Mathematische methoden

voor studenten F en MNW

Inhoudsopgave
Inleiding

1 Stelsels lineaire vergelijkingen

1.1 Oplossen door middel van Gauss-eliminatie . . . . . . . . . . . . . . . . . . . . . .
1.2 Gauss-eliminatie in matrixnotatie . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 Opgaven . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4
4
5
9

2 Matrices
2.1 Wat is een matrix? . . . . . . . . .
2.2 Rekenen met matrices . . . . . . .
2.3 Oplossen van stelsels vergelijkingen
2.4 Transponeren . . . . . . . . . . . .
2.5 Opgaven . . . . . . . . . . . . . . .

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

10
10
11
14
15
17

3 Determinanten
3.1 De determinant van een matrix . . . . .
3.2 Eigenschappen van determinanten . . .
3.3 Determinanten en stelsels vergelijkingen
3.4 Opgaven . . . . . . . . . . . . . . . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

19
19
21
23
26

4 Eigenwaarden en eigenvectoren
4.1 Definitie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2 Eigenwaarden en eigenvectoren vinden . . . . . . . . . . . . . . . . . . . . . . . . .
4.3 Opgaven . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

28
28
29
33

5 Lineaire differentiaalvergelijkingen van orde 2

5.1 Homogene vergelijkingen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2 Inhomogene vergelijking . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.3 Opgaven . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

34
34
35
37

6 Stelsels differentiaalvergelijkingen van orde 1

6.1 Stelsels homogene differentiaalvergelijkingen. . . . . . . . . . . . . . . . . . . . . .
6.2 Stelsels inhomogene differentiaalvergelijkingen . . . . . . . . . . . . . . . . . . . . .
6.3 Opgaven . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

38
38
42
43

.
.
.
.
.

.
.
.
.
.

Inleiding
Dit dictaat bevat materiaal voor de cursus Mathematische Methoden voor tweedejaars studenten
Farmaceutische Wetenschappen en eerstejaars studenten Medische Natuurwetenschappen. In dit
dictaat worden enkele basisbegrippen uit de lineaire algebra behandeld, en methodes om eersteen tweede-orde lineaire differentiaalvergelijkingen op te lossen.
Het materiaal is geschreven door diverse stafleden van de afdeling Wiskunde van de Faculteit
der Exacte Wetenschappen, Vrije Universiteit Amsterdam.

Stelsels lineaire vergelijkingen

1.1

Oplossen door middel van Gauss-eliminatie

Het oplossen van stelsels van twee lineaire vergelijkingen met twee onbekenden is op het VWO
onderwezen.
Voorbeeld 1.1. Het stelsel
(
x + 3y = 5
2x +

y =

kan worden opgelost door twee keer de eerste vergelijking van de tweede af te halen:
(
x + 3y = 5
5y = 10

Uit de tweede vergelijking vinden we y = 2. Door dit in te vullen in de eerste vergelijking vinden
we dan x = 1. De oplossing is dus x = 1, y = 2.
Hoe nu te handelen met stelsels van n vergelijkingen met m onbekenden?
Voorbeeld

x
x

1.2. Los op:

+ 2y +

3z =

+ 3y +

5z =

+ 5y + 12z =

De tweede min de eerste vergelijking, en de derde min de eerste vergelijking geeft:

x + 2y + 3z = 3
y + 2z = 3

3y + 9z = 3

Werk nu verder met de tweede en derde als met twee vergelijkingen met twee onbekenden: trek
drie keer de tweede vergelijking van de derde af:

x + 2y + 3z = 3
y + 2z = 3

3z = 6

De derde vergelijking geeft z = 2. Dit invullen in de tweede vergelijking geeft y = 7. Deze

beide gegevens invullen in de eerste vergelijking geeft x = 11. De oplossing luidt in vectornotatie:

11
x

y = 7 .
z

Het recept is telkens hetzelfde: tel veelvouden van de eerste vergelijking op bij de tweede,
derde, enz., en zorg er zo voor dat alleen in de eerste vergelijking nog een x voorkomt. Dit noemen
we (weg)vegen van x uit de tweede, derde, enz. vergelijking. Veeg vervolgens uit de derde, vierde,
enz. de y weg op dezelfde wijze. Ga zo door tot je tenslotte een vergelijking met een onbekende
overhoudt. Los die op, vul het antwoord in en vind daarmee successievelijk alle andere onbekenden.
Een dure term voor deze methode is Gauss-eliminatie.
4

Voorbeeld

x
x

1.3. Los op
+

y +

z =

+ 2y + 3z =

14

+ 4y + 9z =

36

Trek de eerste vergelijking af van de tweede en derde:

x + y + z = 6
y + 2z = 8

3y + 8z = 30

Trek nu drie keer de tweede vergelijking af van de derde:

x + y + z = 6
y + 2z = 8

2z = 6

Dit geeft (van onderen naar boven) dat z = 3, y = 2 en x = 1. De oplossing is dus:

y = 2 .
3
z

1.2

Gauss-eliminatie in matrixnotatie

Door alle x, y, z, + en = weg te laten, wordt het schrijfwerk aanzienlijk verkort. Dit wordt
duidelijk door de voorbeelden nogmaals te doen.
Voorbeeld 1.4. We schrijven het stelsel uit voorbeeld 1.3 als

1
1
1
6

14
2
3
1
1
4
9
36

In de eerste stap trekken we nu de eerste rij af

trekken we drie keer de tweede rij af van de derde:

1
1
6
1
1
1
r2 r1
r3 r1

2
3
1
14 0
1
36
1
4
9
0
3

van de tweede en derde, en in de tweede stap

1
2
8

r3 3r2
0
30
0
8

8
6

Let op de overeenkomst met de stelsels vergelijkingen in Voorbeeld 1.3. Het teken geeft aan dat
de met de getalschemas overeenkomende stelsels vergelijkingen equivalent met elkaar zijn. Boven
elke hebben we aangegeven welke operaties we op de rijen uitvoeren: r2 r1 staat voor rij 2 min
rij 1, r3 3r2 staat voor rij 3 min 3 keer rij 2, enzovoort. Op deze manier zijn de rekenstappen
goed te volgen en achteraf makkelijk op fouten te controleren.
De invulstap uit Voorbeeld 1.3 kun je nu als volgt doen. Eerst de derde rij keer 12 :

0
0

8
6

r3 21

0
0

8
3

Daarna rij 1 min rij 3 en rij 2 min 2 maal rij

r1 r3
1
1
1
6
1
r2 2r3

8 0
1
2
0
0
0
1
0
3

3, en vervolgens rij 1 min rij 2:

1
3
1
0
r1 r2
2 0
1
0
0

2
3

Het antwoord staat nu in de kolom rechts, en luidt dus

1
x

y = 2 .
3

Voorbeeld 1.5. Voorbeeld

1
2
3
3

0
3
5
1
1
5
12
0

1.2 wordt

Net als in het vorige voorbeeld vegen we eerst de eerste kolom en daarna de tweede kolom naar
beneden toe schoon, en maken van elk eerste getal op een rij dat geen 0 is een 1:

3
3
1
2
3
1
2
3
r2 r1
r3 r1

0 0
3
3
5
1
2
1
1

12

0
0

r3 3r2

3
6

r3 13

0
0

3
2

Hierna kunnen we de invulstap uitvoeren: de laatste rij vertelt ons dat z = 2, en daarmee
kunnen we in principe achtereenvolgens y en x uitrekenen. In onze nieuwe notatie komt dit erop
neer dat we eerst de derde kolom naar boven toe schoonvegen, en daarna de tweede kolom:

r1 3r3
3
3
11
1
0
0
1
2
0
1
2
3
r2 2r3
r1 2r2

3 0
7 0
7
1
2
1
0
1
0
0
0

Het antwoord staat weer in de kolom rechts en luidt dus:

11
x

y = 7 .
2
z

Voorbeeld 1.6. Los op:

x + 5y + 3z =
5x + y z =

x + 2y + z =

0
0
0

We gaan weer op dezelfde manier te werk:

0
1
5
3
1
5
3
r2 5r1
r3 r1

0 0 24 16
1 1
5
1
2
1
0 3 2
0
6

0
0

r3 81 r2

0 24 16
0
0
0

0
0

De derde rij is nu een zogenaamde nulrij : er staan alleen maar nullen op deze rij! Wat nu? De
situatie voor de tweede en derde vergelijking in de tweede stap is:
(
24y 16z = 0
3y

2z =

Op een factor 8 na is dat twee keer dezelfde vergelijking! Er is daarom niet een unieke oplossing
voor y en z. We kunnen nu na stap drie w`el y uitdrukken in z (middels de tweede vergelijking).
Door dit in te vullen in de eerste vergelijking kunnen we ook x uitdrukken in z. Daarmee hebben
we dan alle oplosingen. Na stap drie:
(
x + 5y + 3z = 0
24y 16z =

De onderste vergelijking geeft y = 23 z, en volgens de bovenste vergelijking geldt dan

