Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
лекции по алгебре.doc
Скачиваний:
15
Добавлен:
01.04.2025
Размер:
554 Кб
Скачать
☆

Собственные значения и

собственные векторы линейного оператора.

Характеристическим многочленом линейного оператора A: LL называется A()=det(A-E),

А характеристическим уравнением A()=0

Определение корректно, так как определитель не зависит от выбора базиса

det(A-E)= =

Коэффициенты dk инвариантны относительно выбора базиса,  они отражают свойства оператора, а не его матрицы.

Некоторые наиболее легко выражаемые коэффициенты:

d0=det A, dn=1, dn-1=trA

Ненулевой вектор x в линейном пространстве L называется собственным вектором линейного оператора A: LL, если для некоторого действительного числа  выполняется соотношение Ax=x. При этом число  называется собственным значением линейного оператора A.

Множество всех собственных значений называется спектром оператора.

Теорема 12

Если x – собственный вектор оператора A, то x – тоже его собственный вектор.

Д оказательство:

Ax=xA(x )= Ax=x=x

Теорема 13

 – собственное значение линейного оператора  оно является корнем его характеристического многочлена.

Доказательство:

Пусть  – собственное значение линейного оператора A:LL  x0, для которого Ax=x. Используя тождественный оператор I (Ix=x), получим, Ax= Ix  (A-I)x=0

В некотором произвольном, но фиксированном базисе запишем матрицы A и E (соответствующие операторам A и I)

(A-E)x=0, Это матричная запись однородной СЛАУ, которая имеет ненулевое решение – столбец координат собственного вектора x  матрица A-E имеет нулевой определитель det(A-E)=0   – корень характеристического многочлена.

Кратность собственного значения есть кратность соответствующего корня характеристического многочлена.

Заметим, что множество всех собственных векторов не является линейным пространством, так как по определению среди них нет нулевого, но если его добавить, то получится подпространство. Его называют собственным подпространством линейного оператора.

Вычисление собственных значений и собственных векторов.

  1. Выбрать базис и построить матрицу оператора A.

  2. Составить характеристическое уравнение и найти все его действительные корни, то есть собственные значения оператора A.

  3. Для каждого собственного значения k найти фундаментальную систему решений СЛАУ det(A-kE)=0. Векторы фундаментальной системы и есть собственные векторы соответствующего k.

Лекция 15

Теорема 14. О линейной независимости собственных векторов, соответствующих различным собственным значениям.

Система собственных векторов e1, e2,…, ek, соответствующих собственным значениям 1, 2,…, k (попарно различным), является линейно независимой.

Доказательство (методом математической индукции):

n=1. Так как собственный вектор e10, то он линейно независимый по определению.

Пусть при n=k утверждение теоремы верно, то есть e1, e2,…,ek - линейно независимы. Добавим вектор ek+1 , соответствующий k+1. Предположим, что полученная система линейно зависима 

1e1+…+ kek+ k+1ek+1=0 ()

К равенству применим оператор A 1 Ae1+…+ k Aek+ k+1 Aek+1=0

Так как все ei– собственные 

1 1e1+…+ k kek+ k+1 k+1ek+1=0 ()

Умножим () на k+1 и вычтем из () 1(1-k+1)e1+…+ k (k -k+1)ek=0

Так как e1, e2,…,ek линейно независимы, то все коэффициенты при них в этом выражении равны нулю. А так как все i (i=1k+1) различны, то все i=0 (i=1k),  () запишется в виде k+1ek+1=0  k+1=0, то есть, () выполнено только при всех i=0 (i=1k+1)  система e1, e2,…,ek , ek+1 линейно независима.

Теорема 15 Теорема о собственном базисе

Матрица линейного оператора A, действующего в линейном пространстве является диагональной  все векторы базиса являются собственными для A.

Доказательство:

() Пусть A –матрица A в базисе b  для вектора Abj имеем

Abj= j bj

Из вида этого равенства ясно, что bj – собственный вектор с собственным значением равным j.

