Как найти матрицу оператора в собственном базисе

Матрица линейного оператора. преобразование подобия. собственные значения и собственные векторы линейного оператора. диагонализация матриц

Задание 1. Линейный оператор преобразует векторы , , в векторы , , . Найти матрицу линейного оператора.

Связаны между собой соотношением , откуда .

Так как , то , а искомая матрица линейного оператора .

Задание 2. Пусть линейный оператор в базисе задан матрицей . Найти матрицу этого линейного оператора в базисе , если матрица является матрицей перехода от базиса к базису .

Решение. Матрицы и линейного оператора , заданного в разных базисах, связаны между собой соотношением . Так как , то

Задание 3. Линейный оператор в базисе задан матрицей . Найти матрицу этого линейного оператора в базисе , если , .

Решение. Связь между матрицами и линейного оператора в разных базисах определяется формулой , где – матрица перехода от базиса к базису .

Составим матрицу : , тогда и, следовательно,

Задание 4. Линейный оператор в базисе задан матрицей . Найти матрицу этого линейного оператора в базисе , если , .

Решение. Матрицы и связаны между собой соотношением , где – матрица перехода от базиса к базису .

Составим матрицу : , тогда и, следовательно,

Задание 5. Найти собственные значения и собственные векторы линейного оператора , заданного в некотором базисе матрицей .

Решение. Для нахождения собственных значений линейного оператора составим характеристическое уравнение , т. е. . Раскрывая определитель, получим , т. е. , .

По определению называется собственным вектором линейного оператора , соответствующим собственному значению , если .

Найдём собственные векторы и , соответствующие собственным значениям и .

При получим: , что равносильно такой однородной системе уравнений:

Если – базисная переменная, а – свободная, то .

При : , что равносильно однородной системе уравнений

Пусть – базисная переменная, – свободная. Примем , тогда , а следовательно, .

Так как собственные векторы соответствуют различным собственным значениям, то они должны быть линейно независимы. Проверим линейную независимость полученных собственных векторов и .

Составим матрицу . Так как , то собственные векторы и линейно независимы.

Ответ: собственные числа , ; собственные векторы , .

Задание 6. Привести матрицу линейного оператора к диагональному виду.

Решение. Матрица линейного оператора будет диагональной в базисе из собственных векторов, если такой базис существует. Найдём собственные значения и собственные векторы линейного оператора.

Запишем характеристическое уравнение: , т. е. или , откуда получаем , .

Найдём собственные векторы И .

При получим: , что соответствует следующей однородной системе уравнений:

Пусть – базисная переменная, – свободная. Полагая , получим .

При : . Соответствующая однородная система уравнений имеет вид:

Откуда . Пусть – базисная переменная, – свободная, примем тогда , а, следовательно, .

Собственные векторы и отвечают различным собственным значениям, поэтому они линейно независимы, т. е. могут составить базис. Матрица линейного оператора в базисе из собственных векторов и имеет диагональный вид: .

Можно проверить полученный результат. Так как , где матрица в случае перехода к базису из собственных векторов и имеет вид , следовательно,

Задание 7. Найти собственные значения и собственные векторы линейного оператора , заданного в некотором базисе матрицей . Построить, если это возможно, базис из собственных векторов и найти матрицу этого линейного оператора в базисе из собственных векторов.

Решение. Запишем характеристическое уравнение:

Найдём собственные векторы линейного оператора.

При : , тогда соответствующая однородная система уравнений примет вид:

Что равносильно такой системе:

Пусть и – базисные переменные, – свободная. Полагая , получим .

При : , или, переходя к однородной системе уравнений, получим

Пусть и – базисные переменные, – свободная. Если , то .

При получим: , и однородная система уравнений примет вид:

Пусть и – базисные переменные, – свободная. Тогда если , то . Найденные собственные векторы соответствуют различным собственным значениям, поэтому они линейно независимы, значит, существует базис из собственных векторов. Матрица перехода к такому базису , тогда

Матрица линейного оператора в базисе из собственных векторов имеет вид: .

Можно сделать проверку полученных результатов:

Ответ: , , ; , , ; матрица линейного оператора в базисе из собственных векторов .

Собственные векторы и собственные числа линейного преобразования. Билинейные и квадратичные формы , страница 5

, , следовательно, , так как – произвольные векторы, то , следовательно, по определению – ортогональная матрица и .

Пример 6.1. Пусть линейный оператор , действующий в евклидовом пространстве, имеет в ортонормированном базисе матрицу . Построить в этом пространстве базис из собственных векторов оператора и найти матрицу оператора в этом базисе.

