Разделы презентаций


Собственные векторы и собственные значения линейного оператора

Содержание

1. ОпределенияОпределение 1.1. Оператор φ n–мерного векторного пространства V называется диагонализируемым, если в V существует базис, в котором матрица линейного оператора диагональная.Определение 1.2. Пусть φ – оператор пространства V. Если для

Слайды и текст этой презентации

Слайд 1Собственные векторы и собственные значения линейного оператора
1.Определение
2. Нахождение СЗ и

СВ линейного оператора
3. Свойства СВ
4. Линейный оператор с простым спектром

Собственные векторы и собственные значения линейного оператора1.Определение2. Нахождение СЗ и СВ линейного оператора3. Свойства СВ4. Линейный оператор

Слайд 21. Определения
Определение 1.1. Оператор φ n–мерного векторного пространства V называется

диагонализируемым, если в V существует базис, в котором матрица линейного

оператора диагональная.
Определение 1.2. Пусть φ – оператор пространства V. Если для некоторого ненулевого вектора v∈V и числа λ имеем
φ(v)= λ·v,
то число λ называется собственным значением оператора φ , а вектор v называется собственным вектором оператора φ , относящимся к собственному значению λ.
1. ОпределенияОпределение 1.1. Оператор φ n–мерного векторного пространства V называется диагонализируемым, если в V существует базис, в

Слайд 32. Нахождение собственных значений и собственных векторов линейного оператора
Пусть φ

– оператор n-мерного пространства V , v – собственный вектор

оператора φ , относящийся к собственному значению λ , т.е. φ(v)= λ·v.
Пусть { b1,b2,…,bn }– базис V ,
A – матрица линейного оператора φ в базисе { b1,b2,…,bn } и v = c1b1 + c2b2 + … + cnbn

φ(v)= φ(c1b1 + c2b2 + … + cnbn v)= c1φ(b1)+ c2φ(b2 )+ … + cnφ(bn) =





2. Нахождение собственных значений и собственных векторов линейного оператора Пусть φ – оператор n-мерного пространства V ,

Слайд 4Нахождение собственных значений и собственных векторов линейного оператора (продолжение)

Получили:





v – собственный

вектор оператора φ , относящийся к соб- ственному значению λ

⇔ его координаты c1,c2,…,cn являются решением (нетривиальным) системы линейных однородных уравнений (A–λI)X=O.


Нахождение собственных значений и собственных векторов линейного оператора (продолжение)Получили:v – собственный вектор оператора φ , относящийся к

Слайд 5 Определения 2.1.
Матрица A–λI называется характеристической матрицей оператора

φ (матрицы A) .
Определитель характеристической матрицы, т.е. det(A–λI)

– многочлен степени n относительно переменной λ .
Многочлен det(A–λI) называют характеристическим много- членом оператора φ (матрицы A).
Корни многочлена det(A–λI) называют характеристи- ческими корнями оператора φ (матрицы A).


Определения 2.1.  Матрица A–λI называется характеристической матрицей оператора φ (матрицы A) .  Определитель характеристической

Слайд 6Теорема 2.2: (Свойства подобных матриц)
Пусть матрицы S и T подобны,

тогда


Доказательство.

Теорема 2.2: (Свойства подобных матриц)Пусть матрицы S и T подобны, тогдаДоказательство.

Слайд 7


Таким образом, число λ является собственным значением оператора

φ тогда и только тогда, когда оно является его характеристическим

корнем.

