Professional Documents
Culture Documents
Inhoudsopgave
Inleiding
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
34
34
35
37
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.
1.1
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
3z =
+ 3y +
5z =
+ 5y + 12z =
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
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
x + y + z = 6
y + 2z = 8
3y + 8z = 30
x + y + z = 6
y + 2z = 8
2z = 6
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
1
1
6
1
1
1
r2 r1
r3 r1
2
3
1
14 0
1
36
1
4
9
0
3
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
r1 r3
1
1
1
6
1
r2 2r3
8 0
1
2
0
0
0
1
0
3
1
3
1
0
r1 r2
2 0
1
0
0
2
3
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
11
x
y = 7 .
2
z
x + 5y + 3z =
5x + y z =
x + 2y + z =
0
0
0
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 =
10
3 z
+ 3z = x 13 z,
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
2x + y + 3z =
0
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
x + y = 1
2x + 3y = 0
x y = 2
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 =
y =
y =
+ 3y =
(a) Teken de oplossingsverzamelingen van de drie vergelijkingen (dit zijn drie lijnen) in het
(x, y)-vlak.
x + y + z =
x + 2y + 3z =
y + 2z =
2
1
a
Matrices
2.1
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
8
4
12
6
= 17
12
Ax = b.
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
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
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
5
1
4 .
AB = 20
10
2
2 1 + 3 1
A=
en
= 8 1 + 12 1 = 4 .
4 1 + 6 1
2
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
10
1 =
11
3
!
7
2
= 11
3
12
13
14
13
!
1
1
2
2
= 2
1
BC = 3
1 1
1
2
3
5
1
en daarmee
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
1
1
2
3
3
5
0
1
1
12
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
7
3 .
2
3
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
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.
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
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
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
A =
1i
2 4i
2 + 3i
i
Een matrix die gelijk is aan zijn eigen geadjungeerde heet zelfgeadjungeerd of Hermitisch.
16
2.5
Opgaven
3 4
5 2
en
B=
2
3
4 5
A=
0 1
B= 0
1
1
0
en
C=
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
!
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.
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
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
a11 c2 a21 c1
.
a11 a22 a12 a21
a22 c1
a12 c2
a22 c1 a12 c2
. Merk op dat de noemer dezelfde is als in de
a11 a22 a12 a21
= a11 a22 a21 a12 .
y=
a12
a21
a22
. De oplossingen voor x en y
c1
c2
.
a12
a22
a11
a21
a11
a21
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 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:
a13
,
a23
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.
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
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
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
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
3.3
0
0 = 1 1 2 = 2.
2
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
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
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
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
2 1
0 1
2
(c) A3 = 1
= 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.
A=
en
B= 0
1
1 .
1
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
= 7
2x + y
+ z = 8
(c) 3x
y + 2z = 3
26
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.
1
0
0
2
0
A= 0
0
0
3
4.2
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
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
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.
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
2 ,
1
R.
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.
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
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
Dan geldt:
AS =
1
2
1
1
2
4
1
1
oftewel
AS = S
en dus
AS =
32
4.3
Opgaven
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
33
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.
met a, b R
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
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.
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 .
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
(b) y 4y + 13y = 0
(c) y + 2y + y = 0
(d) y + 2y = 0
(e) y + 2y 8y 4x2 = 0
(g) x
+ x = 2t sin t cos t
x =
dx
dt
en
=1
37
x
=
d2 x
dt2
6
6.1
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
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
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
x
y
6.5. Los op
=
3x +
2y + z
z
39
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.
2x +
0
2 2i
2i 2
2i 2
r1 21
r1 21
geeft
x 1 = c1
1
i
met c1 C.
2
2i
0
geeft
x 2 = c2
1
i
met c2 C.
40
41
6.2
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
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 .
6.3
Opgaven
1. Bepaal van
(
x
(a)
y
(
x
(b)
y
x
y
(c)
x
y
(d)
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 =
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