Решение. 1) Найдем собственные числа оператора , для чего составим и решим характеристическое уравнение (4.3):

Приравняв к нулю, находим:

2) Находим собственные векторы, соответствующие найденным собственным значениям, для чего при каждом составляем и решаем систему (4.2): а) при , получаем

что равносильно системе (здесь )

, полагая в которой, например, , находим , таким образом, собственный вектор, соответствующий собственному значению 9, есть

б) при , получаем

что равносильно уравнению (здесь )

, полагая в котором сначала , а затем , получаем еще два линейно независимых собственных вектора:

3) Находим матрицу перехода к базису из собственных векторов и обратную к ней (столбцами матрицы перехода являются координатные столбцы векторов (см. раздел 1)):

4) Теперь по формуле (4.1) находим – матрицу линейного оператора в базисе из собственных векторов

Таким образом, матрица линейного оператора в базисе из собственных векторов диагональная!

7. БИЛИНЕЙНЫЕ И КВАДРАТИЧНЫЕ ФОРМЫ

7.1. Билинейные формы

Определение. Отображение называется числовой функцией, т.е. числовая функция – закон или правило, по которому каждому вектору (каждой паре векторов ) ставится в соответствие число из R.

Определение. Числовая функция называется линейной формой,если и справедливо:

Определение. Числовая функция двух аргументов – закон или правило, по которому каждой паре векторов ставится в соответствие число из .

Определение. Числовая функция , аргументами которой являются всевозможные векторы , называется билинейной формой, если и выполняются соотношения:

а)

б)

в)

г)

т.е. функция является линейной по каждому из аргументов, где условия а), в) означают линейность по первому аргументу; условия б), г) – по второму.

Выберем какой — либо базис в . Тогда

и значение билинейной формы может быть вычислено следующим образом

(7.1)

где (i, j = l, 2, . n) – значения билинейной формы на всевозможных парах базисных векторов, которые называются коэффициентами билинейной формы в базисе е.

Коэффициенты образуют квадратную матрицу порядка п

, которая называется матрицей билинейной формы в данном базисе е. Как легко проверить, в матричном виде равенство (7.1) имеет вид

(7.2)

Теорема 7.1. Любая квадратная матрица в некотором базисе является матрицей билинейной формы.

Доказательство. Определим с базисом с помощью матрицы числовую функцию по правилу

Легко проверяются свойства (7.1). Но тогда элементы равны , где , и записанная формула есть определение билинейной формы (7.2).

Согласно теореме 7.1., естественно называть представление (7.2.) общим видом билинейной формы в n-мерном линейном Евклидовом пространстве .

Определение. Билинейная форма называется симметричной (кососимметричной), если выполняется равенство

Теорема 7.2. Билинейная форма является симметричной (кососимметричной) тогда и только тогда, когда ее матрица симметрическая, т.е. или (кососимметрическая, т.е. или ).

Доказательство. Так как форма симметрична, то :

В частности, для базисных векторов , следовательно, . Аналогично для кососимметричной формы.

Пусть матрица билинейной формы симметрическая, т.е. . Тогда, так как матрица размеров не меняется при транспонировании:

Теорема 7.3. Матрицы и билинейной формы в базисах e и связаны соотношением

(7.3)

Найти матрицу в базисе из собственных векторов

Если собственные векторы матрицы образуют базис, то она представима в виде:

, где – матрица составленная из координат собственных векторов, – диагональная матрица из собственных чисел.

…ничего не напоминает из заключительного параграфа статьи о линейных преобразованиях? 😉

Такое разложение матрицы также называют каноническим или диагональным.

Рассмотрим матрицу первого примера. Её собственные векторы линейно независимы и образуют базис. Составим матрицу из их координат:

На главной диагонали матрицы в соответствующем порядке располагаются собственные числа, а остальные элементы равняются нулю:

Подчёркиваю важность порядка: перестановка «двойки» и «тройки» недопустима!

По обычному алгоритму нахождения обратной матрицы либо методом Гаусса-Жордананетруднополучить . Это не опечатка – перед вами редкое, как солнечное затмение событие, когда обратная совпала с исходной матрицей.

Таким образом, матрица запишется в следующем виде:

Желающие могут перемножить три матрицы и удостовериться, что произведение равно .

Каноническое разложение матрицы выгодно использовать во многих задачах, и, кроме того, в нём сразу видны векторы, которые при данном линейном преобразовании не меняют направление. Это в точности векторы канонического базиса, т.е. собственные векторы.

Давайте вспомним заключительную часть урока о линейных преобразованиях. Там мы выяснили, что одному и тому же линейному преобразованию в разных базисах в общем случае соответствуют разные матрицы. И наиболее удобным из них как раз и является базис из собственных векторов! (в случае его существования). Более того, все матрицы конкретного линейного преобразования (в одном и том же векторном пространстве)имеют один и то же характеристический многочлен, и, скорее всего, именно по этой причине он и получил своё название. Так, в Примере 6 первой статьи по теме у исходной и итоговой матрицы «три на три» один и тот же характеристический многочлен – по той причине, что они задают одно и то же линейное преобразование трёхмерного пространства.

Записать матрицу в базисе из собственных векторов

Решение: найдем собственные значения. Составим и решим характеристическое уравнение:

– получены кратные собственные числа.

