Sammanfattning 18 Linjär algebra – Symmetriska matriser Vi beskriver n–dimensionella vektorer med kolonnmatriser och skalärprodukten som √ x · y = x T y = x1 y1 + · · · + xn yn . Speciellt blir |x| = x T x. Definition x är vinkelrät mot y om x T y = 0. Vi skriver x ⊥ y . Sats (Pythagoras): x ⊥ y ⇒ |x + y |2 = |x|2 + |y |2. Bevis: |x + y |2 = (x + y )T (x + y ) = |x|2 + |y |2 + x T y + y T x = |x|2 + |y |2. Ex. 1 Projektioner: Given en enhetsvektor n, dvs nT n = 1, kan alla (ickenoll) vektorer entydigt delas upp i två komposanter, x = xk + x⊥ , där xk = kn. Bestäm k. Lösning: x⊥ x n 0 = nT x⊥ = nT (x − xk ) = nT x − knT n, dvs k = nT x . xk Avbildningen x → P(x) = xk kallas projektion på n. För varje x gäller att P(x) = nnT x, dvs P = nnT . P 2 = P ty P 2 = nnT nnT = nnT = P. P har egenvärden 0 och 1 ty P(x⊥ ) = P(x − P(x)) = P(x) − P(x) = 0 och P(n) = n. Ex. 2 Spegling: S(x) = x⊥ − xk = x − 2xk = x − 2P(x), dvs S = I − 2P = I − 2nnT . S 2 = (I − 2P)(I − 2P) = I − 2P − 2P + 4P 2 = I , dvs S är sin egen invers. Sats: S = S T . Bevis: S T = (I − 2nnT )T = I − 2(nT )T nT = S. xk x n x⊥ −xk S(x) Definition: Matrisen Q är ortogonal om Q T Q = I , dvs Q −1 = Q T . Ex. 3: S är ortogonal ty SS = I = S T S. Sats: Låt qi , i = 1, · · · , n vara kolonnerna i en ortogonal matris, dvs Q = (q1 , q2 , · · · , qn ). (a) Kolonnerna i Q motsvarar ortonormerade vektorer. (b) I kan skrivas som en summa av ortogonala projektioner längs enhetsvektorerna qi . Bevis: (a) Q T Q = I, dvs qiT qi = 1 och qiT qj = 0 för i 6= j. (b) QQ T = q1 q1T + q2 q2T + · · · + qn qnT = I, där qi qiT qi qiT = qi qiT och qi qiT qj qjT = 0 , för i 6= j . 2 −2 1 1 Ex. 4: Är A = 1 2 2 ortogonal? Svar: Nej ty qiT qi = 9, nen Q = A är det. 3 2 1 −2 Sats 6.9: A reell och symmetrisk samt Az = λz, z 6= 0 ⇒ λ ∈ R. Bevis: Az = λz ⇒ Az = λz = Az. Därmed z T Az = λz T z. Också (Az)T z = z T AT z = z T Az = λz T z. Eftersom z T z = |z|2 6= 0, så är λ = λ. Notera att eftersom A och λ är reella, så kan egenvektorn z väljas reell. Sats 6.10: Om A är reell och symmetrisk så är alla reella egenvektorer tillhörande olika egenvärden ortogonala. Bevis: Ta λ 6= µ och Az = λz, Av = µv . Så är µz T v = z T Av = (AT z)T v = (Az)T v = λz T v . λ 6= µ ⇒ z T v = 0. Sats 6.11 (Spektralsatsen): Om A är reell och symmetrisk så finns det en ortogonalmatris Q som diagonaliserar A, dvs Q −1AQ = Q T AQ = D. Beviset är lättast om alla egenvärden är olika. I så fall är A diagonaliserbar och S är ortogonal pga Sats 6.10. Omvänt så innebär det att A = QDQ T = λ1 q1 q1T + λ2 q2 q2T + · · · + λn qn qnT . 1 −4 8 7 4 . Ex. 5: Finn Q som diagonaliserar A = −4 8 4 1 2 Lösning: det(λI − A) = (λ − 9) (λ + 9), dvs egenvärden är λ1 = λ2 = 9, λ3 = −9. Ur (9I − A)z = 0 fås 2z1 + z2 − 2z3 = 0. Två egenvektorer ligger i denna plan och den tredje ligger längs normalen pga Sats 6.10, dvs q3 = 31 (1, 1, −2)T . Alla vektorer i planet duger som egenvektorer, vi väljer q1 = 13 (1, 2, 2)T och därmed blir q2 = q3 × q1 = 13 (2, −2, 1)T . Kvadratiska former Definition: f (x1 , x2 , · · · , xn ) = a11 x21 + a12 x1 x2 + · · · = n X i,j=1 aij xi xj . |{z} grad 2 Ex. 6: f (x1 , x2 , x3 ) = x21 + 6x1 x2 + 8x2 x3 + 7x23 är en kvadratisk form, men inte x21 − x2 . 1 3 0 1 6 0 x1 f (x1 , x2 , x3 ) = (x1 , x2 , x3 ) 0 0 8 x2 = x T Ax = x T 3 0 4 x = x T Kx, 0 4 7 0 0 7 x3 dvs kvadratiska former kan skrivas i matrisform, entydigt om matrisen är symmetrisk. Definition: En kvadratisk form kallas (a) Positiv definit om x T Kx > 0 för alla x 6= 0 , (b) Positiv semidefinit om x T Kx ≥ 0 och likheten gäller för någon x 6= 0 , (c) Negativ definit, (d) Negativ semidefinit på motsvarande sätt och (e) Indefinit om x T Kx växlar tecken. 10 −2 x. Ex. 7: Klassificera formen f (x1 , x2 ) = + −4x1 x2 + =x −2 7 1 1 2 Metod 1: Spektralsatsen. det(λI − K ) = (λ − 6)(λ − 11), Q = √ och 5 2 −1 6 0 Q T KQ = D = . Det blir: x T Kx = x T QQ T KQQ T x = y T Dy , där y = Q T x är 0 11 nya koordinater i planet. I de nya koordinaterna är f (y1, y2 ) = 6y12 + 11y22 ≥ 0 och f = 0 endast om y1 = 0 = y2 dvs endast om x1 = 0 = x2 , ty det(Q) 6= 0. Därmed är f positiv definit. Vi säger att Q diagonaliserar f . 10x21 7x22 T 1 1 2 Metod 2: Kvadratkomplettering. f = 10(x21 − x1 x2 )+7x22 = 10((x1 − x2 )2 − x22 )+7x22 , 5 5 25 1 2 33 2 dvs f = 10(x1 − x2 ) + x2 . Vi har att f ≥ 0 och att f = 0 endast om x2 = 0 och 5 5 1 x1 − x2 = 0, dvs endast om x1 = 0 = x2 . Därmed är f positiv definit. 5