Professional Documents
Culture Documents
Voorwoord
Deze syllabus behandelt wiskundige concepten en technieken die worden toegepast in
de modellering van dynamische systemen. Voor de keuze van de behandelde onderwerpen hebben vraagstellingen uit de levens- en maatschappijwetenschappen als leidraad
gediend. Behalve een kennismaking met de praktische mogelijkheden van het vak bedoelt het college de beta-gamma student een orientatie te bieden op wiskunde als een
autonome discipline, die al eeuwenlang voor de liefhebber het brandpunt vormt van
intellectuele scherpte en vindingrijkheid.
Het college Wiskundige Methoden en Technieken voor beta-gamma is in 1996 voor
het eerst gegeven door S.J. van Strien, die ook de eerste versie van de syllabus schreef.
In opeenvolgende jaren is de syllabus bewerkt door S.M. Verduyn Lunel, J.J.O.O.
Wiegerinck en W.Hoffmann. De laatste heeft daarbij dankbaar gebruik gemaakt van
teksten uit het boek Wiskundige Methoden Toegepast van J. Grasman (Epsilon Uitgaven, Utrecht). W.Hoffmann introduceerde in de cursus ook het gebruik van Mathematica; op de blackboard-site van dit college is een aantal werkdocumenten beschikbaar
om onderdelen van de stof verder te onderzoeken. Deze documenten zijn voor een deel
terug te voeren op materiaal dat A.Heck beschikbaar stelde.
De afgelopen twee jaren heb ik de syllabus bewerkt op basis van mijn ervaringen en
het commentaar van de studenten. Inmiddels is de syllabus ruim 50 bladzijden dikker
geworden en het is misschien goed de lezer erop te wijzen dat hoewel omvangrijk hij
toch niet alles zal bevatten waar hij/zij behoefte aan heeft. De syllabus is bedoeld ter
ondersteuning van de hoor- en werkcolleges, en niet ter vervanging daarvan. Die ondersteuning is tweeledig. Sommige studenten zal de uitleg op de colleges soms te snel gaan,
in de syllabus kunnen zij uitgebreidere uitleg vinden in de uitgewerkte voorbeelden en
toelichtingen. Anderen hebben misschien juist behoefte aan meer diepgang dan in de
behandeling op het hoorcollege mogelijk is. Hun biedt de syllabus zowel bewijzen als
toepassingen die grondiger zijn uitgewerkt en beschouwingen over het hoe en waarom
van de behandelde methoden en technieken.
Marco Swaen, Amsterdam, augustus 2012
2
Het Griekse Alfabet
alfa
beta
gamma o
delta
epsilon %
zeta
eta
theta
iota
kappa
lambda
mu
nu
ksi
omikron
pi
rho
sigma
tau
upsilon
phi
chi
psi
omega
Inhoudsopgave
1 BASIS
1.1 verzamelingen, functies en VWO-stof . . .
1.2 limieten . . . . . . . . . . . . . . . . . . .
1.2.1 Opgaven . . . . . . . . . . . . . . .
1.3 de stelling van Rolle en de dekpuntstelling
1.4 Oefenmateriaal vaardigheden 1 . . . . . .
1.5 Oefenmateriaal vaardigheden 2 . . . . . .
1.6 Oefenmateriaal vaardigheden 3 . . . . . .
1.7 Oefenmateriaal vaardigheden 4 . . . . . .
.
.
.
.
.
.
.
.
5
5
22
29
29
31
32
34
35
.
.
.
.
.
.
37
37
40
45
46
48
53
3 FUNCTIE-ITERATIE
3.1 functie-iteratie en dekpunten . . . . . . . . . . . . . . . . . . . . . . . .
3.2 het discrete Verhulst-model . . . . . . . . . . . . . . . . . . . . . . . .
3.3 Opgaven . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
55
55
62
69
4 VECTORMEETKUNDE
4.1 de vectorruimten R2 en R3 .
4.1.1 vectoren in het platte
4.1.2 vectoren in de ruimte
4.2 Inproduct en uitproduct . .
4.3 Opgaven . . . . . . . . . . .
71
71
72
79
82
91
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2 RIJEN en REEKSEN
2.1 Rijen . . . . . . . . . . . . . . . . . . . . . . .
2.2 Reeksen . . . . . . . . . . . . . . . . . . . . .
2.2.1 Opgaven . . . . . . . . . . . . . . . . .
2.3 Machtreeks en Taylorreeks . . . . . . . . . . .
2.3.1 De Taylorreeks en het Taylor-polynoom
2.3.2 Opgaven . . . . . . . . . . . . . . . . .
. . .
vlak
. . .
. . .
. . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
INHOUDSOPGAVE
6 LINEAIRE AFBEELDINGEN
6.1 lineaire afbeeldingen en de afbeeldingsmatrix
6.2 modelleren met matrices . . . . . . . . . . .
6.2.1 Leslie-model . . . . . . . . . . . . . .
6.2.2 Markov-model . . . . . . . . . . . . .
6.3 Opgaven . . . . . . . . . . . . . . . . . . . .
7 COMPLEXE GETALLEN
7.1 Rekenen met complexe getallen
7.2 de complexe e-macht . . . . . .
7.3 de hoofdstelling van de algebra
7.4 Opgaven . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
8 MATRIX-ITERATIE
8.1 Determinanten in R2 en R3 . . . . .
8.2 Eigenwaarden en eigenvectoren . . .
8.3 Iteratie via de eigenvectoren . . . . .
8.4 Matrix-iteratie . . . . . . . . . . . . .
8.4.1 Iteratie van Markov-matrices .
8.4.2 iteratie van een Leslie-matrix
8.5 Opgaven . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
107
107
120
120
124
126
.
.
.
.
131
132
142
145
147
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
149
149
153
161
163
167
173
174
9 DIFFERENTIAAL-VERGELIJKINGEN
9.1 Differentiaalvergelijking . . . . . . . . . . .
9.2 Malthus en Verhulst continu . . . . . . . .
9.3 Opgaven . . . . . . . . . . . . . . . . . . .
9.4 Differentiaalvergelijkingen van hogere orde
9.4.1 Inhomogene lineaire dvs . . . . . .
9.4.2 Opgaven . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
179
179
187
193
194
203
209
.
.
.
.
.
.
.
.
.
.
.
.
.
.
10 STELSELS DIFFERENTIAALVERGELIJKINGEN
211
10.1 22 stelsels lineaire differentiaalvergelijkingen . . . . . . . . . . . . . . 213
10.2 Opgaven . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
Hoofdstuk 1
BASIS
Dit hoofdstuk bereidt voor op de eigenlijke inhoud van het college. De lezer kan het
gebruiken om relevante stof van het VWO-B-programma op te frissen, of in de loop
van het college na te zoeken. Voorts wordt kort een aantal algemene concepten aan
de orde gesteld, zoals verzamelingen, functies, inversen en limieten die in deze syllabus
voortdurend terugkomen. Ook vindt de lezer een korte verklaring van gehanteerde
symbolen, zoals , , N, , 7, en .
In dit hoofdstuk zal de lezer vergeefs zoeken naar bewijzen. De bewijzen zouden een
fundamentelere behandeling vereisen, die past in een college verzamelingenleer of analyse, maar niet in een toepassingsgericht college over dynamische systemen. Wel zijn
er toelichtingen te vinden die de lezer kunnen helpen de intuties die horen bij de behandelde concepten aan te scherpen.
In de laatste paragraaf vermelden wij enkele fundamentele stellingen waarnaar in bewijzen in de andere hoofdstukken wordt verwezen.
Om de voorkennis te oefenen zijn tenslotte vier series opgaven opgenomen. De uitwerkingen van die opgaven zullen in de loop van het college beschikbaar worden gesteld.
1.1
verzamelingen
Een fundamenteel concept in de wiskunde is het verzamelingenbegrip. In de natuurlijke
taal zijn er allerlei manieren om een aantal losse dingen samen te nemen tot een geheel.
Woorden als collectie elftal, volk groeperen losse elementen tot een nieuw object.
In de wiskunde zien wij hetzelfde. Niet alleen gaat het om getallen of punten maar
om
collecties van getallen of punten. Nemen wij bijvoorbeed de drie getallen 1, 5 en
3
samen als een geheel, dan noemen wij dat de verzameling van de getallen 1,5 en 3 en
schrijven dat geheel als:
{1, 5, 3}
Als iets in zon verzameling zit, dan noteren wij dat als volgt:
HOOFDSTUK 1. BASIS
aB
Q
R
logische symbolen
In deze syllabus zullen wij af-en-toe gebruik maken van logische symbolen om de betekenis van uitspraken te verhelderen. Zo kun je de volgende connectieven(voegwoorden)
tegenkomen:
P
P
P
P
Q P en Q;
Q P of Q;
Q als P dan Q
Q P dan en slechts dan als Q
Een bewering van de vorm P Q heet een implicatie, en betekent zoveel als: in elke
situatie waar P geldt, moet ook Q gelden. Voorbeeld: als x een natuurlijk getal is,
dan is het ook een geheel getal:
xNxZ
Het omgekeerde van een ware implicatie hoeft niet ook waar te zijn. Het omgekeerde:
als x een geheel getal is, dan is x een natuurlijk getal is niet altijd waar. Bijvoorbeeld
-5 is wel een geheel getal, maar geen natuurlijk getal.
Zijn een implicatie en zijn omgekeerde allebei waar dan schrijven we P Q. Deze
uitspraak betekent dus zodra P geldt, geldt Q, en zodra Q geldt, geldt P . Wiskundigen formuleren dit met P dan, en slechts dan als Q, ookwel afgekort met desda.
Een tweede soort logische symbolen zijn de kwantoren, ze verduidelijken de rol en de
onderlinge afhankelijkheid van variabelen.
x P (x)
x P (x)
Soms wordt bij de kwantor ook gespecificeerd uit welke verzameling de betreffende
O
-2
-1
Van de reele rechte kunnen we een aaneengesloten stuk afzonderen, een zogenaamd
interval. Voor het geheel van reele getallen tussen 0 en 1 gebruiken we dan de notatie
[0,1], als we ook 0 en 1 zelf erbij willen nemen. Willen we 0 er niet bij dan schrijven we h0, 1]. In dat geval noemen wij het interval aan de linkerkant open en aan de
rechterkant gesloten. Is het interval aan beide kanten open, dan noemen wij het een
open interval (idem gesloten). Loopt het interval naar een of beide kanten onbegrensd
door, dan gebruiken wij het symbool als een denkbeeldige grens. Bijvoorbeeld het
interval van alle getallen kleiner dan 2 schrijven wij als: h, 2i. Omdat zelf geen
reeel getal is, wordt bij nooit een recht haakje gezet.
[2, 5]
[2, 5i
h, 2]
h, 0i
het
het
het
het
interval
interval
interval
interval
van
van
van
van
alle
alle
alle
alle
x
x
x
x
met
met
met
met
2x5
2x<5
x2
x < 0, dus R .
rekenregels en algebra
Voor het rekenen met getallen gelden rekenregels die zo vanzelfsprekend zijn dat men
ze soms moeilijk herkent. Zodra wij echter met variabelen gaan werken zijn die regels
van groot belang omdat ze ons in staat stellen uitdrukkingen met die variabelen in
elkaar om te zetten. Hieronder sommen wij de belangrijkste op, zonder te streven naar
volledigheid, en zonder overlapping te vermijden:
a+b=b+a
a b = (b a)
a(b + c) = ab + ac
De merkwaardige producten (merkwaardig in de zin van het opmerken waard):
HOOFDSTUK 1. BASIS
(a b)2 = a2 2ab + b2
(a + b)2 = a2 + 2ab + b2
(a + b)(a b) = a2 b2
a c
ad + bc
+ =
,
b d
bd
a c
ac
b
ab
b
c
= , a = , a/ = a
b d
bd
c
c
c
b
a
a
=
a b = a b,
b
b
Tenslotte, om twee helaas veelgemaakte fouten te vermijden :(a, b = 0):
a + b 6= a + b,
(a + b)2 6= a2 + b2
tenzij a = 0 b = 0
kwadratische vergelijkingen
Een kwadratische vergelijking is een vergelijking van de vorm ax2 + bx + c = 0. Een
manier om een dergelijke vergelijking op te lossen berust op het besef dat als het
product van twee getallen 0 is, minstens een van beide 0 moet zijn:
AB =0A=0B =0
Deel eerst alle termen door a, dan herleidt de vergelijking tot een vergelijking van de
vorm: x2 + Sx + P = 0. Probeer het linkerlid te herschrijven tot een product van de
vorm: (x + p)(x + q). Omdat dit gelijk is aan x2 + (p + q)x + pq moeten wij dus zorgen
dat p + q = S en p q = P . Zijn de coefficienten mooi gekozen dan lukt dat en kunnen
wij verder met (x + p)(x + q) = 0, zodat de oplossingen p en q zijn.
Een methode die altijd tot resultaat leidt is kwadraatafsplitsing. Voert men die in
algemene vorm uit dan verschijnt de abc-formule: voor a 6= 0:
b b2 4ac
2
ax + bx + c = 0 x =
2a
Opgemerkt moet hierbij worden dat de hele uitdrukking geen reeel getal kan opleveren
als b2 4ac negatief is, omdat er in R geen getallen zijn waarvan het kwadraat negatief
is. De uitdrukking = b2 4ac wordt de discriminant van de vergelijking genoemd.
Er geldt:
< 0 de vergelijking heeft geen oplossingen;
= 0 de vergelijking heeft een oplossing;
> 0 de vergelijking heeft twee oplossingen.
het platte vlak R2
Wij kunnen twee objecten a en b samenvoegen tot een nieuw object (a, b) waarin de
twee een vaste plaats hebben. Wij spreken dan van een geordend paar. De coordinaten
van een punt ten opzichte van loodrechte assen zijn een voorbeeld van een geordend
paar. Zijn de betreffende getallen reeel dan geven wij het geheel van de geordende paren
aan met R R of R2 . Dit geheel R2 kunnen wij ons voorstellen als het Cartesische
vlak, waarin een x-as en een y-as zijn aangebracht die elkaar loodrecht snijden in de
oorsprong O. De vier vlakdelen die aldus ontstaan heten de vier kwadranten. Het
vlakdeel tussen de twee positieve helften van de assen heet het eerste kwadrant I. De
andere (II, III en IV) worden geteld tegen de wijzers van de klok in.
y
II
-1
III
IV
-1
y = ax+b
b
O
Fig. 1
x
Fig. 2
functies
Als een grootheid y afhangt van x noemen wij y een functie van x. Zo is de temperatuur
op een bepaalde plaats een functie van de tijd, en is de windkracht op een bepaald
moment op aarde een functie van de plaats. Een functie kan gekend zijn in de vorm
van een tabel of een grafiek, maar in wiskundige context gaat het meestal om een
formule, een rekenvoorschrift waarmee wij kunnen berekenen wat de waarde van y is
voor een gegeven x.
Meestal geven we de functie een naam, bijvoorbeeld f . Bij de functie gaat het steeds
om twee verzamelingen: een verzameling A waaruit de x-waarden genomen worden, en
de verzameling B waartoe de y-waarden behoren. We zeggen dan dat de f gaat van A
naar B, of A afbeeldt op B, notatie:
f :AB
De waarde die f geeft voor een a A noemen wij het f -beeld van a, geschreven als
f (a). Is een bepaalde b B het f -beeld van een zekere a dan zeggen wij dat a een
origineel is van b. Op een plastische manier wordt f (a) = b ook genoteerd met:
f
a 7 b
Essentieel aan het begrip functie is dat iedere x maar een beeld f (x) heeft. Wel mag
een y-waarde het beeld zijn van meerdere x-en.
Met betrekking tot de verzamelingen A en B gelden zekere conventies. Meestal wordt
verondersteld dat de functie voor alle waarden uit A een beeld heeft. In dat geval wordt
A het definitiegebied genoemd, of het domein van f en f heet dan een functie op A.
10
HOOFDSTUK 1. BASIS
Aan de keuze van B, het codomein geheten, worden minder strenge eisen gesteld. In
elk geval moeten alle beelden elementen van B zijn. Maar vaak wordt niet geeist dat
`elk element van B optreedt als f -beeld. De waarden die optreden als beelden vormen
samen het bereik van f .
lineaire functies
Uit de onderbouw van het middelbaar onderwijs is de lezer bekend met lineaire verbanden. Bij dergelijke verbanden tussen grootheid x en y hoort een functievoorschrift
van de vorm y = ax + b. Wij zouden dit concept in het kader van dit college als volgt
introduceren: Een functie f : R R is een lineaire functie als er reele getallen a, b R
bestaan zodat: f (x) = ax + b. De lezer is bekend met de rol van de getallen a en b
in dit voorschrift. De waarde b wordt wel de startwaarde genoemd, omdat f (0) = b.
De waarde a bepaalt hoe snel de y-waarden toenemen, namelijk met a per eenheid.
De grafiek van f in het Cartesische vlak is een rechte lijn door (0, b), en a is daar te
herkennen als de helling van die lijn.
II
-1
III
Fig. 1
O
-1
y = ax+b
x
IV
b
O
x
Fig. 2
11
Voorbeeld 1.1.
Gegeven zijn de twee functies f : R R en g : R R met f (x) = x + 1 en g(x) = 2x.
Bepaal de functievoorschriften van de samenstellingen f g en g f .
Eerst f g: Een waarde x wordt daarbij eerst door g onder handen genomen, en gaat
over in 2x. vervolgens wordt hierop f losgelaten, zodat wij krijgen 2x + 1.
Om g f te bepalen gebruiken we de schematische notatie:
f
x 7 x + 1 7 2(x + 1) = 2x + 2
Het voorschrift van g f is dus (g f )(x) = 2x + 2.
Merk op dat de volgorde uitmaakt, f g en g f zijn niet dezelfde functie!
de inverse functie
Een functie f : A B stuurt de elementen van A naar B. Vanuit B kunnen wij ons
afvragen waar bepaalde waarden vandaan komen. Zijn de originelen te vinden dan
hebben wij een terugfunctie gemaakt die wij de inverse noemen, genoteerd als f 1 . Bij
dat terugzoeken kunnen twee dingen misgaan:
1) misschien heeft niet ieder element van B een origineel. Voor zon waarde kan f 1
dan geen beeld vinden, en daarmee is f 1 geen functie op B.
2) er kunnen elementen van B zijn die meerdere originelen hebben, in dat geval is er
geen eenduidige waarde die wij tot f 1 (b) kunnen bestempelen.
Een functie f : A B heeft dus alleen een inverse als bij elke b B precies een f origineel hoort. Voor de twee eigenschappen waar het hier om gaat worden de volgende
termen gebruikt.
A
B
a1
a2
B
a1
a2
surjectie
injectie
We noemen een functie een surjectie als elk element van B minstens een origineel heeft.
We noemen een functie een injectie als elk element van B hoogstens een origineel heeft.
Gelden beide eigenschappen dan heet f een bijectie, en heeft dus een inverse f 1 . In
onze cursus zal alleen die laatste term vallen, daarom leggen wij hem vast in de volgende
definitie:
Definitie 1.2.
Een functie f : A B heet een bijectie van A naar B als er bij elke b B precies een
a A hoort met f (a) = b.
bijectie en grafiek
De grafiek van een functie in een tekening in het Cartesische vlak waarin alle x-waarden
12
HOOFDSTUK 1. BASIS
functie op A
functie op A
met hun bijbehorende y = f (x) als punten (x, y) zijn af te lezen. Omdat f een functie
is moet er bij elke x maar een y-waarde horen. Daarom mag de grafiek nooit meer dan
een snijpunt hebben met verticale lijnen. Is f een functie op heel R dan moet elke x
een y-waarde hebben, en moet dus elke verticale lijn de grafiek ergens snijden.
y =x
(1,3)
(y,x)
(x,y)
O
f -1
(3,1)
3
Is (1,3) een punt op de grafiek van f , dan geldt f (1) = 3. Heeft f een inverse, dan stuurt
deze 3 weer terug naar 1, dus is (3,1) een punt op de grafiek van f 1 . Dit betekent
dat de grafiek van f 1 het spiegelbeeld is van die van f , met als spiegellijn de lijn y = x.
de wortelfunctie
In onderstaande figuur is links de grafiek van de functie f : R R met het voorschrift
f (x) = x2 getekend. Daarnaast (midden) is de grafiek gespiegeld in de lijn y = x. Om
y
y =x2
x =y2
1
functie f (x) = x 2
-1
-1
functie f (x) = x
te zien of f een inverse heeft bekijken wij dit spiegelbeeld. Dit is niet de grafiek van
een functie. Ten eerste zijn er nu x-waarden waar geen beeld bij hoort, bijvoorbeeld de
lijn x = 1 snijdt de grafiek nergens. Ten tweede zijn er nu x-waarden waar meerdere
beelden bij gekozen kan worden: de lijn x = 1 snijdt de grafiek twee keer, bij y = 1 en
bij y = 1.
13
a
b
= 90
a
overstaande zijde
= ,
schuine zijde
c
cos =
aanliggende zijde
b
= ,
schuine zijde
c
tan =
overstaande zijde
a
=
aanliggende zijde
b
de sinus- en de cosinusfunctie
Een herdefiniering van de cosinus en sinus levert twee zeer belangrijke functies op. Die
definitie begint ermee dat wij hoeken niet langer in graden maar in radialen meten.
De grootte van een hoek is dan niet gemeten als een deel van de hele cirkel die in 360
delen opgesplitst wordt (een overblijfsel van het zestigtallige stelsel dat de Babyloniers
hanteerden), maar als de lengte van het cirkelboogje van een eenheidscirkel dat door
14
HOOFDSTUK 1. BASIS
de hoek wordt ingesloten. Op die manier is een volle hoek 2. Neem een punt P dat
beginnend in (1,0), (dus op het moment t=0) tegen de wijzers van de klok over de
eenheidscirkel beweegt met constante snelheid van 1. De coordinaten van dat punt
worden dan x = cos t en y = sin t genoemd. De tijdsvariabele t in deze voorstelling
geeft precies de doorlopen hoek in radialen. Omdat de beweging zich na 2 herhaalt,
xt , y t
y
Pt
sin t
= (x
, yt )
cos t
cos t
(1,0)
sin t
1
2
1 12
-1
d
cos x = sin x
dx
In deze cursus zullen wij ook af-en-toe de somformules nodig hebben, en de dubbelehoek-formules die daaruit volgen:
cos(x + y) = cos x cos y sin x sin y
cos 2x = cos2 x sin2 x
Omdat sin x en cos x de coordinaten zijn van een punt op de eenheidscirkel geldt volgens
Pythagoras dat:
sin2 x + cos2 x = 1
Daarbij brengen wij nog in herinnering dat de notatie sin2 x staat voor (sin x)2 .
de tangensfunctie
De uitbreiding van de tangens doen wij met:
tan x =
sin x
cos x
15
y
tan x
P
O
x
cos x
sin x
helling = cos x
1 12
1
2
sin x
-1
Deze functie heeft verticale asymptoten waar cos x = 0, dus voor x = 21 , 1 12 , enzovoorts. De tangensfunctie hangt nauw samen met de helling. De helling van een lijn l
is de tangens van de hoek die die lijn met de x-as maakt.
bijzondere waarden van sin, cos en tan
Enigszins berucht zijn verder een aantal bijzondere waarden van de sinus en cosinus,
Met enige meetkunde zijn ze snel af te leiden, gebaseerd op de verhoudingen van de
zijden in rechthoekige driehoeken met een hoek van 30 en 45 .
0
sin 0
cos 1
tan 0
6
1
2
1
3
2
1
3
3
1
2
2
1
2
2
1
2
1
2
1
0
y
y
1
cos x
1
2
1
2
arccos x
-1
-1
16
HOOFDSTUK 1. BASIS
f (x) = arctan x
O
x
-1
1
2
exponenti
ele groei
Van de middelbare school zijn exponentiele functies van de vorm N (t) = B g t bekend. Een dergelijke functie beschrijft de gestage groei van een hoeveelheid N (t) die
per tijdseenheid met een vaste groeifactor g toeneemt. Bij dergelijke functies is het
getal g steeds een positief getal. Wanneer g < 1 hebben wij te maken met een gestage
exponentiele afname.
Het principe achter exponentiele groei is dat de toename (of afname) over een bepaalde
tijdspanne evenredig is met de hoeveelheid; simpel gezegd: als 1 miljoen bacterien zich
in 2 dagen vermeerderen tot 3 miljoen bacterien, dan vermeerderen 10 miljoen bacterien zich in 2 dagen tot 30 miljoen bacterien. Consequent toepassen van dit principe
leidt tot de volgende rekenregels voor machten van positieve getallen g:
p
gx
k
xy
n
x y
xy
n =
=
g
,
(g
)
=
g
,
g
gk
g 0 = 1, g x g y = g x+y ,
gy
Hierin mogen de variabelen gekozen worden uit de volgende verzamelingen: x, y R,
g R+ en k, n N+ .
Op basis van deze regels kan nu voor elk reeel getal g > 0 en voor elk rationaal getal
q de waarde g q berekend worden door herhaald vermenigvuldigen, delen en door worteltrekken. Een reele macht g x kunnen wij dan benaderen met waarden q die steeds
dichter bij x liggen. Aldus kunnen tabellen worden opgesteld voor functies f : R R
met het voorschrift: f (x) = g x . Hieronder zijn de grafieken van twee dergelijke functies
f (x)= g x
g >1
f (x)= g x
g <1
17
de e-macht
Bij een exponentieel groeiende grootheid N (t) is de toename/afname evenredig met
N zelf. Dat betekent dat er een constante c moet zijn zodat N 0 (t) = c N (t). De
constante c hangt af van de groeifactor g. En er is precies een waarde van g waarvoor
de constante 1 wordt. Deze waarde is de constante van Euler, genoteerd als e, en
bedraagt ongeveer 2, 71828183. Er geldt dus:
d x
e = ex
dx
logaritmische functies
De rekenregel 10x 10y = 10x+y biedt de mogelijkheid om vermenigvuldiging te herleiden tot optelling. In de 16de eeuw, toen berekeningen met de hand moesten worden
uitgevoerd betekende dat een enorme tijdwinst. Daarvoor was het nodig een tabel te
maken om voor elk gewenst getal a de exponent x op te zoeken zodat 10x = a. Dat
getal x heet dan de logaritme van a. Moet dan a b berekend worden dan zoekt men
eerst de logaritmen van a en b op, telt die op en zoekt vervolgens terug van welk getal
die som de logaritme is.
In modernere bewoordingen: elke exponentiele functie f (x) = g x is een bijectie van R
naar R+ . Wij definieren dan de functie g(x) = g log x als de inverse van f . Dus:
g
log x = y g y = x,
voor x R+ , y R
f (x)= log x
g >1
f (x)= log x
g <1
Op basis van de rekenregels voor machten hebben wij nu voor de logaritmen de volgende regels:
x
g
log 1 = 0, g log(xy) = g log x +g log y, g log = g log x g log y, g log xk = k g log x
y
18
HOOFDSTUK 1. BASIS
de natuurlijke logaritme
De inverse van de functie ex noemen wij de natuurlijke logaritme, geschreven als ln x.
Omdat ex en ln x elkaars inversen zijn geldt:
eln x = x
ln(ex ) = x
en
De functie ln x is van bijzonder belang omdat hij een primitieve is van de functie
f (x) = x1 , en dus de oppervlakte geeft onder de grafiek van de hyperbool.
d
1
ln x =
dx
x
wisselen van grondtal
Bij een logaritmische functie moeten wij het gebruikte grondtal g vermelden. Hierop
zijn twee uitzonderingen. Vermelden wij geen grondtal dan is bedoeld dat het grondtal
10 is. Gebruiken wij grondtal e dan schrijven wij ln x in plaats van e log x:
ln x = e log x,
log x =
10
log x
Op grond van de rekenregels voor machten kunnen wij de ene logaritmische functie
omwerken naar de andere volgens de regel:
h
g
log x =
log x
,
h log g
in het bijzonder:
log x =
log x
ln x
=
log g
ln g
het hellingsgetal
Om aan te geven hoe steil een lijn loopt ten opzichte van de x-as maken wij gebruik van
het hellingsgetal. Het hellingsgetal drukt uit hoeveel de toename in de y-richting is in
verhouding tot een toename in de x-richting. Omdat de lijn recht is, is die verhouding
y
constant. (Figuur links) Merk op dat het hellingsgetal hetzelfde is als de tangens
x
van de hoek die de lijn met de x-as maakt.
y
y
y
x
f (x+h)
O
1
f (x+h) - f (x)
f (x)
O
h
x
x+h
de afgeleide functie
Hebben wij te maken met de grafiek van een functie f die niet lineair is, dan is de
helling niet overal gelijk. (Figuur rechts) Om de helling in een punt (x, f (x)) van
de grafiek te bepalen kunnen wij intervallen kiezen waarop wij het differentiequotient
bepalen:
f
f (x + h) f (x)
=
x
h
19
Kiezen wij deze intervallen rond x steeds kleiner, en is de functie niet te grillig dan
naderen de differentiequotienten over die krimpende intervallen naar een limietwaarde
df
die wij het differentiaalquotient dx
bij x noemen, of de afgeleide waarde f 0 (x):
f (x + h) f (x)
df
= f 0 (x) = lim
h0
dx
h
Bestaan deze limieten voor alle x op het domein van f dan hebben we een nieuwe
functie f 0 gevonden, die voor elke x in het domein de helling van f ter plaatse x geeft.
Deze functie heet de afgeleide van f .
afgeleiden van de standaardfuncties
Hieronder staat een lijst van de afgeleiden van de belangrijkste standaardfuncties waarvan in deze cursus sprake zal zijn:
functie
c
x
xa
sin x
cos x
tan x
ln x
ex
ax
afgeleide opmerkingen
0
1
axa1
x>0
cos x
sin x
1
x 6= 2 + k, k Z
cos2 x
1
x>0
x
x
e
ln a ax
a>0
(f )0 = f 0
(f g)0 = f 0 g 0
(f g)0 = f 0 g + f g 0
f
f 0g f g0
( )0 =
g
g2
0
(g f ) = (g 0 f ) f 0
waarbij g 6= 0
dan
20
HOOFDSTUK 1. BASIS
y
y
Pt
= (cos
t, sin t )
(x, y )
x2 + y2
O
(1,0)
parameterkrommen
De grafieken van de standaardfuncties die wij hierboven bespraken zijn allen krommen
in het vlak. Er zijn echter veel krommen die wij niet als de grafiek van een functie
f : R R kunnen beschrijven. Beschouw bijvoorbeeld de cirkel C om O met straal 1.
Bij de x = 0 horen twee y-waarden, want zowel (0,1) als (0,-1) zijn punten van C. We
kunnen de cirkel wel beschrijven met een vergelijking:
(x, y) C
x2 + y 2 = 1
Willen wij de cirkel toch met functies beschrijven dan hebben wij er twee nodig:
f1 (x) = 1 x2 en f2 (x) = 1 x2
Wij kunnen de eenheidscirkel ook beschrijven als een parameterkromme:
x(t) = cos t
y(t) = sin t
In feite hebben we hier te maken met een functie P : R R2 , die voor elke t R een
punt Pt = (x(t), y(t)) geeft in het vlak. (We kunnen het domein van P desgewenst ook
kleiner nemen, bijvoorbeeld [0, 2i.) De functie Pt beschrijft een beweging in het vlak,
van een deeltje dat zich op t = 0 in het punt (1,0) bevindt en met constante snelheid
over de eenheidscirkel draait tegen de wijzers van de klok in. De snelheid van dit deeltje
bestaat uit een component in de x-richting, en een component in de y-richting. Door de
twee functies x(t) en y(t) te differentieren kunnen wij die twee componenten bepalen:
dx
= sin t
dt
en
dy
= cos t
dt
primitieve
Als de afgeleide van functie F gelijk is aan f , dan noemen wij F een primitieve van f .
Als F een primitieve is van f , dan is ook F + c dat voor elke constante c R. Immers
bij het differentieren valt de constante c weg. Daarom kunnen we niet spreken van de
primitieve van f , maar slechts over een primitieve. De primitieven van een functie f
zijn altijd een hele collectie functies. De notatie:
Z
f (x)dx
21
waarin geen grenzen vermeld worden, is bedoeld om deze hele collectie aan te duiden. Met deze uitdrukking wordt niet alleen F bedoeld maar elke F + c voor c R.
Zodoende:
Z
x + 3 dx = 12 x2 + 3x + C, met C R
de absolute waarde
De absolute waarde van een reeel getal x wordt aangegeven met |x| en is gedefinieerd
door:
x
als x 0
|x| =
x
als x < 0
Dit betekent dat bijvoorbeeld | 5| = 5 en |5| = 5.
De absolute waarde kan ook op de volgende manier gedefinieerd worden:
|x| = x2 , voor x R
De grafiek van de absolute waarde is een mooi voorbeeld van een niet-differentieerbare
functie, immers bij x = 0 is de helling van links gezien -1, maar van rechts gezien +1,
zodat er voor x = 0 geen helling is.
f (x)= | x |
De absolute waarde kunnen wij gebruiken om afstanden op de getallenlijn te beschrijven. De afstand tussen a en b op de getallenlijn is namelijk |a b|, of, net zo goed:
|b a|. De punten x die hoogstens op afstand van a liggen kunnen we aanduiden
met:
|x a| <
22
1.2
HOOFDSTUK 1. BASIS
limieten
Aan het eind van dit hoofdstuk behandelen wij het limietbegrip. In de hele cursus
zullen wij limieten nodig hebben. Een grondige behandeling van limieten geven wij
echter niet, die hoort thuis in een college Analyse. De limieten die wij berekenen zullen
meestal vrij eenvoudig zijn, het zal de lezer dan ook niet moeilijk vallen aan de hand
van de voorbeelden aan het eind voldoende handigheid te verwerven om met de limieten in de rest van de cursus uit de voeten te kunnen.
De asymptoten van de hyperbool
In het dagelijks taalgebruik is een limiet een grens die niet overschreden mag worden.
Het wiskundige gebruik van het woord limiet wijkt daarvan af. Daar is een limiet niet
zozeer een grens die niet overschreden mag worden, maar een waarde die willekeurig
dicht benaderd wordt, zoals gebeurt bij functies met een horizontale asymptoot.
y
1
f(x) = x
Laten wij daarom onze aandacht richten op de functie f (x) = x1 . Zoals bekend is de
grafiek van deze functie een hyperbool, met een horizontale en een verticale asymptoot.
Bekijken wij eerst de grafiek rechts, dus het gedrag van de functie f voor positieve
waarden van x. Vullen wij voor x , bijvoorbeeld vanaf x = 1 steeds grotere waarden
in, dan zal de uitkomst f (x) almaar dalen. Hoewel de waarde 0 zelf nooit als uitkomst
optreedt, ( immers x1 wordt nooit 0) komen de f (x) willekeurig dicht bij 0. Kortom:
gaat x naar dan gaat x1 naar 0. De waarde 0 waar f steeds dichter bij in de buurt
komt (en blijft) noemen wij de limietwaarde van f (voor x ). Dit schrijven wij
kort als:
1
lim = 0
x x
Laten wij vanaf x = 1 de waarde van x afnemen in de richting van 0 dan gebeurt het
omgekeerde, de waarde f (x) neemt dan juist toe. Elke denkbare grens wordt daarbij op
1.2. LIMIETEN
23
een gegeven moment overschreden. Wij zeggen: voor x dalend naar 0 (notatie: x 0)
heeft de functie f als limiet de waarde , oftewel
lim
x0
1
=
x
Wat aan de linkerkant van de grafiek gebeurt is vergelijkbaar. Dat kunnen we beschrijven met:
1
1
lim = en
lim
=0
x x
x0 x
Bij limiet (net als bij het begrip asymptoot) gaat het er niet om dat de limietwaarde
sin x
f(x) = x
niet overschreden mag worden. Er is geen bezwaar tegen als de limietwaarde ook
af-en-toe wordt aangenomen. Zo geldt ook (zie bovenstaande grafiek ):
sin x
=0
x x
lim
Essentieel is echter dat de waarden van f (x) steeds dichter bij de limietwaarde blijven,
oftewel dat elke afstand hoe klein ook vanaf zeker moment niet meer wordt overschreden.
De limietdefinitie
Dit intutieve begrip van limiet is niet scherp genoeg om een wiskundige theorie van
veranderingen op te bouwen. Al beogen wij in deze cursus zulks niet, wij kunnen het
niet nalaten de strenge definitie te formuleren, voor de genteresseerde lezer. Wij geven
hem eerst in symbolische notatie, daarna lichten wij toe hoe hij gelezen moet worden:
Definitie 1.3.
Zij f een reelwaardige functie en zij L R dan
lim f (x) = L > 0 x0 x > x0 : |f (x) L| < .
Dit laat zich lezen als: met limx f (x) = L bedoelen we dat bij elk positief getal
, hoe klein ook, er een waarde x0 gevonden kan worden zodat als x groter dan x0 is,
24
HOOFDSTUK 1. BASIS
In de buurt van 0 hadden we te maken met verticale asymptoten. Hier gaat f (x) naar
als we x (rechts) in de buurt van 0 laten komen. Hierin lijkt als een getal op
te treden. Zo is het echter niet bedoeld. De functiewaarden worden zelf nooit , we
willen slechts zeggen dat ze willekeurig groot worden, groter dan elk gegeven getal.
Wiskundig is dat te formuleren als:
lim f (x) =
x0
1.2. LIMIETEN
25
y
S(x)
O
-1
is aan -1. Maar evenzogoed blijft de functiewaarde -1 als we x vanaf -1 laten stijgen.
Daarom is ook
lim S(x) = 1
x0
Pas als we voor x de waarde 0 zelf invullen wordt f (x) gelijk aan 1. Maar om de limiet
van links te bepalen letten wij alleen op de richting waarin de functiewaarden gaan,
en dat is -1. Derhalve zijn f (0) en limx0 f (x) niet gelijk. De sprong in de grafiek is
dus te herkennen aan het feit dat een functiewaarde (in dit geval f (0)) niet samenvalt
met wat zijn omgeving (hier de linkeromgeving van 0) voorspelt, dwz als limietwaarde
geeft.
Bij zulk gedrag is de functie nogal onhandelbaar. Kunnen de x-waarden slechts met
enige onnauwkeurigheid ingevoerd worden, dan is het niet mogelijk de functiewaarde
zelfs maar te benaderen. Hoe dicht wij de x-waarde ook in de buurt van 0 kunnen
brengen, het enige dat we kunnen zeggen is dat de functiewaarde dan tussen -1 en 1
zal uitvallen.
Wij besluiten deze beschouwing met een definitie van continuteit:
Gegeven een functie f : R R en a R. Dan
f is continu in a
xa
26
HOOFDSTUK 1. BASIS
Standaardlimieten
1. Geval xa :
1
lim xa =
x
als g > 1
x
als a > 0
als a = 0
als a < 0
lim g =
Is de functie waarvoor wij de limiet willen bepalen opgebouwd uit een aantal standaardfuncties, dan kunnen we in veel gevallen de limiet berekenen uit de limieten van
de afzonderlijke delen. Bijvoorbeeld de functie f (x) = 2x + x2 is de som van twee
functies die beide voor x onbegrensd groeien en dus als limiet hebben. Het is
duidelijk dat dan ook hun som als limiet heeft. De volgende stelling formuleert een
aantal van deze rekenregels:
Stelling 1.4. (Veelvoud-, som-, verschil-, product- en quotientregel)
Als de limieten limx f (x) en limx g(x) bestaan en eindig zijn, en is een constante, dan geldt:
veelvoud
som/verschil
product
quotient
In een aantal gevallen gelden de regels ook als de limieten van f (x) en/of g(x) gelijk zijn
aan , . Als bijvoorbeeld limxa f (x) = en limxa g(x) = 2, dan kan men met
de formele definitie van limieten aantonen dat limxa f (x) + g(x) = . Als men dus
definieert +2 = , dan geldt de somregel ook in deze situatie: limxa f (x)+g(x) =
+ 2 = . In limieten kan men dan ook tot op zekere hoogte met rekenen als
met getallen en geldt bijvoorbeeld:
+ = ,
2 = ,
= ,
1
=0
0=?
= ?,
0
=?
0
Dat nader onderzoek kan bestaan uit het herschrijven van de uitdrukking tot er een
vorm is waar de stelling wel uitsluitsel over geeft.
1.2. LIMIETEN
27
Voorbeeld 1.5.
Bepaal, zo deze bestaat:
10
x x +
x
lim
De limieten
van x en x voor x zijn beide . Volgens de somregel is de limiet
van x + x dus ook . Anderzijds is de teller constant 10, dus ook in de limiet 10.
Dus:
limx 10
10
10
=
=
lim
=0
x x +
x
limx x + x
Voorbeeld 1.6.
Bepaal, zo deze bestaat:
(2 x)2
x
x3
Bekijk eerst de limieten van de teller en noemer afzonderlijk:
lim
lim (2 x)2 = ,
lim x3 =
(2 x)2
=
=?
lim
x
x3
+ 3 = 3 2+
3
3
3
3
x
x
x
x
x
x
x
x
Met de laatste vorm kunnen wij wel verder op basis van de factor-, som- en de verschilregel:
4
4
1
1
1
1
+
=
4
lim
lim
+
lim
=4040+0=0
x x3
x x3
x x2
x x
x2 x
lim
Hierin is dan drie keer gebruik gemaakt van de standaardlimiet lim xa = 0 voor a < 0
x
De gevraagde limiet is dus 0.
Voorbeeld 1.7.
6x2 + 1
x 2x2 + 3
Bekijken we de limieten van de teller en noemer afzonderlijk, dan zien we dat die beide
6+
6x2 + 1
= lim
2
x 2x + 3
x 2 +
lim
1
x2
3
x2
6+0
=3
2+0
28
HOOFDSTUK 1. BASIS
In wat ingewikkeldere gevallen kan de volgende stelling uitkomst bieden. Als een functie
f steeds tussen twee andere ligt ingeklemd, en die beide functies hebben limiet L, dan
dwingen zij als het ware f ook naar L te gaan. Die inklemming hoeft niet op het hele
domein van de drie functies te gelden. Omdat het gaat om het gedrag van f voor grote
getallen is het voldoende als de imklemming vanaf een bepaalde N geldt. Net als bij
de voorgaande stelling zullen wij geen bewijs geven.
y
h(x)
g (x)
f (x)
zo dat voor x > N : f (x) g(x) h(x)) dan geldt: lim g(x) = L.
x
Voorbeeld 1.9.
Bepaal met bovenstaande stellingen:
sin x
x x
lim
De quotientregel kunnen wij niet gebruiken omdat sin x voor x geen limiet heeft.
Wij omzeilen dit, door de insluitstelling toe te passen. Merk op dat voor alle x R de
waarde van sin x in het interval [1, 1] zit, zodat voor x > 0:
1
sin x
1
x
x
x
1
1
Omdat lim = 0 en lim = 0 volgt uit de insluitstelling dat de gevraagde limiet
x
x x
x
ook 0 is.
1.2.1
29
Opgaven
x2 + x + 1
.
4x2 x 1
2x + 1
.
x x+x
x + sin x
.
x x2 + 1
1
.
2 + sin x
1
1
5. Bereken, indien zij bestaat, de volgende limiet: lim (
).
x x
x+1
6. Bereken, indien zij bestaat, de volgende limiet: lim
x
x
.
9 + 4x2
3x + 2x
.
x
3x
3x
.
x 2x 4x
1.3
In de loop van de cursus zullen wij in bewijzen soms teruggrijpen op een aantal fundamentele stellingen uit de Analyse. Wij formuleren ze hier kort zonder bewijzen.
f
f
0
x0
Tussenwaardestelling
x0
Middelw
30
HOOFDSTUK 1. BASIS
De tussenwaardestelling is op het oog volstrekt logisch. Een vis die uit het water
springt moet ergens tussen het moment dat hij onder water was, en er boven is door
het wateroppervlak zijn heengegaan. Een bewijs vereist echter fundamenteel begrip
van de eigenschappen van R en van de continuteit van functies op R.
De tussenwaardestelling is de eendimensionale variant van een algemenere stelling die
bekend staat als de dekpuntstelling van Brouwer. De inutie bij deze stelling voor
dimensie n = 3 wordt vaak gegeven met het voorbeeld van een beker koffie. Zie de
koffie in de beker als bestaande uit eindeloos veel kleine deeltjes die stroperig met
elkaar verbonden zijn. Roer je in de koffie dan worden de deeltjes verplaatst. Door de
stroperigheid scheuren zij niet los van elkaar. Stop je na verloop van tijd met roeren
dan zijn de meeste deeltjes, zo niet alle verplaatst. Toch moet er minstens een deeltje
zijn dat zich weer op dezelfde plaats bevindt als waar het zich bevond voor het roeren.
Stelling 1.11. (Dekpuntstelling n=2)
Zij D = [0, 1] [0, 1] en zij f : D D continu,
dan is er een punt P D met f (P ) = P .
De stelling van Rolle doet een uitspraak over het bestaan van maxima en minima.