() Если bj - собственный для A, то ему соответствует собственное значение j

Abj=jbj=  В этом базисе все элементы матрицы A, кроме

диагональных, равны 0, а диагональные равны jA - диагональная матрица.

Не все линейные операторы имеют собственный базис.

Пример:

В R2 рассмотрим два оператора A и B в некотором базисе.

A= ; B=

Характеристические уравнения у них совпадают

(-2)2=0; 1=2=2

A имеет уже диагональный вид её исходный базис состоит из собственных векторов A.

У B все собственные векторы соответствуют =2, но собственное пространство одномерно, так как фундаментальная система: С состоит из одного вектора. Следовательно, для B не  собственного базиса, нет двух линейно независимых собственных векторов.

Две матрицы A1 и A2 подобны, если A1=P-1A2P , где P – невырожденная матрица.

Подобные матрицы можно рассматривать как матрицы одного и того же оператора в разных базисах.

Теорема 16 Критерий существования собственного базиса.

Если характеристическое уравнение квадратной матрицы размерности имеет различных корней, то эта матрица подобна некоторой диагональной.

Доказательство:

Пусть характеристическое уравнение матрицы A имеет n различных действительных корней  соответствующий ей линейный оператор A имеет n различных собственных значений. Каждому собственному значению соответствует свой собственный вектор. Их n штук и они линейно независимы  эти векторы составляют базис. Это базис из собственных векторов  в этом базисе оператор A имеет диагональную матрицу.

Самосопряжённый линейный оператор.

Линейный оператор A* в L называются сопряжённым к линейному оператору A в L, если для любых векторов x и y из L верно (Ax, y)=(x, A*y)

Теорема 17 О единственности сопряжённого оператора.

Любому линейному оператору A: LL соответствует единственный сопряжённый оператор A*: LL, причём A*=AT в любом ортонормированном базисе.

Доказательство:

Докажем, что линейный оператор B с матрицей B=AT является сопряжённым к линейному оператору A с матрицей A. Рассмотрим (Ax, y)=(x, By) для x и y. Ax имеет столбец координат Ax, а (Ax, y)=((Ax)T, y) из ортонормированности базиса. Аналогично (x, By)=(xT, By)  в координатной форме имеем

((Ax)T, y)=xT(By)

так как (Ax)T=xTA - свойства матричных операций,

то xTATy=xTBy

так как x и y - любые, то AT=B

В силу однозначности соответствия матрицы и оператора в фиксированном базисе, получаем, что для оператора A единственный сопряжённый ему линейный оператор B и его матрица B=AT

Если A*=A, то оператор A называется самосопряжённым (или симметрическим).

Другими словами: A – самосопряжён, если для  x и y выполнено (Ax, y)=(x, Ay)

Примеры самосопряжённых операторов:

  1. нулевой

  2. тождественный

  3. оператор расширения

  4. ортогональное проектирование трёхмерных векторов на направление данного вектора.

Теорема 18

Линейный оператор является самосопряжённым  его матрица в любом ортонормированном базисе является симметрической.

Доказательство:

П усть A – матрица оператора A, а A* - матрица оператора A*, согласно только что доказанной теореме A*=AT так как A=A*  A=A*=AT, но если A=AT, то это значит, что A – симметрическая.

Теорема 19

Все корни характеристического многочлена самосопряжённого оператора – действительные числа.

Доказательство:

Допустим, что  - комплексное число, является корнем характеристического многочлена симметрической матрицы A, то есть det(A-E)x=0  (A-E)x=0 имеет ненулевое решение x=(x1, x2,…, xn)T , состоящее из комплексных чисел. Рассмотрим

столбец x^, комплексно сопряжённый к столбцу x. Умножим равенство (A-E)x=0 слева на строку x^  x^T(A - E)x=0  x^TAx=x^ Exx^TAx= x^Tx

 = действительное число

Допустим, x^Ax - комплексное число, тогда

Транспонирование его не изменит

Комплексное число=своему сопряжённому  это действительное число

= =действительное число

Теорема 20

Собственные векторы самосопряжённого оператора, отвечающие различным собственным значениям ортогональны.