Таким образом, число λ является собственным значением оператора φ тогда и только тогда, когда оно

Слайд 8Пример

Пример

Слайд 9Пример вычисления СЗ для матрицы

Пример вычисления СЗ для матрицы

Слайд 103.Свойства собственных векторов
1. Лемма 3.1. Каждый собственный вектор v оператора

φ относится к единственному собственному значению.
Доказательство (от противного).
Пусть вектор v

относится к двум различным собственным значениям - и :






Но вектор v – ненулевой, поэтому
QED
3.Свойства собственных векторов 1.	Лемма 3.1. Каждый собственный вектор v оператора φ относится к единственному собственному значению.Доказательство (от

Слайд 11Лемма 3.2. Если v1 и v2 – собственные векторы оператора

φ, относящиеся к одному и тому же собственному значению λ

, то их линейная комбинация a·v1+b·v2 – собственный вектор оператора φ , относящийся к тому же собственному значению.

Доказательство.
φ (a·v1+b·v2 ) =
a φ (v1)+b φ(v2 ) =
a λv1+b λ v2 =
λ (a·v1+b·v2 )

QED
Лемма 3.2. Если v1 и v2 – собственные векторы оператора φ, относящиеся к одному и тому же

Слайд 12Следствия 3.3.
а) каждому собственному значению λ соответствует беско- нечное множество собственных векторов;
б) если

к множеству всех собственных векторов x оператора φ, относящихся к

собственному значению λ, присоединить нулевой вектор, то получится подпространство простран- ства V. Оно называется собственным подпространством оператора и обозначается Vλ.
Следствия 3.3.а)	каждому собственному значению λ соответствует беско- нечное множество собственных векторов;б)	если к множеству всех собственных векторов x

Слайд 13Лемма 3.4. Собственные векторы x1,x2,…,xk оператора φ, относящиеся к попарно

различным собственным значениям λ1,λ2,…, λk , линейно независимы.
Доказательство (от противного).


Предположим x1,x2,…,xk ЛЗ: с1x1+с2x2+…+ сk xk =0 и хотя бы один из коэффициентов – ненулевой, например,
сk - ненулевое число.
Проведем две операции: применим оператор φ и умножим на λ1
φ (с1x1+с2x2+…+ сk xk) = с1λ1x1+с2λ2x2 …+ сk λk xk =0 и
λ1(с1x1+с2x2+…+ сk xk) = с1λ1x1+с2λ1x2 …+ сk λ1 xk =0.

с1λ1x1+с2λ2x2 …+ сk λk xk =0
с1λ1x1+с2λ1x2 …+ сk λ1 xk = 0

Вычтем из первого второе соотношение:
с2 (λ2-λ1)x2…+ сk ( λk -λ1)xk =0.



Лемма 3.4. Собственные векторы x1,x2,…,xk оператора φ, относящиеся к попарно различным собственным значениям λ1,λ2,…, λk , линейно

Слайд 14Точно также применим оператор φ, умножим на λ2
φ(с2 (λ2-λ1)x2…+

сk ( λk -λ1)xk) =с2λ2 (λ2-λ1)x2…+сk λk ( λk -λ1)xk

=0 и
λ2(с2 (λ2-λ1)x2…+ сk ( λk -λ1)xk) = с2λ2 (λ2-λ1)x2…+с2 λk ( λk -λ1)xk =0

и вычтем:
с3 (λ3-λ1) (λ3-λ2) x3…+ сk ( λk -λ1) ( λk –λ2) xk =0.
Продолжая так, в конце концов получим
сk ( λk -λ1) ( λk –λ2) … ( λk –λk-1) xk =0.
Собственные значения различны, собственный вектор – ненулевой.
Отсюда следует сk =0, что противоречит предположению. QED



Точно также применим оператор φ, умножим на λ2 φ(с2 (λ2-λ1)x2…+ сk ( λk -λ1)xk) =с2λ2 (λ2-λ1)x2…+сk λk

Слайд 15Следствия 3.5:
а) линейный оператор, действующий в n-мерном линейном пространстве V,

не может иметь более n собственных значений;
б) в пространстве

может существовать базис, хотя бы часть которого – собственные векторы оператора.
Следствия 3.5:а) линейный оператор, действующий в n-мерном линейном пространстве V, не может иметь более n собственных значений;

Слайд 16
Теорема 3.6. Характеристический многочлен линейного оператора не зависит от выбора

базиса, то есть является инвариантом линейного оператора ( таким образом,

подобные матрицы имеют один и тот же характеристический многочлен).