Neemt een (differentieerbare) functie twee keer dezelfde waarde aan, dan moet hij
daartussen minstens in een punt horizontaal hebben gelopen. De middelwaardestelling is een algemenere versie die zegt dat een differentieerbare functie op een interval
minstens in een punt de gemiddelde helling over het hele interval aanneemt.
Stelling 1.12. (Stelling van Rolle)
Gegeven is een functie f die continu is op [a, b], en differentieerbaar op ha, bi.
Stel f (a) = f (b), dan is er een x0 ha, bi met f 0 (x0 ) = 0.
Stelling 1.13. (Middelwaardestelling)
Gegeven is een functie f die continu is op [a, b], en differentieerbaar op ha, bi.
Dan is er een x0 h0, 1i met:
f (b) f (a)
f 0 (x0 ) =
ba
f
a
x0
Tussenwaardestelling
x0
x0
Middelwaardestelling
1.4
31
Oefenmateriaal vaardigheden 1
Bij de volgende opdrachten is het de bedoeling deze uit te voeren uit zonder rekenmachine en zonder formuleboekje/lijst. Steeds wordt alleen het antwoord gevraagd. Hier
is bedoeld het exacte antwoord. Als bijvoorbeeld de oppervlakte van een cirkel met
straal 1 gevraagd wordt dan is het antwoord en niet 3.14.
1. Vereenvoudig de volgende uitdrukking zover mogelijk:
2. Idem:
10
( 23 )2
1
1
+ 13
2
x2 x
12x+x2
x+3
x+1
= 2.
32
HOOFDSTUK 1. BASIS
751?
1.5
Oefenmateriaal vaardigheden 2
+ acb +
4
3. Idem: 23 .
2. Idem:
c
ab
4. Idem: (a b)(a2 + ab + b2 ) .
5. Maak van 1 + tan2 x een term.
2
1
a2 +a3
en
1
a2
1
a3
9. Idem: (a + b)2 en a2 + b2 .
10. Idem: arcsin(sin a) en a.
33
x+1
.
x+3
1
.
cos x
11 >
5?
23. Geef de vergelijking y = ax + b van de (niet-verticale) rechte lijn die gaat door
het punt (2, 1) en die richtingscoefficient 1 heeft.
24. Geef de waarde van de limiet limx
x2 +2
.
3x2 +x+1
2
x2
3 = 0 op.
34
HOOFDSTUK 1. BASIS
1.6
Oefenmateriaal vaardigheden 3
1
x2
1
.
x(x+1)
x5 x
.
x3 x
6. Zijn de volgende uitdrukkingen altijd gelijk aan elkaar: 1 2 sin2 a en sin 2a? Als
je antwoord nee is, geef dan een voorbeeld van de variabele(n) - in dit geval de
veranderlijke a - waarvoor beide uitdrukkingen ongelijk aan elkaar zijn.
7. Idem: cos a + sin a en 1.
1/a
8. Idem: 2a + 3a
en 5 (met a > 0).
9. Idem: ln ab en ln a + ln b (met a > 0, b > 0).
3
3
10. Idem: a2 en a(2 ) (met a > 0).
11. Los op (geef alleen de uitkomst): 3x 12.
12. Idem: x2 < 9.
13. Idem:
x+1
x+2
= x1 .
35
1
ln(ln x)
gedefinieerd op (0, )?
1.7
Oefenmateriaal vaardigheden 4
x
.
1+x
2. Idem: e ln 2 .
3. Idem: (1 13 )2 .
4. Idem: (x 1)(x + x2 + x3 + x4 ).
5. Idem:
2
+ 34
3
4
5
6. Zijn de volgende uitdrukkingen altijd gelijk : 3 cos2 a + sin2 a 2 en cos 2a? Als
je antwoord nee is, geef dan een voorbeeld van de variabele(n) - in dit geval de
veranderlijke a - waarvoor beide uitdrukkingen ongelijk aan elkaar zijn.
7. Idem: ln ab en ln a ln b (met a > 0 en b > 0).
8. Idem: ab en ea ln b (met a > 0).
36
14. Idem:
HOOFDSTUK 1. BASIS
x
x+1
x+1
.
x
x
.
1+x
1
x2
24. Bekijk f : (0, ) (0, ) gedefinieerd door f (x) = x1 . Wat is het functievoorschrift van de inverse functie van f ?
25. Geef de eerste tien cijfers achter de komma van de decimale ontwikkeling van 17 .
26. Wat is de waarde van arccos 12 ?
27. Als f (x) =
x
,
1+|x|
Hoofdstuk 2
RIJEN en REEKSEN
Het verloop van veel dynamische systemen die we gaan onderzoeken, wordt duidelijk
als we enige kennis hebben van de wiskundige achtergrond van rijen en reeksen; in
dit hoofdstuk behandelen we er de basisprincipes van en zullen we enige voorbeelden
analyseren.
2.1
Rijen
...
en
16
... .
In de linker rij is ieder getal het dubbele van zijn voorganger. Herhaalde toepassing
van de verdubbeling levert een willekeurig groot getal. De rechter rij is de rij van
kwadraten. De getallen van een rij noemen wij termen. Om de termen van de rij te
benoemen geven wij ze een nummer; de eerste term noemen wij dan a1 , de tweede a2
enzovoorts. Vaak is het handig de telling al te laten beginnen met 0, in dat geval begint
de rij met de nulde term a0 . Ter aanduiding van de rij als geheel gebruiken wij de
notatie:
{an }nN
Om een rij te definieren is het meestal ontoereikend alleen de eerste termen te geven
gevolgd door puntjes die het dan aan de lezer overlaten de regelmaat in de eerste termen voort te zetten. De rij geven wij daarom meestal met een voorschrift, dat vastlegt
hoe een willekeurige term an berekend moet worden. In het voorbeeld van de verdubbelingsrij is het voorschrift an = 2n en in het geval van de kwadratenrij: an = n2 .
recursieve definities
Voorschriften als an = 2n en an = n2 heten expliciet, omdat zij de waarde van term an
uitdrukken in het nummer n, zodat de waarde van een term direct berekend kan worden. Vaak echter hebben wij voorschriften waarin wordt beschreven hoe een volgende
37
38
term berekend moet worden uit de voorgaande term(en). De verdubbelingsrij uit het
bovenstaande voorbeeld zou ook gegeven kunnen zijn met de instructie: begin met 1
en neem steeds het dubbele van de voorgaande term, of formeler:
a0 = 1
an+1 = 2 an
een dergelijk voorschrift noemen wij een recursieve definitie. Is van een rij alleen
een recursief voorschrift gegeven, dan moet men om term an te berekenen, eerst alle
voorgaande termen berekenen. Een beroemd voorbeeld van een recursief gedefini/eerde
rij is de rij van Fibonacci.
Rij van Fibonacci
Een recursieve rij die ook in de biologie vaak voorkomt is de rij van Fibonacci1 Het
voorschrift voor de rij luidt:
F1 = 1, F2 = 1
Fn+2 = Fn+1 + Fn
De volgende term wordt dus berekend door de voorgaande twee termen op te tellen.
Dit is dus een rij die door middel van recursie verkregen wordt, en die zo begint:
1
13
21
... .
Met de constructie van deze rij gaf Fibonacci in 1202 het antwoord op de volgende
vraag. Stel dat een konijnenpaar vanaf een maand na hun geboorte elke maand twee
nakomelingen krijgt die een paar vormen dat de daaropvolgende maand ook weer twee
nakomelingen krijgt, enzovoorts, zonder dat paren ooit sterven. Hoeveel konijnenparen
zitten er dan na 30 maanden in het hok ?
Voor de rij van Fibonacci bestaan inmiddels ook expliciete voorschriften, zoals de
formule van Binet. (Zie opgave 12 hoofdstuk 8.)
Voorbeeld 2.1.
Geef een expliciet en een recursief voorschrift voor de volgende rij:
4
10
13 17
...
De regelmaat in deze getallen is snel te zien: beginnend met 4 komt er steeds 3 bij.
Geef de termen namen beginnend met a1 , dan hebben we dus het volgende recursieve
voorschrift:
a1 = 4
an+1 = an + 3
1
2.1. RIJEN
39
bedoelen wij dat elke afstand, hoe klein ook, vanaf zeker moment door de termen van
de rij ten opzichte van L wordt aangehouden, oftewel: voor elke > 0 is er een waarde
N N zodat alle termen met nummers hoger dan N binnen -afstand van L liggen.
Definitie 2.2.
Als de rij een (eindige !) limietwaarde heeft, dan noemen we de rij convergent.
Heeft de rij geen eindige limietwaarde, dan noemen wij hem divergent.
Twee klassieke typen rijen zijn de zgn rekenkundige en de meetkundige rij. Bij de
rekenkundige rij is het verschil tussen de opeenvolgende termen constant. De rij laat
zich dan beschrijven met een lineaire functie.
Bij een meetkundige rij daarentegen is de verhouding tussen opeenvolgende termen,
en dus de procentuele toename constant. De rij kan beschreven worden met een exponentiele functie. De vaste verhouding tussen de termen wordt de groeifactor of reden
van de rij genoemd.
Definitie 2.3.
Een rij {an }nN heet rekenkundig als er b, c in R zijn zodat an = b + cn n N.
Een rij {an }nN heet meetkundig als er b, r in R zijn zodat an = brn n N.
40
De limiet van een rekenkundige rij is of tenzij de rij constant is. Een nietconstante rekenkundige rij divergeert dus.
Bij een meetkundige rij bepaalt de reden r het gedrag. Is de reden negatief dan zijn
de termen afwisselend positief en negatief. Een dergelijke rij noemen wij alternerend.
we lopen alle mogelijkheden langs. Het flauwe geval dat b = 0 laten we daarbij buiten
beschouwing.
waarde r
r < 1
r = 1
1 < r < 0
r=0
0<r<1
r=1
r>1
2.2
limn brn
bestaat niet
bestaat niet
0
0
0
b
of
Reeksen
Alvorens wij reeksen behandelen, introduceren we de -notatie (spreek uit: sigmanotatie). Het -teken staat voor de sommatie (optelling) van een aantal termen van
een rij. Hierbij worden die termen bij elkaar opgeteld waarvan het nummer loopt vanaf
het getal gegeven onder het -teken tot en met het getal boven het -teken. In de
meeste gevallen beginnen we de sommatie bij de voorste term a0 :
n
X
aj = a0 + a1 + a2 + + an .
j=0
Bijvoorbeeld:
4
X
2j = 20 + 21 + 22 + 23 + 24 = 31.
j=0
Definitie 2.4.
Uitgaande van een rij getallen {an }nN vormen wij de bijbehorende cumulatieve rij
door de termen van de rij stap voor stap op te tellen. De som van de termen a0 tot en
met an noemen wij de partiele som, genoteerd als Sn . Dus:
S 0 = a0
S 1 = a0 + a1
S 2 = a0 + a1 + a2 ,
...
n
X
Sn =
aj = a0 + a1 + a2 + . . . + an .
j=0
2.2. REEKSEN
41
De partiele sommen vormen op hun beurt een rij: S0 , S1 , S2 , S3 , S4 , . . . , die gewoonlijk de bijbehorende reeks van {an }nN wordt genoemd. Als deze rij van partiele
sommen een eindige limiet heeft, beschouwen wij die als de som van de reeks:
n
X
an = lim
n=0
aj = lim Sn
n
j=0
Heeft de rij van partiele sommen een eindige limiet dan zeggen wij dat de som van de
bijbehorende reeks convergeert, of convergent is.
Voorbeeld 2.5.
Beschouw de rij met het voorschrift an = ( 21 )n :
1
1
2
1
4
1
8
1
16
1
32
1
64
1
128
1
256
1
512
= 1,
= 1 + 21 = 1 12 ,
= 1 + 12 + 14 = 1 34 ,
= 1 + 12 + 14 + 18 = 1 78 ,
1
= 1 + 12 + 14 + 18 + 16
= 1 15
16
De rij van partiele sommen lijkt 2 als limiet te hebben, (bewijs volgt bij de onderstaande
stelling). De som van de reeks convergeert en wij mogen zeggen dat de som van de
betreffende reeks 2 is:
X
( 12 )n = 1 + 12 + 14 + 18 +
1
16
1
32
1
64
1
128
1
256
1
512
+ = 2
n=0
Voorbeeld 2.6.
Neem de rij van oneven getallen 1, 3, 5, 7, 9 . . . en noem de voorste term 1 = a1 . De
partiele sommen zijn dan:
S1
S2
S3
S4
= 1,
= 1 + 3 = 4,
= 1 + 3 + 5 = 9,
= 1 + 3 + 5 + 7 = 16.
42
Stelling 2.7.
Gegeven de meetkundige reeks {brn }nN
(1) Voor de partiele som Sn van deze reeks geldt:
Sn = b + br + br2 + + brn = b
1 rn+1
1r
mits r 6= 1 .
(2) De meetkundige reeks convergeert dan en precies dan als |r| < 1.
P
b
n
(3) Als |r| < 1 dan geldt
n=0 br = 1r
Bewijs:
Ad 1)
Vermenigvuldig Sn met 1 r; dit levert:
Sn (1 r) = (b + br + br2 + + brn )(1 r)
= b(1 + r + r2 + + rn )(1 r)
= b(1 + r + r2 + + rn r r2 r3 rn rn+1 )
= b(1 rn+1 ) .
waaruit via deling door 1 r onderdeel 1 van de stelling volgt.
Ad 2) en 3)
Uit de formule voor de partiele som kunnen we de formule voor de som afleiden, als
deze bestaat. Voor |r| < 1 geldt dat :
n=0
b
1 rn+1
=
1r
1r
In dit geval heeft de rij Sn een eindige limiet, en is de meetkundige reeks dus convergent.
b
De som S van de reeks is in dat geval 1r
. Voor alle overige waarden van r is de
meetkundige reeks divergent.
Voorbeeld 2.8.
Bepaal van de meetkundige reeks 2 1 + 12 14 + . . . de partiele som S11 op 4 decimalen
nauwkeurig en de som S, indien deze bestaat.
Wij stellen eerst het voorschrift van de onderliggende meetkundige rij op. Deze rij
begint met 2, en de reden is 12 . Het voorschrift luidt dus: an = 2 ( 12 )n Verder
volgen wij dan stelling 2.7:
S11 =
11
X
1
1 ( 21 )12
1 ( 4048
)
1
4 4047
2( )n = 2
=
2
=
1,3330
1
1
2
3 4048
1 ( 2 )
12
j=0
b
2
2
1
=
1 = 1 = 13
1r
1 ( 2 )
12
2.2. REEKSEN
43
Zeg dat Achilles 100 meter in 10 seconden rent, dan doet hij over die oneindig veel
afstanden 10 + 1 + 0.1 + . . . = 11 91 seconden.
Voorbeeld 2.10.
Een spaarder heeft op 1 januari 2005 een bedrag van 100 Euro op de bank gezet
tegen een vaste rente van 4% per jaar. Op 31 december van elk jaar wordt de rente
bijgeschreven. We gaan na hoeveel hij op 1 januari 2006 en op 1 januari 2011 op de
bank heeft staan. Het bedrag dat op 1 januari 2005 is uitgezet (in dit voorbeeld 100
Euro) noemen we K (= Kapitaal). Na een jaar komt hier 0.04 K bij aan rente. Het
totale bedrag dat op 1 januari 2006 op de bank staat is dan K + 0.04 K (= 104 Euro).
44
Het uitstaande bedrag neemt dus per jaar toe met een factor 1.04. Dit betekent dat er
op 1 januari 2007: 1.042 K op de bank staat en op 1 januari 2011: 1.046 K; in ons geval
is dat dus 1.046 100 Euro = 126,53 Euro. Algemeen geldt dat na n jaar het bedrag
van K Euro is aangegroeid tot 1.04n K Euro. De inleg is verdubbeld als 1.04n K 2K.
We bepalen n als volgt. Eerst lossen we op 1.04n K = 2K.
1.04n K = 2K
1.04n = 2
n=
1.04
log 2
0.301030
log 2
=
= 17.673
log(1.04)
0.0170333
Bij een rentevoet van 4% verdubbelt de inleg dus na 18 jaar (onafhankelijk van het
ingelegde bedrag). In ons voorbeeld is de inleg op 1 januari 2023 (meer dan) verdubbeld.
Voorbeeld 2.11.
Stel dat u een hypotheek van 200 000 Euro neemt en deze in 30 jaar wilt aflossen. De
bank rekent 4% rente per jaar. Per jaar wilt u een vast bedrag aan de bank betalen.
Dit bedrag heet de annuteit. Het bestaat deels uit de verschuldigde rente en voor
de rest uit aflossing op de lening. We bepalen het bedrag van de annuteit als volgt:
Noem het jaarlijks te betalen bedrag A. Ieder jaar wordt de schuld vermeerderd met
de rente over dat jaar en verminderd met dat bedrag A. We noemen het bedrag van
de uitstaande schuld na n jaren Dn . Er geldt dan D0 = 200 000 en
D1 = D0 + 0.04 D0 A = 1.04 D0 A
D2 = D1 + 0.04 D1 A = 1.04 D1 A = 1.042 D0 1.04 A A
D3 = D2 + 0.04 D2 A = 1.04 D2 A = 1.043 D0 1.042 A 1.04 A A
..
..
.
.
D30 = 1.0430 D0 1.0429 A 1.04 A A.
Voor de laatste schuld geldt D30 = 0, omdat na 30 jaar de schuld precies afgelost moet
zijn. Dus geldt:
A + 1.04 A + 1.042 A + + 1.0429 A = 1.0430 D0
In het linkerlid staat de partiele som van een meetkundige reeks met termen van het
type an = brn , waarbij b = A en r = 1.04. Daarvan wordt term 0 tot en met term 29
opgeteld, het gaat dus om de partiele som S29 :
A
1 1.0430
= 1.0430 D0
1 1.04
ofwel
1 1.04
D0 0.0578301 D0
1 1.0430
Voor D0 = 200 000 Euro geeft dit een annuteit van A = 11566,02 Euro.
A = 1.0430
2.2. REEKSEN
2.2.1
45
Opgaven
b) 100 + 80 + 64 + .
4. Bereken
a) 2 + 2 3 + 2 32 + 2 33 + + 2 310
b) 3 + 32 + 33 + + 310 .
5. Het volume van een boomstam van een bepaalde soort neemt jaarlijks met 4,8%
toe. Met hoeveel procent is het volume toegenomen na 8 jaar? Na hoeveel jaar
is het volume verdrievoudigd?
6. U kunt kiezen uit een spaarrekening waarop de bank jaarlijks 8% rente bijschrijft
of een die 2% rente per kwartaal geeft. Hoe groot is in deze gevallen het totaalbedrag na 10 jaar als u met 1000 Euro aanvangt? Naar welke rekening gaat uw
voorkeur uit?
7. U deponeert elk jaar 1000 Euro op een spaarrekening waarop jaarlijks 6% rente
op het uitstaande bedrag wordt bijgeschreven. Wat is het saldo van deze rekening
direct na de vijftiende storting?
8. Om een nieuwe auto te kopen heeft iemand 30 000 Euro geleend. Hij is per jaar
8% rente verschuldigd. Als hij aflost met een vaste annuteit van 5 000 Euro na
hoeveel jaar is de schuld dan afgelost?
9. De rij van Fibonacci wordt recursief gedefinieerd met:
F1 = 1, F2 = 1 Fn+2 = Fn+1 + Fn
Wij kunnen deze rij ook terugrekenen naar voorgaande termen door het recursievoorschrift om te schrijven naar:
Fn = Fn+2 Fn+1
en komen zo tot F0 = 1 1 = 0, F1 = 1 0 = 1.
a) Bereken de termen Fn voor n = 0, 1, 2, . . . , 10.
b) Toon aan dat in het algemeen geldt: Fn = (1)n+1 Fn .
46
f(x)
1
1
1x
-1
1
1x
2.3
Machtreeks en Taylorreeks
waarom machtreeksen
In deze paragraaf behandelen wij een belangrijk concept uit de analyse: de machtreeks.
Een machtreeks is een functie waarbij de waarde f (x) berekend moet worden als de
som van een reeks van getallen die zelf weer afhangen van x. Als voorbeeld nemen we
een machtreeks gebaseerd op een meetkundige reeks uit de vorige paragraaf. Beschouw
de reden in deze reeks als variabele en neem als beginwaarde b = 1 dan is volgens
Stelling 2.7 :
x n = 1 + x + x2 + x3 + =
n=0
1
,
1x
De betreffende som beschouwen wij afhankelijk van x, zodat wij te maken hebben met
de functie:
X
f (x) =
xn
n=0
We weten dat deze functie slechts op een beperkt gebied bestaat, de som van de reeks
1
,
convergeert immers alleen voor |x| < 1. En waar f bestaat valt hij samen met 1x
wat maakt f (x) dan toch interessant?
Stel wij willen snel met de hand uitrekenen hoeveel 1 / 0.98 is. Wij kunnen dan een
staartdeling maken. Maar veel sneller is het f te gebruiken met x = 0.02, immers
X
1
1
=
=
0.02n = 1 + 0.02 + 0.0004 + 0.000008 + 0.0000016 + ...
0.98
1 0.02 n=0
47
De hogere machten van 0.02 hebben geen invloed meer op de eerste decimalen, dus
we hebben zonder inspanning direct al een goeie benadering: 1 / 0.98 1.02040816.
Feitelijk gebruiken wij niet de machtreeks zelf maar een beginstuk daarvan, in dit geval
het polynoom: 1 + x + x2 + x3 + x4 .
En polynomen zijn een prettig soort functies. Bij het berekenen van hun functiewaarden hoeven we alleen te kunnen optellen, vermenigvuldigen en machtsverheffen,
oftewel: optellen, herhaald optellen en herhaald herhaald optellen. Zoals wij zullen zien
zijn er voor veel bekende functies (zoals ex , sin x en cos x) machtreeksen voorhanden
waarvan beginstukken (dus polynomen) heel goede benaderingen geven. Die benaderingen liggen ten grondslag aan de programmatuur van calculators en geavanceerdere
reken-programmatuur. Maar het belang van machtreeksen blijft niet beperkt tot praktische toepassing. Met een machtreeks hebben wij een krachtig instrument in handen
om het gedrag van een functie beter te begrijpen. Als een simpel voorbeeld daarvan:
met de machtreeks f uit ons voorbeeld bepalen wij heel gemakkelijk ook machtreeksen
voor diens afgeleide en primitieven, zonder quotientregel of de natuurlijke logaritme.
Termgewijs primitiveren respectievelijk differentieren levert namelijk F en f 0 :
F
f
f0
=
=
=
+ x
1
+
+
1 2
x
2
x
1
+
+
+
1 3
x
3
2
x
2x
+
+
+
1 4
x
4
3
x
3x2
+
+
+
Uiteraard komt er de nodige theorie bij kijken om dergelijk gebruik van machtreeksen
te legitimeren. Deze paragraaf is bedoeld als een eerste kennismaking met de theorie
van machtreeksen en wij zullen ons derhalve beperken tot enkele basisconcepten en de
meeste stellingen zullen wij geven zonder een degelijk bewijs.
Definitie 2.12.
P
n
Een machtreeks (reele machtreeks rond 0) is een functie van de vorm f (x) =
n=0 an x
waarin an R voor alle n N
de convergentiestraal
Een machtreeks kan zoals wij zagen voor sommige waarden van x convergent zijn en
voor andere divergent. Het is duidelijk dat de som voor x = 0 convergeert, immers de
te bepalen som is dan a0 + 0 + 0 + 0 + = a0 .
Voor kleine waarden van x krimpen de machten snel naar 0, vaak zal de som dan nog
convergeren. Voor grote waarden van x groeien de machten van x snel, de coefficienten
bij die machten moeten dan wel heel klein zijn wil de som dan niet divergeren. Een
belangrijke stelling, (de stelling van Cauchy-Hadamard) leert ons dat het convergentiegebied een interval is met in het midden 0. Op zijn kleinst is dat interval alleen het
punt x = 0 zelf, op zijn grootst is het interval heel R. Derhalve kunnen we spreken van
de convergentiestraal van een gegeven machtreeks, dwz een waarde R (niet-negatief)
zodat de reeks convergeert voor alle x met |x| < R, en divergeert voor alle x daarbuiten. Die straal mag 0 zijn, in welk geval de reeks alleen convergeert in x = 0. De straal
R mag eventueel ook zijn, in welk geval de machtreeks op heel R convergeert. Over
48
het gedrag op de randen R en R zegt de stelling niets, dat moet dan nader worden
onderzocht.
In veel gevallen kan de convergentiestraal gevonden worden met de volgende stelling:
Stelling 2.13.
P
n
Gegeven de machtreeks
n=0 an x .
Stel dat de volgende limiet bestaat:
an+1
=L
lim
n an
Dan geldt voor de convergentiestraal R van de machtreeks: R =
L = 0, en R = 0 als L = ).
1
L
(met R = als
Voor de genteresseerde lezer schetsen wij het achterliggende idee van het bewijs. Het
quotient |an+1 /an | is precies de factor waarmee wij in de rij een vorige term an moeten
vermenigvuldigen om de volgende term an+1 te krijgen (afgezien van het teken). Als
deze factor vanaf een gegeven moment altijd kleiner is dan een zekere waarde r < 1 dan
worden de termen van de reeks in absolute waarde begrensd door een meetkundige reeks
met reden r, en is de som dus (...) convergent. In de machtreeks zijn opeenvolgende
termen an xn en an+1 xn+1 en ontstaat de volgende term dus door te vermenigvuldigen
met |x||an+1 /an | (weer afgezien van het teken). Is |x| kleiner dan mag |an+1 /an | groter
zijn, zolang hun product maar weer kleiner dan een vaste waarde r < 1 blijft.
Voorbeeld 2.14. P
2 n
efficienten van deze machtreeks zijn an = n2 . Wij
Beschouw de reeks
n=0 n x . De co
onderzoeken de limiet van het quotient |an+1 /an |:
2
n + 2n + 1
(n + 1)2
2
1
= lim
lim 1 + + 2 = 1 + 0 + 0 = 1
lim
= n
n
n2 n
n2
n n
De limiet bestaat en is 1, volgens Stelling 2.13 is de convergentiestraal van de reeks
dus 1:1=1. Voor x = 1 en x = 1 is de reeks divergent. Het convergentiegebied is dus
h1, 1i.
2.3.1
Definitie 2.15.
Gegeven een functie f (x). De afgeleide van f geven wij doorgaans aan als f 0 . De
dubbele afgeleide van f (de afgeleide van f 0 ) geven wij aan met f 00 . Diens afgeleide
noemen wij de derde-orde afgeleide, en noteren wij met f 000 . Als algemene notatie voor
de n-de orde afgeleide van f gebruiken wij f (n) . En daarmee: f (0) = f, f (1) = f 0 , f (2) =
f 00 , f (3) = f 000 .
Voorbeeld 2.16.
Laat f (x) = sin x zijn, bepaal de hogere-orde afgeleiden f (n) . De afgeleide van sin x
49
is cos x, diens afgeleide is sin x, diens afgeleide is cos x en diens afgeleide is weer
sin x. Aldus wisselen sin en cos elkaar af, waarbij het teken bij elke even orde omklapt:
f (0) = sin x, f (1) = cos x, f (2) = sin x, f (3) = cos x,
f (4) = sin x, f (5) = cos x, f (6) = sin x, f (7) = cos x,
Wij bespreken nu een methode om bij een gegeven functie een machtreeks te vinden.
In vaktermen: het vinden van een machtreeksontwikkeling voor f rond x = 0. In praktische situaties zoals wij in de inleiding schetsten zijn wij tevreden met een polynoom
dat voldoende dicht bij de gegeven functie blijft. Bij wijze van voorbeeld demonstreren wij eerst hoe een derdegraads polynoom p(x) kan worden opgesteld dat de functie
f (x) = ex waarden rond 0 goed benadert.
Het gezochte polynoom p(x) = a0 + a1 x + a2 x2 + a3 x3 moet in elk geval de goede
waarde in 0 zelf geven. Omdat e0 = 1 moeten wij dus zorgen dat p(0) = 1. Verder
moeten we ook zorgen dat de helling klopt, dus dat de afgeleide van p in 0 dezelfde
waarde geeft als de afgeleide van ex in 0. Nog beter is het als ook de dubbele afgeleide klopt. Enzovoorts. Besef dat de afgeleide van ex weer ex is, zodat de dubbele
afgeleide van ex ook ex is, enzovoorts. Derhalve: gezocht een derdegraads polynoom
p(x) = a0 + a1 x + a2 x2 + a3 x3 dat voldoet aan de voorwaarden: p(0) = 1, p0 (0) = 1,
p00 (0) = 1 en p000 (0) = 1. De vraag is dus wat de coeffficienten a0 , , a3 van dit polynoom moeten zijn. Wij bepalen de opeenvolgende afgeleiden van p en leggen de diverse
voorwaarden op:
p(0) = 1
1 = a0 + a1 0 + a2 02 + a3 03 = a0 a0 = 1
p(x) = a0 + a1 x + a2 x2 + a3 x3
p0 (0) = 1
1 = a1 + 2a2 01 + 3a3 02 = a1 a1 = 1
p0 (x) = a1 + 2a2 x + 3a3 x2
p00 (0) = 1
1 = 2a2 + 2 3a3 0 = 2a2
a2 = 12
p00 (x) = 2a2 + 2 3a3 x3
p000 (0) = 1
1 = 2 3a3 = 6a3
a3 = 16
p000 (x) = 2 3a3
Kortom het gezochte polynoom is: p(x) = 1 + x + 12 x2 + 16 x3 .
Een blik op de grafieken van f en p leert dat dit een redelijke benadering is. Het
polynoom dat wij aldus bepaald hebben heet het derdegraads Taylorpolynoom van
f (x) = ex rond x = 0.
Merk op hoe de factoren 21 en 16 tot stand komen. Door het herhaald differentieren
breekt een term an xn af tot n(n 1)(n 2) 2 1an oftewel2 n! an . Dit is na n
keer differentieren, dus n! an is de constante term in p(n) (x). Op dat moment is de
voorwaarde f (n) (0) = p(n) (0) aan de beurt, zodat moet gelden: n! an = f (n) (0) en dus
(n)
an = f n!(0) . Wij formuleren deze observatie in de vorm van een lemma ( dat wil
zeggen: hulpstelling):
2
Opmerking: 5!(spreek uit 5 faculteit) is een afkorting voor 5 4 3 2 1, en per definitie 0!=1
50
lemma
Zij n, k N met 0 n k. Wil een polynoom p(x) = a0 + a1 x + + ak xk voldoen
aan de voorwaarde dat p(n) (0) = b dan moet gelden dat: an = n!b .
Op grond van het lemma is nu ook duidelijk hoe een machtreeks voor f eruit zou
moeten zien. De machtreeks die volgens dit principe is opgesteld noemen wij de Taylorreeks voor de betreffende functie. Om de reeks volgens het bovenstaande lemma op
te kunnen stellen moeten alle afgeleiden van f bestaan (rond 0).
Hoe goed de Taylorreeks van f zal zijn hangt enerzijds af van de convergentiestraal
van de machtreeks, en anderzijds van de vraag hoe dicht beginstukken van de reeks
(de zogenaamde Taylorpolynomen) in de buurt komen van f s functiewaarden. Daarover zullen wij in Stelling 2.21 meer te weten komen. Eerst echter geven wij de formele
definities van Taylorreeks en Taylorpolynoom, en leiden enkele belangrijke Taylorreeksontwikkelingen af.
Definitie 2.17.
Gegeven een reeelwaardige functie die onbeperkt vaak differentieerbaar is op een gebied
rond 0. Dan definieren wij de bijbehorende Taylorreeks T (x) voor f rond 0 met:
f (n) (0) n
f 00 (0) 2 f 000 (0) 3
x +
x + +
x +
T (x) = f (0) + f (0)x +
2
6
n!
0
Stelling 2.18.
De volgende functies hebben de volgende Taylorreeks met het aangegeven convergentiegebied.
1
1 2
x + x3 +
2!
3!
1
x
x3
3!
1 2
x
+
2!
ex = 1+ x +
sin x =
cos x = 1
1 4
1
x + x5 +
4!
5!
1
+ x5 +
5!
1 4
x
4!
op R
op R
op R
Bewijs
x
F f (x) = e
Omdat f (x) = ex zijn eigen afgeleide is, geldt dat f (n) (0) = 1 voor elke n N. Volgens
het lemma geldt dan voor de Taylorreeks van f dat an = n!1 .
Om de convergentiestraal R van deze reeks te vinden bepalen wij eerst:
lim |
an+1
1/(n + 1)!
n!
1
| = lim
= lim
= lim
= 0.
n
n (n + 1)!
n n + 1
an
1/n!
51
In Voorbeeld 2.16 zagen wij dat f (n) (0) voor f (x) = sin x gelijk is aan 0, 1, 0, -1, 0
enzovoorts. Vandaar de aangegeven coefficienten van de Taylorreeks voor sin x.
De rij van de coefficienten ligt ingeklemd tussen tussen de rij n!1 en de rij n!1 , die beiden
limiet 0 hebben. Volgens de insluitstelling ( hoofdstuk 1 ) is dan ook diens limiet L
gelijk aan 0. De Taylorreeks van sin x convergeert dus ook op heel R.
F f (x) = cos x
Omdat cos x de afgeleide is van sin x lopen de waarden f (n) voor cos x een stap voor op
die voor sin x. Voor f (x) = cos x zijn de waarden f (n) (0) dus 1, 0, -1, 0, 1 enzovoorts.
Vandaar de aangegeven coefficienten van de Taylorreeks voor cos x.
De rij van quotienten zit weer ingeklemd tussen die van n!1 en n!1 , dus L = 0 en ook
de Taylorreeks van cos x convergeert op heel R.
De bovenstaande machtreeksen onthullen een onvermoed verband tussen enerzijds de
e-macht en anderzijds de goniometrische functies sin x en cos x. In hoofdstuk 7 als
wij hebben kennisgemaakt met complexe getallen zal dit verband dieper worden uitgewerkt.
Een ander verrassend aspect aan de bovenstaande Taylorreeksen is dat het gedrag van
functies als ex , sin x en cos x in de buurt van 0 hun gedrag op heel R blijkt vast te leggen. In de Taylorreeks wordt immers alleen gebruik gemaakt van de rij van afgeleide
waarden in 0. Maar de gevonden reeks valt op heel R samen met de functie.
Definitie 2.19.
Gegeven een reeelwaardige functie die n + 1 maal differentieerbaar is op een gebied
rond 0. Dan definieren wij het bijbehorende n-de graads Taylorpolynoom Tn (x) voor f
rond 0 met:
f (n) (0) n
f 00 (0) 2
x + +
x
Tn (x) = f (0) + f 0 (0)x +
2
n!
Voorbeeld 2.20.
1
(1 + x)1/2
2
14 (1 + x)3/2
3
(1 + x)5/2
8
15
(1 + x)7/2
16
f (1) (0) =
1
2
f (2) (0) = 14
f (3) (0) =
3
8
15
f (4) (0) = 16
1
1
3
15 4
1
1
1 3
15 4
x
x2 +
x3
x = 1 + x x2 +
x
x .
2
4 2!
8 3!
16 4!
2
8
16
384
52
Voorbeeld 2.21.
Hieronder zijn de grafieken getekend van f (x) = sin x en diens Taylorpolynomen Tn
voor n = 2, . . . , 20. Goed te zien is hoe de4 polynomen sin x steeds beter benaderen.
y
T2
T6
T 10
T 14
T 18
sin x
x
T4
T8
T 12
T 16
T 20
Tenslotte stellen wij voor de genteresseerde lezer nog de vraag aan de orde hoe goed
de Taylorpolynomen de functie f benaderen. Het verschil tussen f en zijn n-de Taylorpolynoom is een getal dat afhangt van x. Dit verschil noemen wij de n-de restterm
Rn (x). Door herhaald toepassen van de Stelling van Rolle (zie hfd 1.3) laat zich over
die restterm het volgende bewijzen:
Stelling 2.22. Stelling van Taylor
Zij n N en f : R R een functie die tenminste n + 1 keer differentieerbaar is.
Dan geldt
n
X
f (k) (0) k
x + Rn (x)
f (x) =
n!
k=0
waarbij
Rn (x) =
f (n+1) (y)
(n + 1)!
Voorbeeld 2.23.
1
16
x3
15 4
x
384
1
16
0.13
15
384
0.14 1.048808604
53
Vervolgens kijken wij hoe groot de restterm ten hoogste kan zijn. Voor die restterm
15
(1 + x)7/2 geldt:
hebben wij nog de vijfde-orde afgeleide nodig. Omdat f (4) (x) = 16
715
105
f (5) (x) = 32 (1 + x)9/2 = 32 (1 + x)9/2
Derhalve:
1 105
(1 + y)9/2 x5
R4 (x) =
5! 32
1
De waarde y ligt tussen 0 en 0.1, dus y + 1 > 1 en (1 + y)9/2 = ((1+y)
9/2 < 1. Daarom
geldt (grof afschattend):
|R4 (x)| <
1
1 105
0.015 <
4 0.00001 < 0.000001
5! 32
120
De restterm is in absolute waarde dus niet groter dan 106 . Als benadering hadden wij
1.048808604, de werkelijke
waarde ligt hier niet meer dan 106 vanaf, dus we kunnen
2.3.2
Opgaven
1
.
1+x
ex ex
.
2
x
x
= e +e
.
2
1
1x
b. Bepaal f 0 (x) en ontwikkel ook deze in een Taylorreeks door termgewijs differentieren van de gevonden Taylorreeks voor f (x).
P
n n
6. Bepaal de convergentiestraal van de reeks
n=0 2 x .
7. Bepaal de convergentiestraal van de reeksontwikkeling voor f (x) =
gave 1).
1
1+x
(zie op-
54
11. In het algemeen kunnen we met Taylorreeksen arithmetische bewerkingen uitvoeren op de manier waarop we dat ook doen bij expressies met eindig veel termen.
Maak hier gebruik van om de volgende vragen te beantwoorden:
a. Bereken de Taylorreeks van ex door in de Taylorreeks van ex termgewijs x
te vervangen door x.
b. Bereken de Taylorreeks van cosh(x) door uitgaande van de definitie cosh(x) =
(ex + ex )/2 de Taylorreeksen van ex en ex op te tellen en door 2 te delen.
c. Bereken analoog de Taylorreeks van sinh(x) = (ex ex )/2.
d. Uit de definitie van ex volgt ex ex = 1 voor elke waarde van x. Het
product van de Taylorreeksen van ex en ex zal dus ook gelijk aan 1 moeten
zijn voor elke waarde van x.
Verifieer voor de Taylorreeksen van ex en ex dat in hun product de coefficienten
van x, x2 , . . . , x6 allemaal gelijk zijn aan 0.
Merk op dat dit nog geen wiskundig bewijs is voor de uitspraak dat het
product van de Taylorreeksen van ex en ex identiek gelijk aan 1 is.
12. Om de machtreeks van arctan(x) te bepalen, ontwikkelen wij eerst de afgeleide
1
van arctan(x) in een machtreeks. Noem dus f (x) = arctan(x) en f 0 (x) = 1+x
2
a. Merk op dat f 0 genterpreteerd kan worden als de som van een meetkundige
reeks.
b. Stel op grond daarvan de reeksontwikkeling op van f 0 .
c. Primitiveer nu termgewijs de gevonden reeksontwikkeling waarbij een nader
te bepalen integratieconstante C verschijnt.
d. Bepaal de constante C gebruikmakend van arctan(0) = 0.
Hoofdstuk 3
FUNCTIE-ITERATIE
In het voorgaande hoofdstuk hebben wij gezien hoe de rekenkundige en meetkundige rij
het mogelijk maken uiteenlopende processen te beschrijven. In dit hoofdstuk komt een
algemener type rijen aan de orde, de zogenaamde iteratierijen. Een iteratierij is niets
anders dan een rij getallen die ontstaat door een functie herhaald toe te passen op een
beginwaarde. In eenvoudige gevallen, bijvoorbeeld als de functie lineair is, is het gedrag
van de iteratierijen goed te analyseren. Een krachtig instrument daarbij is het gebruik
van de webgrafiek. Als de functie niet meer lineair is blijkt iteratie bijzonder grillige
rijen op te kunnen leveren. Niet-lineaire iteratie is een van de standaardvoorbeelden
van chaotisch gedrag in de studie van dynamische systemen.
3.1
functie-iteratie en dekpunten
Definitie 3.1.
Voor de herhaalde toepassing van een functie f gebruiken wij de volgende notatie:
f 0 (x) = x
f n+1 (x) = f (f n (x))
Voorbeeld 3.2.
Gegeven is de functie f met het voorschrift: f (x) = x2 1. Dan
f 0 (x) = x
f 1 (x) = f (x) = x2 1
f 2 (x) = f (f (x)) = f (x2 1) = (x2 1)2 1 = x4 2x2 + 1 1 = x4 2x2
f 3 (x) = f (f 2 (x)) = f (x4 2x2 ) = (x4 2x2 )2 1 = x8 4x6 + 4x4 1
opmerking
Meetkundige en rekenkundige rij zijn bijzondere gevallen van iteratierijen. Een meetkundige rij is niets anders dan herhaald toepassen van de functie f (x) = Ax, waarbij A
de reden van de rij is. Een rekenkundige rij is een iteratie-rij van de functie f (x) = x+B
55
56
HOOFDSTUK 3. FUNCTIE-ITERATIE
toegepast op de beginwaarde.
Als de functie f lineair is spreken we van lineaire iteratie. Een voorbeeld is het saldo
van een spaarrekening met een vaste jaarlijkse inleg van bijvoorbeeld 500 euro, en een
jaarlijkse rente van 4%. Voor Sn , het saldo in jaar n geldt dan de recursieve betrekking:
Sn+1 = 1.04 Sn + 500. De functie die dus getereerd wordt is y = 1.04 x + 500.
Voorbeeld 3.3.
Van een populatie walvissen waarop wordt gejaagd is de omvang in drie opeenvolgende
jaren gelijk aan 895, 720 en 495. Stel een model op voor de omvang van de populatie
op basis van lineaire iteratie. Veronderstel dus dat er een lineair verband y = Ax + B
bestaat tussen het aantal walvissen x in een jaar en het aantal walvissen y in het
daaropvolgende jaar. Op grond van de gegevens moet dan gelden dat:
495 = A 720 + B
720 = A 895 + B
Trek de vergelijkingen van elkaar af, dan blijkt 495 720 = A (720 895) dus
495720
= 97 1.286. Invullen levert dan B = 495 97 720 431. De functie f
A = 720895
heeft dus het voorschrift:
f (x) = 1.286 x 431
Dit betekent dat er jaarlijks zon 431 walvissen worden gevangen, terwijl de populatie
als er geen jacht op gemaakt werd met 28,6 % zou groeien. De voorspelling voor de
komende jaren is somber, in het volgende jaar is de omvang f (495) 205, en in het
daaropvolgende jaar sterft de populatie uit want f (205) 167.
Definitie 3.4.
Gegeven een functie f : R R en een getal b R. De iteratie-rij van f met beginwaarde b is de getallenrij met het voorschrift xn = f n (x), dus:
x0 = b x1 = f (b) x2 = f 2 (b) x3 = f 3 (b) x4 = f 4 (b)
...
oftewel {f n (b)}nN
Voorbeeld 3.5.
Kies een positief getal, en neem daarvan de wortel, en neem daarvan de wortel, en
daarvan de wortel, enzovoorts.
x0 7 x1 7 x2 7 x3 7 x4 7 x6 7 x7 7
Neem bijvoorbeeld x0 = 9, dan ziet de iteratierij er als volgt uit:
57
xn
9.000000000
3.000000000
1.732050808
1.316074013
1.147202690
1.071075483
1.034927767
1.017313996
1.008619847
Aldus ontstaat een iteratierij. Met welke waarde je ook begint de rij convergeert naar
1. Verder zou je nog kunnen opvallen dat in de buurt van 1 de afstand tot 1 per term
ongeveer halveert. (Hetgeen te verklaren is uit het feit dat de afgeleide bij x = 1 gelijk
is aan 12 .)
de webgrafiek
Er is een handige manier om een functie-iteratie grafisch uit te voeren.
Wij demonstreren de methode aan de hand van de grafiek van een functie f (x) = x. We beginnen
met op de x-as de beginwaarde x0 uit te zetten. Vandaaruit gaan wij recht omhoog tot
het snijpunt P0 met de grafiek van f . De y-coordinaat van dit punt is f (x0 ) dus x1 .
y
f ( x0 ) = x 1
Q0
P0
x0
P1
x1
x3 x2
x1
x0
58
HOOFDSTUK 3. FUNCTIE-ITERATIE
1500
1500
1000
1000
500
500
w0 1000
1500
w2
w1 w0 1000
1500
59
Definitie 3.8.
Een dekpunt d van een functie f heet aantrekkend als er een afstand > 0 bestaat
zodat iedere f -iteratie die binnen afstand van d komt, convergeert naar d.
Wat precies een afstotend dekpunt is, laat zich minder gemakkelijk definieren. Aantrekkendheid heeft iets definitiefs: komt een term xn eenmaal binnen een bepaald gebied
rond d, dan ontsnapt de iteratierij niet meer en zal onverbiddelijk convergeren naar d.
