Lineer Cebir · 6. Ünite: Özdeğerler ve Özvektörler (Eigenvalues & Eigenvectors)
Köşegenleştirme (Diagonalization)
Bir $A$ matrisini $100$ kez kendisiyle çarpmak, bir dinamik sistemin $100$ adım sonraki durumunu bulmak ya da Fibonacci dizisinin kapalı formülünü yazmak, matris köşegen olsaydı çocuk oyuncağı olurdu. Köşegenleştirme (diagonalization), uygun bir taban değişimiyle her matrisin bu kadar iyi davranıp davranmadığını sorar ve davranıyorsa $A = PDP^{-1}$ çarpanlarına ayırmasını verir. Bu bölümde koşulun tam karakterizasyonunu (n tane bağımsız özvektör), eksik özvektörlü (defective) matrisleri ve $A^n$, Fibonacci ile popülasyon modelleri gibi uygulamaları Lay ve Strang düzeyinde işleyeceğiz.
Öğrenme hedefleri
- $A = PDP^{-1}$ ayrışımında $P$'nin özvektör sütunlarından, $D$'nin özdeğer köşegeninden kurulduğunu $AP = PD$ eşitliğiyle gösterir.
- Verilen $2\times2$ ya da $3\times3$ matris için karakteristik polinomu, özdeğerleri ve özuzay tabanlarını bulup köşegenleştirilebilir olup olmadığına karar verir.
- Cebirsel ve geometrik katlılığı karşılaştırarak eksik özvektörlü (defective) matrisleri ve karmaşık özdeğerli durumları tanır.
- $A^n = PD^nP^{-1}$ ilişkisiyle matris kuvvetlerini hesaplar, $n\to\infty$ davranışını spektral yarıçapla ($\rho(A)$) yorumlar.
- Fibonacci dizisinin Binet formülünü, iki bölgeli göç ve Leslie popülasyon modellerinin kararlı durumunu köşegenleştirme yoluyla türetir.
- Benzer matrislerin ortak değişmezlerini (özdeğer, iz, determinant) kullanarak köşegenleştirilebilirlik hakkındaki yanlış çıkarımları ayıklar.
Konu anlatımı
Bağlam: Neden Köşegen Matris İstiyoruz?
Tanım: Benzerlik ve Köşegenleştirilebilirlik
Ana Teorem: A = PDP⁻¹ İçin Gerekli ve Yeterli Koşul
Köşegenleştirilebilirlik Ölçütleri: Katlılıklar
Çözümlü Örnek 1: 2×2 Köşegenleştirme ve Aⁿ
Köşegenleştirilemeyen Matrisler: Defective Durumlar
Çözümlü Örnek 3: Tekrarlı Özdeğerli 3×3 Matris
Aⁿ, Limit Davranışı ve Spektral Yarıçap
Çözümlü Örnek 4: Fibonacci Dizisi
Çözümlü Örnek 5: Göç ve Popülasyon Modelleri
Sık Yapılan Hatalar ve Kavram Yanılgıları
Özet ve Bağlantılar
Anahtar terimler
- Köşegenleştirme (diagonalization)
- Bir $A$ matrisini tersinir $P$ ve köşegen $D$ ile $A=PDP^{-1}$ biçiminde yazmak. $A$'nın bu yazıma sahip olması için $n$ bağımsız özvektörü olması gerekir ve yeter.
- Benzer matrisler (similar matrices)
- $B=P^{-1}AP$ olacak şekilde tersinir $P$ varsa $A$ ve $B$ benzerdir. Karakteristik polinom, özdeğerler, iz ve determinant ortaktır.
- Özvektör tabanı (eigenbasis)
- Tamamı $A$'nın özvektörlerinden oluşan $\mathbb{R}^n$ tabanı. $P$'nin sütunları bu tabanı oluşturur.
- Cebirsel katlılık (algebraic multiplicity)
- Bir özdeğerin karakteristik polinomdaki kök katı $a(\lambda)$.
- Geometrik katlılık (geometric multiplicity)
- Bir özdeğere ait özuzayın boyutu $g(\lambda)=\dim\operatorname{Null}(A-\lambda I)$; her zaman $1\le g\le a$.
- Eksik özvektörlü matris (defective matrix)
- En az bir özdeğerinde $g(\lambda)<a(\lambda)$ olan matris; köşegenleştirilemez.
- Spektral yarıçap (spectral radius)
- $\rho(A)=\max_i|\lambda_i|$. $\rho(A)<1$ ise $A^n\to0$, $\rho(A)>1$ ise genellikle $A^n$ ıraksar.
- Binet formülü
- Fibonacci için $F_n=(\varphi^n-\psi^n)/\sqrt5$; $[[1,1],[1,0]]$ matrisinin köşegenleştirilmesiyle elde edilir. $\varphi=(1+\sqrt5)/2$, $\psi=(1-\sqrt5)/2$.
- Jordan bloğu (Jordan block)
- Köşegende $\lambda$, hemen üstünde $1$ bulunan $\begin{pmatrix}\lambda&1\\0&\lambda\end{pmatrix}$ biçimli blok; defective matrislerin standart temsilidir.
- Kararlı dağılım (steady state)
- Markov ya da Leslie modelinde $\lambda=1$ (ya da baskın $\lambda$) özvektörü; uzun vadede sistemin yöneldiği oran.
Örnek soru
$A = PDP^{-1}$ olacak biçimde tersinir bir $P$ ve köşegen bir $D$ varsa, $D$'nin köşegen elemanları $A$'nın hangi niceliğidir?
- Köşegen elemanlarıdır (değişmez kalırlar).
- Satır indirgenmiş formundaki pivotlardır.
- $P$'nin sütunlarının uzunluklarıdır.
- Özdeğerleridir.
- Tekil değerleridir (singular values).
Doğru cevap: D
Çözüm
Cevap: $A$'nın özdeğerleridir.
1. $A=PDP^{-1}$ ise $A$ ile $D$ benzerdir ve benzer matrislerin karakteristik polinomu aynıdır: $\det(A-\lambda I)=\det(D-\lambda I)$.
2. $D$ köşegen olduğundan $\det(D-\lambda I)=\prod_i(d_i-\lambda)$; kökler tam olarak $d_i$'lerdir. Eşdeğer olarak $AP=PD$ eşitliğinden $A\mathbf{p}_j=d_j\mathbf{p}_j$ okunur: $d_j$ özdeğer, $\mathbf{p}_j$ özvektördür.
Doğru cevap D şıkkıdır. En güçlü çeldirici A şıkkıdır: köşegen elemanlar benzerlik altında korunmaz; yalnızca iz (köşegen toplamı) korunur, o da özdeğerlerin toplamına eşittir.