$ matris har en andragrads karaktieristisk polynom}\end{aligned}$$
**DEF**: *Låt A vara en $m\times{n}$ matris. Nollställena till matrisens karakterisktiska polynom kalla för matrisens egenvärdarna.*$$P_A(\lambda)=0$$
**OBS**:
- *En $m\times{n}$ matris har alltid $m$ stycken egenvärden räknad med multiplicitet.* $$P_A(\lambda)=(\lambda-1)^3(\lambda-2)\Rightarrow\underbrace{4}.\text{ Lösninger: }\lambda=1,\lambda=1,\lambda=1,\lambda=2$$
- *En matris med reella element behöver inte ha reella egenvärden* $$P_A(\lambda)=\lambda^2+1\Rightarrow\lambda^2+1=0\Rightarrow\lambda=+i,\lambda=-i$$
**EX**: $$\begin{aligned}A=\begin{bmatrix}2&-1\\3&-2\end{bmatrix}\Rightarrow P_A(\lambda)=\lambda^2-1\Rightarrow\text{egenvärdena: }\lambda^2-1=0\Rightarrow\lambda=\pm1\end{aligned}$$
**EX**: $$\begin{aligned}\text{Beräknaq egenvärdena av matrisen }A=\begin{bmatrix}13&4&8\\-6&-1&-4\\18&-6&-11\end{bmatrix}\\\text{Vi beräknar:}\\\det(A-\lambda I)=\begin{vmatrix}13-\lambda&4&8\\-6&-1-\lambda&-4\\-18&-6&-11-\lambda\end{vmatrix}=\\(13-\lambda)\begin{vmatrix}-1-\lambda&-4\\-6&-11-\lambda\end{vmatrix}-4\begin{vmatrix}-6&-4\\-18&-11\lambda\end{vmatrix}+8\begin{vmatrix}-6&-1-\lambda\\-18&-6\end{vmatrix}\\(13-\lambda)\left(11+\lambda+11\lambda+\lambda^2-24\right)-4(66+6\lambda-72)+8(36-18-18\lambda)\\=(13-\lambda)(\lambda^2+12\lambda-13)-4(64-6)+8(18-18\lambda)\\=13\lambda^2+12\times13\lambda-13^2-\lambda^3-12\lambda^2+13\lambda-24\lambda+24+144-144\lambda\\=-\lambda^3+\lambda^2+\lambda-1=-\lambda^2)(\lambda-1)+(\lambda-1)=(\lambda-1)(-\lambda^2-1)=\\(\lambda-1)\times(-1)\times(\lambda^2-1)=(\lambda^2-1)\times(-1)\times(\lambda-1)(\lambda+1)\\=-(\lambda-1)^2(\lambda+1)\end{aligned}$$
**SATS**: *Låt $A$ vara en $m\times{n}$ matris, ich anta att $A$ antigen är diagonal eller triangulär (över eller under). Då sammanfaller engenvärdena med matrisens diagonala element*
**BEVIS**: *Observera att matrisen $A-\lambda I$ är också diagonal eller tirangulär. Men för sådana matriser är determinanten lika med produkten av diagonala element (Föreläsning 12)*$$\begin{aligned}\Rightarrow P_A(\lambda)=\det(A-\lambda I)=\prod_{i=1}^{m}(a_{ii}-\lambda)\\\Rightarrow P_A(\lambda)=0\text{ precis för }\lambda=a_{11},\;\lambda=a_{22}\;\dots,\;\lambda=a_{mm}\end{aligned}$$
**DEF**: *Låt $A$ vara en $m\times{n}$ matris och $\lambda$ vara ett av matrisens egenvärden. En $m\times1$ kolumnmatris $\overrightarrow{x}$ kallas för en egenvektor tillhörande $\lambda$ om $\overrightarrow{x}\neq\overrightarrow{0}$ och $A\overrightarrow{x}=\lambda\overrightarrow{x}$*
**OBS**:
- *Varje egenvärde har minst en egenskap*
- *Om ett egenvärde upprepas, kan vi endast ha en linjärt oberoende egenvektor*
- *Följande kan också hända: För ett egenvärde som upprepas $k$-gånger kan det finnas $k$ linjärt oberoende egenvektorer*
- *Egenskaper räknas ut med hjälp av ett gauss shcema*