Een aantrekkend dekpunt is dus de limiet van elke iteratierij die ooit dicht genoeg bij
d komt. Bij afstotendheid is de zaak niet helemaal het tegenovergestelde. Omdat d
een dekpunt is blijft een rij die ooit de waarde d aanneemt, voorgoed d, en convergeert
op die manier dus naar d. Dus ook een afstotend dekpunt kan de limiet zijn van een
iteratie. Dat een dekpunt afstotend is betekent dat als een term xn dicht genoeg in
de buurt van d komt, de daaropvolgende term xn+1 er juist verder vandaan zal liggen.
Maar dat sluit niet uit dat ooit een latere term alsnog precies naar d wordt gestuurd,
en dat daarmee de iteratierij dus toch naar d convergeert.
De wortel-iteratie van Voorbeeld 3.5 heeft twee dekpunten. Het ene dekpunt is 1, het
andere is 0. Start je een iteratie in de buurt van 0, dan drijft die daar al snel vandaan.
Tenzij je de rij met 0 begint, dan blijf je in 0. Het dekpunt 0 is afstotend. Begin je de
iteratie ergens boven 0, dan wordt hij naar 1 getrokken en convergeert daarnaar. Het
dekpunt 1 is aantrekkend.
Wij behandelen nu twee stellingen over functie-iteratie. De eerste gaat over lineaire iteratie. Die stelling beantwoordt eigenlijk ale vragen die men zou kunnen stellen: welke
dekpunten zijn er, zijn ze aantrekkend of afstotend en wat is de expliciete formule voor
de iteratierijen. Aantrekkendheid blijkt af te hangen van de helling in het dekpunt.
De lezer zou eens kunnen uitproberen met een paar schetsjes zelf het juiste verband te
vinden. De tweede stelling gaat over iteratie van willekeurige functies en geeft daarvoor
min-of-meer hetzelfde verband met de helling, alleen blijft er daar nog een onbeslist
geval over.
Stelling 3.9.
Gegeven de lineaire functie f (x) = Ax + B, met A, B 6= 0.
Zij x0 R, en zij xn = f n (x0 ) de iteratierij van f met beginwaarde x0 .
Als A = 1 geldt: f heeft geen dekpunt en de iteratierij {xn }nN is rekenkundig.
Als A 6= 1 geldt:
B
1) f heeft als enig dekpunt: d = 1A
2) de rij {xn d}nN is meetkundig met reden A, om precies te zijn:
xn d = (x0 d) An
3) d is aantrekkend
|A| < 1.
Bewijs
Geval: A = 1
De vergelijking x = f (x) wordt x = x + B en heeft dus geen oplossingen.
60
HOOFDSTUK 3. FUNCTIE-ITERATIE
want d = Ad + B
I
f
x0
A < -1
x0
x0
A = -1
-1 < A < 0
f
f
f
x0
0<A<1
x0
A=1
x0
1<A
Als |A| < 1 convergeert deze rij naar 0. Omdat de afstanden naar 0 gaan, gaan de
termen xn van de iteratierij blijkbaar naar d. Als |A| > 1 divergeert An (x0 d), en
61
daarmee komen de termen van de iteratierij dus juist steeds verder van d te liggen. Het
dekpunt d is dan afstotend. Het geval A = 1 levert een rij op die afwisselend x0 en
B x0 is. Dit geval vinden wij terug in bovenstaand overzicht midden op de bovenste
rij.
Stelling 3.10.
Gegeven is de functie f (x). Stel f is differentieerbaar en d is een dekpunt van f . Dan
geldt:
|f 0 (d)| < 1 = d is aantrekkend
|f 0 (d)| > 1 = d is afstotend
Bewijs:
Wij weten dat |f 0 (d)| < 1. Omdat de afgeleide f 0 (x) continu is, moet er dan een heel
gebied U rond d zijn waarop f 0 in absolute waarde kleiner is dan een getalletje M < 1.
Stel dat een iteratie op een gegeven moment binnen dit gebied U belandt. Laten we de
term in de iteratie waarvoor dit gebeurt xk noemen. De volgende term in de iteratie
xk+1 is dan per definitie f (xk ). Krachtens de Middelwaardestelling (Stelling 1.13) is er
dan een waarde tk tussen xk en d zodat
f 0 (tk ) =
f (xk ) f (d)
xk d
62
HOOFDSTUK 3. FUNCTIE-ITERATIE
Voorbeeld 3.11.
1
met beginwaarde x0 = 21 .
Teken de webgrafiek van de iteratierij van f (x) = 1+x
Teken de grafiek van f , teken daarin de lijn I : y = x en zet x0 af op de x-as. (zie
figuur links) Ga vervolgens van x0 verticaal naar de grafiek van f , dan horizontaal naar
de lijn I, dan weer verticaal naar f , horizontaal naar I enzovoorts. De x-coordinaten
van de puntenrij die dit oplevert zijn de termen van de iteratierij.
y
-1
3.2
x0
-1
x0
x2 x3 1
x4
x1
63
groei gesteld, ook wel het model van Verhulst genoemd naar de Belgische bedenker
Pierre Francois Verhulst (1804 - 1849). In dat model groeit de bevolking niet ongebreideld maar wordt bij het bereiken van een grotere omvang steeds sterker geremd,
bijvoorbeeld omdat ruimte en voedsel schaars worden. In hoofdstuk 9 zullen wij de
continue versie van het Verhulst-model bespreken. Om het discrete model te begrijpen
bekijken wij de te itereren functie die bij zon verloop past. Zet de nieuwe populatie uit tegen de oude, dan levert dat voor het model van Malthus een rechte lijn. De
ontwikkeling van de populatie laat zich dan visualiseren als de bijbehorende webgrafiek.
Pn+1
f
I
Pn
P0
De grafiek voor met model van Verhulst kan geen rechte lijn zijn, omdat voor grotere
waarden de groei moet afnemen. De lijn moet dus van zeker moment afbuigen. De
simpelste manier (wiskundig gezien) om dat te doen is met een bergparabool. Hierboven is dat rechts gedaan, en wij zien hoe de bijbehorende webgrafiek inderdaad een
iteratie oplevert die bij het bereiken van grote waarden weer terugloopt en convergeert
naar een evenwicht, in dit geval de top van de parabool.
Pn+1
Pn
P0
64
HOOFDSTUK 3. FUNCTIE-ITERATIE
Hierin staat M voor de maximale omvang van de bevolking die door de omgeving
gedragen kan worden. De extra factor zorgt voor een afremming als de bevolking in de
buurt van M komt. Zolang Pn klein is in verhouding tot M is de factor 1 PMn vrijwel 1
dus heeft geen invloed. Wordt Pn echter groot dan wordt de factor beduidend kleiner
dan 1 en remt de groei.
De formule wordt eenvoudiger als wij de bevolking niet absoluut nemen maar in een
handig gekozen verhouding tot M . Die handige keuze komt neer op toepassing van de
volgende substitutie:
xn =
1 Pn
M
oftewel
Pn =
M
1
65
a=2
0.8
0.6
0.4
f
0.2
0.2
0.4
0.6
0.8
1.0
66
HOOFDSTUK 3. FUNCTIE-ITERATIE
7
10
en is afstotend.
a = 33
0.8
0.6
0.4
f
0.2
0.4
0.2
0.8
0.6
1.0
Voeren wij een iteratie uit dan blijkt er een alternerende rij te ontstaan, in de webgrafiek
te herkennen als een vierkant rond het dekpunt. Wij spreken van een 2-baan. Blijkbaar
zijn er nu twee waarden, laten wij zeggen D1 en D2 die de rij naar elkaar toe sturen.
Komt de iteratie dicht bij D1 dan is hij de volgende stap dicht bij D2 , en andersom.
Je kunt ook zeggen: de waarde D1 komt na twee stappen weer terug, oftewel is een
dekpunt bij dubbele toepassing van f . De waarde van D1 en D2 kunnen wij dus
berekenen als dekpunten van f 2 . Hieronder zijn de grafieken van f en f 2 getekend met
de identiteit I.
1
1.0
a = 33
0.8
1.0
I
D2
0.8
D
0.6
0.6
D1
0.4
0.4
f
0.2
0.2
0.2
0.4
0.6
0.8
1.0
0.2
0.4
0.6
0.8
1.0
In de grafiek links herkennen wij het dekpunt, en we zien dat de helling aldaar groot
is conform de afstotendheid van D. In de grafiek rechts zien wij drie dekpunten, dus
drie waarden die bij tweemaal toepassen van f op zichzelf terecht komen. Hierbij zit
67
uiteraard weer D zelf. Daarnaast zien wij D1 en D2 , die voor f 2 aantrekkend zijn en
daarom voor f een 2-baan vormen.
De waarden van D1 en D2 zijn te berekenen als oplossing van de vergelijking:f 2 (x) = x.
Eerst schrijven wij f 2 (x) = f (f (x)) uit:
f (f (x)) =
10
f (x)(1
3
f (x)) =
10
3
10
x(1
3
13 13
,
20
x)(1
D=
7
10
10
x(1
3
en D2 =
x))
13+ 13
.
20
attractor
In het voorgaande voorbeeld hebben wij kennis gemaakt met een nieuw fenomeen bij
iteraties: het optreden van een 2-baan. Met een 2-baan voor een iteratie bedoelen we
twee waarden D1 en D2 zodat iteratierijen die in de buurt van een van beide komen
vanaf dat moment heen en weer springen tussen waarden die steeds dichter bij D1
afwisselend steeds dichter bij D2 liggen. Een dergelijke 2-baan is te herkennen aan
het feit dat D1 en D2 aantrekkende dekpunten zijn van f 2 en dat f (D1 ) = D2 en
f (D2 ) = D1 . Voor waarden van 1 < a < 3 was er alleen het aantrekkende dekpunt D.
Wij noemen dit dekpunt D dan de attactor. Bij de waarde a = 3 13 is D niet langer
aantrekkend en heeft plaats gemaakt voor een 2-baan. Wij noemen die 2-baan dan
de attractor. Maken wij a nog groter dan zien wij in het diagram van f 2 de helling
bij D1 en D2 steiler worden zodat ook de 2-baan zijn aantrekking verliest. Een flinke
rekenpartij
(waarvan wij niet verwachten dat de cursist die kan maken) leert dat bij
a = 1 + 6 de tweebaan instabiel wordt. Voorbij die waarde, bijvoorbeeld bij a = 3 21 ,
zien we in de diagrammen voor f , f 2 en f 4 hoe er een vierbaan ontstaan is, herkenbaar
aan de vier snijpunten bij f 4 die flauwe hellingen hebben.
1.0
a = 32
1.0
0.8
0.8
0.6
0.6
0.4
D21
D12
D11
0.4
f
0.2
D22
f4
0.2
0.2
0.4
0.6
0.8
1.0
0.2
0.4
0.6
0.8
1.0
In het diagram op de volgende bladzijde is de attractor getekend voor oplopende waarden van a. De twee voorbeelden die wij hebben aangegeven: bij a = 2 is de attractor
1
, bij a = 3 13 zien wij de twee waarden van de 2-baan.
2
Bij a = 3 zien wij het dekpunt D overgaan in de 2-baan {D1 , D2 }. Zon plotselinge
verandering in de dynamica van het systeem noemen wij een bifurcatie. In dit geval
68
HOOFDSTUK 3. FUNCTIE-ITERATIE
D2
D22
D21
D1
D12
D11
attractor
1.0
0.5
1.0
2.0
3.0
3.449
4.0
In het patroon is te zien hoe de eindeloze verdubbeling van banen uitmondt bij ongeveer a = 3.570. De afstand tussen de bifurcaties blijkt min of meer een meetkundige
rij. Volgens een resultaat van Feigenbaum convergeert de verkleiningsfactor van die
afstanden namelijk naar een beroemde constante uit de theorie van dynamische systemen, de zogenaamde Feigenbaum-constante 4.6692. Wat er voorbij a = 3.570 gebeurt
tart de fantasie, wij zien ondermeer een 3-baan en daarna weer eindeloze herhaling van
de herhaalde opsplitsingen. Uiteindelijk bij a = 4 blijkt volkomen chaos ingetreden,
daar blijft vrijwel elke iteratie eindeloos rondtollen en komt bij elke waarde willekeurig
dicht in de buurt. Maar tegelijkertijd zijn er voor elke n ook rijen zijn die keurig een
n-cykel doorlopen.
3.3. OPGAVEN
3.3
69
Opgaven
s(t)
70
HOOFDSTUK 3. FUNCTIE-ITERATIE
c) Waar zal de iteratie naartoe convergeren als wij beginnen met x0 = 12 ?
d) Geef een beginwaarde waarvoor de iteratierij naar 0 gaat.
7. De functie f (x) = x3 3x2 + 3x wordt getereerd op waarden in het gebied [0, 2].
a) Toon aan dat f de volgende drie dekpunten heeft: 0,1 en 2.
b) Onderzoek de dekpunten op aantrekkendheid.
It 1
It 2
-6
-3
-2
-1
-5
-4
-3
-2
-1
-1
-1
-2
-2
-3
-3
-4
-3
It 3
-2
-1
-1
It 4
-2
-3
-4
-1
-1
Hoofdstuk 4
VECTORMEETKUNDE
4.1
de vectorruimten R2 en R3
Bij het modelleren van een dynamisch proces wordt de toestand van het systeem
meestal vastgelegd met een aantal zgn toestand-variabelen. In het simpele voorbeeld
van Fibonaccis konijnenpopulatie (begin hoofdstuk 2) zijn dat: het aantal jonge paren
en het aantal volwassen paren. Bij de berekening is het belangrijk dat de toestandvariabelen uit elkaar te houden, de eenvoudigste manier om dat te doen is ze altijd in
een vaste volgorde te zetten, oftewel te schrijven als een vector. De situatie dat er 2
jonge en 5 volwassen paren zijn noteren wij dan als:
2
5
De twee getallen heten dan de kentallen van deze vector. Bij overgangen van de ene
toestand in de andere wordt er mogelijk gerekend met deze kolommen. Bijvoorbeeld,
elke maand worden er 5 jonge en 3 volwassen paren in het hok bijgezet. Of elke maand
wordt de helft van de paren weggehaald, zowel van de jonge als van de volwassen paren.
Berekeningen met kentallen passen binnen het wiskundige kader van een vectorruimte.
Definitie 4.1.
De n-dimensionale reele vectorruimte Rn bestaat uit alle vectoren van de vorm:
v1
v2
~v = ..
.
vn
met v1 , v2 , . . . , vn R. Dergelijke vectoren kunnen worden opgeteld en scalair worden
vermenigvuldigd op de volgende manier:
a1
b1
a1 + b 1
a1
a1
.. ..
..
... = ...
. + . =
.
an
bn
an + b n
an
an
71
72
HOOFDSTUK 4. VECTORMEETKUNDE
Om aan te geven dat een variabele een vector voorstelt zetten wij er een pijltje boven:
~u, ~v , w.
~ Bij het rekenen met vectoren hebben wij ook te maken met losse getallen, deze
heten dan scalairen. Vandaar de naam: scalair product, het gaat daar immers om de
vermenigvuldiging van een getal met een vector.
Met ~a wordt de vector 1 ~a bedoeld, de tegengestelde van ~a. Met ~a ~b wordt bedoeld:
~a + ~b zodat bijvoorbeeld in R2 :
2
3
2
3
23
1
1
=
+
=
=
=
5
8
5
8
58
3
3
De vector waarvan alle kentallen 0 zijn wordt genoteerd als: ~0.
Voor het rekenen met vectoren in Rn gelden algemene regels, die allen gemakkelijk
afgeleid kunnen worden uit de rekenregels voor reele getallen. Deze regels zijn te
herleiden tot het volgende achttal, geheten de axiomas van de reele vectorruimte.
(1) ~a + ~0 = ~a
(5) (~a) = ()~a
~
~
(2) ~a + b = b + ~a
(6) (~a + ~b) = ~a + ~b
(3) ~a + (~b + ~c) = (~a + ~b) + ~c
(7) ( + )~a = ~a + ~a
~
(4) ~a + (~a) = 0
(8) 1~a = ~a
4.1.1
Zoals bekend kunnen we de punten in een plat vlak ondubbelzinnig aanwijzen met
twee reele getallen die dan verwijzen naar een aangebracht coordinatenstelsel. Gewoonlijk schrijven wij die twee getallen als een geordend paar (x, y). Schrijven wij deze
coordinaten boven elkaar dan is punt P met deze vector even duidelijk aangewezen.
p1
P = (p1 , p2 ) p~ =
p2
Vector p~ heet de plaatsvector van punt P .
Anticiperend op vectorruimten met meer dan 3 dimensies zullen wij voor coordinaten
en voor de namen van de assen niet x en y (en z) gebruiken maar x1 en x2 (en x3 ).
Verplaatsingen in het platte vlak laten zich ook doelmatig beschrijven als vectoren.
richting 2
x2
1
1
p
1
De verplaatsing:
p1
p2
p x1
~v =
richting 1
4.1. DE VECTORRUIMTEN R2 EN R3
73
v
u
w
Hebben wij te maken met de richting van een rechte lijn dan geven alledrie eigenlijk
hetzelfde aan, namelijk de richting van y = 2x en alle lijnen evenwijdig daarmee.
Voor dergelijke richtingsvectoren hebben we een speciale term: zij liggen op dezelfde
drager. Als notatie gebruiken wij het tekentje .
In het algemeen:
~v w
~
er is een R met ~v = w
~
van A naar B
De verplaatsing van A(a1 , a2 ) naar B(b1 , b2 ) wordt gegeven door:
b 1 a1
AB =
b 2 a2
Immers als je deze vector optelt bij ~a dan krijg je ~b.
74
HOOFDSTUK 4. VECTORMEETKUNDE
Voorbeeld 4.2.
Gegeven de punten P = (11, 4), Q = (4, 12) en R = (17, 25). Onderzoek of deze
drie punten op `e`en lijn liggen.
Liggen zij op een lijn, dan zouden P Q en QR dezelfde richting moeten hebben. We
berekenen:
4 11
15
17 4
13
~rP Q =
=
en ~rQR =
=
12 4
16
25 12
13
Deze twee richtingsvectoren liggen niet op dezelfde drager, dus de P ,Q en R liggen niet
op `e`en lijn.
som en verschil
Twee verplaatsingen p~ en ~q kunnen wij na elkaar uitvoeren, hetgeen leidt tot een
resulterende verplaatsing ~r. Wat betreft de kentallen is het duidelijk hoe deze som ~r
eruit ziet (definitie 1). Visueel gaat het bij het optellen van vectoren om zogenaamd
kop-aan-staart-leggen. Beginnen wij in O en verplaatsen ons eerst volgens p~ dan
komen we in P . Verplaatsen wij ons vandaaruit volgens ~q dan komen we in R. (zie
figuur links). Voeren wij de verplaatsingen in omgekeerde volgorde uit dan levert
dat dezelfde netto verplaatsing (maar dan via het hoekpunt Q) die samenvalt met
q
O
+q
P
O
-p
q
R
Q
M
p
P
(q
4.1. DE VECTORRUIMTEN R2 EN R3
75
=0
s +0 r
s
1r
=1
s +1 r
s +2
r
=2
We gaan weer terug naar de algemene vorm ~x = ~s + ~r De lijn die hiermee beschreven wordt gaat door het punt S aangewezen door vector ~s, die daarom de steunvector
wordt genoemd. Vervolgens leggen wij een zekere afstand af in de richting ~r (vanuit
S). Daarom wordt ~r de richtingsvector genoemd.
Men kan het zich ook zo voorstellen: de lijn ` is een rechte weg die een puntmassa
aflegt, waarbij het tijdstip aangeeft waarop die massa het betreffende punt P aandoet.
Merk op dat de parametervoorstelling aan elk punt op ` een unieke waarde toekent.
De waarden van geven een schaalverdeling aan op de lijn, waarbij de steunvector
= 0 krijgt, en de richtingsvector de eenheid bepaalt waarin gemeten wordt.
Voorbeeld 4.3.
Onderzoek of het punt P = (18, 11) op de lijn ` van hierboven ligt. Wil P op ` liggen
dan moet er een zijn zodat:
18
0
6
=
+
11
3
3
76
HOOFDSTUK 4. VECTORMEETKUNDE
4.1. DE VECTORRUIMTEN R2 EN R3
77
de richtingsvectoren wel gelijk dan vallen de lijnen samen of zijn evenwijdig. Onderzoek in dat geval of de steunvector van de een ligt op de ander. In de volgende drie
voorbeelden zullen wij echter van dit meetkundig inzicht geen gebruik maken. Het is
namelijk instructief om te zien hoe ook algebrasch tevoorschijn komt met welk van de
drie incidentiegevallen wij van doen hebben.
Voorbeeld 4.4.
Bepaal eventuele snijpunten van
tervoorstellingen:
`1 :
`2 :
x1
x2
=
=
2
1
4
2
2
6
1
2
+
+
Een snijpunt van `1 en `2 correspondeert met een ~x die bij beide parametervoorstellingen tevoorschijn komt. De parameter waarvoor dit bij de eerste gebeurt zal in het
algemeen echter niet gelijk zijn aan de parameter die bij de tweede nodig is. Wij moeten de parameters dus loskoppelen door ze verschillende namen te geven. Laten we de
parameter bij `2 daarom noemen. Wil er een snijpunt zijn dan moet zekere en
hetzelfde punt geven, dus:
2
4
1
2
+
=
+
1
6
2
2
Dit levert het volgende stelsel van twee vergelijkingen met twee onbekenden:
2 + 2 = 4
1 + 6 = 2 + 2
Herschrijven geeft:
2 + = 2
6 2 = 1
78
HOOFDSTUK 4. VECTORMEETKUNDE
Voorbeeld 4.5.
Bepaal eventuele snijpunten van de lijnen `3 en `4 met de volgende parametervoorstellingen:
x1
3
1
`3 :
=
+
x2
2
3
x1
4
2
`4 :
=
+
x2
2
6
Om de coordinaten van een eventueel snijpunt te vinden stellen wij, na ombenoemen
van de tweede parameter, beide uitdrukkingen weer gelijk, hetgeen levert:
3
1
4
2
+
=
+
2
3
2
6
Dit levert het volgende stelsel van twee vergelijkingen met twee onbekenden:
3 + = 4 2
2 3 = 2 + 6
Herschrijven geeft:
+ 2 = 1
3 6 = 0
4.1. DE VECTORRUIMTEN R2 EN R3
79
4.1.2
vectoren in de ruimte
Om een punt in de (driedimensionale) ruimte aan te wijzen hebben wij drie coordinaten
nodig. Die punten kunnen wij ook aangeven met vectoren met drie kentallen. Laten
wij een kubus nemen OABC.DEF G met ribbe 4 met O in de oorsprong en OA, OC
en OD langs de drie positieve assen. (zie figuur links) Hoe de diverse punten aan te
wijzen zijn weet iedereen die met een xyz-coordinatenstelsel heeft leren werken. Zeg M
x3
AM
G(0,4,4)
M (2,4,4)
D(0,0,4)
F (4,4,4)
C
O
x2
B (0,4,0)
A (4,0,0)
O
a
x1
is het midden van F G, net als in het platte vlak vinden wij de vector voor het midden
van F G door het gemiddelde te nemen van f~ en ~g . (Zie figuur links.) Aldus:
4+0
2
1
1
m
~ = (f~ + ~g ) = 4 + 4 = 4
2
2
4+4
4
80
HOOFDSTUK 4. VECTORMEETKUNDE
Punten op de lijn AM kunnen wij bereiken door vanuit O eerst naar A te gaan en dan
2
4
2
~rAM = m
~ ~a = 4 0 = 4
4
0
4
Dat levert de volgende vectorvoorstelling:
x1
4
2
AM : x2 = 0 + 4
x3
0
4
De richtingsvector kan desgewenst vereenvoudigd worden.
Voorbeeld 4.7.
Bepaal het snijpunt van de lijn AM (zie kubus op vorige bladzijde) met het yz-vlak
(het achtervlak van de kubus). Punten in het yz-vlak zijn te herkennen aan het feit
dat hun eerste coordinaat 0 is, oftewel x1 = 0. Wil zon punt (0, x2 , x3 ) op AM liggen
dan moet er dus een zijn zodat
4
2
0
x2 = 0 + 4
0
4
x3
Dit levert het volgende eenvoudige stelsel vergelijkingen
0 = 4 2
x2 = 4
x3 = 4
Uit de eerste vergelijking concluderen wij dat = 2, waarmee de andere twee vergelijkingen geven dat x2 = 8 en x3 = 8. Het snijpunt is dus (0, 8, 8). Met enig meetkundig
inzicht hadden wij dat ook zo kunnen vertellen.
parametervoorstelling voor een vlak
Ook vlakken zijn met een parametervoorstelling te beschrijven. Bijvoorbeeld het vlak
ACM . (Zie figuur op overstaande bladzijde.) Om een punt van dit vlak te bereiken
gaan wij eerst naar A. Om nu C te bereiken moeten we in de richting AC kunnen
bewegen. Maar om M te bereiken hebben we een tweede richting nodig. Nu wij
deze beide richtingen hebben kunnen wij ook ieder ander punt van het vlak bereiken,
door een gedeelte in richting AC en een gedeelte in richting AM te bewegen. De
vectorvoorstelling krijgt dus twee richtingsvectoren:
04
4
24
2
~rAC = 4 0 = 4 en ~rAM = 4 0 = 4
00
0
40
4
4.1. DE VECTORRUIMTEN R2 EN R3
81
D(0,0,4)
M (2,4,4)
F
C
O
A (4,0,0)
x2
B (4,4,0)
x1
C
O
a
c
a
A
x1
4
4
2
x2 = 0 + 4 + 4
x3
0
0
4
Het ligt voor de hand de richtingsvectoren in deze parametervoorstelling te vereenvoudigen:
x1
4
1
1
ACM : x2 = 0 + 1 + 2
x3
0
0
2
Uiteraard kunnen we op de steunvector zon vereenvoudiging niet straffeloos toepassen.
In het algemeen wordt een vlak dus beschreven door een parametervoorstelling met
daarin twee richtingsvectoren. Het omgekeerde is niet altijd het geval. De parametervoorstelling:
x1
4
1
2
x2 = 0 + 0 + 0
x3
0
1
2
beschrijft geen vlak maar een lijn, immers de twee richtingsvectoren liggen op dezelfde
drager zodat, hoe we de parameters ook kiezen, we krijgen nooit andere vectoren dan
met:
x1
4
1
x2 = 0 + 0
x3
0
1
Voorbeeld 4.8.
Bepaal in de kubus OABCDEF G (zie figuur) de coordinaten van het snijpunt van vlak
82
HOOFDSTUK 4. VECTORMEETKUNDE
D(0,0,4)
M (2,4,4)
E
BD
ACM
C(0,4,0)
A (4,0,0)
B (4,4,0)
ACM met de lijn BD. Voor ACM hebben wij hierboven al een parametervoorstelling
opgesteld. Voor de lijn BD nemen wij steunvector ~b en richtingsvector d~ ~b, daarmee:
x1
4
4
BD : x2 = 4 + 4
x3
0
4
Let op dat wij voor de parameter in de vectorvoorstelling van BD een andere variabele
moeten kiezen. Wil er een snijpunt zijn dan moeten er dus , en % zijn zodat:
4
1
1
4
4
0 + 1 + 2 = 4 + % 4
0
0
2
0
4
dat levert een wat pittiger stelsel vergelijkingen op:
4 + = 4 4%
+ 2 = 4 4%
2 = 4%
Met wat handig substitueren van de ene variabele in de andere is hier wel uit te komen.
In het volgende hoofdstuk behandelen wij een algemene methode om zulke stelsels op
te lossen. Wie toch alvast proberen wil: de oplossingen zijn: = 54 , = 45 en % = 25 .
Invullen in de parametervoorstelling van ACM danwel van BD moet hetzelfde punt
opleveren. Dit snijpunt blijkt te zijn: (2 25 , 2 25 , 1 35 ).
4.2
Inproduct en uitproduct
83
n
X
ai b i .
i=1
Voorbeeld 4.10.
Gegeven
zijn
de vectoren:
3
1
~a = 2 en ~b = 5 . Dan geldt ~a ~b = 3 1 + 2 5 + 1 4 = 11 .
1
4
Voor het inwendig product worden in de literatuur diverse notaties gebruikt. Wij
gebruiken hier de vermenigvuldigingspunt. Een andere veelgebruikte notatie is h~x, ~y i.
Voor het standaard inwendig product kunnen we de volgende eigenschappen eenvoudig
84
HOOFDSTUK 4. VECTORMEETKUNDE
nagaan.
(1) ~a ~b = ~b ~a.
(2) ~a (~b + ~c) = ~a ~b + ~a ~c.
(3) (~a) ~b = (~a ~b)
(4) ~a ~a 0;
(5) ~a ~a = 0 ~a = ~0.
lengte en afstand
Met behulp van het inwendig product kunnen we een formule geven voor de lengte van
een vector, ook wel norm van die vector genoemd, aangeduid met k~xk. Zoals bekend
kunnen we lengtes van lijnstukken in de ruimte berekenen met Pythagoras. Vat de
vector ~a in R3 op als een pijl van O naar A, dan is de lengte van die vector:
k~ak = |OA| =
a1 2 + a2 2 + a3 3
oftewel:
v
u
a
a
u
1
1
u
= a1 a1 + a2 a2 + a3 a3 = t a2 a2 = ~a ~a
a3
a3
Wij kunnen lengte van een vector dus definieren in termen van het inproduct.
Definitie 4.11.
In de ruimte Rn wordt onder de norm van een vector ~a, genoteerd als k~ak, verstaan:
k~ak =
~a ~a
De norm die we hier hebben ingevoerd wordt ook wel de Euclidische norm genoemd,
omdat hij gebaseerd is op de stelling van Pythagoras. Zouden wij met een ander
inproduct werken, dan levert de definitie een andere norm op.
Afstand tussen twee punten
Neem aan dat A en B twee punten in R2 of in R3 zijn met bijbehorende plaatsvectoren
~a en ~b. De afstand tussen de punten A en B geven we aan met |AB| of d(~a, ~b) en we
berekenen die afstand als de lengte van de verschilvector ~b ~a.
In het algemeen in vectorruimte Rn definieren wij de afstand tussen vectoren ~a en ~b
genoteerd als d(~a, ~b) met:
d(~a, ~b) =
Voorbeeld 4.12.
Gegeven de punten P = (2, 8, 3) en Q = (1, 1, 3). Dan is de afstand tussen P en Q:
d(~p, ~q) =
p
p
85
hoeken
Behalve lengten is het belangrijk hoeken te kunnen berekenen. De hoek tussen vectoren
blijkt net als de onderlinge afstand herleidbaar tot het inproduct. Gegeven zijn twee
vectoren ~a en ~b in R2 of R3 . De hoek tussen ~a en ~b noemen wij . Laat ~a en ~b in
de oorsprong beginnen dan ontstaat er een driehoek OAB waarop wij de cosinusregel
kunnen toepassen om , dwz de AOB te berekenen. De lengte van de drie zijden
B
b
A
A
a
~a ~b
k~akk~bk
86
HOOFDSTUK 4. VECTORMEETKUNDE
Waarmee cos het quotient van het inproduct en het product van de normen blijkt
te zijn. Om nu zelf te berekenen moeten wij op het rechterlid de arccosinus-functie
loslaten. Hiervoor is het nodig dat het rechterlid een waarde tussen -1 en 1 is. Uit de
eigenschappen van een inproduct volgt dat dit inderdaad het geval is. Daarom is de
uitdrukking ook te gebruiken om bij een niet-standaard inproduct te praten over de
hoek tussen de vectoren (bijvoorbeeld bij populaties).
Stelling 4.13.
In Rn is de hoek tussen twee vectoren ~a en ~b te berekenen (met het standaardinproduct) volgens:
~a ~b
cos =
k~akk~bk
Voorbeeld 4.14.
Gegeven de punten A(4, 0, 0), M (2, 4, 4) en D(0, 0, 4) in de kubus OABC DEF G (zie
voorbeeld 4.8). Bereken de hoek tussen AM en M D. Noem = AM D. Dan
2
2
4 4
4
0
MA MD
cos = =
2
2
kM Ak kM Dk
4
4
4
0
1
12
2 2 4 4 4 0
p
= =
=p
6 20
5
22 + (4)2 + (4)2 (2)2 + (4)2 + 02
dus = arccos 15 63 .
Een bijzonder geval treedt op als de twee vectoren loodrecht op elkaar staan. In dat
geval is cos gelijk aan 0 en moet dus de teller van het quotient 0 zijn. Oftewel het
inproduct van de vectoren moet 0 zijn. Dit is een eenvoudige manier om vast te stellen
of twee vectoren loodrecht op elkaar staan. In het algemeen is het een manier om het
begrip othogonaliteit(loodrechtstand) in een vectorruimte te definieren.
Als notatie gebruiken wij het tekentje , staat ~a staat loodrecht op ~b dan schrijven
wij: ~a ~b.
Stelling 4.15.
Gegeven in de vectorruimte Rn twee vectoren ~a en ~b, dan:
~a ~b
~a ~b = 0
Voorbeeld 4.16.
Bepaal voor welke waarde(n) van de volgende twee vectoren loodrecht op elkaar
87
2
~a = 1
3
en
5
~b = 4
Er geldt volgens bovenstaande stelling dat ~a en ~b loodrecht op elkaar staan als hun
inproduct 0 is. Dus als: ~a ~b = 2 5 + 1 4 + 3 = 0. Derhalve 6 + 3 = 0 dus
= 2.
het uitproduct
Als afsluiting van het gedeelte over bewerkingen met en tussen vectoren, behandelen
we kort ook nog het uitproduct of uitwendig product van twee vectoren in R3 . We
benadrukken dat dit begrip buiten R3 geen betekenis heeft.
Het uitwendig product van ~a en ~b wordt aangegeven met ~a ~b en de uitkomst is weer
een vector in R3 .
Definitie 4.17.
Voor vectoren ~a en ~b in R3 definieren wij de vector ~a ~b, het uitproduct van ~a en ~b
geheten, als:
a2 b 3 a3 b 2
~a ~b = a3 b1 a1 b3
a1 b 2 a2 b 1
Wij zullen niet diep ingaan op de betekenis van het uitproduct, in deze cursus hebben
wij slechts een eigenschap van het uitproduct nodig, namelijk dat het een vector is die
loodrecht op ~a en ~b staat. Dit is in te zien door het inproduct van ~a met ~a ~b uit te
schrijven:
a1
a2 b 3 a3 b 2
~a ~a ~b = a2 a3 b1 a1 b3
a3
a1 b 2 a2 b 1
= a1 a2 b3 a1 a3 b2 + a2 a3 b1 a1 a2 b3 + a1 a3 b2 a2 a3 b1 = 0
je ziet dat dit inproduct 0 is. Derhalve (volgens Stelling 4.15 ) staan ~a en ~a ~b
loodrecht op elkaar. Op dezelfde manier blijkt ook ~b (~a ~b) = 0, derhalve staan ook
~a ~b loodrecht op ~b elkaar.
Stelling 4.18.
Gegeven ~a en ~b in R3 , beide ongelijk aan ~0, dan geldt:
~a (~a ~b)
en ~b (~a ~b)
Hebben wij twee vectoren in R3 dan is het uitproduct de uitgelezen constructie om een
vector te vinden die loodrecht op deze beide vectoren staat.
88
HOOFDSTUK 4. VECTORMEETKUNDE
Voorbeeld 4.19.
Gegeven
zijn
de vectoren:
3
1
2310
6
~a = 2 en ~b = 0 . Er geldt ~a ~b = 1 1 3 3 = 10 .
1
3
1 0 2 1
2
vergelijking van een vlak
In R2 kan een vlak beschreven worden met een vectorvoorstelling en met een vergelijking. In R3 zagen wij hoe lijnen en vlakken met vectorvoorstellingen beschreven
kunnen worden. Het verschil tussen lijn en vlak was het aantal (wezenlijk verschillende) richtingsvectoren. Wat beschrijft een vergelijking in R3 . Gaan wij terug naar
voorbeeld met de kubus OABC DEF G (zie figuur). Beschouw de vergelijking:
x1 + x2 + x3 = 8
Lopen wij de hoekpunten van de kubus na dan vinden wij drie punten die aan deze
x3
G(0,4,4)
D(0,0,4)
F(4,4,4)
E (4,0,4)
x1 + x + x = 8
2
3
C
O
A (4,0,0)
B (4,4,0)
x1
vergelijking voldoen: B(4, 4, 0), E(4, 0, 4) en G(0, 4, 4). Alle punten op de lijn BE
voldoen aan de vergelijking omdat voor deze punten geldt dat x1 = 4 en x2 + x3 = 4.
Al proberend zien wij dat alle punten op het vlak BEG aan de vergelijking voldoen.
Vermoedelijk beschrijft een (lineaire) vergelijking in R3 dus een plat vlak.
Dat vermoeden is correct.
Let op: ook een vergelijking als x1 x2 = 0 beschrijft in R3 een vlak. Omdat x3 in de
vergelijking niet voorkomt kunnen we deze vrij kiezen. Alle punten op het diagonaalvlak OBF D voldoen eraan.
Om het verband tussen een vlak en zijn vergelijking te doorgronden introduceren wij
het begrip normaalvector.
normaalvector van een vlak
Gegeven een vlak V in R3 dan noemen we vector ~n een normaalvector van het vlak als
~n loodrecht staat op elke mogelijke richtingsvector van V . Met enig ruimtelijk inzicht
kan we men zich ervan overtuigen dat:
89
1)
10
1
21
1
~rAB = 3 3 = 0 en ~rBC = 2 3 = 1
31
2
13
2
De twee richtingsvectoren liggen op verschillende dragers, dus het uitproduct levert de
normaalvector van het vlak:
1
1
0 2 2 1
2
~n = ~rAB ~rBC = 0 1 = 2 1 1 2 = 4
2
2
1 1 0 1
1
Om te controleren of wij inderdaad de normaalvector hebben, berekenen wij het inproduct van deze vector ~n met de twee richtingsvectoren:
1
2
1
2
0 4 = 12+04+21 = 0 en 1 4 = 121421 = 0
2
1
2
1
Beide inproducten zijn 0, dus ~n staat inderdaad loodrecht op beide richtingen van het
vlak, dus op heel V .
normaalvector en vergelijking van een vlak
Een vergelijking voor een plat vlak in R3 heeft in het algemeen de vorm: ax+by+cz = d.
Is V een vlak door de oorsprong dan moet (0,0,0) een oplossing van de vergelijking zijn.
De vergelijking van een vlak door de oorsprong heeft dus de vorm ax + by + cz = 0 of,
in onze notatie:
90
HOOFDSTUK 4. VECTORMEETKUNDE
V :
a1 x 1 + a2 x 2 + a3 x 3 = 0
a1
x1
a2 x 2 = 0
a3
x3
De vergelijking zegt (volgens Stelling 4.15) dat ~x ~a.
Blijkbaar ligt een punt X = (x1 , x2 , x3 ) op V precies dan als de vector ~x loodrecht
staat op ~a. Derhalve is ~a de normaalvector van het vlak V , en deze normaalvector is
dus direct af te lezen uit de coefficienten van de vergelijking.
Gaat een vlak V niet door de oorsprong dan is de constante c in de vergelijking ongelijk
aan 0. In dat geval is het nuttig ook de bijbehorende homogene vergelijking ernaast te
zetten. De homogene vergelijking is de vergelijking waarin de constante vervangen is
door 0. Deze homogene vergelijking beschrijft ook een vlak, laten wij dat V0 noemen.
Wij hebben dus:
V : a1 x 1 + a2 x 2 + a3 x 3 = c
V0 : a1 x1 + a2 x2 + a3 x3 = 0.
Een punt kan nooit tegelijkertijd aan deze twee vergelijkingen voldoen, want invullen
van de coordinaten in het linkerlid levert bij de ene c op, maar bij de ander 0. En wij
hadden verondersteld dat c 6= 0. De vlakken V en V0 hebben dus geen enkel snijpunt,
en moeten dus evenwijdig zijn. Maar dan is ~a ook de normaalvector van vlak V .
Conclusie:
Stelling 4.22.
Gegeven vlak V in R3 .
Wordt V beschreven door de vergelijking a1 x1 + a2 x2 + a3 x3 = c dan is ~a de normaalvector van V .
de vergelijking
Een gegeven vlak V heeft meerdere vergelijkingen. De oplossingsverzameling verandert
namelijk niet als wij linker en rechterlid beiden met dezelfde constante (ongelijk 0) vermenigvuldigen. De volgende twee vergelijkingen hebben precies dezelfde oplossingen,
en beschrijven dus hetzelfde vlak:
3x1 + 6x2 3x3 = 12
x1 2x2 + x3 = 4.
Net als bij richtingsvectoren kunnen wij dus alleen over de vergelijking van vlak V
spreken als het ons alleen maar gaat om de onderlinge verhouding van de coefficienten.
4.3. OPGAVEN
91
Voorbeeld 4.23.
Bepaal de vergelijking van het vlak V door de punten A = (0, 3, 1), B = (1, 3, 3) en
C = (2, 2, 1).
Bereken eerst de normaalvector van V door het uitproduct van twee richtingsvectoren
te nemen. In Voorbeeld 4.21 hebben wij dit al gedaan, en vonden:
2
~nV = 4
1
De vergelijking van het vlak heeft volgens Stelling 4.22 dus de vorm: 2x1 + 4x2 x3 = c
Om de constante c te bepalen vullen we de coordinaten van punt A in: 20+431 = c,
dus c = 11. De vergelijking is dus:
V :
2x1 + 4x2 x3 = 11
4.3
Opgaven
2
1. Gegeven
inR de
lijnen
men n met
de parametervoorstellingen:
x1
1
3
x1
1
2
m:
=
+
en n :
=
+
x2
2
4
x2
3
1
Bepaal de coordinaten van het snijpunt van m en n.
2
2. Gegeven
parametervoorstelling:
inR isde lijn
` met
de
x1
2
1
`:
=
+
x2
4
3
Bepaal parametervoorstellingen voor:
a) de lijn m die door P = (1, 8) gaat en evenwijdig is aan `;
b) de lijn n die door P = (1, 8) gaat en loodrecht staat op `.
3
~a = 1 , ~b =
0
1
1
1
1 .
en ~c =
2
0
92
HOOFDSTUK 4. VECTORMEETKUNDE
1
0
3
0
1 .
6. Bereken in R de hoek tussen de vectoren
en
1
1
7. Gegeven in R3 de volgende drie vectoren:
6
2 6
~a = 0 , ~b = 3
2
3
3
0
en ~c = 0 .
3 3
a) Toon aan dat de vectoren ~a, ~b en ~c even lang zijn (gelijke norm hebben).
b) Toon aan dat d(~a, ~b) = d(~b, ~c) = d(~c, ~a).
c) Controleer dat de onderlinge hoeken tussen ~a,~b en ~c gelijk zijn.
3
1
2
2 ,
8. Gegeven p~ =
en ~q =
1
3
bereken ~r = p~ ~q en controleer dat ~r p~ en ~r ~q.
9. Gegeven de kubus OABC DEF G met O=(0,0,0), A=(4,0,0), C=(0,4,0) en
D=(0,0,4).
a) Stel een parametervoorstelling op voor de lijn EC.
b) Stel een parametervoorstelling op voor het vlak AF D.
c) Stel een vergelijking op voor het vlak AF D.
d) Hoe is uit de bij a) , b) en c) gevonden parametervoorstelling(en) en vergelijking af te lezen dat lijn EC loodrecht staat op vlak AF D?
10. Geef een vergelijking
voor het
V datin een
vlak
parametervoorstelling gegeven
1
2
1
is door V : ~x = 1 + 1 + 0
1
3
2
11. Het doel van deze opgave is een bewijs te leveren voor de volgende stelling:
Voor vectoren ~u, ~v R3 geldt dat: |~u ~v | = |~u| |~v | sin , waar de (kleinste)
hoek is tussen ~u en ~v . Je kunt dat doen door uitschrijven van het kwadraat van
beide leden van deze gelijkheid.
a) Schrijf uit in de coefficienten: (|~u ~v |)2
b) Gelet op het rechterlid, toon aan dat:
(|~u| |~v | sin )2 = |~u|2 |~v |2 sin2
= |~u|2 |~v |2 (1 cos2 ) = |~u|2 |~v |2 |~u|2 |~v | cos2
= |~u|2 |~v |2 (~u ~v )2
c) Maak het bewijs verder af.
Hoofdstuk 5
STELSELS LINEAIRE
VERGELIJKINGEN
5.1
de eliminatie-methode
In dit hoofdstuk behandelen wij een algemene methode voor het oplossen van stelsels
lineaire vergelijkingen.
De variabelen x1 , x2 , . . . , xn in de vergelijkingen staan voor reele getallen. Dat de
vergelijkingen lineair zijn betekent dat zij, eventueel na herschrijven, de volgende vorm
hebben:
a1 x 1 + a2 x 2 + + an x n = c
Hierin heet ai de coefficient van de variabele xi , en c de constante in de vergelijking.
Een oplossing van de vergelijking zien we als een vector ~v Rn waarvan de kentallen
de waarden zijn die wij voor x1 , . . . , xn kunnen invullen zodat de vergelijking klopt.