0 = x + 5y + 3z = x

10
3 z

+ 3z = x 13 z,

oftewel x = 31 z. Voor z zelf kunnen we elke waarde kiezen, dus

1

x
3

y = z 23
1

is voor elke z R een oplossing, en dit zijn ook alle oplossingen van het stelsel.
Je kunt deze invulstappen ook weer uitvoeren in onze vereenvoudigde notatie:

1
5
3
1
5
3
1
0 13
0
0
1
r2 24
r
5r
1
2

2
2
0 0
0 0
1
1
0 24 16
3
3
0
0
0
0
0
0
0
0
0
0
0

0
0

Hier staat: x 31 z = 0, y + 32 z = 0 en 0 = 0. We kunnen nu z R vrij kiezen, en krijgen dus als

oplossing x = 13 z, y = 23 z met z R willekeurig.
Op dezelfde manier als in het voorgaande voorbeeld ga je te werk met een stelsel van twee
vergelijkingen met drie onbekenden (of in het algemeen: m vergelijkingen met n > m onbekenden).
Voorbeeld 1.7. Los op:
(
x + y + z =

2x + y + 3z =

0
1

Dit gaat als volgt:

1

r2 2r1

r2 1

Hier staat

y
z

0 1

1 1

!
!

r1 r2

1 1

x + 2z = 1 en y z = 1, oftewel x = 1 2z en y = 1 + z. In vectornotatie:

2
1

met z R.
= 1 + z 1
0

Tenslotte een voorbeeld waar er meer vergelijkingen dan onbekenden zijn:

Voorbeeld 1.8. Los op:

x + y = 1
2x + 3y = 0

x y = 2

Dit gaat als volgt:

1
1
1
1
1
r2 2r1

r3 r1
3
1
0 0
2
2
1 1
0 2

r3 +2r2
2 0
1
0

1
1
0

2 .
3

De laatste rij geeft nu 0 = 3, een tegenstrijdigheid! We concluderen dat er geen enkele oplossing
is. In zon geval noemen we het oorspronkelijke stelsel strijdig.
In het algemeen geldt voor stelsels lineaire vergelijkingen: er is `of geen oplossing, `of precies een
oplossing, `
of er zijn oneindig veel oplossingen.

1.3

Opgaven

1. Los op:

x
(a)
2x

2x
2x
(b)

4x

2. We bekijken

x
2x

2x

+ 2y 2z =

y + 5z =

3y + 6z = 15
+ y 2z = 1

+ y + 4z =

+ y + 7z =

het stelsel vergelijkingen

+

y =

y =

+ 3y =

(a) Teken de oplossingsverzamelingen van de drie vergelijkingen (dit zijn drie lijnen) in het
(x, y)-vlak.

(b) Verklaar waarom het stelsel geen oplossingen heeft.

3. We bekijken het stelsel

x + y + z =
x + 2y + 3z =

y + 2z =

2
1
a

voor verschillende waarden van a.

(a) Toon aan dat het stelsel geen oplossingen heeft als a = 0.
(b) Bepaal de waarde van a waarvoor het stelsel minstens een oplossing heeft, en bereken
voor die a alle oplossingen.

4. Voor welke waarde van k heeft het stelsel

(
kx + y = 1
x + ky =

(a) geen oplossing,

(b) precies een oplossing,
(c) oneindig veel oplossingen?

Matrices

2.1

Wat is een matrix?

Eerder hebben we bij een stelsel lineaire vergelijkingen voor het gemak de x, y, z, + en = weggehaald. We hielden alleen een schema met getallen over:
(

x y =

x + y =

1 1

4
6

We bekijken nu apart de eerste twee kolommen van het schema en de laatste kolom, namelijk
!

1 1
1

en

We noemen het eerste blok getallen een (coefficienten)matrix en de laatste kolom een (uitkomst)vector. Heel algemeen geldt dat bij een stelsel van m lineaire vergelijkingen in n onbekenden een
m n matrix (spreek uit: m bij n matrix) hoort. Deze matrix heeft m rijen en n kolommen:

a11

a12

a21
.
..
.
am1

a13 a1n

a22 a2n
..
..
..
..
am2 amn

Een stelsel lineaire vergelijkingen schrijven we vaak in matrix-vectorvorm, dat wil zeggen in
de vorm Ax = b, waarbij A de coefficientenmatrix is, b de resultaatvector, en x de vector met de
variabelen.
Voorbeeld 2.1. Het

2x + 3y
8x + 12y

4x + 6y

stelsel
=

17

12

kan in matrix-vectorvorm worden geschreven als

8
4

12
6

= 17
12

Ax = b.

De uitdrukking Ax kunnen we opvatten als een vermenigvuldiging van de matrix A met de

vector x. De eerste variabele uit de vector x, in dit geval de x, hoort bij de eerste kolom van de
matrix A. De tweede variabele, de y, hoort bij de tweede kolom. De vermenigvuldiging gaat dan
als volgt:

Ax = 8
4

12
6

x
y

2x+3y

= 8 x + 12 y .
4x+6y

Merk op dat een matrix-vectorvermenigvuldiging Ax alleen maar mogelijk is als het aantal
variabelen in de vector x gelijk is aan het aantal kolommen van de matrix A.
10

2.2

Rekenen met matrices

Optellen en aftrekken

2
3

12
A= 8
4
6

dan is

A+B =

van matrices gaat zoals je denkt dat het moet: elementsgewijs. Als

1 1

0 ,
en
B = 8

12

4 34

6+

en

A B = 16
3 41

12
6

Vermenigvuldigen van een matrix met een getal doe je door elk element van de matrix met dat
getal te vermenigvuldigen. Als A dezelfde matrix is als hierboven, dan is

6
9
32
33
2
3

36 .
3 12 = 24
12 = 3 8
3A = 3 8
4

34

12

36

18

Vermenigvuldigen van twee matrices, dus AB met A en B allebei matrices, is ingewikkelder.

In feite werkt dat hetzelfde als het vermenigvuldigen van een matrix met een vector, maar dan
herhaald toegepast op iedere kolom van de tweede matrix, hier dus B. Het matrixproduct AB
bestaat alleen als het aantal kolommen van A gelijk is aan het aantal rijen van B.
Voorbeeld 2.2. Stel

2
3

12
A= 8
4
6

en

1 1

B=

Wat is dan AB? Zoals gezegd: de eerste kolom van het product van de matrices A en B is A maal
de eerste kolom van B. De tweede kolom van AB is A maal de tweede kolom van B, enzovoort.
Dus de eerste kolom van AB is

!
!
5
21+31
2
3
1

= 8 1 + 12 1 = 20 .
12
= 8
A
1
1
10
41+61
4
6

De tweede kolom is

!
2
1

= 8
A
1
4

1
12
1
6

Het matrixproduct AB is dus

5
1

4 .
AB = 20
10
2

2 1 + 3 1

A=

en

= 8 1 + 12 1 = 4 .
4 1 + 6 1
2

Voorbeeld 2.3. Stel

B= 2

6
11

AB bestaat in dit geval niet! Immers, de eerste kolom van B bestaat uit drie getallen, terwijl A
maar twee kolommen heeft. Ga zelf na dat ook BA niet bestaat.
Voorbeeld 2.4. Stel
A=

AB =

BA = 3

1
3

B= 3

en

3
2

1 .
3

Dan is (ga zelf na)

3

10

1 =
11
3

!
7
2

= 11
3
12

13
14

13

Het laatste voorbeeld laat zien dat in het algemeen AB 6= BA ! Matrixvermenigvuldiging is

dus niet commutatief, maar de vermenigvuldiging is wel associatief: A(BC) = (AB)C voor alle
matrices A, B en C waarvoor dit product bestaat.
Voorbeeld 2.5. Neem A en B als in Voorbeeld 2.4 en
!
1
2
C=
.
1 1
We hebben AB al berekend in Voorbeeld 2.4. Invullen geeft
!
!
!
10
13
1
2
3
7
(AB)C =
=
.
11
14
1 1
3
8
Op dezelfde manier berekenen we eerst

!
1
1
2
2

= 2
1
BC = 3
1 1
1
2
3

5
1

en daarmee

A(BC) =

Inderdaad geldt (AB)C = A(BC).

5 =
1

Als we in R een getal met 1 vermenigvuldigen, dan blijft dat getal onveranderd: 1 x = x. Ook
bij matrices bestaat er iets dergelijks. Bekijk de zogenaamde n n eenheidsmatrix, notatie In :

1
0
0 0
0

1
0 0
0
0

0
0
1 0
0
.
..
.. . .
.
..
In = .
.
..
. . ...
..
..
..

