Свойства собственных векторов собственных значений

Свойства собственных векторов собственных значений

Свойства собственных векторов собственных значений

СВОЙСТВА СОБСТВЕННЫХ ВЕКТОРОВ И СОБСТВЕННЫХ ЗНАЧЕНИЙ ЛИНЕЙНОГО ОПЕРАТОРА

Видео:Собственные векторы и собственные числа линейного оператораСкачать

Собственные векторы и собственные числа линейного оператора

Высшая математика

— Собственные значения λ i являются корнями характеристического уравнения det( A −λ E ) = 0.

— Оператор A (матрица A ) имеет не более n различных собственных значений.

— Собственные значения матриц A и A T совпадают.

— Если матрица A обратима, то все её собственные значения отличны от нуля, λ i≠ 0; при этом собственными значениями обратной матрицы A − 1 являются числа (λ i) − 1 , а соответствующие собственные векторы совпадают.

— Если число λ — собственное значение матрицы A, то собственным значением матрицы A k является число λ k , а соответствующие собственные векторы совпадают.

— Собственные значения подобных матриц A и C − 1 ·A·C совпадают. Здесь C — невырожденная матрица.

— Собственный вектор, отвечающий собственному значению λ i является ненулевым решением линейной однородной системы ( A −λ E )· x = 0 , x0, x ∈ X .

— Собственные векторы, отвечающие различным собственным значениям, линейно независимы.

— Если линейный оператор A имеет n различных собственных значений, то соответствующие собственные векторы образуют базис пространства X , который называется собственным базисом линейного оператора.

— Если линейный оператор имеет собственный базис, то матрица оператора в собственном базисе имеет диагональный вид; диагональными элементами являются собственные значения оператора.

— Собственные векторы, отвечающие различным собственным значениям, ортогональны.

Видео:Собственные значения и собственные векторыСкачать

Собственные значения и собственные векторы

3.6. Собственные векторы и собственные значения линейного оператора

Пусть линейный оператор Свойства собственных векторов собственных значений. Ненулевой вектор Свойства собственных векторов собственных значенийназывается Собственным вектором линейного оператора Свойства собственных векторов собственных значений, если

Свойства собственных векторов собственных значений. (10)

Число Свойства собственных векторов собственных значенийназывается Собственным значением линейного оператора. Совокупность всех собственных значений называется Спектром линейного оператора Свойства собственных векторов собственных значений. Спектр простой, если все собственные значения линейного оператора кратности 1.

Рассмотрим в Свойства собственных векторов собственных значенийпроизвольный базис Свойства собственных векторов собственных значений, в котором Свойства собственных векторов собственных значений. Пусть в этом базисе линейному оператору Свойства собственных векторов собственных значенийсоответствует матрица Свойства собственных векторов собственных значений, тогда равенство (10) в матричной форме примет вид

Свойства собственных векторов собственных значений(11)

Перейдём к системе из Свойства собственных векторов собственных значенийуравнений:

Свойства собственных векторов собственных значений

Свойства собственных векторов собственных значений(12)

Однородная СЛАУ (12) в матричной форме примет вид:

Свойства собственных векторов собственных значений(13)

Она имеет ненулевые решения только в том случае, если её определитель равен нулю, т. е. если

Свойства собственных векторов собственных значений(14)

Представим равенство (14) в виде:

Свойства собственных векторов собственных значений. (15)

Уравнение (15) называется Характеристическим уравнением линейного оператора Свойства собственных векторов собственных значений. Таким образом, собственные значения Свойства собственных векторов собственных значенийлинейного оператора являются корнями его характеристического уравнения.

Уравнение (15) – алгебраическое уравнение Свойства собственных векторов собственных значений-й степени относительно Свойства собственных векторов собственных значений, значит, оно имеет ровно Свойства собственных векторов собственных значенийкорней, действительных или комплексных, с учётом их кратности. Ясно, что в алгебраическом уравнении с вещественными коэффициентами всякий комплексный корень имеет комплексно-сопряжённый.

При нахождении собственных векторов Свойства собственных векторов собственных значенийсоответствующие им векторы-столбцы Свойства собственных векторов собственных значенийопределяют из системы (13) подстановкой в неё последовательно всех найденных собственных значений Свойства собственных векторов собственных значений. При этом отметим, что в вещественном линейном пространстве комплексные корни характеристического уравнения нельзя рассматривать как собственные значения, так как умножение на комплексный скаляр в вещественном пространстве является запрещённой операцией.

Перечислим без доказательств некоторые свойства собственных значений и собственных векторов Линейных операторов.

Свойство 1. Характеристическое уравнение и спектр линейного оператора инвариантны относительно выбора базиса, т. е. подобные матрицы имеют одинаковый спектр.

Свойство 2. Собственные векторы линейного оператора, отвечающие различным собственным значениям, линейно независимы.