Onder een stelsel verstaan wij een aantal vergelijkingen waaraan tegelijkertijd voldaan
moet worden.
a x + a x + + a x = c
k1 1
k2 2
kn n
k
Alle oplossingen van een stelsel tezamen noemen we de oplossingsverzameling of oplossingsruimte van het stelsel.
Wij beginnen met een stelsel van 2 vergelijkingen in twee onbekenden, die we voor het
gemak omdopen in x en y:
5x + 3y = 1
2x 2y = 10
Men zal om dit stelsel op te lossen misschien geneigd zijn de ene vergelijking te gebruiken om y in x uit te drukken, en deze vervolgens in de tweede te substitueren.
Vaak is het echter sneller als volgt te werk te gaan. Vermenigvuldig de vergelijkingen
93
94
met factoren zodat in beide vergelijkingen x dezelfde coefficient krijgt. Haal dan de
vergelijkingen van elkaar af:
5x + 3y = 1
2x 2y = 10
2 10x + 6y = 2
5 10x 10y = 50 af
16y = 2 50 = 48
dus y = 48/16 = 3. Vul dit in in de bovenste vergelijking dan wordt duidelijk wat
x moet zijn: 5x 3 3 = 1 dus 5x = 10 dus x = 2. De oplossing is dus (2,-3).
Bij stelsels van meer vergelijkingen met meer onbekenden zijn geen wezenlijk andere
stappen nodig dan in het bovenstaande voorbeeld aan bod zijn gekomen. Bij grotere
stelsels leidt het steeds substitueren van variabelen door andere uitdrukkingen tot
een onoverzichtelijke brei van vergelijkingen waarvan sommige essentieel zijn, terwijl
sommige direct volgen uit de overige. Daarom is het zaak niet in losse vergelijkingen te
denken maar in hele stelsels. Een stap bestaat er dan uit dat we het stelsel veranderen
in een beter stelsel, zonder dat er eisen bijkomen of verloren gaan. We noemen twee
stelsels gelijkwaardig of equivalent als ze precies dezelfde oplossingsverzameling hebben.
In bovenstaande berekening bleek dat de volgende twee stelsels gelijkwaardig zijn, want
beide hebben precies dezelfde oplossingen, namelijk (2,-3):
5x + 3y = 1
x= 2
2x 2y = 10
y = 3
Wij lossen het stelsel waarmee wij begonnen nu opnieuw op, maar houden nu steeds
het complete stelsel bij. Eerst vermenigvuldigden wij de twee vergelijkingen zodat de
coefficient van de x gelijk werd.
5x + 3y = 1 2
10x + 6y = 2
10x + 6y = 2
2x 2y = 10
2x 2y = 10 5
10x 10y = 50
Vervolgens halen wij de eerste vergelijking van de tweede, en vinden de waarde voor y.
Wij vermelden dit door achter de onderste vergelijking R1 zetten, oftewel minus de
vergelijking op rij 1.
10x + 6y = 2
10x + 6y = 2
10x + 6y = 2
10x 10y = 50 R1
16y = 48 :16
y = 3
We vinden de waarde van y door de onderste vergelijking te delen door -16. Substitutie van deze y-waarde in de bovenste vergelijking komt erop neer dat wij de tweede
vergelijking 6 van de eerste halen:
10x + 6y = 2
6R1
10x
= 20 :10
x =2
y = 3
y = 3
y = 3
Aldus vinden we de oplossing (2,-3), in de vorm van een gelijkwaardig stelsel waaruit
de oplossing direct af te lezen is.
5.1. DE ELIMINATIE-METHODE
95
geoorloofde stappen
We hebben bij bovenstaande oplossingswijze twee soorten stappen gebruikt. Laten wij
nagaan dat deze stappen geoorloofd zijn, dwz dat wij daarbij de oplossingsruimte niet
veranderen. De twee stappen zijn:
I vermenigvuldig linker en rechterlid van een vergelijking in het stelsel met een
factor ongelijk 0:
A=B
A = B
mits 6= 0
C = D
C + A = D + B
Stel wij hebben een ~v die bij invullen in de vergelijkingen oplevert dat A = B
en C = D. Dan volgt logischerwijs dat ook C + A = D + B. Omgekeerd
als de twee voorwaarden rechts vervuld zijn, haal dan A = B -maal af van
C + A = D + B, dan komt tevoorschijn dat ook C = D moet gelden.
Ook als wij deze stap toepassen op twee vergelijkingen binnen een heel stelsel
verandert de oplossingsverzameling niet.
notatie
Nu we steeds een heel stelsel opschrijven komt het de leesbaarheid ten goede aan
te geven welke stap gezet wordt naar het volgende gelijkwaardige stelsel. Als wij
een vergelijking gaan vermenigvuldigen met een factor dan schrijven wij achter die
vergelijking: . Als we de m-de vergelijking (geteld van boven) maal optellen bij
een andere vergelijking, dan schrijven wij achter die andere vergelijking: + Rm . Bij
het herschrijven van stelsels is het meestal de gewoonte de variabelen in vaste kolommen
onder elkaar te zetten. Doen wij dit consequent dan kunnen wij ze helemaal weglaten
en houden een blok getallen over. Om aan te geven dat de constanten achteraan staan
zetten we deze achter een verticale streep.
Het oplossen van het stelsel waarmee wij begonnen komt er dan als volgt uit te zien:
2
10 6
2
10 6
2
5 3 1
2 2 10
5
10 10 50
R1
0 16 48
:16
10 6 2
6R2
10 0 20
:10
1 0 2
0 1 3
0 1 3
0 1 3
96
Getallenblokken als hierboven noemen wij matrices. Een matrix is een blok getallen
geordend in rijen (horizontaal) en kolommen (verticaal). Wat betreft de matrices die wij
nu gebruiken bij het oplossen van stelsels zullen wij de volgende terminologie hanteren:
Definitie 5.1.
Gegeven een stelsel lineaire vergelijkingen:
a11 x1 + + a1n xn = c1
..
.
a x + + a x = c
m1 1
mn n
m
Met de coefficientenmatrix van het stelsel bedoelen wij de matrix A van de coefficienten
aij . De constanten c1 , . . . , cm zijn de kentallen van de doelvector ~c. De vergelijkingsmatrix ontstaat door de doelvector rechts aan de coefficientenmatrix te plakken, met
daartussen een verticale streep:
a11 a1n c1
..
..
..
.
.
.
am1
amn cm
Voorbeeld 5.2.
Los het volgende stelsel op:
3x1 + 4x2 x3 = 1
2x1 x2 + 3x3 = 6
x1 + x2 + x3
=4
Stel de vergelijkingsmatrix op, en probeer systematisch toe te werken naar een matrix
waaruit de oplossing(en) direct zijn af te lezen.
3
4 1 1
2 1 3
6
1
1
1
4
0 1 4 13
14
0 1 5
1 1 1
4
0 0 1
3
14
0 1 5
1 0 4 10
3R3
1R2
1R2
5R1
+4R1
0
1 4 13
6
2 1 3
1
1
1
4
+2R3
0 0 9 27
:9
14
0 1 5
1 0 4 10
0 0 1 3
x3 = 3
0 1 0 1
x2 = 1
1 0 0 2
x1 = 2
In de laatste stap vertalen wij de matrix weer terug in vergelijkingen en vinden wij als
enige oplossing: (2,-1,3).
5.1. DE ELIMINATIE-METHODE
97
strategie
Uiteraard heeft het geen zin lukraak stappen te zetten in de hoop ooit een mooie
matrix te krijgen zoals de laatste hierboven, waaruit de oplossing direct afgelezen kan
worden. Om zon mooie vergelijkingsmatrix te bereiken moet je zoveel mogelijk 0 zien
te krijgen in het coefficientengedeelte, maar om van het ene getal 0 te maken is het
soms nodig een andere 0 weer op te geven. Een systematische aanpak (bekend als
Gauss-eliminatie) berust op het schoonvegen en schoonhouden van zoveel mogelijk
kolommen in de coefficientenmatrix. Een kolom is schoon als er maar op precies een
plaats in die kolom 1 staat en op alle andere plaatsen een 0.
We bekijken weer het bovenstaande voorbeeld en lichten toe hoe deze strategie is
gevolgd. Met de eerste twee stappen wordt kolom 1 schoon geveegd. De achterliggende
gedachte was: zoek in de eerste kolom een makkelijk getal, dat is de 1 op rij 3. Haal nu
rij 3 van alle andere rijen zo vaak af dat alle andere getallen in de kolom 0 worden. In
de derde (dubbele) stap wordt kolom 2 schoongeveegd. Zouden we dit vanuit rij 3 doen
dan gaven we de schone kolom 1 weer op. Dat willen we niet. Vandaar dat gekozen
is voor rij 2. Deze wordt van rij 1 en 3 afgehaald zodat daar nullen ontstaan. Op dat
moment is kolom 2 ook schoon. Om nu de kolom 3 schoon te maken kan alleen rij 1
gebruikt worden. Het resultaat is een matrix met drie schone kolommen, en daaruit
halen wij onmiddellijk de oplossing van het stelsel.
De twee voorbeelden die wij nu bekeken hebben komen mooi uit, in beide gevallen lukt
het alle kolommen schoon te vegen. Meetkundig is dit goed te begrijpen. In voorbeeld
1 beschrijven de twee vergelijkingen twee snijdende lijnen in R2 . Er is dan precies een
oplossing en die correspondeert met een geheel schoongeveegde matrix. Zo beschrijven
in voorbeeld 2 de drie vergelijkingen vlakken die elkaar snijden in een punt. Zouden
de vlakken echter anders ten opzichte van elkaar liggen, dan zou de oplossing bestaan
uit een hele lijn, een heel vlak of leeg kunnen zijn. We bekijken nu aan de hand van
twee voorbeelden hoe dit uitwerkt op onze veegmethode in de coefficientenmatrix.
Voorbeeld 5.3.
Los het volgende stelsel op:
2x1 + x2 x3 = 9
x1 + 2x2 + x3 = 3
x 1 + x2
=4
Stel de coefficientenmatrix op, en veeg de eerste kolom schoon. Gezien de getallen is
rij 1 daar niet zo geschikt voor, daarom werken we vanuit rij 2:
2R2
0 3 3 3
:3
2 1 1 9
1 2 1 3
1 3
1 2
1 1 0 4
1R2
0 1 1 1
:1
Wij vereenvoudigen de vergelijking op rij 1. Om nu de kolom 2 schoon te vegen
gebruiken we rij 1. Rij 1 en rij 3 zijn echter gelijk zodat in rij 3 overal nullen komen te
98
staan.
0 1 1 1
1 2 1 3
0 1 1 1
2R1
1R1
0 1 1 1
1 0 1 5
0 0 0
0
x1 = 5 + x3
x2 = 1 x3
We interpreteren dan x3 als een vrij te kiezen parameter , en voegen daarmee toe
x3 = , de overige twee variabelen drukken we dan via x3 uit in , en stellen daarmee
de parametervoorstelling op voor de oplossingsverzameling van het stelsel.
+
x1
5
1
x1 = 5
x2 = 1
dus x2 = 1 + 1
x3 =
x3
0
1
Voorbeeld 5.4.
Los het volgende stelsel op:
2x1 + x2 x3 = 9
x1 + 2x2 + x3 = 3
x1 + x2
=0
Dit stelsel is bijna identiek aan het stelsel in het
verloopt hetzelfde:
2R2
0 3
2 1 1 9
1 2 1 3
1 2
1 1 0 0
1R2
0 1
0 1 1 1
0 1
1 2 1 3 2R1 1 0
0 1 1 3
1R1
0 0
3 3
1
3
1 3
1 1
1 5
0
4
:3
:1
5.1. DE ELIMINATIE-METHODE
99
Alleen de derde rij is anders dan bij het vorige voorbeeld. Deze rij stelt de vergelijking
voor: 0 x1 + 0 x2 + 0 x3 = 4. Geen keuze van x1 , x2 en x3 kan dit waarmaken,
dus deze vergelijking heeft geen enkele oplossing. Dan heeft het hele stelsel dus ook
geen oplossing. Blijkbaar hebben de vlakken beschreven door de oorspronkelijke drie
vergelijkingen geen gemeenschappelijke snijpunten.
Voorbeeld 5.5.
Men kan in verwarring raken als er in een kolom alleen maar nullen verschijnen. Stel
wij zijn na elimineren uitgekomen op de matrix:
1 0 0 2
0 0 1 5
0 0 0 0
Hiermee komt het volgende stelsel overeen:
x1 = 2
x3 = 5
De vergelijkingen leggen geen eisen op aan de variabele x2 . Deze kan blijkbaar vrij
gekozen worden. Neem dus x2 = dan ontstaat de volgende parametervoorstelling:
x1
2
0
x1 = 2
x2 =
x2
0
dus
=
+ 1
x3 = 5
x3
5
0
Voorbeeld 5.6.
Stel wij hebben maar een vergelijking in het stelsel (of houden na eliminatie er maar
een over). Er valt dan verder niet te elimineren, hoogstens kunnen we de vergelijking
een keer met een factor vermenigvuldigen zodat een van de coefficienten 1 wordt. Die
variabele is dan via de vergelijking uitgedrukt in de overige. Maak van de overige
variabelen dan de parameters om de overeenkomstige vectorvoorstelling te vinden:
2x1 + 4x2 8x3 = 2 x1 + 2x2 4x3 = 1 x1 = 1 2x2 + 4x3
Kies x2 = en x3 = dan:
x1
1
2
4
x1 = 1 2 + 4
x2 =
x2
0
1
=
+
+ 0
x3 =
x3 )
0
0
1
Definitie 5.7.
Als wij een stelsel vergelijkingen bewerken volgens de eliminatiemethode kunnen daarbij rijen ontstaan met alleen nullen. Zon rij kunnen wij weglaten uit de matrix en
betekent voor het stelsel dat we dezelfde oplossingsverzameling ook kunnen beschrijven met minder vergelijkingen. Als dit gebeurt zeggen we dat het oorspronkelijke
100
stelsel afhankelijk was. Valt geen enkele vergelijking weg dan noemen we het stelsel
onafhankelijk.
Als wij daarentegen bij het vegen een rij krijgen met alle coeffcienten 0 maar de constante (het getal op de laatste plaats) ongelijk 0, dan is het stelsel vergelijkingen niet
te vervullen en noemen wij het strijdig.
dimensie en rang
Wij hebben de eliminatiemethode gedemonstreerd aan de hand van een aantal voorbeelden, ons doel daarbij was vooral praktisch: hoe los je een stelsel lineaire vergelijkingen
handig op. In de voorbeelden gingen wij niet uniform te werk, soms begonnen we met
het schoonvegen vanuit de eerste kolom, maar soms ook vanuit een andere. Begonnen
we met de eerste kolom, dan veegden we niet altijd vanuit de bovenste rij (als daar een
getal ongelijk 0 staat), maar vanuit een rij waarin een prettig getal stond.
Van een niet-strijdig stelsel met k vergelijkingen blijft na eliminatie een bepaald vast
aantal vergelijkingen over, dat niet afhangt van de volgorde waarin wij de eliminatiestappen gezet hebben. Dit vaste aantal noemen wij de rang van het stelsel. Uit de rang
kunnen we de dimensie van de oplossingsruimte berekenen: is het aantal variabelen n
en de rang k dan is die dimensie n k. Is het stelsel wel strijdig dan is de oplossingsruimte leeg. Wij zullen de theorie over rang en dimensie niet verder ontwikkelen,
en geven dus ook geen bewijs van de voorgaande uitspraken. Wel zullen we preciezer
formuleren wat we bedoelen met de dimensie van de oplossingsruimte. Intutief is dit
het aantal richtingsvectoren dat je echt nodig hebt om alle oplossingen te beschrijven.
Definitie 5.8.
Een vergelijking heet homogeen als de constante erin 0 is. Een stelsel van homogene
vergelijkingen heet een homogeen stelsel.
Een homogene vergelijking heeft altijd de oplossing ~0. Omdat de vergelijking homogeen
is heeft hij de vorm:
a1 x 1 + a2 x 2 + + an x n = 0
Invullen van 0 voor alle xi in de vergelijking levert 0 = 0, derhalve is ~0 een oplossing.
Om dezelfde reden is ~0 oplossing van elk homogeen stelsel vergelijkingen. Wij noemen ~0
de triviale oplossing van het homogene stelsel, omdat hij er altijd is. Eventuele andere
oplossingen noemen we niet-triviaal.
het homogene stelsel
Wij beschouwen het stelsel uit Voorbeeld 5.3 met daarnaast het bijbehorende homogene
stelsel, dwz het stelsel dat ontstaat door de rechterleden te vervangen door 0. Voor het
gemak geven de stelsels namen; (S) voor het stelsel zelf en (hS) voor het bijbehorende
homogene stelsel.
2x1 + x2 x3 = 9
2x1 + x2 x3 = 0
x1 + 2x2 + x3 = 3
x1 + 2x2 + x3 = 0
(S) :
(hS) :
x1 + x2
=4
x1 + x2
=0
5.2. ONAFHANKELIJKHEID
De Gauss-eliminatie voor stelsel (S) verliep als volgt:
2 1 1 9
2R2
0 3 3 3
1 2 1 3
1 3
1 2
1 1 0 4
1R2
0 1 1 1
0 1 1 1
0
1
1
1
1 2 1 3 2R1
1 0 1 5
0 1 1 1
1R1
101
:3
:1
x1
5
1
S : x2 = 1 + 1
x3
0
1
Beschouw nu het bijbehorende homogene stelsel (hS). De eliminatie die we bij (S)
toepasten kunnen we nu helemaal copieren, de stappen worden immers niet ingegeven
door de doelvector maar alleen door de coefficientenmatrix. Die doelvector blijft nu
steeds 0:
2R2
:3
0 3 3 0
2 1 1 0
1 2 1 0
1 0
1 2
:1
1 1 0 0
1R2
0 1 1 0
0 1 1 0
0
0
1
1
1 2 1 0 2R1
1 0 1 0
0 1 1 0
1R1
En dat levert de oplossingsverzameling:
x1
1
hS : x2 = 1
x3
1
Omdat de eliminatiestappen voor (S) en (hS) gelijk zijn, zijn de richtingsvectoren
gelijk geworden, die worden immers alleen bepaald door de coefficientenmatrix. Het
enige verschil is de steunvector. In het volgende hoofdstuk zullen wij dit verschijnsel
preciezer formuleren en bewijzen. (Zie Stelling 6.16)
5.2
onafhankelijkheid
het opspansel
Stel in een vectorruimte hebben we een aantal vectoren ~u1 , ~u2 , . . . , ~uk , dan noemen wij
deze tezamen een stelsel vectoren.
Door optellen en scalair vermenigvuldigen kunnen we met deze vectoren vele andere
maken als lineaire combinaties:
~x = 1~u1 + 2~u2 + . . . + k ~uk
102
De verzameling van al deze lineaire combinaties noemen we het opspansel van het
stelsel ~u1 , ~u2 , . . . , ~uk . Elk opspansel bevat de vector ~0, namelijk als de combinatie
~0 = 0 ~u1 + . . . + 0 ~uk .
Wij hebben in het vorige hoofdstuk al opspansels leren kennen. De parametervoorstelling:
x1
1
1
x2 = 1 + 2
x3
0
2
beschrijft een vlak in R3 en is tegelijkertijd het opspansel van de twee richtingsvectoren. Bij een vlak dat niet door de oorsprong gaat hoort geen opspansel. Immers in elk
opspansel zit automatisch de vector ~0, en dan zou het vlak door de oorsprong moeten
gaan.
Eenzelfde opspansel kan verkregen worden met vele verschillende stelsels, zoals wij
bij het opstellen van een parametervoorstelling van een lijn of een vlak vele keuzen
kunnen doen voor de richtingsvector(en). Bij het kiezen van richtingsvectoren voor een
vlak V is het duidelijk dat we twee richtingsvectoren nodig hebben (anders beschrijven
we slechts een lijn) en dat die niet op dezelfde drager moeten liggen. Het toevoegen
van een derde richtingsvector uit hetzelfde vlak daarentegen heeft geen zin omdat de
vectoren die we met die drie richtingsvectoren kunnen maken ook al met de eerste twee
te maken zijn.
Hebben wij met meer dan twee vectoren te maken dan kan het lastig zijn te zien of niet
een van die vectoren overbodig is, in de zin dat we die vector weg kunnen laten zonder
dat het opspansel verandert. Het beeld van overbodige vectoren in een stelsel roept
bij sommigen op dat er dan ook niet-overbodige vectoren zijn. Maar in veel stelsels is
elke vector even overbodig, neem bijvoorbeeld:
1
0
1
~
0 ,b =
0 , ~c =
0
~a =
2
1
3
Het is duidelijk dat ~c = ~a + ~b, dus is ~c overbodig, want te maken met de andere twee.
Maar ~a is net zo goed te maken met de andere twee, namelijk als: ~a = ~c ~b, en zo is
ook ~b overbodig.
We zullen het begrip overbodige vector herleiden tot het werkbaardere begrip onafhankelijkheid voor stelsel vectoren.
Definitie 5.9.
Gegeven in Rn een stelsel vectoren ~u1 , ~u2 , . . . , ~uk . Het stelsel heet onafhankelijk als
voor elke 1 , 2 , . . . , k geldt:
1~u1 + 2~u2 + . . . + k ~uk = ~0 1 = 2 = . . . = k = 0
Is het stelsel niet onafhankelijk dan noemen wij het afhankelijk.
5.2. ONAFHANKELIJKHEID
103
k
2
~u2 . . . ~uk
1
1
2
2
3
~a = 3 , ~b = 2 , ~c = 1
1
3
1
Onderzoek of dit stelsel onafhankelijk is.
Wij bekijken dus welke lineaire combinaties van deze vectoren ~0 opleveren. Dus gezocht
, , met:
2
2
3
0
3 + 2 + 1 = 0
1
3
1
0
Dat komt neer op het oplossen van het volgende
2 + 2 + 3
3 + 2 +
stelsel vergelijkingen.
=0
=0
=0
Wij gaan over op de coefficientenmatrix van dit stelsel. Omdat de constanten toch
allemaal 0 zijn laten wij de doelvector weg.
2 2
3
2R3
0 8
5
4
3 2
1 3R3 0 11 4 5
1 3 1
1 3 1
104
0 32 20
0 32
0 55 20 1R1 0 23
1 3 1
1 3
0 0 5
:5
0
0 1 0
1 0 1
1
20
:4
0 8
0
:23
0 1
1
1 3
0 1
0
1 0
0
0 1
1R1
1
5
0
1
0 1
1 0
0 0
8R2
+3R2
2 , ~c =
1 ,d =
2
4 ,b =
~a =
1
5
2
3
Op zoek naar lineaire combinaties die ~0 opleveren
mogene stelsel:
2 + 3 + +
4 + 2 + + 2
+ 5 + 2 + 3
Wij stellen de bijbehorende coefficientenmatrix op (omdat het stelsel homogeen is kunnen we de doelvector weer weglaten):
2 3 1 1
4 2 1 2
1 5 2 3
Eliminatie levert (bijvoorbeeld) de matrix:
0 1 0 1
0 4 1 0
1 0 0 0
Hier staat dus:
+ = 0
4 + = 0
=0
hetgeen wij in een parametervoorstelling zetten. De kolommen 1,3 en 4 zijn schoongeveegd, de bijbehorende variabelen zijn dus uitdrukbaar in de variabele van de tweede
kolom, dwz in . Noem die parameter
0
0
=
= 1
4
4
5.3. OPGAVEN
105
5.3
Opgaven
x1
4
1
1
ACM : x2 = 0 + 1 + 2
x3
0
0
2
en de lijn:
x1
4
4
BD : x2 = 4 + 4
x3
0
4
Bereken de coordinaten van het snijpunt van ACM met BD.
2. Gegeven zijn drie vlakken U , V , W in R3 met de volgende vergelijkingen:
U : x1 2x2 + 2x3 = 2
V : x1 + x2 + x3 = 5
W : x1 + x2 + 2x3 = 4
a) Hoe is te zien dat geen tweetal van deze vlakken evenwijdig is?
b) Bepaal het gemeenschappelijk snijpunt van de drie vlakken.
c) Bepaal een parametervoorstelling voor de snijlijn van vlak U en V .
d) Bepaal een parametervoorstelling voor het vlak W .
3. Los het volgende stelsel in R3 op:
=1
x 1 + x2 + x3
x1 + 3x2 + 2x3 = 7
2x1 + 3x2 2x3 = 2
x1 + x2 + x3 = 4
a)
b)
x1 2x2 + 2x3
=0
2x1 + x2 + x3
=0
c)
106
3x1 + x2 = 1
2
5x1 2x2 = 20
4. Los het volgende stelsel in R op:
6x1 + 3x2 = 3
5. Los het volgende stelsel in R4 op:
x2 + 2x4 = 5
2x2 x4 = 0
b)
3x2 2x4 = 1
2 , ~a2 =
3 , ~a3 =
0 .
a) ~a1 =
2
3
8
1
1
0
~
~
~
1 , b2 =
2 , b3 =
1 .
b) b1 =
0
1
1
1
1
0
c) ~c1 = 1 , ~c2 = 1 , ~c3 = 1 .
0
1
1
1
1
2
~
~
~
2 , d2 =
1 , d3 =
2 .
d) d1 =
3
2
4
7. Gegeven
is
het volgende
stelsel
vanvectoren:
1
1
0
1
~a = 0 , ~b = 0 , ~c = 1 , d~ = 1 .
0
1
1
1
Onderzoek hoe deze vier vectoren van elkaar afhangen en geef aan welk van de
vectoren uit het stelsel kan worden weggelaten zodat een onafhankelijk stelsel
overblijft.
8. Gegeven
het volgende
van vectoren:
is
stelsel
1
1
2
3
0
0
2
0
~
~
~a =
1 , b = 0 , ~c = 1 , d = 1 .
0
1
1
2
Laat zien dat dit stelsel afhankelijk is en onderzoek welk van de vectoren uit
het stelsel kan worden weggelaten zodat een gelijkwaardig, onafhankelijk stelsel
overblijft.
Hoofdstuk 6
LINEAIRE AFBEELDINGEN
6.1
108
Bij deze afbeelding is geen grafiek te tekenen zoals wij gewend zijn te doen voor functies
van R naar R omdat wij R2 niet op een as kunnen zetten. Wel is F te visualiseren
als een migratie van het vlak waarbij elk punt verplaatst naar een beeldpunt. Denk
bijvoorbeeld aan wat er gebeurt als we het hele vlak verschuiven of draaien. Wiskundig spreken wij dan van een transformatie. Om deze transformatie in beeld te brengen
voorzien we het vlak van een rooster en tekenen daarnaast (of eroverheen) het getransformeerde rooster. De afbeelding F is een eenvoudig soort vervorming. Immers: wat
2
2
109
Voorbeeld 6.2.
De door Fibonacci beschreven konijnenpopulatie dijde uit op de volgende manier:
- een jong paar wordt in de loop van een maand een volwassen paar;
- een volwassen paar werpt elke maand een jong paar en sterft nooit.
Om vanuit een gegeven populatie Pm de volgende populatie Pm+1 te berekenen is niet
zozeer het totaal aantal paren in Pm van belang, maar de aantallen jonge paren en
volwassen paren. Daarom geven wij de populatie weer als een vector waarbij het eerste
kental het aantal jonge paren en het tweede kental het aantal volwassen paren geeft.
De populatie in maand m is dus een vector
J
m
P~m =
Vm
met Jm en Vm het aantal jonge respectievelijk volwassen paren in maand m. De overgang naar de volgende maand bestaat eruit dat:
1) Jm+1 = Vm ,
want het nieuwe aantal jonge paren is geheel afkomstig van
volwassen paren uit de voorgaande maand;
2) Vm+1 = Jm + Vm , want het aantal volwassen paren in maand m + 1 bestaat uit
de paren die al volwassen waren in maand m `en uit paren die
in maand m nog jong waren.
Schrijf dit nu als vectoren:
Jm+1
Vm
=
Vm+1
Jm + Vm
De maandelijkse overgang van de populatie is dus te zien als een afbeelding F van
vectoren, met het volgende voorschrift:
x1
x2
F
=
x2
x1 + x2
Definitie 6.3.
Een lineaire afbeelding f : Rn Rm is een functie van Rn naar Rm die voor alle
vectoren ~v en w
~ uit Rn en voor elke R voldoet aan:
(1) f (~v + w)
~ = f (~v ) + f (w)
~
(2) f (~v ) = f (~v )
opmerkingen
- Wil een afbeelding lineair zijn dat moet f (~0) = ~0, neem maar een vector ~v dan
f (0) = f (0 ~v ) = 0 f (~v ) = ~0.
- Volgens deze definitie is een lineaire functie als y = 2x + 1 geen lineaire afbeelding,
want f (0) = 1 6= 0. Deze functie voldoet trouwens ook niet aan de eerste eis, immers:
f (1 + 1) = 5, maar f (1) + f (1) = 6.
110
Voorbeeld 6.4.
Gegeven is de afbeelding f : R2 R2 met
x1
2x1 + 3x2
f(
)=
x2
x1 + 4x2
De functie f is een lineaire afbeelding. Wij controleren eis (1) van de definitie:
v1
w1
v1 + w1
2(v1 + w1 ) + 3(v2 + w2 )
f(
+
) = (f
)=
v2
w2
v2 + w2 (v1 + w1 )+ 4(v2+ w2
)
2v1 + 3v2
2w1 + 3w2
v1
w1
=
+
= f(
) + f(
)
v1 + 4v2
w1 + 4w2
v2
w2
En wij controleren eis (2):
v1
v1
2v1 + 3v2
f (
) = f(
)=
v2
+ 4v2
v2
v1
(2v1 + 3v2
2v1 + v2
v1
=
=
= f (
)
(v1 + 4v2 )
v1 + 4v2
v2
het beeld van de eenheidsvectoren
Met de eenheidsvectoren van Rn bedoelen de n vectoren met op een plaats een 1, en
op alle andere plaatsen een 0. De eenheidsvectoren van R3 bijvoorbeeld, zijn dus:
1
0
0
~e1 = 0 , ~e2 = 1 , ~e3 = 0 .
0
0
1
Elke vector in Rn kan geschreven worden als een lineaire combinatie van de eenheidsvectoren, immers, uitgeschreven voor n = 3,
v1
v1
0
0
1
0
0
v2
0
v2
0
~v =
=
+
+
= v1 0
+ v2 1
+ v3 0
0
v3
0
0
1
v3
0
Een lineaire afbeelding op Rn wordt geheel bepaald door zijn beelden van de eenheidsvectoren. We kunnen de vector waarvan wij het beeld willen bepalen namelijk eerst
schrijven als lineaire combinatie van de eenheidsvectoren en vervolgens wegens de lineariteit van f die eenheidsvectoren vervangen door hun beelden. Uitgeschreven voor
n = 2:
1
0
1
0
f (~v ) = f (v1
+ v2
) = v1 f (
) + v2 f (
).
0
1
0
1
De beeldvectoren van de eenheidsvectoren plaatsen wij op een rij zodat een getallenblok
(matrix) ontstaat dat alle informatie bevat om van elke vector het f -beeld te berekenen. Aldus vinden wij een handige notatie voor f . Voor wij verder gaan met lineaire
afbeeldingen introduceren wij eerst enige terminologie omtrent matrices (meervoud van
matrix).
111
Definitie 6.5.
Een (m n)-matrix is een blok van m n reele getallen geordend als m rijen van ieder
n getallen. De getallen heten de elementen of componenten van de matrix. De plaats
van een element wordt gegeven met het paar (i, j) dat zegt: op rij i en in kolom j.
Bij gebruik van variabelen voor de elementen van een matrix A geven we de plaats aan
met een index, zodat aij verwijst naar het element op plaats (i, j). Een (m n)-matrix
A laat zich dus symbolisch weergeven als:
A = ..
..
..
.
.
.
am1 an2 amn
Een matrix heet vierkant als de kolommen even lang zijn als de rijen. In een vierkante
matrix vormen de plaatsen (1, 1), (2, 2), . . . , (n, n) de hoofddiagonaal.
Definitie 6.6.
Gegeven is een lineaire afbeelding f : Rn Rm . Wij definieren de bijbehorende
afbeeldingsmatrix Mf als de (m n)-matrix waarvan de kolommen de beelden van de
eenheidsvectoren zijn:
a1k
a11 a12 a1n
a2k
a21 a22 a2n
Mf = ..
..
.. waarin f (~ek ) = .. k = 1, . . . , n
.
.
.
.
amk
am1 an2 amn
Hoort bij de lineaire afbeelding f de afbeeldingsmatrix M dan noteren we f (~v ) ook
als: M~v , dus zonder (extra) haakjes.
Voorbeeld 6.7.
Stel de afbeeldingsmatrix op voor de lineaire afbeelding f : R2 R2 uit Voorbeeld 1.4
met
x1
2x1 + 3x2
f(
)=
x2
x1 + 4x2
Om de afbeeldingsmatrix op te stellen berekenen wij de beelden van de twee eenheidsvectoren:
1
2
0
3
f
=
en f
=
0
1
1
4
De afbeeldingsmatrix van f krijgen wij door de beelden van de eenheidsvectoren achter
elkaar te zetten:
2 3
M=
1 4
De matrix kunnen wij ook direct herkennen in het functievoorschrift:
x1
2x1 + 3x2
2
3
f(
)=
= x1
+ x2
x2
x1 + 4x2
1
4
112
2 3
1 4
x1
x2
=
2x1 + 3x2
x1 + 4x2
In concreto:
2 3
1 4
5
6
=
25+36
1 5 + 4 6
=
28
19
Voorbeeld 6.8.
Wij draaien het hele platte vlak over 90 om de oorsprong. Dit kunnen wij beschouwen
als een afbeelding van R2 naar zichzelf. Het betreft hier een lineaire afbeelding, zoals
wij snel kunnen inzien door de twee eisen (definitie 3) na te gaan.
Wat betreft eis (1): het maakt niet uit of wij twee vectoren ~v en w
~ optellen en dan
draaien, danwel eerst draaien en dan optellen. (zie figuur rechts.)
En wat betreft eis (2): eerst ~v scalair vermenigvuldigen met en dan draaien geeft
p+q
D( p+q )
( )
0
1
D( p )
( )
1
0
D( q )
( )
1
0
1
0
0
1
en
0
1
1
0
0 1
1 0
Voor een punt (x1 , x2 ) moet het beeld (x2 , x1 ) worden. Dat komt overeen met het
beeld dat MD geeft:
MD
x1
x2
=
0 1
1 0
x1
x2
=
0 x1 1 x2
1 x1 + 0 x2
=
x2
x1
113
114
Berekening product AB
n
m
van
afmetingen
A is m x n
via
naar
B is n x k
gelijk
n
n
B
C =A x B
kolom j
...
b1 j
bn j
ci j= a
rij i ai 1 . . . ai n
i1
b1 j
. . .+. . .
ai n bn j
Voorbeeld 6.10.
Gegeven zijn de matrices:
A=
0 2 3
1 1 2
2
1
en B = 0 3
1 4
Omdat A een (2 3)-matrix is, en B een (3 2)-matrix, kunnen wij A zowel links als
rechts met B vermenigvuldigen. Nemen wij AB dan levert dat een 2 (3 = 3) 2
(ezelsbruggetje) dus een (2
2)-matrix.Bereken vervolgens de elementen van AB:
2
1
0 2 3
0 3
AB =
1 1 2
1 4
0 2 + 2 0 + 3 1 0 1 + 2 3 + 3 4
3 6
=
=
1 2 + 1 0 + 2 1 1 1 + 1 3 + 2 4
0 4
Daarentegen is de matrix BA een 3 (2 = 2) 3 dus een (3 3)-matrix. De elementen
berekenen wij als volgt:
2
1
0 2 3
0 3
BA =
1 1 2
1 4
20+11
2 2 + 1 1
23+12
1 5 8
0 2 3 1
0 3 3 2 = 3 3 6 .
= 0031
1 0 4 1 1 2 4 1 1 3 4 2
4 6 11
115
Stelling 6.11.
Gegeven zijn de lineaire afbeeldingen f : Rk Rn en g : Rn Rm .
1) De samenstelling g f : Rk Rm gedefinieerd met (g f )(~v ) = g(f (~v )) is een
lineaire afbeelding.
2) Voor de bijbehorende afbeeldingsmatrices geldt: Mgf = Mg Mf
Bewijs
Ad 1) Wat betreft eis (1) van definitie 3: Zijn ~v en w
~ vectoren in Rn , dan geldt:
(gf )(~v +w)
~ = g(f (~v +w))
~ = g(f (~v )+f (w))
~ = g(f (~v ))+g(f (w))
~ = (gf )(~v )+(gf )(w).
~
n
Wat betreft eis (2): Is ~v een vector in R , en R, dan geldt:
(g f )(~v ) = g(f (~v )) = g(f (~v )) = g(f (~v )) = (g f )(~v )
Ad 2). Het bewijs is een kwestie van uitschrijven. Noem Mf = B en Mg = A. In de jde kolom van de matrix C(= AB) moet het g f -beeld staan van de j-de eenheidvector.
Het f -beeld van ~ej staat in de j-de kolom van B (de matrix van f ):
b1j
a11
a1n
b1j a11 + . . . + bnj a1n
..
g(f (~ej )) = g( ... ) = b1j ... +. . .+bnj ... =
.
bnj
am1
amn
b1j am1 + . . . + bnj amn
Het element cij is het i-de getal in deze kolomvector, dus: bij ai1 + . . . + bnj ain =
ai1 b1j + ai2 b2j + . . . + ain bnj .
de inverse afbeelding
Onder de inverse van een functie f verstaan we de functie g met g(x) = z als f (z) = x.
In hoofdstuk 1 wordt uitgelegd dat f : A B een inverse heeft als f elk element van
A koppelt aan precies steeds een element van B, op zon manier dat elk element van B
daarbij aan de beurt komen. In het geval van een lineaire afbeelding f : Rn Rm kan
dat alleen lukken als de dimensies overeenstemmen, dus als n = m. Zijn de dimensies
gelijk, dan vertelt de volgende stelling aan welke eis f verder moet voldoen:
Stelling 6.12.
Gegeven een lineaire afbeelding f : Rn Rn met afbeeldingsmatrix M .
(1) Als f een inverse heeft, dan is die inverse ook een lineaire afbeelding.
(2) f heeft een inverse de enige vector ~v met f (~v ) = ~0 is ~v = ~0.
(3) f heeft een inverse de kolomvectoren van M vormen een onafhankelijk stelsel.
Bewijs
(1) Dit is een kwestie van uitschrijven. Wij doen dat alleen voor de eerste eis (definitie
3). Noem de inverse g. Zijn ~y1 en ~y2 vectoren in het bereik, dan zijn er vectoren ~x1
en ~x2 met f (~x1 ) = ~y1 en f (~x2 ) = ~y2 . Omdat g de inverse is van f geldt dan dat
g(~y1 ) = ~x1 en g(~y2 ) = ~x2 , en altijd dat g(f (~z)) = ~z. Dan
g(~y1 + ~y2 ) = g(f (~x1 ) + f (~x2 )) = g(f (~x1 + ~x2 )) = ~x1 + ~x2 = g(~y1 ) + g(~y2 ).
Dus g voldoet aan eis (1) van definitie 3
(2) en (3) doen wij in drie stappen:
116
1 0 0
I3 = 0 1 0
0 0 1
De eenheidsmatrix hoort bij de identieke afbeelding, dwz de afbeelding die elke vector
op zichzelf afbeeldt. Vaak laten wij bij In de index n weg.
Gegeven een vierkante matrix A. Vormen de kolomvectoren van A een onafhankelijk
stelsel dan bestaat er een unieke matrix B met AB = BA = I, deze matrix noteren
wij als A1 en heet de inverse matrix van matrix A. Dit is de matrix die hoort bij de
inverse afbeelding waarvan A de matrix is.
rekenregels voor matrices
Vermenigvuldigen wij twee matrices dan maakt het wel uit in welke volgorde wij dat
doen, in het algemeen zijn AB en BA niet gelijk.
Vermenigvuldigen wij drie matrices om ABC te vormen, dan kunnen wij dat op twee
117
manieren doen: ofwel AB vermenigvuldigen met C ofwel A met BC. Beide manieren
leveren hetzelfde antwoord. In het algemeen geldt: (AB)C = A(BC).
Dat betekent voor een vierkante matrix A dat (AA)A = A(AA) dus dat de notatie A3
geen verwarring kan geven. Derhalve kunnen wij de macht van een vierkante matrix A
definieren op de volgende manier:
A0 = I, A1 = A en met recursie: An+1 = AAn .
Heeft A een inverse dan wordt voldaan aan de volgende regel: (A1 )n = (An )1 en
kunnen we dus ondubbelzinnig spreken over An .
berekenen van de inverse matrix
Het bepalen van de inverse van een matrix komt neer op het oplossen van stelsels
vergelijkingen. Zoals hierboven is uitgelegd heeft een matrix alleen een inverse als hij
vierkant is en als zijn kolomvectoren een onafhankelijk stelsel vormen.
Voorbeeld 6.14.
Bepaal de inverse van de matrix:
A=
5 4
4 3
Deze matrix A hoort bij een lineaire afbeelding f . De inverse matrix hoort dan bij de
inverse afbeelding f 1 . Om voor f 1 de afbeeldingsmatrix op te stellen hebben wij de
f 1 -beelden van de eenheidsvectoren nodig. Oftewel de vectoren die door f gestuurd
worden naar ~e1 en ~e2 , dus de f -originelen van ~e1 en ~e2 .
Eerst het origineel van ~e1 . Zoek dus ~x met f (~x) = ~e1 :
1
5 4
x1
=
x2
0
4 3
Wij lossen het stelsel op door eliminatie toe te passen in de bijbehorende vergelijkingsmatrix.
1R2
1 1 1
1 1
1
5 4 1
4 3 0
4 3 0
4R1
0 1 4
1
1 1 1
1R2
1 0 3
1R2
x1 = 3
0 1 4
0 1 4
x2 = 4
Daarmee hebben we de eerste kolom van A1 gevonden. Het oplossen van het stelsel voor A~x = ~e2 verloopt volgens precies dezelfde stappen, de coefficientenmatrix is
immers gelijk, alleen de doelvector verschilt.
5 4 0
1R2
1 1 1
1 1 1
4 3 1
4 3 1
4R1
0 1 5
1
1 1 1
1R2
1 0 4
1R2
x1 = 4
0 1 5
0 1 5
x2 = 5
118
( 01 )
( 01 )
cos
sin
( 10 )
sin
1
0
cos
sin
en
0
1
cos
( 10 )
sin
cos
119
cos( + ) sin( + )
sin( + ) cos( + )
En het rechtlid:
cos sin
sin cos
D D =
=
cos sin
sin cos
Wij hebben nu twee matrices voor D+ , deze moeten gelijk zijn. Dus moeten de
elementen op plaats (1,1) gelijk zijn, en die op plaats (2,1), dus:
cos( + ) = cos cos sin sin
sin( + ) = sin cos + cos sin
matrices en stelsels vergelijkingen
Aan het begin van dit hoofdstuk legden wij verband tussen stelsel vergelijkingen en
lineaire afbeeldingen. Een stelsel vergelijkingen kunnen wij nu formuleren met behulp
van een matrix tot een probleem over een lineaire afbeelding:
a11 . . . a1n
x1
r1
a11 x1 + . . . a1n xn = r1
..
..
.. .. = ..
...
.
.
. . .
a x + ...a x = r
ak1 . . . akn
xn
rk
k1 1
kn n
k
De matrix van deze afbeelding is dezelfde als de coefficientenmatrix van het stelsel
vergelijkingen. Bij het oplossen van een stelsel vergelijkingen met Gauss-eliminatie
merkten wij al op dat het patroon van vegen niet verandert als we een andere doelvector
hebben. De oplossing die wij door Gauss-eliminatie krijgen is daardoor grotendeels
gelijk, het enige verschil is de steunvector. Nu wij matrices gentroduceerd hebben
kunnen wij dit fenomeen beter beschrijven en komen tot de volgende stelling:
Stelling 6.16.
Gegeven een stelsel S van lineaire vergelijkingen in ~x Rn . Noem het bijbehorende
homogene stelsel hS. Stel p~ is een oplossing van S, en stel dat de algemene oplossing
van hS gegeven wordt met:
~x = 1 v~1 + . . . + k v~k , met 1 , . . . , k R
Dan is de algemene oplossing van S gegeven met:
~x = p~ + 1 v~1 + . . . + k v~k , met 1 , . . . , k R
120
bewijs
Laat M de coefficientenmatrix zijn van het stelsel vergelijkingen, en laat ~s de doelvector
zijn van het stelsel. Derhalve geldt:
~x is een oplossing van het stelsel S
M ~x = ~s
Wij moeten aantonen dat elke oplossing ~x van S te schrijven is als p~ + ~y met ~y een
oplossing van het bijbehorende homogene stelsel hS. In elk geval geldt dat ~x = p~ +
(~x p~). Wij gaan nu na dat ~x p~ dan een oplossing moet zijn van hS. Beschouw
M (~x p~). Omdat M een lineaire afbeelding beschrijft geldt dat M (~x p~) = M~x M p~.