0
0 1
0
0
0
0
0 0
1
12

Op de hoofddiagonaal van deze matrix (de diagonaal die van het element linksboven naar rechtsonder loopt) staan allemaal enen, en verder bevat de matrix alleen maal nullen. Ga zelf na dat
voor een willekeurige vierkante nn matrix A geldt In A = AIn = A. Uit de context is het meestal
duidelijk hoeveel rijen en kolommen de eenheidsmatrix heeft. We laten dan vaak het subscript n
weg, en noteren de eenheidsmatrix eenvoudigweg als I.
Laat nu A een nn matrix zijn. Als er een nn matrix B bestaat waarvoor geldt AB = I, dan
heet B de inverse van A. We noteren deze inverse dan als A1 . Let op: niet alle vierkante matrices
hebben een inverse. Als dit wel het geval is, dan geldt automatisch dat A1 A = AA1 = I: zowel
rechts als links vermenigvuldigen van de matrix A met zijn inverse levert de eenheidsmatrix op.
Hoe reken je de inverse van een matrix eigenlijk uit? Neem bijvoorbeeld

1
2
3

3
5
A= 1
1
5
12

en stel dat

b11

b12

b13

B = b21

b22

b23
b33

b31

b32

de inverse van A is. Dan moet A maal de eerste kolom van B gelijk zijn aan de eerste kolom van
de eenheidsmatrix, oftewel,

b11
1

A b21 = 0 .
0

b31

Dit is een stelsel van lineaire

1
1
2
3

3
5
0
1
1

12

vergelijkingen! Los dit op zoals in de vorige paragraaf:

1
1
2
1
2
3
r2 r1
r3 r1
r3 3r2
1
2
1
1 0
0
0
1
0
3
9
0
0

r1 3r3
1
1
2
3
1
2
r3 13

r2 2r3
1
2
1
1 0
0
r1 2r2

2
3

0
0

11
3
73
2
3

De eerste kolom van de inverse matrix is dus

11

7
3 .
2
3

De tweede en derde kolom krijg je op vergelijkbare manier door de stelsels

b12
0
b13
0

A b22 = 1
en
A b23 = 0
b32
0
b33
1
13

3
2
3
0
0
1

1
2

73
2
3

op te lossen. Merk op dat de stappen van het veegproces steeds dezelfde zijn! We kunnen de drie
stelsels dus ook tegelijkertijd oplossen:

1
1

12

0
1

0
0

r1 3r3
1
r2 2r3
0

r3 3r2

r2 r1
r3 r1

0
0

0
1

r3 31

0
2 3
1

1
3 1
r1 2r2
73
3 23
2
3

1
3

2
3

11
3
7
3
2
3

1
3

1
3
3

1
3
2
3
1
3

Het rechterblok is nu A1 . Door het vele rekenwerk sluipen er gemakkelijk fouten in. Controleer
daarom altijd het antwoord door na te gaan of AA1 ook echt I oplevert. In dit geval:
11

1
1
2
3
3
1
0
0
3
3

3
5 37
3 23 = 0
1
0 .
1
1

2.3

2
3

12

1
3

Oplossen van stelsels vergelijkingen

Een stelsel als

1
2

3
1
1

y = 2 ,
3
z
12
5

dat ook geschreven kan worden als Ax = b, kan nu op twee manieren worden opgelost:
1. vegen;
2. eerst de inverse van A uitrekenen, en daarna x berekenen via x = A1 b.

Natuurlijk is vegen minder werk: voor het uitrekenen van A1 is immers ook het veegproces
nodig. Daarom is het uitrekenen van de inverse van A alleen aan te bevelen als Ax = b opgelost
moet worden voor meerdere (heel veel) vectoren b.
Merk op dat als een matrix A een inverse heeft, het stelsel Ax = b uniek oplosbaar is voor
elke b. Dat wil zeggen, er is steeds precies een vector x die aan de vergelijking voldoet, namelijk
x = A1 b. Als A vierkant is maar geen inverse heeft, dan zijn er twee mogelijkheden: Ax = b
heeft `
of geen oplossing, `
of oneindig veel.
Voorbeeld 2.6. Het stelsel
!
!
1 1
x
=
1 1
y

1
2

heeft geen enkele oplossing (ga na!). De algemene oplossing van het stelsel
!
!
!
2
x
1 1
=
2
y
1 1
14

is echter
x
y

2
0

+y

met y R.

De volgende stelling is handig om alle oplossingen van een stelsel te vinden.

Stelling 2.7. Laat x1 een oplossing zijn van Ax = b, en laat x0 een oplossing zijn van Ax = 0
(met 0 wordt de nulvector, de vector met een nul op elke co
ordinaat, bedoeld). Dan is x2 = x1 + x0
een oplossing van Ax = b. Alle oplossingen zijn van deze vorm, dat wil zeggen, elke oplossing van
Ax = b kan geschreven worden als x1 + x0 , waarbij x0 een oplossing is van Ax = 0.
Voorbeeld 2.8. Deze stelling kunnen we gebruiken bij het oplossen van het stelsel uit Voorbeeld 2.6. Het is duidelijk dat x = 2, y = 0 een oplossing is. Los dan, om de algemene oplossing
te vinden, het stelsel Ax = 0 op:
!
!
1 1
0
0
1 1
r2 r1

1 1
0
0
0
0
De oplossingen van dit stelsel zijn x = y, oftewel
!
!
!
1
y
x
=y
=
1
y
y
met y R. De algemene oplossing van Ax = b is dus
!
!
!
1
2
x
+y
=
1
0
y
met y R. Dit hadden we ook kunnen vinden door direct te vegen.

2.4

Transponeren

Bij een matrix A bestaat de zogenaamde getransponeerde AT . De getransponeerde is de matrix

zelf, gespiegeld in de (hoofd)diagonaal. Preciezer, als

a11
a12
a13 a1n

a21
a22 a2n
,
.
.
.
A=
..
..
..

.
.
am1
am2 amn
dan is

a11

a12
AT =
...
.
a1n

a21

a31 am1

a22 am2
..
..
..
..
a2n amn

Merk op dat de getransponeerde van een m n matrix dus een n m matrix is!
Voorbeeld 2.9. Stel
A=

15

dan is de getransponeerde van A

1
2

4 .
AT = 3
5
6

Een matrix die gelijk is aan zijn eigen getransponeerde heet symmetrisch. Aleen vierkante
matrices kunnen symmetrisch zijn. Voor een matrix met complexe getallen is de geadjungeerde
matrix belangrijker. De geadjungeerde A van A is de getransponeerde van de complex toegevoegde matrix, ofwel A = AT .
Voorbeeld 2.10. Stel
A=

1+i

2 + 4i

2 3i

dan is de geadjungeerde van A

A =

1i

2 4i

2 + 3i
i

Een matrix die gelijk is aan zijn eigen geadjungeerde heet zelfgeadjungeerd of Hermitisch.

16

2.5

Opgaven

1. Gegeven zijn de matrices

A=

3 4

5 2

en

B=

2
3

4 5

(a) Bereken A + B, A B, A + 3B en 4A 5B.

(b) Los de matrix X op uit X + A = B.

(c) Los de matrix Y op uit 2(2A + 3Y ) = 5B.

2. Gegeven zijn de matrices

A=

0 1

B= 0
1

1
0

en

C=

Bereken, indien gedefinieerd, de matrixproducten AB, BA, AC, CA, BC en CB.

3. Bereken de volgende matrix-vectorproducten, indien gedefinieerd:

3
4
0
1

1
0 4
(a) 0
5
4
0
1

!
4
1
1

1
(b) 5
3
6
1
!
!
1
2
0
1
(c)
1
1
3
0

3


(d)
1 2
7 5
1

4. (a) Bepaal alle matrices X die voldoen aan

!
!
1
0
4
0
1
X=
0
1
3
1
0
(b) Bepaal alle matrices Y die voldoen aan

!
1
4
1
0

5 Y =
2
0
1
3
6
5. Bereken de inversen van de volgende matrices:
!
2
3
(a) A =
,
5
7
!
3 1
,
(b) B =
1
1
17

(c) C = 1

2
1

2 1

6. Gegeven is de matrix

1
7 3

6 .
B = 3 1
0
2
1

(a) Bereken B + B T , B B T , BB T en B T B.

(b) Welke van de berekende matrices zijn symmetrisch?

7. Onder welke voorwaarden voor b1 en b2 heeft de vergelijking Ax = b oplossingen, als
!
!
b1
1
2
0
3
en
b=
A=
?
2
4
0
6
b2
Bepaal in dat geval alle oplossingen van Ax = b.
8. Bepaal de algemene oplossing van:

! x
1
2
2

(a)
y =
2
4
5
z

x1

1
2
3
4

x2

4
7
10
(b) 2
x
3
1 2
0
2
x4

x1

1
2
3
4

x2

4
7
10
(c) 2
x
3
1 2
0
2
x4

1
4

= 1

= 2

18

Determinanten

3.1

De determinant van een matrix

Bekijk nog een keer het algemene stelsel van twee vergelijkingen met twee onbekenden x en y:
(
a11 x + a12 y = c1
a21 x + a22 y =

c2

Vermenigvuldig de eerste vergelijking met a21 en de tweede met a11 . Dit levert op
(
a11 a21 x + a12 a21 y = a21 c1
a11 a21 x + a11 a22 y =

a11 c2

De eerste vergelijking van de tweede aftrekken geeft nu

(a11 a22 a12 a21 )y = a11 c2 a21 c1 .
Mits a11 a22 a12 a21 6= 0 is dus y =
Evenzo:
(
a11 a22 x + a12 a22 y =

a12 a21 x + a12 a22 y =

a11 c2 a21 c1
.
a11 a22 a12 a21
a22 c1
a12 c2

De tweede vergelijking van de eerste aftrekken geeft

(a11 a22 a12 a21 )x = a22 c1 a12 c2 .
Mits a11 a22 a12 a21 6= 0 is dus x =
oplossing voor y hierboven!
Voer in als notatie

 a
a12
 11
det A = 
 a21
a22

a22 c1 a12 c2
. Merk op dat de noemer dezelfde is als in de
a11 a22 a12 a21




 = a11 a22 a21 a12 .