Ранее была доказана теорема о том, что для любого линейного оператора собственные векторы, отвечающие различным собственным значениям линейно независимы. Для самосопряжённых операторов утверждение более сильное - они не только линейно независимы, но и ортогональны.

Доказательство:

Пусть x1 и x2 - два собственных вектора самосопряжённого оператора A, отвечающие 1 и 2 (12). Тогда

Ax1=1x1 Ax2=2x2  (Ax1, x2)=( 1x1, x2)= 1(x1, x2)

(x1, Ax2)=(x1, x2)= 2(x1, x2)

A – самосопряжённый  (Ax1, x2)=(x1, Ax2)  1(x1, x2)=2(x1, x2)  (1-2)(x1, x2)=0  (x1, x2)=0, то есть x1x2

Теорема 21

Самосопряжённый линейный оператор в нормированном евклидовом пространстве имеет ортонормированный базис.

Без доказательства.

Особо надо отметить, что если среди корней характеристического многочлена существуют корни кратности больше 1, то всё равно этот самосопряжённый оператор имеет собственный базис.

Следствие.

Любая симметрическая матрица M порядка n подобна некоторой диагональной, то есть  такая невырожденная матрица P порядка n , что

P-1MP=diag(1,…, n)

Последовательность 1,…, n - это перечень всех корней характеристического уравнения матрицы M с учётом их кратностей.

Ортогональные преобразования.

Линейный оператор A: LL называется ортогональным преобразованием, если он сохраняет скалярное произведение

(Ax, Ay)=(x, y)

Из определения следует, что ортогональное преобразование сохраняет норму вектора и угол между двумя векторами.

cos(Ax, Ay)= = =cos(x, y)

Следствие:

Если (е1,…, еn) – ортонормированный базис, то (Ae1,…,Aen) – тоже ортонормированный базис при A – ортогональном преобразовании.

Теорема 22

Если линейный оператор сохраняет норму вектора  он ортогональный.

Доказательство:

Сначала докажем тождество

= =

= =2 =2(x, y)

Из него получим

2(Ax, Ay)= =

= =2(x, y)

Т о есть A – ортогональный.

Следствие:

При A - ортогональном преобразовании, если (e1,…, en) – ортонормированный базис, то (Ae1,…, Aen) – тоже ортонормированный базис.

Чтобы найти ортогональное преобразование, приводящее симметрическую матрицу к диагональному виду, надо:

  1. найти собственные значения симметрической матрицы,

  2. для  i линейно независимые собственные векторы (их должно быть столько какова кратность i),

  3. для  i процессом ортогонализации Грама-Шмидта найти ортонормированный базис и объединить все такие базисы в единую систему,

  4. выписать матрицу ортогонального преобразования, столбцами которой являются координаты полученных базисных векторов.

Квадратичные формы.

Квадратичной формой действительных переменных называется многочлен 2-ой степени относительно этих переменных, не содержащий свободного члена и членов 1-ой степени, то есть

f(x1,…,xn)=a11x12+a22x22+…+annxn2+

+a12x1x2+a13x1x3+…+an-1nxn-1xn,

иначе говоря, это однородный многочлен 2-ой степени.

Для n=2 f(x1,x2)=a11x12+a12x1x2+a22x22

Каждой квадратичной форме можно взаимно однозначно поставить в соответствие симметрическую матрицу – матрицу квадратичной формы.

Для n=2

Рангом квадратичной формы называется ранг её матрицы. Если ранг равен количеству переменных, то квадратичная форма (как и её матрица) называется невырожденной, иначе – вырожденной.

Квадратичную форму можно рассматривать как скалярную функцию векторного аргумента.

В матричном виде квадратичная форма записывается так

f=xTAx

Пример:

f(x1,x2,x3)=x12+6x1x2+2x22

A= rangA=2<3 квадратичная форма вырождена.

f=