Omdat ~x een oplossing is van S geldt dat M~x = ~s. Omdat p~ een oplossing is van hS
geldt dat M p~ = ~0. Derhalve M (~x p~) = ~s, en is dus ~x p~ een oplossing van S.
6.2
Matrices lenen zich voor het opstellen van modellen voor dynamische processen. Wij
behandelen twee typen modellen: Leslie-modellen en Markov-modellen.
Het model beschrijft de toestand van het systeem als een vector. De kentallen van de
vector geven de waarden van de variabelen die de toestand van het systeem typeren.
Het systeem is bijvoorbeeld de vogelpopulatie. De toestand op een gegeven tijdstip
is dan een lijst van de aantallen individuen in de verschillende leeftijdscategorieen. De
populatie op een volgend tijdstip (bijvoorbeeld een jaar later) laat zich berekenen uit
de toestand daarvoor volgens een lineair voorschrift. Dat voorschrift vertaalt zich in
een matrix. Om voorspellingen te doen over de verdere ontwikkeling van de populatie
wordt de matrix herhaald toegepast zodat een rij vectoren ontstaat, die de populaties
in navolgende jaren voorstelt.
Een ander voorbeeld: het systeem is de toekomstige stemming op de beurs. Die
stemming kan optimistisch, gematigd of pessimistisch zijn, met voor elk een zekere
kans. Een matrix beschrijft dan hoe de daaropvolgende kansen zullen zijn uitgedrukt
in de kansen voor de voorgaande dag.
6.2.1
Leslie-model
We stellen als voorbeeld een eenvoudig model op om de fictieve populatie van een
bepaalde vogelsoort te voorspellen.
Stel dat de vogelsoort slechts drie jaar oud kan worden. De populatie in jaar n is
dan in drie categorieen te verdelen: de jongen, de middelbaren en de ouden. Dus:
Jn : het aantal vogels dat bij het begin van jaar n nog geen jaar oud is;
Mn : het aantal vogels dat aan het begin van jaar n een jaar oud is;
On : het aantal vogels dat aan het begin van jaar n twee jaar oud is.
De populatie in jaar n is dan de vector P~n met als kentallen Jn , Mn en On .
Neem aan dat gemiddeld van elke vogel die aan het begin van zijn tweede jaar staat er
het volgende jaar 2 eieren uitkomen en dat van elke vogel die aan het begin van zijn
121
Jong
0.25
4
2
Oud
0.5
Middel
derde jaar staat er het volgende jaar gemiddeld 4 eieren uitkomen. Voor het aantal
eieren dat uitkomt, hebben we dus de relatie Jn+1 = 2Mn + 4On .
In ons model nemen we verder aan dat slechts een kwart van de kuikens het eerste jaar
overleeft en dat de helft van de vogels het tweede levensjaar overleeft.
Dan is Mn+1 = 41 Jn en On+1 = 21 Mn .
Voor de populatie in jaar n + 1 geldt dus:
2Mn + 4On
Jn+1
1
J
P~n+1 = Mn+1 =
4 n
1
On+1
Mn
2
Dit ontbinden we in Jn maal een vector plus Mn maal een vector plus On maal een
vector:
0
2
4
1
~
/4
0
Pn+1 = Jn
+ Mn
+ On 0
1
0
/2
0
Deze laatste uitdrukking is precies de lineaire
matrixvermenigvuldiging gedefinieerd hebben:
0
2
1
~
/4 0
Pn+1 = Jn
0 1 /2
4
Jn
0 Mn
0
On
Deze transformatie l geeft dus aan hoe de populatie is opgebouwd in jaar n+1 uitgaande
van die in jaar n. Laten we de bijbehorende matrix een naam geven:
0
2 4
L = 1 /4 0 0 .
0 1 /2 0
Passen wij de matrix L herhaald toe op een beginpopulatie P~0 dan vinden we voorspellingen voor opeenvolgende jaren:
J0
J1
Jn
M0 7L M1 7L 7L Mn
O0
O1
On
122
Laten wij de ontwikkeling van de populatie eens doorrekenen beginnend met 1000
jongen, 0 volwassenen en 0 ouden. In onderstaande tabel is die gegeven voor een serie
jaren in het begin en een serie rond n=100. Wij hebben de aantallen afgerond op een
decimaal:
n
Jn
Mn
On
0
1
2
3
4
5
6
1000
0 500 500 250 500 375
0 250
0 125 125 62.5 125
0
0 125
0 62.5 62.5 31.3
De bevolking lijkt dus te stabiliseren naar 400 jongen, 100 middelbaren en 50 ouden.
Dat dit inderdaad een evenwicht is controleert men door L op deze vector los te laten,
dan blijkt de uitkomst weer hetzelfde te zijn. Beginnen wij met andere aanvangspopulaties dan blijkt er zich weer een evenwicht in te stellen, bijvoorbeeld neem op n=0 0
jongen, 1000 middelbaren en 0 ouden. De iteratie levert dan:
n
Jn
Mn
On
0
1
2
3
4
5
6
0 2000 2000 1000 2000 1500 1500
1000
0 500 500 250 500 375
0 500
0 250 250 125 250
Ook nu stabiliseert de populatie zich. Het evenwicht is nu 1600 jongen, 400 middelbaren
en 200 ouden. De verhouding is weer 8 : 2 : 1, maar de totale omvang is anders.
Rekenen wij tenslotte door vanuit een beginpopulatie met alleen 1000 ouden dan blijkt
die in twee stappen een populatie van alleen 1000 middelbaren op te leveren. Hoe die
zich dan verder ontwikkelt zien wij in de tabel hierboven.
We brengen in herinnering dat het hele proces lineair is. Leveren 1000 jongen een
samenstelling van (400,100,50), dan leveren 100 jongen een samenstelling van (40,10,5).
Het is daarom handiger te rekenen vanuit de eenheidsvectoren. Bovenstaande leert dat:
1
0.4
100
L
0
7 0.1
0
0.05
0
1.6
100
L
1
7 0.4
0
0.2
0
1.6
100
L
0
7 0.4
1
0.2
Het doorrekenen van de opeenvolgende populaties komt neer op het herhaald toepassen
van de matrix L op de beginpopulatie:
Jn
0
Mn = 1 /4
On
0
2 4
J0
0 0 M0
1
/2 0
O0
oftewel
P~n = Ln P~0
123
f1 f2 fk1 fk
t1 0
0
0
0 t2
0
0
.. .. . .
..
..
. .
.
.
.
0 0 tk1 0
Hierin geven de getallen fi (op de eerste rij) de vruchtbaarheid aan van individuen
in leeftijdsklasse Ci als de fractie van in die periode te produceren nakomelingen per
individu in die klasse. De getallen ti direct onder de hoofddiagonaal geven de overlevingskansen van klasse Ci als de fractie van individuen die die periode overleven per
individu in Ci .
124
6.2.2
Markov-model
Bij een Markov-model gaat het om een systeem dat zich in opeenvolgende momenten
(discreet) in een aantal verschillende toestanden kan bevinden, waarbij de kans op
een bepaalde overgang van de ene naar de andere toestand een vaste waarde heeft.
Als voorbeeld nemen wij een eenvoudig model voor de stemming op een denkbeeldige
aandelenmarkt, die hetzij positief P , danwel gematigd G danwel negatief N kan zijn. Is
op een zekere dag de stemming positief dan zijn er vaste kansen voor hoe de stemming
de daaropvolgende beursdag kan zijn. Idem voor een gematigde en voor een negatieve
beursstemming. In onderstaand schema zijn die kansen gegeven. Bij de pijl van P naar
N lezen wij een kans van 0.3, hetgeen betekent dat als de stemming op een dag positief
is, er een kans van 30% is dat de stemming de daaropvolgende dag gematigd is. Het
0.6
0.1
0.6
0.2
van
G
0.1
0.3
0.2
0.2
naar
P
G
N
0.6
0.1
0.3
0.2
0.6
0.2
0.1
0.2
0.7
0.7
model is bedoeld om een voorspelling te doen over hoe de stemming er na een aantal
dagen uit zal zien, uitgaande van een gegeven stemming op dag 0. Die stemming in
de toekomst hangt af van de kansen, zodat deze alleen gegeven kan worden als een
kansverdeling. Is op dag 0 de stemming positief dan is de stemming op de volgende
dag ook positief met een kans van 0.6, gematigd met een kans van 0.1 en negatief met
een kans van 0.3. Wij geven de stemming op dag n derhalve weer als een vector S~n
met drie kentallen, die de kansen geven dat de stemming op die dag positief, gematigd
danwel negatief is. Voor dag 0 en dag 1 zien de stemmingen S~0 en S~1 er dan als volgt
uit:
1
0.6
S~0 = 0 S~1 = 0.1
0
0.3
Hoe op dag 2 de stemming zal zijn hangt ook weer van kansen af. In het diagram is
dit het gemakkelijkste te volgen. Wil de stemming na 2 dagen weer positief zijn dan
kan dat hetzij direct doordat de stemming twee keer in P blijft, die kans is 0.6 0.6.
Hetzij doordat de stemming op dag 1 naar gematigd of negatief gaat en op dag 2
weer terugkomt op P . De kansen daarop zijn respectievelijk 0.1 0.2 en 0.3 0.2.
Derhalve is de stemming op dag 2 positief met een kans van 0.36 + 0.02 + 0.06 = 0.44
Deze berekeningen zijn handiger uit te voeren met matrixproducten. Ga uit van een
125
Pn+1
0.6Pn + 0.2Gn + 0.2Nn
0.6 0.2 0.2
Pn
Gn+1 = 0.1Pn + 0.6Gn + 0.1Nn = 0.1 0.6 0.1 Gn
Nn+1
0.3Pn + 0.2Gn + 0.7Nn
0.3 0.2 0.7
Nn
Aldus krijgen wij een overgangsmatrix M die wij moeten itereren om de ontwikkeling
van de stemming te voorspellen. Let op hoe de kansen uit het diagram in de matrix
terecht zijn gekomen. De overgangskans van P naar N komt terecht in de kolom van
P op de rij van N .
Dit is een voorbeeld van een Markov-matrix (ook wel een kansmatrix of stochastische matrix geheten). Kenmerkend aan deze matrix is dat alle elementen kansen zijn,
dus getallen tussen 0 en 1, en dat de som van elementen in een kolom altijd 1 is.
We gaan nu door iteratie van M de kansen bepalen dat de aandelen markt op dag n
zich in een van de toestanden P ,G respectievelijk N bevindt. Hieronder de uitkomsten
die dat oplevert beginnend met een (geheel) positieve stemming op dag 0. De kansen
zijn afgerond op drie decimalen
n
Pn
Gn
Nn
0
1
2
3
4
5
6
1.000 0.600 0.440 0.376 0.350 0.340 0.336
0.000 0.100 0.150 0.175 0.188 0.194 0.19t
0.000 0.300 0.410 0.449 0.462 0.466 0.467
100
101
0.333 0.333
0.200 0.200
0.467 0.467
De tabel laat zien dat de opeenvolgende stemmingen snel convergeren naar een vaste
verdeling. Deze evenwichtsverdeling kunnen wij berekenen door het volgende stelsel op
te lossen:
126
Hierin zien we hoe elke van de drie eenheidsvectoren afgebeeld wordt op dezelfde evenwichtssituatie. Daarmee belandt dan ook elke mogelijke aanvangsstemming (als lineaire
combinatie van de drie eenheidsvectoren) in deze zelfde evenwichtsverdeling.
De conclusie die wij trekken is dat, hoe de stemming vandaag ook is, de kans dat de
stemming over zeg 25 dagen positief is, is 13 .
Definitie 6.18.
Een Markov-matrix (kansmatrix of stochastische matrix) is een (n n)-matrix met
elementen mij , die voldoet aan de volgende twee voorwaarden:
(1) voor alle i, j = 1, . . . n geldt 0 mij 1
(2) voor alle j = 1, . . . , n geldt: m1j + m2j + . . . + mnj = 1
6.3
Opgaven
b)
1 0
3 4
1 2
0 4
c) (2 3)
2 0
1 3
1 3 4
4. Gegeven de matrix M = 0 1 2
0 0 1
a) Bereken M 2 .
b) Bereken M 1 .
c) Bereken N = M 1 M 1 .
6.3. OPGAVEN
127
1 1 1
X= 2 1 2
2 1 3
en controleer dat voor de gevonden matrix Y inderdaad geldt dat Y X = I3 en
XY = I3 .
6. Het stelsel van twee lineaire vergelijkingen met twee onbekenden
2x1 + 4x2 = 2
3x1 + 7x2 =
4
kan in matrix-vector gedaante ook geschreven worden als
2 4
x1
2
=
.
3 7
x2
4
Bereken de inverse van de matrix en bepaal daarmee de oplossing van het stelsel.
7. Gegeven zijn de volgende
2
M=
0
matrix M en vectoren ~v en w:
~
3 4
2
7
5 7 , ~v =
3 , w
7
~=
7 7
5
7
2
0
1
2
2
=
a)
1
1 0
2 12 2
2
8
1 1
16 0
b)
=
1 1
0 16
2
a b
a b
a + b2
0
c)
=
b a
b a
0
a2 + b 2
9. In 6.2.1 wordt een Leslie-model beschreven op basis van de matrix:
0
2 4
L = 1 /4 0 0
0 1 /2 0
128
10. In het model van 6.2.1 veranderen wij de overlevingskansen. Bijvoorbeeld door
verslechterde levensomstandigheden is de overlevingskans van de middelbaren nog
maar 0.4. De Leslie-matrix wordt derhalve:
0
2 4
L = 0.25 0 0
0 0.4 0
Gebruik een grafische rekenmachine om machten van deze matrix te berekenen.
a) Reken het model voor enkele beginpopulaties door en concludeer dat de
bevolking op den duur zal uitsterven.
b) Onderzoek hoe de vruchtbaarheid van de ouden moet worden aangepast om
te zorgen dat de bevolking niet meer uitsterft maar weer stabiliseert.
c) Onderzoek hoe de vruchtbaarheid van de middelbaren moet worden aangepast om te zorgen dat de bevolking niet meer uitsterft maar weer stabiliseert.
11. Gegeven de Markov-matrix M . Bij iteratie van deze matrix blijkt altijd een
evenwicht in te treden. Bereken die evenwichtsverdeling als een vector ~x met
x1 + x2 + x3 = 1.
3 1 1
M =
4
1
4
6
1
3
1
2
0
1
2
12. De door Fibonacci beschreven konijnenpopulatie geteld in paren kent twee leeftijdsklassen: jong(J) en volwassen(V ). De populatie in maand m wordt gegeven
als de vector:
J
m
P~m =
Vm
met Jm en Vm het aantal jonge respectievelijk volwassen paren in maand m. De
aanvangspopulatie P~0 en overgangsmatrix K zijn respectievelijk:
0
0
1
P~0 =
en K =
1 1
1
Aldus kan de populatie in maand m gevonden worden met:
m
0 1
0
~
Pm =
1 1
1
a) Bepaal K 8 en bereken daarmee de populaties in maand 8.
6.3. OPGAVEN
129
130
Hoofdstuk 7
COMPLEXE GETALLEN
Inmiddels hebben wij met de matrixrekening gereedschap in handen gekregen om verfijndere modellen zoals die van Leslie en Markov te bouwen. Doorrekenen van dergelijke
modellen wijst vaak op evenwichtssituaties en convergenties. De dynamiek van matrixiteratie is goed te doorgronden met enige algebra. Daarvoor hebben we echter wel een
nieuw soort getallen nodig: de complexe getallen.
geschiedenis
Complexe getallen ontstaan op een natuurlijke manier als wij besluiten ook uit negatieve getallen wortel te trekken. Voor de lezer die zich misschien afvraagt
hoe men
ertoe gekomen is zulks te doen vertellen wij kort de geschiedenis van 1. Wie daarin
niet genteresseerd is kan deze paragraaf gerust overslaan.
De geschiedenis van de complexe getallen begint in het Italie van de zestiende eeuw
met de vondst van een algoritme voor het oplossen van derdegraads vergelijkingen.
Duizenden jaren tevoren was het probleem van de tweedegraads vergelijking opgelost.
Al op kleitabletten uit het oude Mesopotamie is te zien hoe een algoritme wordt gebruikt dat in moderne bewoordingen precies onze abc-formule is (zie hfd 1). De lezer
zal zich herinneren hoe om de oplossingen van een tweedegraads vergelijking te vinden
de wortel getrokken moet worden uit de discriminant. Deze kan negatief uitvallen,
zodat het algoritme vastloopt. Maar dat is dan terecht, want de corresponderende
vergelijking heeft in zon geval ook echt geen oplossingen. Bij het algoritme dat Scipio
del Ferro en na hem Nicolo Tartaglia bedachten voor derdegraads vergelijkingen was
dat anders. Om de oplossing van een vergelijking van de vorm x3 = px + q te vinden
moesten meerdere wortels getrokken worden, volgens het recept:
s
x=
q
+
2
q2
4
p3
27
s
+
q2
p3
4
27
Ook hier liep de berekening soms vast omdat er een vierkantswortel getrokken moest
worden uit een negatief getal. Maar anders dan bij de tweedegraads vergelijkingen
gebeurde dit ook bij vergelijkingen die duidelijk wel een oplossing bezitten.
131
132
3
3
x = 2 + 121 + 2 121
en dus de wortel trekken uit -121. Nadere inspectie van deze uitdrukking bracht de
Italiaan Bombelli op het lumineuze idee dat de methode misschien wel zou werken als
je bereid was tijdelijk formeel met wortels uit negatieve getallen te rekenen. Daarbij
zouden de twee termen in de formule ieder op zichponbestaanbaar zijn, maar samen
toch gewoon 4 zijn.pHij redeneerde als volgt: stel 3 2 + 121 = a + z met z een
3
2 + z = 2 + 121
(2 + z)3 = 2 + 121
8 + 6z + (12 + z) z = 2 + 121
dat zou kunnen als 8 + 6z = 2, in welk geval z = 1. Inderdaad is dan:
7.1
133
complexe getallen net als met reele getallen. De enige extra regel is i2 = 1. We lopen
de hoofdbewerkingen langs, en stellen daarbij impliciet vast dat elke som, verschil,
product en quotient van twee complexe getallen weer een complex getal is.
Optellen: (3 + 2i) + (1 i) = 3 + 1 + 2i i = 4 + i
Aftrekken: (3 + 2i) (1 i) = 3 1 + 2i + i = 2 + 3i
Vermenigvuldigen: (3 + 2i) (1 i) = 3 3i + 2i 2i2 = 3 i 2 = 5 i
(3 + 2i)(1 + i)
3 + 2i + 3i 2
3 + 2i
1 + 5i
=
=
= 12 + 2 12 i
Delen:
=
2
1i
(1 i)(1 + i)
1i+ii
2
Bij de deling is gebruik gemaakt van een truc die berust op de volgende identiteit:
(a + bi)(a bi) = a2 abi + abi b2 i2 = a2 + b2
Elk complex getal z = a + bi heeft op deze manier een soort spiegelbeeld a bi dat
wij de complex toegevoegde of geconjugeerde noemen, genoteerd als z. Bijvoorbeeld:
2 3i = 2 + 3i, 2 i = 2 + i, i = i en 8 = 8.
Omdat (a + bi)(a bi) = a2 + b2 , is zz altijd een reeel getal. Dat getal is nooit negatief,
en alleen 0 als a = b = 0, dus alleen 0 als z zelf al 0 was. Het gebruik van de complex
toegevoegde leggen wij vast in de volgende definitie en het daaropvolgende lemma.
Definitie 7.1.
Gegeven een complex getal z = a + bi, definieren wij z, de complex toegevoegde van z
met: z = a + bi = a bi.
Lemma 7.2.
Voor elke z C met z = a + bi, waar a, b R geldt:
(1) z z = a2 + b2
1
a bi
a
b
(2)
= 2
= 2
2
i
als z 6= 0
2
2
a + bi
a +b
a +b
a + b2
Voorbeeld 7.3.
Herleid het volgende complexe getal tot de standaardvorm a + bi:
50i
3 4i
Ten einde i uit de noemer te werken vermenigvuldig teller en noemer met de toegevoegde van 3 4i, dus met 3 + 4i:
50i
50i(3 + 4i)
150i + 200i2
150i 200
=
=
=
= 8 + 6i
2
2
3 4i
(3 4i)(3 + 4i)
3 +4
25
Kwadratische vergelijkingen met re
ele co
effici
enten
Nu wij wortel kunnen trekken uit elk reeel getal levert de abc-formule altijd oplossingen,
zodat wij de volgende stelling hebben:
134
Stelling 7.4.
De oplossingen (in C) van een kwadratische vergelijking a x2 + b x + c = 0, waarbij
a, b, c R, en a 6= 0, zijn:
b
b +
en x2 =
,
met = b2 4ac
x1 =
2a
2a
Er kunnen zich maar drie gevallen voordoen:
> 0 x1 en x2 zijn verschillend en reeel;
= 0 x1 en x2 zijn dezelfde unieke reele oplossing;
< 0 x1 en x2 zijn complex en elkaars toegevoegde.
Voorbeeld 7.5.
Los de volgende vergelijking op in C: x2 4x + 13 = 0
Uitwerking 1: wij kunnen de abc-formule gebruiken:
a=
1, b = 4, c = 13 dus
2
D = b 4ac = 16 4 1 13 = 36 Merk op: 36 = 36 1 = 6i.
Dan zijn de oplossingen:
4 36
4 6i
b D
=
=
= 2 3i
x=
2a
2
2
Uitwerking 2: met kwadraatafsplitsen:
x2 4x + 13 = 0
(x 2)2 4 + 13 = 0
(x 2)2 = 9
x 2 = 3i of x 2 = 3i
x = 2 + 3i of x = 2 3i
het complexe vlak
Met C duiden wij de verzameling van getallen van de vorm a + bi met a, b R aan.
Wij gingen al na dat wij in dit getallenstelsel der complexe getallen vrijelijk kunnen
optellen, aftrekken, vermenigvuldigen en delen (behalve door 0), zoals we in R gewend
zijn met als extra rekenregel i2 = 1. De reele getallen kunnen wij ons voorstellen
als de punten op een lijn. De complexe getallen vormen een uitbreiding van de reele
getallen, en deze laat zich goed voorstellen als een vlak waarin R als lijn ligt ingebed.
Deze lijn noemen wij de reele as. Het getal i plaatsen we dan loodrecht boven 0, zodat
er een tweede as ontstaat, de imaginaire as. (Zie bovenaan overliggende bladzijde).
Daarmee hebben we het vlak van een cartesisch assenstelsel voorzien en kan elk
getal a + bi een unieke plaats worden toegewezen, namelijk het punt (a, b).
Wat betreft optelling en aftrekking gedragen de complexe getallen zich dan keurig als
vectoren ten opzichte van dit assenstelsel. De complexe toevoeging blijkt overeen te
komen met spiegelen in de reele as. De voorstelling van complexe getallen als punten
in een vlak is vooral verhelderend als we gaan vermenigvuldigen en delen, zoals wij
hopen te illustreren met het volgende voorbeeld.
135
i
3+2i
a+bi
2+i
i
0
abi
Voorbeeld 7.6.
Teken in het complexe vlak de machten van 1 + i.
Uitwerking:
(1 + i)2
(1 + i)3
(1 + i)4
(1 + i)5
= (1 + i)(1 + i) = 1 + i + i + i2 = 1 + 2i 1 = 2i
= (1 + i)2 (1 + i) = 2i(1 + i) = 2i + 2i2 = 2i 2 = 2 + 2i
= (1 + i)2 (1 + i)2 = 2i 2i = 4
= (1 + i)4 (1 + i) = 4(1 + i) = 4 4i
En de negatieve machten:
1i
1i
1i
1
=
=
=
= 21 12 i
2
1+i
(1 + i)(1 i)
1i
2
= (1 i)1 (1 i)1 = ( 21 21 i)( 12 21 i) = 14 12 i + 14 i2 = 12 i
(1 + i)1 =
(1 + i)2
Rekenen wij nog wat verder dan krijgen wij het patroon in onderstaande figuur te zien.
i
2i
2+2i
(1+i)
(1+i)
(1+i)
1+i
4
44i
12 i
(1+i)
1 1
2 2 i
(1+i)
(1+i)
(1+i)
(1+i)
1
0
De opeenvolgende machten liggen op een spiraal vanuit de oorsprong. Elke keer dat
wij een macht hoger gaan draaien wij 45 graden, en wordt de afstand tot de oorsprong
136
met een vaste factor vergroot. Dit voorbeeld suggereert dat het bij vermenigvuldiging
nuttig is te letten op enerzijds de afstand tot de oorsprong en anderzijds de hoek t.o.v.
de reele as, oftewel: op de poolcoordinaten van de complexe getallen als punten in het
vlak.
modulus en argument
Laat z het complexe getal a + bi zijn. We kunnen z in het complexe vlak aangeven als
het punt met de cartesische coordinaten (a, b). (zie links) Is het complexe getal gegeven
in de vorm a + bi dan zijn de coordinaten direct af te lezen. De eerste coordinaat heet
het reele deel van z, en is dus a, terwijl b de tweede coordinaat geeft, het imaginaire
deel van z, geheten.
i
bi
1
2
i
0
112
Vaak blijkt het echter handiger te werken met zogenaamde poolcoordinaten. (zie
rechts). De poolcoordinaten van een punt P in het vlak zijn twee getallen r en ,
waarbij r de afstand tot de oorsprong geeft, en de hoek die je vanaf de positieve x-as
moet draaien, tegen de wijzers van de klok, om in P te komen. Bij een complex getal
z heet het eerste getal de modulus van z, geschreven als |z|, en is dus een reeel getal
groter of gelijk 0. Het tweede getal heet het argument van z, geschreven als arg z. Het
argument geven we meestal in radialen, en is derhalve een waarde tussen 0 en 2.
Definitie 7.7.
Gegeven een complex getal z = a + bi met a, b R.
Wij noemen a het reele deel van z, geschreven als Re z.
Wij noemen b het imaginaire deel van z, genoteerd als Im z.
De modulus van z, geschreven als |z| definieren wij met: |z| = a2 + b2 .
Het argument van z, geschreven als arg z, is (in het complexe vlak) de hoek [0, 2i
van de positieve reele as naar het lijnstuk door 0 en z in positieve draaizin.
Voorbeeld 7.8.
Zie tekening: Bepaal modulus en argument van de volgende getallen: 3i, 2 2i en
3 + 4i.
137
-3+4i
3i
3i
1
2
3
0
2 2
22i
2
2
22i
|3i| = 02 + 32 = 9 = 3
p
|2 2i| = 22 + (2)2 = 8 = 2 2
p
|3 + 4i| = (3)2 + 42 = 25 = 5
Om de argumenten te bepalen is het handig een schetsje te maken om te zien in welk
kwadrant de getallen liggen. Van 3i zien wij dan direct het argument, immers vanaf
de positieve reele as moeten wij 90 graden draaien om 3i te bereiken, dus arg 3i = 12 .
Voor getallen die niet op de assen liggen berekenen wij eerst met arctan de hoek met
een nabijgelegen as en stellen dat dan zonodig samen met of 2.
tan = 43 dus = arctan 43 0.927, zodat arg(3 + 4i) = 2.214
En tan = 22 = 1, dus = arctan 1 = 14 . Dan arg(2 2i) = 2 14 = 1 34 .
i
z
2
1
3
2 sin 13
2 cos 13
1
3
Voorbeeld 7.9.
Bepaal het complexe getal z waarvan het argument 13 is, en de modulus 2. Het
getal laat zich gemakkelijk tekenen in het complexe vlak: trek een cirkel met straal 2
om de oorsprong, trek een lijn vanuit O die een hoek van 31 (dus 60 graden) maakt
met de positieve reele as, dan ligt z precies op het snijpunt van deze halflijn en de
cirkel. De standaardnotatie van z als complex getal laat zich met sinus en cosinus
bepalen, immers de coordinaten van het punt zijn respectievelijk 2 cos 13 en 2 sin 31 .
138
via de eenheidscirkel
Gegeven een complex getal z waarvan het argument en modulus r is. Wij tekenen
z in het complexe vlak, daarbij komt z te liggen op een cirkel om O met straal r en
op de halflijn OL zodat de hoek van de positieve x-as naar OL (tegen de wijzers van
de klok in) radialen is. Met eenvoudige goniometrie is dan af te lezen dat z ligt in
(r cos , r sin ), en dat dus z = r(cos + i sin ). Met deze uitdrukking kunnen we
een complex getal z vanuit zijn poolcoordinaten omrekenen naar zijn standaardnotatie.
Maar de uitdrukking helpt ook om het omgekeerde te doen.
r sin
z
r
sin
r cos
cos
z0
Laten wij eerst kijken naar de getallen met modulus 1. Deze bevinden zich op een
cirkel met straal 1 rond de oorsprong, de eenheidscirkel geheten. Voor een z op de
eenheidscirkel geldt dat z = cos + i sin . Is het getal z gegeven in de vorm a + bi,
en ligt het op de eenheidscirkel, dan moet blijkbaar gelden dat cos = a en sin = b.
Heeft z een mooi argument dan is af te lezen uit de tabel van bijzondere waarden,
waarbij wel rekening moet gehouden worden met de vier kwadranten.
z
3 3i
3
i 3
z0 =
=
= = 12 3 12 i
|z|
2 3
2 3 2 3
Daarmee zijn wij op de eenheidscirkel beland. Schets de ligging vanz0 (figuur links op
overstaande bladzijde). Wij zoeken dus [0, 2) met cos = 12 3 en tegelijkertijd
sin = 21 . Wat kennis van de bijzondere waarden van sin en cos leert dat dan een
veelvoud van 16 moet zijn, in dit geval = 1 56 (zie figuur rechts).
cartesische co
ordinaten poolco
ordinaten
In het voorgaande ging het om twee soorten berekeningen. In Voorbeeld 7.9 waren
139
1
2
0=2
12 i
16
1 12
z = r cos + ir sin
Lemma 7.12.
Zij z C met z = a + bi waar a, b R en a 6= 0; dan geldt:
b
0
(mod 2) als a > 0
arctan = 0 arg z =
z
,
|z|
dan geldt:
a
b
z0 =
+
i
2
2
2
a +b
a + b2
Omdat z0 op de eenheidscirkel ligt en hetzelfde argument heeft als z, laat arg z zich
dan bepalen als de unieke waarde [0, 2i met:
a
cos =
2
a + b2
en
b
sin =
2
a + b2
140
(mod 2)
en
Dus als je twee complexe getallen vermenigvuldigt, dan vind je het argument van het
product door de twee argumenten op te tellen, en de modulus door de twee moduli met
elkaar te vermenigvuldigen. Voor wij dit bewijzen als Stelling 7.15 zullen we eerst met
een voorbeeld demonstreren dat dit het rekenwerk aanzienlijk kan bekorten.
Voorbeeld 7.14.
Bereken (1 + i)20 .
(mod 2)
bewijs
Zeg arg z1 = 1 en arg z2 = 2 , dan:
z1 z2 = |z1 |(cos 1 + sin 1 )|z2 |(cos 2 + i sin 2 )
= |z1 ||z2 |(cos 1 + i sin 1 )(cos 2 + i sin 2 )
= |z1 z2 |(cos 1 cos 2 + i cos 1 sin 2 + i sin 1 cos 2 + i2 sin 1 sin 2 )
= |z1 z2 |(cos 1 cos 2 sin 1 sin 2 ) + i(cos 1 sin 2 + sin 1 cos 2 )
Volgens de somformules voor sin en voor cos:
= |z1 z2 |(cos(1 + 2 ) + i sin(1 + 2 ))
Kortom:
z1 z2 = |z1 z2 |(cos(1 + 2 ) + i sin(1 + 2 ))
Let nu op het gedeelte: cos(1 + 2 ) + i sin(1 + 2 ), dit is het complexe getal op
de eenheidscirkel met het argument 1 + 2 (eventueel nog terug te rekenen naar een
waarde tussen 0 en 2). Het argument van het product is dus ook 1 + 2 (modulo
2), en de factor |z1 | |z2 | die ervoor staat moet dan de modulus zijn.
141
vergelijkingen
Met de voorgaande stelling kunnen wij een behoorlijke groep vergelijkingen in C oplossen. De methode is feitelijk geheel meetkundig.
Stelling 7.16.
Laat n N+ en u C met u 6=0. Noem |u| = r en arg u = .
De vergelijking z n = u heeft precies n oplossingen, namelijk de n verschillende getallen
die voldoen aan:
|z| =
en
arg z =
+ 2k
(mod 2),
n
k {0, 1, . . . , n 1}
bewijs
Gegeven het complexe getal u met |u| = r en arg u = . Wij zoeken alle complexe z
die voldoen aan de vergelijking z n = u. Wij bekijken de modulus en het argument van
de mogelijke oplossingen apart.
Wat betreft de moduli geldt: z n = u |z n | = r. Als gevolg van Stelling 7.15 hebben
wij dat |z n | = |z|n , dus moet gelden dat |z|n = r. Omdat r eenniet-negatief reeel getal
is, kan gewoon wortel getrokken worden, en vinden wij |z| = n r.
Wat betreft de argumenten geldt: z n = u arg(z n ) = arg u = . Uit Stelling 7.15
volgt nu dat arg(z n ) = n arg z (mod 2), dus n arg z = + 2k voor zekere k Z.
Dan: arg z = n1 + 2k
(mod2).
n
Dit levert tussen 0 en 2 precies n verschillende argumenten, en omdat r > 0 dus ook
n verschillende oplossingen.
Voorbeeld 7.17.
Los op in C: z 3 = 8i
Oplossing: Bepaal modulus en argument van 8i:
|8i| = 02 + 82 = 8
8i
arg(8i) = arg = arg i = 12
8
Wij bekijken apart:
(1) modulus van z: |z|3 = 8
(2) argument van z: arg(z 3 ) = 12
|z| = 3 8 = 2
3 arg z = 21 + 2k
arg z = 16 + 32 k (dus + 23 , + 43 , + 63 )
arg z = 16 of arg z = 56 of arg z = 1 12
De drie oplossingen hebben dus als modulus 2 en als argument 16 , 56 of 12 .
Dat levert (Lemma 7.11) de drie oplossingen:
z1 = 2(cos 16 + i sin 16 ) = 2( 12 3 + 12 i) = 3 + i
z2 = 2(cos 56 + i sin 56 ) = 2( 12 3 + 12 i) = 3 + i
z3 = 2(cos 1 21 + i sin 1 21 ) = 2(0 i) = 2i
142
n
de verschillende oplossingen. Omdat zij allen dezelfde modulus r hebben, liggen zij
op een cirkel rond de oorsprong. Omdat de argumenten steeds dezelfde 2
van elkaar
n
verschillen liggen zij bovendien gelijk verdeeld op die cirkel. Onderstaande tekening
illustreert dit voor de oplossingen van de vergelijking uit Voorbeeld 7.17.
8i
8i
r= 8
=
1
2
2
3
+
3
r= 2
modulus
7.2
1
3
+ 23
1
6
3 +i
3 +i
argument
2i
oplossingen
de complexe e-macht
Dat wij argumenten optellen als wij twee getallen vermenigvuldigen is een aanwijzing
dat het argument een soort exponent is. Voor logaritmen (die immers exponenten
zijn) geldt log(xy) = log x + log y. In deze paragraaf wordt duidelijk dat het argument
inderdaad een exponent is. Daartoe zullen wij eerst de e-macht uitbreiden naar de
complexe getallen.
Op R+ is de natuurlijke logaritme van de inverse functie van y = ex . In hoofdstuk 3
zagen wij hoe deze functie ontwikkeld kan worden in de machtreeks:
ex = 1 + x + 2!1 x2 + 3!1 x3 + . . .
Deze reeks convergeert voor elke x R, hetgeen berust op het feit dat de faculteiten
in de noemers van de termen het uiteindelijk winnen van de machten in de tellers.
Daarom kan deze reeks dienen als een definitie van de e-macht op heel R. Zouden wij
nu voor x een complex getal invullen, dan krimpen de termen nog steeds zo snel dat de
reeks convergeert en keurig een (complexe) uitkomst heeft. Op die manier kunnen we
voortaan dan ook berekenen wat ez voor complexe getallen is. Het zou te ver voeren dit
theoretisch verder uit te diepen, maar wij hopen dat de lezer aldus toch enig vertrouwen
heeft in de volgende definitie:
143
X
1 n
e =
z
n!
n=0
z
De notatie ez suggereert dat deze functie ook op C de eigenschappen heeft die wij
uit R kennen voor exponentiele functies. Dat is inderdaad het geval, ook in C geldt dat
bijvoorbeeld ez1 ez2 = ez1 +z2 . Voor zuiver imaginaire z1 en z2 laat zich dat gemakkelijk
afleiden uit het volgende verrassende resultaat, bekend als de formule van Euler.
Stelling 7.19 (formule van Euler).
Zij R dan geldt:
ei = cos + i sin
bewijs
We schrijven ei uit volgens de definitie, en nemen de even en de oneven termen samen,
dan rolt (met Stelling 2.18) de formule eruit:
1
1
1
1
1
1
(i)2 + (i)3 + (i)4 + (i)5 + (i)6 + (i)7 +
2!
3!
4!
5!
6!
7!
1
1
1
1
1
1
= 1 + i + i2 2 + i3 3 + i4 4 + i5 5 + i6 i6 + i7 7 +
2!
3!
4!
5!
6!
7!
1 2
1 3 1 4
1 5 1 6
1 7
= 1 + i i + + i i i +
2!
3!
4!
5!
6!
7!
1 2 1 4 1 6
1 3 1 5 1 7
= (1 + + ) + i( + + )
2!
4!
6!
3!
5!
7!
= cos + i sin
ei = 1 + i +
de mooiste formule
Neem voor de waarde dan: ei = cos + i sin ei = 1. Brengen wij 1
naar het linkerlid dan verschijnt een formule die wel eens geroemd is als de mooiste
formule van de wiskunde omdat hij een bijzonder eenvoudig verband legt tussen de vijf
belangrijkste constanten uit de analyse:
ei + 1 = 0
e-macht en poolcoo
rdinaten-notatie
Met de formule van Euler krijgen wij een mooie schrijfwijze voor complexe getallen
in termen van hun modulus en argument. Heeft z modulus r en argument dan
hebben wij z = r(cos + i sin ). Op grond van Euler kunnen we hier van maken:
z = rei . Aldus hebben we de volgende notatie voor een complex getal in termen van
zijn modulus en argument:
z = |z|ei arg z
144
bi
1
2
i
0
Re z = a
Im z = b
arg z =
| z |= r
a = r cos
b = r sin
z=a+bi
cartesische
cordinaten
e i =cos + i sin
z=r e
r = a2 + b 2
= arctan ba (+ k )
poolcordinaten
In onderstaand schema zijn de diverse schrijfwijzen voor een complex getal met elkaar
in verband gebracht:
Het gebruik van de notatie rei kan het rekenen met complexe getallen overzichtelijker
maken. Hoe dat eruit ziet demonstreren wij aan de hand van het volgende voorbeeld.
Voorbeeld 7.20.
Los op in C: z 4 = 4
Zeg z = rei met r R+ en [0, 2).
Schrijf ook 4 in deze vorm, merk daartoe op dat 1 = ei , zodat: 4 = 4 1 = 4ei .
Nu:
z 4 = 4 (rei )4 = 4ei
r4 e4i = 4ei
r4 = 4
en
e4i = ei
Omdat r4 = 4 geldt r = 4 4 = 2
Omdat e4i = ei geldt 4 = + 2k, dus = 14 + 12 k, dus = 14 , 34 , 1 41 of 1 34 .
Dat levert
vier oplossingen:
1 de volgende
z1 = 2e 4 i = 2(cos 14 + i sin 14 ) = 2( 12 2 + i 12 2) = 1 + i
3
z2 = 2e 4 i = 2(cos 34 + i sin 34 ) = 2( 12 2 + i 12 2) = 1 + i
145
3
z4 = 2e1 4 i = 2(cos 1 34 + i sin 1 34 ) = 2( 12 2 i 12 2) = 1 i
7.3
146
Lemma 7.21.
Gegeven een polynoom p(x) van graad n en een nulpunt z0 van p(x), is er een polynoom
q(x) van graad n 1 zodat p(x) = q(x) (x z0 ).
Op grond van dit lemma kunnen we beter het aantal oplossingen van een algebrasche vergelijking tellen. De vergelijking x2 2x + 1 heeft maar een oplossing,
namelijk x = 1. Maar als we het bijbehorende polynoom ontbinden in factoren krijgen
wij: x2 2x + 1 = (x 1)(x 1). We zeggen dan dat 1 een dubbel nulpunt is. Als we
op die manier tellen heeft elke kwadratische vergelijking in C precies twee nulpunten.
De hoofdstelling van de algebra zegt dat een polynoom p van graad n > 0 in C minstens een nulpunt heeft. Om dit te bewijzen is veel meer techniek nodig dan wij in deze
cursus behandelen. Heeft het polynoom minstens een nulpunt z0 , dan kunnen wij een
factor x z0 uitdelen, en krijgen een polynoom q van graad n 1. Ook dat polynoom
moet dan een nulpunt hebben, zodat we nog een factor kunnen afsplitsen. Herhaling
levert uiteindelijk een volledige ontbinding in n factoren van de vorm (x zi ), en dus
n oplossingen (die deels kunnen samenvallen).
Stelling 7.22.
Gegeven een n-de graads vergelijking an z n + an1 z n1 + + a0 = 0 met coefficienten
uit C. Dan zijn er n complexe getallen zodat:
an z n + an1 z n1 + + a0 = (z z1 )(z z2 ) . . . (z zn )
Daarmee heeft de vergelijking dus als enige oplossingen: z1 , z2 , . . . , zn .
Stelling 7.23.
Een n-de graads vergelijking: an z n + an1 z n1 + + a0 = 0 met reele coefficienten
heeft n mogelijk deels samenvallende nulpunten in C.
Is een getal z een nulpunt, dan is z ook een nulpunt.
bewijs
Let op: de coefficienten van de vergelijking zijn reeel. Stel z0 is een oplossing, dan
geldt an z0n + an1 z0n1 + + a0 = 0. Neem nu van linker en rechter lid de complex
toegevoegde, dan geldt ook dat:
an z0n + an1 z0n1 + + a0 = 0
Voor complexe getallen geldt: u v = u v zoals de lezer gemakkelijk na kan gaan door
uitschrijven (opgave 8). Dan geldt ook dat uk = (u)k . Herschrijf op deze manier het
linker lid, dan krijg je: an z0 n + an1 z0 n1 + + a0 = 0. Omdat de coeficienten van
het polynoom reele getallen zijn, zijn zij gelijk aan hun complex toegevoegde. Derhalve:
an z0 n + an1 z0 n1 + + a0 = 0, en blijkt dus z0 ook een oplossing te zijn.
Is een nulpunt zk niet reeel, dan is het ongelijk aan zijn complex toegevoegde. Derhalve
is het aantal niet-reele nulpunten even. Bijgevolg heeft een polynoom waarvan de graad
oneven is een oneven aantal reele nulpunten, en dus in ieder geval een.
7.4. OPGAVEN
147
Wij merken nog op dat het geschetste bewijs voor de hoofdstelling gevoerd wordt vanuit
het ongerijmde. Feitelijk toont een dergelijk bewijs alleen maar aan dat elk polynoom
in C ergens nulpunten moet hebben, maar geeft geen methode om die daadwerkelijk
te vinden. Voor de tweedegraads polynomen hebben we natuurlijk wel een algoritme:
de abc-formule. De ontwikkelingen in de zestiende eeuw waar wij dit hoofdstuk mee
begonnen culmineerden in dergelijke formules voor de derde- en vierdegraads. Die
formules zijn dan algoritmes waarin gebruik gemaakt wordt van wortels. Lange tijd
werd gezocht naar zulke uitdrukkingen voor de vijfdegraads, maar aan het begin van
de negentiende eeuw werd de hoop daarop de grond in geboord door de stelling van
Ruffini-Abel-Galois, die zegt dat zulke formules niet kunnen bestaan. E. Galois1 gaf
zijn bewijs op 19-jarige leeftijd en kon ook voorwaarden op de coefficienten van de
vergelijking aangeven die het oplossen met behulp van wortels wel mogelijk maken.
7.4
Opgaven
1
i
(b)
2
13i
1i
1+i
(c)
(d) (2 i)3
(e)
5+5i
34i
148
(mod2)
waarbij uiteraard z2 6= 0.
eix eix
eix + eix
en sin x =
voor x R.
2
2i
10. Een interessante toepassing van de formule van Euler is de afleiding van de formules voor uitdrukkingen van cos n en sin n in cos en sin voor n 2. We
demonstreren dit voor n = 2.
2
cos 2+i sin 2 = e2i = ei = (cos +i sin )2 = cos2 +2i cos sin sin2 .