We noemen dit de determinant van de matrix A =

hierboven zijn dan gelijk aan


 c
a12 
 1


 c2
a22 


x= 
en
a12 
 a11


 a21
a22 







y=




a12

a21

a22

. De oplossingen voor x en y


c1 

c2 
.
a12 

a22 

a11
a21
a11
a21

De definitie van de 3 3 determinant is




 a11
a12
a13 
 a

a23

 22

a22
a23  = a11 
 a21

 a32

a33
 a31
a32
a33 

a11



 a

 21

 a12 
 a31




 a
a23 
 21
 + a13 
 a31

a33

We noemen dit ook wel de ontwikkeling naar de eerste rij van det A. Hierbij heet


 a
a23 
 22


 a32
a33 
19


a22 
.
a32 

de minor van a11 of (1, 1)-minor van A,



 a
a23 
 21


 a31
a33 

de minor van a12 of (1, 2)-minor van A, enzovoort. Met enig rekenwerk kun je controleren dat

 a11


 a21

 a31



a13 



a23  = +a11 


a33 



= a21 


a12
a22
a32

a22
a32
a12
a32


 a
 12
= +a31 
 a22



 a
a23 
 21
 a12 

 a31
a33



 a
a23 
 21
 + a13 

 a31
a33


a22 

a32 



 a
a13 
 11
 a32 

 a21
a23



 a
a13 
 11
 + a33 
 a21

a23


a12 
.
a22 



 a
a13 
 11
 + a22 

 a31
a33



 a
a13 
 11
 a23 

 a31
a33


a12 

a32 

De uitdrukkingen op de tweede en derde regel noemen we de ontwikkeling van det A naar respectievelijk de tweede en de derde rij. Je ziet dat we de determinant kunnen ontwikkelen naar elke rij.
Telkens is de determinant gelijk aan de som van de elementen op die rij, maal een minor, maal een
teken. Het teken bij het element linksboven is altijd een plus; daarvandaan alterneert het teken
met elke verticale of horizontale stap. Schematisch weergegeven:

Ontwikkelen naar een


 a11
a12
a13


a22
a23
 a21

 a31
a32
a33

kolom kan ook. De ontwikkeling naar de eerste kolom is









 a
 a
 a
a23 
a13 

 22
 12
 12
 = +a11 
 a21 
 + a31 

 a32



 a22
a33
a32
a33


en ontwikkelen naar de tweede of derde kolom gaat analoog.

Voorbeeld 3.1.
ontwikkelen:

 1
1


2
 1

 1
4
Ontwikkelen

 1


 1

 1


a13 
,
a23 

De volgende 3 3 determinant kan berekend worden door naar de eerste rij te



1 
 2


3  = +1 

 4
9 



 1
3 

1
 1

9



 1
3 

+1
 1

9


2 

4 

= +1 (2 9 4 3) 1 (1 9 1 3) + 1 (1 4 1 2) = 6 6 + 2 = 2.

naar de derde kolom geeft hetzelfde antwoord:







1
1 
 1
 1
 1
2 
1 




2
3  = +1 
3
+9
 1

 1



4
1
4
4
9 


1 

2 

= +1 (4 2) 3 (4 1) + 9 (2 1) = 2 9 + 9 = 2.
20

We voeren nu voor een algemene determinant het begrip minor wat preciezer in. Bekijk de
determinant van een n n matrix A:
.


 a11
a12 ... a1n 

.


a22 ... a2n 
 a21


.
..




.


 aij 


..


..




..
 an1
an2 .. ann 

De minor van aij , of (i, j)-minor van A, notatie Mij , is de (n 1) (n 1) determinant die je
krijgt door in bovenstaande determinant rij i en kolom j weg te laten.
De n n determinant van A wordt nu gedefinieerd via de ontwikkeling naar de eerste rij:


 a11
a12 a1n 



 a21
a22 a2n 
n+1
 .

.
.
a1n M1n ,
.
..
..  = +a11 M11 a12 M12 + + (1)
 ..
..
 .
. . 
.


 an1
an2 ann 

waarin Mij dus de minor van aij is. Met inductie naar n kan vervolgens bewezen worden dat de
determinant ontwikkeld kan worden naar elke gewenste rij of kolom. Het bijbehorende tekenschema
is zoals hierboven is omschreven:

..
..
.. . .
..
..
..
..

3.2

Eigenschappen van determinanten

Door determinanten herhaaldelijk te ontwikkelen naar een rij of kolom totdat er uiteindelijk alleen
2 2 determinanten overblijven, kun je in principe elke determinant uitrekenen. Dit is echter voor
grotere determinanten veel rekenwerk, en er sluipen gemakkelijk fouten in. Het uitrekenen van
determinanten kan veel slimmer, door handig gebruik te maken van de volgende eigenschappen:
a. Bij spiegelen in de hoofddiagonaal behoudt de determinant dezelfde waarde. Anders gezegd,
voor een matrix A geldt det A = det AT .
Dit is eenvoudig te controleren voor 2 2 matrices. Laat nu A een 3 3 matrix zijn. Door
det A te ontwikkelen naar de eerste rij en det AT naar de eerste kolom, zien we dat ook voor
3 3 determinanten geldt (ga na!)

 

 a11
a12
a13   a11
a21
a31 


 

det A =  a21
a22
a23  =  a12
a22
a32  = det AT .

 

 a31
a32
a33   a13
a23
a33 

Op dezelfde manier volgt de bewering nu voor 4 4, 5 5, . . . . Een belangrijk gevolg is: elke
bewering over de rijen van een determinant is ook waar voor de kolommen, en vice versa.
b. Bij verwisselen van twee rijen verandert het teken van de determinant.
Bijvoorbeeld:

 a11
a12


a22
 a21

 a31
a32



 a21
a13 



a23  =  a11


 a31
a33 

a22
a12
a32
21


a23 

a13  .

a33 

Dit kun je zien door de eerste determinant naar de eerste rij te ontwikkelen en de tweede
determinant naar de tweede rij (ga na!). Het bewijs in het algemene geval is ingewikkelder.
c. Als twee rijen gelijk zijn, is de determinant nul (dit volgt uit b).
d. Vermenigvuldigen van een rij met een getal betekent dat de determinant wordt vermenigvuldigd met dat getal.
Dit kun








je inzien door naar de betreffende rij te ontwikkelen:


ka11
ka12
ka13 

a21
a22
a23  = ka11 M11 ka12 M12 + ka13 M13

a31
a32
a33 
= k (a11 M11 a12 M12 + a13 M13 )


 a11
a12
a13 



= k  a21
a22
a23  .


 a31
a32
a33 

e. Als een rij gelijk is aan een constante maal een andere rij, dan is de determinant nul (volgt
direct uit c en d).
f. Als van twee determinanten alle rijen behalve rij i gelijk zijn, dan is de som van de twee
determinanten gelijk aan de enkele determinant die je krijgt door bij rij i van de eerste
determinant rij i van de tweede determinant op te tellen.
Bijvoorbeeld:

 a11


 a21

 a31

a12
a22
a32

 
a13   c11
 
a23  +  a21
 
a33   a31

c12
a22
a32


c13 

a23 

a33 

= (a11 + c11 )M11 (a12 + c12 )M12 + (a13 + c13 )M13



 a11 + c11
a12 + c12
a13 + c13 



=
a21
a22
a23
.




a31
a32
a33

g. Een determinant verandert niet als je een veelvoud van een rij optelt bij een andere rij (dit
volgt uit e en f).
h. Als onder of boven de hoofddiagonaal alleen maar nullen staan (de matrix heet dan respectievelijk een bovendriehoeksmatrix of onderdriehoeksmatrix ), dan is de determinant gelijk
aan het product van de getallen op de diagonaal.
Bijvoorbeeld, door herhaald ontwikkelen naar de eerste kolom:


 a11
a12
a13
a14 



 a22

a23
a24 


 a

 0

a22
a23
a24

 33


 = a11  0
a33
a34  = a11 a22 
 0


 0

0
a33
a34 

 0


0
a44 
 0
0
0
a44 
= a11 a22 a33 a44 .
22


a34 

a44 

De laatste twee eigenschappen tonen aan dat een determinant efficient is uit te rekenen door
het veegproces uit te voeren: door veelvouden van rijen bij andere rijen op te tellen verandert de
determinant niet, en kun je de matrix in driehoeksvorm brengen. In dit proces is met kolommen
vegen nu ook toegestaan dankzij eigenschap a, dit in tegenstelling tot het veegproces bij het
oplossen van stelsels vergelijkingen, waar met kolommen vegen niet is toegestaan.
Voorbeeld

 1


 1

 1

3.2. De determinant uit Voorbeeld 3.1 is dus





 1
1
1  r2 r1  1
1
1 

 r3 r1 
 r3 3r2 
2
3  =  0
1
2  =  0




 0
 0
4
9 
3
8 

Of, door met kolommen in plaats van rijen te vegen:






 1
 1
0
0 
1
1  k2 k1  1


 k3 k1 
 k3 2k2 

2
3  =  1
1
2  =  1
 1





 1
 1
 1
3
8 
4
9 

Voorbeeld 3.3. Bereken



 p
1
0 



1
1 .
1


 2 7 4 
We zorgen eerst

 p
1
0


1
1
1

 2 7 4

3.3

voor twee nullen in





1
 r3 +4r2  p


1
 = 1


2 3


ook als volgt uit te rekenen:


1
1 

1
2  = 1 1 2 = 2.

