- •1. Векторы. Координаты векторов и линейные операции над векторами
- •2. Скалярное, векторное и смешанное произведение векторов
- •1. Общее уравнение плоскости и уравнение в отрезках
- •2. Особые случаи расположения плоскости в пространстве
- •3. Условия параллельности и перпендикулярности плоскостей. Угол между двумя плоскостями
- •4. Решение различных задач на плоскость
- •5. Нормальное уравнение плоскости. Расстояние от точки до плоскости
- •6. Прямая в пространстве
- •1. Матрицы и действия над ними. Матрицы специального вида
- •2. Определители матрицы и их свойства
- •3. Обратимость матриц. Вычисление обратной матрицы
- •4. Ранг матриц. Теорема о базисном миноре
- •1. Элементарные преобразования и приведение матриц к ступенчатому виду
- •2. Линейные системы алгебраических уравнений. Теорема Кронекера-Капелли
- •3. Линейные пространства и базис. Структура общего решения однородной системы уравнений
- •4. Структура общего решения неоднородной системы уравнений. Алгоритм метода Гаусса построения общего решения линейной алгебраической системы уравнений
- •1. Линейные системы уравнений с квадратной матрицей. Правило Крамера
- •2. Линейный оператор и его матрица в фиксированном базисе. Алгебра линейных операторов и ее связь с алгеброй матриц
- •1.Изменение координат вектора и матрицы оператора при переходе к новому базису
- •2. Ядро и образ линейного оператора
- •3. Собственные значения и собственные векторы линейного оператора. Матрица оператора в базисе из собственных векторов
3. Собственные значения и собственные векторы линейного оператора. Матрица оператора в базисе из собственных векторов
Пусть дан линейный оператор ( линейное пространство над числовом полем 4 ).
Определение 2. Вектор называется собственным вектором, соответствующим собственному значению , если: а) б) Совокупность всех различных собственных значений оператора называют спектром оператора . Обозначение:
Например, если матрица то вектор является собственным вектором этого оператора, соответствующим собственному значению так как При этом
Отметим очевидное свойство собственных векторов: если собственный вектор оператора соответствующий собственному значению то тоже собственный вектор оператора соответствующий собственному значению В ряде случаев, выбирая постоянную можно упростить вид собственных векторов.
Свойства собственных векторов.
1) собственные векторы соответствующие различным собственным значениям линейно независимы.
2) все собственные векторы оператора , соответствующие одному и тому же собственному значению , образуют линейное подпространство в (его называют собственным пространством оператора отвечающим собственному значению ).
3) В пространстве любой линейный оператор имеет хотя бы один собственный вектор.
Опишем теперь, как вычисляются собственные векторы и собственные значения. Зафиксируем в пространстве некоторый базис и вычислим матрицу оператора в этом базисе. Тогда операторное уравнение (с учетом того, где ) можно записать в матричном виде
Эта система должна иметь нетривиальное решение поэтому ее определитель должен равняться нулю
Определитель (5) называется характеристическим определителем матрицы ( или оператора ). Раскрывая его, получим так называемое характеристическое уравнение , решая которое, найдем собственные значения матрицы ( или оператора ) . Положив в (4) и решив полученную алгебраическую систему уравнений относительно вектора-столбца , найдем все собственные векторы соответствующие собственному значению матрицы Затем по формуле вычислим собственные векторы оператора , соответствующие собственному значению
Зачем нужны собственные векторы? Оказывается они обладают следующим важным свойством.
Теорема 4. Если оператор имеет в поле различных собственных значений , то собственные векторы соответсвующие этим значениям, образуют базис в Матрица оператора в этом базисе будет диагональной:
Замечание 2. Оператор называется диагонализируемым ( или оператором простой структуры), если в существует базис, в котором матрица этого оператора диагональна. Из теоремы 4 следует, что оператор , имеющий в в поле различных собственных значений, диагонализируем. Обратное, вообще говоря, не верно: оператор может быть диагонализируемым, не имея различных собственных значений. Например, единичная матрица размерности диагонализируема, но она имеет только одно собственное значение кратности В этом случае матрица имеет базис из собственных векторов, но все они отвечают собственному значению
Докажем теперь следующий важный результат.
Теорема 5. Все подобные квадратные матрицы одной и той же размерности имеют одинаковый спектр.
Доказательство. Пусть матрицы и подобны. Тогда существует невырожденная матрица такая что Поэтому Используя теорему об определителе произведения матриц, отсюда получаем, что
Учитывая, что получаем отсюда равенство которое показывает, что характеристические уравнения матриц и совпадают, поэтому они имею одинаковый спектр. Теорема доказана.
1 Полезно запомнить, что в первый индекс номер строки, а номер столбца, на пересечении которых находится элемент
2 Взаимно однозначное соответствие между двумя множествами, сохраняющее линейные операции между ними, называется линейным изоморфизмом этих множеств.
3 Если оператор линейный, то пишут опуская скобки.
4 В качестве обычно берут множество действительных чисел или множество комплексных чисел