\\\\( \nonumber \newcommand{\bevisslut}{$\blacksquare$} \newenvironment{matr}[1]{\hspace{-.8mm}\begin{bmatrix}\hspace{-1mm}\begin{array}{#1}}{\end{array}\hspace{-1mm}\end{bmatrix}\hspace{-.8mm}} \newcommand{\transp}{\hspace{-.6mm}^{\top}} \newcommand{\maengde}[2]{\left\lbrace \hspace{-1mm} \begin{array}{c|c} #1 & #2 \end{array} \hspace{-1mm} \right\rbrace} \newenvironment{eqnalign}[1]{\begin{equation}\begin{array}{#1}}{\end{array}\end{equation}} \newcommand{\eqnl}{} \newcommand{\matind}[3]{{_\mathrm{#1}\mathbf{#2}_\mathrm{#3}}} \newcommand{\vekind}[2]{{_\mathrm{#1}\mathbf{#2}}} \newcommand{\jac}[2]{{\mathrm{Jacobi}_\mathbf{#1} (#2)}} \newcommand{\diver}[2]{{\mathrm{div}\mathbf{#1} (#2)}} \newcommand{\rot}[1]{{\mathbf{rot}\mathbf{(#1)}}} \newcommand{\am}{\mathrm{am}} \newcommand{\gm}{\mathrm{gm}} \newcommand{\E}{\mathrm{E}} \newcommand{\Span}{\mathrm{span}} \newcommand{\mU}{\mathbf{U}} \newcommand{\mA}{\mathbf{A}} \newcommand{\mB}{\mathbf{B}} \newcommand{\mC}{\mathbf{C}} \newcommand{\mD}{\mathbf{D}} \newcommand{\mE}{\mathbf{E}} \newcommand{\mF}{\mathbf{F}} \newcommand{\mK}{\mathbf{K}} \newcommand{\mI}{\mathbf{I}} \newcommand{\mM}{\mathbf{M}} \newcommand{\mN}{\mathbf{N}} \newcommand{\mQ}{\mathbf{Q}} \newcommand{\mT}{\mathbf{T}} \newcommand{\mV}{\mathbf{V}} \newcommand{\mW}{\mathbf{W}} \newcommand{\mX}{\mathbf{X}} \newcommand{\ma}{\mathbf{a}} \newcommand{\mb}{\mathbf{b}} \newcommand{\mc}{\mathbf{c}} \newcommand{\md}{\mathbf{d}} \newcommand{\me}{\mathbf{e}} \newcommand{\mn}{\mathbf{n}} \newcommand{\mr}{\mathbf{r}} \newcommand{\mv}{\mathbf{v}} \newcommand{\mw}{\mathbf{w}} \newcommand{\mx}{\mathbf{x}} \newcommand{\mxb}{\mathbf{x_{bet}}} \newcommand{\my}{\mathbf{y}} \newcommand{\mz}{\mathbf{z}} \newcommand{\reel}{\mathbb{R}} \newcommand{\mL}{\bm{\Lambda}} \newcommand{\mnul}{\mathbf{0}} \newcommand{\trap}[1]{\mathrm{trap}(#1)} \newcommand{\Det}{\operatorname{Det}} \newcommand{\adj}{\operatorname{adj}} \newcommand{\Ar}{\operatorname{Areal}} \newcommand{\Vol}{\operatorname{Vol}} \newcommand{\Rum}{\operatorname{Rum}} \newcommand{\diag}{\operatorname{\bf{diag}}} \newcommand{\bidiag}{\operatorname{\bf{bidiag}}} \newcommand{\spanVec}[1]{\mathrm{span}{#1}} \newcommand{\Div}{\operatorname{Div}} \newcommand{\Rot}{\operatorname{\mathbf{Rot}}} \newcommand{\Jac}{\operatorname{Jacobi}} \newcommand{\Tan}{\operatorname{Tan}} \newcommand{\Ort}{\operatorname{Ort}} \newcommand{\Flux}{\operatorname{Flux}} \newcommand{\Cmass}{\operatorname{Cm}} \newcommand{\Imom}{\operatorname{Im}} \newcommand{\Pmom}{\operatorname{Pm}} \newcommand{\IS}{\operatorname{I}} \newcommand{\IIS}{\operatorname{II}} \newcommand{\IIIS}{\operatorname{III}} \newcommand{\Le}{\operatorname{L}} \newcommand{\app}{\operatorname{app}} \newcommand{\M}{\operatorname{M}} \newcommand{\re}{\mathrm{Re}} \newcommand{\im}{\mathrm{Im}} \newcommand{\compl}{\mathbb{C}} \newcommand{\e}{\mathrm{e}} \\\\)

Uge 10: Egenværdier og Egenvektorer

Når man undersøger en lineær afbildning $\,f:V\rightarrow V\,$ af et vektorrum ind i sig selv, opstår der et særligt spørgsmål: Findes der vektorer (forskellige fra nul-vektoren), hvis billedvektorer er proportionale med vektorerne selv:

$$\,f(\mv)=\lambda \mv\,.$$

Dagens program handler om hvordan man kan afgøre dette, og om hvorfor spørgsmålet er interessant. Det fører frem til spørgsmålet om en kvadratisk matrix kan diagonaliseres ved similartransformation som vi tager op igen Lille Dag.

Dagens nøglebegreber
Egenværdi og egenvektor for lineær afbildning, egenrum, geometrisk multiplicitet. Egenværdi og egenvektor for kvadratisk matrix, den karakteristiske matrix og det karakteriske polynomium, algebraisk multiplicitet, egenbasis. Diagonalisering.

Forberedelse og pensum
Til i dag hører eNote 13 om egenværdiproblemet. Start med at se ugens videointroduktion.

Maple-pensum
Vigtige kommandoer: Eigenvalues: Finder egenværdierne for en matrix Eigenvectors: Finder egenvektorer mv. for en matrix Til dagens emne er der MapleDemoen: Egenværdier

SymPy-pensum
Vigtige kommandoer: eigenvals(): Finder egenværdierne for en matrix eigenvects(): Finder egenvektorer mv. for en matrix Til dagens emne er der SymPyDemoen: Egenværdier

Aktivitetsprogrammet

  • 10.00 – 12.00: $\,$ Se forelæsningen på video: Skema A, del 1 og del 2, eller Skema B, del 1 og del 2.
  • 12.30 – 17.00: $\,$ Gruppeøvelser i klasselokalet (bygn. 358/ rum 042)
  • 13.00 – 16.00: $\,$ Din klasselærer er til stede i klasselokalet

Opgaver til gruppeøvelserne:

  1. Geometrisk bestemmelse af egenværdier og egenvektorer
  2. Komplekse egenværdier og egenvektorer
  3. Egenværdier og egenvektorer. Håndregning
  4. Lineære strækninger i planen
  5. Egenværdier i funktionsrum
  6. Diagonalisering. Simuleret håndregning
  7. Diagonalisering af matrix. Maple
  8. Egenvektorers lineære uafhængighed. Teoriopgave

Tip: Hvis du ønsker en printbar version af opgaverne uden vink og facit, går du direkte til din browsers print-funktion når du er inde på opgaverne.