0
2 
0
1
3


0 

0  = 1 1 2 = 2.

2 

de derde kolom, en ontwikkelen dan naar die kolom:




0 
 p
1 


1  = 1 
 = 3p 2.
2 3 


0

Determinanten en stelsels vergelijkingen

Bekijk eens het volgende stelsel van drie vergelijkingen met drie onbekenden x1 , x2 , x3 :

a11
a12
a13
x1
b1

a22
a23 x2 = b2 ,
a21
a31

a32

a33

x3

ofwel Ax = b. We beweren dat


 b1
a12


(i) x1 det A =  b2
a22

 b3
a32

 a11


(ii) x2 det A =  a21

 a31

 a11


(iii) x3 det A =  a21

 a31

b1

b2
b3
a12
a22
a32

b3

dan geldt

a13 

a23 ,

a33 

a13 

a23 ,

a33 

b1 

b2  ,

b3 

als x een oplossing is van Ax = b. Dit staat bekend als de regel van Cramer.
23

Bewijs. We laten alleen zien dat (i) waar is. Het bewijs voor (ii) en (iii) is analoog. Neem aan dat

x1

x = x2
x3

een oplossing

 b1


 b2

 b3

is. Dan is (gebruik eigenschappen d en f voor kolommen)


 
a12
a13 
a12
a13   x1 a11 + x2 a12 + x3 a13

 
a22
a23 
a22
a23  =  x1 a21 + x2 a22 + x3 a23

 
a32
a33 
a32
a33   x1 a31 + x2 a32 + x3 a33



 a12
 a13
a12
a13 





= x1 det A + x2  a22
a22
a23  + x3  a23



 a32
 a33
a32
a33 

a12
a22
a32


a13 

a23  .

a33 

De laatste twee termen zijn nul vanwege eigenschap c voor kolommen. Er blijft dus alleen x1 det A
over.
Hetzelfde bewijs werkt natuurlijk ook voor 4 4, 5 5, enzovoort. We formuleren de regel van
Cramer nu in zijn algemene vorm.
Stelling 3.4 (Regel van Cramer). Als det A 6= 0, dan wordt de oplossing van Ax = b, waar

a11 a1n
x1
b1
..

. ...
x = : ,
b = : ,
A = ...
. .. ,
an1 ann
xn
bn

gegeven door


 a11 a1,j1


1  a21 a2,j1
..
.
xj =
det A  ...
..

 an1 an,j1

b1
b2
..
..
bn


a1,j+1 a1n 

a2,j+1 a2n 
.. 
..
.. 
..

an,j+1 ann 

(j = 1, . . . , n).

Opmerking. Theoretisch is dit een fraaie stelling, je moet het alleen nooit zo uitrekenen. Al die
determinanten zijn heel veel rekenwerk. Vegen gaat sneller en leidt minder snel tot fouten!
Stelling 3.5. Als det A = 0, dan heeft Ax = 0 een oplossing x 6= 0, en ook alleen dan. De
verzameling van al die vectoren wordt genoteerd met ker A of Nul A.
Bewijs. Als we de vergelijking Ax = 0 oplossen door te vegen, dan wordt de matrix A in driehoeksvorm gebracht en staan er in de rechterkolom voortdurend alleen maar nullen. Dus als het
veegproces niet tot een nulrij leidt, dan is de enige oplossing x = 0. Als er wel een nulrij ontstaat,
dan zijn er oneindig veel oplossingen. Vanwege eigenschap h van determinanten geldt in het eerste
geval det A 6= 0, en in het tweede geval det A = 0.
We geven nu nog enkele bekende resultaten, zonder die te bewijzen.
Stelling 3.6. Een n n matrix A heeft een inverse als en alleen als det A 6= 0. In dit geval geldt
A1 = det1 A C T , met C de zogenaamde cofactormatrix, die wordt gedefinieerd als

C11 C1n
..
..

.
..
..
C = ...

Cn1 Cnn
met Cij = (1)i+j Mij de zogenaamde (i, j)-cofactor van de matrix A.
24

Opmerking. Net als voor de regel van Cramer geldt dat vegen over het algemeen een veel snellere
methode is om de inverse te berekenen, die bovendien minder snel tot fouten leidt.
Stelling 3.7. Voor elk tweetal n n matrices A en B geldt det(AB) = det A det B.
Voorbeeld 3.8. Stel
A=

en

B=

2 1
3

Dan is det A = 2 en det B = 6 (3) = 9. Er geldt

!
!
!
5
2
2 1
1
1
,
=
AB =
6
6
3
3
0
2
zodat inderdaad det(AB) = 30 12 = 18 = det A det B.

25

3.4

Opgaven

1. Bepaal de determinant en
!
0
2
(a) A1 =
3
0

1
0
0

1
1
(b) A2 = 1
0

2 1

de inverse van elk van de volgende matrices:

2 1
0 1
2

(c) A3 = 1

2. Gegeven is het stelsel vergelijkingen

= 8

2x y
x + 2y z = 8

y + 2z = 4

Zet dit stelsel om in de matrixnotatie en bepaal x, y en z met behulp van het antwoord op
de vorige opgave.

3. Gegeven zijn de matrices

A=

en

B= 0
1

(a) Bereken de determinant en de inverse van AB.

1 .
1

(b) Waarom geldt hier niet (AB)1 = B 1 A1 en det AB = det A det B?

(c) Toon aan dat de matrix BA geen inverse heeft.

4. Onderzoek voor welke waarden van x elk van de volgende matrices inverteerbaar is (de
inverse, indien deze bestaat, hoeft niet te worden bepaald):

2
1
3

x+1
1
(a) P = 1
,
2

(b) Q = 1
2

2x

x2

x4

5. Gebruik de regel van Cramer om de volgende stelsels op te lossen:

(
5x + 7y = 3
(a)
2x + 4y = 1
(
4x + y = 6
(b)
5x + 2y = 7

= 7

2x + y
+ z = 8
(c) 3x

y + 2z = 3
26

6. Bereken de volgende determinanten:



 1
2
1 3 



 0
2
2 6 


(a) 
0
5 
 0 3


5 4
2 4 





(b) 





1 

1 

1 

2 

27

4
4.1

Eigenwaarden en eigenvectoren
Definitie

Definitie 4.1. Een complex (of reeel) getal heet een eigenwaarde van de n n matrix A als er
een vector x 6= 0 is met Ax = x. Dan heet x een eigenvector van A (bij de eigenwaarde ).
Voorbeeld 4.2. = 2 is een eigenwaarde van de matrix
!
1
1
.
A=
1
1
Een bijbehorende eigenvector is
!
1
x=
,
1
immers
Ax =

1
1

2
2

= 2x.

Voorbeeld 4.3. De vector

!
1
x=
1
is een eigenvector van de matrix A uit het vorige voorbeeld. De bijbehorende eigenwaarde is = 0,
immers
!
!
!
1
1
0
1
Ax =
=
= 0x.
1
1
1
0
Een eigenvector kan worden genterpreteerd als een vector die door A alleen wordt opgerekt
met een factor . Dit betekent dat A in de richting van x zich als een schaling (met factor )
gedraagt.
Opmerking. Als x een eigenvector is, dan is ook elk veelvoud van x een eigenvector bij dezelfde
eigenwaarde, behalve de vector 0. Om niet elke keer de uitzondering van 0 mee te slepen, spreken we af dat we in de zogenoemde eigenruimte, de collectie van eigenvectoren bij een bepaalde
eigenwaarde, 0 wel meenemen.
Voorbeeld 4.4. De matrix

1
0
0

2
0
A= 0
0
0
3

heeft drie eigenwaarden, te weten 1, 2 en 3.

De eigenvectoren bij eigenwaarde 1 zijn alle vectoren van de vorm

1

0
0

met R (of C, al naar gelang we A als reele of complexe matrix zien).