Gelijkstelling van de reele en imaginaire delen van linker- en rechterlid levert de
bekende formules voor de verdubbeling van de hoek:
cos 2 = cos2 sin2 sin 2 = 2 cos sin
Bewijs met deze methode dat:
(a) cos 3 = cos3 3 cos sin2
(b) sin 3 = 3 cos2 sin sin3
Hoofdstuk 8
MATRIX-ITERATIE
In dit hoofdstuk zullen wij matrix-iteratie nader onderzoeken. Aan het eind van hoofdstuk 6 leerden wij al modellen kennen die gebaseerd zijn op matrix-iteratie, zoals Leslieen Markovmodellen. Wij zagen dat bij zulke modellen evenwichten kunnen optreden.
In dit hoofdstuk, toegerust met de complexe getallen zullen wij de evenwichten van
de iteraties systematisch opsporen. Een evenwicht is een toestand, dus een vector,
die door de matrix niet veranderd wordt. Het blijkt dat zulke vectoren bij lineaire
afbeeldingen zeldzaam zijn. Daarom zullen we een algemener begrip introduceren: de
eigenvector. Dit is een vector die bij toepassing van de afbeelding weliswaar van lengte
mag veranderen, maar niet van richting. In een Leslie-model is dat bijvoorbeeld een
verhouding van de aantallen in de diverse leeftijdsgroepen die onveranderlijk is terwijl
de bevolking als geheel kan krimpen of groeien. Het blijkt dat de eigenvectoren van
een matrix allen opgespoord kunnen worden en in veel gevallen een basis vormen voor
de hele vectorruimte. In zon geval is het mogelijk een expliciete formule op te stellen, die direct zegt wat de iteratie van de matrix op een willekeurige beginvector na
n stappen oplevert. Bij het opsporen van de eigenvectoren maken wij gebruik van de
determinant, een notie die wij nu eerst zullen behandelen.
8.1
Determinanten in R2 en R3
De determinant is een getal dat wij kunnen toekennen aan vierkante matrices dat belangrijke informatie verschaft over de afbeelding die door die matrix beschreven wordt.
Bij toepassing van een lineaire afbeelding van R2 naar R2 wordt elk parallellogram overgevoerd in een parallellogram. Daarbij wordt de oppervlakte van elk parallellogram
met een zelfde factor vergroot. Deze factor is de determinant. Die factor kan ook
negatief zijn, hetgeen aangeeft dat bij de afbeelding de parallellogrammen omklappen,
zoals bij een spiegeling. De determinant heeft prettige algebrasche eigenschappen zoals
det(AB) = det A det B. We zullen dit alles voor het twee- en driedimensionale geval
uitwerken.
149
150
HOOFDSTUK 8. MATRIX-ITERATIE
Definitie 8.1.
Gegeven een 22-matrix A definieren wij een reeel getal, de determinant van A, geschreven als det A of |A|, met:
a11 a12
= a11 a22 a12 a21
det A =
a21 a22
Definitie 8.2.
Gegeven een 33-matrix A definieren wij de determinant van A, geschreven
met:
a11 a12 a13
a22 a23
a12 a13
a21
+ a31 a12 a13
det A = a21 a22 a23 = a11
a32 a33
a22 a23
a32 a33
a31 a32 a33
Voorbeeld 8.3.
Bereken de determinant van de matrices A =
2 8
3 5
als det A,
.
1 3 2
en B = 2 1 1
0 1 0
bewijs
Wij bewijzen eerst (2).
Een parallellepipedum is een (scheef) blok, dwz een zeszijdig lichaam opgebouwd uit
zes parallellogrammen zodat overstaande zijvlakken steeds evenwijdig zijn. Zij P het
parallellepipedum opgespannen door de kolomvectoren ~a, ~b en ~c. In de onderstaande
figuur is dit parallellepipedum getekend, daarin zijn de eindpunten van de drie plaatsvectoren ~a, ~b en ~c aangegeven als A, B en C. Verder is D het punt dat wordt aangewezen
door ~b + ~c, zodat OBDC een parallellogram is. Ter berekening van de inhoud I van
het blok kiezen wij dit parallellogram OBDC als grondvlak, en nemen h de loodrechte
afstand van A tot dit grondvlak. De inhoud van het scheve blok is dan hOpp(OBDC).
8.1. DETERMINANTEN IN R2 EN R3
151
axb
A
C
a
c
C
b
D
B
Grondvlak
In hoofdstuk 4 (laatste opgave) toonden wij aan dat |~b ~c| = |~b| |~c| sin waarbij
de hoek is ingesloten tussen ~b en ~c. Zien wij OB als basis van het parallellogram,
dan is de hoogte daarvan gelijk aan |OC| sin , derhalve is |~b ~c| gelijk aan de oppervlakte van het grondvlak OBDC. In hoofdstuk 4 wordt ook aangetoond dat de
vector ~b ~c loodrecht staat op het vlak gevormd door ~b en ~c, dus hier loodrecht op
het grondvlak. Noem de hoek tussen ~a en de normaal van het grondvlak nu , dan
zien wij dat: h = |~a| cos . Voor de inhoud I van het parallellepipedum geldt dus:
I = h Opp(OBDC) = |~a| |~b ~c| cos . Hier staat niets anders dan het inproduct van
de vectoren ~a en ~b ~c, dus I = ~a (~b ~c)
De oplettende lezer heeft misschien opgemerkt dat de tekening een verborgen aanname
bevat, namelijk dat ~a en ~b ~c aan dezelfde kant van het grondvlak liggen. Zouden wij
~b en ~c verwisselen, dan zou hun uitproduct juist naar beneden wijzen. In dat geval
moeten wij verder met de vector ~b ~c en geldt dat I = ~a (~b ~c). In elk geval
mogen wij dus zeggen dat: I = |~a (~b ~c)|.
Vervolgens zullen wij laten zien dat ~a (~b~c) gelijk is aan de determinant van de matrix
met kolomvectoren ~a, ~b en ~c.
a1
b1
c1
a1
b2 c 3 b3 c 2
~a (~b ~c) = a2 ( b2 c2 ) = a2 b3 c1 b1 c3
a3
b3
c3
a3
b1 c 2 b2 c 1
= a1 (b2 c3 b3 c2 ) + a2 (b3 c1 b1 c3 ) + a3 (b1 c2 b2 c1 )
b2 c 2
b1 c 1
b 2 b 2 a1 b 1 c 1
a2
= a1
b 3 c 3 + a3 b 2 c 2 = a2 b 2 c 2
b3 c 3
a3 b 3 c 3
Wat betreft (1): ga uit van twee vectoren ~a en ~b in R2 . Noem de oppervlakte van
het parallellogram dat deze twee vectoren opspannen P . Voeg een derde as toe, en de
152
HOOFDSTUK 8. MATRIX-ITERATIE
0
a1
b1
e~3 = 0
a~0 = a2
b~0 = b2
1
0
0
Deze drie vectoren spannen een parallellepipedum op, waarvan het grondvlak het parallellogram is opgespannen door ~a en ~b, en de hoogte gelijk is aan 1. Weer rekening houdend met een eventueel minteken ivm het uitproduct krijgen wij dan: P = |e~3 (a~0 b~0 )|.
Schrijf de determinant uit dat krijg je dat:
0 a1 b 1
a1 b 1
|
P = | det 0 a2 a2 | = |
a2 b 2
1 0 0
Stelling 8.5.
Gegeven een n n-matrix A, dan zijn de volgende drie uitspraken altijd gelijktijdig
waar:
(1) De determinant van A is 0.
(2) De kolomvectoren a~1 , a~2 , . . . , a~n vormen een afhankelijk stelsel.
a11 x1 + . . . +a1n xn = 0
..
..
..
(3) Het stelsel
heeft een niet-triviale oplossing.
.
.
.
a x + . . . +a x = 0
n1 1
nn n
bewijs
Wat betreft (2)(3): dit volgt direct uit de definitie van onafhankelijkheid van stelsels
vectoren. Eenvoudige herschrijving leert dat:
a
x
+
.
.
.
+a
x
=
0
a
a
11
1
1n
n
11
1n
..
..
..
x1 ... + . . . + xn ... = ~0
.
.
.
a x + . . . +a x = 0
a1n
ann
n1 1
nn n
Stel ~x is een niet-triviale oplossing van het stelsel vergelijkingen (links), dan leveren de
kentallen van ~x precies de coefficienten (niet allen 0) waarmee de nulvector geschreven
kan worden als een lineaire combinatie van de kolomvectoren. Bestaat ~x, ongelijk ~0 dan
zijn de kolomvectoren afhankelijk. Omgekeerd zijn de kolomvectoren afhankelijk dan
is daarmee direct een niet-triviale oplossing van het stelsel vergelijkingen gevonden.
Wat betreft (1)(2) kunnen wij voor de gevallen n=2 en n=3 gebruik maken van
Lemma 8.4. Twee vectoren in R2 zijn afhankelijk precies dan wanneer het parallellogram dat ze opspannen samenklapt en dus oppervlakte 0 heeft. Voor drie vectoren in
153
8.2
Eigenwaarden en eigenvectoren
Voorbeeld 8.6.
Voordat wij een definitie geven van het begrip eigenvector willen wij de lezer eerst
aan de hand van een voorbeeld een idee geven van wat een eigenvector eigenlijk is.
Wij beschouwen een variant op de Fibonacci-konijnen, met jonge en volwassen paren
die allen met kans 1 overleven, en waarbij de volwassen paren elk jaar 2 jonge paren
opleveren. In matrixvorm:
0 2
M=
1 1
Eerst onderzoeken wij of er in dit model een evenwicht kan optreden. Een evenwicht
zou een bevolkingssamenstelling ~v zijn, die onveranderd blijft, dus waarvoor geldt dat
M~v = ~v . Dit leidt tot het volgende stelsel vergelijkingen:
0 2
v1
v1
2v2 = v1
=
1 1
v2
v2
v1 +v2 = v2
Verhuis het rechterlid naar links dan ontstaat een homogeen stelsel:
v1 +2v2 = 0
v1
=0
Wij lossen het stelsel op via de vergelijkingsmatrix:
+R2
0 2 0
:2
0 1 0
v1
0
1 2 0
=
1 0 0
1 0 0
1 0 0
v2
0
Eigenlijk is er dus wel een evenwicht, namelijk als alle konijnen dood zijn. Een homogeen stelsel heeft immers altijd de oplossing ~v = ~0. Maar in zon evenwicht zijn wij
154
HOOFDSTUK 8. MATRIX-ITERATIE
niet genteresseerd.
Als wij het model een aantal stappen doorrekenen blijkt er toch een evenwicht op te
treden, echter niet in de aantallen jongen en volwassen paren, maar in de onderlinge
verhouding van die paren. Begin op tijdstip 0 met 1 jong paar, dan krijgen we de rij:
n 0 1 2 3 4 5
jong 1 0 2 2 6 10
volwassen 0 1 1 3 5 11
6 7 8
9
10
22 42 86 170 342
21 43 85 171 341
Op den duur zijn er vrijwel evenveel jongen als volwassen paren, en de populatie verdubbelt zich. Er is dus een verhouding tussen de twee groepen die stabiliseert, en bij
die verhouding treedt er verdubbeling op. In termen van vectoren: er is een vector ~v
die bij toepassing van M uitkomt op 2~v . Deze vector kunnen we opsporen:
2v2 = 2v1
v1
0 2
v1
=2
v1 +v2 = 2v2
v2
v2
1 1
Verhuis het rechterlid naar links dan ontstaat een homogeen stelsel:
2v1 +2v2 = 0
v1
v2 = 0
Anders dan zojuist krijgen wij nu een homogeen stelsel dat afhankelijk is, en dat dus
wel oplossingen heeft die niet ~0 zijn:
2 2 0
+2R2
0 0 0
1 1 0 v1 = v2
1 1 0
1 1 0
Hieruit trekken wij de conclusie dat als het aantal jonge en volwassen paren gelijk is, de
bevolking keurig verdubbelt, zonder dat de verhouding tussen jong en volwassen nog
verandert. De factor 2 noemen we dan een eigenwaarde. Die factor treedt echter alleen
op als de verhouding al 1 : 1 is geworden, dus werkt alleen bij bevolkingssamenstellingen
van de vorm:
1
,
R
1
Deze (richtings)vector noemen we dan een eigenvector van de matrix. Doel van dit
hoofdstuk is te leren eigenwaarden van een matrix op te sporen met hun eigenvectoren.
Verderop zullen we zien dat deze matrix M nog een tweede eigenwaarde heeft die
verantwoordelijk is voor de schommeling in de aantallen die in de tabel te zien zijn.
Definitie 8.7.
Gegeven een matrix M . Een getal R het een eigenwaarde van M als er een vector
~v Rn , die ongelijk aan ~0 is, bestaat zodat M~v = ~v . Die vector ~v heet dan een
eigenvector van M , bij de betreffende eigenwaarde .
155
Merk op dat in de definitie de nulvector niet als eigenvector wordt beschouwd. Bij elke
matrix geldt namelijk dat M~0 = ~0.
De waarde 0 kan wel optreden als eigenwaarde, hetgeen dan inhoudt dat er vectoren
~v , ongelijk aan ~0 bestaan, die afgebeeld worden op 0 ~v , dus op ~0.
Voorbeeld 8.8.
Gegeven de vectoren ~v en w
~ en de matrix K:
1
~v = 2 ,
3
1
w
~ = 2
3
8 0 1
K = 2 4 0 .
0 6 9
8 0 1
1
8+03
5
1
K~v = 2 4 0 2 = 2 + 8 + 0 = 10 = 5 2
0 6 9
3
0 + 12 27
15
3
We zien dat K~v = 5~v , dus dat ~v een eigenvector is. Bovendien zien we dat 5 een
eigenwaarde van K is. Bereken het beeld van w:
~
8 0 1
1
80+3
11
1
Kw
~ = 2 4 0 2 = 2 8 + 0 = 6 6= 2
0 6 9
3
0 12 + 27
15
3
De vectoren w
~ en K w
~ hebben niet dezelfde richting, dus w
~ is geen eigenvector van K.
Voorbeeld 8.9.
Gegeven de matrix N :
0 2 1
N = 2 0 1
4 0 2
Toon aan dat 0 wel, maar -3 geen eigenwaarde is van N .
Wat betreft eigenwaarde 0: zoek een vector ~v ongelijk aan ~0 zodat
0 2 1
v1
0
2v2 + v3
2 0 1 v2 = 0
2v1
+v3
4 0 2
v3
0
4v1
+2v3
156
HOOFDSTUK 8. MATRIX-ITERATIE
1
1 ,
2
deze is ongelijk aan ~0 maar wordt door N wel afgebeeld op 0 maal zichzelf, en is dus
een eigenvector. Daarmee is 0 dan een eigenwaarde van N .
Wat betreft de waarde -3 (die naar verluid geen eigenwaarde is), zoeken wij een vector
~v ongelijk aan ~0 zodat N~v = 3~v :
0 2 1
2v2 + v3 = 3v1
v1
v1
2 0 1 v2 = 3 v2
2v1
+v3 = 3v2
4v1
+2v3 = 3v3
4 0 2
v3
v3
Verhuis het rechterlid naar links dan levert dat het volgende stelsel vergelijkingen:
3v1 + 2v2 + v3 = 0
2v1 + 3v2 + v3 = 0
4v1
+ 5v3 = 0
Dit stelsel lossen wij op via de vergelijkingsmatrix. Gebruik de bovenste rij om de
derde kolom schoon te vegen, daarna de tweede rij voor de tweede kolom, en tenslotte
de onderste rij om de eerste kolom schoon te vegen:
3 2 1
3
2 1
5 0 1
0 0 1
2 3 1 1
1 0 1 1 0 0 1 0
4 0 5
11 10 0
21 0 0
1 0 0
De enige vector ~v met N~v = 3~v blijkt ~0 te zijn. Daarom is -3 geen eigenwaarde van
N.
eigenwaarden zoeken
De vraag waar wij ons nu mee gaan bezighouden is hoe de eigenwaarden van een matrix gevonden kunnen worden. In de voorgaande voorbeelden gingen wij voor concrete
getallen na of zij eigenwaarde waren van een gegeven matrix. Dat kwam neer op het oplossen van een homogeen stelsel vergelijkingen. Had dat stelsel niet-triviale oplossingen
dan resulteerde dat in een eigenvector. Gezien het aantal vergelijkingen en onbekenden
gebeurde dat alleen als er een vergelijking wegviel. Met dit in het achterhoofd gaan wij
nu een parameter invullen als potentiele eigenwaarde, en bekijken wanneer uit dit
stelsel een vergelijking wegvalt, zodat we een oplossing ~v vinden die niet gelijk is aan
de triviale oplossing ~0 en dus een eigenvector is. Aldus ontwikkelen wij een techniek
om eigenwaarden op te sporen. Wij nemen de matrix M uit Voorbeeld 8.6. Gezocht
een vector ~v die eigenvector is bij een willekeurige , dus waarvoor geldt dat M~v = ~v
en ~v 6= ~0:
0 2
v1
v1
2v2 = v1
=
1 1
v2
v2
v1 +v2 = v2
157
Verhuis het rechterlid naar links dan ontstaat een homogeen stelsel:
v1
+2v2
=0
v1
+(1 )v2 = 0
De matrix van dit homogene stelsel vergelijkingen is:
2
1 1
Een vector ~v die niet ~0 is, is een niet-triviale oplossing van dit homogene stelsel vergelijkingen. Wil het stelsel niet-triviale oplossingen hebben, dan moet volgens Stelling
8.5 gelden dat:
2
1 1 =0
Wij schrijven de determinant uit en krijgen een tweedegraads vergelijking:
(1 ) 2 = 0 2 2 = 0 ( 2)( + 1) = 0
Hieruit concluderen wij dat M dus twee eigenwaarden heeft. Behalve de waarde 2 is er
dus ook nog de eigenwaarde -1. Tenslotte berekenen wij de eigenvector die bij = 1
hoort:
Gezocht vector ~v met M~v = ~v , dus
0 2
v1
v1
2v2 = v1
= 1
1 1
v2
v2
v1 +v2 = v2
Verhuis weer het rechterlid naar links dan ontstaat een homogeen stelsel:
v1 +2v2 = 0
v1 + 2v2 = 0
v1 +2v2 = 0
Inderdaad valt er een vergelijking weg, zodat er andere oplossingen kunnen zijn dan
alleen ~0, namelijk alle vectoren van de vorm:
2
met R
1
Resumerend: wij vinden de eigenwaarden dus door middels de determinant te bekijken
voor welke het betreffende stelsel vergelijkingen niet-triviale oplossingen heeft. Die
oplossingen zijn dan eigenvectoren. In de volgende stelling leggen wij deze aanpak vast.
Stelling 8.10.
Gegeven een n n-matrix A. Dan geldt:
a11
a12
a21
a22
is een eigenwaarde van A
..
..
.
.
an1
an2
...
=0
ann
a1n
a2n
..
.
158
HOOFDSTUK 8. MATRIX-ITERATIE
bewijs
Een getal is een eigenwaarde van A, als er een vector ~x Rn , ongelijk aan ~0 bestaat
zodat A~x = ~x. Dat betekent dat het volgende stelsel vergelijkingen een niet-triviale
oplossing ~x heeft:
.
.
.
a x a x a x = x
n1 1
n2 2
nn n
n
Breng het rechterlid naar links, dan krijgen we het gelijkwaardige stelsel:
(a11 )x1
a12 x2
a1n xn
=0
a21 x1
(a22 )x2
a2n xn
=0
..
..
.
.
..
..
.
.
an1 x1
an2 x2
(ann )xn = 0
Dit stelsel heeft een niet-triviale oplossing
a11
a12
a21
a
22
..
..
.
.
an1
an2
a1n
a2n
=0
..
..
.
.
ann
bondiger geschreven
De bovenstaande uitdrukking kan met enig geduld uitgeschreven worden tot een n-de
graads vergelijking in . In deze cursus zullen wij dat alleen doen voor concrete 22 en
33 matrices. Laten wij om verdere definities te formuleren de notaties vereenvoudigen.
Behandel matrices alsof het blokvormige vectoren zijn, die je kunt optellen en scalair
vermenigvuldigen door dit plaatsgewijs met de elementen te doen. Dan kunnen wij de
volgende matrix kort noteren als:
a11
a1n
a11 a1n
1 0
..
..
..
.. .. . . .. = A I
...
...
= .
.
. .
.
.
.
an1
ann
an1 ann
0 1
De vergelijking die de eigenwaarden bepaalt is dan |A I| = 0. Deze vergelijking
noemen we de karakteristieke vergelijking van A.
Definitie 8.11.
Onder de karakteristieke vergelijking van een nn-matrix A verstaan wij de vergelijking
in die ontstaat door uitschrijven van |A I| = 0. Het linkerlid van deze vergelijking
noemen wij het karakteristieke polynoom.
Voorbeeld 8.12.
Bepaal van de volgende matrix de eigenwaarden met hun bijbehorende eigenvectoren:
2 2
1 3
159
.
x1 + 3x2 = 4x2
x1 x2 = 0
Het betreffende stelsel is afhankelijk (anders was =4 geen eigenwaarde) en voert tot:
x1 = x2 . Daarmee hebben wij de eigenvector gevonden:
1
is eigenvector bij =4.
1
Merk op dat wij evengoed iedere andere vector met deze richting kunnen bestempelen
tot de eigenvector bij =4.
Wat betreft = 1: gezocht een vector ~v met B~x = ~x, dus een oplossing van het stelsel:
2x1 + 2x2 = x1
2x1 + 2x2 = 0
x1 + 3x2 = x2
x1 + 2x2 = 0
Het betreffende stelsel is afhankelijk en voert tot: x1 = 2x2 . Kies x2 = 1, dan
x1 = 2. Daarmee hebben wij gevonden:
2
is eigenvector bij =1.
1
de eigenvectoren
Het voorgaande voorbeeld heeft bij de lezer mogelijk de vraag opgeroepen waarom
een bepaalde oplossing tot de eigenvector benoemd wordt, terwijl er ook veel andere
vectoren zijn die dezelfde richting hebben als hun beeld. Vinden wij een vector die
door een matrix A wordt afgebeeld op ~v dan hebben we daarmee direct oneindig veel
andere eigenvectoren gevonden die dezelfde eigenschap hebben. De afbeelding die door
matrix A wordt beschreven is immers lineair; beeldt hij ~v af op ~v , dan beeldt hij
bijvoorbeeld 1 12 ~v af op 1 12 ~v zodat ook 1 12 ~v dan een eigenvector is bij eigenwaarde
. Sterker nog, als twee vectoren afgebeeld worden op maal zichzelf, dan geldt dat
ook voor elke lineaire combinatie van die twee vectoren. Stel immers dat A~v = ~v en
Aw
~ = w,
~ dan geldt voor een lineaire combinatie ~v + w:
~
A(~v + w)
~ = A(~v ) + A( w)
~ = A~v + Aw
~ = ~v + w
~ = (~v + w)
~
160
HOOFDSTUK 8. MATRIX-ITERATIE
Zodoende vormen al deze eigenvectoren (plus de nulvector) een hele lijn, vlak of hypervlak in Rn door de oorsprong, de eigenruimte van de betreffende eigenwaarde geheten.
Als wij het dan hebben over de eigenvectoren bij , dan bedoelen we een stel richtingsvectoren die die deelruimte opspannen.
Voorbeeld 8.13.
Gegeven de matrix:
2 3 3
A = 0 4 2
0 1 1
Bepaal van A de karakteristieke vergelijking, de eigenwaarden en hun bijbehorende
eigenvectoren.
Wij bepalen eerst de karakteristieke vergelijking door |A I| = 0 uit te schrijven:
2
3
3
4 2
0
=0
4 2 = 0 (2 )
1
1
0
1
1
(2 )((4 )(1 ) + 2) = 0
(2 )(2 5 + 6) = 0
Verder uitwerken levert de karakteristieke vergelijking:
3 72 + 16 12 = 0
Om deze vergelijking op te lossen kunnen wij beter de niet-uitgeschreven vorm verder
factoriseren:
(2 )(2 5 + 6) = 0 ( 2)( 2)( 3) = 0
De oplossingen zijn dus = 2 (dubbelnulpunt) en = 3. Daarmee heeft de matrix A
dus de twee eigenwaarden: 2 en 3.
Voor het bepalen van de eigenvectoren bij = 2 moeten wij het volgende stelsel
oplossen (We hebben het rechterlid direct al naar links verhuisd.):
+3x2
3x3
=0
(2 2)x1
3x2 3x3 = 0
(4 2)x2
2x3
=0
2x2 2x3 = 0
x2 +(1 2)x3 = 0
x2 x3 = 0
In feite levert dit drie keer dezelfde vergelijking: x2 x3 = 0. Deze vergelijking stelt een
vlak door de oorsprong in R3 voor. Wij kiezen twee onafhankelijke richtingsvectoren
in dat vlak, waarmee:
1
0
De eigenvectoren bij = 2 zijn: 0 en 1 .
0
1
+3x2
3x3
(2 3)x1
(4 3)x2
2x3
x2 +(1 3)x3
161
door op te lossen:
=0
x1 +3x2 3x3 = 0
=0
x2 2x3 = 0
=0
x2 2x3 = 0
De derde vergelijking kunnen wij schrappen zodat het stelsel overgaat in:
x1 +3x2 3x3 = 0
x1 = 3x3
x2 2x3 = 0
x2 = 2x3
De eigenruimte is een lijn, kies een richtingsvector met x3 = 1. Dat levert:
3
2 .
De eigenvector bij = 3 is:
1
8.3
Aan de hand van het voorbeeld over de extra vruchtbare Fibonacci-konijnen uit 8.6
laten wij zien hoe met behulp van de eigenwaarden van een matrix de iteratie van de
matrix geanalyseerd kan worden resulterend in expliciete formules voor de n-de iteratie
vanuit elke beginvector. De overgangsmatrix is:
0 2
M=
1 1
Bij deze matrix hebben wij inmiddels de twee eigenwaarden gevonden met bijbehorende
eigenvectoren:
2
1
bij = 2,
bij = 1
1
1
Hieruit volgt dat:
2
2
1
1
2
2
M
M
7 2
=
en
7
=
1
1
2
1
1
1
Als wij de matrix herhalen, wordt er telkens met de betreffende eigenwaarde vermenigvuldigd, zodat wij van deze twee vectoren de n-de iteratie direct kunnen opschrijven:
n
1
1
1
1
2
M
M
M
M
2
n
7 2
7 2
7 . . . 7 2
=
1
1
1
1
2n
En voor de andere eigenvector:
2
(1)n 2
2
Mn
n
7 (1)
=
1
1
(1)n
162
HOOFDSTUK 8. MATRIX-ITERATIE
De beginvector kan echter een andere dan deze twee zijn. Edoch, hij is wel altijd
te ontbinden in een lineaire combinatie van deze twee eigenvectoren, immers zij zijn
onafhankelijk en spannen dus heel R2 op. In Voorbeeld 8.6 was de beginpopulatie (1,0).
Wij ontbinden deze beginvector in de twee eigenvectoren, dus zoeken en met:
1
1
2
=
+
0
1
1
Die ontbinding blijkt te zijn:
1
0
=
1
3
1
1
+
1
3
2
1
Omdat de afbeelding die bij een matrix hoort lineair is, kunnen wij nu langs de twee
eigenvectoren rekenen:
1
2
1
2
Mn 1
n
n
1
1
1
7 3 2
+ 3 (1)
+3
3
1
1
1
1
En daaruit volgt een expliciete formule voor de populatiesamenstellingen die in de tabel
bij Voorbeeld 8.6 berekend zijn:
n
2 + 2 (1)n
1
n
1
M
=3
2n (1)n
0
Wij leggen de beschreven methode vast in de volgende stelling:
Stelling 8.14.
Gegeven een n n-matrix A, met een aantal eigenvectoren v~1 , v~2 , . . . , v~k bij reele eigenwaarden 1 , 2 , . . . , k en een vector ~x uit het opspansel van deze eigenvectoren
met
~x = 1 v~1 + 2 v~2 + . . . + k v~k
Het beeld van ~x bij m-voudige iteratie van de matrix A is dan gegeven met:
~2 + . . . + k m
~k
Am~x = 1 m
~1 + 2 m
1 v
2 v
k v
bewijs
De stelling berust geheel op het feit dat de door A beschreven afbeelding lineair is.
Voor elk van de eigenvectoren geldt dat wij het beeld onder A verkrijgen door te
vermenigvuldigen met de bijbehorende eigenwaarde. Passen wij A herhaald toe op een
eigenvector dan wordt er dus herhaald vermenigvuldigd met die eigenwaarde. Dus:
Am v~i = m v~i
voor elke i = 1, . . . , k
Anderzijds is A en dus ook elke macht van A een lineaire afbeelding zodat:
Am~x = Am (1 v~1 + 2 v~2 + . . . + k v~k ) = 1 Am v~1 + 2 Am v~2 + . . . + k Am v~k
Combinatie van deze twee levert het gestelde.
8.4. MATRIX-ITERATIE
163
2 3 3
A = 0 4 2
0 1 1
Bepaal een expliciete uitdrukking voor de vector P~n die ontstaat door de volgende
iteratie:
0
P~0 = 1 , P~n = An P~0
0
In Voorbeeld 8.13 stelden wij vast dat A de eigenwaarden 2 en 3 heeft met bijbehorende
eigenvectoren:
3
1
0
2 bij = 3, 0 en 1 bij = 2
1
0
1
Inmiddels vertrouwen wij de lezer toe
deze eigenvectoren:
0
~
1 =
P0 =
0
3
1
0
2
1
3 0
1
0
1
2
0
1
2
1
Pn = 3
32
2
=3
2
1
0
1
1
1
8.4
Matrix-iteratie
Bovenstaande stelling geeft ons een methode bij de iteratie van een matrix een expliciete
formule op te stellen, voorzover de beginvector een combinatie is van eigenvectoren.
De vraag is dan natuurlijk of niet elke vector te schrijven is als een combinatie van
eigenvectoren. Helaas is dat niet altijd het geval. Gegeven een n n-matrix vinden wij
de eigenwaarden als oplossingen van de karakteristieke vergelijking, die een n-de graads
vergelijking is. Volgens de hoofdstelling van de algebra (eind hoofdstuk 7) heeft dit
polynoom n oplossingen, maar die kunnen deels complex zijn, en samenvallen. Wij zullen beide problemen apart bekijken. Daarna formuleren wij een algemene stelling over
matrix-iteratie die belangrijke consequenties heeft voor Leslie- en Markov-modellen.
164
HOOFDSTUK 8. MATRIX-ITERATIE
Complexe eigenwaarden
De karakteristieke vergelijking kan complexe nulpunten hebben. Omdat de coefficienten
van de vergelijking wel reeel zijn moeten die complexe oplossingen dan steeds paren
zijn van een getal en zijn complex toegevoegde. Ook bij de complexe eigenwaarden zijn
eigenvectoren te vinden. Zon paar complex toegevoegde eigenwaarden levert dan een
paar eigenvectoren op die ook elkaars complex toegevoegde zijn. Het geheel levert een
draaiing op in de afbeelding die door de matrix beschreven wordt. Het voert te ver om
in algemeenheid precies uit te werken hoe. Wij volstaan met een eenvoudig voorbeeld.
Voorbeeld 8.16.
Beschouw de draaiing over een hoek van 90 uit Voorbeeld 6.8, beschreven met de
matrix:
0 1
D=
1 0
Voor wij eigenwaarden gaan zoeken stellen wij vast dat deze afbeelding geen eigenvectoren kan hebben, immers elke vector draait een kwartslag, dus kan nooit dezelfde
richting hebben als zijn beeld. Tegen beter weten in stellen wij de karakteristieke
vergelijking op:
1
2
2
1 = 0 () + 1 = 0 = 1
die inderdaad geen reeele oplossingen heeft. Wel zijn er de complexe oplossingen:
=i
en
= i
Breiden wij onze blik uit naar de vectorruimte C2 , dan kunnen wij bij deze eigenwaarden
wel eigenvectoren vinden.
Wat betreft = i, zoeken wij dan oplossingen voor het stelsel:
((0 i)x1
x2
=0
ix1 x2 = 0
x1
(0 i)x2 = 0
x1 ix2 = 0
Deze twee vergelijkingen zijn afhankelijk, vermenigvuldig om dit te zien de bovenste
met i:
i ix1 ix2 = 0
x1 ix2 = 0
x1 = ix2
xi
ix2 = 0
x1 ix2 = 0
Kies x2 = 1 dan vinden wij:
i
1
is eigenvector bij = i.
8.4. MATRIX-ITERATIE
165
Ook deze twee vergelijkingen zijn afhankelijk, vermenigvuldig om dit te zien de bovenste
weer met i:
2
i x1 ix2 = 0
x1 ix2 = 0
x1 = ix2
x1
+ix2 = 0
x1 +ix2 = 0
Kies x2 = 1 dan vinden wij:
i
1
is eigenvector bij = i.
Dat deze twee eigenvectoren in R een draaiing teweeg brengen wordt duidelijk door
rekenen met complexe getallen. Laten wij bijvoorbeeld de tweede eenheidsvector e~2
nemen, die zich gemakkelijk laat ontbinden langs de twee complexe eigenvectoren als:
0
i
i
1
1
+2
=2
1
1
1
Pas vervolgens D toe op deze combinatie van eigenvectoren, zoals wij bij Stelling 8.14
leerden te doen met reele vectoren:
i
i
0
i
i
1
1
1
+D
)
D
= D( 2
+2
) = 2 (D
1
1
1
1
1
i
1
i
1
1
1
1
= 2 (i
+ i
) = 2(
+
)=
1
i
0
1
i
En dat is inderdaad het beeld van e~2 bij draaiing over 90 graden.
meervoudige eigenwaarden
Het karakteristieke polynoom kan samenvallende nulpunten hebben. In Voorbeeld 8.13
bleek de 3 3-matrix A een dubbele eigenwaarde 2 te hebben en daar lukte het bij
die eigenwaarde ook twee onafhankelijke eigenvectoren te vinden. Aldus had A in
totaal drie eigenvectoren en dat is genoeg om elke beginvector in R3 te ontbinden in
eigenvectoren, zodat Stelling 8.14 ons expliciete formules levert voor elke iteratie van
deze matrix. Zo gemakkelijk gaat het niet altijd. Er zijn ook matrices met meervoudige
eigenwaarden waarbij niet voldoende eigenvectoren te vinden zijn. In dat geval kunnen
wij dus ook niet elke vector ontbinden in eigenvectoren. In zon geval spreken wij
van een defecte matrix. Als voorbeeld bekijken wij een matrix die veel lijkt op A uit
Voorbeeld 8.13.
2 1 0
Voorbeeld 8.17. Bepaal de eigenvectoren van de matrix B = 0 4 2
0 1 1
Wij bepalen eerst de karakteristieke vergelijking door |B I| = 0 uit te schrijven:
2
1
0
4 2
0
=0
4 2 = 0 (2 )
1
1
0
1
1
(2 )((4 )(1 ) + 2) = 0
166
HOOFDSTUK 8. MATRIX-ITERATIE
0 1 0 0
22
1
0
0
0 1 0 0
0
4 2 2 0
0 2 2 0
0 0 1 0
0
1
12 0
0 1 1 0
Er blijven dus twee vergelijkingen over, namelijk: x2 = 0 en x3 = 0. Derhalve kunnen
wij alleen x1 vrij kiezen en vinden zo als enige eigenvector (richtingsvector) de eerste
eenheidsvector e~1 . De eigenvector bij de andere eigenwaarde kan de lezer inmiddels zelf
berekenen. Zodoende:
1
2
0
2 bij = 3.
De eigenvector van B zijn
bij = 2, en
0
1
matrix-iteratie
Wij gaan nu uit van een vierkante matrix en bespreken wat er in het algemeen over
de iteratie gezegd kan worden, ongeacht de beginvector. De matrix heeft een n-de
graads karakteristieke vergelijking die n oplossingen heeft die deels kunnen samenvallen,
en eventueel complex kunnen zijn. De eigenwaarden geven een maat voor de groei
in de richting van de bijbehorende eigenvectoren. Vaak verkeren we in de gelukkige
omstandigheid dat er een enkelvoudige eigenwaarde is die groter is dan alle andere
(in absolute waarden gezien). Wij spreken dan van een dominante eigenwaarde. In
dat geval ligt het voor de hand dat de iteraties getrokken worden in de richting van de
eigenvector die bij die dominante eigenwaarde hoort. In de volgende stelling formuleren
wij dit nauwkeuriger, bij de bewijsvoering moeten wij het geval van een defecte matrix
buiten beschouwing laten, de stelling geldt echter ook voor dergelijke matrices.
Definitie 8.18.
Een eigenwaarde van een vierkante matrix A heet dominant als hij enkelvoudig is en
groter (in absolute waarde) dan alle andere eigenwaarden van A.
Stelling 8.19.
Is A een matrix met dominante eigenwaarde en bijbehorende eigenvector ~v , dan geldt
voor elke ~x Rn :
1
lim m Am~x = ~v , voor zekere R
m
8.4. MATRIX-ITERATIE
167
bewijs
Als de matrix A een basis van eigenvectoren heeft is ~v te ontbinden langs eigenvectoren.
Nemen we als eerste eigenvector de vector ~v die hoort bij de dominante eigenwaarde ,
en laat v~2 , . . . , v~n bij de overige eigenwaarden 2 , . . . , n . Derhalve zijn er 1 t/m n
zodat:
~x = 1~v + 2 v~2 + . . . + n v~n
Gebruikmakend van Stelling 8.14 geeft dit:
n m
1 m
m
m
m
2 m
2
n
)
v
~
+
.
.
.
+
(
) v~n
A
~
x
=
~
v
+
v
~
+
.
.
.
+
v
~
=
~
v
+
(
2
n
1
2
2
n
n
1
2
m
m
m
m
Omdat de overige eigenwaarden 2 , . . . , n in absolute waarde kleiner zijn dan krimpen bij oplopende m alle componenten behalve de eerste naar ~0. In de limiet verdwijnen
zij zodat wij het gestelde krijgen. Bevinden zich onder de eigenwaarden ook complexe
getallen, dan moeten we in de ontbinding voor lief nemen dat sommige van de eigenvectoren mogelijk complex zijn. Bij iteratie krimpen de overige componenten nog steeds
en verdwijnen net als in het reele geval in de limiet.
Is A defect dan is de bovenstaande argumentatie niet toereikend. Hoe dan te werk te
gaan valt buiten het kader van dit college.
8.4.1
+a12 x2
+a13 x3
(a11 1)x1
a21 x1
+(a22 1)x2
+a23 x3
a31 x1
+a32 x2
+(a33 1)x3
168
HOOFDSTUK 8. MATRIX-ITERATIE
Tel nu bij de bovenste rij alle andere rijen op, dan krijgen wij:
(a11 + a21 + a31 1)x1 +(a12 + a22 + a32 1)x2 +(a13 + a23 + a33 1)x3 = 0
a21 x1
+(a22 1)x2
+a23 x3
=0
a31 x1
+a32 x2
+(a33 1)x3
=0
Omdat M een Markov-matrix is zijn de kentallen in elke kolom samen 1, zo is dus
a11 + a21 + a31 1 = 1 1=0, en wordt ook de coefficient van x2 en x3 nul. De
bovenste rij wordt dus 0 + 0 + 0 = 0. Dat betekent dat we slechts twee (homogene)
vergelijkingen overhouden voor drie onbekenden, en dus zeker een niet-triviale oplossing
kunnen vinden.
Voorbeeld 8.21.
Als voorbeeld nemen wij een model voor een denkbeeldige besmettelijke ziekte. De
besmettingsbron bevindt zich buiten de populatie zodat ieder individu gelijke kans op
besmetting loopt. Wij onderscheiden in de populatie drie groepen: de bevattelijken
(B), de zieken (Z) en de resistenten (R). Van de bevattelijken loopt 20 % per tijdsperiode de ziekte op en wordt ziek. Van de zieken herstelt 60 % per tijdsperiode en is dan
(tijdelijk) resistent. Van de resistenten verliest 10 % de resistentie weer en wordt weer
bevattelijk. In onderstaand diagram zijn de overgangen weergegeven. De overgangs-
0.1
0.9
0.8
van
0.2
naar
0.6
B
Z
R
0.8
0.2
0
0.4
0.1
0
0.6
0.9
0.4
matrix voor dit model noemen wij M . Merk op dat de kolomvectoren van de matrix
optellen tot 1 zodat het totaal aantal individuen (verdeeld over B, Z en R) gelijk blijft.
Op grond van het bovenstaande lemma weten wij dat M in elk geval eigenwaarde 1
heeft, men rekent gemakkelijk de bijbehorende eigenvector uit. Om de andere twee
eigenvectoren te vinden stellen wij de karakteristieke vergelijking op. Omdat we al
weten dat 1 daarvan een oplossing moet zijn halen wij er alvast de factor 1 uit:
( 1)(2 1.1 + 0.3) = 0
De overige twee eigenwaarden blijken dus te zijn: = 0.5 en = 0.6. Bereken de
bijbehorende eigenvectoren, dan blijken wij dus de volgende drie eigenwaarden met
8.4. MATRIX-ITERATIE
169
3
1
1
bij = 1 : 1 bij = 0.6 : 1 bij = 0.5 : 2 .
6
2
3
De eigenwaarde 1 is enkelvoudig en groter (in absolute waarde) dan de andere twee,
dus dominant. De bijbehorende eigenvector leert dat in het evenwicht dat zal optreden
de verhouding B:Z:R gelijk is aan 3:1:6 oftewel 30 % : 10 % : 60%. Handiger is deze
verhoudingen als kansen weer te geven, wij hebben dan de evenwichtssituatie:
0.3
v~0 = 0.1
0.6
Omdat de totale bevolking in omvang niet verandert ligt het voor de hand niet te
werken met aantallen individuen maar met fracties van de totale bevolking. Als beginvector krijgen wij dan een vector met kentallen b0 , z0 , r0 die samen 1 zijn. De drie
eigenvectoren vormen een basis en elke beginvector kan dus geschreven worden als een
lineaire combinatie van deze drie:
0.3
1
1
b0
z0 = 0.1 + 1 + 2
0.6
2
3
r0
Omdat b0 + z0 + r0 = 1 moeten de kentallen van de vectoren rechts samen ook 1
zijn. Nu hebben de laatste twee eigenvectoren de bijzondere eigenschap dat de som
van hun kentallen 0 is. Tellen wij dus rechts het totaal aantal individuen dan dragen
die twee niets bij zodat het totaal aantal individuen geheel van v~0 afkomstig moet
zijn. Daarom moet = 1. Dat betekent niet dat de andere componenten afwezig zijn,
bijvoorbeeld de eerste eenheidsvector laat zich ontbinden in:
1
0.3
1
1
0 = 0.1 1.5 1 0.8 2
0
0.6
2
3
Passen wij M nu herhaald toe dan zullen de laatste twee componenten krimpen naar
~0, zodat:
bn
0.3
lim zn = 0.1
n
rn
0.6
Met Stelling 8.19 wisten wij al dat de iteratie zou gaan naar v~0 , voor zekere . Omdat
M een Markovmatrix is, is die steeds gelijk aan 1.
Voor de hogere machten van M heeft dit ook een opvallende consequentie. Nu elke
170
HOOFDSTUK 8. MATRIX-ITERATIE
(kans)vector, dus in het bijzonder elke eenheidsvector convergeert naar v~0 moeten alle
kolommen in de limietmatrix ook v~0 zijn, dus:
8.4. MATRIX-ITERATIE
171
Voorbeeld 8.24.
Een interessante toepassing van bovenstaande stelling is de methode die Google hanteert om een ranglijst samen te stellen van websites, zodat bij een zoekopdracht de
mogelijk interessante sites bovenaan geplaatst kunnen worden. Google bepaalt die
rangschikking op basis van hoe de sites van het internet naar elkaar doorverwijzen. Je
kunt de situatie vergelijken met status in een groep personen. Geef iedere persoon een
kilo goud en laat iedereen zijn/haar kilo gelijkelijk verdelen over de personen waarnaar
hij/zij opkijkt. Vervolgens verdelen zij het goud dat zij ontvangen weer op dezelfde
manier net zo lang tot er een evenwicht intreedt. Iemand die door velen gewaardeerd
wordt krijgt dan veel goud. Geeft deze al zijn goud aan een speciale favoriet, dan krijgt
die favoriet uiteindelijk nog meer. (Zoals je status enorm groeit als een zeer hooggeplaatst iemand jou als unieke vriend verkiest.)