Свойство 3. Линейный оператор Свойства собственных векторов собственных значенийимеет собственное значение Свойства собственных векторов собственных значенийтолько в том случае, если он вырожденный, т. е. Свойства собственных векторов собственных значений, где Свойства собственных векторов собственных значений– матрица линейного оператора Свойства собственных векторов собственных значений.

Свойство 4. Самосопряжённый линейный оператор имеет только действительные собственные значения;

Свойство 5. Собственные векторы самосопряжённого линейного оператора, отвечающие различным собственным значениям, ортогональны.

Свойство 6. Для произвольного самосопряжённого линейного оператора существует ортогональный базис, составленный из собственных векторов.

Видео:Собственные значения и собственные векторы матрицы (4)Скачать

Собственные значения и собственные векторы матрицы (4)

Самосопряженные преобразования евклидовых пространств, свойства их собственных значений и собственных векторов

Свойства собственных векторов собственных значений

Самосопряженные преобразования евклидовых пространств, свойства их собственных значений и собственных векторов

Определение 1. Линейное преобразование φ: E→E евклидова пространства E называется самосопряженным, если для любых x, y из E верно равенство (φ(x),y) = (x, φ(y)).

Свойства самосопряженных преобразований.

Пусть φ – самосопряженное преобразование евклидова пространства E. Тогда:

Утв.1. Если U – подпространство в E, инвариантное относительно φ (короче, φ — инвариантное подпространство) (т. е. Свойства собственных векторов собственных значений), то ортогональное дополнение Свойства собственных векторов собственных значенийтакже φ — инвариантно.

Свойства собственных векторов собственных значенийДоказательство. Для любых векторов Свойства собственных векторов собственных значений, так как Свойства собственных векторов собственных значений, следовательно, Свойства собственных векторов собственных значений.

Замечание. Ограничение самосопряженного преобразования на инвариантное подпространство является самосопряженным, если на подпространстве рассматривать скалярное произведение, заданное во всем пространстве.

Утв.2. Собственные векторы Свойства собственных векторов собственных значений, отвечающие различным собственным значениям, ортогональны.

Доказательство. Еcли φ(x1) = λ1×1, φ (x2) = λ2×2, x1 ≠ 0 ≠ x2, причем λ1≠ λ2, то Свойства собственных векторов собственных значений Свойства собственных векторов собственных значений□ .

Утв. 3. В ортонормированном базисе (о. н.б.) матрица A самосопряженного преобразования φ является симметрической: AT = A.

Доказательство. Если Свойства собственных векторов собственных значений– ортонормированный базис в V, Свойства собственных векторов собственных значений, Свойства собственных векторов собственных значений– столбец координат вектора x, Свойства собственных векторов собственных значений– строка его координат, то Свойства собственных векторов собственных значений. Тогда

Свойства собственных векторов собственных значенийтак что Свойства собственных векторов собственных значенийСвойства собственных векторов собственных значений.

Так как для любых i, j от 1 до n Свойства собственных векторов собственных значений(где Свойства собственных векторов собственных значений– i-й столбец единичной матрицы), то Свойства собственных векторов собственных значений, то есть AT = A. □

В доказательстве свойства собственных значений понадобится

Лемма. Любое линейного преобразование конечномерного действительного линейного пространства обладает одномерным или двумерным инвариантным подпространством U. (Одномерное порождено собственным вектором, а двумерное соответствует комплексному (не вещественному) характеристическому корню.)

Теорема 1. Все характеристические корни ( корни характеристического уравнения) самосопряженного преобразования (или симметрической матрицы) действительные.

Доказательство проводится индукцией по n=dim E.

Случай n =1 очевиден. При n = 2 в ортонормированном базисе

Свойства собственных векторов собственных значений= 0. Дискриминант этого уравнения Свойства собственных векторов собственных значений, следовательно, Свойства собственных векторов собственных значений.

При n > 2 сделаем индуктивное предположение о том, что у любой симметрической матрицы порядка 1 пусть Свойства собственных векторов собственных значений– какой-либо характеристический корень (действительный, по теореме 1), h1 соответствующий собственный вектор (можно сразу взять Свойства собственных векторов собственных значений) и Свойства собственных векторов собственных значений– одномерное инвариантное подпространство. Согласно утв.1, Свойства собственных векторов собственных значенийинвариантно размерности n–1, и для ограничения преобразования на Свойства собственных векторов собственных значений, по предположению индукции, существует ортонормированный базис Свойства собственных векторов собственных значенийиз собственных векторов. Тогда Свойства собственных векторов собственных значений– искомый базис.

Пример. В некотором о. н.б. в R3 линейное преобразование φ задано матрицей Свойства собственных векторов собственных значений. Найти для φ ортонормированный базис из собственных векторов и записать в нем матрицу преобразования.