28

De eigenvectoren bij eigenwaarde 2 zijn alle vectoren van de vorm

0

met R.
1 ,
0

De eigenvectoren bij eigenwaarde 3 zijn alle vectoren van de vorm

0

met R.
0 ,
1

4.2

Eigenwaarden en eigenvectoren vinden

Als x een eigenvector is van de matrix A met eigenwaarde , dan geldt Ax = x, dus dan is
Ax x = Ax (Ix) = (A I)x = 0.
Volgens Stelling 3.5 is dan det(A I) = 0, omdat x 6= 0. Omgekeerd, als det(A I) = 0,
dan is er ook een x 6= 0 z
o, dat (A I)x = 0. De eigenwaarden van een matrix zijn dus
precies de getallen waarvoor geldt dat det(A I) = 0. De bijbehorende eigenvectoren zijn de
(niet-triviale) oplossingen van (A I)x = 0.
Voorbeeld 4.5. Stel

1
1
2

1
0 .
A= 2
1
0
1

Dan is



 1

1
2




det(A I) = 
2
1
0




1
0
1 

 
 1
  2
0

 
= (1 ) 


0
1   1
= (1 )3 2(1 ) 2(1 )


= (1 ) (1 )2 4 .




 2


 + 2

 1
1
0


1 


0

De eigenwaarden zijn dus = 1 en de twee oplossingen van (1)2 = 4, te weten = 1+2 = 3

en = 1 2 = 1.
Eigenvectoren bij = 1 volgen door (A 1 I)x = 0 op te lossen:

0
0
1
2

0
0 x = 0 .
2
0
1
0
0
De oplossingen zijn de vectoren van de vorm

R.
2 ,
1

29

 Eigenvectoren bij = 1: los op (A (1) I)x = 0, oftewel

2
1

0
0

r1 2r3
r2 2r3

0
1

1 2

r2 2r1
0 0
1
0

2 4
0

1 2

0 .
0

De oplossingen zijn

2 ,
1

R.

Eigenvectoren bij = 3: los op (A 3 I)x = 0, dus

2
1
2

0
2 2
1
0 2

0
0

r1 +2r3
r2 2r3

1 2

4
0 2
1
0 2

0
0

r2 +2r1

0
1

1 2

0 2

0 ,
0

met als oplossingen

2 ,
1

R.

De vergelijking det(A I) = 0 heet de karakteristieke vergelijking van A. Deze vergelijking

kan, zelfs als A reeel is, complexe oplossingen hebben.
Voorbeeld 4.6. Laat
!
0
1
.
A=
1
0
De karakteristieke vergelijking is



1 


 = 2 + 1 = 0,
 1 

dus de eigenwaarden zijn = i.

Eigenvectoren bij = i:
!
i
1
0
r2 +ir1

1 i
0

met oplossingen
!
1
,

i
nu met C (!).
30

 Eigenvectoren bij = i:
!
i
1
0
r2 ir1

0
1
i
met oplossingen
!
1

,
i

C.

In alle voorbeelden hierboven hadden we een n n matrix met n verschillende eigenwaarden,

maar dat hoeft niet altijd zo te zijn. Soms heeft een n n matrix minder dan n eigenwaarden.
Voorbeeld 4.7. De matrix
!
1
0
0

heeft een eigenwaarde: 1, en elke vector is een eigenvector.

De matrix
!
0
1
0

heeft ook een eigenwaarde: 0, en alleen de vectoren

!
1

0
met R zijn eigenvectoren.
Laat nu A een n n matrix zijn met n verschillende eigenwaarden 1 , 2 , . . . , n . Kies eigenvectoren xi met Axi = i xi (i = 1, . . . , n). Vorm de matrix S door de componenten van xi op de
ie kolom te zetten:

xi1
x11
x21 xn1

xi2
x12
x22 xn2

.
.
.
waar
S=
..
.. . . .
: = xi .
..
.

.
.
.
xin
x1n
x2n xnn

Omdat Axi = i xi volgt

1 x11

1 x12
..
AS =

..

1 x1n

dan dat

2 x21 n xn1

2 x22 n xn2
..
..
..
..
..
..
2 x2n n xnn

=S

0
..
..
0

2 0
.. . .
.
. . ...
..
0 n

Bovendien stellen we, zonder dit te bewijzen, dat S inverteerbaar is (en dus det S 6= 0). Uit
det(AS) = det A det S en eigenschap h van determinanten volgt nu dat de determinant van A
kennelijk gelijk is aan het product van zijn eigenwaarden. Verder zien we dat

1
0 0

0
2 0
1

. .
.. . .
S AS = ..
. . ...
..

..
0
0 n
31

Deze matrix is een zogenaamde diagonaalmatrix : het is een matrix die alleen op de hoofddiagonaal
getallen ongelijk aan nul heeft. Dit is bovendien een hele speciale diagonaalmatrix: de getallen op
de diagonaal zijn precies de eigenwaarden van A.
Voorbeeld 4.8. Bekijk de matrix
!
4
1
.
A=
2
3
De karakteristieke vergelijking is



 k2 +k1  4
 4
1



 = 



2
2
3 


5  r1 r2
 =
5 


 2



2




 = (2 )(5 ) = 0,
5 
0

dus de eigenwaarden zijn = 2 en = 5. De eigenvectoren zijn (ga zelf na)

!
!
1
1
bij eigenwaarde 2.
bij eigenwaarde 5, en
2
1
Vorm dan de matrix
!
1
1
.
S=
2
1

Dan geldt:
AS =

1
2

1
1

2
4

1
1

oftewel
AS = S

en dus

AS =

Bovendien geldt det A = 4 3 1 2 = 10 = 2 5: de determinant is gelijk aan het product van de

eigenwaarden.
Opmerking. Het is in dit voorbeeld duidelijk dat S inverteerbaar is, omdat det S = 3.
Tot slot merken we op dat A en AT dezelfde eigenwaarden hebben, maar (in het algemeen)
niet dezelfde eigenvectoren. Verder, als een complex getal een eigenwaarde is van de (complexe)
een eigenwaarde van de geadjungeerde matrix A .
matrix A, dan is

32

4.3

Opgaven

1. Gegeven zijn de matrix A

1
2 1

1 2
A= 1
0

2 2

en de vectoren x en y door

x = 1 ,
,
2

en

y = 1 .
1

(a) Laat zien dat x een eigenvector is van A. Wat is de bijbehorende eigenwaarde?

(b) Laat zien dat y een eigenvector is van A. Wat is de bijbehorende eigenwaarde?
2. Bepaal de eigenwaarden en de bijbehorende eigenvectoren van de volgende matrices:
!
2
7
,
(a) A1 =
7
2
!
3 4
,
(b) A2 =
4
8

6 2
0

9
0 .
(c) A3 = 2
5

3. Bepaal voor de volgende matrices een diagonaalmatrix D en een inverteerbare matrix S zo

dat Ai = SDS 1 , (i = 1, 2):
!
3 1
,
(a) A1 =
0
5
!
2
3
.
(b) A2 =
3
1

33

Lineaire differentiaalvergelijkingen van orde 2

5.1

Homogene vergelijkingen

In dit deel bekijken we eerst homogene vergelijkingen van orde twee met constante coefficienten,
dat wil zeggen, differentiaalvergelijkingen van de vorm
a0 y + a1 y + a2 y = 0.
Om dit stelsel op te lossen, proberen we eerst eens of y(x) = ex een oplossing kan zijn voor een
of ander getal . Invullen geeft
a0 y + a1 y + a2 y = (a0 2 + a1 + a2 )ex = 0,
voor alle x. Dat kan alleen als
a0 2 + a1 + a2 = 0.
Deze kwadratische vergelijking in heet de karakteristieke vergelijking. We weten dat deze
vergelijking in het algemeen twee, eventueel complexe, oplossingen heeft. Deze oplossingen zullen
we voor nu even noteren met 1 en 2 . Een gevolg van een algemene stelling is dat als 1 6= 2 ,
de algemene oplossing van de differentiaalvergelijking gegeven wordt door y(x) = c1 e1 x + c2 e2 x ,
met c1 en c2 willekeurige constanten.
Voorbeeld 5.1. De volgende differentiaalvergelijkingen kunnen worden opgelost met behulp van
de karakteristieke vergelijking:
1. y y = 0. Probeer y = ex . De karakteristieke vergelijking wordt 2 1 = 0, dus = 1.
De algemene oplossing is dus y(x) = c1 ex + c2 ex , met c1 , c2 R.
2. y + 3y + 2y = 0. De karakteristieke vergelijking is
2 + 3 + 2 = ( + 2)( + 1) = 0,
dus = 2 of = 1. De algemene oplossing is dus y(x) = c1 e2x + c2 ex , met c1 , c2 R.
3. y + y = 0. De karakteristieke vergelijking is 2 + 1 = 0, dus = i. Alle complexe
oplossingen worden dan gegeven door
y(x) = c1 eix + c2 eix

met c1 , c2 C.

Nu is eix = cos x + i sin x en eix = cos x i sin x, dus

y(x) = (c1 + c2 ) cos x + i(c1 c2 ) sin x.
Neem nu c1 + c2 = a R en i(c1 c2 ) = b R. Dat kan, c1 = c2 werkt bijvoorbeeld. Dan is
y(x) = a cos x + b sin x

met a, b R

de algemene reele oplossing.

