Собственные значения и собственные векторы

линейного преобразования.

Определение: Пусть L – заданное n- мерное линейное пространство. Ненулевой вектор Собственные значения и собственные векторы - student2.ru L называется собственным вектором линейного преобразования А, если существует такое число l, что выполняется равенство:

A Собственные значения и собственные векторы - student2.ru .

При этом число l называется собственным значением (характеристическим числом) линейного преобразования А, соответствующего вектору Собственные значения и собственные векторы - student2.ru .

Определение: Если линейное преобразование А в некотором базисе Собственные значения и собственные векторы - student2.ru , Собственные значения и собственные векторы - student2.ru ,…, Собственные значения и собственные векторы - student2.ru имеет матрицу А = Собственные значения и собственные векторы - student2.ru , то собственные значения линейного преобразования А можно найти как корни l1, l2, … ,ln уравнения:

Собственные значения и собственные векторы - student2.ru

Это уравнение называется характеристическим уравнением, а его левая часть- характеристическим многочленом линейного преобразования А.

Следует отметить, что характеристический многочлен линейного преобразования не зависит от выбора базиса.

Рассмотрим частный случай. Пусть А – некоторое линейное преобразование плоскости, матрица которого равна Собственные значения и собственные векторы - student2.ru . Тогда преобразование А может быть задано формулами:

Собственные значения и собственные векторы - student2.ru Собственные значения и собственные векторы - student2.ru ; Собственные значения и собственные векторы - student2.ru

в некотором базисе Собственные значения и собственные векторы - student2.ru .

Если преобразование А имеет собственный вектор с собственным значением l, то А Собственные значения и собственные векторы - student2.ru .

Собственные значения и собственные векторы - student2.ru или Собственные значения и собственные векторы - student2.ru

Т.к. собственный вектор Собственные значения и собственные векторы - student2.ru ненулевой, то х1 и х2 не равны нулю одновременно. Т.к. данная система однородна, то для того, чтобы она имела нетривиальное решение, определитель системы должен быть равен нулю. В противном случае по правилу Крамера система имеет единственное решение – нулевое, что невозможно.

Собственные значения и собственные векторы - student2.ru

Полученное уравнение является характеристическим уравнением линейного преобразования А.

Таким образом, можно найти собственный вектор Собственные значения и собственные векторы - student2.ru1, х2) линейного преобразования А с собственным значением l, где l - корень характеристического уравнения, а х1 и х2 – корни системы уравнений при подстановке в нее значения l.

Понятно, что если характеристическое уравнение не имеет действительных корней, то линейное преобразование А не имеет собственных векторов.

Следует отметить, что если Собственные значения и собственные векторы - student2.ru - собственный вектор преобразования А, то и любой вектор ему коллинеарный – тоже собственный с тем же самым собственным значением l.

Действительно, Собственные значения и собственные векторы - student2.ru . Если учесть, что векторы имеют одно начало, то эти векторы образуют так называемое собственное направлениеили собственную прямую.

Т.к. характеристическое уравнение может иметь два различных действительных корня l1 и l2, то в этом случае при подстановке их в систему уравнений получим бесконечное количество решений. (Т.к. уравнения линейно зависимы). Это множество решений определяет две собственные прямые.

Если характеристическое уравнение имеет два равных корня l1 = l2 = l, то либо имеется лишь одна собственная прямая, либо, если при подстановке в систему она превращается в систему вида: Собственные значения и собственные векторы - student2.ru . Эта система удовлетворяет любым значениям х1 и х2. Тогда все векторы будут собственными, и такое преобразование называется преобразованием подобия.

Пример. Найти характеристические числа и собственные векторы линейного преобразования с матрицей А = Собственные значения и собственные векторы - student2.ru .

Запишем линейное преобразование в виде: Собственные значения и собственные векторы - student2.ru

Составим характеристическое уравнение:

Собственные значения и собственные векторы - student2.ru

l2 - 8l + 7 = 0;

Корни характеристического уравнения: l1 = 7; l2 = 1;

Для корня l1 = 7: Собственные значения и собственные векторы - student2.ru

Из системы получается зависимость: x1 – 2x2 = 0. Собственные векторы для первого корня характеристического уравнения имеют координаты: (t; 0,5t) где t- параметр.

Для корня l2 = 1: Собственные значения и собственные векторы - student2.ru

Из системы получается зависимость: x1 + x2 = 0. Собственные векторы для второго корня характеристического уравнения имеют координаты: (t; -t) где t- параметр.

Полученные собственные векторы можно записать в виде:

Собственные значения и собственные векторы - student2.ru

Пример. Найти характеристические числа и собственные векторы линейного преобразования с матрицей А = Собственные значения и собственные векторы - student2.ru .

Запишем линейное преобразование в виде: Собственные значения и собственные векторы - student2.ru

Собственные значения и собственные векторы - student2.ru

Составим характеристическое уравнение:

Собственные значения и собственные векторы - student2.ru

l2 - 4l + 4 = 0;

Корни характеристического уравнения: l1 = l2 = 2;

Получаем: Собственные значения и собственные векторы - student2.ru

Из системы получается зависимость: x1 – x2 = 0. Собственные векторы для первого корня характеристического уравнения имеют координаты: (t; t) где t- параметр.