Uiteraard wordt de statusmeting verstoord als er een egost is die al zijn goud voor
zichzelf houden, want hij onttrekt dan al het goud aan de overigen die wel hun goud
doorgeven. Daarom verplichten wij egosten al hun goud elke keer gelijkelijk te verdelen
over alle overigen, zodat ook hun status zichtbaar wordt. Het geheel is als een Markoviteratie te modelleren, hieronder is links een situatie getekend voor zes personen A t/m
F , daarnaast (midden) is aan de egosten A enF opgelegd dat zij al hun goud moeten
verdelen over alle anderen, en rechts de overeenkomstige Markov-matrix. Het beoogde
A
F
F
B
E
D
E
C
( )
A B C D E F
A
B
C
D
E
F
0 1
1
0
5
1
0
5
1
0
5
1
0
5
1
0
5
1
2
1
2
0
0
0
0
0 0 15
1
0 15
3
1
0 15
3
0 0 15
1
0 15
3
0 1 0
0.286458
0.187500
0.125000
0.093750
0.125000
0.182292
172
HOOFDSTUK 8. MATRIX-ITERATIE
( )
G H I J
G
H
I
J
I
J
1
0
0
0
0
1
0
0
1 13
0 13
0 13
0 0
volgens het bovenstaande diagram. Wij bekijken hoe het goud van eigenaar wisselt,
om mooie getallen te krijgen hebben wij in eerste instantie niet iedereen 1 kilo maar 3
kilos gegeven:
n
G
H
I
J
0
3
3
3
3
1
7
4
1
0
2
5
7
0
0
3
7
5
0
0
4
5
7
0
0
5
7
5
0
0
6
5
7
0
0
9 1
M1 = 10
0
0
1
0
0
0
1 13
0 13
+
0 13
0 0
1
10
1
4
1
4
1
4
1
4
1
4
1
4
1
4
1
4
1
4
1
4
1
4
1
4
1
4
1
4
1
4
1
4
1
40
37
40
1
40
1
40
37
40
1
40
1
40
1
40
37
40
1
40
1
40
1
40
13
40
13
40
13
40
1
40
Deze Markov-matrix M1 heeft alleen positieve elementen, is dus primitief en heeft als
dominante eigenwaarde 1. De bijbehorende eigenvector kent de personen de volgende
status (afgerond) toe:
8.4. MATRIX-ITERATIE
173
G
H
I
J
0.478947
0.463553
0.035250
0.025000
8.4.2
Ook in een Leslie-matrix zijn alle elementen niet-negatief, bovendien zijn zij door hun
specifieke vorm altijd primitief (daargelaten gevallen waarin de overlevingskansen 1
zijn). De Stelling van Perron-Frobenius garandeert dan een reele dominante eigenwaarde , die echter niet perse 1 hoeft te zijn. Die dominante eigenwaarde bepaalt de
groei van de populatie op langere termijn. Volgens Stelling 8.19 zal de bevolkingssamenstelling gaan naar een vaste verhouding die gegeven wordt door de eigenvector van
, en in benadering groeien met factor . Is kleiner dan 1 dan krimpt de bevolking
en sterft op den duur uit. Is groter dan 1 dan groeit de bevolking ongebreideld. Is de
dominante eigenwaarde precies 1 dan kan er een evenwichtssituatie ontstaan zoals bij
de Markov-matrices. Als voorbeeld bekijken wij het model waaraan wij in hoofdstuk
6 (sectie 6.2.1) al wat gerekend hebben.
De matrix L, die in het daar geformuleerde model van de dynamica van een fictieve
vogelpopulatie de omvang van de opeenvolgende generaties beschreef, was:
0 2 4
L = 14 0 0
0 21 0
Het karakteristieke polynoom van L is ( 1)(2 + + 21 ), en heeft als oplossingen:
1 = 1 ; 2 = 12 + 12 i ; 3 = 12 12 i .
174
HOOFDSTUK 8. MATRIX-ITERATIE
Voorbeeld 8.25.
In opgaven 9 en 10 van hoofdstuk 6 experimenteerden wij met het veranderen van de
vruchtbaarheidscijfers. Stel dat de oude vogels een stuk vruchtbaarder worden zodat
zij niet 4 naar 21 nakomelingen produceren. De Leslie-matrix komt er dan als volgt uit
te zien:
0 2 21
K = 41 0 0
0 12 0
We verwachten dat de bevolking nu niet zal stabiliseren maar steeds verder groeit. Wij
rekenen een aantal iteraties door:
n
Jn
Mn
On
0
1
2
3
4
1000
0 500 2625 7016
0 250
0 125 656
0
0 125
0
62
100
101
102
19
19
14.63610
21.95410
32.9311019
19
19
2.43910
3.65910
5.4891019
0.8131019
1.2201019
1.8301019
Bekijken wij de toestand bij n=100 dan zien we dat de verhoudingen J:M :O vrijwel
18:3:1 zijn, in de twee volgende periodes is dat ook zo. Verder zien we dat de afzonderlijke leeftijdsgroepen per jaar groeien met een factor 1.5. De lezer kan zelf nagaan dat
inderdaad 1 21 een eigenwaarde is van de matrix K, en dat de bijbehorende eigenvector
(18,3,1) is.
groei of krimp
Iemand die niet gehinderd wordt door veel kennis van matrices zal op grond van de
vruchtbaarheidscijfers en overlevingskansen op het volgende idee kunnen komen: een
bevolking kan alleen groeien als een nieuw geboren individu uiteindelijk gemiddeld
meer dan 1 nakomelingen produceert. Het gemiddelde aantal nakomelingen is met de
diverse coefficienten uit te rekenen:
fM = f1 + f2 s1 + f3 s2 s1 + . . . + fk sk1 sk2 s1
Er geldt inderdaad dat de dominante eigenwaarde groter dan 1 als fM groter is dan 1, en
vice versa kleiner dan 1 als fM kleiner dan 1 is. De lezer beschouwe deze opmerkingen
als wetenswaardigheden die enige referentie kunnen bieden bij het doorrekenen van
een concreet Leslie-model. Wie theoretische verantwoording wil van deze opmerkingen
verwijzen wij naar een vervolg college Lineaire Algebra, of een handboek.
8.5
Opgaven
2 3 4
2 3 4
2 3 4
2 17 48
0 7 5 ; 0 7 7 ; 6 7 5 ; 0 3 52 .
0 7 7
0 7 7
0 0 0
0 0 1
8.5. OPGAVEN
175
2. Bepaal (indien mogelijk) de inverse van de eerste twee volgende matrices en laat
van de derde matrix zien dat hij zijn eigen inverse is.
1 3
4
1 3 4
1/3
2/3
2/3
0 1 2 ; 2 5 7 ; 2/3 1/3
2/3 .
0 0
1
0 7 7
2/3
2/3 1/3
3. Bepaal de eigenwaarden en eigenvectoren van
2
1
A=
.
4 1
4. Bereken de eigenwaarden en eigenvectoren van de volgende matrices:
3 2
1 2
3
2
2
2
2
2
a)
; b)
; c)
; d)
; e)
.
2 3
2 1
2 3
2 2
2 2
5. Zij A een matrix met eigenwaarden 1 , . . . , n en bijbehorende eigenvectoren
v~1 , . . . , v~n . Toon aan dat de eigenwaarden van matrix A I gelijk zijn aan
1 1, . . . , n 1 en dat de eigenvectoren onveranderd zijn gebleven.
6. Laat A een matrix zijn met det A 6= 0. Toon aan dat de eigenwaarden van A1
de omgekeerden ( 1 ) zijn van de eigenwaarden van A en dat de eigenvectoren
onveranderd zijn gebleven.
1 1 1
7. Wat zijn de eigenwaarden en eigenvectoren van de matrix:
3
1
3
1
3
3
1
3
1
3
3
1
3
1
3
8. Bij een chemisch proces zijn twee stoffen (A en B) betrokken die in elkaar worden
omgezet. Per vaste tijdseenheid wordt van stof A 70 % omgezet in B, terwijl van
stof B 20 % wordt omgezet in A.
Beschrijf de toestand op tijdstip n met de vector:
An
~vn =
Bn )
waarbij An en Bn de hoeveelheden van stof A respectievelijk B zijn op tijdstip
n. De overgangsmatrix behorende bij dit proces is dan:
0.3 0.2
M=
en er geldt: ~vn+1 = M ~vn
0.7 0.8
a) Bepaal de eigenwaarden en de bijbehorende eigenvectoren van matrix M .
16
b) Ga uit van de beginsituatie ~v0 =
. Schrijf ~v0 als lineaire combinatie
11
van de twee eigenvectoren en bepaal een expliciete formule voor ~vn .
176
HOOFDSTUK 8. MATRIX-ITERATIE
c) Beredeneer dat ongeacht de beginsituatie er altijd een evenwicht zal intreden
waarbij de hoeveelheden A en B zich verhouden als 2 : 7.
1
M=
1
1
1
1
1
0 2
L = 14 0 0
0 12 0
a) Bekijk het stelsel vergelijkingen dat hoort bij L~x = 2~x.
Zoek de waarde van waarvoor dit stelsel afhankelijk wordt.
0 0 1
M = 1 0 0
0 1 0
8.5. OPGAVEN
177
1
2
1
2
5 en
1
2
1
2
5 heeft.
( 12 + 12 5)n ( 12 12 5)n
Fn =
5
e) Een van de eigenwaarden van de matrix F is dominant, wat voor consequentie heeft dit voor de verhouding van opeenvolgende Fibonacci-getallen?
178
HOOFDSTUK 8. MATRIX-ITERATIE
Hoofdstuk 9
DIFFERENTIAALVERGELIJKINGEN
In de modellen die wij totnogtoe besproken hebben wordt de toestand van het systeem
gevolgd op een rij vaste tijdstippen t0 , t1 , t2 , . . . ,, waartussen steeds dezelfde tijdspanne
ligt. De tijdsvariabele in deze modellen is discreet, en meestal gewoon een natuurlijk
getal n N. Vaak is het echter effectiever met een continu verlopende tijd te werken.
Het verschil is dat veranderingen dan niet over vaste tijdseenheden als een P bekeken
op elk gegeven moment. Wij komen
worden, maar als veranderlijke groeisnelheid dP
dt
dan terecht op het gebied van de infinitesimaalrekening die aanvankelijk ontwikkeld
is om de beweging van vaste lichamen te beschrijven. Uiteraard is de groei van een
bacteriekolonie in wezen geen continu verlopend proces. Evenmin is de beweging van
een elementair deeltje dat op micro-niveau. Maar vanuit de gedealiseerde modellen
met continue variabelen kunnen wij de globale verandering vaak veel effectiever beschrijven dan met discrete. In de continue modellen worden de variabelen van het
systeem reeelwaardige functies die van de tijd afhangen. Bijvoorbeeld het aantal bacterieen is dan een functie P (t) waarvan de groei op elk moment t gegeven wordt als
P 0 (t). De modelaannames leiden tot bepaalde verbanden tussen P en diens afgeleiden,
bijvoorbeeld dat de groei van de populatie evenredig is met de omvang, oftewel dat er
een constante is zodat P 0 (t) = P (t). Een dergelijke vergelijking voor een functie
en zijn afgeleide(n) noemen we een differentiaalvergelijking. De kunst is dan uit die
vergelijking conclusies te trekken over het karakter van de functie P , liefst in de vorm
van een expliciete formule.
9.1
Differentiaalvergelijking
Een differentiaalvergelijking legt een verband vast tussen een variabele functie f en
diens afgeleiden. In dit hoofdstuk gaat het alleen over reele functies die alleen afhangen
van een continue variabele t. In het algemeen zullen wij die functie aanduiden met
gebruiken, voor de hogere afgeleiden
y(t). Voor de afgeleide van y zullen wij y 0 of dy
dt
179
180
HOOFDSTUK 9. DIFFERENTIAAL-VERGELIJKINGEN
dy
= y(y 1),
dt
dy
= y + sin t,
dt
y 00 + 2y 0 y = sin t
dy
dt
a = 2(at + b) t
a = 2at + 2b t
a = (2a 1)t + 2b
Wil dit voor elke t vervuld zijn dan moet a = 2b en 2a 1 = 0. Derhalve moet
a = 21 en dus b = 14 . De enige oplossing van de vorm y = at + b voor de gegeven
differentiaalvergelijking is dus y = 21 t + 14 .
9.1. DIFFERENTIAALVERGELIJKING
181
richtingveld
Uiteraard is het willekeurig proberen van functies om een oplossing te vinden in de
meeste gevallen ondoenlijk werk. Bovenstaand voorbeeld laat bovendien zien dat een
differentiaalvergelijking vele oplossingen kan hebben zodat onduidelijk blijft wanneer
we kunnen stoppen met proberen. Voor wij technieken bespreken voor het oplossen van
differentiaalvergelijkingen bespreken wij de meetkundige interpretatie van de vergelijking die ons in staat zal stellen te beoordelen of we met een gegeven stel oplossingen alle
oplossingen te pakken hebben. Deze meetkundige interpretatie is het zogenaamde richtingveld van de differentiaalvergelijking. Wij gaan uit van een differentiaalvergelijking
direct uitdrukt in y en t. Als voorbeeld nemen wij:
die dy
dt
dy
= 2y t
dt
Een oplossing van deze vergelijking is een kromme y(t) die door het t, yvlak gaat en
daarbij steeds precies de helling y 0 (t) heeft die met het rechterlid van de vergelijking
wordt beschreven, namelijk 2y t. Los van die kromme y(t) kunnen wij alvast in het
vlak alle richtingen aanbrengen die de differentiaalvergelijking beschrijft. Zo moet in
bijvoorbeeld het punt (2,1) de richting gelijk zijn aan 2y t = 2 1 2 = 0. Een oplossingskromme kan dus alleen horizontaal door (2,1) gaan. Bijvoorbeeld in het punt (2,3)
is de richting volgens de differentiaalvergelijking 2 3 2 = 4, hetgeen betekent dat een
oplossingskromme het punt (2,3) alleen kan aandoen met aldaar een richtingscoefficient
4. Aldus vertelt de differentiaalvergelijking voor elk punt afzonderlijk met welke helling oplossingskrommen daar voorbij kunnen komen. Teken in het t, y-vlak daarom die
richtingen als lijntjes met de juiste helling, dan ontstaat een soort mal waarin de oplossingskrommen moeten passen door overal precies te raken aan die lijntjes. Hieronder
is het richtingveld voor de differentiaalvergelijking getekend, met daarnaast enkele oplossingskrommen. Het richtingveld vertelt ons hoe de oplossingskrommen eruit moeten
3
-3
?1
?1
?2
?2
?3
-3
?3
-3
?3
?2
?1
-3
?3
?2
?1
zien. We kunnen een punt in het vlak kiezen en dan schetsen hoe de kromme vanuit
dat punt verder moet gaan, door zo goed mogelijk de richtingselementen te volgen.
Duidelijk wordt nu dat door elk punt van het vlak maar precies een kromme kan gaan.
182
HOOFDSTUK 9. DIFFERENTIAAL-VERGELIJKINGEN
Hoewel dit geen expliciete formules oplevert voor de oplossingen, geeft het ons wel een
kader om te beoordelen of een collectie oplossingen compleet is. Nodig is namelijk
dat in die collectie geen krommen mogen zitten die elkaar snijden en genoeg krommen
moeten zitten om het hele vlak te vullen.
Voorbeeld 9.2.
Schets het richtingveld van de volgende differentiaalvergelijking:
2
dy
=
dt
y1
Wij stellen vast dat de richting in een punt (t, y) alleen afhangt van y. De richtingen
in punten op een horizontale lijn y = c zijn dus allen gelijk. Hieronder is een tabel
gegeven voor de richtingen voor de waarden y=3 tot y=6.
y
dy
dt
3
12
2
23
1 0
1 2 3
1 2 2 1
2
3
1
2
1
3
Merk op dat voor y=1 de helling volgens de differentiaalvergelijking 10 is, wij interpreteren dit als een verticale richting. Teken nu in de eerste kolom punten lijntjes met
deze richtingen, en herhaal deze horizontaal voor alle kolommen. Aldus krijgen we het
hieronder getekende richtingveld.
helling = 2
3
y =4
y =3
y =2
y =1
3 opzij, 2 omhoog
helling = 1
0
verticaal
y =0
-2
-1
helling = - 1
1 opzij, 1 omlaag
y = -1
-1
y = -2
-2
y = -3
-3
In dit geval hebben we alleen de richtingen in een aantal roosterpunten berekend. Uiteraard kunnen we ook meer punten kiezen om een fijner beeld te krijgen.
separabele differentiaalvergelijkingen
Wij zullen nu een techniek bespreken om differentiaalvergelijkingen van een bepaalde
9.1. DIFFERENTIAALVERGELIJKING
183
dy
=t
dt
dy
= y(y 1)
dt
dy
= 2t y 3
dt
1 dy
= 2t
y 3 dt
oplossingsmethode
Aan de hand van een voorbeeld demonstreren wij hoe een separeerbare differentiaalvergelijking kan worden opgelost. In de stelling die daarna volgt zullen we de gehanteerde
methode nader verantwoorden.
Gezocht functies y(t) die voldoen aan de differentiaalvergelijking:
2t
dy
= 2
dt
y
Herschrijf de vergelijking in gesepareerde vorm:
y2
dy
= 2t
dt
Doe alsof het differentiaalquotient een breuk is en breng dt naar het rechterlid:
y 2 dy = 2tdt
Nu zouden ook de primitieven van linker- en rechterlid gelijk moeten zijn:
Z
Z
2
y dy = 2tdt
De primitieven zijn snel gevonden, vergeet niet een constante toe te voegen:
1 3
y
3
= t2 + C,
CR
3
y = 3t2 + , met R
waarin de parameter 3C vervangen is door een , omdat 3C toch heel R bestrijkt.
Hieronder links zie je het bijbehorende richtingveld. Merk op dat er in de oorsprong
184
HOOFDSTUK 9. DIFFERENTIAAL-VERGELIJKINGEN
-3
-2
-1
?1
?2
-2
?3
?3
-3
?3
?2
?1
?1
-1
?2
?3
?2
?1
0
0
met C R
9.1. DIFFERENTIAALVERGELIJKING
185
y dan moeten voldoen aan F (y) = G(t) + C? Linker en rechter lid van de differentiaalvergelijking zijn beide functies van t, en krachtens het gelijkteken moeten deze twee
functies voor elke waarde van t hetzelfde antwoord geven. Het linkerlid hangt van t af
via de functie y. De kettingregel zegt daarover dat dtd F (y(t)) = F 0 (y) dy
= f (y) dy
.
dt
dt
Volgens de differentiaalvergelijking is deze uitdrukking gelijk aan g(t), hetgeen de afgeleide is van G(t). Derhalve zijn de afgeleide van F (y(t)) en van G(t) gelijk. Dat is
precies dan waar als zij slechts een constante van elkaar verschillen. Daarom volgt uit
de differentiaalvergelijking dat F (y) = G(t) + C.
Om separabele differentiaalvergelijkingen op te lossen moeten wij dus primitieven bepalen. De lezer bij wie deze kunst is weggezakt, verwijzen wij naar het oefenblad aan
het eind van deze paragraaf.
Definitie 9.4.
Onder de algemene oplossing van een differentiaalvergelijking verstaan we collectie van
alle functies die oplossing zijn van die differentiaalvergelijking. Doorgaans geven wij
de algemene oplossing in de vorm van een parametervoorstelling voor functies.
Voorbeeld 9.5.
Bepaal de algemene oplossing van de volgende differentiaalvergelijking:
dy
= yt
dt
Schrijf de vergelijking in gesepareerde vorm en scheid ook het differentiaalquotient
volgens Stelling 9.3:
Z
Z
1 dy
1
1
=t
dy = tdt
dy = tdt
y dt
y
y
Primitiveer beide leden:
ln |y| = 21 t2 + C
Druk y uit in t:
1
2 +C
ln |y| = 21 t2 + C |y| = e 2 t
= e 2 t eC y = eC e 2 t
De constante C mag uit heel R gekozen worden, daardoor neemt eC elke positieve
waarde aan. Omdat wij kunnen kiezen tussen het teken + of , kan de hele uitdrukking
eC dus gezien worden als een nieuwe constante, die wij (verwarrenderwijs) ook weer
C kunnen noemen, nu uit R behalve 0. De constante C mag ook nog 0 gekozen
worden omdat de functie y = 0 ook aan de differentiaalvergelijking voldoet. Kortom
de algemene oplossing van de differentiaalvergelijking is:
1
y = Ce 2 t ,
met C R
186
HOOFDSTUK 9. DIFFERENTIAAL-VERGELIJKINGEN
Dat wij hiermee alle oplossingen van de differentiaalvergelijking hebben gevonden kunnen wij controleren door na te gaan of door elk punt (t0 , y0 ) van het t, yvlak een
kromme van de gegeven vorm gaat. Dat is inderdaad het geval, kies immers als con1 2
stante C = y0 /e 2 t0 .
beginwaardeproblemen
Vaak zijn wij niet op zoek naar alle oplossingen ( de zogenaamde algemene oplossing)
van een differentiaalvergelijking, maar zoeken naar een specifieke oplossing die aan
bepaalde beginvoorwaarden voldoet. Zo kan het zijn dat wij van de gezochte functie y(t)
al bepaalde waarden kennen. In dat geval spreken wij van een beginwaarde-probleem.
Voorbeeld 9.6.
Los het volgende beginwaarde-probleem op:
0
1
y = y1
y(1) = 4
dy
(y 1) = 1 (y 1)dy = dt
dt
Primitiveren aan beide kanten levert dan:
1
(y
2
Druk nu y uit in t:
(y 1)2 = 2t + 2C
1)2 = t + C,
y 1 = 2t + 2C
Z
(y 1)dy =
1dt
CR
y =1
2t + 2C,
met C R
Omdat de constante willekeurig gekozen kan worden, kunnen we 2C net zogoed vervangen door een enkele C. Willen wij functievoorschriften voor de krommen, dan valt elke
kromme uiteen in twee takken, een waarbij voor het wortelteken een + staat en een
waarbij daar een staat. De functies die oplossing zijn van de differentiaalvergelijking
zijn dus
y = 1 + 2t + C, met C R en y = 1 2t + C, met C R
Gevraagd was de oplossing
te vinden met y(1) = 4. Vullen wij 1 in de algemene vorm
dan krijgen wij y(1) = 1 2 1 + C = 4. Omdat de wortel niet negatief is, moeten
wij het teken voor de wortel kiezen. Vervolgens bepalen wij C:
1 2 + C = 4 2 + C = 5 2 + C = 25 C = 23
9.2
187
In hoofdstuk 3 behandelden wij de twee klassieke groeimodellen van Malthus en Verhulst op basis van functie-iteratie. Daarin was de tijdsvariabele discreet. Nu zullen wij
deze twee modellen behandelen op basis van differentiaalvergelijkingen, dus met een
continue tijdsvariabele. Het Malthus-model blijkt niets anders te zijn dan exponentiele
groei. Het Verhulstmodel leidt ook tot een expliciete formule, die wat ingewikkelder
is dan de exponentiele maar die niets vertoont van het grillige gedrag dat wij bij de
kwadratische iteratie zagen waartoe het discrete Verhulst-model aanleiding geeft.
Malthus: exponenti
ele groei
Laten wij de bevolkingsomvang op tijdstip t schrijven als G(t). In ons wiskundig model
werken wij met continue variabelen, hetgeen betekent dat de omvang die wij vinden in
het algemeen geen geheel getal zal zijn. Is de bevolking groot dan is dat geen sterke
vervorming van de werkelijkheid. In het discrete model wordt de groei van de bevolking
steeds over vaste tijdspannen gegeven, en wel als het verschil G(n + 1) G(n). In een
continu model is de groei uitgesmeerd over willekeurig kleine tijdspannen, sterker nog,
neemt de vorm van een groeisnelheid (helling) op ieder moment t. Uitgangspunt in het
model van Malthus is dat de bevolkingsgroei rechtevenredig is met de bevolkingsomvang. Derhalve is er een constante zodat moet gelden:
dG
= G
dt
Dit is een separabele differentiaalvergelijking. De variabele y is in dit geval vervangen
door G. Oplossingen vinden wij zoals wij in het voorgaande geleerd hebben:
Z
Z
dG
1
1
= G
dG = dt
dG = dt
dt
G
G
Primitiveren geeft:
ln |G| = t + C,
met C R
Druk G uit in t:
|G| = et+C G = eC et
met C R
met R
188
HOOFDSTUK 9. DIFFERENTIAAL-VERGELIJKINGEN
50
= 0.5 g = 0.51/5568 0.9998755
100
Met het gegeven dat de concentratie op dit moment 30 is, kunnen wij uitrekenen wat
t op dit moment is:
30 = 100 0.9998755t 0.9998755t = 0.3 t =
0.9998755
log 0.3 =
ln 0.3
9700
ln 0.9998755
Het stuk hout is dus ongeveer 10.000 jaar oud. Overigens is de Koolstof-14-datering
verre van precies. Een van de redenen is dat de C14 -concentratie in de atmosfeer niet
altijd gelijk is geweest, zodat levende organismen voorheen andere concentraties C14
opbouwden.
Verhulst: logistische groei
In het model van Verhulst is er behalve een aanvankelijke groeifactor een remmende
factor die sterker wordt als de bevolkingsomvang dichter in de buurt komt van een
kritieke omvang K. De eenvoudigste manier om dit te realiseren wordt beschreven met
de volgende differentiaalvergelijking:
dG
G
= (1 )G
dt
K
waarin de gecombineerde groeifactor (1 G/K) lineair afneemt met de populatiegrootte G. In de vergelijking zijn en K constanten. De parameter K wordt de
189
150
125
100
75
50
25
?1
-25
0
Het richtingveld geeft al een duidelijk beeld van hoe de groei van een populatie zal
verlopen. Is G klein dan zal er sterke groei zijn, komt G in de buurt van K dan is de
groei maar klein. Is de omvang G groter dan K dan is de groei negatief en zakt naar K,
sneller naarmate G verder boven K ligt. Omdat t geen invloed heeft op de richtingen in
het veld zal de ontwikkeling van de bevolking niet afhangen van het aanvangstijdstip.
Voor de oplossingskrommen betekent dat dat als y(t) een oplossingskromme is, ook
y(t + t0 ) dat zal zijn voor iedere t0 .
De differentiaalvergelijking van Verhulst is separabel, wij kunnen hem dus oplossen
zoals wij tevoren geleerd hebben. Schrijf de vergelijking in gesepareerde vorm en splits
het differentiequotient:
dG
G
= (1 )G
dt
K
1
dG = dt
(1 G/K)G
Voor wij gaan primitiveren vermenigvuldigen wij de breuk links onder en boven met
K:
Z
Z
K
K
dG = dt
dG = dt
(K G)G
(K G)G
Om links te kunnen primitiveren hebben wij zogenaamde breuksplitsing nodig, een
techniek die de lezer waarschijnlijk niet kent. In elk geval kan hij/zij zelf wel nagaan
190
HOOFDSTUK 9. DIFFERENTIAAL-VERGELIJKINGEN
met C R
Let op dat de primitieve van de tweede breuk een minteken krijgt omdat de afgeleide
van K G naar G gelijk is aan 1.
Omdat ln a ln b = ln ab krijgen wij dan:
G
G
= t + C
ln
= eC et
K G
K G
Vervang de uitdrukking eC door een nieuwe constante R, dan:
G
= et
K G
Daaruit volgt:
G = Ket Get
dus
G(1 + et ) = Ket
Ket
G=
=
1 + et
K
K
= 1 t
+1
e
+1
1
et
Vervang nu 1 door een nieuwe constante , die weer uit heel R gekozen mag worden,
dan vinden we als algemene oplossing:
G(t) =
K
et
+1
met R
Gewoonlijk zullen wij al weten wat de aanvankelijke omvang van de bevolking is. Laten
wij die G0 noemen. Dan is de waarde van de parameter te berekenen op de volgende
manier:
K
K
K
K
G0 = 0
G0 =
1+ =
=
1
e
+1
1+
G0
G0
In het model van Verhulst groeit een bevolking dus volgens:
G(t) =
1+
( GK0
K
1)et
191
waarin G0 de beginomvang is, de intrinsieke groeifactor en K de draagkracht. De betreffende kromme heeft een typische S-vorm en staat bekend als de logistische kromme
(of sigmode). Hij beschrijft een groei die aanvankelijk bij benadering exponentieel is,
maar bij grotere omvang afvlakt om af te buigen naar een horizontale asymptoot K.
6
K4
3
00
?1
mond-tot-mond-reclame
Een mooie toepassing van het Verhulstmodel betreft mond-tot-mond-reclame (M.de
Gee in Wiskunde in Werking 2) bij de lancering van een nieuwe herbicide onder graanboeren in Iowa (VS). Laat p(t) de fractie zijn van boeren die de nieuwe herbicide
gebruiken, dus als getal tussen 0 en 1. Iemand die de herbicide nog niet gebruikt zal
dit gaan doen na een aantal contacten met (tevreden) gebruikers. De groei van het
aantal gebruikers hangt dus af van de kans dat een niet-gebruiker een zeker aantal
gebruikers tegenkomt oftewel van p(t) (1 p(t)). Derhalve voldoet p aan de Verhulstdifferentiaalvergelijking: p0 = p(1p), waarin wij de draagkracht op 1 hebben gesteld.
Het feitelijk verloop van de marktpenetratie gehoorzaamde aardig aan het model, getuige onderstaand grafiek.
percentage gebruikers
100 %
75 %
50 %
25 %
jaren na introductie
192
HOOFDSTUK 9. DIFFERENTIAAL-VERGELIJKINGEN
OEFENBLAD PRIMITIVEREN
Gevraagd voor een gegeven functie f een primitieve F te bepalen, dwz een functie
waarvan de afgeleide gelijk is aan f . Omdat bij differentieren constante termen wegvallen is met F dan ook elke functie F + c voor c R een primitieve van f . Voor de
hele collectie primitieven gebruiken wij de notatie:
Z
F (x)dx
Om met deze lijst voorbeelden te oefenen is het handig de rechterhelft van de bladzijde
af te dekken en eerst zelf de oplossing te zoeken.
D
Als notatie gebruiken wij f 7 g voor differentieren van f geeft g.
1. x
2.
x
f (x)dx
1 2
x +C
2
2
x x+C
3
toelichting
1 2
D 1
x + C 7 2x = x
2
2
1
1
x = x 2 . Probeer dus als primitieve x 2 +1 = x x:
1
3
3
1
D
x x = x1 2 = x 2 7 23 x 2 1 = 32 x 2
We komen een factor 32 verkeerd uit,
3. 5x + 2
2 12 x2 + 2x + C
2 12 x2 + 2x + C 7 2 21 2x + 2 = 5x + 2
4. (2x + 3)2
1
(2x
6
5.
6.
7.
+ 3)3 + C
1
x2
1
+C
x
1
x
ln |x| + C
1
1x
8. sin(2x + 1)
1
x2
= x2 ,
1
1x
1
x
1 = x1 .
ln |1 x| + C
ln |1 x| 7
1 volgens de kettingregel,
12 cos(2x + 1) + C
9.3. OPGAVEN
9.3
193
Opgaven
1. Licht verliest aan intensiteit bij het doorlopen van een glaslaag. Als invallend
licht een intensiteit I0 heeft en x de afgelegde weg door het glas is, dan voldoet
de overgebleven intensiteit I(x) aan de differentiaalvergelijking I 0 (x) = k I(x)
met k de uitdovingscoefficient (wet van Lambert en Beer). Een glasplaat met een
dikte van 3mm laat 40 % van het licht door. Bepaal de uitdovingscoefficient.
2. Tijdens een experiment wordt een petri-schaaltje per ongeluk genfecteerd met
een aantal bacterien. Na 24 uur is de bacteriepopulatie uitgegroeid tot G = 105
en na nog eens 24 uur tot G = 108 . Hoeveel bacterien kwamen bij het ongeluk
in het schaaltje terecht uitgaande van het exponentiele groeimodel?
3. Schets voor de volgende differentiaalvergelijkingen het richtingveld:
2
dy
dy
dy
=
b)
= y c)
=t+y
a)
dt
1+y
dt
dt
4. Gegeven is de differentiaalvergelijking:
t
dy
=
dt
1+y
dy
= y2
dt
b)
dy
= 12 y 5
dt
c)
dy
=2y
dt
d)
dy
= t2 y
dt
e)
dy
2t
=
dt
y
7. Een voorwerp wordt in een omgeving geplaatst waar een andere temperatuur
heerst. Volgens de koelwet van Newton zal het voorwerp dan de temperatuur
van de omgeving gaan aannemen met een snelheid die evenredig is met het temperatuurverschil. Noem de temperatuur van het object T (t), en schrijf voor de
omgevingstemperatuur U0 , dan geldt volgens Newton:
dT
= (U0 T )
dt
a) Wat is de fysische betekenis van de coefficient ?
b) Los de deze differentiaalvergelijking op, met daarin als parameter.
194
9.4
HOOFDSTUK 9. DIFFERENTIAAL-VERGELIJKINGEN
In de differentiaalvergelijkingen die wij totnogtoe oplosten werd de afgeleide van de gezochte functie y(t) uitgedrukt in y en de onafhankelijke variabele t. In veel toepassingen
spelen niet de afgeleide maar ook hogere afgeleiden een rol. Denk bijvoorbeeld aan de
versnelling van een voorwerp als dit beweegt onder de invloed van een kracht. De hogere orde afgeleiden verschijnen dan in de differentiaalvergelijkingen. In deze paragraaf
zullen wij een hanteerbare klasse van dergelijke hogere orde differentiaalvergelijkingen
behandelen. Het gaat om vergelijkingen voor functies y(t) van de vorm:
y (n) + an1 y (n1) + . . . + a1 y 0 + a0 y = f (t)
waarin de ai constanten zijn, en f (t) een functie is die alleen van t afhangt. Een
dergelijke differentiaalvergelijking is dan van de n-de orde. Bij de totstandkoming van
deze vergelijking zijn de diverse afgeleiden alleen vermenigvuldigd met constanten en
opgeteld, vandaar dat dit type bekend staat als lineaire differentiaalvergelijkingen, met
de specificatie: met constante coefficienten. Eerst zullen wij ons bezighouden met de
homogene vergelijkingen, waarin dus f (t) = 0. In de volgende paragraaf pakken wij de
inhomogene vergelijkingen aan.
De oplossingstechniek rolt redelijk soepel uit het proberen van oplossingen van de
vorm y(t) = et . Wij zullen eerst twee voorbeelden behandelen en daarna de algemene
aanpak formuleren. In die voorbeelden wordt al gebruik gemaakt van een eenvoudig
consequentie van het lineaire karakter van de onderhavige differentiaalvergelijkingen,
namelijk dat wij gevonden oplossingen altijd kunnen vermenigvuldigen met een reele
factor en bij elkaar kunnen optellen om vele nieuwe oplossingen te genereren.
Lemma 9.8.
Gegeven een homogene lineaire differentiaalvergelijking:
y (n) + an1 y (n1) + . . . + a1 y 0 + a0 y = 0
Stel dat y1 (t) en y2 (t) oplossingen zijn van deze vergelijking,
dan is ook C1 y1 (t) + C2 y2 (t) een oplossing voor iedere C1 , C2 R.
bewijs
Wij bewijzen dat:
1) als f en g oplossingen zijn, dan is ook f + g een oplossing;
2) als f een oplossing is, en R, dan is ook f een oplossing.
Daaruit volgt dan het gestelde.
Ad 1): Stel f en g voldoen aan de differentiaalvergelijking, en beschouw de functie
z = f + g. Met (herhaald) toepassen van de somregel van het differentieren krijgen
wij:
z 0 = f 0 + g 0 , z 00 = f 00 + g 00 , . . . , z (n) = f (n) + g (n)
195
u00 = f 00 ,
. . . , u(n) = f (n)
Gebruik dit bij het invullen van u = f in de differentiaalvergelijking, dan krijgen wij:
z (n) + an1 z (n1) + . . . + a1 z 0 + a0 z = f (n) + an1 f (n1) + . . . + a1 f 0 + a0 f
= (f (n) + an1 f (n1) + . . . + a1 f 0 + a0 f )
=0=0
Voorbeeld 9.9.
Gezocht functies van de vorm y(t) = et die voldoen aan de tweede-orde differentiaalvergelijking:
y 00 = 4y
Dat deze vergelijking homogeen is zien wij door hem te herschrijven tot y 00 4y = 0.
Wij proberen of er oplossingen zijn van de vorm y = et . Voor zulke functies geldt:
y 0 = et
en
y 00 = 2 et
met C1 , C2 R
De vraag is nu of dit genoeg oplossingen zijn. Gezien het feit dat de differentiaalvergelijking de dubbele afgeleide vastlegt zouden we in staat moeten zijn om vanuit een
startwaarde y(0) en de bijbehorende y 0 (0) een oplossingskromme te vinden. Met de
twee parameters C1 en C2 lijkt het precies te lukken. De lezer zal misschien moeite
hebben met deze argumentatie. In het volgende hoofdstuk zullen wij een betere onderbouwing kunnen geven.
196
HOOFDSTUK 9. DIFFERENTIAAL-VERGELIJKINGEN
Voorbeeld 9.10.
Gezocht functies van de vorm y(t) die voldoen aan de tweede-orde differentiaalvergelijking:
y 00 = y
De lezer bekend met de diverse bijzondere functies ziet misschien meteen al een oplossing. De afgeleide van cos t is namelijk sin t, en diens afgeleide is weer cos t, zodat
y = cos t een functie is die gelijk is aan minus zijn eigen dubbele afgeleide. Maar laten
wij eens bekijken wat er gebeurt als wij nietsvermoedend op zoek gaan naar oplossingen
van de vorm y = et . Wederom geldt:
y 0 = et
en
y 00 = 2 et .
met C1 , C2 R
197
De twee voorgaande voorbeelden lieten zien dat het zinnig is bij een lineaire differentiaalvergelijking oplossingen van de vorm y = et te proberen. Wij gaan dit nu in zijn
algemeenheid doen om te zien hoe effectief die aanpak feitelijk is. Gegeven de lineaire
differentiaalvergelijking (met constante coefficienten) van orde n:
y (n) + an1 y (n1) + . . . + a1 y 0 + a0 y = 0
Neem y = et dan geldt:
y 0 = et ,
y 00 = 2 et ,
. . . y (n) = n et
Wil deze y een oplossing zijn van de differentiaalvergelijking, dan moet gelden:
n et + an1 n1 et + . . . + a1 et + a0 et = 0
oftewel voor elke t R moet gelden:
(n + an1 n1 + . . . + a1 + a0 )et = 0
Dit kan alleen maar het geval zijn als:
n + an1 n1 + . . . + a1 + a0 = 0
Deze vergelijking noemen wij de karakteristieke vergelijking van de differentiaalvergelijking. De oplossingen van deze karakteristieke vergelijking zijn de s waarvoor
functie y = et een oplossing is van de differentiaalvergelijking. Volgens de hoofdstelling van de algebra (hoofdstuk 7) heeft deze vergelijking n oplossingen; mogelijkerwijs
zijn daar dan wel samenvallende oplossingen onder en complexe, in de vorm van paren
die elkaars complex-toegevoegde zijn. In Voorbeeld 9.10 zagen wij hoe de complexe
oplossingen goniometrische functies genereren. Een geval van samenvallende oplossingen zullen wij in Voorbeeld 9.13 bekijken, maar eerst formuleren wij onze aanpak in de
navolgende Stelling 9.12 algemeen voor elke tweede-orde lineaire differentiaalvergelijking met constante coefficienten. Wie het bijbehorende bewijs leest zal weinig moeite
hebben de methode te generaliseren voor vergelijkingen van orde 3 en hoger. In deze
cursus beperken wij ons echter tot orde 2.
Definitie 9.11.
Gegeven is de homogene lineaire differentiaalvergelijking met constante coefficienten:
y (n) + an1 y (n1) + . . . + a1 y 0 + a0 y = 0
Onder de karakteristieke vergelijking van deze differentiaalvergelijking verstaan wij de
volgende vergelijking in x C:
xn + an1 xn1 + . . . + a1 x + a0 = 0
198
HOOFDSTUK 9. DIFFERENTIAAL-VERGELIJKINGEN
Stelling 9.12.
Gegeven de lineaire differentiaalvergelijking:
y 00 + py 0 + qy = 0
Noem de karakteristieke vergelijking van deze differentiaalvergelijking , dan is de
discriminant van gelijk aan: = p2 4q. De differentiaalvergelijking heeft dan de
volgende oplossingen, afhankelijk van of groter, gelijk of kleiner dan 0 is:
> 0 : 1 en 2 zijn de twee reele oplossingen van
y(t) = C1 e1 t + C2 e2 t , met C1 , C2 R
= 0 : is de unieke dubbeltellende oplossing van
y(t) = C1 et + C2 tet met C1 , C2 R
< 0 : + i en i zijn de complexe oplossingen zijn van
y(t) = (C1 cos(t) + C2 sin(t))et , met C1 , C2 R
bewijs
In bovenstaande passages hebben wij al het nodige werk gedaan. Wij lieten al zien
door invullen dat als een oplossing is van , de functie y(t) = et een oplossing is
van de differentiaalvergelijking. Volgens Lemma 8 zijn met twee oplossingen dan ook
al hun lineaire combinaties oplossingen. Geval 1 is daarmee al afgehandeld.
Het geval 3 is eigenlijk geheel analoog aan 1 zij het dat wij nu complex moeten rekenen.
Sowieso hebben wij de twee complexe oplossingen: y1 = e(+i)t en y2 = e(i)t . Deze
kunnen we herschrijven tot y1 = et eit en y2 = et eit Reele oplossingen kunnen
we krijgen als handig gekozen lineaire combinaties van deze twee:
z1 =
z2 =
1
(y + y2 ) = 21 et (eit + eit ) = 12 et 2 cos t
2 1
1
(y y2 ) = 2i1 et (eit eit ) = 2i1 et 2i sin t
2i 1
= et cos t
= et sin t
Bij geval 2 hebben wij maar een oplossing voor de karakteristieke vergelijking, die
levert de functie y = et als oplossing voor de differentiaalvergelijking. Wij beweren nu
dat in dit geval ook y = tet een oplossing is. Men kan dit doen door gebruik te maken
van het gegeven dat = 0 en dan door invullen controleren dat tet inderdaad aan de
differentiaalvergelijking voldoet. Mooier is het de correspondentie tussen de differentiaalvergelijking en zijn karakteristieke vergelijking te benutten. Die correspondentie
wordt transparanter als we gebruik maken dan de zogenaamde D-operator. Deze staat
voor differentieren, en wordt opgevat als een operatie die werkt op functies. Is f een
functie dan bedoelen we met Df de afgeleide van f . Voor tweemaal differentieren gebruiken we dan D2 . Deze operator is lineair, immers D(f +g) = Df +Dg, volgens
de factor- en de somregel van het differentieren. Wij kunnen de D-operator ook combineren tot ingewikkelder operaties. Zo beschrijft (D2 + D + 1) dat wij een ingevoerde
functie twee maal differentieren, vervolgens optellen bij zijn afgeleide, en bij de functie
zelf. Dus: (D2 +2D+1)f = D2 f +2Df +f = f 00 +2f 0 +f . Deze operaties gehoorzamen
de gebruikelijke algebrasche wetten, bijvoorbeeld (D +1)(D +1) = D2 +2D +1 immers
(D + 1)(D + 1)f = (D + 1)(Df + f ) = (D(Df + f )) + (Df + f )) = D2 f + 2Df + f
199
(D2 + pD + q)y = 0
De operatie D2 +pD+q moet dus van de functie y de 0-functie maken. Dat de discriminant van de karakteristieke vergelijking 0 is, betekent dat de karakteristieke vergelijking
geschreven kan worden in de vorm (x )2 = 0. De differentiaalvergelijking geschreven
met de D-operator laat zich dan volgens dezelfde algebrasche wetten herschrijven tot
(D )2 y = 0. Nu vullen wij y = tet in om te zien of deze inderdaad een oplossing is:
(D )2 tet = (D )(D )tet = (D )(D(tet ) tet )
Nu hebben wij de productregel voor het differentieren nodig: de afgeleide van tet is
et + tet . Derhalve:
= (D )(et + tet tet ) = (D )et = Det et = et et = 0
Met de D-operator zal het de fanatieke lezer niet moeilijk vallen de hele stelling te
generaliseren voor vergelijkingen van hogere orde dan 2.
Dat wij met de aangegeven oplossingen ook alle oplossingen van de differentiaalvergelijking hebben zullen wij pas in hoofdstuk 10 beargumenteren. Voorlopig stellen we
ons tevreden met het feit dat de aangegeven algemene oplossingen twee vrijheidsgraden
hebben zodat er ruimte is om bij een specifieke beginwaarde en de bijbehorende helling
een oplossing te vinden.
Voorbeeld 9.13.
Gegeven de differentiaalvergelijking:
y 00 = 0
Ook zonder bovenstaande stelling zouden wij de oplossingen al snel vinden. Wil de
dubbele afgeleide 0 zijn, dan moet de afgeleide een constante functie zijn, en de functie
zelf dus een lineaire. De reden dat wij het voorbeeld toch behandelen is dat wij willen
demonstreren hoe deze oplossingen tevoorschijn komen bij de aanpak die wij hierboven
behandelden.
De karakteristieke vergelijking van de differentiaalvergelijking is x2 = 0, en deze heeft
als enige (samenvallend nulpunt) de waarde = 0. Volgens Stelling 9.12 (geval = 0)
zijn de oplossingen van de differentiaalvergelijking dan van de vorm:
y = C1 et + C2 tet
met C1 , C2 R
200
HOOFDSTUK 9. DIFFERENTIAAL-VERGELIJKINGEN
Net als bij eerste orde differentiaalvergelijkingen kunnen wij op zoek zijn naar een
specifieke oplossing die aan bepaalde beginvoorwaarden voldoet. In het algemeen is
de vrijheidsgraad in de oplossingen gelijk aan de orde van de differentiaalvergelijking.
