Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Пусть l – собственное число матрицы А. Как найти собственные векторы, отвечающие данному l? Как говорилось, следует данное значение l подставить в уравнение (*) и найти все решения этой системы:
. (***)
Определитель этой однородной системы равен нулю, все решения такой системы образуют подпространство пространства Rn (см. юниту 1), ненулевые векторы которого составляют собственное подпространство V l, собственных векторов, отвечающих данному значению l.
Строго говоря, V l не является подпространством, т.к. не содержит 0–вектора. Но когда говорят о собственном подпространстве V l, то вектор добавляется ко всем собственным.
Чтобы найти общее решение системы (***), следует найти фундаментальную систему решений (ФСР), образующую базис V l. Напомним, что размерность подпространства решений равна , где n – число переменных, r – ранг матрицы (А –l Е) при данном l
.
Справедлива теорема.
Теорема. Размерность собственного подпространства Vl не превосходит кратности l характеристического многочлена .
.
Найдем собственные векторы матриц в рассмотренных ранее примерах.
Матрица
имеет собственные числа , . Пусть , тогда система примет вид:
, или .
Система эквивалентна одному уравнению , здесь n =2, r =1, x 2 – свободная переменная, х 1 – зависимая. ФСР состоит из одного вектора , который образует базис в одномерном собственном подпространстве .
Пусть теперь , тогда для собственного вектора получим систему:
,
которая эквивалентна одному уравнению . Придавая свободной переменной х2значение 1, получим вектор , образующий ФСР в собственном подпространстве .
Так как собственные значения , то векторы , линейно независимы и могут служить базисом пространства R 2.
Вернемся теперь к примеру 2.
Матрица
имеет собственные числа , .
Найдем собственные векторы, отвечающие значению . Система имеет вид:
.
Эта система эквивалентна одному уравнению , , , , – свободные переменные, – зависимая.
Общее решение в координатной форме имеет вид:
.
Полагая , , получим вектор ; при , получаем вектор . Векторы и образуют ФСР в собственном подпространстве .
Пусть . Система
.
Эквивалентная система имеет вид:
,
, , , – свободная переменная, , – зависимые. Общее решение в координатной форме: .
При , получим вектор , образующий ФСР собственного подпространства . Векторы , , линейно независимы и могут служить базисом пространства R3.
Рассмотрим еще один пример.
.
Характеристический многочлен :
.
Собственные числа матрицы: , . Найдем собственное подпространство V0 для кратного корня =0 (k=2).
,
, , – свободная переменная, – базис V0.
Заметим, что меньше кратности корня =0. Таким образом, двукратному корню l=0 отвечает одномерное собственное подпространствоV0.
Пусть теперь , соответствующая система имеет вид:
,
, , – свободная переменная, , – зависимые:
и .
Хотя и линейно независимы, но они не могут образовать базис в R3.
Подведем итог сказанному. Сформулируем алгоритм поиска собственных чисел и собственных векторов матрицы.
1. Составить характеристическое уравнение:
.
2. Найти вещественные корни , характеристического многочлена (если таких нет, то нет и собственных векторов). Пусть , – соответствующие кратности этих корней. Тогда , где n – порядок квадратной матрицы А.
3. Для каждого корня составить систему линейных однородных уравнений и найти ее ФСР: , , размерность .
4. Объединить найденные фундаментальные системы по всем собственным числам l. Полученная система из собственных векторов матрицы А будет линейно независимой.
Если число векторов объединенной системы , то она образует собственный базис матрицы А.
2 ПРИВЕДЕНИЕ СИММЕТРИЧНОЙ МАТРИЦЫ К ДИАГОНАЛЬНОМУ ВИДУ
2.1 Скалярное произведение в пространстве Rn. Процесс ортогонализации
В юните 1 нашего курса уже было введено понятие скалярного произведения в пространстве Rn. Напомним его.
Пусть и – два вектора пространства Rn, тогда скалярным произведением векторов и называется число :
, или .
В следующих главах будет обобщено понятие скалярного произведения и рассмотрены его основные свойства.
Здесь напомним, что длина вектора (норма вектора)
.
Два вектора и ортогональны, если их скалярное произведение равно нулю, т.е. .
Определение. Система векторов , в Rn ортогональна, если
1) , для всех ;
2) , для всех .
Можно доказать (что будет сделано ниже), что ортогональная система линейно независима.
Определение. Ортонормированной называется система векторов , из Rn, если
1) система ортогональна;
2) длина каждого вектора системы равна 1, т.е. , .
Любой вектор можно нормировать, т.е. построить такой вектор , что .
Вектор называется ортом вектора , если его длина равна единице, а его координаты:
.
Например, ортом вектора является вектор
, т.к. .
Итак, всякую ортогональную систему легко превратить в ортонормированную.
Любая ортонормированная система из n векторов пространства образует ортонормированный базис пространства .
Пусть линейно независимая система векторов из . Тогда ее можно ортогонализовать, т.е. построить ортогональную систему векторов такую что, линейные оболочки векторов и совпадают
.
О линейной оболочке см. юниту 1.
Покажем, как из системы строится система .
Алгоритм процесса ортогонализации: 1) , 2) , коэффициент подберем так, чтобы и были ортогональны, т.е. .
, отсюда .
3) , 1и 2находим из условий: и , или
,
так как , то .
,
так как , то .
Итак, , или
.
Аналогично строятся векторы , где
.
Заметим, что векторы новой системы являются линейными комбинациями векторов линейно независимой системы , т.е. принадлежат .
Итак, от произвольного базиса линейной оболочки мы перешли к ортогональному базису , причем .
Пример. В пространстве векторы и не коллинеарные и образуют базис. Так как , то базис не ортогональный. Построим ортогональный базис .
1. .
2. , где ,
(рисунок 4).
Рисунок 4
Базис – ортогональный, но не нормированный. Нормируем этот базис:
; ,
; .
Базис – ортонормированный стандартный базис.
Стандартные базисы в и , ,..., в являются ортонормированными базисами.
Дата публикования: 2015-03-26; Прочитано: 3490 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!