Мысленно либо на черновике подставим в определитель и запишем однородную систему линейных уравнений:

Вторая координата принудительно равна нулю: (иначе в первом уравнении получится неверное равенство). За «икс» можно принять любое ненулевое значение, в хорошем стиле положим, что .

Таким образом, кратным собственным числам соответствует единственный собственный вектор .

! Примечание: в общем случае такое утверждение неверно!

Канонические разложение матрицы имеет вид , и в нашей ситуации данного разложения не существует. Почему? Потому что невозможно записать матрицу , которая должна состоять из двух линейно независимых собственных векторов. Размерность вектора равна двум («икс» и «игрек»), но сам-то вектор – один-одинёшенек. Коллинеарный товарищ, например , в пару не годится (хотя бы по той причине, что и обратной матрицы попросту не существует).

У рассмотренного примера есть простое геометрическое объяснение: матрица определяет ни что иное, как «перекос Джоконды», у которого существует лишь одна группа коллинеарных векторов, сохраняющих своё направление. Направление же всех остальных ненулевых векторов данное линейное преобразование меняет.

Ответ: собственные векторы не образуют базиса, поэтому требуемое разложение неосуществимо.

Обратите внимание на корректность и точность ответа – нас никто не спрашивал о собственных значениях и собственных векторах.

Задача с матрицей «три на три» отличаются бОльшей технической сложностью:

Найти собственные векторы линейного преобразования, заданного матрицей

Решение: такая формулировка задачи смущать не должна – ведь это и есть «генеральная линия партии». Энтузиасты могут провести самостоятельные выкладки по аналогии с Примером №1, я же ограничусь «рабочим» решением примера.

По условию требуется найти собственные векторы, но алгоритм таков, что в первую очередь всё равно нужно найти собственные числа.

Вычтем «лямбду» из всех чисел главной диагонали матрицы и составим её характеристическое уравнение:

Определитель раскроем по первому столбцу:

На этом месте немного притормозим и познакомимся с очень полезным техническим приёмом, который значительно упростит дальнейшую жизнь. Практически во всех методических пособиях вам будет предложено раскрыть все скобки, получить слева многочлен 3-ей степени, затем подбором найти корень и стать жертвой долгих мытарств, описанных в Примере №1 урока Сложные пределы. За годы практики я отработал рациональную схему, позволяющую избежать этих неприятностей:

Сначала представим в виде произведения «хвост» левой части:

Выполненное действие не привело к заметному результату.

Поэтому пробуем разложить на множители квадратный трёхчлен . Решив квадратное уравнение, получаем .

Вынесем за скобку и проведём дальнейшие упрощения:

Решаем ещё одно квадратное уравнение, в итоге:

Это была самая длинная ветка алгоритма, в большинстве случаев произведение получается значительно быстрее.

Собственные значения всегда стараемся расположить в порядке возрастания:

Найдем собственные векторы:

1) Мысленно либо на черновике подставим значение в определитель , с которого «снимем» коэффициенты однородной системы:

Систему можно решить с помощью элементарных преобразований и в следующих примерах мы прибегнем к данному методу. Но здесь гораздо быстрее срабатывает «школьный» способ. Из 3-го уравнения выразим: – подставим во второе уравнение:

Поскольку первая координата нулевая, то получаем систему , из каждого уравнения которой следует, что .

И снова обратите внимание на обязательное наличие линейной зависимости. Если получается только тривиальное решение , то либо неверно найдено собственное число, либо с ошибкой составлена/решена система.

Компактные координаты даёт значение

Крайне желательно проверить, что найденное решение удовлетворяет каждому уравнению системы. В последующих пунктах и в последующих задачах рекомендую принять данное пожелание за обязательное правило.

2) Для собственного значения по такому же принципу получаем следующую систему:

Из 2-го уравнения системы выразим: – подставим в третье уравнение:

Поскольку «зетовая» координата равна нулю, то получаем систему , из каждого уравнения которой следует линейная зависимость .

Проверяем, что решение удовлетворяет каждому уравнению системы.

Таким образом, собственный вектор: .

3) И, наконец, собственному значению соответствует система:

Второе уравнение выглядит самым простым, поэтому из него выразим и подставим в 1-ое и 3-е уравнение:

Всё хорошо – выявилась линейная зависимость , которую подставляем в выражение :

В результате «икс» и «игрек» оказались выражены через «зет»: . На практике не обязательно добиваться именно таких взаимосвязей, в некоторых случаях удобнее выразить и через либо и через . Или даже «паровозиком» – например, «икс» через «игрек», а «игрек» через «зет»

Проверяем, что найденное решение удовлетворяет каждому уравнению системы и записываем третий собственный вектор

Ответ: собственные векторы:

Если бы по условию требовалось найти каноническое разложение – то здесь это возможно. Различным собственным числам соответствуют разные линейно независимые собственные векторы: составляем матрицу из их координат, диагональную матрицу из соответствующих собственных значений и находим обратную матрицу . Геометрически собственные векторы базиса указывают на три различных направления пространства, которые данное линейное преобразование не меняет.

Задача с более простыми вычислениями для самостоятельного решения: