Hfst 12: Symmetrische matrices gegeven door prof Willem Waegeman Deze samenvatting beslaat de cursus waaraan extra inzichten en bevindingen zijn toegevoegd + !!stappenplannen voor verschillende soorten oefeningen uit te werken!!
Orthogonale matrices
Eigenschappen voor een orthogonale matrix U geldt
▪ Orthonormale verzameling kolomvectoren (ook orthogonaal dus, staan loodrecht op elkaar en hebben
norm 1) + de kolomvectoren zijn ook lineair onafhankelijk
▪ UT = U-1
▪ ||U𝑥⃗|| = ||𝑥⃗|| bij een lineaire transformatie met een orthogonale matrix U op een vector
zal de norm van de vector waarvan je vertrekt hetzelfde blijven
▪ (U𝑥⃗) (U𝑦⃗) = 𝑥⃗ 𝑦⃗
. .
het scalair product zal niet veranderen als je op beide een lineaire transformatie
doet met een orthogonale matrix
▪ (U𝑥⃗) (U𝑦⃗) = 0
. ⃗⃗ 𝑥⃗ . 𝑦⃗ = ⃗0⃗, dus voor de lineaire transformatie moet het product ook ⃗0⃗ zijn
Symmetrische matrices
Voor een symmetrische, reële matrix geldt:
▪ A is een vierkante matrix
▪ A = AT
▪ A heeft reële eigenwaarden
▪ Eigenvectoren die bij verschillende eigenwaarden vormen een orthogonale verzameling (dus ook
lineair onafhankelijk) (nog sterker dan lineair onafhankelijk, wat ook geldt bij eigenvetoren van
verschillende eigenwaarden)
▪ αA(λ) = γA(λ) voor een eigenwaarde, ook sterker dan algemeen αA(λ) ≥ γA(λ) (nodig om diagonaliseerbaar
te zijn)
▪ A is orthogonaal diagonaliseerbaar → A = PDP-1 = PDPT met P = orthogonale matrix = orthogonale
diagonalisatie, hoeft niet meer inverse te berekenen (ortoghonale matrix → orthonormale vect)
Schrijf A als PDPT:
Bereken de eigenwaarden en de bijhorende eigenvectoren
Een symmetrische matrix heeft al de eigenschap dat de eigenvectoren onderling orthogonaal zijn dus
hoeft dit eigenlijk niet te checken
Wel de vectoren nog normaliseren (delen door norm) want moet orthogonale matrix P hebben =
orthonormale vectoren, de vectoren zijn onderling wel al orthogonaal
Samen zetten in P en corresponderende D opstellen
Bereken dan PT ipv de inverse
!!! indien je twee keer een eigenwaarde hebt zal je ook 2 eigenvectoren hebben zodat αA(λ) = γA(λ) voor
elke eigenwaarde want moet voor een symmetrische matrix
Analyse van kwadratische vormen
Kwadratische vorm = Q(𝒙
⃗⃗) = 𝒙
⃗⃗TA 𝒙
⃗⃗ met A een symmetrische matrix, vb:
=
Dan moet A opgesteld worden, de rijen worden van x1 tot x3 genummerd in dit geval, evenals de kolommen, zo
komt op a11 x1² te staan en op a12 en a21 x1x2, zo bekom je dus de symmetrische matrix
Stel 𝑥⃗ = [x1, x2, x3]
Kan dus een kwadratische vorm als een matrix schrijven (A)
!!! als je bv -4x1x2 hebt herschrijven als -2x1x2 -2x1x2 zodat je op a12 en a21 -2 kan schrijven
Les avantages d'acheter des résumés chez Stuvia:
Qualité garantie par les avis des clients
Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.
L’achat facile et rapide
Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.
Focus sur l’essentiel
Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.
Foire aux questions
Qu'est-ce que j'obtiens en achetant ce document ?
Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.
Garantie de remboursement : comment ça marche ?
Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.
Auprès de qui est-ce que j'achète ce résumé ?
Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur BioIngenieur. Stuvia facilite les paiements au vendeur.
Est-ce que j'aurai un abonnement?
Non, vous n'achetez ce résumé que pour €2,99. Vous n'êtes lié à rien après votre achat.