4. y + 2y + y = 0. De karakteristieke vergelijking is 2 + 2 + 1 = 0. Dat geeft = 1. Er
is nu maar een oplossing van de vorm y(x) = ex , namelijk y = cex .
Nu vinden we de andere oplossingen door variatie van constanten. Dat werkt als volgt: stel
y(x) = c(x)ex is een oplossing, voor een of andere functie c(x). Dan is
y (x) = c (x)ex c(x)ex ,

y (x) = c (x)ex 2c (x)ex + c(x)ex ,

34

en dus
y + 2y + y = (c 2c + c + 2c 2c + c) ex = c ex = 0,
zodat c = 0. We hebben dus een differentiaalvergelijking voor c(x) afgeleid. Maar deze is
simpel, en heeft de oplossing c(x) = ax + b, met a, b R. Dus
y(x) = axex + bex

met a, b R.

Wat we in het laatste voorbeeld zagen geldt algemeen: als de karakteristieke vergelijking maar
een oplossing heeft, zeg 1 , dan is naast e1 x ook xe1 x een oplossing. De algemene oplossing is
in dat geval dus y(x) = c1 e1 x + c2 xe1 x met c1 , c2 R.

5.2

Inhomogene vergelijking

We bekijken nu vergelijkingen van de vorm

a0 y + a1 y + a2 y = f (x),
met f (x) een functie die niet de nulfunctie is. Vanwege de term f (x) aan de rechterkant noemen
we deze vergelijking inhomogeen. De bijbehorende homogene vergelijking is
a0 y + a1 y + a2 y = 0.
Eerst doen we een algemene uitspraak: als y0 (x) een oplossing is van de inhomogene vergelijking,
en c1 y1 (x) + c2 y2 (x) de algemene oplossing van de homogene vergelijking, dan wordt de algemene
oplossing van de inhomogene vergelijking gegeven door
y0 (x) + c1 y1 (x) + c2 y2 (x)

met c1 , c2 R.

Dat is prettig, omdat we nu maar een oplossing van de inhomogene vergelijking hoeven te vinden.
Die ene oplossing van de inhomogene vergelijking noemen we een particuliere oplossing. Hoe vind
je zon particuliere oplossing?
Er is een algemene methode (ook nu weer variatie van constanten geheten), maar die is
ingewikkeld.
Voor veel functies f werkt het volgende idee: probeer voor y0 lineaire combinaties van f en
zijn afgeleiden f , f , . . . .
Als f zelf een oplossing is van de homogene vergelijking werkt dit niet. Probeer dan voor
y0 een lineaire combinatie van xf (x) en de afgeleiden hiervan, die geen oplossing zijn van
de homogene vergelijking (als ook xf (x) oplossing is van de homogene vergelijking neem je
x2 f (x) en zijn afgeleiden ).
Voorbeeld 5.2. We illustreren dit met wat voorbeelden.
1. y + y = cos x. De oplossing van de homogene vergelijking krijg je zoals gewoonlijk door de
karakteristieke vergelijking op te lossen: 2 + = ( + 1) = 0 geeft = 0 of = 1.
Nu zoeken we een particuliere oplossing y0 van de inhomogene vergelijking. Probeer voor y0
een functie van de vorm y0 = a cos x + b sin x. Dan is y0 = a sin x + b cos x en y0 =
a cos x b sin x. Dus
y0 + y0 = (a + b) cos x (a + b) sin x = cos x,
waaruit volgt a + b = 0, a + b = 1. Oplossen van dit stelsel geeft a = 21 , b = 21 . Dus is
y0 (x) = 21 cos x + 21 sin x een oplossing.
De algemene oplossing is dan
y(x) = 12 cos x +

1
2

sin x + c1 ex + c2
35

met c1 , c2 R.

2. Los op y y = x. De oplossing van de homogene vergelijking hebben we bepaald in

Voorbeeld 5.1.1. Probeer als particuliere oplossing y0 = ax + b. Invullen geeft y0 y0 =
ax b = x, dus b = 0 en a = 1. De algemene oplossing is dus y(x) = x + c1 ex + c2 ex .
3. y y = ex . Nu werkt aex niet als particuliere oplossing omdat dit al een oplossing van de
homogene vergelijking is. Probeer dus y0 (x) = axex . Dan is
y0 = axex + aex ,
y0 = axex + 2aex ,
dus y0 y0 = 2aex = ex , en dit geeft a = 12 . Een particuliere oplossing is dus y0 (x) = 12 xex ,
zodat de algemene oplossing wordt
y(x) = 12 xex + c1 ex + c2 ex

met c1 , c2 R.

Samenvattend werkt voor het vinden van een particuliere oplossing van een inhomogene differentiaalvergelijking van de vorm
a0 y + a1 y + a2 y = f (x),
vaak het volgende recept:
Als f (x) =
xn
ex
sin x
cos x
lineaire combinatie hiervan
product hiervan

probeer dan
a0 + a1 x + a2 x2 + + an xn
aex
a sin x + b cos x
a sin x + b cos x
soortgelijke lineaire combinatie
soortgelijk product

Het recept werkt niet als het rechterlid al een oplossing is van de bijbehorende homogene differentiaalvergelijking. Een suggestie in dat geval: probeer een combinatie van x maal de functie uit het
recept. Als dat ook niet werkt probeer dan xk maal de functie uit het recept voor k = 2, 3, . . . .
Laten we het recept voor het oplossen van een inhomogene lineaire differentiaalvergelijking van
tweede orde (met constante coefficienten) samenvatten:
1. Los de bijbehorende homogene differentiaalvergelijking op.
2. Vind een particuliere oplossing, bijvoorbeeld met de methode zoals hierboven beschreven.
3. Los de constanten in de algemene oplossing op door middel van rand- of beginvoorwaarden
(indien die aanwezig zijn).
Van dat laatste geven we nog een voorbeeld.
Voorbeeld 5.3. Los op y + y = cos x met y(0) = 0 en y (0) = 0. Uit Voorbeeld 5.2.1 weten we
al dat de algemene oplossing is
y(x) = 21 cos x +

1
2

sin x + c1 ex + c2 .

Invullen van y(0) = 0 en y (0) = 0 geeft 0 = 12 + c1 + c2 en 0 =

De gezochte oplossing is dus
y(x) = 21 cos x +

1
2

1
2

c1 . Dus c1 =

1
2

en c2 = 0.

sin x + 12 ex .

We merken tenslotte op dat de technieken die hier gebruikt zijn ook werken voor de algemenere
situatie van een n-de orde lineaire differentiaalvergelijking met constante coefficienten.

36

5.3

Opgaven

1. Men zoekt een particuliere oplossing (x) van de lineaire differentiaalvergelijking ay + by +

cy = f (x). Welke gedaante van (x) (met onbepaalde coefficienten) probeer je, als:
(a) f (x) = x3 + sin 2x
(b) f (x) = xe2x
(c) f (x) = (sin x + cos x)2 + 1
(d) f (x) = ex sin 2x
2. Bepaal de algemene oplossing:
(a) y 2y 3y = 0

(b) y 4y + 13y = 0
(c) y + 2y + y = 0

(d) y + 2y = 0
(e) y + 2y 8y 4x2 = 0

(f) y = 3ex + 4y + 8 + sin x

(g) x
+ x = 2t sin t cos t

x =

dx
dt

en

3. Los de volgende beginwaardeproblemen op:

(
y 3y + 2y = 0
(a)
y(0) = 1, y (0) = 0
(
x
x = 2 cos t 2t sin t
(b)
x(0) = 0, x(0)

=1

37

x
=

d2 x
dt2

6
6.1

Stelsels differentiaalvergelijkingen van orde 1

Stelsels homogene differentiaalvergelijkingen.

We bekijken in deze paragraaf stelsels homogene differentiaalvergelijkingen van eerste orde. Dit
zijn stelsels van de vorm

x1 (t)
x1 (t)

x2 (t)
x2 (t)
. = A .
of
x (t) = Ax(t),
(1)
.
.
.
.

xn (t)

xn (t)

met A een n n matrix en x(t) een vector met coordinaten x1 (t), x2 (t), . . . , xn (t).
Voorbeeld 6.1. Het stelsel
(
dx
2x + y
dt =
dy
dt

2y

is van de vorm (1). De matrix A is in dit geval

!
2
1
.
A=
0 2
Dit stelsel is simpel op te lossen: de oplossing van de tweede vergelijking is y(t) = c e2t . Invullen
in x (t) = 2x + y geeft
x (t) = 2x(t) + ce2t ,
een inhomogene differentiaalvergelijking. Die los je eenvoudig op:
x(t) = c1 e2t 14 ce2t .
Helaas kan niet elk stelsel op deze manier worden opgelost. De truc werkt bijvoorbeeld niet
voor het stelsel
(
x = 3x 2y
(2)
y = 3x + 2y
Hoe moeten we dan te werk gaan? We beginnen met de volgende stelling:
Stelling 6.2. Als een eigenwaarde is van A en x een bijbehorende eigenvector, dan is x(t) = et x
een oplossing van (1).
Bewijs. Dit is gemakkelijk te bewijzen door de uitdrukking voor x(t) in te vullen. Er geldt
Ax = x, en dus
Ax(t) = Aet x = et Ax = et x =
zodat x(t) inderdaad een oplossing is.

d t

d
e x = x(t),
dt
dt

Voorbeeld 6.3. Met behulp van deze stelling kan de algemene oplossing van (2) gevonden worden.
De matrix A is in dit geval
!
3 2
.
A=
3
2
38

Uit de vergelijking

 r1 2r2

 =
2 


3

det(A I) = 
 3

= (3 )( + 4) = 0


 3 6 + 2


 3
2


 k2 +2k1

 =



 3
0


 3
4

volgt dat 1 = 3 en 2 = 4 de eigenwaarden zijn.