**EX** $$\begin{aligned}
A=\begin{bmatrix}
2&-1\\
3&-1
\end{bmatrix},\text{ där vi redan har beröknat att }\lambda=\pm1\text{ egenvärdena}\\
\text{Vad är de motsvarande egenvektorerna?}\\
\begin{aligned}
\text{Vilket schema?}\Rightarrow\begin{aligned}
VL=A-\lambda I\\
HL=\overrightarrow{o}
\end{aligned}
&&
\begin{pmatrix}
A\overrightarrow{x}&=\lambda\overrightarrow{x}\\
A\overrightarrow{x}-\lambda\overrightarrow{x}&=\overrightarrow{0}\\
\left(A-\lambda I\right)\overrightarrow{x}&\overrightarrow{0}
\end{pmatrix}
\end{aligned}\\
\lambda=+1:\begin{pmatrix}
1&-3&|&0\\
3&-3&|&0
\end{pmatrix}
\begin{aligned}
R_2-3R_1\rightarrow{R_2}\\
\xrightarrow{}
\end{aligned}
\begin{pmatrix}
1&-1&|&0\\
0&0&|&0
\end{pmatrix}\Rightarrow\overrightarrow{x}\\=\begin{bmatrix}
x\\y
\end{bmatrix}\text{ Där }\begin{aligned}
y=t\text{ (fri variable)}\\
x-y=0\Rightarrow x=t
\end{aligned}\\\\
\lambda=-1:\begin{pmatrix}
3&-1&|&0\\
3&-1&|&0
\end{pmatrix}
\begin{aligned}
R_2-R_1\rightarrow{R_2}\\
\xrightarrow{}
\end{aligned}
\begin{pmatrix}
3&-1&|&0\\
0&0&|&0
\end{pmatrix}\\
\begin{aligned}
\frac13R_1\rightarrow{R_1}\\
\xrightarrow{}
\end{aligned}
\begin{pmatrix}
1&-\frac13&|&0\\
0&0&|&0
\end{pmatrix}\Rightarrow\begin{aligned}
y=t\text{ (fri variable)}\\
x-\frac13y=0\Rightarrow x=\frac13t\\\Rightarrow\begin{bmatrix}
x\\y
\end{bmatrix}
=\begin{bmatrix}
\frac13t\\
t
\end{bmatrix}=t\times\begin{bmatrix}
\frac13\\
1
\end{bmatrix}
\end{aligned}
\end{aligned}$$

View File

@@ -0,0 +1,8 @@
**OBS**: *En $m\times{n}$ matris kan tänkas bestå av $n$ stycken $m\times1$ kolumner*$$A=\begin{bmatrix}a_{11}&1_{12}&\dots&a_{1n}\\a_{21}&a_{22}&\dots&a_{2n}\\\vdots&\vdots&\ddots&\vdots\\a_{m1}&a_{m2}&\dots&a_{mn}\end{bmatrix}\Rightarrow A=\begin{bmatrix}|&|&\dots&|\\\overrightarrow{a_1}&\overrightarrow{a_2}&\dots&\overrightarrow{a_m}\\|&|&\dots&|\end{bmatrix}$$
**EX**: $$A=\begin{bmatrix}1&2&3\\4&5&6\end{bmatrix}\Rightarrow\overrightarrow{a_1}=\begin{bmatrix}1\\5\end{bmatrix},\;\overrightarrow{a_2}=\begin{bmatrix}2\\5\end{bmatrix},\;\overrightarrow{a_3}=\begin{bmatrix}3\\6\end{bmatrix}$$
**OBS (fortsätning)**: *Transponaten av en matris lyfter rader mot kolumner och kolumner mot rader*$$A^T=\begin{bmatrix}\textemdash&\overrightarrow{a_1}^T&\textemdash\\\textemdash&\overrightarrow{a_2}^T&\textemdash\\&\vdots\\\textemdash&\overrightarrow{a_m}^T&\textemdash\end{bmatrix}\;\;\begin{aligned}\text{EX: }A=\begin{bmatrix}1&2&3\\4&5&6\end{bmatrix}\Rightarrow A^T=\begin{bmatrix}1&4\\2&5\\3&6\end{bmatrix}\\\Rightarrow \overrightarrow{a_1}^T=\begin{bmatrix}1&4\end{bmatrix},\;\overrightarrow{a_2}^T=\begin{bmatrix}2&5\end{bmatrix},\;\overrightarrow{a_3}^T=\begin{bmatrix}3&6\end{bmatrix}\end{aligned}$$
**OBS**: *Vad händer om vi har tvp $3\times1$ kolumnmatriser* $$\overrightarrow{a}=\begin{bmatrix}
1\\2\\3
\end{bmatrix},\overrightarrow{l}=\begin{bmatrix}
7\\8\\9
\end{bmatrix}$$