10 Applications in Eigenvalue Eigenvector
10 Applications in Eigenvalue Eigenvector
PERTUMBUHAN POPULASI
Matriks dapat digunakan untuk membentuk model pertumbuhan penduduk. Langkah pertama dalam hal ini
Prosesnya adalah mengelompokkan penduduk ke dalam kelas umur dengan durasi yang sama. Misalnya, jika
masa hidup maksimum suatu anggota Ladalah tahun, maka interval berikut
N mewakili
kelas usia.
L
0, Kelas usia pertama
N
L 2L
, Kelas usia kedua
N N
.
.
.
n 1L
, L N kelas usia
N
Lntahun, probabilitas bahwa seorang anggota kelas umur akan mengalami hal tersebut
Selama periode beberapa Saya
0 pi 1, saya 1, 2, . . . , n 1.
Rata -rata jumlah keturunan yang dihasilkan oleh anggota kelas umur tersebut diberikan oleh Saya
dengan ,
Di mana
0 dengan _ Saya
1, 2, . . . , N.
b1 b2 b3 . . . bn1 bn
hal1 0 0 . . . 0 0
A 0 hal2 0 . . . 0 0
. . . . .
. . . . .
. . . . .
0 0 0 . . . pn1 0
Mengalikan matriks transisi usia ini dengan vektor sebaran usia pada waktu tertentu
periode menghasilkan vektor distribusi umur untuk periode waktu berikutnya. Itu adalah,
Axixi1._ _ _
168 Populasinya saat ini terdiri dari 24 ekor kelinci pada kelas umur pertama, 24 ekor pada kelas umur kedua,
dan 20 di kuarter ketiga. Berapa jumlah kelinci pada setiap kelas umur dalam 1 tahun?
x3 Kapak2 152 .
6 LARUTAN
Dari sebaran umur dan Vektor sebaran umur saat ini adalah
vektor x3 1 , 2 , bisa
xx lihat , 24 0 usia < 1
persentase kelinci
x1 24 1 usia < 2
di masing-masing dari tiga kelas umur
berubah setiap tahunnya. Untuk
20 2 usia 3
memperoleh pola pertumbuhan yang
dan matriks transisi usia adalah
stabil, yang mana persentasenya masing-masing
kelas umur tetap sama 0 6 8
setiap tahun, tanggal n 1 usia A 0,5 0 0 .
vektor distribusi harus
0 0,5 0
merupakan kelipatan skalar dari nth
vektor distribusi umur. Itu adalah, Setelah 1 tahun, vektor distribusi umurnya adalah
xn1 Axn xn . Contoh 2
menunjukkan cara mengatasi 0 6 8 24 304 0 usia < 1
masalah ini. x2 Kapak1 0,5 0 0 24 12 . 1 usia < 2
0 0,5 0 20 12 2 usia 3
Temukan vektor distribusi usia yang stabil untuk populasi pada Contoh 1.
LARUTAN
X
Untuk mengatasi masalah ini, carilah nilai eigen dan vektor eigen yang bersesuaian sedemikian rupa
kapak x. Polinomial karakteristik dari adalah A
IA 12 2
(periksa ini), yang menyiratkan bahwa nilai eigen adalah 1 dan 2. Memilih yang positif
nilai, misalkan 2. Verifikasikan bahwa vektor eigen yang bersesuaian mempunyai bentuk
Simulasi
x1 16t 16
Jelajahi konsep ini lebih jauh dengan
simulasi elektronik yang tersedia X x2 4t T 4 .
di www.cengagebrain.com. x3 T 1
32 0 usia < 1
x1 8 1 usia < 2
2 2 usia 3
0 6 8 32 64 0 usia < 1
x2 Kapak1 0,5 0 0 8 16 . 1 usia < 2
0 0,5 0 2 4 2 usia 3
.
.
.
di dalam an1 y1 an2 y2 .
. . ada _
dyi
dimana masing-masing
Dan
merupakan fungsi
T dari
Saya
kamu1 kamu1
kamu2 kamu2
Dan
. Dan Dan
.
. .
. .
di dalam di dalam
Iya .
kamu3
2 tahun 3
LARUTAN
kamu Cekt .
2t
y3 C3 e .
Bentuk matriks sistem persamaan diferensial linier pada Contoh 3 adalah y Ay, atau
kamu1 4 0 0 kamu1
kamu2 0 1 0 kamu2 .
kamu3 0 0 2 kamu3
T
Jadi, koefisien dari solusi
T yi Ci e i matriksA. diberikan oleh nilai eigen dari
Ya _
dapat diperoleh dengan segera, seperti pada ContohA3. Jika tidak diagonal , maka
penyelesaiannya memerlukan usaha yang lebih besar. P A.
Pertama, cobalah mencari matriks
yang mendiagonalisasi.
terjadi
Kemudian,
perubahan variabel dan y Pw y Pw
LARUTAN
3 2
Pertama, cari matriksnyaP yang mendiagonalisasiA . Nilai eigen dari adalah A
6 1
1 3 Dan 2 5, dengan vektor eigen yang sesuai hal1 1 3T Dan
p2 11T A menggunakan matriks
. Diagonalisasikan P hal2
yang kolomnya terdiri dari danhal1
untuk diperoleh
1 1
1 1 1 4 4 3 0
P , P , Dan P 1AP .