Следствие 3.7. Множество собственных значений линейного оператора не зависит от выбора базиса, то есть является инвариантом линейного оператора ( таким образом, подобные матрицы имеют один и тот же набор собственных значений).

Доказательство.
Пусть Р и Q – матрицы одного и того же линейного оператора в различных базах. Тогда

Теорема 3.6. Характеристический многочлен линейного оператора не зависит от выбора базиса, то есть является инвариантом линейного оператора

Слайд 17Теорема 3.8 (необходимое и достаточное условие диагональ- ности матрицы оператора) .


Матрица A оператора φ в базисе {b1,b2,…,bn} имеет диагональный вид

⇔ все базисные векторы bi являются собственными векторами этого оператора.
Доказательство.








QED
Теорема 3.8 (необходимое и достаточное условие диагональ- ности матрицы оператора) . 	Матрица A оператора φ в базисе

Слайд 18
Теорема 3.9. (Условие диагонализуемости оператора)
n×n матрица A подобна диагональной т.и

т.т.к. она имеет n линейно независимых собственных векторов.


А подобна диагональной матрице D. Тогда существует невырожденная матрица Р такая что . Пусть - столбцы матрицы Р, а - диагональные элементы матрицы D .

Доказательство.


С другой стороны,

Теорема 3.9. (Условие диагонализуемости оператора)n×n матрица A подобна диагональной т.и т.т.к. она имеет n линейно независимых собственных

Слайд 19Таким образом,

и столбцы матрицы Р являются собственными векторами матрицы А (матричный линейный оператор). В силу невырожденности P, все эти векторы линейно независимы.

А имеет n линейно независимых собственных столбцов,
обозначим их , относящихся к собственным значениям
Обозначим , тогда Р – невырожденная матрица и

Таким образом,

Слайд 20
Таким образом,





Получили




А так как Р - невырожденная матрица, то

- диагональная матрица.

QED



Таким образом,ПолучилиА так как Р - невырожденная матрица, то

Слайд 21
Критерий диагонализируемости оператора: оператор φ диагонализируем тогда и только тогда,

когда в пространстве V существует базис, каждый из векторов которого

является собственным вектором оператора .

Критерий диагонализируемости оператора: оператор φ диагонализируем тогда и только тогда, когда в пространстве V существует базис, каждый

Слайд 22
Пример

Пример

Слайд 23
Пример (продолжение)

Пример (продолжение)

Слайд 254.Линейный оператор с простым спектром
Определение 4.1 Набор всех собственных значений

оператора называется спектром оператора.
Определение 4.2. Линейный оператор n-мерного векторного

пространства, имеющий n попарно различных собственных значений, называется оператором с простым спектром.

Следствие 4.3.
(1) Матрица оператора с простым спектром подобна диагональной матрице, у которой на диагонали стоят собственные значения оператора.

4.Линейный оператор с простым спектромОпределение 4.1 Набор всех собственных значений оператора называется спектром оператора. Определение 4.2. Линейный

Слайд 26Пример: матрица является

матрицей оператора с простым спектром

Пример: матрица        является матрицей   оператора с простым спектром

Обратная связь

Если не удалось найти и скачать доклад-презентацию, Вы можете заказать его на нашем сайте. Мы постараемся найти нужный Вам материал и отправим по электронной почте. Не стесняйтесь обращаться к нам, если у вас возникли вопросы или пожелания:

Email: Нажмите что бы посмотреть 

Что такое TheSlide.ru?

Это сайт презентации, докладов, проектов в PowerPoint. Здесь удобно  хранить и делиться своими презентациями с другими пользователями.


Для правообладателей

Яндекс.Метрика