Собственный вектор можно записать: Собственные значения и собственные векторы - student2.ru .

Рассмотрим другой частный случай. Если Собственные значения и собственные векторы - student2.ru - собственный вектор линейного преобразования А, заданного в трехмерном линейном пространстве, а х1, х2, х3 – компоненты этого вектора в некотором базисе Собственные значения и собственные векторы - student2.ru , то

Собственные значения и собственные векторы - student2.ru ,

где l - собственное значение (характеристическое число) преобразования А.

Если матрица линейного преобразования А имеет вид:

Собственные значения и собственные векторы - student2.ru , то Собственные значения и собственные векторы - student2.ru

Характеристическое уравнение: Собственные значения и собственные векторы - student2.ru

Раскрыв определитель, получим кубическое уравнение относительно l. Любое кубическое уравнение с действительными коэффициентами имеет либо один, либо три действительных корня.

Тогда любое линейное преобразование в трехмерном пространстве имеет собственные векторы.

Пример. Найти характеристические числа и собственные векторы линейного преобразования А, матрица линейного преобразования А = Собственные значения и собственные векторы - student2.ru .

Составим характеристическое уравнение:

Собственные значения и собственные векторы - student2.ru

Собственные значения и собственные векторы - student2.ru

(1 - l)((5 - l)(1 - l) - 1) - (1 - l - 3) + 3(1 - 15 + 3l) = 0

(1 - l)(5 - 5l - l + l2 - 1) + 2 + l - 42 + 9l = 0

(1 - l)(4 - 6l + l2) + 10l - 40 = 0

4 - 6l + l2 - 4l + 6l2 - l3 + 10l - 40 = 0

-l3 + 7l2 – 36 = 0

-l3 + 9l2 - 2l2 – 36 = 0

-l2(l + 2) + 9(l2 – 4) = 0

(l + 2)(-l2 + 9l - 18) = 0

Собственные значения: l1 = -2; l2 = 3; l3 = 6;

1) Для l1 = -2: Собственные значения и собственные векторы - student2.ru

Если принять х1 = 1, то Собственные значения и собственные векторы - student2.ru Þ х2 = 0; x3 = -1;

Собственные векторы: Собственные значения и собственные векторы - student2.ru

2) Для l2 = 3: Собственные значения и собственные векторы - student2.ru

Если принять х1 = 1, то Собственные значения и собственные векторы - student2.ru Þ х2 = -1; x3 = 1;

Собственные векторы: Собственные значения и собственные векторы - student2.ru

3) Для l3 = 6: Собственные значения и собственные векторы - student2.ru

Если принять х1 = 1, то Собственные значения и собственные векторы - student2.ru Þ х2 = 2; x3 = 1;

Собственные векторы: Собственные значения и собственные векторы - student2.ru

Пример. Найти характеристические числа и собственные векторы линейного преобразования А, матрица линейного преобразования А = Собственные значения и собственные векторы - student2.ru .

Составим характеристическое уравнение:

Собственные значения и собственные векторы - student2.ru

-(3 + l)((1 - l)(2 - l) – 2) + 2(4 - 2l - 2) - 4(2 - 1 + l) = 0

-(3 + l)(2 - l - 2l + l2 - 2) + 2(2 - 2l) - 4(1 + l) = 0

-(3 + l)(l2 - 3l) + 4 - 4l - 4 - 4l = 0

-3l2 + 9l - l3 + 3l2 - 8l = 0

-l3 + l = 0

l1 = 0; l2 = 1; l3 = -1;

Для l1 = 0: Собственные значения и собственные векторы - student2.ru

Если принять х3 = 1, получаем х1 = 0, х2 = -2

Собственные векторы Собственные значения и собственные векторы - student2.ru ×t, где t – параметр.

Аналогично можно найти Собственные значения и собственные векторы - student2.ru и Собственные значения и собственные векторы - student2.ru для l2 и l3.

Квадратичные формы.

Определение: Однородный многочлен второй степени относительно переменных х1 и х2

Ф(х1, х2) = а11 Собственные значения и собственные векторы - student2.ru ,

не содержащий свободного члена и неизвестных в первой степени, называется квадратичной формой переменных х1 и х2.

Определение: Однородный многочлен второй степени относительно переменных х1, х2 и х3

Собственные значения и собственные векторы - student2.ru

не содержащий свободного члена и неизвестных в первой степени называется квадратичной формой переменных х1, х2 и х3.

Рассмотрим квадратичную форму двух переменных. Квадратичная форма имеет симметрическую матрицу А = Собственные значения и собственные векторы - student2.ru . Определитель этой матрицы называется определителем квадратичной формы.

Пусть на плоскости задан ортогональный базис Собственные значения и собственные векторы - student2.ru . Каждая точка плоскости имеет в этом базисе координаты х1, х2.

Если задана квадратичная форма Ф(х1, х2) = а11 Собственные значения и собственные векторы - student2.ru , то ее можно рассматривать как функцию от переменных х1 и х2.

Наши рекомендации