Willen wij bij een tweede orde vergelijking dus een specifieke oplossing vastpinnen
dan moeten er voor y(t) en y 0 (t) samen twee waarden worden voorgeschreven. In de
voorbeelden die wij bekijken zal het steeds gaan om de waarden van y(0) en y 0 (0).
Voorbeeld 9.14.
Los het volgende beginvoorwaardenprobleem op:
00
y y0 6 y = 0
y(0) = 5, y 0 (0) = 0
De karakteristieke vergelijking is 2 6 = 0. Los deze op:
2 6 = 0 ( 3)( + 2) = 0 = 3 of = 2
Derhalve is de algemene oplossing van de differentiaalvergelijking:
y(t) = C1 e3t + C2 e2t
met C1 , C2 R
met C1 , C2 R
201
met behulp van een lineaire differentiaalvergelijking van de tweede orde. Breng een
schaalverdeling aan langs de horizontale baan, met de oorsprong in de evenwichtsstand
waar de veer geen kracht uitoefent op M . Beschrijf de uitwijking van M op moment t
met de functie x(t). De snelheid van M tijdens de beweging is dan de afgeleide van de
weg, dus x0 (t). De versnelling is x00 (t). Op de massa werken twee krachten:
Fv de kracht van de veer die tegengesteld is aan de uitwijking;
Fw de wrijvingskracht uitgeoefend door het systeem, tegengesteld aan
de bewegingsrichting.
Voor een veer geldt gewoonlijk dat de kracht evenredig is met de uitwijking volgens de
formule Fv = x(t) waarin > 0 de veerconstante is. Voor de wrijving geldt dat deze
evenredig is met de snelheid volgens Fw = f x0 (t), waarin f de wrijvingscoefficient
is. De totale kracht die op M werkt is Fv + Fw . De bewegingswetten van Newton
zeggen dat de kracht een versnelling teweegbrengt volgens F = m a. Voegen wij nu
alles samen:
Fv + Fw = ma x f x0 = mx00
Dan moet de uitwijking x(t) voldoen aan de volgende lineaire differentiaalvergelijking:
mx00 + f x0 + x = 0
202
HOOFDSTUK 9. DIFFERENTIAAL-VERGELIJKINGEN
Afhankelijk van de waarden van de massa m, de wrijvingscoefficient f en de veerconstante zal M in een trilling geraken of direct naar de evenwichtsstand schuiven. De
discriminant = f 2 4m is bepalend voor het type beweging. Wij onderscheiden
de drie gevallen:
> 0 Overdemping. Verhoudingsgewijs is de wrijving groot waardoor
M asymptotisch naar de evenwichtsstand schuift.
< 0 Onderdemping. De wrijving is klein zodat M heen en weer door
de evenwichtsstand schuift, waarbij de uitwijking kleiner wordt
asymptotisch naar 0.
= 0 Kritieke demping. De wrijving is precies zo groot dat M zonder
slingeren zo snel mogelijk naar de evenwichtsstand gaat.
x(t)
x(t)
onderdemping
overdemping
kritieke demping
203
Voorbeeld 9.16.
Bekijk het gedealiseerde geval van een harmonische trilling waarin de beweging geheel
wrijvingsloos verloopt. De beweging gehoorzaamt dan de differentiaalvergelijking:
mx00 + x = 0
De karakteristieke vergelijking is nu:
m2 + = 0
Oplossingen van de karakteristieke vergelijking vinden wij aldus:
r
r
2
=
=i
of = i
m
m
m
Daarmee is de algemene oplossing van de differentiaalvergelijking:
r
r
x(t) = C1 cos
t + C2 sin
t, met C1 , C2 R
m
m
Laten wij M los vanuit de positie x(0) = 1, dan hebben wij beginvoorwaarden:
x(0) = 1,
x0 (0) = 0
Tenslotte moeten wij C1 en C2 bepalen zodat x(t) aan deze voorwaarden voldoet. Om
te zorgen dat x(0) = 1 moet:
r
r
x(0) = 1 C1 cos(
0) + C2 sin(
0) = C1 1 + C2 0 = 1
m
m
Dus C1 = 1. Nu moet ook nog x0 (0) = 0, dat is zeker vervuld als wij C2 = 0 kiezen,
want
r
x(t) = cos
t
m
heeft bij t = 0 een horizontale raaklijn. De massa M maakt in dit geval dus een
ongedempte harmonische beweging.
9.4.1
204
HOOFDSTUK 9. DIFFERENTIAAL-VERGELIJKINGEN
bijbehorende homogene stelsel. Gegeven een inhomogeen stelsel (S) is het nuttig eerst
het bijbehorende homogene stelsel (hS) op te lossen. Vind je dan nog een specifieke
oplossing p~ van (S) dan zijn alle oplossingen van (S) de sommen van p~ met de oplossingen van (S). Bij lineaire differentiaalvergelijkingen blijkt iets vergelijkbaars aan de
hand te zijn. Ook hier geldt:
alg. oplossing DV = particuliere opl. DV + alg. opl. homDV
Voor wij dit preciezer formuleren en bewijzen, staan wij wat langer stil bij de analogie
tussen enerzijds vectoren en anderzijds functies. Net als vectoren kunnen we functies
bij elkaar optellen en scalair vermenigvuldigen. Vergelijk bijvoorbeeld een uitdrukking
als:
y(t) = C1 et + C2 e2t , met C1 , C2 R
met de parametervoorstelling van een vlak. De twee functies et en e2t hebben hier
de rol van de twee richtingsvectoren die de collectie opspannen in de zin dat de y(t)s
lineaire combinaties zijn van deze twee richtingen. In de vectorruimte R3 kunnen alle
vectoren geschreven worden als combinatie van drie basisvectoren, daarom noemen wij
R3 een driedimensionale ruimte. De functies van R naar R vormen samen een oneindigdimensionale ruimte. De uitdrukking hierboven legt een tweedimensionaal deel van die
ruimte vast. De twee opspanners et en e2t noemden wij in het voorgaande wezenlijk
verschillend. Vanuit de beschreven analogie kunnen wij nu beter zeggen dat zij een
onafhankelijk stelsel vormen. Volgen wij Definitie 5.9 letterlijk dan betekent dat
C1 et + C2 e2t = 0 C1 = 0 en C2 = 0
Let wel, dit gaat dan over complete functies, dus de 0 staat voor de nulfunctie y(t) = 0,
en gelijkheid betekent dat de betreffende functies voor elke t R gelijk moeten zijn.
Het is voldoende t = 0 en t = 1 in te vullen om te zien dat de gelijkheid alleen geldt
als C1 = C2 = 0.
Stelling 9.17.
Gegeven een inhomogene lineaire differentiaalvergelijking:
y (n) + an1 y (n1) + . . . + a1 y 0 + a0 y = f (t)
Stel alle oplossingen van de bijbehorende homogene differentiaalvergelijking worden
beschreven met de volgende parameteruitdrukking:
y = 1 y1 + . . . n yn
met 1 , . . . , n R
En stel p(t) is een oplossing van de inhomogene differentiaalvergelijking (een zogenaamde particuliere oplossing), dan worden alle oplossingen z(t) van die inhomogene
vergelijking gegeven met:
z = p + 1 y1 + . . . n yn
met 1 , . . . , n R
205
bewijs
Stel z(t) is een oplossing van de inhomogene differentiaalvergelijking. Beschouw dan
de functie p(t) z(t). Omdat zowel p als z oplossingen zijn van de inhomogene differentiaalvergelijking geldt:
p(n) + an1 p(n1) + . . . + a1 p0 + a0 p = f (t)
z (n) + an1 z (n1) + . . . + a1 z 0 + a0 z = f (t)
Trekken trekken wij deze twee gelijkheden van elkaar af, dan krijgen wij gebruikmakend
van de factorregel en de somregel van het differentieren:
(p z)(n) + an1 (p z)(n1) + . . . + a1 (p z)0 + a0 (p z) = f (t) f (t) = 0
En zien dus dat p(t) z(t) een oplossing is van de homogene differentiaalvergelijking.
Volgens de aanname is deze functie dus te schrijven in de vorm:
p z = 1 y1 + . . . + n yn ,
voor zekere 1 , . . . , n R. Nu is z = p + (z p) dus van de vorm:
p + 1 y1 + . . . + n yn
met 1 , . . . , n R
206
HOOFDSTUK 9. DIFFERENTIAAL-VERGELIJKINGEN
y 0 = 2at + b,
y 00 = 2a
6a
=3
2a 6b = 0
6at2 + (2a 6b)t + (2a b 6c) = 3t2 + 0t 1
2a b 6c = 1
De eerste vergelijking geeft: a = 21 , waarmee de tweede vergelijking overgaat in:
1 6b = 0. Dus b = 16 . Vullen wij de gevonden waarden van a en b in de derde
1
. Een
vergelijking in, dan krijgen we: 1 61 6c = 1 waaruit volgt dat c = 36
particuliere oplossing is dus:
p(t) = 12 t2 + 16 t
1
36
1
36
+ C1 e3t + C2 e2t ,
met C1 , C2 R
Voorbeeld 9.19.
Bepaal een particuliere oplossing van de volgende differentiaalvergelijking:
y 00 2y 0 y = cos t
Op grond van het rechterlid zouden wij kunnen proberen p(t) = a cos t, echter als wij
deze uitdrukking differentieren verschijnen er ook termen met sin t. Daarom proberen
wij de wat ruimere klasse van functies: q(t) = a cos t + b sin t. Met het oog op invullen
bepalen wij eerst q 0 en q 00 :
q = a cos t + b sin t,
q 0 = a sin t + b cos t,
q 00 = a cos t b sin t
207
0 = et
Helaas, geen enkele a kan zorgen dat dit klopt. Welbeschouwd: als we p invullen in
het linkerlid van de differentiaalvergelijking krijgen wij 0. Dat komt doordat et al een
oplossing is van de bijbehorende homogene vergelijking. De karakteristieke vergelijking
is immers 2 1 = 0, met als oplossingen = 1 en = 1, zodat et en et oplossingen
zijn.
In zon geval moeten wij een andere vorm proberen. Wij kunnen dan dezelfde truc
toepassen van het geval = 0 in Stelling 9.12. Namelijk, neem q = atet . dit werkt
inderdaad. Differentieren (productregel !) geeft:
q = atet ,
q 0 = aet + atet
Invullen in de differentiaalvergelijking:
2aet + atet atet = et 2a et = et
Dit wordt vervuld met a = 21 , zodat 12 t et een particuliere oplossing is.
208
HOOFDSTUK 9. DIFFERENTIAAL-VERGELIJKINGEN
Voorbeeld 9.21.
Bepaal de algemene oplossing van de volgende differentiaalvergelijking:
y 0 = y + t + et
Herschrijf de vergelijking zodat duidelijk wordt dat wij hier te maken hebben met een
eerste-orde lineaire differentiaalvergelijking:
y 0 y = t + et
De bijbehorende homogene vergelijking heeft de karakteristieke vergelijking: 1 = 0
en dus als algemene oplossing = 1 zodat de algemene oplossing van de homogene
vergelijking luidt: y(t) = C et . Vervolgens zoeken wij een particuliere oplossing van de
inhomogene vergelijking. Omdat het rechterlid uit twee termen bestaat en de vergelijking lineair is kunnen we afzonderlijk particuliere oplossingen zoeken voor de vergelijking met rechterlid = t en de vergelijking met rechterlid = et .
1) Om een particuliere oplossing te vinden voor y 0 y = t proberen wij de vorm
y = at + b. De afgeleide is dan y 0 = a, invullen levert:
a (at + b) = t
at + (a b) = t
Wil dit voor alle t R vervuld zijn dan moet a = 1 en b = 1. Dus als eerste term
voor de particuliere oplossing hebben wij: t 1.
2) Om een particuliere oplossing te vinden voor y 0 y = et moeten wij ons eerst
realiseren dat et al een oplossing is van de homogene vergelijking, derhalve proberen
wij de vorm y = atet . De afgeleide is dan y 0 = aet + atet en invullen levert:
aet + atet atet = et
aet = et
Wil dit voor elke t R vervuld zijn, dan moet a = 1, zodat de tweede term van de
particuliere oplossing is: tet .
Zo vinden wij als particuliere oplossing: t 1 + tet en luidt de algemene oplossing
van de differentiaalvergelijking:
y(t) = t 1 + tet + Cet ,
met C R
209
3) goniometrische functie
Als f (t) van de vorm sin t is of cos t probeer dan
de algemene uitdrukking: a sin t + b cos t
4) invullen geeft 0
Als p(t) al een oplossing is van de homogene vergelijking geeft invullen
van p(t) noodzakelijkerwijs 0. Probeer dan een algemene vorm met t p(t).
9.4.2
Opgaven
210
HOOFDSTUK 9. DIFFERENTIAAL-VERGELIJKINGEN
7. Bij de gedempte trilling van een massa M aan een veer gelden de volgende waarden m=1, f =2.5 en =1. Daarom voldoet de uitwijking x(t) van de massa M
aan de volgende differentiaalvergelijking:
x00 (t) + 2.5 x0 (t) + x(t) = 0
a) Bepaal de algemene oplossing van deze differentiaalvergelijking.
b) De massa wordt op afstand 1 van de evenwichtsstand losgelaten, derhalve
moet x(t) ook nog voldoen aan de volgende beginvoorwaarden:
x(0) = 1,
x0 (0) = 0
Hoofdstuk 10
STELSELS DIFFERENTIAALVERGELIJKINGEN
In dit hoofdstuk behandelen wij een eenvoudige categorie van stelsels differentiaalvergelijkingen. In zon stelsel gaat het niet om een, maar meerdere functies y1 , y2 , . . . , yn
waarvan de afgeleiden door de vergelijkingen uitgedrukt worden in combinaties van de
functies zelf. Ter inleiding bespreken wij het bekende Lotka-Volterra model voor een
roofdier- en een prooidierpopulatie die zich in onderlinge samenhang ontwikkelen.
Lotka-Volterra-model
Alleen onder heel bijzondere omstandigheden, zoals in een laboratoriumopstelling ontwikkelen populaties zich autonoom. In een reele situatie maken organismen deel uit van
een ecologisch systeem, waarin de ene soort zich vermeerdert ten koste van sommige en
ten voordele van andere soorten. Een beroemd voorbeeld van een wiskundig model dat
de groei van onderling afhankelijke populaties beschrijft is het Lotka-Volterra model.
In dit model gaat het om de interactie tussen een populatie roofdieren en een populatie
van prooidieren. Op grond van observaties blijken zulke prooi-roofdier populaties zich
cyclisch te kunnen ontwikkelen waarin tijden van veel prooidieren gevolgd worden door
tijden waarin er juist weinig prooidieren zijn. Dit verschijnsel is goed te begrijpen: als
er veel prooidieren zijn kunnen de roofdieren zich snel vermeerderen, immers zij hebben volop te eten. Het grotere aantal roofdieren gaat dan ten koste van de populatie
prooidieren. En zijn er eenmaal minder prooidieren dan krijgen de roofdieren het moeilijker. Lotka en Volterra stelden begin twintiger jaren van de 20ste eeuw onafhankelijk
van elkaar een wiskundig model op waarin dit fenomeen optreedt op grond van twee
differentiaalvergelijkingen.
De twee populaties beschrijven wij met functies P (t) en R(t) voor respectievelijk de
prooidieren en de roofdieren. De populaties bevinden zich binnen een vast gebied. Het
prooi-roof-karakter van het model wordt gekwantificeerd middels het begrip predatie,
dat is het aantal keren per tijdseenheid dat een roofdier een prooidier tegenkomt (en
verorbert). De predatie veronderstellen wij evenredig met P en R, dus met P R.
Voor de populatie roofdieren betekent een grote predatie groei, immers hoe vaker roof211
212
dieren een prooidier tegenkomen des te sterker zal hun aantal vermeerderen. Voor de
prooidierpopulatie betekent een grote predatie juist afname. De prooidieren zijn voor
hun voedsel niet afhankelijk van de roofdieren, zodat hun populatie in principe exponentieel wil groeien. Zo komen wij voor P tot de volgende differentiaalvergelijking:
P 0 = P P R. De vermeerdering van het aantal roofdieren daarentegen hangt geheel af van de predatie. Die vermeerdering wordt alleen geremd doordat deze diersoort
op zich moeilijk overleeft en los van het aantal prooidieren ertoe neigt af te nemen.
Daarom: R0 = P R R. Aldus hebben wij een stelsel van twee vergelijkingen die de
ontwikkeling van de twee populaties in hun onderlinge samenhang bepalen:
P 0 = P P R
R0 = P R R
Populatie-omvang
Roofdieren
25
20
20
Prooidieren
25
20
15
15
10
10
10
Roofdieren
30
10
10
20
20
30
30
40
tijd
Prooidieren
Prooidieren
In het vectorveld is ook het spoor getekend waarlangs de populaties zich bewegen vanuit een gekozen beginsituatie. Dat spoor raakt overal aan de vectoren. Niet te zien
is de snelheid waarmee die beweging plaats vindt. Die is wel te zien door de twee
populaties te tekenen tegen de tijd, zoals rechts is gedaan. Op het oog zien wij dat de
populaties zich inderdaad cyclisch ontwikkelen.
10.1
213
De stelsels differentiaalvergelijkingen die wij in dit hoofdstuk bespreken zijn van een
eenvoudigere vorm dan in het Lotka-Volterra-model. Wij beperken het aantal functies
tot twee, en verder zullen de differentiaalvergelijkingen de simpelst mogelijke vorm
hebben, namelijk autonoom, lineair, homogeen en met constante coefficienten.
Beschouw dus twee grootheden x1 (t) en x2 (t) die zich onder invloed van elkaar in de
tijd ontwikkelen volgens twee differentiaalvergelijkingen van de vorm:
0
x1 (t) = a11 x1 (t) + a12 x2 (t)
x02 (t) = a21 x1 (t) + a22 x2 (t)
met a11 , a12 , a21 , a22 R.
Wij kunnen de twee functies x1 (t) en x2 (t) opvatten als de kentallen van een vector:
x1 (t)
~x(t) =
x2 (t)
Op die manier is ~x(t) een functie die aan elke t R een vector toekent. De functie
beschrijft middels vectoren de beweging van een denkbeeldig deeltje door het vlak, het
enige verschil met een parameterkromme is dat de punten op dat pad niet met een
coordinatenpaar maar met een vector worden aangewezen. Een dergelijke functie ~x(t)
noemen we een vectorfunctie, en is dus een functie van R naar R2 .
Het paar van afgeleiden x01 (t) en x02 (t) vormt ook een vectorfunctie, die wij de snelheid
op tijdstip t, of de afgeleide van vector ~x noemen:
0
d~x
x1 (t)
0
= ~x =
x02 (t)
dt
Deze afgeleide geeft in elk punt ~x(t) aan wat de momentane verandering in de twee
coordinaten is. Let op dat wij hier snelheid opvatten als een vector. Vaak wordt met
de snelheid een scalair bedoeld, die dan de grootte van deze vector is.
Nu wij de twee functies samennemen als een vectorfunctie ~x(t), kunnen wij de twee differentiaalvergelijkingen samenvatten in een vergelijking voor die vectorfunctie. Schrijf
de coefficienten in de differentiaalvergelijkingen in de vorm van een matrix, dan krijgen
wij:
0
x1
a11 a12
x1
=
x02
a21 a22
x2
of
0
~x = A~x
met A =
a11 a12
a21 a22
Op deze manier kan elk 22-stelsel van lineaire differentiaalvergelijkingen voor twee
functies x1 (t) en x2 (t) herschreven worden tot een differentiaalvergelijking voor een vectorfunctie ~x(t), waarin de coefficienten dan de matrix A vormen. De eendimensionale
214
versie van dit soort vergelijkingen is van de vorm x0 = x, dus het soort dat wij in het
vorige hoofdstuk in verband met het Malthus-model oplosten.
het vectorveld
Bij een autonoom 22-stelsel differentiaalvergelijkingen kunnen we effectief gebruik
maken van een grafische voorstelling. Met de twee vergelijkingen wordt in elk punt van
het x1 , x2 vlak de vector gegeven, onafhankelijk van t, die aangeeft hoe de snelheid ter
plaatse moet zijn. Teken voor voldoende roosterpunten die vectoren dan ontstaat een
soort pijlenkaart. Deze kaart kunnen we opvatten als een functie V die aan elke vector
(plaats) een vector toekent (snelheid). Zon functie noemen wij een vectorveld. Wil de
vectorfunctie ~x(t) voldoen aan de differentiaalvergelijking dan moet de door ~x(t) beschreven beweging overal de snelheid (grootte en richting) hebben die het bijbehorende
vectorveld daar aangeeft.
Voorbeeld 10.1.
Teken het vectorveld bij de differentiaalvergelijking
0
x1 (t) = 3x1 + x2
x02 (t) = x1 + 3x2
Zet roosterpunten uit en bereken in elk punt de bijbehorende snelheidsvector. Bijvoorbeeld in punt (-1,1) is deze:
0
2
x1 = 3 1 + 1 = 2
dus in (-1,1) is de snelheid:
2
x02 = 1 + 3 1 = 2
Teken deze vector (op schaal) bij het punt (-1,1). Enzovoorts voor vele andere punten.
Uiteraard zijn er computerprogrammas die dit voor ons doen. Links hieronder is het
resultaat te zien.
x2
4
x1
?2
?4
?4
?2
x1
?2
?4
x2
l1
?4
?2
We zien dat de snelheid overal van de oorsprong afstaat, waarbij de pijlen in punten
verder van de oorsprong groter zijn en, zeker in het eerste en derde kwadrant , steeds
215
meer onder een hoek van 45 komen te staan. Een bijzondere element in dit patroon
is de halflijn l1 vanuit O met richtingscoefficient -1 (zie figuur rechts). Op deze lijn
staan de snelheidsvectoren allemaal in dezelfde richting als de lijn, zodat de beweging
aldaar recht over l1 zal gaan. In het volgende voorbeeld testen wij voor twee vectorfuncties die een beweging over die halflijn beschrijven of zij oplossingen zijn van de
differentiaalvergelijking.
Voorbeeld 10.2.
Gegeven de differentiaalvergelijking voor vectorfuncties ~x(t):
0
3 1
x1
x1
=
1 3
x2
x02
Ga van de volgende twee vectorfuncties na of zij oplossing zijn van deze differentiaalvergelijking:
e2t
t2
p~(t) =
, ~q(t) =
e2t
t2
Merk op dat beide vectorfuncties een beweging beschrijven over de lijn x2 = x1 , dit
is beter te zien in de volgende notatie:
1
1
2
2t
p~(t) = t
, ~q(t) = e
1
1
1) Wat betreft p~(t):
schrijf de twee componenten uit en differentieer deze naar t, zo krijgen wij:
t2
2t
0
p~(t) =
en p~ (t) =
t2
2t
Invullen in de differentiaalvergelijking levert:
2t = 2t2
2t
3 1
t2
2t = 3t2 + t2
t = t2
=
2
2
2
2t = 2t2
2t
1 3
t
2t = t + 3t
Het is duidelijk dat dit niet voor alle t geldt. De vectorfunctie p~(t) is dus geen oplossing.
2) Wat betreft ~q(t):
bepaal weer de afgeleide door plaatsgewijs te differentieren naar t:
d~q
2e2t
=
2e2t
dt
Invullen in de differentiaalvergelijking levert:
2e2t = 3e2t + e2t
2e2t = 2e2t
e2t = e2t
2e2t = e2t + 3e2t
2e2t = 2e2t
En dat is duidelijk wel waar voor elke waarde van t. Dus ~q(t) is wel een oplossing van
de differentiaalvergelijking. Merk op dat beide vectorfuncties een beweging beschrijven
vanuit (-1,1) op t=0 langs de lijn van de oorsprong af. Toch is alleen ~q(t) een oplossing.
Dat komt omdat de beweging die door p~(t) niet de juiste snelheden heeft, en ~q(t) wel.
216
Av
Omdat dit op iedere lijn vanuit O geldt, is het hele vectorveld dus sterk symmetrisch.
Vermenigvuldigen wij het veld vanuit O met een willekeurige factor, dan verandert het
niet. In een bijzonder geval valt de richting van de vectoren op een lijn samen met de
richting van die lijn. In Voorbeeld 10.1 kwam een dergelijke lijn al ter sprake.
x2
l1
m1
x1
?2
?4
m-1
?4
?2
l-1
217
(snelheids)vectoren in de punten op die lijnen hebben dezelfde richting als de lijn zelf.
Dat betekent dat als een deeltje zich op die lijn bevindt het voorgoed op die lijn blijft.
Vanwege de lineariteit van het veld neemt de snelheid evenredig toe met de afstand
tot O, zodat het deeltje naarmate het verder van O is sneller beweegt. In de gevonden
oplossing ~q(t) uit Voorbeeld 10.2 zien wij dit terug:
1
x1
e2t
2t
=e
=
1
e2t
x2
Deze vectorfunctie beschrijft de beweging van een deeltje dat zich op t = 0 in (1, 1)
bevindt en met exponentieel toenemende snelheid over l1 van O verwijdert. Wij kunnen
ook de historie van het deeltje uitstippelen: op tijdstip t =-1 was het in (e2 , e2 )
(0.14 , 0.14) dus dichter bij O, en steeds verder terug in de tijd komen wij asymptotisch
dicht bij de oorsprong zelf. De hele oplossing ~q(t) voor t R beschrijft dus een beweging
over de halflijn die open bij O begint over l1 en doorloopt tot in het oneindige.
Leggen we het deeltje ergens anders op deze halflijn, dan maakt het dezelfde beweging,
alleen loopt het daarbij in tijd achter of voor op ~q(t). Zo hoort er bij elk punt deze
halflijn precies een vectorfunctie die op tijdstip t = 0 in dat punt langskomt. Al deze
vectorfuncties hebben als spoor deze halflijn. Wij noemen deze halflijn een baan van
het vectorveld. Het vormt hetzelfde spoor dat doorlopen wordt door alle oplossingen
van de vorm:
x1
e2t
, met C R+
=C
e2t
x2
De andere (open) helft l1 vormt op dezelfde manier de baan van alle oplossingen
waarin de constante juist uit R komt. De twee banen worden gescheiden door de
oorspong die op zich de nulbaan is. Zo valt de lijn m ook uiteen in twee banen m1 en
m1 en weer de nulbaan O. Kiezen wij een punt buiten l en m dan hoort daar ook weer
een baan bij, die echter gekromd is. Hieronder links zijn enkele van die banen getekend
door het vectorveld van de differentiaalvergelijking van Voorbeeld 10.1. Een dergelijke
4
x2
x2
4
4
x2
x2
x1
x1
?2
?4
-4
fasebeeld
x1
-4
0
?4
?2
stromingen
0
x1
218
beeld te zien van de stromingen. Daarin zijn de banen deels te herkennen maar door
de gebruikte numerieke benaderingsmethode breken die soms af.
oplossingsmethode
Oplossingen van 22-stelsels differentiaalvergelijkingen zijn vectorfuncties waarvan de
afgeleide in elk punt overeenstemt met het bijbehorende vectorveld. In het voorafgaande vestigden wij al de aandacht op speciale oplossingen, namelijk vectorfuncties
die als baan een halflijn hebben. Deze blijken bij lineaire stelsels gemakkelijk op te
sporen, en als ze bestaan een basis te vormen voor alle oplossingen van de vergelijking.
Dit is de essentie van de oplossingsmethode die wij nu gaan bespreken.
De oplossingen die horen bij rechte banen (vanuit O) hebben de vorm:
x1
v1 et
, of ~x = ~v et
=
v2 et
x2
waarbij ~v een (constante ) richtingsvector is van de bijbehorende baan. Merk op dat
als negatief is de baan juist in tegengestelde richting wordt doorlopen, dus vanuit de
oneindige verte naar de oorsprong toe.
Door invullen onderzoeken wij nu of de differentiaalvergelijking oplossingen van deze
vorm kan hebben. Invullen in de vergelijking ~x 0 = A~x geeft:
d t
~v e = A~v et
dt
Het rechterlid kunnen wij uitwerken door te differentieren in de beide kentallen. Wij
krijgen dan:
d
v1 et
v1 et
= ~v et
=
v2 et
dt v2 et
Terug naar de differentiaalvergelijking, hebben wij dan:
~v et = A~v et
Dit moet voor elke t R vervuld worden, zodat:
~v = A~v
Kortom de vector ~v moet een eigenvector zijn van de matrix A met als eigenwaarde .
Heeft matrix A nu twee onafhankelijke eigenvectoren, zeg ~v bij eigenwaarde en w
~
bij eigenwaarde , dan hebben wij dus twee oplossingen namelijk de vectorfuncties:
~v et en we
~ t . Omdat de differentiaalvergelijking lineair is, is nu elke lineaire combinatie van deze twee functies ook weer een oplossing, zodat wij alle vectorfuncties hebben
van de vorm:
~x(t) = C1~v et + C2 we
~ t met C1 , C2 R
219
met C1 , C2 R
Met deze combinaties hebben wij direct alle oplossingen van de differentiaalvergelijking gevonden. Dat valt op de volgende manier in te zien. Het vectorveld dwingt vaste
bewegingen af, en wel zo dat als we ergens een punt kiezen, er precies een vectorfunctie
moet zijn die op t=0 daar voorbijkomt en overal het vectorveld gehoorzaamt. Derhalve kan er dus bij gegeven beginwaarden x1 (0) = a en x2 (0) = b maar precies een
oplossing zijn van de differentiaalvergelijking. Met bovenstaande combinaties wordt
dit gerealiseerd. Immers kies een willekeurig punt (a, b) in het veld. Wil een van deze
combinaties daar op moment t=0 passeren dan moet gelden:
a = C1 v1 + C2 w1
a = C1 v1 e0 + C2 w1 e0
b = C1 v2 e0 + C2 w2 e0
b = C1 v1 + C2 w2
De twee eigenvectoren ~v en w
~ zijn onafhankelijk, dus er is precies een keuze van C1 en
C2 waarvoor dit lukken zal. Wij leggen dit resultaat vast met de volgende stelling:
Stelling 10.3.
Gegeven de 22-matrix A met onafhankelijke eigenvectoren ~v en w
~ respectievelijk bij
0
eigenwaarden en . Dan heeft de differentiaalvergelijking ~x = A~x de volgende
algemene oplossing:
~x(t) = C1~v et + C2 we
~ t
met C1 , C2 R
drie gevallen
De voorgaande stelling levert ons de algemene oplossing van een 22-stelsel van lineaire differentiaalvergelijkingen (homogeen en met constante coefficienten) als de bijbehorende matrix twee onafhankelijke eigenvectoren heeft. Uit hoofdstuk 8 weten wij
echter dat dat niet altijd het geval is. De eigenwaarden van de matrix zijn de oplossingen van de karakteristieke vergelijking, omdat de matrix 22 is, is die vergelijking
kwadratisch. Volgens Stelling 7.4 zijn er voor de oplossingen van een kwadratische
vergelijking met reele coefficienten drie mogelijkheden:
1) twee reele oplossingen;
2) een dubbeltellende reele oplossing;
3) twee complex toegevoegde oplossingen.
In het eerste geval heeft elk van de eigenwaarden een eigenvector, en noodzakelijkerwijs
zijn die dan onafhankelijk. In het tweede geval zijn er twee mogelijkheden. Hetzij bij de
unieke eigenwaarde kunnen we twee onafhankelijke eigenvectoren vinden, in welk geval
wij weer een beroep kunnen doen op Stelling 10.3. Hetzij er is maar een eigenvector te
vinden. In Voorbeeld 10.7 zullen wij een dergelijke situatie behandelen. In het derde
geval, namelijk dat van complexe eigenwaarden, krijgen wij te maken met draaiingen.
Ook daarvan zullen wij een voorbeeld bespreken.
220
twee ongelijke re
ele eigenwaarden
Het Voorbeeld 10.1 waarmee wij dit hoofdstuk begonnen betreft een matrix met twee
reele eigenwaarden. Enkele oplossingen hebben wij al gevonden in Voorbeeld 10.3 en
in de daaropvolgende passage. Wij zullen nu alle oplossingen bepalen volgens Stelling
10.3 en deze nader analyseren.
Voorbeeld 10.4.
Bepaal de algemene oplossing van het volgende stelsel differentiaalvergelijkingen:
0
3 1
x1 (t) = 3x1 + x2
A=
1 3
x02 (t) = x1 + 3x2
De karakteristieke vergelijking van A is:
3
1
= 0 (3 )2 = 1
1
3
Deze vergelijking heeft twee oplossingen: = 2 en = 4. De lezer is inmiddels
bedreven genoeg de bijbehorende eigenvectoren te berekenen. Het zijn:
1
1
bij = 2 en
bij = 4
1
1
Volgens Stelling 10.3 is de algemene oplossing van de differentiaalvergelijking dan:
x1 (t)
1
1
2t
= C1
e + C2
e4t met C1 , C2 R
x2 (t)
1
1
Voorbeeld 10.5.
Bepaal de oplossing van het volgende beginwaardeprobleem:
0
x1 (t) = 3x1 + x2
x0 (t) = x1 + 3x2
2
x1 (0) = 1, x2 (0) = 3
In het vorige voorbeeld bepaalden wij de algemene oplossing van het stelsel differentiaalvergelijkingen. Nu moeten wij de constanten C1 en C2 bepalen voor de specifieke
vectorfunctie die op t=0 door het punt (1,3) gaat. Daartoe lossen wij het volgende
stelsel vergelijkingen op:
1
1
1
0
= C1
e + C2
e0
3
1
1
De oplossing van dit stelsel is C1 = 1 en C2 = 2. De oplossing van het beginwaardeprobleem is de vectorfunctie:
x1
1
1
e2t + 2e4t
2t
4t
= 1
e +2
e =
x2
1
1
e2t + 2e4t
221
Vanuit (1,3) beweegt het denkbeeldige deeltje zich weg van de oorsprong over een
kromme die steeds meer bepaald wordt door de sterker groeiende e4t , dus steeds meer
richting de eigenvector van = 4 gaat aannemen. Voor negatieve waarden krimpt
e2t juist minder snel naar 0 dan e4t , zodat als we t naar laten gaan wij naar O
gaan steeds meer langs de richting van de eigenvector bij = 2. De baan waarover
het deeltje zich van de oorsprong af beweegt is een kromme die in O raakt aan de
eigenvector van 2, en ver van de oorsprong juist steeds meer de richting van de andere
eigenvector aanneemt. Nadere analyse leert dat de baan de helft van een parabool is
die doorlopen worden van O af.
l1
m1
x2
t =0
t
x1
>0
<0
<0
>0
O
instabiel knooppunt
<0
zadelpunt
stabiel knooppunt
zijn beide eigenwaarden positief, zodat de beweging langs de beide eigenassen (dwz de
lijnen door O met als richtingsvector een eigenvector van A) van O af is. Bevindt een
deeltje zich in de buurt van O dan zal het er vandaan worden gedreven. Het evenwicht
in O is dus instabiel. Wij noemen O dan een instabiel knooppunt. In de situatie rechts
zijn beide eigenwaarden negatief. De beweging langs beiden eigenassen is dan juist
222
naar O toe. Het punt O noemen wij dan een stabiel knooppunt. De middelste situatie
hoort bij het geval van een positieve en een negatieve eigenwaarde. Daar ontstaat er
rond O een circulatie waarbij deeltjes vanuit de ene richting naar O toegaan, maar
vervolgens er langs de andere weer vandaan gaan. Wij spreken in dit geval van een
zadelpunt.
Voorbeeld 10.6.
Onderzoek de banen van het vectorveld behorend bij de volgende differentiaalvergelijking:
0
x1 (t) = 2x1
2 0
A=
x02 (t) = 2x2
0 2
De eigenwaarden van matrix A zijn 2 en -2. De bijbehorende eigenvectoren zijn:
1
0
bij = 2,
bij = 2
0
1
Derhalve is de algemene oplossing van het stelsel:
1
0
2t
~x = C1
e + C2
e2t
0
1
met C1 , C2 R
Laten wij bijvoorbeeld de oplossing zoeken die op t = 0 in het punt (1,2) passeert. De
C1 en C2 waarvoor dat gebeurt zijn eenvoudig door invullen te bepalen:
C1 e0 = 1
C2 e0 = 2
Dus C1 = 1 en C2 = 2. De gezochte vectorfunctie is dus:
2t
e
~x =
2e2t
Laten wij t vanaf 0 toenemen, dan wordt de x1 (t) = e2t groter, terwijl x2 (t) = 2e2t
naar 0 gaat, de beweging vanuit (1,2) is dus omlaag en steeds verder naar rechts, wegdrijvend langs de x1 -as. De baan heeft een hyperbool-achtige vorm, en de vectorfunctie
doorloopt deze van verticaal boven naar rechts horizontaal. De precieze vorm van de
baan kunnen wij bepalen door de variabele t uit de kentallen te elimineren:
x2 = 2e2t = 2
1
2
1
=2
x2 =
2t
e
x1
x1
223
x2
x2
(1,2)
0
0
?2
?4
-4
?4
?2
stromingen
x1
-4
fasebeeld
x1
e
en eigenwaarde, twee eigenvectoren
Zoals wij in hoofdstuk 8 zagen kunnen zich bij een 22-matrix met een eigenwaarde
twee gevallen voordoen:
2a) bij de unieke eigenwaarde horen twee onafhankelijke eigenwaarden,
2b) bij de unieke eigenwaarde hoort maar een eigenvector (als richting).
Het eerste geval valt nog onder Stelling 10.3. Het fasebeeld ziet er bijzonder eenvoudig uit, omdat er bij dezelfde eigenwaarde twee onafhankelijke eigenvectoren zijn is
elke vector een eigenvector van A, zodat alle banen halflijnen zijn vanuit O (behalve
natuurlijk de nulbaan. (Zie fasebeelden hieronder.) Is de eigenwaarde negatief, dan
is het evenwicht in O stabiel, is de eigenwaarde positief dan is het evenwicht in O
instabiel. Is de eigenwaarde 0, dan is A de nul-matrix en is elk punt van het vlak een
evenwichtspunt. De bijbehorende differentiaalvergelijking was dan ~x 0 = ~0.
x2
x2
-4
fasebeeld = < 0
x1
-4
fasebeeld = > 0
x1
224
Om het tweede geval goed te behandelen moeten wij uitleggen wat gegeneraliseerde eigenvectoren zijn. Dat valt buiten het kader van deze cursus, maar voor de genteresseerde
lezer zullen wij hieronder dit kort proberen te doen.
e
en eigenwaarde,
e
en eigenvector
Stel de matrix A heeft maar een eigenwaarde, noem die . Stel bij deze eigenwaarde
is maar een eigenvector ~v te vinden. (Uiteraard zij alle scalaire veelvouden van ~v ook
eigenvectoren, maar met eigenvector bedoelen wij een richting.) In dat geval is er wel
een tweederangs eigenvector te vinden, dwz een vector w
~ met:
Aw
~ = w
~ + ~v
Een dergelijke vector heet een gegeneraliseerde eigenvector. Hij wordt dus niet op
-maal zichzelf afgebeeld, maar het verschil is slechts ~v de echte eigenvector. Eerst
bekijken wij waarom zon vector moet bestaan. Daarna zullen we laten zien hoe met
w
~ een nieuwe oplossing voor de differentiaalvergelijking geconstrueerd kan worden.
Waarom bestaat w?
~ Beschouw de lineaire afbeelding: f (~x) = A~x ~x. Deze afbeelding
zeeft als het ware alle eigenvectoren weg. Immers:
A~x = ~x A~x ~x = ~0 f (~x) = ~0
Omdat A niet twee onafhankelijke eigenvectoren heeft worden niet alle vectoren door
f naar ~0 gestuurd. Anderzijds heeft A wel de eigenvector ~v , dus f stuurt wel meer
vectoren naar ~0 dan de nulvector zelf. Kortom f als lineaire afbeelding beeldt dan R2
af op een lijn l door O. Laat ~u nu een vector zijn die niet naar ~0 gestuurd wordt. Bekijk
dan wat er gebeurt als wij op deze vector f herhaald toepassen. Omdat alle vectoren
ergens op de lijn l terecht komen, moeten f (~u) en f 2 (~u) in elkaars verlengde liggen,
zodat er een is met f 2 (~u) = f (~u). Per definitie geldt dan: A f (~u) f (~u) = f (~u),
zodat
A f (~u) = ( + )f (~u).
Dit betekent dat f (~u) een eigenvector van A is bij eigenwaarde + . Maar de enige
eigenwaarde van A is zodat noodzakelijkerwijs = 0. En de enige eigenvectoren van
A hebben de richting ~v , dus zijn van de vorm ~v met R. Dus f (~u) = ~v voor
zekere R. Definieer nu w
~ = 1 ~u, dan is f (w)
~ = 1 f (~u) = 1 ~v = ~v . Deze w
~ is de
vector die we zochten, want:
f (w)
~ = ~v Aw
~ w
~ = ~v Aw
~ = w
~ + ~v
De nieuwe oplossing die we met w
~ kunnen maken is:
~x(t) = (~v t + w)e
~ t
Immers enerzijds geldt volgens de productregel van het differentieren:
d~x(t)
t
= ~v et + (~v t + w)e
~
dt
225
Terwijl anderzijds:
A~x(t) = A(~v t + w)e
~ t = A~v tet + Awe
~ t = ~v tet + (w
~ + ~v )et
Daarmee hebben we een tweede oplossing gevonden en is de algemene oplossing van de
differentiaalvergelijking:
met C1 , C2 R
Het vectorveld ingeval de matrix A slechts een eigenvector heeft is te herkennen aan
het feit dat er slechts een rechte lijn doorheen loopt (waarover dan twee banen lopen:
naar, of vanuit O). Hieronder is een typerend voorbeeld getekend, met de bijbehorende
stromingen. De differentiaalvergelijking die bij dit veld hoort lossen wij in het volgende
voorbeeld op. Op de x1 -as lopen de twee rechte banen.
4
x2
x2
0
0
?2
?2
?4
?4
-4
vectorveld
x1
-4
?4
?2
stromingen
x1
Voorbeeld 10.7.
Los op
d~x
= A ~x
dt
met A =
1 2
0 1
226
2w2 = 1
0
2
2
De algemene oplossing is dan: ~x(t) = C1~v et + C2 (~v t + w)e
~ t oftewel:
x1 (t)
1
t
t
= C1
et met C1 , C2 R
e + C2
x2 (t)
0
21
twee complexe eigenwaarden
Het geval van twee complexe eigenwaarden pakken wij aan door bij de twee complexe
eigenwaarden de complexe eigenvectoren te zoeken en daarmee twee onafhankelijke
reeelwaardige oplossingen samen te stellen. Wij demonstreren dit in een eenvoudig
voorbeeld en weerstaan de verleiding het geval in zijn algemeenheid te behandelen.
Voorbeeld 10.8.
Beschouw:
d~x
1 1
= A~x met A =
1 1
dt
De eigenwaarden met de bijbehorende eigenvectoren zijn:
i
i
bij = 1 + i en
bij = 1 i
1
1
Aldus vinden wij twee oplossingen die wij kunnen combineren om reeelwaardige oplossingen te vinden:
(1+i)t
(1i)t
ie
ie
p~(t) =
en ~q(t) =
(1+i)t
e
e(1i)t
Schrijf deze twee verder uit naar sin en cos:
i cos t sin t
i cos t + sin t
t
p~(t) =
e en ~q(t) =
et
cos t + i sin t
cos t + i sin t
Dan hebben wij met:
1
(~p + ~q) =
2i
cos t
sin t
en
1
(~q p~) =
2
sin t
cos t
et
twee onafhankelijke reeelwaardige oplossingen die beide spiraalvormige banen beschrijven. Wij herkennen dit in het onderstaande vectorveld en het beeld van de stromingen:
x2
227
x2
?2
?2
?4
?4
-4
?4
?2
0
0
vectorveld
-4
x1
?4
?2
0
0
stromingen
x1
x02 = x1
x02 = x1
Bij dit stelsel hoort dan de matrix:
A=
p q
1
0
228
1 6
1 0
met , R
Hierin vallen de kentallen van de eigenvectoren weg. Zij spelen echter wel een rol omdat
x1 de afgeleide moet zijn van x2 , conform de vertaling x1 = y 0 .
10.2. OPGAVEN
10.2
229
Opgaven
1. Gegeven is de differentiaalvergelijking:
d~x
= A ~x,
dt
met A =
1 2
0 1
Onderzoek welke van de volgende vectorfuncties een oplossing zijn van deze differentiaalvergelijking:
t
t
t
et
e + et
e
e
,
,
,
t
t
t
e
e
e
et
2. Gegeven is de differentiaalvergelijking:
d~x
= B ~x,
dt
met B =
1 0
0 1
met C =
3 3
0 1
230
x2
?2
?4
-4
?4
?2
stromingen
x1
10.2. OPGAVEN
231
0
0
?2
?2
?2
?4
?4
?4
?4
?2
?4
x1
A
x2
?2
0
0
?4
x1
?2
0
0
x1
x1
?4
?4
?4
?2
?2
?4
?2
?2
?4
?2
0
0
x1
?4
?2
0
0
x1
232