Свойства собственных векторов собственных значений

Собственные векторы: Свойства собственных векторов собственных значений, Свойства собственных векторов собственных значений. Система уравнений для собственных векторов: Свойства собственных векторов собственных значений, так что имеются два линейно независимых собственных вектора. Можно взять Свойства собственных векторов собственных значенийВторой линейно независимый собственный вектор ищем ортогональный к h1, т. е. как решение системы Свойства собственных векторов собственных значений. Например, Свойства собственных векторов собственных значений, т. е. Свойства собственных векторов собственных значений

Собственный вектор для Свойства собственных векторов собственных значений, по утв. 2, ортогонален к Свойства собственных векторов собственных значений, так что в трехмерном пространстве он единственный с точностью до множителя вектор из Свойства собственных векторов собственных значений. Читая уравнение Свойства собственных векторов собственных значенийкак скалярное произведение Свойства собственных векторов собственных значений, без вычислений находим Свойства собственных векторов собственных значений(Разумеется, можно было решить характеристическую систему уравнений для Свойства собственных векторов собственных значенийи получить то же самое.)

Окончательно, нормируя, получаем Свойства собственных векторов собственных значений. В этом базисе Свойства собственных векторов собственных значений.□

Можно упомянуть 2 типичных примера самосопряженных преобразований.

Пусть E – n-мерное евклидово пространство, U – подпространство в E, 0 ≠ U ≠ V, тогда любой вектор Свойства собственных векторов собственных значенийединственным образом представляется в виде Свойства собственных векторов собственных значений.

Пример 1. Ортогональное проектирование V на U: Свойства собственных векторов собственных значений. Проверка самосопряженности: Свойства собственных векторов собственных значений. Ядром преобразования является U.

Собственные векторы: Свойства собственных векторов собственных значений. В о. н.б., составленном из базисов подпространств U, Свойства собственных векторов собственных значений, матрица преобразования равна Свойства собственных векторов собственных значений, если Свойства собственных векторов собственных значений.

Пример 2. Ортогональная симметрия (или зеркальное отражение) S пространства E относительно U: S(x) = y – z. Проверить самосопряженность можно аналогично.

Собственные векторы: Свойства собственных векторов собственных значений. В о. н.б., составленном из базисов подпространств U, Свойства собственных векторов собственных значений, матрица оператора равна Свойства собственных векторов собственных значений.

🔍 Видео

7 4 Собственные векторы и собственные значенияСкачать

7 4  Собственные векторы и собственные значения

Собственные векторы и собственные числа линейного оператораСкачать

Собственные векторы и собственные числа линейного оператора

Собственные значения и собственные векторы. ТемаСкачать

Собственные значения и собственные векторы. Тема

Собственные векторы и собственные значенияСкачать

Собственные векторы и собственные значения

Собственные векторы и собственные значения матрицыСкачать

Собственные векторы и собственные значения матрицы

Квантовая механика 8 - Операторы. Собственные векторы и собственные значения.Скачать

Квантовая механика 8 - Операторы. Собственные векторы и собственные значения.

Лекция по алгебре и геометрии№14.2. Свойства собственных векторов. Жорданова форма. Евклидово пр-во.Скачать

Лекция по алгебре и геометрии№14.2. Свойства собственных векторов. Жорданова форма. Евклидово пр-во.

Овчинников А. В. - Линейная алгебра - Собственные значения и собственные векторы линейного оператораСкачать

Овчинников А. В. - Линейная алгебра - Собственные значения и собственные векторы линейного оператора

Собственные значения и собственные векторы. ПримерСкачать

Собственные значения и собственные векторы. Пример

А.7.35 Собственные вектора и собственные значения матрицыСкачать

А.7.35 Собственные вектора и собственные значения матрицы

Собственные значения и собственные векторы линейного оператораСкачать

Собственные значения и собственные векторы линейного оператора

Собственные значения матрицыСкачать

Собственные значения матрицы

Диагональный вид матрицы. Приведение матрицы к диагональному виду. Собственные векторыСкачать

Диагональный вид матрицы.  Приведение матрицы к диагональному виду.  Собственные векторы

Практика 1. Часть 1. Собственные вектора и значения линейного оператора. Канонический вид.Скачать

Практика 1. Часть 1. Собственные вектора и значения линейного оператора. Канонический вид.

Айгенвектора и айгензначения | Сущность Линейной Алгебры, глава 10Скачать

Айгенвектора и айгензначения | Сущность Линейной Алгебры, глава 10

А.7.40 Метод Якоби поиска собственных векторов и значений симметричных матрицСкачать

А.7.40 Метод Якоби поиска собственных векторов и значений симметричных матриц

Собственные значения и собственные векторы. ОтветыСкачать

Собственные значения и собственные векторы. Ответы
Поделиться или сохранить к себе: