Собственные вектора и собственные значения линейного оператора
СОДЕРЖАНИЕ: Понятие собственных векторов и собственных значений, их свойства и характеристики, порядок нахождения собственных векторов оператора. Критерии определения независимости и ортогональности собственных векторов. Факторы и теоремы положительных матриц.РЕФЕРАТ
Собственные вектора и собственные значения линейного оператора
Понятие собственные векторы и собственные значения
Перед тем как определить понятие собственные вектора, покажем его на наглядном примере. На рисунке 1, красным цветом обозначен собственный вектор. Он, в отличие от синего, при деформации не изменил направление и длину, поэтому является собственным вектором, соответствующим собственному значению = 1. Любой вектор, параллельный красному вектору, также будет собственным, соответствующим тому же собственному значению. Множество всех таких векторов (вместе с нулевым) образует собственное подпространство.
Рис. 1
Определение. Ненулевой вектор x называется собственным вектором линейного оператора , если найдется такое число , называемое собственным значением линейного оператора, что
(x) = · x (1)
Равенство (1) означает, что вектор x, подвергнутый действию линейного оператора, умножается на число . Появляется коллинеарный вектор. Среди векторов линейного векторного пространства могут существовать такие, воздействие оператора на которые переводит эти векторы в коллинеарные самим себе. Если на таких векторах построить базис, преобразования линейной алгебры значительно упростятся.
Не всякий линейный оператор обладает собственными векторами. Например, в геометрической плоскости R2 оператор поворота на угол, не кратный , не имеет ни одного собственного вектора, поскольку ни один ненулевой вектор после поворота не останется коллинеарным самому себе.
Решим задачу нахождения собственных векторов оператора. Запишем равенство (1) в матричной форме:
P · X = · X
Преобразуем матричное уравнение:
P·X – ·X = 0 или (P – ·E) X =0
Матричное уравнение всегда имеет нулевое решение:
X=0=
Для существования ненулевых решений ранг матрицы коэффициентов должен быть меньше числа переменных rn, т.е. число линейно независимых уравнений должно быть меньше числа переменных. В этом случае должно быть выполнено условие
|P – · E |=0 (2)
Расписав уравнение (2) относительно подробнее, получим
|P – · E | =
Раскрыв определитель, получим уравнение n-й степени относительно :
Которое называется характеристическим уравнением оператора . Корни уравнения называются характеристическими или собственными числами оператора. Множество всех собственных чисел оператора называется спектром этого оператора. Многочлен левой части уравнения называется характеристическим многочленом.
Решив характеристическое уравнение, получаем собственные числа 1 , 2 , …, n . Для каждого найденного собственного значения i найдем ненулевые векторы ядра оператора P – i E . Именно они будут собственными векторами, соответствующими собственному значению i . Другими словами, необходимо решить однородную систему уравнений (P – i E ) X =0. Ее общее решение дает всю совокупность собственных векторов, отвечающих i .
Общее решение однородной системы, как известно, структурировано. Оно представляет собой линейную комбинацию фундаментального набора линейно независимых решений (векторов). Число линейно независимых векторов в фундаментальном наборе называется геометрической кратностью собственного значения i . Вводиться также алгебраическая кратность – кратность i как корня характеристического многочлена.
Независимость собственных векторов
Существование линейно независимых векторов среди собственных, отвечающих различным собственным числам 1 , 2 , …, n , определяется следующей теоремой.
Собственные векторы x1 , x 2 , …, xn оператора, отвечающие различным собственным значениям 1 , 2 , …, n , линейно независимы.
На n линейно независимых собственных векторах можно построить базис n-мерного линейного векторного пространства.
Замечание. Определитель матрицы P – E (соответственно характеристический многочлен) не зависит от выбора базиса.
|P’ – E | =|T-1 PT – E | =|T-1 PT- T-1 E T| =|T-1 P- E T| =|T-1 ||P- E T| |T|=|P- E T|
Следовательно, при переходе к новому базису собственные числа сохраняются.
Пример. Найти собственные значения и собственные векторы линейного оператора , заданного матрицей P= в пространстве R2 .
Решение. Составим характеристическое уравнение:
|P – · E | == 2 -5 +4=0
Из квадратного уравнения найдем собственные значения линейного оператора 1 =1, 2 =4. Чтобы найти собственные векторы, решим матричные уравнения:
(P – 1 E ) X =0 и (P – 2 E ) X =0
В развернутом виде
и
Соответствующие однородные системы:
Общие решения систем:
и , где с1 , с2 є R
Таким образом, множество собственных векторов, отвечающих собственным значениям 1 =1, 2 =4, имеет вид ; , где с1 , с2 є R. Векторы a1 =(1, 1), a2 =(-2, 1), например, являются линейно независимыми. Они могут быть приняты в качестве нового базиса в пространстве R2 .