3 1 3 1 0 5
4 4
w1 3 0 w1 w1 3w1
w2 0 5 w2 w2 5w2
kamu1
1 1 w1
kamu2
3 1 w2
JikaAmemiliki nilai eigen dengan multiplisitas lebih besar dari 1 atau jika memiliki
A nilai kompleks
nilai eigen, maka teknik penyelesaian sistem harus dimodifikasi.
1. Nilai eigen dengan multiplisitas lebih besar dari 1: Matriks koefisien sistem
kamu1 kamu2
0 1
adalah A .
kamu2 4y1 4 tahun 2
4 4
Satu-satunya nilai eigen dariAadalah 2, dan solusi dari sistem tersebut adalah
2t
kamu1 C1 e C2te2t _
2t
y2 2C1 C2 e 2C2te2t ._ _
kamu1 kamu2
0 1
adalah A .
kamu2 kamu1 1 0
Nilai eigennya adalah A C1 1 Saya Dan 2 Saya, dan solusi dari sistem tersebut adalah
kamu1 biaya t C2 dosa t
kamu2 C2 biaya t C1 dosa t.
Coba periksa penyelesaian ini dengan membedakan dan mensubstitusikannya ke dalam sistem
persamaan aslinya.
Machine Translated by Google
BENTUK KUADRATIS
Nilai eigen dan vektor eigen dapat digunakan untuk menyelesaikan masalah rotasi sumbu yang
diperkenalkan di Bagian 4.8. Ingatlah bahwa mengklasifikasikan grafik persamaan kuadrat
2
kapak
bxy cy 2 dx ey f 0 Persamaan kuadrat
A merupakan
Anda akan melihat bahwa koefisien dan C nilai eigen dari matriks
A b2
A .
b2 C
Ekspresi
2
kapak
bxy cy2 Bentuk kuadrat
A
dan matriksnya disebut matriks berbentuk kuadrat. Perhatikan bahwa matriksnya adalah A
A diagonal jika dan hanya jika matriks tersebut bersesuaian
simetris. Selain itu, matriks akan menjadi
xysuku -, seperti yang diilustrasikan pada Contoh 5.
bentuk kuadrat tidak memiliki
ÿ1
4 0
A . xysuku -)
Matriks diagonal (tanpa
0 9
2
2x _ Dan
ÿ3 +=1
2 2 B. Karena A 13, b 10, dan C 13, matriksnya adalah
3 2
13 5
Gambar 7.3 A . Matriks nondiagonal ( xy
-term)
5 13
(X') (Dan')
+ =1 2 2
2 2 X
Dan
3 2 Dan
1
3
32 22
Dan' X'
yang merupakan persamaan elips yang ditunjukkan pada Gambar 7.3. Meskipun tidak terlihat 13x
dengan memeriksa grafik persamaan 10xy 13y 2 2 72 0 mirip.
1
45° X
Faktanya, ketika Anda memutar sumbu - dan - berlawanan arah jarum jam 45 untuk membentuk
X xy sistem koordinat y yang baru , persamaan ini berbentuk
ÿ3 ÿ1 1 3
2 2
X Dan
1
ÿ2 32 22
A b2 X X
X PAJAK d eX fxy dari F
b2 C Dan Dan
2
kapak
bxy cy2 dx ey f
Jika b 0, maka tidak diperlukan rotasi. Tetapi jika b 0, maka karena simetris,Akamu
P
dapat menerapkan Teorema 7.10 untuk menyimpulkan bahwa terdapat matriks ortogonal sedemikian rupa sehingga
P TAP D adalah diagonal. Jadi, jika Anda membiarkannya
X
P TX X
Dan
karena dosa
P
dosa karena
di mana memberikan sudut rotasi kerucut yang diukur dari sumbu - positif ke X
X
-sumbu positif. Hal ini mengarah pada Teorema Sumbu Utama.
X 2
1 2 dan 2 d ePX f 0.
Rotasi Kerucut
LARUTAN
13 5
A .
5 13
A ini), maka
Karena polinomial karakteristiknya adalah (periksa 8 berikut18ini
A
yang nilai eigennya adalah 8 dan 18. Jadi, persamaan kerucut yang diputar adalah
1 2
8x2 _ 18 tahun 2 72 0
X 2 2
Dan
1
32 22
1 1
x1 Dan x2
1 1
P, berikut.
yang dapat Anda normalkan menjadi kolom-kolom sebagai
1 1
2 2 karena dosa
P
1 1 dosa karena
2 2
Perhatikan dulu itu P 1 yang artinya 45 12 sin 45, P adalah rotasi. Apalagi karena 45,
karena sudut putarannya seperti terlihat pada Gambar 7.4.