Eigenvectoren bij 1 = 3:
!
6 2
0
r1 2r2

3 1
0

3 1

r2 1

geeft
x 1 = c1

1
3

met c1 R.

Eigenvectoren bij 2 = 4:
!
1 2
0
r2 +3r1

0
3
6

1 2
0

0
0

geeft
x 2 = c2

2
1

We concluderen dat
!
x(t)
= c1 e3t
y(y)

met c2 R.

1
3

+ c2 e

4t

2
1

een oplossing is voor alle c1 , c2 R. Oftewel, in componenten uitgeschreven,

(
x(t) =
c1 e3t + 2c2 e4t
met c1 , c2 R
y(t) = 3c1 e3t + c2 e4t
is een oplossing van (2), en we beweren dat ook alle oplossingen van deze vorm zijn.
De laatste bewering is in het algemeen waar:
Stelling 6.4. Als de n n matrix A precies n verschillende eigenwaarden 1 , . . . , n heeft, met
bijbehorende eigenvectoren x1 , . . . , xn , dan zijn alle oplossingen van x (t) = Ax(t) van de vorm
x(t) = c1 e1 t x1 + + cn en t xn ,
met c1 , . . . , cn reele (of eventueel complexe) getallen.
Voorbeeld

x
y

6.5. Los op
=

3x +

2y + z

z
39

De matrix A bij dit stelsel is

3
1
0

2
1
A= 0
0
0
1

Merk op dat de eigenwaarden van deze matrix 3, 2 en 1 zijn. Bijbehorende eigenvectoren zijn
respectievelijk

1
1
1

2 .
1 ,
0 ,
2
0
0
De oplossingen van het stelsel zijn dus

3t
+ c2 e2t + c3 et

x(t) = c1 e
y(t) =
c2 e2t 2c3 et

z(t) =
2c3 et

met c1 , c2 , c3 R.

Voorbeeld 6.6. We zoeken de algemene reele oplossing van het stelsel

(
x =
x 2y
y =

2x +

In dit voorbeeld is de matrix A gelijk aan

!
1 2
.
A=
2
1
De karakteristieke vergelijking is
(1 )2 + 4 = 0,
wat betekent dat de eigenwaarden 1 2i zijn.
Eigenvectoren bij 1 = 1 + 2i:
!
2i 2
0
r2 ir1

0
2 2i

2i 2

2i 2

r1 21

r1 21

geeft
x 1 = c1

1
i

met c1 C.

Eigenvectoren bij 1 = 1 2i:

!
2i 2
0
r2 +ir1

2
2i
0

geeft
x 2 = c2

1
i

met c2 C.

40

De uitdrukkingen e1 t en e2 t zijn nu complex. Door deze uitdrukkingen met behulp van de

formule van Euler ei = cos + i sin uit te schrijven volgt dat de oplossing gegeven wordt door
(
x(t) =
(c1 + c2 )et cos 2t + i(c1 c2 )et sin 2t
met c1 , c2 C.
y(t) = i(c1 c2 )et cos 2t + (c1 + c2 )et sin 2t
Nu hebben we een probleem: we willen de reele oplossingen hebben. Maar door c1 en c2 zo te
kiezen dat a = c1 + c2 R en b = i(c1 c2 ) R (neem c2 = c1 ), krijgen we alle reele oplossingen:
(
x(t) = aet cos 2t + bet sin 2t
met a, b R.
y(t) = bet cos 2t + aet sin 2t
Dubbele eigenwaarden
Je kunt je afvragen wat je moet doen als de n n matrix A onverhoopt niet n verschillende
eigenwaarden heeft. Zolang er een zogenaamde basis van eigenvectoren is, is dat allemaal geen
probleem. Maar zodra dat niet het geval is wordt de zaak aanzienlijk ingewikkelder. We geven een
voorbeeld, maar verwijzen voor algemene theorie naar boeken over differentiaalvergelijkingen en
lineaire algebra. In het bijzonder moet je voor het algemene geval kennis nemen van de zogenaamde
Jordannormaalvorm van een matrix.1
Voorbeeld 6.7. Los op
(
x = x + y
y =

met randvoorwaarden x(0) = 1 en y(0) = 2. De matrix A is nu

!
1
1
.
A=
0
1
De enige eigenwaarde is 1, met bijbehorende eigenvector
!
1
.
0
Er is geen basis van eigenvectoren. In dit voorbeeld kunnen we echter makkelijk verder. De
differentiaalvergelijking voor y laat zich eenvoudig oplossen: y(t) = c1 et , waar c1 R. Invullen in
de differentiaalvergelijking voor x geeft dan de inhomogene eerste-orde differentiaalvergelijking
x (t) x(t) = c1 et .
Oplossingen van de bijbehorende homogene differentiaalvergelijking zijn van de vorm x(t) = c2 et ,
dus als particuliere oplossing proberen we x0 (t) = ctet . Je ziet dan snel dat je voor c moet nemen
c = c1 . De oplossingen zijn dus:
!
!
!
!
1
t
c1 tet + c2 et
x(t)
t
t
= c1 e
+ c2 e
,
met c1 , c2 R.
=
1
0
c1 et
y(t)
Nu gebruiken dat x(0) = 1 en y(0) = 2 geeft c1 = 2 en c2 = 1. De oplossing is dus
!
!
2tet + et
x(t)
.
=
2et
y(t)
1 Zie bijvoorbeeld: P. Lancaster, M. Tismenetsky, The theory of matrices, Second edition, Academic Press,
London, 1985.

41

6.2

Stelsels inhomogene differentiaalvergelijkingen

Ook voor stelsels inhomogene differentiaalvergelijkingen werkt het gebruikelijke proberen van een
oplossing voor bepaalde soorten rechterlid.
Voorbeeld 6.8. Los op
(
x = y + t3
y =

x + t

Het bijbehorende homogene stelsel is

(
x = y
,
y = x
ofewel
x
y

0 1
1

x
y

De eigenwaarden van de matrix zijn i. Met de methode uit de vorige paragraaf volgt dat de
oplossingen van het homogene stelsel zijn
(
x(t) = a cos t + b sin t
,
met a, b R.
y(t) = b cos t + a sin t
Nu moeten we nog een particuliere oplossing van de inhomogene vergelijking vinden. Probeer
!
!
!
!
!
x0
g
e
a
c
3
2
+
+t
=t
+t
h
y0
f
b
d
met a, b, c, d, e, f, g, h reele getallen. Dan is
!
!
!
!
x0
e
c
a
2
,
+
= 3t
+ 2t
y0
f
d
b
en als we dit invullen in het oorspronkelijke stelsel krijgen we
!
!
!
!
!
d
1

b
e
2c
3a
+t
+ t2
= t3
+
t2
+t
c
a
f
2d
3b

1+e

h
g

Door de corresponderende coefficienten gelijk te stellen, krijgen we nu het volgende stelsel van
acht vergelijkingen met acht onbekenden:
(
0 = 1b ,
3a = d ,
2c =
f ,
e = h ,
0 =

a ,

3b =

c ,

2d =

1+e ,

f =

g .

Dit stelsel is eenvoudig op te lossen. je krijgt a = 0, b = 1, c = 3, d = 0, e = 1, f = 6, g = 6

en h = 1. Een particuliere oplossing is dus
!
!
!
!
!
!
3t2 t 6
6
1
3
0
x0
2
3
.
=
+
+t
+t
=t
t3 6t + 1
1
6
0
1
y0
De algemene oplossing wordt nu gegeven door de gevonden particuliere oplossing plus de algemene oplossing van het homogene stelsel:
(
x(t) = a cos t + b sin t + 3t2 t 6
met a, b R.
y(t) = b cos t + a sin t + t3 6t + 1
42

6.3

Opgaven

1. Bepaal van
(
x
(a)
y
(
x
(b)
y

x
y
(c)

x
y
(d)

de volgende homogene stelsels differentiaalvergelijkingen de oplossing

=

2x +

x + 2y

x y

= 4x + y
=

3x

=
=

x +

3y +

y + 2z

2x + 3y + 3z

3x

3x

(e) Bepaal van het stelsel onder (d) die oplossingen die voldoen aan de beginvoorwaarden
x(0) = 1, y(0) = 2, z(0) = 0.

2. Los de volgende
(
x =
(a)
y =
(
x =
(b)
y =
(
x =
(c)
y =

x =
y =
(d)

z =

inhomogene stelsels differentiaalvergelijkingen op

4x 3y +

sin t

2x

y 2 cos t

2x +

y + 3t 5

x + 2y
x + 2y +

et

3x + 2y et
2x + 3y + 3z + 48t
3x
3x

+ 2et

z 2et

43