Een eigenvector is niet de nulvector en wordt door de bijbehorende transformatie afgebeeld op een scalair veelvoud van zichzelf. Voor kleinste-kwadratenformules moeten de genoemde voorwaarden voor de matrix gelden.
Waar dit bij helpt
Formules herkennen die worden gebruikt bij lineaire transformaties en het aanpassen van modellen aan gegevens.
Voordat je begint
Probeer de voorbeelden om te zien wat je gaat oefenen. Let op de gevraagde antwoordvorm en eventuele voorwaarden.
Uitleg
Een eigenvector blijft op zijn lijn
Neem A = [[2, 0], [0, 5]] en v = (1, 0).
Av = (2, 0) = 2v.
Een eigenvector v is een vector ongelijk aan nul waarvoor Av = λv geldt bij een vierkante matrix A. De eigenwaarde λ vertelt hoe A de vector schaalt. Een negatieve λ keert de richting om en λ = 0 stuurt de vector naar nul.
Aanpassen zodat het residu loodrecht staat
Pas één constante x aan de waarden 2, 3 en 7 aan. Met A = [[1], [1], [1]] en b = (2, 3, 7) geldt:
AᵀA = 3, Aᵀb = 12, dus 3x̂ = 12 en x̂ = 4.
De kleinste-kwadratenmethode kiest x̂ zodat de som van de gekwadrateerde fouten minimaal is. De normaalvergelijking is AᵀAx̂ = Aᵀb. Het residu b − Ax̂ staat loodrecht op elke kolom van A.
Heeft A m rijen en n kolommen, dan heeft b m elementen en x̂ heeft er n. De vergelijking blijft geldig als AᵀA singulier is, al is de oplossing dan mogelijk niet uniek. Het teken ᵀ betekent transponeren.
Probeer een paar voorbeelden
Echt oefenen. Echte vooruitgang.
Voorbeeld 1 van 2
Vul de eigenvectorvergelijking aan
v is een eigenvector van de vierkante matrix A, met eigenwaarde λ, en is niet de nulvector.
Kies de exacte uitdrukking.
Amerikaanse leerjaren en cursussen met dit onderwerp