P
Matriks ortogonal yang ditentukan dalam Teorema Sumbu Utama tidak unik. Dia
entri bergantung pada urutan nilai eigen dan berikutnya 1 2
x1
pilihan vektor eigen dan Misalnya, .
x2dalam solusi Contoh 6, salah satu dari
P
pilihan berikut akan berhasil.
x1 x2 x1 x2 x1 x2
1 1 1 1 1 1
2 2 2 2 2 2
1 1 1 1 1 1
2 2 2 2 2 2
1 8, 2 18 1 18, 2 8 1 18, 2 8
225 135 315
3 X' 3 3 Dan'
ÿ2 ÿ2 ÿ2
' X'
X ÿ3 Dan' Dan' ÿ3 ÿ3
2 2 2 2 2 2
(X') (Dan') (X') (Dan') (X') (Dan')
+ =1 + =1 + =1
2 2 2 2 2 2
3 2 2 3 2 3
Gambar 7.5
Berikut ini rangkuman langkah-langkah yang digunakan untuk menerapkan Teorema Sumbu Utama.
karena dosa
P .
dosa karena
Contoh 7 menunjukkan bagaimana menerapkan Teorema Sumbu Utama untuk memutar kerucut yang
pusat telah diterjemahkan jauh dari aslinya.
Rotasi Kerucut
LARUTAN
3 5
A .
5 3
1 8 Dan 2 2
x1 1, 1 Dan x2 1, 1.
1 1
2 2
P
1 1
2 2
karena dosa
, Di mana hal 1.
dosa karena
Gambar 7.6 adalah persamaan hiperbola. Grafiknya ditunjukkan pada Gambar 7.6.
kuadrat yang merupakan analog tiga dimensi dari bagian kerucut. Persamaan kuadrat
permukaan R 3
dalam adalah bentuk polinomial derajat kedua
2
kapak
oleh 2 cz2 dxy exz fyz gx hy iz j 0.
Ada enam tipe dasar permukaan kuadrat: ellipsoid, hiperboloid satu lembar, hiperboloid dua
lembar, kerucut elips, paraboloid elips, dan paraboloid hiperbolik. Perpotongan suatu permukaan
dengan bidang disebut jejak permukaan
R 3 . pada enam tipe dasar
pada bidang, berguna untuk membantu memvisualisasikan grafik permukaan
permukaan kuadrat, beserta jejaknya, ditampilkan pada dua halaman berikutnya.
Machine Translated by Google
Elipsoid
Dengan X2 Dan
2 Dengan
2 Dengan
1
xz-jejak yz-jejak
2a _ b2 2c _
Jejak Pesawat
X
Permukaannya berbentuk bola ketika X
abc 0. jejak xy
Dengan
Dengan
X2 Dan
2 Dengan
2
1
2a _ b2 2c _
Jejak Pesawat
Dan
xz-jejak yz-jejak
yz-jejak Dengan
xz-jejak
Dengan
2 X2 Dan
2
1
2c _ 2a _ b2
Jejak Pesawat
Dengan
Dengan
xz-jejak
Kerucut Elips
X2 Dan
2 Dengan
2
0
2a _ b2 2c _
Jejak Pesawat
X X
sejajar dengan
Sumbu kerucut berhubungan dengan variabel
bidang xy
yang koefisiennya negatif. Jejak pada bidang
Dengan
xz-jejak
Dengan
Paraboloid Elips yz-jejak
X2 Dan
2
Dengan
2a _ b2
Jejak Pesawat
X
Dan ke kekuatan pertama. jejak xy
X
(satu poin)
Dengan
Dengan
Paraboloid Hiperbolik yz-jejak
2 X2
Dan
Dengan
b2 A2
Jejak Pesawat
Dan
Dan
kapak
2 oleh2 cz2 dxy exz fyz gx hy iz j 0 Permukaan kuadrat
didefinisikan sebagai
kapak
2 oleh2 cz2 dxy exz fyz. Bentuk kuadrat
D Dia
A
2 2
D F
A B .
2 2
Dia F
C
2 2
Dalam versi tiga dimensinya, Teorema Sumbu Utama menghubungkan nilai eigen
A
dan vektor eigen dari persamaan permukaan yang diputar, seperti ditunjukkan pada Contoh 8.
5x 2 2 5z 2 8xz 36 0.
4 tahun
Dengan
LARUTAN
6 Matriks yang A
terkait dengan persamaan kuadrat ini adalah
5 0 4
Dengan'
2 A 0 4 0
4 0 5
22
6 4 yang mempunyai nilai eigen 1 1,
2 4, Dan 3
9. Jadi, dalam sistem - yang
xyz diputar,
X 6 X 2
persamaan kuadrat tersebut adalah 4 tahun
2 9z 2 36 0, yang dalam bentuk standarnya adalah
Dan
X 2 2 Dengan
2
Dan
1.
X' 62 32 22
Gambar 7.7 Grafik persamaan ini adalah ellipsoid. Seperti yang ditunjukkan pada Gambarxyz
7.7, sumbu - mewakili
45
rotasi berlawanan arah jarum jam terhadap sumbu -. Apalagi matriksnya ortogonal Dan
1 1
0
2 2
P 0 1 0
1 1
0
2 2
A,
yang kolomnya merupakan vektor eigen mempunyai sifat AP PT adalah diagonal.
ostill, 2010/Digunakan di bawah lisensi dari Shutterstock.com