Пусть e1 , e2 , …, en – собственные векторы линейного оператора в пространстве Rn , которые примем в качестве базиса. Тогда разложение векторов (e1 ), (e2 ), …, (en ) по базису e1 , e2 , …, en примет вид
Отсюда следует, что aij = i , если i=j и aij =0, если ij. Поэтому в базисе, составленном из собственных векторов, матрица оператора будет иметь диагональный вид:
Симметричный оператор
Определение. Линейный оператор в евклидовом пространстве Rn называется симметричным, если для любых векторов x и y из пространства Rn выполняется равенство
((x), y)= (x, (y))
Для того чтобы линейный оператор был симметричен, необходимо и достаточно, чтобы его матрица в ортонормированном базисе была симметрична.
Рассмотрим для простоты евклидово пространство R2 . Пусть в ортобазисе e1 , e2 заданы векторы x=(x1 , x2 ), y=(y1 , y2 ). Линейные операторы 1 и 2 определены своими матрицами:
и .
Вычислим векторы 1 (x) и 2 (y):
,
.
Найдем скалярные произведения ((x), y) и (x, (y)):
( (x), y)=(a11 x1 +a12 x2 ) y1 +(a21 x1 +a22 x2 ) y2 =a11 y1 x1 +a12 y1 x2 +a21 y2 x1 +a22 y2 x2 ,
(x, (y))= (b11 y1 +b12 y2 ) x1 +(b21 y1 +b22 y2 ) x2 =b11 x1 y1 +b12 x1 y2 +b21 x2 y1 +b22 x2 y2 .
Найдем разность скалярных произведений:
(( x ), y ) – ( x , ( y )) = ( a 11 - b 11 ) x 1 y 1 +( a 21 - b 12 ) x 1 y 2 +( a 12 - b 21 ) x 2 y 1 +( a 22 - b 22 ) x 2 y 2 .
Если для любых векторов x и y из пространства R2 равенство
(( x ), y ) – ( x , ( y ))=0 (3)
Выполнено (необходимость), то верна система
a11 =b11 ,
a21 =b12 ,
a12 =b21 , (4)
a22 =b22 ,
и обратно: если условия (4) соблюдены для любых векторов x и y, то равенство (3) выполнено (достаточность). Система равенств (4) означает, что 1 =2 =.
Ортогональность собственных векторов
Собственные векторы симметричного линейного оператора, соответствующие различным собственным числам, взаимо ортогональны.
Пусть x и y – собственные векторы оператора , соответствующие собственным числам 1 и 2 , причем 1 2 . По определению симметричного оператора:
((x), y)= (x, (y))
Подставив сюда правые части равенства ((x))= 1 x , ((y))= 1 y , получим
(1 x , y)=( x , 2 y ) . Вынесем числа 1 и 2 , за знак скалярного произведения, перенесем слагаемые влево и разложим на множители: (1 – 2 ) (x, y)=0
Поскольку 1 2 , получаем (x, y)=0, что и означает взаимную ортогональность векторов x и y.
Отметим другие важные свойства симметричного оператора.
1) Характеристическое уравнение симметричного оператора имеет только действительные корни.
2) Если в евклидовом пространстве Rn задан симметричный оператор , то в Rn существует ортонормированный базис e1 , e2 , …, en , составленный из собственных векторов .
3) Если все собственные числа 1 , 2 , …, n симметричного оператора положительны, то ((x), x) 0 для любого ненулевого вектора x.
Положительные матрицы
Квадратная вещественная матрица A = (aij ) называется положительной, если все её элементы положительны: aij 0.
Теорема Перрона (частный случай теоремы Перрона-Фробениуса): Положительная квадратная матрица A имеет положительное собственное значение r, которое имеет алгебраическую кратность 1 и строго превосходит абсолютную величину любого другого собственного значения этой матрицы. Собственному значению r соответствует собственный вектор er , все координаты которого строго положительны. Вектор er – единственный собственный вектор A (с точностью до умножения на число), имеющий неотрицательные координаты.
Список литературы
1. Арутюнов Ю.C. и др. Высшая.математика: Методические указания и контрольные задания (с программой) для студентов-заочников инженерно-технических специальностей вузов. 3-е изд. М.: Высш. шк., 2005. 144 с.
2. Высшая математика: Программа, методические указания и контрольные задания для студентов-заочников иижеиерио-техиических специальностей сельскохозяйственных вузов. 4-е изд., перераб. М.: Высш.шк., 2005. 110 с.
3. Мироненко Е.С. Высшая математика: методические указания и контрольные задания для студентов-заочников инженерных специальностей вузов. М.: Высш. шк., 2008. 110 с.
4. Зимина О.В. и др. Высшая математика. 2-е изд., испр. М.: Физматлит, 2009. 368 с. (Решебиик).